선형대수학을 공부하다 보면 ‘행렬의 곱셈’과 ‘내적(dot product)’이 혼동될 수 있습니다. 둘 다 수치 계산에 관여하지만, 개념과 목적, 결과 형태가 다르기 때문에 구분해서 이해하는 것이 중요합니다. 이 글에서는 행렬의 곱셈과 벡터의 내적의 차이점에 대해 구체적으로 비교해보겠습니다.
1. 기본 개념의 차이
- 벡터 내적: 두 벡터 간의 방향 관계를 분석하는 연산
- 행렬 곱셈: 하나의 행렬이 다른 행렬 또는 벡터에 선형 변환을 적용하는 연산
즉, 벡터 내적은 스칼라 값을 생성하며, 행렬 곱셈은 또 다른 행렬 또는 벡터를 생성합니다.
2. 수학적 정의 비교
벡터 내적
두 벡터 \( \vec{a} = \langle a_1, a_2, …, a_n \rangle \), \( \vec{b} = \langle b_1, b_2, …, b_n \rangle \)의 내적은:
$$ \vec{a} \cdot \vec{b} = \sum_{i=1}^{n} a_i b_i $$
결과는 스칼라(숫자 하나)입니다.
행렬 곱셈
두 행렬 \( A \in \mathbb{R}^{m \times n} \), \( B \in \mathbb{R}^{n \times p} \)의 곱은:
$$ C = AB, \quad C \in \mathbb{R}^{m \times p} $$
각 원소 \( C_{ij} \)는 \( A \)의 i번째 행과 \( B \)의 j번째 열의 벡터 내적입니다.
3. 계산 결과의 차이
| 연산 | 입력 | 출력 |
|---|---|---|
| 벡터 내적 | 1 × n 행 벡터, n × 1 열 벡터 | 스칼라 (1 × 1) |
| 행렬 곱셈 | m × n 행렬, n × p 행렬 | m × p 행렬 |
4. 기하학적 의미 비교
- 벡터 내적: 두 벡터의 방향성이 얼마나 일치하는지를 측정 → \( \cos \theta \) 기반
- 행렬 곱셈: 벡터 또는 행렬에 대한 선형변환(회전, 스케일 등)의 적용
즉, 내적은 방향성 분석, 행렬 곱은 공간의 변형을 의미합니다.
5. 실제 사용 예
- 벡터 내적: 일(work) 계산, 각도 구하기, 직교성 판별
- 행렬 곱셈: 시스템 연립방정식, 머신러닝 모델 예측, 3D 그래픽 변환
6. 관계성
행렬 곱셈은 여러 개의 벡터 내적을 한 번에 계산하는 연산이라고 볼 수 있습니다. 예를 들어, 행렬 \( A \)의 행벡터와 행렬 \( B \)의 열벡터 각각의 내적을 통해 결과 행렬의 각 원소가 만들어집니다.
결론
벡터 내적은 두 벡터의 방향과 크기를 기반으로 하는 스칼라 연산이며, 행렬 곱셈은 구조적 변환을 위한 고차원 연산입니다.
두 연산은 계산 방식에서 유사한 부분이 있지만, 목적과 해석이 전혀 다릅니다. 내적은 방향 정렬과 투영에, 행렬 곱은 좌표 변환과 선형 시스템 해석에 주로 사용됩니다.
이 차이를 명확히 이해한다면, 선형대수의 흐름을 보다 정확하게 파악할 수 있습니다.