贡献者： 欄、停敘
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：
- 求和符号：$\sum$
- 求积符号：$\prod$
- 并集符号：$\bigcup$
- 交集符号：$\bigcap$
- 析取符号：$\bigvee$
- 合取符号：$\bigwedge$
- 上积1符号：$\coprod$
- 积分符号：$\int$
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
- 上确界：$\sup$
- 下确界：$\inf$
- 最大值：$\max$
- 最小值：$\min$
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”。
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。