🔢 mathematics

Quantitative Khintchine on the parabola with non-monotonic approximation functions

Cet article établit un cas de convergence quantitative du théorème de Khintchine pour les points sur la parabole avec des fonctions d'approximation non monotones en dérivant des constantes explicites dans les résultats classiques de la théorie des nombres, particulièrement la borne de Burgess pour les sommes de caractères.

Auteurs originaux : Maiken Gravgaard, Simon Kristensen

Publié 2026-08-06

📖 9 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Maiken Gravgaard, Simon Kristensen

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 avec un dard, mais que les règles du jeu sont incroyablement strictes. Vous ne pouvez lancer des dards qui atterrissent que sur des lignes de grille invisibles tracées à travers un vaste champ. Plus votre dard atterrit près du centre d'un carré de la grille, meilleur est votre score. Dans le monde des mathématiques, ce jeu s'appelle « l'approximation diophantienne ». Il s'agit de savoir à quel point nous pouvons approximer des nombres irrationnels complexes (comme la racine carrée de 2 ou pi) en utilisant des fractions simples (comme 22/7). Pendant plus d'un siècle, les mathématiciens ont cherché à comprendre les règles de ce jeu : à quel point peut-on s'approcher ? Combien de fois peut-on s'approcher ? Et est-ce que cela importe si votre cible est un point aléatoire sur une feuille de papier plate, ou si elle est fixée sur une forme spécifique, comme une ligne courbe ?

La grande question que cet article aborde concerne une forme spécifique : une parabole. Considérez une parabole comme la courbe parfaite et lisse d'un arc-en-ciel ou la trajectoire d'une balle que vous lancez. Dans ce jeu mathématique, la « cible » n'est pas seulement n'importe quel point ; c'est un point qui doit se trouver exactement sur cette ligne courbe. Pendant longtemps, les mathématiciens savaient que si vous essayiez de toucher cette courbe avec vos dards, il existait des limites strictes sur la fréquence à laquelle vous pourriez obtenir un « bullseye » (une approximation très proche). Une règle célèbre de 1924, connue sous le nom de théorème de Khintchine, agit comme un arbitre. Elle stipule que si votre cible est difficile à atteindre (c'est-à-dire si l'exigence de « proximité » devient strictement plus rigoureuse très rapidement), vous ne la toucherez presque jamais. Cependant, il y avait un piège : pour que la règle de cet arbitre fonctionne, les mathématiciens devaient supposer que votre exigence de « proximité » devenait plus stricte de manière très prévisible et fluide — comme une rampe qui ne fait que descendre, sans jamais remonter. C'est ce qu'on appelle être « monotone ».

Le problème majeur que cet article traite est celui d'une parabole. Considérez une parabole comme la courbe parfaite et lisse d'un arc-en-ciel ou la trajectoire d'une balle que vous lancez. Dans ce jeu mathématique, la « cible » n'est pas seulement n'importe quel point ; c'est un point qui doit se trouver exactement sur cette ligne courbe. Pendant longtemps, les mathématiciens savaient que si vous essayiez de toucher cette courbe avec vos dards, il existait des limites strictes sur la fréquence à laquelle vous pourriez obtenir un « bullseye » (une approximation très proche). Une règle célèbre de 1924, connue sous le nom de théorème de Khintchine, agit comme un arbitre. Elle stipule que si votre cible est difficile à atteindre (c'est-à-dire si l'exigence de « proximité » devient strictement plus rigoureuse très rapidement), vous ne la toucherez presque jamais. Cependant, il y avait un piège : pour que la règle de cet arbitre fonctionne, les mathématiciens devaient supposer que votre exigence de « proximité » devenait plus stricte de manière très prévisible et fluide — comme une rampe qui ne fait que descendre, sans jamais remonter. C'est ce qu'on appelle être « monotone ».

Cette question fondamentale que cet article aborde concerne une forme spécifique : une parabole. Considérez une parabole comme la courbe parfaite et lisse d'un arc-en-ciel ou la trajectoire d'une balle que vous lancez. Dans ce jeu mathématique, la « cible » n'est pas seulement n'importe quel point ; c'est un point qui doit se trouver exactement sur cette ligne courbe. Pendant longtemps, les mathématiciens savaient que si vous essayiez de toucher cette courbe avec vos dards, il existait des limites strictes sur la fréquence à laquelle vous pourriez obtenir un « bullseye » (une approximation très proche). Une règle célèbre de 1924, connue sous le nom de théorème de Khintchine, agit comme un arbitre. Elle stipule que si votre cible est difficile à atteindre (c'est-à-dire si l'exigence de « proximité » devient strictement plus rigoureuse très rapidement), vous ne la toucherez presque jamais. Cependant, il y avait un piège : pour que la règle de cet arbitre fonctionne, les mathématiciens devaient supposer que votre exigence de « proximité » devenait plus stricte de manière très prévisible et fluide — comme une rampe qui ne fait que descendre, sans jamais remonter. C'est ce qu'on appelle être « monotone ».

Les montagnes russes des nombres

Alors, qu'ont fait exactement ces auteurs ? Ils ont pris le célèbre théorème de Khintchine et ont supprimé la règle de la « rampe lisse ». Ils voulaient voir si le théorème tient toujours lorsque la fonction d'approximation (la règle qui détermine la proximité requise) est autorisée à être sauvage et non monotone. Dans le monde des mathématiques, supprimer cette exigence de « fluidité », c'est comme essayer de naviguer dans un labyrinthe dont les murs changent soudainement de position. Cela rend le problème nettement plus difficile.

Les auteurs se sont concentrés sur la parabole, l'ensemble des points $(x, x^2)$ . Ils voulaient savoir : si nous avons une liste de règles pour déterminer la proximité nécessaire d'une fraction par rapport à un point sur cette courbe, et que ces règles sautent de manière sauvage, combien de points sur la courbe peuvent réellement satisfaire ces règles ? Leur conclusion principale est un « presque aucun » retentissant. Ils ont prouvé que si la somme des carrés de ces règles sauvages converge (une façon sophistiquée de dire que les règles deviennent assez strictes rapidement), alors le nombre de points sur la parabole qui satisfont ces règles est effectivement nul.

Mais voici le rebondissement : ils ne se sont pas contentés de dire « c'est zéro ». Ils voulaient être des arbitres quantitatifs. Ils voulaient donner un nombre spécifique, appelons-le $\kappa$ , qui représente la rigueur nécessaire pour garantir que presque aucun point n'est touché. Ils ont découvert qu'un tel nombre existe, mais qu'il est si incroyablement petit qu'il en devient presque comique.

Les constantes monstrueuses

Pour obtenir ces nombres, les auteurs ont dû lutter contre des outils mathématiques très anciens et très obstinés. Ils ont utilisé une technique impliquant des « sommes de caractères », qui consistent à additionner des ondes de nombres pour voir si elles s'annulent entre elles. Pour estimer ces sommes, ils se sont appuyés sur une borne célèbre découverte par le mathématicien Burgess. Cependant, la version standard de la borne de Burgess n'était pas assez précise pour leurs besoins. Ils avaient besoin d'une version « explicite », ce qui signifie qu'ils devaient connaître la taille exacte des constantes impliquées, et non pas seulement savoir qu'elles existaient.

C'est là que l'article devient un peu fou. Les auteurs ont dû calculer ces constantes pour différents types de nombres (nombres premiers, nombres composés, grands nombres, petits nombres). Le résultat est un ensemble de quatre théorèmes différents, chacun ayant sa propre version de la constante $\kappa$ .

Dans leur version la plus générale (Théorème 4), qui fonctionne pour n'importe quel dénominateur $q$ , la constante $\kappa$ est un cauchemar de nombres minuscules. L'un des termes de leur calcul est approximativement de $10^{-1023,89775276641198}$ . Pour donner une idée, si vous écriviez ce nombre, il y aurait plus de mille zéros après la virgule avant même d'atteindre le premier chiffre non nul. C'est si petit que c'est pratiquement zéro, pourtant, mathématiquement, c'est la clé qui déverrouille la preuve. Les auteurs admettent que ce nombre est « très petit » et que le principal coupable est la « fonction diviseur », qui compte de combien de manières un nombre peut être divisé. Comme cette fonction peut devenir énorme pour certains nombres, elle force leur constante à rétrécir jusqu'à presque rien.

Cependant, les auteurs ne se sont pas arrêtés là. Ils ont réalisé que s'ils rendaient le jeu légèrement plus spécifique, ils pourraient obtenir des nombres beaucoup plus « sains ».

La version « Grand $q$ » (Théorème 5) : S'ils ne regardent que des dénominateurs très grands (plus précisément, $q$ supérieur à $e^{e^{41}}$ , un nombre si grand qu'il est difficile à concevoir), la constante $\kappa$ bondit vers une taille beaucoup plus raisonnable, environ $0,00499$.
La version « Premier » (Théorème 7) : Si l'on ne considère que des dénominateurs qui sont des nombres premiers, la constante s'améliore encore, atteignant environ $0,012$.
La version « Peu de diviseurs » (Théorème 6) : Si l'on regarde des nombres qui n'ont pas trop de facteurs, la constante se situe quelque part entre les deux.

Pourquoi cela importe-t-il (même si les nombres sont bizarres) ?

Vous pourriez vous demander : « Qui se soucie d'un nombre qui est de $10^{-1023}$ ? » La réponse réside dans la structure de la preuve. Avant cet article, nous ne savions pas si une constante existait du tout pour les fonctions non monotones sur une parabole. Le fait que les auteurs aient pu prouver qu'elle existe, même si le nombre est microscopique, est une avancée majeure. Cela confirme que la nature « courbe » de la parabole ne permet pas de contourner magiquement les règles de l'approximation, même lorsque les règles sont chaotiques.

L'article souligne également un problème spécifique dans la boîte à outils mathématique. Les auteurs soulignent que la raison pour laquelle leurs nombres sont si minuscules est due aux bornes de la « fonction diviseur » qu'ils ont dû utiliser. Ils suggèrent que si les mathématiciens trouvent de meilleures façons d'estimer le nombre de diviseurs d'un nombre, ces constantes pourraient devenir beaucoup plus grandes et utiles. Ils ont essentiellement construit un pont au-dessus d'un canyon, mais le pont est fait d'un matériau si fin qu'il est presque invisible. Cela prouve que le pont peut exister, mais cela nous indique aussi que nous devons trouver un matériau plus solide pour le rendre praticable.

En fin de compte, Gravgaard et Kristensen ont montré que la parabole est un adversaire tenace. Que vous l'approchiez avec des règles lisses et prévisibles ou avec des règles chaotiques et sauteuses, elle résiste à l'approximation. Ils ont fourni la preuve mathématique que cette résistance est absolue, quantifiant les limites de notre capacité à toucher la cible avec une précision qui est à la fois terrifiante de petitesse et rigoureusement exacte. Ils n'ont pas résolu le problème de l'augmentation de la taille des nombres, mais ils ont définitivement démontré que le jeu est impossible dans ces conditions, peu importe la sauvagerie des règles.

Résumé technique : Khintchine quantitatif sur la parabole avec des fonctions d'approximation non monotones

Énoncé du problème
L'article traite d'une version quantitative du cas de convergence du théorème de Khintchine dans l'approximation diophantienne métrique, spécifiquement restreinte aux points situés sur la parabole $P := \{(x, x^2) \mid x \in [0, 1]\}$ . Le défi central consiste à lever l'hypothèse standard selon laquelle la fonction d'approximation $\psi: \mathbb{N} \to [0, \infty)$ doit être monotone.

Bien que le théorème de Khintchine (1924) établisse une loi zéro-un pour la mesure de Lebesgue des points $\psi$ -approximables dans $\mathbb{R}^n$ , le cas de divergence exige strictement la monotonie. Le cas de convergence, cependant, ne nécessite pas intrinsèquement la monotonie pour l'espace ambiant, mais l'extension à des variétés (comme la parabole) sans monotonie s'est avérée difficile. Des résultats antérieurs pour les sous-variétés non dégénérées, tels que ceux de Beresnevich et Yang, reposent même pour la convergence sur la monotonie. Une exception notable est le théorème de Huang (2023), qui a prouvé le cas de convergence pour la parabole sans monotonie, mais n'a pas fourni de bornes explicites sur la mesure de l'ensemble des points bien approximés.

Les auteurs visent à fournir des constantes explicites pour la mesure de l'ensemble des points $x \in [0, 1]$ tels que l'erreur d'approximation simultanée $\max(\|qx\|, \|qx^2\|)$ dépasse un multiple fixe $\kappa \psi(q)$ pour tout $q$ . Plus précisément, ils cherchent à établir que pour une série convergente $S_\psi = \sum \psi(q)^2$ , la mesure de l'ensemble $B'(\psi, \kappa) = \{x \in [0, 1] : \max(\|qx\|, \|qx^2\|) > \kappa \psi(q) \forall q \in \mathbb{N}\}$ est au moins de $1 - \delta$ , avec une dépendance explicite de $\kappa$ par rapport à $\delta$ et $S_\psi$ .

Méthodologie
La stratégie de preuve suit le cadre établi par Huang [13] mais se concentre fortement sur la dérivation de constantes explicites tout au long du processus d'estimation. La méthodologie procède selon les étapes suivantes :

Réduction au comptage : Le problème est réduit au comptage du nombre de points rationnels $a/q$ avec un dénominateur $q$ fixé qui sont proches de la parabole. Cela est formulé comme l'estimation de la fonction de comptage $\sum_{a \le q, \|a^2/q\| \le 3\kappa\psi(q)} 1$ .
Sommes exponentielles et noyaux de Fejér : La fonction de comptage est estimée en utilisant un noyau de Fejér pour lisser la fonction indicatrice de l'intervalle. Cela transforme le problème en l'estimation de sommes exponentielles de la forme $\sum_{a=1}^q e^{2\pi i j a^2 / q}$ .
Caractères de Dirichlet et sommes de Gauss : Ces sommes exponentielles quadratiques sont réécrites en termes de caractères de Dirichlet (spécifiquement les symboles de Legendre et de Jacobi) en utilisant les propriétés des sommes de Gauss quadratiques.
Bornes de Burgess explicites : L'innovation technique centrale réside dans l'application de la borne de Burgess pour les sommes de caractères courtes. Puisque les versions effectives standards de la borne de Burgess ne tiennent pas pour tous les modules composés, les auteurs dérivent des bornes explicites pour trois plages distinctes du module $q$ $q$ :
- Petit $q$ ( $1 \le q \le 10^5$ ) : Les constantes sont calculées par calcul de force brute.
- Moyen $q$ ( $10^5 < q \le \exp(\exp(8))$ ) : Les bornes sont dérivées à partir des résultats de Bordignon [7], avec vérification explicite des conditions.
- Grand $q$ ( $q > \exp(\exp(8))$ ) : Les bornes reposent sur les résultats de Bordignon [7] et Robin [21].
Estimations de la fonction diviseur : Une partie importante du travail consiste à gérer la fonction diviseur $d(q)$ , qui apparaît dans les termes d'erreur. Les auteurs utilisent des bornes explicites pour $d(q)$ (par exemple, $d(q) \le K_\beta q^\beta$ ) et analysent comment ces bornes affectent les constantes finales. Ils traitent la question des valeurs élevées du diviseur en considérant des sous-ensembles spécifiques d'entiers (par exemple, des nombres avec peu de facteurs premiers ou des nombres très grands) afin d'obtenir des constantes plus raisonnables.

Contributions et résultats clés
L'article présente quatre théorèmes principaux fournissant des bornes quantitatives pour $\kappa(\delta)$ sous différentes contraintes sur le dénominateur $q$ . Dans tous les cas, si $S_\psi = \sum \psi(q)^2$ converge, alors $\lambda(B'(\psi, \kappa)) \ge 1 - \delta$ .

Théorème 4 (Tous les $q$ ) : Fournit une borne pour tous les entiers $q$ . La constante résultante $\kappa(\delta)$ est extrêmement petite (de l'ordre de $10^{-1023}$ pour certains termes) en raison du comportement de pire cas de la fonction diviseur $d(q)$ dans le cas général.
Théorème 5 (Grand $q$ ) : Suppose que $\psi(q) = 0$ pour $q \le \exp(\exp(41))$ . En se restreignant à des modules très grands, les auteurs utilisent des bornes améliorées pour $d(q)$ (spécifiquement $d(q) \le q^{1/57}$ ), ce qui permet d'obtenir des constantes nettement plus maniables (par exemple, $\kappa \approx 0.00499 (\delta/S_\psi)^{2/3}$ ).
Théorème 6 (Nombre de facteurs premiers borné) : Suppose que $q$ possède au plus $k$ diviseurs premiers. Cette restriction limite $d(q) \le 2^k$ , produisant des constantes qui dépendent de $k$ mais qui sont généralement plus raisonnables que celles du Théorème 4.
Théorème 7 (Modules premiers) : Suppose que $q$ est premier. Ce cas utilise les meilleures bornes de Burgess explicites disponibles pour les modules premiers, offrant les constantes les plus favorables parmi les cas généraux (par exemple, $\kappa \approx 0.012 (\delta/S_\psi)^{2/3}$ ).

Signification et revendications
Les auteurs affirment que ce travail est le premier à fournir un théorème de Khintchine quantitatif pour la parabole avec des fonctions d'approximation non monotones. La principale signification réside dans la nature explicite des constantes, ce qui permet de formuler des problèmes concernant la dépendance entre la constante d'approximation $\kappa$ et la mesure de l'ensemble, un problème soulevé précédemment par Adiceam et al. [1].

L'article reconnaît que les constantes, particulièrement dans le cas le plus général (Théorème 4), sont très petites. Les auteurs attribuent cette limitation non pas à la méthode de preuve elle-même, mais aux constantes explicites issues des bornes de la fonction diviseur au sein des variantes du théorème de Burgess utilisées. Ils notent que bien que de meilleures estimations soient souhaitables, les obtenir avec les méthodes actuelles est peu probable. Ce travail sert de étape fondamentale, démontant que les résultats de convergence non monotones peuvent être rendus quantitatifs, bien qu'avec la réserve de constantes petites dans le cadre général.

Les montagnes russes des nombres

Les constantes monstrueuses

Pourquoi cela importe-t-il (même si les nombres sont bizarres) ?

Articles similaires