Aufgaben:Exercise 4.16: Eigenvalues and Eigenvectors: Difference between revisions

From LNTwww
No edit summary
No edit summary
Line 4: Line 4:


[[File:P_ID671__Sto_A_4_16.png|right|Drei Korrelationsmatrizen]]
[[File:P_ID671__Sto_A_4_16.png|right|Drei Korrelationsmatrizen]]
Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als <i>N</i> = 2 Dimensionen erforderlich ist und Sinn macht, beschränken wir uns hier auf den Sonderfall zweidimensionaler Zufallsgrößen.
Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als $N = 2$ Dimensionen erforderlich ist und Sinn macht, beschränken wir uns hier auf den Sonderfall zweidimensionaler Zufallsgrößen.


:In der Grafik ist oben die allgemeine Korrelationsmatrix <b>K<sub>x</sub></b> der 2D&ndash;Zufallsgröße <b>x</b> = (<i>x</i><sub>1</sub>, <i>x</i><sub>2</sub>)<sup>T</sup> angegeben, wobei <i>&sigma;</i><sub>1</sub><sup>2</sup> und <i>&sigma;</i><sub>2</sub><sup>2</sup> die Varianzen der Einzelkomponenten beschreiben.  <i>&rho;</i> bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.
In der Grafik ist oben die allgemeine Korrelationsmatrix $\mathbf{K_x}$ der 2D&ndash;Zufallsgröße $\mathbf{x} = (x_1, x_2)^{\rm T}$ angegeben, wobei $\sigma_1^2$ und $\sigma_2^2$ die Varianzen der Einzelkomponenten beschreiben.  $\rho$ bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.


:Die Zufallsgrößen <b>y</b> und <b>z</b> geben zwei Spezialfälle von <b>x</b> an, deren Prozessparameter aus den Kovarianzmatrizen <b>K<sub>y</sub></b> und <b>K<sub>z</sub></b> bestimmt werden können.
Die Zufallsgrößen $\mathbf{y}$ und $\mathbf{z}$ geben zwei Spezialfälle von $\mathbf{x}$ an, deren Prozessparameter aus den Kovarianzmatrizen $\mathbf{K_y}$ bzw.  $\mathbf{K_z}$ bestimmt werden können.




Line 15: Line 15:
*Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Determinante_einer_Matrix|Determinante einer Matrix]] sowie [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]]  
*Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Determinante_einer_Matrix|Determinante einer Matrix]] sowie [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]]  
*Sollte die Eingabe des Zahlenwertes &bdquo;0&rdquo; erforderlich sein, so geben Sie bitte &bdquo;0.&rdquo; ein.
*Sollte die Eingabe des Zahlenwertes &bdquo;0&rdquo; erforderlich sein, so geben Sie bitte &bdquo;0.&rdquo; ein.
*Insbesondere ist zu beachten: Eine $2×2$-Kovarianzmatrix besitzt zwei reelle Eigenwerte $\lambda_1$ und $\lambda_2$. Diese beiden Eigenwerte bestimmen zwei Eigenvektoren $\xi_1$ und $\xi_2$. Diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.
* Entsprechend der Seite [[Stochastische_Signaltheorie/Zweidimensionale_Gaußsche_Zufallsgrößen#H.C3.B6henlinien_bei_korrelierten_Zufallsgr.C3.B6.C3.9Fen|Höhenlinien bei korrelierten Zufallsgrößen]] ist der Winkel $\alpha$ zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$


:<b>Hinweis:</b> Die Aufgabe bezieht sich auf die theoretischen Grundlagen von Kapitel 4.7. Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den folgenden Seiten:<br> &nbsp;&nbsp;&nbsp;&nbsp; Determinante einer Matrix,<br> &nbsp;&nbsp;&nbsp;&nbsp; Inverse einer Matrix.
:<br><br>Weiterhin ist zu beachten:
:* Eine 2&times;2-Kovarianzmatrix besitzt zwei reelle Eigenwerte <i>&lambda;</i><sub>1</sub> und <i>&lambda;</i><sub>2</sub>.<br>
:* Die beiden Eigenwerte bestimmen zwei Eigenvektoren <i>&xi;</i><sub>1</sub> und <i>&xi;</i><sub>2</sub> und  diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.


:* Entsprechend der Seite Höhenlinien bei korrelierten Zufallsgrößen ist der Winkel <i>&alpha;</i> zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
:$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot\rho \cdot
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$
===Fragebogen===
===Fragebogen===


<quiz display=simple>
<quiz display=simple>
{Welche Aussagen treffen für die Kovarianzmatrix <b>K<sub>y</sub></b> zu?
{Welche Aussagen treffen für die Kovarianzmatrix $\mathbf{K_y}$ zu?
|type="[]"}
|type="[]"}
+ <b>K<sub>y</sub></b> beschreibt alle möglichen 2D-Zufallsgrößen mit <i>&sigma;</i><sub>1</sub> = <i>&sigma;</i><sub>2</sub>.
+ $\mathbf{K_y}$ beschreibt alle möglichen 2D-Zufallsgrößen mit $\sigma_1 = \sigma_2 = \sigma$.
+ Der Wertebereich des Parameters <i>&rho;</i> ist &ndash;1 &#8804; <i>&rho;</i> &#8804; 1.
+ Der Wertebereich des Parameters $\rho$ ist $-1 \le \rho \le +1$.
- Der Wertebereich des Parameters <i>&rho;</i> ist 0 < <i>&rho;</i> < 1.
- Der Wertebereich des Parameters $\rho$ ist $0 < \rho < 1$.




{Berechnen Sie die Eigenwerte von <b>K<sub>y</sub></b> unter der Bedingung <i>&sigma;</i> = 1, <i>&rho;</i> = 0.
{Berechnen Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ und $\rho = 0$.
|type="{}"}
|type="{}"}
$\lambda_1$ = { 1 3% }
$\lambda_1 \ = $ { 1 3% }
$\lambda_2$ = { 1 3% }
$\lambda_2 \ = $ { 1 3% }




{Geben Sie die Eigenwerte von <b>K<sub>y</sub></b> unter der Bedingung <i>&sigma;</i> = 1, 0 < <i>&rho;</i> < 1 an. Welche Werte ergeben sich für <i>&rho;</i> = 0.5, wobei <i>&lambda;</i><sub>1</sub> &#8805; <i>&lambda;</i><sub>2</sub> vorausgesetzt wird?
{Geben Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ sowie $0 < \rho < 1$ an.  
<br>Welche Werte ergeben sich für $\rho = 0.5 $, wobei $\lambda_1 \ge \lambda_2$ vorausgesetzt wird?
|type="{}"}
|type="{}"}
$\lambda_1$ = { 2 3% }
$\rho = 0.5\text{:} \;\lambda_1 \ = $ { 2 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2$ = { 0 3% }
$\rho = 0.5\text{:} \;\lambda_2 \ = $ { 0. } $\ (\lambda_2 \le \lambda_1)$




{Berechnen Sie die zugehörigen Eigenvektoren <b>&eta;<sub>1</sub></b> und <b>&eta;<sub>2</sub></b>. Welche der folgenden Aussagen sind zutreffend?
{Berechnen Sie die zugehörigen Eigenvektoren $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$. Welche der folgenden Aussagen sind zutreffend?
|type="[]"}
|type="[]"}
+ <b>&eta;<sub>1</sub></b> und <b>&eta;<sub>2</sub></b> liegen in Richtung der Ellipsenhauptachsen.
+ $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ liegen in Richtung der Ellipsenhauptachsen.
+ Die neuen Koordinaten sind  um 45&deg; gedreht.
+ Die neuen Koordinaten sind  um $45^\circ$ gedreht.
- Die Streuungen bezüglich des neuen Systems sind <i>&lambda;</i><sub>1</sub> und <i>&lambda;</i><sub>2</sub>.
- Die Streuungen bezüglich des neuen Systems sind $\lambda_1$ und $\lambda_2$.




{Wie lauten die Kenngrößen der durch <b>K<sub>z</sub></b> festgelegten Zufallsgröße <b>z</b>?
{Wie lauten die Kenngrößen der durch $\mathbf{K_z}$ festgelegten Zufallsgröße $\mathbf{z}$?
|type="{}"}
|type="{}"}
$\sigma_1$ = { 2 3% }
$\sigma_1$ = { 2 3% }
Line 62: Line 58:




{Berechnen Sie die Eigenwerte <i>&lambda;</i><sub>1</sub> und  
{Berechnen Sie die Eigenwerte $\lambda_1$ und $\lambda_2 \le \lambda_1$ der Kovarianzmatrix $\mathbf{K_z}$.
<i>&lambda;</i><sub>2</sub> < <i>&lambda;</i><sub>1</sub> der Kovarianzmatrix <b>K<sub>z</sub></b>.
|type="{}"}
|type="{}"}
$\lambda_1$ = { 5 3% }
$\lambda_1 \ = $ { 5 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2$ = { 0 3% }
$\lambda_2 \ = $ { 0. } $\ (\lambda_2 \le \lambda_1)$




{Um welchen Winkel <i>&alpha;</i> ist das neue Koordinatensystem (<b>&zeta;<sub>1</sub></b>, <b>&zeta;<sub>2</sub></b>) gegenüber dem ursprünglichen System (<b>z<sub>1</sub></b>, <b>z<sub>2</sub></b>) gedreht?
{Um welchen Winkel $\alphaist das neue Koordinatensystem $(\mathbf{\zeta_1}, \mathbf{\zeta_2})gegenüber dem ursprünglichen System $(\mathbf{z_1}, \mathbf{z_2})$ gedreht?
|type="{}"}
|type="{}"}
$\alpha$ = { 26.56 3% } Grad
$\alpha \ = $ { 26.56 3% } $\ \rm Grad$





Revision as of 14:17, 3 April 2017

Drei Korrelationsmatrizen
Drei Korrelationsmatrizen

Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als $N = 2$ Dimensionen erforderlich ist und Sinn macht, beschränken wir uns hier auf den Sonderfall zweidimensionaler Zufallsgrößen.

In der Grafik ist oben die allgemeine Korrelationsmatrix $\mathbf{K_x}$ der 2D–Zufallsgröße $\mathbf{x} = (x_1, x_2)^{\rm T}$ angegeben, wobei $\sigma_1^2$ und $\sigma_2^2$ die Varianzen der Einzelkomponenten beschreiben. $\rho$ bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.

Die Zufallsgrößen $\mathbf{y}$ und $\mathbf{z}$ geben zwei Spezialfälle von $\mathbf{x}$ an, deren Prozessparameter aus den Kovarianzmatrizen $\mathbf{K_y}$ bzw. $\mathbf{K_z}$ bestimmt werden können.


Hinweise:

  • Die Aufgabe gehört zum Kapitel Verallgemeinerung auf N-dimensionale Zufallsgrößen.
  • Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten Determinante einer Matrix sowie Inverse einer Matrix
  • Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0.” ein.
  • Insbesondere ist zu beachten: Eine $2×2$-Kovarianzmatrix besitzt zwei reelle Eigenwerte $\lambda_1$ und $\lambda_2$. Diese beiden Eigenwerte bestimmen zwei Eigenvektoren $\xi_1$ und $\xi_2$. Diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.
  • Entsprechend der Seite Höhenlinien bei korrelierten Zufallsgrößen ist der Winkel $\alpha$ zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot

\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$


Fragebogen

1 Welche Aussagen treffen für die Kovarianzmatrix $\mathbf{K_y}$ zu?

$\mathbf{K_y}$ beschreibt alle möglichen 2D-Zufallsgrößen mit $\sigma_1 = \sigma_2 = \sigma$.
Der Wertebereich des Parameters $\rho$ ist $-1 \le \rho \le +1$.
Der Wertebereich des Parameters $\rho$ ist $0 < \rho < 1$.

2 Berechnen Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ und $\rho = 0$.

$\lambda_1 \ = $
$\lambda_2 \ = $

3 Geben Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ sowie $0 < \rho < 1$ an.
Welche Werte ergeben sich für $\rho = 0.5 $, wobei $\lambda_1 \ge \lambda_2$ vorausgesetzt wird?

$\rho = 0.5\text{:} \;\lambda_1 \ = $ $\ (\lambda_1 \ge \lambda_2)$
$\rho = 0.5\text{:} \;\lambda_2 \ = $ $\ (\lambda_2 \le \lambda_1)$

4 Berechnen Sie die zugehörigen Eigenvektoren $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$. Welche der folgenden Aussagen sind zutreffend?

$\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ liegen in Richtung der Ellipsenhauptachsen.
Die neuen Koordinaten sind um $45^\circ$ gedreht.
Die Streuungen bezüglich des neuen Systems sind $\lambda_1$ und $\lambda_2$.

5 Wie lauten die Kenngrößen der durch $\mathbf{K_z}$ festgelegten Zufallsgröße $\mathbf{z}$?

$\sigma_1$ =
$\sigma_2$ =
$\rho$ =

6 Berechnen Sie die Eigenwerte $\lambda_1$ und $\lambda_2 \le \lambda_1$ der Kovarianzmatrix $\mathbf{K_z}$.

$\lambda_1 \ = $ $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = $ $\ (\lambda_2 \le \lambda_1)$

7 Um welchen Winkel $\alpha$ ist das neue Koordinatensystem $(\mathbf{\zeta_1}, \mathbf{\zeta_2})$ gegenüber dem ursprünglichen System $(\mathbf{z_1}, \mathbf{z_2})$ gedreht?

$\alpha \ = $ $\ \rm Grad$


Musterlösung

1.  Ky ist tatsächlich die allgemeinste Kovariationmatrix einer 2D-Zufallsgröße mit σ1 = σ2 = σ. Der zweite Parameter gibt den Korrelationskoeffizienten an. Nach Abschnitt 4.1 kann ρ alle Werte zwischen ±1 inclusive dieser Randwerte annehmen. Richtig sind die Lösungsvorschläge 1 und 2.
2.)  In diesem Fall lautet die Bestimmungsgleichung:
$${\rm det}\left[ \begin{array}{cc}

1- \lambda & 0 \\ 0 & 1- \lambda \end{array} \right] = 0 \hspace{0.3cm}\Rightarrow \hspace{0.3cm} (1- \lambda)^2 = 0\hspace{0.3cm}\Rightarrow \hspace{0.3cm} \hspace{0.15cm}\underline{\lambda_{1/2} =1}.$$

3.   Bei positivem ρ lautet die Bestimmungsgleichung der Eigenwerte:
$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.3cm}\Rightarrow

\hspace{0.3cm}\lambda^2 - 2\lambda + 1 - \rho^2 = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\lambda_{1/2} =1 \pm \rho.$$

Für ρ = 0.5 erhält man λ1 = 1.5 und λ2 = 0.5. Die Gleichung gilt übrigens im gesamten Definitionsbereich –1 ≤ ρ ≤ 1. Für ρ = 0 ist λ1 = λ2 = 1 (siehe Teilaufgabe 2). Bei ρ = ±1 ergibt sich λ1 = 2 und λ2 = 0.
4.  Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte λ1, λ2 in die Kovarianzmatrix:
$$\left[ \begin{array}{cc}

1- (1+\rho) & \rho \\ \rho & 1- (1+\rho) \end{array} \right]\cdot{\boldsymbol{\eta_1}} = \left[ \begin{array}{cc} -\rho & \rho \\ \rho & -\rho \end{array} \right]\cdot \left[ \begin{array}{c} \eta_{11} \\ \eta_{12} \end{array} \right]=0$$

$$\Rightarrow\hspace{0.3cm}-\rho \cdot \eta_{11} + \rho \cdot

\eta_{12} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{11}= {\rm const} \cdot \eta_{12}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_1}}= {\rm const}\cdot \left[ \begin{array}{c} 1 \\ 1 \end{array} \right];$$

$$\left[ \begin{array}{cc}

1- (1-\rho) & \rho \\ \rho & 1- (1-\rho) \end{array} \right]\cdot{\boldsymbol{\eta_2}} = \left[ \begin{array}{cc} \rho & \rho \\ \rho & \rho \end{array} \right]\cdot \left[ \begin{array}{c} \eta_{21} \\ \eta_{22} \end{array} \right]=0$$

$$\Rightarrow\hspace{0.3cm}\rho \cdot \eta_{21} + \rho \cdot

\eta_{22} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{21}= -{\rm const} \cdot \eta_{22}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_2}}= {\rm const}\cdot \left[ \begin{array}{c} -1 \\ 1 \end{array} \right].$$

Bringt man diese in die so genannte Orthonormalform, so gilt:
$${\boldsymbol{\eta_1}}= \frac{1}{\sqrt{2}}\cdot \left[

\begin{array}{c} 1 \\ 1 \end{array} \right],\hspace{0.5cm} {\boldsymbol{\eta_2}}= \frac{1}{\sqrt{2}}\cdot \left[ \begin{array}{c} -1 \\ 1 \end{array} \right].$$

In nebenstehender Skizze ist das Ergebnis verdeutlicht. Das neue, durch η1 und η2 festgelegte Koordinatensystem liegt tatsächlich in Richtung der Hauptachsen des ursprünglichen Systems. Mit σ1 = σ2 ergibt sich stets (Ausnahme: ρ = 0) der Drehwinkel α = 45 Grad. Dies folgt auch aus der Gleichung auf Seite 3 von Kapitel 4.2:
$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot\rho \cdot

\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})= \frac{1}{2}\cdot \arctan (\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$

Die Eigenwerte λ1 und λ2 kennzeichnen nicht die Streuungen bezüglich der neuen Achsen, sondern die entsprechenden Varianzen. Richtig sind die Lösungsvorschläge 1 und 2.
5.  Durch Vergleich der Matrizen Kx und Kz erhält man σ1 = 2, σ2 = 1 und ρ = 1.
6.  Nach dem inzwischen altbekannten Schema gilt:
$$(4- \lambda) \cdot (1- \lambda) -4 = 0\hspace{0.3cm}\Rightarrow

\hspace{0.3cm}\lambda^2 - 5\lambda = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\hspace{0.15cm}\underline{\lambda_{1} =5,\hspace{0.1cm} \lambda_{2} =0}.$$

7.  Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt:
$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot

1}{2^2 -1^2})= \frac{1}{2}\cdot \arctan (\frac{4}{3}) = 26.56^\circ.$$

Zum gleichen Ergebnis gelangt man über den Eigenvektor:
$$\left[ \begin{array}{cc}

4-5 & 2 \\ 2 & 1-5 \end{array} \right]\cdot \left[ \begin{array}{c} \zeta_{11} \\ \zeta_{12} \end{array} \right]=0$$

$$\Rightarrow\hspace{0.3cm}-\zeta_{11}=

2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}=\frac{\zeta_{11}}{2}$$

$$\Rightarrow\hspace{0.3cm}\alpha = \arctan

(\frac{\zeta_{12}}{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$

Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße z. Wegen ρ = 1 liegen alle Werte auf der Korrelationsgeraden mit den Koordinaten z2 = z1/2. Durch die Drehung um den Winkel α = arctan(0.5) = 26.56 Grad entsteht ein neues Koordinatensystem. Die Varianz entlang der Achse ζ1 beträgt λ1 = 5 (Streuung σ1 = 2.236), während in der dazu orthogonalen Richtung ζ2 die Zufallsgröße nicht ausgedehnt ist (λ2 = σ2 = 0).