跳至正文

Sierpinski三角与Cantor集：经典分形图鉴

  • 由
🟣 数学证明 📅 2026年3月 ⏱ 阅读约10分钟

想象一个三角形被无限次地”挖空”——每次都在正中间切掉一个更小的三角形，然后对剩下的每一块重复同样的操作。再想象一条线段被无限次地”删掉中间三分之一”——每次删完，剩下的每一段又继续删中间……这两个思维实验，分别就是 Sierpinski 三角和Cantor 集。

它们看起来简单得像小学几何，但背后藏着一套让19世纪数学家头痛的东西：维数不是整数，测度等于零，却又无处不在。今天，这两个”经典图形”已经成为现代分析学、几何测度论、乃至非交换几何的标准试验场。[1]

本文从构造出发，拆解它们的数学机制——自相似比、Hausdorff 维数、迭代函数系统——再看看这些数字究竟在告诉我们什么。

📑 本文目录

一、Cantor 集：从一条线到一片”尘埃”

📜 历史背景

Georg Cantor 在1883年构造这个集合，本来是为了说明”实数线上存在完全不连通的完全集”。这件事在当时让数学界相当不安——一个没有任何区间的闭集，居然可以是”不可数的”？

构造过程极为直白：

  1. 从区间 [0, 1] 出发
  2. 删去正中间的开区间 (1/3, 2/3)，留下两段：[0, 1/3] 和 [2/3, 1]
  3. 对每一段再删中间三分之一……如此无限重复

经过无限步，剩下来的点的全体，就是 Cantor 集（标准三分 Cantor 集，又称 Cantor 尘）。

测度：删到什么都没剩

每一步删去的长度，我们可以精确计算。第一步删去 1/3，第二步删去 2 × 1/9，第三步删去 4 × 1/27……

删去总长度 = 1/3 + 2/9 + 4/27 + … = (1/3) × 1/(1 − 2/3) = 1

翻译成人话：我们把 [0,1] 这条线段里的点，分批次、一轮接一轮地删掉，到最后，被删掉的部分的总长度加起来恰好等于 1——也就是整段线段的长度。Cantor 集的”长度”（Lebesgue 测度）等于零。它几乎被删光了。

但神奇之处恰恰在这里：Cantor 集里的点并没有被删光。它依然包含不可数个点——数量和整条实数线一样多——只是这些点全都”散”着，任意两点之间都有被删掉的区间隔着，形成一片无处聚拢的”尘埃”。[12]

🔑 核心性质
  • 完全不连通：任意两点之间存在被删去的开区间，找不到任何小区间完整包含在集合内
  • 完全集（perfect set）：无孤立点，每个点都是聚点
  • 不可数：点的数量与 [0,1] 等势
  • Lebesgue 测度为零：总”长度”等于 0

Cantor 集与三进制

还有一个优雅的刻画：Cantor 集恰好等于在三进制（base-3）展开下，只用数字 0 和 2（不用数字 1）的所有实数的集合。

C = { x ∈ [0,1] : x = Σ an / 3n，其中每个 an ∈ {0, 2} }

翻译成人话：把 [0,1] 里的每个数写成三进制小数。普通数可以用 0、1、2 三种数字。Cantor 集里的点，就是那些三进制表示里”绝对不出现数字1″的所有点。数字1对应的恰好是被删去的中间段——这个刻画把构造过程和代数结构优雅地统一了起来。[12]

二、Sierpinski 三角：无限挖空的几何游戏

📜 历史背景

Wacław Sierpiński 在1915年描述了这个图形，作为一个”曲线”的例子——一条同时满足某些拓扑病态条件的连续曲线。今天它以”Sierpinski 三角”或”Sierpinski gasket”（衬垫）两个名字流通。

构造方式和 Cantor 集同样直截了当：

  1. 从一个实心等边三角形出发
  2. 连接三边中点，将三角形分成4个小三角形，删去正中间那个（倒置的）
  3. 对剩余的3个小三角形重复同样操作……无限次

每一步，三角形的个数乘以 3，每个三角形的边长缩小为原来的 1/2。

面积：同样归零

第 n 步剩余面积 = A0 × (3/4)n
A0
初始三角形面积
3/4
每步保留的比例（删去中间 1/4）
n
迭代步数

翻译成人话：每进行一步，剩余面积就变成上一步的 3/4。这个数字小于 1，所以随着步数趋向无穷，面积趋向零。和 Cantor 集一样——无限操作之后，二维”面积”意义上，什么也没剩下。但 Sierpinski 三角也不是空的，它依然包含无穷多个点，只是以另一种维度存在。[12]

💡 类比直觉

想象把一张纸撕成4份，扔掉中间那份，再对其余三份各自重复……反复无限次。你手里还”握着”无数细细的纸片，但合在一起却没有任何面积。这就是 Sierpinski 三角的存在方式——介于”线”和”面”之间的某个奇怪层次。

自相似：放大看还是一样

Sierpinski 三角最令人着迷的特征是严格自相似：整体由 3 个与整体形状完全相同、边长缩小为 1/2 的副本组成。

S = f1(S) ∪ f2(S) ∪ f3(S)
S
Sierpinski 三角本身
f1, f2, f3
三个压缩映射，各将边长缩小为 1/2，分别对应三个顶角方向

翻译成人话：把 Sierpinski 三角拍成照片，然后把照片缩小一半，复制三份，分别放到左下角、右下角、顶角——这三份加在一起，就重新拼出了完整的 Sierpinski 三角。换句话说，整体就是部分的集合，部分就是整体的缩影。这种”自己由自己的缩小版构成”的性质，就叫做自相似。[18]

三、迭代函数系统：统一两者的生成语言

Cantor 集和 Sierpinski 三角，看似是两个完全不同的图形，却可以用同一套数学语言描述：迭代函数系统（Iterated Function Systems，IFS）。[18]

🔑 什么是 IFS？

给定一组压缩映射 f1, f2, …, fN（每个映射都把空间”缩小”），IFS 的吸引子是唯一满足下式的紧致集合 A：

A = f1(A) ∪ f2(A) ∪ … ∪ fN(A)

无论从哪个初始形状出发，反复对所有映射取像再合并，最终都会收敛到同一个 A。

翻译成人话：IFS 就像一个”自动绘图机器”：给它一套”如何缩放和移动”的指令（压缩映射），它会不断把当前图形按照这套指令变形、合并，最终”画”出一个稳定不变的终态——那就是分形吸引子。不管你一开始扔进去的是一个点还是一个圆，机器最终输出的永远是同一个分形。[11]

Cantor 集的 IFS 表示

f1(x) = x/3
f2(x) = x/3 + 2/3

翻译成人话：两个映射，一个把 [0,1] 压缩成 [0, 1/3]，另一个压缩成 [2/3, 1]——合在一起，中间三分之一永远空着。反复做下去，就得到 Cantor 集。

Sierpinski 三角的 IFS 表示

f1(x) = x/2
f2(x) = x/2 + (1/2, 0)
f3(x) = x/2 + (1/4, √3/4)

翻译成人话：三个映射，每个都把整个平面缩小到原来的 1/2，然后分别平移到三个角落。三者的并集，就是 Sierpinski 三角。

IFS 框架的价值远超两个例子本身。研究表明，当研究分形与直线的相交结构时，IFS 提供了处理 Cantor 集和 Sierpinski 三角这类对象的统一工具——直线与 IFS 吸引子的交集的结构，可以用压缩比和映射关系来系统分析。[11]

四、维数的游戏：为什么它们”介于”整数之间

直觉上，点是0维，线是1维，面是2维。但 Cantor 集和 Sierpinski 三角都让这套直觉失效了——它们不是点的集合（测度为0），也不是线段或平面（没有内部区域）。那它们是几维的？[12]

Hausdorff 维数：用覆盖来度量复杂性

Hausdorff 维数的核心思想：用半径为 ε 的小球来”覆盖”一个集合，看需要多少个球，以及这个数量随 ε → 0 时如何变化。

N(ε) ~ ε−d
N(ε)
用半径 ε 覆盖集合所需的最少球数
d
维数（box-counting 维数的近似定义）

翻译成人话：想象用直径缩小的圆去覆盖一个图形。对一条线段，球数和直径成反比（ε−1）；对一个正方形，球数和直径平方成反比（ε−2）。维数，就是这个幂次。如果幂次不是整数，就意味着这个集合比线”复杂”，但又比面”简单”。[8]

Cantor 集的维数

对自相似集合，Hausdorff 维数有一个整洁的公式（自相似维数）：

N × rd = 1
N
自相似副本的数量
r
每个副本的缩放比
d
Hausdorff 维数

翻译成人话：如果一个形状由 N 个自身的 r 倍缩小版组成，那么维数 d 就是让 N × rd = 1 成立的那个数。

对 Cantor 集：N = 2（两段），r = 1/3（每段是原来的 1/3）：

2 × (1/3)d = 1
d = log(2) / log(3) ≈ 0.6309

翻译成人话：Cantor 集的维数约为 0.63。它比一个点（0维）”高级”，但又不够格成为一条完整的线（1维）。它存在于一个奇怪的”0到1之间”的分数维度里。[12]

Sierpinski 三角的维数

同样的公式：N = 3（三个副本），r = 1/2（每个边长是原来的 1/2）：

3 × (1/2)d = 1
d = log(3) / log(2) ≈ 1.585

翻译成人话：Sierpinski 三角的维数约为 1.585。它比一条线（1维）复杂，但面积为零，又没有达到完整的2维。它住在”1和2之间”的某个分数维空间里。[12]

❌ 常见误区

“分形维数“不是一个单一概念。Hausdorff 维数、box-counting 维数、Assouad 维数……这些定义在很多情况下数值相同，但在更复杂的对象上会出现分歧。对 Cantor 集和 Sierpinski 三角这类标准自相似分形，它们恰好一致——但不能把这个一致性当成普遍规律。[8]

这套自相似维数框架并不局限于经典的欧氏空间例子。在一般的 doubling metric spaces 中，渐近自相似集合同样可以定义 Hausdorff 维数，其计算方式与经典公式保持一致。[14] 更一般地，局部自相似紧致度量空间的 capacity dimension 与拓扑维数可以被证明相等。[13] 这些结果说明 Cantor 集和 Sierpinski 三角不是特殊的”玩具模型”，而是一套更广泛数学框架的典型代表。

五、分形上的分析学：可以在这里做微积分吗？

经典微积分依赖”光滑”的曲线和曲面。Cantor 集和 Sierpinski 三角都不光滑——事实上，它们的”病态”正是吸引分析学家的原因：如果能在这里建立微积分，就能在很多更奇怪的空间里也建立它。

Sierpinski gasket 上的分析

Sierpinski gasket（衬垫，即 Sierpinski 三角的连续版本）上已经建立起了完整的分析框架。研究者证明了 Sierpinski gasket 上的 Sobolev 不等式——一类连接函数”光滑程度”和”整体大小”的精确估计。这类不等式是热核估计和偏微分方程理论的基础工具。[2]

更进一步，研究者还证明了：在配备 Kusuoka 测度的 harmonic Sierpinski gasket 上，自然 Dirichlet form（一种推广的”能量”概念）与 Cheeger energy 完全一致。[3]

📐 Dirichlet 形式：分形上的”能量”

在经典空间里，函数 f 的”能量”可以理解为它变化有多剧烈（梯度的平方积分）。在 Sierpinski gasket 上，可以定义类似的量：

E(f, f) = limn→∞ (5/3)n × Σx~y, 顶点对 (f(x) − f(y))2

翻译成人话：把函数值定义在 Sierpinski 三角的所有”顶点”上，看相邻顶点之间的函数值差的平方，加权求和，再在无限精细的近似下取极限。这就是分形上的”能量”——概念上类似于经典的热传导或电阻网络，只是定义域换成了一个分形。[3]

在谱分析方面，研究者还在 Sierpinski gasket 上定义了伪微分算子，并证明了强 Szegő 极限定理——这是经典谱理论在非整数维空间的推广。[1] Sierpinski 类分形甚至已经被纳入非交换几何框架：通过构造 Dirac 算子和谱三元组，Connes 距离公式可以在这些分形上恢复自然的测地度量。[4]

💡 类比：分形作为”试验场”

数学家为什么要把微积分搬到 Sierpinski 三角上？因为它是一个”困难但可控”的对象：足够奇怪，可以测试新理论的极限；又足够规则（严格自相似），可以做精确计算。就像物理实验需要标准样品，数学分析也需要标准”怪物”。[2]

几何振荡与复维数

Cantor 集的几何结构还隐藏着另一层复杂性：当用”管状邻域”的体积来刻画其几何时，这个体积不是单调变化的，而是在多个尺度上发生振荡。这种振荡可以用”复维数”（complex dimensions）来精确描述。[9]

🚀 前沿：复维数理论

经典的 Hausdorff 维数是一个实数。但 Lapidus 等人发展的”复杂维数”理论表明，分形的几何信息其实编码在一组复数维度里——实部给出标准的分形维数，虚部对应几何振荡的频率。对 Cantor 集，这组复维数可以明确计算，它们解释了为什么 Cantor 集在不同放大尺度下看起来”会抖动”。[10][7]

六、从黑板到真实世界

Cantor 集和 Sierpinski 三角不只存在于数学系的黑板上。

显微镜下的 Sierpinski 三角

实验研究者已经在真实材料表面构造出 Sierpinski 三角结构。通过卤键、氢键、金属-有机配位键和共价键的精确控制，分子可以在超高真空环境下自组装成 Sierpinski 三角形态，并通过扫描隧道显微镜（STM）直接观察到这些图案。Monte Carlo 模拟可以重现这些实验结果。[6]

🔬 实验证据

在固体表面自组装 Sierpiński 三角分子分形的实验综述表明，不同化学键合策略（卤键、氢键、金属配位、共价键）均可实现不同迭代级别的三角结构，超高真空 STM 图像与理论预测高度吻合。这是”经典数学图形”在纳米尺度物质世界中的直接实现。[6]

分形几何在图像分析中的基准地位

在科学图像分析领域，Von Koch 曲线、Cantor 集与 Sierpinski gasket 已经成为分形几何方法的标准测试对象。早在1994年，研究者就将这些经典分形作为基准案例，验证分形分析方法在量化显微图像复杂形态方面的有效性——从细胞轮廓到组织结构，都可以借助这套框架进行定量描述。[16]

数论里的 Cantor 结构

Cantor 型集合还出现在现代数论的核心问题中。对 Gauss–Cantor 集（连分数展开满足特定约束的实数集合）Hausdorff 维数的研究，与 Lagrange 谱和 Markov 谱这两个经典数论对象直接相关——这表明 Cantor 结构远不只是”稀奇的几何玩具”，而是现代数学多个领域的活跃工具。[5]

分形内插与建模

Sierpinski gasket 还被用于函数逼近：分形插值方法可以直接在其上构造，既体现了经典分形的规则性，也展示了它作为数学建模工具的实用价值。[15] 更广泛地看，自相似和非整数维数的思想已经渗入生命科学：从肺部支气管树到血管网络，分形几何提供了描述不规则形态的语言。[17]

🎯 关键要点
  • Cantor 集：反复删去线段中间三分之一，最终得到测度为零、却包含不可数个点的集合；Hausdorff 维数 ≈ 0.6309，介于点和线之间。
  • Sierpinski 三角：反复删去三角形中间四分之一，最终面积为零；Hausdorff 维数 ≈ 1.585，介于线和面之间。
  • IFS 是统一语言：两者都是迭代函数系统的吸引子，压缩映射的参数完全决定了分形的几何性质。
  • 分析学可在上面建立：Sierpinski gasket 上已有 Sobolev 不等式、Dirichlet 形式、谱理论和非交换几何等完整框架。
  • 不只是黑板图形：Sierpinski 三角在纳米材料表面已被实验实现；Cantor 结构活跃于现代数论。
  • 维数不止一种：Hausdorff 维数、box-counting 维数与 Assouad 维数对这些经典例子一致，但一般情况下各有不同。

📚 参考文献

  1. Ionescu M et al. Some spectral properties of pseudo-differential operators on the Sierpinski Gasket. arXiv, 2014. arXiv:1406.5165
  2. Yang M. A direct proof of the cutoff Sobolev inequality on the Sierpiński gasket. arXiv, 2025. arXiv:2505.04186
  3. Bessi U. Cheeger’s energy on the Harmonic Sierpinski Gasket. arXiv, 2020. arXiv:2005.12024
  4. Lapidus ML et al. Dirac operators and geodesic metric on the harmonic Sierpinski gasket and other fractal sets. arXiv, 2012. arXiv:1212.0878
  5. Matheus C et al. Hausdorff dimension of Gauss–Cantor sets and two applications to classical Lagrange and Markov spectra. arXiv, 2021. arXiv:2106.06572
  6. Wang Y et al. Construction and Properties of Sierpiński Triangular Fractals on Surfaces. ChemPhysChem, 2019. PMID: 31291053
  7. Lapidus ML et al. Minkowski dimension and explicit tube formulas for p-adic fractal strings. arXiv, 2016. arXiv:1603.09409
  8. Fraser JM. Assouad dimension and fractal geometry. arXiv, 2020. arXiv:2005.03763
  9. Lapidus ML et al. Fractal Tube Formulas for Compact Sets and Relative Fractal Drums: Oscillations, Complex Dimensions and Fractality. arXiv, 2016. arXiv:1604.08014
  10. Lapidus ML et al. Fractality, Self-Similarity and Complex Dimensions. arXiv, 2004. arXiv:math/0401156
  11. Vass J. On Intersecting IFS Fractals with Lines. arXiv, 2013. arXiv:1301.1379
  12. Singh S. How to define your dimension: A discourse on Hausdorff dimension and self-similarity. arXiv, 2020. arXiv:2012.10606
  13. Buyalo S et al. Dimension of locally and asymptotically self-similar spaces. arXiv, 2005. arXiv:math/0509433
  14. Wu D et al. Hausdorff dimension of asymptotic self-similar sets. arXiv, 2017. arXiv:1710.00503
  15. Ruan HJ et al. Fractal interpolation on the Sierpinski Gasket. Journal of Mathematical Analysis and Applications, 2008. DOI: 10.1016/j.jmaa.2007.03.102
  16. Cross S et al. The application of fractal geometric analysis to microscopic images. Micron, 1994. PMID: 8069610
  17. Losa G et al. The fractal geometry of life. Rivista di biologia, 2009. PMID: 19718622
  18. Iterated Function Systems—Self-Similar and Self-Affine Sets. In: Encyclopedia of Dynamical Systems (related volume), 2003. DOI: 10.1002/0470013850.ch9