Para compreendermos o conceito de dígrafo sob uma perspectiva puramente técnica e teórica, precisamos, antes de tudo, estabelecer a distinção crucial entre duas instâncias do sistema linguístico: o fonema (a unidade mínima distintiva de som, de natureza mental e acústica) e a grafia ou grafema (a representação visual e escrita desse som).

O dígrafo, termo derivado do grego di (dois) e grapho (escrever), configura-se como um fenômeno ortográfico-fonético em que uma sequência de duas letras consecutivas é empregada para representar um único fonema. Em termos teóricos, ocorre uma falta de correspondência biunívoca entre o sistema de sinais gráficos e o sistema de sons da língua, visto que dois grafemas coalescem na produção de uma única emissão sonora. É um conceito que não deve ser confundido com o encontro consonantal; neste último, cada consoante mantém sua individualidade fonética, fazendo-se ouvir distintamente, enquanto no dígrafo há uma fusão fonológica completa.

A doutrina gramatical classifica esse fenômeno em duas categorias distintas de acordo com a natureza do fonema produzido. A primeira delas engloba os chamados dígrafos consonantais, que ocorrem quando a união das duas letras resulta em um som consonantal único. Nesse grupo, encontramos casos fixos na ortografia portuguesa, como as combinações que se unem para formar fonemas específicos (os sons representados por ch, lh e nh), além de sequências que representam consoantes longas ou intensas na evolução da língua, cuja separação silábica é obrigatória na escrita contemporânea (como as duplicações rr e ss). Há também ocorrências condicionadas pelo contexto vocálico subsequente, em que certas consoantes seguidas de determinadas vogais perdem sua sonoridade individual para funcionar apenas como marcadores fonéticos, a exemplo de qu e gu seguidos de e ou i (desde que a semivogal u não seja pronunciada), e dos grupos sc, sç, xc e xs, que se reduzem a um único fonema sibilante na fala.

A segunda categoria constitui os dígrafos vocálicos ou nasais. Teoricamente, estes se realizam quando uma vogal é sucedida pelas consoantes nasais m ou n na mesma sílaba, atuando estas últimas não como consoantes propriamente ditas, mas sim como meros sinais diacríticos de nasalização. Na estrutura profunda da língua, a presença dessas consoantes indica que a corrente de ar expirada deve passar simultaneamente pela cavidade bucal e pela fossa nasal, transformando a vogal oral em uma vogal nasal. Assim, grafias como am, en, im, on ou un representam, foneticamente, apenas uma vogal com timbre nasalizado e não a articulação de dois sons distintos.