🔢 mathematics

Quantitative Khintchine on the parabola with non-monotonic approximation functions

Este artigo estabelece um caso de convergência quantitativa do teorema de Khintchine para pontos na parábola com funções de aproximação não monótonas, derivando constantes explícitas em resultados clássicos da teoria dos números, particularmente a cota de Burgess para somas de caracteres.

Autores originais: Maiken Gravgaard, Simon Kristensen

Publicado 2026-08-06

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Maiken Gravgaard, Simon Kristensen

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 que você está tentando acertar um alvo móvel com um dardo, mas as regras do jogo são incrivelmente rígidas. Você só pode lançar dardos que pousem em linhas de grade específicas e invisíveis desenhadas através de um vasto campo. Quanto mais perto o seu dardo pousar do centro de um quadrado da grade, melhor será sua pontuação. No mundo da matemática, esse jogo é chamado de "aproximação de Diofanto". Trata-se de quão bem podemos aproximar números irracionais "bagunçados" (como a raiz quadrada de 2 ou o pi) usando frações simples (como 22/7). Por mais de um século, matemáticos tentam descobrir as regras deste jogo: o quão perto você pode chegar? Quantas vezes você consegue chegar perto? E importa se o seu alvo é apenas um ponto aleatório em uma folha de papel plana, ou se ele está preso a uma forma específica, como uma linha curva?

A grande questão que este artigo aborda é sobre uma forma específica: uma parábola. Pense em uma parábola como a curva perfeita e suave de um arco-íris ou o caminho que uma bola faz quando você a lança. Neste jogo matemático, o "alvo" não é apenas qualquer ponto; é um ponto que deve estar exatamente sobre esta linha curva. Durante muito tempo, os matemáticos sabiam que, se você tentasse atingir esta curva com seus dardos, haveria limites estritos sobre a frequência com que você conseguiria um "bullseye" (uma aproximação muito próxima). Uma regra famosa de 1924, conhecida como o Teorema de Khintchine, atua como um árbitro. Ela diz que, se o seu alvo for difícil o suficiente para ser atingido (ou seja, se o requisito de "proximidade" ficar rigoroso muito rápido), você quase nunca o atingirá. No entanto, havia uma pegadinha: para fazer a regra deste árbitro funcionar, os matemáticos tiveram que assumir que o seu requisito de "proximidade" tornava-se estritamente previsível e suave — como uma rampa que apenas desce, nunca sobe. Isso é chamado de ser "monotônico".

Este artigo, escrito por Maiken Gravgaard e Simon Kristensen, faz uma pergunta ousada: e se as regras do jogo mudarem de forma imprevisível? E se o requisito de "proximidade" saltar para cima e para baixo como uma montanha-russa em vez de deslizar por uma rampa suave? Por muito tempo, ninguém sabia se a regra do árbitro ainda se sustentava nesse cenário caótico, especialmente para pontos presos em uma linha curva como uma parábola. Os autores decidiram provar que, mesmo que as regras sejam bagunçadas e não monotônicas, o jogo ainda tem um limite: você ainda quase nunca atinge o alvo se as regras ficarem rigorosas o suficiente. Eles não apenas provaram que isso existe; eles calcularam os números exatos, embora incrivelmente minúsculos, que definem o quão perto você pode chegar antes que o jogo se torne impossível.

A Montanha-Russa dos Números

Então, o que exatamente esses autores fizeram? Eles pegaram o famoso teorema de Khintchine e removeram a regra da "rampa suave". Eles queriam ver se o teorema se sustenta quando a função de aproximação (a regra que diz o quão perto você precisa estar) é permitida a ser selvagem e não monotônica. No mundo da matemática, remover esse requisito de "suavidade" é como tentar navegar em um labirinto onde as paredes mudam subitamente de posição. Isso torna o problema significativamente mais difícil.

Os autores focaram na parábola, o conjunto de pontos $(x, x^2)$ . Eles queriam saber: se tivermos uma lista de regras para o quão perto uma fração precisa estar de um ponto nesta curva, e essas regras saltarem de forma selvagem, quantos pontos na curva podem realmente satisfaz-las? Sua principal descoberta é um "quase nenhum" retumbante. Eles provaram que, se a soma dos quadrados dessas regras selvagens convergir (uma maneira elegante de dizer que as regras ficam rigorosas o suficiente rápido), então o número de pontos na parábola que as satisfazem é efetivamente zero.

Mas aqui está a reviravolta: eles não disseram apenas "é zero". Eles queriam ser um árbitro quantitativo. Eles queriam dar um número específico, vamos chamá-lo de $\kappa$ , que representa o quão rigorosas as regras devem ser para garantir que quase nenhum ponto seja atingido. Eles descobriram que tal número existe, mas é tão incrivelmente pequeno que parece quase cômico.

As Constantes Monstruosas

Para obter esses números, os autores tiveram que lutar contra algumas ferramentas matemáticas muito antigas e muito teimosas. Eles usaram uma técnica envolvendo "somas de caracteres", que são como somar ondas de números para ver se elas se cancelam. Para estimar essas somas, eles confiaram em um limite famoso descoberto pelo matemático Burgess. No entanto, a versão padrão do limite de Burgess não era precisa o suficiente para as necessidades deles. Eles precisavam de uma versão "explícita", o que significa que precisavam saber o tamanho exato das constantes envolvidas, não apenas que elas existiam.

É aqui que o artigo fica um pouco selvagem. Os autores tiveram que calcular essas constantes para diferentes tipos de números (primos, compostos, números grandes, números pequenos). O resultado é um conjunto de quatro teoremas diferentes, cada um com sua própria versão da constante $\kappa$ .

Em sua versão mais geral (Teorema 4), que funciona para qualquer denominador $q$ , a constante $\kappa$ é um pesadelo de números minúsculos. Um dos termos em seu cálculo é aproximadamente $10^{-1023.89775276641198}$ . Para colocar isso em perspectiva, se você escrevesse esse número, teria mais de mil zeros após a vírgula antes mesmo de chegar ao primeiro dígito diferente de zero. É tão pequeno que é praticamente zero, mas matematicamente, é a chave que destranca a prova. Os autores admitem que esse número é "muito pequeno" e que o principal culpado é a "função divisor", que conta de quantas maneiras um número pode ser dividido. Como essa função pode se tornar enorme para certos números, ela força sua constante a encolher até quase nada.

No entanto, os autores não pararam por aí. Eles perceberam que, se tornassem o jogo um pouco mais específico, poderiam obter números muito mais "sensatos".

A Versão "Grande $q$ " (Teorema 5): Se eles olharem apenas para denominadores muito grandes (especificamente, $q$ maior que $e^{e^{41}}$ , um número tão grande que é difícil de compreender), a constante $\kappa$ salta para um tamanho muito mais razoável, em torno de $0.00499$.
A Versão "Primo" (Teorema 7): Se eles olharem apenas para denominadores que são números primos, a constante melhora novamente, atingindo cerca de $0.012$.
A Versão "Poucos Divisores" (Teorema 6): Se eles olharem para números que não têm muitos fatores, a constante fica em algum lugar entre esses valores.

Por Que Isso Importa (Mesmo que os Números sejam Estranhos)

Você pode se perguntar: "Quem se importa com um número que é $10^{-1023}$ ?" A resposta reside na estrutura da prova. Antes deste artigo, não sabíamos se uma constante sequer existia para funções não monotônicas em uma parábola. O fato de os autores terem conseguido provar que ela existe, mesmo que o número seja microscópico, é um passo gigantesco. Isso confirma que a natureza "curva" da parábola não permite magicamente que contornemos as regras de aproximação, mesmo quando as regras são caóticas.

O artigo também destaca um problema específico no conjunto de ferramentas matemáticas. Os autores apontam que a razão pela qual seus números são tão minúsculos deve-se à função divisor que tiveram que usar. Eles sugerem que, se os matemáticos encontrarem melhores maneiras de estimar quantos divisores um número possui, essas constantes poderiam se tornar muito maiores e mais úteis. Eles essencialmente construíram uma ponte sobre um cânion, mas a ponte é feita de um material que é tão fino que é quase invisível. Isso prova que a ponte pode existir, mas também nos diz que precisamos encontrar um material mais forte para torná-la transitável.

No fim, Gravais e Kristensen mostraram que a parábola é um oponente obstinado. Quer você a aborde com regras suaves e previsíveis ou com regras caóticas e saltitantes, ela resiste à aproximação. Eles forneceram a prova matemática de que essa resistência é absoluta, quantificando os limites da nossa capacidade de atingir o alvo com uma precisão que é tanto terrivelmente pequena quanto rigorosamente exata. Eles não resolveram o problema de tornar os números maiores, mas demonstraram definitivamente que o jogo é impossível sob estas condições, não importa o quão selvagens as regras se tornem.

Resumo Técnico: Khintchine Quantitativa na Parábola com Funções de Aproximação Não Monotônicas

Enunciado do Problema
O artigo aborda uma versão quantitativa do caso de convergência do teorema de Khintchine na aproximação métrica de Diofantina, especificamente restrita a pontos que residem na parábola $P := \{(x, x^2) \mid x \in [0, 1]\}$ . O desafio central é remover a suposição padrão de que a função de aproximação $\psi: \mathbb{N} \to [0, \infty)$ deve ser monotônica.

Embora o teorema de Khintchine (1924) estabeleça uma lei de zero-um para a medida de Lebesgue de pontos $\psi$ -aproximáveis em $\mathbb{R}^n$ , o caso de divergência exige estritamente a monotonicidade. O caso de convergência, entretanto, não requer inerentemente monotonicidade para o espaço ambiente, contudo, estender isso para subvariedades não degeneradas (como a parábola) sem monotonicidade provou ser difícil. Resultados anteriores para subvariedades não degeneradas, como os de Beresnevich e Yang, dependem da monotonicidade mesmo para a convergência. Uma exceção notável é o teorema de Huang (2023), que provou o caso de convergência para a parábola sem monotonicidade, mas não forneceu limites quantitativos explícitos para a medida do conjunto de pontos bem aproximáveis.

Os autores visam fornecer constantes explícitas para a medida do conjunto de pontos $x \in [0, 1]$ tal que o erro de aproximação simultânea $\max(\|qx\|, \|qx^2\|)$ excede um múltiplo fixo $\kappa \psi(q)$ para todo $q$ . Especificamente, eles buscam estabelecer que, para uma série convergente $S_\psi = \sum \psi(q)^2$ , a medida do conjunto $B'(\psi, \kappa) = \{x \in [0, 1] : \max(\|qx\|, \|qx^2\|) > \kappa \psi(q) \forall q \in \mathbb{N}\}$ é pelo menos $1 - \delta$ , com dependência explícita de $\kappa$ em relação a $\delta$ e $S_\psi$ .

Metodologia
A estratégia de prova segue o arcabouço estabelecido por Huang [13], mas foca intensamente na derivação de constantes explícitas durante todo o processo de estimativa. A metodologia procede nas seguintes etapas:

Redução à Contagem: O problema é reduzido à contagem de pontos racionais $a/q$ com um denominador $q$ fixo que residem próximos à parábola. Isso é formulado como a estimativa da função de contagem $\sum_{a \le q, \|a^2/q\| \le 3\kappa\psi(q)} 1$ .
Somas Exponenciais e Núcleos de Fejér: A função de contagem é estimada usando um núcleo de Fejér para suavizar a função indicadora do intervalo. Isso transforma o problema em limitar somas exponenciais da forma $\sum_{a=1}^q e^{2\pi i j a^2 / q}$ .
Caracteres de Dirichlet e Somas de Gauss: Estas somas exponenciais quadráticas são reescritas em termos de caracteres de Dirichlet (especificamente símbolos de Legendre e Jacobi) usando propriedades de somas de Gauss quadráticas.
Limites de Burgess Explícitos: A inovação técnica central reside na aplicação do limite de Burgess para somas de caracteres curtas. Como as versões padrão dos limites de Burgess não se aplicam a todos os módulos compostos, os autores derivam limites explícitos para três intervalos distintos do módulo $q$ $q$ :
- $q$ pequeno ( $1 \le q \le 10^5$ ): Constantes são calculadas via computação de força bruta.
- $q$ médio ( $10^5 < q \le \exp(\exp(8))$ ): Limites são derivados usando resultados de Bordignon [7], com verificação explícita das condições.
- $q$ grande ( $q > \exp(\exp(8))$ ): Limites baseiam-se em resultados de Bordignon [7] e Robin [21].
Estimativas da Função Divisora: Uma parte significativa do trabalho envolve gerenciar a função divisora $d(q)$ , que aparece nos termos de erro. Os autores utilizam limites explícitos para $d(q)$ (por exemplo, $d(q) \le K_\beta q^\beta$ ) e analisam como esses limites afetam as constantes finais. Eles abordam a questão de valores grandes da função divisora considerando subconjuntos específicos de inteiros (por exemplo, números com poucos fatores primos ou números muito grandes) para obter constantes mais razoáveis.

Contribuições e Resultados Principais
O artigo apresenta quatro teoremas principais fornecendo limites quantitativos para $\kappa(\delta)$ sob diferentes restrições no denominador $q$ . Em todos os casos, se $S_\psi = \sum \psi(q)^2$ converge, então $\lambda(B'(\psi, \kappa)) \ge 1 - \delta$ .

Teorema 4 (Todos os $q$ ): Fornece um limite para todos os inteiros $q$ . O $\kappa(\delta)$ resultante é extremamente pequeno (da ordem de $10^{-1023}$ para certos termos) devido ao comportamento de pior caso da função divisora $d(q)$ no caso geral.
Teorema 5 (Grandes $q$ ): Assume que $\psi(q) = 0$ para $q \le \exp(\exp(41))$ . Ao restringir-se a módulos muito grandes, os autores utilizam limites melhorados para $d(q)$ (especificamente $d(q) \le q^{1/57}$ ), resultando em constantes significativamente mais manejáveis (ex: $\kappa \approx 0.00499 (\delta/S_\psi)^{2/3}$ ).
Teorema 6 (Fatores Primos Limitados): Assume que $q$ possui no máximo $k$ divisores primos. Esta restrição limita $d(q) \le 2^k$ , resultando em constantes que dependem de $k$ , mas que são geralmente mais razoáveis do que o Teorema 4.
Teorema 7 (Módulos Primos): Assume que $q$ é primo. Este caso utiliza os melhores limites explícitos de Burgess disponíveis para módulos primos, fornecendo as constantes mais favoráveis entre os casos gerais (ex: $\kappa \approx 0.012 (\delta/S_\psi)^{2/3}$ ).

Significância e Alegações
Os autores alegam que este trabalho é o primeiro a fornecer um teorema de Khintchine quantitativo para a parábola com funções de aproximação não monotônicas. A principal significância reside na natureza explícita das constantes, o que permite a formulação de problemas referentes à dependência entre a constante de aproximação $\kappa$ e a medida do conjunto, um problema anteriormente levantado por Adiceam et al. [1].

O artigo reconhece que as constantes, particularmente no caso mais geral (Teorema 4), são muito pequenas. Os autores atribuem essa limitação não ao método de prova em si, mas às constantes explícitas decorrentes dos limites da função divisora dentro das variantes do teorema de Burgess utilizadas. Eles observam que, embora limites melhores sejam desejáveis, alcançá-los com os métodos atuais é improvável. O trabalho serve como um passo fundamental, demonstrando que resultados de convergência não monotônicos podem ser tornados quantitativos, embora com a ressalva de constantes pequenas no cenário geral.

A Montanha-Russa dos Números

As Constantes Monstruosas

Por Que Isso Importa (Mesmo que os Números sejam Estranhos)

Mais como este