행렬,matrix

Difference between r1.5 and the current

@@ -1,27 +1,157 @@
#noindex
##=====행렬,matrix =,matrix 행렬 matrix
$m\times n$ 행렬은
$m$ rows
$n$ columns로 이뤄짐.
$m$ rows ...... $m$ 개의 [[행,row]]s들--과-- 또는
$n$ columns .... $n$ 개의 [[열,column]]s들
로 이뤄짐.
----
Sub:
[[대칭행렬]]
[[영행렬,zero_matrix]] WtEn:zero_matrix
[[널행렬,null_matrix]] WtEn:null_matrix
[[항등행렬,identity_matrix]] WtEn:identity_matrix
 
 
[[회전행렬,rotation_matrix]] and/or [[변환행렬,transformation_matrix]] = 회전변환행렬 ?
{
MKL
[[회전,rotation]]
[[변환,transformation]]
[[행렬,matrix]]
 
https://ko.wikipedia.org/wiki/변환행렬
https://en.wiktionary.org/wiki/transformation_matrix
https://en.wikipedia.org/wiki/Transformation_matrix
 
https://en.wikipedia.org/wiki/Rotation_matrix
https://ko.wikipedia.org/wiki/회전변환행렬
https://mathworld.wolfram.com/RotationMatrix.html
 
MKL
능동변환? active_transformation
{
'''active transformation'''
}//active transformation ... NN:"active transformation" Ggl:"active transformation"
수동변환? passive_transformation
{
'''passive transformation'''
}// passive transformation ... NN:"passive transformation" Ggl:"passive transformation"
... Ggl:"active passive transformation"
 
 
'''rotation matrix'''
Ggl:"rotation matrix"
 
from BOS 좌표축이 변경 될 때, 벡터성분 구하기 https://www.youtube.com/watch?v=dn7QJ-9QBU4
{
[[좌표축,coordinate_axis]] { [[좌표,coordinate]] [[축,axis]] } 변경 시.
 
원래 벡터를 $\hat{\rm i},\, \hat{\rm j},\, \hat{\rm k}$ 로 표현되는
$\vec{A}=A_x\hat{\rm i} + A_{y}\hat{\rm j} + A_{z}\hat{\rm k}$
라 하면 새로운 [[좌표계,coordinate_system]]에서는 $\hat{\rm i'},\,\hat{\rm j'},\,\hat{\rm k'}$ 로
$\vec{A}=A_{x'}\hat{\rm i'} + A_{y'}\hat{\rm j'} + A_{z'}\hat{\rm k'}$
이렇게 표현될 것이다. 이 중 첫번째 $A_{x'}$ 를 기하적으로 코사인 및 [[사영,projection]]을 생각하면 다음과 같이 [[내적,inner_product]]으로 나타낼 수 있다.
$A_{x'}=A\cdot\hat{\rm i'}=(A_x)\hat{\rm i}\cdot\hat{\rm i'}+(A_y)\hat{\rm j}\cdot\hat{\rm i'}+(A_z)\hat{\rm k}\cdot\hat{\rm i'}$
다시 쓰면, 그리고 $A_{y'},\,A_{z'}$ 도 적으면
$A_{x'}=(\hat{\rm i}\cdot\hat{\rm i'})A_x + (\hat{\rm j}\cdot\hat{\rm i'})A_y + (\hat{\rm k}\cdot\hat{\rm i'})A_z$
$A_{y'}=(\hat{\rm i}\cdot\hat{\rm j'})A_x + (\hat{\rm j}\cdot\hat{\rm j'})A_y + (\hat{\rm k}\cdot\hat{\rm j'})A_z$
$A_{z'}=(\hat{\rm i}\cdot\hat{\rm k'})A_x + (\hat{\rm j}\cdot\hat{\rm k'})A_y + (\hat{\rm k}\cdot\hat{\rm k'})A_z$
이걸 [[행렬,matrix]]로 나타내면
$\begin{bmatrix}A_{x'}\\A_{y'}\\A_{z'}\end{bmatrix}=\begin{bmatrix}\hat{\rm i}\cdot\hat{\rm i'}&\hat{\rm j}\cdot\hat{\rm i'}&\hat{\rm k}\cdot\hat{\rm i'}\\\hat{\rm i}\cdot\hat{\rm j'}&\hat{\rm j}\cdot\hat{\rm j'}&\hat{\rm k}\cdot\hat{\rm j'}\\\hat{\rm i}\cdot\hat{\rm k'}&\hat{\rm j}\cdot\hat{\rm k'}&\hat{\rm k}\cdot\hat{\rm k'}\end{bmatrix}\begin{bmatrix}A_{x}\\A_{y}\\A_{z}\end{bmatrix}$
 
예제로 z축은 그대로 두고 x, y축을 θ만큼 회전했을 때의 '''변환행렬'''을 알아봄. 이때는
$\begin{bmatrix}\cos\theta&\cos\left(90{}^{\circ}-\theta\right)&0\\\cos(90{}^{\circ}+\theta)&\cos\theta&0\\0&0&1\end{bmatrix}$
즉
$\begin{bmatrix}\cos\theta&\sin\theta&0\\-\sin\theta&\cos\theta&0\\0&0&1\end{bmatrix}$
이 된다.
 
}
}
 
 
[[diagonal_matrix]]
대각행렬?
WtEn:diagonal_matrix ?
$D=\begin{bmatrix}d_1&0&0\\0&d_2&0\\0&0&d_3\end{bmatrix}$
Ggl:"diagonal matrix"
 
banded_matrix
WtEn:banded_matrix ?
Ggl:"banded matrix"
eg. tridiagonal matrix
$\begin{bmatrix}d_1&a_1&0\\b_1&d_2&a_2\\0&b_2&d_3\end{bmatrix}$
Ggl:"tridiagonal matrix"
TODO 아래 [[행렬,matrix#s-1.21]] band_matrix 와?
 
triangular matrix
upper triangular matrix
$U=\begin{bmatrix}a&b&c\\0&d&e\\0&0&f\end{bmatrix}$
lower triangular matrix
$L=\begin{bmatrix}a&0&0\\b&c&0\\d&e&f\end{bmatrix}$
 
dense_matrix
sparse_matrix
번역tbd. 이 둘의 구분은 특히 [[자료구조,data_structure]]에서 중요
 
[[payoff_matrix]] =,payoff_matrix =,payoff_matrix . payoff_matrix
{
'''payoff matrix'''
 
WtEn:payoff_matrix
 
https://mathworld.wolfram.com/PayoffMatrix.html
2-player(two-person) zero-sum_game 에서,
player A has $m$ possible moves
player B has $n$ possible moves 일 때
$m\times n$ 행렬.
이게 possible outcome을 준다.
''여기엔 augmented payoff matrix만 식으로 있는데 다른거 찾''
 
"payoff matrix"
Ndict:"payoff matrix"
Ggl:"payoff matrix"
}
----
<<tableofcontents>>
= Sub: =
== 행렬곱셈 matrix multiplication ==
[[행렬곱셈,matrix_multiplication]]
== 합성곱행렬 convolution matrix ==
[[합성곱행렬,convolution_matrix]]
== 대칭행렬 ==
[[대칭행렬,symmetric_matrix]] ... curr at [[대칭성,symmetry]]
Ndict:대칭행렬
Ggl:대칭행렬
[[대칭행렬]] =대칭행렬,
{
// [[VG:대칭행렬,symmetric_matrix]]
대각원소를 중심으로 위 아래가 같은 행렬
복소행렬일 경우엔 Hermit행렬이라 함
복소행렬일 경우엔 Hermit행렬이라 함 ... Ggl:에르미트+행렬

임의의 행렬 A가 있을때 다음은 모두 대칭행렬.
A^^T^^A
AA^^T^^
A+A^^T^^
 
Google:대칭행렬
}

[[교대행렬]]
== 교대행렬 ==
KmsK:교대행렬
Ndict:교대행렬
[[교대행렬]] =교대행렬,
{
대각원소를 기준으로 위 아래가 서로 부호가 반대이며, 대각원소가 모두 0인 행렬.

$A^T=-A$
}
Google:교대행렬

[[직교행렬]]
== 직교행렬 ==
KmsK:직교행렬
Ndict:직교행렬
Ggl:직교행렬
[[직교행렬]] =직교행렬,
{
행렬을 transpose한 행렬이 [[역행렬]]이 되는 행렬.

@@ -34,25 +164,49 @@
$\begin{pmatrix}\cos x & -\sin x \\ \sin x & \cos x \end{pmatrix}$
}

[[행렬식]]
== 행렬식 ==
[[행렬식]] =행렬식,
{
$\det A=|A|$
라플라스전개
}

[[역행렬]]
[[VG:행렬식,determinant]]
 
== 역행렬 ==
[[역행렬]] =역행렬,
{
기존의 행렬에 곱해서 [[단위행렬]]이 나오게 하는 행렬
행렬의 곱셈의 [[역원]]임
기존의 행렬에 곱해서 [[단위행렬]]이 나오게 하는 행렬
행렬의 곱셈의 [[역원]]임
}

[[수반행렬]]
[[VG:역행렬,inverse_matrix]]
rel. [[가역행렬,invertible_matrix]] - [[VG:가역행렬,invertible_matrix]]
 
== 수반행렬 ==
Ndict:수반행렬
Ggl:수반행렬
[[수반행렬]] =수반행렬,
{
adjoint
$\adj A$
}
[[정칙행렬]]

== 정칙행렬 ==
[[정칙행렬]] =정칙행렬,
Ndict:정칙행렬
Ggl:정칙행렬
 
== transpose 전치 ==
transpose
전치
KmsK:전치
KmsE:transpose
 
명확히: ...?
행렬 전치
Ndict:"행렬 전치"
Ggl:"행렬 전치"

[[전치,transpose]]
행과 열을 바꿈
@@ -62,7 +216,12 @@
A가 정사각행렬일 때,
det(A)=det(A^^T^^)
AKA '''수반행렬'''
=== 행렬전치 ===
행렬에 대한 과정?연산?
=== 전치행렬 ===
그 결과인 행렬

== trace ==
trace
대각원소들의 합
tr''A''
@@ -72,17 +231,38 @@
tr(A^^T^^)=tr A
tr(A+B)=tr A + $\tr B$

== Gaussian elimination ==
Gaussian elimination
가우스 소거
[[가우스_소거법]]

rank
[[가우스_소거,Gaussian_elimination]] - [[VG:가우스_소거,Gaussian_elimination]]
 
Up: [[소거,elimination]]
 
== rank ==
[[VG:계수,rank]] - rename that?
 
''RR pagename [[랭크,rank]] ?''
 
[[랭크,rank]] =랭크,rank =,rank . 랭크 rank (rank of linear algebra.) /// or matrix_rank ? ... 행렬의 rank만 별도page로 독립해야 한다면.
{
행이나 열이 몇개나 독립인가
$\rank A=\rank A^T$
 
$\operatorname{rank} A=\operatorname{rank} A^T$ 
 
[[WtEn:rank]] = https://en.wiktionary.org/wiki/rank
}

Ggl:"행렬 rank"
 
== eigenvalue ==
=,eigenvalue .
[[고유값,eigenvalue]]
고유치

== eigenvector ==
=,eigenvector .
[[고유벡터,eigenvector]]
{
어떤 정사각 행렬에 0이 아닌 적당한 열벡터를 곱하면 결과가 그 열벡터의 스칼라 곱과 같아질 때, 해당 열벡터를 고유벡터라 함.
@@ -90,14 +270,84 @@
$AX=\lambda X$
}

[[대각화,diag]]
== matrix diagonalization 행렬의 대각화 ==
정사각행렬 A가 [[대각행렬]]과 [[닮은행렬]]일 때, 대각화 가능''diagonalizable''하다고 한다.
 
Up:
[[대각화,diagonalization]] =대각화,diagonalization =,diagonalization .
{
정사각행렬 A가 [[대각행렬]]과 닮은 행렬일 때, 대각화 가능하다고 한다.
KmsK:대각화
 
diagonalization 대각화
esp.
matrix diagonalization 행렬의 대각화
adj.
diagonalizable 대각화 가능한
}
 
 
== unimodular matrix ==
unimodular_matrix
unimodular matrix
WtEn:unimodular_matrix
https://en.wikipedia.org/wiki/Unimodular_matrix
KmsE:unimodular Ndict:"unimodular matrix" (none, [[Date(2023-08-16T03:02:34)]]) Naver:"unimodular matrix" Ggl:"unimodular matrix"

== Pascal matrix ==
Pascal_matrix
Pascal matrix
파스칼 행렬
https://ko.wikipedia.org/wiki/파스칼_행렬
https://en.wikipedia.org/wiki/Pascal_matrix
esp in combinatorics
 
== permutation matrix ==
permutation matrix
permutation_matrix
"is a square binary_matrix that has exactly one entry of 1 in each row and each column and 0s elsewhere"(we)
https://ko.wikipedia.org/wiki/치환행렬
https://en.wikipedia.org/wiki/Permutation_matrix
Up:
square_matrix
binary_matrix
[[퍼뮤테이션,permutation]]

== binary matrix ==
binary_matrix
{
binary matrix
이진행렬
 
"논리 행렬(logical matrix), 이진 행렬(binary matrix), 관계 행렬(relation matrix), 부울 행렬(Boolean matrix) 또는 (0,1) 행렬
은 부울 도메인(Boolean_domain) B = {0, 1}의 항목이있는 행렬이다.
이러한 행렬은 한 쌍의 유한 집합 사이의 이진 관계(''[[이항관계,binary_relation]]'')를 나타 내기 위해 사용될 수 있다."(wk)
// 논리행렬(logical_matrix),이진행렬(binary_matrix),관계행렬(relation_matrix),부울행렬(Boolean_matrix)
// logical_matrix binary_matrix relation_matrix Boolean_matrix
// =,logical_matrix =,binary_matrix =,relation_matrix =,Boolean_matrix .
 
MKL
[[Boolean_domain]]
 
Inter:
https://ko.wikipedia.org/wiki/이진_행렬
https://en.wikipedia.org/wiki/Logical_matrix
}
== band matrix ==
[[띠행렬,band_matrix]] - curr at [[띠,band]] 맨아래
 
= MKLINK =
[[벡터,vector]]
[[텐서,tensor]]
[[배열,array]] esp 2-d array
 
= References =
Zero, identity, diagonal, triangular, banded matrices https://www.youtube.com/watch?v=N2VlHqWyll8

----
Up: [[선형대수,linear_algebra]]

Move contents to [[VG:행렬,matrix]]
 
[[Namu:행렬(수학)]]
= https://namu.wiki/w/행렬(수학)
 
[[VG:행렬,matrix]]


$\displaystyle m\times n$ 행렬은
$\displaystyle m$ rows ...... $\displaystyle m$ 개의 행,rows들과 또는
$\displaystyle n$ columns .... $\displaystyle n$ 개의 열,columns들
로 이뤄짐.





MKL
능동변환? active_transformation
{
active transformation
}//active transformation ... NN:active transformation Ggl:active transformation
수동변환? passive_transformation
{
passive transformation
}// passive transformation ... NN:passive transformation Ggl:passive transformation
... Ggl:active passive transformation


rotation matrix
Ggl:rotation matrix

from BOS 좌표축이 변경 될 때, 벡터성분 구하기 https://www.youtube.com/watch?v=dn7QJ-9QBU4
{
좌표축,coordinate_axis { 좌표,coordinate 축,axis } 변경 시.

원래 벡터를 $\displaystyle \hat{\rm i},\, \hat{\rm j},\, \hat{\rm k}$ 로 표현되는
$\displaystyle \vec{A}=A_x\hat{\rm i} + A_{y}\hat{\rm j} + A_{z}\hat{\rm k}$
라 하면 새로운 좌표계,coordinate_system에서는 $\displaystyle \hat{\rm i'},\,\hat{\rm j'},\,\hat{\rm k'}$ 로
$\displaystyle \vec{A}=A_{x'}\hat{\rm i'} + A_{y'}\hat{\rm j'} + A_{z'}\hat{\rm k'}$
이렇게 표현될 것이다. 이 중 첫번째 $\displaystyle A_{x'}$ 를 기하적으로 코사인 및 사영,projection을 생각하면 다음과 같이 내적,inner_product으로 나타낼 수 있다.
$\displaystyle A_{x'}=A\cdot\hat{\rm i'}=(A_x)\hat{\rm i}\cdot\hat{\rm i'}+(A_y)\hat{\rm j}\cdot\hat{\rm i'}+(A_z)\hat{\rm k}\cdot\hat{\rm i'}$
다시 쓰면, 그리고 $\displaystyle A_{y'},\,A_{z'}$ 도 적으면
$\displaystyle A_{x'}=(\hat{\rm i}\cdot\hat{\rm i'})A_x + (\hat{\rm j}\cdot\hat{\rm i'})A_y + (\hat{\rm k}\cdot\hat{\rm i'})A_z$
$\displaystyle A_{y'}=(\hat{\rm i}\cdot\hat{\rm j'})A_x + (\hat{\rm j}\cdot\hat{\rm j'})A_y + (\hat{\rm k}\cdot\hat{\rm j'})A_z$
$\displaystyle A_{z'}=(\hat{\rm i}\cdot\hat{\rm k'})A_x + (\hat{\rm j}\cdot\hat{\rm k'})A_y + (\hat{\rm k}\cdot\hat{\rm k'})A_z$
이걸 행렬,matrix로 나타내면
$\displaystyle \begin{bmatrix}A_{x'}\\A_{y'}\\A_{z'}\end{bmatrix}=\begin{bmatrix}\hat{\rm i}\cdot\hat{\rm i'}&\hat{\rm j}\cdot\hat{\rm i'}&\hat{\rm k}\cdot\hat{\rm i'}\\\hat{\rm i}\cdot\hat{\rm j'}&\hat{\rm j}\cdot\hat{\rm j'}&\hat{\rm k}\cdot\hat{\rm j'}\\\hat{\rm i}\cdot\hat{\rm k'}&\hat{\rm j}\cdot\hat{\rm k'}&\hat{\rm k}\cdot\hat{\rm k'}\end{bmatrix}\begin{bmatrix}A_{x}\\A_{y}\\A_{z}\end{bmatrix}$

예제로 z축은 그대로 두고 x, y축을 θ만큼 회전했을 때의 변환행렬을 알아봄. 이때는
$\displaystyle \begin{bmatrix}\cos\theta&\cos\left(90{}^{\circ}-\theta\right)&0\\\cos(90{}^{\circ}+\theta)&\cos\theta&0\\0&0&1\end{bmatrix}$
즉
$\displaystyle \begin{bmatrix}\cos\theta&\sin\theta&0\\-\sin\theta&\cos\theta&0\\0&0&1\end{bmatrix}$
이 된다.

}
}


diagonal_matrix
대각행렬?
WtEn:diagonal_matrix ?
$\displaystyle D=\begin{bmatrix}d_1&0&0\\0&d_2&0\\0&0&d_3\end{bmatrix}$
Ggl:diagonal matrix

banded_matrix
WtEn:banded_matrix ?
Ggl:banded matrix
eg. tridiagonal matrix
$\displaystyle \begin{bmatrix}d_1&a_1&0\\b_1&d_2&a_2\\0&b_2&d_3\end{bmatrix}$
Ggl:tridiagonal matrix
TODO 아래 행렬,matrix#s-1.21 band_matrix 와?

triangular matrix
upper triangular matrix
$\displaystyle U=\begin{bmatrix}a&b&c\\0&d&e\\0&0&f\end{bmatrix}$
lower triangular matrix
$\displaystyle L=\begin{bmatrix}a&0&0\\b&c&0\\d&e&f\end{bmatrix}$

dense_matrix
sparse_matrix
번역tbd. 이 둘의 구분은 특히 자료구조,data_structure에서 중요

payoff_matrix =,payoff_matrix =,payoff_matrix . payoff_matrix
{
payoff matrix


https://mathworld.wolfram.com/PayoffMatrix.html
2-player(two-person) zero-sum_game 에서,
player A has $\displaystyle m$ possible moves
player B has $\displaystyle n$ possible moves 일 때
$\displaystyle m\times n$ 행렬.
이게 possible outcome을 준다.
여기엔 augmented payoff matrix만 식으로 있는데 다른거 찾

"payoff matrix"
Ndict:payoff matrix
Ggl:payoff matrix
}
[edit]

1. Sub:

[edit]

1.1. 행렬곱셈 matrix multiplication

[edit]

1.2. 합성곱행렬 convolution matrix

[edit]

1.3. 대칭행렬


대각원소를 중심으로 위 아래가 같은 행렬
복소행렬일 경우엔 Hermit행렬이라 함 ... Ggl:에르미트 행렬

임의의 행렬 A가 있을때 다음은 모두 대칭행렬.
ATA
AAT
A+AT

Google:대칭행렬
}

[edit]

1.4. 교대행렬

KmsK:교대행렬
Ndict:교대행렬
교대행렬 =교대행렬,
{
대각원소를 기준으로 위 아래가 서로 부호가 반대이며, 대각원소가 모두 0인 행렬.

$\displaystyle A^T=-A$
}
Google:교대행렬

[edit]

1.5. 직교행렬

KmsK:직교행렬
Ndict:직교행렬
Ggl:직교행렬
직교행렬 =직교행렬,
{
행렬을 transpose한 행렬이 역행렬이 되는 행렬.

AT=A-1
AAT=ATA=I

복소행렬일 경우 유니터리 행렬이라고 부름.

예
$\displaystyle \begin{pmatrix}\cos x & -\sin x \\ \sin x & \cos x \end{pmatrix}$
}

[edit]

1.6. 행렬식

행렬식 =행렬식,
{
$\displaystyle \det A=|A|$
라플라스전개
}


[edit]

1.7. 역행렬

역행렬 =역행렬,
{
기존의 행렬에 곱해서 단위행렬이 나오게 하는 행렬
행렬의 곱셈의 역원임
}


[edit]

1.8. 수반행렬

Ndict:수반행렬
Ggl:수반행렬
수반행렬 =수반행렬,
{
adjoint
$\displaystyle \adj A$
}

[edit]

1.9. 정칙행렬

[edit]

1.10. transpose 전치

transpose
전치
KmsK:전치
KmsE:transpose

명확히: ...?
행렬 전치
Ndict:행렬 전치
Ggl:행렬 전치

전치,transpose
행과 열을 바꿈
AT
성질:
(AB)T=BTAT
A가 정사각행렬일 때,
det(A)=det(AT)
AKA 수반행렬
[edit]

1.10.1. 행렬전치

행렬에 대한 과정?연산?
[edit]

1.10.2. 전치행렬

그 결과인 행렬

[edit]

1.11. trace

trace
대각원소들의 합
trA
성질:
AB≠BA이나, trAB=trBA 는 성립한다.
tr(kA)=k tr(A)
tr(AT)=tr A
tr(A+B)=tr A + $\displaystyle \tr B$

[edit]

1.12. Gaussian elimination

[edit]

1.13. rank

VG:계수,rank - rename that?

RR pagename 랭크,rank ?

랭크,rank =랭크,rank =,rank . 랭크 rank (rank of linear algebra.) /// or matrix_rank ? ... 행렬의 rank만 별도page로 독립해야 한다면.
{
행이나 열이 몇개나 독립인가

$\displaystyle \operatorname{rank} A=\operatorname{rank} A^T$



[edit]

1.14. eigenvalue

=,eigenvalue .
고유값,eigenvalue
고유치

[edit]

1.15. eigenvector

=,eigenvector .
고유벡터,eigenvector
{
어떤 정사각 행렬에 0이 아닌 적당한 열벡터를 곱하면 결과가 그 열벡터의 스칼라 곱과 같아질 때, 해당 열벡터를 고유벡터라 함.

$\displaystyle AX=\lambda X$
}

[edit]

1.16. matrix diagonalization 행렬의 대각화

정사각행렬 A가 대각행렬과 닮은행렬일 때, 대각화 가능diagonalizable하다고 한다.

Up:
대각화,diagonalization =대각화,diagonalization =,diagonalization .
{
KmsK:대각화

diagonalization 대각화
esp.
matrix diagonalization 행렬의 대각화
adj.
diagonalizable 대각화 가능한
}


[edit]

1.17. unimodular matrix

[edit]

1.18. Pascal matrix

Pascal_matrix
Pascal matrix
파스칼 행렬
https://ko.wikipedia.org/wiki/파스칼_행렬
https://en.wikipedia.org/wiki/Pascal_matrix
esp in combinatorics

[edit]

1.19. permutation matrix

permutation matrix
permutation_matrix
"is a square binary_matrix that has exactly one entry of 1 in each row and each column and 0s elsewhere"(we)
https://ko.wikipedia.org/wiki/치환행렬
https://en.wikipedia.org/wiki/Permutation_matrix
Up:
square_matrix
binary_matrix
퍼뮤테이션,permutation

[edit]

1.20. binary matrix

binary_matrix
{
binary matrix
이진행렬

"논리 행렬(logical matrix), 이진 행렬(binary matrix), 관계 행렬(relation matrix), 부울 행렬(Boolean matrix) 또는 (0,1) 행렬
은 부울 도메인(Boolean_domain) B = {0, 1}의 항목이있는 행렬이다.
이러한 행렬은 한 쌍의 유한 집합 사이의 이진 관계(이항관계,binary_relation)를 나타 내기 위해 사용될 수 있다."(wk)
// 논리행렬(logical_matrix),이진행렬(binary_matrix),관계행렬(relation_matrix),부울행렬(Boolean_matrix)
// logical_matrix binary_matrix relation_matrix Boolean_matrix
// =,logical_matrix =,binary_matrix =,relation_matrix =,Boolean_matrix .


[edit]

1.21. band matrix

띠행렬,band_matrix - curr at 띠,band 맨아래

[edit]

2. MKLINK

[edit]

3. References

행렬,matrix Modified on 11:16 pm, April 2, 2024.
🎲 Random