RLS自适应滤波器中用矩阵求逆引理来避免求逆运算

　　在RLS自适应滤波器的实现过程中，难免不涉及矩阵的求逆运算。而求逆操作双是非常耗时的，一个很自然的想法就是尽可能的避免直接对矩阵进行求逆运算。那么，在RLS自适应滤波器的实现中，有没有一种方法能避免直接求逆运算呢？答案当然是有的：使用矩阵求逆引理来避免对矩阵进行直接求逆。

　　这里先对矩阵求逆引理做下介绍，也叫做Woodbury矩阵恒等式（或者称做Sherman–Morrison formula，这里统一称矩阵求逆引理）在线性代数中：

\[{\left( {A + UCV} \right)^{ - 1}} = {A^{ - 1}} - {A^{ - 1}}U{\left( { {C^{ - 1}} + V{A^{ - 1}}U} \right)^{ - 1}}V{A^{ - 1}}\]

其中，A、C必须是可逆方阵，U、V可以是方阵也可以不是方阵。先不忙着记公式，这个不是最重要的，首先要弄明白的是，矩阵求逆引理的写成这个样子，它要解决的是什么样的问题，其思想是什么？

　　矩阵求逆引理要解决的问题是：已知一个矩阵A的逆矩阵，当A矩阵产生了变化时，能不能根据已知的A的逆矩阵，求产生变化后的矩阵的逆。

　　现在我们知道当然是可以的，这里的微小变化，指的就是恒等式中的矩阵UCV。

　　知道了矩阵求逆引理解决的是什么样的问题，主要思想后，感觉还是有点不得足，最好能证明一下，好让自己有个“底”，同时满足下好奇心。知其然同时又知其所以然，有什么不好！这里只对其中一种证明方法做下详细的介绍，以方便理解，考虑以下方程组：

\[\left\{ {\begin{array}{*{20}{c}}
{AX + UY = I} \\
{VX - {C^{ - 1}}Y = 0} \\
\end{array}} \right.\]

及其矩阵形式

\[\left[ {\begin{array}{*{20}{c}}
A & U \\
V & { - {C^{ - 1}}} \\
\end{array}} \right]\left[ {\begin{array}{*{20}{c}}
X \\
Y \\
\end{array}} \right] = \left[ {\begin{array}{*{20}{c