Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
Complément de Schur
Résumé
En algèbre linéaire et plus précisément en théorie des matrices,
le complément de Schur est défini comme suit. Soit
une matrice de dimension (p+q)×(p+q),
où les blocs A, B, C, D
sont des matrices de dimensions respectives
p×p, p×q, q×p
et q×q, avec D inversible.
Alors, le complément de Schur du bloc D de la matrice M est constitué par la matrice de dimension p×p suivante :
Lorsque B est la transposée de C, la matrice M est symétrique définie positive si et seulement si D et son complément de Schur dans M le sont.
Le complément de Schur apparaît en particulier comme le résultat d'une élimination de Gauss « partielle » en multipliant la matrice M à droite avec la matrice « triangulaire inférieure par blocs » suivante
Ici, Ip désigne la matrice identité de dimension p×p. Après multiplication par la matrice LT, le complément de Schur apparaît dans le bloc p×p supérieur. La matrice produit est
L'inverse de M peut ainsi être exprimée en termes de D et de l'inverse du complément de Schur
ou encore plus simplement,
De même, si A est inversible, son complément de Schur est par définition D – CAB, et si ce dernier est également inversible on a :
Le complément de Schur apparaît naturellement lors de la résolution d'un système d'équations linéaires de la forme
où
x et a sont des vecteurs colonne de dimension p,
y et b sont des vecteurs colonne de dimension q,
A, B, C, D sont comme précédemment.
En multipliant la seconde équation par BD puis en la soustrayant de la première, il vient
Ainsi, la résolution de cette équation en x est possible dès que
D et son complément de Schur sont inversibles. Il est ensuite possible d'obtenir y en résolvant
l'équation Cx + Dy = b. Cette méthode réduit le problème de l'inversion d'une matrice de dimension
(p + q) × (p + q) à celui de l'inversion
de deux matrices de dimensions respectives p×p et q×q. En pratique, la matrice D doit être bien conditionnée pour rendre la méthode précise.
Soit un vecteur gaussien de R
de matrice de covariance
Ici, (respectivement ) est un vecteur gaussien de
R (respectivement R)
de matrice de covariance (respectivement ), et désigne la transposée de .
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.