🔢 mathematics

Inhomogeneous Approximation by Sums of Roots

Cet article établit que pour tout réel $\beta$ et $\epsilon>0$ , les sommes de $k$ racines $d$ -ièmes d'entiers jusqu'à $N$ peuvent approcher $\beta$ avec une borne d'erreur de $O(N^{-k/d+\epsilon})$ , améliorant considérablement les exposants précédents en combinant le théorème des sous-espaces de Schmidt avec un argument de transfert inhomogène, tout en fournissant des constructions explicites pour le cas de la racine carrée.

Auteurs originaux : Samuel Korsky

Publié 2026-05-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Samuel Korsky

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 essayez de toucher une cible mobile sur un mur avec un javelot, mais que vous avez un ensemble de règles très étrange.

Le Jeu
Vous avez un nombre cible, appelons-le $\beta$ (bêta). Il pourrait être n'importe quel nombre sur la droite numérique, comme 3,14 ou 100,5. Votre objectif est de vous rapprocher le plus possible de cette cible en utilisant un outil spécifique : des sommes de racines.

Vous avez le droit de choisir $k$ nombres (appelons-les $b_1, b_2, \dots, b_k$ ). Ces nombres doivent être des nombres entiers (des entiers) compris entre 1 et une certaine limite élevée $N$ . Vous prenez ensuite la racine $d$ -ième de chacun de ces nombres (comme une racine carrée si $d=2$ , ou une racine cubique si $d=3$ ) et vous les additionnez tous.

La question est : À quelle distance pouvez-vous vous rapprocher de votre cible $\beta$ ?

L'Ancienne Méthode vs La Nouvelle Méthode
Avant cet article, les mathématiciens (spécifiquement un chercheur nommé Iyer) avaient une méthode pour trouver ces nombres. Leur méthode fonctionnait bien, mais c'était comme essayer de toucher une cible avec une fronde dont le caoutchouc était légèrement détendu. Ils pouvaient s'approcher, mais la « proximité » (l'erreur) diminuait relativement lentement à mesure que vous augmentiez votre limite $N$ .

Dans cet article, Samuel Korsky introduit une nouvelle fronde, plus affûtée. Il prouve que vous pouvez vous rapprocher beaucoup plus de la cible que ce que l'on pensait possible auparavant.

Le Tour de Magie : Le « Sous-espace » et le « Transfert »
La preuve de Korsky utilise deux idées principales, qu'il combine comme un tour de magie en deux étapes :

La Zone « Interdite » (Le Théorème du Sous-espace de Schmidt) :
Imaginez que vous avez un groupe de nombres premiers distincts (comme 2, 3, 5, 7...). Si vous prenez leurs racines et les multipliez par un nombre entier, elles atterrissent généralement dans des endroits très spécifiques et « désordonnés » sur la droite numérique, ne s'alignant jamais parfaitement avec des nombres entiers. Korsky utilise un célèbre théorème mathématique (le Théorème du Sous-espace de Schmidt) pour prouver que ces racines résistent obstinément à s'aligner parfaitement. Elles créent une « Zone Interdite » où elles refusent simplement d'être trop proches des entiers, sauf si vous utilisez des nombres énormes. Cela établit une base de référence pour mesurer à quel point ces nombres sont « dispersés ».
Le « Transfert » (L'Argument Inhomogène) :
Une fois qu'il sait à quel point les racines sont dispersées, il utilise un argument de « transfert ». Imaginez cela comme un traducteur. Il prend les informations sur la façon dont les racines évitent les entiers (la « Zone Interdite ») et les traduit en une garantie que vous pouvez trouver une combinaison d'entre elles qui atterrit très près de n'importe quelle cible que vous souhaitez.

C'est comme savoir qu'un type spécifique d'oiseau ne se pose jamais sur une certaine branche. Parce que vous savez exactement où ils ne se posent pas, vous pouvez prédire exactement où ils vont se poser si vous secouez l'arbre juste comme il faut.

Le Résultat : Un Tir Beaucoup Plus Précis
L'article prouve que pour n'importe quelle cible, vous pouvez trouver vos nombres $b_1$ à $b_k$ de telle sorte que la distance à la cible soit incroyablement petite. Plus précisément, l'erreur diminue à un taux d'environ $1/N^{k/d}$ .

Pourquoi cela compte : Si vous avez plus de racines à additionner ( $k$ est plus grand), vous pouvez toucher la cible avec une précision beaucoup plus élevée. Si les racines sont de « plus haut » degré (comme des racines cubiques au lieu de racines carrées), c'est légèrement plus difficile, mais la nouvelle formule bat toujours l'ancien record.
Le Problème : La preuve est « inefficace ». Cela signifie que Korsky peut prouver que de tels nombres existent et qu'ils sont très proches, mais il ne vous donne pas de recette spécifique pour les trouver facilement. C'est comme prouver qu'un trésor existe sur une île sans vous donner les coordonnées de la carte. Vous savez qu'il est là, mais le trouver pourrait prendre beaucoup de temps.

Le Tir « Parfait » (La Conjecture)
Korsky suggère également une version « Saint Graal » de ce problème. Il suppose qu'avec la bonne combinaison de nombres, vous pourriez vous rapprocher encore plus — spécifiquement, l'erreur pourrait diminuer à un taux de $1/N^{k - 1/d}$ .

Il ne peut pas prouver cela pour tous les cas pour l'instant, mais il montre que cela fonctionne pour des scénarios spécifiques et simples (comme des racines carrées avec 2, 3 ou 4 nombres additionnés ensemble). Il le fait en construisant soigneusement des nombres qui s'annulent parfaitement les uns les autres, comme équilibrer des poids sur une balance jusqu'à ce qu'il ne reste qu'une infime, infime fraction.

En Résumé
Cet article est une victoire mathématique. Il montre qu'en utilisant un théorème puissant et de haut niveau sur le comportement des nombres, nous pouvons prouver que les sommes de racines peuvent approximer n'importe quel nombre cible beaucoup plus précisément que ce que nous savions auparavant. Bien que nous ne puissions pas toujours trouver facilement les nombres spécifiques pour le faire (la preuve est non constructive), nous savons maintenant que la limite théorique de la proximité que nous pouvons atteindre est beaucoup plus serrée qu'auparavant.

Résumé technique : Approximation inhomogène par des sommes de racines

Énoncé du problème
L'article aborde le problème de l'approximation diophantienne inhomogène impliquant des sommes de racines $d$ -ièmes. Plus précisément, étant donnés des entiers fixes $d \ge 2$ et $k \ge 1$ , une cible réelle $\beta$ , et une grande borne $N$ , l'objectif est de trouver des entiers $1 \le b_1, \dots, b_k \le N$ tels que la distance entre la somme de leurs racines $d$ -ièmes et $\beta$ soit minimisée :
$\left\| \sum_{j=1}^k b_j^{1/d} - \beta \right\|$
où $\|x\|$ désigne la distance de $x$ à l'entier le plus proche. L'article vise à établir l'exposant optimal $\gamma$ tel que cette distance soit bornée par $O(N^{-\gamma})$ .

Les travaux antérieurs d'Iyer (2025) ont établi un exposant inhomogène effectif d'au moins $(k-d+1)/d^2$ et un exposant « base complète » plus précis $\gamma_{k,d} = d^{\lfloor \log_d(k+1) \rfloor - 1}/d$ . Ce dernier atteint la valeur $k/d$ uniquement lorsque $k+1$ est une puissance de $d$ . L'article vise à améliorer ces exposants pour $k$ et $d$ généraux, en particulier dans les cas où $k+1$ n'est pas une puissance de $d$ , bien que cela se fasse au détriment de l'effectivité.

Méthodologie
La preuve du théorème principal repose sur deux composantes principales :

Majoration duale via le théorème des sous-espaces de Schmidt :
Les auteurs utilisent le théorème des sous-espaces de Schmidt pour établir une minoration duale pour des formes linéaires impliquant des radicaux premiers distincts. En choisissant des nombres premiers distincts $p_1, \dots, p_k$ et en posant $\theta_i = p_i^{1/d}$ , ils invoquent l'indépendance linéaire de $1, \theta_1, \dots, \theta_k$ sur $\mathbb{Q}$ (un résultat dû à Besicovitch). Cela conduit à une minoration de la forme :
$\max_{1 \le i \le k} \| h \theta_i \| \gg_{d,k,\eta} |h|^{-1/k - \eta}$
pour tout $\eta > 0$ et tout entier non nul $h$ . Cette étape est non effective, car elle repose sur le théorème des sous-espaces.
Transfert inhomogène :
Les auteurs emploient un argument de transfert par recouvrement (Lemme 3.2) pour convertir la minoration duale en un résultat d'approximation inhomogène. En utilisant la géométrie des nombres (spécifiquement le principe de transfert de Mahler et le rayon de recouvrement d'un réseau), ils montrent que si la borne duale tient avec l'exposant $\sigma$ , alors pour toute cible $\beta$ et tout paramètre $Q$ , il existe des entiers $q_1, \dots, q_k$ avec $|q_i| \le Q$ tels que :
$\left\| \sum_{i=1}^k q_i \theta_i - \beta \right\| \ll Q^{-1/\sigma}$
En décalant les coefficients pour qu'ils soient positifs et en redéfinissant les radicandes comme $b_i = p_i c_i^d$ (où les $c_i$ sont dérivés des $q_i$ ), le problème est transformé à nouveau en une somme de racines $d$ -ièmes avec des radicandes bornés par $N$ .

Résultats clés

Théorème 1.1 (Théorème principal) : Pour tout $d \ge 2$ , $k \ge 1$ et $\varepsilon > 0$ fixés, il existe une constante $C_{d,k,\varepsilon}$ telle que pour tout $N \ge 2$ et tout $\beta \in \mathbb{R}$ , il existe des entiers $1 \le b_1, \dots, b_k \le N$ vérifiant :
$\left\| \sum_{j=1}^k b_j^{1/d} - \beta \right\| \le C_{d,k,\varepsilon} N^{-k/d + \varepsilon}$
Ce résultat fournit un exposant de $k/d - \varepsilon$ . Il améliore l'exposant d'Iyer $(k-d+1)/d^2$ et l'exposant « base complète » $\gamma_{k,d}$ chaque fois que $k+1$ n'est pas une puissance de $d$ . Dans le cas spécifique où $k+1$ est une puissance de $d$ , la construction effective d'Iyer atteint déjà $k/d$ , tandis que ce théorème perd un $\varepsilon$ arbitraire et est non effectif.
Conjecture 1.2 (Exposant uniforme) : Les auteurs proposent une conjecture plus forte selon laquelle l'exposant uniforme optimal est $k - 1/d$ . Cela suggère que le résultat actuel de $k/d$ n'est pas la limite finale, mais plutôt une conséquence de la structure algébrique spécifique (famille sparse de radicandes) utilisée dans la preuve. La conjecture postule :
$\sup_{\beta \in \mathbb{R}/\mathbb{Z}} \min_{1 \le b_1, \dots, b_k \le N} \left\| \sum_{j=1}^k b_j^{1/d} - \beta \right\| \ll_{d,k,\varepsilon} N^{-(k-1/d) + \varepsilon}$
Constructions explicites pour $d=2$ : Dans la section 5, l'article fournit des constructions explicites pour des cibles entières dans le cas des racines carrées ( $d=2$ ) avec $k=2, 3, 4$ . En utilisant des développements de Taylor et l'annulation de coefficients, les auteurs construisent des sommes de racines carrées qui approchent un entier avec une erreur de l'ordre de $M^{-(2k-1)}$ , où les radicandes sont de taille $M^2$ . Cela donne un exposant de $N^{-(k-1/2)}$ , correspondant à la valeur conjecturale pour ces cas spécifiques.

Portée et affirmations
L'article prétend fournir une preuve différente pour les exposants inhomogènes dans les sommes de racines, déplaçant la méthodologie de l'approche « base radicale complète » d'Iyer vers un cadre général d'approximation diophantienne algébrique utilisant le théorème des sous-espaces de Schmidt.

La principale portée réside dans l'amélioration de l'exposant pour les cas où $k+1$ n'est pas une puissance de $d$ . Les auteurs notent que, bien que leur résultat soit non effectif (en raison du théorème des sous-espaces), il atteint un meilleur exposant que les constructions effectives précédentes dans ces régimes spécifiques. L'article met également en évidence l'écart entre l'exposant prouvé ( $k/d$ ) et l'exposant optimal conjecturé ( $k-1/d$ ), suggérant que ce dernier nécessite d'exploiter davantage de « liberté locale » dans le choix des radicandes au-delà de la famille sparse utilisée dans la preuve principale. Les constructions explicites pour $d=2$ servent de preuves à l'appui de l'exposant uniforme conjecturé.

Articles similaires