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

From LNTwww
Mwiki-lnt (talk | contribs)
m Textersetzung - „\*\s*Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0\.” ein.“ durch „ “
No edit summary
Line 3: Line 3:
}}
}}


[[File:P_ID671__Sto_A_4_16.png|right|Drei Korrelationsmatrizen]]
[[File:P_ID671__Sto_A_4_16.png|right|frame|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.
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 zur Vereinfachung 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.
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 Korrelationsmatrix $\mathbf{K_y}$ bzw.  $\mathbf{K_z}$ 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.




''Hinweise:''  
''Hinweise:''  
*Die Aufgabe gehört zum  Kapitel [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen|Verallgemeinerung auf N-dimensionale Zufallsgrößen]].
*Die Aufgabe gehört zum  Kapitel  [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen|Verallgemeinerung auf N-dimensionale Zufallsgrößen]].
*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]].
* 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:
*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:
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$  
*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.
 




Line 24: Line 28:


<quiz display=simple>
<quiz display=simple>
{Welche Aussagen treffen für die Kovarianzmatrix $\mathbf{K_y}$ zu?
{Welche Aussagen treffen für die Korrelationsmatrix $\mathbf{K_y}$ zu?
|type="[]"}
|type="[]"}
+ $\mathbf{K_y}$ beschreibt alle möglichen 2D-Zufallsgrößen mit $\sigma_1 = \sigma_2 = \sigma$.
+ $\mathbf{K_y}$ beschreibt alle möglichen 2D-Zufallsgrößen mit $\sigma_1 = \sigma_2 = \sigma$.
Line 33: Line 37:
{Berechnen Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ und $\rho = 0$.
{Berechnen Sie die Eigenwerte von $\mathbf{K_y}$ unter der Bedingung $\sigma = 1$ und $\rho = 0$.
|type="{}"}
|type="{}"}
$\lambda_1 \ = $ { 1 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_1 \ = \ $ { 1 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = $ { 1 3% } $\ (\lambda_2 \le \lambda_1)$
$\lambda_2 \ = $ { 1 3% } $\ (\lambda_2 \le \lambda_1)$




Line 40: Line 44:
<br>Welche Werte ergeben sich für $\rho = 0.5 $, wobei $\lambda_1 \ge \lambda_2$ vorausgesetzt wird?
<br>Welche Werte ergeben sich für $\rho = 0.5 $, wobei $\lambda_1 \ge \lambda_2$ vorausgesetzt wird?
|type="{}"}
|type="{}"}
$\rho = 0.5\text{:} \;\lambda_1 \ = $ { 2 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_1 \ = \ $ { 2 3% } $\ (\lambda_1 \ge \lambda_2)$
$\rho = 0.5\text{:} \;\lambda_2 \ = $ { 0. } $\ (\lambda_2 \le \lambda_1)$
$\lambda_2 \ = \ $ { 0. } $\ (\lambda_2 \le \lambda_1)$




{Berechnen Sie die zugehörigen Eigenvektoren $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$. Welche der folgenden Aussagen sind zutreffend?
{Berechnen Sie die zugehörigen Eigenvektoren $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$. <br>Welche der folgenden Aussagen sind zutreffend?
|type="[]"}
|type="[]"}
+ $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ liegen in Richtung der Ellipsenhauptachsen.
+ $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ liegen in Richtung der Ellipsenhauptachsen.
Line 53: Line 57:
{Wie lauten die Kenngrößen der durch $\mathbf{K_z}$ festgelegten Zufallsgröße $\mathbf{z}$?
{Wie lauten die Kenngrößen der durch $\mathbf{K_z}$ festgelegten Zufallsgröße $\mathbf{z}$?
|type="{}"}
|type="{}"}
$\sigma_1$ = { 2 3% }
$\sigma_1 = \ $ { 2 3% }
$\sigma_2$ = { 1 3% }
$\sigma_2 = \ $ { 1 3% }
$\rho$ = { 1 3% }
$\rho = \ $ { 1 3% }




{Berechnen Sie die Eigenwerte $\lambda_1$ und $\lambda_2 \le \lambda_1$ der Kovarianzmatrix $\mathbf{K_z}$.
{Berechnen Sie die Eigenwerte $\lambda_1$ und $\lambda_2 \le \lambda_1$ der Kovarianzmatrix $\mathbf{K_z}$.
|type="{}"}
|type="{}"}
$\lambda_1 \ = $ { 5 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_1 \ = $ { 5 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = $ { 0. } $\ (\lambda_2 \le \lambda_1)$
$\lambda_2 \ = $ { 0. } $\ (\lambda_2 \le \lambda_1)$




{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?
{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?
|type="{}"}
|type="{}"}
$\alpha \ = $ { 26.56 3% } $\ \rm Grad$
$\alpha \ = \ $ { 26.56 3% } $\ \rm Grad$





Revision as of 10:01, 22 August 2018

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 zur Vereinfachung 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 Korrelationsmatrix $\mathbf{K_y}$ bzw. $\mathbf{K_z}$ bestimmt werden können.


Hinweise:

$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot

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

  • 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.


Fragebogen

1 Welche Aussagen treffen für die Korrelationsmatrix $\mathbf{K_y}$ 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 \ = \ $ $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = \ $ $\ (\lambda_2 \le \lambda_1)$

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?

$\lambda_1 \ = \ $ $\ (\lambda_1 \ge \lambda_2)$
$\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)  Richtig sind die Lösungsvorschläge 1 und 2:

  • $\mathbf{K_y}$ ist tatsächlich die allgemeinste Kovariationmatrix einer 2D-Zufallsgröße mit $\sigma_1 = \sigma_2 = \sigma$.
  • Der Parameter $\rho$ gibt den Korrelationskoeffizienten an. Dieser kann alle Werte zwischen $\pm 1$ inclusive dieser Randwerte annehmen.


(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 $\rho$ 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 $\rho= 0.5$ erhält man $\underline{\lambda_{1} =1.5}$ und $\underline{\lambda_{2} =0.5}$. Die Gleichung gilt übrigens im gesamten Definitionsbereich $-1 \le \rho \le +1$.

  • Für $\rho = 0$ ist $\lambda_1 = \lambda_2 = +1$ (siehe Teilaufgabe 2).
  • Bei $\rho = \pm 1$ ergibt sich $\lambda_1 = 2$ und $\lambda_2 = 0$.


(4)  Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte $\lambda_1$ und $\lambda_2$ 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].$$

Zur Drehung des Koordinatensystems
Zur Drehung des Koordinatensystems

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 der nebenstehenden Skizze ist das Ergebnis verdeutlicht:

  • Das neue, durch $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ festgelegte Koordinatensystem liegt tatsächlich in Richtung der Hauptachsen des ursprünglichen Systems.
  • Mit $\sigma_1 = \sigma_2$ ergibt sich fast immer (Ausnahme: $\rho= 0$) der Drehwinkel $\alpha = 45^\circ$. Dies folgt auch aus der im Theorieteil angegebenen Gleichung:
$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot

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

  • Die Eigenwerte $\lambda_1$ und $\lambda_2$ kennzeichnen nicht die Streuungen bezüglich der neuen Achsen, sondern die entsprechenden Varianzen.


Richtig sind also die Lösungsvorschläge 1 und 2.

(5)  Durch Vergleich der Matrizen $\mathbf{K_x}$ und $\mathbf{K_z}$ erhält man

  • $\sigma_{1}\hspace{0.15cm}\underline{ =2}$,
  • $\sigma_{2}\hspace{0.15cm}\underline{ =1}$,
  • $\rho = 2/(\sigma_{1} \cdot \sigma_{2})\hspace{0.15cm}\underline{ =1}$.


(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 ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot

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

Dekorrelation von 2D-Zufallsgrößen
Dekorrelation von 2D-Zufallsgrößen

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

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

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

Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße $\mathbf{z}$:

  • Wegen $\rho = 1$ liegen alle Werte auf der Korrelationsgeraden mit den Koordinaten $z_1$ und $z_2 = z_1/2$.
  • Durch die Drehung um den Winkel $\alpha = \arctan(0.5) = 26.56^\circ$ entsteht ein neues Koordinatensystem.
  • Die Varianz entlang der Achse $(\mathbf{\zeta_1}$ beträgt $\lambda_1 = 5$ (Streuung $\sigma_1 = \sqrt{5} = 2.236$), während in der dazu orthogonalen Richtung $(\mathbf{\zeta_2}$ die Zufallsgröße nicht ausgedehnt ist $(\lambda_2 = \sigma_2 = 0)$.