Aufgaben:Aufgabe 4.16: Eigenwerte und Eigenvektoren: Unterschied zwischen den Versionen
Keine Bearbeitungszusammenfassung |
Join multi-line formulas for MW 1.43 parser compat |
||
| Zeile 20: | Zeile 20: | ||
**[[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]]. | **[[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: | * 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: | *Insbesondere ist zu beachten: | ||
**Eine $2×2$–Kovarianzmatrix besitzt zwei reelle Eigenwerte $\lambda_1$ und $\lambda_2$. | **Eine $2×2$–Kovarianzmatrix besitzt zwei reelle Eigenwerte $\lambda_1$ und $\lambda_2$. | ||
| Zeile 88: | Zeile 87: | ||
'''(2)''' In diesem Fall lautet die Bestimmungsgleichung: | '''(2)''' In diesem Fall lautet die Bestimmungsgleichung: | ||
:$${\rm det}\left[ \begin{array}{cc} | :$${\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}.$$ | ||
1- \lambda & 0 \\ | |||
0 & 1- \lambda | |||
\end{array} \right] = 0 \hspace{0.3cm}\Rightarrow \hspace{0.3cm} | |||
(1- \lambda)^2 = 0\hspace{0.3cm}\Rightarrow | |||
\hspace{0.3cm} \hspace{0.15cm}\underline{\lambda_{1/2} =1}.$$ | |||
'''(3)''' Bei positivem $\rho$ lautet die Bestimmungsgleichung der Eigenwerte: | '''(3)''' Bei positivem $\rho$ lautet die Bestimmungsgleichung der Eigenwerte: | ||
:$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.5cm}\Rightarrow | :$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda^2 - 2\lambda + 1 - \rho^2 =0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda_{1/2} =1 \pm \rho.$$ | ||
\hspace{0.5cm}\lambda^2 - 2\lambda + 1 - \rho^2 = | |||
0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda_{1/2} =1 \pm \rho.$$ | |||
*Für $\rho= 0.5$ erhält man $\underline{\lambda_{1} =1.5}$ und $\underline{\lambda_{2} =0.5}$. | *Für $\rho= 0.5$ erhält man $\underline{\lambda_{1} =1.5}$ und $\underline{\lambda_{2} =0.5}$. | ||
| Zeile 112: | Zeile 104: | ||
Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte $\lambda_1$ und $\lambda_2$ in die Korrelationsmatrix: | Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte $\lambda_1$ und $\lambda_2$ in die Korrelationsmatrix: | ||
:$$\left[ \begin{array}{cc} | :$$\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$$ | ||
1- (1+\rho) & \rho \\ | :$$\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];$$ | ||
\rho & 1- (1+\rho) | :$$\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$$ | ||
\end{array} \right]\cdot{\boldsymbol{\eta_1}} = \left[ \begin{array}{cc} | :$$\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].$$ | ||
-\rho & \rho \\ | |||
\rho & -\rho | |||
\end{array} \right]\cdot \left[ \begin{array}{c} | |||
\eta_{11} \\ | |||
\eta_{12} | |||
\end{array} \right]=0$$ | |||
:$$\Rightarrow\hspace{0.3cm}-\rho \cdot \eta_{11} + \rho \cdot | |||
\eta_{12} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{11}= | |||
{\rm const} \cdot | |||
\eta_{12}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_1}}= | |||
{\rm const}\cdot \left[ \begin{array}{c} | |||
1 \\ | |||
1 | |||
\end{array} \right];$$ | |||
:$$\left[ \begin{array}{cc} | |||
1- (1-\rho) & \rho \\ | |||
\rho & 1- (1-\rho) | |||
\end{array} \right]\cdot{\boldsymbol{\eta_2}} = \left[ \begin{array}{cc} | |||
\rho & \rho \\ | |||
\rho & \rho | |||
\end{array} \right]\cdot \left[ \begin{array}{c} | |||
\eta_{21} \\ | |||
\eta_{22} | |||
\end{array} \right]=0$$ | |||
:$$\Rightarrow\hspace{0.3cm}\rho \cdot \eta_{21} + \rho \cdot | |||
\eta_{22} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{21}= | |||
-{\rm const} \cdot | |||
\eta_{22}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_2}}= | |||
{\rm const}\cdot \left[ \begin{array}{c} | |||
-1 \\ | |||
1 | |||
\end{array} \right].$$ | |||
[[Datei:P_ID676__Sto_A_4_16_d.png|right|frame|Koordinatensystemdrehung]] | [[Datei:P_ID676__Sto_A_4_16_d.png|right|frame|Koordinatensystemdrehung]] | ||
Bringt man diese in die so genannte Orthonormalform, so gilt: | Bringt man diese in die so genannte Orthonormalform, so gilt: | ||
:$${\boldsymbol{\eta_1}}= \frac{1}{\sqrt{2}}\cdot \left[ | :$${\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].$$ | ||
\begin{array}{c} | |||
1 \\ | |||
1 | |||
\end{array} \right],\hspace{0.5cm} | |||
{\boldsymbol{\eta_2}}= \frac{1}{\sqrt{2}}\cdot \left[ | |||
\begin{array}{c} | |||
-1 \\ | |||
1 | |||
\end{array} \right].$$ | |||
In der Skizze ist das Ergebnis verdeutlicht: | In der Skizze ist das Ergebnis verdeutlicht: | ||
| Zeile 166: | Zeile 117: | ||
*Mit $\sigma_1 = \sigma_2$ ergibt sich fast immer $($Ausnahme: $\rho= 0)$ der Drehwinkel $\alpha = 45^\circ$. | *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: | *Dies folgt auch aus der im Theorieteil angegebenen Gleichung: | ||
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot | :$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})={1}/{2}\cdot \arctan(\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$ | ||
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})= | |||
{1}/{2}\cdot \arctan | |||
(\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$ | |||
*Die Eigenwerte $\lambda_1$ und $\lambda_2$ kennzeichnen nicht die Streuungen bezüglich der neuen Achsen, sondern die Varianzen. | *Die Eigenwerte $\lambda_1$ und $\lambda_2$ kennzeichnen nicht die Streuungen bezüglich der neuen Achsen, sondern die Varianzen. | ||
| Zeile 182: | Zeile 130: | ||
'''(6)''' Nach dem inzwischen altbekannten Schema gilt: | '''(6)''' Nach dem inzwischen altbekannten Schema gilt: | ||
:$$(4- \lambda) \cdot (1- \lambda) -4 = 0\hspace{0.3cm}\Rightarrow | :$$(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}.$$ | ||
\hspace{0.3cm}\lambda^2 - 5\lambda = | |||
0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\hspace{0.15cm}\underline{\lambda_{1} | |||
=5,\hspace{0.1cm} \lambda_{2} =0}.$$ | |||
'''(7)''' Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt: | '''(7)''' Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt: | ||
:$$\alpha ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \ | :$$\alpha ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot1}{2^2 -1^2})= {1}/{2}\cdot \arctan ({4}/{3}) =26.56^\circ.$$ | ||
26.56^\circ.$$ | |||
[[Datei:P_ID677__Sto_A_4_16_g.png|right|frame|Bestmögliche Dekorrelation]] | [[Datei:P_ID677__Sto_A_4_16_g.png|right|frame|Bestmögliche Dekorrelation]] | ||
Zum gleichen Ergebnis gelangt man über den Eigenvektor: | Zum gleichen Ergebnis gelangt man über den Eigenvektor: | ||
:$$\left[ \begin{array}{cc} | :$$\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}$$ | ||
4-5 & 2 \\ | :$$\Rightarrow\hspace{0.3cm}\alpha = \arctan({\zeta_{12}}/{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$ | ||
2 & 1-5 | |||
\end{array} \right]\cdot \left[ \begin{array}{c} | |||
\zeta_{11} \\ | |||
\zeta_{12} | |||
\end{array} | |||
\right]=0 \hspace{0.3cm} | |||
\Rightarrow\hspace{0.3cm}-\zeta_{11}= | |||
2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}={\zeta_{11}}/{2}$$ | |||
:$$\Rightarrow\hspace{0.3cm}\alpha = \arctan | |||
({\zeta_{12}}/{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$ | |||
Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße $\mathbf{z}$: | Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße $\mathbf{z}$: | ||
Version vom 24. Februar 2026, 15:39 Uhr

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 sollen.
Hinweise:
- Die Aufgabe gehört zum Kapitel Verallgemeinerung auf N-dimensionale Zufallsgrößen.
- Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten
- Entsprechend der Seite "Höhenlinien bei korrelierten Zufallsgrößen" ist der Winkel $\alpha$ zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
- $$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$
- 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
Musterlösung
- $\mathbf{K_y}$ ist tatsächlich die allgemeinste Korrelationsmatrix 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:
- $$(1- \lambda)^2 -\rho^2 = 0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda^2 - 2\lambda + 1 - \rho^2 =0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda_{1/2} =1 \pm \rho.$$
- 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).
- Für $\rho = \pm 1$ ergibt sich $\lambda_1 = 2$ und $\lambda_2 = 0$.
(4) Richtig sind die Lösungsvorschläge 1 und 2.
Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte $\lambda_1$ und $\lambda_2$ in die Korrelationsmatrix:
- $$\left[ \begin{array}{cc}1- (1+\rho) & \rho \\\rho & 1- (1+\rho)\end{array} \right]\cdot{\boldsymbol{\eta_1}} = \left[ \begin{array}{cc}-\rho & \rho \\\rho & -\rho\end{array} \right]\cdot \left[ \begin{array}{c}\eta_{11} \\\eta_{12}\end{array} \right]=0$$
- $$\Rightarrow\hspace{0.3cm}-\rho \cdot \eta_{11} + \rho \cdot\eta_{12} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{11}={\rm const} \cdot\eta_{12}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_1}}={\rm const}\cdot \left[ \begin{array}{c}1 \\1\end{array} \right];$$
- $$\left[ \begin{array}{cc}1- (1-\rho) & \rho \\\rho & 1- (1-\rho)\end{array} \right]\cdot{\boldsymbol{\eta_2}} = \left[ \begin{array}{cc}\rho & \rho \\\rho & \rho\end{array} \right]\cdot \left[ \begin{array}{c}\eta_{21} \\\eta_{22}\end{array} \right]=0$$
- $$\Rightarrow\hspace{0.3cm}\rho \cdot \eta_{21} + \rho \cdot\eta_{22} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{21}=-{\rm const} \cdot\eta_{22}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_2}}={\rm const}\cdot \left[ \begin{array}{c}-1 \\1\end{array} \right].$$

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 der Skizze ist das Ergebnis verdeutlicht:
- Das durch $\mathbf{\eta_1}$ und $\mathbf{\eta_2}$ festgelegte Koordinatensystem liegt 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 Varianzen.
(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:
- $$\alpha ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot1}{2^2 -1^2})= {1}/{2}\cdot \arctan ({4}/{3}) =26.56^\circ.$$

Zum gleichen Ergebnis gelangt man über den Eigenvektor:
- $$\left[ \begin{array}{cc}4-5 & 2 \\2 & 1-5\end{array} \right]\cdot \left[ \begin{array}{c}\zeta_{11} \\\zeta_{12}\end{array}\right]=0 \hspace{0.3cm}\Rightarrow\hspace{0.3cm}-\zeta_{11}=2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}={\zeta_{11}}/{2}$$
- $$\Rightarrow\hspace{0.3cm}\alpha = \arctan({\zeta_{12}}/{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$
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 $(\lambda_2 = \sigma_2 = 0)$.