🔢 mathematics

On the Hardy-Ramanujan Theorem

Dit artikel vestigt een effectieve versie van de Hardy-Ramanujan-stelling door te bewijzen dat de verschoven empirische distributie van het aantal verschillende priemfactoren $\omega(n)$ puntgewijs wordt gedomineerd door een vast veelvoud van een Poisson-distributie, terwijl het ook scherpere schattingen voor kwadraatvrije gehele getallen, expliciete afwijkingsgrenzen en uniforme momentenresultaten voor gerelateerde rekenkundige functies afleidt.

Oorspronkelijke auteurs: Benjamin Durkan

Gepubliceerd 2026-06-09

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Benjamin Durkan

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je door een uitgestrekt, oneindig bos van getallen wandelt. Elke boom in dit bos is een geheel getal (2, 3, 4, 5, ...). Sommige bomen zijn eenvoudig, zoals een den met slechts één type tak (een priemgetal). Anderen zijn complex, zoals een eik met veel verschillende soorten takken (een getal dat bestaat uit vele verschillende priemfactoren).

Mathematici zijn al lang gefascineerd door een specifieke vraag: Hoeveel verschillende "soorten takken" (onderscheidende priemfactoren) heeft een typische boom in dit bos?

Bijvoorbeeld:

Het getal 12 bestaat uit $2 \times 2 \times 3$ . Het heeft 2 onderscheidende soorten takken (2 en 3).
Het getal 30 bestaat uit $2 \times 3 \times 5$ . Het heeft 3 onderscheidende soorten.
Het getal 210 bestaat uit $2 \times 3 \times 5 \times 7$ . Het heeft 4 onderscheidende soorten.

De Oude Kaart: Hardy en Ramanujan

In het begin van de 20e eeuw tekenden twee reuzen van de wiskunde, G.H. Hardy en Srinivasa Ramanujan, een kaart van dit bos. Ze ontdekten een verrassende regel: als je een zeer groot getal $n$ kiest, dan ligt het aantal van zijn onderscheidende priemfactoren meestal heel dicht bij $\log(\log n)$ .

Beschouw $\log(\log n)$ als de "gemiddelde hoogte" van de bomen in een specifief deel van het bos. Hardy en Ramanujan bewezen dat bijna alle bomen ongeveer deze hoogte hebben. Hun kaart had echter wazige randen. Ze wisten waar de bomen waren, maar ze hadden geen precieze liniaal om exact te meten hoe ver een boom van het gemiddelde kon afwijken, noch hadden ze een perfecte formule om de kans te voorspellen op het vinden van een zeer hoge of zeer lage boom.

De Nieuwe Kaart: Benjamin Durkans "Effectieve" Versie

Benjamin Durkans paper is als het nemen van die oude, wazige kaart en het opnieuw tekenen ervan met een lasergestuurde GPS. Hij zegt niet alleen "de meeste bomen zijn gemiddeld"; hij geeft je een strikte, wiskundige regel die garandeert hoe zeldzaam de uitschieters precies zijn.

Hier is de kern van zijn ontdekking, eenvoudig uitgelegd:

1. De "Poisson" Schaduw

Durkan bewijst dat de verdeling van deze priemfactoren een specifiek statistisch patroon volgt, de Poisson-verdeling.

De Analogie: Stel je voor dat je telt hoeveel regendruppels er op een specifiek stuk grond vallen. Je weet de gemiddelde snelheid (bijvoorbeeld 10 druppels per minuut). De Poisson-verdeling vertelt je de kans op 5 druppels, 1s druppels of 20 druppels.
Het Resultaat: Durkan bewijst dat de "priemfactor-telling" van getallen zich exact gedraagt als die regendruppels. Hij bewijst dat het aantal integers met een specifieke telling van priemfactoren gedomineerd (of "geschaad") wordt door dit Poisson-patroon.
Waarom het ertoe doet: Dit betekent dat we de bekende regels van de Poisson-verdeling kunnen gebruiken om het gedrag van deze getallen met extreme precisie te voorspellen.

2. Het "Veiligheidsnet" (Expliciete Constanten)

Eerdere bewijzen waren als zeggen: "De boom zal niet groter groeien dan een bepaalde vage limiet." Durkans paper is als zeggen: "De boom zal nooit groter groeien dan 117,20 keer de gemiddelde afwijking."

Hij berekent specifieği getallen (zoals 4,096 en 117,20) die fungeren als veiligheidsnetten.
Deze getallen zorgen ervoor dat, hoe ver je ook in het bos kijkt, je wiskundig kunt garanderen dat het aantal "vreemde" bomen (die veel te veel of veel te weinig priemfactoren hebben) kleiner is dan een specifiek, berekend bedrag.

3. De "Verwijderings"-truc

Hoe deed hij dit? Hij gebruikte een slimme telmethode die hij "verwijding" (deletion) noemt.

De Analogie: Stel je voor dat je een complexe Lego-toren hebt. Om te tellen hoeveel torens precies 5 blokjes hebben, kun je kijken naar torens met 6 blokjes en vragen: "Als ik één specifiek blokje verwijder, krijg ik dan een toren met 5 blokjes?"
Durkan gebruikt deze logica recursief. Hij telt getallen met $k$ priemfactoren door te kijken naar getallen met $k+1$ factoren en een priemdeel te "verwijderen". Dit creëert een kettingreactie van tellen die hem in staat stelt de exacte getallen vast te pinnen.

Wat levert dit ons op?

Omdat hij deze precieze "schaduw" (de Poisson-verdeling) en deze strikte veiligheidsnetten heeft, kan Durkan onmiddellijk verschillende andere nuttige feiten afleiden:

Het "Gaussiaanse" Venster: Hij kan de kans berekenen op het vinden van een getal dat iets groter of kleiner is dan het gemiddelde. Het blijkt dat deze kansen lijken op een klokcurve (de beroemde "Normale Verdeling"), maar hij levert de exacte formule voor de randen van de curve.
De "Extreme" Uitschieters: Hij kan je precies vertellen hoe zeldzaam het is om een getal te vinden met een enorme hoeveelheid priemfactoren (zoals een boom met 100 verschillende soorten takken). De kansen dalen zo snel dat ze bijna nul zijn.
Vrij van kwadraten vs. Regulier: Hij heeft dit ook verfijnd voor "vrij van kwadraten" getallen (getallen die geen herhaalde priemfactoren hebben, zoals $2 \times 3 \times 5$ maar niet $2 \times 2 \times 3$ ). De regels zijn daar iets anders, en hij gaf ook de precieze getallen voor dat geval.

Samenvatting

Kortom, Benjamin Durkan nam een klassieke, enigszins vage wiskundige regel over priemgetallen en veranderde deze in een precieze, kwantitatieve wet.

Hij zei niet alleen: "Priemfactoren volgen meestal een klokcurve." Hij zei: "Hier is de exacte klokcurve, hier is de exacte vermenigvuldiger, en hier is de exacte wiskundige garantie dat geen enkel getal deze regels zal breken." Het is het verschil tussen een weersvoorspelling die zegt "het kan gaan regenen" en een die zegt "er is een kans van 99,9% op regen tussen 14:00 en 14:15 uur."

Technische Samenvatting: Een Effectieve Versie van de Hardy–Ramanujan Stelling

Probleemstelling
Het artikel behandelt de verdeling van het aantal verschillende priemfactoren, $\omega(n)$ , en het totaal aantal priemfactoren, $\Omega(n)$ , voor gehele getallen $n \le x$ . Hoewel de klassieke Hardy–Ramanujan stelling vaststelt dat beide functies een normale orde hebben van $\log \log n$ , rust het oorspronkelijke bewijs op een telongelijkheid voor niveausets $A_k(x) = \#\{n \le x : \omega(n) = k\}$ die exponentiële bovenste staarten biedt, maar die geen expliciete constanten bevat. Latere bewijzen, zoals de tweede-moment-methode van Turán, zijn korter maar leveren slechts polynomiale staartgrenzen via de Chebyshev-ongelijkheid. De probabilistische Erdős–Kac stelling identificeert de limiterende Gaussische verdeling, maar biedt geen effectieve, niet-asymptotische grenzen voor eindige $x$ . Deze nota beoogt deze hiaten te overbruggen door een effectieve, expliciete versie van de Hardy–Ramanujan telongelijkheid te bieden, waarbij het resultaat wordt verpakt als een dominantie-ongelijkheid tegenover een Poisson-verdeling met volledig expliciete constanten.

Methodologie
De auteur hanteert het oorspronkelijke "deletie-argument" gebruikt door Hardy en Ramanujan, maar verfijnt dit om alle constanten expliciet te maken. De kernmethodologie omvat:

Deletie-recurrentie: Het vaststellen van een recessieve relatie voor $A_k(x)$ door gehele getallen meerdere keren te tellen. Specifiek, voor een geheel getal $n$ met $k+1$ verschillende priemfactoren, levert het verwijderen van exacte priemmacht-divisoren een recessieve relatie die $A_{k+1}(x)$ koppelt aan sommen van $A_k(x/p^a)$ .
Inductieprincipe: Het formuleren van een algemeen inductieprincipe (Propositie 3.2) dat, gegeven expliciete grenzen voor de basisgeval $A_1(x)$ en een specifieke som over priemfactoren, een expliciete bovengrens voor $A_k(x)$ oplevert van de vorm $C \frac{x}{\log x} \frac{(\log \log x + B)^{k-1}}{(k-1)!}$ .
Expliciete Priem-schattingen: Het gebruik van expliciete grenzen uit de priemgetalentheorie (Rosser en Schoenfeld) om de hypothesen van het inductieprincipe te verifiëren. Dit omvat precieze schattingen voor $\sum_{p \le x} 1/p$ , $\pi(x)$ , en sommen over priemfactoren.
Poisson-dominantie: Het vertalen van de telongelijkheid naar een probabilistische uitspraak. Door de faculteit-structuur van de grens te herkennen, laat de auteur zien dat de verschoven empirische verdeling van $\omega(n)$ puntgewijs wordt gedomineerd door een Poisson-toevalsvariabele $Z_\xi$ met parameter $\xi = \log \log x + 4.096$ .
Extensie naar $\Omega(n)$ en $\omega_1(n)$ : De resultaten worden uitgebreid naar het totaal aantal priemfactoren $\Omega(n)$ en het aantal priemfactoren die precies één keer voorkomen $\omega_1(n)$ door het analyseren van de "vierkantvolle excess" $R(n) = \Omega(n) - \omega(n)$ en het bewijzen van een exponentiële staartgrens voor $R(n)$ .

Belangrijkste Bijdragen en Resultaten

Expliciete Telongelijkheid (Stelling 1.2): Het artikel bewijst dat voor elke $x \ge 2$ en integer $k \ge 1$ :
$A_k(x) \le 1.95 \frac{x}{\log x} \frac{(\log \log x + 4.096)^{k-1}}{(k-1)!}$
Dit verbetert de klassieke $O(\cdot)$ -notatie door de specifieke constante $1.95$ en de verschuiving $4.096$ te leveren.
Poisson-dominantie (Stelling 1.1): Voor elke niet-negatieve functie $F$ , wordt het verschoven empirische gemiddelde begrensd door een Poisson-verwachting:
$\frac{1}{x} \sum_{2 \le n \le x} F(\omega(n) - 1) \le Q \mathbb{E}[F(Z_\xi)]$
waarbij $Q = 1.95 e^{4.096} < 117.20$ en $\xi = \log \log x + 4.096$ . Dit impliceert dat de verdeling van $\omega(n)$ wordt gedomineerd door een vaste veelvoud van een Poisson-wet.
Expliciete Staartgrenzen:
- Grote Afwijkingen (Corollary 1.3): Het artikel leidt schattingen voor grote afwijkingen af met de standaard Poisson-ratefunctie $I(\alpha) = \alpha \log \alpha - \alpha + 1$ , waarbij wordt getoond dat het aantal gehele getallen met $\omega(n) \ge \alpha \log \log x$ begrensd wordt door $x (\log x)^{-I(\alpha)}$ .
- Gaussische-schaal Grenzen (Stelling 1.4): Voor afwijkingen van de vorm $A \sqrt{\log \log x}$ biedt het artikel expliciete bovengrenzen die lijken op Gaussische staarten. Bijvoorbeeld, voor $1 \le A \le \sqrt{\log \log x}/4$ :
  $\frac{1}{x} \#\{n \le x : |\omega(n) - \log \log x| > A \sqrt{\log \log x}\} \le \frac{305}{A} \exp\left(-\frac{A^2}{2} + \frac{7.31 A^3}{\sqrt{\log \log x}}\right)$
- Matige Afwijkingen (Stelling 1.5): Er wordt aangetoond dat voor $A \to \infty$ met $A = o(\sqrt{\log \log x})$ , de waarschijnlijkheid vervalt als $\exp(-(1/2 + o(1))A^2)$ .
Uniforme Moment-schattingen (Stelling 1.6): Het artikel vestigt uniforme grenzen voor momenten van orde $r$ :
$\left( \frac{1}{x} \sum_{2 \le n \le x} |f(n) - \log \log x|^r \right)^{1/r} \le C(\sqrt{r(\log \log x + 1)} + r)$
voor $f \in \{\omega, \Omega, \omega_1\}$ . Dit herstelt de centrale moment-schatting van Gaussische orde voor een vaste $r$ .
Vierkantvrije Analoog: Een scherpere schatting wordt afgeleid voor vierkantvrije gehele getallen, met een kleinere constante ($1.25506$) en een kleinere verschuiving ($1.174$) in de Poisson-parameter.

Betekenis en Claims
De auteur claimt een "ander doel" te hebben dan moderne verfijningen zoals de Sathe–Selberg stelling of probabilistische behandelingen (Erdős–Kac, Kubilius). In plaats van te zoeken naar asymptoten voor groeiende $k$ of limiterende verdelingen, richt de auteur zich op elementaire, expliciete en niet-asymptotische grenzen.

De betekenis ligt in:

Expliciete Constanten: Het kwantitatief maken van het Hardy–Ramanujan argument met specifieke numerieke constanten ($1.95$, $4.096$, $Q < 117.20$ ), die vaak worden weggelaten in klassieke behandelingen.
Poisson-dominantie: Het inkaderen van het resultaat als een dominantie-ongelijkheid tegenover een Poisson-verdeling, wat de directe afleiding van Chernoff-grenzen, moment-schattingen en staartgrenzen mogelijk maakt door geschikte testfuncties $F$ te kiezen.
Elementair Karakter: Het bewijs steunt op het oorspronkelijke deletie-argument en expliciete priemgetal-schattingen, waarbij complexe analytische machinerie of probabilistische limietstellingen worden vermeden, terwijl het toch resultaten oplevert die scherper zijn dan de polynomiale grenzen van Turán en qua vorm vergelijkbaar zijn met de Gaussische staarten van de Erdős–Kac stelling (hoewel strikt genomen als bovengrenzen).
Generaliseerbaarheid: De aanpak breidt zich natuurlijk uit naar $\Omega(n)$ en $\omega_1(n)$ via de analyse van het vierkantvolle deel, wat een verenigde effectieve theorie biedt voor deze rekenkundige functies.

De auteur merkt op dat de verschuiving $4.096$ niet als optimaal wordt geclaimd, maar dient om het eindige- $x$ argument transparant te houden. De primaire bijdrage is de functionele vorm van de dominantie, die diverse schattingen (puntgewijs, staart, genererende functie, moment) verenigt onder één enkele expliciete ongelijkheid.