线性代数初学者如何通过给定比例与旋转角度创建协方差矩阵

• 协方差构造逻辑认知偏差：2维协方差矩阵是对称半正定矩阵，标准构造路径是对对角缩放矩阵做正交旋转变换，公式为 $\Sigma = R D R^T$，其中$R$是正交旋转矩阵，$D$是对角线上存放两个正交方向方差值的对角矩阵。np.cov是用来从样本数据中估算协方差的工具，不能直接用来构造已知参数的协方差矩阵。
• 参数设置与预期结果不匹配：你给出的目标协方差矩阵[[2.5, 1.5], [1.5, 2.5]]，对应的特征值（即正交方向上的缩放值）是4和1，并非代码里设置的两个方向都是2的缩放。如果两个方向的缩放值完全相等，无论旋转多少角度，最终得到的都是各向同性的圆状协方差矩阵，非对角元始终为0，不可能得到预期的非对角元为1.5的结果。
• 运算流程错位：把缩放旋转后的矩阵直接传入np.cov，相当于将矩阵的行作为随机变量、列作为观测值来估算协方差，计算逻辑和构造协方差矩阵的目标完全脱节。

• 标准构造流程：

1. 输入旋转角度（需转为弧度值），生成对应的正交旋转矩阵R
2. 输入两个正交方向上的缩放值（即协方差矩阵的两个特征值），构造对角缩放矩阵D
3. 按照公式cov_matrix = R @ D @ R.T直接计算得到最终协方差矩阵，无需调用np.cov

• 可直接运行的示例代码：

import numpy as np

def build_covariance(scale1, scale2, angle_rad):
    cos_theta = np.cos(angle_rad)
    sin_theta = np.sin(angle_rad)
    # 生成旋转矩阵
    rotation_matrix = np.array([
        [cos_theta, -sin_theta],
        [sin_theta, cos_theta]
    ])
    # 生成对角缩放矩阵
    scale_matrix = np.diag([scale1, scale2])
    # 正交变换得到协方差矩阵
    covariance = rotation_matrix @ scale_matrix @ rotation_matrix.T
    return covariance

# 复现你给出的预期结果：两个方向缩放值为4、1，旋转45度（即π/4弧度）
target_cov = build_covariance(scale1=4, scale2=1, angle_rad=np.pi/4)
print(target_cov)

• 代码运行输出（受浮点数精度影响会有微小误差）：

[[2.5 1.5]
 [1.5 2.5]]

补充说明：如果提到的“比例为2”指两个正交方向的缩放比值为2:1，而非两个方向缩放值都为2，只需在调用函数时传入对应比值的缩放值（例如2、1），匹配对应旋转角度即可生成对应形状的协方差矩阵，全程不需要调用样本协方差估算接口。

内容的提问来源于stack exchange，提问作者elnino