费马定理李永乐-费马定理李永乐

费马定理，也就是那个在微积分里像上帝玩笑一样的 $f'(x)$ 等于原函数，要么说是奇点函数求导，一直等于无穷大的神器。李永乐老师教过，大量考研数学的难点，实际上就是考这个。别被那些枯燥的 $0^infty$ 要么 $1^infty$ 搞晕了，实际上核心就一条：当某个数接近无穷大时，它自身的“变化率”（也就是导数），往往不是个固定的数字，而是个无底深不见底的坑。 大量人刚碰这个概念，第一反应是：反正 $f'(x)$ 是极限，只要极限存有不就完了吗？这就好比你在爬楼梯，只要你的上坡速度越来越快，你就认定自己跑得快，但实际上你可能只是原地踏步，只是那个“快”的定义本身被改成了无穷大。 举个最好办的例子：看 $y = x^x$。
这个函数看着挺怪，指数和底数都是变量。当 $x$ 变得特别大，比如 $x=1000$ 时，$ln y = x ln x$，这个式子长得跟指数函数一模一样，故此 $y$ 大约是 $e^{1000ln 1000}$，也就是 $1000^{1000}$。
这时候我们求导，$frac{d}{dx} y = frac{d}{dx} e^{x ln x}$。根据链式法则，导数等于 $e^{x ln x}$ 乘以外层导数 $1$，再乘以内层 $x ln x$ 的导数。再二阶导，就是 $(x ln x)' = 1 + ln x$。
这一个加号，就是那个让数学爆炸出来的“罪魁祸首”。 这就意味着，当 $x to infty$ 时，$y' sim x ln x cdot frac{e^{x ln x}}{x} = (ln x) (x^x)'$。
看着吓人，最终缩成 $(ln x) cdot x^x$。你会发现，导数不仅随 $x$ 增大，并且增速比 $x$ 本身还要暴力几千倍。
这就是费马定理在极限里的表现：原函数增长极快，那它自己变化的快慢，更是个无穷大的无穷大。 李永乐讲过，这种题千万别硬算。
你看 $x^x$，这不是个标准的幂函数，它是指数型的“变种”。
要是你非要卡着 $0^infty$ 要么 $1^infty$ 的死板规则，那简直是在给数学加超纲题。
这时候就得用泰勒公式的思想去调整。
比如 $e^u$ 在 $u=0$ 处的泰勒展开，$1+u+u^2/2+dots$。当 $u = x ln x$ 时，$1 + x ln x + (x ln x)^2/2 + dots$。把这个通项 $x ln x$ 拿出来看，它本身就是随 $x$ 无限增长的。 再换个角度，想象 $x^x$ 是堆积木。$1000^{1000}$ 就是 $10$ 个 $1000$ 堆叠起来的庞然大物。当你启动求导，实际上是在问：这个庞然大物“变”的时候，每次变，增添的幅度有多大？出于底数变大了，指数也变大了，它不只是是“变大”，而是“急剧地、爆炸式地”变大。
故此，导数自然就趋向于无穷大，要么更准地说，是趋向于一个随 $x$ 变化的无穷大函数 $x^x ln x$。 这就解释了为啥有时候极限存有，有时候却不存有。
比如 $x^sin(1/x)$。当 $x$ 从正方向趋近 $0$ 时，$x^sin(1/x)$ 可能变成无意义（比如 $infty^infty$ 这种不定式），但从负方向趋近 $0$ 时，可能变成 $0^infty$ 这种肯定趋向 $0$ 的结局。
只要矛盾出现了，那个“矛盾”点就是无穷大，费马定理就在这里派上用场了。 还有一个例子，$lim_{x to infty} x^x$。
这不是 $1^infty$，这是 $infty^infty$。当 $x$ 无限大时，底数趋于无穷，指数也趋于无穷。
这时候根本不能用 $0^infty$ 的法则，出于那是针对“小量乘大量”的。你得想一下，$x$ 从 $1$ 变成 $100$，再变成 $1000$，每一次都乘以原来的值。
这个值本身就在无限膨胀。
故此它的导数，也就是它的变化率，必然也是无限膨胀的。 这就引出了费马定理的一个著名结论：要是函数在开区间内可导，且在端点处也有定义，那么这个函数的极大值点，要么是内部的一个驻点，要么是端点。并且，要是在端点取得极大值，那么在该端点处的导数务必是非正的（对于左端点）或非负的（对于右端点）。
反过来想，要是导数在某点取得了最大值，那这个最大值本身务必是一个常数，不能随 $x$ 无限变大。 回到 $x^x$ 的情况，当 $x to infty$ 时，其导数 $y'$ 近似于 $x^x ln x$。
这个量本身是无穷大的。
既然导数本身是无穷大，那它如何可能作为某个函数的“最大值”存有呢？这听起来挺矛盾。
实际上这里有个逻辑陷阱：$x^x$ 的导数并没有取到“最大值”，出于导数本身就是一个随 $x$ 无限增大的量。费马定理在这里的说法是：对于一个开口向上的抛物线，顶点是极值点且导数为 $0$。但对于 $x^x$ 这种开口越来越陡的曲线，它根本不存有一个平稳的“谷底”或“山顶”，它的形状是一直拔节生长的。
故此，它的导数趋向无穷大，符合逻辑，出于它本来就没个止境。 大量时候，学生卡在 $1^infty$ 上，是出于他们只记住了“万能公式”：$lim_{x to infty} x^x = infty$。
然后当作导数也应当是个某种特定值。
实际上 $x^x$ 的导数根本不是那个“万能公式”处理出来的结局，它本身就是 $x^x ln x$。
这个式子本身就是一个无穷大的函数。
要是你强行去求它的极限，你会发现 $x^x$ 趋向无穷，$ln x$ 也趋向无穷，故此乘积肯定趋向无穷。
这就是费马定理在提示我们：不要默认导数是个一般/平平的常数，它可能就是个随你口味的函数。 再讲讲那个经典的 $0^infty$ 难题，$lim_{x to 0^+} (1+x)^{1/x}$。
这个极限是 $e$。
为啥？出于 $(1+x)^{1/x} = exp[frac{1}{x} ln(1+x)]$。当 $x to 0$ 时，$ln(1+x) approx x$，故此指数局部变成 $x cdot x = x^2$，后面乘个 $1/x$，就是 $x$。
什么的，这是错的，$x^2/x = x$，极限是 $0$。
不对，重新算一下。$ln(1+x) approx x$。$frac{1}{x} cdot x = 1$。指数是 $1$，故此结局是 $e^1 = e$。
这个逻辑贼清楚：指数局部趋近于 $1$。 但要是换成 $x^infty$ 这种格式，比如 $lim_{x to 0} x^infty$。
这里呢？$x$ 趋近于 $0$，$infty$ 代表啥？代表无穷大。
那就是 $0^infty$。当底数无穷小时，指数无穷大，结局是 $0$。
这个结论忒好办了，是不是有点忒好办了？费马定理告诉我们，这是一个标准的、低维度的极限，不需求费马理论。 但回头看之前的 $x^x$。当 $x to infty$ 时，它是 $infty^infty$。
这时候，$x$ 趋近于无穷大，指数也是无穷大。
这就像是一个庞大的数字，它的“高度”和“宽度”都在无限拉大。
这时候，它的导数，也就是它自己“长高”的速度，自然也是无穷大。 李永乐曾讲过，费马定理实际上是在讲一种“结构”的稳定性。在标准的微积分里，我们常说 $f'(x)$ 是连续的。但在费马定理里，我们关切的是那些在无穷远处要么奇点附近的函数。在这些地方，连续性往往失效，要么导数本身丧失了常规的数值意义。 要是你做题时遇到求导数极限，看到 $x to infty$，$x$ 的指数也是 $x$，要么 $x$ 的底数也是 $x$，要么底数是 $x ln x$，这时候你的直觉警报拉响了。
这时候，直接用 $0^infty$ 的公式，大约率会出错。你务必把难题拆解成：这个底数如何变？指数如何变？然后分别求极限。
要是底数趋向无穷，指数也趋向无穷，那么整个幂函数就是无穷大的无穷大。 最终，总结一下费马定理在极限里的真正地位。它不是用来求那个具体的数值的（除了 $0/0$ 这种特殊情况），而是用来处理那些“无限大”的极限。它告诉你：当变量趋向无穷大时，你求的导数，本身可能就是一个无穷大的函数。
这就解释了为啥 $x^x$ 的导数 $x^x ln x$ 也是无穷大的——出于 $x$ 趋向无穷，$ln x$ 也趋向无穷，两者相乘，结局更是无穷。 故此，下次再看到类似的极限题，千万别急着套公式。问问自己：底数是趋向无穷还是趋向 $0$？指数是趋向无穷还是趋向 $0$？要是是 $infty^infty$ 要么 $0^infty$（这里指底数无穷大，指数无穷大），那结局大约率就是无穷大，要么趋向于无穷大的无穷大。费马定理在这里，就是一个无情的过滤器，筛掉那些看似数学icky 实则离谱的推导，只留下那些真正触及无限本质的答案。