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 |
- RANSAC
- dataset
- measure
- matlab
- Map
- rotated RetinaNet
- binomial distribution
- pytorch
- detection
- AERIAL IMAGE
- MSAC
- LDU decomposition
- entropy
- OpenMMlab
- kakao map
- woodbury matrix identity
- similarity
- DataLorder
- MMrotate
- schur complement
- probability
- gstreamer
- CoCo
- 영상처리
- Poisson Distribution
- vision
- bernoulli distribution
- 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−1U(C−1+VA−1U)−1VA−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.
[ABCD]
SA=A−BD−1C
SD=D−CA−1B
그리고 행렬 M의 역행렬을 아래와 같이 A와 D의 2가지 schur complement로 LDU 분해할 수 있습니다.
[ABCD]−1=([IpBD−10Iq][SA00D][Ip0D−1CIq])−1=([Ip0CA−1Iq][A00SD][IpA−1B0Iq])−1
각각을 전개를 하면 아래의 관계식을 얻을 수 있습니다.
[S−1A−S−1ABD−1−D−1CS−1AD−1+D−1CS−1ABD−1]
=[A−1+A−1BS−1DCA−1−A−1BS−1D−S−1DCA−1S−1D]
첫 번째 항만 풀어서 비교를 하면 Woodbury matrix identity와 같은 식임을 알 수 있습니다.
(A−BD−1C)−1=A−1+A−1B(D−CA−1B)−1CA−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 |