일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- similarity
- kakao map
- binomial distribution
- measure
- gstreamer
- AERIAL IMAGE
- schur complement
- Map
- RANSAC
- MSAC
- DataLorder
- woodbury matrix identity
- LDU decomposition
- matlab
- detection
- MMrotate
- OpenMMlab
- bernoulli distribution
- vision
- entropy
- Poisson Distribution
- 영상처리
- probability
- dataset
- rotated RetinaNet
- CoCo
- pytorch
- Today
- Total
끊임없이 부단히
[수학] Schur complement 및 Woodbury matrix identity 본문
이번 포스팅에서는 자주 사용되는 행렬 관계식 중 하나(Woodbury matrix identity)를 정리하려고 합니다.
Woodbury matrix identity는 아래와 같습니다.
$$ (A+UCV)^{-1} = A^{-1} - A^{-1}U(C^{-1} + VA^{-1}U)^{-1}VA^{-1}$$
양변에 (A+UCV)를 곱하면 쉽게 Identity matrix가 나옴을 알 수 있습니다.
하지만 schur complement 행렬을 이용해서도 도출할 수 있습니다.
아래와 같이 M이라는 큰 행렬을 A, B, C, D라는 작은 부분 행렬로 표현된다면
행렬 M의 블록 D or A의 schur complement 행렬은 아래와 같습니다.
$$ \begin{bmatrix} A & B \\ C & D \\ \end{bmatrix} $$
$$ S_A = A - BD^{-1}C $$
$$ S_D = D - CA^{-1}B $$
그리고 행렬 M의 역행렬을 아래와 같이 A와 D의 2가지 schur complement로 LDU 분해할 수 있습니다.
$$ \begin{bmatrix} A & B \\ C & D \\ \end{bmatrix}^{-1}
= \bigg(\begin{bmatrix} I_p & BD^{-1} \\ 0 & I_q \end{bmatrix}
\begin{bmatrix} S_A & 0 \\ 0 & D \end{bmatrix}
\begin{bmatrix} I_p & 0 \\ D^{-1}C & I_q \end{bmatrix}\bigg)^{-1}
\\ =\bigg(\begin{bmatrix} I_p & 0 \\ CA^{-1} & I_q \end{bmatrix}
\begin{bmatrix} A & 0 \\ 0 & S_D \end{bmatrix}
\begin{bmatrix} I_p & A^{-1}B \\ 0 & I_q \end{bmatrix}\bigg)^{-1} $$
각각을 전개를 하면 아래의 관계식을 얻을 수 있습니다.
$$ \begin{bmatrix} S_A^{-1} & -S_A^{-1}BD^{-1} \\ -D^{-1}CS_A^{-1} & D^{-1} + D^{-1}CS_A^{-1}BD^{-1} \\ \end{bmatrix} $$
$$ = \begin{bmatrix} A^{-1} + A^{-1} B S_D^{-1} C A^{-1} & -A^{-1} B S_D^{-1} \\ -S_D^{-1}C A^{-1} & S_D^{-1} \\ \end{bmatrix} $$
첫 번째 항만 풀어서 비교를 하면 Woodbury matrix identity와 같은 식임을 알 수 있습니다.
$$ (A - BD^{-1}C)^{-1} = A^{-1} + A^{-1} B (D-CA^{-1}B)^{-1} C A^{-1} $$
감사합니다.
'이론' 카테고리의 다른 글
[수학] 두 확률(가우시안)간 거리 척도(distance metrix) (0) | 2023.02.24 |
---|---|
[수학] Poisson, Bernoulli, binomial distribution (0) | 2023.01.12 |