ad矩阵（或称伴随矩阵）是李代数（Lie algebra）理论中的一个核心概念，它与伴随表示（adjoint representation）直接相关。以下是其详细解释：

定义与核心思想

1. 背景：

   • 对于给定的李代数 (\mathfrak{g})（一组满足特定代数结构的向量空间），其元素间存在二元运算 ([x, y])（李括号）。
   • 伴随表示 是将李代数元素映射为线性算子的方式：对任意 (x \in \mathfrak{g})，定义线性算子 (\text{ad}_x: \mathfrak{g} \to \mathfrak{g})，其作用为： [ \text{ad}_x(y) = [x, y], \quad \forall y \in \mathfrak{g} ] 即 (\text{ad}_x) 表示“用 (x) 对任意元素作李括号运算”。

2. ad矩阵的生成：

   • 若李代数 (\mathfrak{g}) 是 (n) 维的，选定一组基 ({e_1, e_2, \dots, e_n})。
   • 对每个元素 (x \in \mathfrak{g})，算子 (\text{ad}_x) 可表示为 (n \times n) 矩阵（因它是 (\mathfrak{g}) 上的线性变换）。
   • 该矩阵称为 (\text{ad}_x) 的矩阵，或简称 ad矩阵，记作 ([\text{ad}_x])。

计算示例

假设 (\mathfrak{g}) 是三维李代数，基为 ({e_1, e_2, e_3})，李括号满足： [ [e_1, e_2] = e_3, \quad [e_1, e_3] = 0, \quad [e_2, e_3] = e_1 ] 对元素 (x = a e_1 + b e_2 + c e_3)，计算 (\text{ad}_x) 的矩阵：

1. 计算作用效果： [ \begin{align} \text{ad}_x(e_1) &= [x, e_1] = -[e_1, x] = -b e_3 \ \text{ad}_x(e_2) &= [x, e_2] = a e_3 - c e_1 \ \text{ad}_x(e_3) &= [x, e_3] = b e_1 - a e_2 \end{align} ]
2. 将结果按基展开，得到矩阵列： [ [\text{ad}_x] = \begin{pmatrix} 0 & -c & b \ 0 & 0 & -a \ -b & a & 0 \end{pmatrix} ] 此即 (x) 对应的 ad矩阵。

意义与性质

1. 李代数的结构常数：
   • ad矩阵的系数直接反映了李代数的结构常数（即基的李括号关系）。
2. 雅可比恒等式的体现：
   • 对任意 (x, y \in \mathfrak{g})，有 ([\text{ad}_x, \text{ad}y] = \text{ad}{[x,y]})，体现了李代数的基本恒等式。
3. 与李群的关联：
   • 若 (\mathfrak{g}) 是某李群 (G) 的李代数，则 (\text{ad}) 是 (G) 的伴随表示在代数层面的微分形式。

与 Ado 定理的关系

• Ado 定理 断言：任何有限维李代数均有忠实（单射）的有限维矩阵表示。
• ad矩阵是构造此类表示的基础工具（但 (\text{ad}) 自身未必忠实，如当 (\mathfrak{g}) 非中心平凡时）。

常见误区澄清

• 区别于一般矩阵的伴随（adjugate matrix）：
  • 数学中“伴随”（adjoint）一词有多重含义。ad矩阵特指李代数中伴随表示导出的矩阵，而非行列式的伴随矩阵或厄米共轭矩阵。

综上，ad矩阵是李代数中通过伴随表示将元素映射为线性变换矩阵的核心工具，深刻揭示了李代数的结构与对称性。