高等數學——講透求極限兩大方法，夾逼法與換元法

本文始發於個人公眾號：TechFlow

今天的文章聊聊高等數學當中的極限，我們跳過極限定義以及一些常用極限計算的部分。我想對於一些比較常用的函數以及數列的極限，大家應該都非常熟悉。

大部分比較簡單的函數或者數列，我們可以很直觀地看出來它們的極限。比如\(\frac{1}{n}\)，當n趨向於無窮大的時候，\(\frac{1}{n}\)的極限是0，再比如當n趨向於無窮大的時候，\(n^2\)的極限也是無窮大，等等。但是對於一些相對比較復雜的函數，我們一時之間可能很難直觀地看出極限，因此需要比較方便計算極限的方法，今天的文章介紹的正是這樣的方法——夾逼法和換元法。

夾逼法

夾逼法在數學領域其實非常常用，在中學的競賽當中經常出現。夾逼法的原理非常簡單，對於某一個函數f(x)，我們知道它的表達式，但是很難確定它的范圍。我們可以先找到另外兩個范圍比較容易確定的函數g(x)和h(x)，然后證明:\(g(x)\leq f(x) \leq h(x)\)。通過h(x)和g(x)的范圍來夾逼f(x)的范圍。

說白了，就是直接求解不方便的函數，我們通過用其他容易計算的函數來替代的方法來間接求解，類似於“曲線救國”。

明白了夾逼法的概念之后，我們再來看一下它在數列極限當中的應用。當下存在數列\(\{x_n\}\)我們需要確定它的極限，我們找到了另外兩個數列\(\{y_n\}\)和\(\{z_n\}\)。如果它們滿足以下兩個條件：

1. \(\exists n_0 \in N\)，當\(n > n_0\)時，有\(y_n \leq x_n \leq z_n\)。
2. \(\displaystyle\lim_{n \rightarrow +\infty}y_n=a, \lim_{n \to +\infty}z_n=a\)

那么，數列\(\{x_n\}\)的極限存在，並且\(\displaystyle\lim_{n \to +\infty}x_n=a\)。從直覺上來看，上面的式子應該非常直觀，但是我們還是試着從數學的角度來證明一下，順便回顧一下極限的定義。

證明過程如下：

根據極限的定義，對於數列\(\{x_n\}\)而言，對於任意\(\epsilon\)都存在\(n_0 > 0\)，使得對於任意：\(n > n_0\)，都有\(|x_n - a| < \epsilon\)。那么就稱數列\(\{x_n\}\)的極限是a。

由於數列\(\{y_n\}\)的極限是a，所以存在\(n_1\)使得\(n > n_1\)時，\(|y_n -a | < \epsilon\)。同理，存在\(n_2\)使得\(n > n_2\)時，\(|z_n -a | < \epsilon\)。那么對於\(n > max(n_1, n_2)\)顯然應該有：\(|y_n - a| < \epsilon\)並且\(|z_n - a | < \epsilon\)。

我們將絕對值展開，可以得到：

\[\begin{aligned} a - \epsilon &< y_n < a + \epsilon \\ a - \epsilon &< z_n < a + \epsilon \end{aligned} \]

我們代入\(y_n \leq x_n \leq z_n\)，可以得到：

\[\begin{aligned} a - \epsilon < y_n \leq x_n \leq z_n< a + \epsilon \\ | x_n -a | < \epsilon \end{aligned} \]

根據極限的定義，顯然可以得到數列\(\{x_n\}\)的極限也是a。

我們利用這個方法來看一個書上的例子，我們都知道當x趨向於0的時候，\(x\)和\(\sin x\)都趨向於0，但是\(\frac{\sin x}{x}\)的極限是多少呢？如果猜測一下，兩個無窮趨向於0的極限的比值應該是1才對，但是這個只是我們的直觀猜測，想要嚴格證明，還需要使用數學方法。

這個證明就用到了我們剛才說的夾逼法，並且非常巧妙，讓我們來看一張下面這張圖。

我們假設夾角\(\angle AOB=x\)，這里采用弧度制。我們令圓心OB的長度等於1，那么\(BC=\sin x\)，\(OC=\cos x\)，\(AD=\tan x\)。我們下面要用這張圖里的幾何圖形的面積關系，顯然：

\(\triangle AOB\)的面積 < 扇形AOB的面積 < \(\triangle AOD\)的面積。

\(\triangle AOB\)的面積等於\(\frac{1}{2}*OA*BC=\frac{1}{2}\sin x\)，\(\triangle AOD\)的面積等於\(\frac{1}{2}*OA*AD=\frac{1}{2}\tan x\)。這兩個都很容易得出，直接套用三角形面積公式即可。扇形的面積看起來麻煩一些，但其實也很簡單，在幾何當中，扇形可以看成是特殊的三角形。我們把弧長看成是底面，半徑可以看成是高，那么扇形的面積等於\(\frac{1}{2}*弧長*半徑\)。所以扇形AOB的面積等於\(\frac{1}{2}*x*1=\frac{1}{2}x\)。

我們列出來，可以得到：

\[\frac{1}{2}\sin x < \frac{1}{2}x < \frac{1}{2}\tan x \]

即：

\[\sin x < x < \tan x \]

其中\(\tan x = \frac{\sin x}{\cos x}\)，所以我們可以不等號兩邊同時除以\(\sin x\)，得到：

\[1 < \frac{x}{\sin x} < \frac{1}{\cos x} \]

由於當x趨向於0的時候\(\sin x, \cos x\)都大於0，所以我們可以對不等式互換分子分母，得到：

\[\cos x < \frac{\sin x}{x} < 1 \]

到這里已經結束了，因為我們根據余弦的函數圖像可以很容易看出來，當x趨向於0的時候，cosx趨向於1.但為了嚴謹起見，我們當做不知道這點，繼續用數學的方法證明：

我們來計算當x趨向於0的時候，\(1 - \cos x\)的取值范圍，當x趨向於0的時候\(\cos x < 1\)，所以\(1 - \cos x > 0\)。我們再對\(1 - \cos x\)變形，這里要引入三角函數當中的和差化積公式：

\[\cos \alpha - \cos \beta = -2\sin \frac{\alpha + \beta}{2}\sin \frac{\alpha - \beta}{2} \]

由於\(\cos 0 = 1\)，帶入和差化積可以得到：

\[\cos 0 - \cos x = -2 \sin \frac{x}{2}\sin -\frac{x}{2}=2\sin ^2 \frac{x}{2} \]

我們之前通過面積表示的方法已經證明了當x趨向於0的時候\(\sin x < x\)，所以\(2\sin ^2 \frac{x}{2} < 2 * (\frac{x}{2})^2=\frac{x^2}{2}\)。當x趨向於0的時候，顯然\(x^2\)也趨向於0，所以我們可以證明\(\cos x\)的極限是1.

換元法

我們接着來看換元法，學名是復合函數的極限運算法則。定義如下：假設我們有\(y = f[g(x)]\)，我們令\(u = g(x)\)。如果\(\displaystyle\lim_{x \to x_0}g(x)=u_0, \lim_{u \to u_0}f(u)=A\)，並且在x趨向於\(x_0\)時，有\(g(x) \neq u_0\)，那么：

\[\displaystyle\lim_{x \to x_0}f[g(x)]=\lim_{u \to u_0}g(u)=A \]

我們使用極限的定義同樣可以很方便地證明它的正確性，這里就不證明了，感興趣的同學可以試着證明一下。

了解了符合函數的極限運算法則之后，我們再來看一個例子鞏固一下。

和上面的例子類似，我們這次求一下:\(\displaystyle\lim_{x \to 0}\frac{1-\cos x}{x^2}\)。

和上面那題一樣，我們先使用和差化積對極限的分子進行變換，可以得到：

\[\displaystyle\lim_{x \to 0}\frac{2\sin^2\frac{x}{2}}{x^2}=\frac{1}{2}\lim_{x \to 0}\frac{\sin^2 \frac{x}{2}}{(\frac{x}{2})^2} \]

如果通過極限本身的定義來計算這個式子還是蠻復雜的，很難直觀地獲得答案。這個時候就需要用上換元法了，我們令\(u = \frac{x}{2}\)，那么這個極限就可以轉化成復合函數極限了。\(u=\frac{x}{2}, f(u)=\frac{\sin u}{u}\)。因為當x趨向於0的時候，u也趨向於0，當u趨向於0的時候，\(f(u)\)趨向於1，所以最終的極限就是1.

通過夾逼法和復合函數的極限替換公式，我們可以很方便地求解一些看起來比較棘手的極限。這也是我們求極限的過程當中使用非常頻繁的方法。雖然上文當中的公式看起來有些比較麻煩，但是方法本身並不難，只要沉下心來，一定可以看明白的。

原創不易，希望我的文章可以給你帶來收獲。掃碼關注我的公眾號，獲取更多文章，你們的支持是我最大的動力。

參考資料

同濟大學《高等數學》第六版

程序員的數學