New Recursive Divided-Difference Interpolation Method

तकनीकी सारांश: एक नई पुनरावर्ती विभाजित-अंतर (Recursive Divided-Difference) अंतर्वेशन विधि

समस्या विवरण
बहुपद अंतर्वेशन (Polynomial interpolation) संख्यात्मक विश्लेषण में एक मौलिक उपकरण है, फिर भी मानक मोनॉमियल आधार ($P_n(x) = a_n x^n + \dots + a_0$) में अंतर्वेशन बहुपद के गुणांकों को निर्धारित करने में एक निरंतर कम्प्यूटेशनल चुनौती बनी रहती है। यद्यपि न्यूटन रूप (Newton form) का उपयोग करके अंतर्वेशन बहुपद का निर्माण करना विभाजित अंतरों (divided differences) के माध्यम से कम्प्यूटेशनल रूप से कुशल है, लेकिन इस रूप को मोनॉमियल आधार में परिवर्तित करने के लिए आमतौर पर दो अक्षम रणनीतियों में से एक की आवश्यकता होती है:

1. स्पष्ट विस्तार (Explicit Expansion): न्यूटन आधार बहुपदों का बीजगणितीय रूप से विस्तार करना और समान पदों को एकत्रित करना, जिससे जैसे-जैसे घात (degree) बढ़ती है, अंकगणितीय संचालन और जटिलता बढ़ जाती है।
2. वैंडरमंड सिस्टम (Vandermonde Systems): एक रैखिक प्रणाली $Va = y$ को हल करना, जो उच्च-घात वाले बहुपदों के लिए ज्ञात रूप से संख्यात्मक रूप से अस्थिर है क्योंकि वैंडरमंड मैट्रिक्स का कंडिशन नंबर (condition number) तेजी से बढ़ता है।

मौजूदा पुनरावर्ती एल्गोरिदम, जैसे कि शास्त्रीय न्यूटन विधि, केवल न्यूटन आधार के लिए गुणांक निर्धारित करते हैं और उनके पाए जाने के बाद ही समाप्त हो जाते हैं। वे मोनॉमियल गुणांकों को सीधे प्राप्त करने के लिए मध्यवर्ती बीजगणितीय विस्तार या रैखिक प्रणाली समाधान के बिना विभाजित अंतरों की पुनरावर्ती संरचना का उपयोग नहीं करते हैं।

कार्यप्रणाली (Methodology)
लेखक एक नई पुनरावर्ती एल्गोरिदम का प्रस्ताव करते हैं जो अंतर्वेशन डेटा से सीधे मोनॉमियल गुणांकों को निर्धारित करती है, जो विभाजित अंतर तालिका को पुनरावर्ती रूप से पुनर्गठित करती है। यह विधि निम्नलिखित सिद्धांतों पर कार्य करती है:

• पुनरावर्ती विभाजित-अंतर तालिका: लेखक एक ऐसी पुनरावर्ती संरचना को परिभाषित करते हैं जहाँ विभाजित-अंतर तालिका के सभी तत्वों को बनाए रखा जाता है, न कि केवल पहले तत्व को जिसका उपयोग शास्त्रीय न्यूटन अंतर्वेशन में किया जाता है।
• अपरिवर्तनीयता (Invariance) के माध्यम से गुणांक पहचान: मुख्य सैद्धांतिक अंतर्दृष्टि यह है कि जब पुनरावर्ती रूप से गणना की गई विभाजित अंतरों का एक स्तंभ सभी तत्वों में एक स्थिर मान (constant value) देता है (अर्थात, $\Delta^{(k)}_1 = \Delta^{(k)}_2 = \dots = \Delta^{(k)}_{n-k+1}$), तो यह स्थिर मान ठीक वही मान होता है जो मोनॉमियल आधार में उच्चतम-घात पद ($x^k$) का गुणांक है।
• पुनरावर्ती न्यूनीकरण (Iterative Reduction): एक बार जब उच्चतम-घात गुणांक ($a_k$) की पहचान हो जाती है, तो एल्गोरिदम मूल अंतर्वेशन मानों ($y_i$) से पद $a_k x^k$ के योगदान को घटा देता है। यह $k-1$ घात के बहुपद के संगत शून्य-क्रम (zeroth-order) के विभाजित अंतरों का एक नया सेट उत्पन्न करता है।
• पुनर्गठन (Reconstruction): एक नई विभाजित-अंतर तालिका का निर्माण किया जाता है और प्रक्रिया को दोहराया जाता है ताकि अगले उच्चतम गुणांक ($a_{k-1}$) की पहचान की जा सके। यह प्रक्रिया $a_0$ तक निरंतर नीचे की ओर चलती है।

प्रमुख योगदान

1. प्रत्यक्ष मोनॉमियल निर्धारण: यह शोध पत्र न्यूटन बहुपद का स्पष्ट विस्तार किए बिना या वैंडरमंड सिस्टम को हल किए बिना मोनॉमियल गुणांकों को सीधे निर्धारित करने की एक विधि प्रस्तुत करता है।
2. पुनरावर्ती न्यूनीकरण रणनीति: लेखक एक रणनीति विकसित करते हैं जहाँ अंतर्वेशन समस्या को प्रत्येक चरण में निर्धारित उच्चतम-घात पद के योगदान को घटाकर निम्न-घात वाली अंतर्वेशन समस्याओं के एक अनुक्रम में बदल दिया जाता है।
3. सैद्धांतिक औचित्य: विधि को कठोर गणितीय प्रमाणों द्वारा समर्थित किया गया है, जिसमें शामिल हैं:
   • लेम्मा 3.1: प्रस्तावित पुनरावर्ती विभाजित अंतरों के संदर्भ में अंतर्वेशन बहुपद के प्रतिनिधित्व को स्थापित करता है।
   • प्रमेय 3.2: यह सिद्ध करता है कि पुनरावर्ती विभाजित-अंतर तालिका में एक स्थिर स्तंभ के लिए आवश्यक और पर्याप्त शर्त क्या है जो विशिष्ट मोनॉमियल गुणांक के अनुरूप है।
4. एल्गोरिदम कार्यान्वयन: एक चरण-दर-चरण पुनरावर्ती एल्गोरिदम (एल्गोरिदम 3.1) प्रदान किया गया है, जो $a_n$ से $a_0$ तक गुणांकों को अलग करने के लिए तालिका के पुनर्गठन और शून्य-क्रम अंतरों के अपडेट का विवरण देता है।

परिणाम
पत्र प्रस्तावित विधि को संख्यात्मक प्रयोगों के माध्यम से मान्य करता है:

• शुद्धता (Correctness): एक त्रिघात बहुपद ($y = 2x^3 + 3x^2 + 5x + 7$) का उपयोग करने वाला एक संख्यात्मक उदाहरण चरण-दर-चरण पुनरावर्ती पुनर्गठन को प्रदर्शित करता है। एल्गोरिदम ने प्रत्येक न्यूनीकरण चरण के बाद विभाजित-अंतर स्तंभों में स्थिर मानों को देखकर सफलतापूर्वक गुणांकों $a_3=2, a_2=3, a_1=5,$ और $a_0=7$ की पहचान की।
• सटीकता (Accuracy): पुनर्गठित गुणांक बहुपद के सटीक गुणांकों से मेल खाते हैं, जो दृष्टिकोण की सैद्धांतिक वैधता की पुष्टि करते हैं।
• दक्षता (Efficiency): विधि ने प्रदर्शित किया कि गुणांकों को पारंपरिक रूपांतरण विधियों के लिए आवश्यक मध्यवर्ती बीजगणितीय विस्तार के बिना, सीधे अंतर्वेशन डेटा से निर्धारित किया जा सकता है।

महत्व और दावे
लेखक इस कार्य को विभाजित अंतरों की एक नवीन कम्प्यूटेशनल व्याख्या के रूप में प्रस्तुत करते हैं। उनका दावा है कि यह विधि विभाजित अंतरों और मोनॉमियल गुणांकों के बीच एक सीधा पुनरावर्ती संबंध स्थापित करती है, जो विभाजित अंतरों की भूमिका को केवल न्यूटन बहुपदों के निर्माण से बदलकर मोनॉमियल गुणांकों के पुनर्निर्माण के लिए मध्यवर्ती मात्राओं के रूप में मौलिक रूप से बदल देती है।

पत्र स्पष्ट रूप से कहता है कि यह अध्ययन में मौजूदा विधियों (जैसे वैंडरमंड सॉल्वर या आधार-रूपांतरण एल्गोरिदम) के विरुद्ध कम्प्यूटेशनल जटिलता या संख्यात्मक स्थिरता का तुलनात्मक विश्लेषण प्रदान नहीं करता है। इसके बजाय, यह विधि को एक नए वैकल्पिक पुनरावर्ती कम्प्यूटेशनल योजना के रूप में प्रस्तुत करता है। लेखक उल्लेख करते हैं कि भविष्य के शोध विभिन्न नोड वितरणों में एल्गोरिदम की कम्प्यूटेशनल जटिलता, संख्यात्मक स्थिरता और दक्षता को संबोधित करेंगे और मौजूदा विधियों के साथ इसकी तुलना करेंगे। प्राथमिक योगदान सैद्धांतिक ढांचा और यह प्रदर्शन है कि मोनॉमियल गुणांकों को सहायक रैखिक बीजगणित या बहुपद विस्तार के बिना डेटा न्यूनीकरण के माध्यम से पुनरावर्ती रूप से प्राप्त किया जा सकता है।