So nutzen Sie den Polare-Zerlegung-Rechner
Der Polare-Zerlegung-Rechner faktorisiert eine quadratische reelle Matrix $A$ in das Produkt $A = UP$, wobei $U$ eine orthogonale Matrix und $P$ eine symmetrische positiv semidefinite Matrix darstellt. Mit dem interaktiven Werkzeug analysieren Sie 2×2- und 3×3-Matrizen direkt im Browser:
- Matrixgröße festlegen – Wählen Sie im Dropdown-Menü des Werkzeugs die gewünschte Dimension ($2 \times 2$ oder $3 \times 3$).
- Koeffizienten eingeben – Tragen Sie die reellen Zahlenwerte in die Matrix $A$ ein. Das Eingabefeld akzeptiert ganze Zahlen, Dezimalwerte sowie negative Vorzeichen.
- Ergebnisse ablesen – Der Polare-Zerlegung-Rechner berechnet in Echtzeit die orthogonale Drehungsmatrix $U$, die Streckungsmatrix $P$ sowie das Kontrollprodukt $U \cdot P \approx A$.
- Invertierbarkeit prüfen – Das System zeigt sofort an, ob die Ausgangsmatrix regulär ist, was die mathematische Eindeutigkeit der Zerlegung garantiert.
Mathematische Grundlagen & Formeln im Polare-Zerlegung-Rechner
Der Polare-Zerlegung-Rechner berechnet die standardmäßige rechte Polarzerlegung (Right Polar Decomposition) einer quadratischen Matrix:
A = U · P
P = √(AᵀA) (symmetrisch und positiv semidefinit)
U = A · P⁻¹ (orthogonal, UᵀU = I, falls A invertierbar)| Symbol | Mathematische Bedeutung | Eigenschaft |
|---|---|---|
| A | Gegebene quadratische Matrix | $m \times m$ reelle Matrix |
| U | Orthogonaler Faktor (Rotation/Spiegelung) | $U^T U = I$, $\det(U) = \pm 1$ |
| P | Positiv semidefiniter Faktor (Streckung) | $P^T = P$, alle Eigenwerte $\ge 0$ |
| AᵀA | Gramsche Matrix von $A$ | Symmetrisch und positiv semidefinit |
Numerische Berechnung von P über die Denman-Beavers-Iteration
Zur Bestimmung der Matrixwurzel $P = \sqrt{A^T A}$ nutzt der Polare-Zerlegung-Rechner das quadratisch konvergierende Denman-Beavers-Iterationsverfahren. Ausgehend von den Startmatrizen $X_0 = A^T A$ und $Y_0 = I$ werden folgende Rekursionsschritte ausgeführt:
Xₙ₊₁ = ½ · (Xₙ + Yₙ⁻¹)
Yₙ₊₁ = ½ · (Yₙ + Xₙ⁻¹)Nach wenigen Iterationen konvergiert $X_n$ gegen die eindeutige Matrixwurzel $P = \sqrt{A^T A}$, während $Y_n$ gegen $P^{-1}$ strebt. Sobald $P$ ermittelt ist, ergibt sich die orthogonale Matrix über $U = A \cdot P^{-1}$.
Geometrische Interpretation der Faktoren
Die Polarzerlegung veranschaulicht jede lineare Transformation als Hintereinanderausführung zweier grundlegender geometrischer Operationen:
- Streckung durch P: Die Matrix $P$ dehnt oder staucht den Raum entlang eines Satzes paarweise orthogonaler Hauptachsen mit nicht-negativen Skalierungsfaktoren.
- Drehung durch U: Die Matrix $U$ führt anschließend eine starre Rotation (oder Drehspiegelung) des Raumes aus, ohne Längen oder Winkel zu verzerren.
Konkretes Rechenbeispiel im Polare-Zerlegung-Rechner
Betrachten wir die folgende $2 \times 2$-Matrix:
$$A = \begin{pmatrix} 0 & -2 \ 2 & 0 \end{pmatrix}$$
-
Gram-Matrix bilden: $$A^T A = \begin{pmatrix} 0 & 2 \ -2 & 0 \end{pmatrix} \begin{pmatrix} 0 & -2 \ 2 & 0 \end{pmatrix} = \begin{pmatrix} 4 & 0 \ 0 & 4 \end{pmatrix}$$
-
Matrixwurzel P berechnen: $$P = \sqrt{A^T A} = \begin{pmatrix} \sqrt{4} & 0 \ 0 & \sqrt{4} \end{pmatrix} = \begin{pmatrix} 2 & 0 \ 0 & 2 \end{pmatrix}$$
-
Orthogonale Matrix U ermitteln: $$U = A \cdot P^{-1} = \begin{pmatrix} 0 & -2 \ 2 & 0 \end{pmatrix} \begin{pmatrix} 0{,}5 & 0 \ 0 & 0{,}5 \end{pmatrix} = \begin{pmatrix} 0 & -1 \ 1 & 0 \end{pmatrix}$$
Hierbei ist $U$ eine reine Drehung um $90^\circ$ im Gegenuhrzeigersinn ($\det(U) = 1, U^T U = I$) und $P$ eine isotrope Streckung um den Faktor 2. Der Polare-Zerlegung-Rechner bestätigt exakt $U \cdot P = A$.
Typische Anwendungsbereiche in Praxis und Wissenschaft
Der Polare-Zerlegung-Rechner ist ein unverzichtbares Hilfsmittel für Forschung, Ingenieurwesen und Informatik:
- Kontinuumsmechanik & Festkörperphysik: In der nichtlinearen Kontinuumsmechanik zerlegt der Deformationsgradient $F = RU$ Verformungen in die reine Rotation $R$ und den rechten Verzerrungstensor $U$.
- Computergrafik & 3D-Animation: Bei der Interpolation von Transformationsmatrizen (Matrix Blending / Skinning) verhindert die Zerlegung unnatürliche Scher- und Verzerrungseffekte durch getrennte Behandlung von Rotation und Skalierung.
- Robotik & Computervision: Zur Bestimmung der optimalen Ausrichtung (Orthogonales Prokrustes-Problem) extrahiert der Algorithmus die Rotationsmatrix $U$ aus verrauschten Messdaten.
- Numerische lineare Algebra: Vorbereitung von Matrizen zur robusten Berechnung von Singulärwerten (SVD) und Konditionsanalysen.
Numerische Präzision und Annahmen
Der Polare-Zerlegung-Rechner führt bis zu 30 Iterationsschritte durch, was für reguläre und gut konditionierte Matrizen eine Konvergenz bis zur Maschinengenauigkeit sicherstellt. Bei nahezu singulären Matrizen (Pivotelemente $< 10^{-10}$) weist das System transparent auf numerische Singularitäten hin.