← 最新论文
🔢 mathematics

On divisor sums due to Erd\H{o}s and Ramanujan

本文通过运用戈隆布对幂数的估计以及图兰对哈代-拉马努金定理的定量形式,确立了结合埃尔德什与拉马努金问题的混合除数之和 nx1d(d(n))xloglogx\sum_{n \leq x} \frac{1}{d(d(n))} \asymp \frac{x}{\log \log x} 的渐近阶。

原作者: John M. Campbell

发布于 2026-05-04
📖 1 分钟阅读🧠 深度阅读

原作者: John M. Campbell

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象你是一名侦探,试图理解数字的隐藏模式。在数学世界中,每个整数(如 1、2、3、100)都有一个“除数家族”。例如,数字 12 的除数是 1、2、3、4、6 和 12。这些除数的个数被称为 d(n)d(n)

一个多世纪以来,像拉马努金和埃尔德什这样的著名数学家一直在试图弄清楚:当你把数百万个数字的这些除数个数加起来时,会发生什么。他们发现了一些美丽且可预测的模式。

本文由约翰·坎贝尔撰写,探讨了一个新的、更棘手的谜题。作者不再仅仅计算除数,而是问道:如果我们取一个非常特定且复杂的除数个数的倒数(即“一除以”),会发生什么?

以下是用简单类比对论文故事的拆解:

1. 背景:两个著名问题

要理解这个新问题,我们首先需要了解它所混合的两个旧问题:

  • 拉马努金问题:想象你有一大群人(数字)。你问每个人:“你有多少个朋友(除数)?”拉马努金发现,如果你把这些朋友个数的倒数(1 除以朋友数量)加起来,总和会以一种非常具体且可预测的方式增长。
  • 埃尔德什问题:现在,想象一个“传话”游戏。你取一个数字,计算它的“朋友”数量(d(n)d(n)),然后再计算那个数字的“朋友”数量(d(d(n))d(d(n)))。埃尔德什弄清了这些“朋友的朋友”的总和是如何表现的。

2. 新谜题:“混合体”

坎贝尔的论文问道:如果我们把这两个结合起来会怎样?
不再仅仅计算“朋友的朋友”(d(d(n))d(d(n))),如果我们取该数字的倒数呢?
求和 1d(d(n)) \text{求和 } \frac{1}{d(d(n))}

这就像在问:“如果我查看直到一百万的每个数字的‘朋友的朋友’,并将分数 1/该计数1/\text{该计数} 加起来,总和是多少?”

作者指出,这比原始问题难得多。取倒数就像调大了“怪异”数字的音量。如果一个数字的“朋友的朋友”数量非常小,它的倒数就会变得巨大,从而破坏总和的平衡。

3. 侦探工作:筛选人群

为了解决这个问题,坎贝尔不得不将数字人群分成三组,就像把凌乱的房间整理成堆一样:

  • 堆 A(“强”数):这些是具有非常厚重、“强”结构的数字(在数学上,它们能被质数的平方整除)。坎贝尔利用戈洛姆发现的一条规则表明,这些数字足够稀少,不会过度扰乱总和。
  • 堆 B(“异常值”):这些是拥有奇怪数量质因数的数字(要么太多,要么太少)。使用一种经典的统计工具——图兰不等式(这在统计学中就像一种“方差检查”),坎贝尔证明了这些异常值也足够稀少,可以在主要计算中忽略不计。
  • 堆 C(“正常”数):这是绝大多数数字。对于这些数字,“朋友的朋友”数量表现良好。坎贝尔表明,对于这一组,1/d(d(n))1/d(d(n)) 的值对每个人来说大致相同。

4. 大揭秘

在过滤掉杂乱的堆(A 和 B)之后,坎贝尔观察了主要群体(C)。他发现总和的表现方式出奇地简单。

结果:
总和的增长率大致为:
xlog(logx) \frac{x}{\log(\log x)}
(其中 xx 是你所查看的人群规模。)

用通俗的话说:如果你将人群规模翻倍,总和并不会翻倍;它会增长得稍慢一些,遵循特定的“双对数”曲线。

5. “猜测”(猜想)

该论文证明了该总和的大小(数量级)。然而,作者还做出了一个大胆的猜测(猜想):
正如拉马努金为他的问题发现了一个特定的常数一样,坎贝尔怀疑这个新的混合问题也存在一个特定的常数。他写道,证明这个特定常数的存在可能非常困难,类似于数学中其他著名的未解决问题。

总结

约翰·坎贝尔解决了一个涉及“除数的除数”及其倒数的复杂数学谜题。通过结合旧的统计工具和新筛选技术,他证明了这些值的总和以可预测的速率增长:与数字规模除以规模的对数的对数成正比。

这是一个将混乱、不规则的数学对象整理成“正常”和“异常”组,并表明“正常”组决定了最终答案的故事。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →