← 홈

🧮 행렬 계산기

행렬의 덧셈, 뺄셈, 곱셈, 행렬식을 계산하세요. 2×2와 3×3 크기 중에서 선택하고 원소를 입력하여 즉시 결과를 얻으세요.

이 도구란 무엇인가요?

행렬이란 숫자를 행과 열로 배열한 직사각형 배열입니다. 행렬은 선형대수학의 기초이며 거의 모든 정량적 분야에 나타납니다: 컴퓨터 그래픽스(변환과 투영), 머신러닝(신경망의 가중치 행렬), 물리학(양자역학과 회전), 경제학(산업연관모델), 공학(응력과 변형률), 통계학(공분산과 상관관계) 등. 가장 일반적인 네 가지 행렬 연산은 덧셈, 뺄셈, 곱셈, 행렬식입니다. 덧셈과 뺄셈은 원소별로 이루어지며 두 행렬 모두 같은 차원이어야 합니다. 곱셈은 두 행렬을 새로운 하나의 행렬로 결합하며, 첫 번째 행렬의 열 수가 두 번째 행렬의 행 수와 같아야 합니다. 행렬식은 정방 행렬에서 계산된 단일 숫자로, 행렬이 역행렬을 갖는지 여부를 알려주고 면적이나 부피를 얼마나 확대·축소하는지를 설명합니다. 이 행렬 계산기는 2×2와 3×3 행렬을 처리합니다. 덧셈, 뺄셈, 곱셈, 행렬식 계산을 할 수 있습니다. 모든 계산은 브라우저에서 실행되므로 데이터가 기기를 떠나지 않고 자유롭게 실험할 수 있습니다.

작동 방식

덧셈과 뺄셈의 경우, 결과 행렬의 각 원소는 대응하는 원소들의 합 또는 차입니다: C[i][j] = A[i][j] ± B[i][j]. 두 행렬 모두 같은 차원이어야 합니다. 곱셈의 경우, 곱의 i행 j열 원소는 첫 번째 행렬의 i행과 두 번째 행렬의 j열의 내적입니다: C[i][j] = Σ A[i][k] × B[k][j]. 2×2 행렬의 경우 원소당 네 번의 곱셈과 덧셈이 필요하고, 3×3의 경우 아홉 번이 필요합니다. A의 열 수는 B의 행 수와 같아야 합니다. 2×2 행렬의 행렬식은 det = ad − bc입니다(행렬은 [[a,b],[c,d]]). 3×3 행렬의 경우 계산기는 첫 번째 행을 따라 여인자 전개(라플라스 전개)를 사용합니다: det = a(ei−fh) − b(di−fg) + c(dh−eg). 행렬식이 0이면 행렬은 특이(역행렬이 없음)합니다.
Ad

사용 방법

  1. 행렬 크기(2×2 또는 3×3)를 선택합니다.
  2. 연산(덧셈, 뺄셈, 곱셈 또는 행렬식)을 선택합니다.
  3. 첫 번째 행렬의 원소를 입력합니다.
  4. 두 번째 행렬의 원소를 입력합니다(행렬식에는 필요 없음).
  5. 계산 버튼을 클릭하여 결과 행렬 또는 행렬식 값을 확인합니다.

자주 묻는 질문

2×2 행렬과 3×3 행렬을 곱할 수 있나요?

아니요. 곱셈이 정의되려면 첫 번째 행렬의 열 수가 두 번째 행렬의 행 수와 같아야 합니다. 이 계산기에서는 두 행렬이 모두 같은 크기여야 합니다. 혼합 차원이 필요한 경우 단계별로 곱을 계산하거나 더 고급 도구를 사용하세요.

행렬식이 0이라는 것은 무슨 의미인가요?

행렬식이 0이면 행렬이 특이하다는 의미이며, 이는 역행렬이 없음을 뜻합니다. 기하학적으로 행렬이 나타내는 변환은 전체 공간을 더 낮은 차원의 부분 공간(선 또는 점)으로 붕괴시킵니다. 연립 일차방정식에서 행렬식이 0이면 유일한 해가 없다는 의미입니다.

왜 행렬 곱셈은 교환법칙이 성립하지 않나요?

일반 숫자와 달리 행렬에 대해서는 A×B가 일반적으로 B×A와 같지 않습니다. 순서가 중요한 이유는 곱의 각 원소가 첫 번째 행렬의 행과 두 번째 행렬의 열에 의존하기 때문입니다. 순서를 바꾸면 어떤 행이 어떤 열과 짝을 이루는지가 바뀌어 다른 결과가 나옵니다.

행렬의 역행렬은 어떻게 구하나요?

행렬은 행렬식이 0이 아닌 경우에만 역행렬을 갖습니다. 이 계산기는 네 가지 핵심 연산에 중점을 둡니다. 역행렬의 경우 수반 행렬을 행렬식으로 나눕니다. 2×2 행렬 [[a,b],[c,d]]의 경우 역행렬은 (1/det)×[[d,−b],[−c,a]]입니다.

팁과 조언

행렬을 다룰 때는 항상 계산을 시작하기 전에 차원이 호환되는지 확인하세요. 곱셈의 경우 차원을 나란히 씁니다: (m×n)과 (n×p)는 (m×p)를 줍니다. 내부 차원이 일치하지 않으면 곱이 정의되지 않습니다. 행렬식은 정방 행렬(행과 열의 수가 같음)에만 정의됩니다. 큰 행렬식은 행렬이 면적이나 부피를 크게 확대·축소하는 변환을 나타냄을 의미합니다. 행렬식이 0에 가까우면 거의 특이하다는 뜻이며, 계산에서 수치적 불안정성을 일으킬 수 있습니다. 머신러닝과 데이터 과학에서 행렬 곱셈은 순전파의 핵심입니다: 신경망의 각 층은 본질적으로 행렬-벡터 곱 뒤에 활성화 함수가 이어집니다. PyTorch와 TensorFlow 같은 프레임워크에서 형태 오류를 디버깅하려면 계산 그래프를 통해 행렬 차원이 어떻게 흘러가는지 이해하는 것이 필수적입니다.

관련 도구

Ad