🔢 mathematics

Simple and accurate approximations to the Riemann zeta function

Cet article présente des approximations simples et précises de la fonction zêta de Riemann et de sa dérivée dans la bande critique en combinant la somme principale de la formule de Riemann-Siegel avec un terme de reste basé sur des fonctions élémentaires, dérivé par quadrature gaussienne, étayé par des preuves numériques étendues de leur haute précision.

Auteurs originaux : Alexey Kuznetsov

Publié 2026-05-22

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Alexey Kuznetsov

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez la fonction zêta de Riemann comme une machine massive et incroyablement complexe que les mathématiciens tentent de comprendre depuis des siècles. C'est comme un moteur géant et invisible qui alimente certains des mystères les plus profonds de la théorie des nombres. Pour « faire fonctionner » cette machine et en extraire un nombre spécifique (une valeur de $\zeta(s)$ ), vous devez généralement lui fournir une grande quantité de données.

Pendant longtemps, la meilleure façon de procéder consistait à essayer de compter chaque grain de sable d'une plage pour estimer son volume total. Si la plage est petite, c'est facile. Mais si la plage est immense (ce qui se produit lorsque les nombres deviennent très grands), compter chaque grain prend une éternité. C'est le problème des anciennes méthodes : elles nécessitent de sommer des millions de termes pour obtenir une seule réponse, ce qui les rend lentes et peu pratiques pour les grands nombres.

Le nouveau moteur « raccourci »

Dans cet article, Alexey Kuznetsov introduit un nouveau raccourci ingénieux. Au lieu de compter chaque grain de sable, il construit un modèle très précis qui prédit le volume total à partir de quelques mesures clés.

Imaginez l'ancienne méthode (la formule de Riemann-Siegel) comme une recette qui vous oblige à cuire un énorme gâteau, mais que vous devez ensuite jeter la majeure partie car elle est trop désordonnée. Le « reste » du gâteau est difficile à calculer, vous devez donc généralement le deviner ou utiliser une méthode très compliquée et pointilleuse pour l'obtenir correctement.

La nouvelle méthode de Kuznetsov est comme une tasse de mesure magique. Il réalise que la partie « reste désordonné » du gâteau suit un motif très spécifique et prévisible. Au lieu de cuire tout le gâteau, il pré-calculé un ensemble de 21 nombres spéciaux (pour une version spécifique de l'outil) qui agissent comme un code secret. Ces nombres sont comme un jeu de poids pré-réglés sur une balance.

Comment la magie opère

Les poids pré-calculés : Avant même de commencer, l'auteur a calculé une liste de nombres complexes spéciaux (pensez-y comme des « coefficients magiques »). Il l'a fait pour différents niveaux de précision (comme avoir une version « petite », « moyenne » et « grande » de l'outil). Vous pouvez télécharger ces nombres ; vous n'avez pas besoin de les calculer vous-même à chaque fois.
La recette simple : Pour obtenir la réponse, vous prenez la partie principale du calcul (qui est facile) et vous ajoutez un terme de correction. Ce terme de correction ne nécessite pas de sommer des millions d'éléments. Il utilise simplement ces « poids magiques » pré-calculés combinés à des fonctions mathématiques simples (comme les exponentielles et les logarithmes).
Le résultat : C'est comme remplacer un travail manuel de 10 heures par un appui de bouton de 5 secondes. L'article montre que pour des nombres très grands, cette nouvelle méthode est incroyablement précise — souvent précise à 100 ou même 300 décimales — sans nécessiter le travail pénible des anciennes méthodes.

Pourquoi c'est mieux que l'ancienne façon

L'article compare cette nouvelle méthode à la « référence absolue » (la formule de Riemann-Siegel).

L'ancienne façon : Pour obtenir une haute précision, vous devez calculer de nombreux termes de correction compliqués. Ces termes sont comme essayer de résoudre un puzzle où les pièces ont la forme de rochers irréguliers ; il est difficile de les assembler, et les formules sont désordonnées et sujettes aux erreurs.
La nouvelle façon : Vous n'avez besoin que d'une petite liste fixe de nombres pré-calculés (environ 15 à 30 nombres selon la précision souhaitée). Les mathématiques impliquées sont fluides et simples, comme assembler des billes lisses et rondes.

Le motif du « point idéal »

L'auteur a remarqué quelque chose de fascinant dans les erreurs. Lorsqu'il a testé la méthode, les erreurs n'étaient pas aléatoires. Elles dansaient selon un motif spécifique, comme un battement de cœur. L'erreur était minuscule à certains intervalles réguliers et légèrement plus grande entre-temps. Ce motif l'a en fait aidé à déterminer comment choisir les meilleurs « poids magiques » dès le départ. C'est comme si la machine lui avait « chuchoté » le secret à travers le motif de ses erreurs.

Ce que cela signifie pour les mathématiques

L'article ne prétend pas que cela guérira des maladies ou prédira la météo. Au contraire, il résout un problème spécifique et tenace en mathématiques pures : comment calculer cette fonction spécifique rapidement et avec précision.

Vitesse : Elle permet aux ordinateurs de calculer ces valeurs des centaines ou des milliers de fois plus rapidement que les outils intégrés dans des logiciels comme MATLAB.
Précision : Elle permet aux mathématiciens de voir la fonction avec une clarté extrême (des centaines de décimales), ce qui est crucial pour tester des théories profondes sur les nombres premiers.
Simplicité : Elle remplace un processus complexe et multi-étapes par une formule simple qui repose sur une « feuille de triche » préfabriquée de nombres.

En bref, Kuznetsov a construit une calculatrice de haute précision et facile à utiliser pour une fonction qui était auparavant difficile et lente à calculer, en utilisant un tour de passe-passe ingénieux de « nombres magiques » pré-calculés pour éviter le travail pénible.

Résumé technique : Approximations simples et précises de la fonction zêta de Riemann

Énoncé du problème

Le calcul de la fonction zêta de Riemann, $\zeta(s)$ , pour de grandes valeurs de la partie imaginaire, $t = \text{Im}(s)$ , présente des défis significatifs. Bien que la méthode de sommation d'Euler-Maclaurin offre des bornes d'erreur rigoureuses, sa complexité computationnelle évolue en $O(|s|)$ , la rendant peu pratique pour de grandes valeurs de $t$ . L'approche standard pour de grandes valeurs de $t$ est la formule de Riemann-Siegel, qui réduit la complexité à $O(t^{1/2})$ en utilisant une somme principale et un développement asymptotique pour le terme de reste. Cependant, les corrections d'ordre supérieur dans la formule de Riemann-Siegel impliquent des dérivées complexes de fonctions spéciales (spécifiquement la fonction $F(z)$ ), qui sont difficiles à évaluer numériquement en raison de singularités et de formules compliquées. De plus, les algorithmes de haute précision existants, tels que ceux de Galway, nécessitent souvent l'ajustement de plusieurs paramètres pour atteindre une précision optimale.

L'article répond au besoin d'approximations qui soient à la fois efficaces sur le plan computationnel (nécessitant peu de termes) et hautement précises sur des bandes verticales arbitraires, y compris la bande critique, sans les difficultés d'implémentation associées aux corrections d'ordre supérieur de Riemann-Siegel.

Méthodologie

L'auteur développe une famille d'approximations, notées $\zeta_p(s)$ , qui combinent la somme principale de la formule de Riemann-Siegel avec une nouvelle approximation du terme de reste. La méthodologie centrale repose sur les étapes suivantes :

Représentation intégrale : Le terme de reste de la formule exacte de Riemann-Siegel est exprimé comme une intégrale $I_M(s)$ impliquant une mesure à valeurs complexes $\eta(dx) = \frac{e^{-\pi x^2}}{\cosh(\pi \theta x)} dx$ , où $\theta = e^{-i\pi/4}$ .
Quadrature gaussienne : Au lieu d'utiliser des développements en séries asymptotiques, l'auteur approxime cette intégrale à l'aide d'une règle de quadrature gaussienne. L'objectif est de trouver un ensemble de nœuds $\{x_{p,j}\}$ et de poids $\{\omega_{p,j}\}$ tels que la quadrature soit exacte pour un ensemble spécifique de $4p+2$ fonctions tests.
Déduction des coefficients : Les coefficients $\{\omega_{p,j}\}$ ${ω_{p, j}}$ et $\{\lambda_{p,j}\}$ ${λ_{p, j}}$ (où $\lambda_{p,j} = \theta x_{p,j}$ $λ_{p, j} = θ x_{p, j}$ ) sont déduits en résolvant un système d'équations linéaires. Ce système est construit en exigeant que la quadrature soit exacte pour des fonctions de la forme $f_k(x) = e^{-\pi x^2 + 2\pi \theta y_{p,k} x}$ $f_{k} (x) = e^{- π x^{2} + 2 π θ y_{p, k} x}$ , où $y_{p,k}$ $y_{p, k}$ sont des points équidistants dans $[-1, 1]$ $[- 1, 1]$ .
- Le problème est transformé en la recherche des nœuds et des poids d'une quadrature gaussienne pour une fonctionnelle linéaire $L$ définie par les moments de l'intégrale de Mordell $H(y)$ .
- Ces nœuds et ces poids sont calculés à l'aide de polynômes orthogonaux générés via une relation de récurrence à trois termes.
Formule d'approximation : L'approximation finale est définie comme suit :
$\zeta_p(s) = \sum_{n=1}^{N_t} n^{-s} + \chi(s) \sum_{n=1}^{N_t} n^{s-1} - \frac{(-1)^{N_t}}{2} \left[ I_{N_t+1/2, p}(s) + \chi(s) I_{N_t+1/2, p}(1-s) \right]$
où $I_{M,p}(s)$ est l'approximation par quadrature du terme intégral, impliquant uniquement des fonctions élémentaires (exponentielles, logarithmes) et des coefficients complexes précalculés.

Contributions clés

Implémentation simplifiée : Les approximations proposées dépendent d'un seul paramètre entier $p$ et d'un ensemble de coefficients précalculés $\{\omega_{p,j}\}$ et $\{\lambda_{p,j}\}$ . Contrairement à la formule de Riemann-Siegel, qui nécessite l'évaluation de dérivées complexes de fonctions spéciales pour les termes d'ordre supérieur, $\zeta_p(s)$ ne requiert que des fonctions élémentaires et la fonction Gamma.
Coefficients précalculés : L'auteur fournit des coefficients précalculés pour $1 \le p \le 30$ et des valeurs sélectionnées jusqu'à $p=150$ . Il est démontré que ces coefficients sont de magnitude modérée et présentent une décroissance rapide, facilitant une évaluation numérique stable.
Approximation de la dérivée : L'article étend la méthodologie pour approximer la dérivée $\zeta'(s)$ en dérivant la formule d'approximation par rapport à $s$ (évaluée à $N_t$ fixe), évitant ainsi les discontinuités associées à la dérivation de la fonction partie entière dans $N_t$ .
Algorithme hybride : Une stratégie est proposée pour calculer $\zeta(s)$ sur tout le plan complexe en passant de la sommation directe, à la sommation d'Euler-Maclaurin, puis à l'approximation $\zeta_p(s)$ en fonction de la région de $s$ .

Résultats

L'article présente des preuves numériques extensives concernant la précision de $\zeta_p(s)$ :

Précision dans la bande critique : Des expériences numériques dans la bande critique ( $0 \le \sigma \le 1$ $0 \leq σ \leq 1$ ) démontrent que l'erreur $|\zeta_p(s) - \zeta(s)|$ $∣ ζ_{p} (s) - ζ (s) ∣$ diminue considérablement à mesure que $p$ $p$ augmente.
- Pour $p=10$ , les erreurs sont $< 10^{-15}$ pour $t > 250$ .
- Pour $p=50$ , les erreurs sont $< 10^{-100}$ pour $t > 4000$ .
- Pour $p=150$ , les erreurs sont $< 10^{-300}$ pour $t > 6900$ .
Modèles d'erreur : L'erreur présente un modèle distinct où elle s'annule aux extrémités des intervalles $[t_n, t_{n+1}]$ (où $t_n = 2\pi n^2$ ) et en $4p$ points équidistants à l'intérieur de ces intervalles. Ce comportement est expliqué analytiquement par le fait que le terme d'erreur dominant est proportionnel à $H_p(B(t)) - H(B(t))$ , qui est nul aux nœuds de quadrature.
Comparaison avec Riemann-Siegel : Pour des valeurs modérées de $t$ (par exemple $10^2 \le t \le 10^4$ ), l'approximation $\zeta_7(s)$ s'avère plus précise que l'approximation de Riemann-Siegel avec $K=5$ ( $\zeta^{RS}_5$ ). Bien que $\zeta^{RS}_5$ ait un taux de décroissance asymptotique plus rapide ( $O(t^{-13/4})$ ) comparé à $\zeta_7$ ( $O(t^{-1/4})$ ), $\zeta_7$ nécessite nettement moins de coefficients précalculés (15 contre ~100–170 pour une haute précision) et est plus facile à implémenter.
Limites de précision : Dans les implémentations en double précision, les erreurs d'arrondi dominent l'erreur d'approximation pour $t > 200$ . Cependant, en précision quadruple, les approximations maintiennent une haute précision jusqu'à des valeurs de $t$ beaucoup plus grandes (par exemple $t > 10^4$ avec des erreurs $< 10^{-29}$ ).
Performance : L'implémentation MATLAB de l'algorithme hybride est signalée comme étant des centaines à des milliers de fois plus rapide que la fonction intégrée zeta de MATLAB.

Importance et affirmations

L'article affirme que ces approximations permettent un calcul de haute précision de $\zeta(s)$ et $\zeta'(s)$ dans la bande critique et d'autres bandes verticales pour de grandes valeurs de $t$ . L'importance réside dans le compromis entre la complexité d'implémentation et la précision : la méthode offre une alternative « simple » à la formule de Riemann-Siegel qui évite la charge computationnelle des termes de correction d'ordre supérieur tout en maintenant une précision compétitive ou supérieure pour une large gamme de valeurs de $t$ .

L'auteur note que bien que des bornes d'erreur rigoureuses pour $\zeta_p(s)$ ne soient pas fournies dans ce travail, les preuves numériques sont extensives. La méthode est présentée comme un outil pratique pour les calculs de haute précision, qui sont cruciaux pour les découvertes mathématiques telles que la réfutation de la conjecture de Mertens. L'article conclut en fournissant des implémentations open source en MATLAB, Python et Fortran, facilitant une utilisation immédiate par la communauté de recherche.