🔢 mathematics

Note on shifted primes with large prime factors

Este artículo mejora el reciente límite cuantitativo de Ding para la proporción de primos desplazados $p \le x$ con un factor primo grande $P^+(p-1) \ge p^c$ al establecer un límite superior más ajustado de $-\frac{7}{2}\log c$ para el rango $e^{-\frac{2}{7}} < c < 1$ .

Autores originales: Yuchen Ding, Zhiwei Wang

Publicado 2026-02-06

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yuchen Ding, Zhiwei Wang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes una bolsa gigante de números, específicamente los números primos (números como 2, 3, 5, 7, 11 que solo pueden dividirse por 1 y por sí mismos). Estos son los bloques de construcción de las matemáticas.

Ahora, toma cualquier número primo, digamos $p$ . Si le restas 1 a ese número, obtienes un nuevo número ( $p-1$ ). Este nuevo número suele ser un número "compuesto", lo que significa que está hecho de factores primos más pequeños multiplicados entre sí. Por ejemplo, si $p=13$ , entonces $p-1=12$ , que está hecho de $2 \times 2 \times 3$ . El "factor primo más grande" aquí es 3.

El artículo de Yuchen Ding y Zhiwei Wang es una historia de detectives sobre la búsqueda de primos donde esta "pieza más grande" es sorprendentemente enorme.

La Gran Pregunta: ¿Qué tan grandes pueden ser las piezas?

Los autores se hacen una pregunta específica: Si observamos todos los números primos hasta un número muy grande $x$ , ¿cuántos de ellos tienen una "pieza más grande" (llamémle $P(p-1)$ ) que es al menos una cierta fracción del propio primo?

Digamos que elegimos una fracción $c$ (como 0.9, es decir, el 90%). Queremos saber: ¿Cuántos números primos $p$ hay donde la pieza más grande de $p-1$ es al menos el 90% de $p$ ?

Los matemáticos han estado tratando de averiguar la "densidad" de estos primos especiales. En otras palabras, si eliges un primo al azar de una lista enorme, ¿cuáles son las probabilidades de que tenga esta pieza gigante?

El Trabajo de Detective Previo

El Mapa Antiguo (1935): Un famoso matemático llamado Erdős demostró que, a medida que tu fracción $c$ se acerca cada vez más a 1 (lo que significa que exiges que la pieza sea casi el número completo), el número de tales primos cae casi a cero. Él demostró que se vuelven increíblemente raros.
El Mapa Reciente (2023): Un investigador llamado Ding mejoró esto. Dio una fórmula específica para estimar qué tan raros son cuando $c$ está muy cerca de 1 (entre 0.88 y 1). Encontró un límite superior (un techo) sobre cuántos de estos primos podrían existir posiblemente.

El Nuevo Descubrimiento: Una Lente Más Nítida

El artículo de Ding y Wang trata de afinar esa lente. No solo miraron la misma área, sino que encontraron una forma de ver un rango más amplio y obtener una estimación más ajustada y precisa.

Esto es lo que hicieron, usando analogías simples:

1. La Analogía del Tamiz
Imagina que tienes un cubo de arena (todos los números) y quieres encontrar pepitas de oro (los primos específicos que estamos buscando). Usas un tamiz (una malla) para filtrar la tierra.

Tamiz Antiguo: Los métodos anteriores usaban un tamiz que era bueno, pero tenía algunos "agujeros" por donde la tierra podía filtrarse, o no era lo suficientemente fino para atrapar los granos de oro más pequeños.
El Nuevo Tamiz: Los autores utilizaron una herramienta más sofisticada llamada Criba Lineal. Piensa en esto como una malla de alta tecnología y ajustable que se adapta mucho mejor a la forma de las pepitas de oro que la antigua malla cuadrada. Filtra la "basura" (números que no cumplen con los criterios) de manera mucho más eficiente.

2. El Problema de la "Distribución"
Cuando estás contando estos primos especiales, tienes que lidiar con "términos de error": errores en tu conteo porque los primos no están espaciados de manera perfectamente uniforme.

La Forma Antigua: Matemáticos anteriores solo podían confiar en sus conteos hasta cierta distancia (llamémosla la "marca de la mitad"). Más allá de eso, los errores se volvían demasiado grandes para ignorarlos.
La Nueva Forma: Los autores utilizaron un nuevo y poderoso teorema (relacionado con el trabajo de Bombieri, Friedlander e Iwaniec) que les permitió confiar en sus conteos mucho más lejos, hasta una marca de "cuatro séptimos". Esto es como poder ver claramente a través de una ventana empañada que antes bloqueaba tu visión.

El Resultado: Un Techo Más Ajustado

Al combinar su mejor criba con su capacidad de ver más allá de la niebla, mejoraron el "techo" sobre cuántos de estos primos especiales pueden existir.

El Rango: Demostraron que su nueva y más ajustada fórmula funciona para un rango de fracciones $c$ más amplio. Específicamente, funciona para cualquier $c$ que esté entre aproximadamente 0.75 y 1. (El trabajo anterior solo funcionaba para $c$ entre 0.88 y 1).
La Precisión: Para cualquier número en ese rango, su nueva fórmula da un límite superior más bajo (mejor). Dice: "Definitivamente hay menos de estos primos especiales de lo que pensábamos antes".

¿Por qué es esto importante? (Según el artículo)

El artículo no afirma que esto vaya a solucionar inmediatamente un virus informático o curar una enfermedad. En cambio, destaca por qué esta matemática es interesante en el mundo de la teoría pura:

La Conexión con los Primos Gemelos: Encontrar primos donde $p-1$ tiene un factor gigante está matemáticamente vinculado a la Conjetura de los Primos Gemelos (la idea de que existen infinitos pares de primos que difieren por 2, como 3 y 5, o 11 y 13). Si puedes entender mejor estos "primos desplazados", te acercas más a resolver ese famoso enigma.
El Último Teorema de Fermat: Existe una conexión sorprendente y profunda entre estos grandes factores primos y el primer caso del Último Teorema de Fermat (un problema famoso resuelto en la década de 1990).
Criptografía: El artículo menciona que lo opuesto de lo que están estudiando (primos donde los factores son pequeños) se utiliza en criptografía (códigos de seguridad). Aunque ellos están estudiando el lado de los "factores grandes", comprender el panorama completo de los factores primos ayuda a los expertos en seguridad a saber qué números son seguros y cuáles son débiles.

Resumen en una Oración

Ding y Wang construyeron una "red" matemática mejor y un "telescopio" más claro para demostrar que el número de números primos con una "pieza más grande" gigante es aún más pequeño y restringido de lo que sabíamos anteriormente, específicamente para un rango de tamaños más amplio.

Resumen Técnico: Nota sobre Primos Desplazados con Factores Primos Grandes

Planteamiento del Problema
Este artículo investiga la distribución de los primos desplazados $p$ tales que el mayor factor primo de $p-1$ , denotado como $P(p-1)$ , excede un umbral específico $x^c$ . Específicamente, los autores estudian la cantidad $T_c(x)$ , definida como el conteo de primos $p \le x$ que satisfacen $P(p-1) \ge x^c$ , donde $0 < c < 1$ . El objetivo principal es establecer un cota superior incondicional no trivial para la razón $T_c(x)/\pi(x)$ cuando $x \to \infty$ , particularmente para valores de $c$ cercanos a 1.

Contexto y Motivación
El estudio de $P(p-1)$ es significativo en la teoría de números por varias razones. Está vinculado a la conjetura de los primos gemelos (a través de la condición $P(p+2) > p$ ) y al primer caso del Último Teorema de Fermat. Mientras que los resultados condicionales basados en la conjetura de Elliott–Halberstam sugieren una fórmula asintótica $T_c(x)/\pi(x) \to 1 - \rho(1/c)$ (donde $\rho$ es la función de Dickman), los resultados incondicionales son más desafiantes.

Trabajos previos de Erdős (1935) establecieron que $\limsup T_c(x)/\pi(x) \to 0$ cuando $c \to 1$ . Recientemente, Ding (2023) proporcionó una forma cuantitativa de este resultado, mostrando que $\limsup T_c(x)/\pi(x) \le 8(c^{-1}-1)$ para $8/9 < c < 1$ . Los autores señalan que esta cota depende de una criba bidimensional aplicada a una secuencia polinómica y del teorema clásico de Bombieri-Vinogradov (nivel de distribución $x^{1/2-\varepsilon}$ ).

Metodología
Los autores mejoran el resultado de Ding introduciendo dos avances metodológicos clave:

Criba Lineal sobre Variables Primas: En lugar de aplicar una criba bidimensional a un polinomio en variables enteras, los autores emplean la criba lineal directamente sobre la secuencia de variables primas. Definen una secuencia $\mathcal{A} = \{ \ell p + 1 : \ell \le x^{1-c}, \ell p \le x, 2|\ell \}$ y criban los primos dentro de este conjunto.
Nivel de Distribución Mejorado: Para manejar los términos de error que surgen de la criba lineal, los autores utilizan un teorema de tipo Bombieri-Friedlander-Iwaniec. Crucialmente, lo aplican con un nivel de distribución $x^{4/7-\varepsilon}$ , el cual es superior al $x^{1/2-\varepsilon}$ clásico utilizado en pruebas incondicionales previas. Esto permite una estimación más precisa de los términos de error al sumar sobre los módulos.

La demostración se basa en:

Pesos de la Criba Lineal de Iwaniec: El uso de pesos de criba de cota superior e inferior ( $\lambda_d^\pm$ ) para acotar el conjunto cribado.
Teorema de Bombieri-Friedlander-Iwaniec: La aplicación de una generalización de la convolución con pesos bien factorizables para estimar sumas que involucran primos en progresiones aritméticas con el nivel de distribución mejorado.
Análisis Asintótico de Funciones Multiplicativas: El uso de resultados de La Bretèche, Pomerance y Tenenbaum relativos a las sumas parciales de funciones multiplicativas específicas derivadas de los pesos de la criba.

Resultados Clave
El teorema principal establece la siguiente cota superior incondicional:

Teorema 1.1: Para cualquier $e^{-2/7} < c < 1$ ,
$\limsup_{x \to \infty} \frac{T_c(x)}{\pi(x)} \le -\frac{7}{2} \log c.$

Este resultado extiende el rango válido de $c$ desde $8/9 \approx 0.888$ (en el resultado de Ding) hasta $e^{-2/7} \approx 0.751$ . Además, para el rango de superposición $8/9 < c < 1$ , la nueva cota $-\frac{7}{2} \log c$ es estrictamente menor que la cota de Ding $8(c^{-1}-1)$ , proporcionando una restricción más ajustada.

Corolario e Implicaciones
Una consecuencia directa del Teorema 1.1 es el Corolario 1.1, que establece que para cualquier $c > e^{-1/7}$ (aproximadamente $0,867$),
$\limsup_{x \to \infty} \frac{T_c(x)}{\pi(x)} < \frac{1}{2}.$
Esto mejora los resultados incondicionales previos (como el de Ding para $c \approx 0,993$ y el anterior $c \approx 0,993375$ derivado de constantes explícitas en la desigualdad de Brun-Titchmarsh) respecto al umbral en el cual la densidad de tales primos cae por debajo de $1/2$ .

Significación
El artículo afirma que su significación radica en proporcionar una cota superior no trivial para $T_c(x)$ sobre un rango más amplio de $c$ y con una constante más aguda que los resultados incondicionales conocidos anteriormente. Los autores señalan que, si bien la densidad asintótica condicional se espera que sea $-\log c$ (bajo la conjetura de Elliott–Halberstam), su cota incondicional es $3,5$ veces mayor ( $-\frac{7}{2} \log c$ ). El trabajo demuestra que, al combinar la criba lineal con el teorema de Bombieri-Friedlander-Iwaniec en un nivel de distribución superior, se puede refinar efectivamente la estimación de la distribución de los factores primos grandes en primos desplazados sin depender de conjeturas no probadas.