🔢 mathematics

The inhomogeneous Khintchine Theorem in dimension two

Este artículo demuestra que la variante no homogénea del Teorema de Khintchine se cumple en dimensión dos sin requerir una suposición de monotonía, resolviendo así el último caso abierto en la teoría métrica de la aproximación diofántica no homogénea y alineándola con su contraparte homogénea.

Autores originales: Demi Allen, Manuel Hauke-Treuer, Felipe A. Ramírez

Publicado 2026-05-20

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Demi Allen, Manuel Hauke-Treuer, Felipe A. Ramírez

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

El Panorama General: Un Juego de Atrapar Lluvia que Cae

Imagina que estás de pie en un campo (este es tu "espacio", específicamente un cuadrado bidimensional). Sobre ti, está lloviendo. Pero esta no es una lluvia normal; es "lluvia racional". Las gotas caen en intervalos específicos y predecibles determinados por números.

El Objetivo: Quieres saber si un punto específico en el suelo (un punto llamado $\alpha$ ) se mojará infinitas veces.
La Regla: Un punto se moja si una gota de lluvia cae dentro de una distancia minúscula de él. El tamaño de esta "zona mojada" está determinado por una función llamada $\psi$ (piensa en esto como el tamaño del paraguas o el radio del salpicado).
El Giro (Inhomogéneo): En la versión clásica de este juego, la lluvia cae recta hacia abajo. En la versión de este artículo, la lluvia está "desplazada" o "inclinada" por una cantidad fija y aleatoria (llamada $\gamma$ ). Es como si todo el cielo estuviera ligeramente descentrado.

Los autores están intentando resolver un acertijo de 100 años: Si la lluvia es lo suficientemente fuerte (matemáticamente hablando), ¿se mojará cada punto del suelo infinitas veces, incluso si la lluvia está inclinada?

El Problema: La Pieza Faltante del Rompecabezas

Durante décadas, los matemáticos conocían la respuesta a esta pregunta en dos escenarios:

1D (Una línea): Si la lluvia está inclinada, debes asumir que la lluvia se hace más pequeña de una manera muy suave y predecible (monotonía) para garantizar que el suelo se moje. Si el tamaño de la lluvia salta de forma aleatoria, el suelo podría permanecer seco.
3D y superior (Una habitación o más): Incluso si la lluvia está inclinada y el tamaño salta de forma aleatoria, el suelo siempre se moja. Las dimensiones extra actúan como una red de seguridad.

El Misterio: ¿Qué pasa con 2D (una hoja de papel plana)?
Durante mucho tiempo, esto fue el "eslabón perdido". Nadie sabía si la "red de seguridad" de las dimensiones superiores funcionaba para una hoja plana, o si la regla de 1D (necesitando lluvia suave) todavía se aplicaba. Este artículo finalmente resuelve ese misterio.

El Descubrimiento: Los autores demuestran que en 2D, ¡la red de seguridad funciona! No necesitas que la lluvia sea suave o predecible. Incluso si el tamaño de la lluvia salta salvajemente, siempre que la cantidad total de lluvia sea infinita, cada punto del suelo se mojará infinitas veces.

El Obstáculo: ¿Por qué fue 2D tan difícil?

Para probar esto, los autores tuvieron que contar con qué frecuencia dos gotas de lluvia diferentes podrían caer en el mismo punto al mismo tiempo (superposición).

La Forma Fácil (3D+): En dimensiones superiores, las gotas de lluvia están tan dispersas que rara vez se superponen de manera desordenada. Puedes usar un truco de conteo simple (como contar cuántas personas hay en una habitación) para probar que el suelo se moja.
La Forma Difícil (2D): En 2D, las gotas de lluvia están abarrotadas. Se superponen en patrones complejos. Si intentas usar el truco de conteo simple, las matemáticas se rompen porque las superposiciones son demasiado frecuentes y caóticas. Es como intentar contar cuántas veces dos personas en una pista de baile abarrotada chocan entre sí; es demasiado desordenado para simplemente adivinar.

La Solución: "Cirugía" y "Reducción de Desplazamiento"

Los autores desarrollaron una nueva estrategia ingeniosa para limpiar el desorden. La llaman "Reducción de Desplazamiento".

Imagina que estás intentando contar las superposiciones, pero la multitud es demasiado caótica.

La Estrategia Antigua (Desplazamientos Racionales): Si la inclinación ( $\gamma$ ) era una fracción simple (como 1/2), los matemáticos podían simplemente "cortar" a las personas que estaban paradas en los lugares incorrectos (puntos no primitivos). Esto limpiaba la multitud lo suficiente para contar las superposiciones.
El Nuevo Problema (Desplazamientos Irracionales): Pero, ¿qué pasa si la inclinación es un número extraño e irracional (como $\pi$ )? No puedes simplemente cortar una fracción simple. La multitud permanece desordenada.
La Nueva Estrategia (El "Objetivo Móvil"): Los autores se dieron cuenta de que no podían usar un corte fijo. En su lugar, tuvieron que usar una secuencia de aproximaciones.
- Fingieron que la inclinación extraña era en realidad una serie de fracciones más simples que se acercan cada vez más a la cosa real.
- Para cada paso en esta secuencia, realizaron un poco de "cirugía" en la multitud, eliminando a las personas que no encajaban en esa aproximación específica.
- Dividieron el problema en diferentes "regímenes" (como diferentes condiciones climáticas). A veces la aproximación era lo suficientemente buena para usar el corte simple; otras veces, tenían que usar un corte más delicado, de dos pasos.

La Metáfora: Imagina intentar tomar una foto de un objeto que se mueve rápido y está borroso.

En 1D, necesitas una mano muy firme (monotonía) para obtener una imagen clara.
En 3D, el objeto es tan grande y lento que cualquier cámara funciona.
En 2D, el objeto se mueve rápido y está borroso. Los autores inventaron una nueva técnica de cámara: toman una serie de fotos, cada una con una configuración de enfoque ligeramente diferente (la "reducción de desplazamiento"), y luego las unen. Al combinar estas vistas ligeramente diferentes, pueden probar que el objeto está allí, aunque ninguna foto individual fuera perfecta.

El Resultado: Una Teoría Completa

Al utilizar esta técnica de "reducción de desplazamiento", los autores lograron demostrar que las superposiciones en 2D son en realidad lo suficientemente bien comportadas como para garantizar el resultado.

En términos sencillos:
Demostraron que para números bidimensionales, el "caos" del tamaño de la lluvia no importa. El suelo se moja. Esto completa la historia para todas las dimensiones:

1D: Necesitas lluvia suave.
2D y superior: No necesitas lluvia suave; el suelo siempre se moja.

Esto trae la teoría "inhomogénea" (lluvia inclinada) a un alineamiento perfecto con la teoría "homogénea" (lluvia recta), mostrando que la dimensión del espacio es lo único que importa, no la complejidad del tamaño de la lluvia.

Resumen de las "Heurísticas" (La Lógica)

El Objetivo: Probar que un conjunto de puntos tiene "medida completa" (significando que casi todos los puntos en el cuadrado están cubiertos).
La Herramienta: Usan una regla matemática llamada el Segundo Lema de Borel-Cantelli. Esta regla dice: "Si la suma de las probabilidades es infinita, y los eventos no son demasiado dependientes entre sí, entonces el evento ocurre infinitas veces".
El Obstáculo: En 2D, los eventos (gotas de lluvia cayendo) sí son demasiado dependientes entre sí. Se superponen demasiado.
La Solución: "Quirúrgicamente" eliminan las superposiciones problemáticas restringiendo los puntos a un subconjunto especial (los conjuntos "reducidos por desplazamiento").
El Avance: Demostraron que incluso con la inclinación desordenada e irracional, estos subconjuntos especiales siguen siendo lo suficientemente grandes como para cubrir el suelo, y sus superposiciones son lo suficientemente pequeñas como para satisfacer la regla matemática.

Conclusión Final: Este artículo cierra el último capítulo abierto en una historia matemática centenaria sobre qué tan bien podemos aproximar números, demostrando que en dos dimensiones, la naturaleza es más indulgente de lo que pensábamos.

Resumen Técnico: El Teorema de Khintchine Inhomogéneo en Dimensión Dos

Enunciado del Problema
El artículo aborda la teoría métrica de la aproximación diofántica inhomogénea, centrándose específicamente en la aproximación simultánea de dos números reales $\alpha_1, \alpha_2$ mediante números racionales desplazados $(u_1+\gamma_1)/q$ y $(u_2+\gamma_2)/q$ . El objeto central de estudio es el conjunto $W^\gamma(\psi)$ de vectores $\alpha \in [0,1]^2$ tales que $\|q\alpha - u - \gamma\| < \psi(q)$ para infinitos $(u, q) \in \mathbb{Z}^2 \times \mathbb{N}$ , donde $\gamma \in \mathbb{R}^2$ es un parámetro inhomogéneo fijo y $\psi: \mathbb{N} \to [0, \infty)$ es una función de aproximación.

Los autores tienen como objetivo demostrar la "parte de divergencia" del teorema de Khintchine inhomogéneo en dimensión $m=2$ sin asumir que $\psi$ sea monótona. Mientras que la parte de convergencia se sigue directamente del lema de Borel–Cantelli, la parte de divergencia (que establece que el conjunto tiene medida de Lebesgue completa cuando $\sum \psi(q)^2 = \infty$ ) ha requerido históricamente la monotonía. Esta suposición se sabía innecesaria para dimensiones $m \ge 3$ (Gallagher, Ennola) y necesaria para $m=1$ (Duffin–Schaeffer). El caso $m=2$ permanecía como el último caso abierto en la teoría inhomogénea general, así como el caso final pendiente para los teoremas tipo Khintchine–Groshev para sistemas de formas lineales.

Metodología y Obstáculos
La estrategia de prueba se basa en establecer la "cuasi-independencia en promedio" para los conjuntos $E_q$ definidos por la condición de aproximación. Los enfoques estándar que utilizan el segundo lema de Borel–Cantelli requieren acotar la superposición $\lambda(E_q \cap E_r)$ .

El Obstáculo: En dimensión $m=2$ , las estimaciones elementales de superposición que involucran el máximo común divisor (MCD) de $q$ y $r$ producen una cota que incluye un factor $\log \log Q$ . Esta cota es insuficiente para probar la cuasi-independencia para $\psi$ arbitrario, particularmente cuando $\psi$ crece lentamente o es dispersa. Los autores señalan que los métodos anteriores que dependen de la "cirugía" (restringirse a puntos primitivos) funcionan para $\gamma$ racional o bajo suposiciones adicionales de divergencia, pero fallan para $\gamma$ irracional general debido al crecimiento ilimitado de los denominadores en las aproximaciones racionales.
Reducción del Desplazamiento: Los autores introducen un esquema refinado de "reducción del desplazamiento". En lugar de una única condición primitiva, definen subconjuntos $E'_q \subseteq E_q$ $E_{q}^{'} \subseteq E_{q}$ basados en la primalidad de $B_k u + A_k$ $B_{k} u + A_{k}$ (o $b_k u + a_k$ $b_{k} u + a_{k}$ ), donde $A_k/B_k$ $A_{k} / B_{k}$ y $a_k/b_k$ $a_{k} / b_{k}$ son aproximaciones racionales a $\gamma$ $γ$ derivadas del tamaño de $\psi(q)$ $ψ (q)$ .
- Si el denominador $B_k$ de la mejor aproximación es pequeño en relación con $\psi(q)$ , utilizan $A_k/B_k$ .
- Si $B_k$ es grande, utilizan una aproximación secundaria $a_k/b_k$ proporcionada por el teorema de Dirichlet.
Estimaciones de Superposición Refinadas: Al combinar esta reducción del desplazamiento con una "visión delicada" de las estimaciones de superposición, los autores derivan cotas que incluyen funciones indicadoras que dependen de la distancia de $(q-r)\gamma/\gcd(q,r)$ al entero más cercano. Esto les permite aprovechar las propiedades de equidistribución de $\gamma$ .
Cotras para Conjuntos de Bohr: La innovación técnica central implica estimar la cardinalidad de los "conjuntos de Bohr" (conjuntos de enteros $h$ $h$ tales que $\|h\gamma\|$ $∥ hγ ∥$ es pequeño) dentro de rangos específicos. Los autores manejan tres regímenes distintos basados en las propiedades diofánticas de $\gamma$ $γ$ y los tamaños relativos de los parámetros:
- $\gamma$ Racional: Manejado por la literatura existente (Kim).
- $\gamma$ No-Liouville: La equidistribución de $h\gamma$ proporciona un ahorro suficiente.
- $\gamma$ Liouville: Este es el caso más difícil. Los autores emplean una distinción de casos basada en el tamaño del denominador de aproximación $B$ en relación con el tamaño del soporte $M$ . Demuestran que, al cambiar entre la aproximación primaria $A/B$ y la secundaria $a/b$ dependiendo de si $B$ es "pequeño" o "grande" en relación con $M$ , pueden controlar las estimaciones de superposición de manera uniforme, independientemente de lo bien que $\gamma$ sea aproximado por racionales.

Contribuciones y Resultados Clave
El resultado principal es el Teorema 1.1, que establece que para cualquier $\gamma \in \mathbb{R}^2$ y cualquier función $\psi: \mathbb{N} \to [0, \infty)$ :
$\lambda(W^\gamma(\psi)) = \begin{cases} 0 & \text{si } \sum_{q=1}^\infty \psi(q)^2 < \infty, \\ 1 & \text{si } \sum_{q=1}^\infty \psi(q)^2 = \infty. \end{cases}$
Este resultado se mantiene sin ninguna suposición de monotonía sobre $\psi$ .

El artículo establece además:

Teorema Multivariado de Khintchine–Groshev Inhomogéneo: Al combinar el Teorema 1.1 con argumentos de reducción de trabajos anteriores (específicamente [39]), los autores confirman el teorema para sistemas de formas lineales en todas las dimensiones $(n, m)$ donde $m > 1$ , resolviendo los casos $(n, 2)$ .
Teorema Univariado de Khintchine–Groshev Inhomogéneo: El resultado se extiende al caso univariado donde $\psi$ depende solo de $|q|$ .
Dicotomías de Medida de Hausdorff: Utilizando el Principio de Transmisión de Masa, los autores deducen resultados correspondientes para medidas de Hausdorff, completando la teoría métrica para estas dimensiones.

Significado
El artículo afirma resolver el "último caso restante" en la teoría métrica de la aproximación diofántica inhomogénea. Al demostrar el teorema para la dimensión $m=2$ sin monotonía, los autores alinean completamente la teoría inhomogénea con su contraparte homogénea. Esto confirma una conjetura de los autores primero y tercero respecto a la teoría de Khintchine–Groshev para sistemas de formas lineales. El trabajo demuestra que el obstáculo para eliminar la monotonía en la dimensión dos no es estructural (como lo es en la dimensión uno) sino técnico, y se supera mediante una sofisticada interacción de técnicas de reducción del desplazamiento y estimaciones precisas de conjuntos de Bohr que acomodan tanto parámetros Liouville como no-Liouville.