1 基本定义
1.1 固定点的定义
固定点是指在某个映射或变换作用下保持不变的点。若给定函数、算子或变换 \(f\)，存在点 \(x\) 使得 \[ f(x)=x, \] 则称 \(x\) 为 \(f\) 的固定点。换言之，点经过映射后仍回到自身，没有发生位置或状态上的改变。
在不同数学分支中，固定点的对象可以是数、向量、函数、集合，甚至更抽象的结构。由于“保持不变”这一条件形式简洁，固定点常被用来把复杂问题转化为求解方程 \(f(x)=x\) 的问题。
1.2 相关概念
固定点概念与“不动点”“不变点”等术语密切相关。在很多文献中，这些说法可以视为近义，但在具体语境下也可能带有细微差别。与固定点相联系的还有不动集、不动子空间等结构，它们反映的是一组对象在映射下整体保持不变。
1.2.1 不动点与不变点
“不动点”通常是固定点的常用译名，强调对象在映射下“没有动”。“不变点”在部分语境中也用于指代同一概念，但更常见的用法是描述某种属性或结构在变换下保持不变。总体而言，两者在基础数学中多可互通使用。
1.2.2 不动集与不动子空间
不动集是指在映射作用下映到自身的集合，即集合中的点经过变换后仍落在该集合内。不动子空间则多见于线性代数，指在线性变换下保持不变的子空间。这类对象比单个固定点更一般，常用于描述映射的整体结构。
1.3 记号与表示方法
固定点常用 \(x^\ast\)、\(x_0\) 或直接用满足方程 \(f(x)=x\) 的解来表示。在线性算子或矩阵情形中，也常写成 \[ Ax=x, \] 等价于求解 \((A-I)x=0\)。在迭代过程中，若序列 \(x_{n+1}=f(x_n)\) 收敛到某点 \(x^\ast\)，该极限通常就是一个固定点。
2 固定点的类型
2.1 代数意义下的固定点
在代数环境中，固定点通常对应方程的解。例如，对于多项式映射、矩阵变换或代数算子，满足 \(f(x)=x\) 的解就是其固定点。此时研究重点往往是解的存在个数、是否唯一，以及这些解在参数变化下如何演化。
2.2 几何变换中的固定点
几何中固定点体现为图形在某种变换后仍保持某一位置不变。此类固定点与空间对称性、中心位置和轴线结构密切相关，常用于分析平面几何和空间变换的性质。
2.2.1 平移、旋转与反射的固定点
平移一般没有固定点，除非平移量为零。旋转变换通常在旋转中心处存在固定点；若旋转发生在平面上，则中心点不动。反射变换则会使镜轴上的点保持不变，因此反射的固定点集合通常是一条直线或一个平面。
2.2.2 仿射变换的固定点
仿射变换可写为线性变换与平移的组合。其固定点满足一个线性方程组，因此可能存在唯一固定点、多个固定点，或根本不存在固定点。是否存在固定点，取决于线性部分与平移部分的相互关系。
2.3 动力系统中的固定点
在动力系统中，固定点表示系统演化后状态不再改变的平衡状态。对离散系统而言，固定点满足 \(x_{n+1}=x_n\)；对连续系统而言，则对应状态变量随时间不再变化的点。
2.3.1 平衡点
平衡点是动力系统中最基本的固定点类型。当系统处于平衡点时，时间演化的“驱动力”消失，轨道保持静止或停留在该状态附近。平衡点常与稳定性分析结合使用，用来判断系统是否会回到稳态。
2.3.2 周期点与固定点的区别
周期点是指经过若干次迭代后回到原点的状态，而固定点是周期为 1 的特殊情形。也就是说，所有固定点都是周期点，但并非所有周期点都是固定点。周期点反映的是“循环返回”，固定点则体现为“一步不变”。
3 固定点的存在性与唯一性
3.1 一般存在条件
固定点是否存在，通常取决于映射的连续性、定义域的紧致性、凸性以及空间的完备性等条件。对于某些空间中的连续映射，若目标集合具有适当的几何或拓扑性质，就可能保证至少存在一个固定点。
3.2 唯一性条件
固定点的唯一性往往需要更强的限制，例如映射具有收缩性质，或满足某种单调与界限条件。若多个固定点同时存在，则可能对应多个稳定状态，或反映问题本身存在多解。
3.2.1 压缩映射条件
若映射在某个度量空间中满足压缩条件，即不同点之间的距离在映射后按固定比例缩小，则通常可推出固定点存在且唯一。这类条件不仅保证解的唯一性，也为迭代算法收敛提供了基础。
3.2.2 单调性与有界性条件
在序结构明确的空间中，若映射具有单调性，并且相关序列被限制在有界范围内，常可借助上下界构造固定点。此类方法在非线性方程和积分方程中较为常见。
3.3 典型存在性定理
固定点理论中有若干经典定理，为不同背景下的存在性问题提供了工具。这些定理通常依赖于空间结构、连续性和紧致性等条件。
3.3.1 Banach固定点定理
Banach固定点定理说明：在完备度量空间中，若映射是压缩映射，则存在唯一固定点，并且从任意初值出发的迭代都会收敛到该固定点。这一定理在分析和数值计算中具有基础地位。
3.3.2 Brouwer固定点定理
Brouwer固定点定理指出：在有限维欧氏空间中，闭球到自身的连续映射必有固定点。该定理是拓扑学的重要结果，广泛用于证明解的存在性，尤其在非线性问题中具有代表性。
3.3.3 Schauder固定点定理
Schauder固定点定理将固定点存在性推广到更一般的赋范空间情形。它适用于连续且紧的映射，常用于证明某些非线性算子方程和偏微分方程解的存在。
4 固定点的求解方法
4.1 直接求解法
直接求解法是将固定点条件写成方程 \(f(x)=x\)，再通过代数化简、求根或线性方程组方法直接求解。这种方法清晰直观，但在复杂非线性问题中往往难以实施。
4.2 迭代法
迭代法通过构造序列 \(x_{n+1}=f(x_n)\) 来逼近固定点。只要映射满足适当条件，迭代值就会逐步靠近目标解，因此该方法兼具理论意义与计算价值。
4.2.1 逐次逼近法
逐次逼近法是最基本的固定点迭代思想。给定初值后，不断将当前估计值代入映射，生成新近似。若映射具有收缩性或满足收敛条件，则序列会稳定趋向固定点。
4.2.2 牛顿迭代法
牛顿迭代法可将固定点问题转化为求方程根的问题，再利用导数信息构造快速收敛的迭代格式。相较于普通逐次逼近法，它通常具有更高的局部收敛速度，但对初值和函数光滑性要求更强。
4.2.3 不动点迭代的收敛判据
判断迭代是否收敛，常需分析映射的 Lipschitz 常数、导数大小或局部线性化特征。若迭代映射在固定点附近的“增益”小于 1，则通常有利于收敛；反之则可能发散或进入振荡。
4.3 数值计算中的稳定性分析
固定点计算不仅要看是否收敛，还要考察收敛过程是否稳定。数值误差、舍入误差和初值扰动都可能影响最终结果，因此稳定性分析是实际算法设计的重要环节。
4.3.1 收敛速度
收敛速度描述迭代逼近固定点的快慢。线性收敛、超线性收敛和二次收敛是常见分类。一般而言，收敛阶越高，达到高精度所需的迭代步数越少。
4.3.2 初值敏感性
某些迭代对初始值十分敏感，初值选取稍有不同，就可能导致收敛到不同固定点，甚至出现不收敛现象。因此，在多解问题中，初值往往决定了最终迭代所落入的吸引域。
4.3.3 误差传播
误差传播研究迭代过程中误差如何累积和放大。若映射具有压缩性质，误差通常会逐步衰减；若局部放大效应明显，则小误差也可能在反复迭代中显著增加。
5 固定点在分析学中的应用
5.1 方程求解与等价转化
许多方程都可以改写为固定点形式。例如，将 \(g(x)=0\) 变形为 \(x=f(x)\)，便可借助固定点理论分析解的存在与唯一性。这种转化是非线性分析中的常用技巧。
5.2 微分方程中的固定点方法
微分方程常可通过积分形式重写为算子方程，再运用固定点定理证明解的存在性。固定点方法尤其适合处理非线性、边值或初值问题。
5.2.1 常微分方程存在唯一性
常微分方程的存在唯一性证明中，固定点思想扮演重要角色。将微分方程转化为积分方程后，可在适当函数空间中构造压缩映射，从而由 Banach 固定点定理得到局部解的存在唯一性。
5.2.2 偏微分方程中的迭代构造
偏微分方程常通过迭代构造近似解，再证明迭代序列收敛到真正解。该过程依赖函数空间的完备性、估计不等式以及紧性或连续性条件。
5.3 积分方程与算子方程
积分方程和一般算子方程是固定点理论的重要应用领域。许多问题都可表示为 \(x=Tx\) 的形式，其中 \(T\) 是某个积分算子或非线性算子。
5.3.1 Fredholm积分方程
Fredholm积分方程通常可写为未知函数与积分核之间的关系。通过适当变换，可将其转化为固定点问题，再利用紧算子理论或迭代方法求解。
5.3.2 非线性算子方程
非线性算子方程往往没有显式解，固定点方法因此显得尤为重要。通过证明算子满足连续性、压缩性或紧性条件，可以获得解的存在性，甚至进一步建立唯一性结果。
6 固定点在拓扑与几何中的应用
6.1 拓扑空间中的固定点问题
在拓扑空间中，固定点问题关注连续映射是否至少保留一个点不变。由于拓扑性质比度量更抽象，这一问题往往需要借助紧致性、连通性和空间维数等概念进行研究。
6.2 连续映射与紧致性
连续映射结合紧致空间条件，常能导出固定点存在结论。紧致性为序列提取极限提供了便利，使得“迭代后仍留在区域内”的信息能够转化为实际的固定点存在性。
6.3 几何变换的结构分析
固定点还可用于分析几何变换的内部结构。一个变换是否具有固定点，往往反映其对称性、中心性以及轨道组织方式。
6.3.1 对称性与固定点集合
对称变换常会保留一部分几何对象不变，从而形成固定点集合。这个集合可以是一个点、一条线、一个平面，甚至更复杂的几何子集，具体形态取决于变换类型。
6.3.2 轨道与不动结构
在迭代或群作用下，点会沿着轨道运动。固定点对应轨道长度为 1 的特殊情形，而不动结构则描述那些在整体上不随作用改变的部分。二者共同刻画变换的动态与静态特征。
7 固定点在动力系统中的作用
7.1 平衡态与稳定性
动力系统中的固定点通常对应平衡态。分析这些点附近的行为，可以判断系统在受到小扰动后是否会恢复原状，或者会偏离原状态并进入其他轨道。
7.2 局部与全局稳定分析
局部稳定性关注固定点附近的小范围行为，全局稳定性则研究系统从较大范围初值出发是否最终趋向该点。二者结合起来，能够较完整地描述系统的长期演化趋势。
7.3 分岔现象中的固定点变化
参数变化可能导致固定点的数目、位置或稳定性发生改变，这类现象称为分岔。分岔研究揭示了系统结构在临界参数附近的敏感变化，是非线性动力学的重要内容。
7.3.1 稳定固定点的产生
随着参数调整，某些原本不存在的稳定固定点可能突然出现。此时系统会新增一个吸引状态，从而改变整体演化格局。
7.3.2 固定点的消失与分裂
固定点也可能在参数变化中消失，或由一个固定点分裂成多个新状态。这种变化常伴随稳定性转移，并可能引发系统行为的显著重组。
8 相关算法与计算框架
8.1 不动点迭代框架
不动点迭代框架以 \(x_{n+1}=f(x_n)\) 为核心，适用于方程求解、优化和非线性系统计算。它的优点是实现简单，缺点是对映射结构较为依赖。
8.2 加速收敛技术
为了提高迭代效率，常引入加速技术来减少所需步数。这些方法通过组合历史迭代信息或重构更新方向，使序列更快逼近固定点。
8.2.1 Aitken加速
Aitken 加速常用于线性收敛序列，可通过外推方式改善收敛速度。它的思想是在已有若干近似值基础上估计极限，从而减少后续迭代次数。
8.2.2 Anderson加速
Anderson 加速通过综合多个历史残差信息，构造更优的更新策略。该方法在大规模非线性问题中应用广泛，尤其适合提升固定点迭代的实际效率。
8.3 高维问题的计算挑战
高维固定点问题在计算上更复杂，既面临存储和运算成本上升，也容易受到数值误差累积的影响。因此，高维情形下通常需要更谨慎的算法设计。
8.3.1 维数灾难
维数灾难指的是随着变量维度增加，计算复杂度、采样成本和数据量迅速增长。固定点问题在高维空间中往往更难直接求解，也更难精确分析。
8.3.2 近似与降维方法
为缓解高维计算压力，常采用近似模型、子空间投影或降维技术。通过保留主要结构并忽略次要细节，可以在可接受误差下获得近似固定点。
9 典型例子
9.1 一维函数的固定点
考虑一维函数 \(f(x)\)。若曲线 \(y=f(x)\) 与直线 \(y=x\) 有交点，这些交点就是固定点。图像法直观简明，常用于初步判断解的个数和大致位置。
9.2 平面变换的固定点
在平面几何中，旋转变换的中心通常是固定点，反射变换的镜轴上的点也是固定点。若变换同时包含平移，则固定点是否存在需进一步计算其对应方程。
9.3 线性映射的固定点
对线性映射 \(A\)，固定点满足 \(Ax=x\)，即 \((A-I)x=0\)。因此固定点集合就是矩阵 \(A-I\) 的零空间，可能只包含零向量，也可能构成更高维的子空间。
9.4 经济学与工程中的示例
在经济学中，某些均衡模型可以写成固定点问题，用来表示供需达到稳定平衡的状态。在工程中，控制系统的稳态、网络迭代的收敛解以及信号处理中的自洽解，也常可通过固定点框架描述。
10 相关概念
10.1 不动点定理
不动点定理是保证固定点存在的理论工具，常见结果包括 Banach、Brouwer 与 Schauder 等定理。它们分别适用于不同空间和映射类型。
10.2 不动点指数
不动点指数是一种刻画固定点局部性质的拓扑量，用于衡量固定点的“数目贡献”与稳定特征。它在拓扑不变量和局部分析中都有重要作用。
10.3 不动点理论
不动点理论是研究固定点存在、唯一性、构造方法及其应用的数学分支。其内容横跨分析学、拓扑学、动力系统和数值计算等多个方向。
10.4 不动点与不变性原则
不动点与不变性原则都强调结构在变换下保持稳定。前者侧重单个点或解的自我保持，后者则关注更一般的集合、性质或系统关系的保持。