达布定理后半部分证明-证明达布定理后半部分

达布定理（Darboux Theorem）实际上是个有点“让人挠头”的东西。它说的是导数有个挺怪的性质：只要你看区间两端点的导数值，只要这两点出来的值不一样，中间那一段里绝对不可能出现导数“无限大”要么“不连续”的情况。
也就是说，别看导数可能像跳蚤一样在点上下跳动，但它一辈子得保持连续，不能突然跳个大跟头。
这听起来挺反直觉的，毕竟高中微积分里我们天天喊 derivative 是连续的函数啊？可到了实变函数那层，导数有时候就像个顽皮的少年，在局部极度剧烈地变化，却整体依然听话。 这个定理的前半局部实际上挺好办接纳的，只要证明导数得保持连续性。
那重点在后半局部，证明里用到了一个超酷的引理，叫作达布引理。
说白了，就是说：要是两个函数在区间上都有界，那它们的和、差、积、商（分母不为零）也都有界。
这就像说，只要两个人的身高都在 1.6 到 1.8 米之间，那两个人加起来身高肯定在 3.2 到 3.6 米之间，这逻辑忒顺了，像极了天平上的砝码。达布引理是达布定理的核心，它是把导数这种“看似疯魔”的性质给驯服的网。 为了讲清楚这个定理如何运作，得先看看反证法是如何用的。假设导函数没有保序性，那么肯定存有两个点，$x_1$ 处的导数比 $x_2$ 处的导数大，而 $x_1$ 和 $x_2$ 之间找不出任何点，其导数既不大于也不等于中间的某个值。
这就好比说，你在 $x_1$ 爬得比 $x_2$ 快，可中间路上你居然连个坡都没有，既没爬到 $x_1$ 和 $x_2$ 的平均高度，也没掉过头去；你要么一辈子比平均高度快，要么一辈子比平均高度慢，但导数却不连续。
这在连续函数的世界里是不可能的，出于连续函数的图像是像一条平滑的线，不可能在两点之间出现那种“跳空”的感觉。 这就引出了达布引理的关键功能。达布引理说，只要两个函数有界，它们的组合也能有界。
要是导函数没有保序性，那么导函数的图像在中间会形成一个类似“断层”的缺口。我们要处理的就是这个缺口。
要是缺口填上了，导数就连续了，定理就得证了。 假设存有两个点 $x_1 < x_2$，使得 $f'(x_1) > f'(x_2)$，且中间没有点知足 $f'(x) in (f'(x_1), f'(x_2))$。为了把那个“断层”补上，我们得找一条线段，让它穿过那个缺口。
这就要用到那个超了得的“有界则保和引理”了。 先构造两个函数：一个是 $g(x) = f(x) - f(x_0)$，一个是 $h(x) = f(x_1) - f(x_2) cdot text{sign}(x - x_1)$。
这个 $g(x)$ 实际上就是从 $x_0$ 到 $x_1$ 的斜率变化，它在区间上有界。而 $h(x)$ 是个分段函数，当 $x$ 靠近 $x_1$ 时，$h(x)$ 会像悬崖一样直直地往下掉，直到 $x_1$ 时才突变，然后在 $x > x_1$ 的局部，它的值会变得贼小，具体来说，$h(x)$ 的绝对值肯定小于 $f'(x_1) - f'(x_2)$。 根据达布引理，$g(x)$ 和 $h(x)$ 的和 $k(x) = g(x) + h(x)$ 在区间 $[x_0, x_2]$ 上也是有界的。
那 $k(x)$ 在整个区间上都不能超过一个固定的数 $M$。
这如何可能呢？当 $x$ 接近 $x_1$ 时，$h(x)$ 的庞大负变化，加上 $g(x)$ 的有限值，会让 $k(x)$ 瞬间跌到负无穷大。
这就形成了矛盾。 矛盾出在哪儿？矛盾在于：要是 $f'(x_1) > f'(x_2)$，按照达布引理，$g(x)$ 和 $h(x)$ 的和 $k(x)$ 务必保持有界，不可能在 $x_1$ 附近跌到负无穷大。
这说明我们的假设——导数不保序——是站不住脚的。
既然假设害得矛盾，那导数务必保序。 为了更具体地理解这一点，不妨用一个具体例子。假设 $f(x) = x^2 - 2x$，在区间 $[0, 2]$ 上。$f'(0) = 0$，$f'(2) = -2$。
显然 $0 > -2$，导数不保序。但这违背了达布定理。
实际上，$f'(x) = 2x - 2$，这是一个一般/平平的线性函数，在 $[0, 2]$ 上从 0 线性变化到 -2，路径是平滑的，没有断头。
要是强行假设导数不连续，比如在某个点 $c$ 处导数突然变成了 $10$，那在 $[0, c]$ 和 $[c, 2]$ 之间就形成了一个断层。但根据达布引理，试图修补这个断层时，你会发现你得花代价：要么让函数“变小”，要么让函数“变大”，但甭管如何，函数值的剧烈波动都会受到全局有界性的限制，这在局部构造的导数不连续模型里是行不通的。 这个定理之故此关键，是出于它告诉我们导数别看是个“病态”的对象，能剧烈震荡，但它一辈子不能“消亡”或“跳跃”。它是连接微分学和微积分几何的桥梁。
比方说，牛顿方式里的迭代公式 $Delta x_n = frac{f(x_n) - f(x_{n-1})}{f'(x_n)}$，这里用到了导数来预估函数值的变化量。
要是导数不能保序，这个公式在某些情况下会给出彻底毛病的方向。达布定理保证了导数一直“在线路上”，没有脱离轨迹。 再举个更直观的例子。想象你在爬一座山，$x$ 是高度，$f(x)$ 是海拔。
要是你在 $x_1$ 点比 $x_2$ 点爬得更高，那么在这两点之间，你不可能一辈子比平均值高，也不可能一辈子比平均值低。你务必穿过那个平均值。
要是导数不保序，就意味着你的轨迹在某个区间里形成了一个死胡同，既不走低也不走高。但这违反了一般的直觉和连续性原理。达布定理用严谨的数学语言证明白，这种死胡同是不存有的。它强迫函数务必“无处不在”，哪怕只是以细小的步长，也要填满两个导数值之间的空隙。 最终总结一下，达布定理后半局部的证明，本质上是用一个看似好办的有界性引理，去打击一个看似完美的反例构造。当导数试图在中间形成“断层”时，任何试图填补这个断层的尝试，都会因全局有界的限制而黄了，害得推导出的矛盾。
故此，导数务必保序。
这个定理不仅是个数学结论，它更是一种对函数行为的一种深层约束：变化是连续的，哪怕变化得再快，也不能跳过过程。
这就是达布定理的精髓，也是它被誉为“导数最深刻的属性”的缘由。