夹逼定理求极限例题-夹逼定理例题求解

夹逼定理，也就是压逼定理，听起来像是给极限画个框，逼它乖乖收口。但在实际做题里，它更像是一种“死磕到底”的狠活，把函数在邻域内能做出的任何废话都挖出来，最终只剩下一点确定的死胡同。 最典型的例子还是那个平方根函数，$f(x) = sqrt{x}$。当你把 $x$ 往 $0$ 逼去的时候，$sqrt{x}$ 这个傻逼玩意儿卡住了，出于负数没根号，它瞬间变成 $+infty$。但在夹逼定理的视角下，这不算坏了，出于只要我们在 $0$ 的左边取个区间，比如 $[0, 1]$，那么在这个区间里，$sqrt{x}$ 的取值范围就被死死锁住了：最小那是 $0$，最大那是 $sqrt{1}=1$。甭管 $sqrt{x}$ 如何变，它一辈子跑不出 $0$ 和 $1$ 这两个门框。
这种时候，夹逼定理就像是个侦探，它告诉你：“不管他如何耍花样，他的值域一辈子就在这俩数之间。” 再讲讲无穷小量吧，大量人一看到 $lim_{xto 0} frac{sin x}{x}$ 就慌了，认定是 $frac{infty}{0}$，这玩意儿一塌糊涂。
实际上难题的关键在于那个 $x$ 务必无限接近 $0$，并且从哪一边逼近？要是是从右边，也就是 $x to 0^+$，你会发现分子分母同正，直接消掉得 $1$。但从左边呢？$x$ 是负数，$sin x$ 也是负数，结局是 $1$。
哦，不对，是 $frac{sin x}{x}$ 的极限是 $1$，但要是是 $x to 0^-$，整个分式还是正数吗？负除以负是正，故此极限也是 $1$。
这时候夹逼定理的应用就显得挺玄学了，出于它不关心具体的数值，只关心能不能被挤进一个收敛的区间。
哪怕是 $-frac{1}{x}$ 这种更不讲理的东西，只要 $x$ 充足小，它的绝对值也会变得比 $1/x$ 小大量，最终被 $1/x$ 这个大怪人按在地上摩擦，极限依然是那个没变过的状态。 还有一个更“暴力”的例子，$f(x) = frac{x^2}{1+sqrt{x}}$。乍一看分母有根号，分子有 $x^2$，感觉哪位都能算出是 $0$。
可是，这里的 $x$ 务必大于 $0$，不能是负数，否则根号下不能为负。
这就引出了个怪圈：$x$ 务必大于 $0$，但极限要求 $x$ 能够无限接近 $0$，这明明矛盾啊？直到我们把 $x$ 放在 $(0, 1)$ 这个区间里，全体条件都知足了。在这个区间里，分子确实是个平方数，分母是个大于 $1$ 的正数。
那么整个函数肯定是个大于 $0$ 的正数。
那上下极限是多少呢？当 $x$ 趋向于 $0$ 时，分子趋向 $0$，分母趋向 $1$，结局自然就是 $0$。
这个例子最让人难受的地方在于，它让你认定“哦，原来这里有个隐含条件”，而不是像一般/平平题那样直接套用公式。 有时候，夹逼定理就连能救活那些看起来彻底没法用的式子。
比如我们要算 $lim_{ntoinfty} a_n$，但 $a_n$ 是个数列，不好直接求。
要是你能在两边找到两个数列 $b_n$ 和 $c_n$，使得 $b_n le a_n le c_n$ 且 $b_n$ 和 $c_n$ 的极限都是同一个数，那 $a_n$ 的极限也得是这个数。
这是一种挺微妙的力量，它准你在极小的误差范围内“绕道而行”。 不过，夹逼定理也不是万能的，也不是那种“只要写得溜就能得分”的捷径。它更多的是一种心理上的安慰，一种“别慌，我已经算过了”的底气。当你看到一堆复杂的式子纠缠在一起，中间没有任何逻辑连接时，突然冒出个介值定理要么夹逼定理，有时候比做十道基础题还管用。它告诉你，宇宙的运行是有法则的，哪怕你目前的写法再混乱，只要最终能套进去，那个收敛就是收敛。 再说说在实际考试中的应用，特别是数列局部。
比如证明数列单调有界必收敛。大量初学者会发现，单调性挺好懂，有界性也挺难找。
这时候就用夹逼定理做辅助。假设数列 $a_n$ 是递增的，那 $a_n$ 肯定比前面的 $a_{n-1}$ 大。
要是能找到一个常数 $M$，让 $a_n$ 一辈子小于等于 $M$，那它不就收敛了吗？这听起来像是直接找极限公式，但大量数列的极限公式大家记不住，要么记错了。
这时候，你就得老老实实地利用夹逼定理的“压缩”特性，一步步把数列“压”进极限的区间里。
这种时候，夹逼定理就不只是一个工具，它是一种逻辑的闭环，把无限延伸的过程变成了有限范围内的精确测量。 有时候会认定夹逼定理忒抽象了，出于它不给具体的数值，只给范围。
比如我们要证 $lim_{xto 0} x sin frac{1}{x} = 0$。
这里，$x$ 在 $0$ 的邻域内，$sin frac{1}{x}$ 的值域被死死限制在 $[-1, 1]$ 之间。
也就是说，甭管 $x$ 多小，这个三角函数那局部一辈子不超过 $1$。乘以 $x$ 之后，整个乘积的绝对值肯定小于 $1$ 倍的 $x$。
只要 $x$ 无限接近 $0$，那 $1$ 个 $x$ 也没多少重量。
这就好比你想让一个东西无限轻，只要把它放在一个无限小的盒子里，不管外面有啥，它都轻得能够让风随意吹。
这就是夹逼定理的魔力，它在看不见的地方悄悄帮你把极限的“重量”压没了。 自然，这种用法在极限里不算多，更多是在数列和函数这种大背景下。在单纯的函数极限里，夹逼定理用得极少，出于函数一般有各种奇点，挺难安宁静静地挤在一起。更多的是数列，要么是在求导数、积分这些高阶时候，用来证明某个值存有性。 实际上，最让人佩服的还是它的包容性。它不要求函数务必无限光滑，也不要求函数务必连续，只要你能在某个邻域内管住住它的行为，管住它的上下界，它就能帮你搞定极限的运算。它像是个无形的墙，甭管外界如何轰击，只要墙的两面姿态一致，里面的东西就动弹不得。
这种确定性，在数学世界里显得特别珍贵。 最终说几句个人看法。夹逼定理有时候会让人形成一种错觉，认定只要套上公式，难题就迎刃而解了。但仔细想想，大量时候它只是在帮你确认之前的推导方向对不对。当你被公式吓住，匆忙套上那个定理时，实际上是在说：“我不能接纳刚刚那个思维断档，我务必把它补回来。”这种心理负担，有时候比直接算出答案更累。但它的益处是，一旦套上，心就不慌了。之后的推导变得顺理成章，每一步都有理有据。 故此，下次看到极限题目，特别是那些看起来像死胡同的题，先别急着慌。想想夹逼定理，看看能不能把这个点框出来。
哪怕你只是心里定个区间，哪怕你只是告诉它“这个值跑不了这里”，你自己也省下了好多力气。数学的魅力就在于这种“被框住”的极致从容，它让我们在复杂的混沌中，找到了那个唯一的出口。