Skip to main content
QUICK REVIEW

[论文解读] A note on the real part of the Riemann zeta-function

Juan Arias de Reyna, Richard P. Brent|arXiv (Cornell University)|Dec 21, 2011
Analytic Number Theory Research参考文献 10被引用 3
一句话总结

本文提出了一种高效算法,用于高精度计算临界常数 $\sigma_0 \approx 1.19$,即满足 $\mathrm{Re\,}\zeta(\sigma + it)$ 对某个实数 $t$ 可以为零或负的 $\sigma$ 的上确界。该算法通过梅尔滕函数和反三角级数对级数进行加速,以高精度计算 $\sigma_0$,并识别出 $\sigma = 1$ 上前 50 个区间,其中 $\mathrm{Re\,}\zeta(1+it) \leq 0$,首个区间出现在 $t \approx 682112.9169$,长度约为 $0.0529$。前 50 个区间长度之和估计了密度 $d(1) \approx 3.85 \times 10^{-7}$。

ABSTRACT

We consider the real part $\Re(ζ(s))$ of the Riemann zeta-function $ζ(s)$ in the half-plane $\Re(s) \ge 1$. We show how to compute accurately the constant $σ_0 = 1.19\ldots$ which is defined to be the supremum of $σ$ such that $\Re(ζ(σ+it))$ can be negative (or zero) for some real $t$. We also consider intervals where $\Re(ζ(1+it)) \le 0$ and show that they are rare. The first occurs for $t$ approximately 682112.9, and has length about 0.05. We list the first fifty such intervals.

研究动机与目标

  • 以高精度计算常数 $\sigma_0 = \sup\{\sigma \in \mathbb{R} \mid \exists t \in \mathbb{R}, \mathrm{Re\,}\zeta(\sigma + it) = 0\}$。
  • 开发一种高效算法,通过将收敛缓慢的级数 $f(\sigma) = \sum_p \arcsin(p^{-\sigma}) - \pi/2$ 转化为快速收敛的双重级数形式进行求值。
  • 识别并列出 $\sigma = 1$ 上前 50 个区间,其中 $\mathrm{Re\,}\zeta(1+it) \leq 0$,包括其位置和长度。
  • 利用前 50 个区间长度之和,估计集合 $\{t \in \mathbb{R}_{>0} \mid \mathrm{Re\,}\zeta(1+it) \leq 0\}$ 的自然密度 $d(1)$。

提出的方法

  • 利用欧拉乘积和莫比乌斯反演,通过 $P(\sigma) = \sum_{r=1}^\infty \frac{\mu(r)}{r} \log \zeta(r\sigma)$ 计算梅尔滕函数 $P(\sigma) = \sum_p p^{-\sigma}$,当 $\sigma > 1$ 时该公式收敛迅速。
  • 将 $f(\sigma) = \sum_p \arcsin(p^{-\sigma}) - \pi/2$ 表示为双重级数形式 $f(\sigma) = \sum_{k=0}^\infty c_k P((2k+1)\sigma) - \pi/2$,其中 $c_k = \frac{(2k)!}{(2^k k!)^2 (2k+1)}$,从而实现更快的收敛速度。
  • 应用不等式 $c_k \leq \frac{1}{2(2k+1)}$ 控制尾部误差,并确定 $k$ 的截断点,实现严格的误差控制。
  • 利用恒等式 $f(\sigma) = \sum_{j=1}^\infty d_j \log \zeta(j\sigma) - \pi/2$,其中 $d_j = \sum_{k \geq 0, r > 0, (2k+1)r = j} \frac{c_k \mu(r)}{r}$,实现高效求值,利用预计算的 $\log \zeta(j\sigma)$ 值。
  • 应用零点查找算法(如二分法或割线法)在 $f(\sigma)$ 的符号发生变化的区间(如 $[1.1, 1.2]$)内定位 $f(\sigma)$ 的根,同时保证误差界限。
  • 应用最大斜率原理,并结合对对数导数的有界性 $\left| \mathrm{Re} \frac{\zeta'(1+it)}{\zeta(1+it)} \right| \leq \frac{3}{4} \log(t^2 + 4) + 7$(当 $t \geq 10$ 时),严格定位首个满足 $\mathrm{Re\,}\zeta(1+it) \leq 0$ 的 $t$。

实验结果

研究问题

  • RQ1临界常数 $\sigma_0$ 的精确值是多少?即满足 $\mathrm{Re\,}\zeta(\sigma + it)$ 对某个实数 $t$ 可以为零或负的 $\sigma$ 的上确界。
  • RQ2如何将收敛缓慢的级数 $\sum_p \arcsin(p^{-\sigma})$ 转化为适合数值计算的快速收敛形式?
  • RQ3在 $\sigma = 1$ 上,前 50 个满足 $\mathrm{Re\,}\zeta(1+it) \leq 0$ 的区间的位点和长度分别是什么?
  • RQ4集合 $\{t > 0 \mid \mathrm{Re\,}\zeta(1+it) \leq 0\}$ 的自然密度 $d(1)$ 的估计值是多少?
  • RQ5在 $t \approx 682112.9169$ 处,$\mathrm{Re\,}\zeta(1+it)$ 的首次过零是否为全局最小值?其最小值是多少?

主要发现

  • 通过级数变换和零点查找算法,高精度计算出常数 $\sigma_0$,结果为 $\sigma_0 \approx 1.19$。
  • 首个满足 $\mathrm{Re\,}\zeta(1+it) \leq 0$ 的区间出现在 $t \approx 682112.9169$,长度约为 $0.05291225$。
  • 首次满足 $\mathrm{Re\,}\zeta(1+it) \leq 0$ 的 $t$ 为 $t \approx 682112.8913$,局部最小值为 $-0.0027652$。
  • 前 50 个满足 $\mathrm{Re\,}\zeta(1+it) \leq 0$ 的区间的长度之和为 $6.48390168$,由此估计密度 $d(1) \approx 3.85 \times 10^{-7}$。
  • 蒙特卡洛方法对 $d(1)$ 的估计值为 $3.80 \times 10^{-7}$,与区间长度之和的估计值高度一致。
  • 表 1 列出了前 50 个负的局部极小值,其值在 $-0.0826$ 到 $-0.0008$ 之间,区间长度在 $0.0305$ 到 $0.2840$ 之间。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。