Memberi nama pada sebuah matriks merupakan langkah penting dalam menulis matematika, pemrograman, atau analisis data. Nama yang tepat tidak hanya memudahkan pembacaan, tetapi juga menghindari kebingungan ketika berkomunikasi dengan orang lain atau ketika menulis kode. Pada halaman ini akan dibahas prinsipprinsip dasar, konvensi umum, serta contoh penerapan dalam konteks matematika dan pemrograman.
A, B, C). Pada pemrograman, huruf kapital biasanya dipakai untuk konstanta atau tipe data, jadi sesuaikan dengan standar tim.sum dalam Python).A_i, X^{(k)}).M untuk semua matriks nilai, tambahkan penanda lain seperti M_{train} dan M_{test}.Berikut beberapa konvensi yang lazim ditemui di buku teks dan jurnal:
A atau C.I (atau I_n untuk ukuran n).D.T atau R (rotasi), S (skalasi).X (fitur), Y (target).Contoh penggunaan dalam persamaan:
Ax = b// A: matriks koefisien (mn)// x: vektor variabel (n1)// b: vektor hasil (m1) Berbeda bahasa memiliki aturan sintaks yang harus dipatuhi. Berikut contoh dalam Python, MATLAB, dan JavaScript.
import numpy as np# Matriks koefisien sistem persamaan linearA = np.array([[2, -1], [4, 3]])# Vektor hasilb = np.array([1, 7])# Penyelesaianx = np.linalg.solve(A, b)print("Solusi x:", x) % Matriks transformasi rotasi 2D sebesar 30 derajattheta = pi/6;R = [cos(theta) -sin(theta); sin(theta) cos(theta)];% Vektor titikv = [1; 0];% Titik setelah rotasiv_rot = R * v;disp(v_rot);
const math = require('mathjs');// Matriks datalet X = math.matrix([[1, 2], [3, 4], [5, 6]]);// Matriks bobotlet W = math.matrix([[0.2], [0.8]]);// Perkalian matrikslet Y = math.multiply(X, W);console.log('Output Y:', Y); A, R) dipilih karena mereka merepresentasikan objek matematis yang bersifat konstan dalam konteks perhitungan. M_ untuk matrix, Q_ untuk quadratic.A_1, A_2, A_3.H = matrix of heights.Kasus 1: Sistem Persamaan Linear
Misalkan terdapat tiga persamaan dengan tiga variabel x, y, z. Kita definisikan:
A = 2 -1 3 4 0 1 -2 5 2 b = 7 4 -3
Nama A dan b sudah cukup jelas karena mereka mewakili koefisien dan hasil.
Kasus 2: Analisis Data Machine Learning
Dalam regresi linier, biasanya kita mempunyai matriks fitur X (np) dan vektor target y. Jika terdapat matriks bobot W untuk regularisasi, penamaannya menjadi:
X : matriks fitury : vektor targetW : matriks bobot (p1)
Kemudian, persamaan prediksi dapat dituliskan y = XW.
data atau temp tanpa penjelasan lebih lanjut.A1 vs A_1).Memberi nama matriks yang tepat merupakan kebiasaan yang meningkatkan kejelasan, mengurangi kebingungan, dan memperlancar kolaborasi. Memilih nama berdasarkan fungsi, ukuran, atau konteks, serta mengikuti konvensi matematika atau bahasa pemrograman, akan membuat pekerjaan Anda lebih terstruktur. Selalu periksa konsistensi nama di seluruh dokumen atau kode, dan gunakan catatan singkat bila diperlukan untuk menjelaskan arti singkatan.
Dengan memahami prinsipprinsip di atas, Anda dapat membuat dokumen atau program yang lebih profesional dan mudah dipahami oleh orang lain.
