Chole Sky

Métodos para matrices especiales.
Descomposición de Cholesky
Dr. Alonso Ramírez Manzanares
MAT-251 CIMAT A.C.
e-mail: alram@cimat.mx
web: http://www.cimat.mx/~alram/met_num/
Dr. Joaquín Peña Acevedo

CIMAT A.C.
e-mail: joaquin@cimat.mx
Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015
Monday, August 31, 15

Ventajas computacionales de las factorizaciones ...
en segundos

en segundos
• ¿donde se usan factorizaciones en la vida real? ....

en segundos

en segundos
• Si hacemos una descomposición ( O(n3)), de tal forma que resolvemos el

sistema Axi=bi para diferentes vectores bi.

en segundos

• Entonces la solución estará dada por el orden O(n2) en lugar de O(n3).

en segundos

• Para sistemas de tamaño, digamos de 1000x1000

en segundos

• Para sistemas de tamaño, digamos de 1000x1000
• 10002 = 1,000,000 = 0.001 * 1,000,000,000 = 0.001 * 1,0003

Matrices con diagonal estrictamente-dominante
Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

siguiente:


siguiente:


siguiente:


siguiente:
• Nótese que dada una matriz estrictamente diagonal-dominante, su

transpuesta no tiene por que serlo.


siguiente:
• Nótese que dada una matriz estrictamente diagonal-dominante, su

transpuesta no tiene por que serlo.
• Una matriz estrictamente diagonal-dominante tiene inversa. Se puede

aplicar eliminación Gaussiana sin necesidad de hacer intercambio de
renglones, y los cálculos serán estables con respecto a los errores de
redondeo.

Una matriz estrictamente diagonal-dominante tiene
inversa, demostración:
• Prueba por contradicción: consideremos que es singular, entonces
consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para
el cual 0 < |xk| = max 1≤j≤n |xj|.

Una matriz estrictamente diagonal-dominante tiene
inversa, demostración:
• Prueba por contradicción: consideremos que es singular, entonces
consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para
el cual 0 < |xk| = max 1≤j≤n |xj|.

Matrices definidas positivas
• Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que
xTA x > 0 para todo vector x diferente de 0. Es decir que la matriz de tamaño
1x1 (escalar) resultante de la operación es positiva.


xTA x > 0 para todo vector x diferente de 0.
• Ejemplo, una matriz positiva:






A esta forma se le llama forma cuadrática asociada a la matriz.


• Una matriz no positiva pero que es definida positiva


La expresión solo puede ser cero cuando todos los xi son cero.

• Las matrices positivas definidas aparecen mucho en problemas de CNyE, por

ejemplo en las matrices de covarianza.

Matrices definida positiva

• Propiedades de estas matrices:

• A es no singular.

• Demostración por contradicción: Suponemos singularidad: Ax=0,

para x diferente cero, entonces xTAx =0, lo cual contradice que A es
definida positiva.


definida positiva.
• aii > 0 para toda i=1,...,n, por lo tanto la traza es no negativa.


definida positiva.
• Demostración: Para una i cualquiera, definamos x = (xk) por xi = 1 y xj

= 0, si j ≠ i. Entonces x ≠ 0, por lo que 0 < xTAx = aii.


definida positiva.

• max i ≤ k,j ≤n |akj| ≤ max 1≤i≤n |aii|


definida positiva.

• Demostración: Tarea.


definida positiva.

• aij2 < aiiajj para cada i ≠ j


definida positiva.

• aij2 < aiiajj para cada i ≠ j

• Propiedades de estas matrices (2):
• Se puede aplicar eliminación Gaussiana si necesidad de intercambio de

renglones.
• Se puede factorizar en la forma L LT , donde L es una matriz triangular

inferior con entradas positivas en la diagonal.
• Se puede factorizar en la forma LDLT, donde L es una matriz triangular

inferior con unos en la diagonal y D es una matriz diagonal con entradas
positivas.

Descomposición (factorización) de Cholesky
• André-Louis Cholesky (15 de Octubre de 1875 - 31 de Agosto de 1918).
• Se factoriza A = L LT , donde L es una matriz triangular inferior con

entradas positivas en la diagonal.
• La descomposición es única,

• André-Louis Cholesky (15 de Octubre de 1875 - 31 de Agosto de 1918).
• Se factoriza A = L LT , donde L es una matriz triangular inferior con

entradas positivas en la diagonal.
• La descomposición es única,

• Algoritmo
... es simétrica...
=

=

Es positivo
=

Es positivo
=
• De tal manera, que procedemos al cálculo columna por columna, y las

entradas de L quedan como:

Es positivo
=


Es positivo
=


Es positivo
=

para i > j

Es positivo
=

para i > j

Una forma alternativa que evita calcular raices
cuadradas

cuadradas
• De tal manera que L es una matriz triangular inferior con unos en la diagonal y
D es una matriz diagonal con entradas positivas.
• multiplicando las matrices tenemos

cuadradas
• De tal manera que L es una matriz triangular inferior con unos en la diagonal y
D es una matriz diagonal con entradas positivas.
• multiplicando las matrices tenemos

Una forma alternativa que evita calcular raices cuadradas

• Quedando las entradas definidas como:


De tal forma que, de nuevo, hacemos el cálculo columna por columna.


Relación entre las 2 factorizaciones
• Las 2 factorizaciones LLT y LDLT (nótese que son diferentes L’s) se relacionan
así:

Relación entre las 2 factorizaciones
• Las 2 factorizaciones LLT y LDLT (nótese que son diferentes L’s) se relacionan
así:

Solución del SEL dada la factorización LLT

• Si tenemos Ax=b entonces usamos LLTx=b,
• primero hacemos y = LTx y solucionamos Ly=b con sustitución hacia

adelante, con:
• Luego solucionamos para x el sistema LTx = y con sustitución hacia atrás.

• Si tenemos Ax=b entonces usamos LLTx=b,
• primero hacemos y = LTx y solucionamos Ly=b con sustitución hacia

adelante, con:
• Luego solucionamos para x el sistema LTx = y con sustitución hacia atrás.

Solución del SEL dada la factorización LDLT

• Si tenemos el sistema A x=b como LDLT x = b haciendo y = DLT x, y

resolviendo para y el SEL Ly=b con sustitución hacia adelante.


• Luego usamos z = LTx de tal forma que resolvemos para z el SEL Dz=y. Pero
D es diagonal, por lo que esto es muy fácil:




• Finalmente resolvemos LTx = z para x con sustitución hacia atrás y

TERMINAMOS.


• Finalmente resolvemos LTx = z para x con sustitución hacia atrás y

TERMINAMOS.


Matrices bandadas
• Una matriz de tamaño n x n se dice que es bandada si existen los numeros p

y q enteros 1 < p , q < n, tal que aij = 0 para todo p ≤ j- i ó q ≤ i - j
• p denota el número de diagonales arriba de la diagonal principal,

incluyéndola.
• q denota el número de diagonales abajo de la diagonal principal,

incluyéndola.
• Ejemplo con p = 3 y q = 2.
• El numero de diagonales es p+q-1.

Matrices tridiagonales
• Un grupo muy famoso son las tridiagonales, es decir con p=q=2

Chole Sky

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Chole Sky

Cargado por

Copyright:

Formatos disponibles

Métodos para matrices especiales.

Dr. Joaquín Peña Acevedo

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

• Si hacemos una descomposición ( O(n3)), de tal forma que resolvemos el

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

• Si hacemos una descomposición ( O(n3)), de tal forma que resolvemos el

• Entonces la solución estará dada por el orden O(n2) en lugar de O(n3).

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

• Si hacemos una descomposición ( O(n3)), de tal forma que resolvemos el

• Entonces la solución estará dada por el orden O(n2) en lugar de O(n3).

• Para sistemas de tamaño, digamos de 1000x1000

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• ¿donde se usan factorizaciones en la vida real? ....

• Si hacemos una descomposición ( O(n3)), de tal forma que resolvemos el

• Entonces la solución estará dada por el orden O(n2) en lugar de O(n3).

• Para sistemas de tamaño, digamos de 1000x1000

• 10002 = 1,000,000 = 0.001 * 1,000,000,000 = 0.001 * 1,0003

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

Monday, August 31, 15

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

Monday, August 31, 15

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

Monday, August 31, 15

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

Monday, August 31, 15

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

• Nótese que dada una matriz estrictamente diagonal-dominante, su

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015 2

Monday, August 31, 15

• La definición de una matriz cuadrada estrictamente diagonal-dominante es la

• Nótese que dada una matriz estrictamente diagonal-dominante, su

• Una matriz estrictamente diagonal-dominante tiene inversa. Se puede

Monday, August 31, 15

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que

• Ejemplo, una matriz positiva:

Alonso Ramírez Manzanares Métodos Numéricos 31.08.2015

Monday, August 31, 15

• Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que