JuliaSetIterationCount[f,z,p]
返回当以复数
开始进行迭代时,函数
要确定 p 是否属于 f 的朱利亚集合所需要进行的迭代计算次数.
返回当以复数
开始进行迭代时,函数
要确定 p 是否属于
的朱利亚集合所需要进行的迭代计算次数.
JuliaSetIterationCount[f,z,{p1,p2,…}]
返回要确定 {p1,p2,…} 是否属于 f 的朱利亚集合所需要进行的相应的迭代计算次数.
JuliaSetIterationCount[c,{p1,p2,…}]
返回要确定 {p1,p2,…} 是否属于
的朱利亚集合所需要进行的相应的迭代计算次数.
JuliaSetIterationCount
JuliaSetIterationCount[f,z,p]
返回当以复数
开始进行迭代时,函数
要确定 p 是否属于 f 的朱利亚集合所需要进行的迭代计算次数.
返回当以复数
开始进行迭代时,函数
要确定 p 是否属于
的朱利亚集合所需要进行的迭代计算次数.
JuliaSetIterationCount[f,z,{p1,p2,…}]
返回要确定 {p1,p2,…} 是否属于 f 的朱利亚集合所需要进行的相应的迭代计算次数.
JuliaSetIterationCount[c,{p1,p2,…}]
返回要确定 {p1,p2,…} 是否属于
的朱利亚集合所需要进行的相应的迭代计算次数.
更多信息和选项
- 函数 f 的朱利亚集合是 f 的所有斥性不动点的闭包.
- JuliaSetIterationCount 和 JuliaSetPlot 一样使用 "OrbitDetection" 算法.
- 设置 MaxIterations->n,其中 n 是正整数,函数
将最多被迭代计算 n 次来确定 z 是否不属于朱利亚集合. 如果 z 没有被发现不属于朱利亚集合,JuliaSetIterationCount 返回 n+1. 缺省设置为 MaxIterations->1000. - 设置 WorkingPrecision->n 时,运算时将把迭代计算进行到精度 n 位. 如果没有设置该选项,计算精度由 p 的精度或 MaxIterations 的值决定.
范例
打开所有单元 关闭所有单元基本范例 (2)
范围 (6)
JuliaSetIterationCount[-1, .1 - .2 * I]JuliaSetIterationCount[z ^ 2 - 1, z, .1 - .2 * I]JuliaSetIterationCount[z ^ 3 - z - 1, z, 0]JuliaSetIterationCount[z ^ 2 / (z ^ 2 - 1), z, 0]JuliaSetIterationCount[z ^ 2 / (z ^ 2 - 1), z, {0, 1, 2, 3, 4, 5, 6, 7}]Shallow[JuliaSetIterationCount[-1, Table[x + I * y, {y, -.01, .01, .0001}, {x, .61, .63, .0001}]]]MatrixPlot[%]JuliaSetIterationCount 可用于任意数字:
JuliaSetIterationCount[z ^ 3 - z + 1, z, {-2, -1.979, 1 / 4, 0.26, I, 1 + I, 1 / Pi}]选项 (2)
MaxIterations (1)
如果需要进行的迭代计算次数超过1000,就必须增大 MaxIterations:
{JuliaSetIterationCount[0, I + 10 ^ -309], JuliaSetIterationCount[0, I + 10 ^ -309, MaxIterations -> 2000]}WorkingPrecision (1)
增大 WorkingPrecision 会提高精度,但需要更多的时间来计算:
{JuliaSetIterationCount[0, I + 10 ^ -309, MaxIterations -> 2000], JuliaSetIterationCount[0, I + 10 ^ -309, MaxIterations -> 2000, WorkingPrecision -> 1000]}如果 WorkingPrecision 太低,将导致迭代进入假循环:
z0 = .618147895647545764;
{JuliaSetIterationCount[z ^ 2 - 1, z, z0, WorkingPrecision -> 3], JuliaSetIterationCount[z ^ 2 - 1, z, z0]}属性和关系 (3)
对 JuliaSetIterationCount[c] 运用 ArrayPlot 等同于 JuliaSetPlot[c]:
JuliaSetPlot[z ^ 2 - 1, z, Method -> "OrbitDetection"]中间部位的红点来自于当 JuliaSetIterationCount 返回0以后,取 Log:
ArrayPlot[Log@Transpose@JuliaSetIterationCount[z ^ 2 - 1, z, Table[Complex[x, y], {x, -2, 2, .01}, {y, -1, 1, .01}]], PlotRange -> All]对于 JuliaSetIterationCount,将多个数值以列表形式计算比对每个数值单独计算要节省时间:
First@AbsoluteTiming@
JuliaSetIterationCount[z ^ 2 - 1, z, Table[Complex[x, y], {x, -2, 2, .05}, {y, -2, 2, .05}]]First@AbsoluteTiming@
Table[JuliaSetIterationCount[z ^ 2 - 1, z, Complex[x, y]], {x, -2, 2, .05}, {y, -2, 2, .05}]可能存在的问题 (1)
巧妙范例 (2)
ListPlot3D[Log[1 + JuliaSetIterationCount[z ^ 2 - 1 - I / 3, z, Table[Complex[x, y], {x, -2, 2, .01}, {y, -1, 1, .01}]]]]data = Table[JuliaSetIterationCount[(z ^ 2 + c), z, Table[Complex[x, y], {y, -1, 1, .03}, {x, -2, 2, .03}]], {c, -1, 1, 1 / 19}];Image3D[Rescale[Log[Clip[data, {1, Infinity}]]]]文本
Wolfram Research (2014),JuliaSetIterationCount,Wolfram 语言函数,https://reference.wolfram.com/language/ref/JuliaSetIterationCount.html.
CMS
Wolfram 语言. 2014. "JuliaSetIterationCount." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/JuliaSetIterationCount.html.
APA
Wolfram 语言. (2014). JuliaSetIterationCount. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/JuliaSetIterationCount.html 年
BibTeX
@misc{reference.wolfram_2026_juliasetiterationcount, author="Wolfram Research", title="{JuliaSetIterationCount}", year="2014", howpublished="\url{https://reference.wolfram.com/language/ref/JuliaSetIterationCount.html}", note=[Accessed: 03-November-2026]}
BibLaTeX
@online{reference.wolfram_2026_juliasetiterationcount, organization={Wolfram Research}, title={JuliaSetIterationCount}, year={2014}, url={https://reference.wolfram.com/language/ref/JuliaSetIterationCount.html}, note=[Accessed: 03-November-2026]}