• 1.摘要
  • 2.背景
  • 3.在矩阵方程求解中的应用
  • 4.概率论和统计学中的应用

舒尔补

在线性代数与矩阵论中,一个矩阵的子矩阵之舒尔补是一个与其余子阵同样大小的矩阵,定义如下:假设一个 (p+q)×(p+q)的矩阵M被分为A, B, C, D四个部分,分别是p×p、p×q、q×p以及q×q的矩阵,也就是说:

image

并且D是可逆的矩阵。则D在矩阵中的舒尔补是:

image

这是一个p×p的矩阵。

舒尔补得名于数学家伊赛·舒尔,后者用舒尔补来证明舒尔引理。然而,舒尔补的概念在之前就曾经被使用过。

背景

舒尔补实际上是对原来的矩阵M进行一系列的初等变换操作后得到的矩阵,其转换矩阵是下三角矩阵:

image

其中Ip表示一个p×p的单位矩阵。矩阵M右乘转换矩阵L之后,左上角就会出现舒尔补,具体的形式是:

image

因此,矩阵M的逆,如果存在的话,可以用image以及其舒尔补(如果存在的话)来表示:

image

image

当p和q都等于1(即A、B、C和D都是系数)时,我们可以得到一般的2 × 2的矩阵的逆矩阵表达式:

image

这也说明了image是非零的数。

在矩阵方程求解中的应用

舒尔补很自然地可以在如下的方程组求解中发挥作用:

image

image

其中x以及a是p维的列向量,而y以及b则是q维的列向量。矩阵A、B、C、D则同上面假设。将第二个方程左乘上矩阵image,并将得到后的方程与第一个相减,就得到:

image

因此,如果可以知道D以及D的舒尔补的逆矩阵,就可以解出未知量x之后带入第二个方程image就可以解出y。这样,就将image矩阵的求逆问题转化成了分别求解一个p×p矩阵以及一个 q×q矩阵的逆矩阵的问题。这样就大大减低了复杂度(计算量)。实际上,这要求矩阵D满足足够好的条件,以使得算法得以成立。

概率论和统计学中的应用