微分几何

引言：地图与疆域 想象你手持一个橘子，想要将它的皮完整地剥下来，然后平铺在桌面上。你会发现一个简单的事实：无论你多么小心，橘子皮都无法完美地平铺——它必然会撕裂或起皱。这个日常观察蕴含着深刻的几何真理：弯曲的表面无法无失真地展开成平直的平面。 然而，数学家们一直在思考一个相反的问题：是否任何弯曲的空间都可以"嵌入"到某个足够高维的平直空间中？这个问题看似抽象，却触及了几何学的本质——什么才是描述弯曲空间的正确方式？ 1954年，一位年轻的数学家用一个惊人的定理彻底回答了这个问题：任何黎曼流形都可以等距地嵌入到欧几里得空间中。这位数学家就是约翰·纳什，而这个定理就是著名的纳什嵌入定理（Nash Embedding Theorem）。 更令人惊叹的是，纳什不仅证明了存在性，还给出了精确的维数界限：对于紧致流形，$n$ 维黎曼流形可以嵌入到 $n(3n+11)/2$ 维欧氏空间中；对于非紧流形，可以嵌入到 $n(n+1)(3n+11)/2$ 维空间中。 本文将带你踏上这段智力旅程，从19世纪的几何革命开始，逐步理解纳什定理的背景、证明思想及其深远影响。 第一章：几何学的危机与重生 1.1 高斯的内蕴几何 1827年，卡尔·高斯发表了一篇革命性的论文《关于曲面的一般研究》。在此之前，数学家研究曲面时总是将其看作三维空间中的对象——曲面的性质被认为依赖于它"如何放置"在周围空间中。 高斯提出了一个颠覆性的观点：曲面的几何性质应该可以完全从曲面内部来描述，而不需要参考外部空间。他引入了一个关键概念——高斯曲率（Gaussian curvature）$K$，并证明了一个惊人的定理： $$ K = \frac{\det(\text{II})}{\det(\text{I})} $$ 其中 $\text{I}$ 是第一基本形式（度量张量），$\text{II}$ 是第二基本形式。更深刻的是高斯的绝妙定理（Theorema Egregium）： $$ K = \frac{1}{\sqrt{EG-F^2}}\left[\frac{\partial}{\partial u}\left(\frac{F}{\sqrt{EG-F^2}}\frac{\partial G}{\partial u} - \frac{G}{\sqrt{EG-F^2}}\frac{\partial F}{\partial u}\right) - \frac{\partial}{\partial v}\left(\frac{E}{\sqrt{EG-F^2}}\frac{\partial G}{\partial u} - \frac{F}{\sqrt{EG-F^2}}\frac{\partial E}{\partial u}\right)\right] $$ 这个公式告诉我们：高斯曲率完全由第一基本形式决定，不需要知道曲面在三维空间中如何弯曲。这意味着生活在二维曲面上的"蚂蚁"可以通过测量曲面内部的距离、角度来计算曲率，而无需跳到三维空间中去"看"！ 图 1：高斯绝妙定理的直观体现。左图是球面（正曲率），右图尝试将球面展平到平面，必然产生撕裂或褶皱，说明曲率是内蕴的。 1.2 黎曼的宏伟构想 1854年，黎曼在高斯工作的基础上，提出了黎曼几何的框架。他的核心思想是： 推广度量概念：在 $n$ 维流形上定义度量张量 $g_{ij}$，使得弧长微元为： $$ ds^2 = \sum_{i,j=1}^{n} g_{ij}(x)dx^i dx^j $$ 内蕴几何：所有几何性质（曲率、联络、测地线）都由度量张量 $g_{ij}$ 及其导数决定 ...

Ricci Flow - A Comprehensive Review 引言 想象一个橡皮筋在一张橡胶膜上滑动，随着时间推移，橡胶膜的形状会不断变化，直到达到某种平衡状态。这种"形状随时间演化"的直观想法，正是 Ricci Flow 的核心思想。Ricci Flow 不仅是一个优美的数学概念，更是理解几何结构内在规律的重要工具。 在 1982 年，数学家 Richard Hamilton 提出了 Ricci Flow 的概念，最初是为了研究流形的几何结构。二十多年后，这一理论被 Grigori Perelman 成功应用于证明庞加莱猜想，彻底改变了几何学的面貌。本文将带您深入了解这个被誉为"几何学中的热方程"的强大工具。 第一章：预备知识 1.1 流形的基本概念 在讨论 Ricci Flow 之前，我们需要理解流形（Manifold）的概念。简单来说，流形是局部欧几里得的空间，即在每个小邻域内，空间看起来就像 $\mathbb{R}^n$。 正式定义：一个 $n$ 维流形 $M$ 是一个 Hausdorff 空间，对于每一点 $p \in M$，都存在一个开邻域 $U$ 和一个同胚映射 $\phi: U \to \mathbb{R}^n$。 1.2 度量张量 流形上的几何结构由度量张量 $g$ 决定。在局部坐标系 ${x^i}$ 中，度量可以表示为一个对称的正定矩阵 $(g_{ij})$，其中 $g_{ij}$ 定义了向量内积： $$ \langle X, Y \rangle = g_{ij} X^i Y^j $$ 1.3 黎曼曲率张量 度量张量 $g$ 的导数引出了黎曼曲率张量 $R_{ijkl}$，它衡量了流形的弯曲程度。曲率张量的分量可以通过 Christoffel 符号计算： ...

想象这样一个场景：你站在河边，看着水流在河道中蜿蜒前行。河水的流速在不同的位置和方向上都不同——有的地方湍急，有的地方平缓。如果你想知道流过一个闭合河岸的净水量，你会怎么做？ 直觉告诉你：可以沿着河岸计算流进和流出的差异。但数学告诉你，这等价于计算河岸所包围区域内水源的"产生"或"消失"。这就是格林公式的物理直观。 从二维的河流到三维的空气流动，从平面上的旋转到空间中的曲面，微积分的三大公式——格林公式、高斯公式、斯托克斯公式——都在讲述同一个深刻的思想：边界上的积分与内部的积分可以通过某种微分运算相互转化。 一、预备知识：向量微积分的语言 在深入三大公式之前，让我们先回顾一些必要的基础概念。 1.1 向量场 向量场 $\mathbf{F} : \mathbb{R}^n \to \mathbb{R}^n$ 是一个函数，它给空间中的每个点赋予一个向量。在二维情况下，我们通常写成： $$ \mathbf{F}(x, y) = P(x, y)\mathbf{i} + Q(x, y)\mathbf{j} $$ 物理中常见的向量场包括： 流体的速度场 电磁场的电场或磁场 引力场 图 1：向量场 F = (-y, x) 的可视化。这是一个旋转场，向量围绕原点旋转，形成同心圆的流线。 1.2 梯度、散度与旋度 假设 $f(x, y, z)$ 是一个标量函数，$\mathbf{F} = (P, Q, R)$ 是一个向量场，我们有三个关键的微分算子： 梯度：标量场的梯度是一个向量，指向函数增长最快的方向。 $$ \nabla f = \left(\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}, \frac{\partial f}{\partial z}\right) $$ 散度：向量场的散度是一个标量，衡量向量场在某点的"发散"程度。 $$ \nabla \cdot \mathbf{F} = \frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y} + \frac{\partial R}{\partial z} $$ ...

引言：如何测量弯曲的世界？ 想象一下，你生活在一个球面上。如果你想测量两点之间的距离，或者两条线之间的夹角，你会怎么做？ 在平坦的欧几里得平面上，这很简单：距离用勾股定理计算，角度用点积定义。但在球面上，直线变成了大圆弧，勾股定理不再成立，角度的计算也变得更加复杂。 问题的关键在于：我们需要一个通用的方法来定义任意空间中的距离和角度。 这个方法就是黎曼度量（Riemannian Metric），或者更准确地说，度量张量（Metric Tensor）。它是黎曼几何的基础，也是广义相对论中描述时空的核心工具。 第一章：从勾股定理到度量张量 欧几里得距离 在二维欧几里得平面上，两点 $(x_1, y_1)$ 和 $(x_2, y_2)$ 之间的距离是： $$ d = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2} $$ 这个公式源自勾股定理。更一般地，如果我们考虑一个微小的位移 $(dx, dy)$，那么对应的距离是： $$ ds^2 = dx^2 + dy^2 $$ 这个表达式被称为线元素（line element）。它告诉我们：沿 $x$ 方向移动 $dx$，沿 $y$ 方向移动 $dy$，总距离的平方是 $dx^2 + dy^2$。 三维欧几里得空间 在三维欧几里得空间中，线元素是： $$ ds^2 = dx^2 + dy^2 + dz^2 $$ 我们可以把它写成矩阵形式： $$ ds^2 = \begin{pmatrix} dx & dy & dz \end{pmatrix} \begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} \begin{pmatrix} dx \ dy \ dz \end{pmatrix} $$ ...

引言：从二维到无穷维 在我们之前的文章中，我们探索了高斯曲率（Gaussian Curvature），这个概念描述了二维曲面的弯曲程度。高斯的伟大发现是：曲面的弯曲是"内蕴"的，即只依赖于曲面自身的度量，而与曲面在三维空间中的嵌入方式无关。 但是，如果我们生活在四维时空中呢？或者更高维的空间？我们还能用同样的方式描述弯曲吗？ 答案是肯定的，但需要更加强大的数学工具。这个工具就是黎曼曲率张量（Riemann Curvature Tensor），由伟大的数学家伯恩哈德·黎曼（Bernhard Riemann）在19世纪中叶提出。 黎曼曲率张量是黎曼几何的核心概念，它不仅推广了高斯曲率，更成为了广义相对论中描述时空弯曲的数学基础。 第一章：回顾高斯的遗产 在深入黎曼曲率张量之前，让我们简要回顾高斯的工作。 高斯曲率与绝妙定理 对于二维曲面，高斯曲率 $K$ 定义为： $$ K = \frac{LN - M^2}{EG - F^2} $$ 其中 $E, F, G$ 是第一基本形式的系数，$L, M, N$ 是第二基本形式的系数。 高斯的绝妙定理告诉我们：$K$ 可以仅用 $E, F, G$ 及其导数表示，因此是曲面的内蕴性质。 这个定理暗示了一个深刻的观点：空间本身可能有内在的几何结构，这种结构不依赖于任何"外部"空间。 从曲面到更高维度 高斯的工作集中在二维曲面上。但问题是：如何将这个思想推广到更高维度？ 答案是：我们需要一种能够描述任意维度空间弯曲的数学对象。这个对象必须满足： 在二维情况下，它应该退化到高斯曲率 它应该包含足够的信息来描述任意方向、任意平面上的弯曲 它应该是内蕴的（即只依赖于度量） 黎曼曲率张量正是满足这些要求的数学对象。 第二章：黎曼的远见——1854年的演讲 伯恩哈德·黎曼（1826-1866） 伯恩哈德·黎曼是高斯的学生，也是数学史上最具原创性的思想家之一。他的工作跨越数论、复分析、微分几何等多个领域。 1854年6月10日，黎曼在哥廷根大学做了题为**《论几何基础的假设》**（Über die Hypothesen, welche der Geometrie zu Grunde liegen）的演讲。这篇演讲被认为是微分几何史上最重要的文献之一，也是黎曼几何的奠基之作。 黎曼几何的基本思想 在这次演讲中，黎曼提出了一个革命性的想法：几何不一定是三维欧几里得空间的子集，它可以是任意维度的"流形"（manifold）。 黎曼定义： 流形（Manifold）：局部看起来像欧几里得空间的几何对象 度量（Metric）：定义流形上两点之间的距离和角度 曲率（Curvature）：描述流形的弯曲程度 黎曼意识到：如果我们有一个度量 $g_{ij}$，我们可以计算各种几何量，包括曲率。但这个曲率在高维情况下应该是什么样的？ 黎曼的原始定义 黎曼在演讲中给出了曲率的原始定义（与现代形式略有不同）： 考虑流形上一点 $P$，取两个切向量 $X, Y$。沿着由 $X$ 和 $Y$ 张成的二维平面，我们可以构建一个"测地三角形"。这个三角形在流形上沿着测地线（最短路径）连接三点。 ...

引言：弯曲的世界 想象一下，你是一只蚂蚁，生活在一个巨大的球面上。对于这只蚂蚁来说，这个世界看起来是什么样子的？如果你问它：“这个世界是平的还是弯曲的？“它会怎么回答？ 这个问题看似简单，却蕴含着深刻的数学思想。古希腊的欧几里得用五条公理构建了完美的平面几何学，但现实世界中的曲面——球面、马鞍面、波浪形的海浪——让数学家们不得不思考：如何描述这些弯曲的几何形状？ 答案就是曲率，特别是高斯曲率（Gaussian Curvature）。这个概念不仅改变了我们对几何的理解，更成为了现代物理的基石。 第一章：曲率的直观理解 在深入数学之前，让我们先从直觉出发，理解什么是"弯曲”。 直线的曲率 一条直线没有弯曲，我们说它的曲率为零。这一点很直观——直线上任意一点都朝同一个方向延伸，没有"拐弯”。 圆的曲率呢？如果一个圆的半径是 $R$，那么它的曲率定义为： $$ \kappa = \frac{1}{R} $$ 这个定义很合理：圆越小（半径越小），弯曲得越厉害，曲率越大；圆越大（半径越大），弯曲越不明显，曲率越小；当半径趋于无穷大时，圆就变成了直线，曲率趋于零。 平面曲线的曲率 对于任意一条平面曲线，我们可以这样定义曲率：在某一点处，找一个最接近该曲线的圆（称为"密切圆"），这个圆的曲率就是曲线在该点的曲率。 数学上，如果曲线由参数方程 $(x(t), y(t))$ 给出，曲率的公式是： $$ \kappa = \frac{|x’(t)y’’(t) - y’(t)x’’(t)|}{(x’(t)^2 + y’(t)^2)^{3/2}} $$ 这个公式看起来有点复杂，但本质上就是用曲线的二阶导数（加速度）来描述弯曲程度。 从曲线到曲面 现在我们要迈出关键的一步：从曲线到曲面。球面是弯曲的，马鞍面也是弯曲的，但它们"弯曲"的方式不同。这种差异，正是高斯曲率要捕捉的。 第二章：从平面到曲面——数学家的探索 古希腊的遗产 古希腊几何学以欧几里得的《几何原本》为代表，建立在五条公理之上。其中最著名的是第五公理（平行公理）：“过直线外一点，有且只有一条直线与该直线平行。” 这条公理在平面上成立，但在曲面上却不一定成立。这暗示着，曲面的几何可能与平面有本质区别。 黎曼前的探索 在19世纪初，数学家们开始思考更一般的几何学。Gauss（高斯）之前的一些数学家，如Monge和Euler，已经研究过曲面的某些性质。 莱昂哈德·欧拉（Leonhard Euler）在1760年给出了一个重要发现：对于曲面上的任意一点，存在两个特殊的方向，沿着这两个方向的法曲率分别取得最大值和最小值。这两个值被称为主曲率，记为 $\kappa_1$ 和 $\kappa_2$。 欧拉还发现了一个重要公式：如果两个主方向之间的夹角是 $\theta$，那么沿着与第一个主方向夹角为 $\phi$ 的方向的法曲率是： $$ \kappa_n(\phi) = \kappa_1 \cos^2 \phi + \kappa_2 \sin^2 \phi $$ 这个公式被称为欧拉曲率公式，它告诉我们，如果知道了两个主曲率，就知道了一切方向的法曲率。 但欧拉的研究有一个局限：他只考虑了法曲率，即沿着某个方向在法平面内的曲率。这种曲率依赖于曲面在空间中的"嵌入方式"，被称为"外蕴曲率"（extrinsic curvature）。 卡尔·弗里德里希·高斯的登场 卡尔·弗里德里希·高斯（Carl Friedrich Gauss, 1777-1855）是数学史上最伟大的数学家之一。他在1827年发表了一篇里程碑式的论文：《关于曲面的一般研究》（Disquisitiones Generales Circa Superficies Curvas）。 ...

引言：从高速公路的弯道说起 想象一下，你正驾驶着汽车行驶在高速公路上，前方出现一个弯道。作为驾驶员，你会下意识地做几件事：判断弯道的急缓程度（曲率）、调整方向盘的角度（切向量）、控制车速，甚至在复杂的弯道上，你会感受到车身有轻微的侧倾或仰俯（挠率）。 这些看似简单的驾驶行为背后，隐藏着深刻的数学原理：如何在任意一点附近，用最简洁的方式描述一条空间曲线的几何性质？ 这就是19世纪数学家们面临的核心问题。而他们的答案——Frenet标架（Frenet Frame），不仅成为了微分几何的基石，更在今天的自动驾驶和机器人工程中扮演着不可或缺的角色。 让我们从这段跨越170年的数学之旅开始，逐步揭开Frenet标架的神秘面纱。 第一章：19世纪的几何革命 在19世纪中叶，微分几何正处于一个激动人心的时期。传统的欧几里得几何关注的是静态的图形性质——三角形的内角和、圆的面积等等。但数学家们开始思考一个更动态的问题：如何研究"弯曲"的对象？ 这个问题的种子早在17世纪就由牛顿和莱布尼茨播下——微积分的发明让人们能够描述变化的速率。到了19世纪，数学家们意识到，微积分可以用来研究曲线和曲面的局部性质，而不只是全局性质。 Frenet的突破 1847年，法国数学家Jean Frédéric Frenet在他的博士论文中提出了一个革命性的想法：在空间曲线上的每一点，我们可以建立一个自然的局部坐标系。这个坐标系不是任意选择的，而是由曲线本身的几何性质唯一确定的。 Serret的独立发现 几乎在同一时间，另一位法国数学家Joseph Alfred Serret也独立地发现了同样的结果。这就是为什么这个框架被称为"Frenet-Serret公式"。今天，我们更常称之为"Frenet标架"，以纪念Frenet率先发表的贡献。 这个发现的巧妙之处在于：它用三个相互正交的向量，完整地刻画了曲线在任意点的局部几何。这三个向量——切向量、法向量和副法向量——构成了一个"移动标架"，随着我们在曲线上移动而不断变化。 第二章：构建Frenet标架——从直觉到严谨 让我们从直观到严谨，一步步构建Frenet标架。 第一步：切向量（Tangent Vector） 想象一辆小车沿着一条空间曲线行驶。在任意时刻，小车都有一个瞬时速度向量，指向它运动的方向。这个方向就是曲线在该点的切线方向。 假设曲线由参数方程 $\mathbf{r}(t) = (x(t), y(t), z(t))$ 描述，其中 $t$ 是参数（可以想象成时间）。那么切向量就是速度向量： $$ \mathbf{v}(t) = \frac{d\mathbf{r}}{dt} = \left(\frac{dx}{dt}, \frac{dy}{dt}, \frac{dz}{dt}\right) $$ 这个向量的大小代表了运动的快慢，但作为几何性质，我们更关注方向。因此，我们将切向量标准化为单位向量： $$ \mathbf{T}(t) = \frac{\mathbf{v}(t)}{|\mathbf{v}(t)|} = \frac{\frac{d\mathbf{r}}{dt}}{\left|\frac{d\mathbf{r}}{dt}\right|} $$ 直觉理解：$\mathbf{T}$ 指向曲线"前方"，代表运动的方向。 第二步：主法向量（Principal Normal Vector） 接下来，我们考虑切向量的变化率。$\mathbf{T}$ 的方向会随着曲线弯曲而改变，这种改变的方向如何描述？ 对 $\mathbf{T}$ 求导： $$ \frac{d\mathbf{T}}{ds} $$ 这里我们用弧长 $s$ 作为参数（稍后解释为什么）。由于 $\mathbf{T}$ 是单位向量，$\mathbf{T} \cdot \mathbf{T} = 1$，对其求导得到： ...

系统介绍法国数学家加斯东·达布（Gaston Darboux）的四卷本《曲面通论教程》，阐述各卷内容与主要贡献

引言：从山路说起 想象你是一名登山者，被困在浓雾笼罩的山坡上，四周一片白茫茫。你手里只有一个指南针，它指向的似乎是你所在位置海拔下降最快的方向。这是你最希望知道的：该往哪个方向迈出第一步，才能尽快走出这座山？ 这就是梯度下降算法最直观的物理类比。你所在的位置，是一个函数在某点的值；你想要的，是找到函数的最小值（山谷的最低点）；而那个指南针，就是梯度——告诉你哪个方向上升最快的向量。 这个看似简单的思想，却成为了现代人工智能的数学引擎。从AlphaGo击败李世石，到ChatGPT生成流畅的文字，再到自动驾驶汽车的感知系统，背后都依赖着梯度、梯度下降和反向传播这三个核心概念的精密协作。 但在深入这些概念之前，我们需要先理解一个更基础的数学对象：梯度。 梯度：地形的最陡方向 历史背景：从Hamilton到向量微积分 梯度的概念并非一蹴而就。它的起源可以追溯到19世纪中叶，那个数学物理大爆发的时代。 1843年，爱尔兰数学家William Rowan Hamilton（哈密顿）在研究四元数时，引入了一个算子符号$\nabla$，他称之为"nabla"（源自希腊语，意为一种竖琴）。这个倒三角符号后来成为了梯度、散度和旋度的统一表示。 1850年代，苏格兰数学家James Clerk Maxwell（麦克斯韦）进一步发展了向量微积分理论，他将$\nabla$算子应用于不同的运算：$\nabla \phi$表示梯度，$\nabla \cdot \mathbf{F}$表示散度，$\nabla \times \mathbf{F}$表示旋度。这三大运算构成了现代电磁学理论的数学语言。 更早之前，法国数学家Augustin-Louis Cauchy（柯西）在1847年就提出了梯度下降算法的雏形，这是最古老的优化算法之一。 数学定义：偏导数的向量 给定一个多元标量函数 $f: \mathbb{R}^n \rightarrow \mathbb{R}$，它的梯度 $\nabla f$（读作"del f"或"grad f"）定义为： $$ \nabla f = \left(\frac{\partial f}{\partial x_1}, \frac{\partial f}{\partial x_2}, \ldots, \frac{\partial f}{\partial x_n}\right)^T $$ 这是一个向量，每个分量是函数对相应变量的偏导数。 具体计算示例 考虑一个简单的二次函数：$f(x, y) = x^2 + 2y^2 - 4x - 8y + 17$ 计算梯度： $$ \frac{\partial f}{\partial x} = 2x - 4, \quad \frac{\partial f}{\partial y} = 4y - 8 $$ ...

引言：平坦世界的局限 想象你站在一个巨大的球面上，比如地球。你手里有一个指南针，可以告诉你"北"的方向。你沿着"北"的方向走，一直走到北极。然后，你继续沿着原来的"南"方向（相对于你的起点）走下去。 奇怪的事情发生了：你永远不会回到原来的方向。北极点的"北"没有意义——所有方向都是"南"！ 这就是微分几何要解决的问题：在弯曲的世界中，我们如何定义方向、距离、曲线和导数？ 从平坦到弯曲 在欧几里得几何中，空间是平坦的、均匀的。平行线永不相交，三角形内角和总是180度，两点之间直线最短。我们中学学的几何，都是这样的。 但真实世界不是平坦的。地球是球面（近似），时空是弯曲的（广义相对论），高维数据分布在复杂的流形上（深度学习）。 微分几何，就是研究这些弯曲空间的数学工具。它告诉我们：在弯曲的世界里，什么是"直线"，什么是"平行"，甚至什么是"导数"。 而今天，这个曾经抽象的数学分支，已经成为深度学习、机器人工程和自动驾驶的核心。 让我们从最基本的概念开始，逐步走向这些现代技术的深处。 第一章：流形——弯曲空间的数学 1.1 什么是流形？ 流形（manifold）的概念源于这样一个观察：局部看，任何光滑的弯曲空间都像平坦的欧几里得空间。 例子：球面 局部看：一个小区域的地球表面，看起来是平的（所以我们可以画平面地图） 整体看：它是弯曲的（所以所有地图都有变形） 数学上，一个$n$维流形$\mathcal{M}$是这样一个空间：每一点$p\in\mathcal{M}$都有一个邻域，同胚于$\mathbb{R}^n$。 直观理解：流形是"局部平坦，整体弯曲"的空间。 1.2 切空间和切向量 在弯曲的流形上，我们不能直接说"向量指向某个方向"。向量必须定义在切空间（tangent space）上。 切空间$T_p\mathcal{M}$：在点$p$处，所有可能的"方向"构成的线性空间。 对于球面上的点，切空间是该点的切平面。在这个平面上，我们可以定义向量和线性运算。 关键：不同点的切空间是不同的！你不能直接比较点$p$的切向量和点$q$的切向量。 这就是为什么我们需要联络（connection）——它告诉我们如何在相邻的切空间之间移动向量。 1.3 度量张量 在平坦的欧几里得空间中，两个向量$\mathbf{u}, \mathbf{v}$的内积很简单： $$\langle \mathbf{u}, \mathbf{v} \rangle = \mathbf{u}^T \mathbf{v} = u_1 v_1 + u_2 v_2 + \cdots + u_n v_n$$ 但在弯曲空间中，每个点的度量可能是不同的。我们需要度量张量$g_{ij}$： $$\langle \mathbf{u}, \mathbf{v} \rangle_p = g_{ij}(p) u^i v^j$$ 使用爱因斯坦求和约定（重复指标自动求和）。 直观理解：$g_{ij}$告诉我们这个点空间的"拉伸"和"扭曲"程度。 1.4 曲率 曲率（curvature）描述了空间弯曲的程度。 在平坦空间中，平行移动一个向量回到原点，方向不变。在弯曲空间中，方向会改变。 黎曼曲率张量$R^k_{lij}$： $$(\nabla_i \nabla_j - \nabla_j \nabla_i) V^k = R^k_{lij} V^l$$ ...