矩阵求逆引理推导及理解

问题引入:

在递推最小二乘法估计问题中,因为每次推导运算时必须计算矩阵和的逆,这样做工作量非常大,为了简化,通常使用矩阵求逆引理来简化计算量。

矩阵求逆引理的结论及推导如下:

矩阵求逆引理要解决的问题是:

已知一个高维矩阵A的逆矩阵,当A矩阵产生了一个非常小的变化(维数远低于A或者低于A)时,能不能根据已知的A的逆矩阵,求产生微小变化后的矩阵的逆

具体来看在RLS问题中应用到矩阵求逆引理的推导:

P_{N+1}=(P_{N}^-^1+\varphi _{N+1}\varphi _{N+1}^T)^-^1=P_{N}-\frac{P_{N}\varphi _{N+1}\varphi _{N+1}^TP_{N}}{1+\varphi _{N+1}^TP_{N}\varphi _{N+1}}

\varphi _{N+1}^TP_{N}\varphi _{N+1}是一个标量,这样就能直接运算而不需要求逆,相当简洁。

猜你喜欢

转载自blog.csdn.net/xiaohejiaoyiya/article/details/85221537