Décomposition polaire

La décomposition polaire factorise une matrice réelle carrée A comme le produit d'une matrice orthogonale U et d'une matrice symétrique semi-définie positive unique P, écrite A = U P. Le facteur d'étirement P est la racine carrée matricielle de A transposée fois A ; le facteur orthogonal U est la rotation ou réflexion la plus proche de A au sens de la norme de Frobenius et provient des vecteurs singuliers gauche et droit. Les codes de mécanique des milieux continus récupèrent ainsi une rotation à partir d'un gradient de déformation ; les chaînes de robotique et d'infographie extraient un mouvement rigide d'une application linéaire ; les analystes numériques projettent une matrice calculée vers SO(n) ou O(n). Ce point d'accès accepte un tableau n par n de nombres finis, exécute une décomposition en valeurs singulières de Jacobi déterministe sans réseau et sans hasard, et renvoie les deux matrices facteurs plus les valeurs singulières, det(U), un résidu de A moins U P et un indicateur d'inversibilité.

Ce que A = U P signifie et comment les deux facteurs sont uniques

La décomposition polaire droite d'une matrice réelle carrée A est la factorisation A = U P dans laquelle U est orthogonale (U transposée fois U égale l'identité) et P est symétrique et semi-définie positive. Le facteur d'étirement P est unique pour toute A carrée : c'est l'unique racine carrée semi-définie positive de la matrice de Gram A transposée A. Lorsque A est inversible, le facteur orthogonal est unique lui aussi et égale A fois l'inverse de P.

Lorsque A est singulière, U reste une matrice orthogonale la plus proche de A au sens de Frobenius, obtenue à partir d'une décomposition en valeurs singulières A = W Σ V-transposée par le produit U = W V-transposée, tandis que P égale V Σ V-transposée. Géométriquement U est une rotation ou une rotation composée avec une réflexion, et P étire le long d'un ensemble orthonormé d'axes selon les valeurs singulières de A.

C'est pourquoi la mécanique des milieux continus écrit un gradient de déformation sous la forme R U (ou V R) et pourquoi le problème orthogonal de Procrustes se résout par le facteur polaire d'une covariance croisée. La décomposition polaire gauche A = P_left U utilise le même facteur orthogonal et la racine carrée de A A-transposée ; ce calculateur renvoie la forme droite A = U P, convention adoptée par la plupart des manuels et des codes de production.

Pour une matrice un par un, les facteurs se réduisent au signe de l'entrée et à sa valeur absolue, le signe de zéro étant pris comme plus un. Pour une matrice déjà orthogonale, l'étirement est l'identité et U égale A. Pour une matrice déjà symétrique semi-définie positive, le facteur orthogonal est l'identité et P égale A.

Ces trois contrôles sont le moyen le plus rapide de confirmer une implémentation avant de faire confiance à un gradient de déformation trois par trois issu d'un dump de simulation.

Où la décomposition polaire rend service

Les salles de classe et les carnets d'algèbre linéaire utilisent un calculateur de décomposition polaire pour que les étudiants vérifient que U-transposée U égale l'identité et que P égale P-transposée avec des valeurs propres non négatives, sans déployer un système d'algèbre formelle complet pour une matrice de devoir trois par trois.

Les post-processeurs de mécanique des milieux continus et d'éléments finis récupèrent un tenseur de rotation à partir d'un gradient de déformation F en lisant le facteur orthogonal et un tenseur d'étirement à partir du facteur positif, ce qui est exactement la décomposition polaire droite F = R U enseignée dans tout cours de milieux continus.

Les chaînes de robotique, de vision par ordinateur et d'infographie résolvent le problème orthogonal de Procrustes — trouver la rotation la plus proche d'une application trois par trois calculée — en prenant le facteur polaire de cette application, ce qui est moins coûteux et plus stable sur un worker de bord que d'assembler une bibliothèque SVD dense explicite. Les codes de commande et d'identification qui doivent projeter une matrice presque orthogonale vers O(n) après une mise à jour bruitée font la même projection en un seul appel.

Une validation en échec ne consomme pas le solde. Gardez n au plus égal à seize, figez les facteurs arrondis dans les tests, et vous obtenez des U et P reproductibles pour les devoirs, les greffons LMS et les workers de bord sans importer votre propre bibliothèque d'algèbre linéaire dense.