aiwiki.page
中文
数学 / 代数与数论 / kronecker-delta

克罗内克δ

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。

20 个关键词3 个词条链接到这里1 个尚未撰写AI 撰写
函数(数学)线性代数指示函数笛卡尔积单位矩阵矩阵乘法标准正交基对偶空间克罗内克δ

克罗内克δ是一个具有两个指标的函数,通常记作 δij\delta_{ij}:两指标相等时取值为 11,否则取值为 00:

δij={1,i=j,0,i≠j.\delta_{ij}= \begin{cases} 1,&i=j,\\ 0,&i\ne j. \end{cases}

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。

定义与解释

指标 ii 和 jj 通常在 1,…,n1,\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,

δ23=0,δ44=1.\delta_{23}=0,\qquad \delta_{44}=1.

下标 ijij 表示两个独立的指标,而不是它们的乘积。

克罗内克δ是相等关系的示性函数。对于指标集 SS,它表示一个有序对是否属于笛卡尔积 S×SS\times S 的对角子集

ΔS={(s,s):s∈S}\Delta_S=\{(s,s):s\in S\}

。

一种相关的单指标记法是

δk={1,k=0,0,k≠0.\delta_k= \begin{cases} 1,&k=0,\\ 0,&k\ne0. \end{cases}

对于整数指标,由此有 δij=δi−j\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。

基本恒等式与筛选性质

克罗内克δ具有对称性:

δij=δji.\delta_{ij}=\delta_{ji}.

它的取值在自乘后保持不变:

(δij)2=δij,(\delta_{ij})^2=\delta_{ij},

这里不进行求和。

它最重要的恒等式体现了筛选性质。若 j∈Sj\in S,则

∑i∈Sδijai=aj.\sum_{i\in S}\delta_{ij}a_i=a_j.

除了 i=ji=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⊆SA\subseteq S 内,则

∑i∈Aδijai={aj,j∈A,0,j∉A.\sum_{i\in A}\delta_{ij}a_i= \begin{cases} a_j,&j\in A,\\ 0,&j\notin A. \end{cases}

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。

对于取值范围为 11 到 nn 的指标,

∑k=1nδikδkj=δij,∑i=1nδii=n.\sum_{k=1}^{n}\delta_{ik}\delta_{kj}=\delta_{ij}, \qquad \sum_{i=1}^{n}\delta_{ii}=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 ii 固定且不进行求和,单个元素 δii\delta_{ii} 的值为 11。

矩阵、基与线性映射

n×nn\times n 单位矩阵的元素正是克罗内克δ:

(In)ij=δij.(I_n)_{ij}=\delta_{ij}.

例如,

I3=(100010001).I_3= \begin{pmatrix} 1&0&0\\ 0&1&0\\ 0&0&1 \end{pmatrix}.

因此,筛选恒等式就是 Ina=aI_na=a 的分量形式。同样,矩阵乘法恒等式

∑kδikAkj=Aij,∑kAikδkj=Aij\sum_k\delta_{ik}A_{kj}=A_{ij}, \qquad \sum_k A_{ik}\delta_{kj}=A_{ij}

表达的就是 InA=AIn=AI_nA=AI_n=A。

对于内积空间的一组标准正交基 {ei}\{e_i\},

⟨ei,ej⟩=δij.\langle e_i,e_j\rangle=\delta_{ij}.

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。

另一个相关恒等式不需要内积。若 {ej}\{e_j\} 是有限维向量空间的一组基,{ei}\{e^i\} 是其对偶基,则

ei(ej)=δij.e^i(e_j)=\delta^i{}_j.

指标分别置于上、下位置,用以区分向量基与它的对偶基。

张量记号与指标位置

在张量记号中,δij\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:

P−1IP=I.P^{-1}IP=I.

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:

δijvj=vi,δii=n.\delta^i{}_jv^j=v^i, \qquad \delta^i{}_i=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。

在几何学中,区分 δij\delta^i{}_j 与 δij\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 gij=δijg_{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

gikδkj=gij,g_{ik}\delta^k{}_j=g_{ij},

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。

离散概率与协方差

对于离散随机变量 XX,

E[δXj]=Pr⁡(X=j).\mathbb{E}[\delta_{Xj}]=\Pr(X=j).

这是因为 δXj\delta_{Xj} 是事件 X=jX=j 的示性函数。更一般地,一个必然等于 jj 的变量,其概率质量函数可写为

p(i)=δij.p(i)=\delta_{ij}.

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 σ2\sigma^2,且不同成员之间的协方差为零,则有

Cov⁡(Xi,Xj)=σ2δij.\operatorname{Cov}(X_i,X_j)=\sigma^2\delta_{ij}.

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。

离散傅里叶表示

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:

1N∑k=0N−1e2πik(m−n)/N={1,m≡n(modN),0,m≢n(modN),\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}

其中 NN 为正整数,且 i2=−1\mathrm{i}^2=-1。若 m,n∈{0,…,N−1}m,n\in\{0,\ldots,N-1\},则右侧为 δmn\delta_{mn}。

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。

广义克罗内克δ

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:

δj1⋯jpi1⋯ip=det⁡ ⁣[δiajb]a,b=1p.\delta^{i_1\cdots i_p}_{j_1\cdots j_p} = \det\!\left[\delta^{i_a}{}_{j_b}\right]_{a,b=1}^{p}.

当 p=2p=2 时,

δklij=δikδjl−δilδjk.\delta^{ij}_{kl} = \delta^i{}_k\delta^j{}_l-\delta^i{}_l\delta^j{}_k.

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!p! 因子。

与狄拉克δ的区别

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:

∫f(x) δ(x−a) dx=f(a).\int f(x)\,\delta(x-a)\,dx=f(a).

相应的离散恒等式为

∑if(i)δia=f(a).\sum_i f(i)\delta_{ia}=f(a).

这种类比很有用,但两者不能互换。当用间距为 hh 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 δij/h\delta_{ij}/h,从而有

h∑if(xi)δijh=f(xj).h\sum_i f(x_i)\frac{\delta_{ij}}{h}=f(x_j).

因子 1/h1/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。