🔢 mathematics

Fractal Sumudu Transform and Economic Models

यह शोधपत्र एक गैर-एकल (nonsingular) कर्नेल वाले एक नए फ्रैक्टल अवकलज (fractal derivative) को प्रस्तुत करता है, इसके मूलभूत गुणों का विश्लेषण करता है, और आर्थिक मॉडलों के अध्ययन के लिए कैपूटो फ्रैक्टल अवकलज के साथ इसे लागू करके इसकी प्रभावशीलता को प्रदर्शित करता है।

मूल लेखक: Krishna Mani Nath, Bipan Hazarika, Hemanta Kalita

प्रकाशित 2026-02-23

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Krishna Mani Nath, Bipan Hazarika, Hemanta Kalita

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

मुख्य विचार: "खुरदरी" गणित क्यों महत्वपूर्ण है

कल्पना कीजिए कि आप मानचित्र पर एक तटरेखा (coastline) को देख रहे हैं। यदि आप ज़ूम इन करते हैं, तो आपको एक चिकनी रेखा नहीं दिखेगी; बल्कि आपको खाड़ियाँ, चट्टानें और छोटे कंकड़ दिखाई देंगे। आप जितना अधिक ज़ूम करेंगे, यह उतनी ही अधिक टेढ़ी-मेढ़ी होती जाएगी। इसे फ्रैक्टल (fractal) कहते हैं।

लंबे समय तक, गणितज्ञों और अर्थशास्त्रियों को केवल "चिकनी" चीजें पसंद थीं (जैसे पूर्ण वृत्त या सीधी रेखाएं) क्योंकि उनकी गणना करना आसान था। उन्होंने "खुरदरी" चीजों को अनदेखा कर दिया। लेकिन वास्तविक दुनिया—प्रकृति, शेयर बाजार और मानवीय व्यवहार—शायद ही कभी चिकनी होती है। यह टेढ़ी-मेढ़ी, अप्रत्याशित और सूक्ष्म विवरणों से भरी होती है।

यह शोध पत्र तर्क देता है कि अर्थव्यवस्था को बेहतर ढंग से समझने के लिए, हमें ऐसी गणित की आवश्यकता है जो इन "खुरदरे" किनारों को संभाल सके। लेखक इसे करने के लिए एक नया गणितीय उपकरण पेश करते हैं।

नया उपकरण: "स्मृति" कैलकुलेटर

इस शोध पत्र का मूल एक नए प्रकार का गणित है जिसे फ्रैक्टल डेरिवेटिव (Fractal Derivative) कहा जाता है।

उपमा: भूलने वाला बनाम याद रखने वाला ड्राइवर

पुरानी गणित (शास्त्रीय कलन/Classical Calculus): एक ऐसे ड्राइवर की कल्पना करें जो केवल अपने बंपर के ठीक सामने की सड़क को देखता है। यदि अभी कोई झटका लगता है, तो वह प्रतिक्रिया देता है। उसे इस बात की कोई स्मृति नहीं है कि पाँच मिनट पहले उसने कहाँ गड्ढे झेले थे। पारंपरिक अर्थशास्त्र अक्सर इसी तरह काम करता है: यह मानता है कि बाजार केवल वर्तमान कीमत पर प्रतिक्रिया करता है।
नई गणित (फ्रैक्टल डेरिवेटिव): अब, एक ऐसे ड्राइवर की कल्पना करें जिसे पिछले एक घंटे में मिले हर झटके, हर मोड़ और हर स्पीड ब्रेकर की याद है। वर्तमान झटके के प्रति उसकी प्रतिक्रिया पिछले झटकों की स्मृति से प्रभावित होती है।

लेखक एक नया "स्मृति" कैलकुलेटर प्रस्तावित करते हैं (विशेष रूप से, एक नॉनसिंगुलर कर्नेल (nonsingular kernel) के साथ, जो केवल एक फैंसी तरीका है यह कहने का कि स्मृति अनंत में विस्फोट करने के बजाय धीरे-धीरे कम होती जाती है)। वे इस नए उपकरण को wsk-फ्रैक्टल डेरिवेटिव कहते हैं।

वे एक विशिष्ट गणितीय तकनीक का भी उपयोग करते हैं जिसे सुमडू ट्रांसफॉर्म (Sumudu Transform) कहा जाता है। इसे एक "जादुई अनुवादक" के रूप में समझें। यह एक जटिल, अव्यवस्थित समीकरण (जैसे एक अराजक बाजार) को एक सरल भाषा में अनुवादित करता है जहाँ उत्तर खोजना आसान होता है। एक बार उत्तर मिल जाने के बाद, यह उसे वापस वास्तविक दुनिया में अनुवादित कर देता है।

वास्तविक दुनिया का परीक्षण: सेब की कीमत

अपने नए गणित को सिद्ध करने के लिए, लेखकों ने इसे एक क्लासिक आर्थिक समस्या पर लागू किया: मूल्य समायोजन (Price Adjustment)।

परिदृश्य:
सेब के बाजार की कल्पना करें।

मांग (Demand): यदि सेब सस्ते हैं, तो लोग अधिक खरीदते हैं।
आपूर्ति (Supply): यदि सेब महंगे हैं, तो किसान अधिक उगाते हैं।
संतुलन (Equilibrium): "परफेक्ट प्राइस" वह है जहाँ लोग जो खरीदना चाहते हैं और किसान जो बेचना चाहते हैं, दोनों बराबर हो जाते हैं।

आमतौर पर, कीमतें इस आदर्श मूल्य तक तुरंत नहीं पहुँचतीं। वे समय के साथ डगमगाती हैं और समायोजित होती हैं।

प्रयोग:
लेखकों ने अपने नए गणित का उपयोग करके दो सिमुलेशन चलाए:

"बिना-अपेक्षा" वाला मॉडल (No-Expectation Model): लोग बस अभी की कीमत पर प्रतिक्रिया देते हैं।
"अपेक्षा-सहित" वाला मॉडल (With-Expectation Model): लोग अतीत को देखते हैं और अनुमान लगाते हैं कि कल कीमत क्या होगी। वे अपनी "स्मृति" के आधार पर खरीदारी को समायोजित करते हैं।

परिणाम:

पुरानी गणित (Caputo fractal derivative) का उपयोग करते हुए, उन्हें एक समाधान मिला जो एक जटिल, लहरदार वक्र (जिसमें मि tanggal-लेफ़र फंक्शन जैसी चीज़ शामिल है) जैसा दिखता था। इसने दिखाया कि कीमत धीरे-धीरे स्थिर हो रही है, लेकिन इसमें एक "फ्रैक्टल" बनावट थी—यानी, रास्ता एक चिकनी ढलान नहीं था; बल्कि एक टेढ़ा-मेढ़ा, वास्तविक चलना था।
उनकी नई गणित (wsk-fractal derivative) का उपयोग करते हुए, उन्हें एक समाधान मिला जो एक चिकने घातांकीय वक्र (exponential curve) जैसा दिखता है (जैसे ठंडी होती कॉफी का मानक वक्र)।

यह क्यों मायने रखता है?
यह शोध पत्र सुझाव देता है कि इन नए "फ्रैक्टल" उपकरणों का उपयोग करके, अर्थशास्त्री बाजार के व्यवहार का अधिक सटीक वर्णन कर सकते हैं।

यदि बाजार टेढ़ा-मेढ़ा और अप्रत्याशित है (जैसे एक तूफानी समुद्र), तो फ्रैक्टल मॉडल उस अराजकता को बेहतर ढंग से पकड़ता है।
यदि बाजार चिकना और अनुमानित है (जैसे एक शांत झील), तो नया मॉडल इसे स्पष्ट रूप से दिखाने के लिए गणित को सरल बनाता है।

निष्कर्ष (Takeaway)

यह शोध पत्र अर्थशास्त्रियों को एक नया चश्मा देने जैसा है।

पुराना चश्मा: अर्थव्यवस्था को एक चिकनी, सीधी रेखा के रूप रूप में दिखाता था। सरल समस्याओं के लिए अच्छा है, लेकिन वास्तविक जीवन के लिए धुंधला है।
नया चश्मा (फ्रैक्टल सुमडू): अर्थव्यवस्था को वास्तव में वैसा ही दिखाता है जैसा वह है—खुरदरी, विस्तृत और इतिहास से भरी हुई।

लेखक निष्कर्ष निकालते हैं कि इन नए "स्मृति-जागरूक" गणितीय उपकरणों का उपयोग करके, हम बेहतर ढंग से समझ सकते हैं कि कीमतें अपना संतुलन कैसे बनाती हैं, लोग अपेक्षाएँ कैसे बनाते हैं, और बाजार की गिरावट या उछाल की भविष्यवाणी अधिक सटीकता से कैसे की जा सकती है। यह गणितीय सिद्धांतों को मानव व्यवहार की अव्यवस्थित, सुंदर वास्तविकता के करीब लाने की दिशा में एक कदम है।

यहाँ कृष्णा मणि नाथ, बिपन हजारिका और हेमंत कलिता के शोध पत्र "फ्रैक्टल सुमुदु ट्रांसफॉर्म और इकोनॉमिक मॉडल्स" (Fractal Sumudu Transform and Economic Models) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र दो प्राथमिक चुनौतियों को संबोधित करता है:

अनियमित प्रणालियों का गणितीय मॉडलिंग: शास्त्रीय कलन (Classical calculus) अक्सर उन प्राकृतिक घटनाओं और आर्थिक प्रणालियों का सटीक वर्णन करने में विफल रहता है जो अनियमित, गैर-चिकनी (non-smooth), या फ्रैक्टल संरचनाओं को प्रदर्शित करती हैं। जबकि फ्रैक्टल ज्यामिति इन आकृतियों के लिए एक ढांचा प्रदान करती है, इन फ्रैक्टल संरचनाओं के भीतर गतिशील प्रक्रियाओं को मॉडल करने के लिए मजबूत फ्रैक्शनल कैलकुलस ऑपरेटरों (विशेष रूप से गैर-एकल (non-singular) कर्नेल वाले) की आवश्यकता है।
आर्थिक मूल्य समायोजन गतिशीलता (Economic Price Adjustment Dynamics): पारंपरिक आर्थिक मॉडल अक्सर चिकने, निरंतर मूल्य समायोजन की धारणा रखते हैं। हालाँकि, वास्तविक दुनिया के बाजारों में जटिल, स्मृति-निर्भर (memory-dependent) व्यवहार और एजेंटों की अपेक्षाएं शामिल होती हैं। लेखक उन्नत फ्रैक्टल कैलकुलस उपकरणों का उपयोग करके प्रतिस्पर्धी बाजारों में मूल्य समायोजन समीकरणों को हल करने का लक्ष्य रखते हैं, ताकि बाजार संतुलन की गतिशीलता को बेहतर ढंग से कैप्चर किया जा सके, विशेष रूप से एजेंटों की अपेक्षाओं वाले और बिना अपेक्षाओं वाले मॉडलों की तुलना करते हुए।

2. कार्यप्रणाली (Methodology)

लेखक फ्रैक्टल कैलकुलस, इंटीग्रल ट्रांसफॉर्म और आर्थिक मॉडलिंग को संयोजित करते हुए एक बहु-चरणीय गणितीय दृष्टिकोण अपनाते हैं:

फ्रैक्टल कैलकुलस फ्रेमवर्क: अध्ययन में एक विशिष्ट क्रम $\alpha$ के साथ फ्रैक्टल सेट $F$ पर परिभाषित फ्रैक्टल कैलकुलस ढांचे का उपयोग किया गया है। मुख्य अवधारणाएं शामिल हैं:
- मास फंक्शन ( $\gamma_\alpha$ ): एक फ्रैक्टल पर सेट के "द्रव्यमान" को मापने के लिए।
- इंटीग्रल स्टेयरकेस फंक्शन ( $S^\alpha_F$ ): एक फलन जो फ्रैक्टल सेट को एक निरंतर डोमेन में मैप करता है, जो एकीकरण और अवकलन के लिए चर के रूप में कार्य करता है।
- फ्रैक्टल डेरिवेटिव्स: शोध पत्र रीमैन-लिउविल (Riemann-Liouville) और कैपुटो (Caputo) फ्रैक्टल डेरिवेटिव्स की समीक्षा करता है।
फ्रैक्टल सुमुदु ट्रांसफॉर्म: लेखक फ्रैक्टल सुमुदु ट्रांसफॉर्म ( $S^\alpha_F$ ) का उपयोग करते हैं, जो फ्रैक्टल सपोर्ट पर परिभाषित फलनों के लिए अनुकूलित एक इंटीग्रल ट्रांसफॉर्म है। इस ट्रांसफॉर्म को चरों की इकाइयों को बदले बिना डिफरेंशियल समीकरणों को संभालने की इसकी क्षमता के कारण चुना गया है, जो इसे भौतिक और आर्थिक मॉडलिंग के लिए उपयुक्त बनाता है। शोध पत्र फ्रैक्टल सुमुदु ट्रांसफॉर्म और फ्रैक्टल लाप्लास ट्रांसफॉर्म के बीच संबंधों को स्थापित करता है।
एक नए ऑपरेटर का परिचय: मुख्य गणितीय नवाचार एक नए फ्रैक्टल डेरिवेटिव के साथ गैर-एकल कर्नेल (non-singular kernel) का परिचय है, जिसे wsk-फ्रैक्टल टाइम डेरिवेटिव ( $wskD^\gamma_F$ ) कहा जाता है।
- कैपुटो डेरिवेटिव के विपरीत, जो पावर-लॉ कर्नेल (जो मूल बिंदु पर सिंगुलर होता है) का उपयोग करता है, wsk डेरिवेटिव एक एक्सपोनेंशियल कर्नेल का उपयोग करता है: $e^{-\frac{\gamma}{1-\gamma}(S^\alpha_F(t) - S^\alpha_F(\tau))}$ ।
- यह ऑपरेटर गैर-स्थानीय स्मृति प्रभावों (non-local memory effects) वाले सिस्टम को मॉडल करने के लिए डिज़ाइन किया गया है, लेकिन बिना उन सिंगुलैरिटी समस्याओं के जो अक्सर फ्रैक्शनल डेरिवेटिव्स में पाई जाती हैं।
आर्थिक मॉडलिंग: लेखक प्रतिस्पर्धी बाजारों के लिए मूल्य समायोजन समीकरणों को तैयार करते हैं। वे मूल्य $p(t)$ और स्थिरांकों ( $d_0, d_1, s_0, s_1$ ) के आधार पर मांग ( $q_d$ ) और आपूर्ति ( $q_s$ ) फलनों को परिभाषित करते हैं। वे दो परिदृश्यों के तहत इन डिफरेंशियल समीकरणों को हल करते हैं:
1. बिना अपेक्षाओं के (Without Expectations): एजेंट केवल वर्तमान मूल्य विचलन पर प्रतिक्रिया करते हैं।
2. अपेक्षाओं के साथ (With Expectations): एजेंट भविष्य के अनुमानित मूल्य परिवर्तनों पर प्रतिक्रिया करते हैं (जिससे दूसरा डेरिवेटिव टर्म या संशोधित गुणांक पेश होता है)।

3. प्रमुख योगदान (Key Contributions)

wsk-फ्रैक्टल डेरिवेटिव की परिभाषा: शोध पत्र एक नवीन फ्रैक्टल डेरिवेटिव ऑपरेटर ( $wskD^\gamma_F$ ) पेश करता है जिसमें एक गैर-एकल एक्सपोनेंशियल कर्नेल है। यह साहित्य में मौजूद उस कमी को भरता है जहाँ गैर-स्थानीय ऑपरेटरों की आवश्यकता थी जो सिंगुलैरिटी से बचते हुए भी मेमोरी गुणों को बनाए रखते हैं।
ट्रांसफॉर्म गुणों का व्युत्पन्न: लेखक नए wsk डेरिवेटिव के लिए फ्रैक्टल सुमुदु ट्रांसफॉर्म (थ्योरम 3.6) को कठोरता से व्युत्पन्न करते हैं, जो ट्रांसफॉर्म डोमेन में एक क्लोज्ड-फॉर्म अभिव्यक्ति प्रदान करता है। यह इस नए ऑपरेटर वाले डिफरेंशियल समीकरणों के विश्लेषणात्मक समाधान को सक्षम बनाता है।
आर्थिक मॉडलों के विश्लेषणात्मक समाधान: शोध पत्र फ्रैक्टल डेरिवेटिव्स का उपयोग करके मूल्य समायोजन समीकरणों के सटीक विश्लेषणात्मक समाधान प्रदान करता है:
- कैपुटो फ्रैक्टल डेरिवेटिव (Caputo fractal derivative): जो फ्रैक्टल मिर्टल-लेफ्ट फंक्शन (Fractal Mittag-Leffler function) से जुड़े समाधान देता है।
- wsk-फ्रैक्टल डेरिवेटिव (wsk-fractal derivative): जो फ्रैक्टल एक्सपोनेंशियल फंक्शन (Fractal Exponential functions) से जुड़े समाधान देता है।
तुलनात्मक विश्लेषण: अध्ययन स्पष्ट रूप से दो अलग-अलग डेरिवेटिव ऑपरेटरों के तहत बाजार संतुलन के व्यवहार की तुलना करता है, यह दिखाते हुए कि कर्नेल (पावर-लॉ बनाम एक्सपोनेंशियल) का चयन बाजार अभिसरण (convergence) की गतिशील पथ को कैसे बदल देता है।

4. परिणाम (Results)

लेखकों ने चार अलग-अलग मामलों के लिए मूल्य समायोजन समीकरणों को सफलतापूर्वक हल किया है:

मामला 1 (Caputo, बिना अपेक्षाओं के):
मूल्य $p(t)$ मिर्टल-लेफ्ट फंक्शन डिके (decay) का पालन करते हुए साम्यावस्था $p^*$ की ओर अभिसरित होता है:
$p(t) = p(0)E^\alpha_F(-\lambda(d_1+s_1)t^\beta) + \frac{\lambda(d_0+s_0)}{d_1+s_1}(1 - E^\alpha_F(-\lambda(d_1+s_1)t^\beta))$
यह एक पावर-लॉ मेमोरी प्रभाव में मूल्य समायोजन को दर्शाता है।
मामला 2 (Caputo, अपेक्षाओं के साथ):
समाधान मिर्टल-लेफ्ट फंक्शन के रूप में ही रहता है, लेकिन इसमें एजेंटों की अपेक्षाओं को दर्शाने वाले संशोधित गुणांक होते हैं, जो अभिसरण की दर को बदल देते हैं।
मामला 3 (wsk-डेरिवेटिव, बिना अपेक्षाओं के):
समाधान मानक एक्सपोनेंशियल फंक्शन में शामिल है (गैर-एकल कर्नेल के कारण):
$p(t) = C_1 e^{-kt} + C_2(1 - e^{-kt})$
जहाँ दर स्थिरांक (rate constant) नॉर्मलाइजेशन फंक्शन $N(\gamma)$ और फ्रैक्टल ऑर्डर पर निर्भर करता है। यह कैपुटो मॉडल की तुलना में एक अलग मेमोरी डिके प्रोफाइल का सुझाव देता है।
मामला 4 (wsk-डेरिवेटिव, अपेक्षाओं के साथ):
मामला 3 के समान, समाधान एक्सपोनेंशियल है लेकिन अपेक्षाओं के लिए समायोजित गुणांकों के साथ।

मुख्य निष्कर्ष: wsk-फ्रैक्टल डेरिवेटिव एक्सपोनेंशियल फंक्शन के रूप में समाधान देता है, जबकि कैपुटो फ्रैक्टल डेरिवेटिव मिर्टल-लेफ्ट फंक्शन के रूप में समाधान देता है। यह इंगित करता है कि कर्नेल का चुनाव आर्थिक गतिशीलता की गणितीय प्रकृति (जैसे, बाजार की "मेमोरी") को मौलिक रूप से बदल देता है।

5. महत्व (Significance)

सैद्धांतिक प्रगति: यह शोध पत्र फ्रैक्टल सेट्स के लिए विशेष रूप से अनुकूलित एक गैर-एकल कर्नेल ऑपरेटर पेश करके फ्रैक्शनल कैलकुलस के टूलकिट का विस्तार करता है। यह उन प्रणालियों को मॉडल करने के लिए महत्वपूर्ण है जहाँ सिंगुलैरिटी (singularity) भौतिक रूप से अवास्तविक होती है।
आर्थिक अंतर्दृष्टि: इन उन्नत ऑपरेटरों को आर्थिक मॉडलों पर लागू करके, यह अध्ययन प्रदर्शित करता है कि बाजार साम्यावस्था एक एकल निश्चित गतिशीलता नहीं है। इसके बजाय, बाजार की "मेमोरी" (कैसे पिछले मूल्य वर्तमान समायोजन को प्रभावित करते हैं) को विभिन्न स्तरों की जटिलता (पावर-लॉ बनाम एक्सपोनेंशियल डिके) के साथ मॉडल किया जा सकता है।
कार्यप्रणाली उपयोगिता: नए ऑपरेटरों के लिए फ्रैक्टल सुमुदु ट्रांसफॉर्म का सफल अनुप्रयोग जटिल डिफरेंशियल समीकरणों को हल करने के लिए एक मजबूत विधि प्रदान करता है, जिन्हें पहले विश्लेषणात्मक रूप से हल करना कठिन था।
भावी अनुप्रयोग: प्रस्तावित ढांचे को अन्य गैर-रेखीय आर्थिक प्रणालियों, जैविक मॉडलों और फ्रैक्टल डोमेन पर होने वाली भौतिक प्रक्रियाओं में विस्तारित किया जा सकता है, जो अनियमित वास्तविक दुनिया की घटनाओं का अधिक सटीक प्रतिनिधित्व प्रदान करता है।