Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
Con el presente trabajo se pretende documentar la forma de
desarrollar el mtodo de compresin de informacin SVD, se
explicaran los pasos para realizar dicha tcnica basados en la
descomposicin matricial del valor singular, desarrollando un
ejemplo con una matriz sencilla y se verificaran dichos
clculos con la ayuda del programa matlab, finalmente se
realizar un ejemplo con la matriz de datos que arroja una
imagen, se comprimir la misma aplicando el mtodo con la
ayuda de la misma herramienta matlab, y as poder verificar
los porcentajes de compresin entre la imagen original y la
comprimida.
II. SVD
Abstract
I. INTRODUCCIN
os datos son la forma de representar la informacin, es
decir esta puede ser representada por una distinta cantidad
de datos, por lo tanto una misma informacin puede
contener datos redundantes.
Guillermo Patio
III. METODOLOGIA PARA APLICAR LA
DESCOMPOSICN DEL VALOR SINGULAR
La descomposicin del valor singular SVD se puede aplicar a
una matriz de cualquier tamao, como se menciono
anteriormente esta tcnica produce tres matrices originadas
con los valores y los vectores propios de dicha matriz, a
continuacin se explicaran los pasos a seguir para desarrollar
una descomposicin SVD.
()
Donde:
A: Es la matriz a la cual se le hallaran los vectores propios
X: es el vector propio buscado
: Son los valores propios.
Para Obtener la matriz U de la descomposicin SVD que
contiene vectores propios se tendr en cuenta que:
transpuesta.
()
()
()
1 2 3
2 3 1
1
= 2
3
2
3
1
()
5. Verificacin
()
Donde:
A: Es la matriz a la cual se le hallaran los valores propios.
: Son los diferentes valores propios con que cuenta la
matriz, la cantidad de depende del grado de la matriz A.
3
=
= 1 1 =
1 2
1 3
3 2
2 2
=
5 7
1 0
0 1
7 13
det
5 7
0
7 13
0
5
7
7
13
()
()
5 7
7 13
det
det
1
1
5 7
=
7 13
2
2
1
1
5 7
= 17.0623
7 13
2
2
= 0 ()
51 + 72
17.06231
=
71 + 132
17.0623 2
=0
Obteniendo dos ecuaciones:
=0
51 + 72 = 17.06231
71 + 132 = 17.06232
5 13 7 7 = 0
2 18 + 65 49 = 0
2 18 + 16 = 0 Al desarrollar el determinante se
obtiene el polinomio caracterstico de la matriz A, el cual
es un polinomio en potencias de .
Como se obtiene una ecuacin de segundo grado, se
puede resolver fcilmente por la ecuacin cuadrtica que
se expresa de la siguiente manera:
=
b b2 4 a c
2a
12.06231 + 72 = 0
71 4.06232 = 0
= . Para las dos ecuaciones
El segundo vector propio se origina con el valor propio
= 0.9377
1
1
5 7
= 0.9377
7 13
2
2
51 + 72
0.93771
=
71 + 132
0.9377 2
As se obtiene:
Obteniendo dos ecuaciones:
(18) (18)2 4 1 16
=
21
=
18 324 64
2
18 260
2
18 16.1245
2
51 + 72 = 0.93771
71 + 132 = 0.93772
51 0.93771 + 72 = 0
71 + 132 0.93772 = 0
4.06231 + 72 = 0
71 + 12.06232 = 0
= . Para las dos ecuaciones
1 =
18 + 16.1245
2
= .
2 =
18 16.1245
2
= .
Guillermo Patio
101 + 82
0.93771
=
81 + 82
0.9377 2
. .
. .
101 + 82 = 0.93771
81 + 82 = 0.93772
101 0.93771 + 82 = 0
81 + 82 0.93772 = 0
9.06231 + 82 = 0
81 + 7.06232 = 0
1 3
1 2
3 2
2 2
10 8
8 8
()
Nota: Cada valor de 2 es independiente del vector
propio que se est determinando.
1
1
10 8
= 17.0623
8 8
2
2
. .
. .
=
101 + 82
17.06231
=
81 + 82
17.0623 2
101 17.06231 + 82 = 0
81 + 82 17.06232 = 0
17.0623
0
=
0
0.9377
()
7.06231 + 82 = 0
81 9.06232 = 0
=
()
=
0.5019
0.8649
. .
. .
0.8649
4.1306
0
0.5019
0
0.7497
0.9683
0.6618
0.6618
()
0.7497
=
Obteniendo as la matriz a la cual se le realizo la
descomposicin SVD.
1 1 1
CONCLUSIONES
Fig.1. Imagen en escala de grises
Fig.2. Imagen recuperada
En la figura 2, se observa la imagen recuperada con 25 filas de
la matriz U, 25 valores propios de la matriz S y 25 columnas
de la matriz V.
Teniendo en cuenta que la matriz U es de 181x181 y que la
matriz V es de 279x279, se tendr que 181*25+25+25*279
para un total de 11525 datos con los que se logro recuperar la
una imagen aunque algo borrosa ofrece una perspectiva
cercana de la imagen original.
CONCLUSIONES
Fig.1. Imagen en escala de grises
Guillermo Patio
Teniendo en cuenta que la matriz U es de 181x181 y que la
matriz V es de 279x279, se tendr que 181*50+50+50*279
para un total de 23050 datos con los que se logro recuperar la
imagen contra 50499 datos de la matriz original, es decir que
el mtodo comprimi la imagen al 46% aproximadamente,
cabe destacar que la imagen recuperada es del mismo tamao
de la original 181x279.
cantidad de datos
recuperados
% de
Compresin
10
4610
90,87
25
11525
77,18
50
23050
54,36
100
46100
8,71
BIBLIOGRAFIA
a=imread('imagen.jpg');%leer la figura
b=rgb2gray(a);%se pasa la figura a escala de grises
figure(1);%permite observar varias figuras
imshow(b)%se observa la figura en escala de grises
c=double(b);%se convierte la figura a nmeros
[u,s,v]=svd(c);%se originan las tres matrices del SVD de la figura
vt=v';%se halla la transpuesta de la matriz v
ire=0;%se inicia la variable para ciclo
for(x=1:50)
ire=ire+u(:,x)*s(x,x)*vt(x,:);%se recuperan 50 datos de la figura
Fig.2. Imagen recuperada
end
iremost=uint8(ire);%se convierte la figura recuperada a formato para
visualizar
figure(2);
imshow(iremost)%se observa la figura recuperada
CONCLUSIONES