MATLAB

보스턴에 본사를 두고 있는 Mathworks 社에서 개발한 공학용 어플리케이션 소프트웨어 패키지.

일부 사람들이 프로그래밍 언어로 이해하기도 하지만, 프로그래밍 언어라기 보다는 해당 소프트웨어의 스크립팅 인터페이스를 사람들이 언어로 받아들이는 것에 가깝다. 이 사실은 MATLAB의 수익구조가 컴파일러 자체의 판매가 아니라, 각종 툴박스/어플리케이션들의 판매에 기반하고 있는 것을 보면 알 수 있다.[1] R2014b까지는 1기가 램을 지원하며 그 이후는 최소 2기가 램이 필요하다. 이름의 MAT는 수학(mathematics)이 아니라 행렬(matrix)에서 따왔다. MATLAB 로고는 L자 모양의 Membrane을 진동시킬 때 나타나는 Eigenmode 중 하나를 시각화하면 만들 수 있으며, 공식 홈페이지에 만드는 방법이 나와있다.

대부분의 미국 공대에서 처음으로 프로그래밍에 입문하는 학생들이 제일 먼저 배우는 프로그램이다. 프로그래밍 언어라고 볼 수도 있고, 애플리케이션으로도 볼 수 있으나[2], 쓰는 사람의 목적에 따라 두 가지 성격이 모두 나타나기도 한다. 하지만 이런 성격 때문에 장단점이 꽤나 극단적으로 나타나는, 빛과 어둠이 공존하는 프로그래밍 언어 겸 애플리케이션이라고 볼 수 있다. 하고자 하는 일에 따라서 편리할 때는 한없이 편리하지만[3], 불편할 때는 한없이 불편하다.[4]

국내에서도 이공계열 대학생/영재학교, 과학고 학생들이 제법 많이 사용하고 있다. 문법은 아주 간단하다. 프로그래밍에 전문적이지 못한 학생들이 논문을 위한 시뮬레이션을 하기 위해 접하는 경우 등, 급작스럽게 필요하여 사용하는 경우가 많아서 정통한 사람이 많지 않다.[5] 그 때문인지 전공 지식이 부족해도 이 프로그램을 잘 다룬다면, 아니, 포기하지 않고 끈기 있게 붙잡고 늘어질 수만 있어도 대학원 선배들이나 교수들로부터 굉장히 이쁨받는다.

어찌보면 공대 학부/대학원 졸업 후엔 쓰기 힘든 프로그램이다. 라이센스가 비싸서 어지간한 회사에서 못 사주기 때문이다. 어지간한 연구소/회사에서는 MATLAB 라이센스를 사주는 대신에 기존에 보유하고 있는 C/C++/FORTRAN 등의 코드에 맞게 연구자가 코드를 개발하길 바란다. 가끔씩, 부유한 환경에서는 업체/기관에서 MATLAB을 제공하기는 한다.[6] 다만 이 때에도 최종 목표가 MATLAB 프로그램이라기 보다는, 프로토타이핑을 MATLAB으로 해서 성능을 검증하고 C++ 등으로 변환을 하거나, 시뮬링크 기반의 자동코드 생성기법을 활용하여 시뮬링크 블럭 다이어그램으로부터 embedded C 코드를 생산해 내기도 한다. 그리고 요즘은 MATLAB 못지 않게 간단한 문법을 가진 Python의 인기가 하늘 높은 줄 모르고 치솟는 중인데다가 공짜, 오픈소스라서 MATLAB 라이선스 비용을 못 내는 회사에서 대체용으로 많이 쓰인다. 파이썬이 공학을 노리고 만들어진 언어는 아니지만 matplotlib, numpy 등 유용한 라이브러리가 많기 때문에 잘 다룰 줄만 안다면 거의 왠만하면 MATLAB의 대용품으로 딱히 부족할게 없다. 때문에 공대에서 매트랩 과목을 파이썬으로 개편해버리는 경우도 종종 있다. 하지만 과제할 때는 알아서 매트랩을 써서 결과를 가져와야 하지

참고로 MATLAB 툴박스는 대개 석사 수준의 알고리즘까지는[7] 상당 부분 지원하고 있지만 Fortran, C 등에서는 Singular Value Decomposition(SVD) 같은 기초적인 수치해석 알고리즘만 수행하려고 해도 이런 저런 라이브러리들을 죄다 받거나 책을 보면서 직접 코딩해야 하기 때문에 굉장히 피곤해진다. 물론 박사급이면 없는 것을 만드는게 당연하기 때문에 크게 문제가 되지 않는 분야도 넘쳐 난다. 다시 말하면 라이브러리 몇 개를 새로 짜는 셈.

공학용으로 개발된 만큼 공학계열 학과에서 주로 사용한다.

MATLAB 자체적으로 여러 하드웨어(예를 들어 모터류)의 인터페이스, 이미지 프로세싱 등의 유용한 툴박스들을 제공하고 있어 학부 수준까지는 손쉽게 사용할 수 있다. 이런 점이 프로그래밍 언어 자체로 봤을 때는 다소 어정쩡한(그리고 문법도 안 좋은) MATLAB이 공학 관련 분야에서 널리 활용되고, 또 비싸게 팔아도 장사가 되는 비법이다.

예를 들어, 모터가 4개 달린 드론에 카메라를 달아서 시각 비행알고리즘을 시험하고 싶자고 하자. 여기에는 모터제어, 드론과의 통신, 이미지 프로세싱, 위치/자세 추정, 위치/자세 제어 알고리즘 등이 필요하다. 다른 개발 환경에서는 각각의 기능을 제공하는 환경은 있어도, 관련된 모든 라이브러리를 제공하는 경우는 MATLAB 말고는 드물다.[8] 하드웨어의 종류/구성에 따라, 인터페이스 구축의 난이도가 코드를 쓰는 난이도를 훨씬 상회할 수 있다.

다만 MATLAB이 유용하다고 만능은 아닌지라 상황에 따라 다른 언어와 병용해서 쓰기도 한다. 보통 공학용 수치해석을 위해서는 MATLAB, Python, Julia 등의 스크립팅 언어로 골격을 짠 다음에, 병목현상이 일어나는 부분만 C/FORTRAN 등으로 변환하여 포팅을 하는 것이 일반적이다. 예를 들어 GUI를 포함하는 hardware-in-loop 시뮬레이터를 만든다고 생각해보자. 하드웨어 제어를 위한 embedded C, GUI, 제어, 추정 알고리즘이 필요하다. 그 외에도 matrix exponential, convolution, 수치적분, root-finding, 수치 최적화, curve-fitting 등 수치해석이 필요하다.

일부 공대에서는 쉬운 문법에 주목해서 프로그램의 개념을 익히기 위한 입문용으로 쓰인다.

전자공학과에서는 전공과목 과제에 주로 MATLAB이 사용된다. 일부 흔한 과제의 예를 들자면, 공학수학에서는 푸리에 급수를 통해 sin과 cos만 가지고 어떻게 주기신호를 만들어내는지 시뮬레이션을 해보기도 하고, 신호 및 시스템에서는 DFT, FFT, Z변환, 샘플링을 직접 해보기도 한다. 통신시스템에서는 푸리에 변환을 이용해 AM, FM, ASK, FSK, PSK, QAM 등 각종 변조방법을 구현해보기도 하며, 제어공학에서는 라플라스 변환으로 시스템 모델링을 하기도 하고, 영상처리에서는 바코드인식, 얼굴인식, 필체인식 등 여러 실험을 해보기도 한다.

기계공학과 출신들은 보통 MATLAB과 각자 속한 분야에 따라 embedded C, C++, FORTRAN 등의 언어를 혼용해서 사용한다. 기계공학 분야에서 중요한 것은 legacy 코드와 호환성, 하드웨어에 이식 및 실행할 때의 성능이지 코드를 편안하게 (혹은 우아하게) 개발하는 것이 아니다. MATLAB/C/FORTRAN 등 프로그래밍 언어 자체로만 판단했을 때 상대적으로 우아하지 못한 수치해석/과학/공학용 프로그래밍 언어들이 여전히 널리 쓰이는 것은, '레거시 코드에 손 대봤자 논문 쓰기는 힘드니 시간 아까운 짓 안 하는 거'거나 특정 하드웨어에 밀접하게 관련이 되어 있어서 바꾸는 데 엄청난 비용/시간이 들기 때문이다.

의료공학과에서는 생체신호처리 및 의학영상처리[9]에 사용한다.

컴퓨터공학과의 경우는 거의 다루지 않는다. 특별히 수치해석 분야나 하드웨어 계열(어찌보면 전자공학과에 가까운 내용이다... 신호에 대한 과목이라거나...)의 전공선택 과목과 진로를 고르는 경우에만 MATLAB을 접할 수 있을 것이다.

MATLAB 툴박스가 잘 갖춰진 것은 사실이지만, 분명히 한계가 있다. MATLAB을 쓰더라도 알고리즘에 대해서는 대개 박사, 빠르면 석사 때부터 직접 코딩을 해야 한다 [10].
MATLAB이 주로 사용되는 공대 대학원에서는 개발 환경이 연구자가 코드를 작성할 때 느끼는 편리함/효율성 보다는 외적인 요소에 크게 영향을 받는다. 대학원생의 목표는 코드를 더 좋게 만드는 것보다는, 새로 개발한 알고리즘을 기존 코드에 통합해서 성능을 검증하는 것이 중요한 경우가 많다. 마음만 먹으면 MATLAB보다 더 나은 프로그래밍 환경에서 개발할 수 있다는 말은, legacy 코드(과거로부터 내려오는 코드 결과물)가 없이 맨땅에 헤딩하는 경우인데 이는 석사과정이나 박사과정 초반에 해당하는 매우 초보적인 연구개발(혹은 연구개발 수준에도 못 미치는 대학교/대학원의 수업 과제 수준)일 때나 유효하다.
대개는 대학원 연구실 내에서 축적되오던 수만줄짜리 legacy 코드가 C, FORTRAN, MATLAB 등으로 작성되어 있다. 실제 업무에 투입된 대학원생은, 선배들의 코드를 100% 이해하고 다른 언어로 변환하는 위험한 짓을 하는 대신에, 구석기 시대의 컴파일러를 모시고 살거나, F2C, CMEX/FMEX 등의 가능한 모든 포팅 방법을 이용해서 어떻게든 코드 번역을 피하기 마련이다. for문 개념도 정확하게 정립이 안된 FORTRAN66(goto문이 난무하는 50년된 고대 유물)도 노려보면서 포팅 작업을 해야하는 경우도 있다.

여러 불편함을 감수하는 것은, legacy 코드의 내용이 수학/물리/공학이론을 포함하고 있으며, 이론에 대한 적절한 이해가 없이 직접 개발하고 또 이를 정확하게 검증하는 것이 매우 어렵기 때문이다. 50년 전의 이론을 빠삭하게 공부하고 이를 최신 프로그래밍 언어로 멋있게 다시 쓰는 것보다는, 인터페이스만 적절히 개발해서 포팅을 하고 50년 전의 이론을 쳐다 보지 않는 편이 훨씬 빠르고 효율적이다.[11]

공학 분야 학부 졸업생들이 처음 대학원에 왔을때, MATLAB 쓰는 걸 이해 하지 못하고 쓰고 싶은 언어를 쓰고자 하는 경우가 매우 많다. 보통 소프트웨어학과 등에서 C++중점으로 배웠고, 또 그러면서 MATLAB이 C++나 Python 등 보다 열등 하다고 생각 하는 경우가 공학도들 사이에 파다한 생각이다. 하지만 위에서의 설명에서와 같이, MATLAB은 새로운 이론이나 방법론을 프로토타입하는데에 최적화 되어 있고, 해당 연구실에서 이미 쌓아놓은 수많은 코드들을 사용하기 위해서는 결국 MATLAB을 써야 한다는 걸 깨닫고 돌아온다. 포닥이나 교수들 입장에서는 매번 새 학생이 들어올 때마다 거쳐야 하는 과정 중 하나이다.

이공계에서만 사용할 것 같지만 인문사회계열 언어학과의 음성학수업이나, 경제학과의 거시경제학(대학원), 계량경제학(대학원) 같은 수업에서도 사용된다.

우선 경제학과 대학원에서는 MATLAB을 쓰는 과제가 나가기 때문에 석박사 생각이 있다면 일찍부터 MATLAB을 배워둬야 한다.

언어학과의 경우에도, 석박사 생각이 있다면 프로그래밍은 상당히 중요시 되는 능력이기 때문에 익혀두어야 한다. 특히 자연어처리분야나 음성음운론 분야에서는 MATLAB와 파이썬은 점차 기본소양이 되어가는 추세이다.

각종 오픈 소스를 사용하면 공짜로 MATLAB을 대체하는 것 자체는 가능하다. 다만, MATLAB의 철학 자체가 '돈은 얼마든지 낼테니 Mathworks가 최대한 유용한 기능을 많이 갖추어 놓아라'라는 식이라면, 오픈소스 진영에서는 공짜로 쓰는 대신에 사용자가 여러 라이브러리 사이의 버전 충돌이라던가 미비한 기능에 대한 보완 대책을 사용자 스스로 해야하는 등 불편한 점이 많다.
특히 라이센스가 GPL일 경우 상업적인 개발에 사용한다면 카피레프트에 주의해야 한다.

1970년대에 뉴멕시코 대학의 컴퓨터공학과의 학장인 클리브 몰러의 주도 아래 개발이 시작되었다. 1984년 본격적으로 Mathworks 사를 세우고 개발하여 2000년대에 처음으로 일반 사용자에게 판매되기 시작하였다.

일반적인 프로그래밍 언어에서 행렬은 그저 각 차원으로 이루어진 방식으로, 현실의 행렬 계산 방식과는 거리가 있다. 그에 따라 각 행렬에 대한 값을 구하려면 그 부분 역시 유저들이 직접 알고리즘을 짜서 계산해야 한다. 문제는 공학이 대부분이 행렬 계산 위에 성립된 학문이라 행렬 계산이 불편한 일반적인 프로그래밍 언어는 공학계열에서 사용하기 어렵다.

C/C++나, 이후 개발된 Java도, 다목적 용도를 가지고 개발되었기에 공학용으로 디자인된 수식을 계산하기 위해선 공학도들이 알고리즘에 숙달될 필요가 있었다. 하지만 각 공학과의 현실상 가르치기 어려웠으며 커리큘럼도 만들어져있지 않았다. 또한 컴퓨팅 파워 역시 1990년 이전에는 부족하여 공학 계산과 시뮬레이션에 있어 필요성은 절대적이었으나 유용 방식은 한정되었다. 또한 포트란 등의 단순 계산에 적합한 언어들는 그 나름의 장점이 있었으나 병렬계산에 적합하지 못했다.

그러나 MATLAB은 공학과 시뮬레이션에 특화된 언어라는 목적을 가지고 개발되었다. 그에 따라 시간과 (자금적) 리소스를 크게 사용하지 않는 기존 언어와 다른 개념으로 개발된다. 그건 바로 쓰일 만한 명령어 세트는 죄다 컴파일러로 이루는, 비효율적이나 사용자 입장에선 쉬운 방법을 택한 것이다.

또한 기존 언어와의 차이점으로 모든 정의한 변수는 행렬 취급이 된다. 이는 공학계에서 수많은 변수들을 간편화하기 위해 행렬을 사용하기 때문이다. 심지어 문자열도 그저 문자(char)들의 행렬로 취급되었다.[17]

MATLAB이 처음 사용자용으로 발표된 2000년도에는 컴퓨팅 파워의 한계와 보급의 난항으로 주목받지 못했다. 그러나 곧 컴퓨터가 빠르게 보급되었고, 매트랩은 사용과 교육의 간편함에서 주목받아 공학도들이라면 한 번씩 만져본 프로그래밍 언어가 되었다.

학생이나 대학 연구소가 아니라, 일반 상업적 용도로 쓰기에는 라이센스 비용이 지나치게 비싸다. 아무리 MATLAB이 쓰기 쉽다 한들 프로그래밍 언어를 다루는 것 자체에도 전문적인 노동력이 필요한데, 돈까지 내라고 하는 것에 못마땅하게 생각하는 사람들이 많다. 특히 Python 처럼 언어나 구현체부터 오픈 소스로 나오거나 무료인 경우가 널려 있는 현 시점에선 말이다. 이는 매스매티카나 메이플도 공유하는 문제이기도 하다.
게다가 한국의 이용자들에게는, 중간에 웬 브로커가 개입했는지 Home License 자체를 구할 수 있는 방법이 없었지만 R2020b 버전부터 usd 99 가격으로 구입이 가능해졌다. 즉, 학교를 졸업하고 나면 260만원 정도 하는 Standard License를 사거나 십만원 남짓하는 Home License를 사지 않는 한, 공대 재학 중에 작성한 MATLAB 코드는 모두 Octave로 이식해야 하고, 아니면 휴지조각이다.
이런 점은 개인 이용자들이 MATLAB을 배우거나, 공학 관련 지식을 공부하는 데 주저하게 만드는 요인이기도 하다.
요즘은 각종 프로그래밍용 IDE나, 그래픽 편집 툴, 게임 엔진, CAD같은 과거에는 개당 몇백만원씩 비싸게 팔던 전문 툴들도 비상업적 이용 용도로는 무료 라이센스를 제공하고, 인디 개발사들에게 저렴한 라이센스를 제공하는 경우도 많다. 그리고 이 방법이 학생들이나 개인들이 불법복제에 손을 대는 빈도를 줄이고 MATLAB 언어의 점유율을 높일 수 있는 방법이다.

MATLAB 라이센스는 무척 비싸기 때문에 회사나 연구소 컴퓨터에 크랙 버전을 설치하거나, 설치된 개인 노트북을 들고 오지 말아야 한다. 불법은 물론 Home License같은 비상업적 라이센스까지 포함이다. 링크와 같이 한번 걸리면 큰일난다. 특히 크랙 버전의 경우 각종 툴박스를 모두 깔아버린다면 무시무시한 배상금을 물게 된다.
Mathworks는 한국 지사도 가지고 있으므로, 특히 더 조심하자. 알다시피 외국계 엔지니어링 기업이 한국에 지사를 가지는 이유 중 하나가, 이런 단속이나 법적 분쟁을 통해 이익을 남기기 위해서이다.

DRM이 깔려 있는걸로 추정된다. 불법설치던 Trial Version이던 설치를 하면 귀신같이 불편한 내용이 없는지 확인메일이 날라오고, 전화도 온다. 또한 최악의 경우 소프트웨어 감사가 온다.

크랙버젼으로 풀패키지를 사용할 경우 풀패키지 가격이 1억이 넘어감으로 기업에서는 되도록 정품이나, 스탠다드 에디션에 필요한 툴박스만 사서 사용하고, 부득이하게 크랙버젼을 사용하다가 감사가 나오면, 창문 밖으로 컴퓨터를 던져버리는걸 추천한다. 그리고 고발크리

MATLAB 계산 엔진도 나날이 발전하는 중이어서, 코드만 효율적으로 짠다면 아주 답답하지 않을 정도로는 최적화할 수 있다. 어떻게 코드를 효율적으로 바꿀 수 있는지도 가이드하는 기능도 있다.

MATLAB 자격증도 있다. 2017년 자격증 시험 기준 응시료는 45만원. 자격증 응시료가 비싼데 ## 실제로 비용에 비해 얼마나 효용적인 자격증인지는 의문이다.

컴퓨터공학 쪽에서 많이 사용하는 각종 프로그래밍 언어가 유행을 탄다는 것은, 프로그램의 인터페이스 대상(유저, 핸드폰, 인터넷 하드웨어)이 끊임없이 변한다는 속성을 가지고 있기 때문이다. 그렇기 때문에 여러가지 시도가 이루어지고 또 프로그래밍 언어 자체가 발전할 수 있는 계기가 된다.

2020년 전까지는 라이젠 등 AMD에서 만든 CPU를 쓴다면 동급의 인텔 CPU에 비해 매우 낮은 속도를 경험해야 했었다. 이 이유는 매트랩에서 사용하는 인텔 MKL 라이브러리에 있는데, 인텔 CPU가 아닌 CPU에서는 빠른 최신형 명령어가 아닌 가장 느린 구식 명령어를 쓰도록 만들었기 때문이다.[22] MKL의 비공식 플래그를 사용해 이를 우회하는 방법이 2019년 12월에 매트랩 레딧에서 알려졌다.(레딧 링크, 한국어 소개) 적게는 20%에서 많게는 300%까지 성능 향상이 있는 것으로 알려지고 있으며, 이 간단한 패치를 적용할 경우 벤치마크 상으로 스레드리퍼는 인텔 i9-10980XE보다 전반적으로 나은 성능을 보여준다.[23]

결국 MATLAB R2020a로 넘어가면서 Ryzen 시리즈에서도 기본적으로 AVX2를 쓰도록 개선이 이루어졌고, 추가적인 최적화 또한 이루어져서 동코어 기준 AMD Zen2 기반 CPU가 인텔을 앞서는 결과를 뽑아내게 되었다.