On partial derivatives of some summatory functions

Der Artikel beschreibt zwei Anwendungen von Sattelpunktmethoden zur Abschätzung der Häufigkeit des Ereignisses $\{f(n)\leqslant g(n)\}$ für $n\leqslant x$ und untersucht dabei sowohl Dickmans Theorie friabler Zahlen als auch die Verteilung des quadratfreien Kerns einer ganzen Zahl.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein riesiger Zähler, der durch eine unendliche Bibliothek läuft. In dieser Bibliothek gibt es unendlich viele Bücher (die ganzen Zahlen). Die Aufgabe dieses Papers ist es, eine sehr spezielle Frage zu beantworten: Wie viele Bücher haben ein bestimmtes Merkmal, wenn sich dieses Merkmal leicht verändert?

Der Autor, Gérald Tenenbaum, nutzt dabei ein mathematisches Werkzeug namens „Sattelpunkt-Methode". Das klingt kompliziert, ist aber im Grunde wie das Finden des höchsten Punktes auf einem Hügel, um von dort aus die beste Sicht auf das gesamte Gelände zu haben.

Hier ist die Erklärung der beiden Hauptgeschichten aus dem Papier, übersetzt in einfache Bilder:

1. Die Geschichte der „glatten" Zahlen (Friable Integers)

Das Problem:
Stellen Sie sich eine Zahl wie einen riesigen Baum vor. Die „Zweige" dieses Baumes sind seine Primfaktoren. Die größte Primzahl, die einen Baum bildet, ist der dickste Zweig ganz oben.

• Eine „glatte" Zahl ist ein Baum, bei dem der höchste Zweig nicht zu dick ist.
• Dickman (ein früherer Mathematiker) hat herausgefunden, wie man berechnet, wie viele Bäume in einem bestimmten Wald (bis zu einer Zahl $x$) einen dünnen höchsten Zweig haben.

Die neue Herausforderung:
Dickman hat eine Formel für einen festen Grenzwert gefunden. Aber Tenenbaum fragt sich: Was passiert, wenn sich der Grenzwert für jeden Baum leicht ändert?
Stellen Sie sich vor, Sie zählen Bäume, deren höchster Zweig kleiner ist als $1/u$der Höhe des Baumes selbst. Da die Höhe des Baumes ($n$) variiert, ändert sich auch die Grenze für den Zweig ($n^{1/u}$) ständig.

Die Lösung (Die Analogie):
Stellen Sie sich vor, Sie wollen die Anzahl der Bäume in einem sich verändernden Zaun zählen. Wenn Sie versuchen, den Zaun Schritt für Schritt zu verschieben, bekommen Sie kleine Fehler.
Tenenbaum nutzt die „Sattelpunkt-Methode", um nicht nur die grobe Anzahl zu schätzen, sondern auch die Feinjustierung.

• Er sagt im Wesentlichen: „Wir wissen schon, wie viele Bäume es gibt. Aber weil sich die Regel für jeden Baum leicht ändert, müssen wir eine kleine Korrektur vornehmen."
• Diese Korrektur ist wie das Hinzufügen eines winzigen Gewichts auf eine Waage, um sie perfekt auszubalancieren. Er zeigt, wie man diese winzige Korrektur berechnet, ohne den ganzen Zaun neu zu bauen.

Das Ergebnis:
Er findet eine Formel, die viel genauer ist als die alten Methoden. Sie sagt uns nicht nur ungefähr, wie viele glatte Zahlen es gibt, sondern wie sie sich verhalten, wenn die Regel für „glatt" sich mit der Zahl selbst verändert.

2. Die Geschichte des „quadratfreien Kerns" (Squarefree Kernel)

Das Problem:
Jede Zahl kann in Primfaktoren zerlegt werden. Nehmen wir die Zahl 12: $12 = 2 \times 2 \times 3$.
Der „quadratfreie Kern" ist das Ergebnis, wenn wir alle doppelten Faktoren entfernen. Bei 12 wäre das $2 \times 3 = 6$.
Die Frage ist: Wie viele Zahlen unter $x$ haben einen Kern, der kleiner ist als eine bestimmte Grenze?

Die neue Herausforderung:
Bisherige Forscher haben das für feste Grenzen untersucht. Tenenbaum untersucht nun, was passiert, wenn die Grenze eine „fließende" Funktion ist (eine glatte Kurve), die sich mit der Zahl $n$ ändert.
Stellen Sie sich vor, Sie sortieren Bücher in Regale. Die Größe des Regals ändert sich aber für jedes Buch leicht, abhängig davon, wie dick das Buch ist.

Die Lösung (Die Analogie):
Tenenbaum nutzt wieder den „Sattelpunkt", um die lokale Struktur der Zahlen zu verstehen.

• Er betrachtet die Summe der Zahlen nicht als einen riesigen, undurchsichtigen Block, sondern zerlegt sie in kleine, handliche Schritte.
• Er nutzt eine Funktion (genannt $F$), die wie eine Landkarte für die Verteilung dieser Zahlen dient.
• Durch geschicktes „Ableiten" (mathematisch gesehen, aber bildlich: durch das Betrachten der kleinen Änderungen von Schritt zu Schritt) kann er eine Formel aufstellen, die viel genauer ist als die vorherigen.

Das Ergebnis:
Er zeigt, dass man die Verteilung dieser „Kerne" extrem präzise vorhersagen kann, selbst wenn die Regeln sehr komplex und variabel sind. Seine Formel ist wie ein hochauflösendes Foto, während die alten Formeln eher wie ein unscharfes Gemälde waren.

Zusammenfassung für den Alltag

Stellen Sie sich vor, Sie versuchen, die Menge an Wasser in einem Fluss zu messen.

• Die alten Methoden sagten: „Der Fluss hat ungefähr so viel Wasser." (Das ist gut für eine grobe Schätzung).
• Tenenbaums Methode sagt: „Der Fluss hat nicht nur so viel Wasser, sondern wir können auch berechnen, wie sich die Wassermenge ändert, wenn wir den Flusslauf leicht krümmen oder die Breite des Ufers für jeden Meter anders definieren."

Er nutzt mathematische Tricks (den Sattelpunkt), um nicht nur die Gesamtmenge zu sehen, sondern auch die lokalen Wellen und Strömungen zu verstehen. Das ist wichtig, weil es uns hilft, die feinen Strukturen der Zahlenwelt besser zu verstehen, was wiederum in der Kryptographie und der Sicherheit von Computern eine Rolle spielen kann.

Kurz gesagt: Das Papier ist ein Handbuch dafür, wie man mathematische Formeln verbessert, wenn sich die Regeln der Spielwiese leicht verändern. Es verwandelt eine grobe Schätzung in eine präzise Vorhersage.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Artikels von G. Tenenbaum auf Deutsch.

Titel und Kontext

Titel: On partial derivatives of some summatory functions (Über partielle Ableitungen einiger summatorischer Funktionen)
Autor: Gérald Tenenbaum
Datum: 12. März 2026 (basierend auf dem Vorabdruck vom 11. März 2026)
Fachgebiet: Analytische Zahlentheorie (Schlüsselwörter: friable integers, saddle-point method, local behaviour).

---

1. Problemstellung

Der Artikel adressiert ein grundlegendes Problem in der analytischen Zahlentheorie: den Übergang von asymptotischen Formeln für summatorische Funktionen in zwei Variablen zu Schätzungen für Funktionen, bei denen die obere Grenze der Summation von der Summandenvariable selbst abhängt.

Gegeben sei eine reelle arithmetische Funktion $f$ und eine glatte Funktion $g: [1, \infty[ \to \mathbb{R}$.

• Die klassische summatorische Funktion ist definiert als:
  $$F(x, y) := \sum_{\substack{n \le x \\ f(n) \le y}} 1$$
• Das Ziel ist die Abschätzung der Funktion, bei der die Bedingung dynamisch ist:
  $$H(x; g) := \sum_{\substack{n \le x \\ f(n) \le g(n)}} 1$$

Formal entspricht dies der Integration der partiellen Ableitung $\partial F(x, g(x))/\partial x$. Dies ist jedoch aufgrund von Restgliedern in den asymptotischen Formeln für $F(x, y)$ oft nicht direkt durchführbar. Eine Diskretisierung der Ableitung ist möglich, erfordert aber präzise Kenntnisse über das lokale Verhalten von $F(x, y)$ bezüglich der ersten Variable $x$. Tenenbaum zeigt, wie die Sattelpunktsmethode (saddle-point method) genutzt werden kann, um diese lokalen Verhaltensweisen ("semi-asymptotische Formeln") zu erhalten und die Berechnungen drastisch zu vereinfachen.

Der Artikel behandelt zwei emblematische Fälle:

1. Die Verteilung friabler Zahlen (ganze Zahlen ohne große Primfaktoren), speziell im Zusammenhang mit Dicks ursprünglichem Problem.
2. Die Verteilung des quadratfreien Kerns einer ganzen Zahl.

---

2. Methodik

Die zentrale Methode des Papiers ist die Diskretisierung der partiellen Ableitung unter Verwendung von Ergebnissen, die durch die Sattelpunktsmethode gewonnen wurden.

• Diskretisierungsansatz: Anstatt die Ableitung analytisch zu integrieren, wird die Summe $H(x; g)$ durch eine Summe von Differenzen der Form $F(x_k, y_k) - F(x_{k+1}, y_k)$ approximiert. Dabei wird $x$ in kleine Schritte $x_k = x e^{-k\varepsilon}$ unterteilt.
• Sattelpunktsanalyse: Die Genauigkeit dieser Approximation hängt davon ab, wie gut $F(x, y)$ für benachbarte $x$-Werte abgeschätzt werden kann. Tenenbaum nutzt hochpräzise Schätzungen (bis zur zweiten Ordnung), die in früheren Arbeiten (insbesondere [1] und [11]) mittels Sattelpunktsmethode hergeleitet wurden.
• Taylor-Entwicklung: Die Funktionen $\varrho$ (Dickman-Funktion) und $F$ (im zweiten Fall) werden mittels Taylor-Lagrange-Formel entwickelt, um die Abhängigkeit von den Parametern zu linearisieren und die Fehlerterme zu kontrollieren.
• Optimierung des Parameters: Der Diskretisierungsschritt $\varepsilon$ wird so gewählt (oft in Abhängigkeit von $\log x$), dass der Fehlerterm minimiert wird, während der Restterm der Summation vernachlässigbar bleibt.

---

3. Hauptergebnisse

Fall 1: Friable Zahlen und Dickmans Problem

Es wird die Anzahl der Zahlen $n \le x$ mit $P^+(n) \le n^{1/u}$ untersucht, bezeichnet als $D(x, u)$, wobei $P^+(n)$ der größte Primfaktor von $n$ ist. Dies steht im Kontrast zur klassischen Funktion $\Psi(x, y)$ (Anzahl der Zahlen $\le x$ mit $P^+(n) \le y$).

• Satz 1.1: Unter der Bedingung $b > 5/3$ und $c > 10$ (im Bereich $H_{b,c}$) gilt für $u = (\log x)/\log y$:
  $$D(x, u) = \Psi(x, y) \left\{ 1 - \frac{r(u)}{\log y} + O(R) \right\}$$
  wobei $r(v) = -\varrho'(v)/\varrho(v)$ die logarithmische Ableitung der Dickman-Funktion ist und $R$ ein spezifischer Fehlerterm ist.
• Korollar 1.2: Als direkte Konsequenz wird eine asymptotische Formel für die Summe der Logarithmen der größten Primfaktoren hergeleitet:
  $$\sum_{1 < n \le x} \frac{\log n}{\log P^+(n)} = e^\gamma x - \frac{\gamma e^\gamma x}{\log x} + O\left(\frac{x}{(\log x)^{3/2}}\right)$$
  Dies verbessert und präzisiert frühere Ergebnisse, indem es den exakten zweiten Term liefert.

Fall 2: Quadratfreier Kern

Der quadratfreie Kern ist definiert als $k(n) = \prod_{p|n} p$. Es wird die Anzahl der Zahlen $n \le x$ mit $k(n) \le n^\vartheta (\log n)^\alpha$ untersucht.

• Satz 1.3: Tenenbaum verbessert die Ergebnisse von Brüdern & Robert [2] erheblich. Er liefert eine gleichmäßige (uniforme) Schätzung für den Bereich, in dem $\vartheta$ gegen 0 oder 1 gehen kann.
  Die Formel lautet:
  $$S(x; \vartheta, \alpha) = y F(v) \sigma_v^\vartheta \left\{ 1 - \sigma_v^\vartheta + O\left( \frac{\sigma_v^2}{\vartheta^2} + \sqrt{\frac{\log v}{v}} \right) \right\}$$
  wobei $v = \log(x/y)$, $y = x^\vartheta (\log x)^\alpha$, $\sigma_v$ die Lösung einer bestimmten Gleichung ist und $F(t)$ eine spezifische Dirichlet-Reihe darstellt.
• Asymptotische Entwicklung: Durch Einsetzen der Entwicklung für $\sigma_v$ erhält man eine vollständige asymptotische Entwicklung der Summe.

---

4. Signifikanz und Beitrag zur Forschung

1. Lösung eines historischen Problems: Der Artikel liefert die erste präzise Behandlung von Dicks ursprünglichem Problem ($D(x, u)$), das seit 1930 offen war. Er zeigt, dass $D(x, u)$ und $\Psi(x, y)$ nicht nur im führenden Term übereinstimmen, sondern dass die Differenz durch die logarithmische Ableitung der Dickman-Funktion bestimmt wird.
2. Vereinfachung komplexer Berechnungen: Tenenbaum demonstriert, dass die Nutzung von "semi-asymptotischen Formeln" (lokales Verhalten via Sattelpunktsmethode) einen eleganten und viel kürzeren Weg darstellt als traditionelle, oft sehr technische Diskretisierungsverfahren.
3. Verbesserung der Uniformität: Im zweiten Teil werden die Ergebnisse zur Verteilung des quadratfreien Kerns signifikant verbessert, insbesondere durch die Erweiterung des Gültigkeitsbereichs für den Parameter $\vartheta$ und die Erhöhung der Gleichmäßigkeit der Schätzung.
4. Methodische Klarheit: Der Artikel etabliert eine klare Verbindung zwischen der Ableitung von summatorischen Funktionen und der Anwendung der Sattelpunktsmethode, was als nützliches Werkzeug für zukünftige Arbeiten in der probabilistischen Zahlentheorie dienen kann.

Zusammenfassend bietet Tenenbaums Arbeit eine tiefgehende Analyse der lokalen Struktur arithmetischer Summen und liefert präzise Korrekturenterme für klassische Probleme der Verteilung von Primfaktoren und quadratfreien Komponenten.