🔢 mathematics

Sums of Apostol's Möbius functions of order $k$

Este artículo proporciona soluciones afirmativas completas para la versión condicional y soluciones parciales para la versión incondicional de la conjetura de 2001 de A. Bege relativa a las sumas de las funciones de Möbius de Apostol de orden $k$ sobre enteros coprimos con $q$ , al tiempo que establece una estimación de la media cuadrática para el término de error asociado.

Autores originales: Reo Terada

Publicado 2026-06-02

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Reo Terada

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 estás intentando contar un tipo muy específico de "grano matemático" esparcido por un vasto campo infinito. Este grano se llama la función de Apostol-Möbius: es una regla especial que asigna un número (1, -1 o 0) a cada número entero basándose en cómo se disponen sus "bloques de construcción primos".

Durante mucho tiempo, los matemáticos supieron que si cuentas estos granos hasta un cierto punto $x$ , el total no es simplemente un desorden aleatorio: sigue un patrón predecible, como una línea principal (la "cantidad promedio") más un poco de "oscilación" o "ruido" (el término de error).

Este artículo, escrito por Reo Terada, trata sobre la medición de ese "ruido" de forma más precisa, especialmente cuando añadimos una nueva regla al juego: solo contamos los granos que no comparten ningún factor con un número específico $q$ (como si solo contáramos granos que son "coprimos" con $q$ ).

Aquí tienes un desglose de lo que logra el artículo, utilizando analogías sencillas:

1. El objetivo principal: Domar el ruido

Imagina el conteo total de estos granos como un coche conduciendo por una autopista.

El camino principal ($Akx$): Este es el camino suave y predecible que el coche debería seguir.
El camino accidentado ( $E_{k,q}(x)$ ): Este es el "término de error" o el ruido. El coche se tambalea un poco fuera de la línea recta.

Matemáticos anteriores (como Apostol, Bege y otros) tenían mapas de qué tan accidentado era este camino.

El mapa antiguo: Decía que los baches eran aproximadamente del tamaño de $x^{1/k}$ .
La Conjetura de Bege (El mapa de ensueño): Sugería que los baches eran en realidad mucho más pequeños y suaves, encogiéndose exponencialmente a medida que avanzabas más lejos.

Lo que hizo Terada: Demostró que el "Mapa de Ensueño" de Bege es mayormente correcto. Demostró que los baches son, de hecho, mucho más pequeños de lo que se pensaba anteriormente, pero con una ligera salvedad: el tamaño de los baches depende de las reglas específicas del camino (el número $k$ y el número $q$ ).

2. Los dos nuevos mapas (Teoremas)

El artículo proporciona dos mapas diferentes para este camino accidentado, dependiendo de si asumimos que una famosa teoría matemática no probada, la Hipótesis de Riemann, es cierta.

Mapa A: El mapa del "Mundo Real" (Resultado incondicional)

El escenario: No asumimos que la Hipótesis de Riemann sea cierta. Estamos trabajando con lo que sabemos con certeza.
El resultado: Terada demuestra que los baches (el error) son muy pequeños. Se encogen más rápido de lo que nadie esperaba, siguiendo una fórmula que parece un tobogán empinado hacia abajo.
El inconveniente: El tamaño de los baches todavía depende fuertemente del "orden" $k$ (qué tan compleja es la regla del grano).
Analogía: Incluso sin un mapa perfecto del universo, Terada demostró que el tambaleo del coche es diminuto, siempre que conozcas exactamente qué tan accidentado es el segmento de carretera específico.

Mapa B: El mapa del "Mundo Perfecto" (Condicional a la Hipótesis de Riemann)

El escenario: Asumimos que la Hipótesis de Riemann es cierta (una regla gigante y no probada sobre cómo se distribuyen los números primos).
El resultado: Bajo esta suposición, el camino se vuelve increíblemente suave. Los baches se encogen aún más, haciendo que la trayectoria del coche sea casi perfectamente recta.
Significado: Esto resuelve completamente una conjetura específica hecha por un matemático llamado Bege en 2001. Confirma que, si el universo sigue las reglas de Riemann, el "ruido" en este problema de conteo es insignificante.

3. La estimación de la "Media Cuadrática" (El tambaleo promedio)

El artículo también analiza la Media Cuadrática del error.

Analogía: Imagina que tomas una foto del tambaleo del coche cada segundo y mides qué tan lejos está de la línea central. Luego, elevas esas distancias al cuadrado (para que todas sean positivas) y calculas el promedio.
El resultado: Terada calculó exactamente cuánta "energía" hay en estos tambaleos durante un largo periodo. Encontró que, aunque el coche se tambalea, la cantidad promedio de tambaleo es predecible y sigue una tasa de crecimiento específica. Esto ayuda a los matemáticos a entender el comportamiento "típico" del error, no solo el peor de los casos.

4. El giro de la "Coprimalidad"

Una parte clave de este artículo es que no solo cuenta todos los granos, sino que cuenta granos que son coprimos con $q$ .

Analogía: Imagina que estás contando granos, pero usas un tamiz. Si un grano comparte un código secreto (un factor) con el número $q$ , lo desechas.
El descubrimiento: Terada demostró que incluso con este tamiz, las mismas reglas para los "baches" se aplican. El tamaño de los baches está directamente relacionado con cuántos divisores "libres de cuadrados" tiene el número $q$ (una forma elegante de contar cuántas maneras puedes descomponer $q$ sin repetir factores primos).

Resumen

En lenguaje sencillo, este artículo es un informe de ingeniería de precisión para un problema de conteo matemático específico.

Confirma que una conjetura de larga data (la Conjetura de Bege) sobre qué tan pequeños son los errores de conteo es correcta.
Proporciona una nueva fórmula más ajustada para estos errores que funciona incluso sin asumir que la Hipótesis de Riemann sea cierta.
Ofrece una solución completa para los errores si sí asumimos que la Hipótesis de Riemann es cierta.
Extiende todos estos resultados a un escenario más complejo donde se filtran los números que comparten factores con un número específico $q$ .

El artículo no habla de construir puentes o curar enfermedades; se trata puramente de limpiar las matemáticas para ver los patrones subyacentes de los números con mayor claridad.

Resumen Técnico: Sumas de las Funciones de Möbius de Apostol de Orden $k$

Planteamiento del Problema
El artículo aborda el comportamiento asintótico de la función sumatoria de la función de Möbius generalizada $\mu_k(n)$ de orden $k$ , específicamente bajo la condición de que el índice de la suma $n$ sea coprimo con un entero fijo $q$ . La función de Möbius clásica $\mu(n)$ corresponde al caso $k=1$ . Para $k \ge 2$ , T. M. Apostol (1970) estableció que $\sum_{n \le x} \mu_k(n) = A_k x + E_k(x)$ , donde el término de error $E_k(x)$ es $O(x^{1/k} \log x)$ .

A. Bege (2001) conjeturó cotas significativamente más agudas para el término de error $E_{k,q}(x)$ en el caso coprimo $\sum_{n \le x, (n,q)=1} \mu_k(n) = A_{k,q} x + E_{k,q}(x)$ . La conjetura de Bege propuso dos versiones:

Incondicional: $E_{k,q}(x) \ll \theta(q) x^{1/k} \exp\left(-D \frac{(\log x)^{3/5}}{(\log \log x)^{1/5}}\right)$ .
Condicional (asumiendo la Hipótesis de Riemann): $E_{k,q}(x) \ll \theta(q) x^{2/(2k+1)} \exp\left(A \frac{\log x}{\log \log x}\right)$ .

Si bien trabajos recientes de Banerjee et al. (2023) y Martin y Yip (2025) resolvieron estas conjeturas para el caso $q=1$ , el caso general para un $q \ge 1$ arbitrario permanecía abierto. Este artículo tiene como objetivo generalizar estos resultados recientes a un $q$ arbitrario y proporcionar una estimación de la media cuadrática del término de error.

Metodología
El autor emplea técnicas de la teoría analítica de números, basándose principalmente en series de Dirichlet, la fórmula de Perron e integración de contornos. Los pasos metodológicos centrales incluyen:

Descomposición de $\mu_k$ : La función $\mu_k$ se descompone mediante la convolución de Dirichlet como $\mu_k = f_k * c_k$ . La función $f_k$ se define de tal manera que su serie de Dirichlet se relaciona con $\zeta^{-2}(s)$ , mientras que $c_k$ es una función auxiliar con propiedades de crecimiento controladas.
División de la Suma: La función sumatoria se divide en rangos basados en un parámetro (por ejemplo, $d \le \rho z$ frente a $d > \rho z$ ) para aislar el término principal del término de error. Esto permite la aplicación de diferentes estimaciones para distintas partes de la suma.
Análisis de la Serie de Dirichlet: El artículo utiliza las expansiones de productos de Euler de las series de Dirichlet relevantes. Los lemas clave establecen la convergencia absoluta de estas series en planos semireales específicos y proporcionan cotas para los coeficientes de las funciones auxiliares (por ejemplo, $b_k(n)$ y $d_k(n)$ ).
Integración de Contornos: Se utiliza la fórmula de Perron para expresar las sumas parciales como integrales complejas. Los contornos de integración se desplazan hacia la izquierda (hacia la línea crítica) para extraer los términos principales (residuos) y acotar las integrales restantes.
- Para la prueba incondicional (Teorema 1), el contorno se desplaza a una región que utiliza las regiones de no nulidad de la función zeta de Riemann, lo que conduce al factor de decaimiento exponencial que involucra $(\log x)^{3/5}$ .
- Para la prueba condicional (Teorema 2), asumiendo la Hipótesis de Riemann (RH), el contorno se desplaza a $\text{Re}(s) = 1/2$ . Se aplican cotas para $\zeta(s)$ y $\zeta^{-1}(s)$ bajo la RH (usando la notación de la función $\omega$ ) para estimar las integrales.
Estimación de la Media Cuadrática: Para el Teorema 3, el autor analiza la media cuadrática de la discrepancia $\Xi_{k,q}(x)$ (el término de error ajustado por un término principal secundario). Esto implica la aplicación de la identidad de Parseval a las series de Dirichlet, convirtiendo la integral del cuadrado de la función en una integral del módulo al cuadrado de la serie de Dirichlet asociada a lo largo de una línea vertical.

Contribuciones Clave y Resultados

Teorema 1 (Estimación Incondicional): El artículo demuestra que para cualquier $x \ge 3$ , $k \ge 2$ y $q \ge 1$ :
$E_{k,q}(x) \ll_k \theta(q) x^{1/k} \exp\left(-D_0 k^{-8/5} \frac{(\log x)^{3/5}}{(\log \log x)^{1/5}}\right)$
donde $D_0$ es una constante positiva absoluta. Esto proporciona una solución afirmativa a la versión incondicional de la conjetura de Bege, permitiendo que la constante implícita y la constante $D$ dependan de $k$ . También mejora ligeramente el resultado de $q=1$ de Banerjee et al.
Teorema 2 (Estimación Condicional): Asumiendo la Hipótesis de Riemann, el artículo demuestra:
$E_{k,q}(x) \ll \theta(q) x^{1/(k+1)} \exp\left(C_0 \frac{\log x}{\log \log x}\right)$
donde $C_0$ es una constante positiva absoluta. Esto resuelve completamente la parte condicional de la conjetura de Bege para un $q$ general. Refina el resultado de $q=1$ de Martin y Yip al proporcionar una estructura de término de error más precisa.
Teorema 3 (Estimación de la Media Cuadrática): El artículo establece una cota para la media cuadrática del término de error ajustado $\Xi_{k,q}(x) = E_{k,q}(x) - B_{k,q}x^{1/(k+1)}$ :
$\int_1^T \Xi_{k,q}^2(x) \, dx \ll C_{k,q}^2 T^{1+1/k} \exp\left(G_0 (\log T)^{G_1 k / (G_1 k + 1)}\right)$
donde $C_{k,q}$ es una constante que depende de $q$ y $k$ , y $G_0, G_1$ son constantes absolutas. Esto cuantifica el tamaño promedio de la oscilación del término de error.

Significado
El artículo afirma proporcionar "soluciones afirmativas" a la versión condicional de la conjetura de Bege de forma completa y a la versión incondicional parcialmente (en el sentido de que las constantes dependen de $k$ ). Al generalizar los recientes avances para $q=1$ a un $q$ arbitrario, el trabajo extiende la comprensión de la distribución de las funciones de Möbius de orden superior en progresiones aritméticas. Los resultados confirman que los términos de error se comportan como Bege predijo, con la magnitud del error controlada por el número de divisores de números libres de cuadrados de $q$ ( $\theta(q)$ ) y el orden $k$ . La estimación de la media cuadrática caracteriza aún más la fluctuación de estas sumas, ofreciendo una visión más profunda del comportamiento del término de error más allá de las simples cotas superiores.