Descomposición polar de matrices

Livan Josep Hernández Julio

Universidad Nacional de Colombia, sede Medellı́n

24 de mayo de 2018

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 1 / 14

Contenido

1 Descomposición polar de matrices

Introducción
Matrices normales
Descomposición polar de matrices

2 Aplicaciones y algunos ejemplos

Relación entre la SVD y la descomposición polar
Ejemplos

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 2 / 14

Introducción

Se trata de una forma de descomponer a una matriz A ∈ Mnxm (C) (con

m ≤ n) de la forma A = UP, donde U ∈ Mnxm tiene columnas
ortonormales (para esto se pidió que m ≤ n, pues en caso contrario no
serı́a posible) y P ∈ Mmxm es una matriz semidefinida positiva. A esta
descomposición polar se le conoce como descompisición polar derecha, el
caso contrario (izquierda) es similar, pero pediremos que A = HU 0 , donde
U 0 ∈ Mnxm es una matriz con filas ortonormales y H ∈ Mnxn es una
matriz semidefinida positiva.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 3 / 14

Matrices normales

Definición: Una matriz B ∈ Cn se dice ser normal si BB ∗ = B ∗ B

Teorema: Toda matriz normal B ∈ Cn se puede descomponer como
B = P 2 , donde P es una matriz semidefinida positiva.
Prueba: Recordemos que B puede ser descompuesta como
B = SCS ∗ , donde B es diagonal y las entradas de la diagonal son los
valores propios de B y S es una matriz unitaria. Como B es normal,
sus valores propios son positivos. Lo que implica que B semidefinida
n
positiva, P
T n 2
√ x ∈ R tenemos
pues si C = diag (λ1 , . . . , λn ) y dado
√
que
x Cx = i=1 λi xi ≥ 0. Definamos D = C como dij = cij . Por
cómo construimos D, obtenemos D 2 = C . Al final obtenemos lo
siguiente:
B = SCS ∗ = SD 2 S ∗ = SDS ∗ SDS ∗ = P 2 , definiendo P = SDS ∗ .
Notemos que P es semidefinida positiva y ası́ obtenemos el resultado.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 4 / 14

Teorema: Descomposición polar de matrices

Teorema
Sea A ∈ Mnxm (C) (con m ≤ n). A se puede descomponer de la forma
A = UP, donde U ∈ Mnxm tiene columnas ortonormales (para esto se
pidió que m ≤ n, pues en caso contrario no serı́a posible) y P ∈ Mmxm es
una matriz semidefinida positiva.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 5 / 14

Prueba

√
Primero definamos P = A∗ A (A∗ A es normal y P siempre es única).
Ahora√ tomemos x1 , .√. . , xm una base ortonormal para los valores propios de
P = A∗ A. Esto es, A∗ Axi = λi xi . Supongamos que rankA = r , pueda
que A no sea de rango pleno y en ese caso λ1 , . . . , λr > 0 y
λr +1 , . . . , λm = 0. Ahora sea el conjunto { λ11 Ax1 , . . . , λ1r Axr } cuyo
conjunto es ortonormal. En efecto,
T ∗ λ2j
h λ1i Axi , λ1j Axj i = 1
λ1 λj xi A Axj = 1 T 2
λ1 λj xi λj xj = T
λi λj xi xj = 0, si i 6= j y
λ2j
h λ1i Axi , λ1j Axj i = T
λj λj xj xj = 1 si i = j. En el caso en que la matriz no
tenga rango pleno (m > r ).En ese caso agragamos m-r vectores
ortonormales. Digamos que sean {yr +1 , . . . , ym }. Entonces tenemos
{ λ11 Ax1 , . . . , λ1r Axr , yr +1 , . . . , ym }.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 6 / 14

Descomposición polar de matrices

Ahora definamos la matriz E = [x1 | . . . |xm ]∗ (la conjugada transpuesta de

la matriz cuyas columnas son los vectores xi ) que es una matriz mxm .
Tomamos U = [ λ11 Ax1 | . . . | λ1r Axr |yr +1 | . . . |ym ] · E . Como U es una matriz
que es ortonormal. En este paso multiplicaremos la matriz UP con cada
uno de los vectores xi (son base ortonormal de Cm ). Sabiendo que
Pxi = λi xi . Miremos qué valores toma UPxi :
Exi = ei (con ei el vector canónico de Cm ), dado que [x1 | . . . |xm ]∗ xi es el
vector cuyas coordenada j-ésima es δij . Tenemos dos casos:
Si 1 ≤ i ≤ r ,
1 1
UPxi = [ Ax1 | . . . | Axr |yr +1 | . . . |ym ] · E λi xi
λ1 λr
1 1 1
= [ Ax1 | . . . | Axr |yr +1 | . . . |ym ] · λi ei = λi Axi
λ1 λr λi
= Axi

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 7 / 14

Descomposición polar de matrices

Si r < i ≤ m,

UPxi = U · λi xi
= λi Uxi = (0)Uxi
= 0 = Axi ,

(recordando que rankA=r)

Entonces probamos el resultado para una base de Cm y ası́ tenemos el
resultado.
Para la descomposición de polar izquierda de A, debemos
√ calcular la
descomposición polar derecha a A∗ , y obtenemos P = AA∗ y construimos
a U de igual manera, luego regresamos a A, es decir queda A = HU 0 ,
donde U 0 ∈ Mnxm es una matriz con filas ortonormales y H ∈ Mnxn es
una matriz semidefinida positiva.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 8 / 14

Aplicaciones y algunos ejemplos

Relación entre SVD y la descomposición polar

Toda matriz se puede descomponer de la forma A = UP, donde
U ∈ Mnxm tiene columnas ortonormales (para esto se pidió que m ≤ n,
pues en caso contrario no serı́a posible) y P ∈ Mmxm es una matriz
semidefinida positiva.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 9 / 14

Prueba

Sabemos que A puede ser descompuesto de la forma SVD, digamos

A =0 UΣV ∗ . Como V son unitarias, tenemos que:

A = UΣV ∗ = U 0 V ∗ V ΣV ∗ .
√
Notemos que P = V ΣV ∗ = A∗ A es semidefinida positiva (que es única)
y U = U 0 V ∗ es una matriz ortogonal. Y ası́ hemos llegado a que A = UP.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 10 / 14

Ejemplos
A continuación veremos un ejemplo de matrices 2x2:
 
1 2
A=
3 4
 
∗ 1 3
A =
2 4
 
∗ 10 14
A A=
14 20
Por otro lado, al descomponer diagonalmente a la matriz A∗ A, tenemos las
matrices  
0,8174 0,5760
S=
0,5760 −0,8174
 
0,1339 0
C=
0 29,8661

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 11 / 14

Luego
√
 
0,3660 0
D= C=
0 5,4650
Ası́,  
∗ 2,0580 2,4010
P = SCS =
2,4010 3,7730
Como det(P) > 0 P es invertible y podemos obtener a U de manera única
como U = AP −1 . Al final obtenemos
 
−1 −0,5145 0,8575
U = AP =
0,8575 0,5145

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 12 / 14

Bibliografı́a

Garret Buffington , Decomposition polar of a matrix, 2014.

Roger A. Horn, Charles R. Johnson, Matrix analysis, second edition, 1990.

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 13 / 14

 ¡Gracias!

Livan Josep Hernández Julio (UNAL) Descomposición polar 24 de mayo de 2018 14 / 14