Издательская аннотация

«Метатеорема Гольдбаха. Новая теория простых чисел» — книга о переходе от классических вопросов теории чисел к исследованию динамики и метадинамики простых чисел.

Центральный результат книги — доказательство Метатеоремы Гольдбаха, существенно усиливающей классическую проблему Гольдбаха. Если традиционная формулировка требует существования хотя бы одного представления четного числа в виде суммы двух простых, то Метатеорема устанавливает неограниченный рост гарантированного минимального количества таких представлений по мере продвижения по натуральному ряду.

В книге вводятся новые понятия: уровни и границы неснижаемости, цена удвоения, натуральное время достижения нового уровня, событийные инварианты, метадинамика распределений и индукционные состояния. На этой основе развивается концепция метаиндукции — метода, в котором объектом доказательства становится не отдельное число, а система взаимосвязанных характеристик и закономерностей.

Классическая теория простых чисел, проблема Гольдбаха, вычислительные эксперименты и новые методы анализа объединяются здесь в единую исследовательскую программу, направленную на построение более общей динамической теории простых чисел.

Книга адресована читателям, которых интересуют теория чисел, основания математики, новые методы доказательства и границы современного математического мышления.

Аннотация

Книга «Метатеорема Гольдбаха. Новая теория простых чисел» посвящена разработке нового подхода к исследованию простых чисел, их распределения и представления четных натуральных чисел в виде суммы двух простых.

Центральным результатом книги является доказательство Метатеоремы Гольдбаха — утверждения, существенно более сильного, чем классическая проблема Гольдбаха. Если классическая гипотеза требует существования хотя бы одного представления каждого четного числа в виде суммы двух простых, то Метатеорема устанавливает закономерность неограниченного роста гарантированного минимального количества таких представлений по мере продвижения по натуральному ряду.

Иными словами, для любого заранее заданного натурального числа K существует конечная граница, начиная с которой каждое последующее четное число имеет не менее K различных представлений в виде суммы двух простых чисел. Классическая проблема Гольдбаха становится при этом частным, предельно слабым случаем более общего закона.

В книге вводится система новых понятий и методов исследования: уровни и границы неснижаемости, последние нарушения уровней, нижние огибающие, цена удвоения числа разложений, натуральное время достижения нового уровня, событийные инварианты, динамика порогов и метадинамика самих закономерностей.

Особое место занимает разработанная в книге концепция метаиндукции. В отличие от традиционного доказательства по индукции, в котором объектом перехода обычно является отдельное число или отдельное свойство, метаиндукция допускает построение индукционного состояния из нескольких взаимосвязанных объектов, относящихся к различным уровням описания. Индукционный переход осуществляется между целостными состояниями системы и опирается на выявленные закономерности их динамики и метадинамики.

Большой раздел книги посвящен вычислительному исследованию разложений четных чисел на пары простых, построению базовых и метадинамических таблиц, изучению нижнего экстремального слоя распределения, уровней неснижаемости, траекторий удвоения, утроения и дальнейшего роста гарантированного количества представлений. Вычислительный анализ используется не как замена доказательству, а как инструмент обнаружения инвариантов и универсальных переходов, лежащих в основе строгого доказательства Метатеоремы.

Параллельно рассматривается более общая проблема динамики самих простых чисел. Вместо традиционного вопроса о количестве простых в заранее заданном диапазоне исследуется обратная задача: какое «натуральное время» требуется для достижения заданного события — удвоения количества простых, повышения гарантированного уровня представимости или перехода к новому состоянию распределения. Такой событийный подход позволяет исследовать не только распределение простых чисел, но и динамику законов этого распределения.

Книга начинается с систематического изложения основных классических результатов теории простых чисел — от решета Эратосфена и доказательства бесконечности множества простых до результатов о распределении простых и классической проблемы Гольдбаха. Однако исторический материал служит прежде всего отправной точкой для перехода от бинарных вопросов существования к количественным, динамическим и метадинамическим закономерностям.

Основная идея книги заключается в том, что многие классические проблемы теории чисел сформулированы на слишком низком уровне описания. Переход от вопроса «существует ли объект?» к вопросам «сколько таких объектов существует?», «как изменяется их количество?», «как изменяется сам закон этого изменения?» и «какие инварианты сохраняются при переходе между масштабами?» открывает иной уровень исследования.

«Метатеорема Гольдбаха. Новая теория простых чисел» представляет собой попытку построения не только нового доказательства одного классического утверждения, но и более общей динамической и метадинамической теории простых чисел, в которой существование, количество, распределение, пороги, инварианты и законы изменения рассматриваются как элементы единой системы.

******

© В.К.
Петросян (Вадимир) © Lag.ru [Large Apeironic Gateway, Большой Апейронический
Портал (Шлюз), Суперпортал в Бесконечность].

При копировании данного материала и размещении его на другом сайте, ссылки
на соответствующие локации порталов Lag.ru и Proza.ru обязательны

Работа написана на основе концепции и разработок В.К. Петросяна при полноценном соавторстве (активном творческом и вычислительном участии) ChatGPT (OpenAI), GPT-5.6 Sol

*******

МЕТАТЕОРЕМА ГОЛЬДБАХА

Новая теория простых чисел

ОГЛАВЛЕНИЕ

ПРЕДИСЛОВИЕ

1 — Зачем нужна новая теория простых чисел

2 — От классических задач существования к задачам количества, динамики и метадинамики

3 — Метатеорема Гольдбаха как центральный результат книги

4 — Простые числа на глобальном когнитивном фронтире

5 — Вычислительный эксперимент и математическое доказательство

6 — Человеко-машинное математическое исследование

7 — Место настоящей книги в общей программе Метаорганона

8 — Метаорганон как метафилософский, методологический, логико-математический, лингвистический, паттернальный и семантический комплекс

9 — Метаорганон как базис Третьей глобальной ноопарадигмы

10 — Третья глобальная ноопарадигма и переход к Третьей нооформации

11 — Серия оригинальных книг по проблематике Метаорганона

12 — Метафилософская линия серии

13 — Методологическая линия серии

14 — Логико-математическая линия серии

15 — Лингвистическая линия серии

16 — Паттернальная линия серии

17 — Семантическая линия серии

18 — Метаиндукция как один из базовых методов новой логико-математической методологии

19 — Теория простых чисел как испытательный полигон Метаорганона

20 — От решения отдельных задач к новой архитектуре производства знания

ВВЕДЕНИЕ

1 — Простые числа как фундаментальный объект математики

2 — Простота формулировки и глубина математической структуры

3 — Ограниченность бинарных вопросов

4 — Существование, количество, распределение, динамика и метадинамика

5 — От проблемы Гольдбаха к Метатеореме Гольдбаха

6 — Понятие более сильного математического утверждения

7 — Основная идея новой теории простых чисел

8 — Структура исследовательской программы

9 — Основные термины

10 — Структура доказательной стратегии

ЧАСТЬ I. КЛАССИЧЕСКАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. Натуральные и простые числа

1 — Натуральный ряд

2 — Простые и составные числа

3 — Делимость

4 — Взаимная простота

5 — Разложение на простые множители

6 — Основная теорема арифметики

7 — Простые числа как структурный базис натурального ряда

Глава 2. Решето Эратосфена и вычисление простых чисел

1 — Принцип решета

2 — Последовательное исключение составных чисел

3 — Алгоритмический смысл решета

4 — Современные варианты решета

5 — Построение больших массивов простых чисел

6 — Решето как вычислительный и познавательный метод

Глава 3. Бесконечность множества простых

1 — Теорема Евклида

2 — Классическое доказательство

3 — Другие доказательства

4 — Что означает бесконечность множества простых

5 — Почему бесконечность не раскрывает закон распределения

Глава 4. Распределение простых чисел

1 — Количество простых до заданного числа

2 — Плотность простых

3 — Абсолютное количество и относительная доля

4 — Основные классические результаты

5 — Теорема о распределении простых чисел

6 — Логарифмический закон

7 — Среднее поведение и локальные отклонения

8 — Нижние и верхние характеристики распределения

Глава 5. Простые числа в интервалах

1 — Последовательные интервалы

2 — Удвоенные интервалы

3 — Теорема Бертрана

4 — Значение теоремы Бертрана

5 — Ограниченность бинарного критерия существования

6 — Количество простых в диапазоне

7 — Доля простых в диапазоне

8 — Динамика количества

9 — Динамика плотности

10 — Соотношение абсолютного роста и относительного разрежения

ЧАСТЬ II. ДИНАМИКА И МЕТАДИНАМИКА ПРОСТЫХ ЧИСЕЛ

Глава 1. Динамическое описание распределения

1 — Значение и изменение

2 — Базовые показатели

3 — Производные показатели

4 — Абсолютная динамика

5 — Относительная динамика

6 — Сравнение соседних диапазонов

7 — Сравнение нескольких диапазонов

8 — Накопленная динамика

Глава 2. Метадинамика

1 — Закономерность как объект исследования

2 — Динамика закономерности

3 — Метадинамика первого порядка

4 — Метадинамика более высоких порядков

5 — Огибающие

6 — Коридоры

7 — Скачки

8 — Плато

9 — Устойчивость коэффициентов

10 — Метазакономерности

Глава 3. Событийная система координат

1 — Фиксированный диапазон и фиксированное событие

2 — Переход от диапазона к событию

3 — Натуральное время

4 — Удвоение как событийный инвариант

5 — Адаптивные диапазоны

6 — Цена достижения события

7 — Цена удвоения

8 — Динамика цены удвоения

9 — Метадинамика событий

Глава 4. Инвариантно-событийный анализ

1 — Общий принцип

2 — Удвоение

3 — Утроение

4 — Учетверение

5 — Произвольные коэффициенты роста

6 — Семейства событийных траекторий

7 — Сравнение траекторий

8 — Поиск универсальных событийных законов

ЧАСТЬ III. ПРОБЛЕМА ГОЛЬДБАХА

Глава 1. История проблемы

1 — Происхождение проблемы

2 — Формулировка

3 — Сильная и слабая версии

4 — Основные этапы исследования

5 — Классические методы

6 — Современные результаты

7 — Вычислительные проверки

8 — Современное состояние проблемы

Глава 2. Представления четных чисел суммой двух простых

1 — Определение разложения

2 — Упорядоченные и неупорядоченные пары

3 — Количество разложений

4 — Первичные таблицы

5 — Локальные колебания

6 — Минимальные значения

7 — Максимальные значения

8 — Рекордные значения

9 — Нижний экстремальный слой

Глава 3. От существования к количеству

1 — Ограниченность вопроса о наличии одного разложения

2 — Количество разложений как основной объект

3 — Средний уровень

4 — Медианный уровень

5 — Минимальный уровень

6 — Нижние процентили

7 — Нижняя огибающая

8 — Почему для проблемы Гольдбаха ключевым становится худший случай

Глава 4. От проблемы Гольдбаха к более сильному утверждению

1 — Один способ представления

2 — Несколько способов представления

3 — Гарантированный минимум

4 — Рост гарантированного минимума

5 — Идея Метатеоремы Гольдбаха

6 — Классическая проблема как минимальный частный случай

ЧАСТЬ IV. ТЕОРИЯ НЕСНИЖАЕМОСТИ

Глава 1. Уровень неснижаемости

1 — Понятие уровня

2 — Первое достижение уровня

3 — Последнее нарушение уровня

4 — Граница неснижаемости

5 — Переходная зона

6 — Устойчивая зона

7 — Конечная неснижаемость

8 — Глобальная неснижаемость

Глава 2. Последние нарушения

1 — Последнее нарушение первого уровня

2 — Последнее нарушение второго уровня

3 — Последние нарушения последующих уровней

4 — Последовательность последних нарушений

5 — Рекордные провалы

6 — Худшие четные числа

7 — Арифметическая структура худших случаев

Глава 3. Границы неснижаемости

1 — Последовательность границ

2 — Абсолютный сдвиг

3 — Относительный сдвиг

4 — Отношение соседних границ

5 — Плато

6 — Пакеты уровней

7 — Ступенчатая структура

8 — Верхние огибающие

9 — Нижние огибающие

Глава 4. Метадинамика границ

1 — Динамика скачков

2 — Динамика отношений границ

3 — Динамика плато

4 — Динамика длины плато

5 — Динамика переходных зон

6 — Метадинамические коридоры

7 — Стабилизация коэффициентов

8 — Поиск универсального закона перехода

ЧАСТЬ V. МУЛЬТИПЛИКАТИВНЫЕ ТРАЕКТОРИИ ГОЛЬДБАХА

Глава 1. Удвоение количества разложений

1 — Последовательность уровней удвоения

2 — Первое достижение удвоенного уровня

3 — Неснижаемое достижение

4 — Натуральное время удвоения

5 — Цена удвоения

6 — Динамика цены удвоения

7 — Метадинамика удвоений

Глава 2. Утроение и учетверение

1 — Траектории утроения

2 — Траектории учетверения

3 — Цена утроения

4 — Цена учетверения

5 — Сравнение с удвоением

6 — Сходство и различия траекторий

Глава 3. Семейство мультипликативных траекторий

1 — Произвольный коэффициент роста

2 — Семейства событий

3 — Сравнение масштабов

4 — Общие коридоры

5 — Общие огибающие

6 — Мультипликативные метазакономерности

7 — Поиск событийного метаинварианта

ЧАСТЬ VI. МЕТАИНДУКЦИЯ

Глава 1. Классическая математическая индукция

1 — База

2 — Индукционный переход

3 — Полная индукция

4 — Сильная индукция

5 — Взаимная индукция

6 — Структурная индукция

7 — Возможности и ограничения классической схемы

Глава 2. Поисковая индукция

1 — Индукция как метод открытия

2 — Вычислительная база

3 — Выявление закономерности

4 — Формирование прогноза

5 — Скрытая контрольная выборка

6 — Проверка прогноза

7 — Переход от эмпирического закона к кандидату на теорему

Глава 3. Объект индукции

1 — Число как объект

2 — Свойство как объект

3 — Диапазон как объект

4 — Уровень как объект

5 — Распределение как объект

6 — Закономерность как объект

7 — Метазакономерность как объект

8 — Несколько объектов в одном доказательстве

Глава 4. Индукционное состояние

1 — Определение

2 — Однокомпонентное состояние

3 — Многокомпонентное состояние

4 — Разноуровневые характеристики

5 — Первичные показатели

6 — Динамические показатели

7 — Метапоказатели

8 — Индукционный резерв

Глава 5. Индукционное замыкание

1 — Замкнутый переход

2 — Минимальный достаточный набор характеристик

3 — Потери

4 — Компенсация

5 — Сохранение состояния

6 — Усиление состояния

7 — Переход к следующему уровню

8 — Переход к кратному уровню

Глава 6. Принцип метаиндукции

1 — Поиск подходящего метауровня

2 — Переход между метасостояниями

3 — Сильная метаиндукция

4 — Многокомпонентная метаиндукция

5 — Инвариант перехода

6 — Возврат от метауровня к исходной задаче

7 — Критерий доказательной замкнутости

ЧАСТЬ VII. ВЫЧИСЛИТЕЛЬНАЯ ЛАБОРАТОРИЯ МЕТАТЕОРЕМЫ ГОЛЬДБАХА

Глава 1. Методология вычислительного эксперимента

1 — Исходные данные

2 — Построение множества простых

3 — Подсчет разложений

4 — Проверка вычислений

5 — Воспроизводимость

6 — Контроль ошибок

7 — Разделение вычислительного факта и математического доказательства

Глава 2. Базовый массив

1 — Четные числа до основной контрольной границы

2 — Количество разложений

3 — Минимумы

4 — Максимумы

5 — Нижняя огибающая

6 — Рекордные минимумы

7 — Последние нарушения

Глава 3. Первые уровни неснижаемости

1 — Уровни от 1 до 99

2 — Первые достижения

3 — Последние нарушения

4 — Границы неснижаемости

5 — Переходные зоны

6 — Плато

7 — Скачки

Глава 4. Контрольный сотый уровень

1 — Формирование метазакона по предыдущим уровням

2 — Фиксация прогноза

3 — Независимый расчет

4 — Сравнение прогноза и результата

5 — Анализ ошибки

6 — Выводы для дальнейшего поиска

Глава 5. Расширение до высоких уровней

1 — Уровни 100 и выше

2 — Линия удвоений

3 — Линия утроений

4 — Линия учетверений

5 — Уровень 1024

6 — Переход к 2048 и последующим уровням

7 — Масштабная устойчивость метадинамики

Глава 6. Дальние случайные пробросы

1 — Метод случайных масштабов

2 — Условие большого разнесения

3 — Независимые контрольные точки

4 — Локальные окна

5 — Минимальные количества разложений

6 — Нижние уровни

7 — Проверка метазаконов на больших масштабах

Глава 7. Адверсарный анализ

1 — Поиск неблагоприятных областей

2 — Поиск рекордных провалов

3 — Максимальные отклонения

4 — Проверка нижней оболочки

5 — Намеренная попытка разрушения гипотезы

6 — Критерии устойчивости инварианта

ЧАСТЬ VIII. МЕТАТЕОРЕМА ГОЛЬДБАХА

Глава 1. Формулировка Метатеоремы

1 — Основная формулировка

2 — Словесная формулировка

3 — Простая формульная запись

4 — Эквивалентные формулировки

5 — Отличие от классической проблемы Гольдбаха

Глава 2. Нижняя функция количества разложений

1 — Гарантированный минимум

2 — Нижняя функция

3 — Рост нижней функции

4 — Неограниченность роста

5 — Связь с уровнями неснижаемости

6 — Связь с мультипликативными траекториями

Глава 3. Индукционный метаинвариант

1 — Поиск метаинварианта

2 — Нижний экстремальный слой

3 — Структура худших случаев

4 — Резерв разложений

5 — Потери

6 — Гарантированная компенсация

7 — Инвариант перехода

Глава 4. Леммы перехода

1 — Лемма сохранения

2 — Лемма усиления

3 — Лемма границы

4 — Лемма неснижаемости

5 — Лемма удвоения

6 — Лемма о невозможности критического провала

7 — Сводная теорема перехода

Глава 5. Универсальный метаиндукционный переход

1 — Переход от уровня к следующему уровню

2 — Переход к удвоенному уровню

3 — Многокомпонентное индукционное состояние

4 — Индукционное замыкание

5 — Независимость от конечной вычислительной границы

6 — Универсальность перехода

Глава 6. Доказательство Метатеоремы Гольдбаха

1 — База доказательства

2 — Начальное индукционное состояние

3 — Универсальный переход

4 — Метаиндукционный процесс

5 — Рост гарантированного минимума

6 — Неограниченность роста

7 — Завершение доказательства

Глава 7. Классическая проблема Гольдбаха как частный случай

1 — Первый уровень

2 — Гарантия хотя бы одного разложения

3 — Переход от Метатеоремы к классическому утверждению

4 — Место проблемы Гольдбаха в более общей системе

ЧАСТЬ IX. НОВАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. От бинарных утверждений к динамическим законам

1 — Существование

2 — Количество

3 — Распределение

4 — Динамика

5 — Метадинамика

6 — Инварианты

7 — Событийное время

Глава 2. Новая система показателей

1 — Базовые показатели

2 — Производные показатели

3 — Динамические показатели

4 — Метадинамические показатели

5 — Событийные показатели

6 — Показатели нижней границы

7 — Показатели устойчивости

Глава 3. Законы перехода между масштабами

1 — Масштаб

2 — Диапазон

3 — Событие

4 — Цена события

5 — Динамика цены

6 — Масштабная устойчивость

7 — Универсальные классы переходов

Глава 4. Новые гипотезы теории простых чисел

1 — Гипотезы распределения

2 — Гипотезы нижних огибающих

3 — Гипотезы неснижаемости

4 — Гипотезы событийной динамики

5 — Гипотезы мультипликативных траекторий

6 — Метагипотезы

7 — Программа дальнейших исследований

ЧАСТЬ X. МЕТАИНДУКЦИЯ КАК ОБЩИЙ МАТЕМАТИЧЕСКИЙ МЕТОД

Глава 1. Метаиндукция за пределами теории простых чисел

1 — Комбинаторика

2 — Теория графов

3 — Дискретная математика

4 — Теория алгоритмов

5 — Динамические системы

6 — Задачи существования

7 — Задачи гарантированного роста

Глава 2. Доказательство и метауровень

1 — Первичный объект

2 — Метаструктура

3 — Метапереход

4 — Инвариант

5 — Объяснительность

6 — Возврат к исходному объекту

7 — Содержательное и формальное доказательство

Глава 3. Метаиндукция и Метаорганон

1 — Индукция как часть общей логики переходов

2 — Восхождение по метауровням

3 — Метавосхождение и бесконечный регресс

4 — Принцип содержательного прироста

5 — Индукционное замыкание

6 — Метаиндукция в системе Метаорганона

ЧАСТЬ XI. ГЛОБАЛЬНЫЙ КОГНИТИВНЫЙ ФРОНТИР

Глава 1. Новые уровни постановки математических задач

1 — От ответа к новой постановке

2 — От объекта к системе

3 — От системы к динамике

4 — От динамики к метадинамике

5 — От закона к закону изменения законов

Глава 2. Вычисления как инструмент открытия

1 — Вычисление и доказательство

2 — Массовый вычислительный эксперимент

3 — Скрытые контрольные выборки

4 — Случайные проверки

5 — Адверсарные проверки

6 — Поиск инвариантов

7 — Искусственный интеллект как участник математического исследования

Глава 3. Новая архитектура математического исследования

1 — Постановка задачи

2 — Формирование гипотезы

3 — Вычислительная база

4 — Динамический анализ

5 — Метадинамический анализ

6 — Поиск инварианта

7 — Поиск индукционного замыкания

8 — Доказательство

9 — Обобщение

10 — Формирование новой теории

ЗАКЛЮЧЕНИЕ

1 — Основные результаты книги

2 — Содержание Метатеоремы Гольдбаха

3 — Почему Метатеорема сильнее классической проблемы

4 — Новая теория динамики простых чисел

5 — Концепция метаиндукции

6 — Открытые проблемы

7 — Новые направления исследований

8 — Метаорганон и дальнейшее развитие математической методологии

9 — Глобальный когнитивный фронтир

ПРИЛОЖЕНИЯ

Приложение 1 — Основные определения

Приложение 2 — Основные обозначения

Приложение 3 — Таблицы простых чисел

Приложение 4 — Таблицы разложений Гольдбаха

Приложение 5 — Таблицы уровней неснижаемости

Приложение 6 — Таблицы последних нарушений

Приложение 7 — Таблицы мультипликативных траекторий

Приложение 8 — Метадинамические таблицы

Приложение 9 — Вычислительные алгоритмы

Приложение 10 — Контрольные выборки

Приложение 11 — Дальние случайные пробросы

Приложение 12 — Адверсарные тесты

Приложение 13 — Словарь новой терминологии

Приложение 14 — Основные положения концепции метаиндукции

Приложение 15 — Краткая схема доказательства Метатеоремы Гольдбаха

Приложение 16 — О серии книг «Метаорганон»

БИБЛИОГРАФИЯ

ИМЕННОЙ УКАЗАТЕЛЬ

ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ

*********

Предисловие

1. Зачем нужна новая теория простых чисел

Простые числа относятся к числу тех математических объектов, которые одновременно кажутся предельно элементарными и обнаруживают практически неисчерпаемую глубину.

Определение простого числа известно каждому школьнику. Простым называется натуральное число, большее единицы, которое имеет только два натуральных делителя: единицу и само себя. Однако за этой простотой скрывается одна из наиболее сложных и до сих пор далеко не завершенных областей математики.

На протяжении более двух тысяч лет теория простых чисел развивалась преимущественно вокруг нескольких фундаментальных вопросов.

Существуют ли простые числа сколь угодно большой величины?

Как часто они встречаются?

Как изменяется их плотность?

Можно ли гарантировать наличие простого числа в заданном интервале?

Какие числа представимы через простые и сколькими способами?

Эти вопросы породили огромное количество выдающихся результатов. От доказательства Евклида о бесконечности множества простых чисел до теоремы о распределении простых, от решета Эратосфена до глубоких методов современной аналитической теории чисел была создана чрезвычайно развитая математическая область.

Но развитие науки определяется не только получением новых ответов.

Не менее важным является момент, когда становится необходимым изменить сами вопросы.

Именно такую ситуацию мы видим сегодня в теории простых чисел.

Значительная часть классических задач сформулирована в бинарной форме.

Есть ли хотя бы одно простое число в данном диапазоне?

Существует ли хотя бы одно представление четного числа в виде суммы двух простых?

Выполняется ли некоторое свойство или не выполняется?

Такие вопросы исторически были естественными. Более того, их решение нередко требовало создания чрезвычайно сложного математического аппарата.

Однако с точки зрения структуры самого объекта бинарный вопрос является лишь начальным уровнем исследования.

Если некоторое четное число имеет не одно, а сотни или тысячи представлений в виде суммы двух простых, то вопрос о существовании хотя бы одного такого представления характеризует систему крайне слабо.

Если в большом диапазоне находятся десятки тысяч простых чисел, то утверждение о наличии хотя бы одного простого в этом диапазоне является только минимальной характеристикой.

Поэтому настоящая книга начинается с принципиального изменения исследовательского ракурса.

Нас интересует не только существование.

Нас интересует количество.

Не только количество.

Нас интересует динамика количества.

Не только динамика.

Нас интересует динамика самих закономерностей этой динамики.

Иными словами, нас интересует метадинамика.

Именно переход от бинарной математики существования к количественной, динамической и метадинамической математике является одной из основных идей настоящей работы.

2. От классических задач существования к задачам количества, динамики и метадинамики

Можно условно выделить несколько уровней исследования математического объекта.

Первый уровень отвечает на вопрос:

существует ли объект?

Второй:

сколько таких объектов существует?

Третий:

как изменяется их количество?

Четвертый:

каков закон этого изменения?

Пятый:

как изменяется сам этот закон?

И далее возникает возможность перехода к еще более высоким уровням анализа.

Такое восхождение не следует путать с бессодержательным наращиванием метауровней.

Если каждый новый уровень вводит новые измеримые характеристики, новые отношения, новые ограничения и новые возможности объяснения нижележащего уровня, то перед нами не бесплодный регресс, а содержательное развитие исследовательской структуры.

Именно этот принцип применяется в настоящей книге к простым числам и к проблеме Гольдбаха.

Вместо одного вопроса о наличии представления четного числа суммой двух простых мы рассматриваем целую систему вопросов.

Сколько таких представлений имеется?

Как изменяется их число по мере роста четных чисел?

Какова минимальная величина этого числа на больших диапазонах?

Где достигается определенный гарантированный уровень?

После какого числа этот уровень уже не нарушается?

Как изменяются сами границы неснижаемости?

Какова цена перехода от одного гарантированного уровня к другому?

Сколько натурального «времени» требуется системе для удвоения, утроения или учетверения гарантированного числа разложений?

Как меняется эта цена?

Существуют ли устойчивые метазакономерности движения таких границ?

Можно ли использовать эти закономерности для построения универсального доказательного перехода?

Таким образом, классическая задача постепенно превращается в теорию состояний, порогов, переходов и метапереходов.

3. Метатеорема Гольдбаха как центральный результат книги

Центральным математическим результатом настоящей книги является Метатеорема Гольдбаха.

Классическая проблема Гольдбаха в наиболее известной форме утверждает, что каждое четное число, большее двух, может быть представлено в виде суммы двух простых чисел.

Это утверждение требует существования хотя бы одного представления.

Метатеорема Гольдбаха существенно усиливает классическую постановку.

В словесной форме ее содержание можно выразить следующим образом.

Для любого заранее заданного натурального числа K существует такая конечная граница, начиная с которой каждое последующее четное число имеет не менее K различных представлений в виде суммы двух простых чисел.

Иначе говоря, гарантированный минимум количества разложений не остается постоянным.

Он возрастает.

Более того, он возрастает неограниченно.

Классическая проблема Гольдбаха оказывается при этом лишь первым, минимальным уровнем более общего утверждения.

Если Метатеорема гарантирует неограниченный рост минимального количества представлений, то наличие хотя бы одного представления становится самым слабым следствием этой общей закономерности.

Такой переход от единичного существования к неограниченному количественному росту является для нас принципиальным.

Он меняет не только силу результата.

Он меняет сам способ понимания проблемы.

Проблема Гольдбаха перестает выглядеть как изолированный вопрос о существовании одной пары простых.

Она становится частным случаем общей теории роста гарантированного количества представлений.

4. Простые числа на глобальном когнитивном фронтире

В настоящей книге используется понятие глобального когнитивного фронтира.

Под ним понимается область, в которой еще не завершено не только получение ответов, но и формирование самих способов постановки вопросов.

На обычном научном фронтире исследователь работает с известным понятийным аппаратом и пытается получить неизвестный результат.

На глобальном когнитивном фронтире может оказаться недостаточным сам существующий понятийный аппарат.

Необходимо создавать новые категории.

Новые показатели.

Новые уровни анализа.

Новые способы перехода между уровнями.

Новые методы доказательства.

Теория простых чисел представляет собой чрезвычайно подходящий объект для такого исследования.

Она сочетает несколько свойств.

Во-первых, исходные объекты исключительно просты.

Во-вторых, их глобальное поведение чрезвычайно сложно.

В-третьих, существует огромный исторический и современный математический материал.

В-четвертых, современные вычислительные средства позволяют исследовать структуры на масштабах, которые еще недавно были практически недоступны.

В-пятых, между локальной нерегулярностью и глобальной закономерностью здесь существует особенно сильное напряжение.

Именно такие системы наиболее интересны для поиска метазаконов.

5. Вычислительный эксперимент и математическое доказательство

Современная математика получила вычислительные возможности, о которых предыдущие поколения исследователей не могли даже мечтать.

Можно анализировать миллионы и миллиарды чисел.

Можно строить огромные массивы разложений.

Можно находить экстремальные значения.

Можно искать последние нарушения уровней.

Можно изучать случайные большие пробросы по натуральному ряду.

Можно строить адаптивные диапазоны.

Можно проверять десятки и сотни новых показателей.

Однако никакой объем конечных вычислений сам по себе не является доказательством утверждения о бесконечном натуральном ряде.

Это различие является фундаментальным.

Поэтому вычислительная часть настоящей работы имеет строго определенную функцию.

Вычисления используются не вместо доказательства.

Они используются для обнаружения той структуры, которую затем необходимо доказать.

Их задача состоит в том, чтобы выявить:

устойчивые границы;

коридоры;

плато;

скачки;

законы масштабирования;

траектории удвоения и других кратных переходов;

нижние огибающие;

метадинамические коэффициенты;

кандидаты на инварианты;

кандидаты на универсальные переходы.

Далее начинается уже собственно математическая работа.

Наблюдаемая закономерность должна быть превращена в строгое утверждение.

Строгое утверждение должно быть доказано независимо от конечного объема наблюдений.

Только после этого возникает возможность перехода к бесконечному ряду.

Эта книга принципиально различает три уровня:

вычислительный факт;

математическую гипотезу;

доказанную теорему.

Такое различение особенно важно в исследованиях, где чрезвычайно большие конечные проверки способны создать иллюзию доказанности.

6. Человеко-машинное математическое исследование

Настоящая книга создавалась в режиме, который еще сравнительно недавно практически не существовал как полноценная форма научной деятельности.

Речь идет о человеко-машинном исследовании, в котором человек и система искусственного интеллекта участвуют не только в оформлении уже готового результата, но и в процессе его возникновения.

Исходные концепции, постановка проблем, направление исследования и общая архитектура работы принадлежат автору.

Искусственный интеллект используется как активный интеллектуальный инструмент:

для генерации и критики гипотез;

для проектирования вычислительных экспериментов;

для поиска альтернативных формулировок;

для построения и анализа таблиц;

для проверки логических переходов;

для поиска потенциальных контрпримеров;

для выявления скрытой зависимости между показателями;

для разработки концепции метаиндукции;

для редактирования и структурирования текста.

В настоящей работе искусственный интеллект выступает не как источник математической истины.

Он выступает как средство расширения пространства исследовательских операций.

Любое утверждение должно сохранять математическую проверяемость независимо от способа его появления.

Это принципиальная позиция.

Новизна человеко-машинного исследования состоит не в отмене требований строгости, а в расширении возможностей поиска.

Там, где раньше исследователь мог последовательно рассмотреть несколько вариантов, сегодня можно параллельно анализировать десятки направлений.

Там, где раньше вычислительная проверка требовала огромных затрат времени, сегодня она может выполняться практически как естественная часть процесса постановки гипотезы.

Это меняет сам ритм математической работы.

Но не меняет критерия истины.

7. Место настоящей книги в общей программе Метаорганона

Книга «Метатеорема Гольдбаха. Новая теория простых чисел» является частью более широкой исследовательской программы, связанной с разработкой Метаорганона.

Метаорганон рассматривается как метафилософский, методологический, логико-математический, лингвистический, паттернальный и семантический комплекс.

Его задача состоит не в создании еще одной частной дисциплины.

Речь идет о построении системы, исследующей сами способы формирования знания, переходов между уровнями описания, выявления структур, доказательства, интерпретации, смыслообразования и организации сложных интеллектуальных процессов.

В этом отношении теория простых чисел представляет собой не случайно выбранную математическую тему.

Она является одним из наиболее жестких испытательных полигонов.

Если методологическая идея работает только в свободном философском рассуждении, ее ценность ограничена.

Если же она способна привести к новым строгим математическим конструкциям, новым доказательным методам и новым теоремам, ее статус существенно меняется.

Именно поэтому концепция метаиндукции развивается здесь не только как философская идея, но и как конкретный математический метод.

8. Метаорганон как метафилософский, методологический, логико-математический, лингвистический, паттернальный и семантический комплекс

Название «Метаорганон» отсылает к идее инструмента мышления, но выводит ее на существенно более высокий уровень.

Речь идет о комплексе, объединяющем несколько взаимосвязанных направлений.

Метафилософское направление исследует основания и архитектуру самих философских систем.

Методологическое направление занимается принципами построения, проверки и преобразования знания.

Логико-математическое направление исследует структуры доказательства, вывода, индукции, перехода между уровнями и построения формальных систем.

Лингвистическое направление рассматривает язык как инструмент организации и генерации мыслительных конструкций.

Паттернальное направление связано с выявлением устойчивых структур, повторяющихся конфигураций и механизмов переноса закономерностей.

Семантическое направление исследует смысловые структуры, отношения между значениями и механизмы смыслообразования.

Эти направления не рассматриваются как независимые дисциплины.

Они образуют взаимосвязанную систему.

Именно на пересечении таких систем часто возникают новые методы.

Метаиндукция является одним из примеров.

Она одновременно имеет логическую, математическую, методологическую и паттернальную природу.

9. Метаорганон как базис Третьей глобальной ноопарадигмы

Метаорганон рассматривается в рамках более широкой концепции Третьей глобальной ноопарадигмы.

Под ноопарадигмой понимается фундаментальный способ организации интеллектуальной деятельности, определяющий:

какие объекты считаются существенными;

какие вопросы считаются корректными;

какие методы считаются продуктивными;

какие формы доказательства и объяснения принимаются;

какие уровни описания становятся доступными;

как взаимодействуют человек, язык, вычислительные системы и искусственный интеллект.

Переход к новой ноопарадигме означает не просто появление новых инструментов.

Он означает изменение архитектуры самой познавательной деятельности.

В настоящее время такой переход становится практически неизбежным.

Человеческое мышление впервые получает постоянного высокопроизводительного интеллектуального партнера, способного работать с текстом, математикой, кодом, данными, моделями и сложными системами связей.

Это создает новую ситуацию.

Но сама по себе вычислительная мощность не создает новую парадигму.

Необходима методология ее использования.

Именно эту функцию должен выполнять Метаорганон.

10. Третья глобальная ноопарадигма и переход к Третьей нооформации

Третья глобальная ноопарадигма связана с переходом к Третьей нооформации.

Под этим переходом понимается изменение не отдельной научной дисциплины, а общего способа производства, организации и развития знания.

Исторически значительные интеллектуальные преобразования происходили тогда, когда менялся не только объем знания, но и форма работы с ним.

Появление письменности.

Развитие формальной логики.

Возникновение современной науки.

Математизация естествознания.

Создание вычислительной техники.

Каждый из этих переходов расширял не только набор доступных инструментов.

Он изменял структуру мысли.

Современный переход связан с соединением человеческой концептуальной деятельности и систем искусственного интеллекта.

Однако его потенциал реализуется только тогда, когда появляется новый уровень методологической организации.

Недостаточно просто ускорить старые операции.

Необходимо научиться ставить новые вопросы.

Исследовать метауровни.

Формировать многокомпонентные состояния.

Искать инварианты не только объектов, но и их динамики.

Работать с закономерностями закономерностей.

Именно в этом контексте следует понимать настоящую книгу.

Она посвящена простым числам.

Но одновременно она является экспериментом по созданию нового типа математического исследования.

В ней традиционная проблема Гольдбаха превращается в Метатеорему Гольдбаха.

Классическая индукция расширяется до концепции метаиндукции.

Статические таблицы превращаются в системы динамических и метадинамических показателей.

Фиксированные диапазоны дополняются событийной системой координат.

Отдельные свойства объединяются в индукционные состояния.

А доказательство начинает рассматриваться не только как цепочка логических шагов, но и как задача поиска того уровня организации, на котором эта цепочка становится замкнутой.

Именно поэтому настоящая книга является одновременно математической работой и частью более широкой программы Метаорганона.

Ее непосредственный предмет — простые числа.

Ее центральный результат — Метатеорема Гольдбаха.

Ее методологический результат — концепция метаиндукции.

А ее более общий смысл состоит в исследовании возможностей новой архитектуры математического мышления на глобальном когнитивном фронтире.

****

11 — Серия оригинальных книг по проблематике Метаорганона

Настоящая книга является одной из работ более широкой серии оригинальных исследований, посвященных разработке Метаорганона.

Речь идет не о серии книг, связанных лишь общим названием или тематическим оформлением. Предполагается последовательное построение единого исследовательского комплекса, в котором каждая следующая работа разрабатывает определенную сторону общей системы и одновременно взаимодействует с другими ее направлениями.

Метаорганон понимается как метафилософский, методологический, логико-математический, лингвистический, паттернальный и семантический комплекс. Поэтому его невозможно исчерпывающе представить в пределах одной книги.

Каждое из этих направлений обладает собственной проблематикой, собственной системой понятий и собственными методами. Вместе с тем они должны быть связаны общими принципами перехода между уровнями знания, обнаружения структур, преобразования описаний, поиска инвариантов и организации процессов мышления.

Предполагаемая серия должна постепенно раскрывать эту систему.

Одни книги будут преимущественно математическими.

Другие — логическими и методологическими.

Третьи будут посвящены языку, семантике и паттернальному анализу.

Отдельное направление составят работы метафилософского уровня, в которых будут исследоваться уже не отдельные теории, а принципы построения теорий, парадигм и систем знания.

Таким образом, каждая книга серии должна одновременно иметь два измерения.

Первое — собственный предмет исследования.

Второе — ее место в архитектуре Метаорганона.

Настоящая книга посвящена простым числам, проблеме Гольдбаха, Метатеореме Гольдбаха и метаиндукции.

Но на более высоком уровне она представляет собой исследование того, каким образом из анализа большого множества конкретных математических фактов можно перейти к выявлению динамических и метадинамических структур, затем — к поиску инвариантов, а от них — к новой доказательной архитектуре.

Поэтому серия книг по Метаорганону строится не как энциклопедия уже существующего знания.

Ее задача иная.

Она должна стать системой разработки новых способов производства знания.

12 — Метафилософская линия серии

Философия традиционно исследует наиболее общие основания мира, знания, мышления, человека и общества.

Но существует еще один возможный уровень исследования.

Можно исследовать не только философские проблемы, но и сами способы построения философских систем.

Именно здесь возникает метафилософский уровень Метаорганона.

Метафилософия в рамках данной программы рассматривает философскую систему как особый интеллектуальный объект.

Такой объект имеет собственные исходные категории, базовые различения, способы построения аргументации, правила перехода между уровнями, язык, семантику и внутренние механизмы развития.

Следовательно, философские системы можно не только создавать или критиковать.

Их можно сравнивать по архитектуре.

Можно исследовать, какие элементы в них являются первичными.

Какие категории производны.

Какие переходы являются содержательными, а какие лишь терминологическими.

Где происходит реальное увеличение объяснительной силы.

А где возникает последовательность метауровней, не создающая нового знания.

Особое значение здесь приобретает проблема переходов.

Переход от объекта к отношению.

От отношения к системе.

От системы к структуре.

От структуры к динамике.

От динамики к метадинамике.

От отдельной закономерности к системе закономерностей.

Такие переходы присутствуют и в математике, и в логике, и в философии.

Поэтому метафилософская линия Метаорганона должна исследовать общие основания содержательного метавосхождения.

Не всякий переход к более высокому уровню является продуктивным.

Добавление приставки «мета» само по себе ничего не объясняет.

Новый уровень оправдан только тогда, когда на нем появляются новые различия, новые связи, новые операции или новые возможности объяснения.

Это положение имеет непосредственное отношение и к настоящей книге.

Метадинамика простых чисел вводится здесь не ради усложнения терминологии.

Она необходима в той мере, в какой исследование изменений самих динамических закономерностей позволяет обнаружить структуру, невидимую на предыдущем уровне анализа.

Так математический пример одновременно становится моделью более общего метафилософского принципа.

13 — Методологическая линия серии

Методология отвечает на вопрос не только о том, что мы знаем, но и о том, как новое знание может быть получено.

В современной науке значение этого вопроса быстро возрастает.

Объем доступной информации становится настолько велик, что дефицитом все чаще является не материал, а способ его организации.

Можно иметь огромный массив данных и не видеть закона.

Можно располагать тысячами вычисленных примеров и не понимать, какой показатель следует исследовать.

Можно обнаружить корреляцию и ошибочно принять ее за причинную структуру.

Можно увидеть чрезвычайно устойчивую конечную закономерность и принять ее за доказательство бесконечного утверждения.

Поэтому методологическая линия Метаорганона должна исследовать архитектуру самого исследовательского процесса.

В настоящей книге используется один из возможных вариантов такой архитектуры:

исходная проблема;

изменение постановки вопроса;

построение новых показателей;

вычислительный эксперимент;

анализ динамики;

анализ метадинамики;

выделение экстремальных случаев;

поиск инвариантов;

формирование индукционного состояния;

проверка устойчивости найденной структуры;

поиск универсального перехода;

доказательство;

обобщение результата.

Эта последовательность не должна пониматься как жесткий алгоритм, одинаково применимый ко всем задачам.

Скорее это пример многоуровневого исследовательского цикла.

Особенно важен переход от поиска подтверждений к поиску разрушения собственной гипотезы.

Если обнаружена новая закономерность, недостаточно продолжать искать все новые подтверждающие примеры.

Необходимо специально искать области, в которых она должна дать сбой.

Именно поэтому в настоящей книге большое значение придается контрольным выборкам, дальним пробросам и адверсарному анализу.

Методологическая зрелость начинается там, где исследователь спрашивает не только:

«Почему моя гипотеза верна?»

но и:

«Каким наиболее сильным способом я могу попытаться доказать, что она неверна?»

Если гипотеза выдерживает такие проверки, это еще не превращает ее в теорему.

Но существенно повышает качество следующего этапа — поиска доказательства.

14 — Логико-математическая линия серии

Логико-математическая линия Метаорганона непосредственно связана с анализом способов доказательства.

Классическая математика располагает чрезвычайно развитой системой доказательных методов.

Доказательство от противного.

Прямая дедукция.

Математическая индукция.

Сильная индукция.

Структурная индукция.

Методы инвариантов.

Экстремальные принципы.

Комбинаторные, аналитические, алгебраические и вероятностные методы.

Метаорганон не ставит перед собой задачу заменить эту систему.

Задача состоит в другом: исследовать, каким образом выбирается сам уровень, на котором доказательство становится возможным.

Нередко исходное утверждение не обладает свойствами, необходимыми для прямого перехода.

Попытка доказать его непосредственно приводит к тупику.

Но если вместо отдельного свойства начать рассматривать систему связанных характеристик, ситуация может измениться.

Индуктивно не замкнутым может оказаться одно свойство, но замкнутым — целое состояние.

Не переносится один показатель — но переносится вектор показателей.

Не сохраняется точное значение — но сохраняется коридор.

Не удается контролировать среднее — но удается контролировать нижнюю огибающую.

Именно здесь появляется одно из центральных понятий настоящей книги — индукционное состояние.

А вслед за ним — понятие индукционного замыкания.

В более общем плане логико-математическая линия Метаорганона должна исследовать архитектуру доказательств как систему переходов между уровнями описания.

Так возникает возможность ставить новый вопрос:

не только «Как доказать утверждение P?»,

но и:

«Какую минимальную структуру S необходимо построить, чтобы утверждение P стало следствием замкнутого перехода внутри S?»

Это уже другой уровень постановки доказательной задачи.

И именно он непосредственно ведет к концепции метаиндукции.

15 — Лингвистическая линия серии

Язык является не только средством передачи уже сформированной мысли.

Он участвует в самом процессе ее формирования.

Способ назвать объект влияет на то, какие свойства объекта становятся видимыми.

Способ построить предложение влияет на то, какие связи между объектами могут быть выражены.

Появление нового термина иногда оказывается поверхностной операцией.

Но иногда оно позволяет выделить структуру, которая до этого существовала лишь неявно.

В настоящей книге это особенно заметно.

«Последнее нарушение».

«Граница неснижаемости».

«Натуральное время».

«Цена удвоения».

«Индукционное состояние».

«Индукционное замыкание».

Каждый из этих терминов вводится не для создания специального словаря как самоцели.

Он фиксирует определенную исследовательскую операцию.

После появления соответствующего понятия возникает возможность строить таблицы, сравнивать значения, обнаруживать закономерности и формулировать новые утверждения.

Поэтому язык научной теории является частью ее инструментария.

Лингвистическая линия Метаорганона должна исследовать механизмы, посредством которых язык:

различает;

объединяет;

абстрагирует;

иерархизирует;

переносит;

сжимает;

разворачивает;

и переорганизует знания.

Особое значение это приобретает в эпоху искусственного интеллекта.

Человеко-машинное взаимодействие в значительной степени осуществляется через язык.

Следовательно, качество языковой постановки задачи становится одним из факторов качества интеллектуального результата.

В этом смысле лингвистика оказывается связанной не только с описанием языка, но и с архитектурой мышления.

16 — Паттернальная линия серии

Одним из центральных процессов познания является обнаружение повторяющихся структур.

Назовем такие структуры паттернами.

Паттерн может проявляться в числовой последовательности.

В геометрической конфигурации.

В языке.

В поведении сложной системы.

В доказательстве.

В структуре научной революции.

В способе формирования ошибки.

В траектории изменения некоторого показателя.

Однако простого обнаружения повторяемости недостаточно.

Необходимо различать случайный рисунок и структурно обусловленный паттерн.

Именно это различие особенно важно при работе с большими вычислительными массивами.

Чем больше данных, тем больше в них можно найти случайных регулярностей.

Следовательно, паттернальная методология должна включать не только обнаружение закономерностей, но и систему их проверки.

В настоящем исследовании эта задача проявляется постоянно.

Например, если несколько уровней неснижаемости имеют одинаковую границу, возникает плато.

Если плато повторяются, появляется новый паттерн.

Если изменяется длина плато, возникает динамика паттерна.

Если сама динамика обнаруживает устойчивость, появляется метапаттерн.

Так один и тот же объект может рассматриваться на нескольких уровнях.

Число.

Последовательность чисел.

Структура последовательности.

Изменение структуры.

Закон изменения структуры.

Паттернальная линия Метаорганона должна изучать именно такие переходы.

Особый интерес представляет вопрос о том, какие паттерны способны становиться основой доказательства.

Далеко не всякая обнаруженная регулярность обладает доказательной силой.

Поэтому одной из задач паттернального анализа является движение от визуального или статистического сходства к структурному инварианту.

17 — Семантическая линия серии

Если лингвистическое направление связано прежде всего со средствами выражения мысли, то семантическое направление связано со структурами смысла.

Одно и то же математическое утверждение может быть представлено различными способами.

Формулой.

Графиком.

Таблицей.

Словесным определением.

Алгоритмом.

Геометрической моделью.

Последовательностью преобразований.

Формально эти представления могут описывать один объект.

Но с когнитивной точки зрения они неэквивалентны.

Одно представление делает очевидной величину.

Другое — динамику.

Третье — экстремумы.

Четвертое — симметрию.

Пятое — возможность индукционного перехода.

Следовательно, смысловая структура знания зависит не только от истинности утверждений, но и от системы отношений между их представлениями.

В настоящей книге переход от классического утверждения Гольдбаха к Метатеореме Гольдбаха является одновременно математическим и семантическим переходом.

Классический вопрос:

«Существует ли хотя бы одно представление?»

заменяется системой вопросов:

«Сколько представлений существует?»

«Каков гарантированный минимум?»

«Как этот минимум изменяется?»

«Где достигается новый уровень?»

«Как изменяются границы?»

Таким образом, изменяется не только ответ.

Изменяется смысловое пространство самой задачи.

Семантическая линия Метаорганона должна исследовать подобные преобразования — ситуации, в которых изменение системы понятий открывает новый класс вопросов и тем самым изменяет структуру доступного знания.

18 — Метаиндукция как один из базовых методов новой логико-математической методологии

Одним из наиболее важных понятий, разрабатываемых в настоящей книге, является метаиндукция.

Необходимо сразу подчеркнуть: речь не идет об отмене или замене математической индукции.

Классическая математическая индукция остается фундаментальным логическим принципом.

Метаиндукция рассматривается как более общая методология построения индукционного доказательства в тех случаях, когда исходное свойство само по себе не образует удобной замкнутой системы перехода.

Обычная индукционная схема выглядит предельно ясно.

Устанавливается база.

Затем доказывается переход от некоторого уровня к следующему.

После этого утверждение распространяется на весь соответствующий ряд.

Но главная трудность реальных задач часто находится не внутри этой схемы.

Она возникает раньше.

Что именно следует переносить от шага к шагу?

Одно утверждение?

Несколько утверждений?

Численную границу?

Коридор?

Запас прочности?

Нижнюю огибающую?

Структуру исключений?

Систему взаимосвязанных параметров?

Метаиндукция начинается именно с этого вопроса.

Если первичное свойство не замкнуто относительно перехода, необходимо подняться на такой уровень описания, на котором замкнутым становится расширенное состояние.

После этого переход доказывается уже для состояния.

А исходное утверждение получается как следствие.

Так появляется центральная схема:

первичное свойство;

обнаружение недостаточности первичного перехода;

построение метасостояния;

поиск минимального индукционного замыкания;

доказательство перехода между состояниями;

возврат к первичному утверждению.

В проблеме Гольдбаха это означает потенциальный переход от анализа единичного числа разложений к системе характеристик нижнего экстремального слоя.

Таким образом, метаиндукция становится не новой аксиомой, а новой архитектурой поиска доказательства.

19 — Теория простых чисел как испытательный полигон Метаорганона

Для проверки новой методологии особенно важны задачи, которые невозможно решить одной лишь терминологической переорганизацией.

Теория простых чисел в этом отношении является почти идеальным испытательным полигоном.

Здесь нельзя заменить доказательство философской убедительностью.

Нельзя объявить найденный паттерн законом только потому, что он красив.

Нельзя распространить вычислительный результат на бесконечность только потому, что он проверен на огромном диапазоне.

Математическая задача сопротивляется.

Именно это сопротивление делает ее ценной.

Если такие понятия, как метадинамика, событийный анализ, индукционное состояние и метаиндукция, не дают содержательного прироста, это должно обнаружиться именно здесь.

Если же они позволяют увидеть новые закономерности, сформулировать более сильные утверждения и построить доказательство, то они получают значительно более серьезное основание для дальнейшего применения.

Поэтому простые числа в настоящей программе выполняют двойную функцию.

Они являются самостоятельным предметом исследования.

И одновременно служат стресс-тестом методологии.

Особое значение имеет проблема Гольдбаха.

Ее формулировка элементарна.

Ее вычислительная проверяемость чрезвычайно высока.

Но переход от огромного количества подтверждений к универсальному утверждению принципиально труден.

Именно такой объект особенно удобен для исследования границы между эмпирическим знанием и доказательством.

Здесь можно в чистом виде увидеть, где заканчивается вычислительная уверенность и начинается необходимость универсального логического перехода.

Поэтому работа над Метатеоремой Гольдбаха одновременно является работой над одним из центральных вопросов теории чисел и экспериментом над самой архитектурой математического познания.

20 — От решения отдельных задач к новой архитектуре производства знания

Традиционное представление о научной работе часто строится вокруг отдельной задачи.

Ставится проблема.

Создается метод.

Получается решение.

Публикуется результат.

Затем исследователь переходит к следующей задаче.

Такой путь остается фундаментально важным.

Но современный масштаб научного материала, вычислительных средств и систем искусственного интеллекта позволяет поставить более общий вопрос.

Можно ли проектировать не только решения, но и сами архитектуры производства новых решений?

Именно этот вопрос находится в центре программы Метаорганона.

Вместо поиска единственного удачного приема возникает задача построения воспроизводимой многоуровневой системы исследования.

В ней должны взаимодействовать:

постановка проблемы;

создание понятий;

формирование показателей;

вычисление;

визуализация;

поиск паттернов;

динамический анализ;

метадинамический анализ;

выдвижение гипотез;

адверсарная проверка;

поиск инвариантов;

формирование доказательного состояния;

логический переход;

обобщение;

и возврат к более высокому уровню постановки проблемы.

Такая система напоминает не линейную цепочку, а циклическую архитектуру.

Каждый полученный результат может изменить исходный язык задачи.

Новый язык порождает новые показатели.

Новые показатели позволяют увидеть новые закономерности.

Новые закономерности требуют новых способов доказательства.

Новое доказательство может открыть новый класс объектов.

Так возникает саморазвивающийся исследовательский процесс.

Особое значение в этой архитектуре приобретает взаимодействие человека и искусственного интеллекта.

Человек задает направление, формирует концептуальные различия, оценивает содержательность и принимает ответственность за окончательные утверждения.

Искусственный интеллект позволяет быстро расширять пространство проверяемых вариантов, работать с большими массивами возможных связей, строить модели, выявлять противоречия и ускорять множество промежуточных интеллектуальных операций.

Но центральным объектом становится не человек отдельно и не машина отдельно.

Объектом исследования становится архитектура их совместной познавательной деятельности.

Именно поэтому проблема Метаорганона выходит далеко за пределы одной математической книги.

Речь идет о поиске методов работы в ситуации, когда человечество получает принципиально новые средства интеллектуальной деятельности и должно создать соответствующие им формы организации знания.

В этом смысле Метатеорема Гольдбаха представляет собой одновременно конкретную математическую задачу и один из первых экспериментов более широкой программы.

Мы начинаем с простых чисел.

Но вопрос, который стоит за этим исследованием, значительно шире.

Можно ли научиться систематически переходить от фактов к динамике, от динамики к метадинамике, от метадинамики к инвариантам, от инвариантов к доказательству, а от отдельного доказательства — к новой архитектуре производства знания?

Поиск ответа на этот вопрос и составляет одну из центральных задач Метаорганона.

Именно с этой точки начинается дальнейшее движение настоящей книги.

**********

ВВЕДЕНИЕ

1 — Простые числа как фундаментальный объект математики

Простые числа занимают особое положение в математике.

С одной стороны, они определяются чрезвычайно просто. Простое число — это натуральное число, большее единицы, имеющее ровно два натуральных делителя: единицу и само себя.

С другой стороны, именно простые числа образуют тот фундаментальный слой натурального ряда, через который выражается мультипликативная структура всех натуральных чисел.

Каждое натуральное число, большее единицы, либо является простым, либо может быть представлено в виде произведения простых чисел. Причем такое разложение, если не учитывать порядок множителей, единственно.

Поэтому простые числа можно рассматривать как своеобразные элементарные компоненты натурального ряда.

Но сравнение с элементарными компонентами имеет существенное ограничение.

Простые числа не образуют очевидной регулярной последовательности.

После одного простого числа следующее может находиться совсем рядом, а может быть отделено от него сравнительно большим промежутком.

По мере роста натурального ряда простые числа становятся относительно более редкими, но их абсолютное количество продолжает неограниченно возрастать.

В одних интервалах их оказывается больше, чем можно было бы ожидать из слишком простой локальной модели, в других — меньше.

Существуют закономерности распределения простых чисел, но эти закономерности сочетаются с весьма сложными локальными флуктуациями.

Именно это соединение глобального порядка и локальной нерегулярности делает простые числа одним из наиболее глубоких объектов математики.

История их исследования насчитывает более двух тысячелетий.

Эратосфен предложил знаменитое решето.

Евклид доказал бесконечность множества простых чисел.

Эйлер связал простые числа с бесконечными произведениями и аналитическими конструкциями.

Гаусс и Лежандр обнаружили глубокие закономерности их распределения.

В XIX и XX веках теория простых чисел стала одной из центральных областей аналитической теории чисел.

Однако даже огромное количество накопленных результатов не означает, что все существенные способы рассмотрения простых чисел уже найдены.

Вполне возможно, что часть новых результатов скрывается не столько в неизвестных числах, сколько в еще не введенных характеристиках известных числовых структур.

Именно эта возможность является одной из отправных точек настоящей книги.

2 — Простота формулировки и глубина математической структуры

История математики многократно показывала, что краткость формулировки задачи не связана напрямую с трудностью ее решения.

Проблема Гольдбаха является одним из наиболее ярких примеров.

Ее классическая постановка понятна человеку, знающему только элементарное понятие простого числа и операцию сложения.

Можно взять четное число и попытаться представить его как сумму двух простых.

Например:

10 = 3 + 7

или

10 = 5 + 5.

Для числа 10 существуют уже два различных неупорядоченных представления.

Для других четных чисел число таких представлений может быть значительно больше.

Сам исходный вопрос выглядит почти элементарным:

имеет ли каждое четное число, большее двух, хотя бы одно такое представление?

Однако за этой простой формулировкой возникает чрезвычайно сложная математическая структура.

Причина состоит в том, что здесь взаимодействуют два различных типа организации натурального ряда.

Первый связан с аддитивной структурой — со сложением.

Второй связан с распределением простых чисел, определяемых через делимость, то есть через мультипликативную структуру.

Проблема Гольдбаха соединяет эти два мира.

Необходимо понять, каким образом множество, определяемое мультипликативным свойством, ведет себя при аддитивном комбинировании его элементов.

Именно поэтому обычной проверки большого количества примеров недостаточно.

Даже если некоторое утверждение выполняется для чрезвычайно большого конечного диапазона, остается бесконечный хвост натурального ряда.

Следовательно, необходим закон.

Но еще точнее — необходим такой закон, который контролирует не только типичное или среднее поведение, а наиболее неблагоприятный случай.

Именно эта особенность будет иметь принципиальное значение для всей дальнейшей конструкции книги.

3 — Ограниченность бинарных вопросов

Большое количество классических математических задач формулируется бинарно.

Существует или не существует.

Выполняется или не выполняется.

Есть хотя бы один объект или его нет.

Для многих задач именно такая постановка является естественной и достаточной.

Но в других случаях бинарный вопрос способен скрыть значительную часть структуры исследуемого явления.

Рассмотрим проблему Гольдбаха.

Классическая постановка требует, чтобы количество представлений каждого четного числа в виде суммы двух простых было не меньше единицы.

Обозначим количество различных неупорядоченных представлений четного числа N через G(N).

Тогда классическое утверждение можно записать очень просто:

G(N) >= 1

для каждого четного N > 2.

Но функция G(N) может принимать не только значения 0 и 1.

Она может принимать значения 2, 5, 10, 100, 1000 и значительно больше.

Следовательно, бинарный вопрос

«есть представление или нет?»

является лишь вопросом о прохождении самого нижнего возможного порога.

Можно поставить более общий вопрос:

насколько велико G(N)?

Но и этого недостаточно.

Значение для одного отдельного N еще не характеризует поведение системы.

Поэтому следующий вопрос звучит иначе:

какое минимальное значение G(N) гарантировано после некоторой границы?

Именно здесь возникает переход от индивидуального значения к гарантированному уровню.

Вместо вопроса:

«имеет ли данное число представление?»

мы начинаем спрашивать:

«какое количество представлений уже невозможно потерять после достижения определенного масштаба?»

Это принципиально другой объект исследования.

Именно он приводит нас к понятию неснижаемости.

4 — Существование, количество, распределение, динамика и метадинамика

В настоящей книге предлагается рассматривать исследование простых чисел и связанных с ними аддитивных структур как последовательность нескольких уровней.

Первый уровень — существование.

На нем задается вопрос:

существует ли хотя бы один объект с требуемым свойством?

Второй уровень — количество.

Вопрос становится другим:

сколько таких объектов существует?

Третий уровень — распределение.

Мы исследуем уже не одно количество, а расположение количественных значений по натуральному ряду или по системе интервалов.

Четвертый уровень — динамика.

Здесь объектом становится изменение распределения при переходе от одного масштаба к другому.

Пятый уровень — метадинамика.

Теперь исследуется уже изменение самой динамики.

Иными словами:

значение;

изменение значения;

изменение характера изменения.

Этот переход можно продолжать, но повышение уровня имеет смысл только тогда, когда оно дает новую информацию.

В книге термин «метадинамика» используется именно в этом содержательном смысле.

Например, можно исследовать количество простых чисел в последовательных удвоенных интервалах.

Это значения.

Можно сравнивать рост их количества между соседними интервалами.

Это динамика.

Можно исследовать, как изменяется сам коэффициент этого роста.

Это уже метадинамика.

Точно так же можно рассматривать границы, после которых гарантируется определенное число представлений Гольдбаха.

Получаем последовательность границ.

Затем исследуем расстояния между ними.

После этого — изменение этих расстояний.

Далее — возможную стабилизацию отношений, коридоров или других характеристик.

Таким образом, предметом исследования становится не только числовая последовательность, но и архитектура ее изменений.

5 — От проблемы Гольдбаха к Метатеореме Гольдбаха

Переход к Метатеореме начинается с очень простого изменения вопроса.

Классическая проблема спрашивает:

существует ли хотя бы одно разложение?

Мы спрашиваем:

какое количество разложений может быть гарантировано?

Пусть K — произвольное натуральное число.

Рассмотрим утверждение:

существует конечное число V(K), после которого каждое четное число имеет не менее K представлений в виде суммы двух простых.

Простая запись имеет вид:

N >= V(K) => G(N) >= K,

где N — четное число.

Словесно:

для каждого уровня K существует конечная граница V(K), начиная с которой количество представлений любого четного числа уже не опускается ниже K.

В таком виде классический случай соответствует только уровню K = 1.

Но если утверждение выполняется для любого K, то возникает значительно более сильный результат.

Гарантированный минимум количества представлений не просто положителен.

Он может превышать любую заранее заданную конечную величину.

Именно это утверждение в настоящей книге называется Метатеоремой Гольдбаха.

Ее содержательную идею можно выразить еще проще:

по мере продвижения достаточно далеко по натуральному ряду минимально гарантированное количество разложений четного числа в сумму двух простых возрастает без конечной верхней границы.

Таким образом, предметом становится уже не единичное представление, а неограниченно возрастающий запас представлений.

Именно этот запас может оказаться математически важнее самого факта существования одной пары.

6 — Понятие более сильного математического утверждения

В математике одно утверждение называется более сильным по отношению к другому, если из первого следует второе, но обратное следование в общем случае отсутствует.

Метатеорема Гольдбаха обладает именно таким отношением к классическому утверждению.

Если для любого K существует конечная граница, после которой каждое четное число имеет не менее K представлений, то, в частности, существует такая гарантия для K = 1.

Следовательно, более сильное утверждение содержит классическое как свой частный минимальный уровень.

Это обстоятельство имеет важное методологическое значение.

На первый взгляд естественно предположить, что более сильное утверждение всегда труднее доказать.

Часто это действительно так.

Однако история математики знает ситуации, когда усиление утверждения обнаруживает структуру, которая в более слабой формулировке почти не видна.

Слишком слабое утверждение может быть неудобно для индукции.

Оно содержит только минимальный факт и не сохраняет информацию о запасе.

Предположим, мы знаем лишь:

существует одно представление.

При переходе к следующему масштабу это утверждение практически не содержит резерва.

Но если известно, что существует большое количество представлений, появляется возможность анализировать:

сколько из них может быть потеряно;

сколько новых может возникнуть;

какой запас остается;

как изменяется нижняя граница;

какой уровень гарантии переносится дальше.

Таким образом, более сильное утверждение потенциально содержит больше внутренней структуры для построения перехода.

Это одна из центральных идей настоящего исследования:

иногда путь к доказательству слабого утверждения может проходить через построение существенно более сильного утверждения.

7 — Основная идея новой теории простых чисел

Предлагаемая в книге новая исследовательская перспектива строится вокруг перехода от статических характеристик к динамическим и событийным.

Обычно диапазон чисел выбирается заранее.

Например:

от X до 2X.

После этого внутри диапазона подсчитывается количество простых или другая характеристика.

Но возможна обратная постановка.

Не фиксировать длину диапазона.

Фиксировать событие.

Например:

сколько натурального расстояния необходимо пройти, чтобы количество найденных простых удвоилось?

Или:

насколько должен увеличиться масштаб, чтобы гарантированный минимум числа разложений Гольдбаха вырос с K до 2K?

В первом случае независимой переменной фактически становится натуральный масштаб.

Во втором — событие.

Так возникает событийная система координат.

Вместо вопроса

«что произошло за данный интервал?»

можно задать вопрос

«какой интервал потребовался для данного события?»

Эти постановки математически связаны, но исследовательски не тождественны.

Вторая способна выявлять закономерности, плохо видимые в первой.

Отсюда возникают понятия:

натурального времени;

цены события;

цены удвоения;

мультипликативной траектории;

границы достижения;

границы неснижаемости;

динамики границ;

метадинамики границ.

Поэтому под новой теорией простых чисел в настоящей книге понимается не отказ от классической теории и не попытка заменить ее.

Речь идет о дополнительном уровне описания, в котором основными объектами становятся процессы изменения, события и отношения между масштабами.

Классические результаты при этом являются фундаментом.

Новая система показателей должна не противоречить им, а извлекать из уже существующей математической структуры дополнительные закономерности.

8 — Структура исследовательской программы

Исследовательская программа книги строится поэтапно.

Первый этап — классическая база.

Рассматриваются простые числа, их распределение, классические интервальные результаты и проблема Гольдбаха.

Второй этап — построение количественного аппарата.

Для каждого четного числа определяется количество его представлений суммой двух простых.

Формируется массив значений G(N).

Третий этап — исследование нижнего экстремального слоя.

Средние значения сами по себе недостаточны.

Для Метатеоремы принципиален худший случай.

Поэтому особое внимание уделяется минимальным значениям и последним нарушениям заданных уровней.

Четвертый этап — построение границ неснижаемости.

Для каждого K исследуется граница V(K), после которой в рассматриваемой структуре уровень K уже не нарушается.

На конечном вычислительном диапазоне такая граница является прежде всего эмпирической характеристикой данного диапазона.

Пятый этап — исследование последовательности V(K).

Изучаются:

скачки;

отношения соседних значений;

плато;

переходные зоны;

траектории удвоения;

другие мультипликативные траектории.

Шестой этап — метадинамический анализ.

Исследуется уже не просто изменение V(K), а изменение характеристик этого изменения.

Седьмой этап — поиск инварианта.

Необходимо найти не просто хорошо работающую эмпирическую формулу, а структуру, способную участвовать в универсальном доказательном переходе.

Восьмой этап — построение индукционного состояния.

Если одного показателя недостаточно, формируется система взаимосвязанных характеристик.

Девятый этап — поиск индукционного замыкания.

Необходимо определить минимальный состав состояния, который воспроизводит себя при переходе.

Десятый этап — доказательство универсального перехода.

Именно здесь заканчивается вычислительная эвристика и начинается решающая часть доказательства.

Таким образом, вычисления выполняют функцию разведки математической структуры.

Но бесконечное утверждение должно быть получено уже из универсального перехода, а не из размера вычисленного массива.

9 — Основные термины

Для дальнейшего изложения необходимо зафиксировать несколько основных терминов.

Количество разложений G(N).

Число различных неупорядоченных пар простых чисел, сумма которых равна четному числу N.

Например, если учитываются пары 3 + 7 и 5 + 5 для числа 10, то перестановка 7 + 3 отдельным представлением не считается.

Уровень K.

Заранее заданное минимальное количество представлений.

Первое достижение уровня K.

Наименьшее четное число N, для которого G(N) впервые становится не меньше K.

Первое достижение не означает, что последующие значения уже не опустятся ниже K.

Нарушение уровня K.

Четное число N, для которого

G(N) < K.

Последнее нарушение уровня K.

Наибольшее число, на котором уровень K еще нарушается, если существование такого последнего нарушения установлено в рассматриваемой области или доказано глобально.

Граница неснижаемости V(K).

Граница, начиная с которой G(N) уже не опускается ниже K.

В глобальной формулировке:

N >= V(K) => G(N) >= K

для всех четных N.

При вычислительном исследовании конечного диапазона необходимо специально указывать, что речь идет только о границе неснижаемости внутри этого диапазона.

Переходная зона.

Область между первым достижением уровня и его устойчивым закреплением.

В ней уровень K уже достигается, но еще может нарушаться.

Плато.

Ситуация, когда несколько соседних уровней имеют одну и ту же границу неснижаемости.

Нижняя огибающая.

Характеристика, отражающая наиболее неблагоприятное поведение исследуемой функции.

Именно нижняя огибающая, а не среднее значение, является критической для доказательства гарантированного минимума.

Натуральное время.

Расстояние по натуральному ряду, необходимое для достижения заданного события.

Цена удвоения.

Изменение натурального масштаба, необходимое для перехода от некоторого уровня к удвоенному уровню.

Динамика.

Изменение характеристики при изменении масштаба, уровня или другой независимой переменной.

Метадинамика.

Изменение самой динамической закономерности.

Индукционное состояние.

Набор характеристик, рассматриваемых совместно и переносимых в доказательном переходе.

Индукционное замыкание.

Такой достаточный набор характеристик, при котором из состояния одного уровня можно универсально вывести состояние следующего уровня или другого заранее определенного более высокого уровня.

Метаиндукция.

Методология построения индукционного доказательства посредством поиска того уровня описания и того состава индукционного состояния, на котором возникает доказательное замыкание.

10 — Структура доказательной стратегии

Главная трудность Метатеоремы Гольдбаха состоит не в демонстрации роста среднего количества представлений.

Средний рост сам по себе не исключает редких глубоких провалов.

Не достаточно также показать, что подавляющее большинство четных чисел имеет много представлений.

Метатеорема содержит универсальный квантор.

Она относится к каждому достаточно большому четному числу.

Следовательно, доказательство должно контролировать худший случай.

Именно здесь проходит главная граница между статистическим аргументом и универсальным доказательством.

Доказательная стратегия книги строится вокруг нижнего экстремального слоя.

Необходимо установить такую структуру, при которой после достижения определенного уровня появление нового критического провала становится невозможным.

В общем виде предполагаемая логика имеет следующую форму.

Сначала определяется уровень K.

Затем строится состояние S(K), содержащее не только сам факт достижения этого уровня, но и дополнительную информацию, необходимую для перехода.

После этого доказывается универсальное утверждение вида:

если состояние S(K) выполнено, то после конечного увеличения масштаба возникает состояние S(K+1)

или, в более сильной форме,

из S(K) возникает S(2K).

Здесь S обозначает не одно число, а систему характеристик.

Если такой переход доказан для произвольного K и существует начальная база, возникает возможность метаиндукционного продолжения.

Схематически:

S(1) => S(2) => S(4) => S(8) => …

или другая универсальная возрастающая последовательность уровней.

Но сама схема еще не является доказательством.

Все зависит от содержания состояния S и от строгости переходной теоремы.

Поэтому центральная задача заключается не в выборе красивой последовательности уровней.

Она заключается в нахождении метаинварианта, обеспечивающего замыкание перехода.

Именно здесь сходятся основные линии книги:

вычислительный эксперимент;

теория неснижаемости;

анализ последних нарушений;

мультипликативные траектории;

метадинамика;

индукционные состояния;

метаиндукция.

Их конечная цель — построение универсального перехода, независимого от любой конечной вычислительной границы.

Если такой переход установлен, конечный вычислительный массив может потребоваться лишь для проверки начальной базы.

Все последующие уровни возникают уже не в результате продолжения перебора, а как следствие доказанного закона.

Таким образом, структура книги движется от простого числа к распределению, от распределения к динамике, от динамики к метадинамике, от метадинамики к инварианту, от инварианта к индукционному состоянию и от индукционного состояния — к доказательству.

Именно эта траектория определяет дальнейшее изложение.

******

ЧАСТЬ I. КЛАССИЧЕСКАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Теория простых чисел относится к древнейшим и одновременно наиболее современным областям математики.

Некоторые ее основные вопросы были сформулированы более двух тысяч лет назад. Однако значительная часть проблем, связанных с распределением простых чисел, взаимодействием аддитивной и мультипликативной структуры натурального ряда и поведением простых на больших масштабах, продолжает оставаться предметом интенсивных исследований.

Для дальнейшего движения нам необходимо сначала определить классический фундамент.

В этой части будут рассмотрены основные свойства натуральных и простых чисел, решето Эратосфена, бесконечность множества простых, их распределение и поведение в числовых интервалах.

Однако классический материал будет рассматриваться не только исторически.

Нас будет интересовать также вопрос:

какую информацию дает тот или иной результат — и какой информации он еще не дает?

Именно такое различение впоследствии позволит перейти от классической теории существования простых чисел к исследованию их количества, динамики и метадинамики.

Глава 1. Натуральные и простые числа

1 — Натуральный ряд

Натуральные числа являются одним из исходных объектов математики.

В настоящей книге натуральный ряд будем записывать в виде:

1, 2, 3, 4, 5, 6, …

Каждое натуральное число имеет следующее натуральное число, поэтому натуральный ряд не имеет конечного последнего элемента.

Эта простая последовательность содержит в себе огромное количество различных структур.

Можно исследовать четные и нечетные числа.

Можно рассматривать квадраты, кубы и другие степени.

Можно выделять числа, кратные заданному числу.

Можно исследовать делители.

Можно строить арифметические прогрессии.

Но среди всех структур натурального ряда особое место занимает разделение чисел на простые и составные.

Именно оно раскрывает внутреннюю мультипликативную архитектуру натуральных чисел.

Если рассматривать натуральный ряд только как последовательность

1, 2, 3, 4, 5, …

то между соседними числами существует чрезвычайно простое отношение: каждое следующее число получается прибавлением единицы.

Но если рассматривать те же числа с точки зрения делимости, структура резко усложняется.

Например:

6 = 2 * 3

12 = 2 * 2 * 3

30 = 2 * 3 * 5

210 = 2 * 3 * 5 * 7.

Одни числа могут быть разложены на меньшие множители.

Другие сопротивляются такому разложению.

Именно эти последние числа и называются простыми.

Таким образом, натуральный ряд можно рассматривать одновременно как минимум в двух фундаментальных структурах:

аддитивной — связанной со сложением;

мультипликативной — связанной с умножением и делимостью.

Это различие будет чрезвычайно важно далее.

Проблема Гольдбаха возникает именно там, где эти две структуры взаимодействуют: простые числа определяются через мультипликативные свойства, а затем исследуются их аддитивные комбинации.

2 — Простые и составные числа

Натуральное число, большее единицы, называется простым, если оно имеет ровно два натуральных делителя:

1 и само себя.

Первые простые числа:

2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, …

Число 2 является первым простым числом и одновременно единственным четным простым числом.

Все остальные простые числа нечетны.

Натуральное число, большее единицы, называется составным, если оно имеет делители, отличные от 1 и самого себя.

Например:

4 = 2 * 2

6 = 2 * 3

8 = 2 * 4

9 = 3 * 3

10 = 2 * 5.

Число 1 не относится ни к простым, ни к составным числам.

Это соглашение имеет фундаментальное значение.

Если бы единицу считали простым числом, единственность разложения натурального числа на простые множители нарушалась бы в тривиальной форме, поскольку к любому разложению можно было бы добавлять произвольное количество множителей 1.

Например:

6 = 2 * 3

но тогда также:

6 = 1 * 2 * 3

6 = 1 * 1 * 2 * 3

и так далее.

Исключение единицы из множества простых чисел делает понятие разложения строгим и естественным.

Простые числа обладают необычным двойственным свойством.

С одной стороны, они являются сравнительно редкими элементами натурального ряда.

С другой стороны, именно из них посредством умножения строятся все составные натуральные числа.

Поэтому редкость простых не означает их второстепенности.

Напротив, их роль является фундаментальной.

Можно сказать:

составные числа многочисленны как готовые конструкции, но простые числа образуют их элементарный мультипликативный базис.

3 — Делимость

Понятие простого числа основано на понятии делимости.

Говорят, что натуральное число a делит натуральное число b, если существует такое натуральное число c, что

b = a * c.

В этом случае a называется делителем b, а b — кратным a.

Например:

3 делит 12,

поскольку

12 = 3 * 4.

А число 5 не делит 12, поскольку не существует натурального числа c, для которого

12 = 5 * c.

Делимость задает внутри натурального ряда совершенно иной тип отношений, чем обычный порядок чисел.

Числа 100 и 101 расположены рядом.

Но с точки зрения делимости они принципиально различны:

100 является составным,

101 — простым.

Числа 97 и 101 близки друг к другу по величине, но простота каждого из них определяется не соседством, а всей системой возможных делителей.

Именно поэтому распределение простых чисел трудно описать через простую локальную зависимость.

Для проверки простоты числа N в принципе можно попытаться делить его на все натуральные числа от 2 до N — 1.

Но такая процедура избыточна.

Если N составно, то

N = a * b.

Не может одновременно выполняться

a > sqrt(N)

и

b > sqrt(N),

поскольку тогда произведение a * b было бы больше N.

Следовательно, если число N не имеет делителей, не превосходящих sqrt(N), оно является простым.

Этот элементарный факт имеет большое алгоритмическое значение.

Он показывает одну из важнейших особенностей теории чисел:

теоретическое понимание структуры способно резко уменьшить объем вычислений.

Этот принцип неоднократно будет возникать в дальнейшем.

Цель состоит не только в том, чтобы считать быстрее.

Необходимо искать такую структуру, которая делает часть вычислений вообще ненужной.

4 — Взаимная простота

Два натуральных числа могут быть составными и при этом не иметь общих простых делителей.

Такие числа называются взаимно простыми.

Например:

8 и 15.

Их разложения имеют вид:

8 = 2 * 2 * 2

15 = 3 * 5.

Общего простого множителя у них нет.

Поэтому их наибольший общий делитель равен 1.

В то же время числа

12 и 18

не являются взаимно простыми, поскольку оба делятся на 2, 3 и 6.

Понятие взаимной простоты является более общим, чем понятие простого числа.

Простота характеризует одно число.

Взаимная простота характеризует отношение между двумя или несколькими числами.

Например, число 8 является составным.

Число 9 также составное.

Но 8 и 9 взаимно просты.

Это различие имеет фундаментальное значение в теории чисел.

Во многих задачах важны не абсолютные свойства отдельных чисел, а отношения между их наборами простых делителей.

В дальнейшем это станет особенно заметно при рассмотрении распределения представлений Гольдбаха.

Количество представлений четного числа зависит не только от его величины.

На него влияет также его арифметическая структура, в частности структура делимости.

Поэтому числа близкого размера могут иметь существенно различное количество представлений в виде суммы двух простых.

Уже здесь возникает важный методологический вывод:

масштаб числа и арифметическая структура числа — разные характеристики.

При исследовании распределений необходимо учитывать обе.

5 — Разложение на простые множители

Возьмем любое составное натуральное число.

Его можно представить как произведение двух меньших натуральных чисел.

Если эти множители простые, процесс завершен.

Если какой-либо из них составной, его можно снова разложить.

Продолжая процесс, мы в конечном итоге получим произведение простых чисел.

Например:

84 = 2 * 42

42 = 2 * 21

21 = 3 * 7.

Следовательно,

84 = 2 * 2 * 3 * 7.

Или:

360 = 2 * 180

= 2 * 2 * 90

= 2 * 2 * 2 * 45

= 2 * 2 * 2 * 3 * 15

= 2 * 2 * 2 * 3 * 3 * 5.

Таким образом,

360 = 2 * 2 * 2 * 3 * 3 * 5.

Для компактности степени одинаковых простых множителей обычно объединяются:

360 = 2^3 * 3^2 * 5.

Разложение числа на простые множители показывает его внутреннюю мультипликативную структуру.

В определенном смысле число 360 перестает быть только одной точкой натурального ряда.

Оно становится структурой, построенной из простых компонентов.

Это дает возможность перейти от непосредственного изучения огромного множества натуральных чисел к исследованию значительно более фундаментального множества простых чисел и правил их комбинации.

6 — Основная теорема арифметики

Фундаментальным результатом является Основная теорема арифметики.

В ее классической формулировке:

каждое натуральное число, большее 1, либо является простым, либо может быть представлено в виде произведения простых чисел, причем такое представление единственно с точностью до порядка множителей.

Рассмотрим число:

Его можно получить различными промежуточными способами:

60 = 6 * 10

или

60 = 4 * 15

или

60 = 3 * 20.

Но если разложить все множители до простых, во всех случаях мы получим:

60 = 2 * 2 * 3 * 5.

Порядок множителей можно менять:

2 * 3 * 2 * 5

или

5 * 2 * 3 * 2,

но набор простых множителей с учетом их кратности останется тем же.

Именно в этом состоит единственность.

Основная теорема арифметики имеет огромное значение.

Она показывает, что множество простых чисел не является просто интересным подмножеством натурального ряда.

Оно лежит в основе всей его мультипликативной структуры.

Любое натуральное число можно описать через простые множители.

Следовательно, многие свойства натуральных чисел можно в конечном счете свести к свойствам простых чисел и их комбинаций.

Отсюда возникает фундаментальный парадокс теории простых чисел.

Сами простые числа являются «строительными элементами» максимально упорядоченной системы разложения.

Но распределение этих элементов по натуральному ряду выглядит значительно менее регулярным.

Именно напряжение между структурной фундаментальностью простых и сложностью их распределения является одной из основных причин глубины теории чисел.

7 — Простые числа как структурный базис натурального ряда

Теперь можно уточнить выражение, использованное в начале главы:

простые числа являются структурным базисом натурального ряда.

Это утверждение следует понимать прежде всего в мультипликативном смысле.

Любое натуральное число, большее единицы, определяется своим разложением на простые множители.

Можно представить натуральный ряд как огромную систему конструкций, создаваемых из сравнительно небольшого числа простых факторов на каждом конечном участке.

При этом сами простые числа не разлагаются далее в натуральных числах.

Они являются элементарными объектами относительно операции умножения.

Но существует и второй аспект.

Простые числа не только порождают составные посредством умножения.

Они образуют особое распределенное множество внутри натурального ряда.

Это множество обладает собственной геометрией расстояний.

Между соседними простыми возникают промежутки.

В различных интервалах содержится различное количество простых.

Их относительная плотность постепенно уменьшается.

Но их абсолютное число неограниченно возрастает.

Таким образом, можно выделить по меньшей мере два фундаментальных направления исследования простых чисел.

Первое направление:

из чего состоит число?

Это мультипликативная проблема разложения.

Второе направление:

где находятся простые числа?

Это проблема распределения.

Настоящая книга добавляет к ним еще несколько вопросов:

как изменяется их распределение?

как изменяется сама динамика этого распределения?

какие события можно использовать вместо заранее заданных интервалов?

существуют ли инварианты перехода между масштабами?

Позднее к этому добавится еще одна фундаментальная проблема:

что происходит, когда простые числа взаимодействуют уже не посредством умножения, а посредством сложения?

Именно отсюда начинается путь к проблеме Гольдбаха.

Глава 2. Решето Эратосфена и вычисление простых чисел

1 — Принцип решета

Одним из древнейших алгоритмов нахождения простых чисел является решето Эратосфена.

Его идея чрезвычайно проста.

Запишем последовательность натуральных чисел начиная с 2:

2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, …

Первое число — 2 — является простым.

После этого исключаем все его кратные, кроме самой двойки:

4, 6, 8, 10, 12, …

Первое оставшееся число после 2 — число 3.

Оно простое.

Исключаем его кратные:

6, 9, 12, 15, 18, …

Часть этих чисел уже была исключена как кратные 2, но это не имеет принципиального значения.

Следующее оставшееся число — 5.

Оно также простое.

Затем исключаются кратные 5.

Процесс продолжается.

В результате составные числа постепенно удаляются, а невычеркнутыми остаются простые.

Само слово «решето» чрезвычайно точно передает идею метода.

Натуральные числа как бы пропускаются через систему фильтров.

Каждый найденный простой делитель удаляет все составные числа, которые содержат его в своем разложении.

2 — Последовательное исключение составных чисел

Почему решето работает?

Ответ следует непосредственно из Основной теоремы арифметики.

Каждое составное число имеет хотя бы один простой делитель.

Следовательно, если последовательно исключать кратные всех простых чисел, любое составное число в некоторый момент обязательно будет исключено.

Например, число 77 имеет разложение:

77 = 7 * 11.

Поэтому оно будет исключено на стадии обработки простого числа 7.

Число 91:

91 = 7 * 13.

Оно также будет исключено при обработке 7.

Число 143:

143 = 11 * 13.

Оно будет исключено при обработке 11.

При этом нет необходимости обрабатывать в качестве самостоятельных фильтров составные числа.

Например, если были исключены кратные 2, то отдельное исключение кратных 4 не даст ничего принципиально нового.

Каждое число, кратное 4, уже кратно 2.

Аналогично, после обработки 3 нет необходимости использовать 9 как новый базовый фильтр.

Таким образом, сам алгоритм демонстрирует фундаментальный статус простых чисел.

Для фильтрации составных достаточно самих простых.

Составные числа в определенном смысле не создают новых типов делимости.

Они комбинируют уже существующие простые делители.

3 — Алгоритмический смысл решета

Решето Эратосфена представляет интерес не только как исторический алгоритм.

В нем содержится важный общий принцип вычислительного мышления.

Наивный подход выглядел бы следующим образом:

для каждого отдельного числа проверять все возможные делители.

Решето использует другой подход.

Оно обрабатывает сразу целые классы чисел.

Обнаружив простой делитель p, мы исключаем не одно составное число, а сразу последовательность:

2p, 3p, 4p, 5p, …

Это переход от индивидуальной проверки к структурной обработке.

Кроме того, при реализации решета до числа N нет необходимости начинать вычеркивание кратных p с 2p каждый раз.

Многие из них уже были исключены меньшими простыми числами.

Для простого p можно начинать с:

p * p.

Например, при обработке 7 числа

14, 21, 28, 35, 42

уже были исключены как кратные 2, 3 или 5.

Первым действительно новым кандидатом становится:

49 = 7 * 7.

Существует и другое важное сокращение.

Для построения списка простых до N достаточно использовать в качестве базовых делителей простые числа не более sqrt(N).

Если составное число не превосходит N, то хотя бы один из его простых множителей не превосходит sqrt(N).

После обработки всех таких простых оставшиеся невычеркнутые числа автоматически являются простыми.

Таким образом, решето демонстрирует важнейший принцип:

хороший алгоритм использует математическую структуру задачи для массового устранения невозможных вариантов.

4 — Современные варианты решета

Классическое решето Эратосфена остается практически значимым и сегодня.

Однако для работы с большими диапазонами разработано множество его модификаций.

Одна из них — сегментированное решето.

Если необходимо найти простые числа в очень большом диапазоне, хранить информацию обо всех числах от 1 до верхней границы может быть неэффективно.

Вместо этого диапазон разбивается на сегменты.

Сначала находятся простые числа до квадратного корня из верхней границы.

Затем с их помощью последовательно обрабатываются отдельные блоки.

Это позволяет резко уменьшить требуемую оперативную память.

Другой подход связан с так называемым линейным решетом, которое организует генерацию простых и минимальных простых делителей таким образом, чтобы составные числа обрабатывались контролируемое число раз.

Используются также колесные схемы, заранее исключающие числа, заведомо делящиеся на несколько первых простых.

Существуют и другие решета, предназначенные для определенных вычислительных задач.

Однако принципиальная идея сохраняется:

не проверять каждое число изолированно, а использовать структуру делимости для обработки целых множеств чисел.

Для настоящей книги это важно не только с технической точки зрения.

Позднее нам потребуется строить большие массивы простых чисел и большое количество представлений четных чисел в виде суммы двух простых.

Эффективность исходного алгоритма непосредственно определяет масштаб возможного вычислительного эксперимента.

5 — Построение больших массивов простых чисел

При исследовании простых чисел вычислительный масштаб имеет большое значение.

Для небольшой таблицы можно проверять каждое число отдельно.

Для миллионов чисел такая стратегия уже становится неоптимальной.

Для значительно больших диапазонов вопрос выбора алгоритма становится принципиальным.

Но здесь необходимо сделать важное различие.

Большой массив данных сам по себе не является новым математическим законом.

Можно вычислить огромное количество простых чисел и ничего принципиально нового не узнать.

Ценность массива возникает тогда, когда к нему задаются содержательные вопросы.

Например:

сколько простых находится в каждом удвоенном диапазоне?

как изменяется их количество?

как изменяется их доля?

как меняется отношение количества простых в соседних диапазонах?

какой длины диапазон необходим для удвоения накопленного числа простых?

как меняется эта длина?

Возникает последовательность уровней:

данные;

показатели;

динамика показателей;

метадинамика;

гипотеза;

инвариант;

доказательство.

В такой системе вычислительный массив играет роль экспериментальной базы.

Сам по себе он еще не является теорией.

Но без него некоторые закономерности было бы чрезвычайно трудно обнаружить.

6 — Решето как вычислительный и познавательный метод

У решета Эратосфена есть еще один аспект, который особенно важен для методологии настоящей книги.

Решето является не только способом получения списка простых.

Оно представляет определенный тип познавательной операции.

Мы не ищем простой объект непосредственно.

Мы последовательно удаляем все объекты, которые не могут быть простыми.

Это метод определения через исключение.

Вместо вопроса:

«Как непосредственно построить все простые числа?»

задается другой:

«Какие числа гарантированно составные и как исключить их целыми классами?»

После завершения процедуры остаются искомые объекты.

Этот принцип чрезвычайно общий.

Иногда сложный объект легче обнаружить не непосредственным построением, а последовательным сужением пространства возможностей.

В дальнейшем мы встретим похожую ситуацию при исследовании Метатеоремы Гольдбаха.

Для доказательства недостаточно находить все больше подтверждающих примеров.

Необходимо исследовать возможность нарушений.

Где может возникнуть провал?

Какова структура худшего случая?

Какие условия делают такой провал невозможным?

То есть наряду с поиском положительной конструкции возникает своеобразное «решето контрпримеров».

В этом смысле древний алгоритм Эратосфена содержит методологическую идею, значительно более общую, чем его непосредственное назначение:

структуру можно обнаруживать не только путем построения ее элементов, но и путем систематического исключения невозможного.

Глава 3. Бесконечность множества простых

1 — Теорема Евклида

Один из самых знаменитых результатов древней математики утверждает:

простых чисел бесконечно много.

Иначе говоря, не существует самого большого простого числа.

Какое бы большое простое число мы ни нашли, существуют простые числа, превосходящие его.

Этот результат связан с «Началами» Евклида и представляет собой один из классических образцов математического доказательства.

Теорема поражает сочетанием простоты и силы.

Она делает утверждение обо всем бесконечном натуральном ряде, но ее доказательство не требует перебора бесконечного количества чисел.

В этом проявляется фундаментальное отличие доказательства от вычисления.

Вычисление способно проверить конечное число случаев.

Доказательство устанавливает универсальную структуру, охватывающую сразу бесконечное множество случаев.

2 — Классическое доказательство

Рассмотрим классическую идею доказательства.

Предположим, что простых чисел существует только конечное количество.

Обозначим их:

p1, p2, p3, …, pn.

Предположим, что это полный список всех простых чисел.

Построим новое число:

M = p1 * p2 * p3 * … * pn + 1.

Число M больше 1.

Теперь попробуем разделить M на любое простое число из нашего предполагаемого полного списка.

При делении M на любое pi произведение

p1 * p2 * … * pn

делится на pi без остатка.

Следовательно, число

M = p1 * p2 * … * pn + 1

при делении на pi дает остаток 1.

Значит, M не делится ни на одно простое число из предполагаемого полного списка.

Но любое натуральное число, большее 1, либо само является простым, либо имеет простой делитель.

Следовательно, возможны два случая.

Первый:

M является простым.

Тогда существует простое число, отсутствующее в исходном полном списке.

Второй:

M является составным.

Тогда оно должно иметь простой делитель, также отсутствующий в исходном списке.

В обоих случаях возникает противоречие с предположением, что

p1, p2, …, pn

были всеми простыми числами.

Следовательно, конечного полного списка простых чисел не существует.

Простых чисел бесконечно много.

3 — Другие доказательства

Теорема о бесконечности простых имеет множество доказательств.

Это обстоятельство само по себе интересно.

Когда одно утверждение допускает принципиально разные доказательства, каждое из них может раскрывать другой аспект структуры.

Одно из наиболее известных направлений связано с Эйлером.

Эйлер обнаружил глубокую связь между простыми числами и суммой обратных натуральных чисел.

Он показал, что свойства ряда

1 + 1/2 + 1/3 + 1/4 + …

связаны с произведением по простым числам.

Если бы простых чисел было конечное количество, соответствующая структура привела бы к конечному ограничению там, где возникает расходимость.

Так аналитический аргумент снова приводит к бесконечности простых.

Существуют доказательства, использующие специальные последовательности чисел.

Есть геометрические, комбинаторные и алгебраические варианты.

Важно здесь не перечислить их все, а отметить принципиальный факт:

одно и то же утверждение может иметь несколько различных объяснений.

Это позволяет различать два вопроса:

истинно ли утверждение?

и

почему оно истинно?

Для установления математического факта достаточно одного корректного доказательства.

Но для понимания математической структуры несколько доказательств могут иметь большую ценность, поскольку показывают разные связи одного результата с другими областями.

В контексте Метаорганона это различие будет существенно.

Доказательство может устанавливать истинность.

Но более глубокая исследовательская задача состоит также в выявлении той структуры, которая делает результат естественным и объяснимым.

4 — Что означает бесконечность множества простых

Теорема Евклида дает фундаментальную гарантию.

Простые числа никогда не заканчиваются.

Однако необходимо точно понимать содержание этого результата.

Из бесконечности множества простых не следует, что простые встречаются с постоянной частотой.

Не следует, что расстояния между соседними простыми ограничены одной постоянной.

Не следует, что в любом интервале заданной фиксированной длины обязательно находится простое число.

Не следует также конкретный закон количества простых до числа N.

Бесконечность отвечает лишь на один фундаментальный вопрос:

закончатся ли простые числа когда-либо?

Ответ:

нет.

Но сразу после этого возникает более сложный вопрос:

как именно они продолжаются?

Допустим, известно, что некоторого типа объектов бесконечно много.

Это еще почти ничего не говорит о скорости их появления.

Они могут встречаться чрезвычайно часто.

Могут становиться все более редкими.

Могут образовывать сложные кластеры.

Могут демонстрировать огромные промежутки.

Поэтому переход от бесконечности к распределению является принципиальным повышением уровня вопроса.

5 — Почему бесконечность не раскрывает закон распределения

Рассмотрим условный пример.

Представим две бесконечные последовательности.

Первая:

2, 4, 6, 8, 10, …

Вторая:

10, 100, 10000, 100000000, …

Обе последовательности могут продолжаться бесконечно.

Но характер их распределения радикально различен.

Сам факт бесконечности почти ничего не сообщает о расстояниях между элементами.

С простыми числами ситуация значительно сложнее.

Мы знаем, что они бесконечны.

Но их относительная плотность постепенно снижается.

При этом они продолжают появляться на любых масштабах натурального ряда.

Возникают произвольно большие промежутки между соседними простыми.

Одновременно существуют области, в которых простые расположены сравнительно близко.

Следовательно, следующим естественным шагом после доказательства бесконечности становится количественный вопрос.

Пусть pi(N) обозначает количество простых чисел, не превосходящих N.

Тогда вместо бинарного утверждения

«простые существуют сколь угодно далеко»

мы получаем функцию:

pi(N).

Это уже существенно более богатый объект.

Можно исследовать:

как быстро растет pi(N);

какова доля простых среди первых N натуральных чисел;

как изменяется эта доля;

сколько простых содержится между N и 2N;

как меняется это количество от диапазона к диапазону.

Именно здесь начинается переход, который принципиален для всей настоящей книги:

существование -> количество -> распределение -> динамика -> метадинамика.

Теорема Евклида отвечает на вопрос существования.

Следующий уровень теории должен ответить на вопрос количества.

Еще следующий — на вопрос распределения.

А затем возникает возможность исследовать уже изменения самого распределения.

Таким образом, доказательство бесконечности простых является не завершением вопроса о простых числах.

Напротив, оно открывает следующий уровень проблемы.

Мы знаем, что простые никогда не заканчиваются.

Теперь необходимо понять, по каким законам они распределены в бесконечном натуральном ряду.

*****

Глава 4. Распределение простых чисел

1 — Количество простых до заданного числа

После доказательства бесконечности множества простых возникает следующий естественный вопрос.

Сколько простых чисел находится до заданного числа N?

Для ответа вводится специальная функция. В настоящей книге для удобства будем обозначать ее:

P(N).

Под P(N) понимается количество простых чисел, не превосходящих N.

Например:

P(10) = 4,

поскольку до 10 включительно находятся простые числа:

2, 3, 5, 7.

А:

P(20) = 8,

поскольку к ним добавляются:

11, 13, 17, 19.

На первый взгляд функция P(N) выглядит просто как счетчик.

Однако именно она превращает вопрос о простых числах из вопроса существования в количественную задачу.

Теорема Евклида утверждает, что простые числа встречаются сколь угодно далеко.

Функция P(N) позволяет задать значительно более содержательный вопрос:

с какой скоростью увеличивается их количество?

Очевидно, P(N) никогда не уменьшается.

Если N увеличивается, уже найденные простые числа не исчезают.

Но рост P(N) крайне неравномерен на малых масштабах.

Если следующее число составное, значение функции остается прежним.

Если встречается простое, функция увеличивается на единицу.

Таким образом, P(N) представляет собой ступенчатую возрастающую функцию.

Каждый ее скачок соответствует появлению нового простого числа.

Но интерес теории чисел состоит не только в отдельных скачках.

Главный вопрос:

существует ли простой закон, описывающий общий характер роста P(N) при больших N?

Ответ оказался положительным.

Однако путь к нему потребовал развития значительной части современной теории чисел.

2 — Плотность простых

Количество простых чисел само по себе еще не характеризует степень их распространенности.

Рассмотрим два диапазона.

Пусть в первом находится 100 простых среди 1000 чисел.

Во втором — 1000 простых среди 100000 чисел.

Во втором случае абсолютное количество простых значительно больше.

Но их относительная доля значительно меньше.

Поэтому необходимо различать:

абсолютное количество;

относительную плотность.

Для первых N натуральных чисел естественную относительную характеристику можно записать как:

D(N) = P(N) / N.

Здесь D(N) показывает, какую долю среди чисел от 1 до N составляют простые.

Например:

P(10) = 4,

поэтому:

D(10) = 4 / 10 = 0,4.

Для больших N эта доля уменьшается.

Это фундаментальное свойство распределения простых.

Простых чисел становится все больше в абсолютном смысле, но они одновременно становятся все более редкими относительно размера рассматриваемого диапазона.

Таким образом, уже на этом уровне мы сталкиваемся с двумя различными направлениями движения:

абсолютное количество растет;

относительная плотность снижается.

Это различие будет иметь большое значение для дальнейшей теории.

Одно и то же множество может одновременно демонстрировать рост по одному показателю и снижение по другому.

Следовательно, описание системы одной характеристикой может оказаться принципиально недостаточным.

3 — Абсолютное количество и относительная доля

Пусть мы увеличиваем верхнюю границу рассматриваемого натурального ряда.

Количество найденных простых увеличивается.

Но количество всех натуральных чисел увеличивается быстрее относительно доли, которую занимают простые.

Возникает кажущийся парадокс:

простых становится больше и одновременно их становится меньше.

Противоречия здесь нет.

Слово «больше» используется в двух различных смыслах.

В абсолютном смысле число простых возрастает.

В относительном смысле доля простых среди натуральных чисел убывает.

Например, если в некотором большом диапазоне находится десять тысяч простых, это значительно больше, чем сто простых в небольшом диапазоне.

Но если сам большой диапазон содержит миллионы чисел, относительная плотность простых в нем может быть значительно ниже.

Это различие особенно важно при работе с удвоенными диапазонами.

При переходе от диапазона порядка N к диапазону порядка 2N число рассматриваемых натуральных чисел примерно удваивается.

Плотность простых при этом постепенно уменьшается.

Но снижение плотности оказывается достаточно медленным, чтобы абсолютное число простых на больших масштабах продолжало расти.

Именно здесь возникает первое простое проявление того, что в дальнейшем мы будем называть разнонаправленной динамикой показателей.

Один показатель возрастает.

Другой уменьшается.

Но они описывают один и тот же процесс.

Следовательно, интерес представляет уже не только каждый показатель отдельно, но и отношение между их изменениями.

4 — Основные классические результаты

Исследование распределения простых чисел проходило через несколько принципиально важных этапов.

Теорема Евклида установила бесконечность множества простых.

Но она не давала количественной информации об их распределении.

Позднее появились результаты, ограничивающие количество простых сверху и снизу.

Особенно важную роль сыграли исследования Чебышева, показавшие, что количество простых до N имеет порядок величины:

N / log N,

где log N означает натуральный логарифм N.

Это еще не было полной теоремой о распределении простых чисел, но уже показывало правильный масштаб роста.

Другой фундаментальный результат относится к существованию простых в интервалах.

Постулат Бертрана, впоследствии доказанный Чебышевым, утверждает, что для каждого натурального N > 1 между N и 2N находится хотя бы одно простое число.

Таким образом, классическая теория постепенно двигалась от общего утверждения о бесконечности к более сильным утверждениям о местонахождении и количестве простых.

Следующий решающий шаг был связан с точным асимптотическим законом распределения.

5 — Теорема о распределении простых чисел

Одним из центральных результатов теории чисел является теорема о распределении простых чисел.

Она утверждает, что при достаточно больших N количество простых чисел, не превосходящих N, ведет себя асимптотически как:

P(N) ~ N / log N.

Знак «~» здесь означает, что отношение двух величин стремится к единице при неограниченном росте N.

Иначе говоря:

P(N) / (N / log N)

становится все ближе к 1.

Это не означает, что:

P(N) = N / log N

для каждого N.

Такого точного равенства нет.

Речь идет о глобальной асимптотической закономерности.

Чем больше масштаб, тем лучше величина N / log N описывает главный порядок роста количества простых.

Теорема о распределении простых чисел представляет собой колоссальный шаг по сравнению с теоремой Евклида.

Евклид отвечает:

простые числа не заканчиваются.

Теорема о распределении простых отвечает:

с какой приблизительной скоростью возрастает их количество.

Это хороший пример перехода:

от существования к количественному закону.

6 — Логарифмический закон

Почему логарифм занимает столь важное место в распределении простых?

Из теоремы о распределении простых следует приближенное соотношение:

P(N) / N ~ 1 / log N.

Левая часть представляет собой среднюю долю простых среди первых N натуральных чисел.

Следовательно, грубо можно говорить:

вероятностная плотность появления простого числа около большого масштаба N имеет порядок 1 / log N.

Это не вероятность в строгом смысле случайного процесса.

Простота числа полностью детерминирована.

Но выражение 1 / log N дает полезную среднюю характеристику частоты простых на больших масштабах.

Поскольку log N возрастает, величина:

1 / log N

уменьшается.

Следовательно, простые числа становятся относительно более редкими.

Но логарифм растет очень медленно.

Именно поэтому уменьшение плотности простых происходит также сравнительно медленно.

Это обстоятельство принципиально.

Если бы плотность уменьшалась значительно быстрее, абсолютное количество простых в растущих интервалах могло бы не увеличиваться.

Но логарифмическое разрежение достаточно медленно, чтобы при увеличении размеров интервалов абсолютное число простых в них оставалось большим и в характерных масштабах возрастало.

Таким образом, логарифмический закон создает своеобразный баланс:

простые разрежаются;

но разрежаются медленнее, чем растет масштаб рассматриваемого пространства.

7 — Среднее поведение и локальные отклонения

Теорема о распределении простых чисел описывает глобальное среднее поведение.

Но она не утверждает, что простые числа распределены равномерно.

Напротив, локальное распределение демонстрирует значительные колебания.

Иногда два простых числа располагаются очень близко.

Например:

11 и 13,

17 и 19,

29 и 31.

Такие пары называются простыми близнецами, если отличаются на 2.

С другой стороны, между соседними простыми могут возникать большие промежутки.

Более того, существуют сколь угодно длинные последовательности составных чисел.

Например, для любого натурального m можно рассмотреть числа:

(m + 1)! + 2,

(m + 1)! + 3,

…

(m + 1)! + (m + 1).

Каждое из них составное, поскольку соответствующее число делит один из членов этой последовательности.

Следовательно, сколь угодно длинные промежутки без простых действительно существуют.

Это показывает важное различие:

глобальный закон не устраняет локальных флуктуаций.

Можно очень хорошо понимать среднюю плотность и при этом не знать точного поведения в конкретном небольшом интервале.

Для дальнейшей темы Гольдбаха это различие принципиально.

Средний рост количества разложений еще не гарантирует отсутствие отдельных глубоких провалов.

Поэтому всякий раз необходимо задавать вопрос:

исследуем ли мы среднее поведение или худший случай?

Эти задачи требуют разных типов аргументов.

8 — Нижние и верхние характеристики распределения

Среднее значение — только одна характеристика распределения.

Для многих математических задач значительно важнее его края.

Можно спрашивать:

каково максимальное количество простых в интервалах заданного размера?

каково минимальное количество?

какова наибольшая длина промежутка без простых?

какая нижняя граница количества простых может быть гарантирована?

какая верхняя граница возможна?

Именно так возникают нижние и верхние характеристики распределения.

Предположим, что среднее количество объектов в некотором диапазоне равно 100.

Это само по себе ничего не гарантирует для отдельного диапазона.

Один интервал может содержать 150 объектов.

Другой — 50.

Третий — еще меньше.

Если нас интересует утверждение, которое должно выполняться для каждого диапазона, среднее значение недостаточно.

Необходимо контролировать нижний край распределения.

Этот принцип будет центральным для Метатеоремы Гольдбаха.

Вместо вопроса:

«сколько представлений имеет четное число в среднем?»

главным станет вопрос:

«какое минимальное количество представлений можно гарантировать для каждого достаточно большого четного числа?»

Так уже в классической теории распределения простых появляется различие между:

типичным поведением;

экстремальным поведением.

Следующая глава переносит этот анализ с первых N натуральных чисел на отдельные интервалы.

Глава 5. Простые числа в интервалах

1 — Последовательные интервалы

Функция P(N) показывает количество простых чисел от начала натурального ряда до N.

Но для исследования динамики распределения этого недостаточно.

Предположим, мы знаем:

P(1000)

и

P(2000).

Разность:

P(2000) — P(1000)

показывает количество простых между 1000 и 2000.

Так возникает интервальный подход.

Вместо накопленного количества простых рассматривается их число внутри отдельных диапазонов.

Для интервала от A до B количество простых можно записать как:

P(B) — P(A),

если левая граница не включается, а правая включается.

В настоящей книге при анализе последовательных непересекающихся диапазонов мы будем придерживаться именно этой конвенции:

левая граница исключается;

правая включается.

Это позволяет избежать двойного учета граничных чисел.

Интервальный анализ дает возможность наблюдать не только общий рост накопленного количества простых, но и локальное изменение их распределения.

2 — Удвоенные интервалы

Особый интерес представляют диапазоны, в которых каждая следующая граница в два раза больше предыдущей.

Например:

(1, 2]

(2, 4]

(4, 8]

(8, 16]

(16, 32]

и далее.

В общем виде:

(N, 2N].

Такие интервалы удобны по нескольким причинам.

Во-первых, они образуют простую масштабную последовательность.

Во-вторых, длина каждого нового интервала удваивается.

В-третьих, они естественно связаны с теоремой Бертрана.

В-четвертых, на них особенно удобно сравнивать абсолютное число простых и их относительную плотность.

Обозначим количество простых в интервале:

(N, 2N]

через:

Q(N).

Тогда:

Q(N) = P(2N) — P(N).

Поскольку длина интервала равна N, его среднюю плотность простых можно записать:

D2(N) = Q(N) / N.

Теперь для каждого масштаба у нас возникают уже две связанные характеристики:

Q(N) — абсолютное количество простых;

D2(N) — их относительная доля.

Именно совместное изменение этих двух величин впоследствии станет одним из первых объектов динамического анализа.

3 — Теорема Бертрана

Классический результат об удвоенных интервалах известен как постулат Бертрана, или теорема Бертрана.

В современной формулировке:

для каждого натурального N > 1 существует хотя бы одно простое число p такое, что:

N < p < 2N.

Иными словами, между N и его удвоением обязательно находится простое число.

Например, между 10 и 20 находится несколько простых:

11, 13, 17, 19.

Между 100 и 200 также находится множество простых.

Теорема утверждает значительно больше, чем просто наличие таких примеров.

Она дает универсальную гарантию для каждого N > 1.

Таким образом, если рассматривать последовательность удвоенных масштабов, ни один такой интервал не остается без простого числа.

Это уже существенно более содержательный результат, чем простая бесконечность множества простых.

Теорема Евклида говорит:

после любого масштаба простые когда-нибудь снова появятся.

Теорема Бертрана говорит значительно точнее:

для появления нового простого не требуется увеличивать масштаб более чем в два раза.

4 — Значение теоремы Бертрана

Теорема Бертрана важна не только как конкретный результат.

Она представляет собой определенный тип математического утверждения.

Это утверждение о гарантии.

Не о среднем количестве простых.

Не о вероятном их наличии.

Не о большинстве интервалов.

А о каждом интервале специального вида.

Тем самым теорема переходит от глобальной статистики к универсальному локальному контролю.

Если N > 1, то диапазон:

(N, 2N)

не может быть пустым относительно простых чисел.

Можно сказать, что теорема устанавливает минимальную норму:

в каждом таком интервале существует по крайней мере один простой элемент.

Именно понятие гарантированной минимальной нормы чрезвычайно важно для настоящей книги.

Позднее аналогичный вопрос будет поставлен для представлений Гольдбаха.

Не:

сколько представлений встречается в среднем?

а:

какое минимальное количество можно гарантировать?

В этом смысле теорема Бертрана представляет собой один из классических предшественников той исследовательской логики, которая далее будет развиваться значительно шире.

5 — Ограниченность бинарного критерия существования

При всей силе теоремы Бертрана она формулируется бинарно.

В диапазоне есть простое число.

Этого достаточно для выполнения теоремы.

Но предположим, что в некотором интервале находится:

1 простое число,

а в другом:

1000 простых чисел.

С точки зрения бинарного утверждения эти ситуации эквивалентны.

В обоих случаях ответ один:

простое существует.

Но с точки зрения структуры распределения различие огромно.

Поэтому после установления факта существования естественно перейти к количеству.

Вместо:

Q(N) >= 1

возникает вопрос:

чему фактически равно Q(N)?

А затем:

как Q(N) изменяется при увеличении N?

Еще далее:

какую нижнюю границу для Q(N) можно гарантировать?

И наконец:

как изменяется сама эта гарантированная нижняя граница?

Таким образом, бинарное утверждение оказывается первым уровнем более широкой системы вопросов.

Оно чрезвычайно важно.

Но оно не исчерпывает структуру объекта.

6 — Количество простых в диапазоне

Для удвоенного интервала:

(N, 2N]

количество простых определяется как:

Q(N) = P(2N) — P(N).

Теорема о распределении простых позволяет оценить общий порядок этой величины.

Поскольку:

P(N) ~ N / log N,

получаем для больших N приближенное поведение:

Q(N) ~ N / log N.

Здесь нас интересует прежде всего главный порядок роста.

Это чрезвычайно важный результат.

Хотя простые числа становятся относительно более редкими, количество простых внутри удвоенного диапазона на больших масштабах имеет растущий порядок.

Причина проста.

Длина интервала равна N.

Плотность простых имеет порядок:

1 / log N.

Следовательно, количество простых имеет порядок:

N / log N.

А величина:

N / log N

при достаточно больших N возрастает.

Получается важная картина:

простые становятся реже;

но сам исследуемый интервал растет быстрее, чем снижается их плотность;

поэтому абсолютное количество простых в масштабно растущих интервалах увеличивается в главном асимптотическом порядке.

7 — Доля простых в диапазоне

Количество простых Q(N) необходимо сопоставить с размером самого интервала.

Длина интервала:

(N, 2N]

равна N.

Поэтому доля простых:

D2(N) = Q(N) / N.

В асимптотическом приближении:

D2(N) ~ 1 / log N.

Следовательно, относительная доля простых уменьшается.

Так возникают два связанных ряда данных.

Первый:

абсолютное количество простых в каждом диапазоне.

Второй:

их относительная доля.

Эти показатели нельзя смешивать.

Высокое абсолютное количество может сочетаться с низкой долей.

И наоборот, маленький диапазон может иметь сравнительно высокую долю простых, но небольшое абсолютное число.

Для динамического анализа оба показателя нужны одновременно.

Первый характеризует численный ресурс.

Второй — степень насыщенности пространства простыми числами.

8 — Динамика количества

Теперь можно перейти от значений к изменениям.

Пусть рассматриваются последовательные удвоенные интервалы:

(N, 2N],

(2N, 4N],

(4N, 8N],

и так далее.

Для каждого интервала вычисляется количество простых:

Q1, Q2, Q3, …

Можно исследовать абсолютное изменение:

Q2 — Q1,

Q3 — Q2,

и далее.

Можно исследовать относительное изменение:

Q2 / Q1,

Q3 / Q2.

Можно использовать процентный рост.

Можно сравнивать изменение сразу через несколько масштабов.

Таким образом, последовательность количеств превращается в динамический ряд.

Важно, однако, различать эмпирическое наблюдение и доказанный закон.

Если на исследуемом конечном массиве количества растут от диапазона к диапазону, это еще не означает автоматически, что такое монотонное поведение доказано для всех последующих диапазонов.

Асимптотический закон говорит о главной тенденции.

Конкретная монотонность определенной дискретной последовательности является отдельным утверждением и требует отдельного анализа.

Это различение будет сохраняться во всей книге.

9 — Динамика плотности

Аналогично можно исследовать изменение доли простых:

D1, D2, D3, …

Если:

D2 < D1,

то плотность снизилась.

Можно вычислить абсолютное уменьшение:

D1 — D2.

Можно рассматривать относительное отношение:

D2 / D1.

Можно анализировать скорость снижения.

Но наиболее интересная картина возникает при сопоставлении динамики количества и динамики плотности.

Количество простых имеет тенденцию к росту в увеличивающихся удвоенных диапазонах.

Плотность простых имеет тенденцию к снижению.

Возникают два противоположно направленных процесса.

Это уже не статическое свойство.

Это динамическая система взаимосвязанных показателей.

И естественно поставить следующий вопрос:

как соотносятся скорости этих двух процессов?

Например:

на сколько процентов увеличилось абсолютное количество простых?

на сколько процентов снизилась их плотность?

меняется ли отношение этих величин?

стабилизируется ли оно?

имеет ли оно собственную динамику?

Если да, мы уже переходим от динамики к метадинамике.

10 — Соотношение абсолютного роста и относительного разрежения

Итак, в распределении простых чисел одновременно действуют две фундаментальные тенденции.

Первая:

в растущих масштабных интервалах абсолютное количество простых становится большим.

Вторая:

относительная доля простых постепенно уменьшается.

Кратко:

абсолютный рост сопровождается относительным разрежением.

Это соотношение можно представить следующим образом.

Для удвоенного диапазона длина пространства растет пропорционально N.

Плотность простых уменьшается примерно как:

1 / log N.

Но произведение:

N * (1 / log N)

равно по порядку:

N / log N.

Эта величина растет.

Следовательно, падение плотности не успевает компенсировать увеличение размера пространства.

Именно поэтому относительное разрежение простых совместимо с ростом их абсолютного количества.

Это обстоятельство представляет интерес не только само по себе.

Оно показывает пример системы, где одна реальность порождает несколько одновременно действующих закономерностей.

Если анализировать только плотность, можно сказать:

простые исчезают все сильнее среди натуральных чисел.

Если анализировать только количество в растущих интервалах, можно сказать:

простых становится все больше.

Оба утверждения правильны.

Но только совместный анализ раскрывает структуру процесса.

Именно поэтому дальнейшее исследование должно перейти от отдельных показателей к отношениям между ними.

Мы будем рассматривать не только:

сколько простых имеется;

и не только:

какую долю они составляют;

но и:

как изменяются обе величины;

как соотносятся скорости их изменения;

как изменяется это соотношение;

существуют ли устойчивые коридоры;

возникают ли новые инварианты;

что происходит при замене фиксированных интервалов фиксированными событиями.

Так классическая теория распределения естественным образом выводит нас к следующему уровню.

От распределения простых чисел —

к их динамике.

От динамики —

к метадинамике.

Именно этому посвящена следующая часть книги.

*****

ЧАСТЬ II. ДИНАМИКА И МЕТАДИНАМИКА ПРОСТЫХ ЧИСЕЛ

Классическая теория распределения простых чисел отвечает на фундаментальные вопросы об их количестве, плотности и асимптотическом поведении. Однако для целей настоящего исследования этого недостаточно. Нас интересуют не только сами значения числовых характеристик, но и их изменение при переходе от одного масштаба к другому, изменение скорости этого изменения, устойчивость возникающих соотношений и возможность обнаружения закономерностей более высокого порядка. Поэтому следующим этапом становится переход от распределения к динамике, а затем от динамики к метадинамике.

Под динамикой далее будет пониматься изменение некоторой характеристики при переходе между последовательными диапазонами, масштабами, уровнями или событиями. Под метадинамикой — изменение самой динамической характеристики. При этом принципиально важно не превращать исследование в механическое производство все новых коэффициентов. Любой новый показатель должен проверяться на содержательный смысл, устойчивость, информативность и алгебраическую независимость от уже введенных величин. Новая формула далеко не всегда означает появление нового математического объекта.

Глава 1. Динамическое описание распределения

1 — Значение и изменение

Пусть натуральный ряд разбит на последовательность интервалов, а каждому интервалу соответствует некоторая числовая характеристика X. Это может быть количество простых чисел, их доля, среднее расстояние между простыми или другая величина. Получается последовательность X1, X2, X3, …, Xn. Пока рассматриваются только сами X1, X2, X3, мы имеем описание состояний системы. Динамика начинается тогда, когда объектом анализа становится переход от одного состояния к другому: X1 -> X2, X2 -> X3 и далее.

Это различие принципиально. Значение отвечает на вопрос: «Каково состояние системы в данном диапазоне?» Изменение отвечает уже на другой вопрос: «Что произошло при переходе к следующему диапазону?» Следующий уровень будет спрашивать: «Как меняется само изменение?» Именно последовательность «значение — изменение — изменение изменения» формирует простейшую архитектуру перехода от статического анализа к динамическому и метадинамическому.

Для простых чисел особенно естественно применять такой подход к последовательным масштабным интервалам. Если в каждом диапазоне подсчитано количество простых, мы получаем первый ряд данных. Если вычислена их доля, возникает второй ряд. После этого можно построить ряды изменений количества, плотности, отношений соседних значений и более сложных характеристик. В результате объектом исследования становится уже не просто множество простых чисел, а система переходов между состояниями их распределения.

2 — Базовые показатели

Для каждого интервала введем три базовые величины:

L — длина интервала;

C — количество простых чисел;

D — доля простых чисел.

Они связаны простым соотношением:

D = C / L.

Следовательно, математически независимыми являются только две из трех величин. Если известны L и C, плотность D определяется автоматически. Тем не менее для анализа удобно сохранять все три показателя, поскольку каждый имеет собственный содержательный смысл. L характеризует масштаб наблюдения, C — абсолютное количество простых, D — степень насыщенности интервала простыми числами.

Для удвоенного интервала:

(N, 2N]

его длина равна N. Если число простых в нем обозначить C(N), то:

D(N) = C(N) / N.

Уже здесь обнаруживается важная особенность распределения простых. По мере роста масштаба абсолютное количество простых в таких интервалах в главном асимптотическом порядке возрастает, тогда как их относительная доля уменьшается. Следовательно, один и тот же процесс имеет два разнонаправленных измерения. Если анализировать только количество, исчезает информация о разрежении. Если рассматривать только плотность, можно потерять факт роста абсолютного ресурса простых чисел.

3 — Производные показатели

На основе базовых величин можно строить производные показатели. Например:

P1 = C * D.

Так как:

D = C / L,

получаем:

P1 = C^2 / L.

Такой показатель объединяет количество простых и их плотность. Интервал получает высокое значение P1 тогда, когда одновременно велики и абсолютное количество простых, и степень насыщенности ими.

Можно определить:

P2 = P1 / L.

После подстановки имеем:

P2 = C^2 / L^2 = D^2.

Следовательно, P2 не является независимым новым показателем. Это просто квадрат уже известной плотности. Его можно использовать как удобное преобразование, например для усиления различий между значениями плотности, однако нельзя считать его новым самостоятельным информационным измерением.

Этот пример демонстрирует общий принцип, чрезвычайно важный для дальнейшего исследования: новизна записи не равна новизне информации. Любой вводимый коэффициент необходимо алгебраически упростить и определить, не является ли он скрытым преобразованием уже существующей величины.

Поэтому производные показатели в настоящей книге рассматриваются не как самоцель. Их задача — выделять отношения, которые могут быть недостаточно очевидны на уровне исходных данных. При этом каждый показатель должен проходить проверку на содержательную независимость.

4 — Абсолютная динамика

Наиболее простой характеристикой изменения является разность соседних значений. Если имеется ряд:

X1, X2, X3, …

то абсолютная динамика определяется как:

A1 = X2 — X1,

A2 = X3 — X2,

A3 = X4 — X3.

Для количества простых:

AC(i) = C(i+1) — C(i).

Если значение положительно, количество простых увеличилось; если отрицательно — уменьшилось; если равно нулю — осталось неизменным.

Аналогично для плотности:

AD(i) = D(i+1) — D(i).

При снижении плотности величина AD будет отрицательной. Если удобнее работать с положительной величиной падения, можно определить:

FD(i) = D(i) — D(i+1).

Абсолютная динамика хорошо показывает численную величину изменения, но она чувствительна к масштабу. Прибавка 100 простых в интервале длиной 1000 и прибавка 100 простых в интервале длиной миллион имеют совершенно разный смысл. Поэтому абсолютные изменения необходимо дополнять относительными показателями.

5 — Относительная динамика

Для сравнения изменений на различных масштабах естественно использовать отношения соседних значений. Пусть:

R(i) = X(i+1) / X(i).

Если R = 1, величина не изменилась. Если R > 1, она выросла. Если R < 1, уменьшилась.

Можно использовать также относительное изменение:

G(i) = [X(i+1) — X(i)] / X(i).

Тогда:

G(i) = R(i) — 1.

Например, G = 0,20 означает рост на 20 процентов, а G = -0,10 — снижение на 10 процентов.

Для количества простых введем:

RC(i) = C(i+1) / C(i).

Для плотности:

RD(i) = D(i+1) / D(i).

Если рассматриваются последовательные удвоенные интервалы, длина каждого следующего диапазона в два раза больше предыдущего:

L(i+1) = 2 * L(i).

Поскольку:

D(i) = C(i) / L(i),

следует:

RD(i) = RC(i) / 2.

Это означает, что относительная динамика количества простых и относительная динамика их плотности в системе удвоенных интервалов алгебраически связаны. Они описывают два аспекта одного процесса, но не являются двумя независимыми источниками информации.

Например, если построить показатель P3 как отношение относительного роста количества простых к относительному снижению их плотности, он может оказаться полезным для интерпретации, но не будет независимым показателем. Его значение можно полностью восстановить из RC.

Этот вывод принципиален: динамический коэффициент должен проверяться не только на устойчивость численных значений, но и на независимость от исходных определений.

6 — Сравнение соседних диапазонов

Сравнение соседних диапазонов представляет собой наиболее локальный вид динамического анализа. Пусть последовательность удвоенных интервалов имеет вид:

I1, I2, I3, …, In.

Для каждого известны C(i) и D(i). Тогда между каждой парой соседних диапазонов можно вычислить абсолютные и относительные изменения. Получается уже не один ряд распределения, а система локальных переходов.

Преимущество такого подхода заключается в высокой чувствительности к изменениям. Любой необычный скачок сразу становится видимым. Недостаток состоит в том, что локальные флуктуации могут создавать впечатление закономерности там, где существует лишь кратковременное отклонение.

Поэтому соседние диапазоны полезны прежде всего для обнаружения возможных структур, но недостаточны для подтверждения устойчивости. Если определенный коэффициент необычно ведет себя на одном переходе, необходимо проверить его на серии последующих переходов и на более широких масштабах.

Соседний переход можно рассматривать как элементарную единицу динамического времени. Последовательность таких единиц формирует траекторию системы. Именно из траектории, а не из отдельного перехода, начинает возникать представление о закономерности.

7 — Сравнение нескольких диапазонов

Локальный анализ можно расширить, сравнивая не только соседние, но и более удаленные диапазоны. Например:

I1 с I3,

I1 с I4,

I2 с I5.

Если интервалы построены по постоянному масштабному правилу, такое сравнение позволяет исследовать изменение характеристики на протяжении нескольких шагов.

Для удвоенных интервалов переход через m шагов означает изменение масштаба в:

2^m

раз.

Можно определить многос шаговый коэффициент:

R(i,m) = X(i+m) / X(i).

Если локальные коэффициенты сильно колеблются, многос шаговое отношение может выявить более устойчивую тенденцию. Напротив, если многос шаговые значения также демонстрируют резкие нарушения, это указывает на отсутствие простой масштабной закономерности.

Особенно интересны сравнения при одинаковом числе шагов, но на разных участках натурального ряда. Например, можно исследовать отношение характеристик через три удвоения сначала на малых числах, затем на средних и больших масштабах. Если такие отношения постепенно стабилизируются, возникает кандидат на масштабный закон.

Таким образом, сравнение нескольких диапазонов является переходом от локальной динамики к динамике масштаба.

8 — Накопленная динамика

Помимо локального и многос шагового изменения можно исследовать накопленный эффект всей последовательности переходов.

Пусть начальное значение равно X1, а текущее — Xn. Тогда накопленное отношение:

Rtotal(n) = Xn / X1.

Накопленное абсолютное изменение:

Atotal(n) = Xn — X1.

Если известны локальные коэффициенты:

R1, R2, …, R(n-1),

то:

Rtotal(n) = R1 * R2 * … * R(n-1).

Следовательно, глобальный рост является произведением локальных переходов.

Это важный факт. Большой накопленный эффект может возникать не в результате одного сильного скачка, а посредством последовательности небольших устойчивых изменений. И наоборот, несколько сильных локальных колебаний могут взаимно компенсироваться, создавая относительно спокойную глобальную траекторию.

Накопленная динамика позволяет рассматривать распределение простых чисел как процесс развития во времени, где роль времени играет движение по натуральному масштабу. В дальнейшем эта идея будет дополнена понятием натурального времени, при котором фиксируется не масштабный шаг, а определенное событие.

Таким образом, динамический анализ дает четыре взаимодополняющих режима наблюдения: значение, локальное изменение, многос шаговое изменение и накопленный результат. Следующий шаг состоит в том, чтобы сделать объектом исследования саму структуру этих изменений.

Глава 2. Метадинамика

1 — Закономерность как объект исследования

Обычный анализ ищет закономерность в последовательности чисел. Метадинамический анализ делает следующий шаг: сама найденная закономерность становится новым объектом исследования.

Предположим, мы обнаружили, что некоторая характеристика X возрастает. Это еще только первичная закономерность. Можно задать следующий вопрос: с постоянной ли скоростью происходит рост? Если скорость меняется, возникает новая последовательность. Затем можно исследовать изменение этой последовательности.

Таким образом, существует иерархия:

значения;

изменения значений;

изменения изменений;

структура этих изменений.

Каждый новый уровень оправдан лишь в том случае, если он открывает новую информацию. Простое механическое вычисление все более высоких разностей само по себе не создает содержательной теории.

Поэтому метадинамика рассматривается здесь не как бесконечное формальное дифференцирование числового ряда, а как поиск устойчивых характеристик поведения динамических законов.

2 — Динамика закономерности

Пусть относительная динамика некоторого показателя описывается последовательностью:

R1, R2, R3, …, Rn.

Если значения R постоянны, динамический режим стабилен. Например, если каждый следующий показатель примерно в 1,8 раза больше предыдущего, можно говорить о приблизительно постоянном коэффициенте масштабного роста.

Но если значения имеют вид:

1,8; 1,7; 1,6; 1,55; 1,52…

то сам коэффициент изменяется.

Теперь интерес представляет уже не только рост X, но и тенденция R.

В приведенном примере X продолжает расти, но коэффициент роста снижается. Это и есть динамика закономерности.

Можно определить:

MR(i) = R(i+1) / R(i),

или:

MA(i) = R(i+1) — R(i).

Первая величина показывает относительное изменение динамического коэффициента, вторая — абсолютное.

Так первоначальный объект X порождает динамический ряд R, а тот — метадинамический ряд M.

3 — Метадинамика первого порядка

Метадинамикой первого порядка будем называть изменение непосредственного динамического показателя.

Если:

R(i) = X(i+1) / X(i),

то простейший коэффициент метадинамики можно записать:

M1(i) = R(i+1) / R(i).

Если M1 близок к единице, относительная динамика X меняется медленно.

Если M1 устойчиво меньше единицы, коэффициент роста X снижается.

Если M1 больше единицы, коэффициент увеличивается.

Можно использовать и разностную форму:

M1a(i) = R(i+1) — R(i).

Выбор формы зависит от исследовательской задачи. Отношение удобнее для сравнения разных масштабов, разность — для прямого измерения величины сдвига.

Главная задача метадинамики первого порядка заключается не в получении еще одного ряда чисел, а в ответе на вопрос:

стабилизируется ли динамический режим и, если да, вокруг какой структуры?

Например, коэффициент может стремиться к некоторой величине, колебаться внутри сужающегося коридора или формировать повторяющиеся блоки. Все эти случаи требуют различных интерпретаций.

4 — Метадинамика более высоких порядков

Если метадинамический коэффициент M1 сам демонстрирует закономерность, можно исследовать его изменение. Так возникает метадинамика второго порядка:

M2(i) = M1(i+1) / M1(i).

Аналогично теоретически можно вводить M3, M4 и дальнейшие уровни.

Однако здесь необходима особая осторожность.

С каждым новым уровнем увеличивается чувствительность к локальным колебаниям, погрешностям вычисления и случайным особенностям выборки. Высокие порядки могут создавать сложные рисунки даже там, где никакого фундаментального закона нет.

Поэтому повышение метауровня оправданно только при выполнении нескольких условий: предыдущий уровень должен демонстрировать устойчивую структуру; новая характеристика должна иметь содержательную интерпретацию; закономерность должна воспроизводиться на независимых диапазонах; она не должна быть простой алгебраической тавтологией.

Можно сформулировать принцип:

метауровень имеет смысл только при содержательном приросте информации.

Этот принцип имеет более общее значение и будет позднее связан с методологией Метаорганона.

5 — Огибающие

Реальные числовые последовательности редко изменяются идеально гладко. Значения колеблются, иногда значительно. В таких случаях полезно исследовать не каждую точку отдельно, а общие границы, внутри которых располагается последовательность.

Такие границы будем называть огибающими.

Можно различать верхнюю огибающую и нижнюю огибающую.

Верхняя огибающая отражает характер наиболее высоких значений.

Нижняя — наиболее низких.

Для задач существования часто достаточно среднего поведения. Для задач гарантии особое значение имеет именно нижняя огибающая.

Это станет центральным принципом при анализе Гольдбаха. Если среднее количество представлений быстро растет, но нижняя огибающая периодически возвращается к очень малым значениям, универсальное утверждение не доказано. Для Метатеоремы необходимо контролировать не типичное значение, а нижний экстремальный слой.

Поэтому огибающая является мостом между статистическим описанием и теорией гарантированных границ.

6 — Коридоры

Если верхняя и нижняя огибающие ограничивают основную часть значений, возникает динамический коридор.

Коридор можно описать двумя функциями:

Lower(N)

и

Upper(N),

так что исследуемая величина X(N) удовлетворяет:

Lower(N) <= X(N) <= Upper(N).

Интерес представляет не только наличие такого коридора, но и его изменение.

Он может расширяться.

Может сужаться.

Может смещаться вверх.

Может сохранять приблизительно постоянную относительную ширину.

Особенно важен случай, когда нижняя граница коридора растет. Тогда даже наиболее неблагоприятные наблюдаемые значения поднимаются вместе с масштабом.

В будущем именно этот тип поведения будет иметь прямое отношение к гарантированному минимуму числа представлений Гольдбаха.

Метадинамический анализ коридора заключается в исследовании уже не отдельных X, а поведения Lower, Upper и расстояния между ними.

7 — Скачки

Не все изменения происходят плавно. Иногда последовательность длительное время изменяется медленно, после чего возникает резкий переход.

Такое событие будем называть скачком.

Для динамического коэффициента скачок означает значение, значительно отличающееся от локального режима соседних переходов. Скачки могут иметь разные причины: арифметическую структуру конкретного диапазона, изменение масштабного режима, статистическую флуктуацию или действительно новый тип поведения.

Поэтому обнаружение скачка является не ответом, а вопросом.

Необходимо установить:

является ли он единичным;

повторяется ли;

связан ли с определенными арифметическими условиями;

изменяет ли последующий режим;

возвращается ли система в прежний коридор.

Если после скачка структура восстанавливается, можно говорить о локальном выбросе. Если появляется новый устойчивый режим, скачок может обозначать границу между различными масштабными состояниями.

8 — Плато

Другой важный тип структуры — плато.

Плато возникает, когда некоторая характеристика сохраняет одно и то же значение на нескольких последовательных уровнях или изменяется настолько мало, что практически образует горизонтальный участок.

В обычной последовательности значений плато может быть просто локальной особенностью. Но в пороговых структурах оно приобретает значительно более глубокий смысл.

Например, если несколько последовательных уровней гарантированного минимума имеют одну и ту же границу неснижаемости, это означает, что один и тот же масштаб одновременно обеспечивает несколько уровней гарантии.

Так возникает пакет уровней.

Следовательно, плато может свидетельствовать не об отсутствии развития, а, напротив, о наличии накопленного резерва: система уже достигла состояния, достаточного сразу для нескольких последовательных требований.

В дальнейшем анализ плато станет одной из важных частей исследования Метатеоремы Гольдбаха.

9 — Устойчивость коэффициентов

Особое значение для поиска закона имеет устойчивость коэффициентов.

Предположим, некоторый показатель R принимает значения:

1,84; 1,76; 1,71; 1,68; 1,66; …

Можно предположить наличие тенденции к стабилизации. Но несколько значений еще не являются доказательством.

Необходимо исследовать устойчивость в нескольких смыслах.

Во-первых, масштабную: сохраняется ли закономерность при переходе к существенно большим числам?

Во-вторых, локальную: насколько велики колебания вокруг предполагаемого режима?

В-третьих, структурную: зависит ли коэффициент от выбранной системы интервалов?

В-четвертых, вычислительную: не является ли эффект следствием округления или особенностей алгоритма?

В-пятых, алгебраическую: не встроена ли стабильность непосредственно в определение показателя?

И наконец, необходимо различать эмпирическую и доказанную устойчивость. Даже чрезвычайно стабильный коэффициент на огромном конечном диапазоне остается наблюдаемой закономерностью до тех пор, пока не доказана соответствующая универсальная оценка.

Поэтому устойчивый коэффициент следует рассматривать прежде всего как кандидата на инвариант или компонент будущего доказательного состояния.

10 — Метазакономерности

Метазакономерностью будем называть устойчивую структуру, проявляющуюся не непосредственно в исходных значениях, а в поведении закономерностей их изменения.

Простой пример: количество простых в удвоенных диапазонах увеличивается — это первичная динамическая тенденция. Коэффициент роста этого количества постепенно изменяется — это метадинамика. Если изменение коэффициента само обнаруживает устойчивую направленность, ограниченный коридор, определенный масштабный закон или предельное поведение, возникает кандидат на метазакономерность.

Важно, однако, не связывать понятие метазакономерности с обязательным существованием простой формулы. Метазакон может выражаться различными способами: через монотонную огибающую, сужающийся коридор, ограниченность отношения, структуру плато, закон масштабного перехода, устойчивость события или систему нескольких взаимосвязанных характеристик.

Наиболее интересны те метазакономерности, которые способны выполнять не только описательную, но и доказательную функцию. Если из некоторого метадинамического состояния можно вывести ограничение на все последующие состояния, наблюдаемая закономерность начинает превращаться в потенциальный инвариант.

Именно здесь динамический анализ соприкасается с будущей метаиндукцией.

Для доказательства бесконечного утверждения мало обнаружить, что значения «в среднем ведут себя правильно». Необходимо найти структуру, которая воспроизводит или усиливает себя при переходе к следующему масштабу.

Поэтому дальнейший путь исследования можно представить так:

значения -> динамика -> метадинамика -> метазакономерность -> инвариант -> индукционное состояние -> универсальный переход.

Однако каждый переход в этой цепочке требует отдельного обоснования. Не всякая динамика образует устойчивую метадинамику. Не всякая метадинамика является метазакономерностью. Не всякая метазакономерность способна стать инвариантом. И не всякий инвариант достаточен для доказательства.

Именно поэтому метадинамика в настоящей книге рассматривается не как конечная теория, а как промежуточный исследовательский уровень между наблюдаемым распределением и поиском доказательной структуры.

Следующий шаг состоит в изменении самой системы наблюдения. До сих пор масштаб задавался заранее, а затем измерялось, что произошло внутри него. Но можно поступить наоборот: заранее зафиксировать событие — например, удвоение определенной характеристики — и измерять, какое натуральное расстояние потребовалось для его достижения.

Так возникает событийная система координат.

****

Глава 3. Событийная система координат

1 — Фиксированный диапазон и фиксированное событие

Большинство классических исследований распределения простых чисел строится по одной и той же общей схеме: сначала задается числовой диапазон, а затем измеряется, что произошло внутри него. Выбирается интервал от A до B, после чего подсчитывается количество простых чисел, их плотность, среднее расстояние между ними или другая характеристика. Такой подход естественен, но он не является единственно возможным.

Можно инвертировать постановку задачи.

Вместо того чтобы заранее задавать диапазон и измерять результат, можно заранее задать результат и измерять диапазон, необходимый для его достижения.

Например, вместо вопроса:

«Сколько простых чисел содержится между N и 2N?»

можно спросить:

«Насколько далеко необходимо продвинуться по натуральному ряду, чтобы количество найденных простых увеличилось в два раза?»

В первом случае фиксируется пространство наблюдения, а результат является переменной величиной. Во втором фиксируется событие, а переменной становится числовое расстояние до него.

Эти две постановки описывают одну и ту же математическую реальность, но выделяют в ней разные структуры. Фиксированные интервалы особенно удобны для изучения распределения. Фиксированные события удобны для исследования стоимости перехода между состояниями.

Именно второй подход будем называть событийной системой координат.

Под событием далее понимается заранее определенное изменение некоторой характеристики: удвоение, утроение, достижение заданного уровня, переход через установленный порог или другое формально определяемое состояние.

Так появляется новая пара величин:

событие;

расстояние до события.

Это позволяет превратить натуральный ряд в своеобразную шкалу времени, где «временем» становится не физическая длительность, а числовое расстояние, необходимое для возникновения заданного структурного изменения.

2 — Переход от диапазона к событию

Рассмотрим обычную систему интервалов. Пусть сначала берется диапазон длины L1, затем L2, L3 и так далее, а в каждом подсчитывается количество простых C1, C2, C3. Исследователь наблюдает, как C зависит от выбранного размера пространства.

Событийная постановка меняет направление зависимости. Пусть известно некоторое исходное количество простых C. Теперь требуется определить минимальный диапазон, необходимый для достижения:

2C,

3C,

4C

или другого заранее выбранного уровня.

В этом случае вопрос уже состоит не в том, сколько объектов возникло в пространстве фиксированного размера, а в том, сколько пространства потребовалось для появления фиксированного количества новых объектов.

Такое обращение задачи особенно полезно при сравнении различных масштабов. Если одинаковое событие повторяется много раз, можно сравнивать не сами значения функции распределения, а числовую «цену» повторения одного и того же структурного перехода.

Например, последовательность удвоений количества простых создает ряд:

C,

2C,

4C,

8C,

16C,

…

Каждый переход имеет собственную длину по натуральному ряду. Эти длины образуют новую последовательность, которая уже непосредственно не является последовательностью количества простых. Она описывает масштаб, необходимый для воспроизводства одного и того же события.

Таким образом, при переходе от диапазона к событию объект анализа меняется. Мы начинаем исследовать не столько саму функцию распределения, сколько геометрию ее достижения.

3 — Натуральное время

Для описания событийной системы введем понятие натурального времени.

Под натуральным временем будем понимать расстояние по натуральному ряду, необходимое для достижения заданного события.

Пусть событие начинается при числе A и завершается при числе B. Тогда его натуральное время можно записать:

T = B — A.

Если, например, требуется определить, сколько числовых единиц необходимо пройти для удвоения количества простых в некоторой событийной конструкции, величина T становится временем данного удвоения.

Термин «время» здесь используется не в физическом смысле. Натуральный ряд не течет во времени. Речь идет о структурной аналогии: событие требует некоторого продвижения по упорядоченной последовательности чисел, а длина этого продвижения выполняет функцию времени достижения.

Такой подход позволяет сравнивать события, происходящие на совершенно различных числовых масштабах.

Если первое удвоение потребовало натурального времени T1, второе — T2, третье — T3, возникает новая последовательность:

T1, T2, T3, …

Теперь можно исследовать уже не количество простых напрямую, а изменение времени, необходимого для воспроизводства одного и того же события.

Это особенно важно потому, что различные процессы могут выглядеть сходными по значениям, но существенно различаться по времени достижения этих значений. Натуральное время поэтому является самостоятельной координатой событийного анализа.

4 — Удвоение как событийный инвариант

Одним из наиболее простых и естественных событий является удвоение.

Пусть в некоторой исходной области зафиксировано C простых чисел. Следующее событие определяется достижением количества:

2C.

После этого новым событием становится достижение:

4C,

затем:

8C,

16C

и так далее.

Удвоение удобно по нескольким причинам. Оно одинаково определено на любом масштабе, не зависит от абсолютного размера исходной величины и создает естественную мультипликативную последовательность.

Само число 2 здесь не следует считать особой фундаментальной константой. Удвоение выбирается прежде всего как простейшее событие постоянного относительного роста.

Смысл событийного инварианта состоит в том, что формальное условие перехода остается неизменным:

следующее значение должно быть в два раза больше предыдущего.

Меняется лишь натуральное расстояние, необходимое для выполнения этого условия.

Таким образом, инвариантным является тип события, а динамической величиной — стоимость его реализации.

Это различие становится особенно важным позднее, когда аналогичная конструкция будет применяться к уровням представлений Гольдбаха. Там можно будет спрашивать не только, где впервые достигается уровень K, но и какой масштаб требуется для гарантированного перехода от K к 2K.

5 — Адаптивные диапазоны

При событийном подходе интервалы перестают иметь заранее фиксированную длину.

Их границы определяются самим процессом.

Пусть первый диапазон заканчивается тогда, когда найдено C простых чисел. Второй продолжается до тех пор, пока не появятся следующие 2C простых, третий — до достижения следующего заранее установленного события.

Такие диапазоны будем называть адаптивными.

Их длина автоматически приспосабливается к локальной плотности простых чисел. Если простые встречаются сравнительно часто, событие достигается быстрее и диапазон оказывается короче. Если плотность ниже, требуется больший интервал.

Таким образом, в фиксированной системе диапазон постоянен, а количество объектов меняется. В адаптивной системе количество или относительное событие фиксируется, а меняется длина диапазона.

Это дает новый тип данных.

Для каждого события можно записать:

уровень;

начальную границу;

конечную границу;

длину диапазона;

отношение новой длины к предыдущей;

изменение этого отношения.

Возникает событийная траектория распределения простых.

При этом адаптивные диапазоны не заменяют фиксированные. Они представляют другой способ координатизации того же объекта. Сопоставление двух систем может оказаться особенно информативным, поскольку закономерность, скрытая в одной системе, иногда становится очевидной в другой.

6 — Цена достижения события

Если событие требует продвижения по натуральному ряду от A до B, его абсолютная цена может быть определена как:

Cevent = B — A.

Но абсолютная цена зависит от масштаба. Поэтому можно использовать и относительную цену:

Rcost = B / A,

если такая форма содержательно применима к рассматриваемой задаче.

Можно также сравнивать цены соседних одинаковых событий:

K(i) = Cevent(i+1) / Cevent(i).

Так возникает уже динамика стоимости события.

Понятие цены особенно полезно потому, что переводит распределение из языка состояний в язык ресурсов перехода. Мы спрашиваем не только, что произошло, но и какой числовой масштаб потребовался системе для этого изменения.

Например, если удвоение количества простых на одном этапе требует увеличения интервала в 200 единиц, а на следующем — в 450, это дает непосредственную характеристику относительного разрежения простых.

Чем ниже средняя плотность объектов, тем больше пространства в среднем требуется для достижения одинакового численного события.

Следовательно, цена события оказывается своеобразной обратной характеристикой плотности, но выраженной не локальной долей, а расстоянием достижения.

7 — Цена удвоения

Для последовательности событий удвоения введем цену удвоения.

Пусть уровень C достигается при границе N1, а уровень 2C — при N2. Тогда абсолютная цена удвоения:

T2 = N2 — N1.

Следующее удвоение от 2C до 4C имеет цену:

T4 = N3 — N2.

Получаем последовательность:

T2, T4, T8, T16, …

Именно она показывает, сколько натурального пространства требуется для каждого следующего удвоения.

Можно также рассматривать отношение цен:

R2 = T4 / T2,

R4 = T8 / T4

и далее.

Если эти отношения демонстрируют устойчивую тенденцию, возникает новый объект исследования.

Важно, что цена удвоения не равна просто расстоянию между соседними простыми. Это интегральная характеристика целого события, включающего множество простых чисел.

Поэтому локальные флуктуации частично сглаживаются, а глобальная структура распределения становится более заметной.

В этом состоит одно из преимуществ событийного подхода: он способен агрегировать множество локальных событий в один масштабный переход.

8 — Динамика цены удвоения

Последовательность цен удвоения сама по себе является динамическим рядом.

Если:

T1, T2, T3, …

— натуральные времена последовательных удвоений, то можно вычислить:

A(i) = T(i+1) — T(i),

а также:

R(i) = T(i+1) / T(i).

Первый показатель характеризует абсолютное увеличение цены следующего удвоения, второй — относительное.

Если отношения R(i) постепенно стабилизируются, это может свидетельствовать о масштабной закономерности событийной структуры.

Однако здесь снова необходима осторожность. Стабилизация на конечном массиве является эмпирическим фактом, а не доказательством универсального закона.

Кроме того, необходимо выяснить, не следует ли наблюдаемое поведение непосредственно из уже известных асимптотических законов распределения простых. Если событийный коэффициент является простой перезаписью теоремы о распределении простых, он может быть полезен методически, но не представляет самостоятельной новой закономерности.

Настоящий интерес начинается там, где событийная система позволяет обнаружить структуру, существенно более удобную для анализа переходов, границ или инвариантов, чем исходное представление.

9 — Метадинамика событий

Если цена одинакового события изменяется от масштаба к масштабу, возникает динамика события. Если далее исследуется изменение самой динамики цены, возникает событийная метадинамика.

Пусть:

R(i) = T(i+1) / T(i).

Тогда простейший метадинамический показатель:

M(i) = R(i+1) / R(i).

Можно также исследовать разности:

Mdiff(i) = R(i+1) — R(i).

Но важнее конкретной формулы общий принцип.

Событийная метадинамика отвечает на вопрос:

как меняется закон стоимости повторения одного и того же события?

Это отличается от обычной динамики распределения. Там измеряется изменение числа объектов при фиксированном масштабном переходе. Здесь сам тип события фиксирован, а анализируется изменение пространства, необходимого для его воспроизводства.

Эта инверсия особенно важна для дальнейшего исследования Гольдбаха. Если гарантированный минимум представлений увеличивается, можно исследовать не только саму функцию этого минимума, но и натуральное время, необходимое для перехода между фиксированными уровнями.

Тогда уровни 1, 2, 4, 8, 16 и далее образуют событийную шкалу, а границы их достижения — временную структуру процесса.

Именно отсюда возникает связь между событийным анализом, теорией неснижаемости и будущей метаиндукцией.

Глава 4. Инвариантно-событийный анализ

1 — Общий принцип

Инвариантно-событийный анализ строится на простой идее: вместо фиксированного числового пространства выбирается фиксированный тип преобразования, а затем исследуется масштаб, необходимый для его реализации.

Если обычная координатная схема имеет вид:

фиксированный диапазон -> переменный результат,

то событийная схема имеет вид:

фиксированный результат перехода -> переменный диапазон.

Например, можно фиксировать:

удвоение;

утроение;

учетверение;

достижение определенного минимального уровня;

переход через заданную границу.

Если один и тот же тип события повторяется на многих масштабах, его можно использовать как сравнительный инвариант.

Важно уточнить значение слова «инвариант». Здесь оно не обязательно означает величину, сохраняющую постоянное числовое значение. Инвариантным является правило события. Условие «увеличить показатель в два раза» остается одним и тем же независимо от того, происходит ли переход от 10 к 20, от 1000 к 2000 или от миллиона к двум миллионам.

Это дает возможность сравнивать сильно разнесенные участки системы в общей шкале событий.

2 — Удвоение

Удвоение представляет собой простейшую мультипликативную событийную траекторию:

1, 2, 4, 8, 16, 32, 64, …

Если исходный показатель имеет значение K, последующие контрольные уровни:

2K,

4K,

8K,

16K.

Для каждого уровня определяется числовая граница его достижения. Получается новая последовательность:

V(K),

V(2K),

V(4K),

V(8K), …

Здесь V обозначает положение соответствующего события.

Далее можно вычислять натуральное время перехода:

T(K) = V(2K) — V(K).

А также коэффициент масштабирования:

R(K) = V(2K) / V(K).

Эти величины отвечают на разные вопросы. T показывает абсолютную числовую цену удвоения, R — относительное расширение масштаба.

Преимущество удвоения состоит в простоте интерпретации. Каждый шаг означает одинаковый относительный рост. Поэтому различия между шагами отражают уже не изменение цели, а изменение самой среды, в которой эта цель достигается.

3 — Утроение

Удвоение не должно быть единственной событийной траекторией. Если предполагаемая закономерность действительно отражает глубокую структуру системы, она должна хотя бы в определенной форме проявляться и при другом коэффициенте масштабирования.

Поэтому естественно рассмотреть утроение:

1, 3, 9, 27, 81, …

или, начиная с произвольного K:

K,

3K,

9K,

27K.

Для соответствующих границ получаем:

V(K),

V(3K),

V(9K),

V(27K).

Сравнение траектории утроения с удвоением позволяет отличать свойства, связанные именно с числом 2, от свойств общего мультипликативного роста.

Если похожая метадинамическая структура наблюдается при коэффициентах 2 и 3, вероятность того, что обнаружен более общий масштабный механизм, возрастает.

Это еще не является доказательством, но существенно повышает исследовательскую ценность закономерности.

4 — Учетверение

Учетверение дает траекторию:

1, 4, 16, 64, 256, …

На первый взгляд это просто удвоение через один шаг, поскольку:

4 = 2 * 2.

Именно поэтому сравнение удвоения и учетверения особенно полезно.

Если теория событийных переходов внутренне согласована, двухшаговый путь:

K -> 2K -> 4K

должен быть согласован с прямым событием:

K -> 4K.

Можно сравнивать не только конечные границы, но и составные цены перехода.

Например:

T(K -> 4K)

можно сопоставить с:

T(K -> 2K) + T(2K -> 4K).

Для абсолютных границ такое равенство непосредственно следует из определения, однако относительные коэффициенты и метадинамические характеристики могут давать дополнительную информацию о структуре масштабирования.

Таким образом, учетверение одновременно выступает как самостоятельное событие и как средство внутренней проверки удвоенной траектории.

5 — Произвольные коэффициенты роста

Общую событийную траекторию можно строить для любого коэффициента r > 1.

Уровни имеют вид:

K,

rK,

r^2 K,

r^3 K,

…

Если r является целым числом, интерпретация особенно проста, но формально возможны и другие коэффициенты при условии корректного определения соответствующих дискретных уровней.

Для каждого r возникает собственная траектория:

V_r(0),

V_r(1),

V_r(2), …

где V_r(j) обозначает границу достижения уровня:

K * r^j.

После этого можно сравнивать натуральные времена, коэффициенты масштабирования и метадинамические параметры различных r.

Возникает более общий вопрос:

существует ли единый закон, связывающий стоимость события с коэффициентом его роста?

Если такой закон существует, удвоение, утроение и учетверение оказываются лишь частными срезами общей событийной геометрии.

6 — Семейства событийных траекторий

Одна траектория может содержать случайные или специфические особенности. Поэтому более надежным объектом является семейство траекторий.

Например:

удвоение;

утроение;

учетверение;

пятикратный рост.

Каждая траектория создает собственную последовательность событийных границ. Совместно они образуют двумерную систему, где одна координата характеризует уровень события, а другая — коэффициент роста.

Такой анализ позволяет искать структуры, сохраняющиеся при изменении самого правила масштабирования.

Если определенный коридор, тип огибающей или отношение проявляется сразу во многих траекториях, это значительно сильнее, чем наблюдение только в одной последовательности удвоений.

Можно также строить семейства не только по коэффициенту роста, но и по исходному уровню K. Тогда одинаковая событийная операция проверяется из различных стартовых состояний.

Это особенно важно для будущей индукционной конструкции. Универсальный переход не должен зависеть от специально выбранного удобного начального уровня. Он должен выражать общую структуру.

7 — Сравнение траекторий

Сравнение событийных траекторий можно вести по нескольким направлениям.

Первое — сравнение абсолютных границ достижения.

Второе — сравнение натурального времени события.

Третье — сравнение относительной цены.

Четвертое — сравнение динамики цен.

Пятое — сравнение метадинамики.

Предположим, удвоение и утроение дают разные числовые значения, что естественно, но отношения соответствующих времен демонстрируют устойчивую связь. Тогда возникает кандидат на более общий инвариант.

Можно также нормировать стоимость события по величине логарифма коэффициента роста или другой естественной масштабной характеристике и исследовать, сближаются ли нормированные траектории.

Такая процедура особенно полезна для разделения существенной структуры и артефакта конкретного выбора коэффициента.

Если закон существует только для удвоения и исчезает при малейшем изменении событийной шкалы, его универсальность вызывает сомнение. Если же разные траектории оказываются связанными единой формой, возникает основание искать более глубокий принцип.

8 — Поиск универсальных событийных законов

Конечная цель событийного анализа состоит не в построении большого числа новых таблиц, а в поиске законов, сохраняющихся при изменении масштаба, исходного уровня и коэффициента события.

Универсальный событийный закон должен удовлетворять более сильным требованиям, чем простая эмпирическая регулярность.

Он должен иметь четкую математическую формулировку.

Его параметры должны быть определены независимо от специально выбранного участка данных.

Он должен воспроизводиться на различных масштабах.

Желательно, чтобы он проявлялся в нескольких родственных событийных траекториях.

И самое главное — должна существовать возможность доказать его из более фундаментальных свойств исследуемой системы.

Именно последний пункт отделяет событийную закономерность от событийного закона.

Для настоящей книги инвариантно-событийный анализ имеет еще одну функцию. Он служит подготовкой к исследованию Метатеоремы Гольдбаха.

Если гарантированный минимум количества представлений обозначить K, можно рассматривать события:

K -> 2K,

K -> 3K,

K -> 4K.

Тогда предметом анализа становится числовая цена усиления гарантии.

Это существенно отличается от обычного изучения отдельных значений количества представлений.

Мы начинаем исследовать не только состояние системы, но и механизм ее перехода между уровнями гарантии.

Возможный универсальный закон такого перехода является уже непосредственным кандидатом на элемент метаиндукционного доказательства.

Поэтому событийный анализ соединяет несколько уровней исследования:

распределение;

динамику;

метадинамику;

пороговые уровни;

масштабные переходы;

инварианты.

В следующей части этот аппарат будет применен к проблеме Гольдбаха, где главным объектом станет уже не распределение самих простых чисел, а количество способов, которыми два простых числа способны совместно образовать заданное четное число.

*******

ЧАСТЬ III. ПРОБЛЕМА ГОЛЬДБАХА

Проблема Гольдбаха занимает особое место в теории чисел. Ее классическая формулировка элементарна: каждое четное число, большее двух, должно представляться суммой двух простых чисел. Для проверки отдельного числа достаточно перебрать конечное множество пар, однако переход от миллиардов и триллионов подтверждающих примеров к утверждению обо всех четных числах требует принципиально иного типа аргумента. Именно поэтому задача, сформулированная в XVIII веке, стала одним из наиболее наглядных примеров различия между вычислительным подтверждением, статистической закономерностью и универсальным математическим доказательством.

Для настоящей книги проблема Гольдбаха важна еще по одной причине. Мы будем рассматривать ее классическую бинарную формулировку только как первый уровень существенно более общей количественной структуры. Нас будет интересовать не только наличие хотя бы одного представления, но количество представлений, его локальные колебания, минимумы, максимумы, рекордные уровни и прежде всего нижний экстремальный слой. Именно этот переход от существования к количеству подготовит формулировку Метатеоремы Гольдбаха.

Глава 1. История проблемы

1 — Происхождение проблемы

История проблемы начинается с переписки Христиана Гольдбаха и Леонарда Эйлера в 1742 году. В письме от 7 июня 1742 года Гольдбах сформулировал утверждение, связанное с представлением целых чисел суммами простых. При этом необходимо учитывать историческую особенность: в то время единицу еще могли относить к простым числам. В современном языке исходные формулировки поэтому требуют некоторого преобразования. В ответном письме от 30 июня Эйлер выделил утверждение о представлении четного числа суммой двух простых — именно эта форма со временем стала известна как сильная, или бинарная, проблема Гольдбаха.

Современная формулировка предельно проста:

каждое четное натуральное число N > 2 является суммой двух простых чисел.

Например:

4 = 2 + 2

6 = 3 + 3

8 = 3 + 5

10 = 3 + 7 = 5 + 5

12 = 5 + 7.

Уже эти первые примеры показывают важную особенность, которая станет центральной для настоящего исследования. Число может иметь не одно, а несколько представлений. Следовательно, вместе с вопросом о существовании немедленно возникает более широкий вопрос о количестве.

Историческая проблема Гольдбаха спрашивает, может ли число представлений когда-либо стать равным нулю. Настоящая книга пойдет дальше и поставит вопрос: как ведет себя само количество представлений и может ли его гарантированный минимум неограниченно возрастать?

2 — Формулировка

Пусть N — четное натуральное число, большее 2. Классическая бинарная гипотеза Гольдбаха утверждает существование простых p и q таких, что:

N = p + q.

Здесь p и q могут совпадать. Например:

4 = 2 + 2,

6 = 3 + 3,

10 = 5 + 5.

Если же они различны, порядок слагаемых математически несущественен для самого факта представления:

3 + 7

и

7 + 3

задают одну и ту же пару простых.

В дальнейшем настоящей книги будет использоваться именно неупорядоченный подсчет: пара p + q учитывается один раз независимо от порядка слагаемых. Это соглашение необходимо зафиксировать заранее, поскольку различные способы подсчета приводят к различным числовым функциям.

Классическая проблема может быть записана через функцию количества представлений G(N). Если G(N) обозначает число различных неупорядоченных пар простых, сумма которых равна N, то гипотеза Гольдбаха утверждает:

G(N) >= 1

для каждого четного:

N > 2.

Такая запись сразу показывает бинарную природу классической проблемы. Для ее решения несущественно, чему равно G(N) — единице, десяти, тысяче или миллиону. Требуется только доказать, что оно никогда не равно нулю.

Именно это ограничение классической постановки позднее станет исходной точкой перехода к Метатеореме.

3 — Сильная и слабая версии

В современной терминологии различаются сильная и слабая формы проблемы Гольдбаха.

Сильная, или бинарная, гипотеза Гольдбаха:

каждое четное число N > 2 является суммой двух простых чисел.

Слабая, или тернарная, гипотеза Гольдбаха:

каждое нечетное число N > 5 является суммой трех простых чисел.

Название «слабая» связано с тем, что сильное утверждение практически сразу влечет тернарное. Для достаточно большого нечетного N число N — 3 четно, и если оно представимо суммой двух простых, то добавление простого числа 3 дает представление N суммой трех простых.

Но исторические судьбы двух утверждений оказались различными. В 1937 году Иван Виноградов доказал, что каждое достаточно большое нечетное число является суммой трех простых. Огромная неопределенная в первоначальном доказательстве граница долгое время не позволяла перейти от «достаточно больших» чисел ко всем необходимым случаям. В 2013 году Харальд Хельфготт завершил этот путь и доказал тернарную гипотезу для каждого нечетного числа, большего 5. Поэтому слабая гипотеза сегодня уже является теоремой.

Сильная бинарная гипотеза при этом не следует из слабой. Представление числа тремя простыми не дает автоматически представления четного числа двумя простыми. Именно бинарная проблема остается нерешенной.

Это различие чрезвычайно поучительно. Добавление еще одного простого слагаемого резко увеличивает свободу системы и делает аналитические методы значительно более эффективными. Переход от трех простых к двум оказывается не небольшим техническим улучшением, а качественно более трудной задачей.

4 — Основные этапы исследования

После постановки проблемы в XVIII веке долгое время преобладали вычислительные проверки и отдельные наблюдения. Существенный поворот произошел с развитием аналитической теории чисел. В 1923 году Харди и Литтлвуд применили разработанный ими круговой метод к задачам представления чисел суммами простых и сформулировали асимптотические ожидания для количества представлений Гольдбаха. Их работа не решила бинарную проблему, но существенно изменила ее статус: вопрос оказался связан с глубокими аналитическими законами распределения простых чисел.

Следующий крупный этап связан с Виноградовым, доказавшим в 1937 году теорему о представлении всех достаточно больших нечетных чисел суммой трех простых. Примерно в тот же период были получены результаты о том, что почти все четные числа являются суммой двух простых. В частности, Эстерман в 1938 году доказал такое утверждение в точном смысле плотности исключительного множества.

Важнейшим продвижением в направлении бинарной проблемы стала теорема Чэня. Цзинжун Чэнь доказал, что каждое достаточно большое четное число представимо как сумма простого и числа, имеющего не более двух простых множителей. Тем самым второе слагаемое удалось приблизить к простому чрезвычайно близко, но не полностью. Эта теорема стала одним из наиболее сильных классических результатов, непосредственно приближающих нас к бинарной гипотезе.

В 2013 году Хельфготт завершил доказательство слабой проблемы Гольдбаха, используя современную версию кругового метода, оценки экспоненциальных сумм и решетные инструменты.

Параллельно развивались вычислительные проверки сильной гипотезы, достигшие чрезвычайно больших границ. В результате мы имеем необычную ситуацию: огромное количество конечных случаев проверено, многочисленные ослабленные и усредненные утверждения доказаны, но универсальный бинарный переход по-прежнему не установлен.

5 — Классические методы

Исследование проблемы Гольдбаха привлекло почти весь основной аппарат аналитической теории чисел. Один из важнейших инструментов — круговой метод Харди и Литтлвуда, предназначенный для исследования аддитивных представлений чисел. В грубом смысле исходная дискретная задача переводится в задачу оценки интегралов и экспоненциальных сумм. Это позволяет отделять главный вклад от ошибки и получать асимптотические формулы в тех случаях, когда число слагаемых достаточно велико.

Второе крупное направление — решетные методы. Решето позволяет оценивать количество чисел, не имеющих определенных простых делителей, и благодаря этому приближаться к условиям простоты. Именно решетная техника лежит в основе теоремы Чэня. Однако решета сталкиваются с фундаментальной трудностью: им гораздо легче различать числа с «малым количеством простых множителей», чем надежно выделить именно простые числа. Это связано с известным в теории решет паритетным препятствием.

Третье направление связано с оценками экспоненциальных сумм и распределением простых в арифметических прогрессиях. Оно особенно важно для кругового метода и для контроля тех частей аналитического разложения, в которых требуется понять, насколько равномерно распределены простые при дополнительных арифметических ограничениях.

Четвертый тип методов — исследование исключительных множеств. Вместо требования доказать утверждение для каждого четного числа можно попытаться показать, что количество возможных исключений чрезвычайно мало. Такие результаты сильны с точки зрения плотности, но логически отличаются от проблемы Гольдбаха: даже одно исключительное число разрушило бы универсальную гипотезу.

И наконец, существует вычислительное направление. Оно не заменяет аналитического доказательства, но позволяет проверять конечные диапазоны, тестировать гипотезы о числе представлений, исследовать экстремальные случаи и искать структуру потенциального доказательства.

6 — Современные результаты

К настоящему времени вокруг проблемы Гольдбаха доказано множество сильных утверждений, однако важно не смешивать их логический статус.

Слабая тернарная проблема решена полностью: каждое нечетное число больше 5 является суммой трех простых. Это теорема Хельфготта.

Для бинарной проблемы известно, что почти все четные числа представляются суммой двух простых в строгом асимптотическом смысле, однако утверждение «почти все» не равносильно утверждению «все».

Теорема Чэня гарантирует для достаточно больших четных чисел представление в виде суммы простого и либо простого, либо полупростого числа — произведения двух простых. Это чрезвычайно близкое приближение к бинарной проблеме, но логически все еще не является ее решением.

С другой стороны, эвристика Харди — Литтлвуда предсказывает гораздо больше, чем простое существование одной пары. Ожидаемое количество представлений большого четного N имеет основной масштаб порядка:

N / (log N)^2,

умноженный на арифметический множитель, зависящий от делимости самого N. Эта гипотетическая асимптотика объясняет две особенности, чрезвычайно важные для настоящей книги: общее увеличение числа представлений на больших масштабах и сильные локальные колебания между соседними четными числами. Однако для бинарной задачи такая точечная асимптотика не доказана для каждого четного N и потому не может использоваться как готовое доказательство Метатеоремы.

Таким образом, современная теория дает сильные основания ожидать большого количества представлений, но основной логический барьер остается именно в переходе от среднего или почти всеобщего поведения к гарантии для каждого достаточно большого четного числа.

7 — Вычислительные проверки

Проблема Гольдбаха особенно удобна для прямой вычислительной проверки. Для заданного четного N достаточно перебрать простые p до N / 2 и проверить, является ли N — p простым. Если хотя бы одна такая пара существует, число удовлетворяет гипотезе.

История вычислительных проверок постепенно расширяла известную границу от сравнительно небольших таблиц до гигантских массивов. Наиболее известная опубликованная проверка Томаша Оливейры-и-Силвы, Зигфрида Херцога и Сильвио Парди установила истинность бинарного утверждения для всех четных чисел, не превосходящих:

4 * 10^18.

Работа опубликована в Mathematics of Computation и описывает не только итоговую границу, но и методы контроля вычислений.

Масштаб проверки огромен, но ее логический статус необходимо понимать совершенно точно. Из утверждения:

G(N) >= 1

для всех четных N <= 4 * 10^18

не следует:

G(N) >= 1

для всех четных N.

Какой бы большой ни была конечная граница, за ней остается бесконечный натуральный ряд.

Поэтому вычислительный эксперимент имеет здесь две функции. Первая — исключать контрпримеры в конечной области. Вторая, значительно более важная для настоящей книги, — исследовать структуру функции G(N), искать закономерности ее минимумов, порогов и метадинамики.

8 — Современное состояние проблемы

По состоянию на 25 сентября 2026 года общепринятого доказательства сильной бинарной гипотезы Гольдбаха не существует; задача продолжает иметь статус открытой. Периодически появляются препринты и заявления о доказательстве, однако это не меняет математического статуса проблемы без проверенного доказательства, прошедшего профессиональную экспертизу. Актуальные сводки по состоянию на 2026 год по-прежнему фиксируют бинарную проблему как нерешенную.

Это создает исходную точку настоящего исследования.

Мы имеем одновременно:

чрезвычайно сильную вычислительную поддержку;

эвристические асимптотики, предсказывающие большое число представлений;

теоремы, решающие тернарную версию;

теоремы, решающие бинарную задачу для почти всех четных чисел;

теоремы, приближающие второе простое слагаемое числом с двумя простыми множителями;

и отсутствие универсального доказательства для каждой четной величины.

Следовательно, проблема заключается не в недостатке свидетельств.

Проблема заключается в поиске структуры, превращающей огромное количество свидетельств в универсальный переход.

Настоящая книга предлагает исследовать возможность такого перехода через существенно более сильную количественную постановку.

Глава 2. Представления четных чисел суммой двух простых

1 — Определение разложения

Пусть N — четное натуральное число, большее 2. Представлением Гольдбаха назовем пару простых чисел p и q, для которой:

N = p + q.

Например, для N = 20 имеются представления:

20 = 3 + 17

20 = 7 + 13.

Каждая такая пара является отдельным способом представить число 20 суммой двух простых.

Для дальнейшего анализа недостаточно фиксировать только наличие пары. Необходимо подсчитывать все различные представления. Поэтому вводится функция:

G(N).

Она показывает число различных представлений четного N суммой двух простых.

Для 20:

G(20) = 2.

Для 34:

34 = 3 + 31 = 5 + 29 = 11 + 23 = 17 + 17,

следовательно:

G(34) = 4.

Так бинарная проблема превращается в исследование целочисленной функции:

G(4), G(6), G(8), G(10), …

Классическая гипотеза задает только ее нижнее условие:

G(N) >= 1.

Но сама функция содержит значительно больше информации.

2 — Упорядоченные и неупорядоченные пары

Существует два естественных способа подсчета представлений.

В упорядоченном подсчете:

3 + 17

и

17 + 3

считаются двумя различными представлениями.

В неупорядоченном подсчете они считаются одной парой.

В настоящей книге используется неупорядоченная система.

То есть мы всегда выбираем:

p <= q.

Тогда каждое разложение учитывается ровно один раз.

Например, для 10 существуют пары:

3 + 7

5 + 5.

Поэтому:

G(10) = 2.

Пара 7 + 3 отдельно не учитывается.

Такое соглашение удобно не только технически. Нас интересует количество различных сочетаний простых компонентов, а перестановка двух слагаемых не создает новой арифметической структуры.

Необходимо учитывать это соглашение при сравнении наших таблиц с другими источниками. В литературе число представлений может определяться иначе, в том числе с учетом порядка или с логарифмическими весами. Поэтому численные функции внешне похожего назначения не всегда непосредственно сопоставимы.

3 — Количество разложений

Функцию G(N) можно определить алгоритмически следующим образом.

Для каждого простого:

p <= N / 2

вычисляется:

q = N — p.

Если q также простое, найдено одно представление.

Количество таких p и есть G(N).

Формально:

G(N) = количество простых p <= N / 2, для которых N — p также простое.

Это определение превращает проблему Гольдбаха в задачу о числовой функции.

Именно этот переход является решающим для всей дальнейшей книги.

Вместо одного бинарного вопроса появляется целая система:

каково значение G(N)?

как оно меняется?

какова его средняя величина?

каковы локальные минимумы?

каковы максимумы?

где впервые достигается уровень K?

где происходит последнее падение ниже K?

существует ли после некоторой границы гарантированный нижний уровень?

как перемещается эта граница при росте K?

Таким образом, сама проблема Гольдбаха превращается из единичного утверждения существования в динамическую теорию функции представлений.

4 — Первичные таблицы

Начальные значения G(N) легко вычислить непосредственно. Для первых четных чисел получаем:

4 — 1
6 — 1
8 — 1
10 — 2
12 — 1
14 — 2
16 — 2
18 — 2
20 — 2
22 — 3
24 — 3
26 — 3

28 — 2
30 — 3
32 — 2
34 — 4
36 — 4
38 — 2
40 — 3
42 — 4
44 — 3
46 — 4
48 — 5
50 — 4

Уже эта простая таблица обнаруживает структуру, которая полностью исчезает в классической бинарной постановке.

Если интересоваться только выполнением гипотезы Гольдбаха, все числа от 4 до 50 дают один и тот же ответ:

да.

Но количественный анализ показывает совершенно иную картину.

Значения:

1, 2, 3, 4, 5

появляются не монотонно.

После достижения нового уровня функция способна снова снизиться.

Например:

G(24) = 3,

но:

G(28) = 2.

Далее:

G(36) = 4,

но:

G(38) = 2.

А:

G(48) = 5,

после чего:

G(50) = 4.

Следовательно, первое достижение некоторого уровня и устойчивое закрепление этого уровня — принципиально разные события.

Именно из этого различия позднее возникнет теория неснижаемости.

5 — Локальные колебания

Функция G(N) не является монотонной.

Это один из важнейших исходных фактов.

Даже если общий масштаб числа представлений возрастает, соседние четные числа могут иметь существенно различное количество разложений.

Причина состоит в арифметической неоднородности самих четных чисел. Вероятность того, что p и N — p одновременно окажутся простыми, зависит не только от размера N, но и от его делимости на небольшие простые. Эвристика Харди — Литтлвуда учитывает это посредством специального арифметического множителя, вследствие чего числа сходного размера могут иметь заметно различающееся ожидаемое количество представлений.

Для нашей программы этот факт особенно важен.

Если бы G(N) после некоторой небольшой границы просто возрастала монотонно, задача о гарантированных уровнях была бы значительно проще.

Но реальная картина имеет вид:

рост;

провал;

новый рост;

новый провал;

локальное плато;

скачок.

Поэтому необходимо исследовать не обычную линию роста, а структуру провалов.

Вопрос становится следующим:

не насколько высоко способна подняться G(N), а насколько низко она еще способна опуститься после достижения данного масштаба.

Это уже вопрос нижней огибающей.

6 — Минимальные значения

Понятие минимума требует точного определения, поскольку можно рассматривать несколько различных типов минимальных значений.

Первый — минимум внутри фиксированного конечного интервала:

Min(A,B) = min G(N)

для четных N между A и B.

Второй — накопленный минимум. Однако если начинать с N = 4, он долгое время остается равным 1 и поэтому мало информативен.

Гораздо важнее третий объект — минимум хвоста.

Для конечной вычислительной области от V до X можно определить:

L(V,X) = min G(N)

по всем четным N, удовлетворяющим:

V <= N <= X.

Если L(V,X) = 10, это означает, что в проверенном диапазоне от V до X ни одно четное число не имеет меньше десяти представлений.

Но это все еще конечный вычислительный факт.

Глобальная характеристика должна иметь вид:

L(V) = inf G(N)

по всем четным N >= V.

Если удается доказать:

L(V) >= K,

то начиная с V уровень K уже невозможно нарушить.

Именно это отличие между конечным и глобальным минимумом будет принципиальным во всей дальнейшей работе.

7 — Максимальные значения

Наряду с минимумами можно исследовать максимальные значения G(N). Они показывают, насколько большое количество представлений способно возникнуть на данном масштабе.

Первые рекордные уровни появляются быстро:

G(4) = 1,

G(10) = 2,

G(22) = 3,

G(34) = 4,

G(48) = 5,

G(60) = 6,

G(78) = 7,

G(84) = 8,

G(90) = 9,

G(114) = 10.

Однако рекордный максимум принципиально отличается от гарантированного минимума.

Если некоторое число имеет тысячу представлений, это ничего не доказывает о соседнем четном числе. Максимум показывает возможности системы, но не ее гарантии.

Тем не менее максимальные значения важны. Они позволяют оценивать ширину распределения, степень арифметической неоднородности и разрыв между верхним и нижним экстремальными слоями.

В дальнейшем можно исследовать не только рост минимумов, но и соотношение:

максимум / минимум

в различных диапазонах. Такой показатель характеризует степень неоднородности количества представлений.

8 — Рекордные значения

Под рекордным значением будем понимать значение, впервые превышающее все предыдущие значения соответствующего типа.

Для верхнего рекорда это означает:

G(N) > G(M)

для всех четных M < N.

Но существует другой тип события, значительно более важный для нашей задачи, — первое достижение уровня K.

Обозначим его:

A(K).

Это наименьшее четное N, для которого:

G(N) >= K.

Например, первые небольшие уровни достигаются при:

A(1) = 4

A(2) = 10

A(3) = 22

A(4) = 34

A(5) = 48.

Однако A(K) не является границей гарантии.

Если уровень K однажды достигнут, функция может позднее снова опуститься ниже него.

Поэтому необходимо ввести вторую характеристику — последнее нарушение уровня.

Если существует последнее четное N, для которого:

G(N) < K,

то число сразу после него становится естественным кандидатом на границу неснижаемости.

Таким образом, уже на уровне первичной статистики появляются два принципиально различных события:

первое достижение уровня;

последнее нарушение уровня.

Расстояние между ними образует переходную зону.

Именно эта структура окажется значительно информативнее обычного ряда рекордных максимумов.

9 — Нижний экстремальный слой

Для классической проблемы Гольдбаха все значения G(N), кроме самых малых, в некотором смысле избыточны.

Если:

G(N) = 1000,

то для классической гипотезы это не лучше, чем:

G(N) = 1.

Оба числа удовлетворяют условию:

G(N) >= 1.

Следовательно, решение универсальной задачи определяется не типичными и не максимальными значениями, а нижним экстремальным слоем.

Под нижним экстремальным слоем будем понимать систему характеристик, описывающих наименее благоприятные значения G(N) на возрастающих масштабах. В нее могут входить:

локальные минимумы;

нижние огибающие;

последние нарушения заданных уровней;

границы неснижаемости;

глубина провалов;

частота провалов;

расстояния между ними;

переходные зоны;

динамика самих границ.

Именно здесь находится принципиальное отличие нашего подхода от обычного анализа среднего количества представлений.

Эвристика Харди — Литтлвуда дает основание ожидать, что типичное количество представлений большого четного числа имеет масштаб порядка:

N / (log N)^2,

с дополнительным арифметическим фактором. Поскольку эта величина в целом растет, естественно ожидать все большего количества представлений. Но даже очень сильный закон среднего роста еще не отвечает на вопрос, может ли существовать чрезвычайно редкая последовательность аномально глубоких провалов.

Для классической гипотезы необходимо исключить провал до нуля.

Для Метатеоремы требуется значительно больше: для каждого K необходимо исключить все будущие провалы ниже K после некоторой конечной границы.

Поэтому центральным объектом становится функция нижней гарантии.

Идею можно записать так:

L(V) = минимально возможное G(N) при всех четных N >= V.

Если при увеличении V величина L(V) неограниченно возрастает, то для любого K существует конечная граница V, после которой:

G(N) >= K

для каждого четного N.

Именно эта формулировка позднее приведет нас непосредственно к Метатеореме Гольдбаха.

Таким образом, путь от классической проблемы к новой постановке проходит через последовательность:

существование представления -> количество представлений -> локальные колебания -> экстремумы -> нижний экстремальный слой -> гарантированный минимум.

Следующая глава сделает этот переход центральным предметом исследования.

*******

Глава 3. От существования к количеству

1 — Ограниченность вопроса о наличии одного разложения

Классическая проблема Гольдбаха ставит вопрос в предельно минимальной форме: существует ли для каждого четного числа, большего двух, хотя бы одна пара простых чисел, сумма которых равна этому числу? В обозначениях настоящей книги это условие записывается как:

G(N) >= 1.

С логической точки зрения такое утверждение является совершенно определенным и чрезвычайно сильным, поскольку оно должно выполняться для каждого четного N. Однако с точки зрения количественной структуры функции G(N) оно использует лишь самую нижнюю границу возможной информации. Если одно число имеет единственное представление, другое — десять, третье — тысячу, классическая формулировка рассматривает их одинаково: во всех трех случаях представление существует.

Поэтому бинарный критерий существования можно сравнить с датчиком, различающим только два состояния:

0 — представления нет;

1 — хотя бы одно представление имеется.

Вся остальная количественная структура функции G(N) при этом исчезает. Значения 2, 10, 100 и 1000 оказываются логически сведены к одному ответу «да».

Для доказательства классической гипотезы этого достаточно. Для понимания самой структуры представлений — нет.

Если с увеличением N количество представлений в среднем возрастает, если минимальные значения на больших масштабах также поднимаются, если уровни, однажды ставшие гарантированными, последовательно сменяются более высокими уровнями, то проблема Гольдбаха содержит значительно больше информации, чем утверждение о ненулевом значении функции G(N).

Поэтому центральным методологическим переходом становится отказ от исключительного внимания к вопросу:

«Есть ли хотя бы одно представление?»

и переход к вопросу:

«Как развивается вся система количества представлений?»

Именно эта замена вопроса открывает пространство для новой теории.

2 — Количество разложений как основной объект

После введения функции G(N) естественным основным объектом становится уже не факт представимости четного числа, а само количество его представлений.

Для каждого четного N строится значение:

G(N) = количество различных неупорядоченных пар простых p и q, для которых N = p + q.

Получаем последовательность:

G(4), G(6), G(8), G(10), …

Это полноценный числовой объект, к которому можно применять практически весь аппарат динамического анализа, разработанный в предыдущей части.

Можно исследовать абсолютные значения G(N), локальные изменения, средние значения на диапазонах, медианы, минимумы, максимумы, квантили, нижние огибающие, рекорды, последние нарушения уровней и границы их устойчивого достижения.

Тем самым одна классическая гипотеза превращается в семейство взаимосвязанных задач.

Например:

как растет типичное значение G(N)?

как быстро изменяется среднее количество представлений?

какова ширина распределения?

как сильно отличаются числа одинакового масштаба?

как ведут себя нижние процентили?

какова динамика локальных минимумов?

существует ли растущая нижняя огибающая?

имеется ли для каждого K конечная граница, после которой G(N) уже не может стать меньше K?

Последний вопрос непосредственно приводит к Метатеореме Гольдбаха.

Таким образом, количественный подход не заменяет классическую проблему, а включает ее в более широкую систему. Бинарный критерий G(N) >= 1 становится одним частным уровнем исследования целой функции G.

3 — Средний уровень

Одной из первых количественных характеристик является среднее значение числа представлений на некотором диапазоне.

Пусть рассматриваются четные числа от A до B. Тогда можно вычислить среднее количество представлений:

Mean(A,B) = сумма G(N) / количество четных N в диапазоне.

Среднее значение показывает общий уровень насыщенности представлениями. Если при увеличении масштаба среднее быстро растет, это свидетельствует о том, что типичное четное число получает все больше возможностей быть представленным суммой двух простых.

С точки зрения эвристики Харди — Литтлвуда такое поведение естественно ожидать: общий масштаб количества представлений должен возрастать примерно как N / (log N)^2 с дополнительным арифметическим множителем.

Но среднее значение имеет фундаментальное ограничение.

Большое среднее не гарантирует большого минимума.

Предположим, девять чисел имеют по 1000 представлений, а десятое — одно. Среднее будет очень высоким, но гарантированный минимум останется равным единице.

Следовательно, среднее характеризует типичный ресурс системы, но не ее нижнюю гарантию.

Для классической проблемы Гольдбаха и тем более для Метатеоремы этого недостаточно. Универсальное утверждение должно контролировать каждое число, а значит, необходимо двигаться к нижней части распределения.

4 — Медианный уровень

Медиана дает другой способ характеризовать типичное поведение.

Если расположить значения G(N) внутри диапазона по возрастанию, медиана делит их на две половины: не менее половины значений находятся ниже или на медианном уровне и не менее половины — выше или на нем.

Медиана полезна тем, что значительно слабее среднего реагирует на отдельные чрезвычайно высокие значения.

Если несколько четных чисел имеют аномально большое количество представлений, среднее может заметно вырасти, тогда как медиана практически не изменится.

Поэтому совместный анализ среднего и медианы позволяет оценивать асимметрию распределения.

Если среднее намного выше медианы, верхний хвост существенно влияет на общую картину. Если они близки, распределение более сбалансировано.

Однако медиана имеет то же принципиальное ограничение, что и среднее.

Она описывает центральную область распределения, а не худший случай.

Даже если медианное число представлений равно тысяче, все еще может существовать редкое число с десятью, двумя или даже одним представлением.

Поэтому медиана полезна для описания статистической структуры, но не решает задачу универсальной гарантии.

5 — Минимальный уровень

Для доказательных задач значительно важнее минимальный уровень.

Пусть рассматривается конечный диапазон четных чисел:

A <= N <= B.

Определим:

M(A,B) = min G(N).

Это наименьшее число представлений среди всех четных N в выбранном диапазоне.

Если:

M(A,B) = 7,

то каждое четное число в этом диапазоне имеет не менее семи представлений.

Такой показатель уже непосредственно связан с понятием гарантии.

Но здесь необходимо очень строго различать два утверждения.

Первое:

«На конечном диапазоне от A до B минимум равен 7».

Это вычислительный факт.

Второе:

«Начиная с A и далее по всему бесконечному натуральному ряду количество представлений никогда не опускается ниже 7».

Это универсальное математическое утверждение.

Первое может быть установлено конечным перебором.

Второе требует доказательства.

Именно эта граница между конечным минимумом и глобальным гарантированным минимумом является одной из центральных логических линий настоящей книги.

Для конечных вычислительных экспериментов минимальные значения дают материал для поиска закономерностей. Для теоремы необходим закон, исключающий будущие нарушения.

6 — Нижние процентили

Между медианой и абсолютным минимумом существует полезный промежуточный слой — нижние процентили распределения.

Например, можно исследовать уровень, ниже которого находятся только:

10 процентов значений;

5 процентов;

1 процент;

0,1 процента.

Такие характеристики позволяют видеть, что происходит не с одним абсолютным худшим случаем, а с целым нижним хвостом распределения.

Это особенно важно для понимания природы экстремумов.

Предположим, абсолютный минимум растет медленно, но первый процентиль растет значительно быстрее. Тогда редкие худшие случаи отделяются от основной массы.

Если же минимум, первый процентиль и пятый процентиль движутся приблизительно согласованно, нижний слой развивается как единая структура.

Таким образом, процентили позволяют перейти от одной крайней точки к геометрии нижнего хвоста.

Однако и здесь действует то же ограничение: даже очень высокий 0,1-процентиль не исключает единичного исключения.

Для доказательства Метатеоремы нужен именно абсолютный нижний контроль.

Но для поиска механизма, создающего этот контроль, структура процентилей может быть чрезвычайно полезна.

7 — Нижняя огибающая

Если рассматривать минимальные значения G(N) на последовательных диапазонах или хвостах, возникает понятие нижней огибающей.

Она должна отражать не типичный уровень, а наиболее неблагоприятные значения функции на растущих масштабах.

Можно построить несколько вариантов нижней огибающей.

Например, интервальную:

L(A,B) = min G(N)

в каждом последовательном диапазоне.

Можно построить хвостовую:

L(V,X) = min G(N)

для всех четных N между V и конечной вычислительной границей X.

В глобальной теоретической форме естественным объектом становится:

L(V) = inf G(N)

по всем четным N >= V.

Если функция L(V) неограниченно возрастает при V -> infinity, то Метатеорема Гольдбаха следует непосредственно.

Действительно, если:

L(V) -> infinity,

то для любого заданного K можно выбрать такую границу V, что:

L(V) >= K.

А это означает:

G(N) >= K

для каждого четного N >= V.

Таким образом, сложная словесная формулировка Метатеоремы сводится к чрезвычайно ясному утверждению:

глобальная нижняя огибающая функции числа представлений стремится к бесконечности.

Это одна из наиболее важных эквивалентных форм будущей Метатеоремы.

8 — Почему для проблемы Гольдбаха ключевым становится худший случай

Проблема Гольдбаха является универсальным утверждением. В ней присутствует слово «каждое».

Именно это слово определяет всю структуру доказательства.

Если 99,999999 процента четных чисел имеют огромное количество представлений, но существует одно исключение, классическая гипотеза ложна.

Если среднее число представлений стремится к бесконечности, но существует бесконечная редкая последовательность чисел с одним представлением, Метатеорема также ложна.

Если все вычисленные значения до гигантской границы демонстрируют рост нижнего уровня, но после нее существует новый провал, конечная проверка этого не исключает.

Следовательно, математический центр проблемы находится не в среднем, не в медиане и не в большинстве.

Он находится в худшем случае.

Именно поэтому нижний экстремальный слой становится главным объектом исследования.

Мы должны понять не только, почему представлений обычно много, но и почему после определенного уровня их уже не может стать слишком мало.

Это существенно более сильный вопрос.

Можно выразить его так:

необходимо найти механизм, который не просто создает новые представления, а создает достаточный резерв, чтобы никакая будущая арифметическая конфигурация не могла опустить количество представлений ниже уже гарантированного уровня.

Именно понятие такого резерва позже войдет в структуру индукционного состояния.

В этом смысле переход от среднего поведения к худшему случаю является переходом от статистики к доказательной архитектуре.

Глава 4. От проблемы Гольдбаха к более сильному утверждению

1 — Один способ представления

Классическая проблема Гольдбаха требует минимального возможного положительного результата:

для каждого четного N > 2 существует хотя бы одна пара простых чисел, сумма которых равна N.

В нашей записи:

G(N) >= 1.

Уровень 1 является особенным только потому, что он отделяет существование от отсутствия.

При:

G(N) = 0

представления нет.

При:

G(N) = 1

оно уже есть.

Но с точки зрения количественной структуры уровень 1 не обладает привилегированным статусом. Это просто первый положительный уровень целочисленной функции G(N).

Следовательно, после вопроса:

«Гарантирован ли уровень 1?»

естественно спросить:

«Гарантирован ли уровень 2?»

Затем:

3?

10?

100?

1000?

И наконец:

любой заранее заданный конечный уровень K?

Так бинарная гипотеза начинает превращаться в бесконечную иерархию количественных утверждений.

2 — Несколько способов представления

Рассмотрим утверждение:

начиная с некоторой границы каждое четное число имеет не менее двух представлений.

Это уже сильнее классической проблемы.

Следующий уровень:

начиная с некоторой, возможно большей, границы каждое четное число имеет не менее трех представлений.

Далее:

не менее четырех;

пяти;

десяти;

ста.

Каждому уровню K можно сопоставить вопрос:

существует ли конечная граница V(K), после которой:

G(N) >= K

для всех четных N?

Получается семейство утверждений:

T1, T2, T3, …, TK, …

где TK означает существование глобальной границы уровня K.

Если доказано только T1, получаем классический Гольдбах.

Если доказаны T1, T2, …, T1000, получаем чрезвычайно сильное, но все еще конечное семейство утверждений.

Если же TK доказано для произвольного натурального K, структура принципиально меняется.

Мы получаем не набор отдельных усилений, а универсальный закон.

Именно он и составляет содержание Метатеоремы.

3 — Гарантированный минимум

Для описания этой структуры введем функцию гарантированного минимума.

Пусть для каждой границы V рассматриваются все четные числа:

N >= V.

Тогда определим:

H(V) = inf G(N)

по всем таким N.

Если минимум существует в обычном смысле, можно говорить просто о минимальном значении. Использование inf позволяет дать определение в наиболее общем виде.

H(V) отвечает на вопрос:

какое количество представлений гарантировано после границы V независимо от выбора четного N?

Эта функция обладает важным свойством.

При увеличении V множество рассматриваемых чисел уменьшается. Следовательно, гарантированный минимум не может уменьшиться:

если V2 > V1,

то:

H(V2) >= H(V1).

Таким образом, H(V) является неубывающей функцией.

Это принципиально отличается от исходной G(N), которая сильно колеблется.

Мы переходим от колеблющейся первичной функции к монотонной функции гарантии.

Именно такой переход чрезвычайно важен для всей дальнейшей теории.

Функция G(N) показывает реальное количество представлений конкретного числа.

Функция H(V) показывает уровень, который система уже не может потерять после заданной границы.

Тем самым H является естественным объектом теории неснижаемости.

4 — Рост гарантированного минимума

Если H(V) неубывает, возникает следующий вопрос:

остается ли она ограниченной или возрастает без верхней границы?

Возможны принципиально различные сценарии.

Первый:

H(V) стабилизируется, например, на уровне 1.

Тогда классическая гипотеза может быть истинной, но никакой более сильной универсальной гарантии не возникает.

Второй:

H(V) стабилизируется на некотором K0 > 1.

Тогда все достаточно большие четные числа имеют как минимум K0 представлений, но гарантированный минимум не растет далее.

Третий:

H(V) неограниченно возрастает.

Тогда для любого K существует V такое, что:

H(V) >= K.

Именно третий сценарий соответствует Метатеореме Гольдбаха.

Таким образом, Метатеорема может быть сформулирована как утверждение о поведении одной функции:

H(V) -> infinity.

Эта форма особенно удобна, поскольку переводит проблему из языка бесконечного семейства утверждений в язык одного глобального закона.

При этом рост H не обязан быть плавным.

Функция может долго оставаться постоянной, затем перескакивать на новый уровень, снова образовывать плато и снова расти.

Поэтому важна не монотонность роста в каждом шаге, а неограниченность последовательности достигаемых гарантированных уровней.

5 — Идея Метатеоремы Гольдбаха

Теперь можно сформулировать центральную идею.

Метатеорема Гольдбаха:

для любого натурального K существует конечная граница V(K) такая, что каждое четное число N >= V(K) имеет не менее K различных неупорядоченных представлений в виде суммы двух простых чисел.

В простой формульной форме:

для каждого K существует V(K), такое что

N >= V(K) => G(N) >= K

для всех четных N.

Эквивалентная форма:

H(V) -> infinity.

Содержательный смысл утверждения состоит в том, что по мере движения по натуральному ряду растет не только типичное или среднее количество представлений, но и гарантированный минимум.

Чем дальше мы продвигаемся, тем больший запас представлений становится неизбежным для каждого четного числа.

Именно слово «каждого» является здесь определяющим.

Метатеорема не утверждает, что большинство чисел имеет много представлений.

Она не утверждает, что среднее стремится к бесконечности.

Она не утверждает даже, что вероятность малого количества представлений становится исчезающе малой.

Она утверждает значительно больше:

после некоторой границы уровень K становится невозможным нарушить.

А поскольку K выбирается произвольно, никакой конечный уровень не является окончательным.

Гарантированный минимум должен расти без ограничения.

6 — Классическая проблема как минимальный частный случай

Связь Метатеоремы с классической проблемой теперь становится прозрачной.

Возьмем:

K = 1.

Тогда Метатеорема гарантирует существование некоторой конечной границы V(1), после которой:

G(N) >= 1

для каждого четного N.

Если оставшийся конечный начальный диапазон от 4 до V(1) проверен отдельно, получаем классическую гипотезу Гольдбаха для всех четных чисел.

Следовательно, классическая проблема представляет собой первый количественный уровень общей системы.

Важно, однако, точно употреблять терминологию.

Уровень K = 1 лучше называть минимальным частным случаем, а не «предельным случаем» Метатеоремы. В математике выражение «предельный случай» обычно связано с процедурой перехода к пределу, которой здесь нет.

Но возникает еще более важный методологический вопрос.

Почему вообще пытаться доказать утверждение, значительно более сильное, чем исходная нерешенная проблема?

На первый взгляд это кажется усложнением.

Однако более сильная формулировка несет дополнительную структуру.

Классическое утверждение говорит только:

«есть хотя бы одна пара».

В нем практически отсутствует запас.

Метатеорема требует растущего количества пар. Именно этот растущий запас потенциально способен создать структуру, необходимую для индукционного перехода.

Если на некотором уровне существует не одно представление, а большое количество представлений, можно исследовать, сколько из них сохраняется, сколько теряется, сколько появляется новых и какой минимальный резерв переносится при изменении масштаба.

Так возникает принцип, который будет иметь решающее значение далее:

более сильное утверждение может оказаться доказательно более структурированным, чем более слабое.

Мы не предполагаем, что усиление автоматически облегчает доказательство. Но оно открывает дополнительные объекты, отсутствующие в бинарной постановке:

уровень;

резерв;

последнее нарушение;

границу неснижаемости;

цену перехода;

траекторию удвоения;

нижнюю огибающую;

индукционное состояние.

Поэтому движение от проблемы Гольдбаха к Метатеореме является не просто попыткой доказать больше.

Это попытка изменить само пространство доказательства.

Классический вопрос спрашивает:

«Почему никогда не возникает ноль?»

Метатеорема ставит более содержательный вопрос:

«Почему гарантированный минимум должен последовательно проходить через уровни 1, 2, 3, … и неограниченно возрастать?»

Если удастся обнаружить универсальный механизм такого роста, отсутствие нуля окажется уже не изолированным чудом, а следствием значительно более мощного закона.

Именно с этого момента проблема Гольдбаха начинает превращаться в теорию неснижаемости.

******

ЧАСТЬ IV. ТЕОРИЯ НЕСНИЖАЕМОСТИ

Классическая постановка проблемы Гольдбаха фиксирует только самый нижний положительный уровень функции G(N): необходимо доказать, что она никогда не принимает значение 0 на четных N > 2. Однако количественный подход естественно приводит к более широкой системе уровней. Для каждого натурального K можно спросить, существует ли такой масштаб, начиная с которого число представлений уже никогда не опускается ниже K. Именно этот вопрос приводит к теории неснижаемости.

Неснижаемость в настоящей книге не означает монотонности функции G(N). Сама функция числа представлений может многократно расти и уменьшаться. Речь идет о другом: после некоторой границы определенный нижний уровень может стать необратимым. Функция продолжает колебаться, но уже не пересекает заданную нижнюю границу.

Таким образом, теория неснижаемости исследует не обычную динамику G(N), а динамику ее гарантированного нижнего уровня. Центральными объектами становятся первое достижение уровня, последнее нарушение, граница неснижаемости, переходная зона, последовательность границ и структура их движения.

Глава 1. Уровень неснижаемости

1 — Понятие уровня

Пусть G(N) — количество различных неупорядоченных представлений четного числа N в виде суммы двух простых чисел. Выберем некоторое натуральное число K. Будем называть K уровнем представимости или, в контексте настоящей части, уровнем неснижаемости.

Уровень K означает требование:

G(N) >= K.

Для отдельного числа это просто проверка, имеет ли оно не менее K представлений. Но для теории неснижаемости интерес представляет не отдельное N, а весь последующий хвост натурального ряда.

Поэтому основной вопрос имеет вид:

существует ли такая конечная граница V(K), что для всех четных N >= V(K) выполняется:

G(N) >= K?

Если да, то уровень K после V(K) становится глобально неснижаемым.

Уровни образуют естественную иерархию:

1, 2, 3, 4, …

Чем выше K, тем сильнее требование. Если глобально неснижаем уровень 10, то автоматически неснижаемы и все уровни от 1 до 9.

Следовательно, система уровней обладает вложенностью. Каждый более высокий уровень содержит все более низкие уровни как свои следствия.

Это позволяет рассматривать границы V(K) не как разрозненные числа, а как единую лестницу усиления гарантии.

2 — Первое достижение уровня

Для каждого K можно определить первое четное число, на котором функция G(N) достигает или превышает этот уровень.

Обозначим его:

A(K).

Тогда:

A(K) = минимальное четное N, для которого G(N) >= K.

Например, если некоторое число впервые имеет десять представлений, именно оно является первым достижением уровня 10.

Первое достижение важно как событие, но оно еще ничего не говорит об устойчивости уровня.

Функция G(N) немонотонна. Поэтому после первого достижения K она может вновь опуститься до K — 1, K — 2 или еще ниже.

Таким образом, A(K) отвечает только на вопрос:

когда уровень K впервые становится возможным?

Но теория неснижаемости задает более сильный вопрос:

когда уровень K становится необратимо гарантированным?

Разность между этими двумя событиями будет определять переходную зону.

Это различие необходимо сохранять строго, поскольку смешение первого достижения и устойчивого достижения способно привести к ложному выводу о существовании глобальной гарантии.

3 — Последнее нарушение уровня

Нарушением уровня K назовем четное число N, для которого:

G(N) < K.

Если множество таких чисел конечно, можно определить наибольшее из них.

Обозначим последнее нарушение:

B(K).

Тогда:

B(K) = максимальное четное N, для которого G(N) < K.

Если такое B(K) существует глобально, то после него уровень K уже никогда не нарушается.

Это делает последнее нарушение одним из важнейших объектов всей теории.

Первое достижение показывает появление уровня.

Последнее нарушение показывает исчезновение возможности его потери.

Между ними может лежать значительная область, где уровень неоднократно достигается и снова теряется.

Именно поэтому B(K) значительно ближе к доказательной задаче, чем A(K).

Однако здесь возникает принципиальное различие между вычислительным и глобальным смыслом.

Если вычисления проведены только до конечной границы X, можно определить:

B_X(K) = последнее нарушение уровня K среди четных N <= X.

Но нельзя автоматически утверждать, что B_X(K) является глобальным B(K). За пределами X теоретически может появиться новое нарушение.

Поэтому всякая вычислительная таблица последних нарушений должна сопровождаться явным указанием верхней границы проверки.

4 — Граница неснижаемости

Если последнее глобальное нарушение уровня K существует, естественно определить границу неснижаемости V(K) как первое четное число после последнего нарушения, начиная с которого уровень уже не теряется.

В простейшей форме:

V(K) = B(K) + 2,

поскольку рассматриваются только четные числа.

Тогда:

N >= V(K) => G(N) >= K

для всех четных N.

Именно V(K) является центральной функцией теории неснижаемости.

Она переводит задачу из пространства отдельных четных чисел в пространство уровней.

Вместо функции:

N -> G(N)

возникает новая функция:

K -> V(K).

Первая показывает, сколько представлений имеет конкретное число.

Вторая показывает, насколько далеко необходимо продвинуться, чтобы определенный уровень гарантии стал необратимым.

Это уже событийная функция.

Уровень K является событием, а V(K) — натуральным масштабом его глобального закрепления.

Именно поэтому теория неснижаемости естественно связывает предыдущий событийный анализ с будущей метаиндукцией.

5 — Переходная зона

Между первым достижением уровня A(K) и границей неснижаемости V(K) располагается переходная зона.

Ее ширину можно определить:

Z(K) = V(K) — A(K).

Содержательно это область, в которой уровень уже появился, но еще не стал устойчивым.

Внутри переходной зоны функция G(N) может многократно пересекать линию K.

Она поднимается выше уровня, затем опускается ниже, снова поднимается и так далее.

Чем шире переходная зона, тем дольше системе требуется для окончательного закрепления достигнутого уровня.

Это позволяет ввести новый класс характеристик:

ширину переходной зоны;

число нарушений внутри нее;

максимальную глубину провала;

среднее расстояние между нарушениями;

расстояние от первого достижения до последнего нарушения.

Такие показатели могут оказаться важными для понимания механизма формирования устойчивой зоны.

Если при росте K переходные зоны обладают определенной метадинамикой, это может дать дополнительные компоненты будущего индукционного состояния.

6 — Устойчивая зона

После границы V(K), если она установлена глобально, начинается устойчивая зона уровня K.

В ней выполняется:

G(N) >= K

для каждого четного N.

Это не означает, что G(N) становится постоянной или монотонной.

Она может продолжать сильно колебаться:

K + 20,

K + 100,

K + 5,

K + 500,

K + 30.

Смысл устойчивости заключается только в одном: нижняя граница K больше не пересекается вниз.

Поэтому устойчивую зону можно понимать как область сохранения минимальной гарантии.

По мере роста K возникают вложенные устойчивые зоны.

Если:

K2 > K1,

то обычно граница более высокого уровня не может быть левее границы более низкого уровня в глобальной минимальной конструкции:

V(K2) >= V(K1).

Следовательно, последовательность V(K) является неубывающей.

Именно эта монотонность уже встроена в само определение глобальных границ.

Это важный пример различия между исходной функцией G(N), которая немонотонна, и производной функцией V(K), которая по своей природе должна быть неубывающей.

7 — Конечная неснижаемость

В вычислительном эксперименте всегда существует конечная верхняя граница X.

Поэтому можно определить конечную границу неснижаемости:

V_X(K).

Она означает, что:

G(N) >= K

для всех четных N в диапазоне:

V_X(K) <= N <= X.

Это строгое вычислительное утверждение, если весь диапазон действительно проверен.

Но оно не означает, что:

G(N) >= K

для всех N > X.

Следовательно, конечная неснижаемость является свойством наблюдаемого массива, а не бесконечного натурального ряда.

Это различие настолько важно, что в настоящей книге должно соблюдаться терминологически.

Если речь идет о вычислении, следует писать:

«граница неснижаемости в диапазоне до X»

или:

«конечная граница уровня K при верхней границе X».

Термин «глобальная граница» допустим только после доказательства отсутствия будущих нарушений.

Такой строгий язык защищает исследование от наиболее опасной ошибки вычислительной теории чисел — переноса конечной устойчивости на бесконечный ряд без доказательного перехода.

8 — Глобальная неснижаемость

Глобальная неснижаемость уровня K означает существование конечной границы V(K), после которой нарушение уровня математически невозможно.

Формально:

существует V(K), такое что для каждого четного N >= V(K):

G(N) >= K.

Для одного фиксированного K это уже сильная теорема.

Если такое утверждение доказано для K = 1, получается существенная часть классической проблемы Гольдбаха, дополненная конечной проверкой начального диапазона.

Если оно доказано для каждого натурального K, получается Метатеорема Гольдбаха.

Поэтому глобальная неснижаемость является ключевым мостом между экспериментальной теорией уровней и окончательным универсальным утверждением.

Главная задача состоит не в том, чтобы вычислить очень большую V_X(K), а в том, чтобы найти закон, гарантирующий существование конечной V(K) независимо от любой вычислительной границы X.

Именно здесь начинается собственно доказательная проблема.

Глава 2. Последние нарушения

1 — Последнее нарушение первого уровня

Для уровня K = 1 нарушение означает:

G(N) < 1,

то есть:

G(N) = 0.

Следовательно, последнее нарушение первого уровня — это последний контрпример к классической гипотезе Гольдбаха, если такой контрпример вообще существует.

Если классическая гипотеза истинна для всех четных N > 2, нарушений первого уровня нет вовсе.

В этом смысле уровень 1 отличается от последующих уровней.

Для K > 1 нарушения существуют на малых числах обязательно, поскольку первые четные числа имеют лишь одно или несколько представлений. Для K = 1 вопрос о нарушении непосредственно совпадает с вопросом о существовании контрпримера к Гольдбаху.

Поэтому теория последних нарушений естественным образом включает классическую проблему как начальный случай.

2 — Последнее нарушение второго уровня

Для уровня K = 2 нарушением является четное число с:

G(N) < 2.

То есть число имеет либо одно представление, либо ни одного.

Даже если классическая проблема Гольдбаха истинна, нарушения второго уровня на малых числах существуют.

Следовательно, второй уровень уже принципиально отличается от первого.

Вопрос теперь не заключается в существовании представления. Он заключается в исчезновении чисел с единственным представлением.

Если существует последнее четное число, имеющее менее двух разложений, то после него каждый четный N обладает по крайней мере двумя различными парами простых.

Так возникает первое настоящее количественное усиление классической задачи.

Уровень 2 особенно важен методологически, поскольку именно здесь виден переход от бинарного существования к резерву.

При G(N) = 1 существует одна единственная пара. При G(N) >= 2 появляется минимальная избыточность.

Эта избыточность позднее может стать основой для анализа сохранения и компенсации представлений.

3 — Последние нарушения последующих уровней

Для любого K > 1 нарушение определяется одинаково:

G(N) < K.

Если глобальное множество таких нарушений конечно, существует последнее нарушение B(K).

Таким образом возникает последовательность:

B(2), B(3), B(4), …, B(K), …

Каждый ее элемент показывает последнюю точку натурального ряда, где соответствующий уровень гарантии еще не выполнен.

Это принципиально новый взгляд на функцию G(N).

Исходная функция имеет сложные колебания.

Последовательность последних нарушений сжимает огромное количество локальной информации в один экстремальный показатель для каждого уровня.

Можно сказать, что B(K) отвечает на вопрос:

где заканчивается эпоха возможных нарушений уровня K?

Именно поэтому последовательность B(K) естественно рассматривать как своего рода карту фазовых переходов между уровнями гарантии.

4 — Последовательность последних нарушений

Если для нескольких последовательных уровней вычислить последние нарушения, получается новый числовой ряд.

Он обладает собственной динамикой.

Можно исследовать:

абсолютные разности:

B(K+1) — B(K);

относительные отношения:

B(K+1) / B(K);

длины плато;

крупные скачки;

локальные ускорения;

многос шаговые переходы.

Особенно важно, что B(K) должна быть неубывающей в глобальном смысле.

Если уровень K+1 сильнее уровня K, его последнее нарушение не может закончиться раньше, чем все нарушения более слабого уровня, если границы определены минимально и глобально.

При этом соседние уровни могут иметь одно и то же последнее нарушение.

Так возникают плато.

Именно последовательность последних нарушений является одним из наиболее естественных объектов метадинамического анализа.

Она переводит сложную двумерную картину значений G(N) в одномерную траекторию усиления гарантии.

5 — Рекордные провалы

Не все нарушения одинаково важны.

Одно число может находиться лишь на единицу ниже уровня K:

G(N) = K — 1.

Другое может дать значительно более глубокий провал:

G(N) << K.

Поэтому необходимо исследовать не только наличие нарушения, но и его глубину.

Для заданного уровня K можно определить глубину провала:

Depth(N,K) = K — G(N)

при условии:

G(N) < K.

Чем больше Depth, тем сильнее нарушение.

Рекордным провалом можно назвать нарушение, глубина которого превосходит все предыдущие нарушения некоторого класса.

Однако для доказательной стратегии особенно важен другой тип рекорда: провал, происходящий необычно далеко вправо по натуральному ряду.

Такое число показывает, что уровень, казавшийся практически устойчивым, все еще способен нарушаться на большом масштабе.

Поэтому при вычислительном поиске необходимо специально ориентироваться на такие поздние и глубокие провалы.

Они являются наиболее ценными контрпримероподобными объектами для проверки будущих гипотез.

6 — Худшие четные числа

Для каждого диапазона можно выделить четные числа с минимальным G(N). Назовем их худшими числами данного диапазона относительно числа представлений Гольдбаха.

Именно эти числа формируют нижний экстремальный слой.

Если теория стремится доказать универсальную нижнюю границу, исследование типичных чисел вторично. Основной интерес представляют именно худшие.

Для каждого диапазона можно фиксировать:

минимальное G(N);

число или числа, на которых минимум достигается;

их факторизацию;

остатки по малым модулям;

количество различных простых делителей;

отношение к соседним значениям G(N);

глубину относительно локального среднего;

положение относительно предыдущих и следующих рекордных минимумов.

Так возникает база данных экстремальных четных чисел.

Если в их арифметической структуре обнаруживаются устойчивые признаки, это может существенно приблизить понимание механизма провалов.

7 — Арифметическая структура худших случаев

Количество представлений Гольдбаха зависит не только от размера N, но и от его арифметической структуры. Это следует уже из классических эвристик Харди — Литтлвуда, в которых количество ожидаемых представлений корректируется множителем, зависящим от простых делителей N.

Поэтому худшие четные числа могут быть не случайными.

Вполне возможно, что они принадлежат к определенным арифметическим классам или демонстрируют характерную структуру делимости.

Это необходимо исследовать систематически.

Для каждого экстремального числа можно анализировать:

делимость на малые простые;

количество простых делителей;

степени простых в факторизации;

остатки по системам модулей;

соседство с числами иной факторизационной структуры.

Особый интерес представляет вопрос:

существует ли конечный или управляемый набор «неблагоприятных арифметических конфигураций», способных создавать глубокие провалы?

Если да, доказательная задача может быть преобразована.

Вместо контроля всех четных чисел напрямую можно пытаться доказать, что даже наиболее неблагоприятные классы после некоторого масштаба обладают достаточным количеством представлений.

Это потенциально один из путей от статистического анализа к универсальному доказательству.

Глава 3. Границы неснижаемости

1 — Последовательность границ

Для каждого уровня K определим глобальную границу неснижаемости V(K), если ее существование доказано.

Она удовлетворяет условию:

N >= V(K) => G(N) >= K

для всех четных N.

Получается последовательность:

V(1), V(2), V(3), V(4), …

Именно эта последовательность становится центральным объектом новой теории.

Функция G(N) задает количество представлений по числовой оси.

Функция V(K) задает необходимый масштаб для гарантированного уровня.

Это своего рода обратная экстремальная функция.

Она отвечает не на вопрос:

«Сколько представлений имеет число N?»

а на вопрос:

«Насколько далеко нужно продвинуться, чтобы уровень K больше никогда не нарушался?»

Такая инверсия чрезвычайно удобна для событийного анализа и будущей индукции.

2 — Абсолютный сдвиг

Первейшая динамическая характеристика последовательности V(K) — абсолютный сдвиг соседних границ:

Delta(K) = V(K+1) — V(K).

Он показывает, какое дополнительное натуральное расстояние требуется для повышения гарантии с уровня K до K+1.

Если Delta мало, новый уровень достигается сравнительно быстро.

Если велико, между двумя соседними уровнями находится широкий масштабный промежуток.

Последовательность Delta(K) можно рассматривать как цену повышения гарантии на одну единицу.

Она может быть сильно неравномерной.

Одни уровни могут иметь одинаковую границу, тогда Delta = 0.

Другие требуют значительного скачка.

Таким образом, даже если V(K) неубывает, ее движение может быть ступенчатым и крайне неоднородным.

3 — Относительный сдвиг

Абсолютный сдвиг зависит от масштаба. Разница в 1000 единиц на малых числах и на масштабе миллиарда имеет различное относительное значение.

Поэтому естественно использовать относительный сдвиг:

RDelta(K) = [V(K+1) — V(K)] / V(K).

Он показывает, на какую долю текущего масштаба необходимо увеличить границу для перехода к следующему уровню гарантии.

Если RDelta уменьшается при росте K, это может означать, что каждое последующее повышение минимального уровня становится относительно дешевле.

Если он стабилизируется, может возникнуть масштабный закон.

Если растет, усиление гарантии становится относительно все более дорогим.

Однако любое наблюдаемое поведение на конечном массиве остается эмпирическим до тех пор, пока не доказана его универсальность.

4 — Отношение соседних границ

Еще одна естественная характеристика:

R(K) = V(K+1) / V(K).

Она связана с относительным сдвигом простым соотношением:

R(K) = 1 + RDelta(K).

Поэтому эти два показателя не являются независимыми.

Тем не менее отношение соседних границ удобно для масштабного анализа.

Если:

R(K) близко к 1,

следующий уровень требует небольшого относительного расширения масштаба.

Если:

R(K) существенно больше 1,

происходит заметный переход.

Особый интерес представляет поведение R(K) при больших K.

Если значения стремятся к 1, это означает, что соседние уровни гарантии в относительном масштабе располагаются все плотнее.

Такое поведение было бы важной метадинамической характеристикой, но его необходимо отдельно доказывать.

5 — Плато

Плато возникает, если несколько соседних уровней имеют одинаковую границу:

V(K) = V(K+1) = … = V(K+m).

Это означает, что один и тот же числовой масштаб одновременно обеспечивает сразу несколько уровней гарантии.

Например, если после некоторой границы минимальное количество представлений равно не K, а сразу K+3, то уровни K, K+1, K+2 и K+3 получают одну и ту же границу.

Плато поэтому отражает наличие резерва.

Оно показывает, что переход через границу усиливает систему не на один минимальный шаг, а сразу на несколько уровней.

Длина плато становится новой характеристикой:

P(K) = количество последовательных уровней, разделяющих одну границу.

Можно исследовать распределение длин плато и их изменение с ростом масштаба.

Если длинные плато становятся чаще, это может свидетельствовать о растущем запасе нижней гарантии.

6 — Пакеты уровней

Плато естественно объединяют соседние уровни в пакеты.

Пакетом назовем максимальный набор последовательных уровней, имеющих одну и ту же границу неснижаемости.

Например:

K, K+1, …, K+m

образуют один пакет, если:

V(K) = V(K+1) = … = V(K+m),

а соседние уровни вне этого диапазона имеют другие границы.

Пакет представляет собой более содержательный объект, чем отдельный уровень.

Он показывает, насколько велик был скачок фактического нижнего минимума при переходе через соответствующую границу.

Можно исследовать:

размер пакета;

положение пакета;

расстояние до следующего пакета;

рост или снижение средних размеров пакетов;

соотношение пакетов с крупными скачками V(K).

Так возникает новая событийная геометрия последовательности границ.

7 — Ступенчатая структура

Поскольку V(K) неубывает и может иметь плато, ее график естественно принимает ступенчатую форму.

Горизонтальный участок соответствует пакету уровней.

Вертикальный переход соответствует изменению границы.

Таким образом, последовательность V(K) можно интерпретировать как лестницу усиления гарантии.

Ступенчатая структура содержит две независимые характеристики:

ширину ступени по оси K;

высоту перехода по оси V.

Первая соответствует длине пакета уровней.

Вторая — абсолютному сдвигу границы.

Эти две величины совместно описывают цену повышения гарантии.

Широкая ступень означает, что один масштаб обеспечивает сразу несколько новых уровней.

Высокий переход означает, что после окончания пакета требуется значительное продвижение по натуральному ряду.

Именно совместная динамика ширин и высот ступеней может оказаться более информативной, чем последовательность V(K) сама по себе.

8 — Верхние огибающие

Последовательность V(K) может иметь локально нерегулярную динамику. Для выявления глобального роста полезно строить верхние огибающие.

Верхняя огибающая должна давать такую функцию U(K), что:

V(K) <= U(K).

Если удается найти достаточно простую и доказуемую U(K), возникает универсальная верхняя оценка масштаба, необходимого для достижения уровня K.

Такая оценка была бы чрезвычайно сильным результатом.

Например, если доказано:

V(K) <= F(K)

для некоторой явной функции F, то автоматически существует конечная граница каждого уровня K.

Следовательно, уже сама доказанная конечная верхняя оценка V(K) для произвольного K фактически содержит Метатеорему.

Поэтому поиск верхней огибающей последовательности границ является не только описательной, но потенциально доказательной задачей.

9 — Нижние огибающие

Нижняя огибающая последовательности V(K) дает противоположную оценку:

L(K) <= V(K).

Она показывает, раньше какого масштаба данный уровень гарантии в принципе не может быть достигнут.

Нижние оценки важны для понимания реальной скорости роста системы и для проверки оптимальности верхних границ.

Если верхняя и нижняя огибающие имеют один и тот же порядок роста, возникает асимптотическое понимание V(K).

Кроме того, совместное исследование огибающих создает коридор:

L(K) <= V(K) <= U(K).

Если относительная ширина этого коридора уменьшается, границы неснижаемости становятся все более точно предсказуемыми.

В перспективе именно такой коридор может стать частью индукционного состояния.

Нижняя огибающая показывает, насколько далеко уровень еще не может закрепиться.

Верхняя — насколько далеко он уже обязан закрепиться.

Если удается доказать обе стороны и связать их универсальным переходом, теория неснижаемости из вычислительного описания превращается в доказательную структуру.

Именно поэтому последовательность границ V(K) является одним из наиболее важных объектов всей книги. Она связывает функцию представлений Гольдбаха, событийный анализ, метадинамику и будущую метаиндукцию в единую систему.

********

Глава 4. Метадинамика границ

Последовательность границ неснижаемости V(K) переводит проблему Гольдбаха в новое пространство. Вместо непосредственного изучения сильно колеблющейся функции G(N) мы исследуем, насколько далеко по натуральному ряду необходимо продвинуться, чтобы заданный уровень K стал гарантированным. Однако получение самой последовательности V(1), V(2), V(3), … является лишь первым этапом. Следующий вопрос заключается в том, как движутся эти границы, как изменяется цена повышения гарантированного уровня и существуют ли закономерности уже в самой динамике границ. Именно этот уровень исследования будем называть метадинамикой границ.

Здесь особенно важно сохранять различие между вычислительными и доказанными объектами. Если V_X(K) получена только на конечном диапазоне до X, то все вычисленные скачки, плато и коэффициенты относятся именно к этой конечной системе. Они могут служить материалом для обнаружения закона, но не доказывают его глобальную применимость. Доказательная задача начинается тогда, когда удается перейти от наблюдаемой структуры V_X(K) к универсальным ограничениям для глобальной V(K).

1 — Динамика скачков

Пусть последовательность границ неснижаемости имеет вид:

V(1), V(2), V(3), …, V(K).

Определим абсолютный скачок:

J(K) = V(K+1) — V(K).

Эта величина показывает, какое дополнительное продвижение по натуральному ряду требуется, чтобы гарантированный минимум увеличился с K до K+1.

Если:

J(K) = 0,

уровни K и K+1 имеют одну границу. Это означает наличие плато.

Если J(K) невелик, следующий уровень закрепляется вскоре после предыдущего. Большое J(K) означает, что системе требуется значительно больший масштаб для получения следующей единицы гарантированного минимума.

Последовательность:

J(1), J(2), J(3), …

образует уже новый динамический ряд.

Но и на этом анализ не заканчивается. Можно исследовать изменение самих скачков:

DJ(K) = J(K+1) — J(K),

а также их относительное изменение:

RJ(K) = J(K+1) / J(K),

если J(K) отлично от нуля.

Так появляется метадинамика скачков.

При этом отдельный большой скачок не следует автоматически трактовать как изменение закона. Он может быть следствием конкретной арифметической структуры экстремального числа. Существенный интерес представляет повторяющаяся структура: например, изменение частоты крупных скачков, верхняя огибающая J(K), зависимость характерного размера скачка от K или существование коридора, внутри которого располагается большинство переходов.

Именно поэтому динамика скачков должна анализироваться одновременно локально и масштабно.

2 — Динамика отношений границ

Абсолютный скачок естественен, но зависит от масштаба. Поэтому вторым важным показателем является отношение соседних границ:

R(K) = V(K+1) / V(K).

Если:

R(K) = 1,

мы имеем плато.

Если R(K) лишь немного больше единицы, следующий уровень требует сравнительно небольшого относительного расширения масштаба.

Если отношение значительно больше единицы, происходит крупный относительный переход.

Особый интерес представляет поведение R(K) при росте K. Возможны несколько принципиально различных сценариев.

Первый: отношения остаются хаотичными и не обнаруживают устойчивой структуры.

Второй: они располагаются внутри устойчивого коридора.

Третий: верхняя огибающая отношений постепенно снижается.

Четвертый: отношения стремятся к единице.

Последний сценарий означал бы, что соседние уровни гарантии при больших K располагаются относительно все плотнее. Иными словами, для увеличения гарантированного минимума на единицу требуется все меньший процентный прирост масштаба.

Однако такое поведение нельзя заключать из нескольких десятков или сотен вычисленных уровней. Даже убедительная числовая тенденция должна сначала стать гипотезой, затем получить строгую оценку и только после этого — статус теоремы.

Метадинамику отношений можно определять как:

MR(K) = R(K+1) / R(K)

или:

MD(K) = R(K+1) — R(K).

Но конкретный коэффициент вторичен. Основной вопрос состоит в том, существует ли управляемая структура относительных переходов между соседними уровнями.

3 — Динамика плато

Плато возникает, когда несколько последовательных уровней имеют одну и ту же границу неснижаемости. Поэтому последовательность V(K) естественным образом распадается на участки постоянства и скачки между ними.

Сам факт наличия плато уже является содержательным. Он означает, что при переходе через некоторую числовую границу нижний гарантированный уровень повышается не обязательно на единицу. Один новый масштаб может одновременно закрепить несколько уровней.

Пусть, например:

V(K) = V(K+1) = V(K+2).

Тогда один и тот же масштаб обеспечивает три последовательных требования. Это можно интерпретировать как наличие дополнительного резерва.

Теперь объектом исследования становится уже не только наличие отдельных плато, но и их распределение по уровням.

Можно спрашивать:

как часто возникают плато;

увеличивается ли их частота;

как изменяются расстояния между ними;

возникают ли серии плато;

имеются ли характерные масштабы, на которых плато особенно длинны;

связаны ли длинные плато с последующими крупными скачками.

Таким образом, плато образуют собственную событийную последовательность.

Переход от одного плато к другому можно анализировать подобно переходу между другими событиями. Это позволяет исследовать уже не отдельные уровни K, а блоки уровней.

4 — Динамика длины плато

Пусть длина очередного плато равна числу последовательных уровней, имеющих одну границу.

Обозначим эту длину:

P(j),

где j — номер плато в их последовательности.

Получается новый ряд:

P(1), P(2), P(3), …

Если средняя длина плато увеличивается, это может означать, что при росте масштаба один переход по натуральному ряду начинает обеспечивать все больший пакет новых уровней гарантии.

Если длины остаются ограниченными, картина иная.

Если они демонстрируют редкие, но все более крупные всплески, необходимо исследовать распределение таких событий.

Особенно интересно соотношение длины плато и следующего скачка границы. Возможны различные режимы:

длинное плато — небольшой следующий скачок;

длинное плато — крупный скачок;

короткое плато — крупный скачок;

короткое плато — небольшой скачок.

Если между этими характеристиками существует зависимость, возникает уже двумерная метадинамическая структура.

Плато можно рассматривать как накопление резерва, а скачок — как цену перехода к следующему пакету уровней. Тогда теория границ начинает приобретать форму динамики накопления и расходования структурного резерва.

Такой язык пока является интерпретационным. Чтобы использовать его в доказательстве, необходимо определить математическую величину резерва и доказать закон ее переноса.

5 — Динамика переходных зон

Для каждого уровня K ранее была введена переходная зона между первым достижением:

A(K)

и границей неснижаемости:

V(K).

Ее ширина:

Z(K) = V(K) — A(K).

Эта величина показывает, насколько далеко первое появление уровня отстоит от его окончательного закрепления.

Последовательность:

Z(1), Z(2), Z(3), …

создает еще один динамический ряд.

Если Z(K) относительно невелика, уровень быстро переходит от первого появления к устойчивости. Если Z(K) велика, после первого достижения долго сохраняются нарушения.

Но абсолютная ширина переходной зоны снова зависит от масштаба. Поэтому полезно рассматривать относительный показатель:

ZR(K) = Z(K) / V(K)

или отношение:

V(K) / A(K).

Такие показатели характеризуют относительную стоимость стабилизации уровня после его первого появления.

Особенно важен вопрос о поведении этой стоимости при больших K.

Если относительная переходная зона сужается, это может означать, что система при увеличении масштаба все быстрее закрепляет вновь достигнутые уровни.

Если она расширяется, первое достижение все меньше говорит о будущей гарантии.

Если существует устойчивый коридор, возникает третий тип поведения.

Динамика переходных зон потенциально важна для метаиндукции, поскольку она характеризует расстояние между возможностью и гарантией. В доказательном переходе именно контроль этого расстояния может оказаться необходимым компонентом.

6 — Метадинамические коридоры

Реальные последовательности скачков, отношений и переходных зон могут сильно колебаться. Поэтому требование найти для них точную монотонную формулу может оказаться слишком жестким.

Более естественным объектом иногда является коридор.

Пусть некоторый метадинамический показатель M(K) удовлетворяет:

L(K) <= M(K) <= U(K),

где L и U — нижняя и верхняя огибающие.

Тогда система находится внутри метадинамического коридора.

Коридор может быть полезнее точечной формулы, если его границы обладают простыми и доказуемыми свойствами.

Например, для доказательства существования следующего уровня необязательно знать точное значение V(K+1). Может оказаться достаточно доказать:

V(K+1) <= F(V(K), K),

где правая часть конечна и контролируема.

Это уже дает верхний коридор для следующей границы.

Если такой переход универсален для любого K, возникает механизм распространения неснижаемости.

Именно здесь понятие коридора начинает приобретать доказательный смысл.

Вместо попытки предсказать точную границу каждого уровня мы ищем область, в которой она обязана находиться.

Это существенно более реалистичная задача.

Математическому доказательству часто требуется не точность, а достаточная оценка.

7 — Стабилизация коэффициентов

При вычислительном анализе особенно привлекательны коэффициенты, которые на больших масштабах начинают изменяться медленно. Такая стабилизация может проявляться как приближение к постоянной, сужение коридора или постепенное стремление к определенному функциональному режиму.

Но сама по себе числовая стабилизация опасна как источник преждевременных выводов.

Коэффициент может казаться стабильным по нескольким причинам.

Первая — существует реальный асимптотический закон.

Вторая — рассматриваемый диапазон слишком мал, чтобы увидеть будущий переход.

Третья — стабильность является следствием способа нормировки.

Четвертая — показатель алгебраически зависим от величины, которая уже имеет известное асимптотическое поведение.

Пятая — наблюдается длительное, но конечное плато.

Поэтому каждый стабилизирующийся коэффициент должен пройти серию проверок.

Необходимо определить его аналитическую зависимость от базовых величин, проверить на разных масштабах, сопоставить с альтернативными нормировками, исследовать экстремальные участки и попытаться специально найти нарушения предполагаемой стабильности.

Для настоящего исследования особенно ценны коэффициенты, которые не просто стабилизируются численно, а допускают содержательную интерпретацию в терминах перехода между уровнями.

Именно такие коэффициенты могут стать кандидатами на компоненты индукционного состояния.

8 — Поиск универсального закона перехода

Все предыдущие конструкции этой части сходятся в одной точке.

Нам необходимо перейти от описания последовательности границ к закону, позволяющему получать новую гарантию из уже установленной.

В идеальном виде такой закон мог бы иметь форму:

если уровень K глобально закреплен начиная с некоторой конечной границы V(K), то существует контролируемая конечная граница V(K+1), после которой глобально закреплен уровень K+1.

То есть:

S(K) -> S(K+1).

Здесь S(K) обозначает уже не только само число V(K), а полное состояние, необходимое для универсального перехода.

Возможно, переход на один уровень окажется слишком слабым или неудобным. Тогда естественно искать мультипликативный переход:

S(K) -> S(2K).

Или более общо:

S(K) -> S(rK),

где r > 1.

Именно поэтому следующая часть книги будет посвящена мультипликативным траекториям.

Но прежде необходимо ясно определить требования к универсальному закону перехода.

Он не должен зависеть от того, что вычисления были выполнены до некоторой огромной границы X.

Он должен работать для произвольного уровня K.

Он не должен использовать скрытое предположение, эквивалентное самой Метатеореме или классической проблеме Гольдбаха.

Он должен давать конечную контролируемую границу следующего состояния.

Он должен учитывать возможность худших арифметических случаев, а не только типичное поведение.

И наконец, он должен замыкать систему: информация, полученная после перехода, должна быть достаточна для повторения того же перехода еще раз.

Последнее требование особенно важно.

Если из состояния S(K) удается получить S(K+1), но новое состояние теряет часть информации, необходимой для следующего шага, индукционного доказательства не возникает.

Поэтому универсальный переход должен быть самовоспроизводящимся.

Именно здесь теория неснижаемости начинает непосредственно соединяться с будущим понятием индукционного замыкания.

Можно представить общую логику следующим образом:

наблюдаемая граница -> динамика границ -> метадинамика -> коридор -> кандидат на инвариант -> индукционное состояние -> универсальный переход.

Главная трудность находится между двумя последними звеньями.

Вычислительный материал способен подсказать, из каких характеристик может состоять состояние.

Метадинамический анализ способен выявить устойчивые отношения.

Но доказательство должно установить, что эти отношения сохраняются для произвольного масштаба.

Только после этого последовательность вычисленных границ превращается из эмпирического объекта в основу бесконечного доказательного процесса.

Таким образом, метадинамика границ выполняет в настоящей книге двойную функцию. С одной стороны, она является самостоятельной теорией поведения уровней неснижаемости. С другой — она служит поисковой зоной для главного доказательного объекта: универсального закона перехода.

Следующая часть рассматривает один из наиболее естественных способов искать такой закон — не через переход от каждого K к K+1, а через события фиксированного относительного усиления: удвоение, утроение, учетверение и другие мультипликативные траектории.

****

ЧАСТЬ V. МУЛЬТИПЛИКАТИВНЫЕ ТРАЕКТОРИИ ГОЛЬДБАХА

Теория неснижаемости переводит проблему Гольдбаха из пространства отдельных четных чисел в пространство гарантированных уровней. Каждому уровню K сопоставляется вопрос о том, где он впервые достигается и где становится устойчивым. Однако последовательный переход K -> K+1 не является единственным способом исследовать эту систему. Можно фиксировать относительное усиление уровня: удвоение, утроение, учетверение или произвольное увеличение в заданное число раз.

Так возникает мультипликативная система координат. Вместо последовательности всех уровней:

1, 2, 3, 4, 5, …

мы рассматриваем специальные траектории:

1, 2, 4, 8, 16, …

или:

1, 3, 9, 27, 81, …

или:

1, 4, 16, 64, 256, …

Каждая такая последовательность фиксирует одно и то же относительное событие и позволяет измерять натуральный масштаб, необходимый для его повторения. Благодаря этому основной вопрос приобретает новую форму: насколько далеко нужно продвинуться по натуральному ряду, чтобы гарантированный минимум числа разложений увеличился в два, три или четыре раза?

Такой подход особенно интересен для будущей метаиндукции. Переход K -> K+1 увеличивает гарантию лишь на единицу и на больших уровнях является относительно все более слабым событием. Переход K -> 2K, напротив, сохраняет один и тот же относительный масштаб усиления для любого K. Поэтому именно мультипликативные траектории могут оказаться более естественными для поиска универсального закона.

Глава 1. Удвоение количества разложений

1 — Последовательность уровней удвоения

Простейшая мультипликативная траектория строится путем последовательного удвоения уровня:

K,

2K,

4K,

8K,

16K,

…

Если начать с K = 1, получаем:

1,

2,

4,

8,

16,

32,

64,

128,

256,

512,

1024,

2048,

…

Эта последовательность имеет важное методологическое преимущество: каждый шаг означает одно и то же относительное событие. Переход от 1 к 2 количественно значительно меньше перехода от 1024 к 2048, но структурно оба означают удвоение гарантированного уровня.

Для каждого K можно рассматривать две принципиально разные границы.

Первая — первое достижение уровня:

A(K).

Вторая — глобальная граница неснижаемости:

V(K).

Соответственно возникают две различные траектории:

A(K), A(2K), A(4K), …

и:

V(K), V(2K), V(4K), …

Первая описывает, когда система впервые оказывается способной достичь данного уровня. Вторая — когда этот уровень становится гарантированным для всех последующих четных чисел.

Смешивать эти траектории нельзя. Первое достижение является фактом появления возможности. Неснижаемое достижение является фактом необратимого закрепления гарантии.

В конечном вычислительном исследовании вместо глобальной V(K) используется:

V_X(K),

то есть граница неснижаемости только внутри проверенного диапазона до X.

Эта оговорка должна сохраняться во всех численных таблицах настоящей книги.

2 — Первое достижение удвоенного уровня

Пусть уровень K впервые достигается при четном числе A(K). Тогда первое достижение удвоенного уровня определяется как:

A(2K).

Натуральное расстояние между этими событиями:

TA(K) = A(2K) — A(K).

Эта величина отвечает на вопрос:

сколько натурального пространства потребовалось системе, чтобы перейти от первого появления уровня K к первому появлению уровня 2K?

Однако TA(K) еще не является ценой удвоения гарантии.

Причина очевидна: уровень 2K может впервые появиться, а затем снова неоднократно нарушаться. Поэтому траектория A характеризует способность системы достигать высоких значений, но не ее нижнюю защищенность.

Тем не менее первые достижения являются важным диагностическим показателем. Они показывают верхнюю сторону процесса: насколько рано система вообще становится способной производить заданное количество представлений.

Сравнение A(K) и V(K) дает еще одну характеристику:

Z(K) = V(K) — A(K),

то есть ширину перехода от первого достижения уровня к его устойчивому закреплению.

Для удвоенной траектории можно исследовать уже последовательность:

Z(K), Z(2K), Z(4K), …

и выяснять, как меняется разрыв между возможностью и гарантией по мере роста уровня.

3 — Неснижаемое достижение

Главным объектом для Метатеоремы является не первое, а неснижаемое достижение.

Пусть существует глобальная граница V(K), после которой:

G(N) >= K

для каждого четного N.

Тогда V(2K) является границей, после которой гарантированный минимум уже не меньше 2K.

Переход:

V(K) -> V(2K)

можно интерпретировать как удвоение гарантированного уровня.

Именно эта траектория непосредственно связана с Метатеоремой.

Если для произвольного K удастся доказать:

из конечности V(K) следует конечность V(2K),

то при наличии некоторой начальной базы возникает бесконечная цепочка:

K -> 2K -> 4K -> 8K -> …

А поскольку эта последовательность неограниченна, гарантированный минимум также становится неограниченным.

Однако такое рассуждение корректно только при одном решающем условии: переход должен быть доказан универсально для произвольного K и не должен скрыто предполагать то, что требуется доказать.

Именно поэтому мультипликативная траектория интересна не как числовой рисунок, а как возможный каркас доказательства.

4 — Натуральное время удвоения

Для неснижаемой траектории определим натуральное время удвоения:

TV(K) = V(2K) — V(K).

Словесно это расстояние по натуральному ряду, которое отделяет глобальное закрепление уровня K от глобального закрепления уровня 2K.

В конечном вычислительном диапазоне аналогично определяется:

TV_X(K) = V_X(2K) — V_X(K).

Последняя величина является строго вычислимой характеристикой данного диапазона, но ее нельзя автоматически отождествлять с глобальным TV(K).

Натуральное время удвоения переводит задачу роста гарантии в событийную форму. Вместо вопроса:

«Какова граница уровня 128?»

появляется более структурный вопрос:

«Как изменяется расстояние, необходимое для каждого следующего удвоения гарантии?»

Получаем последовательность:

TV(1),

TV(2),

TV(4),

TV(8),

…

Если эта последовательность демонстрирует закономерность, появляется возможность изучать уже не отдельные границы, а стоимость повторения одного и того же события.

5 — Цена удвоения

Понятие цены удвоения целесообразно сделать шире понятия натурального времени.

Натуральное время — это абсолютное расстояние:

TV(K) = V(2K) — V(K).

Но можно определить и относительную цену:

RV(K) = V(2K) / V(K).

Она показывает, во сколько раз должен увеличиться натуральный масштаб для удвоения гарантированного уровня.

Можно использовать также относительный прирост:

PV(K) = [V(2K) — V(K)] / V(K).

Очевидно:

PV(K) = RV(K) — 1.

Следовательно, эти два показателя не независимы, а являются двумя формами представления одной величины.

В дальнейшем под ценой удвоения можно понимать целый набор характеристик:

абсолютную цену;

относительную цену;

нормированную цену;

изменение цены между последовательными событиями.

Такой подход позволяет избежать преждевременного выбора единственного коэффициента. Сначала следует исследовать несколько естественных форм представления, затем определить, какая из них наиболее устойчива и содержательна.

6 — Динамика цены удвоения

После построения последовательности цен возникает следующий уровень анализа.

Пусть:

T1 = TV(K),

T2 = TV(2K),

T3 = TV(4K),

…

Можно исследовать абсолютную динамику:

DT(K) = TV(2K) — TV(K).

Можно исследовать отношение соседних натуральных времен:

RT(K) = TV(2K) / TV(K).

Аналогично для относительной цены RV(K) возникает последовательность:

RV(K),

RV(2K),

RV(4K), …

Содержательный вопрос состоит не в том, чтобы получить как можно больше коэффициентов, а в том, существует ли среди них устойчивая масштабная структура.

Например, возможны принципиально разные сценарии.

Цена удвоения может расти быстрее самого масштаба.

Может расти примерно пропорционально ему.

Может расти медленнее.

Относительная цена может стабилизироваться.

Может снижаться.

Может колебаться внутри коридора.

Каждый сценарий имеет различное значение для будущего доказательства.

Особенно интересен случай, когда удается получить доказуемую верхнюю оценку:

V(2K) <= F(V(K), K),

где F всегда конечна и может быть использована повторно на следующем шаге.

Такая оценка уже представляет не просто описание динамики, а потенциальную основу универсального перехода.

7 — Метадинамика удвоений

Метадинамика удвоений начинается тогда, когда объектом исследования становится изменение самой цены удвоения.

Пусть:

RT(K) = TV(2K) / TV(K).

Тогда можно рассматривать:

M(K) = RT(2K) / RT(K).

Однако конкретная формула вторична. Более важны структурные вопросы:

сужается ли диапазон возможных цен удвоения;

стабилизируется ли относительная цена;

существует ли верхняя огибающая;

как ведут себя экстремальные удвоения;

возникают ли плато;

как связаны цены удвоения с переходными зонами;

существует ли масштаб, после которого худшая возможная цена ограничена универсальным законом?

Именно последний вопрос особенно важен.

Если для любого достаточно большого K удается доказать, что удвоение гарантии требует конечного и контролируемого масштабного перехода, возникает бесконечная событийная лестница.

Но численная стабилизация коэффициента сама по себе для этого недостаточна.

Необходимо пройти последовательность:

наблюдение -> гипотеза -> верхняя оценка -> универсальный переход -> индукционное замыкание.

В этом смысле удвоенная траектория является экспериментальной лабораторией будущей метаиндукции.

Глава 2. Утроение и учетверение

1 — Траектории утроения

Удвоение является простейшей мультипликативной траекторией, но универсальная структура не должна без необходимости зависеть от числа 2. Поэтому следующим естественным объектом становится утроение.

Для начального уровня K получаем:

K,

3K,

9K,

27K,

81K,

…

Соответствующая траектория первых достижений:

A(K),

A(3K),

A(9K),

A(27K), …

и траектория глобальных границ неснижаемости:

V(K),

V(3K),

V(9K),

V(27K), …

В конечном вычислительном исследовании используются V_X.

Утроенная траектория позволяет проверить, является ли обнаруженная при удвоении закономерность специфической особенностью бинарного масштабирования или проявлением более общего закона роста гарантированного уровня.

Если одни и те же типы коридоров, отношений или огибающих обнаруживаются одновременно для коэффициентов 2 и 3, основание искать общий мультипликативный закон становится значительно сильнее.

2 — Траектории учетверения

Учетверение задает последовательность:

K,

4K,

16K,

64K,

256K,

…

Особенность этой траектории состоит в том, что каждый ее шаг эквивалентен двум последовательным удвоениям:

K -> 2K -> 4K.

Поэтому учетверенная траектория является удобным инструментом внутренней проверки конструкции.

Для абсолютных границ тождественно:

V(4K) — V(K) = [V(2K) — V(K)] + [V(4K) — V(2K)].

Это равенство не является новой теоремой — оно следует непосредственно из определения разностей.

А для относительных масштабов:

V(4K) / V(K) = [V(2K) / V(K)] * [V(4K) / V(2K)].

И это также алгебраическое тождество.

Однако такие соотношения полезны методически. Любая эмпирическая модель цены удвоения должна быть согласована с наблюдаемой ценой учетверения. Если прогноз двух последовательных удвоений плохо соответствует прямой траектории K -> 4K, модель описания динамики требует пересмотра.

Таким образом, учетверение служит одновременно отдельной событийной траекторией и тестом внутренней согласованности удвоенной модели.

3 — Цена утроения

Для глобальной траектории определим натуральное время утроения:

T3(K) = V(3K) — V(K).

Относительную цену можно записать:

R3(K) = V(3K) / V(K).

В конечном вычислительном диапазоне используются соответствующие величины с индексом X.

Сравнение T3(K) при различных K показывает, как меняется абсолютный натуральный ресурс, необходимый для трехкратного усиления гарантии.

Но особенно интересно сопоставлять цену утроения с ценой удвоения.

Например, можно рассматривать нормированную величину:

C3(K) = T3(K) / T2(K),

где:

T2(K) = V(2K) — V(K).

Она показывает, во сколько раз путь до утроенного уровня длиннее пути до удвоенного.

Однако и здесь нельзя заранее считать такой коэффициент фундаментальным. Его ценность должна определяться устойчивостью, независимостью и возможностью аналитического объяснения.

4 — Цена учетверения

Аналогично определим:

T4(K) = V(4K) — V(K),

а относительную цену:

R4(K) = V(4K) / V(K).

Поскольку учетверение состоит из двух удвоений, T4 естественным образом распадается:

T4(K) = T2(K) + T2(2K).

Следовательно, цена учетверения дает интегральную характеристику двух последовательных удвоений.

Если T2(2K) значительно превышает T2(K), второй этап является более дорогим. Если отношение уменьшается, относительная цена усиления может становиться благоприятнее на больших уровнях.

Таким образом, учетверенная траектория позволяет исследовать не только конечный переход K -> 4K, но и внутреннюю асимметрию его двух половин.

Это особенно полезно при поиске метадинамики: изменение стоимости второго удвоения относительно первого является естественным показателем того, как развивается сам механизм роста гарантии.

5 — Сравнение с удвоением

Три траектории:

K -> 2K,

K -> 3K,

K -> 4K

образуют первый минимальный набор для сравнительного мультипликативного анализа.

Удвоение дает простейший постоянный относительный переход.

Утроение проверяет устойчивость закономерности при изменении коэффициента.

Учетверение проверяет согласованность двух последовательных удвоений с прямым четырехкратным событием.

Сравнивать можно несколько типов характеристик:

границы достижения;

натуральные времена;

относительные цены;

переходные зоны;

длину плато;

верхние и нижние огибающие;

метадинамику цен.

Особенно ценна нормировка, позволяющая сопоставлять события разной мощности. Если после разумной нормировки траектории удвоения, утроения и учетверения сближаются к одной структуре, возникает кандидат на универсальную событийную закономерность.

Если же они ведут себя принципиально различно, значит, коэффициент роста является существенной частью закона и должен входить в будущую формулировку явно.

6 — Сходство и различия траекторий

Сходство мультипликативных траекторий может проявляться не в совпадении чисел, а в совпадении формы.

Например, разные траектории могут демонстрировать:

рост абсолютной цены;

снижение относительной цены;

появление плато;

сужение нормированного коридора;

сходную динамику переходных зон.

Такое структурное сходство значительно важнее числового совпадения.

В то же время различия также информативны.

Если удвоение ведет себя устойчиво, а утроение демонстрирует иные масштабные свойства, это означает, что предполагаемый закон удвоения нельзя автоматически объявлять универсальным.

Поэтому сравнение траекторий выполняет одновременно две функции.

Первая — поисковая: обнаружить общую структуру.

Вторая — критическая: попытаться разрушить слишком специальную гипотезу.

Для будущего доказательства особенно ценен закон, который можно сформулировать сразу для произвольного коэффициента r > 1:

из глобального состояния уровня K следует глобальное состояние уровня rK после конечного контролируемого увеличения масштаба.

Удвоение, утроение и учетверение тогда становятся лишь частными случаями общей теории.

Но такой вывод должен появиться только после анализа данных и строгого доказательства.

На данном этапе три траектории являются прежде всего инструментами обнаружения того, какую форму универсального закона вообще следует искать.

Именно поэтому следующий шаг состоит в переходе от нескольких отдельных коэффициентов к целому семейству мультипликативных траекторий.

********

целым числом.

Тогда один мультипликативный переход имеет вид:

K -> rK.

Последовательное повторение события дает траекторию:

K,

rK,

r^2 K,

r^3 K,

…

Для каждого уровня можно рассматривать границу неснижаемости:

V(K),

V(rK),

V(r^2 K),

V(r^3 K), …

В конечном вычислительном диапазоне до X вместо глобальной V используется:

V_X(K).

Для одного шага определим абсолютное натуральное время:

T_r(K) = V(rK) — V(K).

Относительный масштаб перехода:

R_r(K) = V(rK) / V(K).

Относительная цена:

P_r(K) = [V(rK) — V(K)] / V(K).

Очевидно:

P_r(K) = R_r(K) — 1.

Следовательно, последние два показателя не независимы и представляют две формы одного отношения.

При необходимости теория может быть расширена на нецелые коэффициенты r > 1, но тогда необходимо заранее определить правило дискретизации уровня, например переход к ближайшему целому или к ceil(rK). Для основного доказательного аппарата удобнее сначала работать с целыми коэффициентами, чтобы сами уровни оставались точно определенными натуральными числами.

Главный вопрос заключается не в том, можно ли вычислить такие траектории. Это технически возможно на конечном массиве. Нас интересует другое:

существует ли общий закон зависимости цены перехода от K и r?

Если да, отдельные траектории удвоения, утроения и учетверения становятся частными сечениями одной более общей функции.

2 — Семейства событий

Зафиксируем начальный уровень K0 и рассмотрим несколько коэффициентов:

r = 2, 3, 4, 5, …

Для каждого r возникает собственная событийная траектория:

K0,

rK0,

r^2 K0,

r^3 K0, …

Совокупность таких траекторий образует семейство событий.

Можно построить семейство и другим способом: зафиксировать коэффициент r, но менять исходный уровень:

K1, K2, K3, …

Тогда исследуется один тип события:

K -> rK

из различных начальных состояний.

Эти два способа дополняют друг друга.

Первый отвечает на вопрос:

как изменяется цена события при изменении силы мультипликативного роста?

Второй:

как изменяется цена одного и того же события при изменении исходного уровня?

В полном виде естественно рассматривать двумерную функцию:

V(K,r),

или точнее границу достижения уровня rK при известном K.

Однако поскольку V(rK) уже определяется самим целевым уровнем, особенно интересным становится не абсолютное значение границы, а переходная характеристика:

T(K,r) = V(rK) — V(K).

Именно она содержит информацию о стоимости мультипликативного усиления.

Так возникает событийное пространство с двумя параметрами:

исходный уровень K;

коэффициент роста r.

Метадинамика в этом пространстве может изучаться как по направлению K, так и по направлению r.

3 — Сравнение масштабов

Прямое сравнение T_2(K), T_3(K) и T_4(K) недостаточно, поскольку сами события имеют разную силу. Утроение требует большего роста уровня, чем удвоение, а учетверение — большего, чем утроение. Поэтому необходима нормировка.

Один из естественных способов — сравнивать относительные границы:

R_r(K) = V(rK) / V(K).

Но даже они относятся к различным коэффициентам r.

Для более глубокого сравнения можно использовать логарифмическую нормировку:

Q_r(K) = log[R_r(K)] / log(r).

Эта величина отвечает на вопрос: какой относительный рост натурального масштаба приходится на единицу мультипликативного роста уровня в логарифмической шкале.

Если для разных r значения Q_r(K) на больших K сближаются, это может указывать на общий масштабный закон вида:

V(rK) / V(K) примерно зависит от r по степенному правилу.

Например, если условно:

V(K) ~ K^a,

то:

V(rK) / V(K) ~ r^a,

и тогда:

Q_r(K) ~ a.

В таком случае различные мультипликативные траектории после нормировки должны приблизительно давать один и тот же показатель a.

Это пока только схема анализа, а не утверждение о реальном поведении V(K). Ее ценность состоит именно в том, что она дает проверяемый критерий: если нормированные траектории не сближаются, простая степенная модель отвергается.

Таким образом, сравнение масштабов должно использоваться не для подтверждения желательной гипотезы, а для отбора моделей, выдерживающих проверку сразу на нескольких коэффициентах роста.

4 — Общие коридоры

Если точные значения мультипликативных коэффициентов сильно колеблются, можно искать общие коридоры.

Предположим, для семейства траекторий удается получить:

L(K,r) <= R_r(K) <= U(K,r).

Тогда границы следующего уровня удовлетворяют:

V(K) * L(K,r) <= V(rK) <= V(K) * U(K,r).

Для доказательной стратегии особенно важна верхняя часть:

V(rK) <= V(K) * U(K,r).

Если U(K,r) конечна для любого допустимого K и r, уже возникает контролируемый переход от одного уровня к другому.

Еще сильнее ситуация, когда существует функция U(r), не зависящая непосредственно от K:

V(rK) / V(K) <= U(r).

Тогда один и тот же относительный коридор действует на всех достаточно больших уровнях.

Но еще раз необходимо подчеркнуть: наблюдаемая вычислительная ограниченность коэффициентов не является доказательством существования такого глобального U(r).

Поэтому задача вычислительной лаборатории будет состоять в поиске кандидатов на коридоры, а задача аналитической части — в их независимом доказательстве.

Общий коридор ценен именно тем, что не требует точного предсказания каждой V(K). Для индукционного перехода может оказаться достаточно гарантировать, что следующая граница существует и не превосходит некоторой конечной функции текущего состояния.

5 — Общие огибающие

Отдельные траектории могут иметь собственные локальные максимумы и минимумы. Поэтому для семейства событий естественно строить общие огибающие.

Пусть для фиксированного r рассматривается последовательность:

R_r(K),

R_r(rK),

R_r(r^2 K), …

Можно выделить верхнюю огибающую:

U_r(K),

и нижнюю:

L_r(K).

Затем можно сравнивать сами огибающие для различных r.

Если после нормировки они имеют близкую форму, появляется более сильный кандидат на универсальный закон.

Можно пойти еще дальше и искать функцию:

U(K,r),

которая ограничивает сверху сразу все траектории выбранного класса.

Тогда:

R_r(K) <= U(K,r).

Особенно значимым был бы результат вида:

R_r(K) <= C * f(r)

для всех достаточно больших K,

где C — универсальная константа или контролируемая функция состояния.

Подобная оценка уже могла бы служить элементом доказательной архитектуры, поскольку превращала бы семейство эмпирических траекторий в управляемую область возможных переходов.

Нижняя огибающая при этом показывает минимальную цену события. Она менее непосредственно связана с доказательством существования следующего уровня, но необходима для понимания реального масштаба функции V(K) и для оценки точности верхних границ.

6 — Мультипликативные метазакономерности

Мультипликативной метазакономерностью будем называть устойчивую структуру, которая проявляется одновременно в нескольких событийных траекториях и сохраняется после изменения коэффициента роста.

Это более сильное понятие, чем закономерность одной траектории.

Например, если только удвоение демонстрирует некоторое отношение, мы имеем закономерность траектории r = 2.

Если сходная структура обнаруживается при:

r = 2,

r = 3,

r = 4,

r = 5,

то возникает основание искать общую зависимость от r.

Метазакономерность может проявляться в различных формах:

стабилизации нормированного коэффициента;

общем верхнем коридоре;

общей форме огибающих;

одинаковом типе переходных зон;

согласованности составных событий;

устойчивой зависимости цены от log(r);

приближенной композиционности переходов.

Особенно важна композиционность.

Если:

r = a * b,

то переход:

K -> rK

можно выполнить двумя путями:

K -> aK -> abK

или непосредственно:

K -> abK.

Для абсолютных границ конечный результат один и тот же, поскольку целевой уровень одинаков. Но модель переходов должна быть согласована с такой композицией.

Например:

V(abK) / V(K)

точно разлагается как:

[V(aK) / V(K)] * [V(abK) / V(aK)].

Следовательно, любая предлагаемая асимптотическая модель относительных цен должна быть совместима с этим тождеством.

Композиционность является чрезвычайно сильным фильтром для кандидатов на метазакон: случайная эмпирическая формула может хорошо описывать одну траекторию, но разрушиться при сравнении составных переходов.

7 — Поиск событийного метаинварианта

Конечная цель всей Части V состоит в поиске такой характеристики, которая сохраняет достаточную устойчивость при изменении одновременно уровня K и коэффициента r.

Назовем подобную характеристику кандидатом на событийный метаинвариант.

Он не обязан быть числовой константой. Метаинвариантом может быть:

устойчивый коридор;

универсальная верхняя оценка;

закон композиции;

система связанных коэффициентов;

монотонная функция;

инвариантное неравенство;

набор характеристик, замкнутый относительно перехода K -> rK.

Последняя возможность особенно важна.

Может оказаться, что одного коэффициента вообще недостаточно. Тогда метаинвариант должен иметь форму состояния:

S(K) = {характеристика 1, характеристика 2, …, характеристика m}.

Универсальный закон должен обеспечивать:

S(K) -> S(rK).

При этом новое состояние S(rK) должно содержать всю информацию, необходимую для повторения перехода:

S(rK) -> S(r^2 K).

Именно здесь мультипликативный событийный анализ непосредственно соединяется с метаиндукцией.

Для доказательства Метатеоремы было бы достаточно найти хотя бы один коэффициент r > 1 и такое глобально замкнутое состояние S(K), что из истинности S(K) следует истинность S(rK), причем переход можно повторять неограниченно.

Тогда возникает цепочка:

S(K) -> S(rK) -> S(r^2 K) -> S(r^3 K) -> …

Поскольку:

r^j K -> infinity

при:

j -> infinity,

уровень гарантированного минимума становится неограниченным.

Но именно здесь находится главный математический барьер всей программы.

Численные траектории могут показать, что такой переход выглядит вероятным.

Коридоры могут подсказать его форму.

Огибающие могут дать кандидатов на оценки.

Нормированные коэффициенты могут показать возможный масштабный закон.

Однако только доказательство универсального перехода превращает событийную структуру в теорему.

Поэтому окончательный путь Части V можно записать так:

отдельное событие -> мультипликативная траектория -> семейство траекторий -> нормировка -> общий коридор -> метазакономерность -> кандидат на метаинвариант -> индукционное состояние.

******

ЧАСТЬ VI. МЕТАИНДУКЦИЯ

Математическая индукция является одним из фундаментальных методов доказательства утверждений о бесконечных классах объектов. Ее сила состоит в том, что бесконечное множество случаев охватывается конечной логической схемой: устанавливается начальное состояние и доказывается универсальный переход от уже известных случаев к новым. Однако в сложных задачах основная трудность часто заключается не в применении самой индукции, а в нахождении такого объекта и такого набора свойств, которые действительно сохраняются и воспроизводятся при переходе.

Именно здесь возникает необходимость более высокого методологического уровня.

В настоящей книге термином метаиндукция будет обозначаться не новая логическая аксиома и не замена классической индукции, а архитектура поиска индукционного замыкания. Если исходное свойство само по себе не замыкается относительно перехода, необходимо подняться на более высокий уровень описания, расширить объект индукции и включить в состояние дополнительные характеристики так, чтобы переход стал воспроизводимым.

Поэтому метаиндукция начинается не с формулы «предположим для K и докажем для K+1», а с более предварительного вопроса:

что именно должно быть предположено на уровне K, чтобы переход на следующий уровень действительно стал возможен и чтобы полученное состояние снова было пригодно для следующего перехода?

Эта постановка особенно важна для Метатеоремы Гольдбаха, поскольку одно утверждение:

G(N) >= K

может оказаться недостаточным для получения:

G(N) >= K+1

или:

G(N) >= 2K.

Тогда объектом индукции должен стать не один уровень, а целое состояние, включающее необходимые границы, резервы, огибающие, коридоры и другие переносимые характеристики.

Глава 1. Классическая математическая индукция

1 — База

Классическая математическая индукция состоит из двух основных компонентов: базы и перехода.

Пусть требуется доказать утверждение P(n) для всех натуральных n, начиная с некоторого n0.

Сначала доказывается:

P(n0).

Это база индукции.

Она устанавливает первое состояние, с которого может начаться дальнейшее распространение доказательства.

Содержательно база отвечает на вопрос:

существует ли хотя бы один исходный уровень, на котором требуемая структура уже установлена строго?

Иногда база состоит из одного значения.

Иногда требуется несколько начальных случаев:

P(n0),

P(n0+1),

…,

P(n0+m).

Это зависит от формы перехода.

Например, если для доказательства P(n+1) используются два предыдущих состояния, одного базового случая недостаточно. Поэтому размер базы определяется не традицией, а логической архитектурой самого перехода.

В задачах, связанных с вычислительной проверкой, база может быть очень большой. Теоретически допустимо доказать общий переход только начиная с некоторого огромного N0, а все меньшие случаи проверить вычислительно. Но тогда вычисление должно быть конечным, полным и воспроизводимым, а переход — действительно универсальным для всех последующих значений.

Таким образом, конечная вычислительная база и бесконечный индукционный переход выполняют принципиально разные функции.

2 — Индукционный переход

Второй компонент — доказательство перехода.

Предполагается, что P(n) истинно для произвольного n, и из этого необходимо вывести:

P(n+1).

Схематически:

P(n) => P(n+1).

Ключевым словом здесь является произвольного.

Если переход доказан только для первых ста значений n, это еще не индукционный переход. Если он проверен на миллионе примеров, это также остается конечной проверкой.

Настоящий переход должен быть сформулирован так, чтобы его доказательство не зависело от конкретного числового значения n.

После установления базы и универсального перехода получаем:

P(n0) => P(n0+1) => P(n0+2) => …

и утверждение распространяется на весь бесконечный ряд.

Именно универсальность перехода преобразует конечное рассуждение в доказательство бесконечного утверждения.

Для настоящей книги это имеет принципиальное значение. Вычислительные таблицы могут показать, что переход K -> K+1 происходит во всех исследованных случаях. Но только доказательство механизма, действующего при произвольном K, превращает наблюдаемую последовательность в индукционную теорему.

3 — Полная индукция

В русскоязычной математической традиции выражение «полная математическая индукция» обычно обозначает общий принцип доказательства утверждения для всех натуральных чисел посредством базы и перехода.

Логическая схема проста:

если P(1) истинно и для каждого n из P(n) следует P(n+1), то P(n) истинно для всех натуральных n.

Можно начинать не с 1, а с любого фиксированного n0.

Сила метода состоит в том, что переход воспроизводит сам себя. После доказательства P(n+1) это утверждение автоматически может играть роль предпосылки для следующего шага.

Именно самовоспроизводимость является глубинным свойством индукционной схемы.

Если доказательство дает следующий результат, но этот результат уже не содержит информации, необходимой для повторения аргумента, индукционная цепочка разрывается.

Это наблюдение будет особенно важно позднее.

Для метаиндукции нас будет интересовать не только истинность следующего утверждения, но и сохранение полного состояния, необходимого для продолжения перехода.

4 — Сильная индукция

В сильной индукции при доказательстве P(n+1) разрешается использовать не только P(n), но и все предыдущие утверждения:

P(n0), P(n0+1), …, P(n).

Схема имеет вид:

[P(n0) и P(n0+1) и … и P(n)] => P(n+1).

Логически сильная индукция эквивалентна обычной математической индукции, но практически может быть значительно удобнее.

Она особенно естественна, когда новый объект зависит не от одного непосредственно предыдущего состояния, а от нескольких меньших объектов.

Например, рекурсивная структура может разлагаться на части различного размера. Тогда невозможно заранее указать один единственный предыдущий индекс, достаточный для перехода.

Сильная индукция расширяет набор доступных предыдущих случаев, но сама по себе не решает проблему неправильного выбора индукционного свойства.

Если даже знание всех предыдущих P(j) недостаточно для вывода P(n+1), необходимо усилить не вид индукции, а само утверждение или состояние.

Именно в этой точке появляется пространство для метаиндукционного анализа.

5 — Взаимная индукция

Иногда требуется одновременно доказать несколько связанных утверждений:

P(n),

Q(n),

R(n).

При этом переход для P может использовать Q, переход для Q — R, а переход для R — P.

Тогда применяется взаимная индукция.

Вместо одного свойства рассматривается пакет:

S(n) = {P(n), Q(n), R(n)}.

После установления базы доказывается:

S(n) => S(n+1).

Это уже чрезвычайно близко к одному из центральных принципов настоящей книги.

Важен сам методологический урок: иногда отдельное утверждение не является индукционно замкнутым, а система взаимосвязанных утверждений — является.

Следовательно, невозможность доказать:

P(n) => P(n+1)

не означает невозможности индукционного доказательства вообще.

Возможно, необходимо найти дополнительные свойства Q и R такие, что:

[P(n), Q(n), R(n)] => [P(n+1), Q(n+1), R(n+1)].

Именно поиск минимального достаточного набора таких свойств станет позднее понятием индукционного замыкания.

6 — Структурная индукция

Структурная индукция применяется не столько к числовому индексу, сколько к рекурсивно построенным объектам.

Например, если объект образуется из элементарных базовых объектов с помощью определенных операций, доказательство строится по структуре его образования.

Сначала утверждение доказывается для базовых элементов.

Затем показывается, что если оно истинно для составляющих частей, то сохраняется после разрешенной операции построения нового объекта.

Таким образом, объектом индукции становится не число, а структура.

Это важное расширение классического индукционного мышления. Оно показывает, что индекс n не является сущностью индукции. Сущность состоит в рекурсивной воспроизводимости состояния.

Если существует отношение «предшествующее состояние -> новое состояние», которое охватывает весь класс объектов, индукционный принцип может быть применен к самой структуре.

Для настоящего исследования это особенно важно, поскольку в дальнейшем объектом перехода может стать не число K как таковое, а сложное состояние S(K).

7 — Возможности и ограничения классической схемы

Классическая математическая индукция чрезвычайно сильна, когда правильно найдено индукционно замкнутое утверждение. Но она не предоставляет автоматического метода поиска такого утверждения.

Именно это является ее главным методологическим ограничением.

Формально легко сказать:

«предположим утверждение для K и докажем для K+1».

Но в реальной сложной задаче может оказаться, что из P(K) просто недостаточно информации для P(K+1).

Тогда возможны несколько вариантов.

Нужно использовать сильную индукцию.

Нужно доказывать несколько утверждений одновременно.

Нужно усилить исходное утверждение.

Нужно изменить индекс.

Нужно заменить числовой объект структурным.

Нужно включить дополнительные параметры.

Или необходимо перейти к совершенно иной системе описания.

Таким образом, трудность часто находится до применения индукции.

Она заключается в поиске правильного индукционного объекта.

Именно этот предпереходный уровень и становится центральным для метаиндукции.

Глава 2. Поисковая индукция

1 — Индукция как метод открытия

В учебном изложении математическая индукция обычно появляется уже после того, как утверждение сформулировано. Исследователь словно заранее знает, что именно требуется доказать.

В реальном математическом исследовании процесс часто обратный.

Сначала вычисляются частные случаи.

Затем обнаруживается закономерность.

После этого формируется гипотеза.

Лишь затем возникает вопрос, допускает ли она индукционное доказательство.

Поэтому необходимо различать:

индукцию как формальный метод доказательства;

индукцию как поисковую архитектуру исследования.

Вторая начинается задолго до появления готового перехода.

Исследователь пытается понять:

что повторяется;

что переносится;

что исчезает;

какие характеристики следующего состояния можно предсказать по предыдущему;

какого свойства недостает для замыкания перехода.

Так возникает поисковая индукция.

Она еще не является доказательством. Ее задача — обнаружить форму будущего доказательства.

2 — Вычислительная база

Первым этапом поисковой индукции может служить вычислительный массив.

Предположим, изучается последовательность уровней:

1, 2, 3, …, 100.

Для каждого уровня вычисляются:

граница неснижаемости;

последнее нарушение;

длина переходной зоны;

скачок границы;

длина плато;

относительный коэффициент;

другие характеристики.

Сам по себе массив не доказывает никакого утверждения о бесконечности.

Но он позволяет искать признаки того, какой именно набор характеристик может быть переносимым.

Особенно важна здесь дисциплина разделения обучающей и контрольной области.

Если все данные используются одновременно и для построения закономерности, и для ее подтверждения, возникает опасность подгонки.

Поэтому часть вычисленного массива следует сознательно не использовать при формировании модели.

3 — Выявление закономерности

На вычислительной базе можно искать различные типы структур:

монотонность;

коридоры;

отношения;

огибающие;

плато;

связи между скачками;

зависимость переходной зоны от уровня;

мультипликативные траектории.

Но обнаружение закономерности должно сопровождаться проверкой ее происхождения.

Не является ли она алгебраическим следствием определения?

Не возникает ли только из выбранной нормировки?

Не исчезает ли при другой системе диапазонов?

Не определяется ли несколькими ранними значениями?

Не нарушается ли на экстремальных уровнях?

Таким образом, поисковая индукция должна быть не только конструктивной, но и разрушительной.

Хорошая гипотеза — не та, которая красиво описывает первые данные, а та, которая выдерживает целенаправленные попытки найти исключение.

4 — Формирование прогноза

После обнаружения устойчивой структуры необходимо заморозить ее форму и сделать прогноз для еще не использованных данных.

Например, по уровням 1–99 можно построить правило, прогнозирующее свойства уровня 100.

Важно, чтобы после построения правила его параметры не изменялись в зависимости от результата проверки.

Иначе контрольный уровень превращается в еще одну часть обучающего массива.

Прогноз может быть точечным:

V(100) должно быть равно определенному числу.

Но для поиска будущей теоремы часто более естественны интервальные прогнозы:

V(100) должно лежать в определенном коридоре;

скачок не должен превышать заданной границы;

нижняя огибающая должна удовлетворять неравенству.

Чем ближе форма прогноза к будущему универсальному утверждению, тем выше его исследовательская ценность.

5 — Скрытая контрольная выборка

Скрытая контрольная выборка играет роль защиты от самообмана.

Если исследователь видит все значения заранее, он может неосознанно подобрать формулу, хорошо описывающую именно этот набор.

Поэтому полезно заранее разделить уровни, например:

1–99 — область формирования гипотезы;

100 — первый контрольный уровень;

101–120 — дополнительная скрытая проверка.

Можно применять и другие схемы.

Особенно полезны дальние контрольные точки, отстоящие от обучающей области более чем на порядок величины.

Если правило работает только непосредственно рядом с областью, на которой оно было найдено, это еще слабое свидетельство масштабной устойчивости.

Но даже успешная скрытая проверка остается экспериментом.

Она повышает доверие к гипотезе, но не заменяет универсального доказательства.

6 — Проверка прогноза

После фиксации модели контрольные значения открываются и сравниваются с прогнозом.

Возможны несколько исходов.

Прогноз подтверждается точно.

Попадает в установленный коридор.

Нарушается количественно, но сохраняет качественную тенденцию.

Или полностью опровергается.

Последний вариант не является неудачей исследования.

Напротив, опровержение слабой модели помогает быстрее отказаться от ложной структуры.

Особенно полезны адверсарные проверки, специально ориентированные на наиболее неблагоприятные случаи.

Если гипотеза касается нижней огибающей, проверять следует не средние и не типичные уровни, а именно экстремальные.

Если она касается универсального коэффициента перехода, необходимо искать случаи, где коэффициент максимален.

Поисковая индукция должна ориентироваться на будущую доказательную задачу, а не на красоту средней статистики.

7 — Переход от эмпирического закона к кандидату на теорему

Даже успешно подтвержденная на независимых данных закономерность еще не является теоремой.

Для перехода к доказательному этапу необходимо преобразовать эмпирическое правило в строгое утверждение.

Например, вместо:

«отношение границ обычно находится около 1,1»

требуется формулировка:

«для всех K >= K0 выполняется V(2K) <= C * V(K)».

Вместо:

«переходные зоны в основном становятся относительно уже»

нужно получить конкретное неравенство.

Таким образом, эмпирическая закономерность должна пройти несколько стадий:

наблюдение;

формализация;

универсальная формулировка;

поиск необходимых предпосылок;

доказательство перехода.

На последней стадии может выясниться, что первоначального объекта недостаточно.

Тогда поисковая индукция должна вернуться назад и расширить состояние.

Именно этот циклический процесс постепенно приводит к метаиндукции.

Глава 3. Объект индукции

1 — Число как объект

Простейший объект индукции — натуральное число.

Утверждение P(n) связывается с каждым n, а переход имеет вид:

n -> n+1.

Это классическая числовая схема.

Для многих задач она идеальна, поскольку сама структура натурального ряда уже задает естественный порядок перехода.

Но в задачах типа Метатеоремы Гольдбаха числовой индекс может быть выбран различными способами.

Можно индуцировать по четному числу N.

Можно по уровню K.

Можно по номеру мультипликативного события j.

Можно по номеру масштабного диапазона m.

Выбор индекса является содержательной частью доказательства.

Неудачный индекс может сделать переход практически недоступным, тогда как другой способ параметризации может раскрыть необходимую структуру.

2 — Свойство как объект

В классической индукции формально индексируется число, но фактически переносится свойство.

Именно свойство P(n) должно сохраняться при переходе.

Поэтому можно сказать, что настоящим содержательным объектом индукции является не n, а связанное с ним утверждение.

Это различие особенно важно, когда одно и то же числовое состояние допускает несколько описаний.

Например, для уровня K можно рассматривать только:

«уровень K неснижаем».

Но можно усилить это свойство:

«уровень K неснижаем, его граница удовлетворяет определенной верхней оценке, переходная зона ограничена, а некоторый резерв положителен».

Второе утверждение значительно сильнее, но именно оно может оказаться индукционно переносимым.

Следовательно, в индукционном исследовании иногда необходимо доказывать больше, чем требуется в конечном результате, чтобы получить замкнутый переход.

3 — Диапазон как объект

Объектом индукции может быть не отдельное число, а числовой диапазон.

Например, можно доказывать некоторое свойство для интервала:

(N, 2N],

а затем переходить к:

(2N, 4N].

Тогда индексом становится масштаб, а индукционный объект включает целый набор чисел.

Такой подход естественен при изучении распределения простых.

Вместо проверки свойств каждого натурального числа отдельно можно исследовать, какие количественные характеристики сохраняются при удвоении масштаба.

Именно здесь могут возникнуть будущие Метатеоремы Бертрана: не только существование простого в каждом удвоенном интервале, но и количественные утверждения о росте числа простых при переходе между такими диапазонами.

Диапазонный объект особенно удобен, когда локальные флуктуации отдельных чисел мешают увидеть масштабный закон.

4 — Уровень как объект

Для теории неснижаемости наиболее естественным объектом становится уровень K.

Здесь переход осуществляется не по натуральному числу N, а по силе гарантии.

Например:

K -> K+1

или:

K -> 2K.

Такой переход принципиально меняет структуру задачи.

Мы уже не спрашиваем, как изменяется конкретное четное число.

Мы спрашиваем, как система переходит от одного гарантированного минимального уровня к другому.

С этим объектом естественно связывается граница:

V(K).

Поэтому индукция по уровню автоматически превращается в изучение функции K -> V(K).

Именно здесь особенно ярко проявляется возможность мультипликативной индукции:

1 -> 2 -> 4 -> 8 -> 16 -> …

Если удастся доказать универсальный переход между состояниями этих уровней, неограниченность K возникает автоматически.

5 — Распределение как объект

Иногда отдельного значения недостаточно, и объектом индукции должна стать целая система значений.

Например, для доказательства перехода может быть важно знать не только минимальное G(N), но и распределение представлений внутри определенного диапазона.

Тогда индукционный объект может включать:

минимум;

среднее;

нижние процентили;

число нарушений;

форму нижнего хвоста;

структуру экстремальных случаев.

Такой объект значительно сложнее числа, но он может содержать именно ту информацию, которая теряется при слишком сильном сжатии данных.

Важно, однако, не включать в состояние все измеряемые характеристики без разбора.

Цель состоит в нахождении минимального достаточного описания.

Слишком бедное состояние не замыкается.

Слишком богатое становится практически недоказуемым.

Поэтому поиск правильного размера состояния — одна из центральных задач метаиндукции.

6 — Закономерность как объект

Следующий уровень возникает тогда, когда индукция применяется не к самим значениям, а к закону их изменения.

Предположим, установлено, что в некотором классе переходов действует неравенство:

V(2K) <= C * V(K).

Тогда объектом исследования становится уже этот закон.

Можно спрашивать:

сохраняется ли он при следующем удвоении;

как меняется константа C;

можно ли заменить ее более сильной;

существует ли общий коридор.

Таким образом, закономерность может сама включаться в индукционное состояние.

Это особенно важно, если доказательство следующего уровня требует не только текущей границы, но и знания того, как она была получена.

7 — Метазакономерность как объект

Еще более высокий уровень возникает, когда объектом становится закономерность изменения самих закономерностей.

Например, не один коэффициент R(K), а утверждение о том, что вся последовательность R(K) находится внутри определенного коридора.

Или не отдельная длина плато, а закон ограничения всех длин плато.

Или не одна верхняя огибающая, а правило ее преобразования при переходе масштаба.

Такой объект можно назвать метазакономерностью.

В доказательной архитектуре метазакономерность может выполнять роль инварианта более высокого уровня.

Она не фиксирует конкретное значение, но ограничивает допустимую эволюцию целого семейства значений.

Именно такие объекты потенциально особенно важны для сложных бесконечных переходов, где локальные характеристики сильно колеблются, но их глобальная структура остается контролируемой.

8 — Несколько объектов в одном доказательстве

В сложной задаче нет необходимости выбирать только один тип объекта.

Одно доказательство может одновременно использовать:

уровень K;

границу V(K);

диапазон чисел;

нижнюю огибающую;

резерв;

коридор;

мультипликативный коэффициент;

метазакономерность перехода.

Тогда индукционный объект естественно записывать как вектор состояния:

S(K) = {X1(K), X2(K), …, Xm(K)}.

Задача состоит в доказательстве:

S(K) => S(next K).

Где next K может означать:

K+1,

2K,

rK

или другой закон перехода.

Критически важно, чтобы правая часть снова имела ту же структурную форму S.

Именно это является условием замыкания.

Если доказательство дает только часть следующего состояния, цепочка не продолжается.

Если для каждого шага приходится вводить все новые свойства, состояние не замкнуто.

Если же один конечный набор характеристик воспроизводится при каждом переходе, возникает настоящий индукционный механизм.

Именно поэтому центральным вопросом следующей главы будет уже не выбор одного объекта, а построение индукционного состояния как целостной переносимой структуры.

В этом и состоит ключевой шаг от обычного вопроса:

«что мы доказываем?»

к метаиндукционному вопросу:

«какой минимальный набор утверждений должен воспроизводиться целиком, чтобы доказательство могло продолжаться бесконечно?»

На следующем этапе необходимо понять, каким образом такое состояние вообще должно быть построено и почему обычной одномерной индукции для этого может оказаться недостаточно.

Именно к этому приводит теория метаиндукции.

*******

Глава 4. Индукционное состояние

1 — Определение

В простейшей математической индукции состояние на шаге K фактически представлено одним утверждением P(K). Предполагается P(K), после чего доказывается P(K+1). Однако во многих сложных задачах одного целевого утверждения недостаточно: оно содержит результат, который требуется получить, но не содержит всей информации, необходимой для воспроизводства перехода. Тогда естественно расширить объект индукции.

В терминологии настоящей книги индукционным состоянием будем называть конечную систему характеристик и утверждений, связанных с некоторым уровнем K и совместно достаточных для выполнения универсального перехода к следующему состоянию того же структурного типа.

Обозначим такое состояние:

S(K) = {X1(K), X2(K), …, Xm(K)}.

Здесь Xi могут быть числами, функциями, неравенствами, границами, свойствами, коридорами, инвариантами или другими строго определенными математическими объектами. Принципиальным является не их количество, а способность всей системы воспроизводиться при переходе.

Если индекс изменяется по правилу:

K -> tau(K),

то требуется получить:

S(K) => S(tau(K)).

При обычной индукции:

tau(K) = K+1.

При мультипликативной:

tau(K) = 2K

или, более общо:

tau(K) = rK.

Но сам переход еще недостаточен. Новое состояние S(tau(K)) должно иметь ту же логическую архитектуру, что и исходное S(K), иначе следующий шаг невозможно выполнить тем же методом.

Таким образом, индукционное состояние — это не просто набор известных фактов. Это переносимый пакет доказательной информации.

2 — Однокомпонентное состояние

Простейший случай:

S(K) = {P(K)}.

Тогда переход имеет классический вид:

P(K) => P(K+1).

Такое состояние можно назвать однокомпонентным.

Если его достаточно, расширять его не нужно. Метаиндукционный анализ не требует усложнять задачу искусственно. Напротив, предпочтительным является минимальное состояние.

Проблема возникает тогда, когда непосредственный переход не замыкается.

Например, из утверждения:

«уровень K достигнут»

может не следовать:

«уровень K+1 достигнут».

Еще слабее может оказаться утверждение:

«уровень K однажды достигнут»,

если задача требует доказать его глобальную неснижаемость.

В случае Гольдбаха одно утверждение вида:

G(N) >= K

в определенном диапазоне само по себе не содержит информации о том, почему следующий уровень должен стать гарантированным.

Следовательно, неудача однокомпонентной индукции может означать не отсутствие индукционной структуры вообще, а недостаточность выбранного состояния.

3 — Многокомпонентное состояние

Пусть одного P(K) недостаточно. Тогда можно добавить дополнительные характеристики:

S(K) = {P(K), Q(K), R(K)}.

Задача теперь состоит не просто в доказательстве:

P(K) => P(K+1),

а в доказательстве более сильного перехода:

{P(K), Q(K), R(K)} => {P(K+1), Q(K+1), R(K+1)}.

Именно такое усиление может создать замкнутую систему.

Содержательный смысл компонентов может быть различным. Например, в задаче о границах неснижаемости состояние уровня K гипотетически может включать:

сам гарантированный уровень;

границу его действия;

верхнюю оценку следующего масштабного перехода;

нижнюю огибающую;

некоторый резерв;

ограничение на возможные потери;

метадинамический коридор.

Это пока не утверждение о том, что именно такой набор окажется достаточным для Метатеоремы Гольдбаха. Это схема поиска.

Важнейшая задача состоит в определении того, какие компоненты действительно необходимы.

Если удалить один компонент и переход разрушится, он существенен.

Если компонент никогда не используется при доказательстве перехода, он избыточен.

Таким образом, многокомпонентность сама по себе не является достоинством. Цель — найти минимальное достаточное состояние.

4 — Разноуровневые характеристики

Особенность метаиндукционного состояния может состоять в том, что его компоненты принадлежат к различным уровням описания.

Один компонент может быть первичным значением.

Другой — характеристикой динамики.

Третий — характеристикой динамики динамики.

Четвертый — ограничением целого семейства траекторий.

Например:

X1(K) — гарантированный уровень;

X2(K) — граница его неснижаемости;

X3(K) — цена перехода;

X4(K) — верхняя огибающая цены;

X5(K) — правило изменения самой огибающей.

В обычном описании эти величины относятся к различным уровням анализа. Но в индукционном состоянии они могут использоваться одновременно, если именно их совместное присутствие создает замыкание.

Так возникает важный принцип метаиндукции:

компоненты состояния не обязаны находиться на одном уровне описания.

Это отличает метаиндукционную архитектуру от простого добавления нескольких однотипных условий.

Если исходная задача не замыкается на уровне значений, возможно, для ее доказательства требуется включить в состояние закон изменения этих значений. Если и этого недостаточно — закон изменения самого закона.

Однако повышение уровня допустимо только при реальном приросте доказательной информации. Метауровень, который лишь переименовывает исходную проблему, ничего не решает.

5 — Первичные показатели

Первичными назовем характеристики, непосредственно относящиеся к исследуемому объекту.

Для функции Гольдбаха такими характеристиками могут быть:

G(N);

уровень K;

минимум G(N) на диапазоне;

граница неснижаемости V(K);

последнее нарушение B(K).

Первичные показатели описывают состояние системы без непосредственного анализа того, как оно изменяется.

Они необходимы, потому что именно к ним должен в конечном счете вернуться результат доказательства.

Если целью является доказательство:

G(N) >= K

для определенного класса N, никакой метапоказатель сам по себе не заменяет этого утверждения.

Поэтому в правильной метаиндукционной конструкции должен существовать механизм проекции:

S(K) => P(K),

где P(K) является исходным целевым утверждением.

Иначе метауровень может оказаться логически интересным, но не связанным с задачей.

6 — Динамические показатели

Динамические показатели описывают переход между первичными состояниями.

Например:

V(K+1) — V(K),

V(2K) — V(K),

V(2K) / V(K).

Их функция состоит в том, чтобы характеризовать цену или масштаб перехода.

Возможен случай, когда сам первичный объект крайне нерегулярен, но динамическая характеристика допускает устойчивую оценку.

Тогда индукционный переход удобнее формулировать не непосредственно через значения, а через ограничения на их изменение.

Например, вместо точного знания V(2K) может оказаться достаточно доказать:

V(2K) <= F(V(K), K).

Если правая часть всегда конечна, уже возникает механизм существования следующей границы.

Это иллюстрирует фундаментальную роль динамических характеристик: они способны превратить статический факт в воспроизводимый переход.

7 — Метапоказатели

Метапоказатели характеризуют уже не значения и не отдельные изменения, а структуру изменений.

Простейший пример — верхняя огибающая коэффициентов перехода.

Пусть:

R(K) = V(2K) / V(K).

Если точные значения R(K) нерегулярны, можно искать такую U(K), что:

R(K) <= U(K).

Тогда объектом доказательства становится уже не конкретный R(K), а закон его ограничения.

Еще более сильной структурой является универсальный коридор:

L(K) <= R(K) <= U(K).

Если подобный коридор сохраняется при переходе:

K -> 2K,

он может стать компонентом индукционного состояния.

Таким образом, метапоказатель способен выполнять роль ограничения на целое семейство будущих динамических состояний.

Это особенно важно в задачах с сильными локальными флуктуациями. Индукционное доказательство не обязано предсказывать каждое значение. Иногда достаточно доказать, что все возможные значения остаются внутри области, позволяющей повторить следующий переход.

8 — Индукционный резерв

Одним из наиболее важных возможных компонентов состояния является индукционный резерв.

Пусть для выполнения следующего перехода достаточно некоторой минимальной величины T(K), а фактически доказано более сильное условие:

B(K) >= T(K).

Тогда разность:

rho(K) = B(K) — T(K)

можно интерпретировать как резерв.

Если:

rho(K) > 0,

состояние содержит запас относительно критической границы.

В более общей форме резерв может быть не одной величиной, а вектором:

R(K) = {rho1(K), rho2(K), …, rhoq(K)}.

Смысл резерва состоит в возможности пережить потери при переходе.

Если часть представлений, оценок или структурных преимуществ неизбежно теряется, доказательству необязательно обеспечивать полное сохранение исходного количества. Достаточно, чтобы после потерь оставалось не меньше критического уровня следующего состояния.

Схематически:

ресурс + новое приобретение — потери >= требование следующего состояния.

Или:

B(K) + C(K) — L(K) >= T(tau(K)),

где:

B — имеющийся ресурс;

C — компенсация или новое приобретение;

L — потери;

T — минимальное требование следующего состояния.

Именно такой тип неравенства потенциально может стать центральным в сложном индукционном переходе.

Для Метатеоремы Гольдбаха понятие резерва особенно естественно: если на некотором масштабе имеется значительно больше представлений, чем минимально необходимо, часть из них теоретически может быть потеряна при переходе, но гарантия все равно сохранится или усилится.

Однако для превращения этой идеи в доказательство потребуется строго определить, что именно считается ресурсом, какие потери возможны и почему компенсация гарантирована.

Это приводит к следующему понятию — индукционному замыканию.

Глава 5. Индукционное замыкание

1 — Замкнутый переход

Пусть определено состояние:

S(K).

Переход называется индукционно замкнутым, если из истинности S(K) для произвольного допустимого K следует истинность состояния того же структурного типа на следующем уровне:

S(K) => S(tau(K)).

Ключевым является выражение того же структурного типа.

Если:

S(K) = {X(K), Y(K), Z(K)},

то после перехода необходимо получить:

S(tau(K)) = {X(tau(K)), Y(tau(K)), Z(tau(K))}.

Если удается доказать только X(tau(K)), но Y и Z теряются, переход не замкнут.

Это принципиальное отличие разового усиления от индукционного механизма.

Разовый аргумент может дать новый результат.

Замкнутый аргумент воспроизводит условия собственного повторения.

Именно поэтому индукционное замыкание является более фундаментальным объектом, чем один успешный переход.

2 — Минимальный достаточный набор характеристик

Пусть некоторое состояние S обеспечивает замкнутый переход. Это еще не означает, что все его компоненты необходимы.

Введем понятие минимального достаточного состояния.

Состояние S будем называть минимально достаточным относительно выбранного типа перехода и используемого доказательного аппарата, если:

S обеспечивает замкнутый переход;

но удаление любого существенного компонента разрушает доказанную замкнутость.

Важно уточнить слово «относительно».

Не существует гарантии, что найденное состояние является абсолютно минимальным во всех возможных математических представлениях задачи.

Другой метод доказательства может использовать меньше характеристик.

Поэтому минимальность должна пониматься в рамках конкретной доказательной архитектуры.

Задачу поиска такого состояния можно сформулировать:

какой наименьший пакет информации должен переноситься от K к tau(K), чтобы переход можно было повторять неограниченно?

Этот вопрос является одним из центральных вопросов метаиндукции.

Он напоминает поиск достаточной статистики: необходимо удалить второстепенное, сохранив все, что требуется для следующего шага.

3 — Потери

Реальный переход не обязан сохранять все характеристики без ухудшения.

Некоторые показатели могут уменьшаться.

Некоторые оценки — становиться слабее.

Часть резерва может расходоваться.

Обозначим совокупность таких ухудшений как потери.

Если имеется ресурс B(K), можно схематически записать:

B_after = B_before — L,

где L — величина потерь.

Но в сложном состоянии потери могут быть многокомпонентными.

Например, одновременно может увеличиваться граница, сокращаться относительный резерв и расширяться коридор неопределенности.

Сам факт потерь не разрушает индукцию.

Разрушительным является только такой уровень потерь, после которого новое состояние перестает удовлетворять условиям следующего перехода.

Поэтому ключевой вопрос звучит не:

«Есть ли потери?»

а:

«Остается ли после всех допустимых потерь состояние внутри области индукционной замкнутости?»

Это переводит проблему в язык устойчивости перехода.

4 — Компенсация

Если при переходе возникают потери, они могут компенсироваться новыми структурными приобретениями.

Схематически:

новое состояние = старый ресурс — потери + компенсация.

Обозначим компенсацию C(K).

Тогда условие сохранения некоторого ресурса может иметь вид:

B(K) — L(K) + C(K) >= T(tau(K)).

Компенсация может происходить по различным механизмам.

Рост масштаба может создавать новые возможные представления.

Расширение диапазона может увеличивать количество доступных простых.

Усиление одного компонента состояния может компенсировать ослабление другого.

Именно поэтому многокомпонентное состояние потенциально сильнее однокомпонентного: разные компоненты способны взаимно поддерживать переход.

Но здесь возникает опасность круговой аргументации.

Нельзя просто объявить, что необходимые новые представления «должны появиться». Сам механизм компенсации должен быть доказан независимо от утверждения, которое требуется получить.

Поэтому компенсационная лемма, если она будет использоваться для Метатеоремы Гольдбаха, станет одним из наиболее критических элементов всей доказательной конструкции.

5 — Сохранение состояния

Простейший тип замыкания — сохранение.

Пусть состояние S(K) обладает определенным набором свойств. Если после перехода все они выполняются снова без ослабления, имеем:

S(K) => S(tau(K)).

Такое состояние можно назвать инвариантным относительно перехода.

В наиболее сильной форме компоненты состояния сохраняются буквально.

Но чаще сохраняется не конкретное значение, а класс допустимых состояний.

Например, коэффициент может измениться, но остаться внутри коридора:

a <= R(K) <= b.

После перехода:

a <= R(tau(K)) <= b.

Тогда числовое значение изменилось, но структурное свойство сохранилось.

Именно такой тип сохранения особенно характерен для метаиндукции: инвариантным является не число, а допустимая область состояний.

6 — Усиление состояния

Более сильный случай возникает, когда переход не только сохраняет состояние, но и улучшает его.

Например:

резерв увеличивается;

верхняя относительная цена уменьшается;

коридор сужается;

нижняя граница повышается;

переходная зона относительно масштаба сокращается.

Тогда:

S(tau(K)) >= S(K)

в некотором частично упорядоченном смысле.

Усиление особенно ценно для бесконечного доказательства, поскольку создает дополнительную устойчивость. Даже если последующие шаги несут потери, ранее накопленный запас может их компенсировать.

Можно представить три типа переходов.

Нейтральный переход — состояние воспроизводится приблизительно на прежнем уровне.

Ослабляющий, но допустимый — часть резерва расходуется, однако замыкание сохраняется.

Усиливающий — после перехода состояние становится более устойчивым.

Для Метатеоремы особенно интересен последний режим, поскольку он может объяснить не просто сохранение представимости, а рост гарантированного количества представлений.

7 — Переход к следующему уровню

Аддитивный переход имеет вид:

K -> K+1.

Требуется доказать:

S(K) => S(K+1).

Преимущество такого подхода состоит в минимальном размере шага. Если он работает, каждый натуральный уровень достигается непосредственно.

Но это же может быть и недостатком.

Для больших K относительное изменение:

(K+1) / K

становится все меньше.

Возможно, структурный механизм задачи естественным образом действует не при добавлении одной единицы гарантии, а при масштабном увеличении.

Кроме того, доказательство для каждого соседнего уровня может требовать чрезмерно тонкого контроля локальных флуктуаций.

Поэтому переход K -> K+1 является естественным, но не обязательно оптимальным.

8 — Переход к кратному уровню

Мультипликативный переход имеет вид:

K -> rK,

где:

r > 1.

Особый случай:

K -> 2K.

Здесь каждый шаг означает одинаковое относительное усиление уровня независимо от масштаба.

Если удается доказать:

S(K) => S(2K),

возникает цепочка:

S(K) => S(2K) => S(4K) => S(8K) => …

Поскольку уровни:

K * 2^j

неограниченно растут, такой переход потенциально особенно удобен для Метатеоремы.

При этом вовсе не требуется отдельно проходить каждый промежуточный уровень.

Если гарантирован уровень 2K, автоматически гарантированы все меньшие уровни.

Следовательно, мультипликативная индукция способна покрывать всю шкалу K посредством возрастающей последовательности контрольных уровней.

Однако и здесь центральным условием остается замыкание.

Недостаточно доказать, что из уровня K когда-то возникает уровень 2K.

Необходимо получить полноценное состояние:

S(2K),

пригодное для перехода:

S(2K) => S(4K).

Именно это превращает мультипликативную траекторию из экспериментальной закономерности в потенциальный доказательный механизм.

Глава 6. Принцип метаиндукции

1 — Поиск подходящего метауровня

Теперь можно сформулировать основную идею метаиндукции в терминологии настоящей книги.

Пусть требуется доказать семейство утверждений:

P(K).

Предположим, прямой переход:

P(K) => P(tau(K))

не удается доказать, поскольку P(K) не содержит достаточной информации о структуре перехода.

Тогда вместо многократных попыток усилить технические детали того же перехода можно изменить уровень описания.

Вводится расширенное состояние:

S(K) = {P(K), Q1(K), …, Qm(K)},

где дополнительные компоненты выбираются так, чтобы обеспечить замыкание:

S(K) => S(tau(K)).

Если такое состояние найдено, а из него следует исходное утверждение:

S(K) => P(K),

то задача переносится на метауровень, решается там и затем возвращается к исходному уровню.

Именно этот процесс будем называть метаиндукцией.

Ее общая схема:

исходное утверждение -> обнаружение незамкнутости -> построение расширенного состояния -> доказательство замкнутого перехода -> бесконечное воспроизведение состояний -> проекция результата на исходное утверждение.

Таким образом, приставка «мета» относится не к новому логическому принципу, а к переходу между уровнями описания доказательного объекта.

2 — Переход между метасостояниями

После выбора подходящего уровня объектом индукции становится метасостояние S(K).

Переход записывается:

S(K) => S(tau(K)).

Формально это снова обычная математическая индукционная структура.

Но содержательно происходит существенное изменение: переносится уже не первичное свойство, а система условий, обеспечивающая его воспроизводство.

Можно представить переход как оператор:

Phi[S(K)] = S(tau(K)).

Для доказательства необходимо установить, что Phi определен для любого допустимого состояния рассматриваемого класса и не выводит систему за пределы этого класса.

Именно здесь появляется аналог инвариантного множества.

Пусть C — класс допустимых индукционных состояний.

Тогда необходимо доказать:

S(K) принадлежит C

и:

S(K) принадлежит C => Phi[S(K)] принадлежит C.

Если одновременно из принадлежности C следует целевое утверждение P(K), мы получаем замкнутую доказательную систему.

Это одна из наиболее строгих формулировок принципа метаиндукции.

3 — Сильная метаиндукция

Иногда следующего метасостояния нельзя вывести только из непосредственно предыдущего.

Тогда можно использовать последовательность всех ранее установленных состояний:

S(K0), S(K1), …, S(Kn)

для получения:

S(Kn+1).

Такую схему в терминологии настоящей книги можно назвать сильной метаиндукцией.

Она аналогична сильной математической индукции, но применяется уже к расширенным состояниям.

Важно, однако, не считать сам факт использования нескольких предыдущих состояний особой новизной. Сильная индукция давно является стандартным математическим методом.

Специфика метаиндукционной конструкции появляется только тогда, когда сами S(K) являются состояниями более высокого уровня, специально построенными для замыкания исходно незамкнутого свойства.

Поэтому сильная метаиндукция — это не новый логический принцип, а сочетание двух идей:

расширения объекта индукции до метасостояния;

использования сильной индукционной схемы для перехода между такими состояниями.

4 — Многокомпонентная метаиндукция

Если состояние имеет вид:

S(K) = {X1(K), X2(K), …, Xm(K)},

необходимо доказать совместное воспроизводство всех компонентов.

Схематически:

X1(K), X2(K), …, Xm(K)

=>

X1(tau(K)), X2(tau(K)), …, Xm(tau(K)).

При этом компоненты могут зависеть друг от друга перекрестно.

Например:

X1 следующего состояния выводится из X1 и X3 текущего;

X2 — из X1, X2 и X4;

X3 — из X2;

X4 — из всей системы.

Это напоминает взаимную индукцию, но компоненты могут принадлежать к различным уровням описания: один характеризует первичный объект, другой динамику, третий огибающую, четвертый резерв.

Полезно представить такую систему в виде сети зависимостей.

Если какой-либо компонент следующего состояния не имеет доказанного источника в текущем состоянии или независимой универсальной лемме, замыкание отсутствует.

Таким образом, многокомпонентная метаиндукция требует не только доказать итоговый переход, но и провести своего рода баланс происхождения каждого компонента.

Это делает доказательство более прозрачным и помогает обнаруживать скрытые предположения.

5 — Инвариант перехода

Центральным объектом замкнутой метаиндукции является инвариант перехода.

Инвариант не обязательно должен быть постоянным числом.

Им может быть утверждение:

R(K) <= C;

коридор:

L(K) <= X(K) <= U(K);

положительность резерва:

rho(K) > 0;

отношение:

A(K) <= F(B(K));

или принадлежность состояния некоторому классу:

S(K) принадлежит C.

Главное требование:

если инвариант выполняется до перехода, то он выполняется и после него.

Формально:

I[S(K)] => I[S(tau(K))].

В идеальном случае именно инвариант является той минимальной структурой, которая обеспечивает бесконечную воспроизводимость перехода.

Поиск метаинварианта можно рассматривать как центральную задачу метаиндукционного исследования.

В применении к Гольдбаху кандидатом может оказаться не одно числовое отношение, а целая система: нижняя гарантия, резерв, верхняя оценка цены перехода и условие компенсации потерь.

Какой именно инвариант окажется достаточным, должно установить собственно математическое исследование.

6 — Возврат от метауровня к исходной задаче

Любой метауровень имеет смысл только тогда, когда результат можно вернуть к исходной задаче.

Пусть доказана бесконечная последовательность состояний:

S(K0),

S(K1),

S(K2),

…

Для завершения доказательства необходимо иметь проекцию:

S(Kj) => P(Kj).

Если индексы Kj неограниченно растут и P(K) монотонно по уровню в нужном смысле, можно получить исходное утверждение для любого конечного K.

Например, при траектории:

Kj = 2^j

для любого натурального K существует j такое, что:

2^j >= K.

Если S(2^j) гарантирует минимум не менее 2^j, автоматически гарантирован и уровень K.

Таким образом, не обязательно строить отдельный переход для каждого натурального уровня.

Достаточно иметь неограниченную последовательность контрольных уровней, охватывающих все конечные K сверху.

Это особенно важно для Метатеоремы Гольдбаха.

Если удалось бы строго доказать:

S(1) => S(2) => S(4) => S(8) => …

и каждое S(K) действительно означало бы существование конечной глобальной границы уровня K, то для произвольного конечного K можно было бы выбрать степень двойки не меньше K и получить требуемую границу.

Но вся доказательная нагрузка при этом сосредоточена в одном месте:

в универсальности и замкнутости перехода S(K) => S(2K).

Именно его нельзя заменять вычислительными наблюдениями.

7 — Критерий доказательной замкнутости

Теперь можно сформулировать критерий, по которому метаиндукционную конструкцию следует считать доказательно замкнутой.

Первое условие — точность состояния. Все компоненты S(K) должны иметь строгие определения. Нельзя использовать неформальные понятия вроде «достаточно большой резерв» без числового или логического критерия.

Второе — конечная база. Должно быть строго установлено хотя бы одно исходное состояние S(K0), либо конечный набор состояний, достаточный для запуска перехода.

Третье — универсальность перехода. Необходимо доказать:

S(K) => S(tau(K))

для произвольного допустимого K, а не только проверить конечный набор примеров.

Четвертое — структурное воспроизводство. Полученное S(tau(K)) должно иметь ту же форму и содержать все компоненты, необходимые для повторения перехода.

Пятое — неограниченная достижимость уровней. Итерация tau должна позволять уйти сколь угодно далеко. Для:

tau(K) = K+1

это очевидно. Для:

tau(K) = 2K

также:

2^j K -> infinity.

Шестое — проекция на исходную задачу. Из состояний должно следовать именно то первичное утверждение, ради которого строилась конструкция.

Седьмое — отсутствие круговой зависимости. Ни одна лемма перехода не должна предполагать в скрытой форме целевую теорему или утверждение, логически столь же сильное, что доказательство превращается в переформулировку исходной задачи.

Восьмое — контроль всех потерь. Если переход допускает ухудшение каких-либо характеристик, должно быть доказано, что резерв и компенсация достаточны для сохранения состояния.

Девятое — независимость от конечного вычислительного горизонта. Вычисления могут устанавливать базу, искать структуру и проверять гипотезы, но универсальный переход не должен зависеть от утверждения: «это наблюдалось до очень большого X».

Если все эти условия выполнены, метаиндукционная конструкция перестает быть поисковой схемой и становится обычным строгим математическим доказательством, только найденным посредством расширения объекта индукции.

В этом состоит принципиально важный итог.

Метаиндукция не отменяет математическую индукцию. Она стремится найти тот уровень описания, на котором математическая индукция становится замкнутой.

Исходное свойство может не переноситься само по себе.

Тогда оно включается в расширенное состояние.

Если это состояние замыкается, возникает воспроизводимый переход.

Если переход универсален и имеется база, начинается бесконечная индукционная цепочка.

Если из каждого состояния следует исходное утверждение, результат возвращается с метауровня на первоначальный уровень задачи.

В наиболее компактной форме принцип можно записать так.

Пусть P(K) — исходное утверждение, которое непосредственно не замыкается.

Необходимо найти конечное состояние S(K), содержащее P(K), такое что:

S(K0) истинно;

S(K) => S(tau(K));

итерации tau неограниченно повышают уровень;

S(K) => P(K).

Тогда семейство P получается как проекция замкнутой индукции по состояниям S.

Именно эту архитектуру в настоящей книге мы называем метаиндукцией.

Для проблемы Гольдбаха следующий вопрос теперь можно поставить предельно точно:

существует ли такой конечный набор характеристик S(K), для которого удастся доказать универсальный переход S(K) => S(2K) или S(K) => S(K+1)?

Если ответ положителен и состояние действительно содержит глобальную неснижаемость уровня K, возникает путь к Метатеореме.

Если нет, вычислительные закономерности, коридоры и траектории останутся ценным описанием, но не станут доказательством.

Поэтому после разработки концепции метаиндукции книга должна перейти к ее наиболее жесткой проверке — вычислительной лаборатории, где кандидаты на состояние, инвариант и универсальный переход будут последовательно строиться, проверяться, опровергаться и уточняться до тех пор, пока не станет ясно, какая часть наблюдаемой структуры способна выдержать переход от конечного эксперимента к бесконечному доказательству.

*******

ЧАСТЬ VII. ВЫЧИСЛИТЕЛЬНАЯ ЛАБОРАТОРИЯ МЕТАТЕОРЕМЫ ГОЛЬДБАХА

Предыдущие части книги сформировали понятийный аппарат: функцию количества представлений G(N), уровни неснижаемости, последние нарушения, границы V(K), переходные зоны, плато, мультипликативные траектории, индукционные состояния и принцип метаиндукции. Теперь необходимо перейти от общей схемы к вычислительному материалу.

Именно на этом этапе особенно важно не смешивать три различных уровня утверждений.

Первый уровень — точный вычислительный факт на конечном диапазоне. Его можно установить полным перебором или другим точным алгоритмом.

Второй — эмпирическая закономерность, обнаруженная внутри вычисленного массива.

Третий — математическая теорема, действие которой распространяется на бесконечный натуральный ряд.

В этой части первые два уровня будут использоваться для поиска будущей доказательной структуры, но ни один конечный массив не будет объявляться доказательством глобальной Метатеоремы.

В качестве основной контрольной границы настоящего этапа принимается:

X = 1 000 000.

Следовательно, все вычислительные границы неснижаемости в главах этой части обозначаются:

V_X(K),

а не V(K).

Это различие принципиально.

Глава 1. Методология вычислительного эксперимента

1 — Исходные данные

Исходным пространством являются натуральные числа от 2 до:

X = 1 000 000.

Сначала строится полный массив простых чисел в этом диапазоне. Затем для каждого четного:

4 <= N <= X

вычисляется количество различных неупорядоченных представлений:

N = p + q,

где p и q — простые числа и:

p <= q.

Количество таких представлений обозначается:

G(N).

Число исследуемых четных значений составляет:

499 999.

Таким образом, базовый массив представляет последовательность:

G(4), G(6), G(8), …, G(1 000 000).

Этот массив является исходным материалом для всех последующих расчетов уровней, последних нарушений, границ неснижаемости, переходных зон, плато и скачков.

2 — Построение множества простых

Для построения множества простых используется решето Эратосфена.

Создается индикаторная функция:

P(n) = 1,

если n простое,

и:

P(n) = 0,

если n составное либо равно 0 или 1.

Полный пересчет дает:

P(1 000 000) в накопительном смысле, то есть количество простых не выше миллиона:

78 498.

Это стандартное контрольное значение и одновременно первая проверка корректности решета.

Далее массив P используется непосредственно для подсчета представлений Гольдбаха.

3 — Подсчет разложений

Для отдельного четного N прямое определение имеет вид:

G(N) = количество простых p <= N/2, для которых N — p также простое.

Такой алгоритм полностью точен, но повторение прямого перебора для почти пятисот тысяч четных чисел является вычислительно избыточным.

Поэтому для основного массива используется свертка индикаторной функции простых.

Определим количество упорядоченных пар:

O(N) = сумма P(p) * P(N-p)

по всем допустимым p.

Свертка автоматически учитывает:

p + q

и:

q + p

как две пары, если p не равно q.

Если же:

p = q = N/2,

такая диагональная пара появляется один раз.

Поэтому введем:

d(N) = 1,

если N/2 простое,

и:

d(N) = 0

в противном случае.

Тогда точное количество неупорядоченных представлений:

G(N) = [O(N) + d(N)] / 2.

Эта формула используется для построения всего базового массива.

Основной точный пересчет выполнен посредством целочисленной модульной свертки NTT. Использован модуль:

Максимально возможное значение O(N) в рассматриваемом диапазоне значительно меньше этого модуля, поэтому результат свертки восстанавливается как обычное целое число без модульного переполнения. Тем самым основной массив вычисляется без ошибок округления, характерных для обычного вещественного FFT.

4 — Проверка вычислений

Для вычислительной работы такого типа одного алгоритма недостаточно. Ошибка в индексации, соглашении об упорядоченности пар или обработке диагонали p = q способна дать систематически неверный массив, внешне выглядящий вполне правдоподобно.

Поэтому использованы несколько уровней проверки.

Во-первых, начальные значения сверены с прямым ручным и программным подсчетом:

G(4) = 1

G(6) = 1

G(8) = 1

G(10) = 2

G(12) = 1

G(14) = 2

G(16) = 2

G(18) = 2

G(20) = 2

G(22) = 3

G(24) = 3

G(26) = 3

G(28) = 2

G(30) = 3

G(32) = 2

G(34) = 4.

Во-вторых, отдельные более крупные значения проверены непосредственным перебором простых:

G(100) = 6

G(1 000) = 28

G(10 000) = 127

G(100 000) = 810

G(500 000) = 3052

G(990 990) = 15 594

G(1 000 000) = 5402.

В-третьих, независимо от точной NTT-свертки был построен второй полный массив посредством обычной FFT-свертки с округлением результатов до ближайшего целого. Контрольные агрегаты и две независимые контрольные подписи массивов совпали.

Это существенно снижает вероятность скрытой программной ошибки.

5 — Воспроизводимость

Для воспроизводимости недостаточно сообщить только итоговые таблицы. Необходимо зафиксировать определения и контрольные числа, позволяющие независимо восстановить эксперимент.

Параметры базового пересчета:

верхняя граница:

X = 1 000 000;

число простых не выше X:

78 498;

число исследованных четных N:

499 999;

пары считаются неупорядоченными;

p = q допускается;

левая граница массива:

N = 4;

правая:

N = 1 000 000.

Сумма всех значений G(N) по базовому массиву равна:

1 671 879 783.

Максимальное значение:

15 594

и достигается при:

N = 990 990.

Для дополнительной технической идентификации массива использованы две контрольные подписи по модулю 1 000 000 007:

H1 = 588 967 404

H2 = 750 663 088.

Эти контрольные значения не имеют самостоятельного математического содержания. Их назначение исключительно техническое: два независимо реализованных алгоритма, выдающие одинаковые контрольные подписи, с чрезвычайно высокой надежностью построили один и тот же массив.

В окончательном вычислительном приложении книги целесообразно привести также исходный программный код или его полностью воспроизводимый псевдокод.

6 — Контроль ошибок

Для вычислительной лаборатории принимаются следующие правила.

Любая величина, претендующая на содержательную роль, должна быть вычислена из однозначно определенного исходного массива.

Все соглашения о границах интервалов, упорядоченности пар и включении диагональных представлений должны быть зафиксированы до анализа результатов.

Ключевые контрольные значения должны проверяться независимым методом.

При использовании вещественной FFT ее результаты не должны считаться единственным источником окончательных целых данных, если существует возможность точной модульной проверки.

Любой необычный экстремум, особенно последнее нарушение уровня или рекордный максимум, желательно проверять прямым подсчетом.

При расширении верхней границы X все конечные границы V_X(K) должны вычисляться заново. Старое значение нельзя автоматически считать сохраненным.

Последнее правило особенно важно. Если при X = 1 000 000 получено:

V_X(K) = V0,

это означает лишь:

G(N) >= K

для всех четных:

V0 <= N <= 1 000 000.

Новое нарушение при N > 1 000 000 логически не исключено.

7 — Разделение вычислительного факта и математического доказательства

Вся дальнейшая вычислительная часть строится на строгом различении конечного и глобального утверждения.

Если вычислено:

V_X(50) = 4480,

это является точным утверждением о массиве до X.

Оно означает:

G(N) >= 50

для каждого четного N от 4480 до 1 000 000,

и существует четное число перед этой границей, нарушающее уровень 50.

Но отсюда не следует:

V(50) = 4480

в бесконечном натуральном ряду.

Для такого вывода необходимо доказать отсутствие нарушений при всех:

N > 1 000 000.

Поэтому вычислительная лаборатория выполняет другую функцию.

Она позволяет:

обнаруживать структуру;

измерять параметры;

искать экстремумы;

формировать гипотезы;

проверять прогнозы;

строить кандидатов на индукционное состояние;

искать потенциальный закон перехода.

Но бесконечное продолжение должно быть обеспечено отдельным доказательным механизмом.

Глава 2. Базовый массив

1 — Четные числа до основной контрольной границы

Базовый массив содержит все четные числа:

4, 6, 8, …, 1 000 000.

Всего:

499 999

значений.

Для каждого N вычислено G(N).

Такой объем уже достаточно велик, чтобы наблюдать несколько различных масштабов поведения функции: от единичных представлений в начале натурального ряда до тысяч и десятков тысяч представлений в верхней части массива.

Однако сам размер массива не является математическим аргументом. Его ценность состоит в возможности изучать структуру функции G(N) и особенно ее нижний экстремальный слой.

2 — Количество разложений

Функция G(N) на базовом массиве крайне немонотонна.

Например:

G(100 000) = 810,

тогда как:

G(990 990) = 15 594,

а:

G(1 000 000) = 5402.

Следовательно, даже на близких крупных масштабах арифметическая структура самого четного числа оказывает сильное влияние на число представлений.

Это еще раз подтверждает, что анализ среднего роста недостаточен для универсальной задачи.

Вместе с тем общий масштаб G(N) явно возрастает. Значения порядка единиц, характерные для начала ряда, сменяются десятками, сотнями, тысячами и десятками тысяч.

Главный вопрос лаборатории состоит в том, как на фоне этих сильных колебаний ведет себя нижний экстремальный слой.

3 — Минимумы

Глобальный минимум всего конечного массива равен:

Он достигается при:

N = 4, 6, 8, 12.

Но такой минимум мало говорит о поведении на больших масштабах, поскольку ранние числа навсегда фиксируют глобальное значение.

Поэтому полезнее исследовать минимумы по последовательным масштабным диапазонам.

Диапазон N	Минимум G(N)	Где достигается
4 <= N < 100	1	4
100 <= N < 1 000	3	128
1 000 <= N < 10 000	16	1112
10 000 <= N < 100 000	92	10006
100 000 <= N < 1 000 000	570	100094

В первом диапазоне значение 1 достигается также при 6, 8 и 12; в таблице указано первое место достижения минимума.

Уже эти пять масштабов показывают важную эмпирическую тенденцию: нижние значения внутри последовательных десятичных диапазонов быстро растут.

Но пока это только конечная эмпирическая структура.

4 — Максимумы

Максимумы растут значительно быстрее и сильнее зависят от арифметической структуры чисел.

Диапазон N	Максимум G(N)	Где достигается
4 <= N < 100	9	90
100 <= N < 1 000	52	990
1 000 <= N < 10 000	329	9240
10 000 <= N < 100 000	2168	99330
100 000 <= N < 1 000 000	15594	990990

Общий максимум всего массива до миллиона:

G(990990) = 15 594.

Максимумы важны для исследования общего ресурса представлений и ширины распределения, но непосредственно для доказательства универсальной нижней границы они вторичны. Даже чрезвычайно высокий максимум не исключает существования отдельного глубокого провала.

5 — Нижняя огибающая

Для конечного массива определим хвостовую нижнюю огибающую:

L_X(V) = min G(N)

по всем четным:

V <= N <= X.

В отличие от самой G(N), функция L_X(V) не убывает при увеличении V. Когда наиболее глубокий ранний провал остается слева от новой границы, нижняя огибающая совершает ступенчатый подъем.

Некоторые контрольные значения:

V	L_X(V)	Число, где достигается минимум
4	1	4
100	3	128
1 000	16	1112
10 000	92	10006
100 000	570	100094
250 000	1225	253508
500 000	2201	506642
750 000	3106	753164
900 000	3624	901364

Эта таблица показывает именно конечную огибающую при:

X = 1 000 000.

Она не говорит о том, каким будет истинный глобальный минимум по всему бесконечному хвосту.

Однако структура представляет большой интерес: даже нижний экстремальный слой внутри вычисленного массива демонстрирует значительный рост.

Именно эта величина, а не среднее G(N), является наиболее близким вычислительным аналогом объекта, который должен контролироваться в доказательстве Метатеоремы.

6 — Рекордные минимумы

Для более детального исследования нижней огибающей удобно двигаться от правой границы X влево и фиксировать каждое четное N, для которого G(N) меньше всех значений справа от него.

Назовем такие точки обратными рекордными минимумами конечного массива.

Начало последовательности имеет вид:

12 -> 1

68 -> 2

128 -> 3

152 -> 4

188 -> 5

332 -> 6

398 -> 7

488 -> 9

632 -> 10

692 -> 11

992 -> 13

1112 -> 16

1412 -> 18

1448 -> 20

1718 -> 21

2048 -> 25

2252 -> 26

2672 -> 28

2936 -> 31

2978 -> 34

3092 -> 35

3218 -> 37

3272 -> 38

3296 -> 39.

Отсутствие некоторых целых уровней здесь имеет содержательный смысл.

Например, после последнего хвостового минимума 7 при N = 398 нижняя огибающая сразу переходит к значению не меньше 9. Значение 8 не становится отдельной ступенью конечной нижней огибающей.

Именно из таких пропусков возникают плато границ неснижаемости: несколько соседних уровней получают одну и ту же границу.

Во всем массиве до миллиона насчитывается 595 строгих обратных рекордных минимумов в указанном смысле.

7 — Последние нарушения

Для уровня K определим последнее нарушение внутри конечного массива:

B_X(K) = максимальное четное N <= X,

для которого:

G(N) < K.

Тогда конечная граница неснижаемости:

V_X(K) = B_X(K) + 2.

Для уровня K = 1 нарушений в массиве нет, поскольку для каждого проверенного четного N выполняется:

G(N) >= 1.

Поэтому для конечной системы принимается:

V_X(1) = 4.

Последние нарушения являются гораздо более информативным объектом, чем первые достижения. Именно они определяют, где заканчивается область возможного нарушения данного уровня внутри проверенного диапазона.

Следующая глава рассматривает эту структуру подробно для первых 99 уровней.

Глава 3. Первые уровни неснижаемости

1 — Уровни от 1 до 99

Для первого этапа анализа выбраны уровни:

K = 1, 2, 3, …, 99.

Это достаточно широкий диапазон, чтобы увидеть формирование плато, скачков и переходных зон, но одновременно он остается компактным для детального анализа.

Для каждого K вычислены:

A(K) — первое достижение уровня;

B_X(K) — последнее нарушение уровня внутри массива до миллиона;

V_X(K) — конечная граница неснижаемости;

Z_X(K) = V_X(K) — A(K) — ширина переходной зоны.

Основная таблица ниже содержит K, A(K) и V_X(K). Для K >= 2 последнее нарушение восстанавливается непосредственно:

B_X(K) = V_X(K) — 2.

А ширина переходной зоны:

Z_X(K) = V_X(K) — A(K).

Уровни 1–33

K	A(K)	V_X(K)
1	4	4
2	10	14
3	22	70
4	34	130
5	48	154
6	60	190
7	78	334
8	84	400
9	90	400
10	114	490
11	120	634
12	120	694
13	168	694
14	180	994
15	210	994
16	210	994
17	210	1114
18	210	1114
19	210	1414
20	300	1414
21	300	1450
22	330	1720
23	330	1720
24	330	1720
25	390	1720
26	390	2050
27	390	2254
28	420	2254
29	420	2674
30	420	2674
31	510	2674
32	510	2938
33	630	2938

Уровни 34–66

K	A(K)	V_X(K)
34	630	2938
35	630	2980
36	630	3094
37	630	3094
38	630	3220
39	630	3274
40	630	3298
41	630	3634
42	780	3634
43	780	3756
44	780	4024
45	840	4060
46	840	4414
47	840	4450
48	840	4450
49	840	4480
50	840	4480
51	840	4690
52	990	5080
53	1050	5470
54	1050	5470
55	1050	5530
56	1050	5950
57	1050	5950
58	1140	5950
59	1260	5950
60	1260	6070
61	1260	6154
62	1260	6370
63	1260	6370
64	1260	6370
65	1260	6508
66	1260	6508

Уровни 67–99

K	A(K)	V_X(K)
67	1260	6634
68	1260	7294
69	1470	7510
70	1470	7510
71	1470	8044
72	1470	8044
73	1470	8050
74	1650	8050
75	1650	8050
76	1650	8554
77	1680	8554
78	1680	9604
79	1680	9604
80	1680	9604
81	1680	9604
82	1680	9604
83	1680	9604
84	1890	9604
85	1890	9604
86	1890	9604
87	1890	9868
88	1890	9868
89	1890	9868
90	1890	9868
91	1890	9868
92	2100	9868
93	2100	10546
94	2100	10546
95	2100	10546
96	2100	10834
97	2100	10834
98	2310	10960
99	2310	11674

Все значения этой таблицы относятся исключительно к конечному горизонту:

X = 1 000 000.

2 — Первые достижения

Последовательность A(K) показывает, насколько рано функция G(N) впервые достигает заданного уровня.

Начальные значения:

A(1) = 4

A(2) = 10

A(3) = 22

A(4) = 34

A(5) = 48

A(6) = 60

A(7) = 78

A(8) = 84

A(9) = 90

A(10) = 114.

На более высоких уровнях особенно заметны пакеты первых достижений. Например:

A(11) = 120

A(12) = 120,

то есть одно число впервые удовлетворяет сразу нескольким новым уровням.

Еще более выраженный пример:

A(14) = 180,

но:

A(15) = A(16) = A(17) = A(18) = A(19) = 210.

Первое достижение высоких уровней происходит существенно раньше их устойчивого закрепления.

Именно этот разрыв между A(K) и V_X(K) формирует переходную зону.

3 — Последние нарушения

Последнее нарушение определяется как:

B_X(K) = V_X(K) — 2

для K >= 2.

Начало последовательности:

B_X(2) = 12

B_X(3) = 68

B_X(4) = 128

B_X(5) = 152

B_X(6) = 188

B_X(7) = 332

B_X(8) = 398

B_X(9) = 398

B_X(10) = 488.

Особенно интересны повторения одного и того же B_X(K).

Например:

B_X(8) = B_X(9) = 398.

Это означает, что число 398 является последним нарушением сразу для двух уровней. После него внутри исследуемого массива функция уже не опускается ниже обоих уровней.

На более высоких K такие пакеты становятся значительно заметнее.

Например:

B_X(78) = B_X(79) = … = B_X(86) = 9602.

Следовательно, один последний экстремальный случай одновременно определяет границу девяти последовательных уровней.

Это уже не единичный технический эффект, а явно выраженная ступенчатая структура конечной нижней огибающей.

4 — Границы неснижаемости

Границы:

V_X(K)

растут не плавно, а ступенчато.

Для первых уровней:

V_X(1) = 4

V_X(2) = 14

V_X(3) = 70

V_X(4) = 130

V_X(5) = 154

V_X(6) = 190

V_X(7) = 334

V_X(8) = 400

V_X(9) = 400

V_X(10) = 490.

К уровню 50 конечная граница равна:

V_X(50) = 4480.

Для уровня 64:

V_X(64) = 6370.

Для уровня 78:

V_X(78) = 9604.

Для уровня 99:

V_X(99) = 11674.

Последнее число особенно показательно. Внутри массива до миллиона все нарушения уровней 1–99 заканчиваются уже в сравнительно небольшой начальной части натурального ряда.

Но это не означает, что 11674 является глобальной границей уровня 99. Это означает только отсутствие новых нарушений уровня 99 между 11674 и 1 000 000.

5 — Переходные зоны

Для каждого K определим:

Z_X(K) = V_X(K) — A(K).

Эта величина измеряет расстояние между первым появлением уровня и его конечным закреплением внутри контрольного массива.

Некоторые примеры:

Z_X(2) = 14 — 10 = 4

Z_X(3) = 70 — 22 = 48

Z_X(4) = 130 — 34 = 96

Z_X(10) = 490 — 114 = 376

Z_X(20) = 1414 — 300 = 1114

Z_X(50) = 4480 — 840 = 3640

Z_X(64) = 6370 — 1260 = 5110

Z_X(78) = 9604 — 1680 = 7924

Z_X(99) = 11674 — 2310 = 9364.

Таким образом, в абсолютном натуральном времени переходные зоны в целом становятся большими.

Но абсолютный рост сам по себе еще не определяет структуру. Необходимо далее исследовать нормированные величины:

Z_X(K) / V_X(K),

V_X(K) / A(K)

и другие относительные показатели.

Именно они покажут, увеличивается ли относительная цена стабилизации уровня или, напротив, с ростом K она входит в некоторый коридор.

6 — Плато

В диапазоне уровней 1–99 обнаружены следующие многозначные плато границы V_X(K):

8–9 -> 400

12–13 -> 694

14–16 -> 994

17–18 -> 1114

19–20 -> 1414

22–25 -> 1720

27–28 -> 2254

29–31 -> 2674

32–34 -> 2938

36–37 -> 3094

41–42 -> 3634

47–48 -> 4450

49–50 -> 4480

53–54 -> 5470

56–59 -> 5950

62–64 -> 6370

65–66 -> 6508

69–70 -> 7510

71–72 -> 8044

73–75 -> 8050

76–77 -> 8554

78–86 -> 9604

87–92 -> 9868

93–95 -> 10546

96–97 -> 10834.

Всего среди первых 99 уровней имеется 25 плато длиной не менее двух уровней.

Самое длинное в рассматриваемой области:

78–86,

то есть девять последовательных уровней имеют одну и ту же конечную границу:

Следующее крупное плато:

87–92,

содержит шесть уровней и имеет границу:

Плато являются непосредственным проявлением пакетного характера роста нижней огибающей: когда последний глубокий провал остается слева, гарантированный минимум может перескочить сразу через несколько целочисленных уровней.

7 — Скачки

Между плато возникают скачки V_X(K).

Определим:

J_X(K) = V_X(K+1) — V_X(K).

Наиболее крупные скачки среди уровней 1–99:

77 -> 78:

8554 -> 9604,

скачок 1050;

98 -> 99:

10960 -> 11674,

скачок 714;

92 -> 93:

9868 -> 10546,

скачок 678;

67 -> 68:

6634 -> 7294,

скачок 660;

70 -> 71:

7510 -> 8044,

скачок 534;

75 -> 76:

8050 -> 8554,

скачок 504;

28 -> 29:

2254 -> 2674,

скачок 420;

55 -> 56:

5530 -> 5950,

скачок 420.

Эти скачки показывают, что последовательность конечных границ не подчиняется простому плавному закону.

Именно поэтому для будущей индукционной модели опасно пытаться описывать V_X(K) одной гладкой аппроксимационной кривой.

Более естественными объектами могут оказаться:

верхняя огибающая скачков;

относительные скачки;

пакеты уровней;

коридоры;

мультипликативные траектории;

резерв между фактической нижней огибающей и требуемым уровнем.

Первый вычислительный вывод поэтому состоит не в том, что границы «ведут себя регулярно», а в более точном утверждении:

конечная нижняя огибающая демонстрирует выраженный общий рост, но этот рост реализуется через нерегулярную ступенчатую систему плато и скачков.

Именно такую структуру будущий доказательный механизм должен объяснять, а не сглаживать.

На этом первый базовый этап вычислительной лаборатории завершен. Мы получили проверенный массив, точные конечные границы уровней 1–99 и их внутреннюю структуру. Следующий методологический шаг — зафиксировать на этих данных кандидаты на закономерности, после чего перейти к заранее выделенному контрольному уровню и проверить, способны ли построенные правила действительно предсказывать еще не использованный уровень.

*********

Глава 4. Контрольный сотый уровень

Сотый уровень занимает в вычислительной лаборатории особое место. Его значение состоит не в самом числе 100 и не в предположении, что именно здесь должна проявиться некая фундаментальная граница. Он используется как первый заранее выделенный контрольный уровень, предназначенный для проверки того, способны ли закономерности, обнаруженные на уровнях 1–99, дать содержательный прогноз для еще не использованного уровня.

Такой эксперимент необходимо организовать строго. Если сначала вычислить уровень 100, а затем подобрать по уровням 1–99 формулу, которая его хорошо объясняет, никакой независимой проверки не получится. Это будет обычная аппроксимация уже известного результата. Поэтому процедура должна иметь другую последовательность:

сначала используются только уровни 1–99;

затем формулируется и фиксируется прогноз;

после этого уровень 100 вычисляется независимо;

и только затем прогноз сравнивается с результатом.

Этот порядок принципиален. Именно он превращает сотый уровень из еще одной точки таблицы в контрольный эксперимент.

Следует сразу подчеркнуть и более фундаментальное ограничение. Даже идеально предсказанный сотый уровень не является доказательством универсального закона. Один успешный прогноз показывает только, что выбранная структура обладает некоторой предсказательной способностью за пределами обучающей выборки. Для превращения такой структуры в теорему потребуется универсальное доказательство.

1 — Формирование метазакона по предыдущим уровням

В качестве обучающего материала используются только конечные границы неснижаемости:

V_X(1), V_X(2), …, V_X(99),

при:

X = 1 000 000.

Основным объектом анализа является последовательность скачков:

J_X(K) = V_X(K+1) — V_X(K).

Как показала предыдущая глава, эта последовательность далеко не гладкая. В ней чередуются нулевые скачки, образующие плато, небольшие сдвиги и сравнительно крупные переходы.

Последние известные перед контрольным уровнем значения имеют вид:

V_X(93) = 10546

V_X(94) = 10546

V_X(95) = 10546

V_X(96) = 10834

V_X(97) = 10834

V_X(98) = 10960

V_X(99) = 11674.

Следовательно, непосредственно перед контрольным уровнем произошел крупный скачок:

J_X(98) = 11674 — 10960 = 714.

Возникает вопрос: как обычно ведет себя последовательность после крупных скачков?

Для поискового анализа выделим внутри уровней 1–99 класс переходов, у которых предшествующий скачок составлял не менее 400. Порог 400 здесь не является фундаментальной математической константой. Это эмпирический классификационный порог, введенный внутри обучающего массива для отделения сравнительно крупных переходов от основной массы небольших и нулевых скачков.

До уровня 100 в обучающем массиве имеется семь завершенных случаев такого типа:

Крупный переход	Его величина	Следующий скачок
28 -> 29	420	0
55 -> 56	420	0
67 -> 68	660	216
70 -> 71	534	0
75 -> 76	504	0
77 -> 78	1050	0
92 -> 93	678	0

Картина выражена достаточно отчетливо. В шести случаях из семи после крупного скачка сразу возникало плато:

J_X(K) = 0.

В единственном исключении следующий скачок был положительным, но значительно меньшим:

Таким образом, внутри обучающей выборки возникает эмпирическая метазакономерность:

крупный скачок границы часто сопровождается последующим компенсационным плато или, по крайней мере, существенно меньшим следующим скачком.

Слово «компенсационный» здесь используется описательно. Пока мы не доказали никакого механизма компенсации. Мы лишь наблюдаем структуру чередования скачков и плато.

Поскольку перед уровнем 100 имеется скачок:

J_X(98) = 714,

он попадает в выделенный класс крупных переходов.

Следовательно, естественным прогнозом становится:

J_X(99) = 0

как наиболее вероятный вариант.

То есть:

V_X(100) = V_X(99) = 11674.

При этом для защиты от чрезмерно точного прогнозирования полезно сформулировать не только точечный прогноз, но и прогнозный коридор.

В семи предыдущих аналогичных случаях следующий скачок лежал между:

0

и:

Поэтому эмпирический коридор для следующего скачка можно зафиксировать как:

0 <= J_X(99) <= 216.

Отсюда:

11674 <= V_X(100) <= 11890.

Это уже более содержательный прогноз, чем просто предположение о продолжении плато.

Он дает заранее установленную область, внутри которой должен оказаться результат, если обнаруженная локальная метазакономерность продолжится на контрольном уровне.

Дополнительная гладкая модель

Чтобы не зависеть только от локальной структуры плато и скачков, полезно построить независимую гладкую аппроксимацию общего роста границ.

По уровням:

20 <= K <= 99

логарифмическая регрессия дает приближенный закон:

V_X(K) примерно равно 28,99 * K^1,3055.

Эта формула не объявляется законом и тем более теоремой. Она используется только как альтернативная модель общего масштабного тренда.

Для:

K = 100

она дает:

V_X(100) примерно равно 11837.

Интересно, что это значение также попадает в полученный ранее прогнозный коридор:

11674 <= V_X(100) <= 11890.

Таким образом, две существенно различные процедуры — ступенчатая модель локальной метадинамики и гладкая степенная модель общего роста — независимо приводят к одной небольшой области.

Это усиливает исследовательскую ценность прогноза, хотя по-прежнему ничего не доказывает за пределами конечного массива.

2 — Фиксация прогноза

До независимого расчета сотого уровня фиксируем следующий прогноз.

Основной точечный прогноз:

V_X(100) = 11674.

Прогноз последнего нарушения:

B_X(100) = 11672.

Прогнозный коридор:

11674 <= V_X(100) <= 11890.

Дополнительная гладкая оценка:

V_X(100) примерно равно 11837.

Следовательно, прогноз имеет двухуровневую форму.

Первый уровень — структурный прогноз: наиболее вероятно продолжение плато и нулевой новый скачок.

Второй — более осторожный коридор: даже если плато непосредственно не продолжится, следующий скачок ожидается небольшим относительно предыдущего крупного перехода.

Отдельно можно сформулировать вторичный прогноз для первого достижения уровня.

На уровнях 98 и 99 уже известно:

A(98) = A(99) = 2310.

В последовательности A(K) плато встречаются еще чаще, чем в V_X(K). Среди предыдущих случаев, когда между двумя соседними уровнями первое достижение не сдвигалось, примерно три четверти следующих переходов также оставались нулевыми.

Поэтому в качестве вторичного точечного прогноза фиксируем:

A(100) = 2310.

Это менее принципиальная проверка, чем прогноз V_X(100), поскольку Метатеорема связана прежде всего с гарантированным, а не первым достижением. Но она дает дополнительную возможность проверить пакетный характер уровней.

Если оба точечных прогноза выполнятся, ожидаемая ширина переходной зоны будет:

Z_X(100) = 11674 — 2310 = 9364.

После фиксации этих значений обучающий этап считается завершенным. Изменять правила прогнозирования после открытия результата нельзя.

3 — Независимый расчет

После фиксации прогноза уровень 100 вычисляется непосредственно из исходного массива G(N), а не из прогнозной модели.

Для проверки используется тот же базовый диапазон:

4 <= N <= 1 000 000,

но сам уровень 100 до этого этапа не используется при построении прогноза.

Расчет производится точной целочисленной сверткой индикатора простых посредством NTT. Дополнительно результат проверяется независимой FFT-сверткой, а критические значения G(N) пересчитываются прямым перебором простых.

Первое достижение

Ищется минимальное четное N, для которого:

G(N) >= 100.

Полный просмотр дает:

A(100) = 2310.

При этом:

G(2308) = 34,

а:

G(2310) = 114.

Следовательно, при переходе к N = 2310 уровень 100 не просто впервые достигается, а сразу превышается на 14 единиц.

Более того, число 2310 является первым достижением целого пакета уровней, поскольку:

G(2310) = 114.

Но для текущего контрольного эксперимента достаточно зафиксировать:

A(100) = 2310.

Последнее нарушение

Далее ищется максимальное четное N <= 1 000 000, для которого:

G(N) < 100.

Расчет дает:

B_X(100) = 11672.

Прямой пересчет подтверждает:

G(11672) = 98.

Следующее четное число:

11674

имеет:

G(11674) = 116.

Но одного этого значения недостаточно для границы неснижаемости. Необходимо проверить весь оставшийся хвост массива.

Полный расчет показывает:

G(N) >= 100

для каждого четного:

11674 <= N <= 1 000 000.

Следовательно:

V_X(100) = 11674.

Более того, минимальное значение на всем этом хвосте равно не 100, а:

Оно достигается при:

N = 12092.

То есть:

L_X(11674) = 101.

Это особенно интересный результат. Граница 11674 гарантирует в конечном массиве не только сотый, но и сто первый уровень.

Следовательно:

V_X(99) = V_X(100) = V_X(101) = 11674.

Таким образом, контрольный сотый уровень действительно находится внутри плато границ неснижаемости.

Итог независимого расчета

Получено:

A(100) = 2310

B_X(100) = 11672

V_X(100) = 11674

Z_X(100) = 9364.

Все четыре основные характеристики совпадают с точечным прогнозом.

4 — Сравнение прогноза и результата

Теперь прогноз можно открыть и сопоставить с независимым результатом.

Основной прогноз был:

V_X(100) = 11674.

Получено:

V_X(100) = 11674.

Абсолютная ошибка:

Относительная ошибка:

0 процентов.

Прогноз последнего нарушения:

B_X(100) = 11672.

Получено:

B_X(100) = 11672.

Ошибка:

Вторичный прогноз первого достижения:

A(100) = 2310.

Получено:

A(100) = 2310.

Ошибка:

Следовательно, прогноз переходной зоны:

Z_X(100) = 9364

также совпал с расчетом.

Но особенно важно проверить не только точечный прогноз, но и более осторожный заранее зафиксированный коридор:

11674 <= V_X(100) <= 11890.

Фактическое значение находится на его нижней границе:

V_X(100) = 11674.

Дополнительная гладкая модель прогнозировала:

Ее абсолютная ошибка относительно фактической границы:

11837 — 11674 = 163.

Относительная ошибка составляет примерно:

1,40 процента.

Это тоже хороший результат для грубой гладкой модели, но он показывает принципиальное различие двух описаний.

Гладкая модель видит общий рост.

Ступенчатая модель учитывает плато.

Именно учет метадинамической структуры позволил дать точный контрольный прогноз.

5 — Анализ ошибки

На первый взгляд можно было бы заключить, что эмпирический метазакон подтвержден идеально. Такой вывод был бы преждевременным.

Нулевая ошибка на одной контрольной точке — сильный положительный результат эксперимента, но слабое основание для универсального математического вывода.

Необходимо различать по крайней мере пять аспектов.

Первое — точное совпадение не означает доказательства закона

Факт:

V_X(100) = 11674

подтверждает конкретный прогноз.

Он не доказывает утверждение:

«после любого большого скачка обязательно следует плато».

В обучающей выборке уже существовало исключение:

после скачка 660 произошел следующий скачок 216.

Следовательно, даже внутри первых 99 уровней строгого правила:

большой скачок -> нулевой скачок

нет.

Мы наблюдаем тенденцию, а не детерминированный закон.

Второе — значение порога 400 является эмпирическим

Порог:

J >= 400

был введен как поисковая классификация крупных скачков.

Нет оснований считать число 400 фундаментальным.

При расширении массива может оказаться, что более естественным является относительный порог, например:

J(K) / V(K),

или нормировка по K, или другая масштабно-инвариантная величина.

Поэтому следующий этап должен стремиться заменить абсолютный эмпирический порог более естественным безразмерным показателем.

Третье — контрольный успех частично связан со ступенчатой природой V_X

Функция V_X(K) по определению неубывающая и ступенчатая. Поэтому продолжение плато само по себе не является неожиданным редким событием.

Среди 98 переходов между уровнями 1–99:

46

имеют нулевой скачок.

То есть почти половина соседних уровней уже находится на плато.

На более высоких уровнях плато становятся особенно заметными.

Следовательно, точное предсказание продолжения плато должно оцениваться с учетом этой высокой базовой частоты.

Тем не менее оно остается содержательным, поскольку было связано не с общим предположением «плато часто встречаются», а с конкретным состоянием после крупного скачка.

Четвертое — гладкая модель и ступенчатая модель измеряют разные аспекты

Степенная аппроксимация:

V_X(K) примерно равно 28,99 * K^1,3055

дала:

11837

вместо:

Ошибка всего около 1,40 процента.

Это означает, что общий масштабный тренд уже достаточно хорошо описывается гладкой функцией.

Но точная граница определяется экстремальной ступенчатой структурой, которая принципиально не является гладкой.

Для будущего доказательства это важный урок.

Возможно, нам потребуются одновременно:

гладкая верхняя огибающая;

и дискретный механизм плато и скачков.

Одной аппроксимации недостаточно.

Пятое — наиболее важен не сам нулевой прогноз, а обнаруженный запас

После границы:

11674

конечная нижняя огибающая равна:

То есть сотый уровень закрепляется с резервом:

Если рассматривать только K = 100, это кажется незначительной деталью. Но именно такие резервы могут быть фундаментальны для будущего индукционного состояния.

Система не просто достигает требуемого уровня.

Она может перескакивать сразу через несколько уровней.

В данном случае одна граница обслуживает пакет:

99, 100, 101.

Это связывает контрольный эксперимент с ранее введенными понятиями индукционного резерва и пакетного достижения уровней.

6 — Выводы для дальнейшего поиска

Контрольный сотый уровень дает несколько различных результатов, и важно не смешивать их силу.

Первый результат — вычислительный.

Точно установлено в диапазоне до миллиона:

A(100) = 2310

B_X(100) = 11672

V_X(100) = 11674

Z_X(100) = 9364.

Второй результат — прогностический.

Метазакономерность, построенная только по уровням 1–99, правильно предсказала продолжение плато:

V_X(100) = V_X(99).

Прогнозный коридор также выдержан.

Третий результат — структурный.

Сотый уровень оказался не отдельной ступенью, а частью пакета:

V_X(99) = V_X(100) = V_X(101) = 11674.

Следовательно, динамика границ действительно должна исследоваться не только по отдельным K, но и через пакеты уровней, длины плато и величину резерва после последнего нарушения.

Четвертый результат — методологический.

Гладкая масштабная модель и дискретная метадинамическая модель дали близкие, но разные прогнозы. Гладкая модель хорошо определила общий масштаб, а анализ скачков и плато — точное положение ступени.

Это указывает на возможную двухкомпонентную архитектуру дальнейшего анализа:

глобальная огибающая + локальная ступенчатая структура.

Пятый и наиболее важный вывод состоит в том, что успешный прогноз уровня 100 еще не дает универсального перехода.

Мы пока умеем сказать:

«На основании предыдущих уровней можно было успешно предсказать следующий».

Но для метаиндукции необходимо значительно более сильное утверждение:

«Из строго определенного состояния S(K) математически следует состояние S(K+1) или S(2K)».

Между этими утверждениями находится главная доказательная дистанция.

Поэтому контрольный сотый уровень следует рассматривать не как подтверждение Метатеоремы, а как успешное испытание исследовательского метода.

Он показывает, что метадинамика границ действительно содержит информацию, выходящую за пределы простого списка значений.

Теперь необходимо резко усилить проверку.

Одной контрольной точки недостаточно.

Следующий этап должен включать:

последовательность высоких уровней;

новые скрытые контрольные области;

мультипликативные уровни;

дальние масштабы;

специальный поиск экстремальных нарушений;

адверсарные тесты против сформулированных закономерностей.

Особенно важно заранее фиксировать модели до открытия новых данных.

Если правило постоянно изменяется после каждого нового уровня, мы имеем адаптивное описание.

Если же одна и та же структура выдерживает независимые уровни, удаленные масштабы и специально подобранные худшие случаи, она начинает становиться серьезным кандидатом на математический инвариант.

Таким образом, сотый уровень выполняет именно ту функцию, ради которой он был выделен:

он отделяет описание уже известных данных от первого настоящего прогноза за пределы использованной системы уровней.

Прогноз оказался успешным.

Но теперь критерий должен стать значительно жестче.

*********

Глава 5. Расширение до высоких уровней

Первые сто уровней позволили увидеть основные элементы структуры: первые достижения, последние нарушения, ступенчатый рост границ неснижаемости, плато, пакеты уровней и скачки. Однако все эти закономерности могут оказаться особенностями сравнительно небольшой начальной области. Поэтому следующий этап должен ответить на более жесткий вопрос: сохраняется ли обнаруженная архитектура при увеличении уровня на один-два порядка и при переходе к мультипликативным траекториям?

В этой главе сохраняется прежняя контрольная граница:

X = 1 000 000.

Следовательно, все границы обозначаются:

V_X(K).

Они являются точными конечными границами неснижаемости внутри массива до миллиона, но не глобальными V(K).

На высоких уровнях возникает еще одна принципиальная проблема — влияние правой границы вычислений. Если V_X(K) расположена очень близко к X, за ней остается слишком короткий проверенный хвост. Формально утверждение:

G(N) >= K

на всем участке от V_X(K) до X остается совершенно точным, но исследовательская ценность такой границы для экстраполяции резко уменьшается.

Поэтому введем дополнительную характеристику:

H_X(K) = X — V_X(K).

Назовем ее запасом вычислительного горизонта.

Чем больше H_X(K), тем длиннее область, на которой после последнего нарушения проверена устойчивость уровня K. Если H_X(K) близка к нулю, граница фактически прижата к правому краю массива и должна считаться сильно цензурированной вычислительным горизонтом.

Это различие особенно важно именно для высоких уровней.

1 — Уровни 100 и выше

После успешного контроля сотого уровня вычисления были продолжены далеко за пределы первоначального диапазона 1–99. Ниже приведены некоторые опорные значения.

K	A(K)	V_X(K)
100	2310	11674
128	2730	15790
200	5460	27910
243	6930	35014
256	6930	37276
400	13650	64294
500	16170	85618
512	16170	86890
729	27300	133444
800	30030	149590
1000	39270	195370
1024	39270	199330
1200	46410	242470
1600	66990	345504
2000	87780	443938
2048	90090	460780
2187	103740	493450
2500	117810	581194
2700	120120	634180
3000	150150	726796
3200	150150	775786
4096	210210	999970

Уже эта таблица показывает несколько важных особенностей.

Во-первых, первые достижения A(K) и границы неснижаемости V_X(K) продолжают существенно различаться. Высокий уровень сначала появляется на арифметически благоприятных четных числах, но для превращения его в гарантированный уровень требуется значительно больший масштаб.

Во-вторых, обе последовательности в целом растут систематически, несмотря на сильную ступенчатость.

В-третьих, при приближении K к 4000 возникает уже не только внутренняя арифметическая динамика, но и влияние конечного горизонта X.

Именно последнее требует особого контроля.

Рассмотрим запас правого хвоста:

K	V_X(K)	H_X(K)
1024	199330	800670
2048	460780	539220
3000	726796	273204
3200	775786	224214
3400	842554	157446
3600	896614	103386
3800	954660	45340
3900	980710	19290
3950	996688	3312
4000	999850	150
4096	999970	30

Различие очевидно.

Для уровня 1024 после конечной границы неснижаемости остается более 800 тысяч единиц натурального ряда.

Для 2048 — более полумиллиона.

Даже для 3200 проверенный хвост превышает 224 тысячи.

Но уже для 4000 после вычисленной границы остается лишь 150 единиц, а для 4096 — всего 30.

Следовательно, значение:

V_X(4096) = 999970

является точным фактом конечного массива, но не должно использоваться наравне с:

V_X(1024) = 199330

и:

V_X(2048) = 460780

при поиске устойчивого масштабного закона.

Это первый важный результат расширения:

чем выше уровень, тем необходимее отличать реальную метадинамику от цензурирования правой границей вычислений.

2 — Линия удвоений

Главной мультипликативной траекторией остается последовательность:

1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024, 2048, 4096, …

Для нее получены следующие значения.

K	A(K)	V_X(K)
1	4	4
2	10	14
4	34	130
8	84	400
16	210	994
32	510	2938
64	1260	6370
128	2730	15790
256	6930	37276
512	16170	86890
1024	39270	199330
2048	90090	460780
4096	210210	999970

Ранние уровни демонстрируют значительные относительные колебания. Это естественно: при малых K дискретность функции G(N) и индивидуальная арифметическая структура отдельных чисел оказывают чрезвычайно большое влияние.

На более высоких уровнях отношения соседних границ становятся значительно интереснее.

Например:

V_X(128) / V_X(64) = 2,478807

V_X(256) / V_X(128) = 2,360735

V_X(512) / V_X(256) = 2,330990

V_X(1024) / V_X(512) = 2,294050

V_X(2048) / V_X(1024) = 2,311644.

То есть в достаточно зрелой части траектории удвоение уровня требует не удвоения натурального масштаба, а приблизительно его увеличения в 2,3 раза.

Здесь возникает важное различие.

Если бы:

V(K)

росла строго линейно по K, при удвоении уровня отношение границ стремилось бы к 2.

Если бы она росла значительно быстрее линейного закона, коэффициент был бы существенно больше.

Наблюдаемая область порядка 2,3 соответствует умеренно сверхлинейному росту.

Переход:

2048 -> 4096

дает:

V_X(4096) / V_X(2048) = 2,170168.

На первый взгляд это могло бы выглядеть как дальнейшее снижение коэффициента. Однако использовать этот результат как равноправную точку нельзя: V_X(4096) находится всего в 30 единицах от правого края массива. Поэтому это значение потенциально сильно искажено конечным горизонтом.

Для надежной метадинамики текущего массива разумнее считать траекторию надежно прослеженной приблизительно до 2048, а участок 4096 рассматривать как предварительный сигнал, требующий расширения X.

Удвоения от высокоуровневой базы 100

Полезно рассмотреть и отдельную траекторию, начинающуюся уже внутри относительно зрелой области:

100,

200,

400,

800,

1600,

Границы имеют вид:

V_X(100) = 11674

V_X(200) = 27910

V_X(400) = 64294

V_X(800) = 149590

V_X(1600) = 345504

V_X(3200) = 775786.

Отношения соседних границ:

2,390783

2,303619

2,326656

2,309673

2,245375.

Эта линия особенно интересна тем, что исключает наиболее нестабильную область малых уровней.

В четырех переходах от 200 до 1600 коэффициент остается очень близким к области 2,3.

Последний переход к 3200 несколько ниже, но и здесь начинает усиливаться влияние конечной границы X.

Таким образом, две различные линии удвоения — степенная последовательность от 1 и последовательность от 100 — дают сходную картину.

Это пока не закон, но уже устойчивый кандидат на масштабную закономерность.

3 — Линия утроений

Рассмотрим последовательность:

1, 3, 9, 27, 81, 243, 729, 2187, 6561, …

Для нее вычислены:

K	A(K)	V_X(K)
1	4	4
3	22	70
9	90	400
27	390	2254
81	1680	9604
243	6930	35014
729	27300	133444
2187	103740	493450
6561	360360	—

Последняя строка особенно содержательна.

Уровень:

K = 6561

внутри массива уже достигается.

Его первое достижение:

A(6561) = 360360.

На этом числе:

G(360360) = 6711.

Следовательно, уровень 6561 вполне реален как локальное достижение.

Но он не становится неснижаемым до конца текущего вычислительного массива.

На правой границе:

G(1 000 000) = 5402,

а значит:

5402 < 6561.

Следовательно, число 1 000 000 само является нарушением уровня 6561.

Поэтому внутри диапазона до миллиона конечной устойчивой границы V_X(6561) нет.

Это исключительно важный пример различия между первым и неснижаемым достижением.

Уровень может быть впервые достигнут очень далеко до конца массива, но позднее снова многократно нарушаться.

Именно поэтому A(K) нельзя использовать как замену V_X(K).

Для зрелой части утроенной траектории отношения границ имеют вид:

V_X(243) / V_X(81) = 3,645773

V_X(729) / V_X(243) = 3,811161

V_X(2187) / V_X(729) = 3,697806.

Таким образом, трехкратное повышение уровня требует увеличения натурального масштаба приблизительно в 3,6–3,8 раза.

Снова наблюдается умеренно сверхлинейная цена события.

Линия утроений от уровня 100

Независимая высокоуровневая траектория:

100 -> 300 -> 900 -> 2700

дает:

V_X(100) = 11674

V_X(300) = 46000

V_X(900) = 173950

V_X(2700) = 634180.

Отношения:

3,940380

3,781522

3,645760.

Эти значения лежат в той же общей области, что и основная линия 81 -> 243 -> 729 -> 2187.

Это еще один аргумент в пользу того, что мы наблюдаем не случайную особенность одной специально выбранной последовательности.

4 — Линия учетверений

Учетверение дает последовательность:

1, 4, 16, 64, 256, 1024, 4096, 16384, …

Получаем:

K	A(K)	V_X(K)
1	4	4
4	34	130
16	210	994
64	1260	6370
256	6930	37276
1024	39270	199330
4096	210210	999970

Следующий уровень:

16384

в текущем массиве не достигается даже впервые.

Максимальное значение G(N) во всем диапазоне до миллиона равно:

15 594

и достигается при:

N = 990990.

Поскольку:

15 594 < 16 384,

уровень 16384 лежит уже за пределами возможностей текущего массива даже в смысле первого достижения.

На зрелой части учетверенной траектории:

V_X(256) / V_X(64) = 5,851805

V_X(1024) / V_X(256) = 5,347409.

Отношение для:

1024 -> 4096

равно приблизительно 5,0167, но снова не должно интерпретироваться наравне с предыдущими из-за сильнейшего правого цензурирования уровня 4096.

Здесь проявляется еще одна важная согласованность.

Если коэффициент удвоения находится около 2,3, то два последовательных удвоения должны давать масштаб порядка:

2,3 * 2,3 примерно равно 5,29.

Наблюдаемое учетверение:

256 -> 1024

дает:

5,347409.

Таким образом, прямое учетверение хорошо согласуется с композицией двух зрелых удвоений.

Это именно тот тип внутренней согласованности, который ожидался от мультипликативных траекторий.

5 — Уровень 1024

Уровень 1024 имеет особое значение по нескольким причинам.

Во-первых, это достаточно высокий уровень, чтобы начальная дискретность функции уже не доминировала над всей картиной.

Во-вторых, его граница находится далеко от правого края массива.

В-третьих, это точная степень двойки:

1024 = 2^10,

что делает уровень естественным узлом мультипликативной траектории.

Первое достижение:

A(1024) = 39270.

Непосредственно перед ним:

G(39268) = 291.

А на самом числе:

G(39270) = 1079.

Таким образом, функция совершает огромный локальный скачок:

291 -> 1079.

Это наглядно показывает влияние арифметической структуры конкретного N. Первое достижение высокого уровня не возникает в результате плавного подъема G(N). Оно может появиться на исключительно благоприятном четном числе.

Но для неснижаемости этот скачок сам по себе почти ничего не решает.

Последнее нарушение уровня 1024 внутри массива:

B_X(1024) = 199328.

На нем:

G(199328) = 1013.

То есть последнее нарушение оказывается сравнительно неглубоким:

1024 — 1013 = 11.

Следующее четное число:

199330

имеет:

G(199330) = 1448.

Следовательно:

V_X(1024) = 199330.

Но особенно важно проверить весь последующий хвост.

Минимальное значение G(N) при:

199330 <= N <= 1 000 000

равно ровно:

Оно достигается при:

N = 199846.

То есть:

G(199846) = 1024.

Таким образом, конечная нижняя огибающая после границы действительно касается самого уровня 1024.

Это означает, что в данной конечной системе уровень 1024 закрепляется без положительного остаточного резерва по минимуму:

нижняя огибающая достигает ровно 1024.

Граница:

V_X(1024) = 199330

при этом принадлежит большому плато уровней:

1014–1024.

Все эти уровни имеют одну и ту же конечную границу.

Таким образом, одно последнее нарушение формирует пакет сразу из одиннадцати уровней.

Это исключительно интересный объект для будущей теории индукционного резерва: пакет может быть широким, хотя самый высокий его уровень после границы касается нижней огибающей ровно без запаса.

6 — Переход к 2048 и последующим уровням

Следующий естественный узел удвоенной траектории:

2048 = 2^11.

Первое достижение:

A(2048) = 90090.

Перед ним:

G(90088) = 552.

А:

G(90090) = 2135.

Снова наблюдается огромный локальный скачок.

Первое достижение 2048 происходит не в результате медленного пересечения уровня, а на арифметически особенно богатом числе.

Однако глобальная для конечного массива стабилизация наступает значительно позже.

Последнее нарушение:

B_X(2048) = 460778.

На нем:

G(460778) = 2045.

То есть последнее нарушение чрезвычайно неглубоко:

2048 — 2045 = 3.

Следующее число:

460780

имеет:

G(460780) = 2818.

Следовательно:

V_X(2048) = 460780.

После этой границы минимальное значение всего оставшегося хвоста равно:

2054

и достигается при:

N = 462542.

Таким образом:

L_X(460780) = 2054.

В отличие от уровня 1024, здесь возникает положительный конечный резерв:

2054 — 2048 = 6.

Более того, одна и та же граница:

460780

обслуживает пакет уровней:

2046–2054.

То есть она одновременно становится конечной границей неснижаемости для девяти последовательных уровней.

Цена перехода 1024 -> 2048

По линии первых достижений:

A(2048) — A(1024) =

90090 — 39270 = 50820.

Относительное отношение:

A(2048) / A(1024) = 2,294118.

По линии неснижаемых достижений:

V_X(2048) — V_X(1024) =

460780 — 199330 = 261450.

Относительное отношение:

V_X(2048) / V_X(1024) = 2,311644.

Это важное совпадение масштабов.

Первая траектория описывает наиболее благоприятное раннее достижение уровня.

Вторая — нижний экстремальный слой.

Несмотря на принципиально различную природу, относительные коэффициенты в этом переходе оказываются близкими:

2,294

и:

2,312.

Не следует делать из одного совпадения универсального вывода, но оно представляет несомненный интерес для дальнейшего исследования.

Следующий уровень 4096

Первое достижение:

A(4096) = 210210.

При этом:

G(210208) = 1092,

а:

G(210210) = 4273.

Конечное последнее нарушение внутри массива:

B_X(4096) = 999968,

где:

G(999968) = 4024.

Следующее число:

999970

имеет:

G(999970) = 5742.

Поэтому формально:

V_X(4096) = 999970.

Минимум оставшегося хвоста:

4113

достигается при:

Но здесь возникает принципиальная проблема.

После V_X(4096) до конца массива остается всего:

30

натуральных единиц.

То есть фактически проверяется лишь несколько последних четных чисел.

Поэтому значение V_X(4096) нельзя использовать как надежное продолжение масштабного закона.

Оно точно описывает текущий конечный массив, но почти полностью определяется тем, где этот массив заканчивается.

Уровень 8192

Следующая степень двойки уже очень ясно показывает ограниченность текущего горизонта.

Первое достижение существует:

A(8192) = 480480.

На этом числе:

G(480480) = 8499.

Следовательно, уровень 8192 локально достигается задолго до миллиона.

Но:

G(1 000 000) = 5402.

Следовательно:

G(1 000 000) < 8192.

Правый конец массива сам нарушает уровень 8192.

Поэтому никакой внутренней границы V_X(8192) в текущем вычислительном окне нет.

Это один из наиболее наглядных результатов всей лаборатории:

первое достижение высокого уровня и его неснижаемое достижение могут быть разделены настолько сильно, что первое уже давно произошло, а второе еще вообще не наблюдается в доступном окне.

Аналогичная картина возникает для утроенной линии на уровне 6561.

Таким образом, для исследования последующих мультипликативных уровней необходимо увеличивать X, а не пытаться извлечь дальнейший закон из уже исчерпанного правого края текущего массива.

7 — Масштабная устойчивость метадинамики

Теперь можно сопоставить различные мультипликативные траектории в единой нормированной системе.

Ранее была введена величина:

Q_r(K) = log[V_X(rK) / V_X(K)] / log(r).

Если локально функция границы ведет себя приблизительно как степенной закон:

V(K) примерно пропорциональна K^alpha,

то:

V(rK) / V(K) примерно равно r^alpha,

и следовательно:

Q_r(K) примерно равно alpha.

Таким образом, Q позволяет сравнивать удвоение, утроение и учетверение в одной шкале.

Выберем зрелые переходы, обе границы которых достаточно далеко находятся от правого края массива.

Переход	V_X(rK) / V_X(K)	Q_r(K)
256 -> 512	2,330990	1,220943
512 -> 1024	2,294050	1,197897
1024 -> 2048	2,311644	1,208919
243 -> 729	3,811161	1,217840
729 -> 2187	3,697806	1,190356
256 -> 1024	5,347409	1,209420

Получается чрезвычайно интересная картина.

Шесть нормированных показателей лежат в сравнительно узком диапазоне:

1,190356

до:

1,220943.

Их среднее:

примерно 1,2076.

Среднеквадратичное отклонение составляет примерно:

0,0106.

Это означает, что существенно различные события:

удвоение;

утроение;

учетверение

в зрелой внутренней части текущего массива дают очень близкую эффективную масштабную степень.

Если взять:

alpha примерно 1,208,

то модель:

V(rK) / V(K) примерно равно r^1,208

дает:

для r = 2:

примерно 2,31;

для r = 3:

примерно 3,77;

для r = 4:

примерно 5,33.

Именно такие масштабы фактически наблюдаются в вычисленных траекториях.

Это, вероятно, один из наиболее интересных метадинамических результатов текущего этапа.

Однако его необходимо интерпретировать предельно осторожно.

Во-первых, речь идет о конечных V_X(K), а не доказанных глобальных V(K).

Во-вторых, выборка пока невелика.

В-третьих, истинный закон не обязан быть степенным. Функция может содержать логарифмические или иные медленно меняющиеся множители, и тогда величина Q будет лишь эффективной локальной степенью, которая постепенно изменяется с масштабом.

В-четвертых, уровни, находящиеся близко к X, необходимо исключать из такого анализа из-за правого цензурирования.

Тем не менее совпадение нормированных показателей между тремя различными семействами событий значительно сильнее, чем наблюдение стабильного коэффициента только на линии удвоений.

Мы имеем уже не одну последовательность, а кросс-траекторную структуру.

Первый кандидат на мультипликативную метазакономерность

На данном этапе вычислительный материал позволяет сформулировать рабочую гипотезу:

для достаточно высоких, но еще не цензурированных уровней конечная граница неснижаемости демонстрирует квазистепенное масштабирование:

V_X(rK) / V_X(K) примерно равно r^alpha(K),

где эффективная степень alpha(K) в исследованной области находится около:

1,2.

Еще более осторожная формулировка:

нормированный показатель:

Q_r(K)

в зрелой области оказывается значительно устойчивее самих ненормированных границ и демонстрирует близкие значения для r = 2, 3 и 4.

Именно такая величина является естественным кандидатом на метапоказатель, а не еще на доказанный метаинвариант.

Теперь необходимо проверить:

сохраняется ли этот коридор на значительно больших X;

как меняется Q при росте K;

сужается ли его диапазон;

существует ли доказуемая верхняя огибающая;

какие арифметические экстремумы дают максимальные отклонения;

можно ли вывести ограничение на Q аналитически;

и главное — достаточно ли такого ограничения для доказательства конечности следующей границы V(rK).

Последний вопрос является решающим.

Даже идеальная стабилизация:

Q_r(K) примерно равно 1,2

на миллионах вычисленных случаев остается эмпирической закономерностью.

Для Метатеоремы требуется доказать хотя бы конечную универсальную верхнюю оценку:

V(rK) <= F(V(K), K, r).

Тем не менее вычислительный результат уже существенно сужает пространство поиска. Он показывает, что переходы удвоения, утроения и учетверения не ведут себя как три независимые системы. После естественной логарифмической нормировки они начинают выглядеть как различные проекции одного общего масштабного процесса.

Возможная архитектура дальнейшего поиска поэтому приобретает следующую форму:

уровень K -> граница V(K) -> мультипликативное событие rK -> относительная цена V(rK)/V(K) -> нормированный показатель Q_r(K) -> коридор Q -> кандидат на событийный метаинвариант.

Но на текущем этапе последнее звено еще не доказано.

Именно поэтому следующий эксперимент должен быть направлен не на накопление новых подтверждающих точек рядом с уже исследованной областью, а на максимально жесткое испытание найденной структуры: дальние случайные пробросы, сильно разнесенные масштабы и специально выбранные неблагоприятные области.

Только если нормированная метадинамика выдержит такие проверки, имеет смысл пытаться превратить ее в универсальную лемму перехода.

************

Глава 6. Дальние случайные пробросы

После исследования последовательных уровней возникает принципиальная опасность: обнаруженная закономерность может быть локальной особенностью сравнительно небольшой области. Если модель строилась на значениях до уровня 100, затем проверялась на 1024 и 2048, все эти данные все равно принадлежат одной связной вычислительной области и в некоторой степени наследуют общую структуру исходного массива.

Поэтому необходим другой тип эксперимента — дальние пробросы.

Их задача состоит не в продолжении последовательности шаг за шагом, а в переносе наблюдения на числовые масштабы, удаленные друг от друга более чем на порядок. При этом точки должны выбираться до вычисления количества представлений, иначе возникает риск бессознательного отбора арифметически удобных чисел.

В настоящем эксперименте применяется стратифицированный случайный выбор. Сначала заранее определяются непересекающиеся масштабные зоны, гарантированно удаленные друг от друга более чем в десять раз. Затем внутри каждой зоны случайным образом выбирается одно четное число. После выбора центры фиксируются и больше не изменяются независимо от полученных результатов.

Для воспроизводимости использован генератор Mersenne Twister с фиксированным начальным состоянием:

seed = 20260925.

Выбор выполнялся среди четных чисел в четырех заранее заданных диапазонах:

[10 000, 20 000)

[220 000, 400 000)

[4 500 000, 8 000 000)

[90 000 000, 140 000 000).

Получены центры:

C1 = 15 396

C2 = 254 066

C3 = 7 721 504

C4 = 124 237 862.

После генерации эти числа были заморожены до вычисления G(N).

Таким образом, они не выбирались по величине числа представлений, делимости, факторизации или внешней привлекательности результата.

1 — Метод случайных масштабов

Обычная последовательная проверка имеет существенное преимущество: она дает полную картину на некотором конечном диапазоне. Но у нее имеется и слабость. Если закономерность найдена внутри одного сплошного массива, соседние значения сильно связаны общей масштабной структурой.

Дальний случайный проброс решает другую задачу.

Мы заранее выбираем масштаб C, ничего не зная о том, насколько благоприятным или неблагоприятным окажется конкретное четное число. Затем вместо одной точки рассматривается небольшое локальное окно:

W(C) = [C — 100, C + 100].

Поскольку все C четны, окно содержит:

101 четное число.

То есть исследуются:

C — 100,

C — 98,

…

C,

…

C + 98,

C + 100.

Ширина окна фиксирована заранее и одинакова на всех масштабах. Это важно: после получения результатов она не расширяется и не сужается в поисках более красивого минимума.

Для каждого N в окне количество разложений вычисляется непосредственно по определению:

G(N) = число простых p <= N/2, для которых N — p также простое.

В этом эксперименте не используется FFT или NTT. Сначала решетом строится индикатор простоты до максимальной необходимой границы, затем для каждого N проводится прямой точный перебор простых p.

Таким образом, дальние пробросы одновременно служат еще и методологически независимой проверкой вычислительного аппарата предыдущих глав.

Особенно важные минимальные значения дополнительно пересчитаны второй независимой реализацией решета и прямого счета. Получены те же результаты.

2 — Условие большого разнесения

Требование большого разнесения вводится для того, чтобы соседние контрольные точки не представляли фактически один и тот же масштаб.

Заранее было установлено условие:

C(i+1) / C(i) > 10.

Для фактически выбранных центров отношения составили:

C2 / C1 = 16,5021

C3 / C2 = 30,3917

C4 / C3 = 16,0899.

Следовательно, каждый следующий проброс расположен более чем на порядок дальше предыдущего, а второй переход превышает тридцатикратное увеличение масштаба.

Полный общий перенос от первого до четвертого центра составляет:

124 237 862 / 15 396 ≈ 8069.

То есть крайние точки отличаются более чем в восемь тысяч раз.

Это уже принципиально иной эксперимент, чем последовательное движение по соседним уровням.

Если некоторая нормированная структура сохраняется на таком разнесении, ее значительно труднее объяснить случайной локальной особенностью одного небольшого диапазона.

Однако дальность сама по себе не доказывает универсальность. Она только усиливает стресс-тест.

3 — Независимые контрольные точки

Для каждого случайного центра прежде всего вычислим само значение G(C).

Получено:

Центр C	G(C)	Минимум в окне
15 396	272	129
254 066	1307	1272
7 721 504	27 927	23 168
124 237 862	317 962	264 500

Уже эта таблица показывает, почему одной случайной точки недостаточно.

При:

C1 = 15 396

центр имеет:

G(C1) = 272,

но всего в нескольких десятках единиц от него находится четное число с:

G(N) = 129.

То есть случайный центр более чем вдвое превышает локальный минимум.

На втором масштабе центр случайно располагается гораздо ближе к нижнему слою:

G(254066) = 1307,

при локальном минимуме:

На третьем и четвертом масштабах центральные значения снова приблизительно на 20 процентов выше локального минимума.

Поэтому контроль одной точки способен сильно зависеть от ее арифметической структуры.

Локальное окно частично снимает эту проблему: мы не пытаемся угадать «типичное» число, а исследуем всю небольшую окрестность заранее выбранного случайного центра.

Минимумы достигаются при:

G(15332) = 129

G(254162) = 1272

G(7721452) = 23168

G(124237852) = 264500.

Все четыре значения дополнительно подтверждены независимым прямым пересчетом.

Важно подчеркнуть: эти числа не являются глобальными минимумами соответствующих масштабов. Они являются минимумами только внутри заранее фиксированных локальных окон.

Именно в таком смысле они далее используются.

4 — Локальные окна

Рассмотрим структуру каждого окна более подробно.

Первое окно:

15296 <= N <= 15496.

В нем:

минимум = 129

медиана = 169

среднее = 207,07

максимум = 447.

Второе окно:

253966 <= N <= 254166.

Получаем:

минимум = 1272

медиана = 1603

среднее = 1966,10

максимум = 4587.

Третье окно:

7721404 <= N <= 7721604.

Получаем:

минимум = 23168

медиана = 28184

среднее = 35310,10

максимум = 75292.

Четвертое окно:

124237762 <= N <= 124237962.

Получаем:

минимум = 264500

медиана = 318372

среднее = 403626,03

максимум = 847655.

В каждом окне различие между минимумом и максимумом остается значительным. Например, на последнем масштабе:

847655 / 264500 ≈ 3,20.

Следовательно, даже около 124 миллионов соседние четные числа продолжают демонстрировать сильную арифметическую неоднородность.

Рост масштаба не делает функцию G(N) гладкой.

Это важное наблюдение для всей программы Метатеоремы.

Глобальное усиление нижней гарантии, если оно действительно существует, должно сосуществовать с устойчивыми локальными колебаниями в несколько раз.

Следовательно, доказательство не может основываться на предположении о локальном выравнивании G(N).

5 — Минимальные количества разложений

Теперь рассмотрим именно минимумы четырех случайных окон:

M1 = 129

M2 = 1272

M3 = 23168

M4 = 264500.

Между первым и вторым масштабами минимум увеличился:

1272 / 129 = 9,8605 раза.

Между вторым и третьим:

23168 / 1272 = 18,2138 раза.

Между третьим и четвертым:

264500 / 23168 = 11,4166 раза.

Если сравнивать только эти отношения, простого постоянного степенного закона не видно. Но ситуация резко меняется после естественной логарифмической нормировки.

Классическая теория распределения простых подсказывает масштаб:

S(N) = N / (log N)^2.

Для каждого случайного центра вычислим отношение:

M(C) / S(C),

то есть:

M(C) * (log C)^2 / C.

Получаем:

C	Минимум M(C)	M(C) * log²(C) / C
15 396	129	0,7789
254 066	1272	0,7755
7 721 504	23 168	0,7547
124 237 862	264 500	0,7395

Это значительно более устойчивая последовательность, чем сами минимумы.

При увеличении масштаба более чем в восемь тысяч раз нормированный нижний показатель изменяется лишь от:

0,779

до:

0,740.

Он не остается строго постоянным и демонстрирует медленное снижение, но именно медленное изменение здесь является главным фактом.

Еще нагляднее сравнить не сами нормированные значения, а рост минимумов с ростом функции:

N / (log N)^2.

Для трех дальних переходов получаем:

Переход	Рост минимума	Рост N/log²N
C1 -> C2	9,8605	9,9048
C2 -> C3	18,2138	18,7150
C3 -> C4	11,4166	11,6506

Относительные расхождения составляют приблизительно:

-0,45 процента;

-2,68 процента;

-2,01 процента.

Для четырех случайных окон, разнесенных более чем на три порядка по масштабу, такое согласование представляет значительный интерес.

Оно не доказывает глобальную нижнюю оценку, но показывает, что локальный нижний слой значительно лучше описывается законом типа:

N / (log N)^2,

чем чистой степенью N^beta с постоянным beta.

6 — Нижние уровни

Абсолютный минимум одного небольшого окна все еще чувствителен к единичному экстремальному числу. Поэтому дополнительно исследуем нижние процентили.

После сортировки 101 значения G(N) в каждом окне определяются нижние 5-процентный и 10-процентный уровни.

Получено:

Центр C	Минимум	Нижний 5% уровень
15 396	129	133
254 066	1272	1291
7 721 504	23 168	23 226
124 237 862	264 500	264 738

Для нижнего 10-процентного уровня:

C1 -> 135

C2 -> 1297

C3 -> 23239

C4 -> 265148.

Особенно интересна относительная дистанция между минимумом и нижними процентилями.

В первом окне 10-процентный уровень выше минимума примерно на:

4,65 процента.

Во втором:

на 1,97 процента.

В третьем:

на 0,31 процента.

В четвертом:

всего на 0,24 процента.

Иными словами, в двух самых дальних окнах абсолютный минимум не является одиноким аномальным провалом. Рядом с ним находится целый слой значений практически того же порядка.

Для четвертого окна:

минимум = 264500

нижний 5% уровень = 264738

нижний 10% уровень = 265148.

Разница между минимумом и десятипроцентным уровнем составляет всего:

648 представлений,

то есть около четверти процента.

Это важное уточнение.

Если бы локальный минимум был случайной исключительно глубокой точкой, на основании четырех минимумов было бы опасно делать даже поисковые выводы. Но нижние процентили показывают, что мы наблюдаем более широкий нижний слой.

Можно нормировать и его.

Для 5-процентного уровня величина:

Q05(C) * log²(C) / C

принимает приблизительно значения:

0,8031

0,7870

0,7566

0,7402.

Картина практически повторяет динамику абсолютных минимумов.

Следовательно, обнаруженная масштабная структура относится не только к четырем единичным точкам, но и к нижней части локальных распределений.

7 — Проверка метазаконов на больших масштабах

Дальние случайные пробросы позволяют теперь проверить один из наиболее интересных выводов предыдущей главы.

Там при анализе конечных границ неснижаемости была обнаружена эффективная степенная зависимость:

V(rK) / V(K) примерно равно r^alpha,

где в нескольких зрелых переходах:

alpha

находилась около:

1,20.

На основе внутреннего массива это выглядело как возможный кандидат на мультипликативную метазакономерность.

Дальние пробросы позволяют проверить более жесткую гипотезу:

является ли alpha примерно 1,20 постоянной универсальной степенью?

Для этого посмотрим, как растет локальный минимум M при изменении натурального масштаба C.

Если:

M примерно пропорционально C^beta,

то обратная зависимость между требуемым уровнем и масштабом имеет эффективную степень:

alpha примерно равно 1 / beta.

Для трех дальних переходов получаем:

C1 -> C2:

beta = 0,8163,

alpha = 1,2250.

C2 -> C3:

beta = 0,8500,

alpha = 1,1764.

C3 -> C4:

beta = 0,8765,

alpha = 1,1409.

Мы видим не стабилизацию около одной постоянной, а направленный дрейф:

1,225 -> 1,176 -> 1,141.

Это очень важный отрицательный результат.

Он означает, что интерпретация:

alpha ≈ 1,208

как универсальной постоянной степени, скорее всего, является слишком грубой.

Но этот отрицательный результат одновременно приводит к более сильной гипотезе.

Если нижний слой имеет масштаб:

M(N) примерно пропорционален N / (log N)^2,

то его эффективная степенная экспонента действительно должна медленно изменяться.

Функция:

N / (log N)^2

растет немного медленнее линейной.

Поэтому ее локальная эффективная степень beta должна постепенно увеличиваться к 1, а эффективная степень обратной зависимости alpha — постепенно снижаться к 1.

Именно это мы наблюдаем.

Более того, если исходить только из функции:

S(N) = N / (log N)^2,

то для тех же трех масштабных переходов эффективные обратные показатели составляют приблизительно:

1,223

1,166

1,131.

Экспериментальные значения по локальным минимумам:

1,225

1,176

1,141.

Совпадение направления и масштаба дрейфа значительно лучше, чем гипотеза о постоянной степени 1,208.

Следовательно, дальние случайные пробросы не просто подтверждают предыдущую метазакономерность. Они уточняют и частично опровергают ее первоначальную форму.

Это именно тот результат, ради которого проводится адверсарный вычислительный эксперимент.

Хорошая экспериментальная программа должна быть способна не только находить подтверждения, но и заставлять нас отказаться от слишком простой модели.

Уточненный кандидат на метазакон

После дальних пробросов наиболее естественный рабочий кандидат имеет уже не чисто степенной вид:

V(K) примерно C * K^alpha

с постоянным alpha.

Более вероятной становится структура с медленно меняющейся логарифмической поправкой.

В прямом направлении:

нижний уровень количества представлений имеет масштаб порядка

N / (log N)^2

с дополнительным медленно меняющимся арифметическим множителем.

В обратном направлении граница достижения уровня K должна тогда иметь структуру приблизительно типа:

K * (log K)^2,

также с дополнительными медленно меняющимися поправками.

Не следует пока воспринимать эту запись как установленную формулу V(K). Дальние локальные окна не вычисляют глобальную границу неснижаемости. Они только показывают, какой масштабный закон естественно искать.

Но методологический результат уже существенен.

Ранее мы могли подозревать универсальный степенной метазакон с эффективной экспонентой около 1,2.

Теперь более точная рабочая картина имеет вид:

эффективная степень около 1,2 является не фундаментальной константой, а конечномасштабным проявлением более медленного логарифмически скорректированного закона.

Это значительно лучше согласуется и с дальними вычислениями, и с классической аналитической картиной распределения простых.

Что дальние пробросы подтверждают

Они подтверждают несколько более надежных наблюдений.

Первое: абсолютный нижний локальный уровень быстро растет при увеличении масштаба.

Второе: сильные локальные колебания G(N) сохраняются даже на масштабе свыше ста миллионов.

Третье: нижний слой значительно устойчивее после нормировки на:

N / (log N)^2.

Четвертое: не только абсолютные минимумы, но и нижние 5- и 10-процентные уровни демонстрируют сходную нормированную динамику.

Пятое: чистая степенная модель с постоянной экспонентой хуже согласуется с дальними масштабами, чем модель с логарифмической поправкой.

Чего дальние пробросы не доказывают

Они не доказывают, что глобальная нижняя огибающая G(N) имеет порядок:

N / (log N)^2.

Они не исключают существования очень редких, значительно более глубоких провалов между выбранными окнами.

Они не доказывают конечность глобальной V(K).

Они не доказывают Метатеорему Гольдбаха.

Именно здесь проходит граница между сильным вычислительным свидетельством и математическим доказательством.

Наши окна имеют ширину всего 200 натуральных единиц. Они специально предназначены для независимых дальних пробросов, а не для полного покрытия огромных промежутков между масштабами.

Следовательно, следующий этап должен быть еще более жестким.

Недостаточно выбирать точки случайно.

Теперь необходимо намеренно искать те области и те четные числа, которые наиболее способны разрушить предполагаемый закон.

Иначе говоря, после случайного стресс-теста должен последовать адверсарный анализ.

Его центральный вопрос будет противоположен вопросу этой главы.

Здесь мы спрашивали:

«Сохраняется ли структура в случайно выбранных дальних областях?»

Далее необходимо спросить:

«Где именно следует искать числа, которые с наибольшей вероятностью эту структуру нарушат?»

Только сочетание случайных дальних пробросов и направленного поиска худших случаев может дать достаточно надежную вычислительную основу для выбора будущего индукционного состояния.

**********

Глава 7. Адверсарный анализ

Предыдущие вычислительные эксперименты были направлены прежде всего на обнаружение структуры. Были исследованы последовательные уровни, мультипликативные траектории, случайные дальние пробросы и поведение локального нижнего слоя. Однако для серьезной проверки гипотезы недостаточно искать подтверждающие примеры. Необходимо перейти к противоположной стратегии: специально искать те числа и те области, которые с наибольшей вероятностью способны разрушить наблюдаемую закономерность.

Такой подход будем называть адверсарным анализом.

Его принцип можно сформулировать предельно просто:

если предполагается существование универсального закона, искать следует прежде всего не подтверждения, а наиболее опасные для него случаи.

Для проблемы Гольдбаха это особенно важно. Средние и даже нижние процентили могут вести себя исключительно устойчиво, но универсальная теорема определяется худшим случаем. Одно достаточно глубокое нарушение способно разрушить любой предполагаемый глобальный нижний закон.

Поэтому в этой главе мы намеренно переходим от случайных масштабов к арифметически неблагоприятным числам.

1 — Поиск неблагоприятных областей

Классическая эвристика Харди—Литтлвуда предсказывает, что число представлений четного N двумя простыми имеет основной масштаб порядка:

N / (log N)^2,

умноженный на арифметический множитель, зависящий от простых делителей N. Для упорядоченного счета стандартный эвристический главный член содержит множитель 2*C2*S(N); для используемого в настоящей книге неупорядоченного счета естественный главный масштаб соответственно имеет коэффициент C2*S(N), за исключением несущественного на больших N диагонального случая p = q. Здесь C2 — константа простых-близнецов, приблизительно равная 0,6601618, а арифметический множитель имеет вид:

S(N) = произведение (p — 1)/(p — 2)

по всем нечетным простым p, делящим N.

Каждый множитель:

(p — 1)/(p — 2)

больше единицы. Особенно сильно увеличивают S(N) малые простые делители. Поэтому делимость четного N на 3, 5, 7, 11 и другие малые простые статистически благоприятствует большему количеству представлений. Напротив, отсутствие малых нечетных простых делителей дает наиболее неблагоприятный арифметический режим. Именно это следует из структуры сингулярного множителя Харди—Литтлвуда.

Следовательно, для адверсарного поиска нет смысла выбирать четные числа совершенно произвольно. Мы должны намеренно искать числа, для которых S(N) максимально близок к своему минимальному значению 1.

Особенно удобен класс:

N = 2q,

где q — большое простое число.

У такого N имеется только один нечетный простой делитель q, и поэтому:

S(N) = (q — 1)/(q — 2).

При большом q:

S(N) ≈ 1.

Таким образом, число практически не получает арифметического бонуса от сингулярного множителя.

Преимущество класса N = 2q перед, например, чистыми степенями двойки состоит еще и в том, что такие числа встречаются достаточно часто на любом большом масштабе. Это позволяет организовать массовый адверсарный поиск, а не проверять редкие специальные точки.

Для эксперимента были заранее выбраны четыре сильно разнесенные области:

Диапазон N	Проверено чисел вида N = 2q
10 000–20 000	560
240 000–260 000	858
7 700 000–7 740 000	1296
124 200 000–124 260 000	1696

Для каждого такого N точное G(N) вычислялось непосредственным перебором простых. Затем вводился нормированный показатель:

Q(N) = G(N) * (log N)^2 / N.

Если главный масштаб действительно близок к:

N / (log N)^2,

то Q(N) должен изменяться значительно медленнее самой функции G(N).

Именно Q становится основным объектом адверсарного анализа.

2 — Поиск рекордных провалов

Сначала рассмотрим полный базовый массив:

10 000 <= N <= 1 000 000.

Мы ищем не минимальное G(N) как таковое — оно естественно растет вместе с масштабом, — а наиболее низкие значения нормированного показателя Q(N).

Наиболее глубокие провалы имеют вид:

N	G(N)	Q(N)
13 652	109	0,723859
13 562	109	0,727650
23 678	170	0,728386
33 038	223	0,730819
144 128	751	0,735210
27 908	196	0,735944
11 672	98	0,736362
53 408	332	0,736624

Особенно показательной оказывается факторизация этих чисел:

13 652 = 4 * 3413

13 562 = 2 * 6781

23 678 = 2 * 11839

33 038 = 2 * 16519

144 128 = 256 * 563

27 908 = 4 * 6977

11 672 = 8 * 1459

53 408 = 32 * 1669.

Во всех случаях малые нечетные простые делители отсутствуют.

Самый маленький нечетный простой делитель среди перечисленных восьми чисел равен 563.

Это чрезвычайно содержательный результат.

Рекордные нормированные провалы не распределяются произвольно. Они концентрируются именно среди тех четных чисел, для которых арифметический множитель Харди—Литтлвуда близок к своему минимуму.

Иначе говоря, вычислительный эксперимент самостоятельно приходит к той же неблагоприятной структуре, которую подсказывает аналитическая эвристика.

Это не доказательство нижней оценки, но очень важная идентификация объекта, который должен контролироваться в доказательстве.

Специальный поиск в классе N = 2q

Теперь перейдем от обнаруженных постфактум экстремумов к заранее выбранному неблагоприятному классу.

На четырех масштабах получены следующие худшие значения:

N	Разложение N	G(N)	Q(N)
13 562	2 * 6781	109	0,727650
249 082	2 * 124541	1212	0,751261
7 717 778	2 * 3858889	22 923	0,747021
124 252 418	2 * 62126209	264 042	0,738174

Во всех четырех строках второе число является простым.

Для последнего случая:

N = 124 252 418

арифметический множитель равен приблизительно:

S(N) = 1,000000016.

То есть с практической точки зрения арифметический бонус почти отсутствует полностью.

Тем не менее число имеет:

264 042

различных неупорядоченных представления.

Нормированное значение:

Q(N) = 0,738174.

Это один из наиболее жестких стресс-тестов, проведенных на данном этапе.

Мы специально выбрали множество, в котором классический арифметический механизм должен давать минимальное усиление, после чего внутри него намеренно нашли худший случай.

Коллапса нормированной нижней величины не произошло.

Но это необходимо интерпретировать правильно: отсутствие коллапса в нескольких тысячах специально выбранных случаев не является доказательством его невозможности.

3 — Максимальные отклонения

Адверсарный анализ позволяет увидеть еще одну важную особенность функции G(N): огромная часть локальной неоднородности объясняется арифметической структурой самого N.

Рассмотрим нормированную величину Q(N).

В диапазоне:

10 000 <= N < 100 000

минимум равен:

Q(13652) = 0,723859.

Максимум в том же диапазоне достигается при:

N = 30030

и составляет:

Q(30030) = 3,203366.

Факторизация:

30030 = 2 * 3 * 5 * 7 * 11 * 13.

То есть число содержит сразу пять малых нечетных простых делителей.

Отношение максимального нормированного значения к минимальному:

3,203366 / 0,723859 ≈ 4,43.

Аналогично в диапазоне:

100 000 <= N < 1 000 000

минимальное значение:

Q(144128) = 0,735210,

тогда как максимум:

Q(510510) = 3,212175.

При этом:

510510 = 2 * 3 * 5 * 7 * 11 * 13 * 17.

Отношение:

3,212175 / 0,735210 ≈ 4,37.

Следовательно, даже после нормировки на общий масштаб:

N / (log N)^2

арифметическая структура способна менять G(N) более чем в четыре раза.

Это важнейшее предостережение для любой будущей метаиндукционной модели.

Если использовать только величину N, не учитывая структуру делимости, состояние будет слишком грубым.

Четные числа одинакового масштаба не являются эквивалентными объектами с точки зрения количества представлений Гольдбаха.

Сужение неблагоприятного слоя

Интересный результат возникает внутри специально выбранного класса N = 2q.

Распределение Q(N) имеет следующую структуру:

Масштаб	Минимум Q	Медиана Q	5–95% коридор
10–20 тыс.	0,7277	0,8319	0,7717–0,8923
240–260 тыс.	0,7513	0,7883	0,7708–0,8067
7,70–7,74 млн	0,7470	0,7572	0,7528–0,7618
124,20–124,26 млн	0,7382	0,7408	0,7395–0,7421

Особенно заметно сужение разброса.

На первом масштабе минимум находится примерно на 12,5 процента ниже медианы.

На втором — примерно на 4,7 процента.

На третьем — на 1,34 процента.

На четвертом — всего приблизительно на 0,36 процента.

Аналогично относительная ширина центрального 90-процентного коридора уменьшается приблизительно от 14,5 процента до 0,35 процента.

Это не следует превращать в теорему о концентрации: интервалы имеют различную ширину, а выборка ограничена. Но как экспериментальный факт это чрезвычайно интересно.

После устранения сильного арифметического фактора значения начинают образовывать гораздо более узкий слой.

Иными словами, большая часть «кометной» вертикальной структуры функции G(N) действительно связана с делителями N, тогда как внутри неблагоприятного арифметического класса остается значительно более спокойная остаточная динамика.

4 — Проверка нижней оболочки

Теперь необходимо задать наиболее опасный вопрос:

насколько низко способна опускаться нормированная нижняя оболочка?

Определим:

Q(N) = G(N) * (log N)^2 / N.

В базовом массиве минимумы по последовательным десятичным диапазонам имеют вид:

Диапазон	Минимум Q	N
100–999	0,551770	128
1 000–9 999	0,652439	2672
10 000–99 999	0,723859	13652
100 000–999 999	0,735210	144128

Начальные масштабы еще сильно подвержены дискретным эффектам. Начиная примерно с десятков тысяч нормированный нижний слой оказывается существенно более устойчивым.

Дальние адверсарные пробросы дают:

0,727650

0,751261

0,747021

0,738174.

Мы не наблюдаем ухода Q(N) к нулю.

Более того, значения остаются одного порядка даже при переходе от десятков тысяч к более чем ста миллионам.

Но здесь особенно важно не сделать логически неверный шаг.

Из наблюдения:

Q(N) примерно 0,7

на больших конечных выборках

не следует существование универсальной константы c > 0 такой, что:

Q(N) >= c

для всех достаточно больших четных N.

Именно такое универсальное утверждение уже было бы чрезвычайно сильным.

Сопоставление с эвристической нижней базой

Для арифметически неблагоприятного класса N = 2q сингулярный множитель практически равен единице.

Если использовать эвристику Харди—Литтлвуда, естественной базовой константой для нашего неупорядоченного нормирования становится:

C2 ≈ 0,6601618.

Полученные адверсарные минимумы превышают этот уровень:

13 562:

Q/C2 ≈ 1,102;

249 082:

Q/C2 ≈ 1,138;

7 717 778:

Q/C2 ≈ 1,132;

124 252 418:

Q/C2 ≈ 1,118.

Если учитывать фактический S(N), практически не отличающийся здесь от единицы, отношения изменяются лишь в последних знаках.

Таким образом, даже специально найденные провалы находятся примерно на 10–14 процентов выше эвристического асимптотического базового уровня.

Но и этот результат нельзя превращать в доказанную нижнюю границу.

Эвристическая асимптотика Харди—Литтлвуда для каждого четного числа сама не является доказанной теоремой; именно точечный универсальный контроль является частью трудности бинарной задачи.

5 — Намеренная попытка разрушения гипотезы

Теперь можно ясно сформулировать, какие рабочие гипотезы подвергались разрушению.

Гипотеза постоянной степенной метадинамики

В предыдущих внутренних мультипликативных траекториях эффективная степень находилась около:

alpha ≈ 1,20.

Дальние случайные пробросы уже показали, что считать эту величину универсальной константой нельзя. При увеличении масштаба эффективная степень дрейфует в направлении 1.

Следовательно, первоначальная сильная версия степенного метазакона адверсарную проверку не выдержала.

Это полезный отрицательный результат.

Мы исключаем слишком простую модель и переходим к более естественному логарифмически скорректированному масштабу.

Гипотеза устойчивости масштаба N/(log N)^2

Значительно устойчивее ведет себя нормировка:

G(N) * (log N)^2 / N.

Специальный поиск чисел без малых нечетных делителей не привел к ее разрушению.

Более того, на масштабе порядка:

1,24 * 10^8

даже худшее найденное число специального класса дает:

Q ≈ 0,738.

Следовательно, гипотеза о том, что нижний экстремальный слой имеет естественный масштаб порядка:

N / (log N)^2,

выдержала текущую вычислительную атаку значительно лучше, чем модель постоянной степени.

Однако это все еще гипотеза о структуре, а не доказанная нижняя оценка.

Гипотеза о природе худших случаев

Адверсарный поиск достаточно сильно подтверждает другой вывод:

опасные для нижней оболочки числа следует искать прежде всего среди четных N с минимальным набором малых нечетных простых делителей.

В базовом массиве практически все наиболее глубокие нормированные провалы имеют именно такую структуру.

Специальный класс:

N = 2q

действительно дает более низкие нормированные значения, чем большинство обычных соседних чисел.

Следовательно, поиск худшего случая можно существенно сузить арифметически.

Но и здесь нельзя считать установленным, что абсолютный глобальный минимум на каждом масштабе обязательно принадлежит классу 2q. Например, фактический рекорд базового массива:

N = 13652 = 4 * 3413

не имеет такого вида.

Более правильная гипотеза состоит в том, что худшие числа имеют малый сингулярный множитель, а класс 2q является лишь удобным плотным представителем этой неблагоприятной зоны.

Попытка разрушить саму Метатеорему

Наиболее радикальный адверсарный вопрос звучит так:

можно ли обнаружить последовательность все больших четных чисел, для которых G(N) остается ограниченной или растет настолько медленно, что глобальный гарантированный минимум не способен уйти в бесконечность?

В исследованных данных такой последовательности не обнаружено.

Напротив, даже специально отобранные неблагоприятные числа демонстрируют быстро растущее абсолютное G(N).

Например:

G(13562) = 109

G(249082) = 1212

G(7717778) = 22923

G(124252418) = 264042.

Но это лишь четыре масштаба и несколько тысяч специально выбранных чисел.

Поэтому корректный вывод имеет форму:

вычислительный адверсарный поиск не обнаружил механизма разрушения Метатеоремы, но не исключил существование такого механизма на еще не исследованных масштабах.

Именно так должен звучать результат серьезного экспериментального исследования.

6 — Критерии устойчивости инварианта

После случайных и адверсарных проверок можно значительно точнее сформулировать требования к будущему метаинварианту.

Простейший кандидат имеет вид скорректированного нормированного показателя:

R(N) = G(N) * (log N)^2 / [N * S(N)].

С точки зрения эвристики Харди—Литтлвуда R(N) должен быть связан с константой C2. Но для нас значительно важнее не его предполагаемый предел, а возможность получить строгую положительную нижнюю оценку.

Если удалось бы доказать существование:

c > 0

и:

N0

таких, что для каждого четного:

N >= N0

выполняется:

G(N) >= c * S(N) * N / (log N)^2,

то поскольку:

S(N) >= 1,

мы получили бы:

G(N) >= c * N / (log N)^2.

Правая часть стремится к бесконечности.

Следовательно, для любого K существовала бы конечная граница, после которой:

G(N) >= K.

То есть подобная универсальная нижняя оценка немедленно влекла бы Метатеорему Гольдбаха.

Именно поэтому такой результат нельзя считать небольшим техническим шагом.

Он фактически содержал бы решение центральной задачи.

Вычисления могут подсказать его форму, но основная математическая трудность состоит именно в доказательстве такой оценки для каждого достаточно большого четного N, а не в среднем и не почти для всех.

Это позволяет сформулировать критерии, которым должен удовлетворять серьезный кандидат на инвариант.

Первый критерий — арифметическая устойчивость. Он должен работать не только для чисел, богатых малыми делителями, но и для неблагоприятных классов с S(N), близким к 1.

Второй — экстремальная устойчивость. Проверяться должны абсолютные минимумы и нижняя огибающая, а не средние значения.

Третий — масштабная устойчивость. Нормированная структура должна сохраняться на сильно разнесенных порядках величины.

Четвертый — адверсарная устойчивость. Закон должен выдерживать специально организованный поиск нарушений.

Пятый — устойчивость к изменению системы координат. Желательно, чтобы одна структура проявлялась в фиксированных диапазонах, событийных траекториях и мультипликативных переходах.

Шестой — положительный резерв. Для доказательства недостаточно того, что величина в вычислениях «обычно положительна». Необходимо получить строго контролируемый запас, не исчезающий при переходе.

Седьмой — независимость от вычислительного горизонта. Инвариант не должен возникать только потому, что массив заканчивается до возможного следующего нарушения.

Восьмой — индукционная воспроизводимость. Из состояния, удовлетворяющего инварианту, должно следовать состояние того же типа на следующем уровне.

И девятый, окончательный критерий — доказуемость. Как бы убедительно ни выглядел коэффициент на миллиардах примеров, метаинвариантом в доказательном смысле он становится только после получения универсального математического неравенства.

Поэтому адверсарный анализ приводит нас к важному уточнению всей исследовательской программы.

Наиболее перспективным объектом выглядит уже не чисто эмпирическая степенная зависимость границ и не один коэффициент мультипликативной траектории.

Гораздо более фундаментальной оказывается связка:

арифметическая структура N;

сингулярный множитель S(N);

нормированный нижний показатель G(N)*(log N)^2/N;

нижняя огибающая этого показателя;

и возможная универсальная положительная граница для арифметически скорректированной величины.

Именно здесь вычислительная лаборатория соприкасается с настоящей аналитической проблемой.

Эксперимент показывает, что следует пытаться доказать.

Но он одновременно показывает и масштаб трудности: необходима не средняя формула, а универсальный контроль именно тех чисел, которые арифметически настроены против большого числа разложений.

На этом вычислительная лаборатория выполняет свою основную функцию. Она не доказывает Метатеорему, но существенно сужает пространство возможного доказательства, отбрасывает слабые модели, выявляет неблагоприятный класс и формирует конкретный кандидат на структуру нижнего инварианта.

*****

ЧАСТЬ VIII. МЕТАТЕОРЕМА ГОЛЬДБАХА

Глава 1. Формулировка Метатеоремы

Предыдущие части книги постепенно переводили проблему Гольдбаха из формы единичного вопроса о существовании представления в форму вопроса о поведении количества представлений. Была введена функция G(N), исследованы первые достижения уровней, последние нарушения, границы неснижаемости, нижняя огибающая, плато, скачки, мультипликативные траектории и возможные индукционные состояния. Теперь весь этот аппарат необходимо свести к одному центральному утверждению.

В терминологии настоящей книги это утверждение называется Метатеоремой Гольдбаха.

Слово «Метатеорема» здесь используется как авторский термин. Оно обозначает не стандартное название уже существующей теоремы, а утверждение более высокого уровня относительно классической проблемы Гольдбаха: вместо одного фиксированного порога существования рассматривается бесконечная иерархия количественных уровней.

До тех пор пока не построено и не проверено полное доказательство, математически корректно рассматривать последующую формулировку как утверждение Метатеоремы, или как гипотезу, подлежащую доказательству. Само название не должно предрешать ее доказанность.

Для дальнейшего изложения зафиксируем определение.

Пусть N — четное натуральное число, N >= 4.

Обозначим через:

G(N)

количество различных неупорядоченных представлений:

N = p + q,

где p и q — простые числа и:

p <= q.

Таким образом, пары:

p + q

и:

q + p

считаются одним и тем же представлением.

Например:

10 = 3 + 7 = 5 + 5,

поэтому:

G(10) = 2.

Именно функция G(N) является первичным объектом Метатеоремы.

1 — Основная формулировка

Основная формулировка имеет следующий вид.

Метатеорема Гольдбаха.

Для каждого положительного целого числа K существует конечная четная граница V(K) такая, что для каждого четного числа N, удовлетворяющего:

N >= V(K),

выполняется:

G(N) >= K.

Иначе говоря, какой бы заранее заданный конечный уровень количества разложений K мы ни выбрали, существует такой конечный момент натурального ряда, после которого ни одно четное число уже не имеет менее K представлений в виде суммы двух простых.

Существенными в этой формулировке являются сразу четыре квантора и условия.

Первое:

для каждого K.

То есть речь идет не о конкретных уровнях:

1,

10,

100,

1000,

а обо всех конечных натуральных уровнях.

Второе:

существует конечная V(K).

Для каждого K допускается собственная граница. Метатеорема не требует существования одной фиксированной V, работающей сразу для всех K, что было бы невозможно, поскольку K не ограничено.

Третье:

для каждого четного N >= V(K).

Это принципиально отличает Метатеорему от утверждения о среднем, большинстве или почти всех четных числах. Ни одно четное число после границы не должно нарушать уровень.

Четвертое:

G(N) >= K.

Речь идет именно о нижней гарантии количества представлений.

Поэтому структура кванторов имеет вид:

для любого K существует V(K) такое, что для любого четного N >= V(K) выполняется G(N) >= K.

В символической логике:

forall K exists V forall even N >= V: G(N) >= K.

Именно порядок кванторов здесь фундаментален.

Нельзя поменять его на:

существует V такое, что для всех K…

Поскольку никакое фиксированное конечное N не может иметь бесконечно много различных представлений.

Граница должна зависеть от требуемого уровня:

V = V(K).

Таким образом, Метатеорема является утверждением не о существовании одной границы, а о существовании целого семейства конечных границ:

V(1), V(2), V(3), …

2 — Словесная формулировка

Строгую формулу полезно дополнить несколькими словесными формулировками, поскольку каждая из них выделяет другой аспект утверждения.

Первая, наиболее непосредственная:

Количество представлений достаточно больших четных чисел в виде суммы двух простых неограниченно возрастает снизу.

Ключевое слово здесь:

снизу.

Метатеорема не утверждает лишь, что существуют числа с огромным количеством представлений. Это значительно более слабый факт.

Она требует, чтобы со временем поднимался именно гарантированный минимум.

Вторая формулировка:

Для любого заранее заданного конечного количества K разложений наступает такой конечный уровень натурального ряда, после которого каждое четное число имеет не менее K различных разложений на два простых.

Третья:

Любой конечный уровень количества представлений сначала может нарушаться, но в конечном счете должен стать необратимым.

Эта формулировка непосредственно связывает Метатеорему с теорией неснижаемости.

Для уровня K могут существовать числа, у которых:

G(N) < K.

Они являются нарушениями уровня.

Метатеорема утверждает, что таких нарушений для каждого фиксированного K может быть лишь конечное количество.

После последнего нарушения уровень K становится неснижаемым.

Четвертая словесная формулировка:

Нижняя граница количества представлений четных чисел должна уходить в бесконечность вместе с натуральным масштабом.

Это уже формулировка через нижнюю огибающую.

Важно отличать ее от утверждений:

среднее число представлений растет;

максимальное число представлений растет;

существует бесконечная последовательность четных чисел с растущим числом представлений;

для большинства четных чисел G(N) велико.

Ни одно из этих утверждений само по себе Метатеорему не дает.

Метатеорема касается именно самого неблагоприятного четного числа в бесконечном хвосте.

3 — Простая формульная запись

Основную формулу можно записать предельно компактно:

N >= V(K) => G(N) >= K,

для всех четных N и для каждого положительного целого K.

Но эту запись необходимо читать вместе с условием:

V(K) < infinity.

То есть для каждого конечного K граница должна существовать и быть конечной.

Более строгая запись:

для каждого K >= 1 существует конечное V(K), такое что для всех четных N >= V(K):

G(N) >= K.

Можно определить V(K) непосредственно как минимальную такую четную границу:

V(K) = min {V: G(N) >= K для всех четных N >= V}.

Это определение имеет смысл именно тогда, когда соответствующее множество непусто.

Метатеорема утверждает, что оно непусто для каждого K.

Таким образом:

V(K) < infinity

для всех:

K = 1, 2, 3, …

является еще одной краткой записью Метатеоремы.

Последние нарушения

Определим множество нарушений уровня K:

E(K) = {четные N >= 4: G(N) < K}.

Метатеорема эквивалентна утверждению:

E(K)

конечно для каждого K.

Если множество E(K) непусто, можно определить:

B(K) = max E(K),

то есть последнее нарушение уровня.

Тогда:

V(K) = B(K) + 2.

Здесь используется тот факт, что рассматривается решетка четных чисел.

Если же нарушений какого-либо уровня вообще нет, B(K) не определяется, но границу V(K) можно определить непосредственно как первый допустимый четный элемент области, например 4.

Поэтому логически первичным и более универсальным объектом является V(K), а B(K) — удобная производная характеристика при наличии нарушений.

Хвостовой гарантированный минимум

Теперь введем функцию:

H(V) = min G(N)

по всем четным:

N >= V.

Поскольку значения G(N) являются неотрицательными целыми числами, множество их значений на любом бесконечном хвосте имеет минимальный элемент.

Функция H(V) показывает, какое количество представлений гарантировано всем четным числам начиная с V.

При увеличении V область минимизации уменьшается, поэтому H(V) не может уменьшаться.

То есть:

V2 >= V1 => H(V2) >= H(V1).

Следовательно, H(V) является неубывающей ступенчатой функцией.

Метатеорема теперь принимает чрезвычайно компактную форму:

H(V) -> infinity

при:

V -> infinity.

Именно эта запись, вероятно, наиболее точно выражает сущность Метатеоремы.

Не отдельная G(N) должна монотонно расти — она не растет монотонно.

Не среднее значение должно расти — этого недостаточно.

Должен неограниченно расти гарантированный минимум бесконечного хвоста.

4 — Эквивалентные формулировки

Ценность Метатеоремы состоит в том, что одно и то же центральное утверждение допускает несколько логически эквивалентных представлений. Они полезны для различных типов доказательства.

Формулировка A. Через границы уровней

Для каждого натурального K существует конечная V(K), такая что:

N >= V(K) => G(N) >= K

для всех четных N.

Это основная форма.

Формулировка B. Через конечность множества нарушений

Для каждого K множество:

E(K) = {четные N: G(N) < K}

конечно.

Эквивалентность очевидна.

Если множество нарушений конечно, после его максимального элемента нарушений больше нет.

Если существует V(K), после которой нарушений нет, все возможные нарушения расположены ниже конечной V(K), а значит их конечное число.

Эта форма особенно полезна для теории последних нарушений.

Формулировка C. Через последние нарушения

Для каждого K либо нарушений уровня K вообще нет, либо существует последнее нарушение B(K).

Иными словами, невозможно существование бесконечной последовательности:

N1 < N2 < N3 < …

такой, что:

G(Nj) < K

для одного и того же фиксированного K.

Это дает очень наглядную контрформу Метатеоремы.

Чтобы опровергнуть Метатеорему, было бы достаточно найти хотя бы один фиксированный K, для которого нарушения продолжаются бесконечно далеко.

Следовательно, отрицание Метатеоремы имеет форму:

существует K такое, что для любого V найдется четное N >= V с:

G(N) < K.

То есть некоторый конечный уровень никогда не становится окончательно гарантированным.

Формулировка D. Через нижнюю хвостовую функцию

Определим:

H(V) = min {G(N): N четно, N >= V}.

Тогда Метатеорема эквивалентна:

H(V) -> infinity.

Действительно, если H(V) стремится к бесконечности, то для любого K существует V, при котором:

H(V) >= K.

Но по определению H это означает:

G(N) >= K

для всех четных N >= V.

И наоборот, если каждый K когда-нибудь становится гарантированным, H(V) превосходит любой заранее заданный конечный уровень при достаточно большом V.

Эта форма особенно важна для аналитического доказательства, потому что непосредственно превращает Метатеорему в утверждение о нижней огибающей.

Формулировка E. Через нижний предел

Еще одна компактная запись:

liminf G(N) = infinity,

где N стремится к бесконечности по четным значениям.

Обычное выражение:

G(N) -> infinity

по четным N

также может использоваться, если понимать его в строгом смысле:

для каждого K существует N0 такое, что для всех четных N >= N0 выполняется G(N) >= K.

Однако запись через liminf полезнее концептуально, поскольку подчеркивает контроль именно нижнего слоя колеблющейся функции.

В данном случае условие:

liminf G(N) = infinity

фактически означает и обычное стремление G(N) к бесконечности вдоль последовательности четных чисел.

Функция при этом совершенно не обязана быть монотонной.

Она может совершать огромные скачки вверх и вниз.

Требуется лишь, чтобы глубина будущих падений постепенно поднималась.

Формулировка F. Через последовательности

Для любой последовательности четных чисел:

N1 < N2 < N3 < …

такой, что:

Nj -> infinity,

должно выполняться:

G(Nj) -> infinity.

Эта форма особенно полезна для адверсарного мышления.

Если Метатеорема ложна, должна существовать хотя бы одна бесконечная последовательность все больших четных чисел, вдоль которой G(N) остается ограниченной сверху некоторым конечным уровнем.

Например, для опровержения достаточно было бы построить последовательность:

Nj -> infinity

такую, что:

G(Nj) <= 100

для всех j.

Или даже:

G(Nj) = 1.

Поэтому поиск неблагоприятных арифметических классов в вычислительной лаборатории фактически является поиском кандидатов на такую потенциальную контрпоследовательность.

Формулировка G. Через неограниченную лестницу гарантированных уровней

Полная последовательность всех K не является обязательной для доказательной конструкции.

Предположим, удается построить возрастающую последовательность:

K1 < K2 < K3 < …

такую, что:

Kj -> infinity,

и для каждого Kj существует конечная граница:

V(Kj).

Тогда Метатеорема уже следует.

Действительно, для произвольного конечного K можно выбрать j такое, что:

Kj >= K.

Если после V(Kj):

G(N) >= Kj,

то автоматически:

G(N) >= K.

Следовательно, достаточно доказать неснижаемость не каждого уровня отдельно, а любой неограниченной последовательности уровней.

Это чрезвычайно важно для метаиндукции.

В частности, достаточно было бы установить цепочку:

1,

2,

4,

8,

16,

32,

…

Если для каждого:

2^j

существует конечная глобальная граница, то любой конечный K будет перекрыт некоторой степенью двойки.

Поэтому универсальный переход:

S(K) => S(2K)

потенциально вполне достаточен для доказательства Метатеоремы.

Нет необходимости строить отдельно переход:

K -> K+1.

Это один из важнейших логических выводов всей предыдущей теории мультипликативных траекторий.

5 — Отличие от классической проблемы Гольдбаха

Классическое бинарное утверждение Гольдбаха можно записать:

G(N) >= 1

для каждого четного:

N >= 4.

То есть классическая проблема задает единственный фиксированный уровень:

K = 1.

Она спрашивает:

существует ли у каждого четного числа хотя бы одно представление в виде суммы двух простых?

Метатеорема задает принципиально иной вопрос:

становится ли гарантированное количество таких представлений произвольно большим?

То есть вместо одного уровня:

1

рассматривается бесконечная иерархия:

1,

2,

3,

4,

…

Существование против множественности

Классическая проблема — прежде всего проблема существования.

Для каждого четного N требуется найти хотя бы одну пару:

p + q = N.

Метатеорема — проблема неограниченной гарантированной множественности.

Она требует не одной пары, а сколь угодно большого заранее заданного числа различных пар — после достаточно большой границы.

Поэтому переход:

G(N) >= 1

к:

G(N) >= K

для произвольного K

является не количественной косметической модификацией, а качественным усилением постановки.

Фиксированная гарантия против растущей гарантии

Классическое утверждение устанавливает постоянную нижнюю границу:

G(N) >= 1.

Метатеорема утверждает, что нижняя граница сама должна неограниченно увеличиваться вместе с масштабом.

В терминах H(V):

классическое утверждение требует:

H(4) >= 1.

Метатеорема требует:

H(V) -> infinity.

Эта разница особенно хорошо показывает соотношение двух задач.

K = 1 как специальный уровень

При:

K = 1

Метатеорема дает:

существует конечная V(1), после которой:

G(N) >= 1

для всех четных N.

Это означает асимптотическую, или хвостовую, форму бинарного утверждения Гольдбаха.

Но здесь имеется важная логическая тонкость.

Из существования V(1) само по себе еще не следует, что:

G(N) >= 1

для каждого четного N >= 4.

Между:

4

и:

V(1)

теоретически могли бы существовать конечные исключения.

Поэтому корректно говорить:

уровень K = 1 является минимальным специальным случаем общей иерархии уровней Метатеоремы.

Если дополнительно конечный диапазон:

4 <= N < V(1)

проверен и нарушений в нем нет, тогда получается полное классическое утверждение.

Таким образом:

Метатеорема + конечная проверка начальной области для K = 1 => классическая гипотеза Гольдбаха.

Это точнее, чем просто говорить, что классическая проблема «автоматически является частным случаем» без оговорки о начальном конечном диапазоне.

Почему Метатеорема существенно сильнее

Даже если предположить классическое утверждение:

G(N) >= 1

для всех четных N >= 4,

из него вовсе не следует Метатеорема.

Логически могла бы существовать гипотетическая функция распределения, при которой каждое четное число имеет хотя бы одно представление, но бесконечно многие четные числа имеют ровно одно или два представления.

Тогда классическая проблема имела бы положительное решение, но Метатеорема была бы ложной.

Например, существование бесконечной последовательности:

N1 < N2 < N3 < …

с:

G(Nj) = 1

полностью совместимо с одним только утверждением:

G(N) >= 1.

Но такая последовательность немедленно опровергла бы Метатеорему уже на уровне:

K = 2.

Следовательно, Метатеорема требует качественно более сильного контроля нижней экстремальной структуры.

Классическая проблема и нижняя оболочка

Классическая проблема спрашивает, пересекает ли нижняя оболочка уровень 0.

Если существует четное N с:

G(N) = 0,

мы имеем контрпример.

Метатеорема спрашивает значительно больше:

поднимается ли сама нижняя оболочка через каждый конечный уровень:

1,

2,

3,

…

и продолжает ли подниматься без верхней границы.

В геометрическом представлении классическая проблема требует, чтобы график G(N) никогда не касался нулевой линии после N = 4.

Метатеорема требует, чтобы нижние провалы графика со временем поднимались все выше и выше.

При этом отдельные локальные колебания могут сохраняться.

Могут существовать глубокие относительные провалы.

Могут возникать плато.

Могут происходить большие скачки.

Но абсолютная глубина будущих минимумов должна неограниченно расти.

Два различных типа потенциального контрпримера

Для классической проблемы контрпримером является одно четное число N такое, что:

G(N) = 0.

Для Метатеоремы одного конечного нарушения высокого уровня недостаточно.

Например, число с:

G(N) = 17

не опровергает уровень K = 100, если оно расположено до будущей V(100).

Чтобы опровергнуть Метатеорему, необходимо найти значительно более сильную структуру:

фиксированный K и бесконечно много сколь угодно больших четных N, для которых:

G(N) < K.

Иными словами, классическая проблема может быть опровергнута одной точкой.

Метатеорема требует для своего опровержения бесконечной последовательности нарушений некоторого фиксированного уровня.

Это различие чрезвычайно важно для понимания доказательной архитектуры.

От единичной теоремы к иерархии теорем

Для каждого K можно сформулировать отдельное утверждение:

T(K):

существует конечная V(K), после которой G(N) >= K.

Тогда Метатеорема представляет собой бесконечную систему:

T(1),

T(2),

T(3),

…

Классическая проблема связана с минимальным уровнем этой системы.

Но истинная задача Метатеоремы состоит не в независимом доказательстве каждого T(K).

Такой путь был бы бесконечным.

Необходим единый механизм, позволяющий переносить доказательство от одного уровня к другому.

Именно поэтому предыдущие части книги были посвящены метаиндукции.

Мы ищем не сто, тысячу или миллион отдельных доказательств.

Мы ищем переход:

S(K) => S(tau(K)),

который автоматически создает бесконечную последовательность доказанных уровней.

В случае успешного перехода:

S(K) => S(2K)

получим:

S(1)

=>

S(2)

=>

S(4)

=>

S(8)

=>

…

и тем самым неограниченную лестницу гарантированных уровней.

Это переводит проблему из формы:

«доказать бесконечно много утверждений»

в форму:

«найти одно состояние и один универсальный воспроизводимый закон перехода».

Именно эта трансформация является центральным мотивом всей настоящей книги.

Метатеорема Гольдбаха в ее наиболее компактном содержательном виде утверждает:

не только существование представлений четных чисел как сумм двух простых, но неограниченный рост гарантированного количества таких представлений.

Ее фундаментальная формула:

для каждого K существует конечная V(K), такая что для всех четных N >= V(K):

G(N) >= K.

Ее экстремальная форма:

H(V) -> infinity.

Ее форма через нарушения:

каждый фиксированный уровень K нарушается лишь конечное число раз.

Ее событийная форма:

каждый конечный уровень когда-нибудь становится необратимым.

Ее индукционная форма:

достаточно построить неограниченную последовательность гарантированных уровней посредством одного универсального замкнутого перехода.

Таким образом, перед доказательной частью теперь стоит совершенно определенная задача. Необходимо не просто показать общий рост G(N), не просто подтвердить рост средних значений и не просто продолжить вычислительные таблицы. Необходимо установить такой универсальный механизм, который запрещает бесконечное возвращение функции G(N) ниже любого фиксированного уровня K.

Именно это является математическим содержанием Метатеоремы Гольдбаха.

**********

Глава 2. Нижняя функция количества разложений

В предыдущей главе Метатеорема Гольдбаха была сформулирована через семейство уровней K и соответствующих границ V(K). Такая форма естественна для теории неснижаемости: фиксируется требуемое количество представлений, после чего ищется момент, начиная с которого этот уровень уже никогда не нарушается. Однако существует и двойственный способ описания той же структуры. Вместо вопроса:

«Где окончательно закрепляется уровень K?»

можно поставить вопрос:

«Какое количество представлений уже гарантировано всем четным числам после данной границы V?»

Эта постановка приводит к нижней функции количества разложений. Именно она позволяет непосредственно исследовать не отдельные значения G(N), а худшее значение на бесконечном будущем хвосте натурального ряда.

С доказательной точки зрения такое преобразование исключительно важно. Метатеорема требует контроля не среднего, не максимального и даже не типичного поведения G(N). Она требует управления наиболее неблагоприятным будущим четным числом. Нижняя функция выделяет этот объект в чистом виде.

1 — Гарантированный минимум

Пусть V — четное натуральное число, V >= 4. Рассмотрим все четные числа:

N >= V.

Для каждого такого N определено количество неупорядоченных представлений:

G(N).

Нас интересует минимальное значение G(N) на всем бесконечном хвосте:

V, V+2, V+4, …

Именно это значение является гарантированным минимумом после V.

Если, например, оказалось бы, что:

G(N) >= 100

для каждого четного N >= V,

то начиная с V каждому четному числу гарантировано по крайней мере 100 различных представлений.

При этом отдельные значения могут быть значительно больше:

150,

1000,

10000

и более.

Но гарантией остается именно наименьшее значение, которое еще способно встретиться на хвосте.

Это принципиальное различие между фактическим числом представлений конкретного N и гарантированным минимумом для всех будущих N.

Функция G(N) отвечает на вопрос:

сколько представлений имеет данное число N?

Нижняя функция отвечает на другой вопрос:

сколько представлений гарантировано каждому четному числу начиная с некоторой границы?

Именно второй вопрос непосредственно соответствует Метатеореме.

Важно также отметить, что минимум на бесконечном хвосте здесь существует как обычное целое число. Значения G(N) принадлежат множеству неотрицательных целых чисел. Поэтому множество:

{G(N): N четно, N >= V}

непусто и, по принципу наименьшего элемента натуральных чисел, имеет минимальное значение.

Следовательно, в данном случае можно использовать именно min, а не только inf.

2 — Нижняя функция

Определим нижнюю функцию количества разложений:

H(V) = min G(N)

по всем четным:

N >= V.

Иными словами:

H(V) = min {G(N): N четно и N >= V}.

Будем также называть H(V):

гарантированной нижней функцией;

хвостовым минимумом;

глобальной нижней огибающей количества представлений.

Из определения непосредственно следует:

G(N) >= H(V)

для каждого четного N >= V.

Но существует хотя бы одно четное число:

N0 >= V,

для которого:

G(N0) = H(V).

Следовательно, H(V) является не произвольной нижней оценкой, а точной наилучшей гарантией для данного хвоста.

Это различие существенно.

Можно доказать слабую нижнюю оценку:

G(N) >= F(V)

для всех N >= V,

где:

F(V) <= H(V).

Такая оценка может быть полезна для доказательства, даже если она не достигает истинной нижней оболочки.

Но сама H(V) по определению является максимальным уровнем, который уже гарантирован всем числам хвоста.

Конечная нижняя функция

В вычислительной лаборатории невозможно непосредственно вычислить H(V), поскольку она определяется по бесконечному числу будущих N.

Поэтому там фактически используется конечная функция:

H_X(V) = min G(N)

по всем четным:

V <= N <= X.

Она описывает гарантированный минимум только внутри конечного окна.

Между глобальной и конечной функциями существует важное соотношение:

H_X(V) >= H(V).

Причина очевидна: при вычислении H_X(V) мы минимизируем по меньшему множеству чисел. За правой границей X может находиться еще более глубокий провал.

Поэтому вычислительная нижняя оболочка всегда потенциально оптимистична относительно глобальной.

Если увеличить вычислительный горизонт:

X1 < X2,

то:

H_X2(V) <= H_X1(V).

То есть при расширении области конечная нижняя функция может только уменьшаться или оставаться прежней.

Это направление монотонности принципиально важно.

По V функция H_X(V) не убывает.

По X она, напротив, не возрастает.

Получается двумерная структура:

увеличение левой границы V повышает или сохраняет гарантию;

увеличение правой границы X может обнаружить новые нарушения и понизить ее.

Для фиксированного V последовательность:

H_X(V)

при:

X -> infinity

в конечном счете должна стабилизироваться на истинном значении H(V).

Действительно, поскольку H(V) достигается на некотором конечном четном N0 >= V, после любого:

X >= N0

конечный массив уже содержит число, реализующее глобальный минимум. Поэтому:

H_X(V) = H(V)

для всех достаточно больших X.

Проблема состоит не в существовании такой стабилизации, а в том, что заранее неизвестно, достигнут ли уже необходимый X.

Именно поэтому вычислительное совпадение H_X(V) на нескольких больших горизонтах является сильным свидетельством, но не доказательством глобальной H(V).

3 — Рост нижней функции

Рассмотрим две четные границы:

V1 < V2.

Хвост:

N >= V2

является подмножеством хвоста:

N >= V1.

Следовательно, при переходе от V1 к V2 некоторые ранние числа исключаются из рассмотрения, но новые числа слева не добавляются.

Поэтому минимум не может уменьшиться:

H(V2) >= H(V1).

Таким образом:

H(V) является неубывающей функцией.

Это свойство является точным и не зависит от Метатеоремы.

Оно следует исключительно из определения.

При этом сама G(N) может вести себя совершенно немонотонно:

G(N+2) может быть больше G(N);

может быть меньше;

может отличаться в несколько раз.

Но H(V) сглаживает эти локальные колебания особым экстремальным способом. Она остается на прежнем уровне до тех пор, пока на будущем хвосте существует хотя бы одно число, достигающее этого минимального значения. Когда последнее такое число остается слева от новой границы V, нижняя функция совершает скачок вверх.

Именно поэтому H(V) имеет ступенчатую структуру.

Можно представить:

H(V) = K

на некотором диапазоне V.

Затем после удаления последнего будущего нарушения следующего уровня функция поднимается:

H(V’) >= K+1.

При этом скачок необязательно равен единице.

Если после некоторой границы минимальное количество представлений сразу возрастает, например, от:

K

до:

K+5,

то H(V) перепрыгивает через четыре промежуточных значения.

Этому в двойственной системе V(K) соответствуют плато: несколько последовательных уровней получают одну и ту же границу.

Таким образом:

скачок H по вертикали соответствует плато V по горизонтали.

И наоборот:

длинный горизонтальный участок H соответствует большому скачку V(K).

Это одна и та же ступенчатая структура, представленная в двух взаимно обратных координатах.

4 — Неограниченность роста

Сам факт неубывания H(V) еще недостаточен для Метатеоремы.

Теоретически возможны два принципиально различных режима.

Первый:

H(V)

растет некоторое время, а затем навсегда остается ограниченной некоторым конечным числом M.

Тогда:

H(V) <= M

для всех V.

Это означало бы, что сколь угодно далеко существуют четные числа с количеством представлений не больше M.

Метатеорема в таком случае была бы ложной.

Второй режим:

H(V)

неограниченно поднимается.

То есть для каждого K существует V такое, что:

H(V) >= K.

Именно это и есть Метатеорема.

Поэтому центральное утверждение можно записать:

H(V) -> infinity

при:

V -> infinity.

Эта формулировка особенно сильна концептуально, потому что сводит всю бесконечную систему уровней к поведению одной функции.

Эквивалентный критерий неограниченности

Поскольку H(V) неубывает, для доказательства:

H(V) -> infinity

достаточно показать, что H(V) не ограничена сверху.

Для произвольной немонотонной функции неограниченность не равносильна стремлению к бесконечности. Функция может иметь сколь угодно большие пики и постоянно возвращаться к малым значениям.

Но H(V) неубывает.

Поэтому если для любого K существует хотя бы одно V, где:

H(V) >= K,

то после этого значения функция уже никогда не опустится ниже K.

Следовательно:

H неограничена

эквивалентно:

H(V) -> infinity.

Это важное упрощение доказательной задачи.

Не требуется доказывать гладкий рост.

Не требуется устанавливать формулу H(V).

Не требуется доказывать определенную скорость роста.

Достаточно исключить существование конечного потолка.

Достаточные нижние оценки

Предположим, удалось доказать функцию F(V), такую что:

H(V) >= F(V)

для всех достаточно больших V,

и:

F(V) -> infinity.

Тогда автоматически:

H(V) -> infinity.

Следовательно, Метатеорема доказана.

Это чрезвычайно важный принцип.

Для доказательства не требуется знать точную H(V).

Достаточно любой универсальной нижней функции, которая сама неограниченно растет.

Например, если теоретически удалось бы установить:

G(N) >= c * N/(log N)^2

для всех достаточно больших четных N и некоторого фиксированного:

c > 0,

то:

H(V) >= min c*N/(log N)^2

по всем четным N >= V.

Поскольку функция:

N/(log N)^2

после достаточно большого N возрастает и стремится к бесконечности, получили бы:

H(V) -> infinity.

Следовательно, подобная точечная универсальная нижняя оценка немедленно дала бы Метатеорему.

Именно поэтому найденный вычислительно масштаб:

N/(log N)^2

представляет такой интерес.

Но здесь же становится видна и вся трудность: требуется доказательство для каждого достаточно большого четного N, включая самые неблагоприятные арифметические случаи.

Средняя асимптотика для этого недостаточна.

5 — Связь с уровнями неснижаемости

Функции H(V) и V(K) являются двумя сторонами одной структуры.

H(V) отвечает:

какой уровень гарантирован после границы V?

V(K) отвечает:

с какой границы гарантирован уровень K?

При существовании V(K) определим:

V(K) = минимальное четное V,

для которого:

H(V) >= K.

То есть:

V(K) = min {V: H(V) >= K}.

Это строгая связь между нижней функцией и границей неснижаемости.

Отсюда немедленно следует:

V(K) <= V

тогда и только тогда, когда:

H(V) >= K.

Эта эквивалентность будет чрезвычайно полезна в дальнейшем.

Она позволяет свободно переходить между двумя системами координат:

уровневой;

и масштабной.

V как обобщенная обратная функция H

Поскольку H является ступенчатой и может перескакивать через несколько целых значений, обычной взаимно однозначной обратной функции у нее нет.

Но V(K) выполняет роль обобщенной обратной функции.

Если Метатеорема истинна для всех K, то:

V(K) = min {V: H(V) >= K}.

И наоборот, для данного V:

H(V)

равна максимальному уровню K, граница которого уже пройдена:

H(V) = max {K: V(K) <= V}.

Здесь предполагается, что рассматриваются уровни, для которых V(K) существует.

Если Метатеорема доказана полностью, формула действует для всех K.

Таким образом, графики H(V) и V(K) кодируют одну и ту же ступенчатую систему, только с переставленными ролями осей.

Связь с последними нарушениями

Если множество нарушений уровня K непусто и имеет последний элемент B(K), то:

V(K) = B(K) + 2.

Следовательно:

H(B(K)) < K,

но:

H(B(K)+2) >= K.

То есть последнее нарушение является точкой непосредственно перед вертикальным переходом нижней функции через уровень K.

Если один и тот же B определяет несколько соседних уровней:

K,

K+1,

…,

K+m,

то после:

B+2

нижняя функция перепрыгивает сразу через весь этот пакет.

Отсюда возникает точная связь между тремя ранее введенными объектами:

последними нарушениями;

плато V(K);

скачками H(V).

Все они описывают одну экстремальную структуру.

Переходная зона и нижняя функция

Первое достижение A(K) означает:

существует хотя бы одно N = A(K), для которого:

G(N) >= K.

Но это ничего не говорит о H(A(K)).

Вполне возможно:

G(A(K)) >> K,

а:

H(A(K)) << K.

Именно это многократно наблюдалось в вычислительной лаборатории.

Например, высокий уровень может впервые появиться на арифметически очень благоприятном числе, после чего следующие числа снова опускаются значительно ниже него.

Поэтому переходная зона:

Z(K) = V(K) — A(K)

может быть интерпретирована как расстояние между:

первым локальным достижением уровня K

и:

моментом, когда нижняя функция H окончательно достигает K.

Это дает особенно ясное понимание смысла переходной зоны.

6 — Связь с мультипликативными траекториями

Мультипликативные траектории ранее строились в пространстве уровней:

K,

rK,

r^2 K,

r^3 K,

…

С помощью нижней функции можно описать тот же процесс в пространстве натуральных границ.

Пусть на некоторой границе V известно:

H(V) >= K.

Мы ищем следующую границу W, для которой:

H(W) >= rK.

Минимальная такая граница:

W = V(rK).

Если:

V = V(K),

то мультипликативный переход имеет вид:

V(K) -> V(rK).

Таким образом, цена мультипликативного усиления может быть записана непосредственно через H.

Например, для удвоения необходимо найти минимальное W такое, что:

H(W) >= 2H(V),

если исходная граница V соответствует точно выбранному уровню.

Но здесь следует соблюдать осторожность. Если:

H(V) > K,

то граница V может уже содержать некоторый резерв. Поэтому более точная уровневaя постановка сохраняет явное K:

H(V(K)) >= K,

затем ищется:

V(rK).

Событийное время через H

Абсолютное натуральное время перехода:

T_r(K) = V(rK) — V(K).

Это расстояние, которое необходимо пройти по оси V, чтобы нижняя функция поднялась от гарантии не менее K до гарантии не менее rK.

Относительная цена:

R_r(K) = V(rK) / V(K).

В языке H это означает измерение горизонтального масштаба, необходимого для заданного вертикального усиления нижней функции.

Поэтому мультипликативные траектории можно понимать как специальную систему выборки ступенчатой функции H.

Мы не исследуем каждый ее вертикальный шаг.

Мы фиксируем значительные события:

K -> 2K;

K -> 3K;

K -> 4K;

и измеряем расстояние между соответствующими уровнями нижней функции.

Мультипликативный переход как достаточное условие Метатеоремы

Предположим, удается доказать существование конечного перехода:

V(K) -> V(2K)

для любого K, для которого V(K) уже существует.

Тогда из одного базового уровня K0 получаем:

K0,

2K0,

4K0,

8K0,

…

Для каждого из них существует конечная граница.

Поскольку эта последовательность уровней неограниченна, H(V) также неограниченна.

Следовательно:

H(V) -> infinity.

То есть Метатеорема доказана.

В терминах нижней функции доказательная схема приобретает особенно прозрачный вид.

Нужно установить не точную формулу H(V), а механизм, который позволяет из одной гарантированной высоты построить конечную новую границу, на которой гарантированная высота увеличивается в фиксированное число раз.

Схематически:

H(V) >= K

=>

существует конечное W > V такое, что:

H(W) >= 2K.

Если этот переход универсален и воспроизводим, начинается бесконечная лестница.

Общий коэффициент роста

Более общая форма:

H(V) >= K

=>

существует конечное W такое, что:

H(W) >= rK,

где:

r > 1.

Для доказательства Метатеоремы значение r принципиально несущественно, если оно фиксировано и больше единицы.

Даже очень небольшой постоянный мультипликативный рост уровня при каждом замкнутом переходе дает:

K,

rK,

r^2K,

…

и:

r^jK -> infinity.

Следовательно, центральная проблема состоит не в том, равен ли коэффициент 2, 3 или иной величине.

Главное — доказать конечность каждого следующего шага и воспроизводимость состояния.

Нижняя функция и индукционное состояние

Теперь начинает проясняться возможная архитектура состояния S(K).

Целевым компонентом является:

H(V) >= K.

Но одного этого условия, вероятно, недостаточно для доказательства:

H(W) >= 2K.

Могут понадобиться дополнительные характеристики:

арифметическая нижняя оценка;

резерв;

коридор нормированного показателя;

контроль неблагоприятных классов;

оценка потерь;

масштабная граница;

свойство компенсации.

Тогда состояние может иметь вид:

S(K) = {H(V) >= K, дополнительные условия}.

Задача состоит в доказательстве:

S(K) => S(2K).

Если это удастся, нижняя функция превращается из описательного объекта в ядро метаиндукционного механизма.

Главный переход доказательной части

После всех предшествующих вычислительных и методологических исследований центральная задача теперь может быть сформулирована предельно компактно:

доказать, что нижняя функция H(V) не может оставаться ограниченной.

Эквивалентно:

для любого K необходимо построить конечную V(K).

Или еще сильнее в индукционной форме:

из конечности V(K) получить конечность V(rK) посредством одного универсального закона.

Таким образом, все основные объекты книги соединяются:

G(N) описывает отдельное четное число;

H(V) описывает гарантированный минимум всего будущего хвоста;

V(K) является обобщенной обратной функцией H;

B(K) фиксирует последнее нарушение уровня;

мультипликативная траектория измеряет рост V при фиксированном усилении H;

метаиндукция должна обеспечить универсальное воспроизводство такого усиления.

Именно H(V) становится естественным мостом между исходной проблемой о количестве разложений и будущей доказательной конструкцией.

Метатеорема может быть записана одной строкой:

H(V) -> infinity.

Но за этой короткой формулой скрывается вся трудность задачи.

Необходимо показать, что среди сколь угодно больших четных чисел не может существовать бесконечная последовательность все новых глубоких провалов, удерживающих H(V) ниже некоторого фиксированного уровня.

Следующая задача поэтому состоит уже не в дальнейшем определении нижней функции, а в поиске механизма, который заставляет ее переходить от одного гарантированного уровня к следующему и не позволяет возвращаться назад.

***********

Именно соединение экстремального контроля и индукционной воспроизводимости является главным содержанием этой главы.

1 — Поиск метаинварианта

Начнем с того, что метаинвариантом не обязательно должна быть константа.

В простейшей механической задаче инвариантом может быть постоянная энергия.

В настоящей задаче такая форма, вероятно, слишком жестка.

Функция G(N) сильно колеблется.

Границы V(K) скачкообразны.

Плато имеют различную длину.

Относительные коэффициенты меняются с масштабом.

Поэтому естественно искать не постоянное числовое значение, а инвариантную систему неравенств, сохраняющуюся при переходе.

Наиболее общий вид такого состояния можно записать:

S(K) = {P1(K), P2(K), …, Pm(K)},

где каждый Pi является утверждением или ограничением.

Например, потенциальное состояние может включать:

гарантированный уровень K;

границу V(K);

нижнюю оценку числа разложений;

нормированную нижнюю характеристику;

арифметическую поправку;

положительный резерв;

верхнюю оценку потерь;

нижнюю оценку компенсации.

Сам по себе такой список еще ничего не доказывает. Задача состоит в нахождении минимальной системы, для которой можно установить:

S(K) => S(rK).

Особенно важно, чтобы состояние было закрыто по форме.

Если переход от K к 2K требует одной характеристики, а от 2K к 4K уже совершенно другой, индукционного механизма не возникает.

Настоящий метаинвариант должен возвращаться после перехода в ту же доказательную систему.

Кандидат, подсказанный вычислениями

Адверсарный анализ предыдущей части показал, что естественной нормировкой количества представлений является величина порядка:

G(N) * (log N)^2 / N.

Однако сама эта нормировка не учитывает арифметическую неоднородность N.

Поэтому более содержательный кандидат имеет форму:

R(N) = G(N) * (log N)^2 / [N * S(N)],

где S(N) обозначает арифметический множитель, характеризующий влияние нечетных простых делителей N.

В вычислительной части наиболее неблагоприятными оказывались числа, для которых S(N) близок к 1.

Следовательно, если бы удалось доказать универсальное неравенство:

R(N) >= c

для некоторого:

c > 0

и всех достаточно больших четных N, то получили бы:

G(N) >= c * S(N) * N/(log N)^2.

Поскольку:

S(N) >= 1,

следовало бы:

G(N) >= c * N/(log N)^2.

А правая часть стремится к бесконечности.

Такое неравенство немедленно доказало бы Метатеорему.

Именно поэтому оно является чрезвычайно сильным кандидатом.

Но необходимо ясно понимать: доказательство подобной универсальной положительной нижней границы фактически содержит основную трудность всей задачи. Мы не можем использовать ее как предпосылку, не доказав независимо.

Следовательно, R(N) пока является кандидатом на аналитический метаинвариант, а не установленным инвариантом.

2 — Нижний экстремальный слой

Для универсальной теоремы недостаточно понимать типичное значение G(N).

Пусть на некотором масштабе большинство четных чисел имеет тысячи представлений.

Если существует хотя бы одно число с:

G(N) = 17,

то гарантированный минимум этого хвоста не превосходит 17.

Поэтому определяющим объектом является нижний экстремальный слой.

В глобальной форме он кодируется функцией:

H(V) = min G(N)

по всем четным N >= V.

Но для поиска механизма перехода одного значения H(V) может быть недостаточно.

Важно понимать структуру чисел, которые находятся близко к этому минимуму.

Назовем для фиксированной границы V и некоторого небольшого запаса d множество:

E_d(V) = {N >= V, N четно: G(N) <= H(V) + d}.

Это нижний экстремальный слой ширины d.

При:

d = 0

получаем числа, непосредственно достигающие хвостового минимума.

При положительном d получаем более широкий слой почти худших случаев.

Зачем нужен такой объект?

Если рассматривать только одно число, достигающее минимума, можно не увидеть общей арифметической структуры.

Если же множество почти минимальных чисел обладает общими признаками, появляется шанс доказать нижнюю оценку сразу для целого неблагоприятного класса.

Вычислительная лаборатория показала, что локальные минимумы и нижние процентили часто располагаются близко друг к другу. Это означает, что нижний слой может быть не единичным аномальным провалом, а достаточно устойчивым арифметическим режимом.

Именно этот режим необходимо контролировать.

Экстремальный слой как объект индукции

Можно представить состояние:

S(K)

не как характеристику одного числа, а как утверждение о целом классе худших случаев.

Например:

все четные N >= V(K), принадлежащие наиболее неблагоприятному арифметическому классу, удовлетворяют некоторой нижней оценке.

Если такой класс действительно содержит потенциальные глобальные минимумы, контроль над ним автоматически распространяется и на остальные числа.

Это был бы гораздо более сильный способ построения перехода, чем непосредственная работа со всеми четными числами одновременно.

Но для такой стратегии необходимо доказать две вещи.

Первая:

действительно ли худшие случаи принадлежат контролируемому классу?

Вторая:

действует ли внутри этого класса достаточная нижняя оценка?

Обе задачи нетривиальны.

3 — Структура худших случаев

Вычислительный адверсарный анализ выявил важную закономерность: особенно низкие нормированные значения G(N) характерны для четных чисел, не имеющих малых нечетных простых делителей.

Это естественно и с аналитической точки зрения.

Если N делится на малый нечетный простой p, количество допустимых пар простых может получать дополнительное арифметическое усиление.

Если таких делителей нет, это усиление минимально.

Поэтому условно можно выделить два типа чисел.

Арифметически богатые числа:

N делится на несколько малых нечетных простых.

Арифметически бедные числа:

малые нечетные простые делители отсутствуют.

Именно второй класс наиболее опасен для нижней огибающей.

Особенно удобный модельный подкласс:

N = 2q,

где q — большое простое.

Но этот класс не исчерпывает всех худших случаев.

Например, числа вида:

4q,

8q,

16q

с большим простым q

также могут иметь очень малый арифметический множитель.

Следовательно, более фундаментальной характеристикой является не конкретная форма N = 2q, а значение арифметического фактора S(N).

Чем ближе:

S(N)

к 1, тем меньше структурный бонус.

Первый возможный принцип экстремального редукционизма

Возникает потенциально очень сильная идея.

Вместо доказательства нижней оценки для всех четных N можно попытаться доказать, что минимальное G(N), после соответствующей нормировки, достигается или почти достигается в классе с минимальным S(N).

Если бы удалось установить неравенство:

G(N) >= F(N, S(N)),

где F возрастает по S,

то худший случай автоматически сводился бы к:

S(N) около 1.

Тогда значительная часть арифметической неоднородности исчезла бы из доказательной задачи.

Но такая редукция сама требует доказательства.

Нельзя просто предположить, что арифметически бедные числа всегда дают абсолютный минимум.

Вычисления лишь показывают, что это очень сильный кандидат.

Структура худшего случая и метаинвариант

Для метаиндукции особенно важен не конкретный худший N, а сохранение типа худшего случая при увеличении масштаба.

Если на каждом масштабе экстремальный слой определяется одной и той же арифметической характеристикой, то индукционное состояние может включать не отдельные числа, а класс:

C_bad(V).

Тогда переход должен контролировать:

минимум G(N)

по:

N принадлежит C_bad

и:

N >= V.

Именно такой переход потенциально значительно более управляем, чем анализ всей совокупности четных чисел.

4 — Резерв разложений

Пусть требуется гарантировать уровень K.

Если для всех четных N >= V доказано только:

G(N) >= K,

то формально уровень достигнут, но доказательная система не имеет запаса.

Если же удалось установить:

G(N) >= K + rho,

где:

rho > 0,

появляется резерв.

Определим локальный резерв относительно уровня K:

rho_K(N) = G(N) — K.

Глобальный хвостовой резерв:

rho(K,V) = H(V) — K.

Если:

H(V) = K,

резерв равен нулю.

Если:

H(V) > K,

имеется положительный запас.

Для минимальной границы V(K) резерв может быть как нулевым, так и положительным.

Именно плато V(K) означают существование пакетного резерва.

Если:

V(K) = V(K+1) = … = V(K+m),

то после этой границы гарантируется не только K, но сразу:

K+m.

Следовательно, уровень K имеет резерв по меньшей мере:

m.

Абсолютный и относительный резерв

Можно рассматривать абсолютный резерв:

rho_abs = H(V) — K.

И относительный:

rho_rel = [H(V) — K] / K.

Для мультипликативного перехода относительный резерв особенно важен.

Например, переход:

K -> 2K

требует дополнительного ресурса величины K.

Если текущий резерв составляет лишь постоянное число:

10,

то на больших K он становится относительнo ничтожным.

Если же резерв пропорционален K:

rho >= cK,

он уже способен играть масштабную роль.

Следовательно, для метаиндукции важен вопрос не только о наличии резерва, но и о его законе роста.

Резерв как защита от потерь

Индукционный переход необязательно должен сохранять каждое представление.

При изменении масштаба часть ранее доступной структуры может исчезать.

Но если резерв превышает максимальные потери, уровень сохраняется.

Это приводит к балансовому принципу:

новый гарантированный ресурс

=

старый переносимый ресурс

новые представления

потери.

Если результат не меньше требуемого нового уровня, переход успешен.

Символически:

K + rho(K) + C(K) — L(K) >= rK,

где:

rho(K) — исходный резерв;

C(K) — гарантированная компенсация;

L(K) — потери;

rK — требуемый новый уровень.

Это пока схема, но она показывает, какие именно величины необходимо искать аналитически.

5 — Потери

Понятие потерь является критическим, поскольку многие наивные индукционные аргументы в проблемах о простых рушатся именно здесь.

Предположим, что для числа N имеется K представлений:

N = p_i + q_i.

Если перейти к некоторому большему числу M, нельзя просто предположить, что эти же K представлений каким-либо естественным образом преобразуются в представления M.

Простота чисел не сохраняется при произвольном сдвиге.

Если:

p

простое,

то:

p+d

может быть составным.

То же относится к q.

Следовательно, прямой перенос пар:

(p,q)

между соседними N почти всегда невозможен как универсальный механизм.

Это и есть один из главных источников потерь.

Типы потерь

Можно выделить несколько типов.

Структурные потери.

Представления предыдущего числа вообще не переносятся на новое число.

Арифметические потери.

Кандидатная пара исключается из-за делимости одного слагаемого на малый простой.

Масштабные потери.

При переходе между диапазонами часть потенциальных простых лежит вне допустимой области.

Корреляционные потери.

Даже если плотности простых высоки, условия простоты p и N-p не являются независимыми в простом вероятностном смысле.

Именно последнее делает особенно опасным использование слишком наивных статистических моделей.

Почему потери должны быть оценены сверху

Для индукционного перехода необязательно знать точное число потерянных кандидатов.

Достаточно доказать:

L(K) <= L_max(K).

Если одновременно:

C(K) + rho(K) >= L_max(K) + (r-1)K,

то переход закрывается.

Следовательно, доказательная архитектура может строиться не на точном подсчете, а на двух неравенствах:

верхняя оценка потерь;

нижняя оценка компенсации.

Это значительно реалистичнее.

Однако обе оценки должны быть универсальными, включая худшие арифметические случаи.

6 — Гарантированная компенсация

Компенсация — это новый ресурс, который возникает при переходе к большему масштабу.

Интуитивно увеличение N расширяет множество потенциальных простых p, которые могут участвовать в представлении:

N = p + (N-p).

Но превращение этой интуиции в теорему является центральной трудностью.

Необходимо доказать не просто, что новых кандидатов становится больше, а что среди них гарантированно возникает достаточно новых пар простых.

Слабая и сильная компенсация

Слабая компенсация:

C(K) > 0.

Она означает, что переход гарантированно создает хотя бы одно новое представление.

Для Метатеоремы этого может быть недостаточно.

Сильная компенсация:

C(K) >= cK

для некоторого:

c > 0.

Она уже способна обеспечить мультипликативный рост.

Еще более сильная форма:

C(K) >= (r-1)K + L(K) — rho(K).

Тогда автоматически:

K + rho(K) + C(K) — L(K) >= rK.

Это и есть точное балансовое условие перехода.

Компенсация через нижнюю аналитическую оценку

Если удается доказать прямую нижнюю оценку:

G(N) >= F(N)

для всех достаточно больших четных N,

где:

F(N) -> infinity,

то необходимость отслеживать отдельные переносимые пары исчезает.

Компенсация тогда содержится уже в самой функции F.

Например, если:

F(N) = c*N/(log N)^2,

можно выбирать границу W настолько большой, чтобы:

F(W) >= 2K.

Тогда:

H(W) >= 2K.

В такой схеме переход:

K -> 2K

осуществляется не через непосредственное сохранение предыдущих представлений, а через рост универсальной нижней оценки.

Это принципиально другой тип метаиндукции.

Состояние переносит не сами пары простых, а аналитическую гарантию.

Возможно, именно такая архитектура окажется естественнее.

Компенсация через классы вычетов и сито

Другой возможный путь — разбить потенциальные представления по классам вычетов и доказать, что после исключения составных остается достаточно допустимых пар.

Здесь неизбежно возникает глубокая проблема паритета в ситовых методах.

Простые числа не являются обычным случайным множеством, и элементарное сито плохо различает числа с нечетным и четным количеством простых факторов в той форме, которая требуется для бинарных задач.

Поэтому любая компенсационная лемма должна быть проверена на отсутствие скрытого предположения:

«достаточно много кандидатов автоматически означает достаточно много пар простых».

Это неверно без дополнительного аргумента.

Гарантированная компенсация как ключевая лемма

Возможную будущую лемму можно сформулировать абстрактно.

Лемма компенсации.

Для каждого состояния S(K), удовлетворяющего условиям индукционного метаинварианта, существует конечный масштаб W такой, что гарантированный прирост новых представлений после учета всех потерь достаточен для достижения состояния S(rK).

Именно доказательство подобной леммы было бы фактическим ядром Метатеоремы.

Все вычислительные наблюдения о росте, коридорах и нормировках лишь помогают угадать ее правильную форму.

7 — Инвариант перехода

Теперь можно сформулировать абстрактную структуру инварианта перехода.

Пусть состояние уровня K имеет вид:

S(K) = {V(K), H(V(K)), R(K), rho(K), L_max(K), C_min(K)}.

Здесь:

V(K) — текущая гарантированная граница;

H(V(K)) — хвостовой минимум;

R(K) — нормированная экстремальная характеристика;

rho(K) — резерв;

L_max(K) — доказанная верхняя оценка потерь;

C_min(K) — доказанная нижняя оценка компенсации.

Не все эти компоненты обязательно войдут в окончательное доказательство. Возможно, часть из них окажется избыточной. Но такая система показывает, какой тип информации потенциально необходим.

Для мультипликативного перехода:

K -> rK

необходимо доказать существование конечного:

W = W(K)

такого, что новое состояние:

S(rK)

снова удовлетворяет тем же структурным условиям.

Балансовая часть перехода должна обеспечивать:

H(W) >= rK.

Но этого мало.

Необходимо также восстановить:

R(rK);

rho(rK);

новые оценки потерь;

новые оценки компенсации.

Иначе следующий шаг:

rK -> r^2K

не будет обеспечен.

Именно здесь проявляется смысл инварианта.

Минимальная форма

В наиболее компактной форме инвариант может состоять всего из одного универсального неравенства.

Если доказано:

G(N) >= F(N)

для всех достаточно больших четных N,

где:

F(N) -> infinity,

то состояние можно свести к:

S(V) = {H(V) >= F(V)}.

Если F обладает достаточной монотонностью, переход автоматически воспроизводится.

В таком случае вся сложная теория резерва, потерь и компенсации схлопывается в одну сильную аналитическую нижнюю оценку.

Это было бы идеальным вариантом.

Но именно получение такой оценки, вероятно, является самым трудным.

Многокомпонентная форма

Если прямую нижнюю оценку доказать невозможно, может понадобиться более богатое состояние.

Например:

S(K) = {
гарантированный уровень K,
контроль худшего арифметического класса,
положительный нормированный резерв,
верхняя оценка относительных потерь,
нижняя оценка появления новых допустимых пар
}.

Тогда переход строится как баланс нескольких компонентов.

В этой форме метаиндукция становится действительно необходимой: первичное утверждение о G(N) само не замыкается, а расширенное состояние может замкнуться.

Критерий настоящего метаинварианта

Кандидат можно считать настоящим индукционным метаинвариантом только при выполнении следующих условий.

Он должен быть строго определен.

Он должен выполняться хотя бы для одной конечной базы.

Он должен контролировать худшие случаи, а не среднее поведение.

Он должен давать положительный запас, достаточный для перехода.

Все возможные потери должны иметь доказанную верхнюю оценку.

Компенсация должна иметь доказанную нижнюю оценку.

Из текущего состояния должно следовать новое состояние той же формы.

Переход должен работать для произвольного K рассматриваемого класса.

Ни один его компонент не должен скрыто предполагать саму Метатеорему.

Если хотя бы одно из этих требований отсутствует, мы имеем лишь эмпирический или эвристический кандидат.

Главная формула перехода

В максимально общем виде баланс метаиндукции можно записать:

Resource(K) + Gain(K) — Loss(K) >= Requirement(rK).

В терминах уровней:

K + rho(K) + C_min(K) — L_max(K) >= rK.

Следовательно, достаточным условием является:

rho(K) + C_min(K) — L_max(K) >= (r-1)K.

Эта формула не является доказанной формулой для Гольдбаха.

Она является структурным критерием, показывающим, что именно должно быть доказано, если переход строится через резерв, потери и компенсацию.

В этом смысле она играет роль проектной схемы будущего доказательства.

Два возможных пути

После всех предыдущих исследований вырисовываются два принципиально различных маршрута.

Первый путь — прямой аналитический.

Доказать универсальную нижнюю оценку:

G(N) >= F(N),

где:

F(N) -> infinity.

Тогда Метатеорема следует непосредственно.

Второй путь — метаиндукционный.

Не искать сразу глобальную F(N), а построить многокомпонентное состояние S(K), контролирующее экстремальный слой, резерв, потери и компенсацию, после чего доказать:

S(K) => S(rK).

Оба пути не исключают друг друга.

Более того, вероятно, они могут сблизиться.

Частичная аналитическая нижняя оценка может стать одним из компонентов S(K), а метаиндукция — механизмом ее усиления.

Итоговая постановка

После этой главы основная неизвестная больше не является расплывчатой.

Необходимо найти такую универсальную структуру, которая объясняет, почему нижний экстремальный слой не способен бесконечно удерживаться на фиксированном уровне.

Вычисления подсказывают возможные элементы этой структуры:

масштаб N/(log N)^2;

арифметический множитель;

особую роль чисел без малых нечетных делителей;

сужение нормированного неблагоприятного слоя;

пакетные резервы;

мультипликативную устойчивость границ.

Но доказательство требует превратить хотя бы часть этих наблюдений в универсальные неравенства.

Поэтому центральная задача теперь имеет форму:

найти и доказать индукционный метаинвариант, обеспечивающий положительный баланс перехода от уровня K к более высокому уровню и воспроизводящий собственные условия после этого перехода.

Если такой инвариант существует и может быть установлен хотя бы для одной конечной базы, возникает реальный механизм бесконечного подъема:

S(K0)

=>

S(rK0)

=>

S(r^2K0)

=>

S(r^3K0)

=>

…

а вместе с ним:

H(V) -> infinity.

И именно этот переход должен стать предметом следующего этапа доказательной части.

************

Глава 4. Леммы перехода

После введения нижней функции H(V) и индукционного метаинварианта доказательная задача должна быть разложена на отдельные леммы. Такое разложение необходимо не только для удобства изложения. Оно позволяет точно определить, какие звенья уже следуют из общей логики конструкции, а какие требуют новых содержательных результатов теории простых чисел.

Это различие принципиально.

Некоторые свойства нижней функции доказываются непосредственно из ее определения. Они не содержат главной трудности проблемы Гольдбаха.

Другие утверждения, прежде всего гарантированное усиление уровня и исключение будущего критического провала, являются значительно более сильными. Именно они должны нести основную арифметическую нагрузку будущего доказательства.

Поэтому далее будем различать:

структурные леммы — уже выводимые из определений;

переходные леммы — утверждения, которые необходимо доказать аналитически;

сводную теорему перехода — логическую конструкцию, показывающую, что доказательство переходных лемм действительно достаточно для Метатеоремы.

Зафиксируем обозначения.

G(N) — количество неупорядоченных представлений четного N в виде суммы двух простых.

H(V) — глобальный гарантированный минимум:

H(V) = min G(N)

по всем четным:

N >= V.

V(K) — минимальная четная граница, начиная с которой гарантирован уровень K:

V(K) = min {V: H(V) >= K},

если такая граница существует.

S(K) — полное индукционное состояние уровня K.

Целью является построение универсального перехода:

S(K) => S(2K)

или, более общо:

S(K) => S(rK),

где:

r > 1.

1 — Лемма сохранения

Начнем с простейшего, но фундаментального свойства.

Лемма сохранения уровня.

Если для некоторой четной границы V выполняется:

H(V) >= K,

то для любой четной:

W >= V

также выполняется:

H(W) >= K.

Доказательство

По определению:

H(V) = min {G(N): N четно, N >= V}.

При:

W >= V

множество четных чисел:

{N: N >= W}

является подмножеством множества:

{N: N >= V}.

Удаление некоторой начальной части множества не может уменьшить его минимум.

Следовательно:

H(W) >= H(V).

Если:

H(V) >= K,

то:

H(W) >= K.

Что и требовалось доказать.

Смысл леммы

Лемма сохранения устанавливает необратимость уже достигнутой глобальной гарантии.

Если уровень K стал гарантированным после V, он уже не может быть потерян при дальнейшем продвижении правее по натуральному ряду.

Это утверждение не означает, что сама функция G(N) не может уменьшаться.

Она может.

Например:

G(N+2) < G(N)

вполне возможно.

Но глобальный гарантированный минимум H(V) при движении V вправо уменьшаться не может.

Именно поэтому H является естественным объектом индукционной конструкции: в отличие от G, она обладает встроенной необратимостью.

Следствие

Если V(K) существует, то для каждого четного:

W >= V(K)

выполняется:

H(W) >= K.

Следовательно:

G(N) >= K

для каждого четного:

N >= W.

Таким образом, достигнутый уровень не требует повторного доказательства после каждой новой границы.

2 — Лемма усиления

Сохранение уровня само по себе не дает Метатеорему. Если мы однажды получили:

H(V) >= K,

лемма сохранения гарантирует лишь тот же K.

Необходим механизм усиления.

Наиболее общую строгую форму можно сформулировать через универсальную нижнюю оценку.

Лемма усиления через нижнюю функцию.

Пусть существует функция F(N), такая что начиная с некоторого N0 для каждого четного N:

G(N) >= F(N).

Предположим также, что начиная с некоторого масштаба F не убывает.

Если для некоторого четного W >= N0 выполняется:

F(W) >= K + D,

где:

D > 0,

то:

H(W) >= K + D.

Доказательство

Для каждого четного:

N >= W

по условию:

G(N) >= F(N).

Поскольку F не убывает:

F(N) >= F(W).

Следовательно:

G(N) >= F(W) >= K + D

для каждого четного N >= W.

Значит:

H(W) >= K + D.

Что и требовалось доказать.

Значение этой леммы

Сама лемма элементарна. Вся математическая сложность переносится в доказательство существования функции F.

Но именно это разделение полезно.

Оно показывает, что для Метатеоремы вовсе не обязательно находить точную формулу H(V).

Достаточно построить любую доказанную универсальную нижнюю оценку, стремящуюся к бесконечности.

Если:

F(N) -> infinity,

то для любого K можно выбрать конечное W с:

F(W) >= K.

Следовательно:

H(W) >= K.

Таким образом, Метатеорема будет доказана.

Метаиндукционная форма усиления

Если прямую функцию F получить не удается, усиление может быть сформулировано через баланс состояния.

Пусть на уровне K имеется резерв:

rho(K),

гарантированная компенсация:

C_min(K),

и верхняя оценка потерь:

L_max(K).

Тогда достаточным условием усиления до уровня:

K + D

является:

rho(K) + C_min(K) — L_max(K) >= D.

Для удвоения:

D = K,

поэтому достаточно:

rho(K) + C_min(K) — L_max(K) >= K.

Это пока не арифметическая теорема, а точный балансовый критерий, которому должна удовлетворять будущая лемма перехода.

3 — Лемма границы

Следующая структурная лемма связывает универсальную нижнюю оценку с существованием V(K).

Лемма границы.

Пусть для некоторого натурального K существует конечное четное число U(K), такое что:

G(N) >= K

для каждого четного:

N >= U(K).

Тогда глобальная граница неснижаемости V(K) существует и:

V(K) <= U(K).

Доказательство

Рассмотрим множество четных V, удовлетворяющих условию:

G(N) >= K

для каждого четного N >= V.

По предположению U(K) принадлежит этому множеству.

Следовательно, множество непусто.

Поскольку оно состоит из натуральных чисел, у него существует минимальный элемент.

Именно этот элемент по определению является V(K).

Поэтому:

V(K) <= U(K).

Что и требовалось доказать.

Зачем нужна эта лемма

В доказательстве необязательно вычислять точную V(K).

Это чрезвычайно важно.

Можно построить некоторую удобную, возможно очень грубую границу:

U(K),

доказать:

N >= U(K) => G(N) >= K,

и этого уже достаточно.

Точная граница V(K) может быть значительно меньше.

Следовательно, задача доказательства Метатеоремы — не поиск оптимальных границ.

Она значительно слабее:

для каждого K необходимо получить хотя бы одну конечную доказанную верхнюю границу U(K).

Если это сделано:

V(K) <= U(K) < infinity.

Опасность круговой аргументации

Нельзя определять U(K) через уже предполагаемое существование V(K).

Например, утверждение:

«пусть U(K) = 2V(K)»

ничего не доказывает, если сама конечность V(K) еще неизвестна.

U(K) должна быть построена независимо из ранее доказанных оценок.

Это одно из важнейших требований к будущей переходной лемме.

4 — Лемма неснижаемости

Термин «неснижаемость» используется в настоящей книге не в смысле монотонности G(N), а в смысле необратимого закрепления гарантированного уровня.

Лемма неснижаемости.

Если V(K) существует, то уровень K после этой границы не нарушается:

N >= V(K) => G(N) >= K

для каждого четного N.

Кроме того, если существуют V(K1) и V(K2) и:

K2 >= K1,

то:

V(K2) >= V(K1).

Доказательство второй части

Пусть предположим противное:

V(K2) < V(K1).

Так как:

K2 >= K1,

из определения V(K2) следует:

G(N) >= K2 >= K1

для каждого четного:

N >= V(K2).

Но тогда V(K2) уже является допустимой границей уровня K1.

Это противоречит минимальности V(K1), поскольку:

V(K2) < V(K1).

Следовательно:

V(K2) >= V(K1).

Следствие

Функция:

K -> V(K)

не убывает там, где она определена.

Это является точным структурным свойством.

Плато возникают тогда, когда:

V(K) = V(K+1)

или даже:

V(K) = V(K+1) = … = V(K+m).

Скачки возникают, когда для следующего уровня требуется новая более дальняя граница.

Обратная форма

Поскольку H(V) не убывает по V, а V(K) не убывает по K, обе функции образуют двойственную ступенчатую систему.

Поэтому лемма неснижаемости фактически утверждает согласованность двух монотонностей:

рост натуральной границы не может уменьшить гарантированный уровень;

повышение требуемого уровня не может сдвинуть минимальную границу влево.

Эта структура полностью доказана уже на уровне определений.

5 — Лемма удвоения

Теперь мы подходим к первому действительно критическому утверждению.

Именно здесь структурная логика заканчивается и начинается центральная арифметическая проблема.

Желаемая формулировка имеет вид.

Кандидат на Лемму удвоения.

Пусть состояние S(K) является допустимым индукционным состоянием и гарантирует существование конечной границы V(K).

Тогда существует конечная граница W и состояние того же типа S(2K), такие что:

H(W) >= 2K.

Иными словами:

S(K) => S(2K).

Если эта лемма будет доказана универсально для произвольного K, она даст основной двигатель Метатеоремы.

Но именно ее нельзя просто объявить истинной.

Почему недостаточно знать V(K)

Из одного факта:

H(V(K)) >= K

не следует существование конечной:

V(2K).

Это было бы почти непосредственным предположением того, что необходимо доказать.

Поэтому состояние S(K) должно содержать дополнительную информацию.

Например:

S(K) = {
V(K),
нижняя нормированная оценка,
арифметический контроль худших случаев,
резерв,
верхняя оценка потерь,
нижняя оценка компенсации
}.

Тогда удвоение должно выводиться из всего состояния, а не только из существования уровня K.

Абстрактная достаточная форма

Предположим, для состояния S(K) удается построить конечное W(K) и доказать:

1 — исходный гарантированный ресурс не меньше K;

2 — резерв равен не менее rho(K);

3 — потери при переходе не превосходят L_max(K);

4 — гарантированное новое приобретение не меньше C_min(K);

5 — выполняется:

rho(K) + C_min(K) — L_max(K) >= K;

6 — после перехода восстанавливаются все дополнительные компоненты состояния.

Тогда:

H(W(K)) >= 2K

и возникает:

S(2K).

Эта схема логически корректна.

Но арифметически трудны пункты 3, 4 и 6.

Именно они не должны быть заменены экспериментальными предположениями.

Условная аналитическая версия

Существует и более простой путь.

Предположим, удалось доказать:

G(N) >= F(N)

для всех достаточно больших четных N,

где:

F(N) -> infinity.

Тогда для любого K выбираем конечное W такое, что:

F(W) >= 2K.

По лемме усиления:

H(W) >= 2K.

Следовательно:

V(2K) <= W.

В таком случае Лемма удвоения доказывается автоматически.

Но получение такой F фактически уже содержит основной результат.

Таким образом, имеются два возможных пути:

прямая универсальная нижняя оценка;

или многокомпонентный метаиндукционный переход.

6 — Лемма о невозможности критического провала

Даже если на некотором W найдено много представлений, этого недостаточно для неснижаемости.

Необходимо исключить возможность того, что намного дальше возникнет новое четное число:

N >> W,

для которого:

G(N) < 2K.

Такое число назовем критическим провалом относительно уровня 2K.

Следовательно, ключевая переходная лемма должна иметь форму:

Лемма о невозможности критического провала.

Существует конечная граница W, после которой ни одно четное N не удовлетворяет:

G(N) < 2K.

Иными словами:

N >= W => G(N) >= 2K.

Но если оставить лемму в такой форме, она будет почти дословной переформулировкой существования V(2K).

Поэтому для реального доказательства необходимо дать ей независимую арифметическую структуру.

Некруговая форма через разбиение худших случаев

Пусть все достаточно большие четные числа разбиты на классы:

C1, C2, …, Cm

или на параметризованное семейство классов.

Для каждого класса необходимо получить независимую нижнюю оценку:

N принадлежит Cj => G(N) >= Fj(N).

Затем определить:

F_min(N) = min_j Fj(N).

Если удается доказать:

F_min(N) -> infinity,

то выбирается W такое, что:

F_min(N) >= 2K

для всех:

N >= W.

Тогда критический провал невозможен.

Такой аргумент является некруговым, потому что отсутствие провала выводится не из предположения о неснижаемости, а из независимых арифметических оценок каждого возможного класса.

Редукция к худшему арифметическому классу

Еще более сильной была бы лемма следующего типа.

Пусть существует класс C_bad, для которого доказано:

G(N) >= F_bad(N)

при:

N принадлежит C_bad,

и одновременно доказано, что для любого другого допустимого класса:

G(N) >= F_bad(N)

или, более реалистично, что его нижняя оценка не меньше оценки худшего класса.

Тогда достаточно контролировать только C_bad.

Вычислительные результаты показывают, что естественными кандидатами на такой неблагоприятный слой являются четные числа с минимальным количеством малых нечетных простых делителей.

Но экспериментальная закономерность еще не является редукционной леммой.

Нужно доказать, что никакой иной арифметический класс не способен породить более глубокий асимптотический провал.

Форма через нормированный показатель

Можно также попытаться доказать:

R(N) >= c > 0

для всех достаточно больших четных N,

где:

R(N) = G(N)(log N)^2/[NS(N)].

Если:

S(N) >= 1,

получаем:

G(N) >= c*N/(log N)^2.

Тогда критический провал фиксированного уровня K становится невозможным после достаточно большого N.

Но опять же именно универсальное доказательство:

R(N) >= c

является трудной частью.

Поэтому Лемма о невозможности критического провала должна рассматриваться как главный арифметический фильтр всего доказательства.

Если она не доказана, вычислительные данные не могут исключить появление будущего нарушения.

7 — Сводная теорема перехода

Теперь можно сформулировать общий результат, который уже является строгой логической теоремой относительно всей построенной архитектуры.

Сводная теорема перехода.

Пусть существует фиксированный коэффициент:

r > 1

и конечное индукционное состояние S(K), обладающее следующими свойствами.

1 — существует хотя бы один базовый уровень K0, для которого S(K0) доказано;

2 — из S(K) следует существование конечной текущей границы V(K);

3 — действует Лемма сохранения;

4 — существует универсальный механизм усиления;

5 — для перехода K -> rK имеется конечная конструктивная граница W(K);

6 — после W(K) исключены все критические провалы уровня rK;

7 — новое состояние S(rK) содержит все компоненты, необходимые для повторения того же перехода.

Тогда для каждого целого:

j >= 0

существует состояние:

S(r^j K0),

и, следовательно, конечная граница:

V(r^j K0).

Доказательство

База:

по условию S(K0) истинно.

Индукционный переход:

предположим, что S(r^j K0) истинно.

По универсальной переходной конструкции существует конечное W, после которого гарантирован уровень:

r * r^j K0 = r^(j+1) K0,

а все дополнительные условия состояния воспроизводятся.

Следовательно:

S(r^(j+1) K0)

истинно.

По математической индукции:

S(r^j K0)

истинно для каждого j.

Поскольку:

r > 1,

имеем:

r^j K0 -> infinity.

Следовательно, существуют конечные границы для неограниченной последовательности уровней.

Для произвольного натурального K выберем j такое, что:

r^j K0 >= K.

После границы:

V(r^j K0)

выполняется:

G(N) >= r^j K0 >= K

для всех четных N.

Значит, существует конечная граница и для уровня K.

Следовательно:

H(V) -> infinity.

Метатеорема Гольдбаха выполняется.

Что и требовалось доказать.

Особый случай удвоения

При:

r = 2

получаем лестницу:

K0,

2K0,

4K0,

8K0,

16K0,

…

Если взять:

K0 = 1,

то достаточно построить:

S(1) => S(2) => S(4) => S(8) => …

Для произвольного K существует степень двойки:

2^j >= K.

Следовательно, доказанные уровни степеней двойки автоматически покрывают все промежуточные уровни.

Это показывает, почему Лемма удвоения настолько важна.

Что Сводная теорема уже доказывает — и чего не доказывает

Сводная теорема является полноценным логическим утверждением.

Она доказывает:

если существует универсальный замкнутый переход S(K) -> S(rK), удовлетворяющий перечисленным требованиям, то Метатеорема следует.

Но она пока не доказывает существование самого перехода для функции Гольдбаха.

Именно здесь находится единственный фундаментальный разрыв между сформированной архитектурой и завершенным доказательством.

Этот разрыв нельзя скрывать за количеством вычислений или формальных обозначений.

Для завершения доказательства необходимо получить содержательную арифметическую лемму, обеспечивающую одновременно:

гарантированное усиление;

контроль худших случаев;

исключение критического провала;

и воспроизводство состояния.

Карта доказательной зависимости

Всю конструкцию теперь можно представить как последовательность:

G(N)

-> H(V)

-> гарантированный уровень K

-> индукционное состояние S(K)

-> оценка резерва

-> оценка потерь

-> гарантированная компенсация

-> исключение критического провала

-> S(rK)

-> повторение перехода

-> неограниченная лестница уровней

-> H(V) -> infinity

-> Метатеорема Гольдбаха.

Первые несколько переходов этой цепи являются определениями и уже доказанными структурными свойствами.

Последние несколько после получения замкнутого S(K) являются обычной математической индукцией.

Вся основная трудность сосредоточена в середине:

потери -> компенсация -> невозможность критического провала.

Именно там должна находиться новая содержательная математика, если предложенный путь действительно ведет к доказательству.

Поэтому дальнейшая работа должна быть направлена не на расширение количества определений, а на максимально точную формулировку и доказательство центральной переходной леммы.

После этой главы уже ясно, какой результат был бы достаточным.

Необходимо доказать универсальное утверждение, не использующее Метатеорему в предпосылках и обеспечивающее конечный переход:

S(K) => S(rK).

Если такое утверждение будет получено, дальнейшая бесконечная часть доказательства выполняется автоматически посредством обычной математической индукции.

*************

о полезно для поиска правильной структуры.

Но универсальный переход требует значительно большего:

из строго определенного состояния на произвольном уровне K должно логически следовать строго определенное состояние на следующем выбранном уровне.

Если обозначить индукционное состояние через:

S(K),

то необходима схема:

S(K) => S(T(K)),

где T(K) — правило повышения уровня.

Наиболее естественны два варианта:

T(K) = K+1

и:

T(K) = 2K.

Первый представляет аддитивную лестницу.

Второй — мультипликативную.

В обоих случаях конечной целью является не доказательство одного перехода, а доказательство того, что одна и та же конструкция перехода действует для произвольного K и воспроизводит собственные условия применения.

В терминологии настоящей книги именно такой переход называется универсальным метаиндукционным переходом.

1 — Переход от уровня к следующему уровню

Наиболее непосредственная схема имеет вид:

K -> K+1.

Пусть существует состояние:

S(K),

из которого требуется получить:

S(K+1).

Если такой переход доказан для каждого K >= K0, а базовое состояние S(K0) установлено, то обычная математическая индукция немедленно дает:

S(K)

для всех:

K >= K0.

Следовательно, если каждый S(K) включает существование конечной границы V(K), то Метатеорема следует.

Формально схема чрезвычайно проста.

Главная проблема состоит в содержательном наполнении перехода.

Почему P(K) недостаточно

Пусть первичное утверждение имеет вид:

P(K):

существует конечная V(K), такая что для всех четных N >= V(K):

G(N) >= K.

Мы хотели бы доказать:

P(K) => P(K+1).

Но из одного P(K) не видно никакого механизма возникновения дополнительного представления.

Утверждение:

G(N) >= K

не содержит информации о том:

насколько велики фактические значения G(N);

каков резерв над уровнем K;

как устроены худшие четные числа;

какова арифметическая структура последних нарушений;

почему после некоторого масштаба не может снова встретиться число с ровно K представлениями;

где должно появиться дополнительное гарантированное представление.

Поэтому непосредственная индукция:

P(K) => P(K+1)

может оказаться незамкнутой.

Именно эта недостаточность мотивирует расширение P(K) до состояния S(K).

Аддитивное состояние

Гипотетически состояние может иметь вид:

S(K) = {
существование V(K),
нижняя экстремальная оценка,
резерв,
контроль неблагоприятного арифметического класса,
оценка потерь,
оценка компенсации
}.

Тогда переход должен доказать не только:

H(W) >= K+1,

но и восстановить все дополнительные компоненты состояния уже для уровня K+1.

Иначе получим только разовый результат.

Условие аддитивного усиления

Если использовать балансовую модель предыдущей главы, для перехода:

K -> K+1

достаточно получить:

rho(K) + C_min(K) — L_max(K) >= 1.

Это выглядит значительно слабее условия удвоения.

Но слабость требуемого прироста не означает простоту доказательства.

Даже гарантировать одно дополнительное представление для каждого достаточно большого четного числа может быть чрезвычайно сложно, потому что необходимо одновременно исключить все будущие критические провалы.

Преимущество аддитивной схемы

Аддитивная схема имеет одно очевидное преимущество.

Она проходит каждый уровень:

K,

K+1,

K+2,

…

Поэтому не требуется отдельный аргумент покрытия промежуточных уровней.

Кроме того, требуемый прирост на каждом шаге минимален.

Недостаток аддитивной схемы

Однако при больших K относительное усиление:

(K+1)/K = 1 + 1/K

стремится к 1.

Следовательно, естественный масштаб события меняется от шага к шагу.

Переход:

1 -> 2

удваивает гарантию.

Переход:

1000 -> 1001

увеличивает ее лишь на одну тысячную.

Если структурный механизм распределения простых имеет скорее масштабный, чем единичный характер, такая система координат может быть неудобной.

Поэтому аддитивный переход логически естественен, но не обязательно является оптимальным доказательным маршрутом.

2 — Переход к удвоенному уровню

Мультипликативный переход имеет вид:

K -> 2K.

Его главное достоинство заключается в масштабной однородности.

Каждый шаг означает одно и то же относительное событие:

гарантированный минимум удваивается.

Получаем:

K,

2K,

4K,

8K,

16K,

…

Если K > 0, последовательность неограниченна.

Поэтому для Метатеоремы нет необходимости доказывать все соседние уровни.

Достаточно неограниченной лестницы контрольных уровней.

Минимальное логическое условие

Пусть для некоторого K0 доказано S(K0).

Пусть также доказан универсальный переход:

S(K) => S(2K).

Тогда:

S(K0)

=> S(2K0)

=> S(4K0)

=> S(8K0)

=> …

Следовательно, существуют гарантированные уровни:

2^j K0

при любом:

j >= 0.

Для произвольного натурального K можно выбрать j так, что:

2^j K0 >= K.

Если состояние S(2^j K0) гарантирует:

G(N) >= 2^j K0

для всех достаточно больших четных N, то тем более:

G(N) >= K.

Следовательно, Метатеорема выполняется для любого K.

Таким образом, универсальная Лемма удвоения уже достаточна для всей Метатеоремы.

Балансовое условие удвоения

Если переход строится через ресурсную схему, необходимо:

исходный уровень:

K;

резерв:

rho(K);

новый гарантированный ресурс:

C_min(K);

потери:

L_max(K).

Чтобы получить:

2K,

достаточно:

K + rho(K) + C_min(K) — L_max(K) >= 2K.

Или:

rho(K) + C_min(K) — L_max(K) >= K.

Это неравенство следует понимать не как уже установленный закон Гольдбаха, а как точный целевой баланс.

Если удастся доказать его универсально и одновременно воспроизвести остальные компоненты состояния, переход замкнется.

Другой путь к удвоению

Можно вообще отказаться от переноса старого ресурса.

Если доказана универсальная нижняя функция F(N):

G(N) >= F(N),

где:

F(N) -> infinity,

для удвоения достаточно выбрать конечное W такое, что:

F(W) >= 2K.

Тогда:

H(W) >= 2K.

В этой схеме переход:

K -> 2K

является не физическим переносом K старых разложений в 2K новых, а переходом между двумя масштабами универсальной нижней оценки.

Это различие принципиально.

Метаиндукция не обязана означать преобразование конкретных представлений одного N в представления другого N.

Объектом переноса может быть доказательная гарантия, а не сами пары простых.

3 — Многокомпонентное индукционное состояние

Центральная идея метаиндукционного подхода заключается в том, что переход может требовать больше информации, чем содержится в самом утверждении P(K).

Поэтому введем общий вид:

S(K) = {X1(K), X2(K), …, Xm(K)}.

В контексте Метатеоремы возможная расширенная структура может включать следующие компоненты.

Первый компонент — гарантированный уровень

Главное утверждение:

H(V_K) >= K.

Без него состояние не связано с исходной задачей.

Второй компонент — контролируемая граница

Не просто существование некоторой неизвестной V(K), а доказанная оценка:

V(K) <= U(K),

где U(K) строится независимо.

Это позволяет знать конечный масштаб, на котором действует состояние.

Третий компонент — экстремальная характеристика

Например, нижняя оценка нормированного показателя:

R(N) >= c(K)

для всех N в определенном классе или на определенном хвосте.

Четвертый компонент — контроль худшего класса

Необходимо доказанное утверждение о том, какие арифметические типы чисел способны определять нижний экстремальный слой.

Если полный контроль всех четных чисел достигается непосредственно, этот компонент может оказаться ненужным.

Но если доказательство использует редукцию к неблагоприятным классам, он становится обязательным.

Пятый компонент — резерв

Некоторая величина:

rho(K) >= 0,

показывающая запас состояния над минимальным требованием.

Шестой компонент — потери

Доказанная верхняя оценка:

L(K) <= L_max(K).

Седьмой компонент — компенсация

Доказанная нижняя оценка:

C(K) >= C_min(K).

Восьмой компонент — воспроизводимость

Неравенства, полученные после перехода, должны иметь ту же форму с заменой:

K -> 2K

или:

K -> K+1.

Последний компонент часто оказывается наиболее трудным.

Можно один раз доказать сильное утверждение на новом уровне, но если его параметры ухудшились настолько, что следующий переход уже невозможен, индукционного замыкания нет.

Не все компоненты обязательны

Приведенный список не следует превращать в догму.

Настоящее математическое преимущество будет заключаться как раз в сокращении состояния.

Если универсальную нижнюю оценку удастся доказать напрямую, многие компоненты станут избыточными.

Идеальный метаинвариант — не максимально сложное, а минимально достаточное состояние.

4 — Индукционное замыкание

Пусть состояние S(K) определено.

Теперь требуется доказать:

S(K) => S(T(K)),

где:

T(K) = K+1

или:

T(K) = 2K.

Но даже этого символического следования недостаточно для полной ясности.

Необходимо проверить замыкание каждого компонента.

Пусть:

S(K) = {X1(K), …, Xm(K)}.

Тогда должны существовать доказательства:

X1(T(K));

X2(T(K));

…

Xm(T(K)).

Причем каждая новая характеристика должна быть выведена либо из компонентов S(K), либо из универсальных лемм, действующих независимо от K.

Матрица зависимостей

Удобно мыслить переход как сеть:

X1(K), X2(K), …, Xm(K)

->

X1(T(K)), X2(T(K)), …, Xm(T(K)).

Для каждого правого компонента должен быть указан источник.

Если, например:

X3(T(K))

просто объявляется истинным потому, что «на больших уровнях тенденция должна продолжаться», замыкания нет.

Если:

X5(T(K))

следует только из численного наблюдения на первых миллионах случаев, замыкания также нет.

Требуется универсальное доказательство.

Слабое и сильное замыкание

Можно различить два режима.

Слабое замыкание.

После перехода все необходимые условия сохраняются, но без улучшения.

Сильное замыкание.

После перехода состояние не только сохраняется, но имеет больший относительный резерв или более узкий коридор.

Сильное замыкание было бы особенно ценно, поскольку могло бы давать возрастающую устойчивость последовательности переходов.

Но для доказательства Метатеоремы достаточно и слабого замыкания, если оно может повторяться бесконечно.

Критерий самовоспроизводимости

Переход считается самовоспроизводимым, если доказательство:

S(K) => S(T(K))

после простой замены:

K := T(K)

может быть применено снова без введения новых предпосылок.

Это один из наиболее строгих тестов метаиндукционной конструкции.

Если доказательство второго шага требует дополнительного условия, отсутствовавшего в первом состоянии, исходное S(K) было неполным.

Если на каждом шаге появляется новая характеристика, конечного индукционного замыкания не существует.

Следовательно, поиск метаинварианта фактически является поиском конечного состояния, после которого доказательная архитектура перестает расширяться.

5 — Независимость от конечной вычислительной границы

Это условие является обязательным.

Пусть вычислительная лаборатория установила:

V_X(K)

для:

X = 1 000 000

или даже для значительно большего X.

Из этого нельзя делать переход:

V_X(K) -> V(2K)

без дополнительного аргумента.

Причина состоит в том, что V_X(K) является свойством конечного окна:

V_X(K) <= N <= X.

Глобальная V(K) требует утверждения обо всех:

N >= V(K),

без верхней границы.

Что вычисления могут делать

Вычисления могут:

установить конечную базу;

проверить первые состояния;

найти кандидата на инвариант;

оценить вероятную форму коридора;

обнаружить худшие классы;

опровергнуть слишком сильную гипотезу;

проверить формулу на независимых диапазонах.

Все это чрезвычайно ценно.

Чего вычисления не могут делать

Какой бы большой X ни был выбран, из факта:

G(N) >= K

для:

V <= N <= X

не следует:

G(N) >= K

для всех:

N > X.

Следовательно, универсальный переход не может содержать предпосылку вида:

«вычисления показывают, что нарушения больше не встречаются».

Он должен содержать доказательство:

«из определенных арифметических свойств следует, что нарушение после W невозможно».

Допустимая роль конечной базы

Предположим, аналитический переход доказан только для:

K >= K0.

Тогда уровни ниже K0 можно проверить конечным вычислением.

Это совершенно корректно.

Например:

1 — вычислительно или иным строгим конечным методом устанавливается S(K0);

2 — аналитически доказывается:

S(K) => S(2K)

для любого K >= K0;

3 — далее вычислительный горизонт больше не участвует в доказательстве.

Именно такая архитектура допустима.

Конечное вычисление запускает бесконечный механизм, но не заменяет его.

Независимость от X как тест на круговость

Полезно поставить простой вопрос:

если удалить из доказательства все вычисленные значения выше базового уровня, останется ли универсальный переход доказанным?

Если ответ отрицательный, значит, переход еще не является универсальным.

Если доказательство каждого нового шага требует предварительно вычислить этот шаг, индукции нет.

Это просто последовательное конечное подтверждение.

6 — Универсальность перехода

Понятие универсальности требует особенно точного определения.

Переход:

S(K) => S(T(K))

называется универсальным, если существует единая доказательная схема, действующая для любого K из указанной области без изменения сущности аргумента и без привлечения заранее вычисленного результата следующего шага.

Первое условие — произвольность K

В доказательстве K должен рассматриваться как произвольный параметр.

Нельзя использовать особенности конкретных значений:

K = 100;

K = 1024;

K = 2048.

Эти уровни полезны как эксперименты, но не как основа универсального аргумента.

Второе условие — конечность следующей границы выводится

Необходимо построить или оценить:

W(K) < infinity.

Недостаточно сказать:

«пусть V(2K) существует».

Иначе нужный вывод уже содержится в предпосылке.

Третье условие — контроль всех четных чисел

Переход должен действовать не для большинства N и не для плотности 1.

Необходимо исключить каждое потенциальное нарушение:

G(N) < T(K)

после новой границы.

Именно поэтому нижний экстремальный слой является главным объектом.

Четвертое условие — отсутствие скрытой Метатеоремы в предпосылках

Особенно опасны утверждения типа:

«для достаточно больших N число представлений обязательно растет»;

«новых простых становится достаточно»;

«нижняя огибающая должна продолжать подниматься»;

«после некоторого масштаба редкие провалы невозможны».

Каждое из них требует доказательства.

Если оно используется без независимого обоснования, переход становится круговым.

Пятое условие — масштабная воспроизводимость

Параметры перехода могут зависеть от K, но эта зависимость должна быть контролируемой.

Например, допустима оценка:

V(2K) <= F(K, V(K)),

если F всегда конечна и новая граница удовлетворяет условиям следующего состояния.

Не требуется постоянный коэффициент:

V(2K)/V(K).

Не требуется даже хорошая асимптотика.

Для доказательства существования достаточно любой конечной воспроизводимой оценки.

Это важное ослабление задачи.

Шестое условие — неограниченность итерации

Даже если каждый отдельный переход конечен, необходимо, чтобы процесс мог повторяться произвольно много раз.

Для:

K -> K+1

это дает все уровни.

Для:

K -> 2K

получаем:

2^j K.

Обе последовательности неограниченны.

Седьмое условие — возврат к исходной теореме

После построения бесконечной последовательности состояний необходимо явно вывести исходное утверждение.

Пусть доказано:

S(2^j K0)

для всех j.

Тогда для произвольного конечного K выбираем j:

2^j K0 >= K.

Из:

H(V(2^j K0)) >= 2^j K0

следует:

H(V(2^j K0)) >= K.

Следовательно, V(K) существует.

Так завершается возврат с метауровня к исходной задаче.

Универсальный метаиндукционный переход как условная теорема

Теперь можно сформулировать центральный результат главы.

Теорема об универсальном метаиндукционном переходе.

Пусть существует конечное состояние S(K) и функция T(K) > K, такие что:

1 — для некоторого K0 состояние S(K0) доказано;

2 — из S(K) следует существование конечной границы уровня K;

3 — для любого допустимого K доказано:

S(K) => S(T(K));

4 — новое состояние имеет ту же структуру и позволяет повторить переход;

5 — последовательность:

K0,

T(K0),

T(T(K0)),

…

не ограничена;

6 — переход не зависит от конечной вычислительной границы X.

Тогда для неограниченной последовательности уровней существуют конечные глобальные границы неснижаемости.

Если каждый натуральный K не превосходит некоторого уровня этой последовательности, то Метатеорема Гольдбаха выполняется.

Доказательство

По базе известно S(K0).

По универсальному переходу:

S(K0) => S(K1),

где:

K1 = T(K0).

Затем:

S(K1) => S(K2),

и так далее.

По математической индукции:

S(Kj)

истинно для каждого j.

Из каждого состояния следует существование конечной:

V(Kj).

По условию:

Kj -> infinity.

Следовательно, для любого натурального K существует j с:

Kj >= K.

После конечной границы V(Kj):

G(N) >= Kj >= K

для каждого четного N.

Следовательно, для каждого K существует конечная граница уровня K.

То есть:

H(V) -> infinity.

Метатеорема выполняется.

Где находится недоказанная часть

Теорема выше является чисто логической.

Она показывает:

что будет достаточно доказать.

Но она не доказывает, что для функции Гольдбаха уже найдено подходящее S(K).

Основная математическая проблема остается сосредоточенной в утверждении:

S(K) => S(T(K)).

Именно здесь необходимы новые арифметические оценки.

Именно здесь должен быть запрещен критический провал.

Именно здесь должна появиться гарантированная компенсация.

Именно здесь должен быть установлен контроль худшего класса.

Итоговая архитектура

После этой главы всю предлагаемую стратегию можно записать в одной цепочке:

конечная база

-> S(K0)

-> универсальный переход

-> S(T(K0))

-> повторение того же перехода

-> неограниченная последовательность уровней

-> конечные V(Kj)

-> покрытие любого конечного K

-> H(V) -> infinity

-> Метатеорема Гольдбаха.

Внешняя часть этой цепи уже логически ясна.

Вычислительная база может быть построена.

Индукционное распространение после получения замкнутого перехода стандартно.

Неограниченная мультипликативная лестница автоматически покрывает все конечные уровни.

Поэтому вся реальная неопределенность сосредоточена в одном месте:

существует ли конечное, строго определенное и доказуемо замкнутое состояние S(K), для которого можно универсально установить переход к более высокому уровню?

Это и есть центральный вопрос метаиндукционного подхода.

Если ответ будет положительным, бесконечность уровней перестает быть самостоятельной проблемой.

Она возникает автоматически из одного воспроизводимого перехода.

Если же такого состояния не существует или его переход оказывается эквивалентен самой Метатеореме, метаиндукционная схема останется полезным описательным аппаратом, но не станет доказательством.

Поэтому следующая стадия должна быть максимально строгой: необходимо попытаться не просто сформулировать S(K), а установить конкретные достаточные оценки, из которых переход следует без обращения к вычислительной бесконечности и без скрытого предположения искомого результата.

**********

Глава 6. Доказательство Метатеоремы Гольдбаха

Настоящая глава занимает особое место во всей книге. Предыдущие части последовательно построили понятийный и вычислительный аппарат, необходимый для доказательной постановки: функцию G(N), нижнюю функцию H(V), уровни неснижаемости K, границы V(K), мультипликативные траектории, индукционные состояния, индукционное замыкание, резерв, потери, компенсацию и универсальный метаиндукционный переход.

Теперь необходимо собрать все элементы в единую доказательную цепочку.

Однако здесь требуется максимальная логическая точность. Нельзя объявить Метатеорему доказанной только потому, что уже построена схема, из которой она следует при выполнении определенных условий. Необходимо различать:

1 — доказанные структурные свойства;

2 — вычислительно установленные конечные факты;

3 — строго доказанную условную теорему о достаточности метаиндукционного перехода;

4 — содержательные арифметические утверждения, которые еще должны быть доказаны.

На текущем этапе структурная часть доказательства замкнута, но арифметическое ядро еще не замкнуто.

Конкретно остаются две принципиальные задачи.

Первая — получить хотя бы одно глобальное начальное индукционное состояние S(K0), действующее не до конечной вычислительной границы X, а на всем бесконечном хвосте натурального ряда.

Вторая — доказать универсальный переход:

S(K) => S(2K)

или другой переход, создающий неограниченную последовательность уровней.

Если эти два утверждения доказаны независимо от Метатеоремы, дальнейшая часть доказательства становится строгой и практически автоматической.

Поэтому настоящую главу следует читать как доказательство следующего условного результата:

если существует глобальная база и доказан универсальный замкнутый метаиндукционный переход, то Метатеорема Гольдбаха следует.

Вся дальнейшая логическая цепочка этой главы является строгой. Недоказанной остается не сама индукционная логика, а арифметическая истинность необходимых входных условий.

1 — База доказательства

Любая индукция требует базы.

Пусть:

K0 >= 1

— некоторый фиксированный натуральный уровень.

Необходимо установить конечное число:

V0

и полное состояние:

S(K0),

из которого, в частности, следует:

G(N) >= K0

для каждого четного:

N >= V0.

Эквивалентно:

H(V0) >= K0.

Это должно быть глобальное утверждение.

Здесь принципиально нельзя использовать конечную вычислительную границу:

X.

Вычисление:

G(N) >= K0

для:

V0 <= N <= X

дает только:

H_X(V0) >= K0.

Но для базы доказательства требуется:

H(V0) >= K0,

то есть утверждение обо всех четных:

N >= V0

без верхней границы.

Почему вычислительная база недостаточна сама по себе

В вычислительной лаборатории мы получили огромный массив точных конечных данных.

Например, внутри диапазона до миллиона были вычислены уровни:

100,

1024,

2048

и многие другие.

Эти результаты полностью точны внутри выбранного X.

Но ни один из них сам по себе не может служить глобальной базой метаиндукции.

Даже если:

G(N) >= 2048

для каждого четного N на длинном отрезке после некоторой границы,

теоретически остается возможность будущего нарушения:

N > X.

Поэтому начальное состояние S(K0) должно быть получено одним из двух способов.

Первый способ — независимое аналитическое доказательство того, что после некоторой конечной V0 уровень K0 больше никогда не нарушается.

Второй способ — доказательство более сильной универсальной нижней оценки:

G(N) >= F(N)

для всех достаточно больших четных N,

где F(N) уже на некотором конечном масштабе превосходит K0.

Во втором случае база возникает автоматически.

Почему даже K0 = 1 не является формальностью

На первый взгляд естественно взять:

K0 = 1.

Тогда требуется:

H(V0) >= 1.

Но это означает, что каждое достаточно большое четное число является суммой двух простых.

Это уже асимптотическая форма бинарной проблемы Гольдбаха.

Следовательно, нельзя считать базу K0 = 1 «очевидной» только потому, что она подтверждена огромными вычислениями.

База тоже представляет собой содержательную математическую задачу.

Более того, выбор:

K0 > 1

не облегчает эту проблему автоматически.

Если доказано:

G(N) >= K0

для каждого достаточно большого четного N,

то тем более доказано:

G(N) >= 1.

Следовательно, любая положительная глобальная база уже содержит как минимум асимптотическую бинарную проблему Гольдбаха.

Это важное обстоятельство.

Оно показывает, что метаиндукция не обходит исходную проблему посредством простого выбора удобной базы.

Она должна либо содержать реальное доказательство глобальной базы, либо использовать такой универсальный аналитический механизм, который одновременно создает и базу, и последующее усиление.

Формальное условие базы

Зафиксируем поэтому условие:

B — Базовое условие.

Существуют натуральное:

K0 >= 1,

конечное четное:

V0,

и строго определенное состояние:

S(K0,V0),

такие что:

S(K0,V0)

истинно

и:

S(K0,V0) => H(V0) >= K0.

Именно B является первым содержательным входом доказательства.

На текущем этапе книги условие B сформулировано, но его глобальное арифметическое доказательство еще должно быть получено.

2 — Начальное индукционное состояние

Одного утверждения:

H(V0) >= K0

может оказаться недостаточно для запуска перехода.

Поэтому начальная база должна содержать полное состояние той же структуры, которая будет использоваться на каждом следующем шаге.

Запишем:

S(K,V) = {
P0(K,V),
P1(K,V),
…,
Pm(K,V)
}.

Первый компонент обязательно должен обеспечивать:

P0(K,V): H(V) >= K.

Дополнительные компоненты должны содержать ровно ту информацию, которая необходима для перехода.

Возможная структура, исследованная в предыдущих главах, может включать:

P1 — контролируемую характеристику нижнего экстремального слоя;

P2 — арифметическую характеристику худшего класса;

P3 — нормированную нижнюю оценку;

P4 — индукционный резерв;

P5 — верхнюю оценку потерь;

P6 — нижнюю оценку компенсации;

P7 — параметры, необходимые для воспроизводства всех этих условий после увеличения уровня.

Это пока не утверждение о том, что окончательное состояние обязано иметь именно семь подобных компонентов.

Напротив, одна из главных задач будущего доказательства состоит в сокращении состояния до минимально достаточного набора.

Требование полноты начального состояния

Если переход использует компонент Pi(K,V), то он должен быть доказан уже в базе.

Нельзя построить первое состояние только из:

H(V0) >= K0,

а затем при переходе неожиданно потребовать дополнительную оценку, которой в S(K0,V0) не было.

В таком случае база неполна.

Поэтому начальное состояние должно удовлетворять принципу:

все предпосылки универсального перехода уже присутствуют внутри S.

Требование одинаковой формы

После первого перехода должно возникнуть:

S(2K0,V1),

а не некоторый другой объект:

S1(2K0,V1).

После второго:

S(4K0,V2),

а не:

S2(4K0,V2).

Форма состояния должна оставаться неизменной.

Меняться могут только числовые параметры:

K,

V,

резерв,

коридоры,

масштабные коэффициенты.

Именно эта неизменность формы превращает конечную математическую конструкцию в механизм, способный работать бесконечно.

3 — Универсальный переход

Теперь формулируется центральное содержательное условие.

T — Универсальное переходное условие.

Для любого допустимого уровня K и любой конечной границы V, если состояние:

S(K,V)

истинно, то существует конечная четная граница:

W = Phi(K,V),

такая что истинно:

S(2K,W).

Схематически:

S(K,V) => S(2K,Phi(K,V)).

Здесь Phi — не обязательно простая явная формула.

Для доказательства достаточно установить, что:

Phi(K,V)

всегда существует;

она конечна;

она строится из уже доказанной информации;

ее определение не предполагает заранее существование V(2K);

и после перехода состояние полностью воспроизводится.

Что именно должен доказывать переход

Полноценный переход должен дать сразу два результата.

Первый:

H(W) >= 2K.

Второй:

все дополнительные компоненты S, необходимые для следующего шага, выполняются при:

2K

и:

W.

Только первый результат дает удвоенный уровень.

Только второй превращает его в индукционное состояние.

Поэтому утверждение:

«мы доказали, что где-то дальше уровень 2K достигается»

недостаточно.

Необходимо доказать:

«мы получили полное состояние S(2K,W), к которому применима та же самая теорема перехода».

Балансовая форма перехода

Если состояние строится через резерв, потери и компенсацию, арифметическое ядро должно обеспечить неравенство:

rho(K) + C_min(K) — L_max(K) >= K.

Тогда исходная гарантия K усиливается до:

2K.

Но и это еще не завершает переход.

Нужно дополнительно доказать новые оценки:

rho(2K);

C_min(2K);

L_max(2K);

и остальные компоненты состояния.

Именно поэтому одно удачное балансовое неравенство еще не равно метаиндукционному замыканию.

Форма через универсальную нижнюю оценку

Если удастся получить сильную оценку:

G(N) >= F(N)

для всех достаточно больших четных N,

где:

F(N) -> infinity,

то переход резко упрощается.

Для данного K выбирается W такое, что:

F(W) >= 2K.

Тогда:

H(W) >= 2K.

В таком случае можно даже отказаться от части сложного многокомпонентного состояния.

Поэтому прямой аналитический путь и метаиндукционный путь не являются конкурентами.

Доказанная нижняя функция F может оказаться именно тем метаинвариантом, который делает переход тривиально замкнутым.

Статус универсального перехода

На текущем этапе именно T является главным незамкнутым арифметическим звеном.

Вычислительные данные показывают чрезвычайно устойчивый рост нижних уровней.

Адверсарный анализ не обнаружил критического механизма их разрушения.

Масштаб:

N/(log N)^2

дает естественный кандидат на нижнюю аналитическую структуру.

Но ни один из этих фактов сам по себе еще не доказывает T.

Следовательно, дальнейшая логическая цепочка главы будет строгим доказательством при условии B и T.

4 — Метаиндукционный процесс

Предположим теперь, что условия B и T доказаны.

Имеем начальное состояние:

S(K0,V0).

По универсальному переходу существует конечное:

V1 = Phi(K0,V0),

для которого:

S(2K0,V1).

Применяем тот же переход снова.

Получаем:

V2 = Phi(2K0,V1)

и:

S(4K0,V2).

Еще один шаг:

V3 = Phi(4K0,V2),

причем:

S(8K0,V3).

Продолжая процесс, получаем последовательность:

K_j = 2^j K0

и:

V_{j+1} = Phi(K_j,V_j).

Для каждого:

j = 0,1,2,…

истинно:

S(K_j,V_j).

Строгое доказательство по индукции

Докажем это обычной математической индукцией по j.

База.

При:

j = 0

имеем:

K_0 = K0

и по условию B:

S(K0,V0)

истинно.

Индукционное предположение.

Предположим, что при некотором произвольном j:

S(K_j,V_j)

истинно.

Индукционный переход.

По условию T существует конечное:

V_{j+1} = Phi(K_j,V_j),

для которого:

S(2K_j,V_{j+1})

истинно.

Но:

2K_j = 2 * 2^j K0 = 2^(j+1) K0 = K_{j+1}.

Следовательно:

S(K_{j+1},V_{j+1})

истинно.

По принципу математической индукции:

S(K_j,V_j)

истинно для каждого натурального j.

Здесь особенно ясно видно место метаиндукции.

Поиск состояния S и оператора Phi относится к метауровню.

Но после их нахождения бесконечное доказательство выполняется совершенно обычной математической индукцией.

Метаиндукция не заменяет индукцию.

Она строит объект, к которому обычная индукция становится применима.

5 — Рост гарантированного минимума

Из определения состояния следует:

S(K_j,V_j) => H(V_j) >= K_j.

Следовательно:

H(V_j) >= 2^j K0.

Получаем последовательность гарантированных уровней:

K0,

2K0,

4K0,

8K0,

16K0,

…

Каждый следующий уровень вдвое больше предыдущего.

Рост уровня

Поскольку:

K0 > 0,

имеем:

2^j K0 -> infinity

при:

j -> infinity.

Следовательно, значения нижней функции на последовательности границ:

V0, V1, V2, …

не ограничены сверху.

То есть:

H(V_j) -> infinity.

Это уже почти Метатеорема.

Остается показать, что неограниченный рост на последовательности границ достаточен для полного предела:

H(V) -> infinity.

Поведение последовательности границ

Из:

H(V_j) >= K_j

и:

K_{j+1} > K_j

следует, что границы можно выбирать неубывающими.

Если новая конструктивная граница W случайно оказалась меньше предыдущей, ее можно заменить на:

max(V_j,W),

поскольку по Лемме сохранения увеличение левой границы не уменьшает H.

Следовательно, без потери общности можно считать:

V0 <= V1 <= V2 <= …

Если уровни K_j неограниченны, то либо границы также уходят в бесконечность, либо существует конечная граница V*, после которой H(V*) уже превосходит все K_j.

Второй вариант невозможен, поскольку H(V*) является конечным целым числом: при фиксированном V* существует конкретное четное число N >= V*, а G(N) конечно.

Следовательно:

V_j -> infinity.

Таким образом, одновременно растут:

гарантированный уровень;

и масштаб его гарантии.

6 — Неограниченность роста

Теперь докажем, что H(V) стремится к бесконечности не только вдоль выбранной последовательности V_j, но глобально.

Пусть задан произвольный натуральный уровень:

K >= 1.

Поскольку:

K_j = 2^j K0 -> infinity,

существует конечный j такой, что:

K_j >= K.

Но для этого j:

H(V_j) >= K_j.

Следовательно:

H(V_j) >= K.

Поскольку H не убывает, для любого:

V >= V_j

имеем:

H(V) >= H(V_j) >= K.

Таким образом, для каждого конечного K найдена конечная граница V_j, после которой:

H(V) >= K.

По определению предела это означает:

H(V) -> infinity

при:

V -> infinity.

Следовательно, гарантированный минимум количества представлений неограниченно возрастает.

Переход от H к G

По определению H:

H(V_j) >= K

означает:

G(N) >= K

для каждого четного:

N >= V_j.

Следовательно, для произвольного K существует конечная граница:

V(K) <= V_j,

после которой каждое четное число имеет по крайней мере K различных представлений как сумма двух простых.

Именно это и является основной формулировкой Метатеоремы.

Почему промежуточные уровни не требуют отдельного перехода

Предположим:

K0 = 1.

Индукционная лестница дает:

1,

2,

4,

8,

16,

…

Но Метатеорема требует также:

3,

5,

6,

7,

9

и все остальные уровни.

Это не создает проблемы.

Например, чтобы гарантировать уровень:

K = 1000,

достаточно выбрать:

1024 >= 1000.

Если после V(1024):

G(N) >= 1024,

то автоматически:

G(N) >= 1000.

Следовательно, мультипликативная лестница покрывает все натуральные уровни сверху.

Это один из главных факторов эффективности перехода:

K -> 2K.

7 — Завершение доказательства

Теперь можно сформулировать итоговый условный результат в строгой форме.

Условная теорема о Метатеореме Гольдбаха.

Пусть существует конечное многокомпонентное состояние:

S(K,V),

обладающее следующими свойствами.

B — База.

Для некоторого:

K0 >= 1

и некоторого конечного четного:

V0

состояние:

S(K0,V0)

истинно.

P — Проекция.

Из:

S(K,V)

следует:

G(N) >= K

для каждого четного:

N >= V.

Эквивалентно:

H(V) >= K.

T — Универсальный переход.

Для любого допустимого K и любого конечного V из:

S(K,V)

следует существование конечного:

W = Phi(K,V)

такого, что:

S(2K,W)

истинно.

C — Замыкание.

Состояние после перехода имеет ту же конечную структуру и содержит все предпосылки, необходимые для повторного применения T.

I — Независимость.

Доказательство T не зависит от конечной вычислительной верхней границы X и не предполагает существование V(2K) или самой Метатеоремы.

Тогда для любого натурального K существует конечная граница V(K), такая что:

G(N) >= K

для каждого четного:

N >= V(K).

Следовательно:

H(V) -> infinity.

Следовательно, Метатеорема Гольдбаха истинна.

Доказательство условной теоремы

Из B имеем:

S(K0,V0).

По T и C:

S(K0,V0)

=>

S(2K0,V1)

=>

S(4K0,V2)

=>

…

По обычной математической индукции:

S(2^jK0,V_j)

истинно для каждого j.

По P:

H(V_j) >= 2^j K0.

Поскольку:

2^jK0 -> infinity,

для каждого натурального K существует j, такое что:

2^jK0 >= K.

Следовательно:

H(V_j) >= K.

По монотонности H:

H(V) >= K

для всех:

V >= V_j.

Значит:

H(V) -> infinity.

По эквивалентности, установленной в предыдущих главах, для каждого K существует конечная V(K), после которой:

G(N) >= K

для всех четных N.

Что и требовалось доказать.

Что именно доказано в настоящей главе

Доказана следующая логическая импликация:

B + P + T + C + I => Метатеорема Гольдбаха.

При этом:

P

следует из определения состояния;

логическая часть C может быть проверена после конкретизации S;

переход от бесконечной лестницы к Метатеореме доказан полностью;

метаиндукционный процесс после получения T доказан полностью;

эквивалентность с:

H(V) -> infinity

доказана полностью.

Но для получения безусловной Метатеоремы остаются содержательные арифметические задачи:

доказать глобальную базу B;

построить конкретное конечное S;

доказать универсальный переход T;

проверить его полное замыкание C;

доказать независимость I от предположения самой Метатеоремы.

Следовательно, на настоящем этапе мы получили завершенную архитектуру доказательства, но еще не завершенное арифметическое доказательство Метатеоремы.

Местоположение главного барьера

После всей проведенной работы главный барьер можно указать практически одной строкой:

необходимо доказать некруговое универсальное утверждение:

S(K,V) => существует конечное W: S(2K,W).

Все остальные бесконечные шаги после этого являются стандартной индукцией.

Именно поэтому дальнейшая работа должна концентрироваться не на накоплении новых уровней вычислений, а на доказательстве переходного арифметического механизма.

Два возможных варианта завершения

На данный момент видны по крайней мере два принципиальных варианта.

Вариант A — прямая нижняя оценка.

Доказать:

G(N) >= F(N)

для каждого достаточно большого четного N,

где:

F(N) -> infinity.

В этом случае Метатеорема следует непосредственно, а метаиндукционная структура становится способом интерпретации доказательства.

Вариант B — собственно метаиндукционный переход.

Найти более слабые характеристики, каждая из которых отдельно не дает растущей нижней оценки, но которые совместно образуют замкнутое состояние:

S(K,V),

и доказать:

S(K,V) => S(2K,W).

В этом случае Метатеорема следует посредством построенного выше процесса.

Второй вариант является собственно программой метаиндукции в наиболее содержательном смысле.

Финальная граница между программой и теоремой

Эта граница должна быть обозначена совершенно ясно.

Если универсальный переход только наблюдается вычислительно — Метатеорема не доказана.

Если коэффициенты перехода стабилизируются на миллионах уровней — Метатеорема не доказана.

Если случайные и адверсарные проверки не обнаруживают нарушения — Метатеорема не доказана.

Если построена логически совершенная схема:

S(K) => S(2K),

но само следование лишь предполагается — Метатеорема не доказана.

Метатеорема становится доказанной только тогда, когда содержательная арифметическая часть перехода установлена для произвольного K и для всех требуемых четных N без конечной верхней границы.

После этого необходимость в дальнейшем вычислительном подтверждении исчезает.

Бесконечность обеспечивается уже не вычислением, а доказательством.

Итог

Вся доказательная программа сводится к следующей цепочке:

глобальная база S(K0,V0)

=>

универсальный замкнутый переход

=>

S(2K0,V1)

=>

S(4K0,V2)

=>

S(8K0,V3)

=>

…

=>

неограниченный рост гарантированных уровней

=>

H(V) -> infinity

=>

для каждого K существует конечная V(K)

=>

для всех четных N >= V(K):

G(N) >= K.

Последняя строка является Метатеоремой Гольдбаха.

Таким образом, логическая часть доказательства доведена до единственного содержательного узла: глобальной базы и универсального арифметического перехода.

Именно их реальное доказательство, а не дальнейшее повторение индукционной схемы, должно стать решающим этапом завершения всей программы.

***********

Глава 7. Классическая проблема Гольдбаха как частный случай

Метатеорема Гольдбаха была сформулирована как утверждение о неограниченном росте гарантированного количества представлений четных чисел в виде суммы двух простых. Классическая бинарная проблема Гольдбаха ставит значительно более слабый вопрос: существует ли хотя бы одно такое представление у каждого четного числа, начиная с 4?

На уровне функции G(N) различие между двумя утверждениями выражается особенно просто.

Классическое утверждение требует:

G(N) >= 1

для каждого четного:

N >= 4.

Метатеорема требует, чтобы для любого натурального K существовала конечная граница V(K), после которой:

G(N) >= K

для каждого четного:

N >= V(K).

Следовательно, классическая проблема соответствует самому нижнему количественному уровню:

K = 1.

Однако здесь необходимо сделать важное логическое уточнение. Метатеорема в сформулированном нами виде непосредственно гарантирует для K = 1 лишь существование некоторой конечной границы V(1), после которой представление имеется у каждого четного числа. Для получения полного классического утверждения о всех четных N >= 4 необходимо дополнительно проверить конечный начальный диапазон:

4 <= N < V(1).

Таким образом, классическая гипотеза Гольдбаха возникает как сочетание первого уровня Метатеоремы и конечной проверки начального отрезка.

1 — Первый уровень

Рассмотрим общую формулировку Метатеоремы:

для каждого натурального K существует конечная граница V(K), такая что для всех четных:

N >= V(K)

выполняется:

G(N) >= K.

Подставим:

K = 1.

Получаем:

существует конечная V(1), такая что:

G(N) >= 1

для каждого четного:

N >= V(1).

Это означает, что каждое достаточно большое четное число представляется в виде суммы двух простых.

Таким образом, первый уровень иерархии неснижаемости представляет собой утверждение об асимптотической всеобщей представимости четных чисел.

Для K = 2 утверждается уже больше:

после некоторой V(2) каждое четное число имеет не менее двух различных представлений.

Для K = 3:

не менее трех.

И так далее.

Следовательно, классическое бинарное условие занимает самое нижнее положение в бесконечной иерархии:

G(N) >= 1

G(N) >= 2

G(N) >= 3

…

G(N) >= K

…

Метатеорема утверждает, что каждый конечный уровень этой лестницы в конце концов становится гарантированным.

Первый уровень как порог существования

Уровень K = 1 имеет особое качественное значение.

При:

G(N) = 0

число N вообще не имеет представления в виде суммы двух простых.

При:

G(N) >= 1

представление уже существует.

Поэтому переход:

0 -> 1

отделяет невозможность представления от его существования.

Все последующие уровни:

1 -> 2,

2 -> 3,

3 -> 4

и далее

уже относятся к множественности представлений.

В этом смысле классическая проблема Гольдбаха является пороговой проблемой существования, тогда как Метатеорема рассматривает всю количественную структуру выше этого порога.

Особый статус первого уровня

Первый уровень нельзя полностью отождествлять с остальными.

Для K >= 2 нарушение означает:

представления существуют, но их меньше требуемого количества.

Для K = 1 нарушение означает:

G(N) = 0.

Это уже контрпример самой классической гипотезе.

Следовательно, последнее нарушение уровня 1, если оно существует, имеет гораздо более сильный смысл, чем последнее нарушение любого уровня K > 1.

Если Метатеорема доказана, она утверждает конечность множества таких нарушений.

Но для классической гипотезы требуется доказать еще больше:

что это множество вообще пусто среди четных:

N >= 4.

2 — Гарантия хотя бы одного разложения

Рассмотрим нижнюю функцию:

H(V) = min G(N)

по всем четным:

N >= V.

Для первого уровня условие:

H(V) >= 1

означает:

ни одного четного числа N >= V с:

G(N) = 0

не существует.

Иначе говоря, после V отсутствуют контрпримеры классического типа.

Если Метатеорема доказана, то:

H(V) -> infinity.

Следовательно, обязательно существует конечная граница V1, для которой:

H(V1) >= 1.

Более того, существуют границы, после которых:

H(V) >= 2,

H(V) >= 10,

H(V) >= 100,

и любой другой заранее заданный конечный уровень.

Поэтому существование хотя бы одного представления становится лишь первым следствием гораздо более сильного факта.

Гарантия существования и гарантия множественности

Различие можно сформулировать следующим образом.

Классическая задача спрашивает:

может ли G(N) когда-либо быть равно нулю?

Метатеорема спрашивает:

может ли G(N) бесконечно далеко возвращаться ниже любого фиксированного положительного уровня?

Отрицательный ответ на второй вопрос значительно сильнее.

Если:

H(V) -> infinity,

то не только нулевые значения исчезают окончательно.

Окончательно исчезают:

G(N) = 1;

затем:

G(N) <= 2;

затем:

G(N) <= 3;

и так далее.

Для каждого конечного K множество чисел:

G(N) < K

становится конечным.

Таким образом, в системе Метатеоремы классическое требование представляет собой лишь первый слой устранения низких значений.

Геометрическое представление

Если мысленно построить график:

N -> G(N),

классическая проблема требует, чтобы ни одна точка при четном N >= 4 не лежала на нулевой линии.

Метатеорема требует значительно большего.

Нижние провалы графика должны со временем подниматься:

сначала выше 0;

затем выше 1;

выше 2;

выше 10;

выше 100;

и далее через любой конечный горизонтальный уровень.

То есть нижняя огибающая должна стремиться вверх без ограничения.

Поэтому классический уровень:

G(N) >= 1

является первым горизонтальным барьером, который проходит нижняя функция.

3 — Переход от Метатеоремы к классическому утверждению

Теперь сформулируем переход строго.

Предположим, Метатеорема доказана.

Тогда для:

K = 1

существует конечная четная граница:

V(1)

такая, что:

G(N) >= 1

для каждого четного:

N >= V(1).

Следовательно, остается конечное множество четных чисел:

4, 6, 8, …, V(1)-2.

Если для каждого из них непосредственно установлено:

G(N) >= 1,

то получаем:

G(N) >= 1

для каждого четного:

N >= 4.

Это и есть классическое бинарное утверждение Гольдбаха.

Формальная схема

Пусть:

M — Метатеорема.

Тогда из M при K = 1 следует:

существует конечная V(1), такая что:

для всех четных N >= V(1):

G(N) >= 1.

Пусть также доказано конечное утверждение:

для всех четных:

4 <= N < V(1):

G(N) >= 1.

Тогда объединение двух областей дает:

для всех четных:

N >= 4:

G(N) >= 1.

Следовательно:

Метатеорема + конечная проверка до V(1) => классическое утверждение Гольдбаха.

Почему конечная проверка допустима

В отличие от попытки доказать Метатеорему вычислением до некоторого огромного X, здесь конечное вычисление играет совершенно законную роль.

Метатеорема уже закрывает бесконечный хвост:

N >= V(1).

Остается только конечное число случаев.

Конечный перебор способен исчерпывающе проверить конечное множество.

Здесь больше нет логического перехода от конечного к бесконечному.

Бесконечность уже обеспечена теоремой.

Именно такое сочетание аналитического доказательства и конечного вычисления является стандартно допустимой доказательной архитектурой.

Если V(1) = 4

В наиболее сильном случае доказательство самой Метатеоремы могло бы непосредственно дать:

V(1) = 4.

Тогда дополнительная конечная проверка вообще не потребовалась бы.

Но для логического следствия это не обязательно.

Даже если доказанная граница окажется огромной:

V(1) = M,

достаточно отдельно проверить конечный диапазон:

4 <= N < M.

Метатеорема существенно сильнее классического результата

Обратное следование отсутствует.

Из классического утверждения:

G(N) >= 1

для всех четных N >= 4

не следует:

G(N) >= 2

для всех достаточно больших N.

Тем более не следует:

H(V) -> infinity.

Теоретически классическая гипотеза могла бы быть истинной в мире, где существует бесконечная последовательность:

N1 < N2 < N3 < …

с:

G(Nj) = 1.

Тогда каждое четное число все равно имело бы представление, поэтому классическая гипотеза была бы истинной.

Но уровень:

K = 2

никогда не стал бы неснижаемым.

Метатеорема была бы ложной.

Следовательно:

Метатеорема => асимптотическая бинарная гипотеза;

Метатеорема + конечная начальная проверка => полная бинарная гипотеза;

но бинарная гипотеза не => Метатеорема.

Это строго показывает отношение логической силы двух утверждений.

4 — Место проблемы Гольдбаха в более общей системе

Классическая проблема обычно формулируется как отдельный вопрос:

можно ли каждое четное число больше 2 представить суммой двух простых?

В системе настоящей книги она приобретает другое положение.

Она становится первым членом бесконечной количественной иерархии.

Обозначим:

T_K:

существует конечная V(K), после которой:

G(N) >= K

для всех четных N.

Получаем систему:

T_1

T_2

T_3

…

T_K

…

Метатеорема представляет утверждение:

T_K истинно для каждого натурального K.

Классическая проблема связана с T_1, дополненным конечным контролем начальной области.

От существования к устойчивости

Такое представление позволяет увидеть четыре последовательных уровня исследования.

Первый уровень — существование.

Есть ли хотя бы одно представление?

G(N) >= 1.

Второй уровень — множественность.

Сколько различных представлений имеет N?

G(N).

Третий уровень — неснижаемость.

После какой границы гарантируется:

G(N) >= K?

V(K).

Четвертый уровень — неограниченность гарантии.

Растет ли гарантированный минимум без ограничения?

H(V) -> infinity.

Классическая проблема находится на первом уровне.

Метатеорема относится к четвертому.

Но все четыре уровня описывают одну и ту же функцию G(N).

От единичного порога к пространству уровней

Классическая постановка выделяет одно критическое значение:

0/1.

Число либо не имеет представления, либо имеет хотя бы одно.

Новая постановка рассматривает всю вертикальную ось количества представлений:

0,

1,

2,

3,

…

K,

…

И спрашивает для каждого горизонтального уровня:

где находится его последнее нарушение?

Так возникает функция:

B(K),

а затем:

V(K).

В результате исходная бинарная проблема превращается в первый элемент геометрии целого пространства границ.

Классическая гипотеза как нижняя грань более сильной структуры

Если Метатеорема истинна, то для достаточно больших N существование одного представления является чрезвычайно слабым описанием ситуации.

Предположим, например, что некоторый N расположен далеко за V(1000).

Тогда утверждение:

«N является суммой двух простых»

остается истинным, но скрывает практически всю количественную структуру.

На самом деле гарантируется не одна пара, а не менее тысячи различных пар.

Поэтому Метатеорема, если она будет доказана, изменит логическое положение классической задачи.

Она покажет, что феномен Гольдбаха состоит не только в невозможности исчезновения представлений, но в неограниченном росте их гарантированной множественности.

От классической проблемы к Метатеореме

Исторически движение шло в противоположном направлении.

Сначала возник вопрос:

существует ли хотя бы одно представление?

Новая постановка предлагает следующий шаг:

что происходит с количеством представлений после того, как мы перестаем рассматривать существование как единственный бинарный критерий?

Тогда естественно возникают:

G(N);

нижний экстремальный слой;

H(V);

V(K);

последние нарушения;

плато;

мультипликативные траектории;

метаиндукция.

Таким образом, Метатеорема не отрицает классическую проблему и не заменяет ее.

Она включает ее в более широкую количественную систему.

Логическая и историческая осторожность

До получения полного доказательства Метатеоремы этот переход следует формулировать условно:

если Метатеорема доказана, классическая бинарная проблема сводится к ее первому уровню плюс конечная проверка начальной области.

Нельзя переставлять логический порядок и использовать нерешенную классическую гипотезу как уже доказанную базу для Метатеоремы.

Равным образом нельзя ссылаться на вычислительную проверку огромного конечного диапазона как на замену глобального доказательства.

Именно строгое соблюдение этого различия защищает метаиндукционную программу от круговой аргументации.

Итог

Классическая проблема Гольдбаха спрашивает:

G(N) >= 1?

Метатеорема спрашивает:

для любого K существует ли конечная V(K), после которой:

G(N) >= K?

В терминах нижней функции:

классическая проблема требует отсутствие нулевых значений на всем четном ряду начиная с 4;

Метатеорема требует:

H(V) -> infinity.

Поэтому классическая проблема занимает в новой системе положение первого порогового уровня.

Если Метатеорема будет доказана и конечная область до V(1) будет проверена, классическое утверждение последует как непосредственное следствие.

Но именно поэтому доказательство Метатеоремы нельзя объявлять завершенным до получения универсального арифметического перехода: более сильное утверждение должно действительно нести в себе силу, достаточную для решения первого уровня, а не предполагать его заранее.

В этом состоит точное место классической проблемы Гольдбаха в общей системе настоящей книги: она является не конечной вершиной исследования, а начальным уровнем бесконечной иерархии гарантированной множественности представлений.

**********