大家注意到最近 google 图标变成这个样子

　　很多人不明白，这是什么意思，其实这是为了纪念法国数学家Gston Julia是，他发现了在数论中有名的julia序列，就是在这个google LOGO上面看到的数学公式。通过这个数学公式可以在解析几何上实现很多不规则边的图形。学名，也叫做分形。我们在网上搜索了一些资料，为大家做一下分形这个图形学上的概念普及。

认识分形
　　作为一门新兴学科，分形不但受到了科研人员的青睐，而且因为其广泛的应用价值，正受到各行各业人士的关注。那么，在我们开始学习分形之前，首先应该明白的一件事情是：什么是分形？
　　
　　严格地而且正式地去定义分形是一件非常复杂而且困难的事情。但是，有一些不太正规的定义却可以帮助我们理解分形的含义。在这些定义中，最为流行的一个定义是：分形是一种具有自相似特性的现象、图象或者物理过程。也就是说，在分形中，每一组成部分都在特征上和整体相似，只仅仅是变小了一些而已。
　　
　　让我们来看下面的一个例子。下图是一棵厥类植物，仔细观察，你会发现，它的每个枝杈都在外形上和整体相同，仅仅在尺寸上小了一些。而枝杈的枝杈也和整体相同，只是变得更加小了。那么，枝杈的枝杈的枝杈呢？自不必赘言。

　　如果你是个有心人，你一定会发现在自然界中，有许多景物和都在某种程度上存在这种自相似特性，即它们中的一个部分和它的整体或者其它部分都十分形似。其实，远远不止这些。从心脏的跳动、变幻莫测的天气到股票的起落等许多现象都具有分形特性。这正是研究分形的意义所在。例如，在道·琼斯指数中，某一个阶段的曲线图总和另外一个更长的阶段的曲线图极为相似。

上图中的风景图片又是说明分形的另一很好的例子。这张美丽的图片是利用分形技术生成的。在生成自然真实的景物中，分形具有独特的优势，因为分形可以很好地构建自然景物的模型。

除了自相似性以外，分行具有的另一个普遍特征是具有无限的细致性。上面的动画所演示的是对Mandelbrot集的放大，只要选对位置进行放大，就会发现：无论放大多少倍，图象的复杂性依然丝毫不会减少。但是，注意观察上图，我们会发现：每次放大的图形却并不和原来的图形完全相似。这告诉我们：其实，分形并不要求具有完全的自相似特性。

　　不管你信不信，上面的这张月球表面的照片也是用分形技术生成的。如果你把图片放大观看，也可以看到更加细致的东西。因为，分形能够保持自然物体无限细致的特性，所以，无论你怎么放大，最终，还是可以看见清晰的细节。

　　Kohn雪花和Sierpinski三角形也是比较典型的分形图形，它们都具有严格的自相似特性（仔细看看，是不是这样？）。但是在前面说述的Mandelbrot集合却并不严格自相似。所以，用“具有自相似”特性来定义分形已经有许多局限了。