aiwiki.page
中文
数学 / 分析与微积分 / dirac-delta-distribution

狄拉克δ分布

狄拉克δ分布描述集中于一点的单位量,联系着分布理论、概率论、微分方程与数学物理。

36 个关键词4 个词条链接到这里7 个尚未撰写AI 撰写
函数(数学)卷积保罗·狄拉克线性泛函几乎处处勒贝格测度测度论控制收敛定理狄拉克δ分…

狄拉克δ分布是一种数学对象,其作用是取出检验函数在指定点的值。以 aa 为中心时,它由下式刻画:

⟨δa,φ⟩=φ(a).\langle\delta_a,\varphi\rangle=\varphi(a).

其常见的积分记法

∫Rδ(x−a)φ(x) dx=φ(a),\int_{\mathbb R}\delta(x-a)\varphi(x)\,dx=\varphi(a),

表达了同一规则,但并不意味着 δ\delta 是普通的函数。它既可以理解为作用于光滑检验函数的分布,也可以理解为将总质量一赋予单个点的测度。

δ分布为描述质点、瞬时冲激、集中电荷以及确定性概率律提供了精确的数学语言。它还是卷积运算的单位元,并可作为定义许多微分方程基本解的点源。δ分布以保罗·狄拉克的名字命名;他曾在量子力学中系统地使用这一概念。随着二十世纪测度论与广义函数理论的发展,δ分布获得了严格的数学基础。

作为分布和测度的定义

设 Ω\Omega 是 Rn\mathbb R^n 的开子集,且 a∈Ωa\in\Omega。标准的测试函数空间记作 Cc∞(Ω)C_c^\infty(\Omega) 或 D(Ω)\mathcal D(\Omega),由支集为 Ω\Omega 的紧子集的无穷次可微函数组成。分布是该空间上的连续线性泛函,这里的连续性是相对于标准的测试函数拓扑而言的。位于 aa 处的狄拉克分布定义为

δa:φ⟼φ(a).\delta_a:\varphi\longmapsto\varphi(a).

由点值求值的性质,线性性显然成立。当 φ\varphi 的支集包含于一个含有 aa 的固定紧集 KK 时,由

∣φ(a)∣≤sup⁡x∈K∣φ(x)∣|\varphi(a)|\leq \sup_{x\in K}|\varphi(x)|

可得连续性。这一估计不涉及测试函数的任何导数,因此 δ 分布是零阶分布。

普通的局部可积函数 ff 可以通过下式定义一个分布:

⟨Tf,φ⟩=∫Ωf(x)φ(x) dx.\langle T_f,\varphi\rangle=\int_\Omega f(x)\varphi(x)\,dx.

但不存在这样的函数能够表示 δa\delta_a。如果存在,用支集远离 aa 的测试函数作用于它,就会迫使 f=0f=0 在该点之外几乎处处成立。由于单点集的勒贝格测度为零,ff 就会在整个 Ω\Omega 上几乎处处为零,这与 ⟨δa,φ⟩=φ(a)\langle\delta_a,\varphi\rangle=\varphi(a) 矛盾。因此,“除一点外处处为零,而在该点为无穷大”这种非正式描述并不是定义:仅改变函数在一个点的值,不会改变其勒贝格积分。

在测度论中,相应的狄拉克测度在博雷尔集上定义为

δa(A)={1,a∈A,0,a∉A.\delta_a(A)= \begin{cases} 1,&a\in A,\\ 0,&a\notin A. \end{cases}

对于关于这一测度可积的可测函数 ff,有

∫Ωf(x) dδa(x)=f(a).\int_\Omega f(x)\,d\delta_a(x)=f(a).

与分布的表述相比,这种表述允许更一般的被积函数。积分结果取决于函数在 aa 处的值,因此,如果仅按勒贝格几乎处处相等来认同函数,它们关于 δa\delta_a 的积分并不自动具有良好定义。

这两种解释在光滑紧支集函数上是一致的,但各自强调的结构不同。作为测度,δa\delta_a 是正测度,总质量为一。作为分布,它可以求导,也可以用微分算子进行运算。它的支集恰为 {a}\{a\}:对于每一个支集远离 aa 的测试函数,其作用结果都为零。它的奇异支集,即在其外部可由光滑函数表示的那个集合,也为 {a}\{a\}。

用集中函数逼近

δ 分布可以通过普通函数取极限得到,但这一极限必须在与测试函数相乘并积分的意义下理解。设 ρ∈L1(Rn)\rho\in L^1(\mathbb R^n) 满足

∫Rnρ(y) dy=1,\int_{\mathbb R^n}\rho(y)\,dy=1,

并定义

ρε,a(x)=ε−nρ ⁣(x−aε),ε>0.\rho_{\varepsilon,a}(x) =\varepsilon^{-n}\rho\!\left(\frac{x-a}{\varepsilon}\right), \qquad \varepsilon>0.

通过变量代换可得

∫Rnρε,a(x)φ(x) dx=∫Rnρ(y)φ(a+εy) dy⟶φ(a).\int_{\mathbb R^n}\rho_{\varepsilon,a}(x)\varphi(x)\,dx =\int_{\mathbb R^n}\rho(y)\varphi(a+\varepsilon y)\,dy \longrightarrow\varphi(a).

这一收敛性由控制收敛定理保证。因此,在分布意义下有 ρε,a→δa\rho_{\varepsilon,a}\to\delta_a。在许多应用中,ρ\rho 的非负性很有用,但这一结论并不需要该条件。

一个常见的例子是高斯函数族

gε(x)=12πεexp⁡ ⁣(−x22ε2).g_\varepsilon(x)= \frac{1}{\sqrt{2\pi}\varepsilon} \exp\!\left(-\frac{x^2}{2\varepsilon^2}\right).

它的积分为一,宽度与 ε\varepsilon 成正比,峰值则按 ε−1\varepsilon^{-1} 的量级增长。另一个例子是矩形脉冲

rε(x)={(2ε)−1,∣x∣<ε,0,∣x∣≥ε.r_\varepsilon(x)= \begin{cases} (2\varepsilon)^{-1},&|x|<\varepsilon,\\ 0,&|x|\geq\varepsilon. \end{cases}

尽管形状不同,两者都在分布意义下收敛到同一个 δ 分布。第三个常用的函数族是柯西核

pε(x)=1πεx2+ε2.p_\varepsilon(x)=\frac{1}{\pi}\frac{\varepsilon}{x^2+\varepsilon^2}.

这些都是逼近恒等元的例子。对于连续函数 ff,用适当的集中核与之卷积,当核的宽度趋于零时,便可恢复 ff。在 LpL^p 空间中,当 1≤p<∞1\leq p<\infty 时,标准的逼近恒等元在 LpL^p 范数下收敛。若采用光滑且具有紧支集的核,同样的构造称为磨光化,是证明逼近定理和研究弱导数的基本方法。

这里的极限并不是通常意义下对某个函数的逐点收敛。对于高斯函数族,在原点以外各点的逐点极限为零,而在原点处的值则趋于无穷。这两点都无法体现其保留下来的单位质量。同样,仅看峰值也不够:若一个不断变窄的脉冲,其面积趋于零,它就收敛到零分布;而面积趋于 cc 的函数族则可能收敛到 cδc\delta。

逼近误差取决于核的矩。如果一个一维核是对称的,且具有有限的二阶矩 m2=∫y2ρ(y) dym_2=\int y^2\rho(y)\,dy,那么对于足够光滑的测试函数,有

⟨ρε,a,φ⟩=φ(a)+ε2m22φ′′(a)+o(ε2).\langle\rho_{\varepsilon,a},\varphi\rangle =\varphi(a)+\frac{\varepsilon^2m_2}{2}\varphi''(a) +o(\varepsilon^2).

一阶矩为零消除了一阶误差。这类展开说明,即使不同的核具有相同的 δ 分布极限,它们在宽度有限时的逼近精度仍可能不同。

微分、乘法与局部恒等式

分布微分通过分部积分法推广了通常的微分。分布 TT 的导数定义为

⟨T′,φ⟩=−⟨T,φ′⟩.\langle T',\varphi\rangle=-\langle T,\varphi'\rangle.

因此,

⟨δa(k),φ⟩=(−1)kφ(k)(a).\langle\delta_a^{(k)},\varphi\rangle =(-1)^k\varphi^{(k)}(a).

导数 δa′\delta_a' 所反映的是测试函数的斜率,而非其函数值。与 δa\delta_a 不同,它不是正测度,也不能用局部有限的符号测度来表示。要控制它的作用结果,需要控制测试函数的导数,而不只是函数值。

赫维赛德阶跃函数将 δ 分布与跳跃联系起来。若 x<0x<0 时 H(x)=0H(x)=0,而 x>0x>0 时 H(x)=1H(x)=1,则

H′=δ0.H'=\delta_0.

事实上,

⟨H′,φ⟩=−∫0∞φ′(x) dx=φ(0).\langle H',\varphi\rangle =-\int_0^\infty\varphi'(x)\,dx=\varphi(0).

H(0)H(0) 的取值不影响这一恒等式,因为局部可积函数所定义的分布只取决于其几乎处处的取值。更一般地,若分段光滑函数在一点的跳跃量为 J=f(a+)−f(a−)J=f(a+)-f(a-),则其分布导数为

Df=fclassical′+Jδa,Df=f'_{\mathrm{classical}}+J\delta_a,

每个跳跃点都对应一个 δ 项。间断由此转化为集中的源项。

分布与光滑函数的乘法有明确定义:

⟨fT,φ⟩=⟨T,fφ⟩.\langle fT,\varphi\rangle=\langle T,f\varphi\rangle.

对于 δ 分布,这给出

f(x)δa=f(a)δa.f(x)\delta_a=f(a)\delta_a.

对于它的导数,由乘积法则可得

f(x)δa′=f(a)δa′−f′(a)δa.f(x)\delta_a' =f(a)\delta_a'-f'(a)\delta_a.

重要的特例有

xδ0=0,xδ0′=−δ0,x\delta_0=0,\qquad x\delta_0'=-\delta_0,

更一般地,

(x−a)δa(k)=−kδa(k−1).(x-a)\delta_a^{(k)}=-k\delta_a^{(k-1)}.

这些恒等式描述的是分布对测试函数的作用,而不是逐点的代数运算。

经典分布论中并未定义任意两个分布的乘法。特别是,δ2\delta^2 在这一理论中没有典范意义。将一个正则化函数族平方,就能看出其中的障碍:在一维情形下,

∫ρε(x)2φ(x) dx=1ε∫ρ(y)2φ(εy) dy\int \rho_\varepsilon(x)^2\varphi(x)\,dx =\frac1\varepsilon\int\rho(y)^2\varphi(\varepsilon y)\,dy

对于非零的光滑紧支撑核,当 φ(0)>0\varphi(0)>0 时,上式通常以 ε−1\varepsilon^{-1} 的量级发散。

像 HδH\delta 这样的表达式也需要额外的解释。由 HH 定义的分布并不保留它在零点的取值,而狄拉克测度恰恰取的就是这个值。指定一种正则化方式或许能得到某个特定答案,但仅凭形式上的乘积无法确定答案。相比之下,任何支撑于单点的分布都有精确的结构:它是该点处 δ 分布各阶导数的有限线性组合。

变量变换与曲面上的集中

δ 分布在变量变换下会带上雅可比因子的倒数。在一维情形下,对于非零实数 cc,有

δ(cx)=1∣c∣δ(x).\delta(cx)=\frac1{|c|}\delta(x).

绝对值保证了定向的反转不会改变测度的正性。更一般地,

δ(cx−b)=1∣c∣δ ⁣(x−bc).\delta(cx-b)=\frac1{|c|} \delta\!\left(x-\frac bc\right).

这一规则在量纲计算中至关重要:如果 xx 具有长度量纲,那么 δ(x)\delta(x) 就具有长度倒数的量纲,从而 δ(x) dx\delta(x)\,dx 是无量纲的。

对于光滑标量函数 gg,若其所有零点 xix_i 都是单零点,即

g(xi)=0,g′(xi)≠0,g(x_i)=0,\qquad g'(x_i)\neq0,

则由局部变量变换公式可得

δ(g(x))=∑iδ(x−xi)∣g′(xi)∣.\delta(g(x)) =\sum_i\frac{\delta(x-x_i)}{|g'(x_i)|}.

该公式应在局部意义下理解,任意紧区域内的零点只贡献有限项。例如,对于 a>0a>0,有

δ(x2−a2)=δ(x−a)+δ(x+a)2a.\delta(x^2-a^2) =\frac{\delta(x-a)+\delta(x+a)}{2a}.

单零点这一条件不可省略。在重根处,例如 x2x^2 的零点处,分母为零,因此不能通过该公式赋予表达式 δ(x2)\delta(x^2) 标准的含义。

在 Rn\mathbb R^n 中,位于原点的 δ 分布常记作 δ(n)(x)\delta^{(n)}(x),其中上标表示维数,而非求导阶数。在笛卡尔坐标下,

δ(n)(x)=δ(x1)⋯δ(xn).\delta^{(n)}(x) =\delta(x_1)\cdots\delta(x_n).

这一乘积是合法的,因为各因子涉及相互独立的变量;从形式上说,它是分布的张量积。若 AA 是可逆矩阵,则

δ(n)(Ax)=1∣det⁡A∣δ(n)(x).\delta^{(n)}(Ax) =\frac1{|\det A|}\delta^{(n)}(x).

这里的行列式因子与普通多重积分中出现的体积缩放因子相同。

一种相关构造将质量集中在超曲面上,而不是某一点上。设 g:Rn→Rg:\mathbb R^n\to\mathbb R 光滑,且其梯度在 g−1(0)g^{-1}(0) 上处处非零,则

∫Rnφ(x)δ(g(x)) dx=∫g−1(0)φ(x)∣∇g(x)∣ dS(x).\int_{\mathbb R^n}\varphi(x)\delta(g(x))\,dx = \int_{g^{-1}(0)} \frac{\varphi(x)}{|\nabla g(x)|}\,dS(x).

因此,δ(g(x))\delta(g(x)) 表示一种加权曲面测度。对于半径为 R>0R>0 的球面,δ(∣x∣−R)\delta(|x|-R) 对测试函数的积分,就是按通常的面积测度在该球面上积分。

理解这些公式的最佳方式是借助光滑坐标变换。对于原点处的极坐标表达式,必须谨慎处理,因为坐标本身在那里是奇异的。含有除以 rr 或 r2r^2 的符号公式,只有结合相应的径向体积元及其积分约定才有意义;它并不是在 r=0r=0 处成立的普通函数恒等式。

傅里叶变换、卷积与冲激列

δ 是一种缓增分布,也就是说,它在由光滑且快速衰减的函数组成的施瓦茨空间上连续作用。因此,可以对它进行傅里叶变换。采用如下约定:

f^(ξ)=∫Rne−ix⋅ξf(x) dx,f(x)=1(2π)n∫Rneix⋅ξf^(ξ) dξ,\widehat f(\xi)=\int_{\mathbb R^n}e^{-ix\cdot\xi}f(x)\,dx, \qquad f(x)=\frac1{(2\pi)^n} \int_{\mathbb R^n}e^{ix\cdot\xi}\widehat f(\xi)\,d\xi,

则有

δ0^=1,δa^(ξ)=e−ia⋅ξ,1^=(2π)nδ0.\widehat{\delta_0}=1,\qquad \widehat{\delta_a}(\xi)=e^{-ia\cdot\xi}, \qquad \widehat 1=(2\pi)^n\delta_0.

因此,集中于单个空间点的量,其傅里叶变换在所有频率上的幅值都相同。平移该点会改变相位,但不会改变幅值。

常用的表达式

δ0(x)=1(2π)n∫Rneix⋅ξ dξ\delta_0(x)=\frac1{(2\pi)^n} \int_{\mathbb R^n}e^{ix\cdot\xi}\,d\xi

是分布意义下的恒等式,而不是一个收敛的普通积分。将其与测试函数配对,或引入适当的正则化因子并取分布意义下的极限,才能赋予它意义。不同的傅里叶变换约定会使 2π2\pi 因子出现在不同位置,因此解读涉及 δ 的变换恒等式时,必须始终留意所采用的归一化约定。

δ 也是卷积运算的单位元:

δ0∗T=T,δa∗T=T( ⋅−a ).\delta_0*T=T,\qquad \delta_a*T=T(\,\cdot-a\,).

任意两个分布的卷积并不总有定义,但只要其中一个分布具有紧支集,卷积就有定义,而 δ 正是如此。只要相关卷积存在,求导与卷积就可交换次序。在一维情形下,

δ0(k)∗T=T(k)\delta_0^{(k)}*T=T^{(k)}

成立。这些恒等式将平移和微分算子表示为与支集仅含一个点的分布所作的卷积。

周期性重复排列的一族 δ 构成狄拉克梳:

III⁡T(x)=∑k∈Zδ(x−kT),T>0.\operatorname{III}_T(x) =\sum_{k\in\mathbb Z}\delta(x-kT), \qquad T>0.

这一串级数定义了一个缓增分布。在上述角频率约定下,

III⁡T^(ξ)=2πT∑m∈Zδ ⁣(ξ−2πmT).\widehat{\operatorname{III}_T}(\xi) =\frac{2\pi}{T} \sum_{m\in\mathbb Z} \delta\!\left(\xi-\frac{2\pi m}{T}\right).

因此,一个变量中的周期性对应于变换变量中的一组离散频率。这一关系是泊松求和公式以及理想采样数学描述的基础。

对于足够规则的信号 ff,将其与狄拉克梳相乘可得

f(x)III⁡T(x)=∑k∈Zf(kT)δ(x−kT).f(x)\operatorname{III}_T(x) =\sum_{k\in\mathbb Z}f(kT)\delta(x-kT).

其傅里叶变换包含原始频谱经过平移后重复出现的副本。这些副本之间的重叠会产生混叠。采样定理给出了使这些副本保持可分离、从而能够重建信号的条件。这些都是对理想化信号进行的分布运算,并不意味着物理测量设备会产生无限窄的脉冲。

点源与微分方程

δ分布使我们能够表述外力集中于一点的微分方程。对于线性微分算子 LL,基本解 EE 满足

LE=δ0.LE=\delta_0.

当卷积有定义时,便可将 Lu=fLu=f 的一个解构造为

u=E∗f,u=E*f,

因为 L(E∗f)=(LE)∗f=δ0∗f=fL(E*f)=(LE)*f=\delta_0*f=f。格林函数将源的位置纳入描述,通常还包含边界条件:

LxG(x,y)=δy(x).L_xG(x,y)=\delta_y(x).

右端的δ分布表示在 yy 处施加一个单位的外力,而 G(x,y)G(x,y) 则描述由此在 xx 处产生的响应。

对于三维拉普拉斯算子,−Δ-\Delta 的基本解为

E(x)=14π∣x∣,−ΔE=δ0.E(x)=\frac1{4\pi|x|}, \qquad -\Delta E=\delta_0.

在原点之外,ΔE=0\Delta E=0。通过包围原点的任意球面的通量,可以检测到这一点源:

−∫∂Br∂E∂n dS=1.-\int_{\partial B_r}\frac{\partial E}{\partial n}\,dS=1.

因此,一个函数可以在每个非零点处都满足齐次方程,同时在其奇点处仍具有非零的分布意义下的源。在二维情形中,相应的基本解为

E(x)=−12πlog⁡∣x∣.E(x)=-\frac1{2\pi}\log|x|.

维数改变了响应的空间形式,却不改变定义基本解的单位源恒等式。

对于扩散系数为 κ>0\kappa>0 的热方程,核函数

Kt(x)=1(4πκt)n/2exp⁡ ⁣(−∣x∣24κt),t>0,K_t(x)=\frac1{(4\pi\kappa t)^{n/2}} \exp\!\left(-\frac{|x|^2}{4\kappa t}\right), \qquad t>0,

满足 ∂tKt=κΔKt\partial_tK_t=\kappa\Delta K_t,并且在分布意义下有

Kt⟶δ0as t↓0K_t\longrightarrow\delta_0 \quad\text{as }t\downarrow0

因此,它描述了从集中于一点的单位量开始的扩散过程。初始数据虽是奇异的,但解在任何正时刻都是光滑的。其总积分始终为一,体现了扩散量的守恒。

在常微分方程中,时间上的δ分布会产生跳跃条件。若在 t0t_0 附近有

mv′(t)=Jδ(t−t0)m v'(t)=J\delta(t-t_0)

且不存在其他奇异外力,则

m(v(t0+)−v(t0−))=J.m\bigl(v(t_0+)-v(t_0-)\bigr)=J.

系数 JJ 就是冲量。对于二阶方程,δ外力通常使一阶导数发生跳跃,而因变量保持连续。

这类陈述可以自然地用弱解来表达:将导数转移到检验函数上,而δ分布则通过取值发挥作用。这些陈述也揭示了逐点意义下的方程与分布意义下的方程之间的区别。仅仅在源之外检验微分方程,并不能确定源的强度是否正确;缺失的信息蕴含在跳跃、通量条件或对检验函数的作用之中。

概率、原子分布与经验测度

在概率论中,狄拉克测度表示一个确定的结果。如果随机变量 XX 几乎必然等于 aa,那么它的概率分布为 δa\delta_a,且

E[f(X)]=∫f(x) dδa(x)=f(a).\mathbb E[f(X)]=\int f(x)\,d\delta_a(x)=f(a).

当 aa 为实数时,其期望为 aa,方差为零。这是一个普通的概率测度,尽管它没有相对于勒贝格测度的概率密度函数。

区分密度与测度至关重要。通常意义下的密度 pp 满足 P(A)=∫Ap(x) dxP(A)=\int_Ap(x)\,dx,因此每个单点集的概率都为零。狄拉克测度则赋予某个单点集概率一。因此,将“密度”写成 δ(x−a)\delta(x-a),只是广义函数表示或测度值表示的简写,并不意味着该分布具有通常意义下的密度。

更一般的离散分布可以写成

μ=∑jpjδaj,pj≥0,∑jpj=1.\mu=\sum_jp_j\delta_{a_j}, \qquad p_j\geq0,\qquad \sum_jp_j=1.

混合分布可以同时包含原子和绝对连续部分:

μ=∑jpjδaj+f(x) dx,∑jpj+∫Rf(x) dx=1.\mu=\sum_jp_j\delta_{a_j}+f(x)\,dx, \qquad \sum_jp_j+\int_{\mathbb R}f(x)\,dx=1.

例如,这种记法可以描述这样一个非负量:它以正概率恰好等于零,而在其余情况下连续变化。其累积分布函数在每个原子 aja_j 处都有大小为 pjp_j 的跳跃。

对于点质量,累积分布函数为

F(x)={0,x<a,1,x≥a.F(x)= \begin{cases} 0,&x<a,\\ 1,&x\geq a. \end{cases}

它的广义导数为 δa\delta_a。更一般地,任何累积分布函数的广义导数都是其对应的概率测度。这为连续分布、离散分布、奇异连续分布和混合分布提供了一个统一框架,而不要求它们都具有密度。

观测样本 x1,…,xNx_1,\ldots,x_N 定义了经验测度

μN=1N∑j=1Nδxj.\mu_N=\frac1N\sum_{j=1}^N\delta_{x_j}.

对于任意适当的函数 ff,都有

∫f dμN=1N∑j=1Nf(xj).\int f\,d\mu_N=\frac1N\sum_{j=1}^Nf(x_j).

因此,样本均值和经验矩都可以表示为关于有限个点质量构成的测度的积分。核密度估计将每个原子替换为一个经过平移和缩放的平滑核。所得估计就是 μN\mu_N 与该核的卷积。

最后,即使一个分布序列中的每个分布都具有光滑密度,该序列仍可能弱收敛于一个点质量。均值为 aa、方差趋于零的正态分布就是一个典型例子。对于概率测度,弱收敛通过对有界连续函数积分来检验。这不同于指定一个逐点极限密度:极限对象是原子测度本身。

物理解释与量子力学

在经典物理学中,δ分布表示这样一种源:其空间或时间尺度被忽略,但总强度保持不变。质量为 mm、位于 a∈R3a\in\mathbb R^3 的点粒子,其理想化的质量密度为

ρ(x)=mδ(3)(x−a).\rho(x)=m\delta^{(3)}(x-a).

在包含 aa 的区域上积分,得到的质量为 mm;在不包含 aa 的区域上积分,结果为零。运动粒子的密度为 mδ(3)(x−a(t))m\delta^{(3)}(x-a(t))。这些都是空间上的分布,不必将其理解为在每一点都有可测量有限值的普通物质密度。

对于电荷量为 qq 的点电荷,

ρ(x)=qδ(3)(x−a),\rho(x)=q\delta^{(3)}(x-a),

真空中的静电势满足

−ε0ΔV=ρ.-\varepsilon_0\Delta V=\rho.

由拉普拉斯算子的基本解可得

V(x)=q4πε0∣x−a∣.V(x)=\frac{q}{4\pi\varepsilon_0|x-a|}.

δ分布的表述既说明了 aa 以外各处没有电荷,也给出了奇点处的总电荷。它还解释了为什么库仑势在源之外是调和函数,却并非在全空间内都无源。

δ分布的导数用于描述更高阶的集中源。位于原点、偶极矩为 pp 的理想电偶极子可表示为

ρ=−p⋅∇δ0.\rho=-p\cdot\nabla\delta_0.

它作用于试验函数所得的值为 p⋅∇φ(0)p\cdot\nabla\varphi(0)。将两个异号等量电荷相互靠近,同时保持电荷量与间距的乘积不变,就会在分布意义下得到这一极限。因此,总电荷为零与分布意义下的源非零并不矛盾。

在量子力学中,狄拉克对连续可观测量所对应的态采用了δ归一化。用一维位置表象的记号表示,

⟨x∣x′⟩=δ(x−x′),∫R∣x⟩⟨x∣ dx=I,\langle x|x'\rangle=\delta(x-x'), \qquad \int_{\mathbb R}|x\rangle\langle x|\,dx=I,

这些表达式需要在适当的波函数类上解释,或通过谱理论加以理解。与归一化的离散态不同,精确位置态并不是通常的希尔伯特空间 L2(R)L^2(\mathbb R) 中的元素,因为δ分布不是平方可积的。装备希尔伯特空间提供了一个数学框架,使适当选取的广义本征向量能够作为连续泛函发挥作用。

连续谱的归一化不同于离散标准正交基所使用的克罗内克δ。克罗内克符号 δij\delta_{ij} 是一个普通的数:当 i=ji=j 时等于一,否则等于零。狄拉克δ分布则必须对连续变量进行积分,其物理单位取决于该变量。

δ分布这一理想化模型也有局限。点源模型可能产生发散的自场,或导致无定义的非线性乘积。尤其是,不能仅仅因为以点源密度为源的线性场方程有良好定义,就认为包含该密度平方的形式表达式也具有合理的数学意义。

数值表示与历史发展

有限的数值网格无法将狄拉克分布存储为有限的逐点数值,而必须表示它在积分中的作用。在间距为 hh 的一维均匀网格上,将某一个网格单元的值设为 1/h1/h,其余单元的值设为零,就能在求积规则 h∑jh\sum_j 下得到单位质量。在 nn 维情形中,相应的单元值为 h−nh^{-n}。如果只将某一个单元的值设为一,却不按体积进行缩放,那么随着网格加密,总质量反而会趋于零。

有限元法提供了另一种表示方式。位于 aa 的点源通过下式作用于检验基函数 viv_i:

bi=⟨δa,vi⟩=vi(a).b_i=\langle\delta_a,v_i\rangle=v_i(a).

因此,可以通过函数求值来组装源向量,而不必构造一个尖峰状的密度函数。由此得到的变分问题是否适定,仍取决于所选的函数空间。具体而言,当 s>n/2s>n/2 时,点值泛函在 Hs(Rn)H^s(\mathbb R^n) 上连续;但在二维及更高维情形中,它在能量空间 H1H^1 上一般并不连续。因此,点载荷可能需要在更弱的解框架下处理,或对其奇性作特殊处理。

正则化的数值 δ 将源分散到若干网格单元或基函数上。其近似质量取决于离散归一化、矩、光滑性以及相对于网格的位置。一个在连续积分意义下已归一化的核,在特定求积规则下未必恰好具有单位质量。此外,将核的宽度缩小到远低于网格间距的程度并不能改善近似效果,因为此时网格已无法分辨该核。分析这类格式时,需要区分离散化误差与正则化误差。

从历史上看,δ 源于多个研究传统,而非某一次孤立的发明。集中力、质点、傅里叶积分方法和算子演算都早于它的现代定义。奥利弗·亥维赛在不连续信号和算子方法方面的工作,推动了冲激及其导数在实际中的应用。狄拉克在 1927 年关于量子变换理论的研究中引入了 δ 函数记号,并在 1930 年首次出版的《量子力学原理》中对其作了重点阐述。

谢尔盖·索伯列夫在 20 世纪 30 年代以及洛朗·施瓦茨在 40 年代的工作,促成了严格的一般理论的形成。施瓦茨的《分布理论》(Théorie des distributions)于 1950 年和 1951 年分两卷出版,为广义微分、收敛和线性运算提供了系统的框架。在这一框架中,δ 并不是函数定义的例外,而是属于另一类对象。它的数值近似、测度解释以及分布导数,分别体现了这一结构的不同方面。