वुडबरी आव्यूह समरूपता: Difference between revisions

Revision as of 19:19, 22 July 2023

गणित में (विशेष रूप से रैखिक बीजगणित), वुडबरी मैट्रिक्स पहचान, जिसका नाम मैक्स ए. वुडबरी के नाम पर रखा गया है,^[1]^[2] कहता है कि कुछ मैट्रिक्स (गणित) के रैंक-के सुधार के व्युत्क्रम की गणना मूल मैट्रिक्स के व्युत्क्रम में रैंक-के सुधार करके की जा सकती है। इस सूत्र के वैकल्पिक नाम 'मैट्रिक्स इनवर्जन लेम्मा', 'शर्मन-मॉरिसन-वुडबरी फॉर्मूला' या सिर्फ 'वुडबरी फॉर्मूला' हैं। हालाँकि, वुडबरी रिपोर्ट से पहले यह पहचान कई अखबारों में छपी थी।^[3]^[4] वुडबरी मैट्रिक्स पहचान है^[5]

\left(A+UCV\right)^{-1}=A^{-1}-A^{-1}U\left(C^{-1}+VA^{-1}U\right)^{-1}VA^{-1},

जहां A, U, C और V अनुरूप मैट्रिक्स हैं: A n×n है, C k×k है, U n×k है, और V k×n है। इसे व्युत्क्रमणीय मैट्रिक्स#ब्लॉकवाइज़ व्युत्क्रम का उपयोग करके प्राप्त किया जा सकता है।

जबकि पहचान मुख्य रूप से मैट्रिक्स पर उपयोग की जाती है, यह सामान्य रिंग (गणित) या एब-श्रेणी में होती है।

वुडबरी मैट्रिक्स पहचान व्युत्क्रमों की सस्ती गणना और रैखिक समीकरणों के समाधान की अनुमति देती है। हालाँकि, सूत्र की संख्यात्मक स्थिरता के बारे में बहुत कम जानकारी है। इसकी त्रुटि सीमा के संबंध में कोई प्रकाशित परिणाम नहीं हैं। उपाख्यानात्मक प्रमाण ^[6] सुझाव देता है कि यह प्रतीत होने वाले सौम्य उदाहरणों के लिए भी भिन्न हो सकता है (जब मूल और संशोधित दोनों मैट्रिक्स अच्छी तरह से वातानुकूलित हैं)।

चर्चा

इस परिणाम को सिद्ध करने के लिए, हम सरल परिणाम को सिद्ध करके शुरुआत करेंगे। A और C को पहचान मैट्रिक्स I के साथ प्रतिस्थापित करने पर, हमें और पहचान प्राप्त होती है जो थोड़ी सरल है:

\left(I+UV\right)^{-1}=I-U\left(I+VU\right)^{-1}V.

इस घटी हुई पहचान से मूल समीकरण को पुनः प्राप्त करने के लिए, सेट करें $U=A^{-1}X$ और $V=CY$ .

इस पहचान को ही दो सरल पहचानों के संयोजन के रूप में देखा जा सकता है। हमें पहली पहचान यहीं से मिलती है

I=(I+P)^{-1}(I+P)=(I+P)^{-1}+(I+P)^{-1}P

,

इस प्रकार,

(I+P)^{-1}=I-(I+P)^{-1}P

,

और इसी तरह

(I+P)^{-1}=I-P(I+P)^{-1}.

दूसरी पहचान तथाकथित पुश-थ्रू पहचान है^[7]: $(I+UV)^{-1}U=U(I+VU)^{-1}$ जिसे हम प्राप्त करते हैं

U(I+VU)=(I+UV)U

से गुणा करने के बाद $(I+VU)^{-1}$ दाईं ओर और द्वारा $(I+UV)^{-1}$ बाईं तरफ।

सबको साथ रखकर,

\left(I+UV\right)^{-1}=I-UV\left(I+UV\right)^{-1}=I-U\left(I+VU\right)^{-1}V.

जहां पहली और दूसरी समानता क्रमशः पहली और दूसरी पहचान से आती है।

विशेष मामले

कब $V,U$ वेक्टर हैं, तो पहचान शर्मन-मॉरिसन सूत्र तक कम हो जाती है।

अदिश मामले में, घटा हुआ संस्करण सरल है

{\frac {1}{1+uv}}=1-{\frac {uv}{1+uv}}.

योग का व्युत्क्रम

यदि n = k और U = V = I_n तो, पहचान मैट्रिक्स है

{\begin{aligned}\left({A}+{B}\right)^{-1}&=A^{-1}-A^{-1}(B^{-1}+A^{-1})^{-1}A^{-1}\\&={A}^{-1}-{A}^{-1}\left({A}{B}^{-1}+{I}\right)^{-1}.\end{aligned}}

उपरोक्त समीकरण के सबसे दाईं ओर के पदों के विलय को जारी रखने से हुआ की पहचान होती है

\left({A}+{B}\right)^{-1}={A}^{-1}-\left({A}+{A}{B}^{-1}{A}\right)^{-1}.

इसी पहचान का और उपयोगी रूप है

\left({A}-{B}\right)^{-1}={A}^{-1}+{A}^{-1}{B}\left({A}-{B}\right)^{-1},

जो, उपरोक्त के विपरीत, भले ही मान्य हो $B$ एकवचन है, और इसमें पुनरावर्ती संरचना है जो उत्पन्न करती है

\left({A}-{B}\right)^{-1}=\sum _{k=0}^{\infty }\left({A}^{-1}{B}\right)^{k}{A}^{-1}

यदि की वर्णक्रमीय त्रिज्या $A^{-1}B$ से कम है. अर्थात यदि उपरोक्त योग एकत्रित हो जाए तो बराबर हो जाता है $(A-B)^{-1}$ .

इस फॉर्म का उपयोग गड़बड़ी वाले विस्तारों में किया जा सकता है जहां बी ए का गड़बड़ी है।

विविधताएँ

द्विपद व्युत्क्रम प्रमेय

यदि A, B, U, V क्रमशः n×n, k×k, n×k, k×n आकार के आव्यूह हैं, तो

\left(A+UBV\right)^{-1}=A^{-1}-A^{-1}UB\left(B+BVA^{-1}UB\right)^{-1}BVA^{-1}

ए और बी + बीवीए प्रदान किया गया⁻¹B एकवचन नहीं हैं। अक्षर की गैर विलक्षणता के लिए आवश्यक है कि बी⁻¹ अस्तित्व में है क्योंकि यह बराबर है B(I + VA⁻¹UB) और बाद वाले का रैंक बी के रैंक से अधिक नहीं हो सकता।^[7] चूँकि B व्युत्क्रमणीय है, दाहिनी ओर कोष्ठक में व्युत्क्रमित मात्रा को दर्शाने वाले दो B पदों को प्रतिस्थापित किया जा सकता है (B⁻¹)⁻¹, जिसके परिणामस्वरूप मूल वुडबरी पहचान प्राप्त होती है।

जब B एकवचन हो और संभवतः गैर-वर्ग भी हो, तो इसके लिए भिन्नता:^[7]

(A+UBV)^{-1}=A^{-1}-A^{-1}U(I+BVA^{-1}U)^{-1}BVA^{-1}.

कुछ मामलों के लिए सूत्र भी मौजूद हैं जिनमें A एकवचन है।^[8]

सकारात्मक अर्धनिश्चित मैट्रिक्स के साथ छद्म व्युत्क्रम

सामान्य तौर पर वुडबरी की पहचान मान्य नहीं है यदि या अधिक व्युत्क्रमों को मूर-पेनरोज़ व्युत्क्रम|(मूर-पेनरोज़) स्यूडो व्युत्क्रम द्वारा प्रतिस्थापित किया जाता है। हालांकि, यदि $A$ और $C$ सकारात्मक अर्धनिश्चित मैट्रिक्स हैं, और $V=U^{\mathrm {H} }$ (इसका तात्पर्य यह है कि $A+UCV$ स्वयं सकारात्मक अर्धनिश्चित है), तो निम्न सूत्र सामान्यीकरण प्रदान करता है:^[9]^[10]

{\begin{aligned}(XX^{\mathrm {H} }+YY^{\mathrm {H} })^{+}&=(ZZ^{\mathrm {H} })^{+}+(I-YZ^{+})^{\mathrm {H} }X^{+\mathrm {H} }EX^{+}(I-YZ^{+}),\\Z&=(I-XX^{+})Y,\\E&=I-X^{+}Y(I-Z^{+}Z)F^{-1}(X^{+}Y)^{\mathrm {H} },\\F&=I+(I-Z^{+}Z)Y^{\mathrm {H} }(XX^{\mathrm {H} })^{+}Y(I-Z^{+}Z),\end{aligned}}

कहाँ $A+UCU^{\mathrm {H} }$ के रूप में लिखा जा सकता है $XX^{\mathrm {H} }+YY^{\mathrm {H} }$ क्योंकि कोई भी सकारात्मक अर्धनिश्चित मैट्रिक्स बराबर है $MM^{\mathrm {H} }$ कुछ के लिए $M$ .

व्युत्पत्तियाँ

प्रत्यक्ष प्रमाण

उसकी जांच करके सूत्र को सिद्ध किया जा सकता है $(A+UCV)$ कई बार वुडबरी पहचान के दाईं ओर इसका कथित उलटा पहचान मैट्रिक्स देता है:

\begin{aligned} (A + U C V) [A^{- 1} - A^{- 1} U {(C^{- 1} + V A^{- 1} U)}^{- 1} V A^{- 1}] \\ = & {I - U {(C^{- 1} + V A^{- 1} U)}^{- 1} V A^{- 1}} + {U C V A^{- 1} - U C V A^{- 1} U {(C^{- 1} + V A^{- 1} U)}^{- 1} V A^{- 1}} \\ = & {I + U C V A^{- 1}} - {U {(C^{- 1} + V A^{- 1} U)}^{- 1} V A^{- 1} + U C V A^{- 1} U {(C^{- 1} + V A^{- 1} U)}^{- 1} V A^{- 1}} \\ = & I + U C V A^{- 1} - (U + U C V A^{} \end{aligned}

वैकल्पिक प्रमाण

style="background: #F0F2F5; font-size:87%; padding:0.2em 0.3em; text-align:center; " |

Algebraic proof

पहले इन उपयोगी पहचानों पर विचार करें,

{\begin{aligned}U+UCVA^{-1}U&=UC\left(C^{-1}+VA^{-1}U\right)=\left(A+UCV\right)A^{-1}U\\\left(A+UCV\right)^{-1}UC&=A^{-1}U\left(C^{-1}+VA^{-1}U\right)^{-1}\end{aligned}}

अब,

{\begin{aligned}A^{-1}&=\left(A+UCV\right)^{-1}\left(A+UCV\right)A^{-1}\\&=\left(A+UCV\right)^{-1}\left(I+UCVA^{-1}\right)\\&=\left(A+UCV\right)^{-1}+\left(A+UCV\right)^{-1}UCVA^{-1}\\&=\left(A+UCV\right)^{-1}+A^{-1}U\left(C^{-1}+VA^{-1}U\right)^{-1}VA^{-1}.\end{aligned}}

style="background: #F0F2F5; font-size:87%; padding:0.2em 0.3em; text-align:center; " |

Derivation via blockwise elimination

वुडबरी मैट्रिक्स पहचान प्राप्त करना निम्नलिखित ब्लॉक मैट्रिक्स व्युत्क्रम समस्या को हल करके आसानी से किया जाता है

{\begin{bmatrix}A&U\\V&-C^{-1}\end{bmatrix}}{\begin{bmatrix}X\\Y\end{bmatrix}}={\begin{bmatrix}I\\0\end{bmatrix}}.

विस्तार करते हुए, हम देख सकते हैं कि उपरोक्त कम हो जाता है

{\begin{cases}AX+UY=I\\VX-C^{-1}Y=0\end{cases}}

जो के बराबर है $(A+UCV)X=I$ . पहले समीकरण को हटाकर, हम उसे पाते हैं $X=A^{-1}(I-UY)$ , जिसे खोजने के लिए दूसरे में प्रतिस्थापित किया जा सकता है $VA^{-1}(I-UY)=C^{-1}Y$ . विस्तार और पुनर्व्यवस्थित करना, हमारे पास है $VA^{-1}=\left(C^{-1}+VA^{-1}U\right)Y$ , या $\left(C^{-1}+VA^{-1}U\right)^{-1}VA^{-1}=Y$ . अंत में, हम अपने में स्थानापन्न करते हैं $AX+UY=I$ , और हमारे पास है $AX+U\left(C^{-1}+VA^{-1}U\right)^{-1}VA^{-1}=I$ . इस प्रकार,

(A+UCV)^{-1}=X=A^{-1}-A^{-1}U\left(C^{-1}+VA^{-1}U\right)^{-1}VA^{-1}.

हमने वुडबरी मैट्रिक्स पहचान प्राप्त की है।

style="background: #F0F2F5; font-size:87%; padding:0.2em 0.3em; text-align:center; " |

Derivation from LDU decomposition

हम मैट्रिक्स से शुरू करते हैं

{\begin{bmatrix}A&U\\V&C\end{bmatrix}}

ए के अंतर्गत प्रविष्टि को हटाने पर (यह देखते हुए कि ए उलटा है) हमें मिलता है

{\begin{bmatrix}I&0\\-VA^{-1}&I\end{bmatrix}}{\begin{bmatrix}A&U\\V&C\end{bmatrix}}={\begin{bmatrix}A&U\\0&C-VA^{-1}U\end{bmatrix}}

इसी तरह, C से ऊपर की प्रविष्टि को हटा देना

{\begin{bmatrix}A&U\\V&C\end{bmatrix}}{\begin{bmatrix}I&-A^{-1}U\\0&I\end{bmatrix}}={\begin{bmatrix}A&0\\V&C-VA^{-1}U\end{bmatrix}}

अब उपरोक्त दोनों को मिलाने पर हमें प्राप्त होता है

{\begin{bmatrix}I&0\\-VA^{-1}&I\end{bmatrix}}{\begin{bmatrix}A&U\\V&C\end{bmatrix}}{\begin{bmatrix}I&-A^{-1}U\\0&I\end{bmatrix}}={\begin{bmatrix}A&0\\0&C-VA^{-1}U\end{bmatrix}}

दायीं ओर जाने से लाभ मिलता है

{\begin{bmatrix}A&U\\V&C\end{bmatrix}}={\begin{bmatrix}I&0\\VA^{-1}&I\end{bmatrix}}{\begin{bmatrix}A&0\\0&C-VA^{-1}U\end{bmatrix}}{\begin{bmatrix}I&A^{-1}U\\0&I\end{bmatrix}}

जो ब्लॉक मैट्रिक्स का ऊपरी त्रिकोणीय, विकर्ण और निचले त्रिकोणीय मैट्रिक्स में एलडीयू अपघटन है।

अब दोनों पक्षों को उलटने पर प्राप्त होता है

{\displaystyle {\begin{aligned}{\begin{bmatrix}A&U\\V&C\end{bmatrix}}^{-1}&={\begin{bmatrix}I&A^{-1}U\\0&I\end{bmatrix}}^{-1}{\begin{bmatrix}A&0\\0&C-VA^{-1}U\end{bmatrix}}^{-1}{\begin{bmatrix}I&0\\VA^{-1}&I\end{bmatrix}}^{-1}\\[8pt]&={\begin{bmatrix}I&-A^{-1}U\\0&I\end{bmatrix}}{\begin{bmatrix}A^{-1}&0\\0&\left(C-VA^{-1}U\right)^{-1}\end{bmatrix}}{\begin{bmatrix}I&0\\-

हम इसे दूसरे तरीके से भी समान रूप से अच्छी तरह से कर सकते थे (बशर्ते कि C उलटा हो) यानी।

{\begin{bmatrix}A&U\\V&C\end{bmatrix}}={\begin{bmatrix}I&UC^{-1}\\0&I\end{bmatrix}}{\begin{bmatrix}A-UC^{-1}V&0\\0&C\end{bmatrix}}{\begin{bmatrix}I&0\\C^{-1}V&I\end{bmatrix}}

अब फिर से दोनों पक्षों को उलटा करके,

{\displaystyle {\begin{aligned}{\begin{bmatrix}A&U\\V&C\end{bmatrix}}^{-1}&={\begin{bmatrix}I&0\\C^{-1}V&I\end{bmatrix}}^{-1}{\begin{bmatrix}A-UC^{-1}V&0\\0&C\end{bmatrix}}^{-1}{\begin{bmatrix}I&UC^{-1}\\0&I\end{bmatrix}}^{-1}\\[8pt]&={\begin{bmatrix}I&0\\-C^{-1}V&I\end{bmatrix}}{\begin{bmatrix}\left(A-UC^{-1}V\right)^{-1}&0\\0&C^{-1}\end{bmatrix}}{\begin{bmatrix}I&-UC^

अब उपरोक्त (1) और (2) के आरएचएस के तत्वों (1, 1) की तुलना करने से वुडबरी फॉर्मूला मिलता है

\left(A-UC^{-1}V\right)^{-1}=A^{-1}+A^{-1}U\left(C-VA^{-1}U\right)^{-1}VA^{-1}.

अनुप्रयोग

यह पहचान कुछ संख्यात्मक गणनाओं में उपयोगी है जहां ए⁻¹ की गणना पहले ही की जा चुकी है और (ए+यूसीवी) की गणना करना वांछित है⁻¹. A का व्युत्क्रम उपलब्ध होने पर, केवल C का व्युत्क्रम ज्ञात करना आवश्यक है^{−1 + वीए⁻¹यू पहचान के दाईं ओर का उपयोग करके परिणाम प्राप्त करने के लिए। यदि C का आयाम A से बहुत छोटा है, तो यह A + UCV को सीधे उलटने की तुलना में अधिक कुशल है। सामान्य मामला ए के निम्न-रैंक अपडेट ए + यूसीवी (जहां यू में केवल कुछ कॉलम हैं और वी में केवल कुछ पंक्तियां हैं) का व्युत्क्रम ढूंढना है, या मैट्रिक्स ए + बी के व्युत्क्रम का अनुमान लगाना है जहां मैट्रिक्स बी को निम्न-रैंक मैट्रिक्स यूसीवी द्वारा अनुमानित किया जा सकता है, उदाहरण के लिए एकवचन मूल्य अपघटन का उपयोग करना।}

इसे लागू किया जाता है, उदाहरण के लिए, कलमन फ़िल्टर और पुनरावर्ती न्यूनतम वर्ग विधियों में, पैरामीट्रिक समाधान को बदलने के लिए, स्थिति समीकरण आधारित समाधान के साथ, राज्य वेक्टर आकार मैट्रिक्स के व्युत्क्रम की आवश्यकता होती है। कलमन फ़िल्टर के मामले में इस मैट्रिक्स में अवलोकनों के वेक्टर के आयाम होते हैं, यानी, समय में केवल नया अवलोकन संसाधित होने की स्थिति में 1 जितना छोटा होता है। यह फ़िल्टर की अक्सर वास्तविक समय गणनाओं को महत्वपूर्ण रूप से गति देता है।

उस स्थिति में जब C पहचान मैट्रिक्स I है, मैट्रिक्स $I+VA^{-1}U$ संख्यात्मक रैखिक बीजगणित और संख्यात्मक आंशिक अंतर समीकरणों में कैपेसिटेंस मैट्रिक्स के रूप में जाना जाता है।^[4]

यह भी देखें

शर्मन-मॉरिसन फॉर्मूला
शूर पूरक
मैट्रिक्स निर्धारक लेम्मा, निर्धारक के लिए रैंक-के अद्यतन के लिए सूत्र
उलटा मैट्रिक्स
मूर-पेनरोज़ स्यूडोइनवर्स#स्यूडोइनवर्स को अद्यतन कर रहा है

↑ Max A. Woodbury, Inverting modified matrices, Memorandum Rept. 42, Statistical Research Group, Princeton University, Princeton, NJ, 1950, 4pp MR 38136
↑ Max A. Woodbury, The Stability of Out-Input Matrices. Chicago, Ill., 1949. 5 pp. MR32564
↑ Guttmann, Louis (1946). "Enlargement methods for computing the inverse matrix". Ann. Math. Statist. 17 (3): 336–343. doi:10.1214/aoms/1177730946.
↑ ^4.0 ^4.1 Hager, William W. (1989). "Updating the inverse of a matrix". SIAM Review. 31 (2): 221–239. doi:10.1137/1031049. JSTOR 2030425. MR 0997457.
↑ Higham, Nicholas (2002). संख्यात्मक एल्गोरिदम की सटीकता और स्थिरता (2nd ed.). SIAM. p. 258. ISBN 978-0-89871-521-7. MR 1927606.
↑ "MathOverflow discussion". MathOverflow.
↑ ^7.0 ^7.1 ^7.2 Henderson, H. V.; Searle, S. R. (1981). "आव्यूहों के योग का व्युत्क्रम निकालने पर" (PDF). SIAM Review. 23 (1): 53–60. doi:10.1137/1023004. hdl:1813/32749. JSTOR 2029838.
↑ Kurt S. Riedel, "A Sherman–Morrison–Woodbury Identity for Rank Augmenting Matrices with Application to Centering", SIAM Journal on Matrix Analysis and Applications, 13 (1992)659-662, doi:10.1137/0613040 preprint MR1152773
↑ Bernstein, Dennis S. (2018). Scalar, Vector, and Matrix Mathematics: Theory, Facts, and Formulas (Revised and expanded ed.). Princeton: Princeton University Press. p. 638. ISBN 9780691151205.
↑ Schott, James R. (2017). सांख्यिकी के लिए मैट्रिक्स विश्लेषण (Third ed.). Hoboken, New Jersey: John Wiley & Sons, Inc. p. 219. ISBN 9781119092483.

Press, WH; Teukolsky, SA; Vetterling, WT; Flannery, BP (2007), "Section 2.7.3. Woodbury Formula", Numerical Recipes: The Art of Scientific Computing (3rd ed.), New York: Cambridge University Press, ISBN 978-0-521-88068-8

बाहरी संबंध

[1] Max A. Woodbury, Inverting modified matrices, Memorandum Rept. 42, Statistical Research Group, Princeton University, Princeton, NJ, 1950, 4pp MR 38136

[2] Max A. Woodbury, The Stability of Out-Input Matrices. Chicago, Ill., 1949. 5 pp. MR32564

[guttman-3] Guttmann, Louis (1946). "Enlargement methods for computing the inverse matrix". Ann. Math. Statist. 17 (3): 336–343. doi:10.1214/aoms/1177730946.

[hager-4] 4.0 ^4.1 Hager, William W. (1989). "Updating the inverse of a matrix". SIAM Review. 31 (2): 221–239. doi:10.1137/1031049. JSTOR 2030425. MR 0997457.

[higham-5] Higham, Nicholas (2002). संख्यात्मक एल्गोरिदम की सटीकता और स्थिरता (2nd ed.). SIAM. p. 258. ISBN 978-0-89871-521-7. MR 1927606.

[6] "MathOverflow discussion". MathOverflow.

[HS-7] 7.0 ^7.1 ^7.2 Henderson, H. V.; Searle, S. R. (1981). "आव्यूहों के योग का व्युत्क्रम निकालने पर" (PDF). SIAM Review. 23 (1): 53–60. doi:10.1137/1023004. hdl:1813/32749. JSTOR 2029838.

[8] Kurt S. Riedel, "A Sherman–Morrison–Woodbury Identity for Rank Augmenting Matrices with Application to Centering", SIAM Journal on Matrix Analysis and Applications, 13 (1992)659-662, doi:10.1137/0613040 preprint MR1152773

[9] Bernstein, Dennis S. (2018). Scalar, Vector, and Matrix Mathematics: Theory, Facts, and Formulas (Revised and expanded ed.). Princeton: Princeton University Press. p. 638. ISBN 9780691151205.

[10] Schott, James R. (2017). सांख्यिकी के लिए मैट्रिक्स विश्लेषण (Third ed.). Hoboken, New Jersey: John Wiley & Sons, Inc. p. 219. ISBN 9781119092483.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

@@ Line 1: / Line 1: @@
-{{Use American English|date = January 2019}}
 {{Short description|Theorem of matrix ranks}}
 गणित में (विशेष रूप से रैखिक बीजगणित), वुडबरी मैट्रिक्स पहचान, जिसका नाम मैक्स ए. वुडबरी के नाम पर रखा गया है,<ref>Max A. Woodbury, ''Inverting modified matrices'', Memorandum Rept. 42, Statistical Research Group, Princeton University, Princeton, NJ, 1950, 4pp {{MR|38136}}</ref><ref>Max A. Woodbury, ''The Stability of Out-Input Matrices''. Chicago, Ill., 1949. 5 pp. {{MR|32564}}</ref> कहता है कि कुछ [[मैट्रिक्स (गणित)]] के रैंक-के सुधार के व्युत्क्रम की गणना मूल मैट्रिक्स के व्युत्क्रम में रैंक-के सुधार करके की जा सकती है। इस सूत्र के वैकल्पिक नाम 'मैट्रिक्स इनवर्जन लेम्मा', 'शर्मन-मॉरिसन-वुडबरी फॉर्मूला' या सिर्फ 'वुडबरी फॉर्मूला' हैं। हालाँकि, वुडबरी रिपोर्ट से पहले यह पहचान कई अखबारों में छपी थी।<ref name="guttman">{{cite journal
@@ Line 30: / Line 30: @@
 ==चर्चा==
-इस परिणाम को सिद्ध करने के लिए, हम एक सरल परिणाम को सिद्ध करके शुरुआत करेंगे। A और C को पहचान मैट्रिक्स I के साथ प्रतिस्थापित करने पर, हमें एक और पहचान प्राप्त होती है जो थोड़ी सरल है:
+इस परिणाम को सिद्ध करने के लिए, हम सरल परिणाम को सिद्ध करके शुरुआत करेंगे। A और C को पहचान मैट्रिक्स I के साथ प्रतिस्थापित करने पर, हमें और पहचान प्राप्त होती है जो थोड़ी सरल है:
 :<math> \left(I + UV \right)^{-1} = I - U \left(I + VU \right)^{-1} V. </math>
 इस घटी हुई पहचान से मूल समीकरण को पुनः प्राप्त करने के लिए, सेट करें <math>U = A^{-1}X</math> और <math>V = CY</math>.
@@ Line 45: / Line 45: @@
 से गुणा करने के बाद <math>(I + VU)^{-1}</math> दाईं ओर और द्वारा <math>(I + UV)^{-1}</math> बाईं तरफ।
-सबको एक साथ रखकर,
+सबको साथ रखकर,
 :<math> \left(I + UV \right)^{-1} = I - UV \left(I + UV \right)^{-1} = I - U \left(I + VU \right)^{-1} V. </math>
 जहां पहली और दूसरी समानता क्रमशः पहली और दूसरी पहचान से आती है।
@@ Line 55: / Line 55: @@
 अदिश मामले में, घटा हुआ संस्करण सरल है
 : <math>\frac{1}{1 + uv} = 1 - \frac{uv}{1 + uv}.</math>
 ==== योग का व्युत्क्रम ====
@@ Line 69: / Line 67: @@
 उपरोक्त समीकरण के सबसे दाईं ओर के पदों के विलय को जारी रखने से हुआ की पहचान होती है
 :<math>\left({A} + {B}\right)^{-1} = {A}^{-1} - \left({A} + {A}{B}^{-1}{A}\right)^{-1}.</math>
-इसी पहचान का एक और उपयोगी रूप है
+इसी पहचान का और उपयोगी रूप है
 :<math>\left({A} - {B}\right)^{-1} = {A}^{-1} + {A}^{-1}{B}\left({A} - {B}\right)^{-1},</math>
-जो, उपरोक्त के विपरीत, भले ही मान्य हो <math>B</math> एकवचन है, और इसमें एक पुनरावर्ती संरचना है जो उत्पन्न करती है
+जो, उपरोक्त के विपरीत, भले ही मान्य हो <math>B</math> एकवचन है, और इसमें पुनरावर्ती संरचना है जो उत्पन्न करती है
 :<math>\left({A} - {B}\right)^{-1} = \sum_{k=0}^{\infty} \left({A}^{-1}{B}\right)^k{A}^{-1}</math>
-यदि की [[वर्णक्रमीय त्रिज्या]] <math>A^{-1}B</math> एक से कम है. अर्थात यदि उपरोक्त योग एकत्रित हो जाए तो बराबर हो जाता है <math>(A-B)^{-1}</math>.
+यदि की [[वर्णक्रमीय त्रिज्या]] <math>A^{-1}B</math> से कम है. अर्थात यदि उपरोक्त योग एकत्रित हो जाए तो बराबर हो जाता है <math>(A-B)^{-1}</math>.
 इस फॉर्म का उपयोग गड़बड़ी वाले विस्तारों में किया जा सकता है जहां बी ए का गड़बड़ी है।
@@ Line 89: / Line 87: @@
 चूँकि B व्युत्क्रमणीय है, दाहिनी ओर कोष्ठक में व्युत्क्रमित मात्रा को दर्शाने वाले दो B पदों को प्रतिस्थापित किया जा सकता है {{nowrap|(''B''<sup>−1</sup>)<sup>−1</sup>,}} जिसके परिणामस्वरूप मूल वुडबरी पहचान प्राप्त होती है।
-जब B एकवचन हो और संभवतः गैर-वर्ग भी हो, तो इसके लिए एक भिन्नता:<ref name=HS/>
+जब B एकवचन हो और संभवतः गैर-वर्ग भी हो, तो इसके लिए भिन्नता:<ref name=HS/>
 :<math>(A + UBV)^{-1} = A^{-1} - A^{-1}U(I + BVA^{-1}U)^{-1}BVA^{-1}.</math>
 कुछ मामलों के लिए सूत्र भी मौजूद हैं जिनमें A एकवचन है।<ref>Kurt S. Riedel, "A Sherman–Morrison–Woodbury Identity for Rank Augmenting Matrices with Application to Centering", ''SIAM Journal on Matrix Analysis and Applications'', 13 (1992)659-662, {{doi|10.1137/0613040}} [http://math.nyu.edu/mfdd/riedel/ranksiam.ps preprint] {{MR|1152773}}</ref>
 ==== सकारात्मक अर्धनिश्चित मैट्रिक्स के साथ छद्म व्युत्क्रम ====
-सामान्य तौर पर वुडबरी की पहचान मान्य नहीं है यदि एक या अधिक व्युत्क्रमों को मूर-पेनरोज़ व्युत्क्रम|(मूर-पेनरोज़) स्यूडो व्युत्क्रम द्वारा प्रतिस्थापित किया जाता है। हालांकि, यदि <math>A</math> और <math>C</math> सकारात्मक अर्धनिश्चित मैट्रिक्स हैं, और <math>V = U^\mathrm H</math> (इसका तात्पर्य यह है कि <math>A + UCV</math> स्वयं सकारात्मक अर्धनिश्चित है), तो निम्न सूत्र एक सामान्यीकरण प्रदान करता है:<ref>{{cite book |last1=Bernstein |first1=Dennis S. |title=Scalar, Vector, and Matrix Mathematics: Theory, Facts, and Formulas |date=2018 |publisher=Princeton University Press |location=Princeton |isbn=9780691151205 |page=638 |edition=Revised and expanded}}</ref><ref>{{cite book |last1=Schott |first1=James R. |title=सांख्यिकी के लिए मैट्रिक्स विश्लेषण|date=2017 |publisher=John Wiley & Sons, Inc. |location=Hoboken, New Jersey |isbn=9781119092483 |page=219 |edition=Third}}</ref>
+सामान्य तौर पर वुडबरी की पहचान मान्य नहीं है यदि या अधिक व्युत्क्रमों को मूर-पेनरोज़ व्युत्क्रम|(मूर-पेनरोज़) स्यूडो व्युत्क्रम द्वारा प्रतिस्थापित किया जाता है। हालांकि, यदि <math>A</math> और <math>C</math> सकारात्मक अर्धनिश्चित मैट्रिक्स हैं, और <math>V = U^\mathrm H</math> (इसका तात्पर्य यह है कि <math>A + UCV</math> स्वयं सकारात्मक अर्धनिश्चित है), तो निम्न सूत्र सामान्यीकरण प्रदान करता है:<ref>{{cite book |last1=Bernstein |first1=Dennis S. |title=Scalar, Vector, and Matrix Mathematics: Theory, Facts, and Formulas |date=2018 |publisher=Princeton University Press |location=Princeton |isbn=9780691151205 |page=638 |edition=Revised and expanded}}</ref><ref>{{cite book |last1=Schott |first1=James R. |title=सांख्यिकी के लिए मैट्रिक्स विश्लेषण|date=2017 |publisher=John Wiley & Sons, Inc. |location=Hoboken, New Jersey |isbn=9781119092483 |page=219 |edition=Third}}</ref>
 :<math>
 \begin{align}
@@ Line 123: / Line 119: @@
    ={} & I.
 \end{align}</math>
 === वैकल्पिक प्रमाण ===
@@ Line 205: / Line 199: @@
 == अनुप्रयोग ==
-यह पहचान कुछ संख्यात्मक गणनाओं में उपयोगी है जहां ए<sup>−1</sup> की गणना पहले ही की जा चुकी है और (ए+यूसीवी) की गणना करना वांछित है<sup>−1</sup>. A का व्युत्क्रम उपलब्ध होने पर, केवल C का व्युत्क्रम ज्ञात करना आवश्यक है<sup>−1 + वीए<sup>−1</sup>यू पहचान के दाईं ओर का उपयोग करके परिणाम प्राप्त करने के लिए। यदि C का आयाम A से बहुत छोटा है, तो यह A + UCV को सीधे उलटने की तुलना में अधिक कुशल है। एक सामान्य मामला ए के निम्न-रैंक अपडेट ए + यूसीवी (जहां यू में केवल कुछ कॉलम हैं और वी में केवल कुछ पंक्तियां हैं) का व्युत्क्रम ढूंढना है, या मैट्रिक्स ए + बी के व्युत्क्रम का अनुमान लगाना है जहां मैट्रिक्स बी को निम्न-रैंक मैट्रिक्स यूसीवी द्वारा अनुमानित किया जा सकता है, उदाहरण के लिए एकवचन मूल्य अपघटन का उपयोग करना।
+यह पहचान कुछ संख्यात्मक गणनाओं में उपयोगी है जहां ए<sup>−1</sup> की गणना पहले ही की जा चुकी है और (ए+यूसीवी) की गणना करना वांछित है<sup>−1</sup>. A का व्युत्क्रम उपलब्ध होने पर, केवल C का व्युत्क्रम ज्ञात करना आवश्यक है<sup>−1 + वीए<sup>−1</sup>यू पहचान के दाईं ओर का उपयोग करके परिणाम प्राप्त करने के लिए। यदि C का आयाम A से बहुत छोटा है, तो यह A + UCV को सीधे उलटने की तुलना में अधिक कुशल है। सामान्य मामला ए के निम्न-रैंक अपडेट ए + यूसीवी (जहां यू में केवल कुछ कॉलम हैं और वी में केवल कुछ पंक्तियां हैं) का व्युत्क्रम ढूंढना है, या मैट्रिक्स ए + बी के व्युत्क्रम का अनुमान लगाना है जहां मैट्रिक्स बी को निम्न-रैंक मैट्रिक्स यूसीवी द्वारा अनुमानित किया जा सकता है, उदाहरण के लिए एकवचन मूल्य अपघटन का उपयोग करना।
-इसे लागू किया जाता है, उदाहरण के लिए, [[कलमन फ़िल्टर]] और [[पुनरावर्ती न्यूनतम वर्ग]] विधियों में, [[पैरामीट्रिक समाधान]] को बदलने के लिए, एक स्थिति समीकरण आधारित समाधान के साथ, एक राज्य वेक्टर आकार मैट्रिक्स के व्युत्क्रम की आवश्यकता होती है। कलमन फ़िल्टर के मामले में इस मैट्रिक्स में अवलोकनों के वेक्टर के आयाम होते हैं, यानी, एक समय में केवल एक नया अवलोकन संसाधित होने की स्थिति में 1 जितना छोटा होता है। यह फ़िल्टर की अक्सर वास्तविक समय गणनाओं को महत्वपूर्ण रूप से गति देता है।
+इसे लागू किया जाता है, उदाहरण के लिए, [[कलमन फ़िल्टर]] और [[पुनरावर्ती न्यूनतम वर्ग]] विधियों में, [[पैरामीट्रिक समाधान]] को बदलने के लिए, स्थिति समीकरण आधारित समाधान के साथ, राज्य वेक्टर आकार मैट्रिक्स के व्युत्क्रम की आवश्यकता होती है। कलमन फ़िल्टर के मामले में इस मैट्रिक्स में अवलोकनों के वेक्टर के आयाम होते हैं, यानी, समय में केवल नया अवलोकन संसाधित होने की स्थिति में 1 जितना छोटा होता है। यह फ़िल्टर की अक्सर वास्तविक समय गणनाओं को महत्वपूर्ण रूप से गति देता है।
 उस स्थिति में जब C पहचान मैट्रिक्स I है, मैट्रिक्स <math>I+VA^{-1}U</math> [[संख्यात्मक रैखिक बीजगणित]] और [[संख्यात्मक आंशिक अंतर समीकरण]]ों में कैपेसिटेंस मैट्रिक्स के रूप में जाना जाता है।<ref name="hager"/>
 ==यह भी देखें==
 *शर्मन-मॉरिसन फॉर्मूला
 *[[शूर पूरक]]
-*[[मैट्रिक्स निर्धारक लेम्मा]], एक निर्धारक के लिए रैंक-के अद्यतन के लिए सूत्र
+*[[मैट्रिक्स निर्धारक लेम्मा]], निर्धारक के लिए रैंक-के अद्यतन के लिए सूत्र
 *[[उलटा मैट्रिक्स]]
 *मूर-पेनरोज़ स्यूडोइनवर्स#स्यूडोइनवर्स को अद्यतन कर रहा है
@@ Line 222: / Line 214: @@
 {{reflist}}
 *{{Citation|last1=Press|first1=WH|last2=Teukolsky|first2=SA|last3=Vetterling|first3=WT|last4=Flannery|first4=BP|year=2007|title=Numerical Recipes: The Art of Scientific Computing|edition=3rd|publisher=Cambridge University Press| location=New York|isbn=978-0-521-88068-8|chapter=Section 2.7.3. Woodbury Formula|chapter-url=http://apps.nrbook.com/empanel/index.html?pg=80}}
 == बाहरी संबंध ==
 * [http://www.ee.ic.ac.uk/hp/staff/dmb/matrix/identity.html Some matrix identities]

Anonymous

Search

वुडबरी आव्यूह समरूपता: Difference between revisions

Namespaces

More

Page actions

Revision as of 19:19, 22 July 2023

Contents