MATLAB

MATLAB 매트랩
<colbgcolor=#0076a8><colcolor=#ffffff> 버전	MATLAB 9.13 R2024a [1]
링크	홈페이지

1. 개요

2. 용도

2.1. 이공계

2.1.1. 공대 대학원

2.2. 상경 및 인문계

2.3. 타 프로그래밍 언어 및 수치해석 소프트웨어와의 비교

• 엑셀: 프로그래밍에 익숙하지 않거나 계산이 간단하다면 당장 MATLAB 코드를 두드리기보다 엑셀을 여는 것이 더 빠를 것이다. 하지만 계산이 복잡해지면 엑셀로 코딩하는 것은 비효율적이고, 시각화 기능도 다양하지 못하다. 간혹 엑셀로 편미분방정식(!)을 푸는 고수들도 있기는 하지만, 이건 '내가 이렇게 엑셀을 잘 다룬다'고 뻐길 때나 잠깐 해보는거지 그냥 매트랩을 쓰는 게 낫다. 더군다나 계산해야 할 데이터가 너무 많다면 엑셀이 뻗어버릴 수 있다.

• C: 전자공학전공의 소프트웨어 개발의 주 언어인 만큼 많이 사용된다. 주로 MATLAB 프로토타입 코드를 기반으로 C언어 코드로 재구현하는 형태로 개발하게 된다. MATLAB으로 만든 프로토타입 알고리즘을 C로 자동 포팅하는 것은 거의 사용하지 않는다. C 함수를 MATLAB이나 SIMULINK에서 불러와 평가하는 방식으로 개발할 수도 있다.

• C++: 금융공학이나 상용 애플리케이션 개발처럼 빠른 속도가 요구되는 경우 C++이 낫다. C++도 간편한 라이브러리가 많이 나왔다. 하지만 C++은 기본적으로 번거롭기 때문에 [12] 다수의 인원이 투입되고 이미 검증된 알고리즘을 최적화하는 프로젝트에 자주 사용될지라도 개인이 어려운 공학 공부를 하면서 사용하는 경우에는, 메모리 관리까지 신경써야 하는 불편한 점을 감수하기 힘들다. 현업에서 MATLAB 라이브러리 및 MATLAB DLL을 사용하는 경우가 생각보다 많은데, MATLAB이 JVM 기반으로 개발되어 있기 때문에, 수많은 에러를 뚫고 개발을 진행하게 되며, C/C++로 옮기는 이유인 성능향상의 이유가 퇴색되어 버리는 경우가 많다. 또한 MATLAB의 경우 기본적으로 허수를 가지고 있기 때문에, 허수를 놓치는 경우가 많으므로 주의가 필요하다.

• Java: 딱히 비교/경쟁 대상이 아니다. 자바는 안드로이드 앱 개발, 웹 개발, 서버 사이드 프로그래밍 등 많은 곳에서 애용되지만 MATLAB와는 달리 공학, 과학적 계산을 목표로 할 때는 별로 쓰이지 않는다.

• 포트란: C/ C++와 마찬가지로 오래된 언어라 코드 짜기가 번거로운 대신 속도가 빠르다. 전산유체역학 등 속도가 매우 중요한 분야에서는 아직도 현대화된 FORTRAN을 쓰는 경우도 있다.

• Python: 유명 라이브러리를 사용할 수 있다. SciPy, NumPy 등의 수치해석 패키지로 선형대수 계산을 할 수 있고, matplotlib으로 시각화를 할 수 있다. MATLAB이 주요 알고리즘을 다 바이너리로 만들고 m-file을 wrapper만 남겨놓는 등 속도 향상을 위한 노력을 많이 해서 Python보다 빠르다고 했지만, NumPy 패키지도 기본 루틴은 C로 짜여 있고, 속도는 지금도 앞으로도 꾸준히 논란거리일 것이다. 오픈소스 개발자들이 많은 함수명을 MATLAB과 비슷하게 작명하였기 때문에 둘 중 하나만 잘 배워도 나머지를 익히기는 쉽다.

• R: 가끔 MATLAB 대용으로 쓰인다. 다만 R은 아무래도 통계분석에 특화된 느낌이 강해서 완전히 MATLAB을 대체하기는 힘들다.

• Julia: Julia의 탄생 목적 중 하나가 과학, 공학을 위한 수치 해석용 언어이기 때문에 MATLAB의 좋은 대안이 될 수 있을 것이다. MIT에서 수행한 벤치마크에서 MATLAB을 성능으로 뛰어넘기도 하였다. 다만 2012년에 발표된 신생 언어이기 때문에 라이브러리가 모두 개발되고 성숙하기까진 시간이 걸릴 것이다.

• 매스매티카: 수식을 해석적 방법 [13]으로 풀 때 유용하므로 수학, 물리학 연구 및 학부생에게 유용하다. 대체로 계산 과학 관련 커뮤니티 에서 MATLAB은 부동소수점을 이용한 수치계산에서 매스매티카보다 더 빠른 속도를 보이고, 매스매티카는 부정적분 해석, 다항식 풀이 등 수식 해석에서 MATLAB보다 성능이 더 뛰어나, 일장일단이 있다고 동의하는 분위기이다.
  시뮬레이션 코드를 실행하는 속도나, 제품의 실제 개발이 더 중요한 연구에서는 해석적 방법보다는 수치적 방법을 쓰게 되므로 MATLAB이 더 유용하다. 공대 연구나 기업에서는 대부분 이쪽이다.
  다만 학부 수준에서는, 아무리 공과대학이라도 배우는 내용은 죄다 이론이나 수식 전개이고, 수치해석 용으로도 스케일이 큰 문제를 풀어야 할 일은 절대 없기 때문에 매스매티카나 메이플을 사용한다고 특별히 부족한 기능은 없을 것이다. 심지어 많은 공대 학부생들이 솔루션을 찾아 다닌다고 Wolfram Alpha를 쓰는 것을 보면, 매스매티카가 더 유용할 지도 모른다. 다만, 대부분의 대학교 공과 수업은 매스매티카보다 MATLAB을 선호하는 편이다.
  속도 논란에 관해서는, 물론 매스매티카가 다중 적분식으로 가면 느려지긴 하는데, 그건 MATLAB이 정확도를 크게 요구하지 않다 보니 항을 100분할 정도 해서 그냥 사다리꼴 등으로 계산해버리는 편법을 써서 그렇다. 공학적인 측면에서는 다수의 경우에 수학적인 엄밀함을 지키는 것보다, 다소 어기면서 계산적인 효율성을 추구하는 것이 더 낫다. [14]

• 메이플: 매스매티카와 마찬가지로 수식 분석 기능이 필요할 때 대체할 수 있는 소프트웨어.

• GNU Octave: 비싼 라이센스 가격의 MATLAB을 대체하기 위해 가장 대표적인 언어. MATLAB과 문법 차이점이 적어 적응하는 데 시간이 많이 걸리지 않는다는 장점이 있다. 하지만 성능이 나쁘고 툴박스의 편리함을 누릴 수도 없으며 문법 역시 미묘하게 차이가 나서 완벽하게 이식 가능한 것도 아니라는 단점이 있다.

• SciLab: 신호 처리 등에 대체가능하다. 단 SciLab은 Octave에 비해 MATLAB 문법 호환성이 다소 낮다.

• FreeMat: 인터페이스가 MATLAB과 매우 유사하고 MatLab 기능의 95% 정도를 지원한다. 단 한글을 칠 수 없다. [15]

• Verilog, VHDL: MATLAB의 자동 코드 생성 기능을 사용해 Verilog나 VHDL 코드를 생성하는 경우도 있지만, MATLAB으로 시스템을 프로토타이핑한 후 직접 HDL 코드를 짜서 하드웨어를 구현하는 경우가 많다.

3. 역사

4. 특징

4.1. 장점

• 설치가 쉽다. 리눅스나 각종 프로그래밍 언어의 패키지 관리 시스템에 익숙하지 않고도, MATLAB 설치 관리자만 실행시키면 알아서 다 해 준다. 이것은 상업적 솔루션의 장점이기도 하다.

• 문법이 쉽다. MATLAB 언어 자체는 사칙연산과 행렬연산, 행렬 인덱싱과 슬라이싱, 함수 사용, 기초적인 객체지향과 람다대수 지원 등이 프로그래밍 문법의 거의 전부로, 이후로는 각종 툴박스의 API 문서만 검색해서 읽어보면 다른 누군가가 작성한 MATLAB 코드를 이해하는 데 문제가 없다.

• 컴퓨팅 리소스는 많이 먹지만 컴파일러에 박혀있는 명령어 세트가 워낙 많아 개념 검증 시, 시간과 비용을 절약할 수 있다. 이는 복잡한 시스템 개발에 적용되는 공학적인 알고리즘 개발에서 프로토타이핑에 가장 유용한 특징이다. 복잡도가 높은 시스템은, 서드 파티 HW 및 SW가 매우 다양하게 함께 작동한다. 이러한 경우, 시스템의 복잡도 때문에 새로운 아이디어는 working-prototype을 구현 해보기 전에는 가능한지 아닌지 여부를 예단하기가 거의 불가능하다. [17] 이러한 GO/NO-GO 타입의 의사결정에서, 최소한의 시간과 노력으로 알고리즘을 구현하고 (코드가 얼마나 지저분하고 비효율적으로 만들어졌는가와는 별개로) 서드파티 HW/SW와 함께 새로운 알고리즘이 의도한 대로 작동하는 것을 보는 것은 매우 중요하다. 자동차/비행기/위성 개발과 같이 엄청나게 많은 숫자의 서드 파티 HW/SW가 함께 작동하는 경우에는 대부분은 특정 엔지니어가 코딩을 잘 하고 잘 못하는 것보다는 시스템 내의 여러 HW/SW와 내가 새롭게 개발한 알고리즘이 잘 어울리는 지가 우선적으로 중요하다. 개념이 외부 요소들과 잘 작동하는지를 검증한 이후에야 알고리즘 최적화가 의미가 있는 것이다. 학교 외에 비싼 MATLAB을 사서 제공한다면, 상기한 이유 때문에 프로토타이핑을 통한 개념 검증은 MATLAB으로, 개념 검증 후 실제 개발은 아마도 C/C++이나 Java로 하게 될 것이다.

• 작성한 코드를 m-file로 저장이 가능하며, 이 m-file은 명령창(command window)에서 바로 명령어(스크립트 파일의 경우)나 함수처럼 쓸 수 있다. 심지어 다른 m-file 내에서도 쓸 수 있어서 작업이 상당히 편해진다.

• 디버깅이 쉽다. 이는 인터프리터 언어의 특징으로 장점과 동시에 단점이 되기도 한다. 한 줄씩 코드를 읽어들이며 기계어로 번역하기에 에러가 발생하는 코드까지 진행해서 원인이 되는 줄을 찾을 수 있다.

• 공대 학부생의 프로젝트에서는 프로그램 짜기가 아니라 간단한 시뮬레이션의 결과를 내기가 목적이다. 이 때는 MATLAB을 쓰면 더 시간이 절약된다. 매스매티카는 정확한 결과를 내지만, 대부분의 공학 관련 문제는 순수 수학에서 요구하는 정확도는 필요 없다. 무엇보다 교수들도 학부생들이 매스매티카를 만지는 것까진 기대도 안하고 매트랩만 좀 만져도 감지덕지인지라...

• 애플리케이션으로의 특징은, MATLAB용으로 개발된 여러 가지 패키지(프로그램 모음)를 이용하여 그래프 작업이나 미분방정식 계산, 또는 신호 처리 같은 계산을 수행할 수 있다는 것이다. 이런 작업들은 자신이 직접 프로그램 언어로 구현하려면 매우 어렵다.

• 또한 데이터 시각화(그래프를 그린다거나, 이미지를 띄운다거나 등등) 및 시각화 된 데이터를 검토하는 기능이 잘 구비되어 있다. 코드 몇 줄이면 논문에 넣을 퀄리티의 그림 정도는 뚝딱 그릴 수 있다. 물론 시각화 코드에 익숙하지 않으면 GUI 인터페이스를 통해 그림을 커스터마이즈할 수 있다.

• CMEX, FMEX 등의 함수로 C나 포트란으로 짜인 함수의 결과값을 불러 올 수 있다. 이를 이용해 기존에 있는 라이브러리를 활용할 수 있으며 MATLAB 스크립트의 병목구간을 mex로 구현하면 속도 문제를 상당히 개선할 수 있다. 신경을 조금만 쓰면, 아예 윈도우 MEX 인터페이스를 통해서 dll 파일들을 불러다 쓰는 것도 가능하다.

• MATLAB 코드를 C 파일로 컴파일할 수 있다. 이 바이너리를 매트랩에서 다시 불러올 수 있다. 따라서 최적화가 필요한 부분을 C 바이너리로 돌림으로써 웬만한 프로그래밍 언어 못지 않은 속도를 기대할 수 있다. MATLAB을 문제 해결 및 알고리즘 개발용으로 활용할 때 큰 이점이 된다.

• 모든 연산을 행렬 연산으로 프로그래밍할 수 있다면, MATLAB은 매우 강력하다. 행렬 연산에 LAPACK을 사용하기 때문인데, 장담컨대 생각 없이 C로 짠 행렬연산 루틴보다 몇 배는 빠르다. 그래서 MATLAB 입문자들에게는 튜토리얼 때 가능한 한 벡터화(vectorization)라는 테크닉을 사용하도록 가르친다. 이름은 거창해 보이지만, 단순히 for, if, while 대신 매트랩에서 자체 지원하는 함수들을 사용한다고 생각하면 편하다. for나 while 루프는 그 구조상 순차적(sequential)으로 처리할 수밖에 없지만, 매트랩의 행렬 관련 연산들은 병렬(parallel) 연산을 지원하기 때문. 효율이 몇 십 ~ 몇 백 배 이상 증가한다.

• 초보적인 수준의 객체 지향 프로그래밍을 지원한다.

• 기본 MATLAB 외에도 돈만 지불한다면 여러 확장 소프트웨어를 이용할 수 있다. 몇가지 예를 들면
• 시뮬링크 - 여러 블록을 사용해 시스템 모델링을 할 수 있다.
• 병렬 툴박스 - 병렬 처리를 구현할 수 있다.
• 영상처리 툴박스, 통신 툴박스 - 신호 처리나 이미지 처리를 비롯한 여러 공학적 문제 해결에 유용하다.
• 자동 C코드 생성 기능 - 임베디드 C 등 다른 언어로 변환하여 실행 속도를 높이거나 임베디드 기계에 직접 이식할 수 있다.
• HDL 코더 - 시뮬링크 모델을 HDL로 바꿔준다
• Simscape - 단순히 수치뿐만 아니라 유체, 전기, 기계 시스템 등을 모델링 할 수 있게 해주는 시뮬링크 확장 기능
• Stateflow - 유한 기계 장치 (finite state machine) 시뮬링크 확장 모델링 기능

• 많은 전공 서적과 논문들이 MATLAB 코드를 사용하며, 심지어 기본적인 튜토리얼까지 담고 있는 경우가 많다.

• 명령어 help를 통해 간편하게 사용법을 숙지할 수 있다. 사실 MATLAB을 잘 쓴다는 것은 help를 잘 쓴다는 것과 거의 같다.

• Mathworks 홈페이지의 문서가 굉장히 충실하다. 그리고 이는 MATLAB에 내장된 Documentation에도 그대로 반영되어 있어서 많은 도움이 된다. [18] 만약 어떤 기능을 하는 함수를 알고 싶은데 모르겠다 싶으면 일단 여기에 떠오르는 단어를 검색해보자. 그러면 조금이라도 연관있는 건 뭐든 뜬다. 만약 여기 없으면 진짜 없는 거니 더 찾느라 시간 낭비 할거 없이 원하는 기능을 만족하는 스크립트를 짜면 된다. 한국어 번역도 있다. [19]

• 1년에 두 번씩 꾸준히 신버전을 출시하며 지속적으로 기능을 향상시키고 있다.

• 가장 최신의 버전은 물론이고 구버전까지 다운로드 및 설치가 가능하다. 그것도 20년 전도 더 넘어가는 버전까지 지원한다!

4.2. 단점

• 느리다. 무지막지한 명령어 세트를 가지고 있는 인터프리터 언어이기 때문이다. 따라서 아무리 효율적으로 짜도 가상머신 위에서 돌아가는 Java보다 느리다. 많은 기능의 수를 감안하더라도 빠른 편은 아니다. [20]

• 재배포 패키지가 엄청나게 크다. (대략 1.8기가)

• 구버전의 경우 프로세스 및 서비스에 올라가서 웜바이러스 못지않은 컴퓨터 성능 하락을 보였었다.

• 명령어 세트가 그냥 무식하게 때려박힌 구조라 필요한 헤더만 선언하여 최적화를 할 수가 없다.

• 유료인 데다 가격도 비싸다.

• 객체 지향 프로그래밍을 지원하지만, 다른 객체지향 전문 언어들에 비해 매우 기초적인 패러다임만 지원한다.

• 간단한 행렬 연산을 루프, 즉 for, if, while문으로 써서 만든다면, 무지막지하게 시간이 걸린다. 일단 R2015b 버전 이후로는 엔진 최적화에 신경을 쓰었는지, 스크립트를 실행하는 과정에서 Just-In-Time 컴파일을 도입하여 루프를 사용한 행렬 연산의 속도가 많이 개선된 편이다. 다만 MATLAB에서 슬라이싱이나 arrayfun등의 기능을 쓰지 않고 반복문을 쓰는 경우는 꼭 필요하다기보단, 좋지 않은 코드일 확률이 높다. 특히 C 같은 다른 프로그래밍 언어를 대충 배우고 MATLAB에 입문해 언어마다 적용되는 고유의 패러다임을 잘 이해하지 못할 때 하기 쉬운 실수이다.

• 코드 파일 하나에 함수를 하나씩만 만들 수 있다. 간단한 함수조차 죄다 새로운 파일에 선언해야 해서 번거로워진다. 람다식이나 클래스를 이용해 잡다한 함수들을 정리할 수 있지만, 한계가 있다.

• 위의 단점들 때문에 쉽게 초보자가 조금만 복잡한 프로그램을 짜면 쉽게 스파게티 코드가 된다.

• 기본 함수들의 이름이 너무 짧고, 직관적이지 못하다. 함수명만 보고 eye가 단위행렬을 생성하는 함수인지, angle이 복소수의 phase angle인지 등등 수학적인 의미를 추론하기 힘들다. 그리고 fft가 1차원 고속 푸리에 변환이면 fft2가 2차원 고속 푸리에 변환인 것을 보면 마치 공대생 센스로 대충 이름을 지은 듯하다. 다만 이런 문제는 LAPACK 같은 라이브러리들보단 덜 심하다. 그리고, NumPy 등 최신 라이브러리들도 MATLAB식 작명법을 따라가는 중이라, 오히려 이것이 정석이 될지도 모른다.

• 오픈 소스가 아니고, 소스 코드가 기업 비밀이라 MATLAB의 거의 모든 함수들의 코드를 뜯어볼 수 없고, 이는 MATLAB으로 작성된 코드는 과학의 기본 중 하나인 재현 가능한 연구에 어긋날 수 있다. 전 세계에서 많은 사람들이 개발 과정을 부분적으로나마 주시하는 오픈소스 과학 라이브러리들도 신기능 개발이나 혹은 리팩토링 과정 중에 실수를 하는 경우가 종종 있는데, MATLAB의 개발진이 아무리 전문성을 가지고, 또한 돈을 받고 개발하는 의무를 가지고 개발한다 할지라도 사람인 한 실수를 할 수 있다는 의심을 해야 한다. 그래서 언제든 소스 코드를 확인할 수 있는 오픈 소스 라이브러리 사용에 비해 불투명하다. 이는 매스매티카도 가진 문제이다.

• 위와 같은 맥락에서, 파이썬처럼 깃헙을 통한 개인 개발자들간의 활발한 교류가 전혀 이루어지지 않는다. 매트랩 기반의 확장자인 .mat 형태의 '데이터'는 간혹 보이지만 .m 형태의 '코드'는 사실상 없는 수준이다.

• 오픈 소스를 통해 프로그래밍 언어의 본질을 계속 탐구하려는 컴퓨터 공학도에게는 그리 좋은 선택이 아닐 수 있다.

• 다른 범용 프로그래밍 언어를 배우는 것에 비해 취업에 도움이 되지 않는다. MATLAB 프로그래밍 능력을 요구하는 경우 대부분 동시에 석 박사 학위를 요구하며, 학부 졸업생이 취업할 수 있는 일반적인 Software Developer 직무에서 요구되는 코딩 테스트 언어로 MATLAB이 채택되는 경우는 거의 없다. 그래서 대학원 진학에 진지한 생각이 없다면 MATLAB을 깊이 파는 것은 그렇게 추천하기 힘들다.

• 신버전을 꾸준히 출시하는 것은 좋지만, 새로운 기능들을 제대로 누리려면 이전 버전을 지우고 새로 깔아야 하는 번거로움이 있다. 툴박스를 깔았다면 툴박스까지 전부 다 제거하고 새로 깔아야 한다.

• 기능 업데이트가 될 때마다 시스템 최소 및 권장 요구 사항이 계속 올라가기 때문에 최신 버전일수록 프로그램이 무겁다. 데스크탑(특히 조립 컴퓨터)에서는 그리 부각되는 단점이 아니지만 랩톱에서는 주의할 필요가 있다.

• 파이썬처럼 코랩이나 온라인 서버를 통한 네트워크 기반 GPU 가속의 편의성을 누릴 수 없다. 별도의 툴박스 구매를 통한 GPU 가속 자체는 지원하나 로컬 컴퓨터로만 한정된다. 본인 컴퓨터가 RTX 4090이라도 쓰지 않는 이상 이 사항은 머신러닝 개발자에게 상당한 제약이 되기 때문에 이들은 MATLAB을 잘 사용하지 않는다 [21].

5. 비싼 가격

• Standard License: 상업 버전. MATLAB을 이용한 이윤이나 수익 창출에 제한이 없다. 한 명만 인증되며 최대 PC 네 대에 설치할 수 있다. 영구 보유에 280만원이나 한다. 거기에다 툴박스는 또 따로 사야하고 하나당 백만원이 넘어간다.

• Education: 학술기관(대학/대학원) 직원이나 연구자가 보유할 수 있는 라이센스. 영구보유에 50만원이다. 물론 툴박스 별도.

• Student: 보통 학생용은 기능을 제한하는 대신 싸게 판다. 상업 버전이 툴박스 하나에 1,000불인 것이 함정. 2019년 1월 현재 학생용은 툴박스 10개가 포함된 MATLAB and Simulink Student Suite가 $59이고 애드온 및 툴박스는 최초에 같이 구매할 때 한정으로 개당 $5에 판매하고 있다. 별도로 구매할 때는 개당 $18. 거기에다 무기한 유효라는 모양. 당장 사야해 옛날에는 한화 15만원, 미국에서는 50불에 툴박스 10불에 팔았다.

• Total Academic Headcount: 공대생이나 공대 대학원생이라면 학교 내지는 연구실에서 라이센스를 사줬을 경우 재학 및 휴학중에는 무료로 사용이 가능하다. 단 졸업하면 권한이 없어진다.

• Home License: 미국에서는 저런 제약 없이 영구적으로 사용 가능하고 가격도 비교적 저렴한 홈 라이센스가 존재하지만 한국에서는 판매하지 않았다가 R2020b 버전부터 usd 99 가격으로 판매하고 있다. 링크 설치는 컴퓨터 두 대까지만 가능하다.

• MatLab Online: 본인에게 유효한 라이센스가 있으며 컴퓨터가 인터넷에 연결된 상태여야만 실행이 가능하다. 거기에 일정 시간 입력이 없으면 자동 로그아웃이 되는 등 불편한 점이 많다.

• MATLAB Mobile: 안드로이드, iOS를 지원하고 MathWorks 계정만 만들면 무료로 깔아서 쓸 수 있다. 하지만 툴박스를 지원하지 않는 등 기능이 꽤 제한적이다. 본인에게 유효한 라이센스(Total Academic Headcount도 해당됨)가 없을 시에는 센서를 이용한 데이터 입력 및 애드온이 지원되지 않는다.

6. 기타

7. 관련 문서

• 공업수학
• Simulink
• GNU Octave
• SciLab
• FreeMat