„Faktorisierung“ – Versionsunterschied

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
[gesichtete Version][gesichtete Version]
Inhalt gelöscht Inhalt hinzugefügt
K Link optimiert
Keine Bearbeitungszusammenfassung
Zeile 6: Zeile 6:
* [[Polynom]]e lassen sich [[Faktorisierung von Polynomen|faktorisieren]]. Über einem algebraisch vollständigen Körper gibt es sogar immer eine Faktorisierung in Linearfaktoren.
* [[Polynom]]e lassen sich [[Faktorisierung von Polynomen|faktorisieren]]. Über einem algebraisch vollständigen Körper gibt es sogar immer eine Faktorisierung in Linearfaktoren.
* Anwendung bei [[Matrix (Mathematik)|Matrizen]]:
* Anwendung bei [[Matrix (Mathematik)|Matrizen]]:
** Eine [[Matrix (Mathematik)|Matrix]] kann in Faktoren zerlegt werden, was beispielsweise bei der Lösung [[Lineares Gleichungssystem|linearer Gleichungssysteme]] mittels [[LR-Zerlegung|Dreieckszerlegung]] (auch LU- oder LR-Zerlegung genannt) angewendet wird. Die LR-Zerlegung wird in der numerischen Praxis meist mit dem [[Gaußsches Eliminationsverfahren|Gaußschen Eliminationsverfahrens]] gewonnen.
** Eine [[Matrix (Mathematik)|Matrix]] kann in Faktoren zerlegt werden, was beispielsweise bei der Lösung [[Lineares Gleichungssystem|linearer Gleichungssysteme]] mittels [[LR-Zerlegung|Dreieckszerlegung]] (auch LU- oder LR-Zerlegung genannt) angewendet wird. Die LR-Zerlegung wird in der numerischen Praxis meist mit dem [[Gaußsches Eliminationsverfahren|Gaußschen Eliminationsverfahren]] gewonnen.
** Eine weitere Matrizenfaktorisierung aus der [[Numerik]] ist die [[QR-Zerlegung]], die normalerweise mittels [[Householdertransformation]]en oder [[Givens-Rotation]]en gewonnen werden kann.
** Eine weitere Matrizenfaktorisierung aus der [[Numerik]] ist die [[QR-Zerlegung]], die normalerweise mittels [[Householdertransformation]]en oder [[Givens-Rotation]]en gewonnen werden kann.
** In der [[Datenanalyse]] werden unter anderem die ''non negative matrix factorization'' und die ''binary matrix factorization'' betrachtet, um Matrizen in zwei [[Cluster (Datenanalyse)|Cluster-]] bzw. [[Latent Semantic Analysis|Konzept]]matrizen zu zerlegen.
** In der [[Datenanalyse]] werden unter anderem die ''non negative matrix factorization'' und die ''binary matrix factorization'' betrachtet, um Matrizen in zwei [[Cluster (Datenanalyse)|Cluster-]] bzw. [[Latent Semantic Analysis|Konzept]]matrizen zu zerlegen.

Version vom 1. August 2023, 14:42 Uhr

Eine Faktorisierung ist in der Mathematik die Zerlegung eines Objekts in mehrere nichttriviale Faktoren.

Anwendungsbeispiele:

  • In der Graphentheorie bezeichnet man die Zerlegung eines Graphen G in Teilgraphen, bei denen jeder Knoten x nur eine bestimmte Anzahl a von Nachbarknoten hat, als Faktorisierung, und deren Ergebnis als a-Faktoren, z. B. 1-Faktoren.

Einzelnachweise

  1. Karl Popper, David Miller: A proof of the impossibility of inductive probability, in: Nature 302 (1983), 687f.