巴拿赫不动点定理

巴拿赫不动点定理指出，从非空完备度量空间到自身的每个压缩映射都恰有一个不动点。从空间中的任意一点出发，反复应用该映射，所得序列都会收敛到这个不动点。因此，这一定理同时给出了存在性、唯一性和近似求解方法。它是数学分析中的基本工具，尤其常用于有关方程和迭代过程的证明。(math.ucla.edu)

定理陈述与假设

设 $(X,d)$ 是非空完备度量空间，映射 $T:X\to X$ 满足

d(Tx,Ty)\le q\,d(x,y) \qquad\text{对所有 }x,y\in X,

其中 $q$ 是满足 $0\le q<1$ 的固定常数。则：

存在唯一的 $x^*\in X$ ，使得 $Tx^*=x^*$ 。
对每个 $x_0\in X$ ，由
$x_{n+1}=Tx_n$
定义的序列都收敛到 $x^*$ 。(math.ucla.edu)

压缩条件是利普希茨连续性的一种形式：任意两点之间的距离都按同一个严格小于一的因子缩小。完备性意味着 $X$ 中的每个柯西序列都收敛到属于 $X$ 的某一点。条件 $T:X\to X$ 则保证每次迭代所得的点仍在该空间内。(math.ucla.edu)

这一定理不要求空间具有向量空间结构，也不要求映射可微或空间紧致。尤其是，尽管定理以巴拿赫命名，其适用范围并不限于巴拿赫空间。一种常用的应用情形是：取完备度量空间中的一个非空闭集，赋予其由原空间诱导的度量，并要求映射将该子集映入自身。(faculty.etsu.edu)

逐次逼近证明

选取 $x_0\in X$ ，令 $x_{n+1}=Tx_n$ 。反复使用压缩不等式可得

d(x_{n+1},x_n)\le q^n d(x_1,x_0).

当 $m>n$ 时，由三角不等式和等比级数求和公式可得

\begin{aligned} d(x_m,x_n) &\le \sum_{k=n}^{m-1}d(x_{k+1},x_k)\\ &\le \frac{q^n}{1-q}\,d(x_1,x_0). \end{aligned}

右端趋于零，因此 $(x_n)$ 是柯西序列。由完备性，它有极限 $x^*\in X$ 。(math.ucla.edu)

压缩映射是连续函数，因此

Tx^* =T\!\left(\lim_{n\to\infty}x_n\right) =\lim_{n\to\infty}x_{n+1} =x^*.

所以，该极限是不动点。若 $y^*$ 是另一个不动点，则

d(x^*,y^*)=d(Tx^*,Ty^*)\le q\,d(x^*,y^*).

由于 $q<1$ ，必有 $d(x^*,y^*)=0$ ，从而证明了唯一性。(cs.cornell.edu)

这一证明不仅断言不动点存在，还给出了一种算法——不动点迭代，也称逐次逼近法。不动点是作为极限得到的，并不一定能在有限次迭代后精确求出。(faculty.etsu.edu)

误差估计与收敛速度

当 $0<q<1$ 时，迭代满足以下先验估计：

d(x_n,x^*)\le \frac{q^n}{1-q}\,d(x_1,x_0).

这一估计利用压缩常数、第一步迭代的距离和迭代次数给出误差上界。若 $q=0$ ，则映射为常值映射，其值就是不动点，应用一次映射即可到达。(faculty.etsu.edu)

利用迭代过程中可获得的量，还可得到以下后验估计：

d(x_n,x^*)\le \frac{q}{1-q}\,d(x_n,x_{n-1}), \qquad n\ge1.

更一般地，对任意 $x\in X$ ，都有

d(x,x^*)\le \frac{d(x,Tx)}{1-q}.

后一不等式可通过对 $x,Tx,x^*$ 应用三角不等式并整理得到。它将不动点残差 $d(x,Tx)$ 与实际误差联系起来。这些误差界为近似计算提供了有数学依据的停止准则。(math.umd.edu)

直接估计

d(x_{n+1},x^*)\le q\,d(x_n,x^*)

表明误差按等比速度衰减，这在数值分析中通常称为线性收敛。它给出的是有保证的上界，并不一定是精确的渐近收敛速度：具体的迭代可能收敛得更快。当 $q$ 接近一时，该估计所保证的收敛可能较慢，而基于残差的误差界也会相应较大。(cs.cornell.edu)

一个初等例子

例如，在配备通常距离的实数集上，考虑

T(x)=\frac{x+2}{3}.

此时

|T(x)-T(y)|=\frac13|x-y|,

所以 $T$ 是压缩常数为 $q=1/3$ 的压缩映射。由其不动点方程可得 $x^*=1$ ，直接计算则得到

x_n=1+\frac{x_0-1}{3^n}.

因此，从任意初值出发，迭代都会收敛到同一个不动点。

这个例子说明，定理对不同起点提供了统一的收敛保证，而不要求初值选在解的附近。(math.ucla.edu)

在方程中的应用

微分方程

一个重要应用是皮卡—林德勒夫定理，它给出微分方程解的局部存在性与唯一性。初值问题

y'(t)=f(t,y(t)),\qquad y(t_0)=y_0

可以改写为

y(t)=y_0+\int_{t_0}^{t}f(s,y(s))\,ds.

右端在适当的连续函数空间上定义了一个算子 $T$ 。(faculty.etsu.edu)

若 $f$ 连续，并且在所考虑的区域内关于第二个变量满足常数为 $L$ 的利普希茨条件，那么在满足 $|t-t_0|\le h$ 的区间上，

\|Tu-Tv\|_\infty\le Lh\,\|u-v\|_\infty.

选取 $h$ 使 $Lh<1$ ，并保证 $T$ 将选定的函数闭集映入自身，就能使该算子成为压缩映射。其不动点便是所求的解，而逐次逼近得到的函数就是皮卡迭代序列。函数空间在上确界范数下的完备性，是这一论证的关键。(math.northwestern.edu)

非线性方程与数值方法

方程 $F(x)=0$ 有时可以改写为 $x=T(x)$ 。若 $T$ 在一个完备的不变域上具有压缩性，则定理保证该域内存在唯一解，并且相应迭代收敛。同一方程的不同改写方式，未必具有相同的收敛性质。(cs.cornell.edu)

对于定义在区间上的可微实值映射，由中值定理可知，一致的导数界

|T'(x)|\le q<1

是保证其为压缩映射的充分条件。在更高维的情形中，类似的条件是在凸域上对雅可比矩阵的算子范数作出相应限制。这类导数条件可用于验证压缩性，但不能代替映射将定义域映入自身这一独立要求。(cs.cornell.edu)

适用范围与局限

这些假设使本定理区别于更一般的不动点存在性结果。

不能直接省去完备性。 在 $(0,\infty)$ 上，映射 $T(x)=x/2$ 是压缩映射，却在其定义域内没有不动点。它的迭代趋于零，而零不属于该空间。(cs.cornell.edu)
统一的压缩因子必须严格小于一。 若允许 $q=1$ ，恒等映射便满足条件，而它的每个点都是不动点； $\mathbb R$ 上的非零平移也满足条件，却没有不动点。
压缩性是充分条件，而非必要条件。 一个映射即使不满足全局压缩估计，也可能有唯一不动点。
结论取决于所选的定义域。 不变子集上的压缩映射只保证该子集内的不动点唯一性，并不自动保证在更大的外部空间中也具有唯一性。(faculty.etsu.edu)

相比之下，布劳威尔不动点定理保证，有限维欧几里得空间中非空紧凸子集上的连续自映射存在不动点。但它通常不保证不动点的唯一性，也不保证逐次迭代收敛。巴拿赫定理对映射施加了更强的压缩条件，却不要求完备度量空间具有紧致性或凸性。(faculty.etsu.edu)

历史起源

这一定理以斯特凡·巴拿赫的名字命名。他于1922年发表的论文《抽象集合中的运算及其在积分方程中的应用》（Sur les opérations dans les ensembles abstraits et leur application aux équations intégrales），刊载于《数学基础》（Fundamenta Mathematicae）第3卷，第133—181页，建立了有关函数空间的抽象结果，并探讨了它们在积分方程中的应用。压缩原理是这项泛函分析奠基性工作的一部分。(impan.pl)

参考来源

3. The Banach Contraction Principlefaculty.etsu.edu
CS 4220: Numerical Analysiscs.cornell.edu
AMSC/CMSC 466: Fixed Point Iteration and Contraction Mapping Theoremmath.umd.edu
Math 320-2: Real Analysismath.northwestern.edu
Sur les opérations dans les ensembles abstraits et leur application aux équations intégralesimpan.pl