神奇的“不动点”_ 值得反复体会

1. 不动点的定义

设 \(f\) 是一个从集合 \(X\) 到自身的函数，即 \(f: X \to X\)。如果存在某个 \(x^* \in X\)，使得

\[f(x^*) = x^*, \]

那么 \(x^*\) 就是函数 \(f\) 的不动点。

关键就一句话：

函数作用之后，结果还是它自己。

例如：

\[f(x) = x^2 \]

解方程 \(x^2 = x\)，得到 \(x = 0\) 或 \(x = 1\)，所以 \(0\) 和 \(1\) 都是 \(f\) 的不动点。

---

2. 数学中的“迭代不动点”

迭代就是“反复代入同一个函数”：

\[x_0 \quad \text{给定},\qquad x_{n+1} = f(x_n) \]

如果这个迭代过程收敛，也就是 \(x_n\) 越来越接近某个数 \(L\)，并且 \(f\) 是连续函数，那么两边取极限：

\[L = \lim_{n\to\infty} x_{n+1} = \lim_{n\to\infty} f(x_n) = f\left(\lim_{n\to\infty} x_n\right) = f(L) \]

所以极限 \(L\) 一定满足 \(f(L) = L\)。

也就是说：

迭代的稳定终点，就是不动点。

一个经典例子是：

\[f(x) = \cos x \]

从任意一个初始值开始迭代：

\[x_{n+1} = \cos x_n \]

会收敛到大约 \(0.739\)，这个数满足：

\[\cos x = x \]

所以它是 \(\cos x\) 的不动点。

---

3. 编程中的“迭代不动点”

编程中，迭代不动点通常就是不断循环计算，直到结果不再变化：

def fixed_point(f, x0, eps=1e-12):
    x = x0
    while True:
        x_new = f(x)
        if abs(x_new - x) < eps:
            return x_new
        x = x_new

这个过程很常见，比如：

• 求解方程：\(g(x)=0\) 可以改写成 \(F(x)=x\)，然后迭代求解；
• 牛顿迭代法：求 \(f(x)=0\) 的根时，令

\[F(x) = x - \frac{f(x)}{f'(x)} \]

那么原方程的根正好是 \(F\) 的不动点。

更深刻地说，在计算机科学中，递归函数也可以看作“高阶函数的不动点”。例如阶乘可以这样定义：

\[F(g)(n) = \begin{cases} 1, & n=0,\\ n \cdot g(n-1), & n>0. \end{cases} \]

真正的阶乘函数 \(\mathrm{fact}\) 满足：

\[F(\mathrm{fact}) = \mathrm{fact} \]

所以 \(\mathrm{fact}\) 是 \(F\) 的不动点。

---

4. 直观解释：为什么 \(f(x)=x\) 是关键？

\(f(x)=x\) 看起来很简单，但它表达了一种“自洽性”：

一个点经过变换后，仍然回到原来的位置。

如果把函数看成一台机器，你输入 \(x\)，它输出 \(f(x)\)。如果输出刚好等于输入，那么这个点对机器来说就是“无法改变的点”。

几何上更直观：

画出曲线 \(y=f(x)\)，再画出直线 \(y=x\)。不动点就是这两条线的交点。

因为交点处同时满足：

\[y = f(x) \]

和

\[y = x \]

所以：

\[f(x) = x \]

因此，\(f(x)=x\) 是连接“函数”和“不变点”的桥梁，是求不动点的核心方程。

---

5. 如何形象记忆？

给你几个容易记得住的说法：

1. 照镜子法
   把 \(f\) 想成一面镜子，\(x\) 照完镜子后还是 \(x\)，这个 \(x\) 就是不动点。
   迭代就是反复照镜子，如果越照越稳定，最后不再变，那就是不动点。

2. 找交点法
   不动点就是曲线 \(y=f(x)\) 与对角线 \(y=x\) 的交点。
   这个最直观，画图就能理解。

3. “稳如泰山”法
   一个点被函数推来推去，如果推完之后它纹丝不动，那它就是不动点。
   迭代中的不动点就是“最终稳定下来的状态”。

总结一句话：

不动点不是“点在坐标系里不动”，而是：函数作用之后，值还等于原来的输入。

\[f(x)=x \]

---