微分几何（七）：向量场、流和李括号

看看天气预报地图上的风场图——每个城市上面画一个小箭头，箭头方向是风向，长度是风速。这是一张典型的向量场图。它告诉你：地球表面上每一点都有一个切向量（风速向量）；这些向量在空间上连续地变化。

如果在某个地点放一片树叶，它会被风带着走。它走的轨迹，叫做这个向量场的积分曲线——叶子在每一点的速度恰好等于那一点的风速。同时放上千万片树叶，每片都按风场走，它们的轨迹合起来构成一个东西：风场的流。流是一个时间参数家族 $\phi_t$ ，告诉你"现在每个点 $p$ 在 $t$ 秒后会被吹到 $\phi_t(p)$ "。

切向量是局部的——只告诉你某个点在某个瞬间的"该往哪走"。向量场把这个信息组织成全流形的结构。流则把"该往哪走"积分成了"在所有时间会到哪去"。这就是从切向量到向量场到流的概念阶梯，是这一章的主线。

为什么这件事重要？三个例子。物理学：哈密顿力学里每个守恒量背后都有一个特定的向量场，它的流保持哈密顿量；著名的 Noether 定理就是这件事的形式化。李群：一个李群在单位元处的切空间叫它的"李代数"，单位元处的切向量延拓成全群上的向量场（通过左平移），这些向量场的流就是李群的单参数子群；从代数到群的这条路，是李理论的核心。微分几何：两个流交换不交换、能不能"换序"，由一个新对象——李括号 $[X, Y]$ ——刻画。括号是这一章最重要的代数结构，到了第十章它会重新出现，作为定义曲率张量的关键。

一个画面可能更说明问题：想象在水面上放两片船桨，分别沿着两个方向 $X, Y$ 各划一段。先 $X$ 后 $Y$ ，和先 $Y$ 后 $X$ ，到达的终点一般不一样。它们的差距，到二阶为止，正是 $[X, Y]$ 。如果 $[X, Y] = 0$ ，两个流可以"换序"，就像在欧几里得空间里 $\partial_x$ 和 $\partial_y$ 那样；如果 $[X, Y] \neq 0$ ，先后顺序就重要了——这是非交换的来源，也是非平凡几何的指纹。

本文的计划：用三种方式定义向量场（几何的、代数的、截面的），通过 ODE 把场转成积分曲线，把曲线打包成流，定义括号和李导数，然后用够多的数值例子让公式变得自然。最后是 Frobenius 可积性定理：什么情况下，一族向量场可以被一族子流形"对齐"——一个把分布、子流形、可积性这三件事织在一起的深刻结果。整个过程我会刻意避免从头证明（教科书已经做得很好），而专注于公式的意义和怎么算。

---

向量场：切丛的光滑截面#

向量场 $X$ 在光滑流形 $M$ 上是一个光滑映射 $p \mapsto X_p \in T_p M$ 。用丛的语言来说，它是切丛 $TM \to M$ 的一个光滑截面：选择每一点的一个切向量，并要求当移动时选择的变化是光滑的。$M$ 上所有向量场的空间记为 $\mathfrak{X}(M)$ 。它同时是一个实向量空间（你可以加法和缩放常数）、$C^\infty(M)$ 的模（你可以逐点乘以光滑函数）以及——正如将在第4节看到的——在括号下的李代数。

$$X = X^i(x) \frac{\partial}{\partial x^i},$$

其中分量 $X^i$ 是坐标的光滑函数。直观上很简单：在每一点，向量 $X_p$ 在坐标基 $\{\partial_i\}$ 中有 $n$ 个分量，这些分量随 $p$ 平滑变化。$X$ 作为截面的光滑性等价于在任何坐标卡中所有分量函数 $X^i$ 的光滑性；你只需要在一个图册上检查这一点。

$$X(f)(p) = X_p(f),$$ $$X(fg) = f \cdot X(g) + g \cdot X(f).$$

Hadamard的一个定理说，每一个这样的导子都来自一个唯一的向量场。因此有两个等价的定义：几何的（$TM$ 的截面）和代数的（$C^\infty(M)$ 的导子）。使用更方便的那个——并且微分几何的基本技能之一就是知道对于任何给定的问题哪个更方便。

$$X(f) = -y \cdot 2x + x \cdot 2y = 0.$$

函数 $f = x^2 + y^2$ 在 $X$ 下几何上，这是显而易见的：$X$ 生成旋转，旋转保持到原点的距离。代数上，导子杀死了径向函数。两种观点给出相同答案，这令人欣慰。

应用 $X$ 到 $g(x, y) = x$ ：得到 $X(g) = -y$ 。应用到 $h(x, y) = xy$ ：得到 $X(h) = -y \cdot y + x \cdot x = x^2 - y^2$ 。注意 $h$ 不是不变的（场是旋转的，但 $xy$ 旋转后变成了不同的东西）。这种计算占据了实际工作中处理向量场的第一个小时，能够读取 $X = -y\partial_x + x\partial_y$ 为“旋转”而不进行计算应该是你的第一个目标。

导子的观点使得向量场可以组合。如果 $X, Y \in \mathfrak{X}(M)$ ，你不能有意义地将它们作为 $TM$ 的截面以任何非平凡的方式相加，除了逐点相加。但作为导子，你可以组合它们：$(XY)(f) = X(Y(f))$ 。这种组合本身不是导子（它违反了Leibniz法则——试着在 $f = g = x$ 上验证并观察二阶导数的出现），但 $XY$ 和 $YX$ 的巧妙组合是导子，这个组合就是李括号。因此，代数观点解锁了括号——并通过括号，解锁了整个李群和无穷小对称理论。

---

积分曲线：跟随场#

积分曲线和’轨迹’这个日常概念是同一回事。把向量场想象成风场，把一颗灰尘扔进去，灰尘走的路就是积分曲线。微分几何把这件事的存在性和唯一性转化为 ODE 理论的标准定理——只要场是连续可微的，每个起点都对应一条且仅一条积分曲线（在足够小的时间区间内）。这个 ODE 定理是物理学的基本盘：从牛顿的 $F = ma$ 到量子力学的 Schrödinger 方程，所有时间演化都是某个相空间向量场的积分曲线。

$$\gamma(0) = p, \qquad \dot\gamma(t) = X_{\gamma(t)} \text{ 对所有 } t \in I.$$ $$\frac{d x^i}{dt} = X^i(x^1(t), \dots, x^n(t)), \qquad x^i(0) = p^i.$$

这是一个 $n$ 个变量的一阶自治系统。

Picard-Lindelof定理 保证对于任何光滑的 $X$ 和任何起始点 $p$ ，积分曲线存在且在 $0$ 附近的某个开区间内唯一。区间可能很小（积分曲线可能在有限时间内逃逸到无穷远——考虑 $\dot x = x^2$ 在 $\mathbb{R}$ 上，它在 $t = 1/x_0$ 时爆炸），但在局部一切都很好。在紧致流形上，区间总是整个 $\mathbb{R}$ ——无处可逃——并且场被称为完备的。

$$\dot x = -y, \qquad \dot y = x.$$ $$\gamma(t) = (p^1 \cos t - p^2 \sin t,\; p^1 \sin t + p^2 \cos t).$$

这正是绕原点旋转角度 $t$ 。积分曲线是圆，按角度参数化。不动点——$X$ 消失的地方——是原点。

取 $\mathbb{R}$ 上的 $X = x\,\partial_x$ 。ODE 是 $\dot x = x$ ，所以 $x(t) = p e^t$ 。积分曲线是指数扩展的射线。从 $p > 0$ 开始，当 $t \to +\infty$ 时膨胀到 $+\infty$ ，当 $t \to -\infty$ 时收缩到 $0$ 。原点是一个不动点，但现在是不稳定的。注意 $X$ 在 $\mathbb{R}$ 上是完备的：积分曲线 $x(t) = p e^t$ 对所有 $t$ 都有定义。

取 $\mathbb{R}$ 上的 $X = x^2 \partial_x$ 。ODE $\dot x = x^2$ 的解是 $x(t) = p / (1 - pt)$ ，如果 $p > 0$ ，则在 $t = 1/p$ 时爆破。因此 $X$ 在 $\mathbb{R}$ 上不完备。这是局部与全局的区别：存在性总是局部的，但全局存在需要对 $X$ 的增长进行限制（直观上：积分曲线必须在有限时间内不会逃逸到无穷远）。

积分曲线是物理系统的轨迹。牛顿定律 $\ddot{q} = -\nabla V(q)$ 通过 $\dot q = p, \dot p = -\nabla V$ 变成相空间 $(q, p)$ 上的一阶系统。这个哈密顿向量场的积分曲线正是机械系统的轨迹。ODE的存在性和唯一性转化为物理的确定性演化。当物理学家说“给定初始条件，未来是确定的”，他们是在调用流形状态上的Picard-Lindelof定理。

---

流：一参数微分同胚族#

流的语言把’演化’变得几何化。把每个时刻 $t$ 对应的位形看成流形 $M$ 的一个微分同胚 $\phi_t: M \to M$ ，整个时间过程就是一族微分同胚 $\{\phi_t\}_{t\in\mathbb{R}}$ 。这族满足 $\phi_0 = \mathrm{id}$ 和 $\phi_{t+s} = \phi_t\circ\phi_s$ ——也就是单参数群作用。守恒律对应于’对所有 $t$ 都不变的函数’。这是把动力学翻译成代数（群作用）+ 几何（流形上的对称）的核心套路。Hamilton 力学、Lagrange 力学、相对论的时间演化，全部以这种语言进行。

$$\varphi_t: M \to M, \qquad \varphi_t(p) = \gamma_p(t),$$

其中 $\gamma_p$ 是从 $p$ 出发的积分曲线。映射 $\varphi_t$ 将每一点沿其积分曲线推进时间 $t$ 。集合 $\{\varphi_t\}_{t \in \mathbb{R}}$ 是 $X$ 的流。

流满足三个我希望强调的性质，因为它们是流有用性的全部原因：

1. 恒等性： $\varphi_0 = \mathrm{id}_M$ 。
2. 群律： $\varphi_{s+t} = \varphi_s \circ \varphi_t$ 。
3. 光滑性： 映射 $(t, p) \mapsto \varphi_t(p)$ 是光滑的，且每个 $\varphi_t$ 是微分同胚，逆映射为 $\varphi_{-t}$ 。

群律是重点。它说流是从加法群 $(\mathbb{R}, +)$ 到微分同胚群 $\mathrm{Diff}(M)$ 的同态。换句话说，每个完备向量场 $X$ 生成一个一参数子群的微分同胚。向量场是无穷小生成元；流是指数化。有时写 $\varphi_t = \exp(tX)$ 以强调这一点——在李群上，这个符号确实是矩阵指数。

$$\varphi_t(x, y) = (x\cos t - y\sin t,\; x\sin t + y\cos t),$$

这正是旋转矩阵 $R_t$ 作用在 $\mathbb{R}^2$ 上。群律 $\varphi_s \circ \varphi_t = \varphi_{s+t}$ 变成 $R_s R_t = R_{s+t}$ ，即角度加法公式。我们刚刚重新发现了 $\mathrm{SO}(2) \cong S^1$ 作为 $\mathbb{R}^2$ 上向量场的流，而正弦和余弦的角度加法公式被重新表述为流的群同态性质。

对于 $\mathbb{R}$ 上的 $X = x\,\partial_x$ ，流是 $\varphi_t(x) = e^t x$ 。群律是 $e^s e^t = e^{s+t}$ ，我们重新发现了 $(\mathbb{R}_{>0}, \times) \cong (\mathbb{R}, +)$ 作为一个流。这个李群上的指数映射实际上就是微积分中的指数函数。

如果 $\varphi_t$ 是 $X$ 的流，而 $Y$ 是另一个向量场，可以问：当将 $Y$ 沿着 $X$ 的流拖动时，$Y$ 如何变化？答案是前推 $(\varphi_t)_* Y$ ，定义为 $((\varphi_t)_* Y)_q = (d\varphi_t)_p Y_p$ 其中 $q = \varphi_t(p)$ 。这将在第4节中定义李括号为前推的导数时起到核心作用。

当 $X$ 不完备时——例如 $X = x^2 \partial_x$ 在 $\mathbb{R}$ 上——流仅在 $\mathbb{R} \times M$ 的一个开子集上定义，称为流域。对于每个 $p$ ，有一个最大区间 $(a_p, b_p)$ 使得 $\varphi_t(p)$ 有定义；积分曲线在 $b_p < \infty$ 时“逃逸”。大多数涉及流的定理在局部仍然成立，通过限制足够小的 $t$ 。实际上，完备向量场很常见（任何流形上的紧支撑 $X$ ；$\mathbb{R}^n$ 上的有界 $X$ ；李群上的左不变场），因此这种区别更多是技术性的而非严重的障碍。

这很关键，因为物理中的每个连续对称性——平移、旋转、时间演化、规范变换——都是向量场的流。Noether定理的现代形式说：拉格朗日量的对称性（保持作用量的流）会产生一个守恒量（沿流恒定的函数）。向量场和一参数对称群之间的字典是力学的几何核心。没有它，你无法认真地做经典场论。

---

李括号：流不交换的度量#

李括号还有一个非常重要的作用：它使切空间从一个普通的向量空间升级成一个’李代数’。在一个李群上，所有左不变向量场就构成一个李代数（在括号下封闭），这个李代数在单位元处的切空间上诱导一个反对称双线性运算。这个运算就是李代数的乘法，是李群结构的’无穷小信息’。例如旋转群 $\mathrm{SO}(3)$ 的李代数是 $\mathfrak{so}(3)$ ，由斜对称矩阵构成；它的括号 $[A, B] = AB - BA$ 在直接计算下满足上面所有性质。这一座桥（李群 ↔ 李代数）让无穷可怕的非线性问题（群作用）变成可控的线性代数问题（代数运算），是 20 世纪几何里最有效的概念工具之一。

给定两个向量场 $X, Y$ ，如果先沿着 $X$ 流动一小段时间 $\epsilon$ ，然后沿着 $Y$ ，再回到 $-X$ ，再回到 $-Y$ ，会发生什么？直觉上，我们应该回到起点。但实际上不会。差异是一个向量 $p$ ，并且在 $\epsilon$ 的二阶精度下，它恰好是 $\epsilon^2 [X, Y]_p$ 。括号是对流不交换程度的定量度量。

$$[X, Y](f) = X(Y(f)) - Y(X(f)).$$

定义的向量场 $[X, Y]$ 。这是一个 $C^\infty(M)$ 的导子——$XY$ 和 $YX$ 的Leibniz失败部分精确抵消——因此根据Hadamard定理，它对应于一个向量场。注意 $XY$ 单独是一个二阶微分算子；反对称化消除了二阶部分，留下一个一阶算子。

$$[X, Y]^k = X^i \frac{\partial Y^k}{\partial x^i} - Y^i \frac{\partial X^k}{\partial x^i}.$$

二阶项因混合偏导数的交换而抵消；只有一次修正项幸存。这就是你要计算的公式。

$$[X, Y]_p = \lim_{t \to 0} \frac{Y_p - ((\varphi_t^X)_* Y)_p}{t} = \left.\frac{d}{dt}\right|_{t=0} (\varphi_{-t}^X)_* Y_p.$$

括号是 $Y$ 被 $X$ 的流向后拖动时的变化率。由于“拖动”和“比较”的角色互换，$X$ 和 $Y$ 是反对称的。

$$[X, Y](f) = \partial_x(x \partial_y f) - x \partial_y(\partial_x f) = \partial_y f + x \partial_x \partial_y f - x \partial_y \partial_x f = \partial_y f.$$

所以 $[X, Y] = \partial_y$ 。几何上：$X$ 在 $x$ 方向上平移，$Y$ 在 $y$ 方向上平移，但强度与 $x$ 成比例。这两个流不交换正是因为 $Y$ “依赖于” $x$ 。这对 $(X, Y)$ 是非可积接触分布的经典例子（我们在第8节中会再次讨论）。

$$L_x = -z\partial_y + y\partial_z, \quad L_y = -x\partial_z + z\partial_x, \quad L_z = -y\partial_x + x\partial_y.$$ $$[L_x, L_y]^z = L_x^i \partial_i L_y^z - L_y^i \partial_i L_x^z = (-z)(0) + y(\partial_z(-x)) - (-x)(\partial_x(y)) - 0 \cdot (\dots) - z(\partial_z(0)) + (\dots)$$ $$[L_x, L_y] = L_z, \quad [L_y, L_z] = L_x, \quad [L_z, L_x] = L_y.$$

这是旋转的李代数，以 $\mathbb{R}^3$ 上的向量场形式写出。

$\mathfrak{X}(M)$ 上的括号满足：

1. 双线性： 每个参数关于 $\mathbb{R}$ 线性。
2. 反对称性： $[X, Y] = -[Y, X]$ 。
3. Jacobi恒等式： $[X, [Y, Z]] + [Y, [Z, X]] + [Z, [X, Y]] = 0$ 。

这些正是李代数的公理。因此 $\mathfrak{X}(M)$ 是无限维李代数，有限维李代数（如 $\mathfrak{so}(3)$ 或 $\mathfrak{su}(2)$ ）作为群作用的子代数出现。

$$[fX, gY] = fg[X, Y] + f X(g) Y - g Y(f) X.$$

额外项出现是因为括号对系数函数进行了微分。这种 $C^\infty$ -非双线性将在下一篇文章中再次出现，当我们对比不需要额外结构的李导数和需要联络的协变导数时。

这很关键，因为Jacobi恒等式不是任意的——它源于复合 $XYZ$ 的结合性。括号是结合性的代数阴影，只是转换到了一阶项。当物理学家写下 $[\hat L_x, \hat L_y] = i\hbar \hat L_z$ 用于角动量算符时，他们正在计算 $\mathfrak{so}(3)$ 实现为 $\mathbb{R}^3$ 上向量场的李括号。量子力学直接继承了几何的非交换性。$i\hbar$ 因子只是一个单位选择；代数是几何的。

---

李导数：沿流对任何对象求导#

李导数的优点在于：它适用于任何类型的张量场——函数、向量场、形式、度量——而不需要选择联络。这跟下一章要遇到的协变导数 $\nabla$ 不同：$\nabla$ 需要额外结构（联络），但能在没有特定向量场参考的情况下’静止地’求导；李导数 $\mathcal{L}_X$ 不需要额外结构，但必须沿着一个向量场 $X$ 的流去测量变化。两者各有其位：研究对称性时用 $\mathcal{L}_X$ （‘这个量沿这个对称性是否不变’），研究曲率和力学时用 $\nabla$ （‘这个量在固定坐标下的二阶导数是什么’）。

$$\mathcal{L}_X T = \lim_{t \to 0} \frac{\varphi_t^* T - T}{t} = \left.\frac{d}{dt}\right|_{t=0} \varphi_t^* T,$$

其中 $\varphi_t^*$ 是 $\varphi_t$ 的拉回。几何上：将 $T$ 沿流拖动时间 $t$ ，与其原始值比较，除以 $t$ ，取极限。

特殊情况：

• 对于函数 $f$ ：$\mathcal{L}_X f = X(f)$ ，方向导数。
• 对于向量场 $Y$ ：$\mathcal{L}_X Y = [X, Y]$ ，李括号。
• 对于1-形式 $\omega$ ：由Leibniz法则，$(\mathcal{L}_X \omega)(Y) = X(\omega(Y)) - \omega([X, Y])$ 。
• 对于 $k$ -形式，Cartan魔公式是 $\mathcal{L}_X = d \iota_X + \iota_X d$ ，其中 $\iota_X$ 是内积。

李导数满足张量积上的Leibniz规则并与缩并交换。它是沿向量场对流形上任何对象求导的标准方法，无需额外结构（无需度量，无需联络——只需光滑结构）。这种最小性是其定义的优点。

$$\iota_X \omega = \omega(X) = x \cdot x - y \cdot (-y) = x^2 + y^2.$$ $$d \iota_X \omega = d(x^2 + y^2) = 2x\,dx + 2y\,dy.$$ $$d\omega = 2\,dx \wedge dy, \qquad \iota_X d\omega = 2 X^i \partial_i \,\lrcorner\, dx\wedge dy = 2(-y\,dy - x\,dx) = -2x\,dx - 2y\,dy.$$ $$\mathcal{L}_X \omega = (2x\,dx + 2y\,dy) + (-2x\,dx - 2y\,dy) = 0.$$

角形式在旋转下不变——正如所料，因为旋转保持角度。计算用了六行，但每一步都是机械的。

$$(\mathcal{L}_X g)_{ij} = X^k \partial_k g_{ij} + g_{kj}\partial_i X^k + g_{ik}\partial_j X^k$$

（这里 $g_{ij} = \delta_{ij}$ 所以第一项消失）： $(\mathcal{L}_X g)_{xx} = \partial_x X^x + \partial_x X^x = 0 + 0 = 0$ 。（因为 $X^x = -y$ 。） $(\mathcal{L}_X g)_{xy} = \partial_x X^y + \partial_y X^x = 1 + (-1) = 0$ 。 $(\mathcal{L}_X g)_{yy} = \partial_y X^y + \partial_y X^y = 0$ 。 确认：$\mathcal{L}_X g = 0$ 。向量场 $X$ 是欧几里得度量的Killing向量场是指…

计算同样的旋转 $X$ 的 $\mathcal{L}_X (x^2 + y^2) dx\wedge dy$ 。函数 $x^2 + y^2$ 在 $X$ 下不变（在第1节中计算过），所以 $\mathcal{L}_X(x^2 + y^2) = 0$ 。形式 $dx \wedge dy$ 是 $\mathbb{R}^2$ 上的体积形式，且 $\mathcal{L}_X(dx\wedge dy) = (\nabla \cdot X) dx \wedge dy = 0$ 因为 $X$ 是无散度的。由Leibniz法则，$\mathcal{L}_X((x^2+y^2)dx\wedge dy) = 0$ 。三个不同的“保持”事实关于旋转，都在单个李导数计算中编码。

这很关键，因为几何结构的对称性正是那些满足 $\mathcal{L}_X(\text{结构}) = 0$ 的向量场。Killing场保持度量（$\mathcal{L}_X g = 0$ ）；这些是无穷小等距。辛向量场保持辛形式（$\mathcal{L}_X \omega = 0$ ）；这些生成哈密顿流。共形向量场满足 $\mathcal{L}_X g = \lambda g$ ；这些生成保角（但不保长）变换。李导数是“这个流是那个对象的对称性”的通用语言——无论那种张量是什么类型，它都是同一个算子。

---

工作示例：旋转、源、汇#

为什么同时给三个例子（旋转、源、汇）？因为这三种是平面向量场的三个’原型’：(1) 旋转——保面积、不动点处特征值是纯虚数；(2) 源/汇——不动点处特征值都是同号实数，轨迹从一点散开或汇聚；(3) 鞍点——这里没单独列，但它是源汇的混合（一个正特征值一个负）。任何更复杂的二维流，到一个不动点附近做线性化，都是这三种基本类型的某种组合。Hartman-Grobman 定理（动力系统理论的基本定理之一）说：在双曲不动点附近（特征值实部都非零），非线性流的拓扑结构就是它的线性化的拓扑结构。所以这三个例子不是任意挑的，而是一切平面动力学的局部图像。

为了巩固，这里有三个你应该一眼就能认出的经典 $\mathbb{R}^2$ 上的向量场。每个示例展示了不同的定性行为，并且每个示例都属于具有物理意义的更大类。

考虑旋转场 $X_R = -y\,\partial_x + x\,\partial_y$ 。积分曲线是固定半径的圆，流是角度 $t$ 的旋转。散度 $\nabla \cdot X_R = -\partial_x y + \partial_y x = 0$ ，旋度（在二维中，$\partial_x X^y - \partial_y X^x$ ）等于 $1 - (-1) = 2$ 。生成 $\mathrm{SO}(2)$ 。保持面积（因为无散度）。

再来看径向源 $X_S = x\,\partial_x + y\,\partial_y$ 。积分曲线是从原点出发的射线，流是膨胀 $\varphi_t(p) = e^t p$ 。散度 $2$ ，旋度 $0$ 。生成正实数的乘法群（在每个方向）。在时间 $t$ 内面积乘以 $e^{2t}$ ——所以在流下体积指数增长。

汇（负源）的情况是 $X_K = -x\,\partial_x - y\,\partial_y$ 。积分曲线是射入原点的射线，流是收缩 $\varphi_t(p) = e^{-t} p$ 。散度 $-2$ ，旋度 $0$ 。与源相同的单参数群，反向运行。体积在时间 $t$ 内乘以 $e^{-2t}$ 收缩。

计算括号：

• $[X_R, X_S]$ ：令 $X_R = -y\partial_x + x\partial_y$ ，$X_S = x\partial_x + y\partial_y$ 。 $[X_R, X_S]^x = X_R^i \partial_i X_S^x - X_S^i \partial_i X_R^x = (-y)(1) + x(0) - x(0) - y(-1) = -y + y = 0$ 。 $[X_R, X_S]^y = (-y)(0) + x(1) - x(1) - y(0) = 0$ 。 所以 $[X_R, X_S] = 0$ 。流是可交换的。确实，旋转和平移在 $\mathbb{R}^2$ 上的变换是可交换的——先旋转再平移与先平移再旋转结果相同。
• $[X_S, X_K] = -2 X_S$ ？等等，$X_K = -X_S$ ，所以 $[X_S, X_K] = [X_S, -X_S] = 0$ 显然成立。汇和源生成相同的单参数子群。
• 更有趣的是：取 $X = -y\partial_x + x\partial_y$ （旋转）和 $Y = \partial_x$ （$x$ 方向的平移）。那么 $[X, Y]^x = (-y)(0) - 1\cdot 0 - 1\cdot(-1) = $ … 让我小心一些：$[X, Y] = XY - YX$ 。$X(Y^x) = X(1) = 0$ 。$Y(X^x) = \partial_x(-y) = 0$ 。$X(Y^y) = X(0) = 0$ 。$Y(X^y) = \partial_x(x) = 1$ 。所以 $[X, Y]^x = 0 - 0 = 0$ ，$[X, Y]^y = 0 - 1 = -1$ 。因此 $[X, Y] = -\partial_y$ 。旋转和 $x$ 方向的平移不可交换，差异是一个 $-y$ 方向的平移。与 $\mathfrak{so}(2) \ltimes \mathbb{R}^2$ 一致，这是欧几里得群的李代数。

这是一个健康的合理性检查：当几何直觉说流可交换时，括号应该消失。当它说流不可交换时，括号应该产生一个合理的场——通常位于你开始时的同一个李代数中。

---

相图：ODE的几何#

相图 是向量场的所有积分曲线在流形（或其相空间）中绘制的图像。相图是ODE定性理论的几何形式。19世纪的数学家们努力写出显式解，Poincare意识到对于大多数向量场你无法做到——但你仍然可以描述轨迹的定性行为，而这通常是物理学真正关心的。

相图的结构由以下几点决定：

1. 不动点（$X$ 的零点）——流停滞的地方。在不动点 $p$ 处线性化 $X$ 得到矩阵 $A = (\partial X^i / \partial x^j)|_p$ ；$A$ 的特征值将不动点分类为源（两个特征值均为正实数）、汇（两个均为负实数）、鞍点（一个正一个负）、中心（纯虚数）、螺旋源/汇（复数带正/负实部）。
2. 周期轨道——闭合的积分曲线。一般的系统可能有孤立的极限环，吸引附近的轨迹。Poincare-Bendixson定理指出，在 $\mathbb{R}^2$ 上的环带上没有不动点时，每条轨迹都趋于一个极限环。
3. 分界线——连接不动点（异宿线）或返回同一不动点（同宿线）的积分曲线；它们区分定性不同的区域并控制相图的拓扑。

$$X = \omega\,\partial_\theta + (-\gamma\omega - \sin\theta)\,\partial_\omega$$ $$A = \begin{pmatrix} 0 & 1 \\ -1 & -\gamma\end{pmatrix},\qquad \text{特征值}\ \lambda = \frac{-\gamma \pm \sqrt{\gamma^2 - 4}}{2}.$$

当 $0 < \gamma < 2$ 时是欠阻尼，特征值有负实部和非零虚部——$(0,0)$ 是螺旋汇，轨迹绕着原点收敛进去。当 $\gamma > 2$ 时是过阻尼，两个负实特征值，原点是节点汇。极限 $\gamma = 0$ （无摩擦摆）特征值是 $\pm i$ ，原点是中心，相图是同心闭合轨道——能量守恒带来的周期解。在 $(\pi, 0)$ 处线性化得到 $A' = \begin{pmatrix} 0 & 1 \\ 1 & -\gamma\end{pmatrix}$ ，特征值 $(\sqrt{\gamma^2+4} - \gamma)/2 > 0$ 和 $-(\sqrt{\gamma^2+4} + \gamma)/2 < 0$ ——一正一负，鞍点。

把整个相图拼起来：每隔 $2\pi$ 一个螺旋汇（稳定平衡，摆杆指向下方），中间夹着鞍点（不稳定平衡，摆杆指向上方）。鞍点的稳定流形（沿着负特征值方向进入鞍点的轨迹）和不稳定流形（沿着正特征值方向离开鞍点的轨迹）交织在一起，把相图分成几个定性区：阻尼太小的话，轨迹绕着圆柱状相空间转好几圈再落到某一个汇里；阻尼大的话，轨迹直接被附近的汇捕获。这种把"不动点+特征值+稳定/不稳定流形"拼成全局图像的工作方式，就是 Poincare 留下来的 ODE 定性理论的核心。

我想强调一点：只看 $X$ 在每个不动点附近的线性化，再加上不动点之间的拓扑连接（鞍点的稳定/不稳定流形怎么走），就足以画出整个相图的骨架。这是几何视角的胜利——我们没有解任何 ODE，只对一个 $2\times 2$ 矩阵做了特征值分解，但已经知道了系统的全部定性行为。

Frobenius 可积性：分布何时积出曲面#

$M$ 上的分布 $\mathcal{D}$ 是在每点处光滑地指定一个 $k$ 维子空间的赋值 $p \mapsto \mathcal{D}_p \subseteq T_p M$ 。（把分布想成"$k$ -平面场"——它推广了"线场"，后者是由不消失的向量场在差一个标量倍数意义下给出的 1 维分布。）积分子流形是一个 $k$ 维子流形 $N \subseteq M$ ，使得对所有 $q \in N$ 都有 $T_q N = \mathcal{D}_q$ 。

如果分布在李括号下封闭——即 $X, Y \in \mathcal{D}$ 蕴含 $[X, Y] \in \mathcal{D}$ ——就称它是对合的。Frobenius 定理 断言：

一个分布是可积的（即每点都有积分子流形通过）当且仅当它是对合的。

“仅当"方向是几何的：如果你能沿着 $\mathcal{D}$ 的两个方向 $X, Y$ 移动并停留在子流形 $N$ 上，那么括号方向的流也必须把你留在 $N$ 上，于是 $[X, Y]$ 必须在 $\mathcal{D}$ 中。“当"方向才是深刻内容——给定对合性，你能构造叶层卡，使积分子流形恰好是坐标切片。

$$X = \partial_x, \qquad Y = \partial_y + x\,\partial_z$$ $$[X, Y] = \partial_x \cdot 0 + \partial_x(x)\partial_z - 0 = \partial_z.$$

但 $\partial_z$ 不在 $\mathcal{D}$ 中：$\mathcal{D}_p = \mathrm{span}(X_p, Y_p) = \mathrm{span}(\partial_x, \partial_y + x\partial_z)$ ，恰好是 1-形式 $\alpha = dz - x\,dy$ 的零化核——而 $\alpha(\partial_z) = 1 \neq 0$ 。所以 $\mathcal{D}$ 不是对合的，Frobenius 定理断言不存在积分曲面。

这就是 $\mathbb{R}^3$ 上的标准接触结构。试着只在这个平面场内行走：先沿 $x$ ，再沿 $y$ ，再退回 $x$ ，再退回 $y$ ——你回不到起点，而是在 $z$ 方向上偏移了。这是最基本形式的和乐（holonomy），物理上正是热力学第二定律的几何内容：热量 $\delta Q = TdS$ 在热力学态空间上定义了一个非可积分布，这就是为什么热量不是状态函数。

李群上的应用。 对于李群 $G$ ，李代数 $\mathfrak{g}$ 与左不变向量场恒等。Frobenius 定理于是说：每个李子代数 $\mathfrak{h} \subseteq \mathfrak{g}$ 对应一个唯一的连通李子群 $H \subseteq G$ 。子代数积出子群。这是 Lie 第三定理的几何形式，也是群论与无穷小微积分本质上是同一门学科的原因。

一个叶层的例子。 在 $\mathbb{R}^3$ 上考虑 $\mathcal{D} = \ker(dz)$ 。这是水平平面分布，积分曲面就是平面 $z = \mathrm{const}$ 。它是对合的（基 $\partial_x, \partial_y$ 满足 $[\partial_x, \partial_y] = 0 \in \mathcal{D}$ ），积分子流形把 $\mathbb{R}^3$ 叶层化。Frobenius 验证了几何上显然的事。

余维 1 情形。 当 $\mathcal{D}$ 的余维是 1 时，它（局部上，差一个非零标量倍数）是某个 1-形式 $\alpha$ 的零化核。对合性判据变成 $\alpha \wedge d\alpha = 0$ 。对前面的接触分布，$\alpha = dz - x\,dy$ 满足 $d\alpha = -dx \wedge dy$ ，于是 $\alpha \wedge d\alpha = (dz - x\,dy)\wedge(-dx\wedge dy) = -dz \wedge dx \wedge dy \neq 0$ ，从形式演算的角度再次确认了非可积性。这是下一篇形式语言的预告——它会让 Frobenius 计算几乎是机械的。

为什么这件事很重要。 Frobenius 定理是"一阶 PDE 系统何时可解"的精确陈述。物理和工程中很多问题都归结为"找一个函数，它的微分等于给定的 1-形式"或"找一个与给定平面场处处相切的子流形”——Frobenius 告诉你这些问题恰好何时有解。没有它，你不会知道热力学势何时存在，联络何时是平的，控制系统何时是可达的。

---

深入示例与常见陷阱#

前面的几节介绍了向量场、积分曲线、流、李括号、李导数以及 Frobenius 可积性定理。本节具体计算一些括号和流，指出初学者容易踩坑的地方，并把李括号机器与纯数学之外的应用串起来。

数值算例：平面上的李括号#

$$X(Yf) = (x\partial_x + y\partial_y)(-y f_x + x f_y) = x(-yf_{xx} + f_y + xf_{xy}) + y(-f_x - yf_{xy} + xf_{yy})$$ $$= -xyf_{xx} + xf_y + x^2 f_{xy} - yf_x - y^2 f_{xy} + xy f_{yy}.$$ $$Y(Xf) = (-y\partial_x + x\partial_y)(xf_x + yf_y) = -y(f_x + xf_{xx} + yf_{xy}) + x(xf_{xy} + f_y + yf_{yy})$$ $$= -yf_x - xy f_{xx} - y^2 f_{xy} + x^2 f_{xy} + xf_y + xy f_{yy}.$$

相减：$[X, Y]f = X(Yf) - Y(Xf) = (xf_y - yf_x) - (xf_y - yf_x) = 0$ 。所以 $[X, Y] = 0$ ——径向膨胀与旋转对易。几何上很合理：先旋转再膨胀和先膨胀再旋转给出同一个点，因为两者都是以原点为中心的线性变换。

再试 $X = \partial_x$ 与 $Y = x\partial_y$ 。计算： $X(Yf) = \partial_x(xf_y) = f_y + xf_{xy}$ 。 $Y(Xf) = x\partial_y(f_x) = xf_{xy}$ 。 $[X, Y]f = f_y$ 。于是 $[X, Y] = \partial_y$ 。先沿 $x$ 平移、再沿"系数依赖 $y$ 的方向"平移，结果与反序不相同：前一种顺序会累积一个垂直方向的漂移。这正是平行泊车操作的工作方式（见下一段）。

数值算例：机器人学中的括号——平行泊车#

把一辆汽车建模为位置 $(x, y)$ 、航向角 $\theta$ 。两个控制向量场：

• $X = \cos\theta\, \partial_x + \sin\theta\, \partial_y$ （向前行驶）。
• $Y = \partial_\theta$ （原地打方向盘，不动）。

计算 $[X, Y]f$ ： $Y(Xf) = \partial_\theta(\cos\theta\, f_x + \sin\theta\, f_y) = -\sin\theta\, f_x + \cos\theta\, f_y + \cos\theta\, f_{x\theta} + \sin\theta\, f_{y\theta}$ 。 $X(Yf) = (\cos\theta\, \partial_x + \sin\theta\, \partial_y)(f_\theta) = \cos\theta\, f_{x\theta} + \sin\theta\, f_{y\theta}$ 。

相减：$[X, Y]f = X(Yf) - Y(Xf) = -(-\sin\theta\, f_x + \cos\theta\, f_y) = \sin\theta\, f_x - \cos\theta\, f_y$ 。所以 $[X, Y] = \sin\theta\, \partial_x - \cos\theta\, \partial_y = -(-\sin\theta\, \partial_x + \cos\theta\, \partial_y)$ ，这正是与航向垂直的侧向。

正是这个括号结构让平行泊车成为可能。即使任何一个单独的控制都无法直接产生侧向运动，但交替使用两个控制（前进-打方向-倒车-打方向-前进）会在控制时长 $\varepsilon$ 下产生 $\varepsilon^2$ 阶的净侧向位移。Chow-Rashevskii 定理给出精确陈述：一个控制系统，如果其控制场连同它们的反复括号一起在每点张成整个切空间，那么它是可控的——任何状态都能从任何状态到达。泊车之所以可能，是因为 $\{X, Y, [X, Y]\}$ 在每点都张成 $T\mathbb{R}^2 \times TS^1$ 。

第三个算例：非平凡向量场的积分曲线#

在 $\mathbb{R}^2$ 上取 $X = -y\partial_x + x\partial_y$ 。过 $(x_0, y_0)$ 的积分曲线满足 $\dot x = -y, \dot y = x$ ，这是经典谐振子系统。解：$x(t) = x_0 \cos t - y_0 \sin t$ ，$y(t) = x_0 \sin t + y_0 \cos t$ 。所以 $\Phi^X_t =$ 角度为 $t$ 的旋转。流就是一参数旋转族，轨道是同心圆。例外是原点，它是不动点（$X(0, 0) = 0$ ）。数值上，从 $(1, 0)$ 出发：在 $t = \pi/4$ 时位置是 $(\cos\pi/4, \sin\pi/4) = (\sqrt{2}/2, \sqrt{2}/2)$ 。该点处的速度大小：$|X(\sqrt{2}/2, \sqrt{2}/2)| = |(-\sqrt{2}/2, \sqrt{2}/2)| = 1$ 。沿轨道速率恒定，与半径 1 的圆在 $2\pi$ 时间走完一周相符——平均速率为 $1$ 。

现在加扰动：$\tilde X = -y\partial_x + x\partial_y + 0.01(x\partial_x + y\partial_y)$ 。积分曲线变成向外的螺旋，径向增长率 $0.01$ ，角速度 $1$ 。在 $t = 100$ 时，半径增长因子约为 $e \approx 2.72$ 。这种小扰动分析正是机器人控制工程师用来认证稳定性的方法：把线性化系统积出来，看谱是否落在左半平面，下结论。

第四个算例：1-形式的李导数#

在 $\mathbb{R}^2$ 上取 $\alpha = x\, dy$ 与 $X = \partial_x$ 。用 Cartan 魔公式 $\mathcal{L}_X = d\circ \iota_X + \iota_X \circ d$ 计算 $\mathcal{L}_X \alpha$ 。

$d\alpha = dx \wedge dy$ 。$\iota_X(d\alpha) = \iota_X(dx \wedge dy) = (dx(X)) dy - (dy(X)) dx = 1 \cdot dy - 0 = dy$ 。 $\iota_X(\alpha) = \alpha(X) = x \cdot dy(\partial_x) = 0$ 。 $d(\iota_X \alpha) = d(0) = 0$ 。 所以 $\mathcal{L}_X \alpha = 0 + dy = dy$ 。

直接验证：在流 $\Phi^X_t(x, y) = (x + t, y)$ 下，拉回为 $(\Phi^X_t)^* \alpha = (x + t)\, dy$ 。在 $t = 0$ 处对 $t$ 求导：$\partial_t|_0 (x + t)\, dy = dy$ 。一致。

反例：场对易但流看起来不像对易#

初学者有时会把 $[X, Y] = 0$ 误读成”$X$ 与 $Y$ 的轨迹是平行的"。这要求太强。$[X, Y] = 0$ 意味着流对易：$\Phi^X_s \circ \Phi^Y_t = \Phi^Y_t \circ \Phi^X_s$ 。轨迹本身可以差异巨大。

例子：在 $\mathbb{R}^2$ 上，$X = \partial_x$ 与 $Y = \partial_y$ 对易（$[X, Y] = 0$ ）。$X$ 的流让你水平移动，$Y$ 的流让你竖直移动。它们对易，但轨迹是相互垂直而非平行。对易流形成一张坐标网格；轨迹的正交性在这个例子里只是巧合，并不是对易性蕴含的。

更有力的反例：在 $S^1$ 上考虑 $X = \partial_\theta$ 与 $Y = f(\theta) \partial_\theta$ 。它们计算 $[X, Y] = X(f) \partial_\theta - 0 = f' \partial_\theta$ ，除非 $f$ 是常数，否则一般非零。所以对一个向量场乘以非常数标量函数，括号不会消失——这是朴素直觉（“乘个函数应该没什么影响”）失败得很彻底的地方。

第二个反例：对易场生成坐标卡#

与 Frobenius 可积性定理互补的一个定理说：如果 $X_1, \ldots, X_k$ 是 $M$ 上线性无关、两两对易的向量场，那么存在一个局部坐标卡，使得 $X_i = \partial / \partial x_i$ 。反过来，任何坐标卡里的 $\partial / \partial x_i$ 都线性无关且两两对易。所以对易标架就是坐标标架。

“任何标架都是坐标标架"的反例：在 $S^2$ 上，球坐标下的标准正交标架 $\{e_\phi, e_\theta / \sin\phi\}$ 并不对易。计算它们的括号：$[e_\phi, e_\theta / \sin\phi] = -\cot\phi \cdot e_\theta / \sin\phi$ ，非零。所以这个标准正交标架不是任何坐标卡的坐标标架。事实上，$S^2$ 上赤道附近的标准正交标架不可能是坐标标架，因为 $S^2$ 上任何坐标标架都有一个非平凡的度量（沿途出现 $E, F, G$ 的非对角项）。毛球定理是这件事的下游：$S^2$ 上没有全局非消失的向量场，所以没有全局对易标架，所以 $S^2$ 没有全局坐标卡。

初学者常见陷阱#

$$[X, Y]^k = X^i \partial_i Y^k - Y^i \partial_i X^k.$$

注意没有二阶导数出现——它们抵消了。

第二个陷阱：把李括号与 $\mathfrak{gl}(n)$ 上的矩阵交换子搞混。对于 $\mathbb{R}^n$ 上的线性向量场（即 $X(p) = Ap$ ，矩阵 $A$ ），它们一致；但对于非线性场，括号还有额外的 $\partial Y - \partial X$ 部分。矩阵交换子图像是一个有用的特殊情形，不是一般定义。

这在物理、计算与工程中为何重要#

在经典力学中，相空间上的 Poisson 括号就是一个李括号：$\{f, g\}$ 度量两个观测量的 Hamilton 流不对易的程度。守恒律对应括号为零：$f$ 守恒当且仅当 $\{f, H\} = 0$ ，其中 $H$ 是 Hamilton 函数。守恒量与可积系统的整套理论就是括号算术。

在量子力学中，算符的交换子是李括号的量子类比。Heisenberg 不确定性原理 $[\hat x, \hat p] = i\hbar$ 是一个不消失的括号，它强制了不可同时对角化。几何量子化（Kostant-Souriau-Kirillov）是把经典 Poisson 括号系统地映射到量子交换子，以辛几何为媒介。

在控制论中，李代数秩条件（本质上：控制场的反复括号是否张成切空间？）决定非线性系统的小时间局部可控性。自动驾驶轨迹规划器用它来认证一个机动在执行前是可行的。一个泊车机动的代价随所需括号嵌套深度增长：2 层括号给出 $\varepsilon^2$ 位移，3 层给出 $\varepsilon^3$ ，依此类推。

用更尖锐的问题重看"下一步"#

第 8 章会介绍微分形式与楔积。为此先做铺垫：

(1) 向量场是 $TM$ 的截面。还有一个对偶概念：协变场，即 $T^*M$ 的截面，也就是 1-形式。为什么要引入对偶？对偶基在坐标下长什么样？ (2) 外微分 $d$ 把梯度、旋度、散度统一成 $k$ -形式上的单个运算。为什么这种统一是可能的？$d^2 = 0$ 的几何含义是什么？ (3) 楔积 $\alpha \wedge \beta$ 是反对称的。初学者会问"为什么是反对称的？“答案是：反对称性使 $k$ -形式在 $k$ 维子流形上的积分在改变定向时仍然良定。为什么反对称性能捕捉定向？

你现在已经有了向量场。第 8 章介绍它们的对偶。带着"1-形式吃的几何对象是什么"这个问题去读它——答案（它们吃切向量、吐数，并在坐标变换下有正确的变换行为）会接到第 9 章的积分理论。

最后一个算例：$\mathbb{R}^3$ 上的 Frobenius 可积性#

在 $\mathbb{R}^3$ 上，取每点由 $X = \partial_x + y \partial_z$ 与 $Y = \partial_y$ 张成的分布 $\mathcal{D}$ 。计算 $[X, Y]$ ： $Y(Xf) = \partial_y(\partial_x f + y \partial_z f) = \partial_x \partial_y f + \partial_z f + y \partial_y \partial_z f$ 。 $X(Yf) = (\partial_x + y \partial_z)(\partial_y f) = \partial_x \partial_y f + y \partial_z \partial_y f$ 。 $[X, Y]f = X(Yf) - Y(Xf) = -\partial_z f$ 。所以 $[X, Y] = -\partial_z$ 。

$-\partial_z$ 在 $\mathcal{D}$ 里吗？在一般点，$\mathcal{D}$ 由 $\{\partial_x + y\partial_z, \partial_y\}$ 张成，而 $\partial_z$ 不是它们的线性组合（要凑出来需要额外一个方向）。所以 $\mathcal{D}$ 在括号下不封闭——由 Frobenius，它不可积。$\mathbb{R}^3$ 中不存在任何 2 维子流形，其每点切平面与 $\mathcal{D}$ 重合。

这正是由 1-形式 $\alpha = dz - y\, dx$ 定义的 $\mathbb{R}^3$ 上的接触结构。验证：$\alpha(X) = dz(X) - y\, dx(X) = y - y = 0$ ，$\alpha(Y) = 0$ 。所以 $\mathcal{D}$ 是 $\alpha$ 的零化核。计算 $\alpha \wedge d\alpha = (dz - y\, dx) \wedge (-dy \wedge dx) = dz \wedge (-dy)\wedge dx + y\, dx \wedge dy \wedge dx = dx \wedge dy \wedge dz$ ，即体积形式，处处非零。这正是接触条件：$\alpha \wedge d\alpha \neq 0$ 。接触结构是极大非可积的，与叶层正好是两个极端。

---

下一步#

我把这一章的工具列一下：向量场是切丛的截面，是流形上每一点选一个切向量；积分曲线是局部 ODE 的解；流是把每一个时间 $t$ 当成流形的一个微分同胚，整体上是一个 $\mathbb{R}$ 作用；李导数 $\mathcal{L}_X$ 沿着流测量任何张量场的变化率；李括号 $[X, Y]$ 量化两个流交换的失败程度，并且作为切丛上的代数运算把切空间提升成李代数。最后相图把所有这些打包成一个可视化对象。

下一章要换一个范畴：从向量场转向微分形式。如果说向量场是流形的"动词”——告诉你怎么动——那么形式就是流形的"测量装置"——告诉你给定一个动作要给它打多少分。一个 1-形式 $\omega$ 吃掉一个向量返回一个数，就像电场吃掉一段位移返回功；2-形式吃掉两个向量返回一个有向面积，就像磁通吃掉一片面元返回穿过的通量。

这种对偶性不只是符号上的好看。它会引出外微分算子 $d$ 、闭形式与恰当形式、de Rham 上同调，以及最后的 Stokes 定理——也就是把"$d$ 和边界 $\partial$ 互相对偶"这件事做成全局陈述的那个公式。从 $X$ 的世界跨到 $\omega$ 的世界，是从动力学走向拓扑学的第一步，也是接下来几章的主线。

---