UNIVERSIDAD NACIONAL MAYOR DE

SAN MARCOS

FACULTAD DE CIENCIAS MATEMÁTICA

CARRERA DE COMPUTACIÓN CIENTÍFICA

CURSO: MÉTODOS NUMÉRICOS Y

PROGRAMACIÓN 2

Tema: MÉTODO DE CHOLESKY

Autores:
Noemi Melany Bonilla Guerra
Marjorie Dayanne Montalvo Cusi
Flor de Milagro Paullo Montes
Edward Daniel Zarate Cancho

Tutor: Sergio Luque

14 de setiembre 2018
Índice
1. OBJETIVO: 2

2. INTRODUCCIÓN: 3

3. MARCO TEÓRICO: 4
3.1. ALGORITMO: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

4. APLICACIÓN: 6
4.1. PROGRAMA EN MATLAB: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

5. COMCLUSIÓN: 8

6. BIBLIOGRAFIA: 9

1
 Teorema de Cholesky

1. OBJETIVO:
El objetivo del método es encontrar una solución a un sistema de ecuación lineales basadas
en la factorización LU de la matriz de coeficientes relacionada al sistema.

Deducir fórmulas para el algoritmo de factorización de Cholesky.

Optimizar el código propuesto usando lenguajes de programación y técnicas de optimización

de software que permitan mejorar el rendimiento del tiempo de ejecución de la factorización
de Cholesky

2
2. INTRODUCCIÓN:
En matemática la FACTORIZACIÓN O DESCOMPOSICIÓN DE CHOLESKY
toma su nombre del matemático Andre Louis Cholesky , quien encontró que una matriz simétri-
ca definida positiva puede ser compuesta como el producto de una matriz triangular inferior y
la transpuesta de la matriz triangular inferior . La matriz triangular inferior es el triángulo de
Cholesky de la matriz original positiva definida . El resultado de Cholesky ha sido extendido a
matrices con entradas complejas matriciales y se deriva de la factorización LU con una pequeña
variación.

Cualquier matriz cuadrada A con pivotes no nulos puede ser escrita como el producto de una
matriz triangular inferior L y una matriz triangular superior U ; esto recibe el nombre de factori-
zación LU sin embargo, si A es simétrica y definida positiva, se puede escoger los factores tales
que U es la transpuesta de L, y esto se llama descomposición o factorización de cholesky. Tanto
la descomposición LU como la descomposición de Cholesky son usadas para resolver sistemas de
ecuaciones lineales.

Cuando es aplicable, la descomposición de Cholesky es dos veces más eficiente que la descom-
posición LU .

Tenemos la matriz de coeficientes de un sistema de ecuaciones la llamaremos A, comprobando

que esta matriz sea simétrica, porque de lo contrario no es factorizable por Cholesky. Cuando A
es simétrico podemos tratar de factorizarla en la forma A = L × LT , LT quiere decir la matriz
L traspuesta, cuando la tenemos factorizada ya podemos resolver el sistema de ecuaciones. Una
condición necesaria y suficiente para que una matriz a admite factorización de Cholesky es que
sea simétrica y definida positiva.

3
3. MARCO TEÓRICO:
FACTORIZACIÓ DE CHOLESKY

En muchos problemas aplicados surgen matrices simétricas. Cuando se aplica la factorización

a LU a una matriz simétrica, la matriz U no corresponde a LT , obviamente. Si eliminamos la
condición de que L o U sean de diagonal unitaria.

Toda matriz real A que tenga factorización LU única, y que sea simétrica y definida positi-
va,entonces tiene una factorización única de la forma A = L × LT , donde L es una matriz trian-
gular inferior con diagonal positiva, y se dice que A tiene factorización de Cholesky.

Para determinar la factorización de Cholesky compararemos uno a uno los elementos de la

matriz A y del producto L × LT , es decir : A = L × LT
     
a1,1 a1,2 · · · a1,n l1,1 0 · · · 0 l1,1 l1,2 · · · l1,n
 a2,1 a2,2 · · · a2,n   l2,1 l2,2 · · · 0   0 l2,2 · · · l2,n 
..  =  .. ..  .  ..
     
 .. .. .. .. .. .. .. .. 
 . . . .   . . . .   . . . . 
an,1 an,2 · · · an,n ln,1 ln,2 · · · ln,n 0 0 · · · ln,n

Como antes, determinar la expresión de los coeficientes de L es relativamente fácil. Para la primera
columna de L, √
a11 = l2 11 ⇒ l11 = + a11
ai1 = li1 l11 ⇒ li1 = al11i1
para la segunda columna de L,
√
a22 = l2 21 + l2 22 ⇒ l22 = + a22 − l2 21
1
ai2 = li1 l21 + li2 l22 ⇒ li2 = l22 (a12 − l21 li1 )

y, en general, para la j-ésima columna,

q
ljj = + ajj − j−1
P 2
 k=1 l jk 
1
aij − j−1
P
lij = ljj k=1 lik ljk

Para 1 ≤ i < j ≤ n.
Es interesante notar que ljj > 0 implica que
j
X
ajj = l2 jk ≥ l2 jk
k=1

Por lo que
√
|ljk | ≤ ajj , 1 ≤ j ≤ k ≤ n
es decir, la raı́z cuadrada de los elementos de la diagonal de A son cotas superiores de los elementos
de las correspondientes columnas de L.

4
3.1. ALGORITMO:

HACER PARA k = 1 : n

HACER PARA i = 1 : k–1

sum = 0

HACER PARA j = 1 : i–1

sum = sum + aij ∗ akj

FIN

(aki –sum)
aki =
aii
FIN

sum = 0

HACER PARA j = 1 : k–1

sum = sum + a2kj

FIN PARA
√
akk = akk –sum

FIN

5
 4. APLICACIÓN:

4.1. PROGRAMA EN MATLAB:

Listing 1: Codigo de Cholesky

1 function L = cholesky (A , b )
2
3 %f a c t o r i z a c i n de cholesky ( matrices simetricas definidas positivas
)
4 %L = cholesky ( A ) almacenada una triangular inferior en L , tal que
5 %A = L *L ' . A debe ser cuadrada y simetrica .
6
7 [n , r ]= size ( A ) ;
8 if ~( size (A ,1) == size (b ,1) & size (b ,2) ==1)
9 error ( ' El t a m a o de las matrices no es correcto ' )
10 end
11 if rank ( A ) == rank ([ A , b ]) & rank ( A ) == size (A ,2)
12 disp ( ' sistema compatible determinado ' )
13 E = rref ([ A b ]) ; r = rank ( A ) ; X = E (1: r , end ) ; disp ( ' S o l u c i n unica
: ' ) , disp ( X )
14 elseif rank ( A ) == rank ([ A , b ])
15 disp ( ' sistema compatible indeterminado ' )
16 else
17 warning ( ' sistema incompatible ' )
18 end
19
20 if n ~= r , error ( ' Matriz no cuadrada ' ) ;
21 end
22
23 if any ( any (A -A ' ) ) ~=0 , error ( ' la matriz no es simetrica ' ) ;
24 end
25
26 L = eye ( n ) ;
27 for i =1: n
28 for j =1: i -1
29 L (i , j ) =( A (i , j ) -L (i ,1: j -1) * L (j ,1: j -1) ' ) / L (j , j ) ;
30 end
31 L (i , i ) = A (i , i ) -L (i ,1: i -1) * L (i ,1: i -1) ' ;
32
33 if L (i , i ) <=0
34 error ( ' la matriz no es definida positiva ' ) ;
35 else
36 L (i , i ) = sqrt ( L (i , i ) ) ;
37 end
38 end

6
Ejemplo:
1. Dados    
4 −1 0 2
A =  −1 4 −1  , b =  6  ,
0 −1 4 2

Determine:
(a) El vector x tal que A x = b por factorización de Cholesky.
(b) A−1 a partir de la factorización de Cholesky.
Solución:
(a) Para aplicar el método directo de Cholesky es necesario que la matriz sea simétrica
y definida positiva. Para comprobar este último punto aplicaremos la regla de los
menores principales  
 4 −1 
A1 = |4| = 4 > 0, A2 =   = 15 > 0,
−1 4 
yA3 = |A| = 56 > 0, luegoesdef inidapositiva.
La factoriacion Cholesky A = LLT se determina fácilmente igualando fila a fila las matrices
    
l11 0 0 l11 l21 l31 4 −1 0
 l21 l22 0   0 l22 l32  =  −1 4 −1 
l31 l32 l33 0 0 l33 0 −1 4

Es decir,
l2 11 = 4, l11 = 2,
l11 l21 = −1, l21 = −1/2,
l11 l31 = 0, l31 = 0,
l2 21 + l2 22 = 4, l2 22 = 4 −√1/4 = 15/4,
l21 l31 + l22 l32 = −1, l32 = −2/ 15,
l2 31 + l2 32 + l2 33 = 4, l2 33 = 4 − 4/15 = 56/15,
Por lo que  
−2 √ 0 0
L =  −1/2 15/2
√ p 0

0 −2/ 15 56/15
Ahora para resolver el sistema Ax = LLT x = b, debemos resolver los dos sistemas triangulares
Ly = b y LT x = y . El primero de ellos tiene como solución
 q T
y= √ 1,13
15
, 56
15
, y el segundo, x = (1, 2, 1)T , que es la solución buscada.
(b) A−1 = (LT )−1 L−1 = (L−1 )T L−1 y la inversa de la matriz L es fácil de determinar
 √ 
56/2 0 0
L−1 = √156  56/15/2
p p
√ 2 56/15
√ √0


 1/ 15 4/ 15 15 

−1
√ 1/2 0
√ 0
L = √ 15/30 √2/ 15 p 0
 
210/420 210/105 56/15

Con lo que  
15/16 1/14 1/56
A−1 = (L−1 )T L−1 =  1/14 2/7 1/14 
1/56 1/14 15/56

7
5. COMCLUSIÓN:
Para aplicar Cholesky es necesario que la matriz sea simétrica definida positiva

Se trata de un método de descomposición LU en el caso en que la matriz A sea simétrica y

definida positiva. Basta con tomar U = LT y, por tanto, A = LLT

Si la matriz no es simétrica ni definida positiva no es posible aplicar el método de Cholesky

por lo tanto se recomienda seguir con otro método.

8
6. BIBLIOGRAFIA:
1. https://sites.google.com/site/procesosnumericosrafaelrincon/2-practica-2/1-marco-teorico/metodos
directos/cholesky

2. https://sites.google.com/site/procesosnumericosproyectos/practica02/marco-teorico-1/cholesky

3. http://www.ugr.es/∼mpasadas/ftp/Tema3 apuntes.pdf

4. https://prezi.com/-apyp53u0ind/metodo-de-cholesky/