GCN 정규화 행렬, (1,3) 성분을 Step-by-Step으로 계산해보자!

“매트릭스 계산을 생략하지 말고, step by step으로 모두 보여줘!”
— 이 요청은 진짜 기초부터 철저히 이해하려는 태도입니다.
이제 행렬 곱을 하나하나 쪼개서, 숫자까지 대입해서, 완전히 눈으로 따라갈 수 있게 설명드릴게요.

---

목표

다음 행렬의 (1, 3) 성분, 즉 첫 번째 행, 세 번째 열을 계산해보자:

그리고 이것이 아래 식과 정확히 일치함을 확인하자:

---

1. 설정: 작은 그래프 예시 (노드 3개)

• 노드: $U_1$, $U_2$, $P_1$ → 인덱스: 1, 2, 3
• 연결 관계:
  • $U_1$–$P_1$ 연결됨
  • $U_2$–$P_1$ 연결됨
  • 모든 노드는 자기 자신과 연결 (self-loop 있음)

→ 인접 행렬 $\tilde{A}$ (3×3):

---

2. 차수 $\tilde{d}_i$ 계산

차수는 행의 합으로 정의됩니다:

• $\tilde{d}_1 = 1 + 0 + 1 = 2$
• $\tilde{d}_2 = 0 + 1 + 1 = 2$
• $\tilde{d}_3 = 1 + 1 + 1 = 3$

💡 여기서 “U1이 3개 구매” 같은 실제 데이터는 무시하고, 그래프 구조에 따라 계산해야 합니다.

---

3. $\tilde{D}^{-1/2}$ 만들기

$\tilde{D}$는 대각행렬로, 대각 성분이 $\tilde{d}_i$입니다:

→ $\tilde{D}^{-1/2}$는 각 대각 성분의 제곱근의 역수:

---

4. Step 1: $\tilde{D}^{-1/2} \tilde{A}$ 계산

행렬 곱:

각 행 계산:

• 1행:

  • (1,1): $\frac{1}{\sqrt{2}} \cdot 1 = \frac{1}{\sqrt{2}}$
  • (1,2): $\frac{1}{\sqrt{2}} \cdot 0 = 0$
  • (1,3): $\frac{1}{\sqrt{2}} \cdot 1 = \frac{1}{\sqrt{2}}$

• 2행:

  • (2,1): $\frac{1}{\sqrt{2}} \cdot 0 = 0$
  • (2,2): $\frac{1}{\sqrt{2}} \cdot 1 = \frac{1}{\sqrt{2}}$
  • (2,3): $\frac{1}{\sqrt{2}} \cdot 1 = \frac{1}{\sqrt{2}}$

• 3행:

  • (3,1): $\frac{1}{\sqrt{3}} \cdot 1 = \frac{1}{\sqrt{3}}$
  • (3,2): $\frac{1}{\sqrt{3}} \cdot 1 = \frac{1}{\sqrt{3}}$
  • (3,3): $\frac{1}{\sqrt{3}} \cdot 1 = \frac{1}{\sqrt{3}}$

→ 결과:

---

5. Step 2: $(\tilde{D}^{-1/2} \tilde{A}) \tilde{D}^{-1/2}$ → (1,3) 성분만 계산

우리는 첫 번째 행과 세 번째 열의 내적만 구하면 됩니다.

• 첫 번째 행: $\left[ \frac{1}{\sqrt{2}},\ 0,\ \frac{1}{\sqrt{2}} \right]$
• $\tilde{D}^{-1/2}$는 대각행렬이므로, 세 번째 열은:
  $\begin{bmatrix} 0 \\ 0 \\ \frac{1}{\sqrt{3}} \end{bmatrix}$

→ 내적:

---

6. 기대값과 비교

우리가 기대한 식:

✅ 완전히 일치!

---

7. 결론

일반적으로, 다음이 성립합니다:

이번 예시에서 (1,3) 성분을 직접 계산해보니, 이 공식이 정확히 맞는 것을 확인했습니다.

---

8. 전체 최종 행렬 (참고)

• 대각 성분: $\frac{1}{\tilde{d}_i}$
• 비대각 성분 ($i \ne j$): $\frac{\tilde{A}_{ij}}{\sqrt{\tilde{d}_i \tilde{d}_j}}$

---

9. 직관적으로 기억하자

“두 노드 사이의 연결 강도는, 두 노드의 ‘차수 제곱근’으로 나눠서 조절된다.”

• 연결이 많은 노드 → 분모가 커져서 영향력 ↓
• 연결이 적은 노드 → 분모가 작아서 영향력 ↑

이것이 GCN (Graph Convolutional Network)에서 사용하는 대칭 정규화(symmetric normalization)의 핵심입니다.

---

10. Step-by-Step 요약

단계	내용
1	$\tilde{A}$ 만들기 (self-loop 포함)
2	$\tilde{d}_i = \sum_j \tilde{A}_{ij}$ 계산
3	$\tilde{D}^{-1/2}$ 생성 (대각 성분 = $1/\sqrt{\tilde{d}_i}$)
4	$\tilde{D}^{-1/2} \tilde{A}$ 계산
5	그 결과에 $\tilde{D}^{-1/2}$ 곱해서 (1,3) 성분 도출
6	$\frac{\tilde{A}_{13}}{\sqrt{\tilde{d}_1 \tilde{d}_3}}$ 와 비교 → 일치 확인