伍德伯里矩阵恒等式(Woodbury matrix identity)
Posted 优化与算法
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了伍德伯里矩阵恒等式(Woodbury matrix identity)相关的知识,希望对你有一定的参考价值。
宜言饮酒,与子偕老。琴瑟在御,莫不静好。
更多精彩内容请关注微信公众号 “优化与算法”
在数学(特别是线性代数)中,Woodbury矩阵恒等式是以Max A.Woodbury命名的,它 可以通过对原矩阵的逆进行秩k校正来计算某个矩阵的秩k校正的逆。这个公式的另一个名字是矩阵逆引理,谢尔曼-莫里森-伍德伯里(Sherman–Morrison–Woodbury formula)公式或只是伍德伯里公式。然而,在伍德伯里发现之前,这一等式出现在其他文献中。
1. 伍德伯里矩阵恒等式
[displaystyle left(A+UCV ight)^{-1}=A^{-1}-A^{-1}Uleft(C^{-1}+VA^{-1}U ight)^{-1}VA^{-1}]
其中(A)、(U)、(C) 和 (V)都表示适形尺寸的矩阵。具体来说,(A) 的大小为 (n×n),(U) 为 (n×k),(C) 为 (k×k),(V) 为 (k×n)。
2. 扩展
不失一般性,可用单位矩阵替换矩阵A和C:
[displaystyle left(I+UV
ight)^{-1}=I-Uleft(I+VU
ight)^{-1}V]
这里(displaystyle U=A^{-1}X), (displaystyle V=CY)。
这个等式本身可以看作是两个简单等式的组合,即等式
[displaystyle (I+P)^{-1}=I-(I+P)^{-1}P=I-P(I+P)^{-1}]
和所谓的 push-through 等式
[displaystyle (I+UV)^{-1}U=U(I+VU)^{-1}]的结合。
3. 特殊情况
当 (displaystyle V,U) 是向量时,伍德伯里恒等式退化为谢尔曼-莫里森公式,在标量情况下,它(简化版)只是:
[displaystyle {frac {1}{1+uv}}=1-{frac {uv}{1+uv}}]
如果 (p=q) 和 (U=V=I_p) 是单位矩阵,那么
[ left({A}+{B}
ight)^{-1} =A^{-1}-A^{-1}(B^{-1}+A^{-1})^{-1}A^{-1}]
[={A}^{-1}-{A}^{-1}left({I}+{B}{A}^{-1}
ight)^{-1}{B}{A}^{-1}.]
继续合并上述方程最右边的项,就可以得到一下恒等式:
[displaystyle left({A}+{B}
ight)^{-1}={A}^{-1}-left({A}+{A}{B}^{-1}{A}
ight)^{-1}]
此等式的另一个有用的形式是:
[displaystyle left({A}-{B}
ight)^{-1}={A}^{-1}+{A}^{-1}{B}left({A}-{B}
ight)^{-1}]
它有一个递归结构:
[displaystyle left({A}-{B}
ight)^{-1}=sum _{k=0}^{infty }left({A}^{-1}{B}
ight)^{k}{A}^{-1}]
这种形式可用于微扰展开式,其中 (B) 是 (A) 的微扰。
4. 推广
二项式逆定理(Binomial Inverse Theorem)
如果 (A),(U),(B),(V) 分别是 (p×p),(p×q),(q×q),(q×p)的矩阵,那么:
[displaystyle left(A+UBV
ight)^{-1}=A^{-1}-A^{-1}UBleft(B+BVA^{-1}UB
ight)^{-1}BVA^{-1}]
前提是 (A) 和 (B+BVA-1UB) 是非奇异的。后者的非奇异性要求 (B^{-1}) 存在,因为它等于 (B(I+VA=1ub)),并且后者的秩不能超过 (B) 的秩。由于 (B) 是可逆的,所以在右手边的附加量逆的两边的两个 (B) 项可以被 ((B^{-1})^{-1}) 替换,从而得到原始的Woodbury恒等式:
[displaystyle (A+UBV)^{-1}=A^{-1}-A^{-1}U(I+BVA^{-1}U)^{-1}BVA^{-1}]
在某些情况下,(A) 是有可能是奇异的。
5. 延伸
公式可以通过检查 (A+UCV) 乘以伍德伯里恒等式右侧的所谓逆得到恒等式矩阵来证明:
(left(A+UCV
ight)left[A^{-1}-A^{-1}Uleft(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}
ight])
(={}left{I-Uleft(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}
ight}+left{UCVA^{-1}-UCVA^{-1}Uleft(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}
ight}={})
(left{I+UCVA^{-1}
ight}-left{Uleft(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}+UCVA^{-1}Uleft(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}
ight}=)
(+UCVA^{-1}-left(U+UCVA^{-1}U
ight)left(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}=)
(+UCVA^{-1}-UCleft(C^{-1}+VA^{-1}U
ight)left(C^{-1}+VA^{-1}U
ight)^{-1}VA^{-1}+UCVA^{-1}-UCVA^{-1}left({A}+{B}
ight)^{-1}) (=A^{-1}-A^{-1}(B^{-1}+A^{-1})^{-1}A^{-1})$
[={A}^{-1}-{A}^{-1}left({I}+{B}{A}^{-1}
ight)^{-1}{B}{A}^{-1}.].
参考文献
https://en.wikipedia.org/wiki/Woodbury_matrix_identity
更多精彩内容请关注微信公众号 “优化与算法”
以上是关于伍德伯里矩阵恒等式(Woodbury matrix identity)的主要内容,如果未能解决你的问题,请参考以下文章