Distributions of left prime truncations

Diese Arbeit untersucht die Verteilung der Anzahl links-trunkierbarer Primzahlen bei ganzen Zahlen sowie irreduzibler Trunkierungen bei Polynomen über endlichen Körpern, wobei der Fokus auf dem Anteil, der Varianz und dem maximalen Anteil liegt.

Das Wesentliche

Stellen Sie sich vor, Sie haben eine lange Zahlenkette oder einen Satz aus Buchstaben. Die Wissenschaftler Vivian Kuperberg und Matilde Lalín in diesem Papier fragen sich: Wie oft passiert es, dass man von links immer wieder Buchstaben (oder Ziffern) abschneidet und das, was übrig bleibt, immer noch „besonders" ist?

Hier ist die Erklärung der Forschung, übersetzt in eine einfache Geschichte mit ein paar kreativen Vergleichen:

1. Das große Rätsel: Der „Unsterbliche"

Stellen Sie sich die Zahl 357686312646216567629137 vor. Das ist eine riesige Zahl.
Das Besondere daran: Wenn Sie die erste Ziffer (die 3) weglassen, bleibt eine neue Zahl übrig (576...). Ist diese neue Zahl eine Primzahl? Ja!
Wenn Sie dann die nächste Ziffer (die 5) weglassen, bleibt wieder eine Primzahl übrig? Ja!
Man kann das immer weiter machen, bis nur noch eine einzige Ziffer übrig ist, und jedes Zwischenergebnis ist eine Primzahl.

In der Mathematik nennt man so etwas einen „links-trunkierbaren Primzahl-Code". Es ist wie ein Schloss, bei dem Sie jeden einzelnen Schlüssel (die Ziffern) entfernen können, und das Schloss bleibt trotzdem verschlossen (prim).

Die Autoren fragen sich nun: Wie häufig sind solche „magischen" Zahlen eigentlich?

• Wenn wir alle Zahlen mit 100 Stellen betrachten: Wie viele davon haben viele solcher magischen Schritte?
• Wie sehr schwankt diese Anzahl? (Ist es bei fast allen Zahlen gleich, oder gibt es extreme Ausreißer?)
• Was ist das absolute Maximum, das man erreichen kann?

2. Zwei Welten: Zahlen und Polynome

Die Autoren untersuchen dieses Problem in zwei verschiedenen Universen:

• Welt A (Die Zahlen): Das ist unser gewohntes Leben mit den Zahlen 0 bis 9 (wie im Beispiel oben). Hier schneiden wir Ziffern ab.
• Welt B (Die Polynome): Das ist eine abstraktere Welt, die in der Kryptographie und Codierung wichtig ist. Statt Zahlen mit Ziffern haben wir hier „Polynome" (Ausdrücke wie $x^3 + 2x + 1$). Statt Ziffern haben wir hier „Koeffizienten" (die Zahlen vor den $x$).
  • Die Analogie: Stellen Sie sich ein Polynom wie einen Satz vor. Die „Ziffern" sind die Wörter. Wenn Sie ein Wort vom Anfang des Satzes streichen, bleibt ein neuer Satz übrig. Die Frage ist: Ist dieser neue Satz „grammatikalisch korrekt" (in der Mathematik: „irreduzibel", also nicht in kleinere Teile zerlegbar)?

3. Die Entdeckungen: Was haben sie herausgefunden?

Die Forscher haben sich drei Hauptfragen gestellt und Antworten gefunden (teilweise bewiesen, teilweise als sehr wahrscheinliche Vermutungen):

A. Der Durchschnitt (Wie oft passiert es im Schnitt?)

Stellen Sie sich vor, Sie werfen eine riesige Menge an Zahlen oder Polynomen auf einen Haufen und zählen für jedes, wie viele „magische Schritte" es hat.

• Ergebnis: Je größer die Basis ist (also je mehr „Ziffern" zur Verfügung stehen, z.B. im Hexadezimalsystem mit 16 Ziffern statt 10), desto seltener werden die magischen Zahlen. Aber je länger die Zahl ist, desto mehr Chancen hat man, eine zu finden.
• Der Vergleich: Es ist wie das Würfeln. Wenn Sie mit einem 100-seitigen Würfel werfen, ist es schwerer, eine bestimmte Zahl zu treffen als mit einem 6-seitigen. Aber wenn Sie sehr oft würfeln (lange Zahlen), finden Sie früher oder später eine Treffer-Sequenz.

B. Die Schwankung (Ist alles gleichmäßig verteilt?)

Hier wird es spannend. Die Autoren fragen: „Ist die Anzahl der magischen Schritte bei fast allen Zahlen ähnlich, oder gibt es riesige Unterschiede?"

• Das Problem: Wenn eine Zahl durch die Basis teilbar ist (z.B. eine gerade Zahl im Dezimalsystem), dann sind fast alle ihre Teilstücke auch durch 2 teilbar und damit keine Primzahlen. Diese Zahlen sind „verdorben" und haben fast keine magischen Schritte.
• Die Entdeckung: Es gibt eine Klumpenbildung (Clustering).
  • Die „sauberen" Zahlen (die nicht durch die Basis teilbar sind) haben viele magische Schritte.
  • Die „schmutzigen" Zahlen haben fast keine.
  • Wenn man den Durchschnitt über alle Zahlen nimmt, wird das Ergebnis durch diese vielen „schmutzigen" Zahlen verzerrt. Die Varianz (die Streuung) ist also viel größer, als man auf den ersten Blick denken würde. Es ist wie in einer Klasse, in der die meisten Schüler eine 4 schreiben, aber ein paar Genies eine 1 schreiben und ein paar andere eine 6. Der Durchschnitt ist 3, aber die Unterschiede sind riesig.

C. Das Maximum (Was ist der Weltrekord?)

Wie viele magische Schritte kann eine Zahl maximal haben?

• Die Vermutung: Es gibt eine Obergrenze. Wenn die Zahlen sehr lang werden, wächst die maximale Anzahl der Schritte, aber nicht linear. Sie wächst eher wie $\frac{\text{Länge} \times \log(\text{Basis})}{\log(\text{Länge})}$.
• Die Metapher: Stellen Sie sich vor, Sie suchen nach dem längsten möglichen „Turm aus glücklichen Steinen". Je höher der Turm werden soll, desto schwieriger wird es, den nächsten Stein zu finden, der passt. Irgendwann wird es unmöglich, den Turm noch höher zu bauen, ohne dass er zusammenbricht. Die Autoren sagen voraus, wie hoch dieser Turm theoretisch werden kann.

4. Warum ist das wichtig?

Obwohl es sich nach reinem Zahlenkram anhört, ist diese Forschung wichtig für:

1. Verständnis von Zufall: Primzahlen wirken zufällig, folgen aber bestimmten Mustern. Diese Studie zeigt, wie sich diese Muster verhalten, wenn man sie „zerlegt".
2. Sicherheit: In der Welt der Polynome (Welt B) geht es oft um Verschlüsselung. Zu verstehen, wie sich „zerlegbare" und „nicht-zerlegbare" Teile verhalten, hilft, bessere Codes zu bauen.
3. Die Verbindung: Das Schönste an diesem Papier ist, dass es zeigt, wie ähnlich sich die Welt der ganzen Zahlen und die Welt der Polynome sind. Was in der einen Welt passiert, hat oft ein exaktes Gegenstück in der anderen. Es ist, als würde man zwei verschiedene Sprachen lernen und feststellen, dass sie dieselbe Grammatik haben.

Zusammenfassung in einem Satz

Die Autoren haben untersucht, wie oft man Zahlen oder mathematische Ausdrücke von links her „zerstücken" kann, ohne dass die Reste ihre besondere Eigenschaft (Primzahl oder Irreduzibilität) verlieren, und dabei herausgefunden, dass die Verteilung dieser Ereignisse stark von der „Reinheit" der Ausgangszahl abhängt und dass es klare Grenzen für die Länge solcher Ketten gibt.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Titel: Verteilungen von linksseitigen Primzahl-Trunkierungen

Autoren: Vivian Kuperberg und Matilde Lalín

---

1. Problemstellung und Motivation

Das Paper untersucht die Verteilung der Anzahl von „linksseitigen Primzahl-Trunkierungen" (left prime truncations) in zwei mathematischen Kontexten:

1. Ganzzahlen: Für eine ganze Zahl $n$ in Basis $b$ werden alle Zahlen betrachtet, die entstehen, wenn man wiederholt die linke Ziffer entfernt. Die Frage ist, wie viele dieser Teilstücke Primzahlen sind.
2. Polynome über endlichen Körpern: Das analoge Problem für Polynome $f(T) \in \mathbb{F}_q[T]$ in einer Basis $b(T)$. Hier werden „Trunkierungen" als Polynome definiert, die durch Entfernen der höchsten Terme (hinsichtlich der Basisentwicklung) entstehen. Die Frage ist, wie viele dieser Teilstücke irreduzibel sind.

Ein bekanntes Beispiel ist die Primzahl $357686312646216567629137$, bei der jede linksseitige Trunkierung ebenfalls prim ist. Die Autoren untersuchen systematisch:

• Den Durchschnittswert der Anzahl solcher Trunkierungen über alle $b$-stellige Zahlen (bzw. Polynome).
• Die Varianz dieser Verteilung.
• Die maximale Anzahl solcher Trunkierungen für ein festes $b$ (bzw. $q, m$), wenn die Länge $\ell$ variiert.

2. Methodik

Die Autoren verwenden eine Kombination aus analytischer Zahlentheorie, der Theorie endlicher Körper und probabilistischen Heuristiken.

• Analytische Werkzeuge:

  • Primzahlsatz und Verallgemeinerungen: Nutzung des Primzahlsatzes für $\mathbb{Z}$ und der analogen Sätze für irreduzible Polynome über $\mathbb{F}_q[T]$.
  • Dirichlet-Charaktere: Zur Behandlung von Kongruenzbedingungen bei der Zählung von Primzahlen/Irreduziblen in arithmetischen Progressionen.
  • Riemannsche Hypothese (RH): Im ganzzahligen Fall werden Ergebnisse oft unter Annahme der verallgemeinerten Riemannschen Hypothese (GRH) hergeleitet, da die Varianz auf der Verteilung von Primzahlen in großen arithmetischen Progressionen beruht. Im polynomiellen Fall ist die RH ein bewiesener Satz (von Weil), was unbedingte Ergebnisse ermöglicht.
  • Von-Mangoldt-Funktion: Um die Indikatorfunktionen für Primzahlen/Irreduzible zu approximieren und Fehlerterme zu kontrollieren.

• Probabilistische Heuristiken:

  • Cramér-Modell: Die Primzahlen werden als unabhängige Zufallsvariablen modelliert, wobei die Wahrscheinlichkeit, dass eine Zahl der Größe $x$ prim ist, durch $1/\log x$ gegeben ist.
  • Borel-Cantelli-Lemmata: Diese werden verwendet, um Aussagen über das maximale Vorkommen von Primzahl-Trunkierungen zu treffen (d.h. ob es unendlich viele Zahlen gibt, die eine bestimmte maximale Länge erreichen).

• Verallgemeinerung:

  • Einführung einer verallgemeinerten Basis $b(T)$ für Polynome, um eine direkte Analogie zwischen dem Wachstum der Basis $b$ (bei ganzen Zahlen) und dem Grad $m$ der Basis $b(T)$ (bei Polynomen) herzustellen.

3. Hauptergebnisse

A. Ganzzahliger Fall (Integers)

• Durchschnittswert:
  • Für $b \to \infty$: Der durchschnittliche Wert $\langle \text{Trun}^L_b \rangle_{b^\ell}$ verhält sich asymptotisch wie $\frac{1}{\log b} \sum_{h=1}^\ell \frac{1}{h}$.
  • Für $\ell \to \infty$ (festes $b$): Der Wert wächst wie $\left(1 - \frac{1}{b}\right) \frac{\log \ell}{\log b}$.
• Varianz:
  • Unter GRH für $b \to \infty$: Die Varianz ist von der Ordnung $\frac{\log \ell}{\log b}$.
  • Vermutung für $\ell \to \infty$: Die Autoren vermuten, dass die Varianz für festes $b$ und großes $\ell$ von der Ordnung $\log^2 \ell$ ist. Dies wird auf ein „Clustering"-Phänomen zurückgeführt: Wenn $\gcd(n, b) > 1$, sind fast keine Trunkierungen prim, was die Varianz in der Gesamtheit der Zahlen erhöht.
• Maximum:
  • Es wird vermutet, dass die maximale Anzahl primärer Trunkierungen für ein festes $b$ und $\ell \to \infty$ asymptotisch $\asymp \frac{\ell \log b}{\log \ell}$ beträgt.

B. Polynomieller Fall (Polynomials over $\mathbb{F}_q[T]$)

• Durchschnittswert:
  • Für $q \to \infty$: Der Durchschnitt entspricht einer Summe über Indizes $h \equiv -1 \pmod m$.
  • Für $m \to \infty$ (Grad der Basis): Das Ergebnis spiegelt den ganzzahligen Fall für $b \to \infty$ wider, wobei $\log b$ durch den Grad $m$ ersetzt wird.
  • Für $\ell \to \infty$: Der Durchschnitt wächst logarithmisch mit $\ell$.
• Varianz:
  • Da die RH für Funktionenkörper bewiesen ist, sind die Ergebnisse für $q \to \infty$ und $m \to \infty$ unbedingt (ohne Hypothesen).
  • Für $\ell \to \infty$ wird eine Vermutung aufgestellt, die analog zur ganzzahligen Vermutung ist: Die Varianz wächst wie $\log^2 \ell$. Auch hier wird das Clustering von irreduziblen Trunkierungen bei Polynomen, die nicht teilerfremd zur Basis sind, als Ursache genannt.
• Maximum:
  • Die maximale Anzahl irreduzibler Trunkierungen wird vermutet als $\asymp \frac{m \ell \log q}{\log \ell}$.

4. Signifikanz und Vergleich

• Analogie zwischen $\mathbb{Z}$ und $\mathbb{F}_q[T]$: Das Paper zeigt eine bemerkenswerte strukturelle Ähnlichkeit zwischen der Verteilung von Primzahlen in ganzen Zahlen und irreduziblen Polynomen.
  • Die Basis $b$ in $\mathbb{Z}$ entspricht dem Grad $m$ der Basis $b(T)$ in $\mathbb{F}_q[T]$.
  • Die Größe des Körpers $q$ entspricht der Basis $b$ in gewissem Sinne, wenn man den Grad $m$ fixiert.
• Unterschiede: Ein wesentlicher Unterschied liegt in der Behandlung der Varianz. Im polynomiellen Fall können viele Ergebnisse aufgrund der bewiesenen Riemannschen Hypothese für Funktionenkörper streng bewiesen werden, während im ganzzahligen Fall oft auf die GRH angewiesen ist.
• Neue Einsichten: Die Arbeit liefert neue asymptotische Formeln für die Varianz und stellt Vermutungen über das Verhalten im Grenzwert $\ell \to \infty$ auf, die auf dem Phänomen des „Clustering" (Klumpenbildung) von Primzahlen basieren, wenn die Zahlen nicht teilerfremd zur Basis sind.

5. Fazit

Die Autoren liefern einen umfassenden Überblick über die statistischen Eigenschaften von linksseitigen Trunkierungen. Sie beweisen asymptotische Formeln für Mittelwerte und Varianzen in verschiedenen Grenzwerten ($b, q, m, \ell \to \infty$) und untermauern ihre Ergebnisse durch probabilistische Modelle. Die Arbeit schließt eine Lücke im Verständnis der Verteilung von Primzahlen und irreduziblen Polynomen in Trunkierungssequenzen und bietet eine solide Grundlage für zukünftige Forschungen, insbesondere zu rechtsseitigen Trunkierungen.