NumPy 온라인 실행

NumPy로 행렬 곱하기

이 레슨에서는 NumPy의 @ 연산자로 두 행렬을 곱하고, 요소별 곱셈과의 차이를 알아봅니다.

  • 중급
  • 2분 분량
  • 실행 가능한 예제 1개

소개

어떤 문제를 해결하나요

행렬 곱셈은 그래픽 변환, 신경망, 연립방정식의 바탕입니다. 같은 위치의 숫자끼리 곱하는 것과는 다르며, 틀린 연산자를 쓰면 오류 없이 틀린 결과가 나옵니다.

일상 속 비유

행렬 곱셈은 가게가 주문을 합산하는 것과 같습니다. 고객마다 행에 각 물건을 몇 개 샀는지 적혀 있고, 가격 열에는 각 물건의 값이 적혀 있습니다. 고객의 청구액은 한 행과 한 열에 걸친 수량 × 가격의 합입니다.

가게 청구서에서 코드로
left🧾 행: 고객마다 산 것
right💲 열: 가격
left @ right✖️ 행 곱하기 열, 그다음 더하기
19 = 1×5 + 2×7🧮 결과의 한 칸
결과의 각 칸은 왼쪽 행렬의 행과 오른쪽 행렬의 열을 묶습니다.
한 문장으로

행렬 곱셈(@)은 [i, j] 칸이 왼쪽 행렬의 i 행과 오른쪽 행렬의 j 열의 곱의 합인 행렬을 만듭니다.

핵심 포인트

  1. left @ right 는 행렬 곱셈을 합니다.
  2. 왼쪽 위 결과 19는 1×5 + 2×7, 즉 left 의 1행 곱하기 right 의 1열입니다.
  3. left 의 열 수는 right 의 행 수와 같아야 합니다.
  4. left * right 는 대신 같은 위치의 칸끼리 곱해 다른 결과를 줍니다.

언제 사용하나요?

  • 선형대수: 변환, 회전, 연립방정식.
  • 행렬 곱셈인 신경망 층.
  • 주문과 가격처럼 수량과 비율의 표 묶기.

필요 없는 경우

  • 칸끼리 크기 조정이나 묶기: * 를 씁니다.
  • 맞지 않는 모양: (2, 3) @ (2, 3) 은 실패하니, 그런 뜻이라면 한쪽을 전치합니다.

예제 코드

코드 실행 →
main.py
import numpy as np

left = np.array([[1, 2], [3, 4]])
right = np.array([[5, 6], [7, 8]])

product = left @ right
print(product)
이 예제의 실행 버튼 만들기

실행 결과

[[19 22]
 [43 50]]

코드 설명

@ 연산자는 행렬 곱을 계산합니다. 예를 들어 결과의 첫 번째 요소는 1 × 5 + 2 × 7 = 19입니다. 이는 같은 위치의 요소끼리만 곱하는 *와 다릅니다. 곱하려면 왼쪽 행렬의 열 수가 오른쪽 행렬의 행 수와 같아야 합니다.

값을 변경하고 Python 설치 없이 CodeUtility 온라인 Python 컴파일러에서 실행하세요.

연습 문제

아래 제안을 따라 코드를 바꿔 보세요. 코드를 직접 고치고 결과를 확인하면 읽기만 할 때보다 레슨을 훨씬 잘 이해할 수 있습니다.

  1. 입력 배열의 모양(shape)과 데이터 타입(dtype)을 바꿔 보세요.
  2. 음수, 소수, 누락된 값으로 테스트해 보세요.
  3. 같은 연산을 더 큰 다차원 배열에 적용하고 시간을 재 보세요.
Python 컴파일러에서 실행 →

자주 하는 실수

행렬 곱셈에 * 쓰기

* 는 칸끼리 곱해 소리 없이 틀린 답을 줍니다.

문제
product = left * right
수정
product = left @ right

이 레슨을 마쳤나요?

학습 완료로 표시하면 진행 상황을 기록할 수 있습니다.

다음: pandas의 DataFrame →

챌린지로 연습하기

이 레슨에서 배운 내용으로 실제 문제를 풀어 보세요. 모든 챌린지는 브라우저에서 실행되며 즉시 테스트와 AI 리뷰를 받을 수 있습니다.

모든 챌린지