大型运算符

                     

贡献者: 欄、停敘

  • 本文处于草稿阶段。

   这篇文章会介绍大型运算符,他们往往代表了一个过程。下面会主要介绍他们的过程、记法以及一些常用的性质。

1. 累计运算过程

   累计运算过程一般包括:

记法

无穷情况

   有时会出现,下限位置为 $-\infty$,上限位置为 $+\infty$ 等情况,比如级数等情况。这种情况并非实指去到对应点,而是指取相应极限,且此时的无穷为可数无穷。即:

\begin{equation} \sum_{i=-\infty}^n a_i:= \lim_{a\to-\infty}\sum_{i=a}^n a_i.~ \end{equation}
\begin{equation} \sum_{i=0}^{+\infty} a_i:= \lim_{a\to+\infty}\sum_{i=0}^a a_i.~ \end{equation}

   特殊地:

\begin{equation} \sum_{i=-\infty}^{+\infty} a_i:= \lim_{a\to+\infty\atop b\to-\infty}\sum_{i=b}^a a_i.~ \end{equation}

例 1 设等比级数通项 $a_n=a_1q^{n-1}$,用求和符号表示等比级数和

   $$ \sum_{i=1}^{+\infty} a_i= \left\{\begin{aligned} {a_1\over 1-q},\qquad |q|<1\\ \text{发散},\qquad |q|\geq1 \end{aligned}\right. ~. $$

指标集记法

   上面介绍的求和过程,指标集都是 $\mathbb{Z}$ 与某个区间的交集(这样可以保证自增),对于某些不需要自增或无法使用自增的场合,可以直接给定指标集,求和过程记作:

\begin{equation} \sum_{i\in I} a_i~. \end{equation}
其中,$I$ 为指标集。特别的,若 $I$ 为空集,一般称为 “空和”,并定义为 0,即:
\begin{equation} \sum_{i\in \varnothing} a_i=0~. \end{equation}

   同时,若通过上下文可以明确指标集 $I$ 或只为表述记号的运算特点而不强调指标集时,在不引起歧义的情况下,为了方便可以直接记作:

\begin{equation} \sum_i a_i.~ \end{equation}

   这样使用时通常不会涉及指标的运算。

2. 离散性质

   性质区分为通用性质和专属性质。通用性质是根据累积运算过程得到的,也即是与自然数的性质相关的,而专属性质是由各个运算本身的性质决定的。 由于上积运算不常见,因此下面的性质中暂不涉及上积。

通用性质

   指标换元时,根据换元的关系,分别更换指标的下限、上限,以及求和通项中的指标。设 $k = i+m(m\in{\mathbb Z})$,则:

\begin{equation} \sum_{i=a}^b g(i) = \sum_{k=a+m}^{b+m} g(k-m).~ \end{equation}

表1:通用性质
递归 指标换元 分组
求和符号:$\sum$ $\displaystyle\sum_{i=1}^n a_i=a_n+ \sum_{i=1}^{n-1}a_i$ * *
求积符号:$\prod$ $\displaystyle\prod_{i=1}^n a_i=a_n\times \prod_{i=1}^{n-1}a_i$ * *
并集符号:$\bigcup$ $\displaystyle\bigcup_{i=1}^n A_i=A_n\cup \bigcup_{i=1}^{n-1}A_i$ * *
交集符号:$\bigcap$ $\displaystyle\bigcap_{i=1}^n A_i=A_n\cap \bigcap_{i=1}^{n-1}A_i$ * *
析取符号:$\bigvee$ $\displaystyle\bigvee_{i=1}^n X_i=X_n\vee \bigvee_{i=1}^{n-1}X_i$ * *
合取符号:$\bigwedge$ $\displaystyle\bigwedge_{i=1}^n X_i=X_n\wedge \bigwedge_{i=1}^{n-1}X_i$ * *

3. 求和运算

积分近似

   对于求和项数量非常多的情况,可以利用黎曼和的思想来近似化简,将求和过程转化成定积分

\begin{equation} \sum_{i=a}^b f(i) \approx \int_a^b f(x) \, dx.~ \end{equation}

多个求和符号的运算技巧

   有一些场合会出现一个表达式中出现多个求和符号的情形。一如上面所说,展开仍然是通用的方法,但过于复杂会让人望而却步。下面的运算技巧绝对会让化简过程如虎添翼。

   交换求和次序

   类似于一个表格中,不论是先求行和再求和,还是先求列和再求和,结果都是将所有的数字求一遍。

\begin{equation} \sum_{i,j} a_{ij}=\sum_{i} \sum_{j} a_{ij} = \sum_{j} \sum_{i} a_{ij}.~ \end{equation}
其中 $\sum\limits_{i,j}$ 表示按任意顺序遍历所有 $(i,j)$。

   双重求和

   两个求和符号的积可以展开为它们每一项组合的积的和。

\begin{equation} \left(\sum_i a_i \right) \left(\sum_j b_j \right) = \sum_{i,j} a_i b_j = \sum_i \left(a_i \sum_j b_j \right) = \sum_j \left(b_j \sum_i a_i \right) ~. \end{equation}

   注意:第一个等号从左到右没有条件,但从右到左时需要保证每个变量的独立性,即 $a_i$ 中不包含 $j$,$b_j$ 中不包含 $i$。

例 2 用求和符号计算数列 $\{a_n\}$ 的和的平方

   $$ \left(\sum_i a_i \right) ^2 = \sum_{i,j} a_i a_j = \sum_i a_i^2 + 2\sum_{i< j} a_i a_j~.$$ 注意区分求和指标,第二步如果写成 $\sum\limits_{i,i} a_i a_i$ 将产生混乱。

4. 极限运算过程

   $\lim$

5. 极值运算过程

   上面四个符号均可被 $\arg$ 修饰,表示取得相应边界时的变量取值。

例 3 $\arg$ 修饰 $\max$ 的含义

   $J=\displaystyle\max_{x\in{\mathrm R}} (1-x^2)$ 表示,对任意自然数 $x$,$1-x^2$ 的最大值为 $J$。计算后可知,$J=1$。

   修饰后为 $x^*=\displaystyle\arg\max_{x\in{\mathrm R}} (1-x^2)$,表示取最大值 $J=1$ 时的 $x$ 的变量值,可知 $x^*=0$。


1. ^ 在代数拓扑或范畴论中,通常用来表示某种类型的 “上积” 或 “并”,特别是在集合论或范畴论的背景下。直观上,可以将其视为将多个集合、空间等对象 “拼接” 在一起的操作。集合论中,上积通常表示它们的 “非交并”。

                     

© 小时科技 保留一切权利