🔢 mathematics

Quantitative Khintchine on the parabola with non-monotonic approximation functions

Este artículo establece un caso de convergencia cuantitativa del teorema de Khintchine para puntos en la parábola con funciones de aproximación no monótonas mediante la derivación de constantes explícitas en resultados clásicos de la teoría de números, particularmente la cota de Burgess para sumas de caracteres.

Autores originales: Maiken Gravgaard, Simon Kristensen

Publicado 2026-08-06

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Maiken Gravgaard, Simon Kristensen

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 darle a un blanco móvil con un dardo, pero las reglas del juego son increíblemente estrictas. Solo puedes lanzar dardos que aterricen en líneas de cuadrícula invisibles y específicas trazadas a través de un vasto campo. Cuanto más cerca del centro de un cuadrado de la cuadrícula aterrice tu dardo, mejor será tu puntuación. En el mundo de las matemáticas, este juego se llama "aproximación diofántica". Se trata de qué tan bien podemos aproximar números irracionales desordenados (como la raíz cuadrada de 2 o pi) utilizando fracciones simples (como 22/7). Durante más de un siglo, los matemáticos han estado tratando de descubrir las reglas de este juego: ¿Qué tan cerca puedes llegar? ¿Cuántas veces puedes acercarte? Y, ¿importa si tu objetivo es simplemente un punto aleatorio en una hoja de papel plana, o si está atrapado en una forma específica, como una línea curva?

La gran pregunta que aborda este artículo es sobre una forma específica: una parábola. Piensa en una parábola como la curva perfecta y suave de un arcoíris o la trayectoria que sigue una pelota cuando la lanzas. En este juego matemático, el "blanco" no es solo cualquier punto; es un punto que debe encontrarse exactamente en esta línea curva. Durante mucho tiempo, los matemáticos supieron que si intentabas golpear esta curva con tus dardos, había límites estrictos sobre qué tan seguido podrías lograr un "blanco perfecto" (una aproximación muy cercana). Una regla famosa de 1924, conocida como el Teorema de Khintchine, actúa como un árbitro. Dice que si tu objetivo es lo suficientemente difícil de alcanzar (es decir, si el requisito de "cercanía" se vuelve estricto muy rápido), casi nunca lo acertarás. Sin embargo, había un detalle: para que la regla de este árbitro funcionara, los matemáticos tenían que asumir que tu requisito de "cercanía" se volvía estricto de una manera muy predecible y suave, como una rampa que solo baja, nunca sube. Esto se llama ser "monotónico".

El gran interrogante que plantea este artículo es: ¿Qué pasa si las reglas del juego cambian de forma impredecible? ¿Qué pasa si el requisito de "cercanía" salta de arriba abajo como una montaña rusa en lugar de deslizarse por una rampa suave? Durante mucho tiempo, nadie sabía si la regla del árbitro seguía siendo válida en este escenario caótico, especialmente para puntos atrapados en una línea curva como una parábola. Los autores se propusieron demostrar que incluso si las reglas son desordenadas y no monotónicas, el juego sigue teniendo un límite: casi nunca golpearás el blanco si las reglas se vuelven lo suficientemente estrictas. No solo demostraron que existe, sino que calcularon los números exactos, aunque increíblemente diminutos, que definen qué tan cerca puedes estar antes de que el juego sea imposible.

La montaña rusa de los números

Entonces, ¿qué hicieron exactamente estos autores? Tomaron el famoso teorema de Khintchine y eliminaron la regla de la "rampa suave". Querían ver si el teorema se mantiene en pie cuando la función de aproximación (la regla que te dice qué tan cerca debes estar) tiene permitido ser salvaje y no monotónica. En el mundo de las matemáticas, eliminar este requisito de "suavidad" es como intentar navegar por un laberinto donde las paredes cambian de posición repentinamente. Esto hace que el problema sea significativamente más difícil.

Los autores se centraron en la parábola, el conjunto de puntos $(x, x^2)$ . Querían saber: Si tenemos una lista de reglas sobre qué tan cerca debe estar una fracción de un punto en esta curva, y esas reglas saltan salvajemente, ¿cuántos puntos en la curva pueden realmente satisfacerlas? Su principal hallazgo es un rotundo "casi ninguno". Demostraron que si la suma de los cuadrados de estas reglas salvajes converge (una forma elegante de decir que las reglas se vuelven estrictas lo suficientemente rápido), entonces el número de puntos en la parábola que las satisfacen es efectivamente cero.

Pero aquí está el giro: no se limitaron a decir "es cero". Querían ser un árbitro cuantitativo. Querían dar un número específico, llamémoslo $\kappa$ , que represente qué tan estrictas deben ser las reglas para garantizar que casi ningún punto sea alcanzado. Encontraron que tal número existe, pero es tan increíblemente pequeño que resulta casi cómico.

Las constantes monstruosas

Para obtener estos números, los autores tuvieron que luchar contra algunas herramientas matemáticas muy antiguas y muy obstinadas. Utilizaron una técnica que involucra "sumas de caracteres", que son como sumar ondas de números para ver si se cancelan entre sí. Para estimar estas sumas, se apoyaron en un límite famoso descubierto por el matemático Burgess. Sin embargo, la versión estándar del límite de Burgess no era lo suficientemente precisa para sus necesidades. Necesitaban una versión "explícita", lo que significa que necesitaban conocer el tamaño exacto de las constantes involucradas, no solo que existían.

Aquí es donde el artículo se vuelve salvaje. Los autores tuvieron que calcular estas constantes para diferentes tipos de números (primos, números compuestos, números grandes, números pequeños). El resultado es un conjunto de cuatro teoremas diferentes, cada uno con su propia versión de la constante $\kappa$ .

En su versión más general (Teorema 4), que funciona para cualquier denominador $q$ , la constante $\kappa$ es una pesadilla de números diminutos. Uno de los términos en su cálculo es aproximadamente $10^{-1023.89775276641198}$ . Para ponerlo en perspectiva, si escribieras ese número, tendría más de mil ceros después del punto decimal antes de llegar al primer dígito distinto de cero. Es tan pequeño que es prácticamente cero, pero matemáticamente, es la clave que desbloquea la prueba. Los autores admiten que este número es "muy pequeño" y que el principal culpable es la "función divisor", que cuenta de cuántas maneras se puede dividir un número. Debido a que esta función puede volverse enorme para ciertos números, obliga a su constante a encogerse hasta casi la nada.

Sin embargo, los autores no se quedaron solo en eso. Se dieron cuenta de que si hacían el juego un poco más específico, podrían obtener números mucho más "sensatos".

La versión de "q grande" (Teorema 5): Si solo miran denominadores muy grandes (específicamente, $q$ mayor que $e^{e^{41}}$ , un número tan grande que es difícil de comprender), la constante $\kappa$ salta a un tamaño mucho más razonable, alrededor de $0.00499$.
La versión "prima" (Teorema 7): Si solo miran denominadores que son números primos, la constante mejora de nuevo, alcanzando aproximadamente $0.012$.
La versión de "pocos divisores" (Teorema 6): Si miran números que no tienen demasiados factores, la constante se sitúa en un punto intermedio.

Por qué esto importa (incluso si los números son extraños)

Podrías preguntarte: "¿A quién le importa un número que es $10^{-1023}$ ?". La respuesta reside en la estructura de la prueba. Antes de este artículo, no sabíamos si existía una constante en absoluto para funciones no monotónicas en una parábola. El hecho de que los autores pudieran probar que existe, incluso si el número es microscópico, es un paso masivo hacia adelante. Confirma que la naturaleza "curva" de la parábola no permite mágicamente que evadamos las reglas de la aproximación, incluso cuando las reglas son caóticas.

El artículo también destaca un problema específico en el conjunto de herramientas matemáticas. Los autores señalan que la razón por la que sus números son tan diminutos se debe a los límites de la "función divisor" que tuvieron que usar. Sugieren que si los matemáticos encuentran mejores formas de estimar cuántos divisores tiene un número, estas constantes podrían volverse mucho más grandes y útiles. Esencialmente, construyeron un puente sobre un cañón, pero el puente está hecho de un material que es tan delgado que es casi invisible. Demuestra que el puente puede existir, pero también nos dice que necesitamos encontrar un material más fuerte para que sea transitable.

Al final, Gravgaard y Kristensen han demostrado que la parábola es un oponente obstinado. Ya sea que te acerques a ella con reglas suaves y predecibles o con reglas caóticas y saltarinas, ella se resiste a ser aproximada. Han proporcionado la prueba matemática de que esta resistencia es absoluta, cuantificando los límites de nuestra capacidad para golpear el blanco con una precisión que es tanto aterradoramente pequeña como rigurosamente exacta. No han resuelto el problema de hacer los números más grandes, pero han demostrado definitivamente que el juego es imposible bajo estas condiciones, sin importar qué tan salvajes sean las reglas.

Resumen Técnico: Khintchine Cuantitativo en la Parábola con Funciones de Aproximación No Monótonas

Planteamiento del Problema
El artículo aborda una versión cuantitativa del caso de convergencia del teorema de Khintchine en la teoría de la aproximación diofántica métrica, específicamente restringida a puntos que yacen en la parábola $P := \{(x, x^2) \mid x \in [0, 1]\}$ . El desafío central es eliminar el supuesto estándar de que la función de aproximación $\psi: \mathbb{N} \to [0, \infty)$ debe ser monótona.

Si bien el teorema de Khintchine (1924) establece una ley de cero-uno para la medida de Lebesgue de los puntos $\psi$ -aproximables en $\mathbb{R}^n$ , el caso de divergencia requiere estrictamente la monotonía. El caso de convergencia, sin embargo, no requiere intrínsecamente la monotonía para el espacio ambiente, pero extender esto a variedades (como la parábola) sin monotonía ha resultado difícil. Resultados previos para subvariedades no degeneradas, como los de Beresnevich y Yang, dependen de la monotonía incluso para la convergencia. Una excepción notable es el teorema de Huang (2023), que probó el caso de convergencia para la parábola sin monotonía, pero no proporcionó cotas explícitas sobre la medida del conjunto de puntos bien aproximables.

Los autores pretenden proporcionar constantes explícitas para la medida del conjunto de puntos $x \in [0, 1]$ tales que el error de aproximación simultánea $\max(\|qx\|, \|qx^2\|)$ excede un múltiplo fijo $\kappa \psi(q)$ para todo $q$ . Específicamente, buscan establecer que para una serie convergente $S_\psi = \sum \psi(q)^2$ , la medida del conjunto $B'(\psi, \kappa) = \{x \in [0, 1] : \max(\|qx\|, \|qx^2\|) > \kappa \psi(q) \forall q \in \mathbb{N}\}$ es al menos $1 - \delta$ , con una dependencia explícita de $\kappa$ respecto a $\delta$ y $S_\psi$ .

Metodología
La estrategia de prueba sigue el marco establecido por Huang [13], pero se enfoca intensamente en derivar constantes explícitas a lo largo de todo el proceso de estimación. La metodología procede a través de las siguientes etapas:

Reducción al Conteo: El problema se reduce a contar el número de puntos racionales $a/q$ con un denominador $q$ fijo que yacen cerca de la parábola. Esto se formula como la estimación de la función de conteo $\sum_{a \le q, \|a^2/q\| \le 3\kappa\psi(q)} 1$ .
Sumas Exponenciales y Núcleos de Fejér: La función de conteo se estima utilizando un núcleo de Fejér para suavizar la función indicadora del intervalo. Esto transforma el problema en acotar sumas exponenciales de la forma $\sum_{a=1}^q e^{2\pi i j a^2 / q}$ .
Caracteres de Dirichlet y Sumas de Gauss: Estas sumas exponenciales cuadráticas se reescriben en términos de caracteres de Dirichlet (específicamente símbolos de Legendre y Jacobi) utilizando las propiedades de las sumas de Gauss cuadráticas.
Cotas de Burgess Explícitas: La innovación técnica central radica en la aplicación de la cota de Burgess para sumas de caracteres cortas. Dado que las versiones estándar efectivas de la cota de Burgess no se cumplen para todos los módulos compuestos, los autores derivan cotas explícitas para tres rangos distintos del módulo $q$ $q$ :
- $q$ pequeño ( $1 \le q \le 10^5$ ): Las constantes se calculan mediante computación de fuerza bruta.
- $q$ medio ( $10^5 < q \le \exp(\exp(8))$ ): Las cotas se derivan utilizando resultados de Bordignon [7], con la verificación explícita de las condiciones.
- $q$ grande ( $q > \exp(\exp(8))$ ): Las cotas dependen de los resultados de Bordignon [7] y Robin [21].
Estimaciones de la Función Divisor: Una parte significativa del trabajo consiste en gestionar la función divisor $d(q)$ , que aparece en los términos de error. Los autores utilizan cotas explícitas para $d(q)$ (por ejemplo, $d(q) \le K_\beta q^\beta$ ) y analizan cómo estas cotas afectan las constantes finales. Abordan el problema de los valores grandes de la función divisor considerando subconjuntos específicos de enteros (por ejemplo, números con pocos factores primos o números muy grandes) para obtener constantes más razonables.

Contribuciones Principales y Resultados
El artículo presenta cuatro teoremas principales que proporcionan cotas cuantitativas para $\kappa(\delta)$ bajo diferentes restricciones sobre el denominador $q$ . En todos los casos, si $S_\psi = \sum \psi(q)^2$ converge, entonces $\lambda(B'(\psi, \kappa)) \ge 1 - \delta$ .

Teorema 4 (Todos los $q$ ): Proporciona una cota para todos los enteros $q$ . La constante resultante $\kappa(\delta)$ es extremadamente pequeña (del orden de $10^{-1023}$ para ciertos términos) debido al comportamiento del peor caso de la función divisor $d(q)$ en el caso general.
Teorema 5 (Grandes $q$ ): Supone que $\psi(q) = 0$ para $q \le \exp(\exp(41))$ . Al restringirse a módulos muy grandes, los autores utilizan cotas mejoradas para $d(q)$ (específicamente $d(q) \le q^{1/57}$ ), lo que resulta en constantes significativamente más manejables (por ejemplo, $\kappa \approx 0.00499 (\delta/S_\psi)^{2/3}$ ).
Teorema 6 (Factores Primos Acotados): Supone que $q$ tiene a lo sumo $k$ divisores primos. Esta restricción limita $d(q) \le 2^k$ , lo que produce constantes que dependen de $k$ pero que son generalmente más razonables que las del Teorema 4.
Teorema 7 (Módulos Primos): Supone que $q$ es primo. Este caso utiliza las mejores cotas explícitas de Burgess disponibles para módulos primos, arrojando las constantes más favorables entre los casos generales (por ejemplo, $\kappa \approx 0.012 (\delta/S_\psi)^{2/3}$ ).

Significancia y Reivindicaciones
Los autores afirman que este trabajo es el primero en proporcionar un teorema de Khintchine cuantitativo para la parábola con funciones de aproximación no monótonas. La principal significancia reside en la naturaleza explícita de las constantes, lo que permite formular problemas sobre la dependencia entre la constante de aproximación $\kappa$ y la medida del conjunto, un problema planteado previamente por Adiceam et al. [1].

El artículo reconoce que las constantes, particularmente en el caso más general (Teorema 4), son muy pequeñas. Los autores atribuyen esta limitación no al método de prueba en sí, sino a las constantes explícitas que surgen de las cotas de la función divisor dentro de las variantes de la cota de Burgess utilizadas. Señalan que, aunque se desean mejores estimaciones, lograr tales mejoras con los métodos actuales es improbable. El trabajo sirve como un paso fundacional, demostrando que los resultados de convergencia no monótonos pueden hacerse cuantitativos, aunque con la salvedad de constantes pequeñas en el entorno general.

La montaña rusa de los números

Las constantes monstruosas

Por qué esto importa (incluso si los números son extraños)

Más como este