— views
AI 입문 22화. 벡터와 행렬, 숫자 묶음으로 이해하기
벡터와 행렬이라는 이름이 낯설어도 숫자 목록과 표라고 생각하면 출발할 수 있습니다.
벡터는 순서가 있는 숫자 묶음입니다
가상의 상품을 [단맛, 크기] 두 점수로 표현해 [2, 3]이라고 적어봅시다. 두 숫자의 순서는 중요합니다. [3, 2]와는 다른 표현입니다. 실제 학습 임베딩의 축이 이런 해석 가능한 속성이라는 뜻은 아닙니다.
벡터끼리 더하거나 일정한 배수를 곱해 정보를 결합할 수 있습니다. 같은 길이와 같은 의미의 좌표를 사용해야 계산 결과를 일관되게 해석할 수 있습니다.
행렬은 여러 벡터를 변환하는 표입니다
행렬의 각 행과 입력 벡터를 곱해 더하면 출력 좌표 하나를 얻습니다. 아래 예의 둘째 행 [0, 2]와 입력 [2, 3]의 계산은 0×2+2×3=6입니다.
여러 입력을 한꺼번에 묶어 같은 변환을 적용하면 신경망의 큰 계산을 효율적으로 수행할 수 있습니다. 행과 열이 어떤 대상을 뜻하는지는 사용하는 표기 규칙과 구현에서 확인해야 합니다.
방향과 크기를 구별합니다
코사인 유사도는 벡터 방향의 가까움을 비교하는 데 사용됩니다. [1,0]과 [2,0]은 크기는 다르지만 방향은 같고, [1,0]과 [0,1]은 직각입니다.
방향이 비슷하다고 무조건 사실이 같거나 중요한 관계가 있다는 뜻은 아닙니다. 어떤 표현을 비교하는지와 유사도를 어떤 목적으로 사용하는지까지 필요합니다. 뒤의 어텐션도 숫자 표현을 비교하고 결합하는 계산을 사용합니다.
두 숫자를 순서대로 따라가 보기

행렬 [[1, 0], [0, 2]]는 둘째 좌표만 두 배로 만듭니다. 그래서 [2, 3]은 [2, 6]이지만 [3, 2]는 [3, 4]입니다.
한눈에 정리하기
계산 | 결과 |
|---|---|
[2,3]+[1,1] | [3,4] |
2×[2,3] | [4,6] |
[1,0]과 [2,0]의 코사인 유사도 | 1 |
[1,0]과 [0,1]의 코사인 유사도 | 0 |
행렬곱은 같은 위치의 항목끼리 곱하는 연산과 다릅니다. 곱할 차원이 맞아야 합니다.
확인 문제
벡터 [2, 3]과 [1, 4]를 더하면?
① [2, 12]
② [3, 7]
정답과 해설
정답 ② [3, 7] · 벡터 덧셈은 같은 위치끼리 더한다. 첫 좌표는 2 + 1, 둘째 좌표는 3 + 4다.
벡터 [1, 0]과 [5, 0]의 코사인 유사도는?
① 1
② 5
정답과 해설
정답 ① 1 · 두 벡터는 길이가 달라도 같은 방향이다. 내적 5를 두 길이의 곱 5로 나누면 1이다.
조금 더 깊이 · 선택해서 읽기
코사인 유사도는 내적을 두 벡터 길이의 곱으로 나눕니다. 길이가 0인 벡터에서는 그대로 정의할 수 없으므로 처리 규칙이 필요합니다.
함께 볼 위키
출처와 더 읽을 자료
Google — Embeddings — 학습된 벡터 표현 · 확인 2026-10-29
Dive into Deep Learning — Linear Algebra — 벡터·행렬·연산 · 확인 2026-10-29
만화는 AI로 제작한 비유이며, 별도 표시가 없는 수치는 가상 예시입니다.
Comments (0)