掰下一小段花椰菜，它看上去就是一整棵花椰菜的缩小版；再掰下更小的一段，还是。放大一部分，看到的是整体本身——这就是自相似。
它背后是一条递归规则：拿一条线段，把中间三分之一顶成一个三角尖，得到 4 段；对这 4 段各做同样的事；无穷次之后，你得到永远画不完、处处是尖角的科赫曲线。规则一句话就能说清，产物却复杂到无法用一个公式写出坐标。分形的核心张力就在这里：极简的生成规则，无穷的视觉细节。
一个自相似集 $F$ 是它自身若干个缩小副本的并：$F = \bigcup_{i=1}^{N} S_i(F)$，其中每个 $S_i$ 是把整体按比例 $r$ 缩小（再旋转、平移）的压缩映射。这组映射叫迭代函数系统（IFS）。科赫曲线是 $N=4$、$r=1/3$；从任意起点反复套用这组映射，图形都会收敛到同一个 $F$——起点是什么根本无所谓。
自相似把「复杂」和「简单」的关系彻底翻转了。我们习惯认为复杂的东西需要复杂的描述，但科赫曲线告诉你：无穷的复杂性可以被压缩进几行规则里。信息不在细节中，而在生成细节的过程中。这正是 DNA 用几万个基因长出一棵有亿万片叶子的树的道理——不存储每片叶子的坐标，只存储「如何分叉」的递归规则。
计算机图形用 IFS 和 L-系统几行代码生成逼真的山脉、云、植物（《指环王》的数字地貌）。分形压缩反过来问：这张图像能否表示成一组压缩映射？能，就用极少参数存下高清纹理。程序化生成（游戏《No Man's Sky》的行星）同样是「规则即内容」——不存地图，存种子与规则。
英国的海岸线有多长？用 100 公里的尺子量，你会抹掉所有海湾；换 10 公里的尺子，测出的长度变长了；1 公里、1 米……尺子越短，测出的长度越大，而且没有极限——趋向无穷。这就是海岸线悖论。
问题出在我们问错了。海岸线不是一条「有确定长度」的线，它太曲折，介于「1 维的线」和「2 维的面」之间。要刻画它，我们需要一个新数字：它到底有多「粗糙」、多能填满空间——这就是分形维数。海岸线的维数约 1.25，比直线更「密」，但还没铺满平面。
用边长 $r$ 的小盒子去盖图形，数需要 $N(r)$ 个。若 $N(r) \sim (1/r)^D$，则 $D$ 就是盒计数维数：$$D = \lim_{r\to 0}\frac{\log N(r)}{\log(1/r)}$$ 直觉：正方形边长减半，要 $4=2^2$ 个副本盖住，故 $D=2$；西尔平斯基三角形减半却只要 $3$ 个，$D=\log 3/\log 2\approx 1.585$——分数维数。$D$ 越大，图形越粗糙、越「挤」进它所在的空间。
我们从小被教育维数是整数：点 0、线 1、面 2、体 3。分形维数打破了这个直觉——维数是一个连续的、可以取分数的量。它衡量的不是「有几个方向」，而是「填空间的效率」。Mandelbrot 1975 年从拉丁文 fractus（破碎的）造出「fractal」这个词，正是为了命名这类「维数破碎」的对象。一个词，让一整类曾被视为「病态怪物」的几何体，第一次有了统一的名字与度量。
分形维数是量化「粗糙度」的通用标尺：医学用它区分良性/恶性肿瘤的边界、视网膜血管的健康度；材料用它刻画断裂面与多孔介质；信号处理用它描述金融波动与生理时间序列的自相似结构。分形天线把导线折成分形，在极小体积里塞进多个波段的有效长度——你的手机里就有一根。
取复平面上一个点 $c$，从 $0$ 出发反复做一件极简单的事：平方，加 $c$；平方，加 $c$……。有些 $c$ 让这串数越滚越大、飞向无穷；有些却让它老实地待在原地打转。把所有「不逃逸」的 $c$ 涂黑，就是 Mandelbrot 集——那个著名的、像甲虫又像佛头的黑色图案。
神奇的是它的边界：无限放大，你会看到小小的甲虫复制品、螺旋、闪电、海马尾……细节永不枯竭，且相似却从不完全重复。这一切，都来自 $z\to z^2+c$ 这个连中学生都懂的公式。
$M$ 是所有让迭代序列 $\{z_n\}$ 保持有界的复参数 $c$ 的集合。可以证明：只要某一步 $|z_n|>2$，序列必然逃逸——这给了计算机一个判据（画分形图时，颜色代表「逃逸前迭代了多少步」）。$M$ 与每个 $c$ 对应的 Julia 集紧密相连：$c$ 在 $M$ 内，Julia 集连通；在外，Julia 集碎成尘埃。$M$ 是一部「所有 Julia 集的目录」。
它是「简单规则、复杂涌现」最震撼的标本。边界的分形维数高达 2——一条曲线粗糙到几乎填满平面。更深的美在于普适性：Mandelbrot 集的芽苞排列，暗合了费根鲍姆常数与倍周期分岔——也就是 Day 16 里 Logistic 映射通往混沌的那条路。完全不同的动力系统，在通往混沌时竟服从同一套数字。这暗示混沌背后有普遍的、与细节无关的秩序。
它教会我们一件对工程至关重要的事：不可预测的复杂行为可以从确定、简短的规则中生出——这正是元胞自动机、神经网络涌现、加密散列的共同哲学。复动力系统的稳定性分析被用于迭代算法收敛性的判定；而「逃逸时间」着色，是最早的算法生成艺术之一。
肺、血管、河网、闪电、树、神经元、菜花——它们都在分叉、分叉、再分叉。这不是巧合。当生命需要「在有限体积里塞进最大的交换表面」或「把物质送达每一个角落」时，分形是几乎唯一的解：你的肺只有几升，展开的表面积却有大半个网球场。
自然的分形不是数学那样精确重复，而是统计自相似——放大一根树枝，它「像」但不「等于」整棵树。关键特征是没有特征尺度：光看一张照片，你说不出它是米级还是厘米级。
统计自相似由幂律刻画：一个量 $N$ 随尺度 $s$ 满足 $N(s) \sim s^{-D}$。在双对数坐标上画出来是一条直线，斜率就是分形维数——这是识别自然分形的标准手法。幂律意味着无标度：没有典型大小，小事件极多、大事件罕见但不可忽略（地震、词频、城市规模都如此）。
互不相干的系统——生物的血管、地质的河流、物理的闪电——被同一条几何法则统一。它们各自演化，却独立收敛到同一个答案，因为它们面对同一个优化问题：用最少的材料铺满空间。更深一层，分形常出现在系统的临界点（相变的边缘），这把它和自组织临界性、复杂系统「在混沌边缘」的思想连了起来——秩序与随机的交界处，长出的正是分形。
West & Brown 的代谢标度律用分形供血网络解释了 Kleiber 定律：代谢率 $\propto$ 体重的 $3/4$ 次方，横跨细菌到蓝鲸 27 个数量级。Mandelbrot 用分形重建金融市场的暴涨暴跌——真实波动比高斯模型「厚尾」得多。工程上，分形换热器与微流控模仿肺与血管，实现均匀高效的输运。