Equilibrage Minimax Des Contributions Elémentaires Dans L’élimination Symétrique Complete

Hingase Etekiala Michel, Butsana Sita Lucien Adam, Mutombo Tshishiku James

Abstract


Les factorisations symétriques des matrices définies positives constituent l’un des fondements de l’algèbre linéaire numérique. Les travaux existants se sont principalement attachés à améliorer la stabilité numérique à réduire le remplissage des matrices creuses ou à construire des approximations de faible rang. Dans cet article, nous proposons un point de vue différent :

Nous montrons qu’à toute élimination symétrique complète est naturellement associée une suite de contributions élémentaires correspondant aux diminutions successives de la trace induites par le complément de Schur. La somme de ces contributions est indépendante de l’ordre de l’élimination et coïncide exactement avec la trace de la matrice initiale. L’ordre d’élimination n’agit donc pas sur la quantité totale extraite mais uniquement sur sa séparation au cours de la factorisation.

Cette observation conduit à la formulation d’optimisation : Déterminer l’ordre d’élimination qui minimise la plus grande contribution élémentaire produite pendant toute la factorisation. Nous montrons que ce problème possède une structure récursive naturelle gouvernée par les compléments de Schur et qu’il satisfait le principe d’optimisation de Bellman. Nous établissons plusieurs propriétés fondamentales de cette nouvelle fonction de valeur, caractérisons une famille de factorisations parfaitement équilibrées et analysons une stratégie gloutonne fondée sur la minimisation de la contribution immédiate. Nous démontrons que cette stratégie est optimale en dimension deux et qu’elle constitue en dimension trois, une 2 approximation optimale de la solution minimax.

Keywords


matrices symétriques définies positives ; complément de Schur ; ordonnancement d'élimination ; optimisation minimax ; programmation dynamique ; principe d'optimalité de Bellman ; factorisation ; stratégie gloutonne,

Full Text:

PDF

References


Bellman, R. (1957). Dynamic Programming. Princeton University Press.

Bertsekas, D. P. (2017). Dynamic Programming and Optimal Control (4th ed., Vols. I–II). Athena Scientific.

Bertsekas, D. P. (2016). Nonlinear Programming (3rd ed.). Athena Scientific.

George, A., & Liu, J. W. H. (1981). Computer Solution of Large Sparse Positive Definite Systems. Prentice-Hall.

Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.

Harbrecht, H., Peters, M., & Schneider, R. (2012). On the low-rank approximation by the pivoted Cholesky decomposition. Applied Numerical Mathematics, 62(4), 428–440.

Higham, N. J. (2002). Accuracy and Stability of Numerical Algorithms (2nd ed.). SIAM.

Horn, R. A., & Johnson, C. R. (2012). Matrix Analysis (2nd ed.). Cambridge University Press.

Horn, R. A., & Johnson, C. R. (1991). Topics in Matrix Analysis. Cambridge University Press.

Zhang, F. (Ed.). (2005). The Schur Complement and Its Applications. Springer.

Davis, T. A. (2006). Direct Methods for Sparse Linear Systems. SIAM.

Bunch, J. R., & Parlett, B. N. (1971). Direct methods for solving symmetric indefinite systems of linear equations. SIAM Journal on Numerical Analysis, 8(4), 639–655.

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2022). Introduction to Algorithms (4th ed.). MIT Press.




DOI: http://dx.doi.org/10.52155/ijpsat.v59.2.8795

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Butsana Sita Lucien Adam

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.