1.4.8 — 리 미분: 흐름을 따라 옮긴 뒤 비교 하는 미분

벡터장 $X$ 의 흐름 $\phi_t$ 를 따라 벡터·텐서 를 옮기고, 그 시각 0 변화율이 리 미분 $\mathcal L_X$. 두 벡터장의 경우 $\mathcal L_X Y = [X, Y]$ — 교환자가 등장하는 본 절의 핵심 등식.

본문이 말하는 것

$X \in \mathfrak X(M)$ 의 (국소) 흐름이 $\phi_t$ (1.4.6).

함수의 리 미분. $f \in C^\infty(M)$ 에 대해

$$(\mathcal L_X f)(p) := \left.\frac{d}{dt}\right|_{t=0} f(\phi_t(p)) = X_p [f]$$

— 함수의 리 미분은 방향미분 과 같다.

벡터장의 리 미분. $Y \in \mathfrak X(M)$ 에 대해

$$(\mathcal L_X Y)_p := \left.\frac{d}{dt}\right|_{t=0} \phi_{-t*}\, Y_{\phi_t(p)}$$

(흐름을 따라 $\phi_t(p)$ 의 $Y$ 를 $\phi_{-t*}$ 로 점 $p$ 의 접공간으로 되돌려 옮긴 뒤 비교.) 본문이 증명하는 정리:

$$\mathcal L_X Y = [X, Y] := XY - YX$$

여기서 $XY$ 는 함수 $f$ 에 작용시켜 $X(Y(f))$ — 2차 미분이지만, $XY - YX$ 의 2차 항이 대칭 으로 상쇄되어 1차 미분 만 남는다. 즉 $[X, Y]$ 가 벡터장.

좌표 성분으로

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

이게 리 괄호 (Lie bracket) 또는 교환자.

한 번 더, 천천히

(1) 리 괄호의 의미. $[X, Y] = 0$ 이면 두 흐름이 교환한다: $\phi^X_t \circ \phi^Y_s = \phi^Y_s \circ \phi^X_t$. 반대로 $[X, Y] \neq 0$ 이면 두 흐름의 순서가 다른 결과를 낸다. 즉 흐름의 비가환성 이 리 괄호로 측정된다.

(2) 야코비 항등식. 임의의 세 벡터장에 대해 $[X, [Y, Z]] + [Y, [Z, X]] + [Z, [X, Y]] = 0$. 이게 리 대수 의 정의 공리 중 하나. §1.4.9 의 리 군의 리 대수에서 다시 등장.

(3) §1.3.3 의 공변미분 vs. 리 미분. 공변미분 $\nabla_X Y$ 는 접속 을 필요로 하고, 리 미분 $\mathcal L_X Y$ 는 접속 없이 정의된다. 둘의 차이가 비틀림 (torsion). Levi-Civita 접속의 비틀림 0 조건 = $\nabla_X Y - \nabla_Y X = [X, Y]$.

(4) 변분의 대수적 측면. 리 미분 자체가 §2.2 의 대칭과 보존 의 핵심 도구. 라그랑지언이 흐름 $\phi_t$ 에 의해 보존된다는 조건 $\mathcal L_X L = 0$ 이 노에터 정리의 출발점.

파이썬으로 확인 — $\mathbb R^2$ 의 두 벡터장의 교환자

이 코드의 메시지는 단순하다: 두 벡터장 $X = \partial_x$, $Y = x \partial_y$ 의 교환자를 공식대로 계산하고, 흐름의 순서 차이 와 일치하는지 본다.

# X = ∂x, Y = x ∂y
# 공식대로 [X, Y]^k = X^i ∂Y^k/∂x^i - Y^i ∂X^k/∂x^i
# X = (1, 0), Y = (0, x)
# [X, Y]^x = 1 * 0 - 0 * 0 = 0
# [X, Y]^y = 1 * 1 - x * 0 = 1
# 즉 [X, Y] = ∂y
import numpy as np
from scipy.integrate import solve_ivp

# 흐름 계산
def flow_X(t, p):
    # dX/dt = (1, 0) → 단순 평행이동
    return np.array([p[0] + t, p[1]])

def flow_Y(s, p):
    # dY/ds: dx/ds = 0, dy/ds = x → x 는 상수, y(s) = y(0) + s * x
    return np.array([p[0], p[1] + s * p[0]])

# φ_X(t) ∘ φ_Y(s) vs. φ_Y(s) ∘ φ_X(t) at small t, s
p0 = np.array([2.0, 1.0])
t, s = 0.1, 0.1

# φ_Y(s) 먼저, 그 다음 φ_X(t)
p_XY = flow_X(t, flow_Y(s, p0))
# φ_X(t) 먼저, 그 다음 φ_Y(s)
p_YX = flow_Y(s, flow_X(t, p0))

diff = p_XY - p_YX
# 이론: diff ≈ ts * [X, Y](p0) = ts * (0, 1) = (0, 0.01)
print(f"φ_X(t) ∘ φ_Y(s)(p0) - φ_Y(s) ∘ φ_X(t)(p0) = {diff}")
print(f"이론값  t*s * [X,Y](p0)                 = ({t*s * 0:.4f}, {t*s * 1:.4f})")
print(f"부합 — 흐름의 순서 차이가 정확히 교환자에 비례.")

이 결과는 교환자가 흐름의 비가환성을 정량화 함을 수치로 본다. 다음 §1.4.9 의 리 군에서 군 자체의 비가환성 이 같은 교환자 어휘로 측정된다.

다음 절(1.4.9)로 가는 다리

벡터장의 교환자가 흐름의 비가환성 을 측정한다는 사실은, 변환군 자체의 비가환성 을 같은 어휘로 다룰 수 있음을 시사한다. 다음 1.4.9 는 리 군 — 매끄러운 군 — 을 정의하고, 그것의 리 대수 — 단위원에서의 접공간 + 리 괄호 — 를 박는다.