f[i][j] = min(min(f[i][j-1],f[i-1][j]),f[i-1][j-1]) + 1

这是一个动态规划的状态转移方程，用于求解最大正方形问题。其中f[i][j]表示以(i,j)为右下角的最大正方形的边长，要想求解f[i][j]，需要先求解出f[i-1][j]、f[i][j-1]、f[i-1][j-1]三个方向的最大正方形边长，然后取它们三个的最小值，再加1即可。具体实现方法请参考下面的代码示例：

# 假设原始矩阵为matrix，矩阵大小为m x n
m, n = len(matrix), len(matrix)
f = [ * n for _ in range(m)] # 初始化一个与原矩阵大小相同的二维数组f，所有元素初始化为0
max_len = 0 # 用来记录最大正方形的边长

# 遍历二维数组，更新f数组和max_len
for i in range(m):
    for j in range(n):
        if matrix[i][j] == '1': # 如果该格子为1，才进行状态转移
            if i == 0 or j == 0: # 如果是第一行或第一列的格子，直接将f[i][j]赋值为1
                f[i][j] = 1
            else:
                f[i][j] = min(min(f[i][j-1], f[i-1][j]), f[i-1][j-1]) + 1 # 状态转移方程
            max_len = max(max_len, f[i][j]) # 更新最大正方形边长

# 最终max_len就是最大正方形的边长
print(max_len)