Complément de Schur

En algèbre linéaire et plus exactement en théorie des matrices, le complément de Schur est défini comme suit. Soit



Catégories :

Matrice - Probabilités - Statistiques

Recherche sur Google Images :


Source image : fr.wikipedia.org
Cette image est un résultat de recherche de Google Image. Elle est peut-être réduite par rapport à l'originale et/ou protégée par des droits d'auteur.

Page(s) en rapport avec ce sujet :

  • A priori on sait que le conditionnement du complément de Schur est inférieur ou égal `a celui de la matrice compl`ete, sans qu'on puisse donner une... (source : ann.jussieu)
  • i I − λiIT I−1λiI (son complément de Schur) est semi-définie positive. Or cette derni`ere matrice est évidement nulle, semi-définie... (source : math.univ-toulouse)
  • Le complément de Schur est particulièrement intéressant du point de vue des matrices denses structurées car il a une structure comparable à celle de la matrice dont il ... (source : ens-lyon)

En algèbre linéaire et plus exactement en théorie des matrices, le complément de Schur est défini comme suit. Soit

M=\left[\begin{matrix} A & B \\ C & D \end{matrix}\right]

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 and 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 :

ABD − 1C.

Quand B est la transposée de C, la matrice M est symétrique définie-positive si et uniquement si D et son complément de Schur dans M le sont .

Le complément de Schur apparaît surtout comme le résultat d'une élimination de Gauss «partielle» en multipliant la matrice M à droite avec la matrice «triangulaire inférieure» par blocs suivante

LT=\left[\begin{matrix} I_p & 0 \\ -Dˆ{-1}C & Dˆ{-1} \end{matrix}\right].

Ici, Ip sert à désigner 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

M\cdot LT=\left[\begin{matrix} A-BDˆ{-1}C & BDˆ{-1} \\ 0 & I_q \end{matrix}\right].

L'inverse de M peut ainsi être exprimée en termes de D − 1 et de l'inverse du complément de Schur

 \left[ \begin{matrix} A & B \\ C & D \end{matrix}\right]ˆ{-1} = \left[ \begin{matrix} \left(A-B Dˆ{-1} C \right)ˆ{-1}  &   -\left(A-B Dˆ{-1} C \right)ˆ{-1} B Dˆ{-1} \\ -Dˆ{-1}C\left(A-B Dˆ{-1} C \right)ˆ{-1} & Dˆ{-1}+ Dˆ{-1} C \left(A-B Dˆ{-1} C \right)ˆ{-1} B Dˆ{-1} \end{matrix} \right],

ou encore plus simplement,

 \left[ \begin{matrix} A & B \\ C & D \end{matrix}\right]ˆ{-1} = 
\left[ \begin{matrix} I & 0 \\ -Dˆ{-1}C & I \end{matrix}\right]
\left[ \begin{matrix} (A-BDˆ{-1}C)ˆ{-1} & 0 \\ 0 & Dˆ{-1} \end{matrix}\right]
\left[ \begin{matrix} I & -BDˆ{-1} \\ 0 & I \end{matrix}\right].

Application à la résolution d'équations linéaires

Le complément de Schur apparaît naturellement lors de la résolution d'un dispositif d'équations linéaires de la forme

Ax + By = a
Cx + Dy = b

En multipliant la seconde équation par BD − 1 puis en la soustrayant de la première, il vient

(A - BDˆ{-1} C) x = a - BDˆ{-1} b.\,

Ainsi, la résolution de cette équation en x est envisageable dès que D et son complément de Schur sont inversibles. Il est ensuite envisageable d'obtenir y en résolvant l'équation Cx + Dy = b. Cette méthode diminué le problème de l'inversion d'une matrice de dimension (p+q) \times (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.

Applications aux probabilités ainsi qu'à la statistique

Soit (X, Y) un vecteur gaussien de Rn+m de matrice de covariance

V=\operatorname{cov}(X,Y)=\left[\begin{matrix} A & B \\ BˆT & C \end{matrix}\right].

Ici, X (respectivement Y) est un vecteur gaussien de Rn (respectivement Rm) de matrice de covariance A (respectivement C).

La loi conditionnelle de X sachant Y est toujours une loi gaussienne multivariée de dimension n. Supposons que la matrice V est inversible (elle est par conséquent symétrique et définie positive). Alors, la matrice de covariance de la loi conditionnelle de X sachant Y ne dépend pas de Y et est donnée par le complément de Schur de C dans V.

\operatorname{cov}(X\mid Y)=A-BCˆ{-1}BˆT.

Cela montre surtout que le complément de Schur d'un bloc diagonal d'une matrice de covariance empirique d'un échantillon gaussien suit une loi de Wishart (tout comme la matrice de covariance empirique elle-même).

Bibliographie

Recherche sur Amazone (livres) :



Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Compl%C3%A9ment_de_Schur.
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 10/03/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.
Accueil Recherche Aller au contenuDébut page
ContactContact ImprimerImprimer liens d'évitement et raccourcis clavierAccessibilité
Aller au menu