高数费马定理证明过程-高数费马定理证明

费马定理的直观的那味儿 说白了，费马定理就是给函数找“局部最高低”的绝对可靠法则。别整那些复杂的群论推导要么极限定义铺垫，咱们就盯着图像看。当你在某个点 $x$ 附近疯狂抬脚，函数值 $f(x)$ 终于稳稳地顶到天花板，要么说跌落深渊，那一刻，你发现啥特别的事儿？ 你发现所有能把你往高处推的力气都失效了，所有往低处拉的力也全体归零。
这时候，你手里的导数 $f'(x)$ 就像是你此刻的呼吸状态，要是它是 0，意味着你的脚正好踩在脊线上，既不上升也不下降，是唯一的平衡点。
要是它大于 0，说明你旁边有东西在把你往上拽，那你就是失踪人口；要是小于 0，那说明下面有人压着你，你立马就会往下滑。 这就把那个好办被搞混的“二阶导数”给绕晕了。别被那些高阶极限公式吓住了，实际上这块地里的逻辑挺直白。你只需求关切第一阶导数 $f'(x)$ 的符号变化。
要是导数为零，那这就是个临界点，可能是山峰，也可能是山谷，要么只是个平的土丘。
这时候就得管它了，出于山谷的曲率（二阶导数）拍板了你是要掉得深还是掉得浅，而土丘就是平坦的。 举个现实世界的例子吧，假设你正在爬山。$x$ 代表你的海拔，$f(x)$ 代表你的高度。
要是你在某个位置 $x_0$ 停下来，发现你的高度 $f(x_0)$ 是全场最高的，那这时候 $f'(x_0)$ 务必等于 0。
这时候你周围的所有路人，甭管是往左走还是往右走，他们只要略微动一下，你的高度就会立马变低。
要是你向左看，旁边有人比你高，那你往左走就是找死；往右看，有人比你高，那你往右走也是找死。
只有当你既没左边的高人压你，也没右边的高人压你，并且站在一个平坦的坡上时，导数才是 0。 反过来想，要是导数不为 0，情况就彻底不一样了。
要是 $f'(x_0) > 0$，说明在你往右走的时候，高度会一直往上爬，那 $x_0$ 绝对不是你那个最高的点，你自然不存有了。
同样，要是 $f'(x_0) < 0$，说明往左走高度就跌得比往右走还狠，那 $x_0$ 依然是你凭空消亡的地方。 这就把我们要找的“最大值”给框死了。
要是我们在一个开区间 $(a, b)$ 里找最大值，那么 $f'(x)$ 务必是 0。
为啥？出于既然导数不为 0 的地方显然不是极值点，那么极值点只能聚集在导数为 0 的孤立点上。
这就好比你在看一个山脉的地图，任何一根突起的山峰，只要是在地图范围内，它的轮廓线务必切于水平线，否则它就归于那个正在上升要么正在下降的区域，根本构不成一个“最高点”。 再深入一点，我们来看看为啥二阶导数也不只是用来判断凹凸罢了。
要是在有极大值的点 $x_0$ 处，$f''(x_0) < 0$，那意味着你的脚落在一个向下弯曲的坡上，你略微往两边挪一步，高度肯定就会下降，这符合极大值。但要是 $f''(x_0) = 0$ 呢？这时候你就踩在了一个不稳定的平衡点上，可能是山顶，也可能是深谷的最低点。
这时候你就得把目光从二阶导数挪开，回到一阶导数 $f'(x_0)$ 上来。
要是 $f'(x_0) = 0$ 且 $f''(x_0)$ 为负，那就是极大值，你稳稳地站在山顶。
要是 $f'(x_0) = 0$ 且 $f''(x_0)$ 为正，那就是极小值，你稳稳地站在谷底。 有时候你会发现，这两个条件 $f'(x_0)=0$ 和 $f''(x_0)$ 与此同时为 0 的情况。
这时候你就不得不退一步，直接看一阶导数 $f'(x_0)$。
要是 $f'(x_0) neq 0$，那你就不是极值点。
只有当 $f'(x_0)$ 确实为 0 时，你才有机会成为极值点，而二阶导数在这里更多是作为一个辅助工具，用来帮你判断要是是一阶导数为零时的具体形态。 还有个小细节好办让人迷糊。当 $f'(x_0) = 0$ 时，$f''(x_0)$ 的值到底有没有意义？彻底有。它拍板了你是极小值还是极大值。
要是 $f''(x_0) < 0$，说明曲线是凹向上的，是山形，极大值。
要是 $f''(x_0) > 0$，说明曲线是凹向下的，是谷形，极小值。
要是 $f''(x_0) = 0$，那这二阶导数就失效了，它像是一个失效的信号，告诉你别指望用这个方式了，老老实实看一阶导数。 另外，关于定义域的边界点，费马定理也得顾得上。
要是在闭区间 $[a, b]$ 上，最大值出目前端点 $a$ 或 $b$，那这时候 $f(a)$ 或 $f(b)$ 本身就是最大/最小值，而中间的点 $c in (a, b)$ 处的函数值就不一定是极值点。
故此，严格来说，费马定理说的是：要是极值点 $x_0$ 在区间内部（非端点），那么 $f'(x_0)=0$。
要是在端点，那 $f'(x_0)$ 不一定非要是 0，但你也别指望用导数来证明端点是最小值，要不就你连端点都寻思进去。 最终总结一下，证明的核心逻辑实际上就一条路：先假设存有极值点 $x_0$，然后利用导数的定义，从 $x_0$ 的左边和右边分别考察增量比值的极限。你会发现，甭管你是往左走还是往右走，只要在这个点附近移动，函数值的变化趋势都指向同一个方向——要么一直升，要么一直降。
既然上下左右都“去”，那中间只能是平的，导数就只能是 0。
这就把极值点和对导数为零的充分性联系起来了。 别看教科书上可能写得像给大学本科生上课，但咱们把这些推导过程拆解成一个个生活化的场景，去掉那些绕弯子，实际上没那么复杂。
只要抓住“导数拍板变化的方向”这个核心，再加上几个具体的数值例子，你会发现费马定理就变成了一件并不令人头疼的数学工作。它不需求你像解谜那样去猜，它只需求你像观察地形一样去观察，一旦看清了山坡的陡峭程度，你就知道哪儿是终点。