🔢 mathematics

Quantitative longest-run laws for partial quotients

Diese Arbeit leitet unter Verwendung quantitativer Mischungs- und Exponentialschätzungen für Zylinder eine allgemeine Theorie zur fast sicheren logarithmischen Wachstumsgeschwindigkeit und zu zweifach-logarithmischen Fehlerschranken für die längsten Läufe fester Werte sowie aller Werte in den Partialquotienten von Kettenbrüchen ab.

Ursprüngliche Autoren: Ying Wai Lee

Veröffentlicht 2026-02-13

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ying Wai Lee

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die Suche nach dem längsten Streich im Zahlen-Universum

Stell dir vor, du hast einen unendlichen Zettel, auf dem eine Zahl steht, die in eine endlose Kette von Brüchen zerlegt wird. Diese Zahl nennen wir eine Kettenbruchentwicklung. Jede Zahl in dieser Kette ist eine ganze Zahl (1, 2, 3, 4...).

Die Frage, die sich Ying Wai Lee in diesem Papier stellt, ist ganz einfach: Wie oft kommt dieselbe Zahl hintereinander vor?

1. Das Szenario: Ein endloses Würfelspiel

Stell dir vor, du würfelst unendlich oft. Aber es ist kein normaler Würfel. Die Wahrscheinlichkeit, eine 1 zu würfeln, ist anders als die, eine 100 zu würfeln. Und das Wichtigste: Die Würfe sind nicht völlig unabhängig voneinander. Wenn du gerade eine 1 gewürfelt hast, beeinflusst das ein wenig die Chance für den nächsten Wurf. Das ist wie bei einem Wetter: Wenn es heute regnet, ist es morgen eher auch regnerisch als bei einem völlig zufälligen Wetter.

In der Mathematik nennen wir diese Zahlen die Partialquotienten.

Frage A: Wie oft kommt die Zahl "1" hintereinander vor? (Nennen wir das den "Eins-Streich").
Frage B: Welche Zahl kommt am längsten hintereinander vor? (Vielleicht ist es eine 1, vielleicht eine 50. Wir suchen den "Weltrekord-Streich" aller Zahlen).

2. Die alte Regel vs. die neue Entdeckung

Früher wussten Mathematiker schon grob, wie das aussieht. Sie sagten: "Wenn du $n$ Zahlen hast, dann ist die Länge des längsten Streichs ungefähr so groß wie der Logarithmus von $n$ ."
Das ist wie zu sagen: "Wenn du 100 Mal würfelst, ist der längste Streich vielleicht 3 oder 4." Wenn du 1.000.000 Mal würfelst, wird er vielleicht 6 oder 7 sein.

Das Problem an der alten Regel war: Sie war zu ungenau. Sie sagte nur "ungefähr". Sie wusste nicht genau, wie schnell man sich diesem Wert nähert oder wie stark man davon abweichen kann. Es war wie eine Wettervorhersage, die nur sagt: "Es wird morgen warm sein", aber nicht, ob 20 oder 30 Grad.

Ying Wai Lees Arbeit ist wie eine hochpräzise Wettervorhersage.
Er hat eine Formel gefunden, die nicht nur sagt, wie lang der Streich ist, sondern auch wie genau diese Vorhersage ist. Er sagt: "Der längste Streich ist fast genau so lang wie $X$ , und wenn er abweicht, dann nur um einen winzigen, berechenbaren Betrag."

3. Die zwei Hauptakteure in der Geschichte

Akteur 1: Der "Feste Wert" (Die spezifische Zahl)
Stell dir vor, du beobachtest nur die Zahl "1". Wie oft kommt sie hintereinander vor?
Lee zeigt: Wenn du lange genug schaust, wird die Länge dieses Streichs immer genauer einem bestimmten Wert folgen. Und er hat eine Formel für den "Fehler" gefunden. Dieser Fehler wächst so langsam, dass man ihn fast nicht merkt (er wächst mit dem "Logarithmus des Logarithmus" – das ist so langsam, dass selbst bei unendlich vielen Zahlen der Fehler winzig bleibt).

Akteur 2: Der "Maximale Wert" (Der Weltrekord)
Jetzt schaust du auf alle Zahlen. Welche Zahl hat den längsten Streich?
Hier ist es komplizierter, weil du unendlich viele Zahlen prüfen musst. Lee hat bewiesen, dass auch hier eine klare Regel gilt. Der längste Streich über alle Zahlen hinweg folgt fast derselben Logik wie bei der Zahl "1", aber mit einem kleinen Unterschied in der Geschwindigkeit.

4. Die Magie der "Mischung" (Mixing)

Warum ist das so schwer zu berechnen? Weil die Zahlen nicht unabhängig sind. Wenn du eine große Zahl hast, ist die nächste eher klein.
Lee nutzt ein mathematisches Werkzeug namens "Mixing" (Vermischung). Stell dir vor, du hast einen Tropfen Tinte in einem Glas Wasser.

Am Anfang ist die Tinte an einem Ort.
Wenn du das Glas schüttelst (das ist die "Dynamik"), verteilt sich die Tinte.
Nach einer Weile ist sie so gut verteilt, dass du, wenn du an einer Stelle schaust, nicht mehr weißt, woher der Tropfen kam. Er ist "vergessen".

Lee hat bewiesen, dass bei diesen Kettenbrüchen das Wasser so gut geschüttelt wird, dass man die Zahlen fast wie unabhängige Würfe behandeln kann, solange man einen kleinen Abstand zwischen ihnen lässt. Das erlaubt ihm, die strengen mathematischen Gesetze anzuwenden.

5. Was bedeutet das für uns?

Stell dir vor, du hast einen riesigen Datensatz (z. B. die Ziffern von Pi oder andere mathematische Konstanten).

Ohne Lees Arbeit: Du könntest nur raten, wie lange ein bestimmtes Muster dauert.
Mit Lees Arbeit: Du hast ein präzises Lineal. Du kannst sagen: "Wenn ich 1 Million Ziffern schaue, wird der längste Streich der Zahl 1 zwischen 4,9 und 5,1 liegen." Und das gilt für fast alle Zahlen, die man sich vorstellen kann.

Zusammenfassung in einem Satz:
Ying Wai Lee hat die ungenauen Schätzungen darüber, wie oft sich Zahlen in mathematischen Kettenbrüchen wiederholen, durch eine extrem präzise, fast fehlerfreie Vorhersage ersetzt, die zeigt, dass das Chaos der Zahlen doch einer sehr strengen, berechenbaren Ordnung folgt.

Er hat also nicht nur gesagt, dass die Zahlen ein Muster bilden, sondern genau gemessen, wie dieses Muster wächst und wie klein die Abweichungen sind.

1. Problemstellung und Motivation

Das Paper untersucht statistische Eigenschaften von Lauflängen (Longest-Run-Statistiken) in der Theorie der Kettenbrüche. Konkret werden zwei Arten von Statistiken analysiert, die auf der Folge der Partialquotienten $(a_n)_{n \in \mathbb{N}}$ einer reellen Zahl $x \in [0, 1) \setminus \mathbb{Q}$ basieren:

Fixierte Lauflänge ( $L_n(x, \lambda)$ ): Die Länge des längsten aufeinanderfolgenden Blocks eines spezifischen Werts $\lambda$ innerhalb der ersten $n$ Partialquotienten.
Maximierte Lauflänge ( $R_n(x)$ ): Die Länge des längsten aufeinanderfolgenden Blocks über alle möglichen Werte $\lambda \in \mathbb{N}$ hinweg.

Hintergrund:
In der Wahrscheinlichkeitstheorie für unabhängige Folgen sind die Gesetze für solche Lauflängen (Erdős–Rényi, Erdős–Révész) gut verstanden. In der Zahlentheorie und dynamischen Systemen (insbesondere beim Gauss-System für Kettenbrüche) ist die Situation komplexer, da die Partialquotienten nicht unabhängig, sondern stark mischend (mixing) sind.

Bisherige Arbeiten (Song & Zhou, Wang & Wu) hatten bereits die asymptotische logarithmische Wachstumsrate für fast alle $x$ bestimmt:

Für einen festen Wert $\lambda$ : $L_n(x, \lambda) \sim \frac{\log n}{2 \log \tau(\lambda)}$ , wobei $\tau(\lambda) = \frac{\lambda + \sqrt{\lambda^2+4}}{2}$ .
Für den maximalen Wert: $R_n(x) \sim \frac{\log n}{2 \log \varphi}$ , wobei $\varphi = \frac{1+\sqrt{5}}{2}$ der goldene Schnitt ist.

Das Defizit: Diese früheren Ergebnisse lieferten nur das führende logarithmische Verhalten (Verhältnisgesetze). Es fehlten quantitative Fehlerabschätzungen und explizite Konvergenzraten. Das Ziel dieses Papers ist es, diese asymptotischen Gesetze durch explizite, zweiseitige additive Fehlerterme zu verfeinern.

2. Methodik

Die Arbeit verfolgt einen zweistufigen Ansatz:

A. Allgemeines Theorem für dynamische Systeme

Zunächst wird ein allgemeines Theorem (Theorem 1) für maßerhaltende dynamische Systeme $(\Omega, \mathcal{F}, \mu, T)$ mit einem abzählbaren Alphabet $\mathcal{A}$ bewiesen. Dafür werden drei zentrale Annahmen benötigt:

Quantitative Mischung (Assumption 1): Es wird eine exponentielle $\psi$ -Mischung vorausgesetzt. Das bedeutet, dass Ereignisse, die durch Blöcke der Folge mit einem ausreichenden Abstand $g$ getrennt sind, fast unabhängig sind. Die Korrelation decays exponentiell mit $g$ ( $|\mu(A \cap B) - \mu(A)\mu(B)| \leq C_0 \theta^g \mu(A)\mu(B)$ ).
Exponentielle Schätzung für konstante Wörter (Assumption 2): Für ein festes Symbol $m^*$ muss das Maß des Zylinders $\Delta_k(m^*)$ (die Menge der Punkte, deren erste $k$ Symbole $m^*$ sind) exponentiell mit der Basis $\rho$ abfallen: $c_- \rho^{-2k} \leq \mu(\Delta_k(m^*)) \leq c_+ \rho^{-2k}$ .
Uniforme Summenschranke (Assumption 3): Die Summe der Maße aller konstanten Zylinder über das gesamte Alphabet muss ebenfalls exponentiell abfallen: $\sum_{m \in \mathcal{A}} \mu(\Delta_k(m)) \leq C_1 \rho^{-2k}$ .

Unter diesen Voraussetzungen wird gezeigt, dass die Lauflängen mit einer doppelt-logarithmischen Fehlerordnung konvergieren. Der Beweis nutzt das Borel-Cantelli-Lemma in Kombination mit der Mischungseigenschaft, um obere und untere Schranken zu etablieren.

B. Anwendung auf das Gauss-System

Im zweiten Schritt werden die Annahmen für das spezifische System der Kettenbrüche unter dem Gauss-Maß $\mu$ verifiziert:

Mischung: Es wird auf bekannte Ergebnisse verwiesen, dass das Gauss-System exponentiell $\psi$ -mischend ist (Lemma 1).
Zylinderschätzungen: Mittels der Theorie der Konvergenten (Konvergenzbrüche) und der Rekursionsformeln für die Nenner $q_k$ $q_{k}$ werden explizite Schranken für das Maß der Zylinder $\Delta_k(\lambda)$ $Δ_{k} (λ)$ hergeleitet.
- Für einen festen Wert $\lambda$ wird gezeigt, dass das Maß proportional zu $\tau(\lambda)^{-2k}$ ist (Lemma 2).
- Für die Summe über alle $\lambda$ wird gezeigt, dass die Summe durch $\varphi^{-2(k-1)}$ beschränkt ist (Lemma 3).

3. Hauptergebnisse

Das Paper liefert zwei zentrale quantitative Ergebnisse (Theorem 2), die die früheren asymptotischen Gesetze schärfen. Für fast jedes $x$ (bezüglich des Gauss-Maßes, was äquivalent zum Lebesgue-Maß ist) und für jede Konstante $c > 1/2$ existiert ein $n_{c,x}$ , sodass für alle $n \geq n_{c,x}$ gilt:

Für die fixierte Lauflänge:
$\left| L_n(x, \lambda) - \frac{\log n}{2 \log \tau(\lambda)} \right| \leq c \frac{\log \log n}{\log \tau(\lambda)}$
Hier ist $\tau(\lambda) = \frac{\lambda + \sqrt{\lambda^2+4}}{2}$ .
Für die maximierte Lauflänge:
$\left| R_n(x) - \frac{\log n}{2 \log \varphi} \right| \leq c \frac{\log \log n}{\log \varphi}$
Hier ist $\varphi = \frac{1+\sqrt{5}}{2}$ .

Kern der Ergebnisse:

Die Konvergenzgeschwindigkeit wird explizit quantifiziert.
Der Fehlerterm ist von der Ordnung $O(\log \log n)$ , was eine signifikante Verfeinerung gegenüber den reinen asymptotischen Aussagen darstellt.
Die Ergebnisse gelten für fast alle reellen Zahlen im Sinne des Lebesgue-Maßes.

4. Bedeutung und Beitrag

Quantitative Präzision: Das Paper schließt eine Lücke in der Literatur, indem es von rein asymptotischen Verhältnissen zu expliziten, zweiseitigen Fehlerabschätzungen übergeht. Dies ermöglicht eine genauere Vorhersage des Verhaltens von Kettenbruch-Partialquotienten für große $n$ .
Verbindung von Wahrscheinlichkeit und Zahlentheorie: Es demonstriert erfolgreich, wie Methoden der ergodischen Theorie (Mischung, Zylinderschätzungen) auf Probleme der metrischen Zahlentheorie angewendet werden können, um quantitative Gesetze für nicht-unabhängige Prozesse zu beweisen.
Allgemeingültigkeit: Der bewiesene allgemeine Satz (Theorem 1) bietet ein Rahmenwerk, das auf andere dynamische Systeme mit abzählbarem Alphabet und ähnlichen Mischungseigenschaften angewendet werden kann.
Technische Leistung: Die Verifizierung der Summenschranke (Assumption 3) für das unendliche Alphabet der natürlichen Zahlen unter dem Gauss-Maß ist eine nicht-triviale technische Herausforderung, die hier erfolgreich gelöst wird.

Zusammenfassend liefert Ying Wai Lee eine rigorose quantitative Analyse der Persistenz von Ziffern in Kettenbrüchen und etabliert damit neue Standards für die Präzision solcher statistischer Aussagen in der dynamischen Zahlentheorie.