고정점

작성자

익명

작성일

2026.07.28

조회수

버전

고정점 (Fixed Point)

개요

고정점(Fixed Point)이란 어떤 함수 $f$에 대하여 $f(x) = x$를 만족하는 원소 $x$를 의미한다. 즉, 함수에 의해 변환된 후에도 값이 변하지 않고 그대로 유지되는 점을 말한다.

기하학적 관점에서 고정점은 함수 $y = f(x)$의 그래프와 직선 $y = x$가 만나는 교점의 $x$좌표와 일치한다.

(그림: $y=f(x)$와 $y=x$의 교점이 고정점이 되는 원리)

이는 입력값과 출력값이 동일한 상태를 의미하며, 동역학계(Dynamical Systems)나 수치해석학에서 시스템의 평형 상태를 분석하는 핵심 개념으로 사용된다.

고정점의 존재성

모든 함수가 고정점을 가지는 것은 아니다. 고정점의 존재 여부는 함수의 연속성과 정의역의 성질에 따라 결정된다.

중간값 정리를 이용한 증명

연속함수 $f: [a, b] \to [a, b]$가 존재할 때, $g(x) = f(x) - x$라는 새로운 함수를 정의하자. $f$의 공역이 $[a, b]$이므로 모든 $x \in [a, b]$에 대해 $a \le f(x) \le b$이다. 따라서 $g(a) = f(a) - a \ge a - a = 0$이며, $g(b) = f(b) - b \le b - b = 0$이다. 중간값 정리(함수가 연속일 때 양수와 음수 사이의 모든 값을 가진다는 정리)에 의해 $g(c) = 0$을 만족하는 $c \in [a, b]$가 반드시 존재하며, 이는 곧 $f(c) = c$임을 의미한다.

브라우어 고정점 정리 (Brouwer Fixed-Point Theorem)

브라우어 정리는 이를 고차원으로 확장한 것으로, "콤팩트(Compact)하고 볼록한(Convex) 유클리드 공간의 부분집합에서 자기 자신으로 가는 모든 연속함수는 적어도 하나의 고정점을 가진다"고 명시한다. 예를 들어, 커피 잔 속의 커피를 젓고 다시 원래 모양으로 돌려놓았을 때, 최소한 한 점은 원래의 위치와 정확히 일치하게 된다.

고정점이 없는 사례

함수의 정의역과 공역이 일치하지 않거나, 연속성이 결여되었거나, 혹은 함수가 정의역의 범위를 벗어나는 경우 고정점이 존재하지 않을 수 있다. - 평행 이동: $f(x) = x + k$ (단, $k \neq 0$)인 경우, $x + k = x$를 만족하는 $x$는 존재하지 않는다. - 불연속 함수: 구간 $[0, 1]$에서 다음과 같이 정의된 함수는 고정점을 가지지 않는다. $$f(x) = \begin{cases} 1 & (x=0) \\ 0 & (x=1) \end{cases}$$

수렴과 반복법 (Fixed-point Iteration)

고정점 반복법은 $x_{n+1} = f(x_n)$이라는 재귀적 관계를 통해 수치적으로 고정점을 찾아가는 방법이다. 초기값 $x_0$에서 시작하여 함수를 반복적으로 적용하면, 특정 조건 하에 수열 $\{x_n\}$은 고정점으로 수렴한다.

수렴 조건에 따른 결과 비교

함수 $f$가 고정점 $x^*$에서 미분 가능하다고 가정할 때, 고정점 $x^*$ 근처에서 도함수 값 $|f'(x^*)|$에 따라 수렴 양상이 달라진다.

$\|f'(x^*)\|$ 조건	결과	설명
$\|f'(x^*)\| < 1$	수렴 (Stable)	반복할수록 고정점으로 가까워지며, 이를 '끌개(Attractor)'라고 함
$\|f'(x^*)\| > 1$	발산 (Unstable)	고정점에서 멀어지며, 이를 '밀개(Repeller)'라고 함
$\|f'(x^*)\| = 1$	진동 또는 느린 수렴	수렴 여부를 판단하기 위해 고차 도함수 분석이 필요함

주요 정리 및 심화 이론

바나흐 고정점 정리 (Banach Fixed-Point Theorem)

바나흐 정리는 고정점의 존재성뿐만 아니라 유일성과 수렴성을 동시에 보장하는 강력한 정리이다. 완전 거리 공간(Complete Metric Space)에서 축소 사상(Contraction Mapping)인 함수는 반드시 유일한 고정점을 가진다.

축소 사상: 임의의 두 점 $x, y$에 대해 $d(f(x), f(y)) \le k \cdot d(x, y)$를 만족하는 상수 $0 \le k < 1$이 존재하는 사상을 말한다. 즉, 함수를 적용할수록 점들 사이의 거리가 일정 비율로 줄어드는 경우이다.

브라우어 정리 vs 바나흐 정리 비교

구분	브라우어 고정점 정리	바나흐 고정점 정리
핵심 조건	연속성, 콤팩트성, 볼록성	완전 거리 공간, 축소 사상 조건
보장 내용	고정점의 존재성 (최소 1개)	고정점의 존재성 및 유일성 (정확히 1개)
계산 가능성	존재함을 알 뿐, 찾는 방법은 제시 안 함	반복법($x_{n+1}=f(x_n)$)을 통해 계산 가능
성격	위상수학적 성질	해석학적/거리 공간적 성질

응용 및 활용 사례

방정식의 근 찾기와 뉴턴 방법

방정식 $g(x) = 0$의 해를 찾는 문제는 다음과 같은 고정점 문제로 변환될 수 있다. $$f(x) = x + \frac{g(x)}{g'(x)}$$ 특히 뉴턴 방법(Newton's Method)은 고정점 반복법의 특수한 사례로, $f(x)$를 위와 같이 설정하여 매우 빠른 수렴 속도(이차 수렴)를 가지도록 설계한 알고리즘이다. $$x_{n+1} = x_n - \frac{g(x_n)}{g'(x_n)}$$

기타 응용

프랙탈(Fractal): 자기 유사성을 가진 구조는 특정 변환의 고정점 집합으로 정의될 수 있다.
경제학 (내쉬 균형): 게임 이론에서 모든 플레이어가 상대방의 전략에 대해 최선의 대응을 하고 있어 더 이상 전략을 바꿀 유인이 없는 상태인 '내쉬 균형'은 다차원 함수에서의 고정점으로 해석된다. 각 플레이어 $i$의 최적 대응 함수를 $f_i$라고 할 때, 전략 프로필 $s = (s_1, s_2, \dots, s_n)$이 다음을 만족하면 내쉬 균형(고정점)이 된다. $$s = f(s) \quad \text{where} \quad f(s) = (f_1(s_{-1}), f_2(s_{-2}), \dots, f_n(s_{-n}))$$

파이썬 구현 예시

다음은 $\cos(x) = x$의 고정점을 찾는 간단한 반복법 구현 코드이다.

import math

def fixed_point_iteration(f, x0, tol=1e-7, max_iter=100):
    """
    f: 고정점을 찾고자 하는 함수
    x0: 초기값
    tol: 허용 오차
    max_iter: 최대 반복 횟수
    """
    x_curr = x0
    for i in range(max_iter):
        x_next = f(x_curr)
        if abs(x_next - x_curr) < tol:
            return x_next, i
        x_curr = x_next
    return None, max_iter

# 예시: f(x) = cos(x) 의 고정점 찾기
func = lambda x: math.cos(x)
result, iterations = fixed_point_iteration(func, 0.5)

if result:
    print(f"고정점: {result:.7f}, 반복 횟수: {iterations}")
else:
    print("수렴하지 않았습니다.")

📝 마크다운 원본

이 문서의 마크다운 원본 내용입니다.

# 고정점 (Fixed Point)

## 개요
**고정점(Fixed Point)**이란 어떤 함수 $f$에 대하여 $f(x) = x$를 만족하는 원소 $x$를 의미한다. 즉, 함수에 의해 변환된 후에도 값이 변하지 않고 그대로 유지되는 점을 말한다.

기하학적 관점에서 고정점은 함수 $y = f(x)$의 그래프와 직선 $y = x$가 만나는 **교점**의 $x$좌표와 일치한다.

![고정점 그래프 예시](https://upload.wikimedia.org/wikipedia/commons/thumb/a/a3/Fixed_point_iteration.svg/400px-Fixed_point_iteration.svg.png)
*(그림: $y=f(x)$와 $y=x$의 교점이 고정점이 되는 원리)*

이는 입력값과 출력값이 동일한 상태를 의미하며, 동역학계(Dynamical Systems)나 수치해석학에서 시스템의 평형 상태를 분석하는 핵심 개념으로 사용된다.

## 고정점의 존재성
모든 함수가 고정점을 가지는 것은 아니다. 고정점의 존재 여부는 함수의 연속성과 정의역의 성질에 따라 결정된다.

### 중간값 정리를 이용한 증명
연속함수 $f: [a, b] \to [a, b]$가 존재할 때, $g(x) = f(x) - x$라는 새로운 함수를 정의하자. $f$의 공역이 $[a, b]$이므로 모든 $x \in [a, b]$에 대해 $a \le f(x) \le b$이다. 따라서 $g(a) = f(a) - a \ge a - a = 0$이며, $g(b) = f(b) - b \le b - b = 0$이다. **중간값 정리**(함수가 연속일 때 양수와 음수 사이의 모든 값을 가진다는 정리)에 의해 $g(c) = 0$을 만족하는 $c \in [a, b]$가 반드시 존재하며, 이는 곧 $f(c) = c$임을 의미한다.

### 브라우어 고정점 정리 (Brouwer Fixed-Point Theorem)
브라우어 정리는 이를 고차원으로 확장한 것으로, "콤팩트(Compact)하고 볼록한(Convex) 유클리드 공간의 부분집합에서 자기 자신으로 가는 모든 연속함수는 적어도 하나의 고정점을 가진다"고 명시한다. 예를 들어, 커피 잔 속의 커피를 젓고 다시 원래 모양으로 돌려놓았을 때, 최소한 한 점은 원래의 위치와 정확히 일치하게 된다.

### 고정점이 없는 사례
함수의 정의역과 공역이 일치하지 않거나, 연속성이 결여되었거나, 혹은 함수가 정의역의 범위를 벗어나는 경우 고정점이 존재하지 않을 수 있다.
- **평행 이동**: $f(x) = x + k$ (단, $k \neq 0$)인 경우, $x + k = x$를 만족하는 $x$는 존재하지 않는다.
- **불연속 함수**: 구간 $[0, 1]$에서 다음과 같이 정의된 함수는 고정점을 가지지 않는다.
$$f(x) = \begin{cases} 1 & (x=0) \\ 0 & (x=1) \end{cases}$$

## 수렴과 반복법 (Fixed-point Iteration)
고정점 반복법은 $x_{n+1} = f(x_n)$이라는 재귀적 관계를 통해 수치적으로 고정점을 찾아가는 방법이다. 초기값 $x_0$에서 시작하여 함수를 반복적으로 적용하면, 특정 조건 하에 수열 $\{x_n\}$은 고정점으로 수렴한다.

### 수렴 조건에 따른 결과 비교
함수 $f$가 고정점 $x^*$에서 미분 가능하다고 가정할 때, 고정점 $x^*$ 근처에서 도함수 값 $|f'(x^*)|$에 따라 수렴 양상이 달라진다.

| $|f'(x^*)|$ 조건 | 결과 | 설명 |
| :--- | :--- | :--- |
| $|f'(x^*)| < 1$ | **수렴 (Stable)** | 반복할수록 고정점으로 가까워지며, 이를 '끌개(Attractor)'라고 함 |
| $|f'(x^*)| > 1$ | **발산 (Unstable)** | 고정점에서 멀어지며, 이를 '밀개(Repeller)'라고 함 |
| $|f'(x^*)| = 1$ | **진동 또는 느린 수렴** | 수렴 여부를 판단하기 위해 고차 도함수 분석이 필요함 |

## 주요 정리 및 심화 이론

### 바나흐 고정점 정리 (Banach Fixed-Point Theorem)
바나흐 정리는 고정점의 **존재성**뿐만 아니라 **유일성**과 **수렴성**을 동시에 보장하는 강력한 정리이다. 완전 거리 공간(Complete Metric Space)에서 **축소 사상(Contraction Mapping)**인 함수는 반드시 유일한 고정점을 가진다.

*   **축소 사상**: 임의의 두 점 $x, y$에 대해 $d(f(x), f(y)) \le k \cdot d(x, y)$를 만족하는 상수 $0 \le k < 1$이 존재하는 사상을 말한다. 즉, 함수를 적용할수록 점들 사이의 거리가 일정 비율로 줄어드는 경우이다.

### 브라우어 정리 vs 바나흐 정리 비교

| 구분 | 브라우어 고정점 정리 | 바나흐 고정점 정리 |
| :--- | :--- | :--- |
| **핵심 조건** | 연속성, 콤팩트성, 볼록성 | 완전 거리 공간, 축소 사상 조건 |
| **보장 내용** | 고정점의 **존재성** (최소 1개) | 고정점의 **존재성 및 유일성** (정확히 1개) |
| **계산 가능성** | 존재함을 알 뿐, 찾는 방법은 제시 안 함 | 반복법($x_{n+1}=f(x_n)$)을 통해 계산 가능 |
| **성격** | 위상수학적 성질 | 해석학적/거리 공간적 성질 |

## 응용 및 활용 사례

### 방정식의 근 찾기와 뉴턴 방법
방정식 $g(x) = 0$의 해를 찾는 문제는 다음과 같은 고정점 문제로 변환될 수 있다.
$$f(x) = x + \frac{g(x)}{g'(x)}$$
특히 **뉴턴 방법(Newton's Method)**은 고정점 반복법의 특수한 사례로, $f(x)$를 위와 같이 설정하여 매우 빠른 수렴 속도(이차 수렴)를 가지도록 설계한 알고리즘이다.
$$x_{n+1} = x_n - \frac{g(x_n)}{g'(x_n)}$$

### 기타 응용
- **프랙탈(Fractal)**: 자기 유사성을 가진 구조는 특정 변환의 고정점 집합으로 정의될 수 있다.
- **경제학 (내쉬 균형)**: 게임 이론에서 모든 플레이어가 상대방의 전략에 대해 최선의 대응을 하고 있어 더 이상 전략을 바꿀 유인이 없는 상태인 '내쉬 균형'은 다차원 함수에서의 고정점으로 해석된다. 각 플레이어 $i$의 최적 대응 함수를 $f_i$라고 할 때, 전략 프로필 $s = (s_1, s_2, \dots, s_n)$이 다음을 만족하면 내쉬 균형(고정점)이 된다.
$$s = f(s) \quad \text{where} \quad f(s) = (f_1(s_{-1}), f_2(s_{-2}), \dots, f_n(s_{-n}))$$

### 파이썬 구현 예시
다음은 $\cos(x) = x$의 고정점을 찾는 간단한 반복법 구현 코드이다.

```python
import math

def fixed_point_iteration(f, x0, tol=1e-7, max_iter=100):
    """
    f: 고정점을 찾고자 하는 함수
    x0: 초기값
    tol: 허용 오차
    max_iter: 최대 반복 횟수
    """
    x_curr = x0
    for i in range(max_iter):
        x_next = f(x_curr)
        if abs(x_next - x_curr) < tol:
            return x_next, i
        x_curr = x_next
    return None, max_iter

# 예시: f(x) = cos(x) 의 고정점 찾기
func = lambda x: math.cos(x)
result, iterations = fixed_point_iteration(func, 0.5)

if result:
    print(f"고정점: {result:.7f}, 반복 횟수: {iterations}")
else:
    print("수렴하지 않았습니다.")
```

AI 생성 콘텐츠 안내

이 문서는 AI 모델(gemma-4-31b)에 의해 생성된 콘텐츠입니다.

주의사항: AI가 생성한 내용은 부정확하거나 편향된 정보를 포함할 수 있습니다. 중요한 결정을 내리기 전에 반드시 신뢰할 수 있는 출처를 통해 정보를 확인하시기 바랍니다.

위키너와나

고정점