🔢 mathematics

Frequency Ordered Ratio Families Arising from the Factorization of $p_{m-1}+1$

Ce papier examine une séquence ordonnée par fréquence de valeurs de rapport dérivées de la factorisation de $p_{m-1}+1$ , expliquant l'émergence de « familles » distinctes dans ces graphiques et proposant un modèle asymptotique heuristique basé sur les nombres premiers dans les progressions arithmétiques pour rendre compte de la distribution de fréquence observée.

Auteurs originaux : Alexander R Povolotsky

Publié 2026-05-12

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Alexander R Povolotsky

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 que vous possédiez une machine géante qui prend un nombre, trouve le nombre premier juste avant lui, soustrait un, puis ajoute un de nouveau. Mathématiquement, cela ressemble à $p_{m-1} + 1$ . Si vous faites fonctionner cette machine pour des milliers de nombres différents, vous obtenez une liste massive de résultats.

La plupart du temps, ces résultats sont composés de petits éléments constitutifs (facteurs premiers). Mais parfois, la machine produit un résultat avec un géant élément constitutif qui est plus grand que le nombre avec lequel vous avez commencé.

Cet article traite de la découverte de ces moments spéciaux de « bloc géant », de leur décomposition et du tri des restes. Voici l'histoire de ce que l'auteur, Alexander Povolotsky, a découvert, expliquée en termes courants.

1. Le filtre « Bloc Géant »

Imaginez le nombre $p_{m-1} + 1$ comme une barre de chocolat. Habituellement, cette barre est composée de nombreux petits carrés de taille égale.
Cependant, pour certains nombres spécifiques (que l'auteur appelle la « famille A223881 »), la barre de chocolat possède un carré géant qui est plus grand que la barre entière elle-même (mathématiquement, le plus grand facteur premier est plus grand que l'indice $m$ ).

Lorsque cela se produit, l'auteur dit : « Détachons ce carré géant. »

Le Carré Géant : C'est le plus grand facteur premier ( $L_m$ ).
Le Reste : C'est le reste de la barre ( $R_m$ ).

L'article se concentre entièrement sur ces Restes ( $R_m$ ).

2. Les « Familles » sur le graphique

Si vous traciez chacun de ces « Restes » sur un graphique, vous ne verriez pas un désordre aléatoire. Au lieu de cela, vous verriez des lignes distinctes ou des « familles » de points.

Pourquoi ? Parce que les mathématiques fonctionnent comme une balançoire.

Si le Carré Géant est énorme, le Reste doit être minuscule.
Si le Carré Géant est juste un peu plus grand que le nombre de départ, le Reste est un peu plus grand.

Ainsi, chaque fois que le « Reste » se trouve être le nombre 2, tous ces points de données s'alignent sur une courbe spécifique. Chaque fois que le « Reste » est 3, ils s'alignent sur une courbe différente. Les courbes les plus courantes sont celles avec les plus petits restes (2, 3, 4, etc.).

3. La liste « Ordre de Fréquence »

L'auteur a décidé de prendre tous ces restes, de compter la fréquence d'apparition de chaque nombre et de les aligner du « Plus Fréquent » au « Moins Fréquent ».

Le résultat est une séquence spécifique de nombres :
2, 3, 4, 8, 6, 12, 10, 14, 15...

Pourquoi 2 vient-il en premier ? C'est le reste le plus courant.
Pourquoi 3 vient-il en deuxième ? C'est le suivant le plus courant.
Pourquoi 8 est-il avant 6 ? Même si 6 est plus petit que 8, le nombre 8 apparaît comme un reste plus souvent dans ce processus mathématique spécifique.

C'est comme trier un sac de billes par couleur, mais au lieu de rouge ou de bleu, les « couleurs » sont des nombres, et vous les triez selon le nombre de chacun que vous avez trouvé.

4. Le « Pourquoi » (Le modèle heuristique)

L'article tente d'expliquer pourquoi certains nombres sont plus courants que d'autres en utilisant une règle empirique simple :

Imaginez que vous essayez de faire entrer une pièce de puzzle (le nombre $R$ ) dans une fente.

L'Adéquation : Le nombre $R$ doit « s'adapter » parfaitement à l'équation mathématique. L'article suggère que les nombres ayant moins de « règles d'adaptation » (mathématiquement, les nombres ayant une faible valeur de la fonction indicatrice d'Euler, $\phi(r)$ ) sont plus faciles à trouver.
La Rareté : Trouver un nombre premier, c'est comme trouver une aiguille dans une botte de foin. Plus l'aiguille est rare, plus il est difficile de la trouver.

L'auteur propose que la fréquence d'un nombre reste $R$ est approximativement déterminée par la facilité avec laquelle il s'adapte à l'équation, divisée par la difficulté de trouver un nombre premier.

Les petits nombres (comme 2, 3, 4) sont faciles à adapter et faciles à trouver, ils apparaissent donc constamment.
Les nombres plus grands sont plus difficiles à adapter et plus difficiles à trouver, ils apparaissent donc rarement.

5. Ce que l'ordinateur a fait

Pour prouver cela, l'auteur a écrit un programme informatique (en utilisant Mathematica) qui a exécuté cette expérience de « barre de chocolat » 50 000 fois.

Il a vérifié chaque nombre jusqu'à 50 000.
Il a détaché les facteurs premiers géants.
Il a compté les restes.
Il a confirmé que la liste 2, 3, 4, 8, 6... est bien l'ordre correct de popularité.

6. Ce que nous ne savons toujours pas (Problèmes ouverts)

L'article se termine en admettant que, bien que l'ordinateur nous montre le motif, nous n'avons pas de preuve mathématique parfaite expliquant pourquoi cela se produit exactement de cette manière.

Le Mystère : Nous pouvons deviner le motif en utilisant la probabilité (comme prédire la météo), mais nous ne pouvons pas encore le prouver avec une certitude absolue.
Les Questions : Cette liste cesse-t-elle jamais de changer ? Y a-t-il des règles cachées pour savoir quand les nombres premiers apparaissent comme restes ?

Résumé

En bref, cet article traite de la prise d'une machine mathématique étrange, du filtrage des résultats qui possèdent une partie « géante », et de l'examen des parties « petites » qui restent. En triant ces petites parties selon leur fréquence d'apparition, l'auteur a découvert un motif magnifique et prévisible qui relie l'aléatoire des nombres premiers à une liste structurée de nombres. C'est un peu comme découvrir que si vous triez toutes les différentes tailles de galets sur une plage par leur fréquence, ils forment une ligne parfaite et prévisible.

Résumé technique : Familles de rapports ordonnées par fréquence issues de la factorisation de $p_{m-1} + 1$

Énoncé du problème
Ce papier examine les propriétés structurelles de la suite d'entiers définie par $p_{m-1} + 1$ , où $p_n$ désigne le $n$ -ième nombre premier. L'étude se concentre spécifiquement sur le sous-ensemble d'indices $m \ge 3$ appartenant à la suite OEIS A223881. Cette suite est définie par la condition que le plus grand facteur premier de $p_{m-1} + 1$ , noté $L_m$ , dépasse $m$ (c'est-à-dire $L_m > m$ ). Pour la plupart des $m$ , tous les facteurs premiers de $p_{m-1} + 1$ sont $\le m$ ; ainsi, l'ensemble A223881 représente une collection sparse mais structurée d'indices « exceptionnels ».

Le problème central est de comprendre la distribution du facteur complémentaire $R_m = (p_{m-1} + 1) / L_m$ au sein de ce sous-ensemble. Les tracés computationnels de $p_{m-1} + 1$ pour $m \in \text{A223881}$ révèlent un phénomène de « famille » où les points de données se regroupent le long de courbes distinctes. Le papier cherche à expliquer ce regroupement et à dériver une séquence basée sur la fréquence des valeurs $R_m$ .

Méthodologie
Les auteurs emploient une combinaison d'énumération computationnelle, de modélisation probabiliste heuristique et de théorie des nombres classique :

Énumération computationnelle : L'étude génère les valeurs de $p_{m-1} + 1$ pour $m$ jusqu'à $N = 50\,000$ . Pour chaque $m$ , l'entier est factorisé en $L_m R_m$ . Les auteurs filtrent les cas où $L_m > m$ , collectant les valeurs $R_m$ résultantes dans un multi-ensemble.
Ordonnancement par fréquence : Les valeurs distinctes de $R_m$ sont triées par leur fréquence d'apparition (ordre décroissant) pour former une nouvelle séquence, $S(N)$ .
Modélisation heuristique : Les auteurs proposent un modèle probabiliste pour estimer la fréquence d'apparition d'une valeur spécifique $r$ $r$ en tant que $R_m$ $R_{m}$ . Ce modèle repose sur deux conditions :
- $r$ doit diviser $p_{m-1} + 1$ .
- Le quotient $(p_{m-1} + 1)/r$ doit être premier (spécifiquement, $L_m$ ).
Analyse théorique : Le papier utilise le théorème de Dirichlet sur les nombres premiers dans les progressions arithmétiques pour estimer la densité des $m$ satisfaisant la condition de divisibilité $r \mid (p_{m-1} + 1)$ .

Contributions et résultats clés

Définition de la séquence de rapports ordonnée par fréquence : Le papier définit une séquence $S(N)$ composée de valeurs $R_m$ distinctes triées par fréquence. Pour $N=50\,000$ , le segment initial de cette séquence est $2, 3, 4, 8, 6, 12, 10, 14, 15, 18, \dots$ . Les auteurs notent que le segment initial semble se stabiliser à mesure que $N$ augmente.
Explication du phénomène de « famille » : Le papier clarifie que les courbes distinctes observées dans les tracés de $p_{m-1} + 1$ correspondent à des valeurs fixes de $R_m$ . Puisque $L_m > m$ est une condition restrictive, $L_m$ doit être grand, forçant $R_m$ à être relativement petit. Par conséquent, les points ayant la même petite valeur de $R$ se regroupent le long de la courbe $p_{m-1} + 1 = R \cdot L_m$ . Les familles les plus saillantes correspondent aux valeurs les plus fréquentes de $R_m$ .
Théorème de divisibilité (Théorème 1) : Le papier établit que pour un entier fixe $r \ge 1$ , le nombre de $m \le N$ tels que $r \mid (p_{m-1} + 1)$ est asymptotiquement $N / \phi(r)$ , où $\phi$ est la fonction indicatrice d'Euler. Ce résultat est déduit heuristiquement du théorème de Dirichlet.
Modèle asymptotique heuristique (Conjecture 1) : En combinant la densité de divisibilité ( $1/\phi(r)$ ) avec la probabilité heuristique que le quotient soit premier ( $1/\log N$ ), les auteurs proposent que la fréquence d'une $R_m = r$ spécifique suit la loi :
$\#\{m \le N : R_m = r\} \sim \frac{CN}{\phi(r) \log N}$
où $C$ est une constante positive proche de 1.
Vérification numérique : L'analyse log-log des données empiriques jusqu'à $N=50\,000$ confirme une relation linéaire entre $\log(\text{count}(r))$ et $\log(\phi(r))$ avec une pente proche de $-1$, soutenant le pondération inverse de la fonction indicatrice d'Euler.
Valeurs premières de R : Le papier observe que, bien que $R_m$ puisse être premier, de telles occurrences sont rares parmi les valeurs les plus fréquentes. Seuls $R=2$ et $R=3$ apparaissent fréquemment ; les valeurs premières $R$ plus grandes se produisent extrêmement rarement.

Signification et affirmations
Le papier prétend offrir une nouvelle perspective sur la structure de l'OEIS A223881 en reliant le phénomène de « famille » dans $p_{m-1} + 1$ à la distribution de fréquence du facteur complémentaire $R_m$ . La signification principale réside dans l'observation que l'ordonnancement de ces familles est gouverné asymptotiquement par l'inverse de la fonction indicatrice d'Euler, $\phi(r)^{-1}$ .

Les auteurs présentent modestement leur travail comme une explication de motifs computationnels observés et une proposition de modèle heuristique. Ils déclarent explicitement que la preuve rigoureuse de la loi inverse- $\phi(r)$ reste un problème ouvert. Le papier ne prétend pas avoir démontré la distribution asymptotique ni la monotonie de la sous-séquence première au sein de la liste ordonnée par fréquence ; il les identifie plutôt comme des problèmes ouverts nécessitant un contrôle plus approfondi des statistiques de factorisation de $p_{m-1} + 1$ . L'œuvre sert de pont entre les observations de la théorie des nombres computationnelle et les résultats classiques sur les nombres premiers dans les progressions arithmétiques.