💻 computer science

Combinatorial and Recurrent Approaches for Efficient Matrix Inversion: Sub-cubic algorithms leveraging Fast Matrix products

यह शोध पत्र एक नवीन, पूर्णतः समानांतर योग्य (fully parallelizable) आव्यूह व्युत्क्रमण एल्गोरिदम प्रस्तुत करता है जो त्रिकोणीय आव्यूहों और पुनरावर्ती संबंधों के लिए स्ट्रैसेन के तीव्र आव्यूह गुणन के साथ एक नए संयोजन संबंधी दृष्टिकोण को जोड़ता है, जो कठोर प्रमाणों और व्यापक संख्यात्मक परीक्षणों के माध्यम से शास्त्रीय विधियों की तुलना में उत्कृष्ट कम्प्यूटेशनल दक्षता प्रदर्शित करता है।

मूल लेखक: Mohamed Kamel Riahi

प्रकाशित 2026-02-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohamed Kamel Riahi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास संख्याओं से बना एक विशाल, जटिल पहेली (एक मैट्रिक्स) है। गणित और इंजीनियरिंग की दुनिया में, इस पहेली को हल करने के लिए अक्सर इसके "इनवर्स" (inverse) को खोजने की आवश्यकता होती है—जो मूल रूप से एक जादुई चाबी की तरह है जो पहेली को वापस एक सरल आइडेंटिटी (identity) में बदल देती है (जैसे कि एक उलझे हुए रूबिक क्यूब को वापस सुलझे हुए रूप में लाना)।

पारंपरिक रूप से, इस चाबी को खोजना एक विशाल गांठ को सुलझाने जैसा है, जिसमें एक समय में एक धागा खींचकर काम किया जाता है। यह एक धीमी, चरण-दर-चरण प्रक्रिया (sequential) है जो जैसे-जैसे पहेली बड़ी होती जाती है, अविश्वसनीय रूप से कठिन होती जाती है।

यह शोध पत्र इन गांठों को सुलझाने का एक नया तरीका पेश करता है जो दो मुख्य विचारों का उपयोग करता है: कॉम्बिनेटरिक्स (पैटर्न गिनना) और रिकर्सन (बड़ी समस्याओं को छोटी, समान समस्याओं में तोड़ना)।

यहाँ सरल उपमाओं का उपयोग करके शोध पत्र के दृष्टिकोण का विवरण दिया गया है:

1. विशेष मामला: "सीढ़ीदार" (Staircase) मैट्रिक्स

लेखक एक विशिष्ट प्रकार के मैट्रिक्स पर ध्यान केंद्रित करते हैं जिसे ट्रायंगुलर मैट्रिक्स (Triangular Matrix) कहा जाता है। इसे एक सीढ़ी की तरह समझें जहाँ सभी सीढ़ियाँ एक तरफ हैं, और दूसरी तरफ खाली (शून्य/zeros) है।

पुराना तरीका: इस सीढ़ी का इनवर्स खोजने के लिए, आपको आमतौर पर नीचे से ऊपर या ऊपर से नीचे की ओर काम करना पड़ता है। आप चरणों को छोड़ नहीं सकते; आपको क्रम में गणना करनी होगी।
नया "कॉम्बिनेटरियल" तरीका: लेखकों ने इंडेक्स (indices) के भीतर एक गुप्त पैटर्न (जिसे "हॉपस्कोट सीक्वेंस" कहा जाता है) की खोज की है।
- उपमा: सीढ़ियों पर एक-एक करके चढ़ने के बजाय, उन्होंने पाया कि सीढ़ी के हर पायदान के लिए एक पहले से लिखा हुआ नुस्खा (recipe) मौजूद है, जो इस बात पर आधारित है कि वहां तक पहुँचने के लिए आपने किन "पायदानों" (संख्याओं) को छोड़ा है।
- लाभ: क्योंकि हर पायदान का नुस्खा केवल नंबरों के पैटर्न पर निर्भर करता है, न कि पिछली गणना पर, आप सभी चरणों की गणना एक ही समय में कर सकते हैं। यह प्रक्रिया "पूरी तरह से पैरेलल करने योग्य" (fully parallelizable) है, जिसका अर्थ है कि आप एक-एक करके काम करने के बजाय हजारों श्रमिकों (या कंप्यूटर कोर) का उपयोग एक साथ समाधान करने के लिए कर सकते हैं।

2. "पैटर्न" विधि के साथ समस्या

हालाँकि "हॉपस्कोट" पैटर्न समानांतर प्रसंस्करण (parallel processing) के लिए शानदार है, लेकिन लेखक स्वीकार करते हैं कि बहुत बड़े मैट्रिक्स के लिए, जांचे जाने वाले पैटर्न की संख्या तेजी से बढ़ती है (जैसे कि एक बर्फ का गोला पहाड़ से लुढ़कते हुए बड़ा होता जाता है)। एक एकल कंप्यूटर के लिए हर एक पैटर्न की जांच करना बहुत अधिक काम है।

3. समाधान: "रशियन डॉल" रणनीति (Recursion)

इस "बहुत अधिक काम" वाली समस्या को ठीक करने के लिए, उन्होंने स्ट्रैसन की विधि (Strassen's Method - जो मैट्रिक्स को तेजी से गुणा करने का एक प्रसिद्ध तरीका है) का उपयोग करके "विभाजित करो और जीतो" (divide and conquer) की रणनीति के साथ पैटर्न विधि को मिला दिया।

उपमा: कल्पना कीजिए कि आपके पास एक विशाल रशियन नेस्टिंग डॉल (रूसी गुड़िया) है। पूरी डॉल को एक साथ खोलने के बजाय, आप इसे छोटी डॉल्स में तोड़ देते हैं।
COMBRIT एल्गोरिदम: यह उनका नया टूल है। यह एक बड़े ट्रायंगुलर मैट्रिक्स को लेता है, उसे छोटे ब्लॉक्स में काटता है, छोटे ब्लॉक्स को "हॉपस्कोट" पैटर्न का उपयोग करके हल करता है, और फिर उन्हें वापस जोड़ देता है।
परिणाम: समस्या को तोड़कर, वे घातांकीय विस्फोट (exponential explosion) से बच जाते हैं। उन्होंने पाया कि सही आकार के "ब्लॉक्स" (विशेष रूप से, मैट्रिक्स को 2 या 4 टुकड़ों में विभाजित करना) चुनकर, वे पारंपरिक तरीकों की तुलना में इस इनवर्स को बहुत तेज़ी से हल कर सकते हैं, खासकर बड़े मैट्रिक्स के लिए।

4. सामान्य मैट्रिक्स पर जादू का अनुप्रयोग

अधिकांश वास्तविक दुनिया के मैट्रिक्स आदर्श सीढ़ियाँ नहीं होते; वे बिखरे हुए वर्गाकार (squares) होते हैं। शोध पत्र इन बिखरे हुए वर्गों को सीढ़ियों में बदलने के दो तरीके प्रस्तावित करता है ताकि नए तरीके का उपयोग किया जा सके:

"ऑगमेंटेड" दृष्टिकोण (SQR और SKUL):
- उपमा: कल्पना कीजिए कि आप एक घर बना रहे हैं (मैट्रिक्स का अपघटन/decomposition)। आमतौर पर, आप पहले ढांचा बनाते हैं, फिर बाद में खिड़कियां लगाने के लिए वापस आते हैं (इनवर्स ढूंढते हैं)।
- नवाचार: ये नए एल्गोरिदम (QR गुणनखंडन के लिए SQR, LU गुणनखंडन के लिए SKUL) ढांचा बनाने के दौरान ही खिड़कियां लगा देते हैं। आपको अंत तक प्रतीक्षा करने के बजाय, प्रक्रिया के दौरान ही अंतिम परिणाम (इनवर्स) तुरंत मिल जाता है। यह तब उपयोगी है जब आपको "प्रीकंडीशनिंग" (अन्य गणनाओं को तेज करने) के लिए तुरंत इनवर्स की आवश्यकता हो।
"रिकर्सिव स्प्लिट" दृष्टिकोण (BRSI):
- उपमा: कल्पना कीजिए कि आपके पास एक विशाल, बिखरा हुआ वर्गाकार केक है। आप उसे छोटे त्रिकोणीय टुकड़ों में काटना चाहते हैं।
- नवाचार: BRSI एल्गोरिदम केक को छोटे-छोटे त्रिकोणीय टुकड़ों में काटता है, उन टुकड़ों को तेज़ "हॉपस्कोट" विधि का उपयोग करके इनवर्ट करता है, और उन्हें फिर से जोड़ता है। यह इसे रिकर्सिव रूप से (छोटे टुकड़ों पर प्रक्रिया को दोहराते हुए) करता है।
- परिणाम: 1024x1024 जैसे बहुत बड़े मैट्रिक्स के लिए, यह विधि आज के मानक "गॉस-जॉर्डन" (Gauss-Jordan) तरीके की तुलना में काफी तेज़ पाई गई।

परिणामों का सारांश
लेखकों ने एक मानक कंप्यूटर पर इन विधियों का परीक्षण किया:

SQR और SKUL: इन्हें मानक तरीकों की तुलना में चलने में लगभग दोगुना समय लगा, लेकिन इन्होंने आपको मूल संरचना और इनवर्स दोनों एक साथ दिए। लेखक तर्क देते हैं कि यह एक उचित समझौता है क्योंकि यदि आपको तुरंत इनवर्स की आवश्यकता है तो यह बाद में लगने वाले समय को बचाता है।
BRSI (सबसे बड़ा विजेता): बड़े मैट्रिक्स के लिए, यह विधि मानक "गॉस-जॉर्डन" विधि की तुलना में बहुत अधिक तेज़ थी। इसने साबित कर दिया कि "पैटर्न" (कॉम्बिनेटरियल) दृष्टिकोण को "विभाजित करो और जीतो" (रिकर्सन) के साथ जोड़कर, आप पारंपरिक गणित की गति सीमाओं को हरा सकते हैं।

संक्षेप में: शोध पत्र कहता है, "हमने एक गुप्त पैटर्न खोजा है जो हमें एक साथ सभी मैट्रिक्स इनवर्स की गणना करने की अनुमति देता है। इसे बड़े कार्यों के लिए पर्याप्त तेज़ बनाने के लिए, हमने समस्याओं को छोटे हिस्सों में तोड़ दिया। यह नया तरीका बड़े पहेलियों के लिए पुराने तरीकों से कहीं अधिक तेज़ है, और यह कंप्यूटरों के लिए इन गणितीय समस्याओं को अधिक कुशलता से हल करने के द्वार खोलता है।"

तकनीकी सारांश: कुशल मैट्रिक्स व्युत्क्रम (Matrix Inversion) के लिए कॉम्बिनेटोरियल और रिकरेंट दृष्टिकोण

समस्या विवरण

मैट्रिक्स व्युत्क्रम (Matrix inversion) रैखिक बीजगणित (linear algebra) में एक मौलिक ऑपरेशन है, जो रैखिक समीकरणों के समाधान, डिटर्मिनेंट्स की गणना, और आइजन समस्याओं (eigenvalue problems) के लिए महत्वपूर्ण है। हालांकि, बड़े पैमाने के मैट्रिसेस को व्युत्क्रम करने के पारंपरिक तरीके अक्सर कम्प्यूटेशनल रूप से महंगे होते हैं, जो आमतौर पर $O(n^3)$ जटिलता प्रदर्शित करते हैं। जबकि फास्ट मैट्रिक्स मल्टीप्लिकेशन एल्गोरिदम (जैसे स्ट्रैसन की विधि) ने सैद्धांतिक एक्सपोनेंट को कम किया है, इन दक्षताओं को मैट्रिक्स व्युत्क्रम पर लागू करना चुनौतीपूर्ण बना हुआ है। इसके अलावा, मौजूदा पुनरावृत्ति (iterative) विधियाँ या मानक प्रत्यक्ष विधियाँ (जैसे गॉस-जॉर्डन) अक्सर पूर्ण समानांतर क्षमता (parallelizability) की कमी रखती हैं या उनके लिए अनुक्रमिक फॉरवर्ड/बैकवर्ड प्रतिस्थापन (sequential forward/backward substitutions) की आवश्यकता होती है, जो कुशल कार्यान्वयन में बाधा डालता है। यह शोध पत्र गैर-सिंगुलर मैट्रिसेस के व्युत्क्रमण को त्वरित करने के लिए त्रिकोणीय अपघटन (triangular decompositions) और कॉम्बिनेटोरियल तकनीकों का लाभ उठाने वाले सब-क्यूबिक (sub-cubic), समानांतर योग्य एल्गोरिदम की आवश्यकता को संबोधित करता है।

कार्यप्रणाली (Methodology)

यह शोध पत्र दो मुख्य स्तंभों पर केंद्रित एल्गोरिदम का एक समूह प्रस्तावित करता है: त्रिकोणीय मैट्रिसेस को व्युत्क्रम करने के लिए एक नवीन कॉम्बिनेटोरियल दृष्टिकोण और सामान्य गैर-सिंगुलर मैट्रिसेस के लिए एक रिकर्सिव स्प्लिटिंग रणनीति।

1. त्रिकोणीय मैट्रिसेस का कॉम्बिनेटोरियल व्युत्क्रमण

लेखक "हॉपस्कॉट-सीरीज" (Hopscotch-series) पर आधारित यूनिटरी अपर ट्राइएंगुलर मैट्रिसेस को व्युत्क्रम करने के लिए एक प्रत्यक्ष, गैर-पुनरावृत्ति विधि पेश करते हैं।

हॉपस्कॉट-सीरीज: इन्हें निश्चित एंडपॉइंट्स के बीच पूर्णांकों के नॉन-साइक्लिक अनुक्रमों के रूप में परिभाषित किया गया है, ये सीरीज मैट्रिक्स प्रविष्टियों के उन इंडेक्स को मैप करती हैं जो विशिष्ट तत्वों की गणना के लिए आवश्यक होते हैं।
थ्योरम 3.3: व्युत्क्रम तत्व $S_{i,j}$ को हॉपस्कॉट अनुक्रमों पर एक योग के रूप में व्यक्त किया जाता है, जिसमें मूल मैट्रिक्स प्रविष्टियों $T_{\alpha, \beta}$ के उत्पादों और वैकल्पिक चिह्नों (alternating signs) का उपयोग होता है। यह फॉर्मूला व्युत्क्रम मैट्रिक्स के किसी भी तत्व को दूसरों से स्वतंत्र रूप से कंप्यूट करने की अनुमति देता है, जो सैद्धांतिक रूप से पूर्ण समानांतरकरण (full parallelization) को सक्षम बनाता है।
जटिलता न्यूनीकरण (Complexity Mitigation): जबकि कच्चा कॉम्बिनेटोरियल फॉर्मूला $O(2^n)$ की घातांकीय समय जटिलता रखता है, लेखक देखते हैं कि पैटर्न एक ब्लॉक-रिकर्सिव दृष्टिकोण की अनुमति देते हैं। एक आधार आकार $\beta$ के लिए "कॉम्बिनेटोरियल कार्ड्स" (इंडेक्स पैटर्न) को प्री-कंप्यूट करके, एल्गोरिदम इन ब्लॉक्स को संयोजित करके बड़े मैट्रिसेस को रिकर्सिव रूप से व्युत्क्रम कर सकता है।

2. रिकर्सिव और ब्लॉक एल्गोरिदम

जटिलता को प्रबंधित करने और फास्ट मैट्रिक्स मल्टीप्लिकेशन का लाभ उठाने के लिए, शोध पत्र कई विशिष्ट एल्गोरिदम विकसित करता है:

COMBRIT (कॉम्बिनेटोरियल ब्लॉक-रिकर्सिव इनवर्जन): एक ब्लॉक-रिकर्सिव एल्गोरिदम जो त्रिकोणीय मैट्रिसेस को व्युत्क्रम करने के लिए प्री-कंप्यूटेड कॉम्बिनेटोरियल कार्ड्स का उपयोग करता है। यह मैट्रिक्स को $m \times m$ के सब-ब्लॉक्स में तब तक रिकर्सिव रूप से विभाजित करता है जब तक कि बेस केस नहीं आ जाता, जिसमें बेस ब्लॉक्स के लिए कॉम्बिनेटोरियल फॉर्मूला और बड़े स्ट्रक्चर के लिए मानक ब्लॉक ऑपरेशन्स का उपयोग किया जाता है।
CRIT (कॉलम-रिकर्सिव इनवर्जन ट्राइएंगुलर): एक संदर्भ एल्गोरिदम जो क्लासिकल लीनियर अलजेब्रा सिद्धांतों (ब्लॉक-वाइज फॉरवर्ड सब्स्टीट्यूशन) पर आधारित है जिसका उपयोग तुलना के लिए किया जाता है। यह $O(n^3)$ समय में कार्य करता है।
ऑगमेंटेड फैक्टराइजेशन (SQR और SKUL): लेखक क्लासिक QR और LU (क्रौट) अपघटन एल्गोरिदम को संशोधित करते हैं ताकि फॉरवर्ड अपघटन के साथ ही व्युत्क्रम कारकों ( $S = R^{-1}$ और $K = L^{-1}$ ) की गणना की जा सके। यह अपघटन के बाद एक अलग व्युत्क्रमण चरण की आवश्यकता को समाप्त करता है।
BRSI (ब्लॉक-वाइज रिकर्सिव स्प्लिट एंड इनवर्स): सामान्य गैर-सिंगुलर मैट्रिसेस के लिए एक विधि जो मैट्रिक्स $A$ को त्रिकोणीय मैट्रिसेस के योग ( $A = M + N$ ) में विभाजित करती है। रिकर्सिव स्प्लिटिंग और वुडबरी आइडेंटिटी (या शूर कॉम्प्लीमेंट लॉजिक) के उपयोग के माध्यम से, यह COMBRIT या CRIT का उपयोग करके त्रिकोणीय सब-ब्लॉक्स को व्युत्क्रम करके व्युत्क्रम का निर्माण करता है। यह दृष्टिकोण स्ट्रैसन के फास्ट मैट्रिक्स मल्टीप्लिकेशन का लाभ उठाकर सब-क्यूबिक जटिलता प्राप्त करता है।

मुख्य योगदान

नवीन कॉम्बिनेटोरियल फॉर्मूला: थ्योरम 3.3 का व्युत्पत्ति, जो इंडेक्स कॉम्बिनेटोरिक्स के आधार पर एक त्रिकोणीय मैट्रिक्स के व्युत्क्रम के लिए एक प्रत्यक्ष, गैर-पुनरावृत्ति फॉर्मूला प्रदान करता है।
COMBRIT एल्गोरिदम: एक ब्लॉक-रिकर्सिव इनवर्जन एल्गोरिदम जो त्रिकोणीय व्युत्क्रमण के कम्प्यूटेशनल बोझ को कम करने के लिए प्री-कंप्यूटेड कॉम्बिनेटोरियल पैटर्न का उपयोग करता है, जो समानांतरकरण के लिए एक मार्ग प्रदान करता है।
एकीकृत व्युत्क्रम गुणनखंड (Integrated Inverse Factorization): SQR और SKUL एल्गोरिदम का विकास जो फॉरवर्ड QR और LU अपघटन के दौरान ही व्युत्क्रम कारकों (जैसे $R^{-1}$ और $L^{-1}$ ) को उत्पन्न करते हैं, जिससे प्रीकंडिशनर्स तक तत्काल पहुंच मिलती है।
BRSI एल्गोरिदम: स्ट्रैसन के फास्ट मैट्रिक्स मल्टीप्लिकेशन के साथ कॉम्बिनेटोरियल त्रिकोणीय व्युत्क्रमण को संयोजित करने पर आधारित एक सामान्य मैट्रिक्स व्युत्क्रमण तकनीक, जो सब-क्यूबिक समय जटिलता प्राप्त करती है।
सैद्धांतिक और अनुभवजन्य विश्लेषण: प्रस्तावित विधियों की तुलना शास्त्रीय दृष्टिकोणों (गॉस-जॉर्डन, मानक LU/QR) के विरुद्ध करने के लिए कठोर प्रमाण और व्यापक संख्यात्मक परीक्षण।

परिणाम

शोध पत्र में MATLAB का उपयोग करके इंटेल i7 मशीन पर किए गए संख्यात्मक परीक्षण प्रस्तुत किए गए हैं, जिसमें प्रस्तावित एल्गोरिदम (COMBRIT, CRIT, SQR, SKUL, BRSI) की तुलना शास्त्रीय विधियों (गॉस-जॉर्डन, मानक LU/QR) से की गई है।

त्रिकोणीय व्युत्क्रमण (Triangular Inversion): COMBRIT एल्गोरिदम बड़े मैट्रिक्स आकार के लिए, विशेष रूप से जब ब्लॉक पैरामीटर $\beta$ को छोटे मानों (जैसे $\beta=2$ ) पर सेट किया जाता है, तो CRIT एल्गोरिदम की तुलना में लगातार बेहतर प्रदर्शन करता है। हालांकि बहुत छोटे मैट्रिसेस के लिए COMBRIT में कॉम्बिनेटोरियल सेटअप लागत के कारण उच्च ओवरहेड होता है, लेकिन जैसे-जैसे मैट्रिक्स का आकार बढ़ता है, यह बेहतर दक्षता प्रदर्शित करता है।
ऑगमेंटेड फैक्टराइजेशन: SQR और SKUL एल्गोरिदम अपने मानक समकक्षों (QR और LU) की तुलना में लगभग 1.5 से 2.8 गुना ओवरहेड रखते हैं। हालांकि, लेखक नोट करते हैं कि यह लागत उचित है क्योंकि यह सीधे व्युत्क्रम कारकों को प्रदान करता है, जिसके लिए अन्यथा एक अलग, संभावित रूप से अधिक महंगे व्युत्क्रमण चरण की आवश्यकता होती।
सामान्य मैट्रिक्स व्युत्क्रमण (BRSI): BRSI विधि बड़े मैट्रिसेस (जैसे $1024 \times 1024$ ) के लिए RSI (एलिमेंट-वाइज रिकर्सिव) विधि और मानक गॉस-जॉर्डन व्युत्क्रमण की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करती है। ब्लॉक-वाइज दृष्टिकोण प्रभावी रूप से कम्प्यूटेशनल जटिलता को कम करता है, और सबसे अच्छा प्रदर्शन तब देखा गया जब 2-ब्लॉक स्प्लिट ( $\gamma=2$ ) का उपयोग किया गया।
जटिलता: सैद्धांतिक विश्लेषण बताता है कि BRSI विधि, स्ट्रैसन के मल्टीप्लिकेशन के साथ मिलकर, लगभग $O(n^{\log_2 7})$ की जटिलता प्राप्त करती है, जिसमें अन्य स्ट्रैसन-आधारित व्युत्क्रमण तकनीकों की तुलना में कम गुणांक (coefficient) होता है।

महत्व और दावे

शोध पत्र का दावा है कि प्रस्तावित विधियां मैट्रिक्स व्युत्क्रमण के लिए "दक्षता और सटीकता के बीच एक प्रतिस्पर्धी संतुलन" प्रदान करती हैं। प्राथमिक महत्व निम्नलिखित में निहित है:

समानांतरकरण (Parallelizability): त्रिकोणीय व्युत्क्रमण की कॉम्बिनेटोरियल प्रकृति मैट्रिक्स तत्वों के स्वतंत्र कंप्यूटेशन की अनुमति देती है, जो इस दृष्टिकोण को समानांतर कंप्यूटिंग आर्किटेक्चर के लिए अत्यधिक उपयुक्त बनाती है, जो कि अनुक्रमिक प्रतिस्थापन विधियों में अक्सर कमी देखी जाती है।
प्रत्यक्ष व्युत्क्रम गुणनखंड: SQR और SKUL एल्गोरिदम अपघटन प्रक्रिया के दौरान ही प्रीकंडिशनर्स (व्युत्क्रम कारक) प्राप्त करने का एक तंत्र प्रदान करते हैं, जो बड़े पैमाने की रैखिक प्रणालियों के लिए क्राइलोव सबस्पेस (Krylov subspace) पुनरावृत्ति विधियों को त्वरित करने के लिए मूल्यवान है।
सब-क्यूबिक प्रदर्शन: कॉम्बिनेटोरियल तकनीकों को स्ट्रैसन के फास्ट मैट्रिक्स मल्टीप्लिकेशन के साथ एकीकृत करके, BRSI एल्गोरिदम सब-क्यूबिक समय जटिलता प्राप्त करता है, जो बड़े पैमाने की समस्याओं के लिए शास्त्रीय $O(n^3)$ व्युत्क्रमण विधियों की तुलना में एक संभावित सुधार प्रदान करता है।

लेखक निष्कर्ष निकालते हैं कि ये अभिनव दृष्टिकोण मैट्रिक्स व्युत्क्रमण की उन्नत तकनीकों और प्रभावी प्रीकंडिशनर्स के विकास के लिए नए मार्ग खोलते हैं, हालांकि वे स्वीकार करते हैं कि प्रस्तुत अनुक्रमिक कार्यान्वयन में COMBRIT की समानांतर प्रकृति की पूर्ण क्षमता का पूरी तरह से दोहन नहीं किया गया था।