🔢 mathematics

The inhomogeneous Khintchine Theorem in dimension two

Este artigo prova que a variante não homogênea do Teorema de Khintchine vale em dimensão dois sem exigir uma hipótese de monotonicidade, resolvendo assim o último caso aberto na teoria métrica da aproximação diofantina não homogênea e alinhando-a com sua contraparte homogênea.

Autores originais: Demi Allen, Manuel Hauke-Treuer, Felipe A. Ramírez

Publicado 2026-05-20

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Demi Allen, Manuel Hauke-Treuer, Felipe A. Ramírez

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

A Visão Geral: Um Jogo de Pegar Chuva Caindo

Imagine que você está de pé em um campo (este é o seu "espaço", especificamente um quadrado bidimensional). Acima de você, a chuva está caindo. Mas esta não é uma chuva normal; é "chuva racional". As gotas caem em intervalos específicos e previsíveis, determinados por números.

O Objetivo: Você quer saber se um ponto específico no chão (um ponto chamado $\alpha$ ) ficará molhado infinitas vezes.
A Regra: Um ponto fica molhado se uma gota de chuva cair dentro de uma distância minúscula dele. O tamanho desta "zona molhada" é determinado por uma função chamada $\psi$ (pense nisso como o tamanho do guarda-chuva ou o raio do respingo).
A Reviravolta (Inhomogêneo): Na versão clássica deste jogo, a chuva cai diretamente para baixo. Na versão deste artigo, a chuva é "deslocada" ou "inclinada" por uma quantidade fixa e aleatória (chamada $\gamma$ ). É como se todo o céu estivesse ligeiramente fora do centro.

Os autores estão tentando resolver um quebra-cabeça de 100 anos: Se a chuva for forte o suficiente (matematicamente falando), cada ponto no chão ficará molhado infinitas vezes, mesmo que a chuva esteja inclinada?

O Problema: A Peça Faltante do Quebra-Cabeça

Durante décadas, os matemáticos conheceram a resposta a esta pergunta em dois cenários:

1D (Uma linha): Se a chuva está inclinada, você deve assumir que o tamanho da chuva diminui de uma maneira muito suave e previsível (monotonicidade) para garantir que o chão fique molhado. Se o tamanho da chuva variar aleatoriamente, o chão pode permanecer seco.
3D e superiores (Um quarto ou mais): Mesmo que a chuva esteja inclinada e o tamanho varie aleatoriamente, o chão sempre fica molhado. As dimensões extras atuam como uma rede de segurança.

O Mistério: E quanto a 2D (uma folha de papel plana)?
Por muito tempo, esta foi a "peça faltante". Ninguém sabia se a "rede de segurança" das dimensões superiores funcionava para uma folha plana, ou se a regra 1D (precisando de chuva suave) ainda se aplicava. Este artigo finalmente resolve esse mistério.

A Descoberta: Os autores provam que em 2D, a rede de segurança funciona! Você não precisa que a chuva seja suave ou previsível. Mesmo que o tamanho da chuva varie selvagemente, desde que a quantidade total de chuva seja infinita, cada ponto no chão ficará molhado infinitas vezes.

O Obstáculo: Por Que 2D Foi Tão Difícil?

Para provar isso, os autores tiveram que contar com que frequência duas gotas de chuva diferentes poderiam cair no mesmo ponto ao mesmo tempo (sobreposição).

O Jeito Fácil (3D+): Em dimensões superiores, as gotas de chuva estão tão espalhadas que raramente se sobrepõem de maneira confusa. Você pode usar um truque simples de contagem (como contar quantas pessoas estão em um quarto) para provar que o chão fica molhado.
O Jeito Difícil (2D): Em 2D, as gotas de chuva estão apertadas. Elas se sobrepõem em padrões complexos. Se você tentar usar o truque simples de contagem, a matemática quebra porque as sobreposições são muito frequentes e caóticas. É como tentar contar quantas vezes duas pessoas em uma pista de dança lotada esbarram uma na outra; é muito confuso para apenas adivinhar.

A Solução: "Cirurgia" e "Redução de Deslocamento"

Os autores desenvolveram uma nova estratégia inteligente para limpar a bagunça. Eles chamam isso de "Redução de Deslocamento".

Imagine que você está tentando contar as sobreposições, mas a multidão está muito caótica.

A Estratégia Antiga (Deslocamentos Racionais): Se a inclinação ( $\gamma$ ) fosse uma fração simples (como 1/2), os matemáticos poderiam simplesmente "cortar" as pessoas que estavam em lugares errados (pontos não primitivos). Isso limpava a multidão o suficiente para contar as sobreposições.
O Novo Problema (Deslocamentos Irracionais): Mas e se a inclinação for um número estranho e irracional (como $\pi$ )? Você não pode simplesmente cortar uma fração simples. A multidão permanece confusa.
A Nova Estratégia (O "Alvo em Movimento"): Os autores perceberam que não podiam usar um corte fixo. Em vez disso, eles tiveram que usar uma sequência de aproximações.
- Eles fingem que a inclinação estranha é na verdade uma série de frações mais simples que chegam cada vez mais perto da coisa real.
- Para cada etapa desta sequência, eles realizam um pouco de "cirurgia" na multidão, removendo as pessoas que não se encaixam naquela aproximação específica.
- Eles dividem o problema em diferentes "regimes" (como diferentes condições climáticas). Às vezes, a aproximação é boa o suficiente para usar o corte simples; outras vezes, eles têm que usar um corte mais delicado, em duas etapas.

A Metáfora: Imagine tentar tirar uma foto de um objeto em movimento rápido e desfocado.

Em 1D, você precisa de uma mão muito firme (monotonicidade) para obter uma imagem clara.
Em 3D, o objeto é tão grande e lento que qualquer câmera funciona.
Em 2D, o objeto está se movendo rápido e está desfocado. Os autores inventaram uma nova técnica de câmera: eles tiram uma série de fotos, cada uma com uma configuração de foco ligeiramente diferente (a "redução de deslocamento"), e depois as unem. Ao combinar essas visões ligeiramente diferentes, eles podem provar que o objeto está lá, mesmo que nenhuma foto individual fosse perfeita.

O Resultado: Uma Teoria Completa

Ao usar esta técnica de "redução de deslocamento", os autores conseguiram provar que as sobreposições em 2D são, na verdade, bem comportadas o suficiente para garantir o resultado.

Em termos simples:
Eles provaram que, para números bidimensionais, o "caos" do tamanho da chuva não importa. O chão fica molhado. Isso completa a história para todas as dimensões:

1D: Você precisa de chuva suave.
2D e acima: Você não precisa de chuva suave; o chão sempre fica molhado.

Isso traz a teoria "inhomogênea" (chuva inclinada) para um alinhamento perfeito com a teoria "homogênea" (chuva reta), mostrando que a dimensão do espaço é a única coisa que importa, não a complexidade do tamanho da chuva.

Resumo das "Heurísticas" (A Lógica)

O Objetivo: Provar que um conjunto de pontos tem "medida total" (significando que quase todo ponto no quadrado é coberto).
A Ferramenta: Eles usam uma regra matemática chamada Segundo Lema de Borel-Cantelli. Esta regra diz: "Se a soma das probabilidades for infinita, e os eventos não forem muito dependentes uns dos outros, então o evento acontece infinitas vezes."
O Obstáculo: Em 2D, os eventos (gotas de chuva caindo) são muito dependentes uns dos outros. Eles se sobrepõem demais.
O Conserto: Eles removem "cirurgicamente" as sobreposições problemáticas restringindo os pontos a um subconjunto especial (os conjuntos "reduzidos por deslocamento").
A Grande Virada: Eles mostraram que, mesmo com a inclinação bagunçada e irracional, esses subconjuntos especiais ainda são grandes o suficiente para cobrir o chão, e suas sobreposições são pequenas o suficiente para satisfazer a regra matemática.

Conclusão Final: Este artigo fecha o último capítulo aberto em uma história matemática centenária sobre quão bem podemos aproximar números, provando que, em duas dimensões, a natureza é mais perdoadora do que pensávamos.

Resumo Técnico: O Teorema de Khintchine Inhomogêneo em Dimensão Dois

Enunciado do Problema
O artigo aborda a teoria métrica da aproximação diofantina inhomogênea, focando especificamente na aproximação simultânea de dois números reais $\alpha_1, \alpha_2$ por números racionais deslocados $(u_1+\gamma_1)/q$ e $(u_2+\gamma_2)/q$ . O objeto central de estudo é o conjunto $W^\gamma(\psi)$ de vetores $\alpha \in [0,1]^2$ tais que $\|q\alpha - u - \gamma\| < \psi(q)$ para infinitos pares $(u, q) \in \mathbb{Z}^2 \times \mathbb{N}$ , onde $\gamma \in \mathbb{R}^2$ é um parâmetro inhomogêneo fixo e $\psi: \mathbb{N} \to [0, \infty)$ é uma função de aproximação.

Os autores visam provar a "parte de divergência" do teorema de Khintchine inhomogêneo na dimensão $m=2$ sem assumir que $\psi$ é monótona. Enquanto a parte de convergência segue diretamente do lema de Borel–Cantelli, a parte de divergência (estabelecendo que o conjunto tem medida de Lebesgue completa quando $\sum \psi(q)^2 = \infty$ ) historicamente exigiu monotonicidade. Essa suposição era conhecida por ser desnecessária para dimensões $m \ge 3$ (Gallagher, Ennola) e necessária para $m=1$ (Duffin–Schaeffer). O caso $m=2$ permanecia o último caso aberto na teoria inhomogênea geral, bem como o caso final pendente para teoremas do tipo Khintchine–Groshev para sistemas de formas lineares.

Metodologia e Obstáculos
A estratégia de prova baseia-se em estabelecer "quase-independência em média" para os conjuntos $E_q$ definidos pela condição de aproximação. Abordagens padrão usando o segundo lema de Borel–Cantelli exigem limitar a sobreposição $\lambda(E_q \cap E_r)$ .

O Obstáculo: Na dimensão $m=2$ , estimativas elementares de sobreposição envolvendo o máximo divisor comum (MDC) de $q$ e $r$ produzem uma limitação que inclui um fator $\log \log Q$ . Essa limitação é insuficiente para provar quase-independência para $\psi$ arbitrário, particularmente quando $\psi$ cresce lentamente ou é esparsa. Os autores observam que métodos anteriores baseados em "cirurgia" (restringindo-se a pontos primitivos) funcionam para $\gamma$ racional ou sob suposições extras de divergência, mas falham para $\gamma$ irracional geral devido ao crescimento ilimitado dos denominadores nas aproximações racionais.
Redução de Deslocamento: Os autores introduzem um esquema refinado de "redução de deslocamento". Em vez de uma única condição primitiva, eles definem subconjuntos $E'_q \subseteq E_q$ $E_{q}^{'} \subseteq E_{q}$ baseados na primalidade de $B_k u + A_k$ $B_{k} u + A_{k}$ (ou $b_k u + a_k$ $b_{k} u + a_{k}$ ), onde $A_k/B_k$ $A_{k} / B_{k}$ e $a_k/b_k$ $a_{k} / b_{k}$ são aproximações racionais a $\gamma$ $γ$ derivadas do tamanho de $\psi(q)$ $ψ (q)$ .
- Se o denominador $B_k$ da melhor aproximação for pequeno em relação a $\psi(q)$ , eles usam $A_k/B_k$ .
- Se $B_k$ for grande, eles utilizam uma aproximação secundária $a_k/b_k$ fornecida pelo teorema de Dirichlet.
Estimativas de Sobreposição Refinadas: Ao combinar essa redução de deslocamento com uma "visão delicada" das estimativas de sobreposição, os autores derivam limitações que incluem funções indicadoras dependendo da distância de $(q-r)\gamma/\gcd(q,r)$ ao inteiro mais próximo. Isso permite explorar as propriedades de equidistribuição de $\gamma$ .
Limites de Conjuntos de Bohr: A inovação técnica central envolve estimar a cardinalidade de "conjuntos de Bohr" (conjuntos de inteiros $h$ $h$ tais que $\|h\gamma\|$ $∥ hγ ∥$ é pequeno) dentro de intervalos específicos. Os autores lidam com três regimes distintos baseados nas propriedades diofantinas de $\gamma$ $γ$ e nos tamanhos relativos dos parâmetros:
- $\gamma$ Racional: Tratado pela literatura existente (Kim).
- $\gamma$ Não-Liouville: A equidistribuição de $h\gamma$ fornece economia suficiente.
- $\gamma$ Liouville: Este é o caso mais difícil. Os autores empregam uma distinção de casos baseada no tamanho do denominador de aproximação $B$ em relação ao tamanho do suporte $M$ . Eles mostram que, ao alternar entre a aproximação primária $A/B$ e a secundária $a/b$ dependendo se $B$ é "pequeno" ou "grande" em relação a $M$ , eles podem controlar as estimativas de sobreposição uniformemente, independentemente de quão bem $\gamma$ é aproximado por racionais.

Contribuições e Resultados Chave
O resultado primário é o Teorema 1.1, que afirma que para qualquer $\gamma \in \mathbb{R}^2$ e qualquer função $\psi: \mathbb{N} \to [0, \infty)$ :
$\lambda(W^\gamma(\psi)) = \begin{cases} 0 & \text{se } \sum_{q=1}^\infty \psi(q)^2 < \infty, \\ 1 & \text{se } \sum_{q=1}^\infty \psi(q)^2 = \infty. \end{cases}$
Este resultado vale sem qualquer suposição de monotonicidade em $\psi$ .

O artigo estabelece ainda:

Teorema Multivariado Inhomogêneo de Khintchine–Groshev: Ao combinar o Teorema 1.1 com argumentos de redução de trabalhos anteriores (especificamente [39]), os autores confirmam o teorema para sistemas de formas lineares em todas as dimensões $(n, m)$ onde $m > 1$ , resolvendo os casos $(n, 2)$ .
Teorema Univariado Inhomogêneo de Khintchine–Groshev: O resultado estende-se ao caso univariado onde $\psi$ depende apenas de $|q|$ .
Dicotomias de Medida de Hausdorff: Usando o Princípio de Translação de Massa, os autores deduzem resultados correspondentes para medidas de Hausdorff, completando a teoria métrica para essas dimensões.

Significado
O artigo afirma resolver o "último caso restante" na teoria métrica da aproximação diofantina inhomogênea. Ao provar o teorema para a dimensão $m=2$ sem monotonicidade, os autores trazem a teoria inhomogênea para alinhamento completo com sua contraparte homogênea. Isso confirma uma conjectura dos primeiro e terceiro autores sobre a teoria de Khintchine–Groshev para sistemas de formas lineares. O trabalho demonstra que o obstáculo para remover a monotonicidade na dimensão dois não é estrutural (como é na dimensão um), mas técnico, e é superado através de uma interação sofisticada de técnicas de redução de deslocamento e estimativas precisas de conjuntos de Bohr que acomodam tanto parâmetros Liouville quanto não-Liouville.