🔢 mathematics

Simple and accurate approximations to the Riemann zeta function

Este artigo apresenta aproximações simples e precisas para a função zeta de Riemann e sua derivada dentro da faixa crítica, combinando a soma principal da fórmula de Riemann-Siegel com um termo de resto baseado em funções elementares derivado via quadratura gaussiana, apoiado por extensa evidência numérica de sua alta precisão.

Autores originais: Alexey Kuznetsov

Publicado 2026-05-22

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Alexey Kuznetsov

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a função zeta de Riemann como uma máquina massiva e incrivelmente complexa que matemáticos têm tentado compreender há séculos. É como um motor gigante e invisível que alimenta alguns dos mistérios mais profundos da teoria dos números. Para "acionar" essa máquina e obter um número específico dela (um valor para $\zeta(s)$ ), geralmente é necessário alimentá-la com muitos dados.

Por muito tempo, a melhor maneira de fazer isso foi como tentar contar cada grão de areia em uma praia para estimar o volume total. Se a praia é pequena, é fácil. Mas se a praia é enorme (o que acontece quando os números ficam muito grandes), contar cada grão leva uma eternidade. Este é o problema dos métodos antigos: eles exigem a soma de milhões de termos apenas para obter uma única resposta, tornando-os lentos e impraticáveis para números grandes.

O Novo Motor "Atalho"

Neste artigo, Alexey Kuznetsov apresenta um novo e inteligente atalho. Em vez de contar cada grão de areia, ele constrói um modelo altamente preciso que prevê o volume total com base em algumas medições-chave.

Pense no método antigo (a fórmula de Riemann-Siegel) como uma receita que exige que você asse um bolo enorme, mas depois você tem que jogar fora a maior parte dele porque está muito bagunçado. O "resíduo" do bolo é difícil de calcular, então geralmente você apenas o adivinha ou usa um método muito complicado e exigente para obtê-lo corretamente.

O novo método de Kuznetsov é como ter uma xícara de medição mágica. Ele percebe que a parte "bagunçada do resíduo" do bolo segue um padrão muito específico e previsível. Em vez de assar tudo, ele pré-calcula um conjunto de 21 números especiais (para uma versão específica da ferramenta) que atuam como um código secreto. Esses números são como um conjunto pré-ajustado de pesos em uma balança.

Como a Magia Funciona

Os Pesos Pré-Calculados: Antes mesmo de começar, o autor calculou uma lista de números complexos especiais (pense neles como "coeficientes mágicos"). Ele fez isso para diferentes níveis de precisão (como ter uma versão "pequena", "média" e "grande" da ferramenta). Você pode baixar esses números; não precisa calculá-los você mesmo toda vez.
A Receita Simples: Para obter a resposta, você pega a parte principal do cálculo (que é fácil) e adiciona um termo de correção. Esse termo de correção não exige a soma de milhões de itens. Em vez disso, usa apenas esses "pesos mágicos" pré-calculados combinados com funções matemáticas simples (como exponenciais e logaritmos).
O Resultado: É como trocar um trabalho manual de 10 horas por um pressionamento de botão de 5 segundos. O artigo mostra que, para números muito grandes, esse novo método é incrivelmente preciso — frequentemente preciso até 100 ou até 300 casas decimais — sem precisar do trabalho pesado dos métodos antigos.

Por Que É Melhor Que o Jeito Antigo

O artigo compara esse novo método ao "padrão ouro" (a fórmula de Riemann-Siegel).

O Jeito Antigo: Para obter alta precisão, você precisa calcular muitos termos de correção complicados. Esses termos são como tentar resolver um quebra-cabeça onde as peças têm o formato de pedras irregulares; são difíceis de encaixar, e as fórmulas são bagunçadas e propensas a erros.
O Jeito Novo: Você só precisa de uma lista pequena e fixa de números pré-calculados (cerca de 15 a 30 números, dependendo de quão preciso você deseja ser). A matemática envolvida é suave e simples, como encaixar mármores lisos e redondos.

O Padrão do "Ponto Ideal"

O autor notou algo fascinante nos erros. Quando ele testou o método, os erros não eram aleatórios. Eles dançavam em um padrão específico, como um batimento cardíaco. O erro seria minúsculo em certos intervalos regulares e ligeiramente maior no meio. Esse padrão realmente o ajudou a descobrir como escolher os melhores "pesos mágicos" desde o início. É como se a máquina "sussurrasse" o segredo para ele através do padrão de seus erros.

O Que Isso Significa para a Matemática

O artigo não afirma que isso curará doenças ou preverá o tempo. Em vez disso, resolve um problema específico e teimoso na matemática pura: como calcular essa função específica de forma rápida e precisa.

Velocidade: Permite que computadores calculem esses valores centenas ou milhares de vezes mais rápido do que as ferramentas integradas em softwares como o MATLAB.
Precisão: Permite que matemáticos vejam a função com clareza extrema (centenas de casas decimais), o que é crucial para testar teorias profundas sobre números primos.
Simplicidade: Substitui um processo complexo e multi-etapas por uma fórmula simples que depende de uma "cola de respostas" pré-fabricada de números.

Em resumo, Kuznetsov construiu uma calculadora de alta precisão e fácil de usar para uma função que anteriormente era difícil e lenta de calcular, usando um truque inteligente de "números mágicos" pré-calculados para contornar o trabalho pesado.

Resumo Técnico: Aproximações Simples e Precisas para a Função Zeta de Riemann

Declaração do Problema

O cálculo da função zeta de Riemann, $\zeta(s)$ , para grandes valores da parte imaginária, $t = \text{Im}(s)$ , apresenta desafios significativos. Embora o método de soma de Euler-Maclaurin ofereça limites de erro rigorosos, sua complexidade computacional escala como $O(|s|)$ , tornando-o impraticável para grandes $t$ . A abordagem padrão para grandes $t$ é a fórmula de Riemann-Siegel, que reduz a complexidade para $O(t^{1/2})$ ao utilizar uma soma principal e uma expansão assintótica para o termo de resto. No entanto, correções de ordem superior na fórmula de Riemann-Siegel envolvem derivadas complexas de funções especiais (especificamente a função $F(z)$ ), que são difíceis de avaliar numericamente devido a singularidades e fórmulas complicadas. Além disso, algoritmos existentes de alta precisão, como os de Galway, frequentemente exigem o ajuste de múltiplos parâmetros para alcançar precisão ótima.

O artigo aborda a necessidade de aproximações que sejam simultaneamente computacionalmente eficientes (exigindo poucos termos) e altamente precisas em faixas verticais arbitrárias, incluindo a faixa crítica, sem as dificuldades de implementação associadas às correções de ordem superior de Riemann-Siegel.

Metodologia

O autor desenvolve uma família de aproximações, denotada $\zeta_p(s)$ , que combinam a soma principal da fórmula de Riemann-Siegel com uma nova aproximação do termo de resto. A metodologia central baseia-se nas seguintes etapas:

Representação Integral: O termo de resto da fórmula exata de Riemann-Siegel é expresso como uma integral $I_M(s)$ envolvendo uma medida de valor complexo $\eta(dx) = \frac{e^{-\pi x^2}}{\cosh(\pi \theta x)} dx$ , onde $\theta = e^{-i\pi/4}$ .
Quadratura Gaussiana: Em vez de usar expansões em séries assintóticas, o autor aproxima esta integral usando uma regra de quadratura gaussiana. O objetivo é encontrar um conjunto de nós $\{x_{p,j}\}$ e pesos $\{\omega_{p,j}\}$ tal que a quadratura seja exata para um conjunto específico de $4p+2$ funções teste.
Derivação de Coeficientes: Os coeficientes $\{\omega_{p,j}\}$ ${ω_{p, j}}$ e $\{\lambda_{p,j}\}$ ${λ_{p, j}}$ (onde $\lambda_{p,j} = \theta x_{p,j}$ $λ_{p, j} = θ x_{p, j}$ ) são derivados resolvendo um sistema de equações lineares. Este sistema é construído exigindo que a quadratura seja exata para funções da forma $f_k(x) = e^{-\pi x^2 + 2\pi \theta y_{p,k} x}$ $f_{k} (x) = e^{- π x^{2} + 2 π θ y_{p, k} x}$ , onde $y_{p,k}$ $y_{p, k}$ são pontos igualmente espaçados em $[-1, 1]$ $[- 1, 1]$ .
- O problema é transformado na busca pelos nós e pesos de uma quadratura gaussiana para um funcional linear $L$ definido pelos momentos da integral de Mordell $H(y)$ .
- Estes nós e pesos são computados usando polinômios ortogonais gerados via uma relação de recorrência de três termos.
Fórmula de Aproximação: A aproximação final é definida como:
$\zeta_p(s) = \sum_{n=1}^{N_t} n^{-s} + \chi(s) \sum_{n=1}^{N_t} n^{s-1} - \frac{(-1)^{N_t}}{2} \left[ I_{N_t+1/2, p}(s) + \chi(s) I_{N_t+1/2, p}(1-s) \right]$
onde $I_{M,p}(s)$ é a aproximação por quadratura do termo integral, envolvendo apenas funções elementares (exponenciais, logaritmos) e coeficientes complexos pré-calculados.

Contribuições Principais

Implementação Simplificada: As aproximações propostas dependem de um único parâmetro inteiro $p$ e de um conjunto de coeficientes pré-calculados $\{\omega_{p,j}\}$ e $\{\lambda_{p,j}\}$ . Diferentemente da fórmula de Riemann-Siegel, que requer a avaliação de derivadas complexas de funções especiais para termos de ordem superior, $\zeta_p(s)$ requer apenas funções elementares e a função Gama.
Coeficientes Pré-calculados: O autor fornece coeficientes pré-calculados para $1 \le p \le 30$ e valores selecionados até $p=150$ . Estes coeficientes mostram-se de magnitude moderada e exibem decaimento rápido, facilitando uma avaliação numérica estável.
Aproximação de Derivada: O artigo estende a metodologia para aproximar a derivada $\zeta'(s)$ diferenciando a fórmula de aproximação em relação a $s$ (avaliada em $N_t$ fixo), evitando as descontinuidades associadas à diferenciação da função piso em $N_t$ .
Algoritmo Híbrido: É proposta uma estratégia para calcular $\zeta(s)$ em todo o plano complexo, alternando entre soma direta, soma de Euler-Maclaurin e a aproximação $\zeta_p(s)$ com base na região de $s$ .

Resultados

O artigo apresenta evidências numéricas extensas sobre a precisão de $\zeta_p(s)$ :

Precisão na Faixa Crítica: Experimentos numéricos na faixa crítica ( $0 \le \sigma \le 1$ $0 \leq σ \leq 1$ ) demonstram que o erro $|\zeta_p(s) - \zeta(s)|$ $∣ ζ_{p} (s) - ζ (s) ∣$ diminui significativamente à medida que $p$ $p$ aumenta.
- Para $p=10$ , os erros são $< 10^{-15}$ para $t > 250$ .
- Para $p=50$ , os erros são $< 10^{-100}$ para $t > 4000$ .
- Para $p=150$ , os erros são $< 10^{-300}$ para $t > 6900$ .
Padrões de Erro: O erro exibe um padrão distinto onde desaparece nas extremidades dos intervalos $[t_n, t_{n+1}]$ (onde $t_n = 2\pi n^2$ ) e em $4p$ pontos igualmente espaçados dentro desses intervalos. Este comportamento é explicado analiticamente pelo fato de que o termo de erro dominante é proporcional a $H_p(B(t)) - H(B(t))$ , que é zero nos nós da quadratura.
Comparação com Riemann-Siegel: Para $t$ moderado (por exemplo, $10^2 \le t \le 10^4$ ), a aproximação $\zeta_7(s)$ mostra-se mais precisa que a aproximação de Riemann-Siegel com $K=5$ ( $\zeta^{RS}_5$ ). Embora $\zeta^{RS}_5$ tenha uma taxa de decaimento assintótico mais rápida ( $O(t^{-13/4})$ ) comparada a $\zeta_7$ ( $O(t^{-1/4})$ ), $\zeta_7$ requer significativamente menos coeficientes pré-calculados (15 vs. ~100–170 para alta precisão) e é mais fácil de implementar.
Limites de Precisão: Em implementações de dupla precisão, erros de arredondamento dominam o erro de aproximação para $t > 200$ . No entanto, em precisão quádrupla, as aproximações mantêm alta precisão até valores muito maiores de $t$ (por exemplo, $t > 10^4$ com erros $< 10^{-29}$ ).
Desempenho: A implementação em MATLAB do algoritmo híbrido é relatada como centenas a milhares de vezes mais rápida que a função zeta integrada do MATLAB.

Significado e Afirmações

O artigo afirma que estas aproximações permitem o cálculo de alta precisão de $\zeta(s)$ e $\zeta'(s)$ na faixa crítica e em outras faixas verticais para grandes $t$ . O significado reside no compromisso entre complexidade de implementação e precisão: o método oferece uma alternativa "simples" à fórmula de Riemann-Siegel que evita o ônus computacional de termos de correção de alta ordem, mantendo precisão competitiva ou superior para uma ampla gama de $t$ .

O autor observa que, embora limites de erro rigorosos para $\zeta_p(s)$ não sejam fornecidos neste trabalho, a evidência numérica é extensa. O método é apresentado como uma ferramenta prática para cálculos de alta precisão, que são cruciais para descobertas matemáticas, como a refutação da conjectura de Mertens. O artigo conclui fornecendo implementações de código aberto em MATLAB, Python e Fortran, facilitando o uso imediato pela comunidade de pesquisa.