半年前,我审读了一篇投往《应用数学快报》(Applied Mathematics Letters)的文章。在这篇关于迭代法的来稿里,有段话引起了我的兴趣:“Before proving the convergence of the new iterative scheme we generalize the so-called matrix determinant lemma of [4] for more general rank-r modifications:”(在证明新的迭代方案的收敛性之前,我们将[4]中的所谓矩阵行列式引理推广到更一般的秩-r 修正)。参考文献[4]正是我以及合作者于十六年前在同一家杂志上发表的论文“Eigenvalues of rank-one updated matrices with some applications”(《秩-1 校正矩阵的特征值及其一些应用》)。
书本里给出的这个正矩阵最大特征值为特征多项式简单零点的结果,证明一般很长,有的甚至还借来其他学科的知识。例如,在剑桥大学出版社 1997 年出版的 R. B. Bapat 和 T. E. S. Raghavan 合著的书 Nonnegative Matrices and Applications(《非负矩阵及其应用》)中的定理 1.4.4(v) 的证明,用到了来自博弈论(game theory)的推理;R. Horn 和 C. R. Johnson 于 1985 年经同一出版社推出的教科书 Matrix Analysis(《矩阵分析》),用 Schur 三角化定理证明了定理 8.2.10 ;在 H. Minc 的 1988 年专著 Nonnegative Matrices(《非负矩阵》)中,定理 4.3 的证明是基于微分的思路。这些证明似乎都既不简单,也不简短。
那时,我和我的合作者根据我们多年来对遍历理论中一类正算子数值分析的研究实践,准备写一本英文书《非负矩阵、正算子及其应用》(Nonnegative Matrices, Positive Operators, and Applications)。我一直比较关心有关非负矩阵尤其是随机矩阵的性质,盖因计算遍历理论里著名的乌拉姆方法以及我在博士学位论文中构造的高阶马尔可夫有限维逼近方法,采用的各种映到有限维函数空间上的逼近算子,在密度函数基底下的表示都是随机矩阵。所以,在受谷歌矩阵吸引,碰巧证明出了一个谱摄动定理后,我就好奇它能不能用于简化上一段提到的关于正矩阵最大特征值代数重数好性质的复杂证明。
大数学家外尔(Hermann Weyl ,1885-1955)曾有一句名言:“我的工作总是设法将真与美统一起来,但如果二者只能择其一,我通常会选择美。”人们常说“简单就是美”。在数学中,美的定理、美的证明,特征之一是“清楚简洁”。精炼的证明读之令人陶醉,如“根号 2 非有理数”及“素数无穷多”的论证不能再短,所以,它们既被爱戴数学美的哈代(Godfrey Harold Hardy,1877-1947)写进了脍炙人口的 A Mathematician's Apology(《一个数学家的辩白》),也被收进了再版多次的 Proofs from THE BOOK(《数学天书中的证明》)。矩阵行列式引理的最短证明像引理本身一样简洁清晰,人们同时欣赏了公式之雅和推理之妙。在维基百科的数学条目里,我们的的确确体会到了数学美!