🔢 mathematics

On a Möbius double sum

यह शोध पत्र मोबियस फलन (Möbius function) और लघुतम समापवर्त्य (least common multiple) से जुड़े अभिसारी द्वि-योग (convergent double sum), $S_\varepsilon(X) = \sum_{d,e\le X}\frac{\mu(d)\mu(e)}{[d,e]^{1+\varepsilon}}$ , के लिए समान ऊपरी सीमाएँ (uniform upper bounds) स्थापित करता है, जिसमें विशेष रूप से उस क्षेत्र पर ध्यान केंद्रित किया गया है जहाँ $\varepsilon$ शून्य के करीब है, जो कि विश्लेषणात्मक संख्या सिद्धांत (analytic number theory) में शून्य-घनत्व अनुमानों (zero-density estimates) के लिए एक महत्वपूर्ण परिणाम है।

मूल लेखक: Olivier Ramaré, Sebastian Zuniga-Alterman

प्रकाशित 2026-03-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Olivier Ramaré, Sebastian Zuniga-Alterman

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं, लेकिन बादलों और हवा के बजाय, आप संख्याओं के अदृश्य "मौसम पैटर्न" को देख रहे हैं। विशेष रूप से, आप रीमान ज़ेटा फलन (Riemann Zeta function) का अध्ययन कर रहे हैं, जो एक प्रसिद्ध गणितीय वस्तु है और जिसमें अभाज्य संख्याओं (prime numbers) के वितरण के रहस्य छिपे हैं।

इस क्षेत्र में सबसे बड़ी चुनौतियों में से एक यह पता लगाना है कि इस फलन के "शून्य" (zeros) वास्तव में कहाँ स्थित हैं। यदि आप इन शून्यों को सटीक रूप से पकड़ सकते हैं, तो आप यह सिद्ध कर सकते हैं कि संख्याएँ कैसे व्यवहार करती हैं। इसे करने के लिए, गणितज्ञ एक उपकरण का उपयोग करते हैं जिसे मोलिफायर (mollifier) कहा जाता है। एक मोलिफायर को "नंबरों के लिए शोर कम करने वाले हेडफ़ोन" (noise-canceling headphone) की तरह समझें। यह अराजक पृष्ठभूमि के शोर को फ़िल्टर करने में मदद करता है ताकि आप उस विशिष्ट संकेत को सुन सकें जिसे आप खोज रहे हैं।

यह शोध पत्र इस बारे में है कि एक विशिष्ट प्रकार के शोर कम करने वाले हेडफ़ोन कितनी अच्छी तरह काम करते हैं।

समस्या: "डबल सम" (The Double Sum)

लेखक एक विशिष्ट गणितीय अभिव्यक्ति का अध्ययन कर रहे हैं जिसे डबल सम (double sum) कहा जाता है। सरल शब्दों में, यह एक विशाल रेसिपी है जहाँ आप हजारों छोटे-छोटे अंशों (fractions) को जोड़ते हैं।

यह रेसिपी इस प्रकार दिखती है:

दो संख्याएँ, $d$ और $e$ , चुनें।
जाँचें कि क्या वे "वर्ग-मुक्त" (square-free) हैं (अर्थात वे किसी पूर्ण वर्ग जैसे 4, 9, या 16 से विभाज्य नहीं हैं)। यदि वे वर्ग-मुक्त हैं, तो हम उन्हें अनदेखा कर देते हैं। यदि नहीं, तो हम उन्हें एक विशेष "मोबियस" (Möbius) स्कोर देते हैं जो या तो +1 या -1 होता है।
$d$ और $e$ का लघुत्तम समापवर्त्य (LCM) ज्ञात करें। यह वह सबसे छोटी संख्या है जिसे $d$ और $e$ दोनों पूरी तरह विभाजित कर सकते हैं।
इस LCM द्वारा विभाजित स्कोर को जोड़ें।

लेखक इस योग को $S(X)$ कहते हैं। वे जानना चाहते हैं: "यदि हम एक निश्चित सीमा $X$ तक इन सभी संख्याओं को जोड़ते हैं, तो कुल योग कितना बड़ा हो सकता है?"

यह क्यों महत्वपूर्ण है?

जीरो-डेंसिटी अनुमानों (zero-density estimates) की दुनिया में, यह योग "विकर्ण योगदान" (diagonal contribution) का प्रतिनिधित्व करता है। कल्पना कीजिए कि आप एक प्रणाली की कुल ऊर्जा की गणना करने का प्रयास कर रहे हैं। अधिकांश ऊर्जा मुख्य अंतःक्रियाओं से आती है, लेकिन एक विशिष्ट भाग है जहाँ चीजें पूरी तरह से मेल खाती हैं (विकर्ण)।

यदि यह "विकर्ण" भाग बहुत बड़ा हो जाता है, तो आपके शोर कम करने वाले हेडफ़ोन (मोलिफायर) विफल हो जाते हैं, और आप शून्यों को सटीक रूप से नहीं खोज पाते। लेखक यह सिद्ध करना चाहते हैं कि यह योग छोटा और अनुमानित (predictable) बना रहे, चाहे आप कितनी भी दूर तक जाएँ।

"ट्विस्ट": $\epsilon$ (एप्सिलॉन) कारक

शोध पत्र दो परिदृश्यों को देखता है:

मानक मामला ( $\epsilon = 0$ ): संख्याओं को सामान्य रूप से जोड़ा जाता है।
परेशान किया गया मामला ( $\epsilon > 0$ ): लेखक रेसिपी में एक छोटा सा "झटका" या "झुकाव" जोड़ते हैं। गणित में, यह सामग्री के वजन को थोड़ा बदलने जैसा है।

वे जानना चाहते थे: क्या इस छोटे से झटके को जोड़ने से कुल योग विस्फोट कर जाएगा, या यह नियंत्रण में रहेगा?

उपमा: रस्सी पर चलने वाला (The Tightrope Walker)

कल्पना कीजिए कि एक रस्सी पर चलने वाला व्यक्ति (योग) एक खाई को पार करने की कोशिश कर रहा है।

खाई: 1 से लेकर एक बहुत बड़ी संख्या $X$ (जैसे $10^{33}$ , जो 1 के पीछे 33 शून्य है) तक की संख्याओं की सीमा।
हवा: अभाज्य संख्याओं की अराजक प्रकृति।
लक्ष्य: यह दिखाना कि रस्सी पर चलने वाला व्यक्ति कभी गिरता नहीं है (योग कभी बहुत बड़ा नहीं होता)।

लेखक मूल रूप से कह रहे हैं: "हमने गणना की है कि चलने वाला व्यक्ति ठीक कितना डगमगा सकता है। भले ही हम थोड़ा सा हवा ( $\epsilon$ कारक) जोड़ दें, फिर भी वह एक सुरक्षित क्षेत्र के भीतर रहता है।"

बड़ी खोजें

लेखक, ओलिवियर रामार (Olivier Ramaré) और सेबस्टियन ज़ुनिगा-अल्टरमैन (Sebastian Zuniga-Alterman) ने मुख्य रूप से दो काम किए:

उन्होंने एक सुरक्षा जाल बनाया (प्रमेय): उन्होंने सख्त ऊपरी सीमाओं का एक सेट बनाया। उन्होंने सिद्ध किया कि $X$ कितना भी बड़ा क्यों न हो जाए, योग $S(X)$ कभी भी एक विशिष्ट संख्या से अधिक नहीं होगा।
- छोटे दायरे के लिए, योग 0.445 से कम है।
- मध्यम दायरे के लिए, यह 0.5976 तक बढ़ सकता है, लेकिन फिर वापस नीचे आ जाता है।
- विशाल दायरे के लिए (जैसे $10^{33}$ ), यह 0.4664 से नीचे रहता है।
उन्होंने सिद्ध किया कि "झटका" सुरक्षित है: उन्होंने दिखाया कि यदि आप रेसिपी को थोड़ा सा झुकाते हैं ( $\epsilon$ का उपयोग करते हुए जो 0 और 1/25 के बीच है), तो भी योग टूटता नहीं है। यह मूल सीमाओं के बहुत करीब रहता है।

यह एक बड़ी बात क्यों है?

इस शोध पत्र से पहले, ये विशिष्ट सीमाएँ "पहुंच से बाहर" थीं। यह एक बहुत छोटे पैमाने (रूलर) से पहाड़ की ऊंचाई मापने की कोशिश करने जैसा था। लेखकों ने निम्नलिखित का संयोजन उपयोग किया:

पुराने उपकरण: शास्त्रीय संख्या सिद्धांत सूत्र।
नए उपकरण: अन्य गणितज्ञों (जैसे हेल्फगॉट) द्वारा हालिया सफलताएँ।
सुपरकंप्यूटर: उन्होंने केवल अनुमान नहीं लगाया; उन्होंने अरबों मामलों की जाँच करने के लिए बड़े पैमाने पर गणनाएँ चलाईं।

निष्कर्ष

यह शोध पत्र सटीकता की जीत है। अभाज्य संख्याओं की अराजक दुनिया में, जहाँ चीजें अक्सर यादृच्छिक और जंगली लगती हैं, लेखकों ने एक विशिष्ट गणितीय व्यवहार के चारों ओर एक बहुत ही सटीक और सटीक घेरा खींचा है।

यह सिद्ध करके कि यह "डबल सम" हमेशा छोटा और अनुमानित रहता है, उन्होंने अन्य गणितज्ञों को एक अधिक प्रभावी और तेज "शोर कम करने वाला हेडफ़ोन" थमा दिया है। इसका अर्थ है कि भविष्य के शोधकर्ता रीमान ज़ेटा फलन के शून्यों को अधिक विश्वास के साथ खोज सकते हैं, जो हमें गणित के सबसे प्रसिद्ध रहस्यों में से एक को सुलझाने के एक कदम करीब ले जाता है।

संक्षेप में: उन्होंने एक बहुत ही जटिल संख्या योग को मापा, यह सिद्ध किया कि थोड़ा हिलाने-डुलाने पर भी यह छोटा रहता है, और उन्होंने सबको अभाज्य संख्याओं के परिदृश्य को नेविगेट करने के लिए एक बेहतर मानचित्र दिया है।

यहाँ ओलिवियर रामार (Olivier Ramaré) और सेबेस्टियन ज़ुनिगा-अल्टरमैन (Sebastian Zuniga-Alterman) के शोध पत्र "On a Möbius Double Sum" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र निम्नलिखित द्वि-योग (double sum) के अनंत व्यवहार (asymptotic behavior) और स्पष्ट ऊपरी सीमाओं (explicit upper bounds) की जांच करता है:
$S_\varepsilon(X) = \sum_{d,e \le X} \frac{\mu(d)\mu(e)}{[d,e]^{1+\varepsilon}}$
जहाँ:

$\mu$ मोबियस फलन (Möbius function) है।
$[d, e]$ $d$ और $e$ का लघुत्तम समापवर्त्य (LCM) है।
$\varepsilon \ge 0$ एक वास्तविक पैरामीटर है।
$X$ एक धनात्मक वास्तविक संख्या है।

संदर्भ और प्रेरणा (Context and Motivation):

विश्लेषणात्मक संख्या सिद्धांत (Analytic Number Theory): यह योग रीमान ज़ेटा फलन $\zeta(s)$ और डिरिक्लेट $L$ -फंक्शन्स के शून्य-घनत्व अनुमानों (zero-density estimates) के अध्ययन में स्वाभाविक रूप से उत्पन्न होता है। विशेष रूप से, यह इन फलनों के 'मॉलिफाइड सेकंड मोमेंट्स' (mollified second moments) की गणना में 'डायगोनल योगदान' (diagonal contribution) का प्रतिनिधित्व करता है।
अभिसरण (Convergence): यह योग $\varepsilon = 0$ होने पर भी अभिसरित होता है। ड्रेस (Dress), टेनेनबाउम (Tenenbaum) और इवानिएक (Iwaniec) के पिछले कार्यों ने स्थापित किया कि $S_0(X)$ का मान $X \to \infty$ होने पर एक स्थिरांक (constant) की ओर अभिसरित होता है। हेल्फगॉट (Helfgott) ने बाद में इस स्थिरांक की गणना लगभग $0.4408$ की गई थी।
ज्ञान का अंतराल (Gap in Knowledge): हालांकि सीमा (limit) ज्ञात है, लेकिन विभिन्न श्रेणियों के $X$ के लिए, विशेष रूप से छोटे $\varepsilon$ (जैसे $0^+$ के करीब) के लिए, $S_\varepsilon(X)$ के लिए कोई कठोर, समान (uniform) और स्पष्ट ऊपरी सीमाएँ उपलब्ध नहीं थीं। ऐसे अनुमान शून्य-घनत्व प्रमेयों के लिए 'मॉलिफायर' को अनुकूलित करने के लिए अत्यंत महत्वपूर्ण हैं।

2. कार्यप्रणाली (Methodology)

लेखक प्रत्यक्ष गणना, अंकगणितीय फलनों के विश्लेषणात्मक अनुमानों और सावधानीपूर्वक त्रुटि पद विश्लेषण (error term analysis) के संयोजन का उपयोग करते हैं।

A. अपघटन और पुनर्गठन (Decomposition and Reformulation)

लेखक द्वि-योग को ऑयलर टोटिएंट फलन $\phi$ और मोबियस फलन के योगमय फलन (summatory function) वाले एकल योग में परिवर्तित करते हैं।
पहचान $\sum_{d,e} \dots = \sum_{\ell} \frac{\mu^2(\ell)\phi(\ell)}{\ell^2} \left( \sum_{m \le X/\ell, (m,\ell)=1} \frac{\mu(m)}{m} \right)^2$ का उपयोग करते हुए, समस्या को आंतरिक योग $m_q(Y) = \sum_{n \le Y, (n,q)=1} \frac{\mu(n)}{n}$ को बांधने (bounding) में बदल दिया जाता है।

B. योगमय फलन $m_q(X)$ के लिए अनुमान

कार्यप्रणाली का एक मुख्य घटक $m_q(X)$ और इसके विचलित संस्करण $m_q(X; 1+\varepsilon)$ के लिए तीक्ष्ण, स्पष्ट सीमाएँ स्थापित करना है।

लेम्मा 2.6 और 3.1: लेखक पिछले परिणामों (हेल्फगॉट, रामार) का उपयोग करके और त्रुटि पदों को परिष्कृत करके $|m_q(X)|$ और $|m_q(X; 1+\varepsilon)|$ के लिए स्पष्ट सीमाएँ प्राप्त करते हैं। वे मोडुलस $q$ पर निर्भरता को संभालने के लिए सहायक मल्टीप्लिकेटिव फंक्शन्स $g_0(q)$ और $g_2(q)$ पेश करते हैं।
विक्षोभ विश्लेषण (Perturbation Analysis): $\varepsilon > 0$ के लिए, वे एक विस्तार का उपयोग करते हैं:
$m_q(X; 1+\varepsilon) = \frac{m_q(X)}{X^\varepsilon} + \frac{q^{1+\varepsilon}}{\phi_{1+\varepsilon}(q)\zeta(1+\varepsilon)} + \varepsilon \Delta_q(X, \varepsilon)$
यह उन्हें $S_\varepsilon(X)$ को $S_0(X)$ और $\Delta_q$ से जुड़े त्रुटि पदों के साथ जोड़ने की अनुमति देता है।

C. मल्टीप्लिकेटिव फलनों के माध्य मान अनुमान (Mean Value Estimates)

परिणामी एकल योगों को बांधने के लिए, लेखक मल्टीप्लिकेटिव फलनों के सामान्य माध्य-मूल प्रमेयों (टेनेनबाउम और अन्य के कार्यों पर आधारित प्रमेय 4.1 और 4.2) को लागू करते हैं।

वे $f(n) = \frac{\phi(n)h(n)}{n^\alpha}$ रूप के फलनों का विश्लेषण करते हैं जहाँ $h(n)$ में सहायक फलन $g_0, g_2$ शामिल हैं।
प्रमेय 4.2 $\sum_{n \le X} \mu^2(n)f(n)$ के लिए स्पष्ट त्रुटि पद प्रदान करता है, जो घातांक $\alpha$ (विशेष रूप से $\alpha=1$ , $\alpha < 1/2$ , और $\alpha = 1/2$ ) के आधार पर अलग-अलग मामलों को स्पष्ट करता है।
अनंत उत्पाद (Infinite Products): प्राइम काउंटिंग फंक्शन $\pi(t)$ और चेबायशेव फलन $\theta(t)$ के स्पष्ट अनुमानों का उपयोग करके अनंत ऑयलर उत्पादों और अभाजों पर योगों के लिए कठोर सीमाएँ संगणना की गई हैं। लेखकों ने परिमित गणनाओं और टेल अनुमानों (tail estimates) को अलग करने के लिए $M = 10^8$ का परिशुद्धता थ्रेशोल्ड निर्धारित किया है।

D. कम्प्यूटेशनल सत्यापन (Computational Verification)

प्रत्यक्ष गणना: छोटे $X$ के लिए (विशेष रूप से $X < 10^7$ ), लेखक एक अनुकूलित एल्गोरिदम का उपयोग करके प्रत्यक्ष गणना करते हैं जो $S_0(\ell) - S_0(\ell-1)$ की पुनरावर्ती संरचना (recursive structure) का लाभ उठाता है।
अनुकूलन (Optimization): बड़े $X$ के लिए, वे योग को एक "हेड" (छोटा $\ell$ ) और एक "टेल" (बड़ा $\ell$ ) में विभाजित करते हैं। टेल को अनुभागों 2–4 में प्राप्त विश्लेषणात्मक अनुमानों का उपयोग करके बांधा जाता है, जबकि हेड को मापदंडों (जैसे स्प्लिट पॉइंट $D$ ) को अनुकूलित करके और $S_0(X)$ के लिए पूर्व-संगणित सीमाओं का उपयोग करके बांधा जाता है।

3. मुख्य योगदान (Key Contributions)

समान स्पष्ट सीमाएँ (Uniform Explicit Bounds): यह शोध पत्र $S_\varepsilon(X)$ के लिए पहला कठोर, समान ऊपरी सीमा सेट प्रदान करता है जो सभी $X > 0$ और $\varepsilon \in [0, 1/25]$ के लिए मान्य है।
$S_0(X)$ का परिष्करण: लेखक $\varepsilon = 0$ के मामले के लिए ज्ञात सीमाओं में सुधार करते हैं, जिससे विभिन्न $X$ श्रेणियों के लिए विशिष्ट ऊपरी सीमाएँ मिलती हैं (जैसे $422 \le X < 10^7$ के लिए $0.445$)।
विक्षोभ $\varepsilon$ को संभालना: वे $\varepsilon > 0$ के लिए विक्षोभ द्वारा उत्पन्न त्रुटि पदों को नियंत्रित करके $S_\varepsilon(X)$ को विस्तारित करने में सफल रहे हैं, यह दिखाते हुए कि $\varepsilon$ के छोटे मानों के लिए $S_\varepsilon(X)$ , $S_0(X)$ के करीब रहता है।
एल्गोरिद्मिक दक्षता: $S_0(\ell) - S_0(\ell-1)$ के अंतर के लिए पहचान (identity 12) का व्युत्पन्न बड़े $X$ के लिए योग के मूल्यांकन की कम्प्यूटेशनल लागत को काफी कम कर देता है।

4. मुख्य परिणाम (Main Results)

प्रमेय 1.1 (मामला $\varepsilon = 0$ ):
$X > 0$ के लिए, $0 \le S_0(X) \le C(X)$ , जहाँ $C(X)$ को खंडों (piecewise) में परिभाषित किया गया है:

$422 \le X < 10^7$ के लिए $0.445$
$10^7 \le X < 10^{12}$ के लिए $0.5976$
$10^{12} \le X < 10^{16}$ के लिए $0.4988$
$10^{16} \le X < 10^{33}$ के लिए $0.467$
$X \ge 10^{33}$ के लिए $0.4664$

प्रमेय 1.2 (मामला $0 \le \varepsilon \le 1/25$ ):
लेखक $X$ और $\varepsilon$ की श्रेणियों के आधार पर $S_\varepsilon(X)$ के लिए स्पष्ट ऊपरी सीमाएँ प्रदान करते हैं।

उदाहरण: यदि $X \ge 10^{33}$ और $\varepsilon \le 1/100$ हो, तो $S_\varepsilon(X) \le 0.4794$ ।
उदाहरण: यदि $10^{12} \le X < 10^{16}$ और $\varepsilon \le 1/25$ हो, तो $S_\varepsilon(X) \le 0.593$ ।
सीमाएँ आम तौर पर $\varepsilon=0$ की तुलना में थोड़ी अधिक हैं, जो विक्षोभ को दर्शाती हैं, लेकिन वे विश्लेषणात्मक संख्या सिद्धांत में व्यावहारिक अनुप्रयोगों के लिए पर्याप्त सटीक बनी हुई हैं।

5. महत्व (Significance)

शून्य-घनत्व अनुमान (Zero-Density Estimates): प्राथमिक महत्व $\zeta(s)$ के लिए शून्य-घनत्व प्रमेयों में अनुप्रयोग में निहित है। इन प्रमेयों की दक्षता मॉलिफाइड सेकंड मोमेंट्स के लिए सीमाओं की गुणवत्ता पर बहुत अधिक निर्भर करती है। $S_\varepsilon(X)$ के लिए स्पष्ट, समान सीमाएँ प्रदान करके, लेखक शून्य-घनत्व के अधिक सटीक और मजबूत परिणाम सक्षम करते हैं।
स्पष्ट स्थिरांक (Explicit Constants): विश्लेषणात्मक संख्या सिद्धांत में, केवल अनंत (asymptotic) परिणाम ( $O$ -notation) अक्सर स्पष्ट अनुप्रयोगों (जैसे एक निश्चित ऊंचाई तक रीमान परिकल्पना को सत्यापित करना) के लिए अपर्याप्त होते हैं। यह शोध पत्र $O$ -नोटेशन वाले अनुमानों को ठोस संख्यात्मक स्थिरांकों से बदल देता है, जिससे परिणाम कम्प्यूटेशनल संख्या सिद्धांत में तुरंत उपयोग योग्य बन जाते हैं।
कार्यप्रणालीगत प्रगति (Methodological Advancement): यह शोध पत्र मोबियस फलन और LCM वाले द्वि-योगों को संभालने के लिए एक मजबूत ढांचा प्रदर्शित करता है, जो गहरे विश्लेषणात्मक उपकरणों (माध्य-मूल प्रमेय, ऑयलर उत्पाद) को उच्च-परिशुद्धता संख्यात्मक सत्यापन के साथ जोड़ता है। इस दृष्टिकोण को अन्य अंकगणितीय फलनों से जुड़े समान समस्याओं के लिए अपनाया जा सकता है।

संक्षेप में, रामार और ज़ुनिगा-अल्टरमैन ने विश्लेषणात्मक संख्या सिद्धांत में एक महत्वपूर्ण योग के लिए सैद्धांतिक अभिसरण और व्यावहारिक स्पष्ट सीमाओं के बीच के अंतर को पाट दिया है, जिससे रीमान ज़ेटा फलन के शून्य-घनत्व अनुमानों को परिष्कृत करने के लिए आवश्यक उपकरण उपलब्ध हुए हैं।