费马定理（Fermat's Theorem）是微积分中关于可导函数极值点的基石。它告诉我们：若函数在点 (x_0) 可导且取得局部极值，则导数 (f'(x_0)=0)。这一定理不仅是求极值的起点，更是理解曲线变化的关键。
很多同学觉得它抽象，其实它就像“火车进站必须减速到零”一样自然。下面我们通过丰富的示例与周边知识，彻底吃透它。
顶点在 (0,0)，导数 f'(x)=2x，代入 x=0 得 0。完美符合费马定理：极值点导数为零。这逻辑严丝合缝，像一条自然流露的真理。
处处导数 = 1，无内部极值。但若限制区间 [0,1]，端点 x=0 或 1 可能为极值，但费马定理只关心内点可导情形。说明定理是必要条件，非充分。
在 x=0 处导数为 0，但 无极值（拐点）。这凸显费马定理只给出必要条件：导数为零不一定是极值，还需二阶导数或凹凸性判断。
费马定理要求函数在点 (x_0) 可导且为极值点。若定义域不包含端点，比如 f(x) 定义在 (1,2)，则 x=1 处无定义，无法应用定理。强行套用就像让跑步的人站在起跑线说速度为零——逻辑通但物理荒谬。
极值定理关切封闭区间连续函数，但费马定理只针对内点可导极值。两者结合才能完整分析。
若函数在某点不可导（如尖点、垂直切线），费马定理不适用。典型例子：绝对值函数 y=|x| 在 x=0 取得最小值，但左导数 -1，右导数 1，导数不存在。此时需借助凹凸性或导数定义判断。
同样，y=x^(2/3) 在 x=0 处有尖点，导数无穷大，极值存在但无法用 f'(x)=0 刻画。
在工程、经济、物理中，费马定理是求解最优化问题的第一步：令导数等于零，解出候选点，再验证极值。例如最大利润、最小成本、势能曲线平衡点。
它把求导和求值连接起来，是无数优化算法的基石。但要注意边界和不可导点。
理解瞬时变化率，极限是导数的基础。费马定理依赖可导性，因此极限概念必须通透。
局部极大/极小：存在邻域使得函数值最大/最小。费马定理将极值与导数挂钩。
若 f 在 x₀ 可导且为极值点，则 f'(x₀)=0。必要条件，非充分。
导数为零的点，通过二阶导数符号判断极大/极小/拐点。完善极值判定。
从最大利润到物理平衡，费马定理是求解极值的第一步，配合边界分析得到全局最优。
很多同学觉得费马定理就是背公式，实际上它是对“变化率在极值点归零”这一直觉的严格刻画。假设函数 f 在 x₀ 取局部极大，则对于足够小的 h，有 f(x₀+h) ≤ f(x₀)。若 h>0，则差商 (f(x₀+h)-f(x₀))/h ≤ 0，取极限得右导数 ≤ 0；若 h<0，则差商 ≥ 0，左导数 ≥ 0。由于可导，左右导数相等，只能为 0。这个证明简洁而深刻，不依赖任何复杂技巧。
再看反例：y=x³ 在 x=0 导数为0，但非极值。因为左邻域函数值小于 f(0)，右邻域大于 f(0)，不满足极值定义。这说明费马定理是“单向”的，它不会告诉你是否真的是极值，但告诉你“如果是，导数必为零”。
另外，定义域的细节常被忽略。若函数定义在 (0,1) 上，即使内点可导且为极值，费马定理依然成立。但若定义域不包含边界，极值可能出现在边界，但定理不涉及。因此分析极值务必先明确定义域。
在物理中，势能曲线的平衡点对应导数为零，正是费马定理的体现。比如弹簧势能 U=½kx²，平衡点 x=0 处导数为零，且为极小。这背后是稳定性与变化率的统一。
最后，回顾教科书为何把费马定理放在导数与极值之后？因为它需要极限、连续性、导数概念作为地基。跳过基础直接啃定理，就像没打地基就盖楼。只有理解了导数就是变化率，极值就是局部平稳，才能真正体会费马定理的自然与力量。