마법소녀 단톡방에 초대되었다 (리뷰)

한줄평: 희미한 선악만이 남아있는 세계에서 분투하는 한 마법소녀의 이야기 - ★★★★☆

 

플랫폼: 노벨피아

작가명: 신뒤

작품 링크: https://novelpia.com/novel/395872

 

노벨피아 - 웹소설로 꿈꾸는 세상! - 마법소녀 단톡방에 초대되었다

플러스작품 - 5년 만에 나타난 마법소녀 뉴비가 되어버렸다. 단톡방에 잘못 초대되었다는 이유로.

novelpia.com

 

 

 

1. 어떤 소설인가요?

 

우선, 시작하기 전에.
마법소녀물의 의의는 무엇일까, 한번 생각해 봅시다.

꿈과 희망, 사랑과 정의 등등. 스스로 소설 꽤나 봤다 하시는 분들이라면 누구나 떠오르는 키워드들이 있을 겁니다. 그중에서도 이 소설은, 한없이 정통에 가까운 마법소녀물을 구상하고자 했다는 생각이 들었습니다.

마법소녀와 괴인이 적대하는 클래식한 배경, 최초의 마법소녀가 우뚝 서서 세계의 희망을 지탱하는 구도, 그리고 마왕과의 큰 전투까지 전부 마치고 한동안의 시간이 흐른 세계. 하지만 이들도 현실을 살아가는 마법소녀이기에, 노화와 은퇴라는 사뭇 씁쓸한 요소조차 배경에 살아 숨 쉬고 있죠.

그리고 바로 그 세계에, 작중 주인공인 네프가 등장합니다.

무려 5년 만에 처음으로 등장한 마법소녀 뉴비. 한창 고이고 고였던 마법소녀 선배들이나, 그중에서도 자그마치 5년이나 막내 생활을 했던 선배조차 이 따끈따끈한 신입의 등장에 열광합니다. 마왕조차 토벌되어 괴인들도 즉각적인 위협이 되지 않는 평화로운 시기였기에, 수많은 소매넣기와 애정이 이 뉴비에게 아낌없이 베풀어지죠.

그래서 이 작품의 초반부는 매우 가볍고 경쾌하며, 또 흐뭇하고 유쾌한 분위기로 이루어져 있습니다. 주인공의 특기를 살린 마법소녀 변신이나, 점점 전투에 적응하고 강해져 가는 모습이 특히 그러하죠.

하지만 중반부를 넘어가며 소설의 분위기는 급변합니다.

강자로 여겨지는 괴인들의 출현, 그리고 괴인들마저 각자의 서사를 지닌 채 엮이며 펼쳐지는 일상과 전투 사이의 미묘한 기류. 유쾌하고 단순하게만 여겨지던 일상의 풍경이 점차 '괴인'이라는 존재에게 침식되고, 동시에 주인공에게도 균열이 생기는 이 일련의 흐름은, 현대 웹소설 판에서는 잘 보이지 않는 구세대 소설의 향수를 불러일으키기에 충분한 방식이었습니다.

당연하게도, 주인공은 이를 통해 성장합니다.

그럼에도 고무적인 것은, 그 성장이 단순히 무력에만 치중되어 있지 않다는 점입니다. 유쾌한 일상의 선을 넘어 거대한 세계를 마주하는 과정에서 주인공의 정신이 흔들리고, 다시 다잡고, 또 무너져 내리기도 하다가 주변인들의 지탱을 받기도 하는 등, 주인공은 클래식하고 왕도적인 마법소녀물의 법칙에 따라 조금씩 단단해져 갑니다.

그렇게 괴인들을 처치해 나가며 조금씩 강해지는 주인공은, 결국 최후의 시련을 눈앞에 두게 되죠.

 

 

2. 이 소설의 가장 큰 장점은?

 

적절한 완급조절과, 캐릭터의 풍부한 서사, 그리고 조기 투여한 떡밥에 의한 개연성.

 

적절한 완급 조절과 캐릭터들의 풍부한 서사, 그리고 초반부터 촘촘히 깔아둔 떡밥이 만들어내는 개연성. 전체적으로 작가가 작품을 아주 치밀하게 설계했다고 느껴지는 소설입니다.

일상과 전투, 가벼움과 무거움이 조화롭게 공존하는 점부터 스토리가 느리지도, 빠르지도 않게 차근차근 나아가는 호흡, 그리고 군더더기 없는 깔끔한 결말까지. 작품의 모든 흐름에서 탄탄한 설계의 힘이 느껴집니다. 캐릭터의 등장과 퇴장에 어색함이 없으며, 세계관의 확장과 전개가 급작스럽게 느껴지지 않았다는 점 역시 큰 미덕이죠.

무엇보다 현대 웹소설 판에서는 거의 사장되다시피 한, '수많은 캐릭터에게 저마다의 과거와 서사를 부여하는 방식'이 이 소설의 분위기와 흐름에 너무나도 잘 맞아떨어졌습니다.

작중 등장하는 여러 '우연'마저 작위적이거나 갑작스럽지 않고, 필연처럼 부드럽게 풀려나가는 것을 보며 작가가 스토리를 구축하는 데 얼마나 큰 공을 들였는지 실감할 수 있었습니다.

 

 

 

3. 그렇다면 단점은 있나요?

 

여러 가지가 있지만, 우선은 '태그'가 장벽이신 분들도 꽤 되실 겁니다.

요 몇 년간 범람하던 "아, 일단 TS 시키고 시작해" 식의 묻지마 TS물이 아니라 하더라도, 주인공이 TS된다는 점 자체는 확실히 진입 장벽이 될 수 있겠고, 비중이 아주 크지는 않지만 인터넷 커뮤니티 감성과 밈이 작품 속 배경으로 적극적으로 활용된다는 사실이 불만인 분들도 있을 테니까요.

 

(작게 변론하자면, TS에 적절한 서사적 개연성이 있다면 저는 TS를 소재로 써먹어도 된다고 생각합니다. 물론, 이를 배경 장치로만 써먹고 서사로 풀어내지 않는다면... 굳이 TS일 이유가 있나? 라고 생각하지만요.)


다시 돌아와서, 이를 제외하면 아쉬운 점은 대략 몇 가지로 추려집니다.

 

  • 하나, 수많은 캐릭터에게 저마다의 서사를 부여하다 보니, 그 서사가 풀리기 전까지 일부 캐릭터의 초반 언행이나 행동이 독자들에게 다소 '비호감'으로 낙인찍혀 버린다는 점.
  • 둘, 라이브 연재 특성상 완벽하게 풀리지 못한 떡밥이나, 존재감 없이 퇴장한 캐릭터가 몇 (많지는 않습니다) 있다는 것.
  • 셋, 작가야 외전은 1화만 쓰고 도망가는 용도가 아니라고!!!!!!!!!

 

네. 그렇습니다.

뭐 이외에도 초반부가 도파민 파티 위주의 재미였다가 후반에는 왕도적 뽕맛 나는 전개로 변하는 게 불만이신 분들도 있을 테고, 악역은 서사 부여하지 말고 그냥 때려눕히는 게 맞다고 생각하시는 분들도 있을 테고요...

하지만 이 모든 단점들은 저는 호불호의 영역이라고 생각합니다.

본인이 '싫다'라고 생각하는 부분이라면 적당히 거르시면 되겠습니다.

 

 

 

4. 추천 여부?

 

뭐, 당연하겠지만 "이 장르는 취향이 아니다!" 하는 분들을 제외하고는 추천합니다.

전개도 부드럽고 마무리도 깔끔한 소설은 언제나 드무니, 이참에 하나 드셔보시죠.

정통 마법소녀물 감성의 소설.
지금까지 [마법소녀 단톡방에 초대되었다] 리뷰였습니다.

 

 

고유는 유니크가 아니에요 (Eigen Vector & Eigen Value)

 

행렬을 열심히 배우고 있다면 언제고 한번은 듣게 되는 두 요소, 바로 eigenvalue와 eigenvector다.

 

한국어로는 고유 벡터, 고유값이라 불리는 거 같은데, '고유'라는 단어는 영어로 unique라고 번역되는 걸 알고 있는 사람이라면 이렇게 생각할거다.

 

'엥, unique value 가 아니네?'

 

그야 당연하다. unique의 정확한 번역은 고유한-이 아니라 유일한-이니까.

 

누가 했는지 모를 번역이 미래에 올 학생들의 머리를 거하게 후려친 셈이다.

 

왜 시작부터 한탄이냐고?

 

왜냐하면 그건 필자가 고유값을 처음 배울 때 '고유' 니까 하나만 있는 거겠지? 라고 생각했었기 때문이었다.

아주 자연스럽게 eigen이 뭐지 -> 고유? -> unique 면 하나만 있는 거네? 라는 생각에 흐름에 속절없이 휘말렸던 탓이겠지.

 

그래서 길고 지루했던 서론을 건너뛰고 본론으로 들어가면, '고유값', 그리고 '고유 벡터'는 아래 조건을 만족하는 값(스칼라)과 벡터를 말한다.

 

벡터 $A$가 있을 때,

 

$$ Av = \lambda v $$

 

를 만족하는 벡터 $\lambda$와 $v$를 각각 지칭하는 말이라는 거다.

 

그러면 저걸 어떻게 구할까.

 

이건 단순한 수식 계산에 불과하니 빠르게 가보자.

 

$$ Av = \lambda v $$

$$ Av - \lambda v = 0 $$

$$ (A - \lambda I) v = 0 $$

 

여기까지 보면 $v=0$ 이 답이구나! 라고 생각할 수 있는데 수학계에서는 그걸 'trivial'=진부한, 즉 재미가 없다고 표현한다.

 

답이 쉬우면 재미가 없는 미친놈들의 학문...이기 때문은 아니고, 수학적으로 별로 중요하지 않기 때문이다.

 

아무튼 그러면 $v$를 제외한 좌측 부분이 0이 되야 하는데, 이 부분에서 $(A - \lambda I)$ 가 특이 행렬이어야 한다는 조건이 생겨버린다.

 

왜냐고?

특이 행렬이 아닌 애들은 '역행렬'이 존재하기 때문이다.

 

즉, 특이 행렬이 아닌 $B = (A - \lambda I)$에 대해서는 다음이 성립한다.

 

$$ B v = 0 $$

$$ B^{-1}B v = B^{-1} \cdot 0 $$

$$ v = 0 $$

 

그렇다. 결국 이것도 재미가 없어지기 때문인 것이다...는 농담이고, 아무튼 $v$가 0 인 것을 피해야 뭔가 수학적으로 의미가 생기기 때문이다.

 

이 조건을 잘 풀어 해석하면 한 가지 조건이 더 생기는데, 바로 특이 행렬들은 Detergent, 즉 행렬식이 0이 되어야 한다는 것이다.

 

고로,

 

$$ \text{det} (A - \lambda I) = 0 $$

 

를 만족하는 $\lambda$ 값을 찾기만 하면 된다.

 

그렇게 찾은 고유값 (여러 개가 나올 수 있다...) 을 식에 대입해 $v$까지 찾아내면, 해당 고유값에 해당하는 고유 벡터가 나오게 된다.

 

이건 진짜 죽도록 여기저기 쓰이기 때문에 (공부를 이어나간다면) 필히 미럿속에 외우고 다니는 것이 좋다...

 

 

 

 

내적말고 외적 (Outer Product)

 

 

 

저번에 잠깐 내적의 성질에 대해서 이야기했는데, 이걸 조금 확장시키면 외적에서도 그럴싸한 아이디어를 뽑아낼 수 있다.

 

두 벡터 $V, U$ 가 있다고 가정하고 내적이 곱하기 전 좌측 벡터에 $^T$, 즉 transpose를 먹이는 거였다면 이번에는 반대, 즉 오른쪽에 그걸 먹여줘야 한다.

 

$$VU^T$$

 

대충 이런 느낌이다

 

길이가 $n$이라고 하면 내적은 길이가 얼마나 되던 스칼라 값, 즉 단순 값으로 줄어들지만, 얘는 갑자기 $n\times n$ Matrix, 행렬로 커지는 특성을 지니고 있다.

 

사실 행렬의 곱 배웠으면 당연한 말이지만...

 

아무튼 그래서 얘의 특성이 뭘까?

 

 

이걸 알려면 사실 ML이나 비슷한 쪽의 지식... 아니면 오다가다 대충 들은 느낌적인 무언가라도 알고 있으면 참 편한데, 얘는 '오른쪽 벡터와 유사하면 왼쪽 벡터를 뱉어내는' 성질을 가지고 있다.

 

아니 싯-파 그게 무슨 말이에요 라는 생각이 들었다면 걱정 마라. 아주 지극히 정상이다.

 

알기 쉽게 예시를 봐 보자.

 

 

대충 $u, v, ||u|| = ||v|| = 1, u \perp v$ 인 애가 있다고 가정을 해 보자.

 

그리고 우리의 외적그 적군할때 적 말고, $uv^T$ 가 있으면 얘에 무언가를 곱했을 때의 성질을 알아보자.

 

일단 한번 $u$ 부터 곱해볼까?

 

$$ (uv^T)u = u(v^Tu) = u\cdot 0 = 0 $$

 

우즉 두 벡터가 90도의 각도를 이루고 있기 때문에 내적의 값이 0, 그러므로 전체 곱이 0이 나온다.

 

그렇다면 $v$를 곱하면?

 

$$ (uv^T)v = u(v^Tv) = u \cdot 1 = u $$

 

좌변의 $u$가 그대로 나온다.

 

그러니까 외적을 대충 게이트, 아니면 함수 같은 걸로 보면 우측의 벡터와 유사할수록 좌측의 벡터를 돌려주는 성질을 지닌 것이다.

 

그래서 얘도 자주 쓰인다... 정말 안타까운 일이 아닐 수가 없다...

 

 

벡터는 도무지 없어지질 않는다. (내적, dot product)

vector, matrix.

 

이 두 가지 놈들은 공부 중에서 사라지는 일이 없는데...

 

아주, 아주 불행한 일이지만 해당 개념이 가져오는 수학적 편리함과 효율은 말도 못할 수준이기에 절대 앞으로도 사라질 일이 없을 거다.

 

고로 배워야겠지...

 

 

 

아무튼, 이번에는 행렬 중에서도 Vector-라고 이름 붙여진 애들. 대개 $m\times1$ 이나 $1\times m$ 으로 이루어진 애들을 살펴볼 거다. 그것도 2 차원에서만.

 

벡터를 간단하게 설명하면 이렇다.

 

$ v = \begin{bmatrix} a & b \end{bmatrix} $ 라는 벡터가 있다고 해 보자.

 

얘는 쉽게 설명하면, 2D 공간에서 $x$ 좌표가 $a$, $y$ 좌표가 $b$인 점을 말한다.

 

그냥 원점에서 그 점으로 화살표를 그리면? 그게 보통 그래프에서 벡터를 나타낼 때 알아보기 쉽게 쓰는 방법이 되는 거다.

 

뭐 사실 여기까지 왔으면 벡터니 뭐니 모를 일이 없을 거고, 이걸 설명한 이유는 얘들이 가끔 내적이니 외적이니 하는 연산을 서로서로 하고 자빠졌는데, 그게 기하학적으로 이런저런 의미부여가 되기 때문이다.

 

 

자, 바로 본론으로 들어가서, 두 벡터가 있다고 가정을 해 보자.

 

$$ V = \begin{bmatrix} v_x \\ v_y \end{bmatrix}, U = \begin{bmatrix} u_x \\ u_y \end{bmatrix} $$

 

이걸 곱하려면 한쪽이 어떻게든 변해야 하는데, 앞쪽에 있는 놈에게 $^T$, 즉 트랜스폼을 시켜버리는 걸 내적, Inner Product 라고 한다. 가끔 Dot Product라는 말도 쓰는데, 엄밀히 따지면 다르지만 어차피 보통 혼용해서 쓰니 그게 그거라고 생각하면 된다.

 

아무튼 그렇게 내적을 시켜보면?

 

$$ V^TU = \begin{bmatrix} v_x & v_y \end{bmatrix} \begin{bmatrix} u_x \\ u_y \end{bmatrix} = v_xu_x + v_yu_y $$

 

딱히 놀랍진 않지만 항이 하나로 줄어들면서 결과적으로는 스칼라 값, 즉 그냥 단순 상수 하나가 되어버린다.

 

근데 계산으론 이렇게 단순한 놈이 참 여러가지 의미를 지니고 있는데...

 

 

 

유사도 (Similarity):

두 벡터를 내적한다는 건, 두 벡터의 유사성을 체크한다는 의미와 같다-라는 주장이다.

 

주장이라고 하기도 우스운게, 일단 사실이기도 하고, 대충 현대 수학/공학/등등 아무튼 여러 학문들이 이걸 기초로 하고 있으니 그냥 팩트라고 봐도 좋다.

 

근데 문제는 저걸 머리로 한 번에 받아들이기가 참 힘들다는 거고...

 

 

이걸 좀 알아먹으려면 한 가지 공식이 필요한데, 그게 바로

 

$$ v \cdot u = ||v|| ||u|| \cos \theta $$

이 공식이다.

 

애초에 그냥 $v, u$의 스칼라 값이 1이라고 생각하고 논리를 진행해 보자 (이거 안해도 어차피 양변 곱하는 거랑 똑같다... wlog인 거다)

 

그러면 $ v \cdot u = \cos \theta $ 라는 단순화된 공식이 남는데, 이는 두 벡터를 Dot Product 시켜버리면 두 벡터간의 각도, 즉 각도상으로 얼마나 유사한지를 판단할 수 있는 근거가 된다는 거다.

 

예시를 보자.

 

$$ A = \begin{bmatrix} 1 \\ 0 \end{bmatrix}, b = \begin{bmatrix} 0 \\ 1 \end{bmatrix}, c = \begin{bmatrix} -1 \\ 0 \end{bmatrix} $$


$$ A\cdot A = 1\times1 + 0\times0 = 1 $$

$$ A\cdot B = 1\times0 + 0\times1 = 0 $$

$$ A\cdot C = 1\times -1 + 0 \times 0 = -1 $$

 

각각 같은 방향 / 90도 / 정 반대 의 벡터와 내적을 해버렸다.

 

그러니까 각각 다른 값이 나오는데, 이건 말하자면 벡터 두 개를 내적해 나온 결과값만 보고, 실제로 벡터의 형상을 2D나 상위 차원 (3, 4 아니면 더 많은 차원들) 에 그려놓지 않고도 두 벡터가 얼마나 '같은 방향'을 가리키는지 짐작해 볼 수 있다는 거다.

 

공식쪽으로 들어가면 간단하게 설명해 주는데,

 

만약 결과값이 양수면 관련성 높음.

만약 결과값이 0이라면 무관함. << 얘는 좀 중요한게, 각도가 90도일때만 0이 나온다.

만약 결과값이 음수면 관련성 낮음.

 

이렇게 파악할 수 있다.

 

 

그리고 이렇게 '유사성'을 수학적으로, 벡터로 표현할 수 있게 되면서 정말 많은 분야에서 현실에 있는 유사성을 컴퓨터에 집어넣을 때 써먹는 단골 요소로 등장하게 된다...

 

모르면 진도가 안 나가니 대충이라도 알아두도록 하자 ㅠ

 

 

Pseudo Inverse, 의사 역행렬

 

행렬, matrix를 배우다 보면 역행렬이라는 게 등장한다

 

$$ M^{-1} $$

 

이렇게 표시하는 녀석인데, 대충

 

$$ MM^{-1} = I,\ M^{-1}M = I $$

 

를 만족하는 녀석이라고 알고 있으면 된다.

 

근데 여기서 문제가 생긴다.

 

특정 행렬의 역을 취하고 싶은데, 그게 안 되는 행렬들이 존재한다는 것이다.

 

역이 존재하려면 여러가지 조건들이 필요한데, 대표적으로는

  1.  정방, 그러니까 $n\times n$ 행렬일 것.
  2.  특이 행렬 (Singular Matrix) 이 아닐 것.
  3.  행렬식 (Detergent) 가 0 이 아닐 것.

들이 있다. (대충 웬만하면 역행렬이 없다는 거 아닌가? 라고 생각했으면 그게 맞다.)

 

아무튼 행렬의 역이 필요한 상황에서 조건이 맞지 않는다면? 몰?루 해버릴 수는 없으니 만들어진 게 Pseudo Inverse, 즉 의사 역행렬이다.

 

 

특히나 이게 많이 쓰이는 곳이 방정식인데... 

 

$$ M\textbf{x} = b $$

 

에서 $M, b$ 가 주어지고 $\textbf{x}$ 를 찾고 싶다고 하면 이렇게 된다.

 

$$ M\textbf{x} = b $$
$$ M^{-1}M\textbf{x} = M^{-1} b $$
$$ \textbf{x} = M^{-1} b $$

 

역행렬을 찾기만 하면 답이 나오는 느낌이라 보면 된다.

 

 

근데 행렬의 역이 그냥 안 취해진다면?

 

이렇게 하면 된다. ($A$를 역행렬이 존재하지 않는 행렬이라 가정하자)


$$ A\textbf{x} = b $$
$$ A^TA\textbf{x} = A^Tb $$

 

여기서 $A^TA$ 는 $n\times n$ 행렬이 되어 역행렬이 존재한다. 그러므로


$$ (A^TA)\textbf{x} = A^Tb $$
$$ (A^TA)^{-1}(A^TA)\textbf{x} = (A^TA)^{-1} A^Tb $$
$$ \textbf{x} = (A^TA)^{-1} A^Tb $$

 

이렇게 하면 $\textbf{x}$ 를 구할 수 있다.

 

 

 

물론 저게 항상 참이기만 한 건 아니다. 1번 조건을 만족시켰으니 대부분의 경우 (적어도 내가 진도 나간 부분...)까지는 역이 취해지겠지만, 특이 행렬이거나 어쩌거나 한 이유로 역이 안 취해질 수도 있기 때문.

 

이걸 general case로 엮어서 뭐 $A*$를 만들고 어쩌고 하면 된다는데, 아직 필요 없는 부분은 안 배울랜다... 힘들다...

 

 

 

 

 

◀ PREV 1234···6 NEXT ▶