⚡ 什么是迫敛定理？
在数学分析中，迫敛定理（Squeeze Theorem），又称夹逼定理或三明治定理，是计算极限的一种极其重要的方法。它的核心思想非常直观：如果一个数列或函数被“夹”在另外两个极限相同（且存在）的数列或函数之间，那么它自己也必然收敛于同一个极限。
定理表述
数列形式： 若数列 {a_n}, {b_n}, {c_n} 满足：
- 存在正整数
N，当n > N时，恒有a_n ≤ b_n ≤ c_n； lim (n→∞) a_n = A且lim (n→∞) c_n = A；
则必有 lim (n→∞) b_n = A。
函数形式： 若在点 x₀ 的某去心邻域内，满足 f(x) ≤ g(x) ≤ h(x)，且 lim (x→x₀) f(x) = A，lim (x→x₀) h(x) = A，则 lim (x→x₀) g(x) = A。
🎯 核心用途
当目标函数的极限难以直接计算时（例如包含振荡项、复杂求和或积分），通过构造简单的上下界函数来间接求解。
🛠️ 关键技巧
关键在于“放缩”。放缩要适度：既要容易求极限，又要保证上下界的极限相等。常用的放缩手段包括三角不等式、均值不等式、积分放缩等。
📚 应用领域
广泛应用于数列极限、函数极限、多元函数极限以及正项级数的敛散性判别中。
📘 经典基础例题解析
掌握迫敛定理，首先要从经典的数列极限入手。以下是三个最具代表性的例题，涵盖了从简单放缩到积分定义的多种技巧。
例题1：证明 lim (n→∞) ∛(n² + n) = 1
分析： 这是一个典型的根式极限问题。虽然直接观察可知极限为1，但使用迫敛定理可以更严谨地处理。
解：
当 n ≥ 1 时，显然有：
n² < n² + n < n² + n² = 2n²
同时，我们可以使用更精细的放缩。注意到 n ≤ n² + n ≤ n² + n² (当n足够大) 并不直接给出1的极限。让我们换一个更标准的例子：
修正例题： 求 lim (n→∞) √(n² + n) - n。
这个通常用分子有理化，但如果非要用迫敛，我们可以构造：
我们知道 √(n² + n) - n = 1 / (√(n² + n) + n)。
显然 0 < 1 / (√(n² + n) + n) < 1 / (2n)。
因为 lim (n→∞) 0 = 0 且 lim (n→∞) 1/(2n) = 0。
所以由迫敛定理，原极限为 0。
例题2：求 lim (n→∞) (sin n) / n
分析： sin n 是一个振荡函数，其值在 [-1, 1] 之间波动，无法直接求极限。但除以 n 后，振幅被压缩。
解：
对于任意正整数 n，我们有：
-1 ≤ sin n ≤ 1
同时除以 n（n > 0）：
-1/n ≤ (sin n) / n ≤ 1/n
因为 lim (n→∞) (-1/n) = 0 且 lim (n→∞) (1/n) = 0。
根据迫敛定理，lim (n→∞) (sin n) / n = 0。
💡 启示： 无穷小量与有界函数的乘积仍为无穷小量。这是迫敛定理的一个重要推论。
例题3：求 lim (n→∞) (1/n² + 2/n² + ... + n/n²)
分析： 这是一个和式极限。直接计算分子求和公式 n(n+1)/2 也可以，但迫敛定理提供了另一种视角，特别是当项数更多时。
解：
设 S_n = (1 + 2 + ... + n) / n²。
显然，分子中每一项都小于等于 n，共有 n 项，所以分子 ≤ n n = n²。
每一项都大于等于 1，共有 n 项，所以分子 ≥ n 1 = n。
即：
n ≤ 1 + 2 + ... + n ≤ n²
除以 n²：
n/n² ≤ S_n ≤ n²/n²
1/n ≤ S_n ≤ 1
这个放缩太粗糙了，上下界极限不相等（0 和 1）。我们需要更精细的放缩。
正确放缩：
利用积分放缩或更精确的不等式。
我们知道 1 + 2 + ... + n = n(n+1)/2。
所以 S_n = (n² + n) / (2n²) = 1/2 + 1/(2n)。
当 n → ∞ 时，1/(2n) → 0。
因此极限为 1/2。
注： 此题若不用求和公式，仅用迫敛，需构造更紧密的上下界，例如利用 ∫(0,n) x dx 进行放缩，结果一致。
🚀 进阶应用与拓展
迫敛定理不仅限于简单的数列，它在处理复杂函数极限和多元函数极限时同样威力巨大。以下通过时间轴展示其历史发展与高阶应用。
柯西与魏尔斯特拉斯的贡献
随着微积分严格化的进程，ε-N 语言被引入。迫敛定理作为极限理论的基本工具之一，被正式纳入数学分析公理体系。它解决了“无穷小量夹逼”的严格定义问题。
控制收敛定理的雏形
在勒贝格积分理论中，迫敛思想演化为“控制收敛定理”（Dominated Convergence Theorem）。虽然形式更复杂，但其核心逻辑——通过一个可积函数控制序列，保证极限与积分交换顺序——与迫敛定理一脉相承。
积分型极限与Stolz定理结合
在高等数学竞赛中，常出现形如 lim (∫₀¹ f(x)dx)^(1/n) 的题目。此时，常结合 1 ≤ (∫f)^(1/n) ≤ M^(1/n) 的形式，利用 M^(1/n) → 1 来求解。这是迫敛定理在积分形式下的典型应用。
💡 技巧总结：如何构造放缩不等式
- 利用三角函数有界性：
|sin x| ≤ 1,|cos x| ≤ 1。 - 利用均值不等式：
(a+b)/2 ≥ √(ab)等，用于处理根式。 - 利用积分估值：
m(b-a) ≤ ∫ₐᵇ f(x)dx ≤ M(b-a)。 - 利用二项式定理： 展开后取主导项进行放缩。
📊 在级数判别中的应用
迫敛定理在正项级数的敛散性判断中扮演着“比较判别法”的角色。如果级数 Σbn 收敛，且 0 ≤ an ≤ bn，则 Σan 也收敛。
| 级数类型 | 比较对象 | 放缩策略 | 结论 |
|---|---|---|---|
Σ (1/(n² + 1)) |
Σ (1/n²) |
1/(n²+1) < 1/n² |
收敛（因p-级数 p=2>1） |
Σ (1/√(n²+n)) |
Σ (1/n) |
1/√(n²+n) > 1/(n+1) ~ 1/n |
发散（与调和级数比较） |
Σ (sin n / n²) |
Σ (1/n²) |
|sin n/n²| ≤ 1/n² |
绝对收敛 |
Σ (n! / nⁿ) |
比值判别法更优 | 但也可用 n! < nⁿ 粗略判断 |
收敛（更精确需比值法） |
注意： 在级数中使用迫敛思想时，务必确保比较级数的敛散性已知，且不等式方向正确。若 Σbn 发散，且 an ≥ bn ≥ 0，则 Σan 也发散。
⚠️ 常见误区与警示
许多同学在运用迫敛定理时容易犯以下错误，请仔细阅读并避免。
❌ 误区一：放缩过度
放缩后的上下界极限不相等。例如，求 lim (1/n + 1/(n+1) + ... + 1/(2n))，若将每项都放大为 1/n，则和为 n(1/n)=1；若都缩小为 1/(2n)，则和为 n(1/(2n))=1/2。上下界不相等，无法直接使用迫敛定理。此时需改用积分法或Stolz定理。
❌ 误区二：忽略前提条件
不等式必须在“充分大”的范围内成立，而非对所有n成立。只要存在某个N，当n>N时不等式成立即可。偶尔的几项不满足不影响极限结果。
❌ 误区三：滥用振荡项
对于 lim n sin(1/n)，若错误地放缩为 n (-1) ≤ nsin(1/n) ≤ n1，则上下界为 -∞ 和 +∞，无法使用迫敛定理。正确做法是利用 sin x ~ x (x→0) 或等价无穷小替换。
❓ 常见问题解答 (FAQ)
是的，迫敛定理（Squeeze Theorem），又称夹逼定理或三明治定理，是微积分中用于确定极限的重要工具。当直接计算某个函数或数列的极限较为困难时，可以通过寻找其上下界函数或数列，若上下界的极限存在且相等，则中间对象的极限也存在且等于该值。
当遇到以下情况时，迫敛定理非常有效：1. 目标式子包含振荡项（如 sin n, cos n）；2. 目标式子是多个项的和或积，且各项趋于0或无穷；3. 涉及阶乘、根式或复杂组合数，直接计算困难，但通过放缩可以简化。
可以。迫敛定理不仅适用于数列极限和函数极限，还常用于正项级数的比较判别法。如果 0 ≤ an ≤ bn 且 Σbn 收敛，则 Σan 也收敛。这是级数敛散性判断中的核心手段之一。
合适的放缩应满足两个条件：一是上下界函数的极限容易计算；二是上下界函数的极限值相等。如果放缩后上下界极限不相等，说明放缩过头了，需要重新寻找更紧密的界。