简介：这份资源是陈维桓《微分几何》讲稿的Word文档，面向数学专业学生、考研备考者及对微分几何感兴趣的研究者，帮助系统梳理从绪论到曲线论的核心理论。讲稿内容涵盖绪论中欧拉、高斯、黎曼等数学家的历史贡献，第一章预备知识中的向量代数、正交标架与刚体运动，以及第二章曲线论中的弧长参数化、曲率、挠率、Frenet公式与曲线论根本定理，并延伸至曲面论与非欧几何。资源包内仅含1个doc文件，大小约6.54MB，目录结构清晰，按章节编排，便于按模块检索学习。目前已有74人学习下载，适合需要扎实掌握微分几何基础、培养抽象思维与理论应用能力的中高级学习者参考使用。
1. 一份被低估的微分几何讲稿：从曲线论到曲面的完整推演
如果你正在啃陈维桓《微分几何》却卡在第一章的向量函数、第二章的曲线论或第三章的曲面论，这份讲稿大概率能救你。它不是教材的简单复述，而是把绪论到第三章的核心推导逐行展开的手写体整理稿，覆盖弧长参数、Frenet 标架、曲率挠率、第一第二基本形式、Gauss 映射、主曲率与 Gauss 曲率这些关键节点。适合两类人：一是自学时被“显然可得”卡住的本科生，二是考研复试要快速捡回曲线曲面计算的人。我翻完的感受是，它把教材里跳步最狠的地方补上了中间过程，尤其是活动标架法的推导链条，比干看教材省至少一半时间。下面按“讲稿结构 → 核心推导怎么跟 → 计算怎么落地 → 坑在哪”的顺序拆开说。
2. 讲稿的章节骨架与知识依赖链：先搞清楚哪几页必须精读
2.1 绪论到第三章的覆盖范围与依赖关系
这份讲稿的章节划分和教材基本对齐，但每章末尾多了推导补充。绪论部分讲的是向量函数与向量分析，看似是复习，实际是后面所有计算的语法基础——向量函数的极限、连续、微商、Taylor 展开，这些概念在曲线论里会反复出现。第一章正式进入曲线论，核心是弧长参数化、Frenet 标架、曲率与挠率。第二章是曲线论的应用与深化，包括平面曲线、空间曲线的基本定理。第三章进入曲面论，从曲面的参数表示、切平面、第一基本形式，到第二基本形式、Gauss 映射、主曲率、Gauss 曲率与平均曲率。
依赖链非常明确：向量函数的微商不过关，Frenet 公式的推导就会断；第一基本形式没吃透，第二基本形式的计算就无从下手。我一般建议按“绪论向量分析 → 第一章曲线论 → 第三章曲面论”的顺序走，第二章可以穿插在第一章之后作为巩固。讲稿里每章开头都有“本章依赖”的小注，这个细节很实用，能帮你判断自己是不是跳步了。
2.2 讲稿与教材的差异：哪些推导被补全了
教材里常见的“留作练习”或“显然”在讲稿里基本都被展开了。举几个典型位置：Frenet 公式的矩阵推导，教材往往直接给出结果，讲稿里补了从正交标架到反对称矩阵的完整过程；曲率挠率的几何意义，教材用文字描述，讲稿配了参数曲线的具体算例；第一基本形式的系数计算，教材给公式，讲稿给了三个不同参数化下的对比计算。
这些补全对自学者价值最大。因为微分几何的难点不在概念本身，而在“从定义到公式”的中间步骤。讲稿把这些步骤写出来了，你至少知道每一步在干什么，而不是对着结果发呆。
2.3 怎么判断自己该从哪一章开始
如果你能独立推导出弧长参数下切向量的单位化过程，并且能写出 Frenet 公式的矩阵形式，可以直接从第三章开始。如果你对“曲率是切向量关于弧长的转动速率”这句话没有画面感，建议从第一章的向量函数微商重新过一遍。讲稿绪论部分有一个自测清单，列了五个判断点，我贴一下核心逻辑：
- 能否写出向量函数 r(t) 在 t0 处的微商定义式
- 能否说明弧长参数 s 与一般参数 t 的转换关系
- 能否写出 Frenet 标架三个向量的定义
- 能否解释曲率 κ 与挠率 τ 的几何含义
- 能否写出第一基本形式的四个系数
这五个点如果卡住任何一个，对应的章节就必须精读，不能跳。
3. 曲线论核心推导怎么跟：Frenet 标架与曲率挠率的计算落地
3.1 弧长参数化与 Frenet 标架的推导步骤
曲线论的第一步是把一般参数 t 转成弧长参数 s。讲稿里给了完整的推导链条，我按自己的理解重新整理一遍，方便你对照。
设曲线 r(t) = (x(t), y(t), z(t))，弧长函数为：
# 弧长函数 s(t) 的数值计算示例 import numpy as np from scipy.integrate import quad def arc_length(t, curve_derivative): """ t: 参数值 curve_derivative: 返回 r'(u) 的函数 """ integrand = lambda u: np.linalg.norm(curve_derivative(u)) s, _ = quad(integrand, 0, t) return s # 示例：螺旋线 r(t) = (cos t, sin t, t) def drdt(t): return np.array([-np.sin(t), np.cos(t), 1.0]) t_val = np.pi s_val = arc_length(t_val, drdt) print(f"s(π) = {s_val:.6f}") # 理论值 √2 · π ≈ 4.442883这段代码的逻辑是：弧长是速度向量模长的积分。参数说明：curve_derivative返回的是 r'(u)，quad做数值积分。讲稿里用的是解析推导，但数值验证能帮你确认自己算的对不对。常见错误是把弧长参数和一般参数混用，导致后面 Frenet 公式里的微商对象搞错。
Frenet 标架的三个向量：切向量 T = r'(s)，主法向量 N = T'(s)/|T'(s)|，副法向量 B = T × N。讲稿里特别强调，T 必须是单位向量，所以 r 必须已经弧长参数化。如果没参数化，T = r'(t)/|r'(t)|，但后续微商要换成对 s 求导，链式法则不能丢。
3.2 曲率与挠率的计算：从公式到代码验证
曲率 κ = |T'(s)|，挠率 τ = -B'(s)·N(s)。讲稿里给了三个算例：圆、螺旋线、一般参数曲线。我拿螺旋线做数值验证：
import numpy as np def frenet_curvature_torsion(t): """ 螺旋线 r(t) = (a cos t, a sin t, b t) 返回曲率 κ 和挠率 τ """ a, b = 1.0, 1.0 # 一阶导 r1 = np.array([-a*np.sin(t), a*np.cos(t), b]) # 二阶导 r2 = np.array([-a*np.cos(t), -a*np.sin(t), 0.0]) # 三阶导 r3 = np.array([a*np.sin(t), -a*np.cos(t), 0.0]) cross_r1_r2 = np.cross(r1, r2) speed = np.linalg.norm(r1) kappa = np.linalg.norm(cross_r1_r2) / speed**3 tau = np.dot(cross_r1_r2, r3) / np.linalg.norm(cross_r1_r2)**2 return kappa, tau t = np.pi/4 kappa, tau = frenet_curvature_torsion(t) print(f"κ = {kappa:.6f}, τ = {tau:.6f}") # 理论值：κ = a/(a²+b²) = 0.5, τ = b/(a²+b²) = 0.5逻辑说明：曲率用 |r' × r''| / |r'|³，挠率用 (r' × r'') · r''' / |r' × r''|²。参数 a 和 b 控制螺旋线的半径和螺距。讲稿里推导这两个公式时用了 Frenet 公式反推，代码验证能帮你确认符号有没有搞错。注意挠率的符号：不同教材定义可能差一个负号，讲稿里用的是 τ = -B'·N，和上面代码一致。
3.3 讲稿里的推导细节：哪些地方容易断链
讲稿在 Frenet 公式的矩阵推导处花了整整两页。核心逻辑是：T、N、B 构成正交标架，它们关于 s 的微商可以表示为自身的线性组合，系数矩阵是反对称的。这个反对称性来自正交条件 T·T = 1、N·N = 1、B·B = 1 和两两正交。讲稿把矩阵元素的对应关系写得很清楚：
| 微商 | 展开式 | 系数含义 |
|---|---|---|
| T'(s) | κN | 曲率 κ |
| N'(s) | -κT + τB | 曲率与挠率 |
| B'(s) | -τN | 挠率 τ |
这张表是曲线论的核心，背下来不亏。讲稿里还补了每个系数的几何解释：κ 衡量曲线偏离直线的程度，τ 衡量曲线偏离平面的程度。如果 τ ≡ 0，曲线是平面曲线；如果 κ ≡ 0，曲线是直线。
常见断链点：一是弧长参数化没做，直接对 t 求导；二是正交条件用错，把 T·N = 0 的微商写成 T'·N + T·N' = 0 后不知道怎么用；三是反对称矩阵的推导跳步。讲稿在这三处都有详细展开，建议对照自己的推导过程逐行检查。
4. 曲面论入门：第一第二基本形式与 Gauss 曲率的计算路径
4.1 曲面的参数表示与切平面
曲面论从参数表示开始：r(u, v) = (x(u, v), y(u, v), z(u, v))。讲稿里强调，曲面的局部性质和参数选取无关，但计算复杂度跟参数选取关系很大。常见参数化有球坐标、柱坐标、图表示 z = f(x, y)。切平面由两个切向量 r_u 和 r_v 张成，法向量 n = (r_u × r_v) / |r_u × r_v|。
讲稿里给了一个球面的参数化算例：
import numpy as np def sphere_param(u, v): """球面参数化：u 是极角，v 是方位角""" R = 1.0 return np.array([ R * np.sin(u) * np.cos(v), R * np.sin(u) * np.sin(v), R * np.cos(u) ]) def partial_derivatives(func, u, v, h=1e-6): """数值计算偏导数""" r_u = (func(u+h, v) - func(u-h, v)) / (2*h) r_v = (func(u, v+h) - func(u, v-h)) / (2*h) return r_u, r_v u, v = np.pi/3, np.pi/4 r_u, r_v = partial_derivatives(sphere_param, u, v) normal = np.cross(r_u, r_v) normal = normal / np.linalg.norm(normal) print(f"法向量: {normal}") # 球面法向量应指向径向，即 (sin u cos v, sin u sin v, cos u)逻辑说明：数值偏导用于验证解析推导。参数 u 和 v 的范围要跟参数化定义一致，球面通常 u ∈ [0, π]，v ∈ [0, 2π]。讲稿里用的是解析求导，但数值方法能帮你快速检查符号和系数。
4.2 第一基本形式与第二基本形式的计算
第一基本形式 I = E du² + 2F du dv + G dv²，其中 E = r_u·r_u，F = r_u·r_v，G = r_v·r_v。第二基本形式 II = L du² + 2M du dv + N dv²，其中 L = r_uu·n，M = r_uv·n，N = r_vv·n。
讲稿里把这两个形式的计算拆成了三步：先算偏导，再算法向量，最后点积。我按这个流程写了一个通用计算函数：
def first_second_fundamental(func, u, v, h=1e-5): """ 计算第一和第二基本形式的系数 func: 曲面参数化函数 u, v: 参数值 """ # 一阶偏导 r_u = (func(u+h, v) - func(u-h, v)) / (2*h) r_v = (func(u, v+h) - func(u, v-h)) / (2*h) # 二阶偏导 r_uu = (func(u+h, v) - 2*func(u, v) + func(u-h, v)) / h**2 r_uv = (func(u+h, v+h) - func(u+h, v-h) - func(u-h, v+h) + func(u-h, v-h)) / (4*h**2) r_vv = (func(u, v+h) - 2*func(u, v) + func(u, v-h)) / h**2 # 法向量 normal = np.cross(r_u, r_v) normal = normal / np.linalg.norm(normal) # 第一基本形式 E = np.dot(r_u, r_u) F = np.dot(r_u, r_v) G = np.dot(r_v, r_v) # 第二基本形式 L = np.dot(r_uu, normal) M = np.dot(r_uv, normal) N = np.dot(r_vv, normal) return E, F, G, L, M, N E, F, G, L, M, N = first_second_fundamental(sphere_param, np.pi/3, np.pi/4) print(f"E={E:.4f}, F={F:.4f}, G={G:.4f}") print(f"L={L:.4f}, M={M:.4f}, N={N:.4f}") # 球面：E=1, F=0, G=sin²u, L=-1, M=0, N=-sin²u参数说明：h 是数值微分步长，太小会有浮点误差，太大会有截断误差，一般取 1e-5 到 1e-6。讲稿里用的是解析推导，但数值方法适合快速验证。注意第二基本形式的符号取决于法向量方向，法向量反向，L、M、N 全部变号。
4.3 Gauss 曲率与平均曲率的计算与验证
Gauss 曲率 K = (LN - M²) / (EG - F²)，平均曲率 H = (EN - 2FM + GL) / (2(EG - F²))。讲稿里给了球面、柱面、鞍面的算例。球面的 K = 1/R²，柱面的 K = 0，鞍面的 K < 0。
def gauss_mean_curvature(E, F, G, L, M, N): """计算 Gauss 曲率和平均曲率""" denom = E*G - F**2 K = (L*N - M**2) / denom H = (E*N - 2*F*M + G*L) / (2*denom) return K, H K, H = gauss_mean_curvature(E, F, G, L, M, N) print(f"Gauss 曲率 K = {K:.4f}") print(f"平均曲率 H = {H:.4f}") # 球面 R=1：K=1, H=-1（取决于法向量方向）逻辑说明：Gauss 曲率是内蕴量，跟参数选取无关；平均曲率是外蕴量，跟嵌入方式有关。讲稿里特别强调了这一点，因为这是曲面论的核心区分。验证方法：换一组参数化，重新计算 K，结果应该一致。如果 K 变了，说明计算过程有误。
5. 避坑与排查：微分几何计算里最容易翻车的五个地方
5.1 弧长参数化没做就套 Frenet 公式
现象：算出来的曲率或挠率跟教材答案对不上，或者 Frenet 公式里的微商对象混乱。原因：Frenet 公式 T'(s) = κN 是对弧长 s 求导，不是对一般参数 t 求导。如果直接用 t 求导，得到的是 T'(t) = |r'(t)| κN，多了一个速度因子。解决：要么先做弧长参数化，要么在公式里补上链式法则的因子。讲稿里给了两种路径的对比推导，建议至少手推一遍。
5.2 法向量方向搞反导致第二基本形式符号全错
现象：Gauss 曲率算出来符号跟预期相反，或者平均曲率的正负跟教材不一致。原因：第二基本形式的 L、M、N 依赖法向量 n 的方向，n 反向，L、M、N 全部变号，但 K = (LN - M²)/(EG - F²) 不变，H 变号。解决：先确认法向量方向，通常取 r_u × r_v 的方向，但有些教材取反。讲稿里统一用 r_u × r_v，并在每章开头注明。如果你跟的教材定义不同，记得统一调整。
5.3 数值微分的步长选错导致精度崩掉
现象：用数值方法验证解析结果时，误差大得离谱，或者结果不稳定。原因：步长 h 太大，截断误差主导；h 太小，浮点误差主导。解决：一般取 h = 1e-5 到 1e-6，并用中心差分。如果函数变化剧烈，可以适当放大 h。讲稿里用的是解析推导，但数值验证时建议用中心差分，不要用前向差分。
5.4 参数范围搞错导致曲面计算出界
现象：球面参数化时 u 取到 π 以上，或者柱面参数化时角度取到 2π 以上，导致法向量或曲率计算出界。原因：参数范围跟参数化的定义域不匹配。解决：先确认参数化的定义域，球面 u ∈ [0, π]，v ∈ [0, 2π]；柱面 u ∈ (-∞, +∞)，v ∈ [0, 2π]。讲稿里每个算例都标了参数范围，建议照抄。
5.5 把内蕴量和外蕴量混为一谈
现象：换一组参数化后，Gauss 曲率变了，或者把平均曲率当成内蕴量。原因：Gauss 曲率是内蕴量，只依赖第一基本形式；平均曲率是外蕴量，依赖第二基本形式。解决：验证时换参数化重算 K，如果 K 不变，说明计算正确；H 变是正常的。讲稿里在第三章末尾专门讨论了这个问题，建议精读。
6. 进阶用法：用讲稿的推导框架验证教材习题与考研真题
讲稿的推导框架可以直接迁移到习题验证。我一般会走三步：先按讲稿的步骤手推一遍，再用代码数值验证，最后换参数化检查内蕴量是否一致。这套流程在考研复试的曲线曲面计算题里特别管用，因为复试往往要求写出完整推导过程，讲稿的中间步骤正好能补上教材跳过的部分。
举一个具体技巧：讲稿里每个公式后面都有一个“验证建议”，比如 Frenet 公式后面建议用螺旋线验证，Gauss 曲率后面建议用球面和柱面对比。我按这个建议做了一遍，发现螺旋线的挠率符号最容易搞错，球面的平均曲率符号取决于法向量方向。这些细节在考试里就是扣分点。
还有一个用法是反向查错。如果你算出的结果跟教材答案不一致，先别急着怀疑自己，按讲稿的依赖链往回查：弧长参数化做了吗？法向量方向对吗？参数范围对吗？内蕴量换参数化后一致吗？这四个问题能定位大部分错误。
从那以后我每次碰曲线曲面的计算题，都强制走一遍“手推 → 数值验证 → 换参数化检查”的流程，翻车次数明显少了。希望帮到你。
本文还有配套的精品资源，点击获取
