廣義 Stokes 定理：微分形式如何統一向量微積分

為什麼三大積分定理長得這麼像？一條把它們全部吞下去的公式

讀過入門篇後，你大概已經會算偏導數、會寫梯度 $\nabla f$、會在矩形或極座標下做重積分。但如果你翻開向量微積分的後半冊，會撞見三個面孔神似卻又各自獨立的定理：Green 定理、Stokes 定理、散度（Gauss）定理。它們都長成「邊界上的積分 $=$ 內部某種導數的積分」這個句型：

$$ \oint_{\partial D} (P\,dx + Q\,dy) = \iint_D \left(\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}\right)dA. $$

一個很自然的進階問題是：這是巧合嗎？還是它們其實是同一個定理穿了三件不同的衣服？這篇文章的目標，就是帶你走到「微分形式（differential forms）」與「廣義 Stokes 定理（generalized Stokes' theorem）」的門口——一條公式

$$ \int_M d\omega = \int_{\partial M} \omega $$

把上面三個定理、甚至微積分基本定理，全部收進同一行。要走到這裡，我們得先補上入門篇刻意略過的幾塊硬骨頭：Jacobian 究竟在做什麼、隱函數定理為什麼保證「解得出來」、以及為什麼換變數時會冒出一個行列式。

線性化的真相：全微分與 Jacobian 矩陣

入門篇談偏導數時，多半把它當成「固定其他變數、對一個變數求導」。進階的觀點要更狠一點：微分的本質是線性映射（linear map）。

考慮一個映射 $\mathbf{F}: \mathbb{R}^n \to \mathbb{R}^m$。我們說 $\mathbf{F}$ 在點 $\mathbf{a}$ 可微（differentiable），意思是存在一個線性映射 $D\mathbf{F}(\mathbf{a})$，使得

$$ \mathbf{F}(\mathbf{a}+\mathbf{h}) = \mathbf{F}(\mathbf{a}) + D\mathbf{F}(\mathbf{a})\,\mathbf{h} + o(\|\mathbf{h}\|). $$

這裡 $o(\|\mathbf{h}\|)$ 代表當 $\mathbf{h}\to\mathbf{0}$ 時，誤差比 $\|\mathbf{h}\|$ 還快地趨近於零。換句話說，可微 $=$ 在局部可以用一個線性映射逼近到第一階。那個線性映射寫成矩陣，就是 Jacobian 矩陣：

$$ D\mathbf{F}(\mathbf{a}) = \begin{pmatrix} \dfrac{\partial F_1}{\partial x_1} & \cdots & \dfrac{\partial F_1}{\partial x_n}\\[2mm] \vdots & \ddots & \vdots\\[1mm] \dfrac{\partial F_m}{\partial x_1} & \cdots & \dfrac{\partial F_m}{\partial x_n} \end{pmatrix}. $$

這個觀點立刻給你一個入門版偏導數看不出來的收穫：多變數的連鎖律就是矩陣相乘。若 $\mathbf{G}\circ\mathbf{F}$ 有定義，則

$$ D(\mathbf{G}\circ\mathbf{F})(\mathbf{a}) = D\mathbf{G}\big(\mathbf{F}(\mathbf{a})\big)\cdot D\mathbf{F}(\mathbf{a}). $$

你不必再死記一堆 $\frac{\partial z}{\partial u}=\frac{\partial z}{\partial x}\frac{\partial x}{\partial u}+\frac{\partial z}{\partial y}\frac{\partial y}{\partial u}$ 的鏈條；它們只是這個矩陣乘法被攤開來寫的某一格。

一個常見迷思要在這裡澄清：偏導數全部存在，不代表函數可微。經典反例是

$$ f(x,y)=\begin{cases}\dfrac{xy}{x^2+y^2}, & (x,y)\neq(0,0)\\[2mm] 0, & (x,y)=(0,0)\end{cases} $$

在原點 $f_x(0,0)=f_y(0,0)=0$ 都存在，但 $f$ 在原點連連續都不是（沿 $y=x$ 趨近極限是 $\tfrac12$）。可微是比「偏導數存在」更強的條件。真正可用的充分條件是：若偏導數都存在且在該點附近連續，則函數可微（即 $C^1 \Rightarrow$ 可微）。

行列式從哪冒出來：換變數公式的幾何

入門篇用極座標做過 $dA = r\,dr\,d\theta$，那個多出來的 $r$ 是哪來的？進階答案：它是座標變換 Jacobian 的行列式絕對值。

換變數公式（change of variables）說，若 $\mathbf{\Phi}:U\to V$ 是一對一、可微、Jacobian 可逆的映射，則

$$ \int_V f(\mathbf{y})\,d\mathbf{y} = \int_U f\big(\mathbf{\Phi}(\mathbf{u})\big)\,\big|\det D\mathbf{\Phi}(\mathbf{u})\big|\,d\mathbf{u}. $$

幾何上的直覺非常乾淨：線性映射 $D\mathbf{\Phi}$ 把一個小立方體變成一個平行六面體，而行列式正是體積的伸縮倍率。負號代表方向（定向）翻轉，所以積分裡取絕對值。對極座標 $\mathbf{\Phi}(r,\theta)=(r\cos\theta,\,r\sin\theta)$：

$$ D\mathbf{\Phi}=\begin{pmatrix}\cos\theta & -r\sin\theta\\ \sin\theta & r\cos\theta\end{pmatrix},\quad \det D\mathbf{\Phi}= r\cos^2\theta + r\sin^2\theta = r. $$

那個神祕的 $r$ 不是背出來的咒語，而是面積伸縮率。離原點越遠，同樣的 $d\theta$ 掃出越大的弧長，面積自然被放大 $r$ 倍。

看一個例子：用 Jacobian 算一個「不可能」的積分

我們來算高斯積分 $I=\displaystyle\int_{-\infty}^{\infty} e^{-x^2}\,dx$。單變數技巧對它束手無策，但二維換變數一招制敵。考慮

$$ I^2 = \left(\int_{-\infty}^{\infty} e^{-x^2}dx\right)\left(\int_{-\infty}^{\infty} e^{-y^2}dy\right) = \iint_{\mathbb{R}^2} e^{-(x^2+y^2)}\,dx\,dy. $$

換成極座標，$x^2+y^2=r^2$、$dx\,dy = r\,dr\,d\theta$：

$$ I^2 = \int_0^{2\pi}\!\!\int_0^{\infty} e^{-r^2}\,r\,dr\,d\theta = 2\pi \int_0^{\infty} e^{-r^2}\,r\,dr. $$

令 $u=r^2$、$du=2r\,dr$：

$$ \int_0^{\infty} e^{-r^2}\,r\,dr = \frac12\int_0^{\infty} e^{-u}\,du = \frac12. $$

於是 $I^2 = 2\pi\cdot\tfrac12 = \pi$，所以 $I=\sqrt{\pi}$。注意關鍵步驟：那個冒出來的 $r$（Jacobian 行列式）恰好抵消了讓積分變得可解。這個結果正是常態分布歸一化常數的來源。

隱函數定理：什麼時候「解得出來」？

入門篇做隱函數微分時，多半直接寫 $\frac{dy}{dx}=-\frac{F_x}{F_y}$，卻不問一句：憑什麼方程 $F(x,y)=0$ 一定能在局部解出 $y=g(x)$？這正是隱函數定理（implicit function theorem） 要保證的事。

定理（平面版）：設 $F$ 在點 $(a,b)$ 附近 $C^1$，$F(a,b)=0$，且 $\dfrac{\partial F}{\partial y}(a,b)\neq 0$。則在 $(a,b)$ 的某個鄰域內，存在唯一的 $C^1$ 函數 $y=g(x)$ 滿足 $F(x,g(x))=0$，且

$$ g'(x) = -\frac{\partial F/\partial x}{\partial F/\partial y}. $$

那個「$\partial F/\partial y\neq 0$」的條件不是裝飾。幾何上它要求曲線在該點不是垂直切線——否則同一個 $x$ 對應到多個 $y$，根本沒有單值函數可言。想想單位圓 $x^2+y^2-1=0$ 在點 $(1,0)$：那裡 $\partial F/\partial y = 2y = 0$，定理失效，而確實在 $(1,0)$ 附近你無法把 $y$ 寫成 $x$ 的單值函數（上下半圓在此交會）。

高維版本把「$\partial F/\partial y\neq 0$」升級成「對應變數那塊子矩陣的行列式非零（即可逆）」。這也是為什麼 Jacobian 的非奇異性（non-singularity）在進階多變數裡無所不在：它是「局部可解、局部可逆」的通行證。緊鄰的反函數定理（inverse function theorem） 說的是同一件事的另一面——若 $\det D\mathbf{F}(\mathbf{a})\neq 0$，則 $\mathbf{F}$ 在 $\mathbf{a}$ 附近局部可逆，且反函數也可微。

微分形式：把 $dx$、$dx\wedge dy$ 當成正式物件

現在進入這篇文章的核心。入門篇把 $dx$、$dA$、$dV$ 當成「無窮小」的記號，含糊帶過。進階觀點要把它們提升為正式的代數物件——微分形式（differential forms）。

關鍵運算是楔積（wedge product） $\wedge$，它是反對稱的：

$$ dx\wedge dy = -\,dy\wedge dx,\qquad \text{因此 } dx\wedge dx = 0. $$

這個反對稱性不是憑空規定，而是把「定向面積」編碼進去——交換兩條邊，平行四邊形的定向就翻轉，面積變號。一個 $k$-形式（$k$-form）就是這些楔積的線性組合：

• $0$-形式：函數 $f$
• $1$-形式：$\omega = P\,dx + Q\,dy + R\,dz$
• $2$-形式：$\eta = A\,dy\wedge dz + B\,dz\wedge dx + C\,dx\wedge dy$
• $3$-形式：$f\,dx\wedge dy\wedge dz$

接著定義外微分（exterior derivative） $d$，它把 $k$-形式變成 $(k{+}1)$-形式。規則是對每個係數函數取全微分，再楔上原本的形式。例如對 $1$-形式 $\omega = P\,dx + Q\,dy$：

$$ d\omega = dP\wedge dx + dQ\wedge dy = \left(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)dx\wedge dy, $$

（中間用了 $dx\wedge dx=0$、$dy\wedge dx=-dx\wedge dy$）。看出來了嗎？這個 $\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}$ 正是 Green 定理右邊那一坨，也正是二維 curl。

微分形式的語言把向量微積分的三大算子統一了：

而那個著名恆等式 $\nabla\times(\nabla f)=\mathbf{0}$ 與 $\nabla\cdot(\nabla\times\mathbf{F})=0$，在形式語言裡縮成驚人簡潔的一行：

$$ d(d\omega)=0,\qquad \text{即 } d^2=0. $$

curl-of-grad 為零、div-of-curl 為零，其實是同一個 $d^2=0$ 的兩個倒影。

動手試試：把散度定理翻譯成形式

驗收一下你的理解。三維散度定理寫成

$$ \iiint_E (\nabla\cdot\mathbf{F})\,dV = \iint_{\partial E} \mathbf{F}\cdot \mathbf{n}\,dS. $$

把向量場 $\mathbf{F}=(A,B,C)$ 對應到 $2$-形式

$$ \omega = A\,dy\wedge dz + B\,dz\wedge dx + C\,dx\wedge dy. $$

請你自己算 $d\omega$。逐項取外微分（只有與既有 $dy\wedge dz$ 等不重複的那一項存活）：

$$ d\omega = \left(\frac{\partial A}{\partial x}+\frac{\partial B}{\partial y}+\frac{\partial C}{\partial z}\right)dx\wedge dy\wedge dz = (\nabla\cdot\mathbf{F})\,dV. $$

於是散度定理就是 $\displaystyle\int_E d\omega = \int_{\partial E}\omega$。同樣地，Stokes 定理是 $1$-形式版的 $\int_S d\omega = \int_{\partial S}\omega$，Green 定理是它的平面特例，連微積分基本定理 $\int_a^b f'\,dx = f(b)-f(a)$ 也是 $0$-形式版（邊界 $\partial[a,b]=\{b\}-\{a\}$）。一條公式，吞下全部。

重點回顧

1. 微分的本質是線性逼近：$D\mathbf{F}(\mathbf{a})$ 是把局部變化線性化的最佳矩陣，多變數連鎖律就是 Jacobian 矩陣相乘。偏導數存在不等於可微，$C^1$ 才保證可微。
2. Jacobian 行列式 $=$ 體積伸縮率：換變數公式裡的 $|\det D\mathbf{\Phi}|$ 正是極座標那個 $r$ 的來源，也是高斯積分 $\int e^{-x^2}dx=\sqrt{\pi}$ 能被破解的關鍵。
3. 隱／反函數定理靠 Jacobian 非奇異：$\det\neq 0$ 是「局部解得出、局部可逆」的通行證；行列式為零之處（如圓上垂直切線點）定理失效。
4. 微分形式統一三大算子：楔積的反對稱性編碼定向，外微分 $d$ 依序對應梯度、旋度、散度，且 $d^2=0$ 一口氣涵蓋 curl-grad 與 div-curl 兩個零恆等式。
5. 廣義 Stokes 定理 $\int_M d\omega=\int_{\partial M}\omega$ 把 Green、Stokes、散度定理與微積分基本定理收進同一行。

深入探討（研究所視角）

走到這裡，自然的下一步是問：$d^2=0$ 這件事的「逆」成不成立？也就是說，若一個形式 $\omega$ 滿足 $d\omega=0$（稱為閉形式 closed），它是否一定能寫成 $\omega=d\eta$（稱為恰當形式 exact）？答案是「局部成立、整體未必」，這正是 Poincaré 引理（Poincaré lemma） 與 de Rham 上同調（de Rham cohomology） 的起點。

具體地，定義第 $k$ 階 de Rham 上同調群為

$$ H^k_{\mathrm{dR}}(M) = \frac{\ker\big(d: \Omega^k\to\Omega^{k+1}\big)}{\operatorname{im}\big(d:\Omega^{k-1}\to\Omega^k\big)} = \frac{\text{閉形式}}{\text{恰當形式}}. $$

這個商空間衡量的是「閉但不恰當」的形式有多少——而它測量的其實是空間的洞。經典例子是平面去掉原點 $\mathbb{R}^2\setminus\{0\}$ 上的角度形式

$$ \omega = \frac{-y\,dx + x\,dy}{x^2+y^2}. $$

直接計算可驗證 $d\omega=0$（閉），但 $\oint_{S^1}\omega = 2\pi \neq 0$。若 $\omega$ 恰當，繞封閉曲線的積分必為零（由廣義 Stokes 定理：$\oint_{\partial D}d\eta=\int_D d^2\eta=0$）。所以 $\omega$ 閉而不恰當，這非零的 $2\pi$ 正是「原點那個洞」的拓撲指紋。de Rham 定理進一步斷言：$H^k_{\mathrm{dR}}(M)$ 與奇異上同調（singular cohomology，純拓撲構造）同構——微積分的算子竟然算得出拓撲不變量。這是 20 世紀數學最深刻的橋樑之一。

從這裡再往外，路徑分岔成幾條主幹道。其一是微分幾何（differential geometry）：把 $\mathbb{R}^n$ 換成彎曲的流形（manifold），微分形式與外微分照搬不誤，而度量張量（metric tensor）引入後，Jacobian 行列式升級為 $\sqrt{\det g}$，這正是廣義相對論裡體積元的寫法。其二是Hodge 理論：在配備內積的流形上，引入 Hodge 星算子 $\star$ 與餘微分 $\delta=\pm\star d\star$，定義 Laplace–de Rham 算子 $\Delta = d\delta+\delta d$；Hodge 定理保證每個上同調類有唯一的調和（harmonic）代表元，把拓撲、分析與幾何鎖在一起。其三回到物理：Maxwell 方程組在形式語言裡縮成 $dF=0$ 與 $d\star F = J$ 兩行——前者是電磁場的閉性（即不存在磁單極與法拉第定律），後者是源方程，整套電動力學的優雅程度令人屏息。

如果你想動手鑽研，建議的閱讀次序是：Spivak 的《Calculus on Manifolds》（薄、硬、經典，把這篇文章嚴格化）、接著 Bott–Tu 的《Differential Forms in Algebraic Topology》（把 de Rham 上同調玩到淋漓盡致）。當你能把 Green、Stokes、散度三個定理當成「同一行公式的三種維度切片」隨手默寫時，多變數微積分對你而言，就從一堆要背的公式，變成了一個只需要記住 $\int_M d\omega = \int_{\partial M}\omega$ 的優雅結構。