微分中值定理推导-用中值定理证明

微分中值定理这东西啊，说实话最绕不过脑子。
你想想，函数在一段区间里，只要它是连续且可导的，中间某一点的值跟它的导数有啥关系？这就像是你开车，从 A 地到 B 地，别看你一直在加速，但你会经过某个时刻，你的“瞬时速度”刚好是全程平均速度。
这听起来挺顺，但数学上如何一步步理清楚？ 我先拿个具体的例子看看。假设你在区间 [1, 2] 上走一段路，起点是 1 米，终点是 2 米，总共走了 100 米。平均速度就是 50 米每秒。
要是你知道你在这 1 秒到 2 秒之间，比如到了 1.5 秒的时候，你的瞬时速度是 60 米每秒，那这 60 米每秒是不是意味着在这个特定时刻你是比平均水平快了一拍？这对应的数学模型就是函数 $f(x)$ 在区间 $[a, b]$ 上的平均值。 接着，我试着把难题拆成几步。
起初要保证函数 $f$ 在闭区间 $[a, b]$ 上连续，在开区间 $(a, b)$ 内可导。
这一步看似好办，但大量初学者好办忽略。
要是函数在这段路中间有点“断崖”，要么斜率突变，那定理就不成立了。就像你要从 1 走到 2，得是个平滑的路，不能突然跳个高达 100 米的坎。
只有路是连着的，你才能说在中间某一段有“平均速度”的对应物。 然后我就启动推导了。画个图，设 $f(b) - f(a)$ 是总位移，$b-a$ 是总路程，那么平均速率 $frac{f(b) - f(a)}{b - a}$ 就是这个总位移除以总距离，这实际上就是区间上的平均值。接下来我引入一个新的函数 $phi(t)$。
这个函数定义得有点意思：$phi(t) = f(t) - At - B$。
这个 $phi$ 函数代表的是 $f(t)$ 减去了一条直线 $y = At + B$。
这条直线实际上就是连接 $(a, f(a))$ 和 $(b, f(b))$ 的割线。 好，目前我要证明在区间 $(a, b)$ 内，肯定存有一个 $t_0$，使得 $phi(t_0) = 0$。
这就好比你从起点到终点画了一条直线，根据“介值定理”（别看它叫介值定理，但我先按这个算），这条直线肯定会穿过曲线上的一点。
也就是说，肯定存有某个时刻 $t_0$，刚好在这个时刻，你减去的直线 $f(t)$ 的值等于那个常数加上 $At + B$。 既然 $phi(t_0) = 0$，那么 $phi'(t_0)$ 就等于 0。算一算导数，$phi'(t) = f'(t) - A$。
故此，$f'(t_0) = A$。
这说明在 $t_0$ 这个时刻，函数的瞬时斜率 $f'(t_0)$ 正好等于割线的斜率 $A$。 什么的，我刚刚推导里的常数 $A$ 和 $B$ 是如何来的？它们不是随意定的。我选直线 $y = At + B$ 的时候，实际上是为了让它在区间端点 $(a, f(a))$ 和 $(b, f(b))$ 处都和原始函数 $f(x)$ 重合。
也就是说，我要找一条刚好经过这两个端点的直线。
这条直线的斜率 $A$ 自然就是 $frac{f(b) - f(a)}{b - a}$，这就是我们要找的那个平均值。而 $B$ 这个常数，只是为了平移到同一个高度，不影响斜率。 那为啥这个 $t_0$ 一定在开区间 $(a, b)$ 里呢？这就像你说的，要是在端点也是零点，那它就在闭区间上了，但定理一般要求严格在内部。
不过，这就表明在开区间里绝对存有一个点，它的瞬时斜率等于全过程中间的平均斜率。 再回头看你说的例子数据。假设 $f(x) = x^2$，区间是 $[0, 1]$。平均速度就是 $(1^2 - 0^2)/(1-0) = 1$。我在 $(0, 1)$ 之间找一点，比如 $x=0.5$，导数 $f'(0.5) = 2 times 0.5 = 1$。
哎？这俩相等。
这说明对于抛物线，在区间内部的某点，切线斜率确实等于割线斜率。 那要是函数不是抛物线呢？比如 $f(x) = x^3$，区间 $[-1, 1]$。平均值是 $(1 - (-1))/2 = 1$。我找 $x=0.5$，导数是 $3x^2 = 3 times 0.25 = 0.75$。
不对，没对上。是出于这个函数在 0 点导数为 0，但在其他点肯定能达到平均速度 1 吗？实际上定理说的是肯定存有一个点。对于 $x^3$ 在 $[-1, 1]$ 上，平均斜率确实是 1。
难道 $x=1$ 时导数是 3，$x=-1$ 时是 -3？是的。
那肯定在中间某个点导数是 1。 这就引出了定理的另一种说法：要是函数在闭区间连续、开区间可导，那么区间内起码存有一个点，使得函数在该点的导数等于区间两端点的函数值之差除以区间长度的值。 再想想实际应用。
比如求导数的难题。
有时候我们不知道 $f'(x)$ 的具体公式，只知道它存有。利用这个定理，我们就能找到一个点 $t_0$，让 $f'(t_0)$ 等于某个特定值。
这在优化难题里挺有用。
比方说，我们要最大化某个函数的值，要是导数恒不为零，那最大值只能在端点。但要是导数在某子区间内恒正，那最大值就在右端点。 最终总结一下，微分中值定理实际上就是一个“桥梁”。它告诉你，别看整个区间上你的变化量是固定的（平均变化率），但你内部某一点的状态（瞬时变化率）一定能追上这个平均状态。它把全局和局部、离散的和连续的联系起来。别看推导过程看起来有点像微积分里的 $f(x)$ 与 $F(x)$ 关系，但本质上就是在找一个知足特定线性条件的点。 故此，大家看这个定理，不要把它看作一堆公式，而看作一种“必然性”。
只要函数充足光滑，在一段路程上，你肯定能找到一个时刻，你的速度正好符合全程的平均速度。
这大约就是数学里最温柔的说法，也是最硬核的真理之一。