非奇异矩阵的极分解

原题: 008_spect_heb

本专题围绕矩阵的正交分解展开，包含以下核心内容：

从复数的极坐标表示 $z=re^{i\theta}$ 出发，类比到矩阵的正交分解 $A=HQ$ ，其中 $H$ 为正定矩阵， $Q$ 为正交矩阵。这一分解在线性代数和优化理论中具有重要应用。

详细阐述正交矩阵的定义 $Q^\top Q=I$ 及其保持内积不变的性质 $\langle Qv, Qw \rangle = \langle v, w \rangle$ 。同时介绍正定矩阵的基本性质及其在矩阵分解中的意义。

对于任意可逆实矩阵 $A \in \mathbb{R}^{n \times n}$ ，证明存在正定矩阵 $H \succ 0$ 和正交矩阵 $Q$ ，使得 $A=HQ$ 。这一分解是极分解（Polar Decomposition）的特例，在矩阵分析和数值计算中具有广泛应用。

提供两种主要证明思路：1）基于对称正定矩阵的平方根理论；2）利用谱分解与正交矩阵的性质。两种方法都体现了线性代数中不同理论工具的统一性。

本题由南京大学数学学院何炳生教授提供，源于最优化理论与方法中的矩阵分解技术。非奇异矩阵的极分解在数值线性代数、机器学习和工程计算中具有基础性地位，是理解矩阵结构的重要工具。

何炳生教授研究领域为最优化理论与方法，师承巴伐利亚科学院院士 Stoer，曾独立获得江苏省科技进步一等奖，获评江苏省有突出贡献的中青年专家。2024年获评中国运筹学会会士。

通过本专题的学习，可以：1）掌握非奇异矩阵的极分解的基本理论与证明方法；2）深入理解正定矩阵和正交矩阵的性质；3）培养从复数表示到矩阵分解的类比思维能力；4）为后续学习数值线性代数、最优化理论和机器学习打下坚实基础。

提交要求：

奖品： 何炳生老师的《凸优化的分裂收缩算法》（首位答对者将获得特别奖品，所有答对者获得一个月Liii STEM会员）

参与方式： 见主页