
对偶空间,张量代数,微分形式,斯托克斯公式本讲义的目的是介绍并部分证明斯托克斯公式的一般形式[ dw =ia(1)anJn其中w是(n-1)阶微分形式,aQ代表可定向区域Q的边界。是嵌入映射诱导的拉回映射。斯托克斯公式可以看成微积分基本定理在高维情形的推广,格林公式和高斯散度定理都是它的特殊情形。定义微分形式需要利用张量代数、切空间、余切空间等概念。参考资料:《微分几何讲义》(陈省身、陈维桓著)第一、二、三章。1线性空间一个实数上的n维线性空间始终可以看成n维欧氏空间R",是所有n维向量构成的集合。Rn中的元素(向量)有点乘(内积)、数乘、加减法等运算。如果n=3,则还有叉乘运算。1.1有限维线性空间的基和坐标:对于n-维线性空间V,假如ei,.,enEV,并且对于任意的αEV,存在实数ai(α)..,an(α),使得(2)α=ai(α)ei+...+an(α)en则称[ei..,en)是V的一组基。ai(α),.,an(α)称为α的坐标。·坐标的唯一性。1.2有限维线性空间之间的线性映射-矩阵:对于n维线性空间Vi和m维线性空间V2,一个映射A:Vi→V2称为线性的,如果对任意的实数a,b以及a,βEV1:(3)A(aα +bβ) =aA(α) +bA(β)假如e1,,en是Vi的一组基,S1,,Sm是V2的一组基。则存在实数[aij:1<i≤n,1≤j≤m]:(4)A(ei)=aiS1+..+aimsm1
对偶空间,张量代数,微分形式,斯托克斯公式 本讲义的目的是介绍并部分证明斯托克斯公式的一般形式: Z Ω dω = Z ∂Ω i ∗ω (1) 其中ω 是(n − 1) 阶微分形式,∂Ω 代表可定向区域Ω 的边界。i ∗ 是嵌入映射诱导的拉回映射。 斯托克斯公式可以看成微积分基本定理在高维情形的推广,格林公式和高斯散度定理都是它的特 殊情形。定义微分形式需要利用张量代数、切空间、余切空间等概念。参考资料:《微分几何讲 义》(陈省身、陈维桓著)第一、二、三章。 1 线性空间 一个实数上的n维线性空间始终可以看成n维欧氏空间Rn,是所有n维向量构成的集合。Rn中的元 素(向量)有点乘(内积)、数乘、加减法等运算。如果n = 3,则还有叉乘运算。 1.1 有限维线性空间的基和坐标: 对于n−维线性空间V,假如e1, .,en ∈ V,并且对于任意的α ∈ V,存在实数a1(α), ., an(α),使得 α = a1(α)e1 + . + an(α)en (2) 则称{e1, .,en}是V的一组基。a1(α), ., an(α)称为α的坐标。 • 坐标的唯一性。 1.2 有限维线性空间之间的线性映射–矩阵: 对于n维线性空间V1和m维线性空间V2,一个映射A : V1 → V2称为线性的,如果对任意的实数a, b 以及α, β ∈ V1: A(aα + bβ) = aA(α) + bA(β) (3) 假如e1, .,en 是V1 的一组基,s1, .,sm 是V2 的一组基。则存在实数{aij : 1 ≤ i ≤ n, 1 ≤ j ≤ m}: A(ei) = ai1s1 + . + aimsm (4) 1

Course notes@hhu从这个角度看,线性映射A对应了一个n×m矩阵:(aia12...a1ma21a22..a2m(5)...(anlan2...anm这个矩阵由A,基向量(ei:1≤i≤n)和基向量si:1<i<m)决定。作业1.1.对于Vi的另一组基向量[e]和V2的另一组基向量5i),假设对任意的i=1,2,.n(6)ei = piiei +... + pinen以及对任意的j=1,2,..,m(7)Sj=qjiS1+...+qjmSm求A在基向量[]和[si]下对应的矩阵。1.3线性映射诱导的坐标变换:假设A:V→V是一个线性映射,对于基向量(ei],有(8)A(ei) = aiie +... +ainen对于V中的任意向量α=Ciei+...+Cnen,A(α)在原基向量下的展开为:A(α) =CiA(ei) +... +CnA(en)a11a12aine...(9)= (C1,..,Cn)(anlan2annen因此A(α)在原基向量下的坐标为(a11a12ain(10)(C1,..Cn).anlan2ann作业1.2.设A是可逆映射,求α在新的基向量[A(e):1<i<n下的坐标,2/12
Course notes@hhu 从这个角度看,线性映射A 对应了一个n × m 矩阵: a11 a12 . . . a1m a21 a22 . . . a2m . . . an1 an2 . . . anm , (5) 这个矩阵由A, 基向量{ei : 1 ≤ i ≤ n} 和基向量{si : 1 ≤ i ≤ m}决定。 作业1.1. 对于V1的另一组基向量{e˜i} 和V2的另一组基向量{s˜i},假设对任意的i = 1, 2, ., n e˜i = pi1e1 + . + pinen (6) 以及对任意的j = 1, 2, ., m s˜j = qj1s1 + . + qjmsm, (7) 求A 在基向量{e˜i} 和{s˜j} 下对应的矩阵。 1.3 线性映射诱导的坐标变换: 假设A : V → V 是一个线性映射,对于基向量{ei}, 有 A(ei) = ai1e1 + . + ainen (8) 对于V中的任意向量α = c1e1 + . + cnen, A(α) 在原基向量下的展开为: A(α) = c1A(e1) + . + cnA(en) = (c1, ., cn) a11 a12 . . . a1n . . . an1 an2 . . . ann e1 . . . en , (9) 因此A(α) 在原基向量下的坐标为 (c1, ., cn) a11 a12 . . . a1n . . . an1 an2 . . . ann (10) 作业1.2. 设A 是可逆映射,求α 在新的基向量{A(ei) : 1 ≤ i ≤ n} 下的坐标。 2/12

Course notes@hhu1.4矩阵的秩:(a11ain对于矩阵A=它的秩定义为由其所有行向量αi=(a11...,a1n)张成的线性空:(aml...amn间的维数,也可定义为由其所有列向量β;=所张成的线性空间的维数。两者等价。ami1.5矩阵的行列式:(a11ain对于矩阵A=它的行列式定义为:(an...amdet(A) =Z (-1)sgn(0) a1o(1)a2(2).ano(n)(11)cEPerm·det(A)等于其行向量(或列向量)生成的平行2n-面体的体积。·det(A)只有当A是矩阵时才有定义。当A是一个线性映射时,对于给定的一组基,A可以看成一个矩阵。对于不同的基,A对应的矩阵也不一样。但是数学上可以证明,对于不同的基,A对应矩阵的行列式都是一样的。因此对于线性映射A,det(A)也是良定义的。·det(A)可以看成线性映射A的体积膨胀倍数。作业1.3.解释(或证明)为什么|det(AB)/=|det(A)/det(B)?2对偶空间对于n维线性空间V,考虑线性映射1:V→R。所有这样的线性映射构成的集合也是一个线性空间,称之为V的对偶空间V*。V*和V有相同的维度。对于V中的基向量[ei:1<in,可以定义一组V*的基向量fe*,称之为feil的对偶基:(12)ei(e;) = dij·e的定义不光依赖于ei,还依赖于.,ei-1,ei+1..2.1.对偶映射假如U,V分别为n维和m维线性空间,{ui}和[ui)分别是V,U的一组基向量,而A:U→V是一个线性映射,满足m(13)A(ui) =)Eaijujj=13/12
Course notes@hhu 1.4 矩阵的秩: 对于矩阵A = a11 . . . a1n . . . am1 . . . amn ,它的秩定义为由其所有行向量αi = (a11, . . . , a1n) 张成的线性空 间的维数,也可定义为由其所有列向量βj = a1j . . . amj 所张成的线性空间的维数。两者等价。 1.5 矩阵的行列式: 对于矩阵A = a11 . . . a1n . . . an1 . . . ann ,它的行列式定义为 det(A) = ∑ σ∈Permn (−1) sgn(σ) a1σ(1) a2σ(2) .anσ(n) (11) • det(A) 等于其行向量(或列向量)生成的平行2n−面体的体积。 • det(A) 只有当A 是矩阵时才有定义。当A 是一个线性映射时,对于给定的一组基,A 可以 看成一个矩阵。对于不同的基,A 对应的矩阵也不一样。但是数学上可以证明,对于不同的 基,A 对应矩阵的行列式都是一样的。因此对于线性映射A, det(A) 也是良定义的。 • det(A) 可以看成线性映射A 的体积膨胀倍数。 作业1.3. 解释(或证明)为什么| det(AB)| = | det(A)|| det(B)|? 2 对偶空间 对于n维线性空间V,考虑线性映射l : V → R。所有这样的线性映射构成的集合也是一个线性空 间,称之为V 的对偶空间V ∗。V ∗ 和V 有相同的维度。对于V 中的基向量{ei : 1 ≤ i ≤ n},可以定 义一组V ∗的基向量{e ∗ i },称之为{ei} 的对偶基: e ∗ i (ej) = δij (12) • e ∗ i 的定义不光依赖于ei,还依赖于.,ei−1,ei+1, .。 2.1 对偶映射: 假如U, V分别为n维和m维线性空间,{vi} 和{ui} 分别是V, U 的一组基向量,而A : U → V 是一 个线性映射,满足 A(ui) = m ∑ j=1 aijvj (13) 3/12

Course notes@hhu对任意的*EV*,定义线性映射A*(u*)EU*,使得对任意的uEU,(A*(o*)(u) = 0*(A(u)(14)如此我们得到一个线性映射A*:V*→U*。直接验算:A*(of)(u) =;(A(u,) = i(akok) = (15)akok=aik=1k=1因此Eajiu,(16)A*(u*) =j=1·A*在基向量[u],u)下对应的矩阵是A在基向量ui],{ui下对应的矩阵的转秩。A*称之为A 的对偶映射。·假设A:U→V,B:V→W,可以证明(BoA)*=A*oB*3张量代数3.1线性空间的张量积:对于任意的线性空间V,定义VV为所有形如U1U2的元素张成的线性空间,并且满足如下定律(a,b,c,dER):(17)(aVi+bv2)?(cV3+dv4)=acViV3+adViV4+bcV2V3+bd2V4·如果[e])是V的一组基向量,则[eie是VV的一组基向量。. dim(V @ V) = (dim V)2·(VV)V=V(VV),因此可以简单写为VVV·k个V做张量积写为Vk,其元素称为k阶张量。3.2Ak.假如A:V一→U是一个线性映射,则它诱导线性映射Aok : vok→ u8k(18)Vi@...@Uk → A(Ui) ...@A(vk)3.3对称张量:对于一个任意的2阶张量T=fijei?ej,可以看出,T对应了一个矩阵F=(fij)1<ij<n。反过来ij=14/12
Course notes@hhu 对任意的v ∗ ∈ V ∗,定义线性映射A ∗ (v ∗ ) ∈ U∗,使得对任意的u ∈ U, A ∗ (v ∗ ) (u) = v ∗ (A(u)) (14) 如此我们得到一个线性映射A ∗ : V ∗ → U∗。直接验算: A ∗ (v ∗ i )(uj) =v ∗ i (A(uj)) = v ∗ i ( m ∑ k=1 ajkvk) = m ∑ k=1 ajkδik = aji (15) 因此 A ∗ (v ∗ i ) = n ∑ j=1 ajiu ∗ j (16) • A ∗在基向量{u ∗ i }, {v ∗ j } 下对应的矩阵是A在基向量{ui}, {vj}下对应的矩阵的转秩。A ∗ 称之 为A 的对偶映射。 • 假设A : U −→ V,B : V −→ W,可以证明(B ◦ A) ∗ = A ∗ ◦ B ∗ . 3 张量代数 3.1 线性空间的张量积: 对于任意的线性空间V,定义V ⊗ V 为所有形如v1 ⊗ v2 的元素张成的线性空间,并且满足如下定 律(a, b, c, d ∈ R): (av1 + bv2) ⊗ (cv3 + dv4) = acv1 ⊗ v3 + adv1 ⊗ v4 + bcv2 ⊗ v3 + bdv2 ⊗ v4 (17) • 如果{ei} 是V 的一组基向量,则{ei ⊗ ej} 是V ⊗ V 的一组基向量。 • dim(V ⊗ V) = (dim V) 2 • (V ⊗ V) ⊗ V = V ⊗ (V ⊗ V),因此可以简单写为V ⊗ V ⊗ V • k个V 做张量积写为V ⊗k,其元素称为k阶张量。 3.2 A ⊗k : 假如A : V −→ U 是一个线性映射,则它诱导线性映射 A ⊗k : V ⊗k −→ U ⊗k v1 ⊗ · · · ⊗ vk −→ A(v1) ⊗ · · · ⊗ A(vk) (18) 3.3 对称张量: 对于一个任意的2阶张量T = n ∑ i,j=1 fijei ⊗ ej , 可以看出,T 对应了一个矩阵F = (fij)1≤i,j≤n。反过来 4/12

Course notes@hhu任意一个n×n矩阵可以对应一个2阶张量。FT对应的2阶张量为/fjie;ei≠T,除非F是对称ij=1矩阵。对于任意的2阶张量T=fijeej,可以将其对称化:ijSym(T) =,Z(fi + fn)e; @ ej(19)i,j对于k阶张量T=fi-iei...ei,定义i..jinAZ f[Eeeia]Sym(T) = (20)1cePermi1..ik反对称张量:3.4对于任意k阶张量T=fiiei③.ei,可以将其反对称化iir.,ikAsym(T) =是Z fi [[Z (-1)gn(o)eir @...@eic)(21)k!in...ikCEPerm由V生成的所有k阶反对称张量构成的线性空间记为^V。·记ei ... ei=E(-1)gn()ei) @.@eiga)gePermk。可以证明,[ei^..ei:1i<iz<.<n]构成^的—组基。可以证明,eiNenNeiA...ei=ei,eiAeiA...i. 若 EA*V,nEA'V, 则定义A=ktAsym(s@n)1-111作业3.1.对于2阶张量T=fije:ej,写出Asym(T)的具体表达式。证明任意二阶张量可.以写成一个对称2阶张量和反对称2阶张量的和。作业3.2.证明ei^.^ei:1i<i2<.*<i≤n)构成^的一组基。作业3.3.证明e;^e,=-e;^ei5/12
Course notes@hhu 任意一个n × n矩阵可以对应一个2阶张量。F ⊤ 对应的2阶张量为 n ∑ i,j=1 fjiei ⊗ ej ̸= T,除非F是对称 矩阵。 对于任意的2阶张量T = ∑ ij fijei ⊗ ej,可以将其对称化: Sym(T) = 1 2 ∑ i,j (fij + fji)ei ⊗ ej (19) 对于k 阶张量T = ∑ i1,.,ik fi1.ik ei1 ⊗ · · · ⊗ eik,定义 Sym(T) = 1 k! ∑ i1,.,ik fi1.ik h ∑ σ∈Permk eiσ(1) ⊗ · · · ⊗ eiσ(k) i (20) 3.4 反对称张量: 对于任意k 阶张量T = ∑ i1,.,ik fi1.ik ei1 ⊗ · · · ⊗ eik,可以将其反对称化: Asym(T) = 1 k! ∑ i1,.,ik fi1.ik h ∑ σ∈Permk (−1) sgn(σ) eiσ(1) ⊗ · · · ⊗ eiσ(k) i (21) 由V生成的所有k 阶反对称张量构成的线性空间记为 Vk V。 • 记ei1 ∧ · · · ∧ eik = ∑ σ∈Permk (−1) sgn(σ) eiσ(1) ⊗ · · · ⊗ eiσ(k) • 可以证明,{ei1 ∧ · · · ∧ eik : 1 ≤ i1 < i2 < · · · < ik ≤ n} 构成 Vk V 的一组基。 • 可以证明,ei1 ∧ · · · ∧ eil ∧ eil+1 ∧ . . .eik = −ei1 ∧ · · · ∧ eil+1 ∧ eil ∧ . . .eik • 若ξ ∈ Vk V, η ∈ ∧lV,则定义ξ ∧ η = (k+l)! k!l! Asym(ξ ⊗ η) 作业3.1. 对于2阶张量T = ∑ i,j fijei ⊗ ej,写出Asym(T)的具体表达式。证明任意二阶张量可 以写成一个对称2阶张量和反对称2阶张量的和。 作业3.2. 证明{ei1 ∧ · · · ∧ eik : 1 ≤ i1 < i2 < · · · < ik ≤ n} 构成 Vk V 的一组基。 作业3.3. 证明ei ∧ ej = −ej ∧ ei 5/12

Coursenotes@hhu作业3.4.哪—个正确:ie2=e2i还是e2=-e2i?作业3.5.已知dimV=n,求dim^*v。作业3.6.已知dimV=n,求&k中所有对称张量构成的线性空间的维数。作业3.7.根据的定义,证明(eie2)(e3e4)=e1e2e3e43.5AAk:假如A:V→U是一个线性映射,则它诱导线性映射ANk:^*v-^*u(22)01A...Λ0K→A(01)A...ΛA(Uk)可以证明,AAK的定义和Ak的定义不冲突。作业3.8.(选做)证明AAk的定义和Ak的定义不冲突。作业3.9.设[e1,en)是线性空间V的一组基。证明对任意的u1,…UnEV,存在实数a,使得ui^.….on=aei^··^n.设u;=Zcijej。令表示第i行j列等于cij的矩阵。证明a=det(C)。作业3.10.证明对任意的1..OnV,A"(i^n)=det(A)1^n4微分形式4.1欧氏空间的切空间·对于欧式空间R"中的一点p,其切空间定义为所有由p为起点的R"中向量的集合,记为T,R"。·显然T,R"是一个线性空间且dimT,R"=n。对于不同的点p,q,T,R"半T,R",也不能将T,R"和T,R"中的向量直接相加。但可以将T,R"和T,Rm很自然的对应起来。·用ei(p)表示由p点出发的平行于e;的向量。则[ei(p))构成T,Rn的一组基向量,称之为自然基。6/12
Course notes@hhu 作业3.4. 哪一个正确:e1 ∧ e2 ∧ e3 = e3 ∧ e2 ∧ e1 还是e1 ∧ e2 ∧ e3 = −e3 ∧ e2 ∧ e1 ? 作业3.5. 已知dim V = n, 求dim Vk V。 作业3.6. 已知dim V = n, 求V ⊗k 中所有对称张量构成的线性空间的维数。 作业3.7. 根据ξ ∧ η的定义,证明(e1 ∧ e2) ∧ (e3 ∧ e4) = e1 ∧ e2 ∧ e3 ∧ e4 3.5 A V k : 假如A : V −→ U 是一个线性映射,则它诱导线性映射 A V k : ^k V −→ ^k U v1 ∧ · · · ∧ vk −→ A(v1) ∧ · · · ∧ A(vk) (22) 可以证明,A ∧k 的定义和A ⊗k 的定义不冲突。 作业3.8. (选做) 证明A ∧k 的定义和A ⊗k 的定义不冲突。 作业3.9. 设{e1, .,en} 是线性空间V 的一组基。证明对任意的v1, ., vn ∈ V, 存在实数a, 使得v1 ∧ · · · ∧ vn = ae1 ∧ · · · ∧ n. 设vi = ∑j cijej。令C 表示第i 行j 列等于cij 的矩阵。证 明a = det(C)。 作业3.10. 证明对任意的v1, ., vn ∈ V, A V n (v1 ∧ · · · ∧ vn) = det(A)v1 ∧ · · · ∧ vn 4 微分形式 4.1 欧氏空间的切空间 • 对于欧式空间Rn中的一点p,其切空间定义为所有由p为起点的Rn中向量的集合,记 为TpRn。 • 显然TpRn是一个线性空间且dim TpRn = n。对于不同的点p, q,TpRn ̸= TqRn,也不能 将TpRn 和TqRn 中的向量直接相加。但可以将TpRn 和TqRm 很自然的对应起来。 • 用ei(p) 表示由p点出发的平行于ei的向量。则{ei(p)} 构成TpRn的一组基向量,称之为自然 基。 6/12

Course notes@hhu4.2欧氏空间中曲面的切空间T,M假如M是RN中的一个m维曲面(n≥m),对于M上一点p,定义TpM为所有RN中所有和M相切于p点的从p出发的向量构成的集合。不难验证,TpM也是一个线性空间,且dimTpM=m。TpM中的向量可以理解为M中经过p点的曲线在p点的切向量。假设:[0,1]→M为M中一条从p点出发的光滑曲线(即(0)=p),则d(t)ETpMCTpRN(23)0:dtIt=04.3由(非线性)映射诱导的切空间映射假若M和N分别是RN中m维和n维的曲面(N≥n,m),M,N可以是R"或R"这种平直的欧氏空间。对于光滑映射Φ:M→N,以及pEM,记q=Φ(p),则Φ诱导映射Φ+: TpM → TqN d((24)dt lt=0dtt=其中:[0,1]→M是任意从p出发的光滑曲线。.对任意的曲面M,N,Q,若:M,2:NQ,可以证明2*01*=(0)*·中*是个线性映射。4.4曲面的坐标卡将Rm中的标准立方体(不含边界)记为Cm=(-1,1)m。假设M是RN中的m维光滑曲面,pEM。如果存在光滑可逆映射(并要求其逆映射也光滑)Φ:Cm→M,且Φ(o)=p,o为Cm中心点,则称(Up,Φ)是p点附近的一个坐标卡,其中Up=Φ(Cm)ACM。一个点可以有很多不同的坐标卡。4.5由坐标卡定义TpM的一组基(%:1≤i≤m)Φ诱导Φ:T。Cm→T,M。我们已知(ei(o))构成T。Cm的一组基。由于Cm和M维数相同,因此Φ是可逆映射。并且(Φ,(e;(o)))是TpM的一组基。作业4.1.已知m维光滑曲面MCRN,pEM,以及p点附近的坐标卡(Up,Φ)。用(x1,,xm)表示Cm中点的坐标,用(y1,,yN)表示RN中点的坐标。因此Φ有向量表示:(@1(x),,N(x),其中每个Φi都是Cm上的函数。分别用e;(o):1≤i≤m)和(e;(p):1≤i≤N)表示T.Cm和T,R的自然基。试用函数l,.,N和(e;(p))表示Φ+(e;(o)),即计算展开式Φ+(e;(o))=Eijaije;(p)中的系数。·在已知坐标卡(Up,Φ)的情形下,{Φ*(ei(o))即TpM的一组基,通常写作品7/12
Course notes@hhu 4.2 欧氏空间中曲面的切空间TpM 假如M是RN中的一个m维曲面(n ≥ m),对于M上一点p,定义TpM为所有RN 中所有和M相切 于p点的从p出发的向量构成的集合。不难验证,TpM也是一个线性空间,且dim TpM = m。 • TpM中的向量可以理解为M中经过p点的曲线在p点的切向量。假设γ : [0, 1] → M为M中 一条从p点出发的光滑曲线(即γ(0) = p),则 v = dγ(t) dt t=0 ∈ TpM ⊂ TpR N (23) 4.3 由(非线性)映射诱导的切空间映射 假若M和N分别是RN中m维和n维的曲面(N ≥ n, m),M, N可以是Rm或Rn这种平直的欧氏空 间。 对于光滑映射ϕ : M → N,以及p ∈ M,记q = ϕ(p),则ϕ 诱导映射 ϕ∗ : TpM −→ TqN dγ dt t=0 −→ d(ϕ ◦ γ) dt t=0 (24) 其中γ : [0, 1] −→ M 是任意从p出发的光滑曲线。 • 对任意的曲面M, N , Q,若ϕ1 : M −→ N , ϕ2 : N −→ Q,可以证明ϕ2∗ ◦ ϕ1∗ = (ϕ2 ◦ ϕ1)∗. • ϕ∗ 是个线性映射。 4.4 曲面的坐标卡 将Rm中的标准立方体(不含边界)记为Cm = (−1, 1) m。假设M是RN中的m维光滑曲面,p ∈ M。如果存在光滑可逆映射(并要求其逆映射也光滑)Φ : Cm −→ M,且Φ(o) = p,o为Cm中心 点,则称(Up, Φ)是p点附近的一个坐标卡,其中Up = Φ(Cm)∆ ⊂ M。一个点可以有很多不同的坐 标卡。 4.5 由坐标卡定义TpM的一组基{ ∂ ∂x i : 1 ≤ i ≤ m} Φ诱导Φ∗ : ToCm −→ TpM。我们已知{ei(o)}构成ToCm的一组基。由于Cm和M维数相同,因 此Φ∗是可逆映射。并且{Φ∗(ei(o))}是TpM的一组基。 作业4.1. 已知m维光滑曲面M ⊂ RN,p ∈ M,以及p点附近的坐标卡(Up, Φ)。用(x1, ., xm) 表示Cm中点的坐标,用(y1, ., yN)表示RN中点的坐标。因此Φ有向量表示:(Φ1 (x), ., ΦN(x)), 其中每个Φj都是Cm上的函数。分别用{ei(o) : 1 ≤ i ≤ m}和{ei(p) : 1 ≤ i ≤ N}表示ToCm和TpRN 的自然基。试用函数Φ1 , ., ΦN 和{ej(p)} 表示Φ∗(ei(o)),即计算展开式Φ∗(ei(o)) = ∑ij aijej(p) 中的系数。 • 在已知坐标卡(Up, Φ)的情形下,{Φ∗(ei(o))} 即TpM的一组基,通常写作 ∂ ∂xi . 7/12

Course notes@hhu·注意TpM的定义不依赖于坐标卡(但在本讲义中依赖于M所在的外部空间RN:事实上也不需要依赖于其所处的外部空间,但为了避免引入过多数学概念,这里不对此做精确说明),因此对于任意的αET,M,它本身也不需要依赖于坐标卡的定义。但是如果要将α具体地表示出来,则需要用到坐标卡。。一般情形下不存在全局坐标卡,因此坐标卡一般只能表示曲面的一部分的坐标。4.6光滑向量场TM一个映射α:M一UT,M如果满足对任意的pEM都有α(p)ET,M,则称α为M上的一PEM个向量场。设pEM,(Up,Φ)是p附近的一个坐标卡。坐标卡(U,,Φ)覆盖了p点附近所有的点。假如p’也被该坐标卡覆盖,则【景】也可以看成TM的一组基向量。因此TpM中的元素也可以d写成aiax的形式。其中ai依赖于p,因此a;其实是a;(p'),一个依赖于p的函数。i对任意的被该坐标卡覆盖的点p,如果展开式a(p)=a(p)量中a(p)都是该坐标卡覆盖axi范围内的光滑函数,则称α在p处光滑。如果对任意的pEM,α都在p处光滑,则称α是M上的一个光滑向量场,或称之为UTpM中的一个光滑截面。UTpM中所有光滑截面的集合记PEMPEM为TM,称为切向量丛。作业4.2.问题:TM也是R上的线性空间,其维数是多少?是否为m?写明原因,4.7中在基向量(最:1≤i≤m)和(:1≤j≤n)下的表示;链式法则设RN中的m维曲面M和n维曲面N,Φ:M→N是一个光滑映射,pEM,q=Φ(p)。给定p附近的坐标卡(u,Φ),q附近的坐标卡(ua,)。用x=(xl,,xm)表示u,中点的坐标,用y=(y,…,y")表示u,中点的坐标。我们已知TpM有基向量最),TqN有基向量【最,我们.=中的系数。要计算展并式()一二叫j设1:[0,1] →Cm满足(0)=0m,且=e;(om),则2=Φo1 :[0,1] →M满0足2(0) = p,且a(2 / ~。= Φ (e;(om) = 最P记f=-1。中Φ:Cm—→Cn.由于f,y可以看成x的函数。考虑3=-1ΦoΦo1=f 0 1:[0,1] → Cn,则_afid3(t)/(25)=axiej(on)dt因此(e;(on) =2)=fu(26)+(axLaxiaxiay8/12
Course notes@hhu • 注意TpM 的定义不依赖于坐标卡(但在本讲义中依赖于M 所在的外部空间RN ;事实上 也不需要依赖于其所处的外部空间,但为了避免引入过多数学概念,这里不对此做精确说 明),因此对于任意的α ∈ TpM,它本身也不需要依赖于坐标卡的定义。但是如果要将α 具 体地表示出来,则需要用到坐标卡。 • 一般情形下不存在全局坐标卡,因此坐标卡一般只能表示曲面的一部分的坐标。 4.6 光滑向量场TM 一个映射α : M −→ [ p∈M TpM 如果满足对任意的p ∈ M 都有α(p) ∈ TpM,则称α 为M 上的一 个向量场。设p ∈ M,(Up, Φ)是p 附近的一个坐标卡。坐标卡(Up, Φ) 覆盖了p 点附近所有的点。 假如p ′ 也被该坐标卡覆盖,则{ ∂ ∂x i } 也可以看成Tp ′M 的一组基向量。因此Tp ′M 中的元素也可以 写成∑ i ai ∂ ∂x i 的形式。其中ai 依赖于p ′ , 因此ai 其实是ai(p ′ ), 一个依赖于p ′ 的函数。 对任意的被该坐标卡覆盖的点p ′,如果展开式α(p ′ ) = ∑ i ai(p ′ ) ∂ ∂x i 中ai(p ′ ) 都是该坐标卡覆盖 范围内的光滑函数,则称α 在p 处光滑。如果对任意的p ∈ M, α 都在p 处光滑,则称α 是M 上 的一个光滑向量场,或称之为 [ p∈M TpM 中的一个光滑截面。 [ p∈M TpM 中所有光滑截面的集合记 为TM,称为切向量丛。 作业4.2. 问题:TM 也是R 上的线性空间,其维数是多少?是否为m?写明原因。 4.7 ϕ∗ 在基向量{ ∂ ∂xi : 1 ≤ i ≤ m} 和{ ∂ ∂yj : 1 ≤ j ≤ n} 下的表示; 链式法则 设RN 中的m 维曲面M 和n 维曲面N,ϕ : M −→ N 是一个光滑映射,p ∈ M, q = ϕ(p)。 给定p 附近的坐标卡(Up, Φ),q 附近的坐标卡(Uq, Ψ)。用x = (x 1 , ., x m) 表示Up 中点的坐标, 用y = (y 1 , ., y n ) 表示Uq 中点的坐标。我们已知TpM 有基向量{ ∂ ∂x i },TqN 有基向量{ ∂ ∂y j },我们 要计算展开式ϕ∗( ∂ ∂x i) = ∑ j aij ∂ ∂y j 中的系数。 设γ1 : [0, 1] −→ Cm 满足γ1(0) = om,且 dγ1(t) dt t=0 = ei(om),则γ2 = Φ ◦ γ1 : [0, 1] −→ M 满 足γ2(0) = p, 且 dγ2(t) dt t=0 = Φ∗(ei(om)) = ∂ ∂x i。 记f = Ψ−1 ◦ ϕ ◦ Φ : Cm −→ Cn. 由于f,y 可以看成x 的函数。考虑γ3 = Ψ−1 ◦ ϕ ◦ Φ ◦ γ1 = f ◦ γ1 : [0, 1] −→ Cn,则 dγ3(t) dt t=0 = ∂ f j ∂x i ej(on) (25) 因此 ϕ∗( ∂ ∂x i ) = ∑ j ∂ f j ∂x i Ψ∗(ej(on)) = ∑ j ∂ f j ∂x i ∂ ∂y j (26) 8/12

Coursenotes@hhu由于坐标卡中的点可以和p(或q)附近的点一一对应,有时Φ直接定义为坐标卡之间的映射,此时于=中,上式也可写为中(品)=axiayi14.8余切空间TM,^*TM对于pEM,其余切空间为T,M的对偶空间,用TM表示。若(Up,Φ)是p附近的一个坐标卡,以x=(αl,…,x)表示其坐标,则最)为TpM的一组基向量,其对偶基记为(dxi]。根据张量代数的理论,{dxi^...^dxi:1<i<iz<·..<i≤m)是^TM的一组基。4.9拉回映射对于Φ:M→N,pEM,q=Φ(p),我们有切映射Φ*:TpM→TqN,以及其对偶映射*:T→TM.Φ*称之为拉回映射。接下来我们计算*在基向量【dy)和[dxi}下的表达式。根据定义ayi(g(ay)()=d((最)=y()=%(27)k=oaxiayk因此$(dyi)=oyiddx(28)axi上式和微积分中的链式法则有相同的形式。·拉回映射Φ*可以扩张到^*TN,此时仍用Φ*表示。Φ*(dyi,N.Adyi)=Φ*(dyi,)A..AΦ*(dyix)若MQ则=()*·若Φ可逆,则(Φ*)-1=(Φ-1)作业4.3.若m<n,证明:Φ*(dyl^dy")=0。作业4.4.若m=n,证明:*(dy 入..^dy")=det()dx^..^dx。4.10微分形式类似于TM是U中的光滑截面构成的集合,我们同样可以定义*T*M为U^TM中所有光PEMPEM滑截面构成的集合。Φ*自然地推广为Φ*:^T*N→^*T*M.^T*M中的元素即曲面M上的k-阶微分形式。9/12
Course notes@hhu 由于坐标卡中的点可以和p (或q )附近的点一一对应,有时ϕ 直接定义为坐标卡之间的映射,此 时f = ϕ,上式也可写为ϕ∗( ∂ ∂x i) = ∑ j ∂y j ∂x i ∂ ∂y j。 4.8 余切空间T ∗ pM , Vk T ∗ pM 对于p ∈ M,其余切空间为TpM 的对偶空间,用T ∗ pM 表示。若(Up, Φ) 是p 附近的一个坐标卡, 以x = (x 1 , ., x m) 表示其坐标,则{ ∂ ∂x i } 为TpM 的一组基向量,其对偶基记为{dxi}。 根据张量代数的理论,{dxi1 ∧ · · · ∧ dxik : 1 ≤ i1 < i2 < · · · < ik ≤ m} 是 Vk T ∗ pM 的一组基。 4.9 拉回映射ϕ ∗ 对于ϕ : M −→ N , p ∈ M, q = ϕ(p),我们有切映射ϕ∗ : TpM −→ TqN,以及其对偶映 射ϕ ∗ : T ∗ q N −→ T ∗ pM. ϕ ∗ 称之为拉回映射。接下来我们计算ϕ ∗ 在基向量{dyj} 和{dxi} 下的表达 式。 根据定义 (ϕ ∗ (dyj ))( ∂ ∂x i ) = dyj (ϕ∗( ∂ ∂x i )) = dyj (∑ k ∂y k ∂x i ∂ ∂y k ) = ∑ k ∂y k ∂x i δjk = ∂y j ∂x i (27) 因此 ϕ ∗ (dyj ) = ∑ i ∂y j ∂x i dxi (28) • 上式和微积分中的链式法则有相同的形式。 • 拉回映射ϕ ∗ 可以扩张到 Vk T ∗ pN,此时仍用ϕ ∗ 表示。 • ϕ ∗ (dyi1 ∧ · · · ∧ dyik ) = ϕ ∗ (dyi1 ) ∧ · · · ∧ ϕ ∗ (dyik ) • 若ϕ1 : M −→ N ,ϕ2 : N −→ Q,则ϕ ∗ 1 ◦ ϕ ∗ 2 = (ϕ2 ◦ ϕ1) ∗ . • 若ϕ 可逆,则(ϕ ∗ ) −1 = (ϕ −1 ) ∗ 作业4.3. 若m < n, 证明:ϕ ∗ (dy1 ∧ · · · ∧ dyn ) = 0。 作业4.4. 若m = n, 证明:ϕ ∗ (dy1 ∧ · · · ∧ dyn ) = det ∂(y 1 ,.,y n ) ∂(x 1 ,.,x n) dx1 ∧ · · · ∧ dxn。 4.10 微分形式 类似于TM 是 [ p∈M 中的光滑截面构成的集合, 我们同样可以定义 Vk T ∗M 为 [ p∈M ^ k T ∗ pM 中所有光 滑截面构成的集合。ϕ ∗ 自然地推广为ϕ ∗ : Vk T ∗N −→ Vk T ∗M. Vk T ∗M 中的元素即曲面M 上 的k−阶微分形式。 9/12

Course notes@hhu·若M为m维曲面,则其上最多只能存在0,1,2.,m阶非零微分形式,而不可能存在m+1,m+2...阶非零微分形式。4.11外微分算子d:^*TM→^k+1TM给定曲面M以及某个局部坐标卡(u,Φ),x=(xl,,x")为其坐标表示。设w为M上的k阶微分形式且在该局部坐标下有表达式=fiidx^^dx。定义ijiz...ikdo=Eodx drt ..Adxt(29)axiiiki·d的定义与坐标卡的选取无关。.设:M→N,则一定有do*=中*od5斯托克斯公式5.1微分形式的积分和曲面的定向假设m维曲面M有局部坐标卡(30)Φ:RMDDQCM同时有微分形式wE^"T*M。则Φ*w在D上可以表示为Φ*w=fdxl^·^dx",其中f是D上的函数。“定义”w在Q上的积分为:fdx....dxmw=(31)定理5.1.假设有两个坐标卡描述M上的同一区域,(32),:R"DDOCM则在D上有w=fidx^·dx",在D2上有w=f2dxdx",那么fidxl...dx =±/ fady...dy(33)证明。考虑Φ=Φ-1。Φ1:D1—→D2,在Φ的作用下,y可以看成是x的函数。则*(f2dyl ^..^dy") = (Φ1 oΦ1)*((Φ1)*)) =o (Φ")*(Φw)=0o(02)-12(w)=0w=fidxl ...dxm(34)同时我们已知:(hay .. y") f de ( x . dx*(35)(a(x..,x)10/12
Course notes@hhu • 若M 为m 维曲面,则其上最多只能存在0, 1, 2, ., m 阶非零微分形式,而不可能存在m + 1, m + 2, . 阶非零微分形式。 4.11 外微分算子d : Vk TM −→ Vk+1 TM 给定曲面M 以及某个局部坐标卡(U, Φ),x = (x 1 , ., x m) 为其坐标表示。设ω 为M 上的k 阶微分 形式且在该局部坐标下有表达式:ω = ∑ i1i2.ik fi1.ik dxi1 ∧ · · · ∧ dxik。定义 dω = ∑ i1.ik ∑ i ∂ fi1.ik ∂x i dxi ∧ dxi1 ∧ · · · ∧ dxik (29) • d 的定义与坐标卡的选取无关。 • 设ϕ : M −→ N , 则一定有d ◦ ϕ ∗ = ϕ ∗ ◦ d 5 斯托克斯公式 5.1 微分形式的积分和曲面的定向 假设m 维曲面M 有局部坐标卡, Φ : R m ⊃ D −→ Ω ⊂ M (30) 同时有微分形式ω ∈ Vm T ∗M。则Φ∗ω 在D 上可以表示为Φ∗ω = f dx1 ∧ · · · ∧ dxm,其中f 是D 上的函数。“定义” ω 在Ω 上的积分为: Z Ω ω = Z D f dx1 . . . dxm (31) 定理5.1. 假设有两个坐标卡描述M 上的同一区域, Φi : R m ⊃ Di −→ Ω ⊂ M (32) 则在D1 上有Φ∗ 1ω = f1dx1 ∧ · · · ∧ dxm,在D2 上有Φ∗ 2ω = f2dx1 ∧ · · · ∧ dxm,那么 Z D1 f1dx1 . . . dxm = ± Z D2 f2dy1 . . . dym (33) 证明. 考虑ϕ = Φ −1 2 ◦ Φ1 : D1 −→ D2, 在ϕ 的作用下,y 可以看成是x 的函数。则 ϕ ∗ (f2dy1 ∧ · · · ∧ dym) = (Φ −1 2 ◦ Φ1) ∗ ((Φ −1 2 ) ∗ )ω) = h Φ ∗ 1 ◦ (Φ −1 2 ) ∗ i (Φ ∗ 2ω) = Φ ∗ 1 ◦ (Φ ∗ 2 ) −1 ◦ Φ ∗ 2 (ω) = Φ ∗ 1ω = f1dx1 ∧ · · · ∧ dxm (34) 同时我们已知: ϕ ∗ (f2dy1 ∧ · · · ∧ dym) = f2 det ∂(y 1 , ., y m) ∂(x 1 , ., x m) dx1 ∧ · · · ∧ dxm (35) 10/12