On the natural density of integers $n$ for which $\sigma(kn+r_1) >\sigma(kn+r_2)$

이 논문은 2020 년 Kobayashi 와 Trudgian 의 결과를 확장하여 정수 $k>r_1>r_2\geq 0$에 대해 $\sigma(kn+r_1) > \sigma(kn+r_2)$를 만족하는 양의 정수 $n$의 자연밀도에 대한 추정치를 제공하고, 특정 경우에 대한 명시적 경계와 계산 결과를 제시합니다.

핵심

🍕 피자와 약수들의 대결: "누가 더 많은 조각을 가질까?"

이 논문의 주인공은 **$\sigma(n)$ (시그마)**이라는 함수입니다. 이 함수는 어떤 정수 $n$을 만들 수 있는 모든 **약수 (나눠지는 수)**를 더한 값을 의미합니다.

• 예를 들어, 숫자 6의 약수는 1, 2, 3, 6 입니다.
• $\sigma(6) = 1 + 2 + 3 + 6 = 12$가 됩니다.

이 연구는 **"두 개의 숫자 중, 약수의 합이 더 큰 쪽이 더 자주 나타날까?"**라는 질문을 던집니다.

🎲 게임의 규칙: "3 번 돌리면 누가 이길까?"

연구자들은 다음과 같은 게임을 상상했습니다.

1. 자연수 $n$을 하나 고릅니다.
2. 두 개의 숫자를 만듭니다.
   • 첫 번째 숫자: $3n + 2$(예:$n=1$이면 5,$n=2$이면 8...)
   • 두 번째 숫자: $3n + 0$(예:$n=1$이면 3,$n=2$이면 6...)
3. 이 두 숫자의 **약수 합 ($\sigma$)**을 비교합니다.
   • $\sigma(3n+2) > \sigma(3n)$일 때, 첫 번째 숫자가 이깁니다.
4. $n$을 1 부터 무한히 늘려가며 이겨본 숫자가 전체에서 **얼마나 큰 비율 (밀도)**을 차지하는지 계산합니다.

과거의 연구자들은 이 비율이 약 5.3% ~ 5.5% 사이일 것이라고 추정했습니다. 하지만 이 논문은 그보다 더 구체적인 경우들을 분석하여 정확한 비율의 범위를 새롭게 계산했습니다.

---

🔍 연구의 핵심: "거대한 도서관에서 책 찾기"

이 문제를 해결하기 위해 연구자들은 아주 정교한 방법을 사용했습니다. 이를 **'분할 (Partition)'**이라는 비유로 설명해 볼게요.

1. 숫자들을 '부드러운' 그룹으로 나누기

모든 숫자를 다 한 번에 계산하는 것은 불가능합니다. 그래서 연구자들은 숫자들을 **'작은 소수 (2, 3, 5 등) 로만 만들어진 숫자 (부드러운 수)'**와 **'큰 소수가 포함된 숫자'**로 나눴습니다.

• 비유: 거대한 도서관에서 책을 찾을 때, 모든 책을 한 권씩 다 뒤지는 대신, 먼저 '장르'나 '크기'로 큰 묶음으로 분류한 뒤, 각 묶음 안에서만 정밀하게 조사하는 것과 같습니다.

2. 각 그룹에서의 승패 계산

각 작은 묶음 (그룹) 안에서, 어떤 숫자가 이길 확률이 높은지 수학적 공식을 이용해 계산했습니다.

• 어떤 그룹에서는 첫 번째 숫자가 거의 항상 이깁니다.
• 어떤 그룹에서는 두 번째 숫자가 이깁니다.
• 어떤 그룹에서는 둘이 거의 비슷하게 맞붙습니다.

3. 전체 비율 합치기

이렇게 계산된 각 그룹의 확률들을 모두 더하면, 전체 자연수에서 첫 번째 숫자가 이기는 **최종 비율 (밀도)**을 추정할 수 있습니다.

---

📊 이 논문이 찾아낸 결과

연구자들은 컴퓨터를 이용해 이 복잡한 계산을 수행했고, 두 가지 구체적인 경우에 대한 새로운 범위를 제시했습니다.

1. 경우 1: $3n+2$vs$3n$

   • 이전 연구보다 더 넓은 범위를 제시했습니다.
   • 결과: 첫 번째 숫자가 이길 확률은 약 5.9% 에서 10.9% 사이입니다. (이전보다 더 자주 이길 수도 있다는 뜻!)

2. 경우 2: $4n+1$vs$4n$

   • 이 경우는 첫 번째 숫자가 이길 확률이 훨씬 낮았습니다.
   • 결과: 첫 번째 숫자가 이길 확률은 약 0.8% 에서 1.3% 사이로 매우 드뭅니다.

---

🧩 왜 이 연구가 중요한가요?

이 연구는 단순히 "누가 이겼나?"를 세는 것을 넘어, 수들의 숨겨진 규칙을 찾아내는 과정입니다.

• 불완전한 퍼즐: 연구자들은 "완벽하게 100% 정확한 숫자를 구하는 것은 아직 어렵다"고 인정했습니다. 마치 퍼즐의 가장자리 조각은 다 맞췄는데, 중앙의 몇 조각은 아직 끼워지지 않은 상태입니다.
• 한계와 도전: 특히 두 숫자의 약수 합이 정확히 같을 때 ($\sigma(kn+r1) = \sigma(kn+r2)$) 어떤 일이 일어나는지 분석하는 데는 여전히 해결되지 않은 난제가 남아있습니다. 이는 수학의 미지의 영역을 보여주는 흥미로운 부분입니다.

💡 한 줄 요약

이 논문은 **"숫자를 늘려가며 두 수의 '약수 합'을 비교했을 때, 어느 쪽이 더 자주 이기는지"**를 컴퓨터와 수학적 지혜로 분석하여, 그 확률 범위를 더 정교하게 찾아낸 연구입니다. 마치 무한히 펼쳐진 숫자 세상에서 두 팀의 승패를 예측하는 통계학적인 모험이라고 할 수 있습니다.

기술 요약

논문 요약: σ(kn + r1) > σ(kn + r2) 를 만족하는 정수 n 의 자연 밀도에 관하여

저자: Xin-Qi Luo, Chen-Kai Ren
주제: 약수합 함수 (Sum of divisors function, $\sigma(n)$) 의 부등식 관계를 만족하는 정수 집합의 자연 밀도 (Natural Density) 추정 및 계산

1. 연구 배경 및 문제 제기

• 약수합 함수: 양의 정수 $n$에 대해 $\sigma(n)$은 $n$의 모든 양의 약수의 합을 의미합니다.
• 기존 연구:
  • Erdős (1936) 는 $\sigma(n+1) \ge \sigma(n)$인 $n$의 자연 밀도가 $1/2$임을 증명했습니다.
  • Kobayashi 와 Trudgian (2020) 은 $\sigma(2n+1) \ge \sigma(2n)$을 만족하는 $n$의 자연 밀도 ($d_B$) 가 $0.0539171 \le d_B \le 0.0549445$임을 정교하게 추정했습니다.
• 본 연구의 목적: Kobayashi 와 Trudgian 의 결과를 일반화하여, 임의의 정수 $k > r_1 > r_2 \ge 0$에 대해 $\sigma(kn + r_1) > \sigma(kn + r_2)$를 만족하는 자연수 $n$의 집합 $A(k, r_1, r_2)$의 자연 밀도 $d_A(k, r_1, r_2)$의 존재성을 증명하고, 구체적인 상한과 하한을 계산하는 것입니다.

2. 주요 기여 및 정리 (Theorems)

1. 밀도의 존재성 증명 (Theorem 1.1):

   • 임의의 정수 $k > r_1 > r_2 \ge 0$에 대해, 집합 $A(k, r_1, r_2)$의 자연 밀도 $d_A(k, r_1, r_2)$가 존재함을 증명했습니다.
   • 이는 $\sigma(kn+r_1) \ge \sigma(kn+r_2)$인 집합과 부등호 방향이 반대이거나 차이가 미미한 집합 간의 밀도 차이를 분석하여 증명되었습니다.

2. 구체적인 밀도 추정 (Theorem 1.2, 1.3):

   • 컴퓨터 계산을 통해 특정 파라미터에 대한 밀도 범위를 제시했습니다.
   • Case 1: $(k, r_1, r_2) = (3, 2, 0)$일 때, $0.0591 \le d_A(3, 2, 0) \le 0.109$.
   • Case 2: $(k, r_1, r_2) = (4, 1, 0)$일 때, $0.00842 \le d_A(4, 1, 0) \le 0.0129$.

3. 방법론 (Methodology)

가. 밀도 존재성 증명 (Section 2)

• 함수 $h(n) = \sigma(n)/n$을 정의하고, $h(kn+r_1) \ge h(kn+r_2)$인 집합 $B(k, r_1, r_2)$를 고려합니다.
• Grönwall 정리에 따라 $\sigma(n)/n$의 상한이 $\log \log n$임을 이용합니다.
• $A(k, r_1, r_2) \setminus B(k, r_1, r_2)$인 집합 (즉, $\sigma$ 값은 크지만 $h$ 값은 작거나 같은 경우) 이 밀도 0 을 가짐을 증명하여, $A$와 $B$의 밀도가 동일함을 보입니다.

나. 밀도 추정 및 경계 계산 (Section 3)

• 분할 기법 (Partitioning): 자연수 집합을 $y$-smooth(최대 소인수가 $y$ 이하인) 수를 기준으로 분할합니다.
  • $S_y(a, b)$: $kn+r_1$의 최대 $y$-smooth 약수가 $a$, $kn+r_2$의 최대 $y$-smooth 약수가 $b$인 $n$의 집합.
• 등차수열 성질: $S_y(a, b)$를 더 세분화하여 $S_y(a, b, t_1, t_2)$로 나눕니다. 이는 중국인의 나머지 정리를 적용했을 때 등차수열 (Arithmetic Progression) 이 되며, 그 밀도를 명시적으로 계산할 수 있습니다 (Lemma 3.1).
• 상한 및 하한 유도:
  • $h(a)$와 $h(b)$의 크기에 따라 부등식을 변형합니다.
  • $\Lambda_k(s)$와 같은 디리클레 급수 관련 상수들을 사용하여 $\sigma$ 함수의 평균값을 추정합니다.
  • $d_{B_y}(a, b)$에 대한 비자명한 (nontrivial) 상한과 하한을 유도하고, 이를 모든 가능한 $a, b$에 대해 합산하여 전체 밀도의 범위를 구합니다.

다. 컴퓨터 시뮬레이션 (Section 4)

• Mathematica 를 사용하여 구체적인 파라미터 ($y, z, s_{max}$) 를 설정하고, 분할된 집합들의 밀도 합을 계산하여 Theorem 1.2 와 1.3 의 수치적 결과를 도출했습니다.

4. 한계 및 논의 (Remarks)

• 등호 경우의 밀도: $\sigma(kn+r_1) = \sigma(kn+r_2)$인 경우의 밀도를 0 임을 증명하는 데 어려움이 있었습니다. Erdős 와 Hildebrand 의 방법을 사용했으나, 특정 조건 (큰 소인수 분포 등) 하에서의 경우를 완전히 처리하지 못해 이 부분의 밀도 계산은 미해결 상태로 남았습니다.
• 정확도 제한: 계산된 상한과 하한의 정확도는 $\Lambda_{P(y)}(s)$의 추정 오차와 $a, b$를 $y$-smooth 수로 제한하는 과정에서 발생하는 불확실성에 의해 영향을 받습니다.

5. 의의 및 결론

• 본 논문은 Kobayashi 와 Trudgian 의 특정 사례 ($k=2$) 연구를 일반화하여 임의의 $k, r_1, r_2$에 대해 밀도의 존재성을 rigorously(엄밀하게) 증명했습니다.
• 구체적인 수치 예시 ($(3,2,0)$ 및 $(4,1,0)$) 를 통해 밀도가 파라미터에 따라 어떻게 변하는지 (예: $k=4$일 때 밀도가 급격히 감소) 를 보여주었습니다.
• 약수합 함수의 부등식 관계를 다루는 정수론적 문제에서 분할 기법과 컴퓨터 계산을 결합한 새로운 접근 방식을 제시했다는 점에서 의미가 있습니다.