{
  "id": "kronecker-delta",
  "title": "克罗内克δ",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "克罗内克δ是一个具有两个指标的函数，两指标相等时取值为一，否则取值为零。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "克罗内克符号",
    "克罗内克δ函数",
    "克罗内克德尔塔"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/kronecker-delta/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/kronecker-delta/",
      "json": "https://aiwiki.page/en/kronecker-delta.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "克罗内克δ是一个具有两个指标的函数，通常记作 \\(\\delta_{ij}\\)：两指标相等时取值为 \\(1\\)，否则取值为 \\(0\\)：\n\n\\[\\delta_{ij}= \\begin{cases} 1,&i=j,\\\\ 0,&i\\ne j. \\end{cases}\\]\n\n它以数学家利奥波德·克罗内克的名字命名，为线性代数、张量记号、离散数学和概率论中的相等条件提供了一种简洁的表达方式。它的核心性质是：将带指标的量与它相乘后求和，可以选出其中某个指定指标对应的量。"
    },
    {
      "heading": "定义与解释",
      "text": "指标 \\(i\\) 和 \\(j\\) 通常在 \\(1,\\ldots,n\\) 这样的整数范围内取值，但也可以属于任意一个共同的指标集。例如，\n\n\\[\\delta_{23}=0,\\qquad \\delta_{44}=1.\\]\n\n下标 \\(ij\\) 表示两个独立的指标，而不是它们的乘积。\n\n克罗内克δ是相等关系的示性函数。对于指标集 \\(S\\)，它表示一个有序对是否属于笛卡尔积 \\(S\\times S\\) 的对角子集\n\n\\[\\Delta_S=\\{(s,s):s\\in S\\}\\]\n\n。\n\n一种相关的单指标记法是\n\n\\[\\delta_k= \\begin{cases} 1,&k=0,\\\\ 0,&k\\ne0. \\end{cases}\\]\n\n对于整数指标，由此有 \\(\\delta_{ij}=\\delta_{i-j}\\)。双指标与单指标这两种约定根据上下文加以区分。"
    },
    {
      "heading": "基本恒等式与筛选性质",
      "text": "克罗内克δ具有对称性：\n\n\\[\\delta_{ij}=\\delta_{ji}.\\]\n\n它的取值在自乘后保持不变：\n\n\\[(\\delta_{ij})^2=\\delta_{ij},\\]\n\n这里不进行求和。\n\n它最重要的恒等式体现了筛选性质。若 \\(j\\in S\\)，则\n\n\\[\\sum_{i\\in S}\\delta_{ij}a_i=a_j.\\]\n\n除了 \\(i=j\\) 的那一项，其余各项均为零。更一般地，若求和范围限制在子集 \\(A\\subseteq S\\) 内，则\n\n\\[\\sum_{i\\in A}\\delta_{ij}a_i= \\begin{cases} a_j,&j\\in A,\\\\ 0,&j\\notin A. \\end{cases}\\]\n\n即使离散指标集是无限集，这个特定的和也至多只有一个非零项。\n\n对于取值范围为 \\(1\\) 到 \\(n\\) 的指标，\n\n\\[\\sum_{k=1}^{n}\\delta_{ik}\\delta_{kj}=\\delta_{ij}, \\qquad \\sum_{i=1}^{n}\\delta_{ii}=n.\\]\n\n第一个恒等式表示按相等条件进行筛选的操作的复合；第二个恒等式则给出指标取值的个数。相比之下，若 \\(i\\) 固定且不进行求和，单个元素 \\(\\delta_{ii}\\) 的值为 \\(1\\)。"
    },
    {
      "heading": "矩阵、基与线性映射",
      "text": "\\(n\\times n\\) 单位矩阵的元素正是克罗内克δ：\n\n\\[(I_n)_{ij}=\\delta_{ij}.\\]\n\n例如，\n\n\\[I_3= \\begin{pmatrix} 1&0&0\\\\ 0&1&0\\\\ 0&0&1 \\end{pmatrix}.\\]\n\n因此，筛选恒等式就是 \\(I_na=a\\) 的分量形式。同样，矩阵乘法恒等式\n\n\\[\\sum_k\\delta_{ik}A_{kj}=A_{ij}, \\qquad \\sum_k A_{ik}\\delta_{kj}=A_{ij}\\]\n\n表达的就是 \\(I_nA=AI_n=A\\)。\n\n对于内积空间的一组标准正交基 \\(\\{e_i\\}\\)，\n\n\\[\\langle e_i,e_j\\rangle=\\delta_{ij}.\\]\n\n这里，对角线上的取值表示归一性，非对角线位置的零则表示正交性。\n\n另一个相关恒等式不需要内积。若 \\(\\{e_j\\}\\) 是有限维向量空间的一组基，\\(\\{e^i\\}\\) 是其对偶基，则\n\n\\[e^i(e_j)=\\delta^i{}_j.\\]\n\n指标分别置于上、下位置，用以区分向量基与它的对偶基。"
    },
    {
      "heading": "张量记号与指标位置",
      "text": "在张量记号中，\\(\\delta^i{}_j\\) 表示恒等线性映射的分量。这些分量在每一组基下都有相同的数值，因为基变换会将单位矩阵变为它自身：\n\n\\[P^{-1}IP=I.\\]\n\n按照爱因斯坦求和约定，一个指标若在上、下位置各出现一次，就对它求和：\n\n\\[\\delta^i{}_jv^j=v^i, \\qquad \\delta^i{}_i=n.\\]\n\n因此，克罗内克δ将一个求和指标替换为自由指标。若尚未明确指标约定，最好显式写出求和符号。\n\n在几何学中，区分 \\(\\delta^i{}_j\\) 与 \\(\\delta_{ij}\\) 很重要。在欧几里得空间的标准正交基下，度量张量的分量为 \\(g_{ij}=\\delta_{ij}\\)。在一般的基或坐标系下，这一关系未必成立。将恒等张量的上指标降下来，得到\n\n\\[g_{ik}\\delta^k{}_j=g_{ij},\\]\n\n其结果未必是一个仅由零和一组成的数组。因此，恒等映射与度量是不同的对象，即使在特殊坐标下，它们的分量数组恰好相同。"
    },
    {
      "heading": "离散概率与协方差",
      "text": "对于离散随机变量 \\(X\\)，\n\n\\[\\mathbb{E}[\\delta_{Xj}]=\\Pr(X=j).\\]\n\n这是因为 \\(\\delta_{Xj}\\) 是事件 \\(X=j\\) 的示性函数。更一般地，一个必然等于 \\(j\\) 的变量，其概率质量函数可写为\n\n\\[p(i)=\\delta_{ij}.\\]\n\n克罗内克δ也可用于表示对角协方差结构。若一族变量具有相同的方差 \\(\\sigma^2\\)，且不同成员之间的协方差为零，则有\n\n\\[\\operatorname{Cov}(X_i,X_j)=\\sigma^2\\delta_{ij}.\\]\n\n这指定了各变量的方差及两两之间的协方差；但仅凭这一点，并不能推出统计独立性。"
    },
    {
      "heading": "离散傅里叶表示",
      "text": "对于整数指标，一个有限指数和可以用来判定模意义下的相等关系：\n\n\\[\\frac{1}{N}\\sum_{k=0}^{N-1} e^{2\\pi\\mathrm{i}k(m-n)/N} = \\begin{cases} 1,&m\\equiv n\\pmod N,\\\\ 0,&m\\not\\equiv n\\pmod N, \\end{cases}\\]\n\n其中 \\(N\\) 为正整数，且 \\(\\mathrm{i}^2=-1\\)。若 \\(m,n\\in\\{0,\\ldots,N-1\\}\\)，则右侧为 \\(\\delta_{mn}\\)。\n\n这个恒等式表达了离散傅里叶变换所用指数模态的正交性。它的模运算形式反映了有限离散变换中指标的周期性。"
    },
    {
      "heading": "广义克罗内克δ",
      "text": "克罗内克δ的高阶形式称为广义克罗内克δ，由一个行列式定义：\n\n\\[\\delta^{i_1\\cdots i_p}_{j_1\\cdots j_p} = \\det\\!\\left[\\delta^{i_a}{}_{j_b}\\right]_{a,b=1}^{p}.\\]\n\n当 \\(p=2\\) 时，\n\n\\[\\delta^{ij}_{kl} = \\delta^i{}_k\\delta^j{}_l-\\delta^i{}_l\\delta^j{}_k.\\]\n\n它分别对上指标组和下指标组具有反对称性，因此，只要任意一组中出现重复指标，其值就为零。它表示两组指标之间带符号的匹配，常见于反对称化运算和微分形式中。采用归一化反对称化的定义可能与此相差一个 \\(p!\\) 因子。"
    },
    {
      "heading": "与狄拉克δ的区别",
      "text": "克罗内克δ不应与狄拉克δ分布混淆。克罗内克δ是与离散求和相关的普通函数。狄拉克δ则是一种分布，或在适当情形下等价地视为点质量测度，其特征是具有积分筛选性质：\n\n\\[\\int f(x)\\,\\delta(x-a)\\,dx=f(a).\\]\n\n相应的离散恒等式为\n\n\\[\\sum_i f(i)\\delta_{ia}=f(a).\\]\n\n这种类比很有用，但两者不能互换。当用间距为 \\(h\\) 的均匀网格来近似连续积分时，与某个网格点处的狄拉克点质量相对应的离散表达式，其取值为 \\(\\delta_{ij}/h\\)，从而有\n\n\\[h\\sum_i f(x_i)\\frac{\\delta_{ij}}{h}=f(x_j).\\]\n\n因子 \\(1/h\\) 用来补偿积分权重；单独的克罗内克δ是在计数测度下具有单位质量，而不是在关于连续坐标的积分下具有单位质量。"
    }
  ],
  "links": [
    "mathematical-function",
    "linear-algebra",
    "indicator-function",
    "cartesian-product",
    "identity-matrix",
    "matrix-multiplication",
    "orthonormal-basis",
    "dual-space",
    "tensor",
    "linear-map",
    "einstein-summation-convention",
    "metric-tensor",
    "random-variable",
    "probability-mass-function",
    "covariance",
    "statistical-independence",
    "discrete-fourier-transform",
    "determinant",
    "differential-form"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}