3.1 Picard 疊代法#

本章導言#

前兩章我們「解」方程——但什麼保證解存在？又保證只有一個？十七、十八世紀的數學家把存在性視為理所當然：方程既然寫得出來，解想必在那裡。這種樂觀在十九世紀遭到清算，而清算的武器是法國數學家 Émile Picard（皮卡，1856–1941） 的逐次逼近法（méthode des approximations successives, 1890）：把微分方程改寫成積分方程，然後疊代——從一個粗糙猜測出發，反覆代入、改進，讓解自己「長」出來。本節講述這個既是理論基石、又是數值演算法的雙重身份方法。

從微分到積分：第一步轉換#

考慮初值問題

\[ y' = f(x, y), \qquad y(x_0) = y_0. \]

兩邊從 $x_0$ 到 $x$ 積分：

\[ y(x) = y_0 + \int_{x_0}^{x} f\big(t,\, y(t)\big)\, dt. \tag{$\ast$} \]

$(\ast)$ 是積分方程：未知函數同時出現在等號兩邊（右端積分號內）。微分方程與積分方程等價（一階可微 ↔ 連續且滿足 $(\ast)$ ），但積分形式的優勢巨大：

積分是平滑運算：右端的 $y$ 只需連續，左端的積分自動使 $y$ 可微——積分方程比微分方程「條件更溫和」；
初值已內建： $y(x_0) = y_0$ 直接寫進公式，不再需要另加條件；
適合疊代：右端是「把 $y$ 輸入機器、輸出更好的 $y$ 」的變換——疊代的完美形狀。

Picard 疊代：讓解自己長出來#

定義（Picard 算子）：

\[ \phi_0(x) \equiv y_0, \qquad \phi_{n+1}(x) = y_0 + \int_{x_0}^{x} f\big(t,\, \phi_n(t)\big)\, dt. \]

Picard 定理（存在部分的靈魂）：若 $f$ 與 $f_y$ 在矩形 $R = \{|x - x_0| \le a,\ |y - y_0| \le b\}$ 上連續，則在區間 $|x - x_0| \le \alpha$ （ $\alpha = \min(a, b/M)$ ， $M = \max_R |f|$ ）上，函數列 $\phi_n$ 均勻收斂到 $(\ast)$ 的唯一解。

每一步的幾何意義： $\phi_0$ 是水平線； $\phi_1$ 是「沿 $\phi_0$ 的斜率場走出的折線（的光滑版）」； $\phi_2$ 沿 $\phi_1$ 的斜率走……每一代都更貼合真解。疊代 = 在斜率場中反覆改道，直到路與場一致。

壓縮映射：為什麼疊迭代斂#

疊代收斂的引擎是壓縮：兩個猜測 $u, v$ 經機器處理後更接近——

\[ |\Phi(u) - \Phi(v)| \le k\, |u - v|, \qquad k < 1. \]

這是 Stefan Banach（巴拿赫，1892–1945） 1922 年不動點定理（contraction mapping principle，其博士論文的主題）的應用：完備空間上的壓縮映射有唯一不動點，且從任意起點疊代都收斂到它。Picard 算子的壓縮性來自 Lipschitz 條件：

\[ |\Phi(u) - \Phi(v)| \le \int_{x_0}^x \big|f(t, u) - f(t, v)\big|\, dt \le L \int_{x_0}^x |u - v|\, dt \le L \alpha \cdot \sup|u - v|, \]

故只要 $L\alpha < 1$ 即壓縮（嚴格證明中用 $L\alpha \le \alpha' < 1$ 的選取與靴帶式延拓，見 3.2 節）。

Banach 不動點定理的威力：它同時給出存在、唯一、疊代收斂、誤差估計四件套：

\[ |\phi_n(x) - y(x)| \le \frac{(L\alpha)^n}{1 - L\alpha}\, \max|\phi_1 - \phi_0|. \]

誤差按 $k^n$ 幾何衰減——這是理論與計算的雙重承諾。

歷史脈絡：疊代思想的三次登場#

年份	人物	貢獻
1838	Liouville	二階方程的逐次逼近（特例、未形成一般理論）
1876	Lipschitz	改進 Cauchy 的存在性證明條件
1890	Picard	系統的逐次逼近法，證明存在唯一
1893	Picard	應用到二階與積分方程
1922	Banach	壓縮映射原理，統一框架
1960s	數值分析界	Picard 疊代成為積分方程與非線性系統的標準數值法

注意 Picard 的方法不是憑空而降：Cauchy 1824 年巴黎理工學院講義中已有存在性證明的先驅版本（用歐拉折線的極限），但未發表且流傳甚少。同一個證明被發明三次（Cauchy、Lipschitz、Picard），最後一次才普及——科學史上的「多重發現」定律。

疊代的計算演示#

$y' = x + y$ 、 $y(0) = 1$ ：

$\phi_0 = 1$ ；
$\phi_1 = 1 + \int_0^x (t + 1)\, dt = 1 + x + \frac{x^2}{2}$ ；
$\phi_2 = 1 + \int_0^x \big(t + 1 + t + \frac{t^2}{2}\big) dt = 1 + 2x + \frac{3x^2}{2}\cdot\frac{1}{?} \cdots$ （展開得 $1 + 2x + \frac{3x^2}{2} + \frac{x^3}{6}$ 的形式）。

真解是 $y = 2e^x - x - 1 = 1 + x + x^2 + \frac{x^3}{2} + \frac{x^4}{6} + \cdots$ 。比較可見 $\phi_n$ 逐步「長出」Taylor 級數的更多項——Picard 疊代是 Taylor 級數的自動生成機，但不需要解是解析的（只要連續可微即可）。

一個具體例題#

例題 3.1.1：用 Picard 疊代解 $y' = y^2$ 、 $y(0) = 1$ 的前三個近似，與真解 $y = \frac{1}{1 - x}$ 比較，並討論疊代在爆破點附近的行為。

解：

$\phi_0(x) = 1$ ；
$\phi_1(x) = 1 + \int_0^x \phi_0^2\, dt = 1 + \int_0^x 1\, dt = 1 + x$ ；
$\phi_2(x) = 1 + \int_0^x (1 + t)^2\, dt = 1 + \int_0^x (1 + 2t + t^2)\, dt = 1 + x + x^2 + \frac{x^3}{3}$ ；
$\phi_3(x) = 1 + \int_0^x \phi_2^2\, dt = 1 + x + \frac{3x^2}{2}\cdot\frac{?}{} \cdots$ （展開為 $1 + x + \frac{3}{2}x^2 + \frac{4}{3}x^3 + \frac12 x^4 + \frac{x^5}{9}$ 級形式）。

真解 $\frac{1}{1-x} = 1 + x + x^2 + x^3 + x^4 + \cdots$ 。比較：

係數	真解	$\phi_2$	$\phi_3$
$x^0$	1	1	1
$x^1$	1	1	1
$x^2$	1	1	$\frac32$
$x^3$	1	$\frac13$	$\frac43$
$x^4$	1	—	$\frac12$

可見 $\phi_n$ 的前幾項逐步逼近真解，但係數逐項而言不單調改進——疊代的好壞要以 $\sup_{|x - 0| \le \alpha}|\phi_n - y|$ 整體衡量（均勻收斂而非逐項比較）。

爆破附近的行為：真解在 $x = 1$ 爆破；疊代在 $\alpha = \min(a, b/M)$ 的縮短區間上工作——取 $b = 2, M = \sup(y^2) \le 9$ （ $|y - 1| \le 2$ ）則 $\alpha = 2/9$ ，理論保證只覆蓋 $|x| \le 2/9$ 。Picard 定理的區間是保守的：它保證「附近一定有解」，而真解活到 $x = 1$ ——存在區間的實際大小與定理保證的大小可以差很遠，這正是 3.3 節延拓理論要回答的問題。

歷史啟示#

存在性不是明顯的：把「方程寫得出來」與「解存在」分離，是十九世紀分析學成熟的最大標誌之一。此後數學家學會問：條件是什麼？反例在哪？
建構性證明的價值：Picard 的證明不僅說「存在」，還給出逼近解的程序——一百年後它直接變成數值演算法。證明的方法論比結論更長壽。
抽象的回報：Banach 把 Picard 的特技抽象為壓縮映射，一個定理覆蓋 ODE、積分方程、隱函數、分形（IFS 構造）等幾十個領域——抽象不是逃離具體，而是復用具體。

與其他章節及領域的關聯#

3.2 節：Picard 定理的完整表述（含 Lipschitz 條件與唯一性）。
3.3 節：疊代收斂區間與解的真實存在區間之差，由延拓理論填補。
10.1 節：Euler 折線法是 Picard 積分方程的離散化；Picard 疊代本身也是實用數值法（尤其對積分方程）。
5.1 節：疊代「長出」冪級數的觀察，連接 Picard 與級數解法。
2.1 節：線性方程的積分公式其實就是 Picard 疊代一次收斂的情形（ $f$ 線性時疊代一步到「正確的核」）。
函數分析：Banach 空間、完備性、不動點——Picard 方法是二十世紀泛函分析的開國文獻之一。
計算機科學：不動點疊代在程式語言語義（denotational semantics, Scott 1970s）與資料庫查詢（Datalog 不動點）中是基礎工具。

練習#

對 $y' = x + y^2$ 、 $y(0) = 0$ 寫出 $\phi_1, \phi_2, \phi_3$ （展開多項式至三次項）。
對 $y' = y$ 、 $y(0) = 1$ 計算 $\phi_n$ 的一般式，證明 $\phi_n = \sum_{k=0}^{n} \frac{x^k}{k!}$ ，並解釋這與 $e^x$ 的關係。
對 $y' = x^2 + y^2$ 、 $y(0) = 1$ ，取 $a = b = 1$ ，估計 $M$ 與 Picard 保證區間 $\alpha$ ；再比較真解的存在範圍（數值或圖形觀察）。
證明：若 $f(x, y)$ 對 $y$ 滿足 Lipschitz 條件（常數 $L$ ），則 Picard 算子滿足 $|\Phi(u) - \Phi(v)| \le L|x - x_0|\, \sup|u - v|$ （在 $|x - x_0| \le \alpha$ 上），並據此選 $\alpha$ 使壓縮成立。
思考題：Picard 疊代需要每步積分 $\int f(t, \phi_n(t))\, dt$ ，這在「手算」時常比原方程更難。那麼它的價值何在？請從（i）理論存在性、（ii）證明方法、（iii）數值離散化三個角度回答。

進階研讀：疊代思想的五個深化場景#

場景一：Picard 疊代 vs Euler 折線。兩者都是「逐步修正」，但 Euler 法在時間方向離散（步進 $h$ ），Picard 在函數空間疊代（整條曲線一次更新）。數值分析中，Picard 型疊代用於隱式方法（隱式 Euler、BDF，10.1 節）的每步求解——剛性方程的求解器核心就是每一步做一個 Picard/Newton 疊代。理論方法與數值方法的界線，比教科書章節劃分模糊得多。

場景二：非壓縮的補救。 $f_y$ 連續但 $L\alpha \ge 1$ 時，直接疊代可能不收斂。補救一：縮短區間 $\alpha$ ；補救二：帶阻尼的疊代 $\phi_{n+1} = (1 - \omega)\phi_n + \omega \Phi(\phi_n)$ （ $\omega$ 小時收斂放寬，數值線性代數的 SOR 思想）；補救三：Newton–Kantorovich 疊代（二次收斂，1948）。壓縮不成立時，工程師用鬆弛因子續命。

場景三：疊代與級數的深層關係。例題顯示 $\phi_n$ 的 Taylor 係數逐步逼近真解。更系統地：對解析 $f$ ，Picard 疊代在解析函數空間中收斂，其極限的級數展開與Adomian 分解法（1980s，把 $f$ 拆為 $Ny$ 級數逐項疊代）同構——「疊代即級數生成器」在二十世紀被工程界重新發明。

場景四：泛函分析的誕生。Banach 1922 年論文把 Picard 的論證搬到完備度量空間，定義了 Banach 空間。同時期 Hilbert 空間理論（1927–1932，von Neumann）處理量子力學。微分方程的存在性問題，是抽象空間理論的第一推手——沒有 Picard 的積分方程，就沒有泛函分析的性格。

場景五：不動點的當代應用。區塊鏈共識的收斂分析、機器學習中 GAN 的訓練動力學（把訓練視為算子疊代）、影像配準的迭代最近點（ICP）——都是不動點疊代的變奏。壓縮條件不成立時收斂性存疑，這正是 GAN 訓練不穩定的數學原因之一——一百零六年前的定理，仍在解釋最新的工程難題。

補充：Cauchy 1824 年講義的命運#

Cauchy 在 1823–1824 年巴黎理工的講義中，用歐拉折線的極限證明了 $f, f_y$ 連續時初值問題解的存在性——比 Picard 早六十六年，條件更接近今日教材。但講義未刊行，手稿到 1980 年代才被數學史家（Lützen、Grattan-Guinness）整理確認。Cauchy 的優先權在教科書中常被遺忘；本節定名「Picard 疊代」遵循文獻慣例，但讀者應知這是「發明三次、命名一次」的典型案例。

補充：誤差估計的使用示範#

在 $L\alpha = 0.9$ 、 $\max|\phi_1 - \phi_0| = 0.5$ 的情形，十步後誤差界 $\le \frac{0.9^{10}}{0.1} \times 0.5 \approx 1.74$ ——看起來很大？因為 $0.9^n$ 衰減慢。若 $L\alpha = 0.5$ ： $\frac{0.5^{10}}{0.5} \times 0.5 = 0.001$ 。壓縮常數 $k$ 的小幅改善，帶來誤差的指數級改善——這就是為什麼理論家在意 $L$ ，工程師在意步長。

名詞速查表（本節出現的核心術語）#

積分方程：未知函數在積分號內出現的方程。
Picard 疊代： $\phi_{n+1} = y_0 + \int f(t, \phi_n)\, dt$ 的逐次逼近。
均勻收斂： $\sup_{x} |\phi_n - y| \to 0$ ，整體同步收斂。
壓縮映射： $|\Phi(u) - \Phi(v)| \le k|u - v|$ ， $k < 1$ 。
不動點： $\Phi(y) = y$ 的點；積分方程的解即 Picard 算子的不動點。
Banach 不動點定理：完備空間上壓縮映射有唯一不動點，疊代收斂（1922）。
誤差估計： $|\phi_n - y| \le \frac{k^n}{1 - k} \max|\phi_1 - \phi_0|$ 。
建構性證明：證明中附帶求出對象之程序的證明。
多重發現：同一結果由多人獨立完成（Cauchy/Lipschitz/Picard）。

年表速查（本節涉及的關鍵年份）#

1824：Cauchy 講義中的存在性證明（未刊行）。
1838：Liouville 的逐次逼近先驅工作。
1876：Lipschitz 條件。
1890：Picard 逐次逼近法發表。
1922：Banach 壓縮映射原理（博士論文）。
1948：Kantorovich 的 Newton 型疊代收斂理論。
1960s：Picard/Newton 疊代進入剛性 ODE 求解器。
1980s：Adomian 分解法。

深化問答三則#

問：Picard 疊代與「猜答案再驗證」有何本質不同？ 答：猜答案是被動驗證（成敗在天）；Picard 疊代是主動逼近——每一步都有嚴格的誤差收縮保證，且初值任意（從 $y_0$ 起步即可）。數學上，前者是「檢驗」，後者是「算法」；後者依賴壓縮性，而壓縮性來自 Lipschitz 條件。有條件的收斂保證，是算法與運氣的分界線。

問：為什麼積分方程比微分方程「更容易」？ 答：兩個原因。（1）積分把連續函數變成可微函數——空間條件放寬；（2）初值內建於積分下限——邊界條件消失。把問題搬到一個「約束更少、結構更好」的表示中求解，這一策略在數學中反覆成功（Laplace 變換第 8 章、對數座標、傅立葉變換）。換一種寫法，常比換一種方法更有力。

問：疊代收斂到唯一解，「唯一」真的需要證明嗎？ 答：需要，且有反例： $y' = 2\sqrt{|y|}$ 、 $y(0) = 0$ 有無窮多解（ $y = 0$ 、 $y = x^2$ 、以及「先停後走」的拼接族）。此處 $f_y = \frac{1}{\sqrt{|y|}}$ 在 $y = 0$ 無界，Lipschitz 條件失效——疊代可能收斂到其中一個解，但其他解也合法。存在與唯一是兩個獨立的命題，這正是下一節的主題。

（本節完）

係數	真解	\(\phi_2\)	\(\phi_3\)
\(x^0\)	1	1	1
\(x^1\)	1	1	1
\(x^2\)	1	1	\(\frac32\)
\(x^3\)	1	\(\frac13\)	\(\frac43\)
\(x^4\)	1	—	\(\frac12\)