[论文解读] Structure for $g$-Metric Spaces and Related Fixed Point Theorems

Hayoung Choi, Sejong Kim+1 more|arXiv (Cornell University)|Apr 10, 2018

Fixed Point Theorems Analysis参考文献 15被引用 9

一句话总结

本文引入了一种广义距离函数，称为 $g$-度量，它将度量空间的概念推广至 $n+1$ 个点，统一了普通度量（阶数为 1）和 $G$-度量（阶数为 2）。文章建立了 $g$-度量空间中的拓扑性质，如序列收敛性和映射连续性，并推广了关键的不动点定理——巴拿赫压缩原理、弱压缩定理以及 Ćirić 定理，为高阶度量结构中的不动点结果提供了统一框架。

ABSTRACT

In this paper, we propose a generalized notion of a distance function, called a $g$-metric. The $g$-metric with degree $n$ is a distance of $n+1$ points, generalizing the ordinary distance between two points and $G$-metric between three points. Indeed, it is shown that the $g$-metric with degree 1 (resp. degree 2) is equivalent to the ordinary metric (resp. the $G$-metric). Fundamental properties and several examples for the $g$-metric are also given. Moreover, topological properties on the $g$-metric space including the convergence of sequences and the continuity of mappings on the $g$-metric space are studied. Finally, we generalize some well-known fixed point theorems including Banach contraction mapping principle and Ćirić fixed point theorem in the $g$-metric space.

研究动机与目标

• 将距离概念从两点（普通度量）推广至 $n+1$ 个点，通过一种新结构称为 $g$-度量。
• 在 $g$-度量空间中建立基础拓扑性质，如序列收敛性和映射连续性。
• 将经典不动点定理（包括巴拿赫压缩原理和 Ćirić 不动点定理）推广至 $g$-度量框架。
• 提供一种一致且数学上严谨的推广，避免早期广义度量系统（如 $D$-度量和 $2$-度量）中存在的缺陷。

提出的方法

• 将 $n$ 阶 $g$-度量定义为在 $n+1$ 个点上满足广义三角不等式的对称非负函数。
• 证明当阶数为 1 时，$g$-度量还原为标准度量；当阶数为 2 时，还原为 $G$-度量，从而建立等价性。
• 引入 $T$-轨道 $g$-完备空间的概念，以确保在 $g$-度量下迭代序列的收敛性。
• 通过收缩因子 $\lambda \in [0,1)$ 定义 $g$-拟压缩映射，推广巴拿赫压缩条件。
• 利用涉及 $g$-度量值和收缩因子 $\lambda/n$ 的递推不等式，控制迭代距离并证明收敛性。
• 运用极限论证和度量对称性性质，证明在 $g$-拟压缩下，$g$-柯西序列的极限是唯一的不动点。

实验结果

研究问题

• RQ1 如何将距离概念从两点推广至 $n+1$ 个点，同时保持关键度量性质？
• RQ2 在 $g$-度量空间中会涌现出哪些拓扑结构（如收敛性和连续性），它们与标准度量空间或 $G$-度量空间有何不同？
• RQ3 经典不动点定理（如巴拿赫定理和 Ćirić 定理）能否在 $g$-度量空间中推广，同时保持其核心条件和结论？
• RQ4 在广义压缩映射下，$g$-度量空间中不动点的存在性与唯一性需要满足什么条件？
• RQ5 $g$-度量框架如何避免早期广义度量系统（如 $D$-度量和 $2$-度量）中发现的拓扑不一致性？

主要发现

• $n$ 阶 $g$-度量统一了标准度量（阶数为 1）和 $G$-度量（阶数为 2），提供了一个统一的高阶度量结构。
• 本文证明了 $g$-度量空间支持明确定义的序列收敛性和连续性概念，形成了稳健的拓扑框架。
• $g$-拟压缩映射满足不等式 $g(Tx, Ty, \dots, Ty) \leq \frac{\lambda}{n} \cdot \max\{\text{涉及 } x,y,Tx,Ty\} $ 的距离，其中 $0 \leq \lambda < 1$，从而支持不动点分析。
• 在 $g$-拟压缩下，序列 $\{T^N(x)\}$ 是 $g$-柯西序列，且在 $T$-轨道 $g$-完备空间中收敛于不动点。
• 不动点是唯一的，因为不等式 $g(\tilde{y}, y, \dots, y) \leq \lambda \cdot g(\tilde{y}, y, \dots, y)$ 在 $\lambda < 1$ 时蕴含 $g(\tilde{y}, y, \dots, y) = 0$。
• 推导出显式误差界：$g(T^{k_0}(x), y, \dots, y) \leq \left(\frac{\lambda}{n}\right)^{k_0} \cdot \frac{n}{1 - \lambda} \cdot g(x, T(x), \dots, T(x))$，表明收敛速度为指数级。