阿达马不等式
我们先从一个简单的几何直观开始。在二维平面上，考虑一个平行四边形，其两条相邻边的向量为 \(\mathbf{u} = (u_1, u_2)\) 和 \(\mathbf{v} = (v_1, v_2)\)。这个平行四边形的面积可以由这两个向量构成的矩阵的行列式的绝对值给出：
\[\text{面积} = |\det(\mathbf{u}, \mathbf{v})| = |u_1 v_2 - u_2 v_1|. \]
另一方面，这两个向量的长度分别为 \(\|\mathbf{u}\| = \sqrt{u_1^2 + u_2^2}\) 和 \(\|\mathbf{v}\| = \sqrt{v_1^2 + v_2^2}\)。一个直观的事实是，平行四边形的面积不会超过其相邻边长的乘积，即：
\[|u_1 v_2 - u_2 v_1| \leq \sqrt{u_1^2 + u_2^2} \cdot \sqrt{v_1^2 + v_2^2}. \]
这正是柯西-施瓦茨不等式在二维情形下的体现，它告诉我们行列式的绝对值（面积）被边长的乘积所控制。阿达马不等式是这个思想在更高维度的深刻推广。
第一步：从行列式到n维盒子
现在考虑 \(n\) 维欧几里得空间 \(\mathbb{R}^n\) 中的 \(n\) 个向量 \(\mathbf{a}_1, \mathbf{a}_2, \dots, \mathbf{a}_n\)。将它们作为列向量构成一个 \(n \times n\) 的方阵 \(A\)：
\[A = [\mathbf{a}_1 \, \mathbf{a}_2 \, \dots \, \mathbf{a}_n]. \]
这个矩阵 \(A\) 的行列式 \(\det(A)\) 的几何意义是这 \(n\) 个向量所张成的平行多面体（一个“n维盒子”）的有向体积。阿达马不等式给出了这个体积绝对值的一个上界估计。
第二步：经典形式的阿达马不等式
定理（阿达马不等式）：设 \(A = (a_{ij})\) 是一个 \(n \times n\) 的实方阵。则
\[|\det(A)| \leq \prod_{i=1}^{n} \left( \sum_{j=1}^{n} a_{ij}^2 \right)^{1/2}. \]
也就是说，矩阵行列式的绝对值，不超过其各行向量的欧几里得长度（2-范数）的乘积。
理解：
- 矩阵的每一行可以看作 \(\mathbb{R}^n\) 中的一个向量 \(\mathbf{r}_i = (a_{i1}, a_{i2}, \dots, a_{in})\)。
- 其长度（范数）为 \(\|\mathbf{r}_i\|_2 = \left( \sum_{j=1}^{n} a_{ij}^2 \right)^{1/2}\)。
- 不等式断言，由列向量张成的体积，受到行向量“大小”乘积的约束。
- 等号成立的条件是：矩阵 \(A\) 的所有行向量两两正交。这很直观，当行向量彼此垂直时，它们“撑开”的盒子是最“方正”的，在给定各边长度的条件下体积达到最大（即乘积）。如果行不正交，盒子是“倾斜”的，体积就会变小。
第三步：其他等价形式与视角
阿达马不等式有几种等价的表述，它们从不同角度揭示了相同的内涵。
- 列形式：由于 \(\det(A) = \det(A^T)\)，将不等式应用于 \(A^T\)，立即得到列形式的阿达马不等式：
\[ |\det(A)| \leq \prod_{j=1}^{n} \left( \sum_{i=1}^{n} a_{ij}^2 \right)^{1/2}. \]
即行列式的绝对值也不超过其各列向量长度的乘积。
-
几何解释：这是最初提到的二维面积不等式在n维的直接推广。它给出了n维平行多面体体积与其棱长（通过行或列范数刻画）之间的基本关系。
-
正定矩阵形式：如果矩阵 \(A\) 是对称正定的，那么其行列式满足：
\[ \det(A) \leq \prod_{i=1}^{n} a_{ii}. \]
即正定矩阵的行列式不超过其主对角线元素的乘积。这是从上述行形式结合正定矩阵的性质推导出的一个推论，在统计学（协方差矩阵）、数值分析中非常有用。
第四步：一个简明的证明思路
理解阿达马不等式的一个优美证明，能加深对它的认识。常见证明步骤如下：
- 格拉姆矩阵：考虑矩阵 \(A\) 的行向量 \(\mathbf{r}_1, \dots, \mathbf{r}_n\)。构造它们的格拉姆矩阵 \(G = AA^T\)。\(G\) 的第 \(i\) 行第 \(j\) 列元素是内积 \(\langle \mathbf{r}_i, \mathbf{r}_j \rangle\)。特别地，\(G\) 的对角元是 \(G_{ii} = \|\mathbf{r}_i\|_2^2\)。
- 行列式的性质：注意到 \(\det(G) = \det(AA^T) = \det(A)\det(A^T) = (\det(A))^2\)。
- 应用哈达玛不等式：对于任意实对称正定矩阵（如这里的 \(G\)），其行列式不超过其主对角元的乘积，即 \(\det(G) \leq \prod_{i=1}^{n} G_{ii}\)。
- 得出结论：结合以上两点，得到：
\[ (\det(A))^2 \leq \prod_{i=1}^{n} \|\mathbf{r}_i\|_2^2. \]
两边开方，即得阿达马不等式：\(|\det(A)| \leq \prod_{i=1}^{n} \|\mathbf{r}_i\|_2\)。
这个证明巧妙地利用格拉姆矩阵将体积（行列式）与向量长度联系起来，并用一个关于正定矩阵行列式的不等式作为桥梁。
第五步：应用与意义
阿达马不等式是分析学、线性代数、概率论和数值分析中的基础工具。
- 矩阵分析：用于估计矩阵的行列式，特别是判断矩阵是否可逆（如果乘积上界很小，行列式不可能很大）。
- 数值线性代数：在矩阵计算中，它帮助分析舍入误差的传播和条件数。
- 概率论与统计：多元正态分布的协方差矩阵是正定的，阿达马不等式用于推导其行列式（与分布的广义方差相关）的界。正定形式的阿达马不等式直接用于证明协方差矩阵行列式不大于方差分量的乘积。
- 多项式理论：在复分析中，可以用于估计多项式根的界。
- 几何学：作为一个基本的等周型不等式，它刻画了体积与边长之间的内在约束关系，是更一般几何不等式的基础。
总结来说，阿达马不等式从一个非常自然的几何问题出发（n维盒子的体积估计），给出了矩阵行列式一个简洁而强有力的上界。它将行列式、向量长度和正交性紧密联系在一起，其多种形式和证明方法体现了线性代数与几何之间深刻而优美的联系，并在众多数学和应用领域中成为不可或缺的基本工具。