4.1 分形几何与自相似：光滑对粗糙

4.1 分形几何与自相似：光滑对粗糙

本节摘要：定义先行——分形是"细节随放大不断重现"的粗糙集合，其维数可以不是整数：海岸线约 1.25，洛伦兹吸引子约 2.06。光滑与粗糙的分界不是美学而是测量问题：光滑对象的长度在细尺度下收敛，分形对象的长度随尺度缩小而增长。本节给出盒计数维数的算法与代码，并解释为什么"拉伸-折叠"必然生产分形。

本节上承 3.4 节的奇怪吸引子：那里说"吸引子被压在体积为零的分形集合上"，现在把"分形"三个字变成可测量的量。它也是"光滑对粗糙"这组对照的主场——线性世界的对象几乎全光滑，非线性世界的长期行为集合几乎全是分形。

量海岸线的人

问题的历史值得复述：理查森为研究两国边界冲突翻数据时发现，同一段国境线，西班牙与葡萄牙的官方长度差了约百分之二十——因为双方用了不同精度的尺子。曼德博 1967 年把这件事升格为定理式的观察：对粗糙曲线，测得长度 L(ε) 随尺子长度 ε 按幂律增长，L(ε) ∝ ε^(1−D)；光滑曲线的 D=1（幂指数为零，长度收敛），不列颠海岸线的 D≈1.25（长度在细尺度下持续膨胀）。这个 D 就叫分形维数：它量的是"细节随放大重现的速度"，整数维数只是它的特例。

对照来看，光滑与粗糙的区别全在测量行为里：圆周长用再细的规也收敛到 2πr；海岸线每换一次小尺，多绕出来的湾湾滩滩就把总长度顶上去。"有多长"对分形是坏问题，"长度如何随尺度变"才是好问题。

图：科赫曲线的自相似构造与标度律

为什么非线性系统天然产分形

线性系统画不出分形：它的不变集是点、直线、平面——初等几何全家桶。分形的生产线是第三章那套"拉伸-折叠"：拉伸把距离拉开（产生无穷多不同的尺度），折叠把结果对折（产生自相似），重复无穷次，极限集合在每个尺度上都有细节。具体到洛伦兹吸引子：与轨道相伴的方向上存在一张分叶的康托集结构，Kaplan-Yorke 公式给出其维数 D_KY ≈ 2.06——比二维平面多一点、比三维空间少很多。吸引子维数低于相空间维数正是 2.5 节耗散的签名：体积塌缩掉的部分连同其维数一并"报销"，剩余骨架留下非整数的份。

常用的维数定义不止一个（盒计数、关联维数、信息维数），对简单吸引子数值接近；盒计数最直观：

• 数边长为 ε 的盒子覆盖集合所需个数 N(ε)，画 log N 对 log(1/ε) 的直线，斜率即 D。

光滑对分形对照表

展开案例：给科赫曲线量维数

背景：科赫曲线每步把每段三等分、中段凸起，四段替换一段——长度乘 4/3，无限迭代后长度发散而集合有界，是分形的"标准砝码"。

操作：生成科赫点列，跑盒计数：

import numpy as np

def koch_points(order=6):
    pts = np.array([[0.0, 0.0], [1.0, 0.0]])
    for _ in range(order):
        new = [pts[0]]
        for a, b in zip(pts[:-1], pts[1:]):
            d = (b - a) / 3
            peak = a + 1.5 * d + np.array([-d[1], d[0]]) * (np.sqrt(3) / 2)
            new += [a + d, peak, b - d, b]
        pts = np.array(new)
    return pts

pts = koch_points(6)                                # 4097 个顶点
eps = np.array([0.01, 0.02, 0.04, 0.08])
counts = [len(set(map(tuple, np.floor(pts / e).astype(int)))) for e in eps]
D = np.polyfit(np.log(1 / eps), np.log(counts), 1)[0]
print("盒计数维数 ≈", round(D, 4))
​

结果：约 1.262，与理论值 log4/log3 = 1.2619 在第四位吻合。

解读：直线的同一算法给出 1.00（自查：把 koch_points 换成两点一线即可验证）——算法没有偏好，是对象自己暴露了粗糙度。变式：把洛伦兹轨道采样三千点喂给同一函数（先做延迟嵌入，5.3 节讲），得到的约 2.0 附近值就是那条"蝴蝶"的维数体检单。

⚠️ 常见坑：对有限数据硬扣维数的小数点后第二位没有意义——盒计数在数据少、噪声大时会系统性偏低，实用口径是"报出量级与趋势"，并交代尺度窗口。

💡 关键直觉：何时不必修维数——如果你关注的尺度范围内长度已经收敛（曲线在此尺度下光滑），维数就是整数维，别为分形而分形；反之，凡是"换细一号尺子、数量级就变"的测量，都该想到标度律。

问题：分形是数学玩具，还是有工程户口？

户口很硬。分形天线利用自相似结构在极短的天线体上容纳多频段谐振，移动通信里的宽频天线多受益于此。材料断裂面是真实的粗糙分形，断口维数与材料韧性之间存在可用的经验关联，失效分析据此反推载荷历史。网络流量的时间统计呈现自相似与长程相关，缓冲区容量若按泊松假设核算会系统性偏小。三例分别落在射频、机械与信息三个行业，共同的教训：凡对象在多个尺度上都"不肯变光滑"，光滑假设就要出事，而分形维数是把"不肯变光滑"定量化的第一指标。

本节要点回顾

• 分形维数是测量行为的属性：L(ε) ∝ ε^(1−D)，光滑收敛（D 为整数），粗糙发散（D 非整数）。
• 生产线是拉伸-折叠：自相似与无穷细节来自非线性迭代的极限，线性画不出分形。
• 盒计数二十行可算：科赫曲线 1.262 对理论 1.2619，洛伦兹吸引子约 2.06 对 Kaplan-Yorke 预言。
• 耗散的签名：吸引子维数严格低于相空间维数，缺的那部分体积就是 2.5 节被散度报销的。

空间粗糙说完了，下一节看时间上的粗糙：噪声进场之后，确定性骨架还剩几分可靠。