Новая теория простых чисел и математическая индустрия

Метаиндуктивное доказательство

АННОТАЦИЯ

Первый том многотомного издания «Метатеорема Гольдбаха и ее следствия» посвящен построению новой количественной теории простых чисел, метаиндуктивному доказательству Метатеоремы Гольдбаха и исследованию тех фундаментальных, вычислительных, когнитивных, криптографических и индустриальных следствий, которые возникают из этой теории.

Исходной точкой работы является классическая проблема Гольдбаха — одна из наиболее известных нерешенных проблем теории чисел. В традиционной формулировке она спрашивает, может ли каждое четное натуральное число, большее двух, быть представлено в виде суммы двух простых чисел. Такая постановка различает лишь два состояния: представление существует или представление отсутствует.

В настоящей работе предлагается перейти от бинарного вопроса существования к количественной структуре множества представлений.

Пусть G(N) обозначает число различных неупорядоченных представлений четного числа N в виде суммы двух простых:

N = p + q,

где p <= q.

Тогда классическая проблема Гольдбаха соответствует только первому количественному уровню:

G(N) >= 1.

Однако уже непосредственное исследование функции G(N) показывает, что мир голдбаховских разложений значительно богаче простой дихотомии «есть — нет». Четные числа обладают различным количеством представлений; возникают уровни, первые достижения, последние нарушения, границы гарантии, плато, пакеты плато, скачки, переходные области, нижние экстремумы, масштабные траектории и сложная арифметическая структура наиболее неблагоприятных случаев.

На этой основе формулируется Метатеорема Гольдбаха.

Для каждого положительного целого числа 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.

Таким образом, любой конечный уровень числа представлений должен в конечном счете становиться необратимо гарантированным.

Если определить H(V) как минимальное значение G(N) среди всех четных N, расположенных не левее V, то содержание Метатеоремы выражается утверждением о неограниченном росте гарантированного нижнего уровня:

H(V) -> infinity.

При такой постановке классическая проблема Гольдбаха становится лишь первым уровнем бесконечной количественной иерархии.

Однако центральной особенностью настоящего исследования является не только новое утверждение, но и новая доказательная технология.

Метатеорема исследуется средствами Теории метаиндукции, разработанной в системе Метаорганона.

Метаиндукция рассматривается здесь не как обычная статистическая экстраполяция большого конечного массива и не как расширенное название классической математической индукции. Ее объектом является воспроизводимое состояние математической системы — совокупность взаимосвязанных законов, метазаконов, экстремальных характеристик, прогнозных зависимостей, структурных инвариантов, потенциальных разрушителей и условий перехода между масштабами.

Вместо поиска одной универсальной формулы строится многоканальная доказательная система.

Исследуется не одна закономерность, а десятки закономерностей различных типов.

Исследуется не один диапазон, а последовательность масштабов.

Измеряется не только среднее поведение, но прежде всего нижний экстремальный слой.

Проверяется не только соответствие уже известным данным, но и способность найденных законов предсказывать новые диапазоны.

Для каждого положительного закона строится отрицательная программа: определяется, какие математические процессы способны его разрушить, какие предвестники такого разрушения должны возникнуть, какие другие законы должны быть затронуты одновременно и какова структурная цена подобной катастрофы.

Тем самым метаиндуктивное доказательство строится как единство двух встречных процессов:

подтверждения закона

систематической попытки его разрушения.

В работе используются понятия малой и большой метаиндукции, Закона условного тождества, экспликации, границы экспликации, метаинварианта, доказательного состояния, многоканальной независимости, ретропрогноза, независимого прогноза, адверсарной проверки, разрушителя закона, цены разрушения, эксплицируемого контрсценария и метаиндукционного замыкания.

Особое место занимает Закон условного тождества.

Последовательные состояния математической системы не обязаны совпадать по абсолютным значениям. При переходе к новым масштабам уровни растут, границы смещаются, экстремумы изменяются, параметры законов дрейфуют. Но если сохраняется существенная структура отношений, порядок преобразований, тип экстремального слоя, характер переходов и система несущих метаинвариантов, такие состояния могут рассматриваться как различные масштабные реализации одного и того же математического режима.

Задача доказательства поэтому состоит не в механическом продолжении одной кривой, а в установлении устойчивой воспроизводимости режима.

Первый том предполагает создание крупной вычислительной лаборатории Метагольдбаха. Полный основной массив должен быть расширен по меньшей мере до десятков миллионов четных чисел с последующим переходом к более высоким масштабам, независимым дальним зондам, распределенным вычислениям и специализированным адверсарным классам.

Однако количество вычисленных чисел не отождествляется с доказательной мощностью.

Миллиард однотипных проверок и миллиард структурно различающихся наблюдений обладают различной когнитивной ценностью.

Поэтому вычислительный корпус организуется многомерно.

Одновременно исследуются функция G(N), первые достижения уровней A(K), последние нарушения B(K), границы окончательной гарантии V(K), нижняя функция H(V), переходные зоны, плато, пакеты плато, скачки, удвоительные, троительные и другие мультипликативные траектории, нижние процентили, нормированные экстремумы, факторизационная структура худших случаев, глубина провалов, расстояния между ними, изменение арифметических классов и устойчивость прогнозов.

На этой основе предполагается выделить не менее двадцати — а потенциально значительно больше — содержательно различных законов и метазаконов Метагольдбаха.

Каждый закон получает собственный доказательный паспорт.

В нем фиксируются объект, область экспликации, вычислительная база, степень независимости, масштабная устойчивость, прогнозная способность, экстремальные случаи, потенциальные разрушители, условия смены режима, цена разрушения и достигнутый доказательный статус.

Одним из наиболее важных следствий новой теории становится возникновение огромного пространства целочисленных последовательностей.

Можно рассматривать последовательность первых четных чисел, на которых впервые достигается один, два, три, четыре и последующие уровни числа представлений.

Можно строить последовательность границ, после которых соответствующий уровень больше никогда не нарушается.

Возникают последовательности последних нарушений, длин плато, величин скачков, начал и концов пакетов, рекордных экстремумов, расстояний между ними, мультипликативных переходов, факторизационных профилей, смен арифметических классов, успешных прогнозных границ и многих других объектов.

Из основных последовательностей порождаются производные: последовательности разностей, рекордов, позиций рекордов, относительных скачков, масштабных коэффициентов, пересечений и специальных подпоследовательностей.

В результате проблема Гольдбаха начинает раскрывать не один числовой ряд, а огромную морфологию математических последовательностей.

В работе вводится различие между конструктивно-генерируемыми и структурно-извлекаемыми последовательностями.

Во многих классических последовательностях правило одновременно дает способ получить очередной член из предыдущих элементов или непосредственно из номера члена.

В структурно-извлекаемых последовательностях ситуация иная.

Следующий элемент не определяется простой локальной операцией над несколькими предыдущими членами. Его необходимо вновь найти внутри глобальной арифметической структуры натурального ряда.

Он не столько создается, сколько обнаруживается.

Положение нового экстремума, нового первого достижения, новой границы или нового арифметического рекорда не назначается исследователем. Оно уже определяется внутренней структурой мира чисел.

Исследователь должен его найти.

Отсюда возникает концепция экстрактивной математики — математики добычи скрытых объектов из уже существующих числовых и иных математических пространств.

В этом смысле вычисление приобретает иной статус.

Оно перестает быть только способом проверить заранее известную формулу.

Оно становится способом математической разведки.

Числовой мир начинает рассматриваться как пространство, содержащее неисчислимое множество скрытых структур, последовательностей, классов, экстремумов и законов, которые необходимо обнаруживать, очищать от вычислительного шума, классифицировать и связывать друг с другом.

Такая постановка резко увеличивает генеративную мощность теории.

Одна обнаруженная последовательность может породить десятки производных.

Одна система экстремумов — несколько новых классификаций.

Один найденный закон — новые прогнозы.

Несколько законов — метазакон.

Метаинвариант — новые вычислительные задачи.

Новые задачи — новые массивы данных.

Так возникает положительная обратная связь между знанием и производством нового знания.

Эта идея выводит книгу за пределы собственно теории чисел и ставит вопрос о возможности математической индустрии.

Под математической индустрией понимается система, в которой фундаментальные математические исследования, крупномасштабные вычисления, искусственный интеллект, распределенные сети, метаиндуктивная проверка, криптография и технологическая разработка образуют единый воспроизводящий цикл.

Исходным сырьем становится неисследованная математическая структура.

Производственным процессом — вычислительная и когнитивная экспликация.

Промежуточным продуктом — новые последовательности, классы, законы и алгоритмы.

Капиталом — накопленный корпус проверяемого математического знания.

Технологическим выходом — новые методы, системы безопасности, криптографические конструкции, вычислительные протоколы и цифровые инструменты.

Особое внимание уделяется криптографии.

Новая последовательность сама по себе не является криптографической системой и не приобретает автоматически криптографической стойкости. Каждая практическая конструкция требует отдельного криптоанализа.

Однако расширение пространства математических объектов с десятков традиционно используемых структур до тысяч, миллионов и потенциально гораздо большего количества параметризуемых последовательностей и арифметических классов способно существенно расширить пространство проектирования криптографических систем.

Особенно перспективна идея математической добычи.

В традиционных распределенных вычислительных системах огромный вычислительный ресурс может расходоваться прежде всего для подтверждения факта выполненной работы.

В предлагаемой архитектуре вычисление потенциально способно одновременно обеспечивать сетевую функцию и оставлять после себя новый математический объект.

Узел вычислительной сети может не просто выполнять абстрактную работу, а обнаруживать новый член последовательности, новый рекорд, новую границу, новый экстремум, новый арифметический класс или иной математически значимый результат.

Так возникает концепция Proof-of-Mathematical-Discovery — доказательства математического обнаружения.

Основным инженерным условием такой системы является разделение стоимости поиска и стоимости проверки: математический объект должен быть достаточно труден для обнаружения, но его корректность должна проверяться значительно дешевле.

Дополнительными требованиями становятся регулируемая сложность, невозможность эффективного предварительного накопления решений, связь задачи с текущим состоянием сети, защита от скрытых легких классов и самостоятельная когнитивная ценность результата.

В перспективе это открывает путь к криптосистемам, в которых вычислительная энергия превращается одновременно в безопасность сети и в накопление математического знания.

На этой основе в книге рассматривается идея «Книги рекордов Метагольдбаха» — глобальной постоянно расширяющейся системы регистрации математических достижений.

Рекордом в ней может быть не только наибольшее вычисленное значение.

Им может стать новый самый глубокий исследованный масштаб, новый экстремальный минимум, новая последовательность, наиболее длинное плато, крупнейший скачок, новый арифметический класс, наиболее удаленный успешный прогноз, наиболее сильный найденный разрушитель, новая граница метаиндукционной устойчивости или новый уровень доказательной мощности.

Тем самым возникает возможность измерять уже не просто объем вычислений, а прирост математического знания.

Это приводит к рабочей гипотезе, условно называемой Законом Метагольдбаха.

Если Закон Мура стал символом ускорения вычислительной техники, то Закон Метагольдбаха рассматривается как возможный закон ускорения математической экспликации.

Его смысл состоит не в обязательном удвоении одной конкретной числовой величины, а в исследовании режима, при котором скорость производства нового проверяемого математического знания способна систематически увеличиваться за счет взаимодействия аппаратного роста, улучшения алгоритмов, накопленных массивов, искусственного интеллекта и все более совершенных метаиндукционных моделей.

Главным показателем становится не число операций в секунду, а когнитивная производительность вычислений.

Сколько новых значимых последовательностей найдено?

Сколько новых законов установлено?

Сколько прогнозов выдержало независимую проверку?

Сколько потенциальных разрушителей исследовано?

Сколько новых классов математических объектов открыто?

Какова степень их независимости?

Сколько полученных результатов может быть повторно использовано в последующих исследованиях?

Таким образом, математическое знание начинает выступать как особая разновидность капитала.

Один вычислительный массив может породить множество последовательностей.

Одна последовательность — множество закономерностей.

Один закон — новые алгоритмы.

Одна структура — несколько технологических приложений.

В отличие от одноразовой вычислительной операции, математическое открытие может многократно использоваться в новых исследованиях.

Так возникает понятие математического капитала — накопленного корпуса проверенных математических объектов, данных, последовательностей, законов, метазаконов, алгоритмов и технологических конструкций.

В приложениях к первому тому рассматривается концепция глобальной когнитивно-креативной корпорации «Метаиндуктум».

Предполагается модель организации, в которой фундаментальная математика становится предметом систематического промышленного производства.

Распределенная вычислительная сеть осуществляет математическую добычу.

Искусственный интеллект формирует гипотезы, новые последовательности и классы задач.

Независимые системы проверяют результаты.

Адверсарные агенты ищут разрушители.

Теория метаиндукции определяет доказательный статус.

Криптографические подразделения исследуют прикладной потенциал.

Технологические контуры превращают часть результатов в алгоритмы, системы безопасности, распределенные протоколы и другие продукты.

Экономическая система финансирует новый цикл вычислений.

Так появляется возможность замкнутого контура:

вычисление -> открытие -> знание -> технология -> экономический ресурс -> новые вычисления -> новое открытие.

В предельном варианте речь идет о формировании нового сектора экономики — когнитивно-креативной математической индустрии, в которой фундаментальное знание становится одновременно научным результатом, воспроизводимым производственным ресурсом и источником новых технологических пространств.

При этом прикладная программа не подменяет фундаментальную.

Первый том начинает именно с математической задачи.

Необходимо определить Метатеорему.

Построить ее систему объектов.

Получить точный вычислительный корпус.

Выделить десятки содержательно независимых законов.

Провести масштабные переходы.

Исследовать экстремальный слой.

Осуществить прогнозные испытания.

Построить Атлас последовательностей.

Проверить наиболее опасные арифметические классы.

Разработать теорию разрушения.

Оценить цену минимального контрсценария.

Построить метаинвариантное доказательное состояние.

И только после прохождения расширенного канона Теории метаиндукции сформулировать итоговый доказательный статус Метатеоремы Гольдбаха.

Поэтому первый том многотомника одновременно представляет собой:

исследование Метатеоремы Гольдбаха;

опыт полномасштабного применения Теории метаиндукции;

построение новой количественной теории простых чисел;

создание Атласа структурно-извлекаемых последовательностей;

разработку основ экстрактивной математики;

формирование концепции математической добычи;

исследование криптографических следствий новой арифметики;

и проектирование принципов будущей математической индустрии.

Так старая проблема о сумме двух простых превращается в исходную точку значительно более широкого проекта.

Метатеорема Гольдбаха становится не финалом исследования, а его первым крупным результатом.

За ней открывается новая система объектов, новые последовательности, новые законы, новые способы доказательства и новый взгляд на сам процесс математического производства знания.

Именно этому переходу — от одной классической проблемы к новой теории простых чисел и далее к математической индустрии — посвящен первый том настоящего многотомного издания.

**********

ОТ АВТОРА

Эта книга появилась после трех последовательных заходов к одной и той же проблеме.

Первый был исследовательским. Я хотел понять, можно ли выйти за пределы классической бинарной формулировки проблемы Гольдбаха и перейти от вопроса о существовании хотя бы одного разложения к количественной картине всех разложений. Именно тогда появились первые представления о уровнях, границах, нижней огибающей, плато, скачках и переходах.

Второй заход оказался методологическим. Стало ясно, что одного большого вычислительного массива и одной красивой закономерности недостаточно. Возникла необходимость в иной доказательной технологии. Так проблема Гольдбаха подтолкнула к систематизации Теории метаиндукции.

Третий заход, которому посвящено настоящее многотомное издание, оказался уже мировоззренческим и индустриальным.

Теперь стало видно, что перед нами не одна теорема, не одна новая последовательность и не одна вычислительная техника.

Открывается гораздо более широкое пространство.

Это пространство новой теории простых чисел.

Пространство новых математических последовательностей.

Пространство структурно-извлекаемых объектов.

Пространство метаиндуктивного доказательства.

Пространство криптографических конструкций.

И, наконец, пространство новой математической индустрии.

Именно поэтому третья версия проекта больше не пытается компактно «решить задачу Гольдбаха».

Она ставит более амбициозную цель:

показать, какие новые математические миры начинают раскрываться, если рассматривать Метатеорему Гольдбаха не как отдельный результат, а как генератор новых теорий, объектов, технологий и форм производства знания.

1 — Почему потребовалось начинать заново

Я не считаю первые два захода ошибочными.

Напротив, без них невозможно было бы прийти к нынешней конструкции.

Первая попытка дала материал.

Вторая дала метод.

Третья должна дать систему.

В первой версии основное внимание было сосредоточено на самой функции количества разложений и на поиске закономерностей в ее поведении.

Во второй стало ясно, что эти закономерности должны быть встроены в полноценную доказательную архитектуру: с масштабными переходами, метаинвариантами, прогнозами, разрушителями и доказательными состояниями.

Но только после этого стало видно еще одно обстоятельство.

Каждый новый закон, найденный в Метагольдбахе, способен порождать новые последовательности.

Каждая последовательность может породить новые производные ряды.

Каждый новый ряд способен выявить отдельную закономерность.

Каждая закономерность может стать новым каналом метаиндукции.

Каждый канал может иметь прикладное значение.

И вся система начинает расти не линейно, а разветвленно.

Именно здесь возникла идея математической индустрии.

2 — Гольдбах как вход, а не как выход

Классическая проблема Гольдбаха обычно воспринимается как одна из старых нерешенных задач теории чисел.

Такое восприятие слишком узко.

Если посмотреть на нее через функцию G(N), сразу становится видно, что за бинарным вопросом скрывается огромная количественная структура.

Четное число может иметь одно разложение.

Или два.

Или десять.

Или тысячу.

Или десятки тысяч.

Можно изучать первое появление каждого уровня.

Можно искать последнее нарушение.

Можно строить границу окончательной гарантии.

Можно исследовать расстояние между появлением и закреплением уровня.

Можно изучать плато.

Можно исследовать скачки.

Можно строить мультипликативные траектории.

Можно исследовать экстремальные классы.

Можно сравнивать факторизационные профили.

Можно строить новые последовательности.

И вдруг оказывается, что классическая гипотеза Гольдбаха — это только первый уровень огромной системы.

Поэтому в настоящей книге Гольдбах — не конечная цель.

Он является входной дверью.

Через нее мы попадаем в новую теорию количественной динамики простых чисел.

3 — От доказательства одной теоремы к системе доказательных состояний

Когда я впервые формулировал Метатеорему, естественно хотелось найти один решающий ход.

Одну формулу.

Одну оценку.

Один индукционный переход.

Одну универсальную зависимость.

Но сама структура задачи сопротивлялась этому.

Чем больше появлялось вычислительного материала, тем отчетливее становилось, что Метагольдбах — это не одна кривая.

Это система.

В ней одновременно существуют уровни.

Границы.

Экстремумы.

Масштабы.

Арифметические классы.

Переходы.

Рекорды.

Разрушители.

Поэтому и доказательство должно быть системным.

Именно здесь Теория метаиндукции оказалась естественным инструментом.

Метаиндукция позволяет переносить не одно число и не одну формулу, а состояние системы.

Если на последовательных масштабах воспроизводится одна и та же структурная организация, если сохраняются основные метаинварианты, если прогнозы работают, если экстремальный слой не разрушается, если специально построенные адверсарные атаки не создают нового режима, появляется основание говорить о сохранении математической идентичности системы.

Это уже другой тип доказательной архитектуры.

Именно его я хочу применить в этой книге в полном объеме.

4 — Не одна закономерность, а двадцать и более законов

Одной из принципиальных задач настоящего издания будет построение крупного каталога законов Метагольдбаха.

Не одной центральной формулы.

Не двух-трех красивых графиков.

А целой системы закономерностей.

Причем важно, чтобы эти закономерности были содержательно различными.

Одна должна описывать нижнюю огибающую.

Другая — границы уровней.

Третья — скачки.

Четвертая — плато.

Пятая — мультипликативные переходы.

Шестая — экстремальные провалы.

Седьмая — арифметическую структуру худших случаев.

Восьмая — прогнозную устойчивость.

Девятая — масштабную воспроизводимость.

Десятая — цену разрушения.

И так далее.

Смысл не в числе двадцать.

Смысл — в переходе от одномерной зависимости к многоканальной системе.

Если десятки различных структур указывают в одном направлении, а их разрушение требует одновременного возникновения нескольких новых режимов, доказательная ситуация становится качественно иной.

5 — Математика должна уметь искать свои собственные разрушители

Одной из идей, которые я считаю принципиально важными для настоящей работы, является теория разрушения математического закона.

Недостаточно обнаружить красивую закономерность.

Нужно сразу спросить:

что может ее уничтожить?

Если растет нижняя граница — что может заставить ее упасть?

Если экстремальный слой стабилен — какой класс чисел способен его разрушить?

Если прогнозы работают — что должно произойти, чтобы они начали систематически ошибаться?

Если несколько законов согласованы — существует ли единый скрытый механизм, который может разрушить их одновременно?

Так математика перестает быть только подтверждающей.

Она становится адверсарной.

Она сама ищет собственный контрпример.

Для меня это один из важнейших принципов всей Теории метаиндукции.

6 — Красота новой теории проявляется в последовательностях

Но по мере работы обнаружилась еще одна сторона Метагольдбаха, которая, возможно, окажется не менее важной, чем сама теорема.

Новая теория начинает порождать огромное количество числовых последовательностей.

Например, последовательность первых четных чисел, на которых впервые достигается заданное количество представлений.

Последовательность первых чисел, после которых этот уровень больше никогда не нарушается.

Последовательность последних нарушений.

Последовательность скачков.

Последовательность длин плато.

Последовательность рекордных экстремумов.

Последовательность расстояний между рекордами.

Последовательность арифметических классов худших случаев.

Последовательность мультипликативных переходов.

Последовательность моментов смены режима.

И это лишь начало.

Из одной последовательности можно извлекать другую.

Из второй — третью.

Из нескольких — строить отношения.

Из отношений — новые ряды.

Из новых рядов — новые законы.

Так возникает целый числовой космос.

7 — Конструктивно-генерируемые и структурно-извлекаемые последовательности

Здесь я вижу принципиально важное различие.

Есть последовательности, которые удобно назвать конструктивно-генерируемыми.

В них правило одновременно является механизмом построения следующего члена.

Последовательность Фибоначчи — классический пример.

Зная два предыдущих члена, мы получаем следующий.

Но последовательности, связанные с Метагольдбахом, часто имеют иной характер.

Следующий член нельзя просто получить арифметическим манипулированием нескольких предыдущих.

Чтобы найти его, приходится вновь обращаться к глобальной структуре натурального ряда.

Нужно вычислять.

Искать.

Фильтровать.

Сравнивать.

Находить экстремум.

Проверять условие.

То есть новый член не столько порождается, сколько добывается.

Он уже существует в мире чисел.

Исследователь должен его обнаружить.

Именно поэтому мне представляется продуктивным говорить о структурно-извлекаемых последовательностях.

8 — Числовой мир как месторождение

Эта идея меняет само восприятие вычислительной математики.

Обычно вычисление понимается как техническое средство.

Нужно проверить формулу — вычисляем.

Нужно получить таблицу — вычисляем.

Нужно протестировать гипотезу — вычисляем.

Но если математический мир содержит огромное количество скрытых структур, вычисление становится уже не просто проверкой.

Оно становится разведкой.

А затем — добычей.

Числовой мир начинает напоминать огромное месторождение.

Мы не создаем находящиеся в нем объекты произвольно.

Мы находим их.

Очищаем от вычислительной ошибки.

Классифицируем.

Сопоставляем.

Ищем между ними законы.

В этом смысле настоящая книга постепенно выходит к идее экстрактивной математики.

Математики, которая занимается систематическим извлечением скрытых структур из уже существующих математических пространств.

9 — Почему это не математическая игра

Здесь я хочу сделать специальное уточнение.

Генерация новых последовательностей может со стороны выглядеть как интеллектуальное развлечение.

Как коллекционирование красивых рядов.

Я так на это не смотрю.

Каждая содержательная последовательность — это потенциальный новый носитель структуры.

Она может содержать новые экстремальные свойства.

Новые рекуррентные отношения.

Новые законы распределения.

Новые алгоритмические возможности.

Новые методы индексации.

Новые генераторы.

Новые криптографические конструкции.

Новые способы классификации чисел.

Новые тесты.

Новые преобразования.

Новые пространства параметров.

Поэтому последовательность — это не декоративный объект.

Это потенциальный математический ресурс.

10 — От последовательностей к криптографии

Особенно интересны возможности в области криптографии.

Современная криптография уже опирается на свойства простых чисел и вычислительную сложность арифметических задач.

Но традиционная теория использует лишь ограниченное число хорошо изученных конструкций.

Если новая теория простых чисел способна порождать тысячи и потенциально миллионы структурно различающихся последовательностей, экстремальных классов и многоуровневых отношений, пространство возможных криптографических конструкций резко расширяется.

Разумеется, новая последовательность сама по себе не является криптографической системой.

Необычность не означает стойкость.

Красота не означает безопасность.

Каждая конкретная конструкция должна отдельно проходить криптоанализ.

Но фундаментальное преимущество здесь в другом.

Мы расширяем пространство, из которого можно конструировать будущую криптографию.

11 — Математическая добыча вместо пустого вычисления

Особенно интересным следствием становится возможность нового подхода к распределенным вычислительным системам.

В традиционном proof-of-work вычислительная работа имеет прежде всего функцию подтверждения затраченного ресурса и защиты консенсуса.

Но можно поставить более содержательную задачу.

Пусть вычислительный узел ищет не абстрактное подходящее значение, а новый математический объект.

Новый экстремум.

Новый член последовательности.

Новый класс.

Новый рекорд.

Новый структурный переход.

Тогда вычислительная работа после завершения не исчезает.

Она оставляет после себя математический результат.

Так появляется идея Proof-of-Mathematical-Discovery.

Доказательства математического обнаружения.

Если такую систему удастся сделать технически корректной, вычислительная энергия сможет одновременно выполнять две функции:

обеспечивать распределенный консенсус;

и увеличивать общий математический капитал.

12 — Книга рекордов Метагольдбаха

Из этого естественно возникает концепция глобальной «Книги рекордов Метагольдбаха».

Но речь идет не о популярном собрании больших чисел.

Это должна быть постоянно действующая математическая обсерватория.

Она может регистрировать:

новые экстремумы;

новые последовательности;

новые границы;

новые классы;

новые масштабные рекорды;

новые разрушители;

новые доказательные состояния;

новые рекорды прогнозной точности;

новые метаинварианты.

Таким образом, рекордом становится не только число.

Рекордом становится приращение знания.

13 — От Закона Мура к Закону Метагольдбаха

XX век научил измерять рост вычислительных возможностей.

Символом этого роста стал Закон Мура.

Но вычислительная мощность сама по себе не является конечной целью.

Важно, что эта мощность производит.

Поэтому я предлагаю рассматривать возможность другого закона.

Условного Закона Метагольдбаха.

Его смысл — не в росте числа транзисторов.

А в росте скорости производства нового математического знания.

Если вычислительные системы, алгоритмы, искусственный интеллект и накопленный математический капитал начинают усиливать друг друга, возникает возможность ускоряющегося цикла:

новое знание помогает находить новое знание быстрее.

В таком режиме растет уже не мощность машины.

Растет мощность познания.

14 — Математический капитал

Математическое знание обладает одним важным свойством.

Оно может многократно использоваться.

Один вычислительный массив дает множество последовательностей.

Одна последовательность дает несколько законов.

Один закон позволяет строить прогнозы.

Один прогноз создает новые вычислительные задачи.

Один класс объектов может породить новый алгоритм.

Один алгоритм — новую технологию.

Поэтому математический результат не исчезает после использования.

Он становится ресурсом следующего уровня.

Именно это позволяет говорить о математическом капитале.

15 — «Метаиндуктум»

На этом основании в приложениях к первому тому рассматривается концепция глобальной когнитивно-креативной корпорации «Метаиндуктум».

Ее задача — превращать вычислительную мощность в растущий математический капитал.

В такой системе:

вычислительные сети добывают объекты;

искусственный интеллект ищет структуры;

метаиндукция классифицирует доказательную силу;

адверсарные системы ищут разрушители;

криптографические подразделения исследуют приложения;

экономические механизмы финансируют новый цикл исследований.

Так возникает замкнутая схема:

вычисление -> открытие -> знание -> технология -> экономический ресурс -> новые вычисления -> новое открытие.

Если подобная система когда-либо заработает в полном масштабе, фундаментальная математика впервые может стать предметом систематической индустриализации.

Не в смысле массового производства одинаковых результатов.

А в смысле массового производства нового знания.

16 — Почему я считаю это естественным продолжением Метаорганона

Все это не возникло внезапно.

В Метаорганоне давно присутствует одна общая идея:

не принимать привычные границы дисциплины за окончательные.

Если логика не охватывает важный тип отношений — ее нужно расширять.

Если классическая математика не различает важные типы бесконечности — нужно вводить новые.

Если существующие доказательные схемы плохо работают с устойчивыми многоуровневыми системами — нужно создавать Теорию метаиндукции.

Если теория чисел ограничивает себя несколькими традиционными функциями — нужно расширять пространство объектов.

Если математика рассматривает вычисление только как вспомогательный процесс — нужно исследовать возможность превратить вычисление в производство математического капитала.

Поэтому новая теория простых чисел и математическая индустрия для меня являются естественным продолжением общей логики Метаорганона.

17 — Третий заход

Так возник третий заход к Метатеореме Гольдбаха.

Первый пытался понять объект.

Второй — доказательство.

Третий пытается понять последствия.

И теперь я уже не думаю, что книгу нужно искусственно удерживать в пределах одного тома или одной дисциплины.

Если теория будет разрастаться — пусть разрастается.

Если Атлас последовательностей потребует отдельного тома — он должен его получить.

Если криптографическая программа потребует отдельной книги — значит, появится отдельная книга.

Если математическая индустрия окажется самостоятельной дисциплиной — она должна получить собственный аппарат.

Масштаб исследования должен определяться не издательским удобством, а масштабом самого объекта.

18 — О доказательстве

При этом центральная математическая задача остается предельно конкретной.

Мы должны построить метаиндуктивное доказательство Метатеоремы Гольдбаха.

Не декларацию.

Не набор красивых совпадений.

Не огромную таблицу.

А полноценную доказательную систему.

Для этого потребуется:

получить крупный точный вычислительный корпус;

выделить десятки содержательно различных законов;

установить степень их независимости;

проверить их на нескольких масштабах;

провести ретропрогнозы;

сделать независимые прогнозы;

исследовать экстремальный слой;

найти наиболее опасные классы чисел;

построить каталог разрушителей;

провести адверсарные атаки;

оценить цену разрушения;

установить метаинвариантное ядро;

и выполнить большое метаиндукционное замыкание.

Только после этого в книге может появиться итоговая формулировка доказательного статуса.

19 — О праве математики быть красивой

Наконец, я не хочу скрывать еще одну причину, по которой эта работа мне интересна.

Все это просто чрезвычайно красиво.

Красивы сами последовательности.

Красивы границы.

Красивы неожиданные плато.

Красивы рекорды.

Красивы экстремальные числа.

Красивы переходы между уровнями.

Красиво то, что из одного определения начинают возникать десятки самостоятельных объектов.

И особенно красиво, что эта красота не противопоставлена практической ценности.

Напротив, чем богаче математическая структура, тем больше потенциальных способов ее использования.

В этом смысле фундаментальная и прикладная математика здесь не расходятся.

Они начинают усиливать друг друга.

20 — Вместо завершения

Я начинал эту работу как исследование одной проблемы теории чисел.

Теперь я вижу перед собой значительно более широкую программу.

Метатеорема Гольдбаха.

Новая количественная теория простых чисел.

Атлас структурно-извлекаемых последовательностей.

Экстрактивная математика.

Математическая добыча.

Proof-of-Mathematical-Discovery.

Криптографические системы нового типа.

Книга рекордов Метагольдбаха.

Закон роста когнитивной производительности.

Математический капитал.

Математическая индустрия.

«Метаиндуктум».

Возможно, далеко не все из этого будет реализовано сразу.

Возможно, часть направлений потребует десятилетий.

Но теперь они уже видны как части одной системы.

И потому третий заход к Гольдбаху я начинаю не с попытки осторожно закончить старую задачу.

Я начинаю с намерения открыть то пространство, которое эта задача неожиданно позволила увидеть.

21 — Метагольдбах — только начало

Есть, наконец, еще одно обстоятельство, без которого общая программа настоящего многотомника была бы сформулирована неполно.

Все, о чем до сих пор говорилось применительно к Метатеореме Гольдбаха, простым числам, структурно-извлекаемым последовательностям, математической добыче и будущей математической индустрии, представляет собой лишь один сравнительно узкий вход в значительно более обширный мир.

Простые числа чрезвычайно важны. Основная теорема арифметики показывает, что каждое натуральное число, большее единицы, единственным образом — с точностью до порядка множителей — раскладывается в произведение простых чисел.

Но из фундаментальности простых чисел вовсе не следует, что математический мир должен преимущественно исследоваться только через них.

Простые числа являются атомами мультипликативной структуры натурального ряда.

Однако химия не заканчивается периодической таблицей элементов.

Из атомов возникают молекулы.

Из молекул — вещества.

Из веществ — структуры совершенно новых уровней сложности.

Нечто аналогичное возможно и в арифметике.

Если обозначить через Ω(n) количество простых множителей числа n с учетом их кратности, натуральный ряд естественно расслаивается на бесконечную систему миров.

Числа с:

Ω(n)=1

образуют мир простых чисел.

Числа с:

Ω(n)=2

образуют мир двухсоставных чисел — полупростых.

Числа с:

Ω(n)=3

образуют следующий структурный слой.

Далее возникают:

Ω(n)=4,

Ω(n)=5,

…

и в общем случае:

Ω(n)=k.

Каждый такой слой является собственным числовым миром.

Конечно, математика уже исследует почти простые числа и многие связанные с ними функции. Но совершенно иной вопрос состоит в том, чтобы рассматривать каждый такой слой как самостоятельное пространство экстрактивной математики, потенциально обладающее собственной системой последовательностей, экстремумов, законов, метазаконов и прикладных конструкций.

Почему мир простых чисел должен считаться более «благородным», чем мир произведений двух простых?

Почему трехсоставные числа должны рассматриваться лишь как менее интересные составные объекты?

Почему числа фиксированной мультипликативной сложности не могут обладать собственными законами, которые становятся видимыми только после перехода к соответствующей системе координат?

Никаких оснований для подобного ограничения нет.

Простые числа обладают исключительной фундаментальностью.

Но фундаментальность не означает монополии на сложность.

Напротив, переход от Ω(n)=1 к Ω(n)=2, затем к Ω(n)=3 и далее создает целую вертикаль новых арифметических миров.

И в каждом из них можно ставить вопросы, аналогичные тем, которые Метагольдбах заставил поставить в мире простых.

Как распределены числа данного состава?

Какие экстремальные структуры они образуют?

Какие уровни возникают?

Какие рекорды существуют?

Какие классы являются наиболее редкими?

Какие — наиболее устойчивыми?

Какие последовательности можно из них извлечь?

Какие закономерности сохраняются между масштабами?

Какие процессы способны разрушить эти закономерности?

Какие отношения возникают между различными уровнями Ω?

Можно ли построить переход:

Ω=k -> Ω=k+1

как самостоятельный метаиндукционный процесс?

Можно ли обнаружить условное тождество разных составных миров?

Существуют ли законы, действующие одновременно в мирах Ω=1, Ω=2, Ω=3, …?

Есть ли метазаконы уже не отдельных чисел, а иерархии арифметических составов?

Это гигантское исследовательское пространство.

Причем классификация по Ω(n) — только один из возможных входов.

Можно классифицировать числа по количеству различных простых делителей.

По профилю степеней в факторизации.

По величине наименьшего простого множителя.

По величине наибольшего простого множителя.

По расстояниям между множителями.

По их отношениям.

По структуре показателей степеней.

По остаточным классам множителей.

По геометрии факторизационного профиля.

По десяткам других признаков.

Каждая новая система классификации способна породить собственный числовой мир.

А пересечение двух классификаций порождает следующий.

Пересечение трех — еще следующий.

Таким образом, пространство потенциальных объектов экстрактивной математики становится комбинаторно огромным.

Именно здесь особенно ясно видно, насколько узким входом является Метатеорема Гольдбаха.

Она работает в одном секторе:

четные числа;

аддитивное представление;

два простых слагаемых;

количество таких представлений;

и законы изменения этого количества.

Но если оказалось возможным построить богатую теорию уже в этом секторе, возникает естественный вопрос:

сколько аналогичных теорий скрыто в остальных секторах натурального ряда?

Вместо:

N = p + q

можно исследовать другие аддитивные композиции.

Можно заменять простые полупростыми.

Можно рассматривать смешанные представления:

простое + полупростое;

простое + трехсоставное;

полупростое + полупростое.

Можно исследовать три, четыре и большее число компонентов.

Можно переходить от аддитивных отношений к мультипликативным.

Можно сочетать аддитивную и мультипликативную структуру.

Можно вводить ограничения на факторизационные профили компонентов.

Можно изучать экстремумы количества таких представлений.

Можно строить границы гарантии.

Можно искать аналоги A(K), B(K), V(K), H(V).

Можно строить новые последовательности.

Можно исследовать их метаиндуктивно.

В результате Метагольдбах оказывается лишь первым представителем огромного семейства потенциальных метатеорем арифметических структур.

И здесь особенно важна экстрактивная постановка.

Мы не знаем заранее, сколько подобных теорий скрыто в натуральном ряду.

Мы не знаем заранее, какие последовательности окажутся наиболее глубокими.

Мы не знаем, какие классы чисел дадут особенно богатые законы.

Мы не знаем, какие отношения окажутся наиболее перспективными для криптографии.

Именно поэтому их нельзя просто выписать из готовой классификации.

Их необходимо добывать.

Исследовать.

Сопоставлять.

Разрушать.

Проверять метаиндуктивно.

И вновь добывать.

Так появляется практически неисчерпаемая программа математической разведки.

22 — От мира простых к системе числовых миров

Можно представить натуральный ряд не как одну однородную последовательность чисел, а как систему наложенных друг на друга миров.

Мир простых.

Мир полупростых.

Мир трехсоставных.

Мир четырехсоставных.

Миры чисел с заданным количеством различных делителей.

Миры определенных факторизационных профилей.

Миры экстремальных чисел.

Миры чисел, определяемых отношениями между собственными множителями.

И множество других.

Каждый мир можно исследовать самостоятельно.

Но особенно интересно исследовать переходы между мирами.

Тогда объектом становится уже не отдельный класс чисел, а структура всей арифметической вселенной.

Именно здесь Теория метаиндукции получает совершенно новое поле применения.

Она позволяет спрашивать не только:

сохраняется ли некоторый закон при росте числового масштаба?

Но и:

сохраняется ли некоторый метазакон при переходе от одного арифметического мира к другому?

Если да, перед нами возникает метаиндукция второго типа:

не только масштабная,

но и межструктурная.

Это направление способно оказаться значительно шире исходной Метатеоремы Гольдбаха.

23 — Экстрактивная математика как новая исследовательская программа

Поэтому экстрактивную математику я понимаю значительно шире исследования последовательностей простых чисел.

Ее предметом является систематическое обнаружение скрытых математических объектов, которые существуют внутри уже заданных математических пространств, но еще не выделены человеческой системой понятий.

Натуральные числа являются только первым таким пространством.

В дальнейшем теми же методами можно исследовать:

графы;

геометрические структуры;

комбинаторные пространства;

алгебраические системы;

динамические системы;

фрактальные объекты;

многомерные дискретные пространства;

и другие математические миры.

В каждом из них могут существовать собственные структурно-извлекаемые последовательности.

Собственные рекорды.

Собственные классы.

Собственные скрытые законы.

Собственные метатеоремы.

Поэтому конечным объектом исследования становится уже не теория простых чисел.

Им становится теория систематического извлечения нового знания из математической реальности.

24 — «Метаиндуктум» как программа освоения математических миров

В этом контексте меняется и смысл проекта «Метаиндуктум».

Это уже не корпорация, специализирующаяся на Метагольдбахе.

И даже не корпорация, специализирующаяся на простых числах.

Метагольдбах может стать первым крупным демонстрационным проектом.

Теория простых — первой промышленной площадкой.

Но конечная программа значительно шире.

«Метаиндуктум» может рассматриваться как глобальная система разведки, добычи, проверки, классификации и технологического освоения математических миров.

Один исследовательский кластер может работать с простыми числами.

Другой — с полупростыми.

Третий — с числами заданного факторизационного состава.

Четвертый — с аддитивными структурами.

Пятый — с геометрией.

Шестой — с метафрактальными системами.

Седьмой — с Юниметрией.

Восьмой — с ноофакториальными структурами.

Тысячи искусственных интеллектов могут параллельно исследовать различные математические пространства.

Одни искать последовательности.

Другие — законы.

Третьи — разрушители.

Четвертые — криптографические приложения.

Пятые — метазаконы, связывающие разные математические миры.

Так концепция математической индустрии перестает зависеть от успеха одного конкретного направления.

Ее сырье практически неисчерпаемо.

Потому что ее сырьем становится сама математическая реальность.

25 — Новая экономика математических открытий

Отсюда возникает и совершенно иная экономическая перспектива.

Если математических миров много, если каждый способен порождать огромное количество структур, если структуры могут превращаться в последовательности, последовательности — в законы, законы — в алгоритмы, а алгоритмы — в технологические продукты, возникает возможность постоянно расширяющегося рынка математических открытий.

Сегодня одна область может оказаться особенно полезна для криптографии.

Завтра другая — для искусственного интеллекта.

Третья — для распределенных систем.

Четвертая — для сжатия информации.

Пятая — для моделирования.

Шестая — для генеративных технологий.

Невозможно заранее знать, какой математический класс породит следующий крупный технологический переход.

Следовательно, экономическая программа должна строиться не только на эксплуатации уже найденных объектов.

Она должна финансировать систематическое открытие новых математических миров.

В этом смысле исследователь и предприниматель перестают находиться по разные стороны процесса.

Исследователь открывает новую структуру.

Предприниматель ищет способ ее использования.

Инженер превращает ее в технологию.

Вычислительная сеть расширяет область исследования.

Искусственный интеллект находит следующий слой закономерностей.

Вся система движется дальше.

26 — Метагольдбах как первый рудник

Поэтому, если использовать уже возникшую метафору математической добычи, Метагольдбах следует рассматривать как первый крупный рудник, а не как всю горнодобывающую отрасль.

Мы нашли участок.

Начали разработку.

Обнаружили несколько типов математической руды.

Увидели последовательности.

Увидели законы.

Обнаружили возможность метаиндукционного доказательства.

Увидели потенциальные криптографические приложения.

А затем поднялись над рудником и увидели горизонт.

И оказалось, что вокруг находятся целые материки.

Мир простых чисел — только один из них.

Миры чисел различных составов — следующие.

За ними находятся другие арифметические пространства.

А за арифметикой — другие математические дисциплины.

Поэтому главный результат работы над Метатеоремой Гольдбаха может в конечном счете заключаться даже не в самой Метатеореме.

Он может заключаться в том, что эта задача помогла увидеть новую модель отношения человека, искусственного интеллекта и математики.

Не только доказывать уже поставленные задачи.

Не только создавать произвольные новые конструкции.

Но систематически исследовать математическую реальность в поисках еще не открытых структур.

Добывать их.

Превращать в знание.

Связывать в теории.

Проверять метаиндуктивно.

Использовать технологически.

И на основании полученного знания открывать следующие математические миры.

27 — Поэтому Метагольдбах — только начало

Теперь мне представляется неправильным заканчивать программу словами о том, что Метатеорема Гольдбаха должна завершить одну из старейших проблем математики.

Даже если она будет установлена в той форме, которую предполагает настоящее исследование, этим работа не заканчивается.

Наоборот.

Она только начинается.

За Метагольдбахом возникает новая теория простых чисел.

За новой теорией простых — Атлас структурно-извлекаемых последовательностей.

За ним — экстрактивная математика.

За экстрактивной математикой — метаиндуктивное исследование различных арифметических миров.

За ними — математическая добыча.

Криптография.

Proof-of-Mathematical-Discovery.

Математический капитал.

Математическая индустрия.

«Метаиндуктум».

И далее — исследование совершенно иных математических пространств, большая часть которых сегодня даже не поставлена в качестве самостоятельных объектов систематической разработки.

Поэтому Метагольдбах — только начало.

Не финальная точка.

Не вершина.

Не последний результат.

Это первая открытая дверь.

А за ней начинается территория, размеры которой нам еще только предстоит выяснить.

В.К. Петросян (Вадимир)

********

© 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

*********

В.К. ПЕТРОСЯН (ВАДИМИР)

МЕТАТЕОРЕМА ГОЛЬДБАХА И ЕЕ СЛЕДСТВИЯ

В n томах

ТОМ I

НОВАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ И МАТЕМАТИЧЕСКАЯ ИНДУСТРИЯ

Метаиндуктивное доказательство

Аннотация

От автора

Предисловие

1 — Почему книга написана заново

2 — Три захода к одной проблеме

3 — От проблемы Гольдбаха к Метатеореме

4 — От Метатеоремы к Теории метаиндукции

5 — От метаиндукции к новой теории простых чисел

6 — От новой теории простых к экстрактивной математике

7 — От экстрактивной математики к математической индустрии

8 — Почему одного закона недостаточно

9 — Почему двадцать законов лучше одной аппроксимации

10 — Вычислительная экспликация

11 — Нижний экстремальный слой

12 — Теория разрушения

13 — Последовательности как новые математические объекты

14 — Математическая добыча

15 — Математический капитал

16 — Метагольдбах как первый рудник

Введение

1 — Классическая проблема Гольдбаха

2 — Бинарная постановка и ее ограниченность

3 — Функция количества представлений G(N)

4 — От существования к множественности

5 — Иерархия количественных уровней

6 — Основная идея Метатеоремы Гольдбаха

7 — Граница окончательной гарантии

8 — Нижняя функция гарантированного количества представлений

9 — Метатеорема как утверждение о неограниченном росте гарантии

10 — Классический Гольдбах как уровень K=1

11 — Почему Метатеорема значительно сильнее классической проблемы

12 — Новая система координат

13 — Новые последовательности

14 — Новые законы

15 — Новые метазаконы

16 — Доказательная программа

17 — Вычислительная программа

18 — Адверсарная программа

19 — Экстрактивная программа

20 — Индустриальная программа

ЧАСТЬ I. МЕТАОРГАНОН И ТЕОРИЯ МЕТАИНДУКЦИИ

Глава 1. Метаорганон как общая методологическая система

1 — Общая идея Метаорганона

2 — Гармоническая логика

3 — Гармоническая математика

4 — Закон условного тождества

5 — Теория эксплицируемости

6 — Изольдионика

7 — Юниметрия

8 — Трехипостасная математика

9 — Метафракталика

10 — Теория ноофакториалов

11 — Метаиндукция

12 — Место Метагольдбаха в системе Метаорганона

Глава 2. От классической индукции к метаиндукции

1 — Свойство

2 — Состояние

3 — Индукционное состояние

4 — Минимально достаточное состояние

5 — Расширенное состояние

6 — Метасостояние

7 — Инвариант

8 — Метаинвариант

9 — Переход состояния

10 — Замыкание

11 — Метаиндукционный переход

12 — Метаиндукционное доказательство

Глава 3. Закон условного тождества

1 — Строгое тождество

2 — Условное тождество

3 — Существенные различия

4 — Несущественные различия

5 — Структурное тождество

6 — Функциональное тождество

7 — Процессуальное тождество

8 — Масштабное тождество

9 — Условия сохранения

10 — Условия разрушения

11 — Условное тождество математических режимов

12 — Применение к Метагольдбаху

Глава 4. Экспликация и эксплицируемость

1 — Экспликация математического объекта

2 — Эксплицированная область

3 — Граница экспликации

4 — Вычислительная экспликация

5 — Структурная экспликация

6 — Процессуальная экспликация

7 — Историческая подвижность границы

8 — Эксплицируемость контрсценария

9 — Формальная и конструктивная возможность

10 — Экспликация как доказательный ресурс

Глава 5. Малая метаиндукция

1 — Последовательность масштабов

2 — Состояние M(X)

3 — Переход к следующему масштабу

4 — Сохранение структуры

5 — Дрейф параметров

6 — Ретропрогноз

7 — Скрытый проверочный диапазон

8 — Замороженная модель

9 — Независимый прогноз

10 — Критерии успешного перехода

Глава 6. Большая метаиндукция

1 — От конечной серии переходов к метазакону

2 — Воспроизводимость режима

3 — Метаинвариантное ядро

4 — Масштабное замыкание

5 — Неограниченное продолжение

6 — Разрушение большого перехода

7 — Метатеорема как объект большой метаиндукции

Глава 7. Многоканальное доказательство

1 — Один канал

2 — Несколько каналов

3 — Независимость

4 — Условная независимость

5 — Ложная независимость

6 — Общие скрытые причины

7 — Доказательная генеалогия закона

8 — Динамический канал

9 — Экстремальный канал

10 — Арифметический канал

11 — Прогностический канал

12 — Адверсарный канал

13 — Многоканальный метаинвариант

Глава 8. Теория разрушения закона

1 — Положительное подтверждение

2 — Отрицательная проверка

3 — Разрушитель

4 — Локальный сбой

5 — Системный сбой

6 — Предвестник

7 — Смена режима

8 — Каскад разрушения

9 — Совместное разрушение нескольких законов

10 — Минимальный контрсценарий

Глава 9. Цена разрушения

1 — Понятие цены

2 — Глубина отклонения

3 — Масштаб

4 — Число затронутых законов

5 — Независимость каналов

6 — Координационная сложность

7 — Каскадность

8 — Восстановимость

9 — Цена математической катастрофы

10 — Рост цены разрушения

Глава 10. Доказательные состояния

1 — Вычислительное состояние

2 — Эмпирическое состояние

3 — Прогностическое состояние

4 — Метаинвариантное состояние

5 — Адверсарно проверенное состояние

6 — Замкнутое метаиндукционное состояние

7 — Доказательно-аксиологический профиль

8 — Доказательный паспорт

ЧАСТЬ II. ИСТОРИЯ ИНДУКЦИОННОГО ДОКАЗАТЕЛЬСТВА

Глава 1. Истоки индуктивного мышления

1 — Античная индукция

2 — Аристотель

3 — Повторение и обобщение

4 — Потенциальная бесконечность

5 — Ранние рекуррентные конструкции

6 — Отличие логической индукции от математической

Глава 2. Ранние формы математической индукции

1 — Ал-Караджи

2 — Ал-Самаваль

3 — Степенные тождества

4 — Биномиальные конструкции

5 — Рекуррентные рассуждения

6 — Неявный индукционный переход

Глава 3. Паскаль

1 — Арифметический треугольник

2 — Рекурсия строк

3 — Переход n -> n+1

4 — База

5 — Шаг

6 — Структурный смысл паскалевской индукции

Глава 4. Ферма и бесконечный спуск

1 — Минимальный контрпример

2 — Уменьшение объекта

3 — Невозможность бесконечного уменьшения

4 — Пример доказательства

5 — Индукционный смысл спуска

6 — Связь с теорией разрушения

Глава 5. XVIII век

1 — Бернулли

2 — Эйлер

3 — Рекуррентные тождества

4 — Экспериментальная математика Эйлера

5 — Удачные закономерности

6 — Ложные продолжения

7 — Уроки для метаиндукции

Глава 6. Формализация индукции

1 — Натуральный ряд

2 — Пеано

3 — База

4 — Переход

5 — Полная индукция

6 — Сильная индукция

7 — Взаимная индукция

8 — Структурная индукция

Глава 7. Индукция в теории чисел

1 — Делимость

2 — Факториальные оценки

3 — Биномиальные коэффициенты

4 — Произведения простых

5 — Рекуррентные последовательности

6 — Минимальный контрпример

7 — Скрытое многокомпонентное состояние

Глава 8. Метаиндукционный аудит классических доказательств

1 — Что переносится реально

2 — Какие компоненты остаются скрытыми

3 — Вспомогательные леммы как элементы состояния

4 — Замкнутые доказательства

5 — Незамкнутые схемы

6 — Условия перехода к метаиндукции

ЧАСТЬ III. КЛАССИЧЕСКАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. Простые и составные числа

1 — Делимость

2 — Простое число

3 — Составное число

4 — Делители

5 — Наибольший общий делитель

6 — Лемма Евклида

7 — Примеры

Глава 2. Основная теорема арифметики

1 — Разложение на простые множители

2 — Существование разложения

3 — Единственность

4 — Кратности

5 — Показатели степеней

6 — Факторизационный профиль

7 — Простые как мультипликативные атомы

8 — Составные числа как самостоятельные структурные миры

Глава 3. Теорема Евклида о бесконечности простых

1 — Постановка

2 — Произведение известных простых

3 — Число P+1

4 — Новый простой делитель

5 — Логика противоречия

6 — Другие доказательства

7 — Метаиндукционный анализ

Глава 4. Решето Эратосфена

1 — Идея решета

2 — Решето до 30

3 — Решето до 100

4 — Почему вычеркивание начинается с p²

5 — Почему достаточно простых до sqrt(N)

6 — Пошаговый алгоритм

7 — Сложность

8 — Память

9 — Битовые представления

10 — Сегментированное решето

11 — Параллельное решето

12 — Решето как инструмент экспликации

Глава 5. Функция счета простых

1 — pi(x)

2 — Первые значения

3 — Ступенчатая структура

4 — Плотность простых

5 — Средние промежутки

6 — Локальная плотность

7 — Ограниченность одной функции pi(x)

Глава 6. Теорема Бертрана

1 — История

2 — Формулировка

3 — Интервал (n,2n)

4 — Центральный биномиальный коэффициент

5 — Нижняя оценка

6 — Простые делители биномиального коэффициента

7 — Произведение простых

8 — Сильная индукция

9 — Базовый диапазон

10 — Четный переход

11 — Нечетный переход

12 — Замыкание

13 — Противоречие при отсутствии простого

14 — Конечная проверка

15 — Доказательство Чебышёва

16 — Доказательство Эрдёша

17 — Скрытое доказательное состояние

18 — Метаиндукционный аудит

Глава 7. От Бертрана к количественной теории интервалов

1 — Один простой

2 — Два простых

3 — K простых

4 — Функция количества простых в (x,2x)

5 — Нижняя огибающая

6 — Уровни гарантии

7 — Возможные Метатеоремы Бертрана

Глава 8. Чебышёвские функции

1 — theta(x)

2 — psi(x)

3 — Факториальные оценки

4 — Биномиальные оценки

5 — Оценки pi(x)

6 — Порядок x/log x

7 — Значение для дальнейшей теории

Глава 9. Теорема о распределении простых

1 — pi(x) ~ x/log x

2 — Логарифмический интеграл

3 — Смысл асимптотики

4 — Дзета-функция

5 — Нули

6 — Адамар

7 — де ла Валле-Пуссен

8 — Эрдёш и Сельберг

9 — Средний закон и локальный экстремум

10 — Почему PNT не решает Гольдбаха

Глава 10. Простые в арифметических прогрессиях

1 — Взаимно простые классы

2 — Дирихле

3 — Характеры

4 — L-функции

5 — Распределение между классами

6 — Конечная неравномерность

7 — Значение для аддитивных задач

Глава 11. Промежутки между простыми

1 — Последовательность простых

2 — Prime gaps

3 — Средний промежуток

4 — Большие промежутки

5 — Малые промежутки

6 — Короткие интервалы

7 — Экстремальная геометрия простых

Глава 12. Решетные методы

1 — Лежандр

2 — Брун

3 — Решето Сельберга

4 — Верхние оценки

5 — Нижние оценки

6 — Ситовая размерность

7 — Паритетный барьер

8 — Возможности

9 — Ограничения

Глава 13. Почти простые числа

1 — Определение

2 — Полупростые

3 — Числа с тремя простыми множителями

4 — k-почти-простые

5 — Функция Ω(n)

6 — Функция ω(n)

7 — Распределение

8 — Почему эти классы важны для будущей экстрактивной математики

Глава 14. Аддитивная теория простых

1 — Суммы простых

2 — Бинарные задачи

3 — Тернарные задачи

4 — Метод окружности

5 — Главные дуги

6 — Малые дуги

7 — Исключительные множества

8 — Переход от почти всех к каждому

Глава 15. Харди—Литлвуд и количественная эвристика

1 — Ожидаемое количество представлений

2 — Масштаб N/(log N)²

3 — Арифметический множитель

4 — Сингулярный ряд

5 — Делители N

6 — Упорядоченные и неупорядоченные представления

7 — Эвристический главный член

8 — Почему асимптотический центр не контролирует нижний экстремум

ЧАСТЬ IV. КЛАССИЧЕСКАЯ ПРОБЛЕМА ГОЛЬДБАХА

Глава 1. История проблемы

1 — Гольдбах

2 — Эйлер

3 — Первоначальная формулировка

4 — Современная бинарная форма

5 — Сильная и слабая проблемы

Глава 2. Функция G(N)

1 — Определение

2 — Неупорядоченные пары

3 — Диагональ p+p

4 — Ручной расчет малых N

5 — Первые значения

6 — Немонотонность

7 — Аритметическая неоднородность

Глава 3. Что известно

1 — Виноградов

2 — Тернарная проблема

3 — Слабая гипотеза

4 — Чэнь

5 — Почти простые

6 — Исключительные множества

7 — Вычислительные проверки

Глава 4. Ограниченность бинарной постановки

1 — Порог 0/1

2 — Потеря количественной информации

3 — Один и миллион разложений как одинаковое «да»

4 — Необходимость уровневой системы

Глава 5. Переход к Метагольдбаху

1 — Количество разложений

2 — Гарантированное количество

3 — Уровень K

4 — Первое достижение

5 — Последнее нарушение

6 — Окончательная гарантия

ЧАСТЬ V. МЕТАТЕОРЕМА ГОЛЬДБАХА

Глава 1. Основная формулировка

1 — Формулировка

2 — Словесная форма

3 — Символическая форма

4 — Уровень K

5 — Граница V(K)

6 — Неограниченная лестница уровней

Глава 2. Нижняя функция H(V)

1 — Определение

2 — Гарантированный минимум

3 — Монотонность

4 — Конечный аналог H_X(V)

5 — Неограниченность

6 — Связь с Метатеоремой

Глава 3. Первое достижение уровня

1 — A(K)

2 — Первое G(N)>=K

3 — Первое точное значение G(N)=K

4 — Различие двух последовательностей

5 — Благоприятные числа

6 — Почему первое достижение не означает гарантию

Глава 4. Последнее нарушение

1 — B(K)

2 — Последний N с G(N)<K

3 — Конечный B_X(K)

4 — Глобальный B(K)

5 — Связь с V(K)

Глава 5. Граница неснижаемости

1 — V(K)

2 — Окончательная гарантия

3 — Монотонность V(K)

4 — Обратная связь с H(V)

5 — Лестница уровней

Глава 6. Переходная зона

1 — Z(K)

2 — Разность V(K)-A(K)

3 — Период между появлением и закреплением

4 — Рост переходной зоны

5 — Структурное значение

Глава 7. Плато и пакеты

1 — Одинаковые V(K)

2 — Плато

3 — Длина плато

4 — Пакеты

5 — Начала

6 — Концы

7 — Законы пакетирования

Глава 8. Скачки

1 — V(K+1)-V(K)

2 — Малые скачки

3 — Крупные скачки

4 — Рекордные скачки

5 — Последовательности рекордов

6 — Аритметическая структура скачков

Глава 9. Мультипликативные траектории

1 — K -> 2K

2 — K -> 3K

3 — K -> 4K

4 — K -> rK

5 — Отношения границ

6 — Эффективные показатели

7 — Масштабный дрейф

ЧАСТЬ VI. ВЫЧИСЛИТЕЛЬНАЯ ЛАБОРАТОРИЯ МЕТАГОЛЬДБАХА

Глава 1. Требования к вычислительному корпусу

1 — Точность

2 — Воспроизводимость

3 — Независимая проверка

4 — Версионирование

5 — Замораживание прогнозов

6 — Хранение данных

Глава 2. Получение простых чисел

1 — Решето

2 — Сегментированное решето

3 — Параллельная реализация

4 — Контроль

5 — Хэши

Глава 3. Вычисление G(N)

1 — Прямой счет

2 — Индикатор простых

3 — Свертка

4 — FFT

5 — NTT

6 — Диагональная поправка

7 — Получение неупорядоченного количества

Глава 4. Независимые реализации

1 — Основной алгоритм

2 — Контрольный алгоритм

3 — Прямая выборочная проверка

4 — Случайные точки

5 — Адверсарные точки

6 — Сравнение массивов

Глава 5. Масштабная лестница

1 — До 10³

2 — До 10⁴

3 — До 10⁵

4 — До 10⁶

5 — До 10⁷

6 — Последующие горизонты

7 — Дальние зонды

Глава 6. Обучение и проверка

1 — Исходный диапазон

2 — Скрытый диапазон

3 — Ретропрогноз

4 — Независимый прогноз

5 — Ошибка

6 — Протокол изменения модели

Глава 7. Экстремальная база

1 — Минимумы

2 — Нижние процентили

3 — Рекордные минимумы

4 — Нормированные минимумы

5 — Расстояния между рекордами

6 — Факторизация экстремальных N

Глава 8. Арифметическая база

1 — Малые делители

2 — Наименьший нечетный делитель

3 — Числа N=2q

4 — N=4q

5 — N=8q

6 — Другие малосингулярные классы

7 — Арифметически богатые числа

Глава 9. Распределенная вычислительная лаборатория

1 — Разбиение задач

2 — Независимые узлы

3 — Верификация

4 — Повторное вычисление

5 — Децентрализованный аудит

6 — Массовая экспликация

Глава 10. От миллионов к триллионам структурных наблюдений

1 — Линейный массив

2 — Многомерный массив

3 — Число наблюдений

4 — Число независимых каналов

5 — Эффективная доказательная мощность

6 — Масштабирование вычислительной базы

ЧАСТЬ VII. АТЛАС ПОСЛЕДОВАТЕЛЬНОСТЕЙ МЕТАГОЛЬДБАХА

Глава 1. Последовательности как язык новой теории

1 — Определение объекта

2 — Последовательность как компактная форма данных

3 — Последовательность как закон

4 — Последовательность как доказательный канал

5 — Последовательность как технологический ресурс

Глава 2. Последовательность точных первых появлений

1 — Первое четное N с G(N)=1

2 — Первое N с G(N)=2

3 — Первое N с G(N)=3

4 — Общая последовательность

5 — Пропущенные уровни

6 — Рекорды

Глава 3. Последовательность первых достижений A(K)

1 — Определение

2 — Первые члены

3 — Рост

4 — Разности

5 — Рекордные разности

6 — Факторизационный профиль

Глава 4. Последовательность последних нарушений B(K)

1 — Определение

2 — Первые члены

3 — Рост

4 — Разности

5 — Последние критические числа

6 — Структура нарушителей

Глава 5. Последовательность границ V(K)

1 — Определение

2 — Первые члены

3 — Монотонность

4 — Плато

5 — Скачки

6 — Масштабные законы

Глава 6. Последовательность переходных зон Z(K)

1 — Определение

2 — Рост

3 — Рекорды

4 — Позиции рекордов

5 — Асимметрия появления и закрепления

Глава 7. Последовательности плато

1 — Начала плато

2 — Концы плато

3 — Длины

4 — Рекордные длины

5 — Пакеты

6 — Последовательность размеров пакетов

Глава 8. Последовательности скачков

1 — Обычные скачки

2 — Положительные скачки

3 — Рекордные скачки

4 — Позиции рекордов

5 — Относительные скачки

Глава 9. Мультипликативные последовательности

1 — V(2^m)

2 — V(3^m)

3 — V(r^m)

4 — Отношения соседних членов

5 — Эффективные показатели

6 — Дрейф показателей

Глава 10. Экстремальные последовательности

1 — Позиции новых минимумов

2 — Значения новых минимумов

3 — Нормированные минимумы

4 — Расстояния между экстремумами

5 — Рекордные расстояния

6 — Факторизационные профили

Глава 11. Последовательности арифметических классов

1 — Экстремумы N=2q

2 — Экстремумы N=4q

3 — Экстремумы N=2^a q

4 — Числа с большим наименьшим нечетным делителем

5 — Последовательности смены худшего класса

Глава 12. Производные последовательности

1 — Первые разности

2 — Вторые разности

3 — Отношения

4 — Рекорды

5 — Позиции рекордов

6 — Пересечения

7 — Подпоследовательности

8 — Обратные последовательности

Глава 13. Известные и новые последовательности

1 — Сравнение с существующими каталогами

2 — Критерий новизны

3 — Новая интерпретация известного ряда

4 — Действительно новый ряд

5 — Доказательный паспорт последовательности

Глава 14. Атлас как развивающаяся система

1 — Версии

2 — Автоматическое пополнение

3 — Проверка

4 — Классификация

5 — Связи

6 — Граф последовательностей

ЧАСТЬ VIII. КАТАЛОГ ЗАКОНОВ МЕТАГОЛЬДБАХА

Глава 1. Закон роста нижней огибающей

Глава 2. Закон ступенчатости нижней функции

Глава 3. Закон роста границ V(K)

Глава 4. Закон плато

Глава 5. Закон пакетирования плато

Глава 6. Закон скачков

Глава 7. Закон роста переходной зоны

Глава 8. Закон разделения первого достижения и окончательной гарантии

Глава 9. Закон удвоительных траекторий

Глава 10. Закон троительных траекторий

Глава 11. Закон общих мультипликативных траекторий

Глава 12. Закон масштабного дрейфа эффективного показателя

Глава 13. Закон естественного масштаба N/(log N)²

Глава 14. Закон устойчивости нормированного нижнего слоя

Глава 15. Закон роста нижних процентилей

Глава 16. Закон экстремального сближения

Глава 17. Закон арифметической стратификации

Глава 18. Закон малосингулярных худших случаев

Глава 19. Закон сингулярного усиления

Глава 20. Закон разрежения глубоких провалов

Глава 21. Закон изменения расстояний между экстремумами

Глава 22. Закон роста относительной глубины катастрофы

Глава 23. Закон сохранения типа худших случаев

Глава 24. Закон устойчивости ретропрогноза

Глава 25. Закон устойчивости прогноза границ

Глава 26. Закон согласованности H(V) и V(K)

Глава 27. Закон горизонтальной устойчивости при расширении X

Глава 28. Закон адверсарной устойчивости

Глава 29. Закон роста цены разрушения

Глава 30. Закон сокращения пространства допустимых разрушителей

ЧАСТЬ IX. МЕТАЗАКОНЫ МЕТАГОЛЬДБАХА

Глава 1. От закона к системе законов

1 — Первичный закон

2 — Производный закон

3 — Независимый канал

4 — Метазакон

Глава 2. Масштабное условное тождество

1 — Состояния масштаба

2 — Сохраняющиеся признаки

3 — Дрейфующие признаки

4 — Допустимый дрейф

5 — Разрушение тождества

Глава 3. Метаинвариант нижнего слоя

1 — Абсолютный минимум

2 — Нормированный минимум

3 — Нижние процентили

4 — Арифметический профиль

5 — Совместное состояние

Глава 4. Метаинвариант границ

1 — A(K)

2 — B(K)

3 — V(K)

4 — Z(K)

5 — Совместная динамика

Глава 5. Метаинвариант экстремальных классов

1 — Худшие числа

2 — Их факторизация

3 — Стабильность класса

4 — Смена класса

5 — Цена смены

Глава 6. Метаинвариант прогнозной воспроизводимости

1 — Ретропрогноз

2 — Независимый прогноз

3 — Ошибка

4 — Стабилизация ошибки

Глава 7. Метаинвариант разрушения

1 — Каталог разрушителей

2 — Отсутствующие предвестники

3 — Растущая цена

4 — Сокращение пространства контрсценариев

Глава 8. Интегральное доказательное состояние

1 — Каналы

2 — Их независимость

3 — Вес

4 — Взаимная компенсация

5 — Минимальное замыкающее ядро

ЧАСТЬ X. ТЕОРИЯ КАТАСТРОФИЧЕСКОГО СБОЯ

Глава 1. Что означает ложность Метатеоремы

1 — Нарушение фиксированного K

2 — Бесконечная последовательность нарушений

3 — Абсолютный провал

4 — Относительный провал

Глава 2. Катастрофическая глубина

1 — Нормальный масштаб

2 — Фиксированный K

3 — Относительная глубина

4 — Рост экстремальности будущего контрпримера

Глава 3. Предвестники

1 — Локальная аномалия

2 — Семейство аномалий

3 — Кластер

4 — Ухудшение процентилей

5 — Смена арифметического класса

Глава 4. Разрушительный каскад

1 — Один закон

2 — Несколько законов

3 — Независимые каналы

4 — Каскадное разрушение

Глава 5. Эксплицируемость контрсценария

1 — Абстрактная возможность

2 — Конкретный механизм

3 — Семейство чисел

4 — Масштаб

5 — Предвестники

6 — Проверяемость

Глава 6. Цена катастрофы

1 — Глубина

2 — Редкость

3 — Координация

4 — Число нарушаемых каналов

5 — Итоговый профиль

ЧАСТЬ XI. АДВЕРСАРНАЯ МАТЕМАТИКА МЕТАГОЛЬДБАХА

Глава 1. Канон математической атаки

1 — Не подтверждать, а разрушать

2 — Формулировка цели

3 — Критерий успеха атаки

4 — Критерий провала атаки

Глава 2. Атака классом N=2q

Глава 3. Атака классами 2^a q

Глава 4. Атака числами без малых нечетных делителей

Глава 5. Атака нормированного минимума

Глава 6. Атака нижних процентилей

Глава 7. Атака границ V(K)

Глава 8. Атака мультипликативных траекторий

Глава 9. Атака прогнозов

Глава 10. Атака масштабного условного тождества

Глава 11. Поиск нового режима

Глава 12. Итоговый каталог разрушителей

ЧАСТЬ XII. МЕТАИНДУКТИВНОЕ ДОКАЗАТЕЛЬСТВО МЕТАТЕОРЕМЫ ГОЛЬДБАХА

Глава 1. Объект доказательства

1 — Метатеорема

2 — Уровень

3 — Граница

4 — Нижняя функция

Глава 2. Базовое доказательное состояние

1 — Исходный вычислительный корпус

2 — Система законов

3 — Экстремальный слой

4 — Арифметические классы

Глава 3. Первый масштабный переход

1 — Замороженная модель

2 — Прогноз

3 — Новый диапазон

4 — Проверка

Глава 4. Последующие переходы

1 — Повторяемость

2 — Дрейф

3 — Условное тождество

4 — Метазакон

Глава 5. Многоканальное замыкание

1 — Динамика

2 — Экстремум

3 — Арифметика

4 — Прогноз

5 — Разрушение

Глава 6. От малой к большой метаиндукции

1 — Серия масштабов

2 — Инвариантное ядро

3 — Условия продолжения

4 — Условия разрушения

5 — Большой переход

Глава 7. Доказательный паспорт Метатеоремы

1 — Экспликация

2 — Законы

3 — Метазаконы

4 — Прогнозы

5 — Экстремумы

6 — Разрушители

7 — Цена разрушения

8 — Замыкание

Глава 8. Итоговая формулировка

1 — Что установлено вычислительно

2 — Что установлено эмпирически

3 — Что установлено метаиндуктивно

4 — Доказательный статус Метатеоремы

ЧАСТЬ XIII. КЛАССИЧЕСКИЙ ГОЛЬДБАХ КАК ПЕРВЫЙ УРОВЕНЬ

Глава 1. Уровень K=1

Глава 2. Хвостовая гарантия

Глава 3. Конечный начальный диапазон

Глава 4. Полная бинарная формулировка

Глава 5. Классическая проблема внутри Метатеоремы

ЧАСТЬ XIV. НОВАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. От распределения к гарантии

1 — Плотность

2 — Количество

3 — Экстремум

4 — Гарантия

5 — Метагарантия

Глава 2. Новые фундаментальные объекты

1 — G(N)

2 — A(K)

3 — B(K)

4 — V(K)

5 — H(V)

6 — Z(K)

7 — Плато

8 — Пакет

9 — Траектория

Глава 3. Новые типы законов

1 — Динамические

2 — Метадинамические

3 — Экстремальные

4 — Арифметические

5 — Прогностические

6 — Разрушительные

Глава 4. Теория количественных гарантий

1 — Уровень

2 — Граница

3 — Необратимость

4 — Иерархия гарантий

Глава 5. Теория арифметических экстремумов

1 — Минимальные представления

2 — Худшие классы

3 — Факторизационный профиль

4 — Рекорды

Глава 6. Теория переходов

1 — K -> K+1

2 — K -> 2K

3 — K -> rK

4 — Масштабный переход

Глава 7. Комплекс Метатеорем Бертрана

1 — Один простой

2 — K простых

3 — Нижняя гарантия

4 — Уровни

5 — Границы

6 — Метатеоремы интервалов

Глава 8. Новые аддитивные метатеоремы

1 — Три простых

2 — Смешанные классы

3 — Почти простые

4 — Высшие представления

ЧАСТЬ XV. ЭКСТРАКТИВНАЯ МАТЕМАТИКА

Глава 1. Конструктивная и экстрактивная математика

1 — Создание объекта

2 — Обнаружение объекта

3 — Генерация

4 — Извлечение

5 — Поиск

6 — Проверка

Глава 2. Структурно-извлекаемые последовательности

1 — Определение

2 — Глобальная зависимость

3 — Отсутствие локальной рекурсии

4 — Экстракция

5 — Когнитивная емкость

Глава 3. Математическое месторождение

1 — Пространство объектов

2 — Разведка

3 — Добыча

4 — Очистка

5 — Классификация

6 — Капитализация знания

Глава 4. Генеративная мощность извлекаемого объекта

1 — Первичная последовательность

2 — Производные

3 — Семейство

4 — Сеть последовательностей

5 — Метазаконы

Глава 5. Когнитивная ценность последовательности

1 — Информационная насыщенность

2 — Структурная сложность

3 — Связность

4 — Генеративность

5 — Прогностическая ценность

Глава 6. Автоматизированная экстрактивная математика

1 — Поисковый агент

2 — AI-гипотезы

3 — Автоматическое выделение последовательностей

4 — Автоматическая классификация

5 — Автоматический адверсарный анализ

Глава 7. Экстрактивная математика за пределами теории чисел

1 — Комбинаторика

2 — Графы

3 — Геометрия

4 — Динамические системы

5 — Фрактальные пространства

6 — Алгебраические структуры

ЧАСТЬ XVI. ОТ МИРА ПРОСТЫХ К МИРАМ СОСТАВНЫХ ЧИСЕЛ

Глава 1. Функция Ω(n) и иерархия составов

1 — Ω(n)=1

2 — Ω(n)=2

3 — Ω(n)=3

4 — Ω(n)=k

5 — Кратности

Глава 2. Мир простых

Глава 3. Мир полупростых

Глава 4. Мир трехсоставных чисел

Глава 5. Мир k-составных чисел

Глава 6. Функция ω(n) и число различных простых делителей

Глава 7. Факторизационные профили

1 — Показатели степеней

2 — Порядок множителей

3 — Наименьший множитель

4 — Наибольший множитель

5 — Расстояния

Глава 8. Аддитивные отношения между числовыми мирами

1 — Простое + простое

2 — Простое + полупростое

3 — Полупростое + полупростое

4 — Простое + трехсоставное

5 — Общий переход между классами

Глава 9. Метаиндукция между арифметическими мирами

1 — Масштабная метаиндукция

2 — Межструктурная метаиндукция

3 — Условное тождество миров

4 — Универсальные метазаконы

Глава 10. Метагольдбах как первый рудник

1 — Один сектор

2 — Другие сектора

3 — Карта будущей разработки

4 — Неограниченная исследовательская программа

ЧАСТЬ XVII. КРИПТОГРАФИЧЕСКИЕ СЛЕДСТВИЯ

Глава 1. Теория чисел и криптография

1 — Простые числа

2 — Факторизация

3 — Дискретные задачи

4 — Криптографическая сложность

Глава 2. Новые последовательности как пространство проектирования

1 — Параметры

2 — Индексы

3 — Преобразования

4 — Генераторы

5 — Многоуровневые структуры

Глава 3. Новизна не равна стойкости

1 — Криптоанализ

2 — Предсказуемость

3 — Обратимость

4 — Утечки структуры

5 — AI-атаки

Глава 4. Математическая добыча

1 — Вычислительная задача

2 — Новый объект

3 — Проверяемость

4 — Повторное использование

5 — Когнитивная отдача

Глава 5. Proof-of-Mathematical-Discovery

1 — Трудность поиска

2 — Дешевизна проверки

3 — Регулирование сложности

4 — Связь с состоянием сети

5 — Защита от предварительного вычисления

6 — Защита от скрытых легких классов

Глава 6. Исторические предшественники

1 — Proof-of-work

2 — Bitcoin

3 — Primecoin

4 — Полезные вычислительные доказательства

5 — Отличие предлагаемой архитектуры

Глава 7. Семейства криптосистем

1 — Экстремальные последовательности

2 — Границы

3 — Новые классы чисел

4 — Комбинированные доказательства

5 — Многоуровневый proof-of-discovery

ЧАСТЬ XVIII. КНИГА РЕКОРДОВ МЕТАГОЛЬДБАХА

Глава 1. Концепция

1 — Не каталог курьезов

2 — Реестр математических достижений

3 — Объективность

4 — Верифицируемость

Глава 2. Типы рекордов

1 — Вычислительные

2 — Экстремальные

3 — Последовательностные

4 — Прогностические

5 — Адверсарные

6 — Доказательные

Глава 3. Рекорд как математический актив

1 — Новизна

2 — Проверка

3 — Повторное использование

4 — Производные открытия

Глава 4. Глобальная математическая обсерватория

1 — Узлы

2 — AI-агенты

3 — Проверяющие агенты

4 — Адверсарные агенты

5 — Реестр

Глава 5. Индекс когнитивной производительности

1 — Вычисления

2 — Новое знание

3 — Независимое знание

4 — Переиспользуемое знание

5 — Когнитивная отдача

ЧАСТЬ XIX. МАТЕМАТИЧЕСКАЯ ИНДУСТРИЯ

Глава 1. От вычислительной индустрии к математической

1 — Производство вычислений

2 — Производство информации

3 — Производство знания

4 — Производство нового математического знания

Глава 2. Математический капитал

1 — Последовательности

2 — Законы

3 — Метазаконы

4 — Алгоритмы

5 — Данные

6 — Технологические конструкции

Глава 3. Положительная когнитивная обратная связь

1 — Знание

2 — Новая задача

3 — Новое вычисление

4 — Новое открытие

5 — Ускорение

Глава 4. Рабочая гипотеза Закона Метагольдбаха

1 — Закон Мура

2 — Ограниченность аппаратной метрики

3 — Скорость получения знания

4 — Удвоение когнитивной производительности

5 — Алгоритмический вклад

6 — AI-вклад

7 — Накопленный математический капитал

Глава 5. Тотальная технологическая разведка математического знания

1 — Не монетизация каждого объекта

2 — Проверка прикладного потенциала каждого значимого объекта

3 — Криптография

4 — AI

5 — Алгоритмы

6 — Сжатие

7 — Моделирование

Глава 6. Рынок математической экспликации

1 — Постановка задачи

2 — Вычислительная цена

3 — Вознаграждение

4 — Проверка

5 — Включение в общий корпус

Глава 7. Когнитивная экономика

1 — Исследование как производство

2 — Знание как капитал

3 — Повторное использование

4 — Экономический мультипликатор

ЧАСТЬ XX. ГЛОБАЛЬНАЯ КОГНИТИВНО-КРЕАТИВНАЯ КОРПОРАЦИЯ «МЕТАИНДУКТУМ»

Глава 1. Миссия

1 — Превращение вычислительной мощности в математический капитал

2 — Производство знания

3 — Масштабирование открытий

Глава 2. Организационная архитектура

1 — Фундаментальный институт

2 — Вычислительная сеть

3 — AI-лаборатории

4 — Адверсарный центр

5 — Криптографический центр

6 — Индустриальный центр

Глава 3. Производственная цепочка

1 — Математическая разведка

2 — Добыча

3 — Проверка

4 — Классификация

5 — Метаиндукционный анализ

6 — Технологизация

Глава 4. Распределенная сеть

1 — Исследовательские узлы

2 — Университеты

3 — Частные кластеры

4 — Облачные ресурсы

5 — Независимые исследователи

6 — AI-агенты

Глава 5. Децентрализованная проверка

1 — Добывающий узел

2 — Проверяющий узел

3 — Независимая реализация

4 — Адверсарная проверка

5 — Консенсус

Глава 6. Рынок задач

1 — Исследовательская задача

2 — Сложность

3 — Цена

4 — Конкурс

5 — Проверка

6 — Вознаграждение

Глава 7. Система математических активов

1 — Открытые знания

2 — Вычислительные базы

3 — Алгоритмы

4 — Криптографические технологии

5 — Лицензируемые решения

Глава 8. Открытая и закрытая зоны

1 — Фундаментальная открытость

2 — Коммерческие реализации

3 — Интеллектуальная собственность

4 — Независимый аудит

Глава 9. Международная модель

1 — Глобальность математики

2 — Распределенная собственность

3 — Международные лаборатории

4 — Глобальный реестр открытий

Глава 10. От Метагольдбаха к универсальному «Метаиндуктуму»

1 — Первый рудник

2 — Миры составных чисел

3 — Другие области математики

4 — Универсальная математическая разведка

5 — Индустрия открытий

ЧАСТЬ XXI. ЗА ПРЕДЕЛАМИ ПЕРВОГО ТОМА

Глава 1. Метагольдбах как начало

Глава 2. Атлас арифметических миров

Глава 3. Метаиндуктивная теория составных чисел

Глава 4. Межструктурная метаиндукция

Глава 5. Экстрактивная геометрия

Глава 6. Экстрактивная комбинаторика

Глава 7. Экстрактивная метафракталика

Глава 8. Экстрактивная Юниметрия

Глава 9. Экстрактивные ноофакториальные структуры

Глава 10. Универсальная карта математических месторождений

Заключение

1 — Что дала проблема Гольдбаха

2 — Что дала Метатеорема

3 — Что дала Теория метаиндукции

4 — Что дала новая теория простых чисел

5 — Что дал Атлас последовательностей

6 — Что означает экстрактивная математика

7 — Что означает математическая индустрия

8 — Что такое математический капитал

9 — Что такое «Метаиндуктум»

10 — Почему Метагольдбах — только начало

ПРИЛОЖЕНИЯ

Приложение А. Система обозначений

Приложение Б. Основные классические теоремы теории простых чисел

Приложение В. Полный вычислительный протокол Метагольдбаха

Приложение Г. Контрольные значения G(N)

Приложение Д. Полные последовательности A(K), B(K), V(K), Z(K)

Приложение Е. Атлас последовательностей Метагольдбаха

Приложение Ж. Реестр известных и предположительно новых последовательностей

Приложение З. Полный каталог 20+ законов Метагольдбаха

Приложение И. Доказательные паспорта законов

Приложение К. Карта зависимостей доказательных каналов

Приложение Л. Каталог экстремальных чисел

Приложение М. Каталог арифметических худших классов

Приложение Н. Ретропрогнозы

Приложение О. Независимые прогнозы

Приложение П. Каталог разрушителей

Приложение Р. Канон адверсарной проверки

Приложение С. Методика оценки цены разрушения

Приложение Т. Универсальный доказательный паспорт Метатеоремы

Приложение У. Теория метаиндукции. Компендиум

Приложение Ф. Каталог видов метаиндукции

Приложение Х. Шкалы доказательных состояний

Приложение Ц. Доказательно-аксиологический профиль

Приложение Ч. Канон метаиндукционного доказательства

Приложение Ш. Концепция структурно-извлекаемых последовательностей

Приложение Щ. Основы экстрактивной математики

Приложение Э. Концепция Proof-of-Mathematical-Discovery

Приложение Ю. «Книга рекордов Метагольдбаха»

Приложение Я. Концепция математического капитала

Приложение АА. Рабочая гипотеза Закона Метагольдбаха

Приложение АБ. Концепция глобальной когнитивно-креативной корпорации «Метаиндуктум»

Приложение АВ. Карта арифметических миров Ω(n)=k

Приложение АГ. Программа исследования полупростых и k-составных чисел

Приложение АД. Карта будущих томов многотомника

Библиография

Именной указатель

Предметный указатель

Указатель последовательностей

Указатель математических законов

Указатель рекордов

******

ПРЕДИСЛОВИЕ

1 — Почему книга написана заново

Эта книга написана заново потому, что ее предмет радикально изменился по ходу исследования. Первоначально речь шла о попытке понять и доказать одну математическую идею — Метатеорему Гольдбаха. Затем стало ясно, что сама Метатеорема требует нового доказательного аппарата. После этого обнаружилось, что новый аппарат порождает новую систему объектов, а эта система, в свою очередь, выводит исследование далеко за пределы классической теории простых чисел. Наконец, за новой математикой стала видна возможность совершенно иной исследовательской и экономической инфраструктуры — экстрактивной математики и математической индустрии.

Поэтому новая версия не является редакционной переработкой старой. Она имеет другую внутреннюю архитектуру.

Первая версия была сосредоточена на математическом объекте.

Вторая — на доказательном методе.

Третья должна объединить объект, метод и следствия.

Именно поэтому настоящее издание получило общее название:

«Метатеорема Гольдбаха и ее следствия».

В нем Метатеорема выступает уже не как финальная цель, а как исходный центр развертывания более широкой системы.

2 — Три захода к одной проблеме

Первый заход был естественным: понять саму количественную структуру голдбаховских разложений. Если классическая гипотеза спрашивает только о существовании хотя бы одного представления, то функция G(N) сразу открывает намного более богатую картину. Возникают первые достижения уровней, последние нарушения, границы, плато, скачки, переходные зоны и множество других объектов.

Второй заход начался тогда, когда стало ясно: наблюдать красивые закономерности недостаточно. Нужна технология, способная различать локальную эмпирику, масштабно устойчивый закон, метазакон и доказательное состояние. Именно здесь центральным стал аппарат Теории метаиндукции.

Третий заход возник, когда обнаружилось, что новая теория простых чисел способна порождать огромное пространство последовательностей, экстремумов, классов и производных объектов. Тогда стало ясно, что перед нами не только задача доказательства, но и потенциально новая модель математического производства знания.

Три захода поэтому соответствуют трем уровням:

математический объект;

доказательная архитектура;

математическая индустрия.

3 — От проблемы Гольдбаха к Метатеореме

Классическая проблема Гольдбаха имеет бинарную форму.

Для каждого четного N существует хотя бы одно разложение:

N = p + q,

где p и q — простые числа.

Но количественная функция G(N) содержит гораздо больше информации.

Если G(N)=1, это один режим.

Если G(N)=1000, это другой режим.

Если G(N)=100000, это третий режим.

Следовательно, естественно спрашивать не только о существовании разложения, но и о том, как растет гарантированное количество таких разложений.

Так возникает Метатеорема Гольдбаха.

Для каждого конечного уровня K существует конечная граница V(K), начиная с которой каждое четное число имеет не менее K различных неупорядоченных представлений в виде суммы двух простых.

То есть каждый конечный уровень должен в конечном счете стать необратимо гарантированным.

Это и есть переход от бинарного Гольдбаха к количественному Метагольдбаху.

4 — От Метатеоремы к Теории метаиндукции

Попытка доказать Метатеорему быстро приводит к методологической трудности.

Наблюдаемая закономерность может быть очень устойчивой. Она может подтверждаться на миллионах примеров. Но если доказательная система признает только один тип универсального перехода, всегда остается формальный вопрос: почему режим должен сохраниться дальше?

Метаиндукция отвечает на этот вопрос не простой экстраполяцией.

Она меняет доказательный объект.

Переносится не одно число и не одна функция, а целое состояние системы.

Такое состояние включает:

законы;

метазаконы;

экстремальные характеристики;

арифметические классы;

прогнозные зависимости;

структуру разрушителей;

и условия сохранения режима.

Поэтому доказательство превращается из линейной цепочки в многокомпонентную систему.

5 — От метаиндукции к новой теории простых чисел

Как только доказательным объектом становится целое состояние, выясняется, что для его описания недостаточно одной функции G(N).

Нужны дополнительные координаты.

Возникают A(K), B(K), V(K), H(V), Z(K), плато, пакеты, скачки, мультипликативные траектории, экстремальные минимумы, факторизационные профили и другие объекты.

Эти конструкции уже не являются просто вспомогательными.

Они начинают образовывать самостоятельную теорию.

Появляется новая количественная геометрия простых чисел.

Вместо вопроса «где находятся простые?» возникает другой класс вопросов:

какие уровни гарантированы;

где они впервые достигаются;

где исчезают последние нарушения;

как быстро растут границы;

какие числа формируют нижний слой;

как ведет себя экстремальная структура;

какие классы чисел особенно неблагоприятны.

Именно поэтому речь идет уже не о расширении классической проблемы, а о новой теории простых чисел.

6 — От новой теории простых к экстрактивной математике

Следующий шаг оказался неожиданным.

Новая теория начала порождать множество естественных последовательностей.

Каждый новый объект создает свой ряд:

первые достижения;

последние нарушения;

границы;

скачки;

длины плато;

положения рекордов;

экстремальные значения;

мультипликативные траектории;

факторизационные классы.

Причем эти ряды не всегда генерируются локальной рекурсией.

Часто каждый новый член нужно искать заново внутри глобальной структуры натурального ряда.

Так возникло понятие структурно-извлекаемой последовательности.

Она не просто строится.

Она обнаруживается.

Отсюда возникает и более широкий принцип экстрактивной математики.

Математическое пространство может содержать огромное количество объективно существующих структур, которые еще не выделены нашей системой понятий.

Задача исследователя — их извлечь.

7 — От экстрактивной математики к математической индустрии

Если новые математические объекты могут систематически добываться, возникает следующий вопрос: можно ли превратить этот процесс в устойчивую исследовательскую инфраструктуру?

Ответ потенциально положителен.

Распределенные вычисления могут искать новые объекты.

Искусственный интеллект может автоматически формировать гипотезы.

Независимые системы могут проверять результаты.

Адверсарные агенты — искать разрушители.

Метаиндукционный аппарат — определять доказательный статус.

Криптографические группы — исследовать прикладную ценность.

Экономический контур — финансировать дальнейшие вычисления.

Так возникает модель математической индустрии.

Ее продуктом становится не только вычисление, а новое знание.

8 — Почему одного закона недостаточно

Одна закономерность всегда уязвима.

Даже очень красивая.

Даже очень точная.

Даже подтвержденная на огромном диапазоне.

Она может оказаться локальной.

Она может зависеть от выбранной нормировки.

Она может отражать только среднее поведение.

Она может разрушиться на экстремальном классе.

Она может быть следствием скрытого механизма, который перестанет действовать на новом масштабе.

Поэтому однофакторное доказательство слишком слабо для такой задачи.

Нужна система.

9 — Почему двадцать законов лучше одной аппроксимации

Число двадцать не является магическим.

Оно обозначает переход к многоканальной модели.

Если существует двадцать действительно различных законов, относящихся к разным структурам, то будущий разрушитель должен взаимодействовать уже не с одной зависимостью.

Он должен либо нарушить несколько каналов сразу, либо создать новый режим, согласованный с частью системы и противоречащий другой части.

Особенно важно различать реальные каналы и фиктивную многоканальность.

Двадцать формул, полученных алгебраически из одной функции, почти не усиливают доказательство.

Двадцать независимых структур — усиливают.

Поэтому в книге будет исследоваться не только число законов, но и их генеалогия.

10 — Вычислительная экспликация

Вычислительная база играет в этой книге фундаментальную роль.

Но вычисление не тождественно доказательству.

Оно создает эксплицированную область.

Внутри нее можно:

наблюдать;

измерять;

сравнивать;

выделять законы;

строить прогнозы;

проверять разрушителей.

Особенно важны последовательные масштабы.

Если закон обнаружен до 10^6, затем прогнозирует диапазон до 10^7, затем сохраняет структуру на следующих масштабах, его статус принципиально выше, чем у зависимости, подогнанной ко всему массиву сразу.

Экспликация поэтому должна быть не просто большой.

Она должна быть организованной.

11 — Нижний экстремальный слой

Среднее поведение недостаточно для универсального утверждения.

Метатеорема зависит от худших случаев.

Именно поэтому главным объектом вычислительного исследования становится нижний экстремальный слой.

Нас интересуют:

минимумы;

нижние процентили;

нормированные провалы;

рекордные минимумы;

арифметические классы худших случаев;

расстояния между экстремумами;

и изменение их структуры.

Если среднее растет, а нижний слой деградирует, это опасно.

Если среднее растет и экстремальный слой остается масштабно устойчивым, ситуация иная.

Именно экстремальный анализ должен стать одной из центральных частей доказательства.

12 — Теория разрушения

Метаиндукция требует исследовать не только подтверждение, но и разрушение.

Для каждого закона должен существовать вопрос:

что способно его уничтожить?

Как выглядит минимальный разрушитель?

Каковы его предвестники?

Какой масштаб ему нужен?

Какие другие законы он должен затронуть?

Так формируется теория разрушения.

Она делает доказательство симметричным.

Мы не только ищем, почему система сохраняется.

Мы ищем, как она может перестать сохраняться.

13 — Последовательности как новые математические объекты

Одно из наиболее красивых следствий новой теории — огромный мир последовательностей.

Последовательность здесь — не просто форма записи чисел.

Она может быть:

объектом;

законом;

доказательным каналом;

экстремальной траекторией;

классификационной системой;

или технологическим ресурсом.

Особенно важны структурно-извлекаемые последовательности.

Каждый их новый член является результатом нового поиска внутри числовой структуры.

Такой ряд концентрирует в себе информацию не только о собственных предыдущих значениях, но и о большом фрагменте арифметического пространства.

14 — Математическая добыча

Если математический объект нужно обнаруживать, появляется естественная метафора добычи.

Но это больше чем метафора.

Можно построить реальный вычислительный процесс, в котором сеть ищет новые:

последовательности;

экстремумы;

границы;

классы;

рекорды;

разрушители.

Результат сохраняется.

Он входит в общий корпус.

Может быть перепроверен.

Может породить новые законы.

Таким образом, вычисление превращается из расходной операции в производство знания.

15 — Математический капитал

Если результат можно использовать повторно, он становится капиталом.

Математический капитал включает:

данные;

последовательности;

законы;

метазаконы;

алгоритмы;

вычислительные методы;

криптографические конструкции;

и доказательные паспорта.

Главное свойство такого капитала — способность порождать новые объекты.

Один массив может породить сотни последовательностей.

Одна последовательность — несколько законов.

Один закон — новые алгоритмы.

Один алгоритм — новую технологию.

Поэтому математический капитал обладает мультипликативной природой.

16 — Метагольдбах как первый рудник

Наконец, важно понять масштаб всей программы.

Метагольдбах — только первый разработанный участок.

Даже мир простых чисел — только один арифметический мир.

Существуют полупростые.

Трехсоставные.

k-составные.

Числа с заданным количеством различных простых делителей.

Числа с определенными факторизационными профилями.

Смешанные аддитивные классы.

Мультипликативные классы.

Экстремальные классы.

И каждый из них потенциально содержит свои последовательности, свои законы и свои метатеоремы.

Поэтому Метагольдбах следует рассматривать как первый рудник в гораздо более обширной системе математических месторождений.

Главная цель настоящей книги — разработать его настолько глубоко, чтобы стало понятно не только, что находится внутри этого участка, но и как вообще должна строиться индустрия математической разведки.

Именно поэтому эта книга начинается с одной классической проблемы, а заканчивается значительно более широким проектом.

Не проектом одной теоремы.

А проектом новой математики.

*********

ВВЕДЕНИЕ

1 — Классическая проблема Гольдбаха

Проблема Гольдбаха принадлежит к числу тех математических задач, формулировка которых почти несоизмерима по простоте с трудностью их решения. В современной бинарной форме она утверждает, что каждое четное натуральное число, большее двух, может быть представлено в виде суммы двух простых чисел. Для числа 4 таким представлением является 2+2, для 6 — 3+3, для 8 — 3+5, для 10 существуют уже два представления: 3+7 и 5+5. Далее число возможных представлений в целом возрастает, хотя рост этот чрезвычайно неоднороден и существенно зависит от арифметической структуры самого четного числа.

Классическая постановка интересуется прежде всего существованием хотя бы одного представления. В этом смысле все положительные случаи считаются логически одинаковыми. Число, имеющее единственное представление, и число, имеющее тысячи различных представлений, одинаково удовлетворяют требованию гипотезы. Количественное богатство аддитивной структуры простых чисел при этом остается за пределами центрального утверждения.

Именно это обстоятельство становится исходной точкой настоящей работы.

Классическая проблема Гольдбаха на момент подготовки настоящего тома остается нерешенной в бинарной форме. При этом ее слабая, тернарная версия — утверждение о представлении каждого нечетного числа, начиная с 7, суммой трех простых — была доказана Харальдом Хельфготтом, а теорема Чэня показывает, что каждое достаточно большое четное число представимо как сумма простого и числа, имеющего не более двух простых множителей. Эти результаты демонстрируют глубину проблемы, но одновременно показывают, насколько велик разрыв между сильными усредненными и приближенными утверждениями и требованием универсального бинарного представления каждого четного числа.

Настоящая работа предлагает изменить сам масштаб постановки. Нас будет интересовать не только вопрос, существует ли хотя бы одно представление, но и вся количественная система таких представлений.

2 — Бинарная постановка и ее ограниченность

Бинарная постановка чрезвычайно эффективна, когда необходимо различить два логических состояния: свойство имеется или отсутствует. Но она оказывается слишком грубой, если сама математическая система обладает многоуровневой количественной структурой.

Пусть одно четное число имеет два представления в виде суммы простых, другое — двадцать, третье — две тысячи. С точки зрения классической проблемы различий между ними нет: каждое удовлетворяет требованию существования. Но с точки зрения внутренней арифметической организации различие огромно.

Бинарная формулировка тем самым сжимает богатое распределение до одного бита информации:

есть хотя бы одно представление или нет.

В настоящей книге предлагается отказаться от такого информационного сжатия и рассматривать все количество представлений как самостоятельный математический объект.

Это не означает, что классическая постановка ошибочна или незначительна. Она задает фундаментальный нижний порог. Но этот порог является только первым уровнем значительно более сложной лестницы.

Если окажется, что каждое достаточно большое четное число имеет не одно, а десять представлений, возникает новый уровень гарантии.

Если затем гарантированными становятся сто представлений — следующий.

Если тысяча — еще один.

Так бинарный вопрос естественно преобразуется в бесконечную систему количественных вопросов.

3 — Функция количества представлений G(N)

Основным первичным объектом новой теории является функция G(N).

Для четного натурального числа N через G(N) обозначается количество различных неупорядоченных пар простых чисел p и q, удовлетворяющих условию:

N = p + q,

при условии:

p <= q.

Порядок слагаемых не учитывается. Поэтому 3+7 и 7+3 рассматриваются как одно и то же представление.

Например:

G(4)=1,

поскольку 4=2+2.

G(10)=2,

поскольку:

10=3+7,

10=5+5.

Для 22 имеем уже три представления:

22=3+19,

22=5+17,

22=11+11.

Последовательность значений G(N) не является монотонной. После числа с большим количеством представлений может следовать число со значительно меньшим количеством. Это обстоятельство имеет фундаментальное значение. Оно показывает, что обычный рост среднего количества представлений сам по себе еще ничего не говорит о гарантированном минимуме.

Именно поэтому новая теория должна исследовать одновременно несколько уровней поведения G(N): типичные значения, верхние значения, нижние процентили и, прежде всего, экстремально малые значения.

Для универсального утверждения худший случай принципиально важнее среднего.

4 — От существования к множественности

Переход от классического Гольдбаха к Метагольдбаху состоит прежде всего в изменении вопроса.

Классический вопрос:

имеется ли хотя бы одно представление?

Новый вопрос:

сколько представлений можно гарантировать?

Это изменение кажется небольшим только на уровне формулировки. Фактически оно создает новую математическую координату.

Вместо одного уровня:

G(N)>=1,

возникает бесконечная последовательность уровней:

G(N)>=2,

G(N)>=3,

G(N)>=4,

…

G(N)>=K,

…

Для каждого уровня можно задавать собственные вопросы.

Где этот уровень впервые достигается?

Где происходит его последнее нарушение?

С какого момента он становится гарантированным для всех последующих четных чисел?

Как далеко друг от друга расположены первое достижение и окончательная гарантия?

Как изменяется эта дистанция при росте K?

Какие числа задерживают установление гарантии?

Имеют ли эти числа общую арифметическую структуру?

Так простая функция G(N) начинает порождать целую систему новых объектов.

5 — Иерархия количественных уровней

Пусть K — произвольное положительное целое число. Назовем K количественным уровнем Голдбаха.

Уровень K считается достигнутым на N, если:

G(N)>=K.

Но необходимо различать два принципиально различных события.

Первое — появление уровня.

Где-то впервые встречается число, обладающее не менее чем K представлениями.

Второе — закрепление уровня.

После некоторой точки уже каждое последующее четное число обладает не менее чем K представлениями.

Между этими событиями может существовать значительный интервал.

Какое-то благоприятное число рано достигает высокого уровня, но после него еще долго встречаются числа с гораздо меньшим количеством представлений.

Следовательно, теория должна различать локальный рекорд и глобальную гарантию.

Именно это различие приводит к нескольким центральным функциям новой системы.

Для каждого K мы будем исследовать первое достижение уровня, последнее нарушение, границу окончательной гарантии и длину переходной зоны между рождением уровня и его необратимым закреплением.

Таким образом, количественные уровни образуют не просто последовательность порогов, а собственную динамическую систему.

6 — Основная идея Метатеоремы Гольдбаха

Метатеорема Гольдбаха утверждает, что вся бесконечная лестница конечных уровней последовательно становится гарантированной.

Для каждого положительного целого K существует конечное четное число V(K), такое что для каждого четного N>=V(K):

G(N)>=K.

Смысл утверждения чрезвычайно прост.

Какой бы конечный уровень количества представлений мы ни выбрали заранее, достаточно далеко в натуральном ряду наступает область, в которой этот уровень больше никогда не нарушается.

Сначала гарантируется одно представление.

Затем два.

Затем десять.

Сто.

Тысяча.

Миллион.

Любое заранее выбранное конечное K.

Таким образом, Метатеорема утверждает не просто существование голдбаховского разложения. Она утверждает неограниченный рост его гарантированной множественности.

Это существенно иной объект, чем обычная гипотеза Гольдбаха.

7 — Граница окончательной гарантии

Для каждого уровня K вводится граница V(K).

Это первое четное число после последнего нарушения уровня K.

То есть начиная с V(K), каждое четное число должно иметь не менее K представлений.

Если обозначить через B(K) последнее четное число, для которого:

G(N)<K,

то естественным образом:

V(K)=B(K)+2,

если глобальное последнее нарушение существует.

В конечном вычислительном диапазоне до X необходимо использовать отдельные обозначения:

B_X(K),

V_X(K).

Это принципиальное различие.

Если внутри диапазона до X мы нашли последнее наблюдаемое нарушение, это еще не означает, что оно является глобальным последним нарушением.

Поэтому вся книга будет строго различать:

конечную вычислительную границу;

эмпирическую гипотезу о глобальной границе;

и глобальную границу в формулировке Метатеоремы.

Функция V(K) является одной из центральных последовательностей новой теории. Ее значения образуют лестницу окончательных гарантий.

Поскольку более высокий уровень не может окончательно закрепиться раньше, чем более низкий, V(K) естественным образом не убывает.

Но ее рост не является гладким. Возникают плато, скачки и пакеты уровней, создающие собственную внутреннюю структуру.

8 — Нижняя функция гарантированного количества представлений

Ту же структуру можно рассматривать в обратных координатах.

Пусть H(V) обозначает минимальное значение G(N) среди всех четных N>=V.

Тогда H(V) отвечает на вопрос:

сколько представлений можно гарантировать каждому четному числу после границы V?

Если V увеличивается, множество рассматриваемых чисел уменьшается, поэтому гарантированный минимум не может ухудшаться.

Следовательно, H(V) является неубывающей функцией.

Именно H(V) выражает нижний экстремальный слой в наиболее чистой форме.

Среднее значение G(N) может колебаться.

Максимум может расти очень быстро.

Но H(V) фиксирует то, что гарантировано всем.

Для конечного вычислительного диапазона используется аналог:

H_X(V),

определяемый как минимум G(N) среди четных N от V до X.

И снова необходимо различать конечную и глобальную функции.

Функции H(V) и V(K) представляют две стороны одного объекта.

H отвечает:

какой уровень гарантирован после данной границы?

V отвечает:

с какой границы гарантирован данный уровень?

Их совместное исследование дает прямую и обратную системы координат Метагольдбаха.

9 — Метатеорема как утверждение о неограниченном росте гарантии

Через H(V) Метатеорема приобретает особенно простую форму.

Необходимо установить:

H(V) -> infinity

при V -> infinity.

Словесно:

гарантированный минимум количества представлений должен неограниченно возрастать.

Эта запись важна потому, что устраняет из формулировки конкретный уровень K и позволяет увидеть общий характер утверждения.

Метатеорема не утверждает конкретной скорости роста.

Она не требует заранее определить точную асимптотику H(V).

Она требует более фундаментального свойства:

нижний слой не должен оставаться ограниченным.

Для любого конечного потолка наступает момент, после которого нижняя гарантия его превзойдет.

Именно поэтому центральным доказательным объектом становится поведение нижних экстремумов.

Средняя тенденция здесь недостаточна.

Необходимо понять, способен ли нижний слой когда-либо систематически вернуться на фиксированный конечный уровень после того, как естественный масштаб G(N) вырос на многие порядки.

10 — Классический Гольдбах как уровень K=1

Классическая бинарная проблема занимает в новой системе особое, но совершенно определенное место.

Это уровень:

K=1.

Если существует конечная глобальная граница V(1), такая что каждое четное N>=V(1) имеет хотя бы одно представление, то классическая проблема решена для всего бесконечного хвоста натурального ряда.

Чтобы получить утверждение для всех четных N>=4, остается проверить только конечный начальный диапазон:

4<=N<V(1).

Поэтому классическая гипотеза оказывается первым этажом Метатеоремы.

Но важно не смешивать два утверждения.

Даже если уровень K=1 установлен, из этого еще не следует неограниченный рост всех последующих уровней.

Метатеорема требует существования конечной V(K) для каждого K.

То есть вместо одной гарантии необходимо установить бесконечную иерархию гарантий.

11 — Почему Метатеорема значительно сильнее классической проблемы

Сильная форма Гольдбаха требует:

G(N)>=1

для каждого четного N>=4.

Метатеорема требует значительно большего.

Она утверждает, что для любого заранее выбранного K в конечном счете выполняется:

G(N)>=K

для всех достаточно больших четных N.

Следовательно, классическая проблема различает нулевое и ненулевое количество представлений.

Метатеорема исследует неограниченное движение нижнего уровня.

Это качественное усиление.

Даже если бы классическая гипотеза была доказана совершенно независимо, Метатеорема оставалась бы отдельной проблемой.

И наоборот, доказательство Метатеоремы вместе с конечной проверкой начального участка автоматически дает классический результат как первый уровень.

Именно поэтому термин «Метатеорема» используется не как риторическое усиление, а как указание на утверждение более высокого количественного порядка.

12 — Новая система координат

Переход к Метатеореме требует расширить понятийный аппарат.

Одной G(N) недостаточно.

Вводятся:

A(K) — первое четное число, для которого G(N)>=K;

B(K) — последнее нарушение уровня K;

V(K) — граница окончательной гарантии;

H(V) — гарантированный минимум после V;

Z(K)=V(K)-A(K) — ширина переходной зоны.

Возникают также плато V(K), когда несколько последовательных уровней имеют одну и ту же границу.

Возникают пакеты плато.

Возникают скачки:

V(K+1)-V(K).

Возникают мультипликативные траектории:

K -> 2K,

K -> 3K,

K -> rK.

Можно изучать эффективные показатели роста этих траекторий.

Можно нормировать экстремальные значения G(N) естественным масштабом порядка:

N/(log N)^2.

Можно исследовать арифметическую структуру чисел, образующих нижний слой.

Именно эта система объектов формирует новую систему координат.

В ней теория Гольдбаха становится теорией динамики уровней и гарантий.

13 — Новые последовательности

Каждая новая координата естественным образом порождает целочисленную последовательность.

Ряд:

A(1), A(2), A(3), …

описывает первые достижения уровней.

Ряд:

B(1), B(2), B(3), …

описывает последние нарушения.

Ряд:

V(1), V(2), V(3), …

описывает окончательные границы.

Из V(K) возникают последовательности скачков.

Из плато — последовательности их длин, начал и концов.

Из экстремального слоя — последовательности позиций рекордных минимумов.

Из мультипликативных траекторий — новые семейства рядов.

При этом необходимо различать два вида первых появлений.

Можно искать первое N, для которого:

G(N)>=K.

Это A(K).

Но можно отдельно изучать первое N, для которого:

G(N)=K

точно.

Эти последовательности не обязаны совпадать.

Уже здесь возникает огромная морфология.

Особенно важно, что многие такие последовательности являются структурно-извлекаемыми.

Следующий член не обязательно определяется простой локальной рекурсией через предыдущие.

Его необходимо заново обнаруживать в арифметической структуре.

Тем самым Атлас последовательностей становится не приложением к новой теории, а одним из ее главных способов существования.

14 — Новые законы

Последовательности сами по себе еще не образуют теорию.

Теория возникает тогда, когда между ними обнаруживаются воспроизводимые отношения.

Настоящая работа ставит задачу найти не одну универсальную аппроксимацию, а крупную систему законов.

Среди кандидатов:

рост нижней огибающей;

ступенчатость H(V);

рост V(K);

законы плато;

пакетирование;

структура скачков;

поведение переходной зоны;

удвоительные и троительные траектории;

масштабный дрейф эффективных показателей;

естественная нормировка нижнего слоя;

арифметическая стратификация;

поведение малосингулярных классов;

разрежение глубоких провалов;

изменение расстояний между экстремумами;

устойчивость ретропрогноза;

рост структурной цены катастрофического нарушения.

И это только исходный каталог.

Принципиальное условие состоит в том, чтобы законы были содержательно различными.

Двадцать преобразований одной формулы не являются двадцатью доказательными каналами.

Поэтому для каждого закона будет исследоваться происхождение, зависимость от других законов и самостоятельная доказательная информация.

15 — Новые метазаконы

После появления системы законов возникает следующий уровень.

Законы сами начинают обнаруживать закономерности.

Например, может сохраняться не точный численный коэффициент, а тип преобразования при увеличении масштаба.

Может воспроизводиться структура экстремального слоя.

Может сохраняться класс худших чисел.

Может уменьшаться относительная ширина распределения некоторой нормированной величины.

Может одновременно возрастать нижняя гарантия и структурная стоимость ее разрушения.

Такие отношения уже являются метазаконами.

Метаиндукция работает прежде всего с ними.

Нас интересует не только:

сохраняется ли конкретная формула?

Но:

сохраняется ли система отношений между законами?

Если да, последовательные масштабные состояния могут быть условно тождественными даже при существенном изменении абсолютных чисел.

Именно на уровне метазаконов должна возникнуть доказательная архитектура большой метаиндукции.

16 — Доказательная программа

Доказательная программа настоящей книги принципиально многокомпонентна.

Первый шаг — точное определение объекта.

Второй — построение эксплицированной вычислительной области.

Третий — выделение первичных законов.

Четвертый — исследование их независимости.

Пятый — формирование масштабных состояний.

Шестой — ретропрогноз.

Седьмой — независимый прогноз.

Восьмой — экстремальная проверка.

Девятый — адверсарное исследование.

Десятый — построение каталогов разрушителей.

Одиннадцатый — оценка цены разрушения.

Двенадцатый — выделение метаинвариантного ядра.

Тринадцатый — малая метаиндукция между последовательными масштабами.

Четырнадцатый — большое метаиндукционное замыкание.

И только после этого допустима итоговая формулировка доказательного статуса Метатеоремы.

Таким образом, доказательство рассматривается не как одномоментный акт, а как строительство доказательного состояния.

17 — Вычислительная программа

Вычислительная программа является фундаментом экспликации.

Необходимо получить точный массив G(N) на крупном диапазоне, причем не одной реализацией, а с независимыми способами контроля.

Основной массив должен строиться последовательно по масштабам.

Часть раннего диапазона используется для построения моделей.

Следующие области — для их проверки.

Ключевые прогнозы должны по возможности фиксироваться до раскрытия проверочного массива.

Особое внимание будет уделено экстремальным числам, их факторизациям и арифметическим классам.

Кроме полного линейного диапазона необходимы дальние зонды, специально подобранные классы и распределенные вычисления.

В перспективе вычислительная программа может перейти от миллионов к миллиардам и далее к триллионам структурно классифицированных наблюдений.

Однако объем данных будет постоянно отделяться от объема независимой доказательной информации.

Миллиард зависимых наблюдений не равен миллиарду независимых подтверждений.

Поэтому вычислительный корпус должен иметь собственную карту доказательной зависимости.

18 — Адверсарная программа

Обычный вычислительный эксперимент склонен искать подтверждение.

В настоящей работе столь же важной задачей становится поиск разрушения.

Для каждого закона будут определяться наиболее опасные классы.

Если худшие случаи связаны с отсутствием малых нечетных делителей, необходимо специально исследовать такие числа.

Если потенциально опасны числа вида 2q, где q — большое простое, именно этот класс должен получать отдельную вычислительную нагрузку.

Если закон относится к мультипликативной траектории, нужно искать масштаб, где траектория максимально отклоняется.

Если построен прогнозный коридор, ценность представляет не его подтверждение само по себе, а наиболее сильная попытка выйти за пределы этого коридора.

Адверсарная программа должна отвечать:

какой объект является наиболее опасным из известных?

Какой новый класс мог бы быть еще опаснее?

Какие признаки появились бы перед сменой режима?

Может ли потенциальная катастрофа возникнуть изолированно?

Какие законы она обязана разрушить одновременно?

Так математическое исследование превращается в активное противоборство теории со своими возможными контрсценариями.

19 — Экстрактивная программа

Метагольдбах рассматривается в настоящем томе как первый большой полигон экстрактивной математики.

Ее задача заключается не только в доказательстве заранее сформулированной теоремы.

Необходимо систематически искать объекты, которые еще не сформулированы.

Новые последовательности.

Новые экстремальные классы.

Новые отношения между факторизациями.

Новые способы нормировки.

Новые системы рекордов.

Новые типы переходов.

Новые метазаконы.

В этом смысле программа является открытой.

Мы заранее не знаем окончательного перечня объектов, которые будут обнаружены.

Но этот поиск не должен быть произвольным.

Каждый объект проходит фильтр содержательности.

Он должен либо описывать существенную математическую структуру, либо давать новый доказательный канал, либо обладать значительной генеративной способностью, либо открывать новое потенциальное приложение.

Далее программа выходит за пределы простых чисел.

Основная теорема арифметики естественным образом открывает миры чисел различного состава.

Простые.

Полупростые.

Трехсоставные.

k-составные.

Числа с фиксированным количеством различных простых делителей.

Факторизационные профили.

Смешанные аддитивные классы.

Каждый такой мир может оказаться новым математическим месторождением.

Поэтому Метагольдбах является только первым рудником.

20 — Индустриальная программа

Последний уровень настоящего тома посвящен вопросу, который традиционно почти не ставится в фундаментальной математике:

можно ли превратить систематическое получение нового математического знания в самостоятельный производственный процесс?

Если экстрактивная математика действительно способна непрерывно обнаруживать новые объекты, если искусственный интеллект способен автоматизировать поиск закономерностей, если распределенные вычислительные системы способны выполнять математическую добычу, если новые структуры могут становиться основой алгоритмов и криптографических конструкций, то возникает возможность математической индустрии.

Ее сырьем является неисследованная математическая структура.

Средствами производства — вычисления, алгоритмы, искусственный интеллект и метаиндукционная методология.

Продуктом — новое проверяемое математическое знание.

Капиталом — накопленные данные, последовательности, законы, метазаконы, алгоритмы и технологии.

Особенно интересна возможность Proof-of-Mathematical-Discovery, в котором вычислительная работа распределенной сети оставляет после себя не только доказательство потраченного ресурса, но и новый математический объект.

Вокруг такого процесса потенциально может возникнуть «Книга рекордов Метагольдбаха» — глобальная обсерватория математических открытий.

Еще шире — исследовательская и экономическая программа «Метаиндуктум», предназначенная уже не только для мира простых чисел, а для систематической разведки различных математических пространств.

Тем самым структура первого тома замыкается.

Мы начинаем с вопроса:

можно ли каждое четное число представить суммой двух простых?

Переходим к вопросу:

сколько таких представлений гарантировано?

Затем:

какие законы управляют ростом этой гарантии?

как такие законы могут быть метаиндуктивно установлены?

После этого:

какие новые математические объекты порождает теория?

И наконец:

можно ли превратить систематическое открытие таких объектов в непрерывно развивающуюся научную, технологическую и экономическую систему?

Именно этот путь — от классической проблемы Гольдбаха к новой теории простых чисел, от нее к экстрактивной математике и далее к математической индустрии — определяет структуру настоящего тома.

Метатеорема Гольдбаха в этой системе является центральной задачей.

Но она уже не является горизонтом.

Она является началом пути.

********

ЧАСТЬ I. МЕТАОРГАНОН И ТЕОРИЯ МЕТАИНДУКЦИИ

Глава 1. Метаорганон как общая методологическая система

1 — Общая идея Метаорганона

Метаорганон представляет собой систему взаимосвязанных логических, математических и методологических дисциплин, предназначенных для работы с объектами и задачами, которые не исчерпываются одной традиционной формой описания, доказательства или вычисления.

Его исходный принцип состоит не в отказе от классической логики или классической математики, а в расширении исследовательского аппарата там, где классического набора различений оказывается недостаточно.

Классическая математика чрезвычайно сильна в ситуациях, где объект полностью определен, отношение строго, операция замкнута, а переход от одного состояния к другому может быть выражен конечной цепью дедуктивных преобразований.

Но существуют задачи иного типа.

Объект может зависеть от вычислительного горизонта.

Свойство может быть эксплицируемо только в конечной области.

Система может сохранять структуру, хотя ее абсолютные параметры непрерывно изменяются.

Доказательный переход может осуществляться не между единичными высказываниями, а между сложными состояниями.

Контрпример может быть формально мыслим, но требовать возникновения целого комплекса ранее не наблюдавшихся структур.

Закон может существовать не как точная числовая формула, а как устойчивая система отношений.

Именно такие случаи требуют метауровня.

Поэтому Метаорганон можно определить как систему средств исследования отношений между математическими системами, состояниями, масштабами, уровнями экспликации и доказательными режимами.

Его интересует не только объект.

Его интересует способ существования объекта в системе знания.

Не только закон.

Но закон закона.

Не только доказательство.

Но состояние доказательства.

Не только вычислимое значение.

Но граница вычислительной экспликации.

Не только сходство.

Но условия, при которых различающиеся объекты могут считаться тождественными в существенном отношении.

Метаорганон поэтому естественно образует несколько взаимосвязанных уровней.

На логическом уровне возникает Гармоническая логика.

На математическом — Гармоническая математика.

На уровне идентичности — Закон условного тождества.

На уровне доступности объекта — Теория эксплицируемости.

На уровне конечного и бесконечного — Изольдионика.

На уровне специальных метрических и структурных отношений — Юниметрия.

На уровне множественных представлений математического объекта — трехипостасная математика.

На уровне самоподобных метаструктур — Метафракталика.

На уровне особых генеративных числовых конструкций — Теория ноофакториалов.

На уровне доказательных переходов — Теория метаиндукции.

Это не изолированные дисциплины.

Они образуют связанную систему.

Метатеорема Гольдбаха становится одним из первых случаев, где эта система должна работать не декларативно, а как единый исследовательский аппарат.

2 — Гармоническая логика

Гармоническая логика возникает из необходимости различать больше состояний отношения между объектами и высказываниями, чем простая альтернатива полного совпадения и полного несовпадения.

Строгая логика требует точности.

Метаорганон это требование сохраняет.

Но одновременно он вводит вопрос:

какие различия существенны для данного отношения, а какие не изменяют исследуемого результата?

Именно здесь возникает логика условий.

Два объекта могут быть различны абсолютно и тождественны относительно определенного набора признаков.

Две системы могут иметь разные численные параметры и одновременно воспроизводить один и тот же структурный режим.

Два масштаба могут быть несопоставимы по абсолютным величинам, но совпадать по типу переходов, системе экстремумов и набору метаинвариантов.

Гармоническая логика должна поэтому работать не только с вопросом:

A=B?

Но и с вопросом:

A и B тождественны в каком отношении, при каких условиях и для какой операции?

Такое расширение особенно важно для метаиндукции.

Если состояние системы при X=10^6 и состояние при X=10^7 сравнивать по буквальному совпадению всех параметров, они заведомо различны.

Но если сравнивать структуру законов, тип нижнего слоя, характер масштабного перехода, классы экстремальных чисел и прогнозную воспроизводимость, может обнаружиться глубокое условное тождество.

Гармоническая логика создает язык, в котором подобные отношения могут быть сформулированы строго, а не метафорически.

3 — Гармоническая математика

Гармоническая математика переносит принцип многорежимного описания из логики непосредственно в математический аппарат.

Классическая математика стремится к точному равенству, строгой функции, доказанной теореме, фиксированной структуре.

Гармоническая математика добавляет к этому исследование:

масштабных соответствий;

структурной эквивалентности;

условной идентичности;

эксплицируемости;

динамических границ;

переходов между состояниями;

и систем, которые сохраняют форму отношений при изменении абсолютных параметров.

Ее центральная задача состоит не в ослаблении точности, а в расширении перечня математически различимых состояний.

Например, две функции могут иметь различные значения, но один тип асимптотического режима.

Две последовательности могут различаться член за членом, но обладать одинаковой структурой рекордов.

Два распределения могут иметь разные масштабы, но одну форму нижнего экстремального слоя после нормировки.

Такие отношения нельзя свести к простому равенству.

Но это не делает их нематематическими.

Нужен соответствующий язык.

В Метагольдбахе Гармоническая математика особенно важна потому, что предметом исследования становится не одна точная формула G(N), а целый комплекс отношений между G(N), A(K), B(K), V(K), H(V), Z(K), экстремумами, арифметическими классами и масштабными переходами.

4 — Закон условного тождества

Одним из центральных принципов Метаорганона является Закон условного тождества.

В строгой форме тождество означает совпадение объекта с самим собой или полное совпадение сравниваемых математических структур в заданном смысле.

Но множество исследовательских задач требует другой формы.

Пусть объекты A и B различаются по некоторому набору характеристик.

Если эти различия:

не относятся к рассматриваемому свойству;

не изменяют допустимого результата;

не разрушают исследуемого отношения;

или остаются за границей релевантной экспликации,

то относительно явно заданной системы условий A и B могут рассматриваться как условно тождественные.

Существенно, что условное тождество не означает произвольного объявления разных объектов одинаковыми.

Оно требует указать:

1 — сравниваемый объект;

2 — отношение, относительно которого производится сравнение;

3 — набор существенных признаков;

4 — допустимые различия;

5 — условия сохранения тождества;

6 — условия его разрушения.

Только после этого выражение «условно тождественны» приобретает математический смысл.

Для Метагольдбаха это особенно важно.

Пусть на двух масштабах абсолютные значения минимумов различны.

Границы V_X(K) сдвинулись.

Нормированные показатели немного изменились.

Появились новые рекордные числа.

Это означает, что два состояния не строго тождественны.

Но если одновременно сохраняются:

рост нижнего слоя;

структура плато;

тип скачков;

характер мультипликативных переходов;

классы худших случаев;

работоспособность прогнозов;

и отсутствие новых разрушительных режимов,

то состояния могут оказаться условно тождественными относительно исследуемой метаструктуры.

Именно такое тождество позднее станет одним из оснований масштабной метаиндукции.

5 — Теория эксплицируемости

Не всякий математический объект одинаково доступен для фактического исследования.

Можно строго определить число, но не иметь возможности вычислить его значение.

Можно определить последовательность, но не иметь ресурсов получить ее следующий чрезвычайно удаленный член.

Можно сформулировать потенциальный контрпример, но не знать ни одного конструктивного механизма, способного его породить.

Теория эксплицируемости вводит различие между формальным существованием математического объекта и возможностью его фактического раскрытия в конкретной вычислительной, логической или технологической системе.

Эксплицировать объект — значит сделать его содержательно доступным:

вычислить;

построить;

разложить;

идентифицировать;

или иным способом раскрыть структуру, которая ранее была задана только потенциально.

Граница экспликации не является вечной.

Она зависит от:

алгоритма;

вычислительной мощности;

памяти;

времени;

архитектуры вычислений;

уровня искусственного интеллекта;

и других ресурсов.

Поэтому эксплицируемость имеет историческое измерение.

То, что было практически неэксплицируемо сто лет назад, сегодня может вычисляться за секунды.

То, что сегодня недоступно, завтра может стать обычным объектом анализа.

Для Теории метаиндукции это различие принципиально.

Мы должны постоянно отделять:

то, что проверено;

то, что вычислимо;

то, что конструктивно достижимо;

то, что пока только формально мыслимо.

Контрсценарий обладает большей доказательной силой, если можно показать механизм его возникновения.

И меньшей, если он существует только как абстрактное отрицание исследуемого закона.

Это не отменяет формальной возможности.

Но изменяет ее место в доказательном состоянии.

6 — Изольдионика

Изольдионика является одним из направлений Метаорганона, в котором проблема числа рассматривается через отношения конечности, бесконечности, вычислимости и эксплицируемости.

Для настоящего исследования особенно важна введенная в этом контексте мысль:

математическая определенность и фактическая эксплицированность — не одно и то же.

Число может быть конечным в обычном арифметическом смысле и одновременно настолько огромным, что его полная экспликация потребовала бы ресурсов, несопоставимых с ресурсами существующей цивилизации.

Поэтому между «конечным» и «практически доступным» существует огромная область.

В Изольдионике эта область получает самостоятельный статус.

С ней связано понятие границы эксплицируемых чисел конкретной вычислительной системы и идея Лананума как последнего эксплицируемого числа в рамках заданного ресурсного режима.

Для Метагольдбаха значение этой идеи состоит не в необходимости оперировать изольдионами непосредственно.

Важнее методологический вывод.

Когда мы говорим:

«проверим все числа до X»,

мы всегда имеем дело с исторически конкретной границей X.

Сегодня это миллион.

Завтра — миллиард.

Затем — триллион.

Но сама Метатеорема относится не к конкретной конечной границе.

Следовательно, необходимо строго различать вычислительную экспликацию и доказательный переход за ее пределы.

Именно здесь Изольдионика соединяется с Теорией метаиндукции.

7 — Юниметрия

Юниметрия входит в систему Метаорганона как самостоятельное направление, связанное с исследованием специальных отношений меры, сопоставления и структурной соизмеримости математических объектов.

В настоящем томе ее полный аппарат не является непосредственным предметом исследования.

Однако важен сам принцип.

Для сложной математической системы недостаточно сравнивать объекты только по абсолютной величине.

Нередко необходимо построить такие меры, которые сохраняют смысл при изменении масштаба.

В Метагольдбахе эта проблема возникает постоянно.

Абсолютное значение G(N) при N порядка тысячи нельзя напрямую сопоставлять со значением G(N) при N порядка миллиарда.

Необходима нормировка.

Абсолютный скачок V(K+1)-V(K) может быть большим просто потому, что вырос сам масштаб V(K).

Следовательно, требуется относительная мера.

Расстояния между экстремумами, размеры плато, глубины провалов и ошибки прогноза также должны исследоваться не только абсолютно, но и в отношении к соответствующему масштабу.

Юниметрический принцип поэтому будет присутствовать в книге как требование строить содержательные меры структурного сравнения, а не ограничиваться сырыми числовыми величинами.

8 — Трехипостасная математика

Трехипостасная математика является еще одним направлением Метаорганона, основанным на возможности рассматривать один математический объект одновременно в нескольких взаимосвязанных ипостасях.

Полный аппарат этой теории выходит за пределы настоящего тома.

Для нас важен методологический принцип:

один объект может обладать различными формами математического существования, и переход между ними способен раскрывать свойства, невидимые внутри одной формы.

Число можно рассматривать арифметически.

Его факторизацию — структурно.

Связанные с ним представления — комбинаторно.

Соответствующие зависимости — геометрически.

Его положение среди других чисел — метрически.

Метаиндукционная теория использует сходный подход.

Один и тот же объект G(N) будет одновременно выступать:

как точное число представлений;

как элемент последовательности;

как точка распределения;

как участник экстремального слоя;

как носитель факторизационного профиля;

как элемент доказательного состояния.

Такой многоплановый взгляд существенно богаче одномерного.

9 — Метафракталика

Метафракталика исследует структуры, в которых повторяемость возникает не обязательно как точное геометрическое самоподобие, а как воспроизведение отношений и принципов организации на различных уровнях.

Для Метагольдбаха эта идея особенно продуктивна.

На одном масштабе существуют:

уровни;

плато;

скачки;

экстремумы;

переходные области.

При переходе к более высокому масштабу абсолютные значения меняются, но аналогичные типы структур могут возникать вновь.

Если подобное воспроизведение происходит систематически, возникает метафрактальный аспект числовой системы.

Не буквальное повторение рисунка.

А повторение типа организации.

Это тесно связано с условным тождеством.

Метафрактальность можно рассматривать как один из возможных механизмов, благодаря которому различающиеся масштабы оказываются структурно родственными.

В дальнейшем необходимо будет проверить, какие компоненты Метагольдбаха действительно обладают такой многоуровневой воспроизводимостью, а какие лишь создают впечатление самоподобия на малой выборке.

10 — Теория ноофакториалов

Теория ноофакториалов представляет отдельное направление Метаорганона, связанное с построением и исследованием новых генеративных числовых объектов.

В настоящем томе она не используется как непосредственный инструмент доказательства Метатеоремы.

Однако ее методологическое значение существенно.

Она демонстрирует общий принцип Метаорганона:

математика не обязана ограничиваться набором объектов, уже закрепленных традицией.

Если новая операция, новая последовательность или новая система отношений обладают самостоятельной структурой, воспроизводимостью и исследовательской ценностью, они могут стать предметом полноценной теории.

Именно этот принцип будет чрезвычайно важен в Атласе Метагольдбаха.

A(K), V(K), длины плато, последовательности рекордных экстремумов, факторизационные траектории и другие объекты не следует считать «второстепенными таблицами» только потому, что они не входят в классический набор функций теории чисел.

Если они имеют собственные законы, они имеют право на самостоятельное математическое существование.

Отсюда начинается переход от новой теории простых чисел к экстрактивной математике.

11 — Метаиндукция

Теория метаиндукции является непосредственной доказательной основой настоящего исследования.

Классическая математическая индукция переносит свойство:

P(n) -> P(n+1),

при наличии базы и корректного индукционного шага.

Но далеко не всякая система обладает таким одномерным замыканием.

Иногда отдельное свойство P(n) не воспроизводит само себя.

Чтобы осуществить переход, требуется знать дополнительные параметры.

Тогда объектом переноса становится не одно свойство, а состояние:

S(n)={X1(n), X2(n), …, Xm(n)}.

Если компоненты этого состояния достаточны для построения следующего состояния:

S(n) -> S(n+1),

возникает расширенное индукционное замыкание.

Метаиндукция развивает этот принцип дальше.

Она исследует переход не только между соседними натуральными индексами, но и между:

масштабами;

режимами;

классами объектов;

доказательными состояниями;

и структурно родственными математическими системами.

В Метагольдбахе таким состоянием не может быть одно значение G(N).

Необходимо переносить систему:

нижних экстремумов;

границ;

плато;

масштабных отношений;

арифметических классов;

прогнозов;

и разрушителей.

Если этот комплекс воспроизводится на последовательных масштабах, возникает основание для малой метаиндукции.

Если затем устанавливается метазакон самой воспроизводимости, возникает задача большой метаиндукции.

12 — Место Метагольдбаха в системе Метаорганона

Метагольдбах занимает в Метаорганоне особое место потому, что здесь несколько его направлений впервые должны действовать одновременно внутри одной крупной доказательной программы.

Гармоническая логика необходима для различения строгого и условного тождества.

Гармоническая математика — для описания масштабно изменяющихся, но структурно воспроизводимых систем.

Закон условного тождества — для сравнения различных масштабных состояний.

Теория эксплицируемости — для строгого различения вычисленной области и того, что лежит за ее пределами.

Изольдионика — для понимания относительности исторической границы вычислительной доступности.

Юниметрический принцип — для построения масштабно содержательных нормировок.

Трехипостасный подход — для рассмотрения одного объекта сразу в нескольких математических представлениях.

Метафракталика — для исследования воспроизводимости структур между уровнями.

Теория новых математических объектов — для перехода от исходной функции G(N) к целому семейству новых последовательностей.

И наконец, метаиндукция должна связать все это в доказательную систему.

В этом смысле Метатеорема Гольдбаха является не просто отдельной задачей внутри Метаорганона.

Она становится интеграционным полигоном.

Здесь общие принципы должны пройти проверку на чрезвычайно жестком объекте.

Объекте бесконечном.

Немонотонном.

Арифметически неоднородном.

Экстремально чувствительном.

И до сих пор не поддавшемся классическому решению даже на первом бинарном уровне.

Поэтому успех Метагольдбаха будет означать не только получение результата в теории чисел.

Он станет проверкой способности Метаорганона работать как целостная математическая методология.

****

Глава 2. От классической индукции к метаиндукции

1 — Свойство

Начнем с минимального объекта индукционного рассуждения — свойства.

Пусть имеется последовательность объектов:

O1, O2, O3, …

и некоторое высказывание P(n), относящееся к объекту On.

В классической математической индукции требуется установить два компонента.

Первый — базу:

P(n0).

Второй — переход:

P(n) -> P(n+1).

Если переход доказан для каждого допустимого n, свойство замыкается на всей последовательности.

Эта схема чрезвычайно сильна.

Но она предполагает одно существенное условие:

само знание P(n) должно быть достаточным для получения P(n+1).

Именно это условие часто остается неявным.

Если из P(n) нельзя вывести P(n+1) без дополнительных данных, одно свойство не образует замкнутой индукционной системы.

Тогда необходимо расширять объект переноса.

Это и есть первый шаг от обычной индукции к метаиндукции.

2 — Состояние

Состоянием будем называть упорядоченную систему характеристик, достаточную для описания исследуемого объекта на данном шаге или масштабе.

Пусть:

S(n)={X1(n), X2(n), …, Xm(n)}.

Компоненты Xi могут быть:

числами;

функциями;

неравенствами;

структурными свойствами;

классами;

инвариантами;

ограничениями;

или доказательными утверждениями.

Состояние отличается от одиночного свойства тем, что хранит несколько взаимосвязанных аспектов объекта.

Например, исследуя числовую систему, может оказаться недостаточно знать только минимальное значение функции.

Для следующего перехода нужно также знать:

его положение;

тип объекта, на котором минимум достигается;

форму соседнего распределения;

и параметр, определяющий нормировку.

Тогда естественным переносимым объектом является не минимум, а весь соответствующий вектор состояния.

Именно эта идея будет ключевой для Метагольдбаха.

3 — Индукционное состояние

Назовем состояние S(n) индукционным, если содержащейся в нем информации достаточно для воспроизводства следующего состояния в соответствии с заданным переходом.

То есть существует оператор T такой, что:

S(n+1)=T(S(n))

или, в более общем случае:

S(n) => S(n+1),

где стрелка означает логически замкнутый переход.

Классическая индукция является частным случаем.

Если:

S(n)={P(n)},

то получаем обычный переход:

P(n) -> P(n+1).

Но если одного P(n) недостаточно, состояние расширяется.

Например:

S(n)={P(n), Q(n)}.

И может оказаться, что:

P(n) и Q(n)

вместе позволяют получить:

P(n+1) и Q(n+1).

Тогда закрывается уже не отдельное свойство, а пара.

В более сложной системе потребуются десятки компонентов.

Следовательно, вопрос о возможности индукции должен формулироваться не только так:

«индуктивно ли свойство P?»

Но и так:

«какое минимальное состояние необходимо, чтобы система стала индукционно замкнутой?»

Это намного более мощный вопрос.

4 — Минимально достаточное состояние

Пусть имеется некоторое индукционное состояние:

S(n)={X1, X2, …, Xm}.

Оно называется минимально достаточным, если:

1 — из него возможно получить следующее состояние;

2 — удаление хотя бы одного существенного компонента разрушает это замыкание.

Минимальность важна по двум причинам.

Во-первых, она избавляет доказательство от лишних компонентов.

Во-вторых, она позволяет понять сам механизм перехода.

Если в состояние включено сто показателей, но реально переход зависит только от пяти, остальные девяносто пять создают иллюзию сложности.

Если же состояние слишком мало, переход становится невозможным.

Поэтому поиск минимально достаточного состояния представляет собой отдельную математическую задачу.

В Метагольдбахе такой вопрос будет поставлен непосредственно.

Какие характеристики действительно необходимы для масштабного воспроизводства?

Достаточно ли нижнего минимума?

Очевидно, нет.

Достаточно ли минимума и его нормировки?

Возможно, тоже нет.

Нужны ли арифметические классы худших случаев?

Прогнозные ошибки?

Структура плато?

Каталог разрушителей?

Ответ должен быть получен исследованием.

Тем самым доказательство превращается в поиск минимального метаиндукционного ядра.

5 — Расширенное состояние

До того как минимальное состояние найдено, исследователь обычно работает с расширенным состоянием.

Оно содержит больше компонентов, чем предположительно необходимо.

Например:

S*(n)={
X1(n),
X2(n),
…
Xm(n),
Y1(n),
…
Yr(n)
}.

Часть дополнительных характеристик может впоследствии оказаться:

избыточной;

производной;

зависимой;

или несущественной.

Но на исследовательской стадии расширенное состояние полезно.

Оно позволяет не потерять потенциально значимые каналы.

Именно поэтому в Метагольдбахе мы изначально не ограничиваемся одной или двумя закономерностями.

Будет построен широкий каталог:

динамических;

экстремальных;

арифметических;

масштабных;

прогностических;

и адверсарных характеристик.

Позднее должна быть исследована их зависимость.

Некоторые окажутся вторичными.

Некоторые — почти эквивалентными.

Но некоторые могут стать независимыми несущими компонентами доказательства.

6 — Метасостояние

Состояние описывает объект.

Метасостояние описывает систему состояний и отношения между ними.

Пусть имеются:

S1, S2, …, Sr,

соответствующие различным масштабам или этапам.

Тогда метасостояние может включать:

законы перехода между Si;

параметры дрейфа;

инварианты;

классы условного тождества;

ошибки прогнозов;

структуру разрушителей;

и другие характеристики всей последовательности состояний.

Обозначим его:

M={S1, S2, …, Sr; L1, …, Lk},

где Lj — отношения между состояниями.

Это уже принципиально иной уровень.

Например, отдельное состояние при X=10^6 содержит значения вычисленных показателей.

Состояние при X=10^7 — новые значения.

Но метасостояние содержит ответ на вопрос:

как именно система изменилась при переходе от 10^6 к 10^7?

Если затем тот же тип изменения воспроизводится при переходе к следующему масштабу, возникает метазакон.

Метаиндукция работает именно с такими объектами.

7 — Инвариант

Инвариант — характеристика, сохраняющаяся при определенном классе преобразований.

В классической математике примеров бесчисленное множество.

Сумма может сохраняться при преобразовании.

Четность — при определенных операциях.

Топологический тип — при непрерывной деформации.

Для нас важно подчеркнуть условность любого инварианта.

Нужно всегда спрашивать:

относительно какого преобразования он инвариантен?

В метаиндукционной системе инвариант может быть не одним числом.

Он может иметь форму:

неравенства;

порядка;

структуры;

класса;

или логического отношения.

Например, если абсолютные значения нижнего экстремума меняются, но отношение:

«нормированный минимум остается отделенным от нуля»

сохраняется на всех исследованных масштабах, инвариантом может быть именно это качественно-количественное свойство.

Инвариант является носителем устойчивости состояния.

8 — Метаинвариант

Метаинвариант — это устойчивое отношение, сохраняющееся не внутри одного состояния, а между состояниями или классами состояний.

Можно сказать иначе:

инвариант характеризует объект при преобразовании;

метаинвариант характеризует сам тип преобразования.

Пусть:

S1 -> S2,

S2 -> S3,

S3 -> S4.

Абсолютные значения компонентов могут существенно изменяться.

Но если каждый переход обладает одной структурой:

нижний слой растет;

нормированная глубина провалов остается ограниченной;

экстремальный класс сохраняет тип;

ошибка прогноза не увеличивается;

цена разрушения растет,

то совокупность этих отношений может образовать метаинвариант.

Метаинвариант поэтому является центральным объектом большой метаиндукции.

Нам требуется не буквальное повторение состояния.

Нужно показать воспроизводимость принципа его преобразования.

9 — Переход состояния

Переходом состояния называется преобразование:

S_a -> S_b.

В простейшем случае:

n -> n+1.

Но метаиндукция допускает значительно более широкие переходы.

Например:

X -> 10X,

K -> 2K,

один арифметический класс -> другой,

один доказательный режим -> следующий.

Для каждого перехода необходимо определить:

1 — исходное состояние;

2 — конечное состояние;

3 — преобразуемые компоненты;

4 — сохраняющиеся компоненты;

5 — допустимый дрейф;

6 — критерий успешного перехода;

7 — критерий разрушения.

Это важно потому, что выражение:

«структура сохранилась»

само по себе слишком неопределенно.

Нужно заранее установить, что именно считается сохранением.

Например, если при переходе от X к 10X нормированный минимум изменился на несколько процентов, это может быть допустимым дрейфом.

Но если он упал на порядок величины и одновременно изменился класс экстремальных чисел, это может означать смену режима.

Переход должен иметь формальный паспорт.

10 — Замыкание

Замыкание — центральное понятие любой индукционной системы.

Классическая индукция замкнута, если из истинности P(n) следует истинность P(n+1).

Многокомпонентная индукция замкнута, если:

S(n) -> S(n+1)

и все компоненты, необходимые для дальнейшего шага, воспроизводятся внутри полученного S(n+1).

Именно последний момент особенно важен.

Если переход использует некоторый внешний факт Y, но Y не переносится и не доказывается заново, система не замкнута.

Возникает скрытая зависимость.

Поэтому замыкание требует самовоспроизводства всех необходимых компонентов доказательного состояния.

Для метаиндукции это требование еще жестче.

Необходимо воспроизводить не только сами законы, но и условия их надежности.

Например:

если прогноз является частью доказательства, нужно показать воспроизводимость прогнозной способности;

если экстремальный анализ является частью доказательства, нужно переносить контроль нижнего слоя;

если отсутствие разрушителя существенно, необходимо обновлять адверсарный поиск на каждом масштабе.

Иначе доказательное состояние постепенно теряет свои компоненты.

Такой переход не является замкнутым.

11 — Метаиндукционный переход

Теперь можно дать рабочее определение.

Метаиндукционным переходом назовем переход между двумя состояниями или классами состояний, при котором воспроизводится минимально достаточное доказательное ядро и сохраняются заданные метаинварианты.

Пусть:

M(X)

— метаиндукционное состояние системы на масштабе X.

Тогда малая масштабная метаиндукция может иметь форму:

M(X) -> M(cX),

где c>1.

Но стрелка здесь не означает простую числовую экстраполяцию.

Она означает:

сохранение ключевых законов;

сохранение структурных отношений;

допустимый дрейф параметров;

подтверждение ранее сделанных прогнозов;

обновление экстремальной базы;

адверсарную проверку;

отсутствие нового разрушительного режима;

и воспроизводство достаточного состояния для следующего перехода.

Таким образом, M(cX) не просто «похоже» на M(X).

Оно является следующим элементом замкнутой метаиндукционной цепи.

Для Метагольдбаха возможная последовательность масштабов может выглядеть так:

10^5 -> 10^6 -> 10^7 -> 10^8 -> …

Но сами степени десяти несущественны.

Важно, что на каждом переходе проверяется один и тот же доказательный канон.

Именно это превращает серию вычислений в структурированную метаиндукцию.

12 — Метаиндукционное доказательство

Метаиндукционное доказательство — это не утверждение:

«мы проверили очень много случаев, поэтому свойство истинно всегда».

Такое рассуждение было бы обычной эмпирической экстраполяцией.

Метаиндукционное доказательство требует значительно большего.

Его объектом является не множество отдельных подтверждений, а замкнутое доказательное состояние, способное воспроизводить себя при переходе между масштабами.

В общем виде такое доказательство включает:

1 — точное определение утверждения;

2 — построение базовой эксплицированной области;

3 — выделение расширенного состояния;

4 — поиск минимально достаточного доказательного ядра;

5 — установление первичных законов;

6 — проверку их независимости;

7 — выделение инвариантов;

8 — формирование метаинвариантов;

9 — несколько контролируемых масштабных переходов;

10 — ретропрогноз;

11 — независимый прогноз;

12 — анализ нижних экстремумов;

13 — адверсарный поиск разрушителей;

14 — построение контрсценариев;

15 — оценку цены разрушения;

16 — проверку условного тождества последовательных состояний;

17 — доказательство воспроизводимости метаиндукционного ядра;

18 — большое метаиндукционное замыкание.

Именно здесь проходит принципиальная граница между большим вычислительным экспериментом и метаиндукционным доказательством.

Первый сообщает:

что происходило во всех исследованных случаях.

Второе должно дополнительно установить:

почему исследованный режим образует воспроизводимое состояние, какие процессы способны его разрушить и почему при переходе к следующему масштабу сохраняется достаточное доказательное ядро.

Поэтому метаиндукция является не ослабленной дедукцией и не усиленной статистикой.

Это самостоятельная архитектура переноса математического знания.

В дальнейшем вся работа над Метатеоремой Гольдбаха будет строиться именно вокруг этого принципа.

Мы будем искать не просто доказательство отдельного неравенства.

Мы будем строить систему, способную переносить собственное доказательное состояние.

И конечная цель состоит в том, чтобы перейти от последовательности конечных масштабов к утверждению о неограниченном продолжении соответствующего математического режима.

Именно этот переход и является основной задачей Теории метаиндукции.

***

Глава 3. Закон условного тождества

1 — Строгое тождество

Строгое тождество является одним из фундаментальных отношений классической логики и математики.

В простейшем случае оно выражается формой:

A = A.

Объект тождествен самому себе.

Если два обозначения относятся к одному и тому же объекту, можно также утверждать:

A = B,

при условии, что A и B представляют один и тот же математический объект в одном и том же отношении.

Строгое тождество чрезвычайно сильное отношение.

Оно требует совпадения в пределах той структуры, относительно которой тождество определяется.

Два натуральных числа строго тождественны, если это одно и то же число.

Два множества строго тождественны, если они содержат одни и те же элементы.

Две функции строго тождественны, если совпадают на всей области определения.

Два конечных массива строго тождественны, если соответствующие элементы совпадают.

В классической математике этого понятия в огромном числе случаев достаточно.

Но при исследовании динамических, масштабных, вычислительно ограниченных и структурно сложных систем возникают ситуации, в которых требование строгого тождества оказывается слишком сильным.

Состояние системы на масштабе X не может буквально совпадать с состоянием той же системы на масштабе 10X.

Количество объектов изменилось.

Экстремальные значения изменились.

Появились новые рекорды.

Сместились границы.

Изменились абсолютные параметры.

Если требовать полного совпадения, придется заключить, что состояния принципиально различны.

Однако такое заключение может быть математически малоинформативным.

Потому что главное может состоять не в совпадении значений, а в совпадении структуры их изменения.

Именно здесь строгого тождества становится недостаточно.

Возникает необходимость второго отношения — условного тождества.

2 — Условное тождество

Условным тождеством назовем отношение, при котором два формально различающихся объекта, состояния или процесса признаются тождественными относительно явно заданного набора условий и существенных характеристик.

Схематически это можно выразить так:

A ≡ B | C,

где C — совокупность условий, относительно которых A и B рассматриваются как тождественные.

Смысл здесь принципиально отличается от строгого равенства.

Мы не утверждаем, что A и B полностью совпадают.

Мы утверждаем, что различия между ними не меняют исследуемого отношения.

Например, два треугольника могут иметь разные размеры, но одну форму.

Два графа могут иметь разные обозначения вершин, но одну структуру связности.

Два процесса могут иметь разные абсолютные скорости, но одну динамическую архитектуру.

Две числовые системы могут иметь разные конкретные значения, но один и тот же тип распределения.

Следовательно, условное тождество всегда относительно.

Нужно указать:

что сравнивается;

по каким признакам;

какие различия считаются допустимыми;

какие различия считаются разрушающими;

и для какой цели вводится данное отношение.

Без этого условное тождество превращается в произвольное сходство.

С указанными условиями оно становится строгим исследовательским инструментом.

3 — Существенные различия

Для применения Закона условного тождества необходимо различать существенные и несущественные различия.

Существенным назовем такое различие между объектами A и B, которое изменяет исследуемое свойство, отношение, результат или допустимый переход.

Если изменение некоторой характеристики приводит к тому, что закон перестает выполняться, эта характеристика существенна.

Если изменение структуры разрушает возможность перехода, структура существенна.

Если отличие создает новый класс поведения, оно существенно.

Следовательно, существенность определяется не величиной различия самой по себе.

Очень маленькое численное различие может быть существенным.

И очень большое абсолютное различие может оказаться несущественным.

Например, изменение знака может быть численно минимальным, но качественно разрушительным.

Напротив, увеличение масштаба в тысячу раз может быть структурно несущественным, если все значимые отношения сохраняются.

Поэтому Закон условного тождества требует не измерять различия вообще, а классифицировать их по отношению к исследуемой системе.

Для Метагольдбаха существенным различием может быть не сам факт изменения минимального значения G(N), а появление нового устойчивого режима, при котором нормированный нижний слой начинает систематически падать.

Существенным может быть не один неожиданный экстремум, а смена арифметического класса, который начинает создавать все более глубокие провалы.

Существенным может быть не ошибка отдельного прогноза, а систематическое ухудшение прогнозной способности всей модели.

Таким образом, существенность связана с возможностью изменения режима.

4 — Несущественные различия

Несущественное различие — это различие, которое не изменяет исследуемой структуры в пределах заданных условий.

Такие различия могут быть численно заметными.

Они могут быть даже очень большими.

Но если они не затрагивают метаинвариант, они не разрушают условного тождества.

Например, при переходе от диапазона до миллиона к диапазону до десяти миллионов естественно ожидать:

новых максимумов;

новых экстремумов;

новых значений V_X(K);

новых рекордов;

изменения абсолютных масштабов.

Само наличие таких изменений не свидетельствует о смене режима.

Напротив, их отсутствие могло бы оказаться подозрительным.

Система растет.

Поэтому условное тождество не требует неподвижности.

Оно требует контролируемого изменения.

В этом смысле несущественным является не различие как таковое, а различие, которое укладывается в допустимый закон преобразования.

Отсюда следует важный принцип:

условное тождество является тождеством через преобразование, а не тождеством через неподвижность.

5 — Структурное тождество

Структурным тождеством назовем сохранение системы отношений между элементами при возможном изменении самих элементов.

Рассмотрим два состояния:

S1={a1,a2,a3,a4}

S2={b1,b2,b3,b4}.

Если значения ai и bi различны, строгого тождества нет.

Но если отношения между компонентами сохраняются, может существовать структурное тождество.

Например:

a1<a2<a3<a4

b1<b2<b3<b4.

Или более содержательно:

первая величина является минимумом;

вторая — медианой;

третья — верхним процентилем;

четвертая — максимумом;

и отношения между ними сохраняют один тип организации.

В Метагольдбахе структурным тождеством может быть сохранение следующей схемы:

нижний слой растет;

максимумы растут быстрее;

границы уровней остаются неубывающими;

возникают плато;

плато прерываются скачками;

экстремальные случаи концентрируются в определенных арифметических классах.

Абсолютные числа меняются.

Структура остается.

Это и есть структурное тождество.

6 — Функциональное тождество

Функциональное тождество относится не столько к форме объекта, сколько к роли, которую он выполняет в системе.

Два объекта могут быть различны по строению, но выполнять одну функцию.

В доказательной архитектуре это особенно важно.

Например, на одном масштабе роль худшего случая может играть число одного арифметического типа, а на другом — другого.

Если оба выполняют одну функцию:

формируют нижний экстремальный слой,

то между ними может существовать функциональное тождество.

То же относится к законам.

Одна аппроксимация может хорошо работать на малом масштабе.

На большом масштабе параметры могут измениться или одна формула может быть заменена другой.

Но если обе функции выполняют одну и ту же роль:

контролируют нижнюю границу с заданной точностью,

можно говорить о функциональном тождестве внутри более общей доказательной системы.

Функциональное тождество позволяет Метаорганону отделять сущность механизма от конкретной формы его реализации.

7 — Процессуальное тождество

Процессуальным тождеством называется сохранение типа процесса при изменении его конкретных параметров.

Например, пусть на одном масштабе некоторый уровень K:

сначала появляется;

затем многократно нарушается;

далее стабилизируется;

после чего больше не нарушается в пределах исследуемой области.

На другом масштабе значения K и N иные.

Но если последовательность стадий сохраняется, процессы условно тождественны.

Такое тождество особенно важно при исследовании V(K).

Можно рассматривать не только саму границу, но и процесс ее формирования.

Первое достижение.

Период нестабильности.

Последнее нарушение.

Окончательная фиксация.

Если этот четырехступенчатый процесс повторяется для различных K, перед нами уже не набор отдельных фактов.

Перед нами процессуальный закон.

В дальнейшем именно такие законы могут стать сильными каналами метаиндукции.

8 — Масштабное тождество

Масштабное тождество — одна из центральных форм условного тождества для настоящего исследования.

Пусть математическая система исследуется на масштабах:

X1<X2<X3<…

На каждом масштабе строится состояние M(X).

Строго:

M(X1)≠M(X2).

Но возможна другая связь:

M(X1)≈M(X2)

относительно определенного набора структурных характеристик.

Масштабное тождество существует, если при увеличении X:

сохраняется тип законов;

сохраняется структура экстремального слоя;

сохраняются основные арифметические классы;

сохраняется характер переходов;

прогнозная модель остается работоспособной;

а наблюдаемый дрейф параметров сам подчиняется устойчивой закономерности.

Тогда два масштаба не одинаковы.

Они принадлежат одному режиму.

Именно это понятие является одним из мостов от малой метаиндукции к большой.

Если множество последовательных масштабов образует условно тождественные состояния, возникает вопрос о воспроизводимости самого режима без верхней конечной границы.

9 — Условия сохранения

Условное тождество должно иметь явные условия сохранения.

Для каждой сравниваемой системы необходимо определить набор C+ таких условий, при выполнении которых тождество продолжает действовать.

Например, для масштабного состояния Метагольдбаха такими условиями могут быть:

сохранение положительного направления роста нижнего слоя;

отсутствие систематического ухудшения нормированных экстремумов;

сохранение структуры худших арифметических классов;

сохранение прогнозной способности;

отсутствие новых массовых провалов;

сохранение согласованности нескольких независимых законов.

Условия сохранения не должны формулироваться после получения результата.

Они должны по возможности задаваться заранее.

Иначе возникает опасность подгонки понятия тождества под любые новые данные.

Это принципиально.

Если любой результат разрешено объявить «условно тождественным» предыдущему, Закон условного тождества теряет доказательную силу.

Поэтому допустимое пространство изменений должно быть ограничено.

10 — Условия разрушения

Наряду с условиями сохранения должны существовать условия разрушения.

Обозначим их C−.

Это события или классы событий, при которых условное тождество больше не признается.

Например:

резкое изменение типа нижнего слоя;

появление нового семейства систематических экстремумов;

смена знака масштабной тенденции;

систематический выход реальных значений за прогнозный диапазон;

разрушение нескольких независимых законов одновременно;

появление нового арифметического класса, чьи провалы углубляются с масштабом.

Условия разрушения особенно важны потому, что они делают условное тождество фальсифицируемым.

Мы заранее понимаем:

какой результат подтвердит сохранение режима;

какой заставит пересмотреть его.

Таким образом, Закон условного тождества не закрывает систему от опровержения.

Напротив, он требует заранее определить форму возможного опровержения.

11 — Условное тождество математических режимов

Теперь можно перейти от отдельных объектов к режимам.

Под математическим режимом будем понимать устойчивую совокупность:

законов;

параметров;

типов экстремумов;

отношений;

и переходов,

характеризующих систему на некоторой области.

Два режима R1 и R2 условно тождественны, если:

1 — сохраняется минимальный набор существенных отношений;

2 — различия параметров укладываются в допустимую область;

3 — не возникает новых разрушительных механизмов;

4 — сохраняется способность системы воспроизводить свое доказательное состояние.

Последний пункт особенно важен.

Режим должен быть не только похож на предыдущий.

Он должен быть достаточен для следующего перехода.

Поэтому условное тождество режима связано с замыканием.

Если новое состояние не воспроизводит один из необходимых компонентов, оно уже не полностью тождественно предыдущему в доказательном смысле.

Так появляется понятие доказательно-условного тождества.

Это тождество не объектов как таковых, а их способности поддерживать один и тот же тип доказательной конструкции.

12 — Применение к Метагольдбаху

В Метагольдбахе Закон условного тождества должен применяться прежде всего к последовательности масштабных состояний.

Пусть:

M(X)

включает:

нижние минимумы G(N);

нормированные минимумы;

функцию H_X(V);

последовательность V_X(K);

плато;

скачки;

арифметические профили экстремальных чисел;

мультипликативные траектории;

ошибки прогнозов;

и каталог активных разрушителей.

Рассмотрим два масштаба:

cX.

Они не могут быть строго тождественными.

Но можно проверить:

сохраняется ли тип роста H_X(V);

сохраняется ли положение V_X(K) относительно масштаба;

сохраняются ли законы плато и скачков;

сохраняются ли опасные арифметические классы;

не появляется ли новый экстремальный режим;

сохраняют ли силу прогнозы, построенные на предыдущем диапазоне;

растет или уменьшается цена потенциального разрушения.

Если эти компоненты воспроизводятся, можно говорить об условном тождестве масштабных состояний.

Тогда малая метаиндукция приобретает форму:

M(X) ≈ M(cX).

Если далее сам тип отношения между M(X) и M(cX) повторяется на нескольких последовательных масштабах, появляется уже более сильное утверждение:

переход T сохраняет свой тип.

То есть объектом условного тождества становится не только состояние, но и сам процесс масштабного развития.

Именно здесь Закон условного тождества становится непосредственным инструментом метаиндукционного доказательства.

Он позволяет перейти от примитивного требования:

«на новом масштабе все должно быть таким же»

к существенно более содержательному:

«на новом масштабе должна воспроизводиться та же математическая организация с допустимым законом изменения параметров».

Это и есть тот тип тождества, который требуется для исследования Метатеоремы Гольдбаха.

Глава 4. Экспликация и эксплицируемость

1 — Экспликация математического объекта

Под экспликацией математического объекта будем понимать процесс его перевода из потенциальной, формально заданной или нераскрытой формы в форму, доступную непосредственному математическому исследованию.

Объект может быть определен.

Но еще не эксплицирован.

Например, можно определить:

«первое число, обладающее свойством P»,

не зная самого числа.

Можно определить:

«последний контрпример к некоторому уровню»,

не установив, существует ли он и где расположен.

Можно определить последовательность через глобальное условие и знать только первые несколько членов.

Определение задает объект логически.

Экспликация раскрывает его содержательно.

Формы экспликации могут быть различными:

вычисление;

построение;

перечисление;

разложение;

визуализация;

структурная классификация;

вывод;

или доказательное установление свойств.

Поэтому понятие экспликации шире вычисления.

Вычисление является лишь одним из способов сделать объект явным.

2 — Эксплицированная область

Эксплицированной областью назовем часть математического пространства, внутри которой исследуемые объекты доступны в достаточной для поставленной задачи форме.

Например, если все значения G(N) точно вычислены для четных:

4<=N<=10^7,

то относительно функции G этот диапазон является вычислительно эксплицированным.

Но та же область может быть не полностью эксплицированной в другом смысле.

Например, не все закономерности этих данных выявлены.

Не все экстремальные классы классифицированы.

Не все производные последовательности извлечены.

Следовательно, экспликация многомерна.

Одно и то же пространство может быть:

вычислительно эксплицировано;

структурно неэксплицировано;

процессуально частично эксплицировано.

Это важное различие.

Большой объем данных еще не означает большого объема знания.

Можно иметь миллиард вычисленных значений и не понимать структуры, которую они образуют.

Поэтому Метаорганон рассматривает экспликацию не просто как накопление данных, а как раскрытие объекта в нескольких взаимодополняющих измерениях.

3 — Граница экспликации

Граница экспликации отделяет область, внутри которой объект раскрыт в заданном смысле, от области, где он остается потенциальным, неизвестным или недоступным.

Обозначим такую границу через E.

Важно сразу подчеркнуть:

E не является абсолютной границей математики.

Это граница конкретной системы экспликации.

Она зависит от:

ресурса;

алгоритма;

архитектуры;

времени;

памяти;

технологии;

и целей исследования.

Если изменяется алгоритм, граница может резко сдвинуться.

Если появляются новые вычислительные ресурсы, она расширяется.

Если искусственный интеллект автоматизирует поиск структур, структурная граница тоже сдвигается.

Следовательно, понятие границы экспликации имеет исторический характер.

Это особенно важно для задач бесконечного типа.

Мы никогда не должны смешивать утверждения:

«за этой границей объект не существует»

«за этой границей объект пока не эксплицирован».

Это разные высказывания.

4 — Вычислительная экспликация

Вычислительная экспликация — получение явных математических значений путем вычисления.

Для Метагольдбаха это означает прежде всего точное определение G(N) на выбранном диапазоне.

Но вычислительная экспликация включает не только первичные значения.

Она может охватывать:

A_X(K);

B_X(K);

V_X(K);

H_X(V);

Z_X(K);

длины плато;

скачки;

нормированные экстремумы;

факторизационные характеристики;

и другие производные объекты.

Чем больше таких координат вычислено, тем богаче эксплицированное состояние.

Однако сама по себе вычислительная экспликация конечна.

Для любого реально достигнутого X существует X+2.

Поэтому никакое конечное вычисление не устраняет проблему продолжения.

Оно дает базу.

Но не заменяет переход за границу.

Именно здесь вычислительная экспликация соединяется с метаиндукцией.

5 — Структурная экспликация

Структурная экспликация начинается там, где массив данных превращается в систему отношений.

Пусть вычислены миллионы значений G(N).

До структурной экспликации это лишь массив.

Структурная экспликация требует выявить:

классы;

иерархии;

законы;

экстремумы;

корреляции;

переходы;

и взаимозависимости.

Например, можно обнаружить, что особенно низкие нормированные значения часто связаны с определенным факторизационным профилем N.

Это уже структурная информация.

Можно выявить, что V_X(K) образует длинные плато.

Это тоже структура.

Можно обнаружить, что рекордные провалы становятся реже.

Это структурный закон.

Следовательно, структурная экспликация отвечает на вопрос:

как устроена совокупность вычисленных объектов?

Она преобразует данные в математическую морфологию.

6 — Процессуальная экспликация

Процессуальная экспликация относится не к статической структуре, а к механизму ее изменения.

Знать V_X(K) недостаточно.

Можно захотеть понять:

как формируется новая граница;

какие числа создают последнее нарушение;

как исчезает нестабильность;

как возникают новые плато;

как меняются классы экстремумов.

Процессуальная экспликация исследует последовательность событий.

Она особенно важна для метаиндукции, потому что переносится не только результат, но и способ его возникновения.

Если два масштаба дают сходные конечные показатели, но пришли к ним совершенно разными процессами, это может быть признаком скрытой смены режима.

И наоборот, если абсолютные результаты заметно различаются, но процесс формирования остается устойчивым, это усиливает условное тождество.

Таким образом, процессуальная экспликация является необходимым дополнением к структурной.

7 — Историческая подвижность границы

Граница экспликации изменяется вместе с развитием цивилизации.

Это одна из фундаментальных идей Теории эксплицируемости.

Представим число, вычисление которого на определенном историческом этапе требует тысячи лет.

Для соответствующей цивилизации оно практически находится за границей экспликации.

Но появление нового алгоритма может сократить задачу до одного года.

Новый вычислительный аппарат — до одного дня.

Следующий технологический переход — до секунды.

Сам объект не изменился.

Изменилось отношение между объектом и когнитивно-вычислительной системой.

Поэтому эксплицируемость является относительной характеристикой пары:

объект — система экспликации.

Эту относительность нельзя понимать как субъективизм.

Речь идет о вполне объективных ресурсных ограничениях.

Количество операций.

Память.

Энергия.

Время.

Сложность алгоритма.

Таким образом, граница экспликации является исторически подвижной, но объективно измеримой.

Для математической индустрии этот принцип особенно важен.

Расширение границы экспликации само становится производственным процессом.

8 — Эксплицируемость контрсценария

Для метаиндукционного доказательства чрезвычайно важно различать простую возможность контрсценария и его эксплицируемость.

Пусть утверждается:

«возможно, после огромного числа X внезапно появится бесконечная последовательность катастрофических провалов G(N)».

Формально такое отрицание можно высказать.

Но оно еще не является содержательно развитым контрсценарием.

Для экспликации необходимо ответить:

какие числа образуют эту последовательность;

какой арифметический механизм вызывает провал;

почему этот механизм не проявлялся раньше;

какие предвестники должны существовать;

какие другие законы будут нарушены;

как меняется глубина провала;

почему процесс воспроизводится бесконечно.

Чем больше таких компонентов удается конкретизировать, тем более эксплицированным становится разрушитель.

И наоборот.

Контрсценарий, не имеющий:

структуры;

механизма;

предвестников;

или воспроизводимого класса,

остается слабее в доказательном отношении.

Важно подчеркнуть:

его неэксплицируемость сама по себе не доказывает невозможность.

Но она влияет на доказательный профиль.

Именно поэтому Теория метаиндукции не отождествляет:

«мы не нашли разрушитель»

«разрушителя не существует».

Вместо этого исследуется степень его возможной экспликации.

9 — Формальная и конструктивная возможность

Здесь необходимо ввести принципиальное различие.

Формальная возможность означает отсутствие установленного логического запрета.

Конструктивная возможность означает наличие определимого механизма, способа построения или класса объектов, способных реализовать соответствующее событие.

Формально можно предположить почти любой будущий режим, если он не противоречит уже доказанным фактам.

Но конструктивно реализуемый режим требует намного большего.

Например, утверждение:

«когда-нибудь G(N) станет чрезвычайно мало относительно естественного масштаба»

является формальной возможностью.

Но конструктивная версия должна объяснить:

для какого класса N;

за счет какой арифметической структуры;

с какой частотой;

с какой глубиной;

и по какому закону.

Именно переход от формального отрицания к конструктивному разрушителю является одной из центральных задач адверсарной математики.

Чем сильнее теория, тем сложнее должен становиться конструктивный контрсценарий.

Это и позволяет в дальнейшем говорить о цене разрушения.

10 — Экспликация как доказательный ресурс

Экспликация играет в Теории метаиндукции двойную роль.

С одной стороны, она ограничивает доказательство.

Нельзя выдавать неизученную область за изученную.

Нельзя превращать конечный диапазон в бесконечный простым словом «далее».

Нельзя считать глобальным то, что установлено только до X.

С другой стороны, экспликация является мощнейшим доказательным ресурсом.

Каждое расширение области дает:

новые масштабы;

новые экстремумы;

новые классы;

новые прогнозные проверки;

новые возможности для разрушения существующих законов.

Если закон переживает систематическое расширение экспликации, его доказательное состояние усиливается.

Если при этом:

прогнозы делались заранее;

проверялись новые экстремальные классы;

увеличивалась глубина адверсарного поиска;

а структура сохранялась,

ценность такой экспликации существенно выше, чем у простой ретроспективной подгонки.

Поэтому в Метаорганоне вычислительная граница не является только препятствием.

Она превращается в инструмент.

Каждое ее расширение становится новым экспериментом над математической системой.

Отсюда возникает принцип:

доказательная сила конечной экспликации определяется не только ее размером, но и тем, как организован переход от одной границы к следующей.

Именно этот принцип непосредственно связывает Теорию эксплицируемости с Теорией метаиндукции.

Экспликация создает состояния.

Метаиндукция сравнивает их.

Закон условного тождества определяет, принадлежат ли они одному режиму.

Теория разрушения ищет границы этого режима.

А большое метаиндукционное замыкание должно установить, можно ли считать обнаруженную структуру воспроизводимой за пределами очередной исторической границы экспликации.

Так экспликация перестает быть лишь технической процедурой.

Она становится одним из фундаментальных элементов доказательной архитектуры Метаорганона.

******

Глава 5. Малая метаиндукция

1 — Последовательность масштабов

Малая метаиндукция начинается с идеи последовательного расширения области исследования.

Пусть математическая система изучается не сразу на неопределенно большой области, а на возрастающей последовательности масштабов:

X1 < X2 < X3 < … < Xr.

Например:

10^4,

10^5,

10^6,

10^7,

10^8.

Или, более общо:

cX,

c²X,

c³X,

…

где c>1.

Сам выбор масштабов не является центральным. Существенно другое: каждый новый масштаб должен быть достаточно большим, чтобы система получила реальную возможность изменить режим.

Если X2 отличается от X1 незначительно, успешный переход может почти ничего не говорить о масштабной устойчивости.

Если же масштаб увеличивается на порядок, на несколько порядков или по другой содержательно значимой схеме, проверка становится сильнее.

Поэтому малая метаиндукция не является простым накоплением данных.

Она строит лестницу масштабных испытаний.

Каждая ступень этой лестницы предназначена для ответа на вопрос:

сохранилось ли доказательное состояние системы после существенного расширения области экспликации?

При этом новый масштаб должен рассматриваться не как продолжение старой таблицы, а как новый эксперимент над всей структурой.

Именно поэтому последовательность масштабов является основой малой метаиндукции.

2 — Состояние M(X)

Для каждого масштаба X строится метаиндукционное состояние:

M(X).

Оно должно содержать не весь накопленный массив данных, а минимально или расширенно достаточную систему характеристик, описывающих математический режим на данном масштабе.

В случае Метагольдбаха в M(X) могут входить:

1 — массив G(N) на исследованной области;

2 — нижняя функция H_X(V);

3 — конечные границы V_X(K);

4 — первые достижения A_X(K);

5 — последние наблюдаемые нарушения B_X(K);

6 — переходные зоны Z_X(K);

7 — структура плато;

8 — распределение скачков;

9 — нормированные экстремумы;

10 — факторизационные профили худших чисел;

11 — мультипликативные траектории;

12 — прогнозные модели;

13 — ошибки ретропрогноза;

14 — независимые прогнозы;

15 — активные разрушители;

16 — цена сильнейших найденных нарушений.

Но M(X) не должно превращаться в бессистемный склад показателей.

Необходимо различать:

основное ядро;

вспомогательные признаки;

производные характеристики;

и исследовательские гипотезы.

Именно поэтому построение M(X) является самостоятельной задачей.

Если состояние выбрано слишком бедно, оно не отражает режим.

Если слишком богато, возникает риск ложной многоканальности и информационного шума.

Следовательно, малая метаиндукция требует не только увеличивать X, но и совершенствовать само описание состояния.

3 — Переход к следующему масштабу

Переход:

M(X) -> M(cX)

является центральной операцией малой метаиндукции.

Но он не должен пониматься как простое повторное вычисление той же статистики на большем диапазоне.

Полноценный переход включает несколько этапов.

Сначала фиксируется состояние M(X).

Затем выделяются законы, которые должны быть проверены на следующем масштабе.

Формулируются прогнозы.

Определяются допустимые области дрейфа.

Фиксируются опасные классы.

Выделяются условия разрушения.

После этого раскрывается новый диапазон.

И только затем строится M(cX).

Таким образом, переход содержит две части:

предсказательную;

и проверочную.

Если сначала увидеть весь новый массив, а затем подобрать к нему законы, доказательная ценность значительно ниже.

Поэтому малая метаиндукция требует дисциплины порядка действий.

Сначала модель.

Потом новый масштаб.

Не наоборот.

4 — Сохранение структуры

Переход считается содержательно успешным только тогда, когда сохраняется структура.

Но что означает «сохраняется»?

Не буквальное совпадение чисел.

Не одинаковые значения параметров.

Не отсутствие новых рекордов.

Сохранение структуры означает, что:

1 — основные отношения между компонентами остаются того же типа;

2 — ключевые законы не меняют направления;

3 — экстремальный слой не переходит в принципиально новый режим;

4 — арифметическая стратификация сохраняет узнаваемую форму;

5 — прогнозная модель не разрушается;

6 — переходы между уровнями сохраняют общую организацию;

7 — система остается описываемой тем же метаиндукционным языком.

Именно это позволяет говорить о масштабном условном тождестве.

Система при X и система при cX различаются.

Но они могут принадлежать одному математическому режиму.

Для Метагольдбаха особенно важно, чтобы сохранялась не только центральная тенденция, но и нижний экстремальный слой.

Если средняя картина остается похожей, но худшие случаи начинают резко ухудшаться, структура уже не может считаться полностью сохраненной.

5 — Дрейф параметров

Масштабная устойчивость почти никогда не означает постоянство численных коэффициентов.

Параметры могут дрейфовать.

Более того, в сложной математической системе некоторое изменение параметров является естественным.

Поэтому необходимо различать:

случайный дрейф;

регулярный дрейф;

стабилизирующийся дрейф;

и разрушительный дрейф.

Случайный дрейф колеблется без выраженного направления.

Регулярный дрейф следует устойчивому закону.

Стабилизирующийся дрейф постепенно уменьшается.

Разрушительный дрейф систематически уводит систему к нарушению ключевого свойства.

Например, если нормированный нижний экстремум медленно изменяется, важно не само изменение.

Важно понять:

к чему оно ведет?

Стабилизируется ли?

Имеет ли положительный нижний предел?

Или неуклонно движется к нулю?

Следовательно, метаиндукция должна изучать не только значения параметров, но и законы их дрейфа.

Иногда именно дрейф становится более сильным метаобъектом, чем сам параметр.

6 — Ретропрогноз

Ретропрогноз — один из важнейших инструментов проверки закона.

Его принцип прост.

Мы берем более позднее известное состояние, но искусственно ограничиваем себя ранним диапазоном.

На раннем диапазоне строим модель так, как если бы будущие данные еще не были известны.

После этого прогнозируем следующий уже известный диапазон.

И только затем сравниваем прогноз с фактически существующими данными.

Ретропрогноз позволяет проверить:

насколько закон действительно обладал предсказательной способностью,

а насколько он был лишь результатом подгонки ко всему массиву.

Это особенно важно для масштабных зависимостей.

Если модель, построенная до 10^5, хорошо предсказывает диапазон до 10^6, а модель до 10^6 — диапазон до 10^7, возникает серия независимых испытаний одной и той же структуры.

Каждый такой переход усиливает доказательное состояние.

Но только при условии, что параметры не переоптимизируются после раскрытия результата.

7 — Скрытый проверочный диапазон

Еще более сильным инструментом является скрытый проверочный диапазон.

Часть данных заранее исключается из процесса построения модели.

Например:

область до X используется для анализа;

область от X до cX скрывается;

модель фиксируется;

только после этого скрытая область раскрывается.

Такое разделение известно во многих вычислительных дисциплинах, но в Теории метаиндукции оно приобретает специальный доказательный смысл.

Скрытый диапазон защищает от бессознательной подгонки.

Исследователь не может изменить закон под конкретный экстремум, которого еще не видел.

Не может подобрать коэффициент после появления новой аномалии.

Не может задним числом изменить критерий успешного перехода.

Таким образом, скрытый диапазон создает более жесткую форму масштабного испытания.

В идеале часть вычислительной программы должна строиться именно так.

8 — Замороженная модель

Замороженной будем называть модель, параметры, законы, критерии и допустимые области которой зафиксированы до раскрытия следующего проверочного масштаба.

Замораживание может включать:

формулу;

набор параметров;

диапазон допустимой ошибки;

список ожидаемых экстремальных классов;

условия сохранения;

условия разрушения;

и прогнозы конкретных характеристик.

После замораживания модель не должна корректироваться до завершения проверки.

Если прогноз провален, это должно быть зафиксировано как провал.

Если частично выполнен — как частичный результат.

Если оказался слишком широким — это тоже должно учитываться.

Замороженная модель дисциплинирует доказательный процесс.

Она отличает честное предсказание от ретроспективного объяснения.

Именно поэтому в большой вычислительной программе Метагольдбаха необходимо будет сохранять версии моделей и их временную последовательность.

9 — Независимый прогноз

Независимый прогноз сильнее ретропрогноза.

При ретропрогнозе будущее фактически уже известно, хотя временно скрывается от модели.

При независимом прогнозе вычисления нового диапазона еще не проведены.

Сначала формулируется прогноз.

Затем выполняется новый вычислительный этап.

И только после этого результат сравнивается с ожиданием.

Такой прогноз особенно ценен для метаиндукции.

Он показывает, что закон способен работать не только как описание прошлого, но и как инструмент перехода в еще не эксплицированную область.

Независимый прогноз может касаться:

нового минимума;

положения границы;

коридора V_X(K);

масштабного отношения;

класса худших чисел;

частоты глубоких провалов;

или характера дрейфа.

Не обязательно прогнозировать точное значение.

Иногда сильнее прогнозировать структурный класс.

Например:

на следующем масштабе худшие случаи останутся в классе N=2q.

Или:

нормированный минимум останется в заданном коридоре.

Или:

ни один из текущих законов не сменит знак.

Такие прогнозы могут быть содержательно важнее точечного численного предсказания.

10 — Критерии успешного перехода

Переход:

M(X) -> M(cX)

не должен оцениваться субъективно.

Необходимо заранее сформулировать критерии успеха.

К ним могут относиться:

1 — сохранение всех обязательных метаинвариантов;

2 — отсутствие разрушения нижнего экстремального слоя;

3 — выполнение ключевых прогнозов;

4 — отсутствие новых неконтролируемых классов;

5 — сохранение структуры плато и скачков;

6 — допустимый дрейф параметров;

7 — сохранение арифметических профилей худших случаев;

8 — отсутствие систематического ухудшения ошибки;

9 — сохранение доказательной независимости каналов;

10 — воспроизводство состояния, достаточного для следующего перехода.

Последний критерий особенно важен.

Успешный переход — это не только подтверждение прошлого.

Это создание следующего полноценного состояния M(cX), которое само пригодно для дальнейшей метаиндукции.

То есть переход должен быть самопродолжающимся.

Именно в этом состоит смысл малой метаиндукции.

Она строит цепь:

M(X1) -> M(X2) -> M(X3) -> …

где каждый переход одновременно:

проверяет предыдущее состояние;

и создает следующее.

Если такая цепь воспроизводится много раз, возникает новый вопрос.

Можно ли перейти от серии конечных успешных масштабов к утверждению о самом законе воспроизводимости?

Это уже задача большой метаиндукции.

Глава 6. Большая метаиндукция

1 — От конечной серии переходов к метазакону

Малая метаиндукция работает с конкретными переходами:

M(X1) -> M(X2),

M(X2) -> M(X3),

M(X3) -> M(X4).

Но сколько бы таких переходов ни было, каждый из них остается конечным.

Большая метаиндукция начинается тогда, когда объектом исследования становится не отдельный переход, а закон всей последовательности переходов.

Пусть на множестве масштабов наблюдается одна схема:

T: M(X) -> M(cX).

Если T воспроизводится:

не по одному показателю;

не по одной формуле;

а по целому метаинвариантному ядру,

возникает гипотеза, что сам T является устойчивым метазаконом.

Большая метаиндукция должна исследовать именно это.

Не:

«система сохранялась до Xr».

А:

«какая структура делает переход воспроизводимым вообще?»

Это принципиальный шаг.

Конечные переходы становятся экспериментальным материалом.

Метазакон — объектом доказательства.

2 — Воспроизводимость режима

Под воспроизводимостью режима будем понимать способность математической системы вновь создавать один и тот же тип организации при расширении масштаба.

Это не повторение конкретных значений.

Это повторение системы отношений.

Пусть на каждом новом масштабе возникают:

новые экстремумы;

новые границы;

новые рекорды;

новые числовые значения.

Но одновременно сохраняется:

направление развития нижнего слоя;

структура уровней;

арифметический тип опасных случаев;

характер дрейфа;

прогнозная работоспособность;

и система разрушителей.

Тогда можно говорить о воспроизводимом режиме.

Ключевой вопрос большой метаиндукции:

является ли этот режим локальным эффектом исследованных масштабов или следствием более общего механизма?

Для ответа требуется не просто больше данных.

Нужно выявить метаинвариантное ядро, которое объясняет воспроизводимость.

3 — Метаинвариантное ядро

Метаинвариантное ядро — минимальная система свойств и отношений, сохранение которой достаточно для признания режима воспроизводимым.

Оно должно быть меньше полного состояния.

Полное состояние может содержать сотни характеристик.

Ядро — только необходимые.

В Метагольдбахе кандидатами могут быть:

1 — неограниченный рост естественного масштаба числа представлений;

2 — устойчивость нижнего нормированного слоя;

3 — отсутствие классов с систематически разрушающим падением;

4 — сохранение арифметической структуры экстремумов;

5 — согласованность H(V) и V(K);

6 — устойчивость масштабных траекторий;

7 — отсутствие накопления разрушительных предвестников;

8 — рост цены потенциального контрсценария.

Но какие именно компоненты действительно входят в ядро, заранее не должно считаться решенным.

Это предмет исследования.

Хорошее метаинвариантное ядро должно обладать тремя свойствами.

Первое — достаточность.

Если оно сохраняется, режим сохраняется.

Второе — минимальность.

Лишние свойства не должны объявляться фундаментальными.

Третье — воспроизводимость.

Само ядро должно наблюдаться и проверяться на последовательных масштабах.

4 — Масштабное замыкание

Масштабное замыкание означает, что переход от одного масштаба к следующему не требует введения принципиально нового внешнего механизма.

Состояние M(X) содержит все существенные компоненты, необходимые для построения и проверки M(cX).

А M(cX), в свою очередь, содержит компоненты для M(c²X).

В таком случае система образует замкнутую масштабную цепь.

Но для большой метаиндукции этого мало.

Нужно показать, что сам механизм замыкания не деградирует при росте масштаба.

Например:

если ошибка прогноза растет быстрее самого объекта, замыкание ослабевает;

если каждый следующий переход требует все новых специальных поправок, режим может оказаться локальным;

если количество исключений растет, структура тоже может разрушаться.

И наоборот.

Если новые масштабы требуют не усложнения, а стабилизации описания, это сильный аргумент в пользу общего метазакона.

Таким образом, масштабное замыкание связано не только с продолжением, но и с устойчивостью сложности самого доказательного механизма.

5 — Неограниченное продолжение

Самая трудная задача большой метаиндукции — переход от конечной серии подтвержденных масштабов к утверждению о неограниченном продолжении режима.

Именно здесь проходит граница между эмпирическим наблюдением и метаиндукционным выводом.

Нельзя рассуждать:

«режим сохранялся десять раз, значит сохранится бесконечно».

Это было бы обычным обобщением конечного опыта.

Большая метаиндукция требует другой конструкции.

Необходимо установить, что:

1 — состояние обладает замкнутой структурой;

2 — переход воспроизводит необходимое состояние;

3 — дрейф параметров контролируется метазаконом;

4 — известные разрушители не образуют нового режима;

5 — предполагаемый контрсценарий требует разрушения метаинвариантного ядра;

6 — условия такого разрушения сами должны иметь объективные предвестники;

7 — эти предвестники не только отсутствуют, но становятся структурно менее совместимыми с наблюдаемой системой;

8 — цена разрушения растет с масштабом.

В такой конструкции бесконечное продолжение связывается уже не с количеством проверенных точек, а с устойчивостью механизма воспроизводства.

Именно это является центральной идеей большой метаиндукции.

6 — Разрушение большого перехода

Чтобы большая метаиндукция обладала содержательной силой, необходимо четко понимать, что способно ее разрушить.

Такой разрушитель должен быть значительно сильнее локального исключения.

Одно необычное число не обязательно разрушает режим.

Один прогнозный промах тоже не обязательно.

Даже один новый экстремум может естественно вписываться в структуру.

Разрушение большого перехода должно означать нарушение метаинвариантного ядра.

Например:

1 — появление семейства чисел, для которого нормированный нижний слой систематически падает;

2 — многомасштабная смена типа худших случаев;

3 — устойчивое нарушение прогнозных коридоров;

4 — деградация H(V);

5 — появление конечного потолка для гарантированных уровней;

6 — новый арифметический механизм, порождающий бесконечную последовательность провалов;

7 — распад масштабного условного тождества.

Особенно важен вопрос:

может ли такой разрушитель возникнуть внезапно?

Или он должен иметь предвестники?

Если для разрушения требуется сложная перестройка сразу нескольких независимых структур, вероятность внезапного изолированного сбоя в рамках самой модели уменьшается.

Теория метаиндукции не должна превращать это в психологическую «невероятность».

Она должна формализовать:

какие компоненты должны измениться;

в какой последовательности;

с какой структурной ценой.

Именно этим занимается теория разрушения большого перехода.

7 — Метатеорема как объект большой метаиндукции

Метатеорема Гольдбаха является естественным объектом именно большой метаиндукции.

Ее содержание глобально.

Для каждого положительного целого K должна существовать конечная граница V(K), после которой:

G(N)>=K

для всех четных N.

Ни один конечный вычислительный диапазон сам по себе не устанавливает это утверждение для всех K и всех будущих N.

Следовательно, необходимо построить доказательный переход от последовательности конечных масштабов к общему режиму.

Малая метаиндукция должна показать:

что система воспроизводится при последовательных расширениях X.

Большая — что сама эта воспроизводимость образует замкнутый метазакон.

В наиболее компактной форме доказательная программа должна установить:

1 — нижний слой не просто растет, а принадлежит устойчивому масштабному режиму;

2 — каждый фиксированный уровень K в конечном счете оказывается ниже этого растущего слоя;

3 — известные экстремальные классы не создают механизма возвращения к фиксированному уровню;

4 — потенциальный бесконечный разрушитель потребовал бы смены нескольких независимых режимов;

5 — такая смена имеет определимую структуру и должна оставлять масштабные предвестники;

6 — наблюдаемые переходы не показывают формирования такого режима;

7 — метаинвариантное ядро воспроизводится на расширяющейся последовательности масштабов.

Тогда Метатеорема приобретает форму не одиночной аппроксимации, а результата большой метаиндукции.

Именно здесь особенно важно строго различать уровни утверждений.

Конечный расчет устанавливает только факты внутри вычисленного диапазона.

Малая метаиндукция устанавливает воспроизводимость между проверенными масштабами в рамках принятого канона.

Большая метаиндукция должна обосновать перенос обнаруженного режима на неограниченное продолжение в смысле Теории метаиндукции.

Это и есть центральный доказательный переход всей книги.

Если он будет построен успешно, Метатеорема Гольдбаха станет не просто еще одним утверждением о простых числах.

Она станет демонстрацией того, что сложная математическая система может быть доказательно исследована через:

состояние;

масштаб;

метаинвариант;

условное тождество;

прогноз;

разрушитель;

и замыкание.

В этом смысле Метагольдбах является не только объектом большой метаиндукции.

Он является ее первым крупным испытательным полигоном.

*****

Глава 7. Многоканальное доказательство

1 — Один канал

Под доказательным каналом будем понимать относительно самостоятельный способ получения информации о рассматриваемом математическом утверждении.

Один канал может быть чрезвычайно сильным.

Например, можно построить точную вычислительную таблицу.

Можно обнаружить устойчивую асимптотическую зависимость.

Можно получить нижнюю оценку.

Можно исследовать экстремумы.

Можно найти арифметическую характеристику худших случаев.

Каждый такой подход способен существенно продвинуть исследование.

Но один канал почти всегда имеет собственную зону уязвимости.

Вычислительный канал ограничен конечной областью.

Асимптотический канал может хорошо описывать типичное поведение, но пропускать редкие экстремумы.

Средняя оценка может быть почти идеальной и одновременно ничего не гарантировать для нижнего хвоста.

Структурная классификация может быть верной, но неполной.

Прогнозная модель может работать до тех пор, пока не возникнет новый режим.

Поэтому проблема состоит не в слабости отдельного канала как такового.

Проблема состоит в том, что его собственный механизм ошибки часто трудно обнаружить средствами самого этого канала.

Если вся теория построена на одной зависимости, разрушение этой зависимости разрушает всю доказательную конструкцию.

Отсюда возникает принцип многоканальности.

2 — Несколько каналов

Многоканальное доказательство строится на системе различных способов доступа к одному и тому же математическому объекту.

Пусть исследуемое утверждение T получает поддержку через каналы:

C1,

C2,

C3,

…

Cm.

Важно, чтобы эти каналы не просто повторяли один и тот же факт в разных обозначениях.

Один может описывать динамику.

Другой — экстремумы.

Третий — арифметическую структуру.

Четвертый — прогнозную способность.

Пятый — устойчивость к попыткам разрушения.

Тогда один и тот же математический режим рассматривается с нескольких существенно различных сторон.

Многоканальная система обладает важным преимуществом.

Если один канал временно становится неоднозначным, другие способны показать, локальна ли проблема или перед нами действительно смена режима.

Например, неожиданное ухудшение одной аппроксимации еще не обязательно означает кризис теории.

Но если одновременно:

ухудшился нижний экстремум;

сменился арифметический класс худших случаев;

начали систематически проваливаться прогнозы;

и появились ранее отсутствовавшие разрушительные семейства,

то ситуация принципиально иная.

Именно совокупность независимых сигналов позволяет отличать локальную аномалию от системного изменения.

3 — Независимость

Независимость доказательных каналов является центральным условием многоканальной системы.

Если два закона получены из одной и той же исходной величины простым алгебраическим преобразованием, они не образуют два полноценных независимых канала.

Если один показатель является функцией другого, их совместное подтверждение почти не добавляет доказательной силы.

Поэтому независимость должна исследоваться специально.

В строгом смысле полностью независимые математические каналы встречаются не всегда.

Чаще следует говорить о степени независимости.

Она может выражаться в различиях:

исходных данных;

способов нормировки;

типов математических объектов;

алгоритмов получения результата;

чувствительности к нарушениям;

классов возможных разрушителей.

Например, среднее значение G(N) и нижний минимум G(N) зависят от одного массива данных, но реагируют на структуру распределения совершенно различным образом.

Еще более независимым может быть факторизационный анализ чисел, на которых достигаются экстремумы.

Прогноз, сформулированный до раскрытия нового диапазона, добавляет дополнительную независимость, поскольку он отделен от проверочных данных во времени.

Следовательно, независимость имеет не только математическую, но и процедурную сторону.

4 — Условная независимость

Часто каналы не являются абсолютно независимыми, но обладают условной независимостью.

Пусть два закона используют один исходный массив, однако анализируют различные его аспекты.

Например:

один канал исследует значения V(K);

другой — нормированные минимумы G(N);

третий — факторизационный профиль экстремальных N.

Все они связаны общей функцией G(N).

Но один и тот же локальный сбой не обязан одинаково разрушать все три канала.

Если для нарушения первого требуется одна структура, второго — другая, третьего — третья, возникает условная независимость.

Такую независимость необходимо фиксировать явно.

Недостаточно сказать:

«это три разных графика».

Нужно спросить:

какой общий механизм способен заставить их ошибаться одновременно?

Если такой механизм существует и прост, независимость слабая.

Если совместная ошибка требует сложной координации нескольких процессов, независимость сильнее.

Поэтому условная независимость определяется через структуру возможной совместной ошибки.

5 — Ложная независимость

Ложная независимость возникает тогда, когда несколько показателей внешне выглядят самостоятельными, но фактически являются производными одной и той же зависимости.

Например, из одной функции можно построить:

ее логарифм;

обратную величину;

нормированную версию;

отношение к асимптотической модели;

процентное отклонение от той же модели.

Формально перед нами пять показателей.

Доказательно — почти один канал.

Если исходная зависимость ошибочна, все пять могут разрушиться одновременно.

Ложная независимость особенно опасна в больших вычислительных исследованиях, где легко породить десятки статистик.

Большое число показателей создает психологическое впечатление мощной доказательной базы.

Но если они происходят из одного источника, реальная доказательная мощность намного меньше.

Поэтому для каждого закона должен составляться не только паспорт содержания, но и паспорт происхождения.

Нужно знать:

из чего он получен;

от каких величин зависит;

какие преобразования использованы;

какие другие законы имеют общую основу.

Так многоканальная система защищается от искусственного раздутия доказательности.

6 — Общие скрытые причины

Даже внешне независимые каналы могут иметь общую скрытую причину.

Например, несколько разных статистик могут одновременно выглядеть устойчивыми только потому, что все они зависят от одного и того же неявного арифметического фактора.

Пока этот фактор сохраняется, система кажется многоканальной.

Но его разрушение может одновременно уничтожить все каналы.

Поэтому необходимо искать общие скрытые причины.

Это можно делать двумя путями.

Первый — аналитический.

Исследовать формулы и происхождение каждого закона.

Второй — адверсарный.

Искать сценарий, способный разрушить сразу несколько каналов.

Если такой сценарий обнаруживается, каналы должны объединяться в одну зависимую группу.

В Метагольдбахе особенно важно понять, какие законы фактически являются проявлениями одного и того же сингулярного или факторизационного механизма.

Например, хороший показатель среднего роста и хороший показатель нижнего слоя могут частично зависеть от одной и той же арифметической структуры.

Их нельзя автоматически считать двумя полностью независимыми доказательствами.

Именно поэтому многоканальность требует генеалогического анализа.

7 — Доказательная генеалогия закона

Каждый закон имеет происхождение.

Он возникает из:

определенного массива;

определенной нормировки;

определенной выборки;

определенного алгоритма;

определенной гипотезы;

или определенного преобразования другого закона.

Доказательная генеалогия закона — это описание его происхождения и родственных связей.

Для каждого закона необходимо установить:

1 — какие первичные данные использованы;

2 — какие преобразования произведены;

3 — какие параметры были подобраны;

4 — какие другие законы используют те же исходные данные;

5 — какие зависимости являются логическими;

6 — какие зависимости статистическими;

7 — какие каналы способны ошибаться совместно.

В результате можно построить дерево или граф доказательной генеалогии.

Некоторые законы окажутся близкими родственниками.

Другие — дальними.

Третьи будут практически независимыми.

Именно такая карта позволит оценивать реальную, а не номинальную многоканальность.

В будущем доказательный паспорт Метатеоремы должен включать не просто список законов, но и карту их генеалогии.

8 — Динамический канал

Динамический канал исследует изменение системы при росте основного параметра.

В Метагольдбахе это может быть:

рост H(V);

рост V(K);

изменение Z(K);

поведение последовательных скачков;

масштабные траектории.

Динамический канал отвечает на вопрос:

куда движется система?

Его сильная сторона — выявление направления и скорости изменений.

Слабая — возможная чувствительность к выбранной параметризации и масштабу.

Например, одна и та же система может выглядеть почти линейной в одной переменной и нелинейной в другой.

Поэтому динамический канал должен использовать несколько нормировок и проверяться на устойчивость к смене координат.

Но его роль фундаментальна.

Без динамического канала невозможно говорить о неограниченном росте гарантии.

9 — Экстремальный канал

Экстремальный канал исследует худшие случаи.

Для Метатеоремы Гольдбаха он особенно важен.

Универсальное утверждение разрушается не средним значением.

Его разрушает один достаточно плохой класс.

Поэтому необходимо отслеживать:

минимумы;

рекордные минимумы;

нижние процентили;

нормированные экстремумы;

глубину провалов;

расстояния между ними.

Экстремальный канал отвечает на другой вопрос:

насколько плохо может вести себя система?

Он не дублирует динамический канал.

Средний и даже медианный рост могут быть прекрасными, а экстремумы — деградировать.

И наоборот.

Поэтому экстремальный канал должен рассматриваться как самостоятельная доказательная опора.

10 — Арифметический канал

Арифметический канал исследует внутреннюю структуру чисел, на которых реализуются различные режимы.

Для четного N важны:

малые делители;

нечетные простые делители;

факторизационный профиль;

наименьший и наибольший простой множитель;

наличие или отсутствие множителей, усиливающих количество голдбаховских представлений.

Этот канал отвечает на вопрос:

почему конкретные числа оказываются хорошими или плохими?

Если экстремумы не случайны, а концентрируются в определенных арифметических классах, это дает более глубокое понимание нижнего слоя.

Особенно важно найти классы, которые систематически создают худшие нормированные значения.

Именно они становятся главными кандидатами на роль разрушителей.

Таким образом, арифметический канал связывает эмпирическую картину с внутренней структурой натурального ряда.

11 — Прогностический канал

Прогностический канал проверяет способность закона выходить за пределы данных, на которых он был построен.

Это один из наиболее сильных каналов, потому что он обладает временной независимостью.

Сначала формулируется прогноз.

Затем появляется новый диапазон.

После этого прогноз проверяется.

Можно прогнозировать:

коридор значений;

положение границ;

тип экстремального класса;

направление дрейфа;

частоту провалов;

или отсутствие смены режима.

Если модель многократно выдерживает такие проверки, ее доказательная ценность существенно возрастает.

Особенно важны независимые прогнозы, а не только ретропрогнозы.

Прогностический канал отвечает на вопрос:

может ли теория предсказывать еще не эксплицированную область?

12 — Адверсарный канал

Адверсарный канал принципиально отличается от остальных.

Он не ищет подтверждения.

Он ищет разрушение.

Его задача:

найти числа;

классы;

нормировки;

масштабы;

или комбинации параметров,

на которых исследуемый закон проявляет максимальную слабость.

Это канал систематической враждебной проверки.

Если динамический канал спрашивает:

«как растет?»

экстремальный:

«где хуже всего?»

арифметический:

«какая структура это вызывает?»

прогностический:

«что будет дальше?»

то адверсарный спрашивает:

«как это можно сломать?»

Именно поэтому адверсарный канал является отрицательной половиной многоканального доказательства.

Без него система может стать коллекцией подтверждений.

С ним она превращается в механизм активного испытания собственной прочности.

13 — Многоканальный метаинвариант

Когда несколько относительно независимых каналов устойчиво воспроизводятся на последовательных масштабах, возникает многоканальный метаинвариант.

Он представляет собой не один закон, а устойчивую конфигурацию законов.

Например:

динамический канал показывает рост нижней гарантии;

экстремальный — отсутствие деградации худших нормированных случаев;

арифметический — сохранение структуры опасных классов;

прогностический — успешный перенос моделей;

адверсарный — рост стоимости разрушения.

Если такая конфигурация повторяется на нескольких масштабах, перед нами уже не совокупность отдельных наблюдений.

Возникает интегральное доказательное состояние.

Многоканальный метаинвариант особенно важен потому, что его разрушение требует либо:

одного мощного общего механизма,

либо согласованного нарушения нескольких относительно независимых процессов.

Именно поэтому многоканальность повышает структурную цену контрсценария.

В дальнейшем Метатеорема Гольдбаха должна быть связана не с одним «главным законом», а именно с таким многоканальным метаинвариантным ядром.

Глава 8. Теория разрушения закона

1 — Положительное подтверждение

Положительное подтверждение означает получение нового результата, согласующегося с законом.

Если закон предсказывает рост и рост наблюдается, это подтверждение.

Если прогноз попадает в ожидаемый диапазон, это подтверждение.

Если экстремальный класс сохраняется, это подтверждение.

Положительные подтверждения необходимы.

Но сами по себе они имеют ограниченную доказательную силу.

Причина проста.

Закон можно подтверждать именно там, где он уже известен как успешный.

Можно бессознательно выбирать удобные примеры.

Можно подобрать нормировку.

Можно расширять диапазон недостаточно резко.

Можно игнорировать худшие классы.

Поэтому положительная проверка должна быть дополнена отрицательной.

Теория становится значительно сильнее, когда исследователь не только спрашивает:

«где закон работает?»

Но и:

«где он обязан работать хуже всего?»

2 — Отрицательная проверка

Отрицательная проверка — это целенаправленный поиск условий, при которых закон должен потерять устойчивость.

Она начинается с вопроса:

если закон ложен, как это должно проявиться?

Такой вопрос меняет весь характер исследования.

Вместо накопления подтверждений строится программа атаки.

Для каждого закона необходимо искать:

крайние значения параметров;

наиболее опасные арифметические классы;

масштабы максимального дрейфа;

аномальные переходы;

пограничные режимы.

Отрицательная проверка не гарантирует нахождения разрушителя.

Но она повышает качество положительного результата.

Закон, переживший систематическую попытку разрушения, находится в другом доказательном состоянии, чем закон, который только многократно подтверждали.

3 — Разрушитель

Разрушителем назовем объект, класс объектов, механизм или процесс, способный вывести закон за пределы его допустимой области.

Разрушитель может быть:

единичным;

семейным;

структурным;

масштабным;

системным.

Единичный разрушитель нарушает конкретное утверждение в одной точке.

Семейный формирует целый класс нарушений.

Структурный меняет один из несущих механизмов.

Масштабный проявляется только после перехода в новую область.

Системный способен разрушить несколько законов одновременно.

Для каждого закона необходимо составлять каталог потенциальных разрушителей.

Например, для закона устойчивости нормированного нижнего слоя разрушителем может быть семейство четных чисел, у которых G(N) относительно естественного масштаба систематически уменьшается.

Не одно случайное значение.

Именно семейство с воспроизводимым механизмом.

Разрушитель тем опаснее, чем:

шире его класс;

глубже нарушение;

дольше оно сохраняется;

и больше каналов затрагивает.

4 — Локальный сбой

Локальный сбой — нарушение, ограниченное отдельной точкой, небольшим диапазоном или частным компонентом состояния.

Локальный сбой не обязательно означает разрушение закона.

Любая сложная система может содержать:

аномальный рекорд;

неожиданный скачок;

локальный минимум;

временное увеличение ошибки.

Главный вопрос:

встраивается ли этот сбой в существующий режим?

Если после аномалии система возвращается к прежней структуре, сбой может быть локальным.

Если же аномалии начинают:

повторяться;

углубляться;

сближаться;

образовывать новый класс,

локальный сбой превращается в предвестник более крупной перестройки.

Поэтому теория разрушения должна изучать не только сам факт нарушения, но и его последующую динамику.

5 — Системный сбой

Системный сбой затрагивает несущую архитектуру закона или нескольких законов.

Его признаки могут быть следующими:

изменение знака тенденции;

появление нового устойчивого класса экстремумов;

систематический провал прогнозов;

деградация нижних процентилей;

разрушение масштабного тождества;

появление механизма, не описываемого существующим состоянием.

В отличие от локальной аномалии, системный сбой требует пересмотра самой модели.

Он показывает, что прежнее доказательное состояние перестало быть достаточным.

В метаиндукции это особенно серьезно.

Если новое состояние нельзя получить в рамках прежнего перехода, цепь замыкания разрывается.

Тогда либо нужно расширять состояние,

либо признать смену режима.

6 — Предвестник

Предвестник — изменение, которое само по себе еще не разрушает закон, но статистически, структурно или логически связано с возможным будущим разрушением.

Например:

постепенное ухудшение нормированного минимума;

рост частоты экстремальных провалов;

увеличение ошибки прогноза;

смена факторизационного профиля худших случаев;

появление нового класса аномалий.

Предвестники особенно важны для большой метаиндукции.

Если катастрофическая смена режима возможна только через последовательность промежуточных структурных изменений, отсутствие этих изменений усиливает доказательный статус.

Но необходимо быть осторожным.

Нельзя просто объявить:

«раз нет предвестников, катастрофа невозможна».

Сначала нужно показать, почему именно такие предвестники должны возникнуть.

То есть связь между разрушителем и предвестником должна быть конструктивной.

Только тогда отсутствие предвестников становится содержательным отрицательным фактом.

7 — Смена режима

Смена режима — это переход системы к новому устойчивому типу поведения.

Она существенно отличается от локального сбоя.

Локальный сбой не меняет организацию системы.

Смена режима меняет.

Например, если нормированный нижний экстремум долго находится в стабильном диапазоне, а затем начинает систематически снижаться при каждом новом масштабе, это может означать появление нового режима.

Если худшие случаи раньше принадлежали одному арифметическому классу, а затем другой класс начинает все чаще и глубже доминировать, это тоже потенциальная смена режима.

Главный признак режима — воспроизводимость.

Один случай не создает новый режим.

Но несколько последовательных масштабов с одинаковым новым механизмом уже требуют отдельного анализа.

Для метаиндукционного доказательства опасна не просто аномалия.

Опасна новая воспроизводимая организация.

8 — Каскад разрушения

В сложной системе один разрушитель может запускать несколько последующих нарушений.

Это называется каскадом разрушения.

Например:

сначала появляется новый экстремальный класс;

затем ухудшается нормированный минимум;

далее ломается прогнозная модель;

после этого изменяется поведение V(K);

затем нарушается масштабное условное тождество.

В таком случае разрушение развивается каскадно.

Каскад особенно важен для анализа общих скрытых причин.

Если несколько законов начинают нарушаться в определенной последовательности, возможно, они связаны одним глубоким механизмом.

Поэтому необходимо строить карты причинного разрушения.

Какие законы являются первичными?

Какие — вторичными?

Какое нарушение запускает другие?

Какие каналы независимы, а какие разрушаются автоматически?

Такая карта имеет двойное значение.

Она помогает понять архитектуру самой теории.

И одновременно позволяет оценить структурную цену катастрофы.

9 — Совместное разрушение нескольких законов

Если доказательство многоканальное, будущий контрсценарий должен быть сопоставлен не с одним законом, а со всей системой.

Пусть Метатеорема поддерживается несколькими каналами:

динамическим;

экстремальным;

арифметическим;

прогностическим;

адверсарным.

Тогда потенциальный разрушитель может действовать по-разному.

Первый вариант — существует один фундаментальный механизм, который одновременно уничтожает все каналы.

Второй — различные каналы разрушаются разными механизмами, которые должны возникнуть совместно.

Второй сценарий структурно сложнее.

Поэтому важна не только сила каждого закона по отдельности.

Важно, насколько трудно разрушить их одновременно.

Здесь появляется принцип доказательной связности.

Чем больше независимых компонентов требуется нарушить согласованно, тем выше цена системного контрсценария.

Но этот принцип нельзя превращать в простое количественное голосование.

Десять зависимых законов могут быть слабее двух действительно независимых.

Следовательно, совместное разрушение должно оцениваться с учетом доказательной генеалогии.

10 — Минимальный контрсценарий

Минимальный контрсценарий — наиболее простой структурно достаточный сценарий, при котором исследуемое универсальное утверждение становится ложным.

Он должен отвечать на вопрос:

какое минимальное изменение математической реальности требуется, чтобы теория разрушилась?

Для Метатеоремы Гольдбаха минимальный контрсценарий не обязан означать отсутствие вообще всех представлений.

Для разрушения достаточно значительно меньшего.

Нужно, чтобы существовал некоторый фиксированный уровень K, для которого бесконечно далеко продолжали бы возникать четные числа с:

G(N)<K.

Это уже разрушает утверждение о существовании конечной V(K).

Следовательно, минимальный контрсценарий должен породить:

фиксированный K;

бесконечную последовательность четных N_j;

N_j -> infinity;

и условие:

G(N_j)<K.

Но этого формального описания недостаточно для содержательного разрушителя.

Необходимо дополнительно спросить:

какая арифметическая структура порождает такие N_j?

Почему этот класс бесконечен?

Почему количество представлений остается ограниченным?

Почему естественный рост плотности простых не компенсирует ограничение?

Какие нормированные экстремумы должны наблюдаться до появления полного разрушения?

Как должен измениться H(V)?

Как должен вести себя V_X(K) при росте X?

Как изменятся нижние процентили?

Какие прогнозы перестанут выполняться?

То есть минимальный контрсценарий должен быть не только логическим отрицанием Метатеоремы.

Он должен быть превращен в минимальную структурную модель ее разрушения.

Именно здесь теория разрушения становится особенно мощным дополнением к положительной метаиндукции.

Положительная часть доказательства строит воспроизводимый режим.

Отрицательная часть строит минимальную модель его гибели.

Затем эти две конструкции сравниваются.

Чем больше элементов должно измениться для реализации минимального контрсценария, тем выше цена разрушения.

Именно поэтому следующей естественной задачей становится уже не просто поиск разрушителя, а количественная и структурная оценка того, сколько математической организации должно быть уничтожено, чтобы исследуемый закон перестал существовать.

******

Глава 9. Цена разрушения

1 — Понятие цены

Теория разрушения закона естественно приводит к следующему вопросу:

если математический режим может быть разрушен, какова цена этого разрушения?

Под ценой разрушения будем понимать совокупную структурную сложность перехода от устойчиво наблюдаемого математического режима к режиму, в котором исследуемый закон перестает выполняться.

Речь идет не о денежной цене.

И не о вероятности в статистическом смысле.

Цена разрушения характеризует то, сколько математической структуры должно измениться, чтобы закон потерял силу.

Пусть некоторый закон L поддерживается системой отношений:

L1,

L2,

…

Lm.

Если для разрушения L достаточно одного локального отклонения, цена разрушения мала.

Если требуется:

возникновение нового класса объектов;

смена нескольких масштабных тенденций;

разрушение экстремального режима;

провал независимых прогнозов;

и перестройка нескольких относительно независимых каналов,

цена разрушения значительно выше.

Таким образом, цена разрушения является характеристикой не самого закона в изоляции, а его места внутри всей доказательной системы.

Она отвечает на вопрос:

насколько сложным должен быть мир, в котором этот закон перестанет выполняться?

Это чрезвычайно важный вопрос для метаиндукции.

Положительное подтверждение показывает, что режим сохраняется.

Цена разрушения показывает, что должно произойти, чтобы он перестал сохраняться.

2 — Глубина отклонения

Первым компонентом цены разрушения является глубина отклонения.

Не всякое нарушение одинаково.

Можно различать:

малое отклонение;

критическое отклонение;

разрушительное отклонение;

катастрофическое отклонение.

Например, если прогноз ожидал нормированный показатель 0,75, а фактическое значение оказалось 0,74, это может быть небольшим отклонением.

Если оно стало 0,50, ситуация значительно серьезнее.

Если новый класс систематически уходит к 0,10, речь уже может идти о смене режима.

Следовательно, необходимо измерять не только наличие нарушения, но и расстояние между наблюдаемым состоянием и областью допустимого режима.

Глубина разрушения может задаваться:

абсолютным отклонением;

относительным отклонением;

числом стандартных или структурных масштабов;

отношением к историческим экстремумам;

отношением к прогнозному коридору;

или специальной нормировкой, соответствующей конкретному закону.

Для Метагольдбаха особенно важна глубина провала нижнего слоя.

Если естественный масштаб числа представлений растет, то одинаковое абсолютное снижение G(N) на разных масштабах имеет разное значение.

Поэтому глубина должна оцениваться преимущественно в нормированных координатах.

3 — Масштаб

Вторым компонентом является масштаб разрушения.

Одно и то же отклонение на разных масштабах имеет различную доказательную значимость.

Если аномалия возникает на раннем малом диапазоне, где система еще не стабилизировалась, ее значение ограничено.

Если аналогичная аномалия появляется после длинной серии устойчивых масштабных переходов, она имеет больший вес.

Кроме того, необходимо различать:

масштаб возникновения;

масштаб распространения;

масштаб сохранения.

Разрушитель может впервые появиться на одном диапазоне, но исчезнуть на следующем.

Тогда он является локальным.

Если же его влияние сохраняется на:

cX,

c²X,

…

возникает новый масштабный режим.

Поэтому цена разрушения должна учитывать не только величину аномалии, но и масштабную протяженность ее действия.

Чем дольше новый режим воспроизводится, тем серьезнее нарушение.

И наоборот.

Изолированный сбой, не обладающий продолжением, имеет меньшую структурную цену, чем воспроизводимая катастрофа.

4 — Число затронутых законов

Третий компонент — количество законов, которые должен нарушить контрсценарий.

Если доказательство построено на одном законе, достаточно разрушить его.

Если система многоканальна, ситуация сложнее.

Пусть имеются законы:

L1,

L2,

…

Lm.

Контрсценарий может затронуть:

только L1;

L1 и L2;

группу зависимых законов;

или все метаинвариантное ядро.

Число затронутых законов само по себе еще не определяет цену.

Пять тесно связанных законов могут фактически представлять один механизм.

Но если разрушитель обязан одновременно затронуть несколько структурно различных законов, его цена возрастает.

Поэтому необходимо учитывать не только количество, но и доказательную генеалогию.

Для каждого контрсценария следует строить карту:

какие законы нарушаются непосредственно;

какие — как следствие;

какие остаются устойчивыми;

какие вступают в противоречие с новой картиной.

Так появляется структурная мера масштабности разрушения.

5 — Независимость каналов

Цена разрушения существенно зависит от независимости затрагиваемых доказательных каналов.

Предположим, имеется пять показателей.

Если все они являются алгебраическими преобразованиями одной величины, один механизм может разрушить их автоматически.

Цена относительно мала.

Но если одновременно должны измениться:

динамический канал;

экстремальный канал;

арифметический канал;

прогностический канал;

адверсарный канал,

ситуация иная.

Тогда контрсценарий обязан либо иметь один глубокий механизм, объясняющий все изменения, либо координировать несколько независимых процессов.

В обоих случаях его структурная сложность возрастает.

Следовательно, цена разрушения должна быть взвешенной.

Условно можно представить:

C = Σ wi ci,

где ci — стоимость разрушения конкретного канала,

а wi — коэффициент его независимости и доказательной значимости.

Но в настоящей книге важнее не сама формула, а принцип.

Независимый канал увеличивает цену разрушения сильнее, чем зависимый.

Именно поэтому анализ доказательной генеалогии является необходимым условием количественной оценки катастрофы.

6 — Координационная сложность

Особый компонент цены разрушения — координационная сложность.

Иногда один будущий контрпример должен одновременно удовлетворять нескольким редким условиям.

Например, он должен:

принадлежать опасному арифметическому классу;

иметь аномально низкое G(N);

оказаться ниже действующего прогнозного коридора;

создать новый рекорд нормированного минимума;

и одновременно находиться достаточно далеко, чтобы разрушить уже стабилизировавшуюся границу уровня.

Каждое условие по отдельности может быть реализуемым.

Но их совместная реализация требует координации.

Именно это и называется координационной сложностью.

Она особенно важна в многоканальной системе.

Если один и тот же объект обязан одновременно разрушить несколько независимых ограничений, контрсценарий становится структурно более дорогим.

Координационная сложность не является вероятностью.

Нельзя автоматически делать вывод:

«раз сценарий сложен, значит он невозможен».

Но можно утверждать:

«для его реализации требуется более сложная математическая организация, чем для нарушения одного локального закона».

Это уже объективный элемент доказательного профиля.

7 — Каскадность

Разрушение может происходить одновременно или каскадно.

При одновременном сценарии несколько законов ломаются в одной точке.

При каскадном:

одно нарушение запускает другое.

Например:

новый арифметический класс создает экстремальный провал;

экстремальный провал разрушает нормировку;

нарушение нормировки ломает прогноз;

провал прогноза заставляет пересмотреть масштабное тождество;

разрушение тождества разрывает метаиндукционную цепь.

В этом случае цена катастрофы определяется не только числом нарушений, но и длиной причинной цепочки.

Можно различать:

короткий каскад;

глубокий каскад;

разветвленный каскад;

самоподдерживающийся каскад.

Последний особенно опасен.

Если одна аномалия создает условия для усиления следующей, система может перейти в новый устойчивый режим.

Поэтому теория цены разрушения должна строить граф катастрофы:

начальное событие;

вторичные эффекты;

третичные эффекты;

финальное разрушение доказательного состояния.

Чем сложнее такой граф, тем выше структурная стоимость перехода.

8 — Восстановимость

Еще один важный параметр — восстановимость системы после нарушения.

Предположим, на некотором масштабе закон временно нарушен.

Если на следующем масштабе структура возвращается к прежнему режиму, разрушение было обратимым.

Если же нарушение сохраняется и углубляется, оно необратимо в рамках исследуемой динамики.

Можно различать:

полную восстановимость;

частичную восстановимость;

условную восстановимость;

невосстановимость.

Для метаиндукции этот параметр чрезвычайно важен.

Локальный экстремум, после которого прежний режим полностью восстанавливается, не эквивалентен началу длительной деградации.

Поэтому цена катастрофы должна учитывать:

сколько изменений требуется не только для выхода из режима, но и для закрепления нового режима.

Иными словами, важна не только цена разрушения старого состояния, но и цена невозврата.

9 — Цена математической катастрофы

Теперь можно дать интегральное определение.

Под ценой математической катастрофы будем понимать совокупную структурную меру контрсценария, который разрушает метаиндукционное доказательное состояние.

В нее входят:

1 — глубина отклонения;

2 — масштаб возникновения;

3 — масштаб устойчивости;

4 — число затронутых законов;

5 — степень независимости каналов;

6 — координационная сложность;

7 — каскадность;

8 — число необходимых предвестников;

9 — сложность нового режима;

10 — невосстановимость старого режима.

Эту цену можно описывать:

качественно;

полуколичественно;

или количественно,

если для конкретной задачи удается ввести устойчивые метрики.

Главное — не превращать ее в произвольный балл.

Каждый компонент должен иметь содержательное математическое основание.

Цена катастрофы является частью доказательного профиля, а не самостоятельным доказательством.

Высокая цена разрушения не означает логической невозможности контрпримера.

Но она показывает, насколько радикально должна измениться уже эксплицированная структура, чтобы контрпример стал частью нового устойчивого режима.

10 — Рост цены разрушения

Особенно важна не абсолютная цена разрушения на одном масштабе, а ее динамика.

Пусть:

C(X)

обозначает цену минимального контрсценария на масштабе X.

Тогда возможны различные режимы.

Первый:

C(X) уменьшается.

Это опасный сигнал.

Разрушение становится все проще.

Второй:

C(X) остается примерно постоянной.

Тогда доказательное состояние не усиливается в этом отношении.

Третий:

C(X) растет.

Это означает, что для разрушения закона по мере расширения масштаба требуется все более сложная перестройка системы.

Именно третий режим особенно важен для большой метаиндукции.

Если:

растет нижняя гарантия;

стабилизируется нормированный экстремальный слой;

сохраняются независимые каналы;

и одновременно растет цена минимального разрушителя,

доказательное состояние усиливается не только позитивно, но и негативно.

Иными словами:

закон не просто продолжает выполняться.

Становится все сложнее построить содержательный механизм его будущего разрушения.

Так возникает один из возможных метазаконов:

Закон роста цены разрушения.

Его нельзя постулировать заранее.

Он должен быть проверен.

Но если он действительно проявится в Метагольдбахе, его значение будет чрезвычайно велико.

Потому что большая метаиндукция тогда получит не только аргумент сохранения режима, но и динамический аргумент против формирования альтернативного режима.

Это подводит нас к следующему вопросу.

Как вообще фиксировать, насколько сильным стало доказательство на каждом этапе исследования?

Для этого необходима теория доказательных состояний.

Глава 10. Доказательные состояния

1 — Вычислительное состояние

Самый первый уровень — вычислительное состояние.

Пусть имеется математический объект и конечная область, внутри которой он полностью вычислен или проверен.

Например:

все значения G(N) вычислены для четных N<=X.

Это сильный факт.

Внутри данного диапазона результат точен.

Если вычисление проведено корректно, никакой гипотезы здесь нет.

Но за границей X вычислительное состояние ничего автоматически не утверждает.

Поэтому необходимо строго различать:

точность внутри области;

и отсутствие знания за ее пределами.

Вычислительное состояние должно иметь паспорт:

граница;

алгоритм;

точность;

контроль;

независимая проверка;

версия данных.

Можно обозначить его:

D0.

Это базовый уровень доказательной системы.

Без надежного D0 все последующие уровни теряют основу.

2 — Эмпирическое состояние

Следующий уровень возникает, когда внутри вычислительной области обнаруживаются устойчивые закономерности.

Например:

рост нижней огибающей;

плато V_X(K);

стабильный нормированный минимум;

устойчивые арифметические классы;

масштабные отношения.

Это уже не просто данные.

Это эмпирические законы.

Обозначим такое состояние:

D1.

В D1 входят:

данные;

закономерности;

первичные модели;

аппроксимации;

классификации.

Но эмпирическое состояние еще не обладает полноценной прогнозной силой.

Оно может хорошо описывать прошлое и оказаться слабым на следующем масштабе.

Поэтому D1 выше вычислительного состояния, но еще не является метаиндукционным доказательством.

3 — Прогностическое состояние

Прогностическое состояние возникает тогда, когда обнаруженные законы начинают успешно работать вне области, на которой они были построены.

Обозначим его:

D2.

Для перехода D1 -> D2 необходимы:

ретропрогноз;

скрытый проверочный диапазон;

замороженная модель;

или независимый прогноз.

Прогностическое состояние означает:

законы не только описали известную область,

но и предсказали новую.

Это существенное усиление.

Особенно важен повторяемый прогноз.

Один удачный прогноз может быть случайным.

Серия масштабных прогнозов уже свидетельствует о воспроизводимости модели.

Прогностическое состояние должно содержать:

что именно прогнозировалось;

когда был зафиксирован прогноз;

каким был диапазон;

какова ошибка;

какие экстремумы были предсказаны;

где модель провалилась.

То есть D2 требует полноценного журнала прогнозов.

4 — Метаинвариантное состояние

Следующий уровень возникает, когда становится ясно, что на нескольких масштабах сохраняются не только отдельные законы, но и отношения между ними.

Обозначим это состояние:

D3.

Здесь появляются:

метаинварианты;

масштабное условное тождество;

воспроизводимость структуры;

устойчивый дрейф параметров;

многоканальная согласованность.

Метаинвариантное состояние существенно сильнее прогностического.

Прогноз может быть успешным, но локальным.

Метаинвариант показывает, что сохраняется сама архитектура режима.

На этом уровне вопрос уже звучит не так:

«верна ли модель на следующем диапазоне?»

А так:

«сохраняется ли тот же тип математической организации при переходе между масштабами?»

Именно D3 является непосредственным материалом для большой метаиндукции.

5 — Адверсарно проверенное состояние

Даже устойчивый метаинвариант может оказаться результатом недостаточно жесткого тестирования.

Поэтому следующий уровень — адверсарно проверенное состояние:

D4.

Оно возникает, когда система целенаправленно подвергается попыткам разрушения.

Для этого исследуются:

худшие арифметические классы;

рекордные экстремумы;

максимальные отклонения;

пограничные режимы;

альтернативные нормировки;

специально сконструированные контрсценарии.

Цель D4 — показать не просто устойчивость в естественных данных, но устойчивость под направленной атакой.

Адверсарно проверенное состояние должно фиксировать:

какие атаки проведены;

почему именно они считаются опасными;

какие разрушители найдены;

какие не найдены;

какие законы оказались наиболее уязвимыми;

какова цена сильнейшего контрсценария.

В этом смысле D4 является отрицательно подтвержденным состоянием.

6 — Замкнутое метаиндукционное состояние

Высший уровень в данной шкале — замкнутое метаиндукционное состояние:

D5.

Оно возникает тогда, когда выполнены одновременно несколько условий.

1 — Построено надежное вычислительное основание.

2 — Выделена система законов.

3 — Законы обладают доказательной генеалогией.

4 — Установлены независимые каналы.

5 — Сформированы метаинварианты.

6 — Выполнены масштабные прогнозы.

7 — Проведены адверсарные атаки.

8 — Исследованы минимальные контрсценарии.

9 — Оценена цена разрушения.

10 — Установлена воспроизводимость доказательного ядра.

11 — Система замкнута относительно следующего масштабного перехода.

Именно последний пункт принципиален.

Замкнутое состояние должно содержать все необходимое для собственного продолжения.

Если при каждом новом масштабе требуется вводить принципиально новый внешний механизм, замыкания нет.

D5 — это состояние, при котором доказательная архитектура становится самовоспроизводимой.

Именно такое состояние может служить основанием большой метаиндукции.

7 — Доказательно-аксиологический профиль

Доказательное состояние нельзя полноценно описать одним номером.

Два исследования могут находиться на одном уровне D3, но обладать совершенно различным качеством.

Поэтому вводится доказательно-аксиологический профиль.

Он представляет собой многомерное описание ценности доказательной системы.

В профиль могут входить:

1 — объем эксплицированной области;

2 — точность вычислений;

3 — число независимых реализаций;

4 — количество законов;

5 — степень их независимости;

6 — качество прогнозов;

7 — глубина экстремального анализа;

8 — сила адверсарных проверок;

9 — эксплицируемость разрушителей;

10 — цена катастрофы;

11 — устойчивость масштабного тождества;

12 — степень замыкания.

Можно добавить и другие координаты.

Главное, что профиль не сводится к одному баллу.

Он показывает форму доказательной силы.

Одна теория может быть очень сильна вычислительно, но слаба прогнозно.

Другая — обладать сильной аналитикой, но слабой адверсарной проверкой.

Третья — иметь великолепную многоканальность, но небольшой масштаб.

Доказательно-аксиологический профиль позволяет видеть такие различия.

В дальнейшем он станет одним из основных инструментов сравнительной оценки различных метаиндукционных систем.

8 — Доказательный паспорт

Доказательный паспорт — это стандартизированное описание полного состояния конкретного утверждения.

Если доказательно-аксиологический профиль показывает конфигурацию доказательной силы, паспорт фиксирует весь набор необходимых сведений.

Для Метатеоремы Гольдбаха доказательный паспорт должен включать по меньшей мере следующие разделы.

1. Объект

Точная формулировка Метатеоремы.

2. Обозначения

G(N), A(K), B(K), V(K), H(V), Z(K) и другие основные функции.

3. Эксплицированная область

До какого масштаба проведено полное вычисление.

4. Вычислительный метод

Алгоритмы, реализации, контроль ошибок.

5. Первичные законы

Полный каталог обнаруженных закономерностей.

6. Доказательная генеалогия

Какие законы независимы, а какие производны.

7. Прогнозы

Ретропрогнозы, скрытые проверки, независимые прогнозы.

8. Экстремальный слой

Худшие случаи, рекорды, нижние процентили.

9. Арифметические классы

Структура наиболее опасных чисел.

10. Метаинварианты

Что воспроизводится между масштабами.

11. Адверсарные проверки

Какие атаки были проведены.

12. Разрушители

Какие контрсценарии найдены и построены.

13. Цена разрушения

Какова структурная цена минимальной катастрофы.

14. Состояние замыкания

Способна ли система воспроизводить свое доказательное ядро.

15. Текущий доказательный уровень

D0, D1, D2, D3, D4 или D5.

16. Ограничения

Что остается неэксплицированным, непроверенным или зависимым от гипотез.

17. Итоговая формулировка статуса

Что установлено точно.

Что установлено вычислительно.

Что является эмпирическим законом.

Что получило прогностическое подтверждение.

Что поддерживается метаиндукционно.

И что еще не получило необходимого доказательного состояния.

Такой паспорт необходим для научной дисциплины.

Он не позволяет превращать впечатление от большого массива данных в доказательство.

Не позволяет смешивать прогноз и ретроспективную подгонку.

Не позволяет выдавать зависимые законы за независимые.

Не позволяет скрывать провалы.

И одновременно он показывает реальную силу результата значительно полнее, чем простая маркировка:

«доказано / не доказано».

Именно это является одной из важных задач Теории метаиндукции.

Она не отменяет строгую границу между установленным и неустановленным.

Она делает эту границу более многомерной.

Вместо одного бинарного статуса появляется карта доказательного состояния.

В результате доказательство можно рассматривать как процесс восхождения:

от вычисления;

к закону;

от закона к прогнозу;

от прогноза к метаинварианту;

от метаинварианта к адверсарной проверке;

и далее — к замкнутому метаиндукционному состоянию.

Именно такая лестница должна быть пройдена Метатеоремой Гольдбаха в настоящей книге.

*******

ЧАСТЬ II. ИСТОРИЯ ИНДУКЦИОННОГО ДОКАЗАТЕЛЬСТВА

Глава 1. Истоки индуктивного мышления

1 — Античная индукция

История математической индукции начинается значительно раньше появления ее современной формулы.

Но здесь необходимо сразу провести различие.

Нельзя переносить современное понятие математической индукции в античность и объявлять всякое повторяющееся рассуждение ее ранней формой. В истории математики особенно опасно видеть современную конструкцию там, где существовала лишь ее отдельная предпосылка.

Античная мысль знала переход от частного к общему.

Знала повторяющиеся процедуры.

Знала рекуррентные построения.

Знала возможность продолжать некоторую операцию неопределенно долго.

Знала доказательства, относящиеся к произвольному объекту некоторого класса.

Но классической схемы:

P(1),

P(n) -> P(n+1),

следовательно, P(n) для всех натуральных n,

в явной современной форме античная математика не формулировала.

Истоки индукционного мышления поэтому следует искать не в одном изобретении, а в постепенном соединении нескольких идей:

перехода от отдельных случаев к общему;

повторяемой операции;

потенциальной неограниченности процесса;

рекуррентного порождения следующего объекта;

и доказательной необходимости перехода.

Античная философия прежде всего поставила вопрос о том, каким образом знание отдельных случаев связано со знанием общего.

Античная математика, в свою очередь, создала строгую культуру доказательства и научилась работать с процессами, которые принципиально могут продолжаться.

Из соединения этих двух линий значительно позднее вырастет математическая индукция.

2 — Аристотель

Особое место в истории понятия индукции занимает Аристотель.

Его термин epagoge обычно переводится как «индукция», однако содержание этого понятия нельзя механически отождествлять с современной математической индукцией.

Для Аристотеля принципиально различались два направления рассуждения.

Демонстративное, или силлогистическое, рассуждение движется от общего к частному.

Индуктивное — от частных случаев к общему. Современные исследования подчеркивают, что точная интерпретация аристотелевской epagoge остается предметом дискуссий, но сам контраст между движением от частного к общему и демонстрацией от общего к частному является несомненным.

Это еще не математическая индукция.

Если наблюдались случаи:

A1 обладает свойством P,

A2 обладает свойством P,

A3 обладает свойством P,

то переход к:

«все объекты класса A обладают свойством P»

сам по себе не обладает той необходимостью, которой обладает доказанный переход:

P(n) -> P(n+1).

Поэтому логическая индукция и математическая индукция имеют различную природу.

Но Аристотель подготовил одно из важнейших понятий, без которого дальнейшая история индукции была бы трудно мыслима, — представление о потенциальной бесконечности.

3 — Повторение и обобщение

Индуктивное мышление исторически возникает из очень естественного интеллектуального акта.

Человек многократно наблюдает одно и то же отношение и предполагает, что за отдельными случаями стоит общий закон.

Например:

1+3=4,

1+3+5=9,

1+3+5+7=16.

Первые суммы нечетных чисел дают:

1²,

2²,

3²,

4².

Уже несколько первых случаев заставляют предположить общий закон:

сумма первых n нечетных чисел равна n².

Но здесь существуют два совершенно разных уровня.

Первый:

обобщение по повторению.

Мы видим множество случаев и предполагаем закон.

Второй:

доказательство воспроизводимости.

Мы показываем, что если закон верен для n, то сама структура выражения неизбежно порождает его для n+1.

Именно переход от первого уровня ко второму является исторически решающим.

Повторение создает гипотезу.

Индукционный переход создает доказательный механизм.

Поэтому математическая индукция не должна пониматься как проверка большого количества случаев.

Можно проверить миллион значений и не получить индукционного доказательства.

И можно проверить один начальный случай и один общий переход — и получить доказательство для бесконечного натурального ряда.

Это принципиальное различие между количеством подтверждений и замкнутостью механизма продолжения.

Для Теории метаиндукции этот исторический урок имеет непосредственное значение.

Метаиндукция также не может сводиться к накоплению случаев.

Она должна искать механизм воспроизводства состояния.

4 — Потенциальная бесконечность

Представление о потенциальной бесконечности является одним из глубочайших античных предшественников индукционного мышления.

Аристотель отвергал бесконечность как завершенную величину в тех формах, которые он рассматривал, но допускал процесс, который может продолжаться без заранее заданного последнего шага.

Отрезок можно снова делить.

После данного натурального числа можно взять большее.

Операцию можно повторять.

На каждом конкретном этапе имеется конечный объект, но сама возможность продолжения не исчерпывается. Именно это традиционно связывается с аристотелевской концепцией потенциальной бесконечности.

Для истории математической индукции это чрезвычайно важно.

Пусть доказано:

P(1).

Затем существует операция перехода:

P(n) -> P(n+1).

Нам не требуется фактически выполнить бесконечное количество переходов.

Достаточно установить универсальный механизм их потенциально неограниченного продолжения.

Тем самым математическая индукция удивительным образом соединяет конечное доказательство и бесконечную область утверждения.

Доказательство конечно.

Область действия бесконечна.

Секрет этого перехода заключается в том, что доказывается не бесконечное множество отдельных случаев.

Доказывается воспроизводимость шага.

Это один из тех моментов, где история классической индукции непосредственно соприкасается с будущей Теорией метаиндукции.

5 — Ранние рекуррентные конструкции

До появления формальной математической индукции математика уже широко пользовалась конструкциями, в которых следующий объект получается из предыдущего.

Это можно назвать рекуррентным мышлением в широком историческом смысле.

Например, алгоритм может повторять одну и ту же операцию над последовательно уменьшающимися величинами.

Геометрическая конструкция может строить следующий многоугольник из предыдущего.

Числовая таблица может расширяться строка за строкой.

Коэффициенты нового уровня могут получаться из соседних коэффициентов предыдущего.

Подобные процедуры постепенно приучали математиков мыслить не отдельным объектом, а законом перехода между объектами.

Это фундаментальное изменение.

Пока математика знает только объекты:

A1,

A2,

A3,

она должна исследовать их по отдельности.

Как только появляется оператор T:

A(n+1)=T(A(n)),

возникает возможность изучать не каждый объект, а сам механизм порождения последовательности.

Рекурсия еще не является индукцией.

Но она создает естественную среду для индукционного доказательства.

Рекурсия отвечает:

как получить следующий объект?

Индукция отвечает:

как перенести на следующий объект доказанное свойство?

Когда два этих вопроса начинают соединяться, появляется настоящий индукционный аппарат.

6 — Отличие логической индукции от математической

Теперь различие можно сформулировать строго.

Логическая, или обобщающая, индукция

Имеется множество наблюдений:

P(a1),

P(a2),

…

P(am).

На их основании формируется общее предположение:

для всех a некоторого класса выполняется P(a).

Такое заключение может быть очень хорошо подтверждено.

Но новые случаи принципиально способны его опровергнуть.

Математическая индукция

Имеется база:

P(n0).

Затем доказывается:

для каждого n>=n0,

если P(n), то P(n+1).

После этого следует:

P(n)

для каждого n>=n0.

Здесь решающим является не количество известных случаев.

Решающим является замкнутость перехода.

Поэтому термин «индукция» исторически способен вводить в заблуждение.

Современная математическая индукция по логической природе является строгим доказательством, а не вероятностным обобщением множества наблюдений.

Эта особенность имеет фундаментальное значение для настоящей книги.

Метаиндукция также не должна пониматься как:

«мы увидели множество сходных случаев и поверили, что так будет всегда».

Такой подход остался бы обобщающей индукцией.

Теория метаиндукции ставит другую задачу:

найти более сложный объект переноса — состояние, метасостояние, систему законов или метаинвариант — и исследовать условия его воспроизводимости.

Поэтому исторический переход от обычного обобщения к математической индукции является прямым методологическим предшественником перехода от простой эмпирики к метаиндукции.

Глава 2. Ранние формы математической индукции

1 — Ал-Караджи

Один из важнейших этапов истории индукционного доказательства связан с персидским математиком Абу Бакром ал-Караджи, работавшим около рубежа X–XI веков.

В его математике обнаруживаются рассуждения, которые историки рассматривают как ранние предшественники математической индукции.

Особенно важны исследования степенных сумм и биномиальных закономерностей.

Здесь возникает принципиально новая ситуация.

Математик не просто вычисляет последовательность частных случаев.

Он показывает, как результат для одной ступени связан со следующей.

В известном рассуждении о сумме кубов используется тождество, которое в современной записи связано с формулой:

1³+2³+…+n³=(1+2+…+n)².

Ал-Караджи рассматривает последовательный переход между частичными суммами и тем самым использует структуру, позволяющую продвигаться от меньшего значения n к следующему. В сохранившейся исторической реконструкции его рассуждение для суммы кубов действительно строится через последовательное преобразование частичных сумм.

Это исторически чрезвычайно важно.

Перед нами уже не просто наблюдение:

формула верна при n=1;

верна при n=2;

верна при n=3.

Возникает вопрос:

почему верность на предыдущем этапе позволяет получить следующий?

Именно этот вопрос является сердцевиной математической индукции.

2 — Ал-Самаваль

Следующий важный этап связан с ал-Самавалем ал-Магриби, математиком XII века.

Его работы особенно ценны для истории индукции потому, что позволяют увидеть саму процедуру последовательного переноса значительно отчетливее.

В трактате al-Bahir ал-Самаваль развивал алгебраические методы, работал с полиномами и описывал биномиальные коэффициенты. Он приводит результаты, связанные с таблицей, которую сегодня мы назвали бы треугольником Паскаля, и приписывает соответствующую традицию ал-Караджи.

Особенно интересен способ доказательного продвижения.

Ал-Самаваль демонстрирует некоторый результат для начального значения, затем использует его для следующего, далее переходит к еще следующему и после ряда таких шагов указывает, что процедура может продолжаться неопределенно. Историки обычно характеризуют это как раннюю форму индукционного рассуждения, но не как полностью сформулированный современный принцип индукции.

Это уточнение существенно.

История здесь показывает промежуточную стадию.

Уже существует:

начало;

переход;

повторяемость перехода.

Но еще не полностью отделена и сформулирована универсальная логическая схема:

для произвольного n из случая n следует случай n+1.

Именно поэтому ал-Самаваль находится очень близко к современной математической индукции, но исторически корректнее говорить о предшествующей или ранней форме.

3 — Степенные тождества

Степенные тождества особенно естественно способствовали развитию индукционного мышления.

Причина состоит в их последовательной структуре.

Рассмотрим суммы:

S_k(n)=1^k+2^k+…+n^k.

При переходе от n к n+1 имеем:

S_k(n+1)=S_k(n)+(n+1)^k.

То есть следующий объект естественно содержит предыдущий.

Это идеальная среда для индукции.

Если формула для S_k(n) известна, следующий случай возникает путем добавления одного нового слагаемого.

Например, для кубов:

S_3(n+1)=S_3(n)+(n+1)^3.

Если предположить:

S_3(n)=\left(\frac{n(n+1)}{2}\right)^2,

то остается проверить, что добавление (n+1)^3 дает формулу:

S_3(n+1)=\left(\frac{(n+1)(n+2)}{2}\right)^2.

В современной записи это обычный индукционный шаг.

Историческая важность ранних исследований степенных сумм заключается именно в том, что их внутренняя конструкция почти вынуждает мыслить переходом:

n -> n+1.

Возникает не просто последовательность результатов.

Возникает архитектура воспроизводства.

4 — Биномиальные конструкции

Еще более естественным источником индукционной структуры является биномиальная формула.

Рассмотрим:

(a+b)^1,

(a+b)^2,

(a+b)^3,

(a+b)^4,

…

Коэффициенты образуют закономерность.

Современный читатель записывает:

(a+b)^n = Σ C(n,k)a^(n-k)b^k.

Но исторически сначала возникали отдельные разложения и таблицы коэффициентов.

Главное открытие состояло не только в самих коэффициентах, но в возможности получать следующий уровень из предыдущего.

В современной форме:

C(n+1,k)=C(n,k-1)+C(n,k).

То есть строка уровня n+1 строится из строки уровня n.

Это классический пример рекуррентного состояния.

Именно подобные конструкции связывают ал-Караджи и ал-Самаваля с предысторией математической индукции. Исторические источники указывают, что у ал-Самаваля имеется описание биномиальных коэффициентов и таблицы до достаточно высоких степеней, причем сама процедура опирается на переход от предыдущего уровня к следующему.

Здесь особенно хорошо видна двойственная природа процесса.

С одной стороны, рекурсия строит математический объект.

С другой — тот же механизм способен переносить утверждение об объекте.

Это соединение станет одним из фундаментальных источников полноценной математической индукции.

5 — Рекуррентные рассуждения

Рекуррентное рассуждение имеет следующую общую форму.

Есть состояние:

S(n).

Из него можно построить:

S(n+1).

То есть:

S(n) -> S(n+1).

Если интересующее нас утверждение является частью состояния и воспроизводится вместе с ним, возникает почти готовая индукционная схема.

Например, если строка биномиальных коэффициентов n полностью определяет строку n+1, то мы можем переходить от конкретных вычислений к универсальному принципу генерации таблицы.

Однако исторически этот переход от процедуры к логическому принципу не происходит мгновенно.

Можно уметь продолжать:

n=1,

n=2,

n=3,

n=4,

n=5,

и даже понимать, что «так можно продолжать дальше»,

но еще не сформулировать универсальное утверждение:

для любого натурального n доказан переход от n к n+1.

Именно такой промежуточный характер имеют многие ранние индукционные рассуждения.

Это не недостаток.

Наоборот, они показывают, как постепенно рождается сама идея доказательного замыкания.

Сначала математик видит повторение.

Затем обнаруживает правило.

После этого понимает, что правило воспроизводит следующий случай.

И только затем возникает возможность превратить бесконечно продолжаемую процедуру в конечное универсальное доказательство.

6 — Неявный индукционный переход

Понятие неявного индукционного перехода позволяет наиболее точно охарактеризовать раннюю стадию истории математической индукции.

Пусть математик:

1 — знает некоторый начальный случай;

2 — показывает следующий;

3 — использует структуру предыдущего случая для получения нового;

4 — повторяет этот процесс несколько раз;

5 — указывает, что его можно продолжать.

Практически все необходимые элементы уже присутствуют.

Но еще не произнесено главное универсальное утверждение:

пусть n произвольно; если результат верен для n, то он верен для n+1.

До появления этой формулировки переход остается неявным.

Он существует внутри процедуры.

Но еще не выделен как самостоятельный доказательный закон.

Именно здесь история математической индукции становится особенно важной для Теории метаиндукции.

Возможен аналогичный риск.

Мы можем видеть:

M(X1) -> M(X2),

M(X2) -> M(X3),

M(X3) -> M(X4),

и ограничиться утверждением:

«процесс, по-видимому, продолжается».

Это было бы лишь современной версией раннего неявного перехода.

Полноценная Теория метаиндукции должна сделать то же, что позднее сделала классическая теория индукции:

выделить сам механизм перехода как самостоятельный объект доказательства.

Исторический урок ал-Караджи и ал-Самаваля поэтому выходит далеко за пределы истории математики.

Он показывает общий путь рождения нового доказательного метода.

Сначала возникает повторяющаяся практика.

Затем — рекуррентная закономерность.

Затем — осознание перехода.

Затем — его универсальная формулировка.

И наконец — доказательное замыкание.

Именно такой переход от неявной воспроизводимости к явной теории воспроизводимости предстоит осуществить и метаиндукции.

***

Глава 3. Паскаль

1 — Арифметический треугольник

С именем Блеза Паскаля связан один из важнейших этапов превращения индукционного рассуждения из неявной рекуррентной практики в осознанный доказательный метод.

Речь идет прежде всего о его работе «Трактат об арифметическом треугольнике» — Traité du triangle arithmétique, созданной в середине XVII века. Сам числовой треугольник был известен задолго до Паскаля в других математических традициях; историческое значение Паскаля состоит не в том, что он впервые выписал эту таблицу, а в систематическом исследовании ее свойств, приложений и рекуррентной структуры. Его трактат относится к 1654 году; напечатан он был тогда же, хотя распространен значительно позже.

В современной форме начало арифметического треугольника можно записать так:

1 1

1 2 1

1 3 3 1

1 4 6 4 1

1 5 10 10 5 1

…

Каждая строка представляет систему чисел, которую сегодня естественно интерпретировать через биномиальные коэффициенты:

C(n,0), C(n,1), …, C(n,n).

Например, строка:

1, 4, 6, 4, 1

дает коэффициенты разложения:

(a+b)^4.

Но для истории индукции важнее другое.

Арифметический треугольник представляет собой не просто готовую таблицу.

Он является самопорождающейся структурой.

Новая строка определяется предыдущей.

Следовательно, таблица содержит в себе закон собственного продолжения.

Именно эта особенность превращает ее в почти идеальный объект для индукционного доказательства.

2 — Рекурсия строк

В современной записи основной рекуррентный закон треугольника имеет форму:

C(n+1,k)=C(n,k-1)+C(n,k).

Каждый внутренний элемент новой строки получается сложением двух соответствующих элементов предыдущей строки.

Например, из строки:

1, 3, 3, 1

получается:

1, 4, 6, 4, 1,

поскольку:

4=1+3,

6=3+3,

4=3+1.

Это чрезвычайно важная конструкция.

В ней следующий уровень не является самостоятельным новым объектом.

Он структурно содержится в предыдущем.

Пусть обозначим всю n-ю строку через:

R(n).

Тогда существует оператор T, такой что:

R(n+1)=T(R(n)).

Перед нами уже знакомая по Теории метаиндукции схема состояния:

S(n) -> S(n+1).

Разумеется, у Паскаля не было современного языка состояний и операторов.

Но математическая структура его объекта именно такова.

Треугольник не только допускает последовательное построение.

Он делает последовательное построение естественным доказательным методом.

Исторические исследования отмечают, что в «Трактате об арифметическом треугольнике» Паскаль использовал рекурсивное рассуждение, очень близкое к современной математической индукции; заключительная часть трактата особенно отчетливо демонстрирует этот переход.

3 — Переход n -> n+1

Теперь можно увидеть фундаментальный переход.

Предположим, что некоторое свойство P выполняется для всех элементов строки R(n).

Можно ли из структуры треугольника показать, что оно выполняется для строки R(n+1)?

Если да, получаем:

P(R(n)) -> P(R(n+1)).

Это уже не простое наблюдение последовательности строк.

Это доказательный переход.

Именно здесь находится принципиальное отличие от ранних форм рекуррентного рассуждения.

Можно выписать:

R(1),

R(2),

R(3),

R(4),

R(5),

и заметить закономерность.

Но Паскалю требуется другое.

Не показать, что свойство работает на нескольких строках, а установить, что механизм построения новой строки сохраняет свойство.

Например, если определенное отношение между соседними элементами следует из отношения на предыдущей строке и из правила образования каждой новой клетки, то доказательство перестает зависеть от конкретного номера строки.

Оно становится универсальным.

В одном из известных рассуждений Паскаля свойство доказывается для начальной базы, затем показывается, что соответствующее отношение на предыдущей базе позволяет получить его на следующей; Паскаль подчеркивает, что тот же способ применим ко всем последующим базам, поскольку правило образования клеток остается тем же.

Таким образом, математический центр рассуждения переносится с объектов на оператор перехода.

Это огромный методологический шаг.

4 — База

Индукционное доказательство невозможно без начальной точки.

Необходимо иметь состояние, относительно которого свойство установлено непосредственно.

Это база.

В современной форме:

P(n0).

Например, если доказывается свойство строк арифметического треугольника, оно может быть непосредственно проверено для первой или нескольких первых строк.

Значение базы часто недооценивается.

Кажется, что самое интересное содержится в переходе.

Но без базы переход может порождать только условную цепочку:

если P(1), то P(2);

если P(2), то P(3);

если P(3), то P(4).

Чтобы вся цепь действительно начала работать, нужно первоначальное истинное состояние.

База выполняет функцию математической точки закрепления.

Именно она соединяет универсальный механизм с конкретной системой.

В языке Теории метаиндукции можно сказать:

база является первым эксплицированным доказательным состоянием, из которого запускается замкнутый переход.

5 — Шаг

Второй компонент — индукционный шаг.

Он имеет форму:

предположим, что P(n) истинно;

докажем P(n+1).

Важно правильно понимать характер этого предположения.

Мы не утверждаем P(n) без доказательства.

Мы исследуем условную связь:

если оно уже установлено на некоторой ступени, достаточно ли этого для следующей?

В этом состоит математическая сила шага.

Не требуется отдельно доказывать:

P(2),

P(3),

P(4),

P(5),

…

Вместо бесконечного числа различных доказательств строится одно доказательство воспроизводимости.

Если:

P(1)

P(n) -> P(n+1),

то конечная логическая конструкция охватывает бесконечную последовательность объектов.

Историческое значение паскалевского подхода именно в том, что рекуррентная структура арифметического треугольника становится основой такого общего доказательного перехода. Исследования истории математической индукции поэтому относят Паскаля к ключевым фигурам явной формулировки и систематического использования этого метода, хотя предшествующие формы индукционного рассуждения существовали значительно раньше.

6 — Структурный смысл паскалевской индукции

Для настоящей книги исторический пример Паскаля имеет значение значительно большее, чем просто этап истории одного доказательного метода.

В паскалевском треугольнике особенно ясно виден фундаментальный принцип:

доказательство может переноситься потому, что следующий объект структурно порождается предыдущим.

Рассмотрим схему:

R(n) -> R(n+1).

Но строка R(n) — уже не единичное число.

Это система:

R(n)={C(n,0), C(n,1), …, C(n,n)}.

То есть объектом перехода фактически является многокомпонентное состояние.

Следовательно, паскалевская индукция может быть интерпретирована как ранний и чрезвычайно прозрачный пример индукции состояния.

Переходит не один элемент.

Переходит целая структура.

Более того, новая структура создается локальными отношениями предыдущей.

Это особенно важно для Теории метаиндукции.

В Метагольдбахе мы тоже не сможем переносить одно значение.

Нам потребуется состояние:

M(X).

И вопрос будет аналогичен паскалевскому, хотя значительно сложнее:

какая структура состояния M(X) позволяет воспроизвести соответствующее доказательное состояние на следующем масштабе?

Но существует и принципиальное различие.

У Паскаля переход:

n -> n+1

строго задан рекуррентным правилом.

Следующая строка полностью определяется предыдущей.

В Метагольдбахе масштаб:

X -> cX

открывает новую арифметическую область, которая не является простым алгоритмическим следствием уже вычисленного массива.

Поэтому классического индукционного состояния недостаточно.

Нужно искать метасостояние.

Тем не менее историческая линия совершенно ясна.

Сначала математика научилась переносить свойство одного объекта.

Затем — состояние, содержащее множество взаимосвязанных компонентов.

Следующим шагом становится перенос структуры самого режима.

Паскаль находится в центре первого большого перехода этой истории.

Глава 4. Ферма и бесконечный спуск

1 — Минимальный контрпример

Если паскалевская индукция движется вверх:

n -> n+1,

то метод Пьера Ферма предлагает почти зеркальную стратегию.

Он движется вниз.

Эта стратегия получила название метода бесконечного спуска.

Общая идея чрезвычайно сильна.

Предположим, необходимо доказать, что объектов с некоторым свойством Q не существует.

Вместо прямого доказательства предположим обратное:

хотя бы один такой объект существует.

Если объект измеряется положительным целым параметром — размером, числом, гипотенузой, знаменателем или иной натуральной характеристикой, — среди всех контрпримеров существует наименьший.

Это следует из принципа хорошей упорядоченности натуральных чисел.

Пусть минимальный контрпример имеет размер m.

Теперь необходимо показать:

из него можно построить другой контрпример того же типа с размером:

m'<m.

Но это невозможно.

Мы выбрали m минимальным.

Следовательно, исходного контрпримера не существует.

Так доказательство строится не через распространение истинности вверх, а через невозможность бесконечного воспроизводства ложности вниз.

В сохранившихся работах Ферма именно метод бесконечного спуска является одним из его характернейших инструментов теории чисел; исторические источники описывают его как построение из предполагаемого решения меньшего решения того же типа, что противоречит невозможности бесконечной строго убывающей последовательности положительных целых.

2 — Уменьшение объекта

Сердце метода состоит не в самом выборе минимального контрпримера.

Выбрать минимальный объект легко.

Трудность состоит в том, чтобы построить из него меньший объект с тем же запрещенным свойством.

Схематически:

Q(m) -> Q(m’),

где:

0<m'<m.

Если такой переход существует для любого предполагаемого контрпримера, возникает нисходящая цепочка:

m0>m1>m2>m3>…

Все mi — положительные целые.

Но подобная бесконечная цепочка невозможна.

Следовательно, начальный объект m0 невозможен.

Здесь особенно хорошо видна роль замыкания.

Недостаточно построить просто меньший объект.

Он должен принадлежать тому же классу контрпримеров.

Иначе спуск прекращается.

То есть необходимо сохранить отрицательное состояние при уменьшении размера.

В языке Теории метаиндукции:

разрушитель должен воспроизводить самого себя на меньшем масштабе.

Если он не может этого сделать, он не образует замкнутого разрушительного режима.

3 — Невозможность бесконечного уменьшения

Почему спуск приводит к противоречию?

Потому что множество положительных целых хорошо упорядочено.

Любое его непустое подмножество содержит наименьший элемент.

Эквивалентно:

не существует бесконечной строго убывающей последовательности положительных целых:

m1>m2>m3>…

Это принципиально отличается от последовательности:

1, 1/2, 1/4, 1/8, …

в положительных рациональных или вещественных числах.

Такая последовательность может бесконечно уменьшаться.

В натуральных числах — нет.

Поэтому бесконечный спуск является специфически мощным методом в дискретных задачах.

Ферма сам объяснял идею именно через невозможность бесконечной последовательности все меньших целых объектов одного типа. В известном описании метода он рассуждал о прямоугольных треугольниках: если существовал бы один треугольник с запрещенным свойством, из него следовал бы меньший, затем еще меньший и так далее, чего положительные целые не допускают.

Таким образом, бесконечный спуск опирается на три компонента:

существование минимального контрпримера;

оператор уменьшения;

сохранение запрещенного свойства.

Отсутствие любого из них разрушает доказательство.

4 — Пример доказательства

Рассмотрим классический пример, непосредственно связанный с методом Ферма.

Теорема.

Не существует прямоугольного треугольника с положительными целыми сторонами, площадь которого является квадратом целого числа.

Именно это утверждение — один из сохранившихся примеров применения Ферма метода бесконечного спуска; оно тесно связано с его доказательствами в диофантовой теории.

Предположим противное.

Пусть существует прямоугольный треугольник с целыми сторонами:

a, b, c,

где:

a²+b²=c²,

а его площадь:

ab/2

является полным квадратом.

Выберем среди всех таких треугольников треугольник с наименьшей гипотенузой c.

Если стороны имеют общий делитель, можно сократить треугольник до примитивного. Квадратность площади при соответствующем сокращении сохраняется. Поэтому можно считать тройку примитивной.

Для примитивной пифагоровой тройки одна из катетов четна. Пусть это a.

Тогда существуют взаимно простые натуральные числа m>n разной четности, для которых:

a=2mn,

b=m²-n²,

c=m²+n².

Площадь равна:

ab/2 = mn(m²-n²),

то есть:

ab/2 = mn(m-n)(m+n).

По предположению это квадрат.

Но числа:

m-n,

m+n

попарно взаимно просты.

Действительно, m и n взаимно просты; каждое из m±n взаимно просто с m и n, а общий делитель m-n и m+n может делить 2, но оба эти числа нечетны, поскольку m и n имеют разную четность.

Следовательно, если произведение четырех попарно взаимно простых положительных целых является квадратом, каждый множитель сам является квадратом.

Поэтому существуют натуральные:

r, s, u, v,

такие что:

m=r²,

n=s²,

m+n=u²,

m-n=v².

Из последних двух равенств получаем:

u²+v²=2m=2r²,

а также:

u²-v²=2n=2s².

Теперь рассмотрим числа:

u+v

u-v.

Имеем:

(u+v)²+(u-v)²

=2u²+2v²

=4r².

Следовательно:

u+v,

u-v,

являются сторонами нового прямоугольного треугольника.

Его площадь:

((u+v)(u-v))/2

=(u²-v²)/2

=s².

То есть площадь нового прямоугольного треугольника снова является квадратом.

Мы получили новый контрпример того же типа.

Но его гипотенуза равна:

2r.

Исходная же гипотенуза:

c=m²+n²=r⁴+s⁴.

Поскольку m>n>=1, имеем r>=2, а следовательно:

2r<r⁴+s⁴=c.

Значит, из минимального контрпримера построен еще меньший контрпример.

Противоречие.

Следовательно, исходного прямоугольного треугольника с целыми сторонами и квадратной площадью не существует.

Вот реальная механика бесконечного спуска.

Он не говорит:

«мы проверили много треугольников и такого не нашли».

Он говорит:

если такой треугольник существует, то существование само порождает меньший объект того же запрещенного типа; следовательно, предполагаемый класс объектов не может иметь минимального элемента, хотя всякое непустое множество положительных целых обязано его иметь.

Именно замыкание разрушителя на уменьшение делает доказательство строгим.

5 — Индукционный смысл спуска

Бесконечный спуск часто называют своего рода обратной формой индукции.

Это сравнение полезно, если понимать его структурно.

Обычная математическая индукция имеет форму:

P(1);

P(n) -> P(n+1);

следовательно, P(n) для всех n.

Бесконечный спуск имеет обратную архитектуру.

Предположим существование контрпримера Q(n).

Выберем минимальный.

Докажем:

Q(n) -> Q(m),

где:

m<n.

Но минимальность n запрещает Q(m).

Следовательно, Q(n) не существует.

Можно записать схематически:

восходящая индукция

база

воспроизводство истины вверх
= универсальность истины;

бесконечный спуск

минимальный предполагаемый контрпример

воспроизводство контрпримера вниз
= невозможность контрпримера.

Эти методы глубоко родственны.

Оба основаны на структуре натурального ряда.

Оба заменяют бесконечное множество отдельных проверок одним универсальным переходом.

Оба требуют замыкания.

И оба разрушаются, если следующий объект выходит из исследуемого класса.

Но для Теории метаиндукции бесконечный спуск содержит еще один чрезвычайно важный урок.

Он показывает, что контрпример также может быть объектом индукционного анализа.

Не только закон способен воспроизводиться.

Разрушитель тоже должен обладать механизмом воспроизводства.

Это прямо связано с Теорией разрушения закона.

Предположим, мы строим возможный разрушитель Метатеоремы Гольдбаха.

Недостаточно сказать:

когда-нибудь может появиться плохое число.

Для системного разрушения нужен класс:

N1,

N2,

N3,

…

который способен воспроизводить опасное свойство на неограниченно растущих масштабах.

То есть разрушитель должен иметь собственную динамику.

Собственную структуру.

Собственное замыкание.

С этой точки зрения программа Ферма оказывается удивительно современной.

Он не пытался только доказать утверждение непосредственно.

Он заставлял предполагаемый контрпример самому построить механизм собственного существования.

Если этот механизм приводил к невозможной бесконечной цепи, контрпример уничтожался.

Именно этот принцип будет затем развит в Метаорганоне значительно шире.

Для каждого претендующего на универсальность закона необходимо исследовать не только механизм продолжения самого закона, но и механизм возможного продолжения его разрушителя.

Если положительный режим обладает замыканием, а разрушительный — нет, доказательные состояния этих двух альтернатив принципиально различны.

Таким образом, Паскаль и Ферма представляют две фундаментальные архитектуры индукционного доказательства.

Паскаль показывает:

как структура воспроизводит истину при движении вверх.

Ферма показывает:

как предполагаемая ложность уничтожается невозможностью бесконечного самовоспроизводства вниз.

В будущем метаиндукционном доказательстве Метатеоремы Гольдбаха нам понадобятся обе идеи.

Нужно будет построить воспроизводимость положительного режима.

И одновременно попытаться построить воспроизводимый разрушительный режим.

Если первый замыкается, а второй требует все более сложной и в конечном счете неэксплицируемой перестройки системы, возникает уже не обычная индукция.

Возникает более сложная доказательная конфигурация, в которой положительное продолжение и отрицательный спуск исследуются одновременно.

Именно к такой конфигурации ведет историческая линия от Паскаля и Ферма к Теории метаиндукции.

*******

6 — Связь с теорией разрушения

Метод бесконечного спуска имеет для Теории метаиндукции еще одно значение, которое выходит далеко за пределы истории доказательства.

Ферма фактически предлагает исследовать не только утверждение, но и структуру его возможного разрушителя.

Предположим, требуется доказать универсальное утверждение T.

Классическая положительная стратегия пытается непосредственно установить T.

Спуск строит иную программу.

Предположим:

не-T.

Затем спросим:

какой математический объект должен существовать, если не-T истинно?

Какова его минимальная форма?

Как он воспроизводится?

Можно ли из одного разрушителя построить другой?

В какую сторону развивается эта последовательность?

И является ли такой процесс вообще совместимым со структурой исследуемого пространства?

В случае Ферма предполагаемый контрпример обязан был порождать меньший контрпример.

Получалась цепочка:

C₀ -> C₁ -> C₂ -> …

с параметрами:

m₀>m₁>m₂>…

Но натуральные числа не допускают бесконечной строго убывающей цепи.

Следовательно, разрушительный режим не замыкается.

Он уничтожает сам себя.

В Теории разрушения закона этот принцип получает более общий смысл.

Для всякого предполагаемого разрушителя R необходимо исследовать:

1 — условие его возникновения;

2 — минимальный объект R₀;

3 — способ воспроизводства;

4 — направление развития;

5 — необходимые предвестники;

6 — возможность бесконечного продолжения;

7 — цену сохранения разрушительного режима.

Контрпример к универсальному утверждению может существовать как единичный объект.

Но если речь идет о разрушении масштабного метазакона, этого часто недостаточно.

Требуется воспроизводимый разрушитель.

Например, чтобы разрушить Метатеорему Гольдбаха, недостаточно одного очень плохого четного числа на конечном масштабе.

Необходимо существование некоторого фиксированного K и бесконечной последовательности:

N₁<N₂<N₃<…

для которой:

G(N_j)<K.

Следовательно, отрицательная теория должна объяснить не только отдельный провал, но и механизм, способный воспроизводить такие провалы на неограниченно растущих масштабах.

Возникает своего рода обращенный ферматовский вопрос.

Ферма спрашивал:

может ли контрпример воспроизводиться вниз?

Мы будем спрашивать:

может ли разрушитель воспроизводиться вверх?

Если предполагаемый разрушительный механизм требует с каждым масштабом все более редкого сочетания условий, теряет собственные предвестники, нарушает другие независимо устойчивые законы и увеличивает координационную сложность, его доказательное состояние становится слабее.

И наоборот, если возникает ясное семейство объектов, способных последовательно создавать все более сильные нарушения, теория должна считать это серьезным сигналом смены режима.

Таким образом, бесконечный спуск содержит исторический прообраз одного из центральных принципов адверсарной метаиндукции:

необходимо исследовать не только способность закона воспроизводить себя, но и способность потенциального контрзакона воспроизводить собственное разрушительное состояние.

Универсальное утверждение и его отрицание тем самым превращаются в две конкурирующие динамические системы.

Положительная система строит механизм сохранения.

Отрицательная — механизм разрушения.

Именно сравнение их замкнутости становится одним из источников будущей оценки доказательной силы.

Глава 5. XVIII век

1 — Бернулли

XVIII век представляет особую эпоху в истории индукционного мышления.

К этому времени математика уже владела рекуррентными конструкциями, бесконечными рядами, биномиальными формулами и различными формами индукционного рассуждения. Но одновременно возник новый стиль исследования — чрезвычайно мощная экспериментальная работа с последовательностями, рядами, функциями и числовыми закономерностями.

Одной из переходных фигур между XVII и XVIII столетиями был Якоб Бернулли.

Бернулли умер в 1705 году, однако его важнейший труд Ars Conjectandi был опубликован посмертно в 1713 году и оказал существенное влияние именно на математику XVIII века. В нем появились, в частности, числа, впоследствии названные числами Бернулли, связанные с общими формулами сумм степеней натуральных чисел.

Рассмотрим последовательность задач:

1+2+…+n,

1²+2²+…+n²,

1³+2³+…+n³,

…

Для каждого показателя степени возникает своя формула.

Но за отдельными формулами постепенно обнаруживается более глубокая система.

Сумма k-х степеней первых n натуральных чисел оказывается полиномом по n степени k+1.

Числа Бернулли позволяют записывать эти полиномы в единой общей форме.

Это чрезвычайно важный исторический переход.

Математика перестает искать отдельное решение для каждого значения k и начинает искать генератор целого семейства решений.

Именно такой переход от частного закона к закону законов позднее станет центральным и для метаиндукции.

Якоб Бернулли важен также своей теоремой, ныне связанной с законом больших чисел. Его Ars Conjectandi рассматривает повторение случайных испытаний и показывает, что при достаточно большом числе испытаний относительная частота события с высокой вероятностью приближается к его вероятности.

Это уже другая форма перехода от конечного множества наблюдений к устойчивому режиму.

Разумеется, закон больших чисел является строгой вероятностной теоремой, а не метаиндукцией.

Но исторически он показывает, насколько разнообразными становятся способы математического исследования повторяемости.

2 — Эйлер

Если нужно выбрать фигуру, наиболее ярко выражающую исследовательский стиль XVIII века, ею будет Леонард Эйлер.

Масштаб его работы огромен.

Теория чисел.

Бесконечные ряды.

Анализ.

Дифференциальные уравнения.

Механика.

Комбинаторика.

Геометрия.

Теория графов.

Важен для нас не только объем результатов, но и стиль математического мышления.

Эйлер постоянно вычислял.

Сравнивал.

Экспериментировал.

Продолжал последовательности.

Разлагал функции в ряды.

Искал числовые совпадения.

Строил формальные аналогии.

А затем превращал наиболее устойчивые закономерности в общие математические конструкции.

Например, именно Эйлер сделал фундаментальные шаги в развитии производящих функций, превратив арифметические задачи о разбиениях чисел в задачи алгебраического обращения с бесконечными произведениями и рядами. Исторические обзоры связывают его работу с превращением отдельных комбинаторных задач в общую теорию через производящие функции.

В теории чисел Эйлер продолжил многие идеи Ферма и находился в активной переписке с Гольдбахом. Его исследования простых чисел, функции φ(n), дзета-функции и связи бесконечных рядов с произведениями по простым создали новые мосты между различными областями арифметики.

Для истории метаиндукции особенно интересно другое.

Эйлеровская математика показывает максимальную творческую силу экспериментального поиска — и одновременно его пределы.

3 — Рекуррентные тождества

XVIII век сделал рекуррентность одним из привычных инструментов математики.

Если величина на следующем шаге выражается через предыдущие значения, возникает отношение типа:

a_(n+1)=F(a_n,a_(n-1),…).

Такие отношения позволяют заменять исследование бесконечного множества объектов исследованием одного механизма их порождения.

Это уже близко к основному принципу индукции.

Но между рекуррентным определением и индукционным доказательством необходимо сохранять различие.

Рекурсия говорит:

как строится объект.

Индукция:

почему свойство сохраняется при таком построении.

Например, последовательность может определяться рекуррентно, но утверждение о ней еще необходимо доказать.

Если:

a_(n+1)=F(a_n),

то для свойства P требуется отдельно установить:

P(a_n) -> P(a_(n+1)).

В более сложных задачах следующий член зависит от нескольких предыдущих:

a_(n+1)=F(a_n,a_(n-1),…,a_(n-r)).

Тогда и индукционное состояние должно включать несколько компонентов.

Это исторически важный момент.

По мере усложнения рекуррентных систем математика неизбежно сталкивается с тем, что одиночная гипотеза P(n) бывает недостаточна.

Требуется сильная или составная индукция.

Именно здесь начинает постепенно возникать идея расширенного индукционного состояния.

4 — Экспериментальная математика Эйлера

Эйлер обладал необычайной способностью превращать конечный численный эксперимент в источник фундаментальных гипотез.

Один из наиболее известных примеров — Базельская задача:

1 + 1/2² + 1/3² + 1/4² + …

Численные вычисления показывали, что сумма сходится.

Но само значение долго оставалось неизвестным.

Эйлер в 1735 году получил знаменитый результат:

ζ(2)=π²/6,

а затем нашел формулы и для многих других четных значений дзета-функции.

Его путь включал формальные манипуляции, которые по стандартам позднейшего анализа не всегда обладали уже готовым строгим обоснованием.

Но именно экспериментальная смелость позволяла увидеть структуру раньше, чем возникал полностью развитый аппарат ее доказательства.

Это характерная черта истории математики.

Иногда последовательность этапов выглядит так:

численный эксперимент;

гипотеза;

формальная модель;

частичное доказательство;

уточнение понятий;

окончательное строгое доказательство.

Метаиндукция должна учитывать эту историческую логику.

Не все математическое знание рождается сразу в окончательной форме.

Однако необходимо строго различать состояние открытия и состояние доказательства.

Эйлер велик именно потому, что его экспериментальная математика породила огромное количество правильных структур.

Но история Эйлера показывает также, что даже величайшая способность видеть закономерность не делает конечную закономерность автоматически универсальной.

5 — Удачные закономерности

В истории науки естественно обращать особое внимание на закономерности, которые оказались правильными.

Именно они входят в учебники как теоремы.

Эйлеровская математика содержит множество блестящих примеров.

Связь дзета-функции с простыми числами через эйлерово произведение.

Формулы для ζ(2k).

Производящие функции.

Тождества теории разбиений.

Результаты о функции φ.

Многие закономерности сначала обнаруживались через вычисление, преобразование и аналогию, а затем получали все более строгий статус.

Успешные примеры создают соблазн сделать вывод:

если закономерность достаточно красива и подтверждается большим числом случаев, она, скорее всего, универсальна.

Но история математики именно здесь требует осторожности.

Мы помним успешные гипотезы потому, что они стали теоремами.

Неудачные закономерности часто исчезают из общего исторического повествования.

Из-за этого может возникать эффект ретроспективного отбора.

Кажется, что математическая интуиция почти всегда ведет к истине.

На самом деле история содержит большое количество чрезвычайно убедительных ложных продолжений.

Именно они имеют особое значение для Теории метаиндукции.

6 — Ложные продолжения

Один из самых знаменитых примеров связан с числами Ферма:

F_n=2^(2^n)+1.

Для первых значений:

F₀=3,

F₁=5,

F₂=17,

F₃=257,

F₄=65537,

все числа простые.

Пять последовательных случаев создают чрезвычайно сильное впечатление закономерности.

Ферма предположил, что все числа этого вида просты.

Но Эйлер показал, что:

F₅=2^32+1=4294967297

делится на 641.

Закономерность разрушилась уже на следующем неизвестном случае. Эйлер установил этот контрпример не позднее 1732 года.

Этот пример почти идеально демонстрирует опасность обобщающей индукции.

Пять случаев.

Очень красивая конструкция.

Очень простые числа.

Очень естественная гипотеза.

И полный провал на шестом шаге.

Еще более показателен пример собственной гипотезы Эйлера о суммах одинаковых степеней.

В XVIII веке Эйлер предположил, что для представления одной n-й степени как суммы n-х степеней требуется не менее n слагаемых.

В частности, сумма трех четвертых степеней не должна быть четвертой степенью, сумма четырех пятых степеней — пятой и так далее.

Гипотеза выдержала почти два столетия.

Но в 1966 году Ландер и Паркин при помощи компьютерного поиска нашли:

27^5+84^5+110^5+133^5=144^5.

Четырех пятых степеней оказалось достаточно для получения пятой степени.

Позднее были найдены и контрпримеры для четвертых степеней.

Это особенно сильный исторический урок.

Ложное продолжение способно пережить:

тысячи проверок;

столетия исследований;

работу выдающихся математиков;

и отсутствие известных контрпримеров.

Следовательно, сам по себе срок жизни гипотезы или размер проверенного массива не превращает ее в доказательство.

7 — Уроки для метаиндукции

XVIII век дает Теории метаиндукции несколько фундаментальных уроков.

Первый урок: эксперимент необходим

Без вычисления невозможно было бы открыть огромное число математических закономерностей.

Эксперимент не является противоположностью строгой математике.

Он является одним из важнейших источников гипотез.

Второй урок: число подтверждений само по себе недостаточно

Числа Ферма показывают, что даже исключительно чистая последовательность первых случаев может мгновенно разрушиться.

Следовательно:

N подтверждений

не эквивалентно

доказательству механизма продолжения.

Третий урок: красивый закон не обладает привилегией истинности

Эстетическая убедительность — важнейший эвристический ресурс математики.

Но она не заменяет доказательства.

Четвертый урок: необходимо изучать разрушителя

Гипотеза Ферма о простоте F_n выглядела особенно убедительно до тех пор, пока исследовательская программа была направлена преимущественно на подтверждение.

Эйлер изменил направление вопроса.

Не:

«является ли следующий член простым?»

А:

«можно ли найти его делитель?»

То есть перешел к адверсарной задаче.

Пятый урок: долговечность закона не равна замкнутости

Гипотеза Эйлера о суммах степеней прожила почти два столетия, но не имела механизма, исключающего контрпример.

В метаиндукционной терминологии ее доказательное состояние оставалось незамкнутым.

Шестой урок: вычислительная мощность меняет границу экспликации

Контрпример Ландера—Паркина был найден при помощи компьютера.

То, что десятилетиями или веками находилось за практической границей поиска, стало доступным после технологического расширения экспликации.

Это прямо подтверждает принцип исторической подвижности границы эксплицируемости.

Седьмой урок: метаиндукция обязана быть сильнее обычного продолжения ряда

Если новая теория будет говорить только:

«закономерность работала до X, следовательно, она будет работать дальше»,

она повторит старейшую ошибку эмпирического обобщения.

Поэтому необходимы:

несколько каналов;

экстремальный анализ;

прогноз;

поиск разрушителя;

контроль скрытых причин;

и метаинвариантное замыкание.

Именно XVIII век своей необычайной математической продуктивностью и своими знаменитыми ошибочными гипотезами особенно ясно показывает, зачем такой аппарат необходим.

Глава 6. Формализация индукции

1 — Натуральный ряд

Математическая индукция получает окончательную логическую ясность только тогда, когда сам натуральный ряд становится объектом аксиоматического исследования.

Интуитивно натуральные числа кажутся очевидными:

0, 1, 2, 3, 4, …

или, в другой традиции:

1, 2, 3, 4, …

Но для строгой теории необходимо определить, какие свойства делают некоторую систему именно системой натуральных чисел.

Особенно важны три отношения:

существование начального элемента;

существование операции следующего элемента;

замкнутость системы относительно этого перехода.

Индукция непосредственно связана с третьим свойством.

Если некоторое множество содержит начало натурального ряда и вместе с каждым элементом содержит его следующий элемент, то оно должно содержать весь натуральный ряд.

Именно эта идея позже получает аксиоматическую форму.

2 — Пеано

Современную аксиоматическую формулировку натуральных чисел обычно связывают с именем Джузеппе Пеано и его работой 1889 года.

Однако историческая картина несколько тоньше.

Рихард Дедекинд в 1888 году уже построил аксиоматическую теорию натурального ряда через понятие цепи и минимальной замкнутости относительно отображения-преемника. Современные историко-философские исследования поэтому часто говорят об аксиомах Дедекинда—Пеано; сам Пеано признавал приоритет Дедекинда.

В одной из привычных форм система Пеано содержит следующие идеи:

1 — существует начальное натуральное число;

2 — каждое натуральное число имеет преемника;

3 — начальное число не является преемником другого натурального числа;

4 — одинаковые преемники имеют одинаковые исходные числа;

5 — если множество содержит начальное число и вместе с каждым натуральным числом содержит его преемника, то оно содержит все натуральные числа.

Последний пункт является аксиомой индукции. В исторической версии Пеано исходным элементом служила 1; позднее широко распространилась версия с 0.

Здесь математическая индукция окончательно перестает быть просто удобным приемом.

Она становится фундаментальным свойством структуры натурального ряда.

3 — База

В формализованной индукции база приобретает точное логическое значение.

Пусть необходимо доказать утверждение:

P(n)

для всех натуральных n, начиная с n₀.

Первый этап:

P(n₀).

Это база.

Она подтверждает, что исследуемое свойство действительно присутствует в начальном элементе рассматриваемой индукционной цепи.

Если база отсутствует, универсального вывода нет.

Например, пусть доказано:

P(n) -> P(n+1).

Из одного этого еще не следует:

P(1),

P(2),

P(3),

…

Возможна совершенно пустая цепочка условий.

Переход сообщает только:

если свойство где-то имеется, оно продолжится.

База сообщает:

оно действительно имеется.

Следовательно, индукция соединяет две логически различные конструкции:

существование начального истинного состояния;

воспроизводимость этого состояния.

Именно их соединение создает универсальность.

4 — Переход

Второй компонент имеет форму:

для произвольного n>=n₀,

P(n) -> P(n+1).

Слово «произвольного» здесь принципиально.

Нельзя доказать переход:

1 -> 2,

2 -> 3,

3 -> 4

и считать этого достаточным.

Необходимо доказать общий механизм.

Именно поэтому n рассматривается как произвольный представитель натурального ряда.

Мы временно предполагаем:

P(n),

и доказываем:

P(n+1).

Такое предположение называется индукционным предположением.

Оно не является недоказанной гипотезой всей теоремы.

Это локальное условие логической импликации.

Структура перехода:

P(n) => P(n+1)

является сердцем метода.

Если она замкнута, никакого «прыжка через бесконечность» фактически не происходит.

Мы доказали универсальное правило, применимое на каждой конечной ступени.

5 — Полная индукция

Обычная, или полная, математическая индукция имеет каноническую схему:

1 — доказать P(n₀);

2 — доказать, что для каждого n>=n₀:

P(n) -> P(n+1);

3 — заключить, что P(n) истинно для всех n>=n₀.

Именно эту форму обычно имеют в виду под принципом математической индукции.

Ее удивительная сила заключается в отношении длины доказательства к области его действия.

Доказательство конечно.

Но утверждение относится к бесконечно многим объектам.

Это возможно потому, что вместо бесконечного числа случаев доказан один универсальный переход.

С точки зрения Метаорганона здесь возникает важнейший принцип:

бесконечность охватывается через замыкание операции.

Мы не проходим весь натуральный ряд.

Мы доказываем, что механизм перехода не имеет внутреннего места остановки.

6 — Сильная индукция

Иногда знания только P(n) недостаточно для доказательства P(n+1).

Может потребоваться информация обо всех предыдущих случаях:

P(n₀),

P(n₀+1),

…

P(n).

Тогда используется сильная индукция.

Ее переход имеет форму:

если P(k) истинно для всех:

n₀<=k<=n,

то истинно P(n+1).

После этого заключаем:

P(n)

для всех n>=n₀.

С логической точки зрения обычная и сильная индукция эквивалентны в стандартной арифметике, но доказательно они организуют информацию различным образом.

Это имеет важное значение для нашей темы.

Сильная индукция уже показывает:

следующее состояние может зависеть не от одной предыдущей точки, а от всей накопленной истории.

Например, при доказательствах существования разложения числа может потребоваться применять утверждение к некоторому меньшему числу, заранее неизвестно какому именно.

Тогда знание только случая n неудобно.

Нужно иметь весь диапазон меньших случаев.

В языке Теории метаиндукции сильная индукция является шагом от единичного состояния к состоянию с памятью.

7 — Взаимная индукция

Еще более интересная ситуация возникает, когда несколько утверждений зависят друг от друга.

Пусть имеются:

P(n),

Q(n).

Возможно, невозможно доказать:

P(n) -> P(n+1)

самостоятельно.

Но удается доказать:

P(n) и Q(n) -> P(n+1),

и одновременно:

P(n) и Q(n) -> Q(n+1).

Тогда нужно переносить пару:

S(n)={P(n),Q(n)}.

Это взаимная, или совместная, индукция.

Можно иметь и больше компонентов:

S(n)={P₁(n),P₂(n),…,P_m(n)}.

В справочной математической литературе подобные схемы рассматриваются как составная индукция: несколько утверждений доказываются одновременно, поскольку каждое требуется для переноса остальных.

Здесь особенно ясно виден прямой историко-логический переход к Теории метаиндукции.

Обычная индукция переносит одно свойство.

Взаимная индукция — систему свойств.

Следовательно, естественный следующий вопрос:

что делать, если переносимая система состоит не только из высказываний, но и из законов, параметров, экстремумов, прогнозов и условий разрушения?

Это уже территория метаиндукции.

8 — Структурная индукция

Классическая индукция не обязана быть привязана непосредственно к натуральным числам.

Если сложные объекты строятся рекурсивно из более простых, можно проводить индукцию по самой структуре объекта.

Это называется структурной индукцией.

Например, формулы некоторого формального языка могут определяться так:

1 — элементарные символы являются формулами;

2 — если A и B являются формулами, то определенные комбинации A и B также являются формулами.

Чтобы доказать некоторое свойство для всех формул, достаточно:

доказать его для элементарных формул;

а затем показать, что операции построения сохраняют свойство.

Это та же глубокая схема:

база + замкнутость относительно генераторов структуры.

Структурная индукция особенно важна для Метаорганона потому, что показывает: принцип индукции гораздо шире простого перехода:

n -> n+1.

Его истинная сущность состоит в другом.

Есть класс объектов.

Есть базовые объекты.

Есть операции порождения.

Если свойство истинно на базе и сохраняется всеми операциями порождения, оно истинно на всем рекурсивно построенном классе.

Именно здесь история математической индукции почти непосредственно выходит к метаиндукционной постановке.

В классической индукции:

объектом является натуральное число;

оператором — переход к преемнику.

В сильной индукции:

состояние содержит весь предшествующий диапазон.

Во взаимной:

переносится несколько свойств одновременно.

В структурной:

переход определяется уже не линейным номером, а архитектурой самого объекта.

Таким образом, развитие индукции постепенно расширяет то, что именно может быть носителем замыкания.

Один объект.

Несколько предыдущих объектов.

Система взаимосвязанных утверждений.

Рекурсивно построенная структура.

Следующий исторический и методологический шаг становится почти неизбежным:

переносить уже не отдельное свойство и даже не только структуру объекта, а состояние математической системы как целого.

Именно с этого места классическая история индукции начинает непосредственно переходить в предысторию Теории метаиндукции.

******

Глава 7. Индукция в теории чисел

1 — Делимость

Теория чисел является одной из естественных областей применения математической индукции.

Причина очевидна.

Ее основной объект — натуральный ряд, а многие свойства непосредственно связаны с переходом:

n -> n+1.

Но делимость показывает, что даже простейшие индукционные доказательства часто имеют более сложную внутреннюю структуру, чем это кажется на первый взгляд.

Рассмотрим классический пример:

для каждого натурального n число

n³-n

делится на 6.

Проверим базу:

1³-1=0,

следовательно, утверждение верно.

Предположим теперь:

n³-n

делится на 6.

Для следующего числа:

(n+1)³-(n+1)

=n³+3n²+3n+1-n-1

=(n³-n)+3n(n+1).

Первое слагаемое делится на 6 по индукционному предположению.

Второе:

3n(n+1)

также делится на 6, потому что произведение двух последовательных натуральных чисел четно.

Следовательно:

(n+1)³-(n+1)

делится на 6.

На первый взгляд здесь переносится только свойство:

P(n): 6 | (n³-n).

Но фактически доказательство использует еще одно универсальное утверждение:

среди n и n+1 одно число четно.

То есть индукционный переход зависит не только от P(n), но и от дополнительной арифметической структуры натурального ряда.

Это важный пример.

Даже когда формально записывается:

P(n) -> P(n+1),

реальный переход может использовать скрытый набор вспомогательных свойств.

Именно поэтому позднее нам понадобится понятие доказательного состояния.

2 — Факториальные оценки

Факториалы особенно естественно взаимодействуют с индукцией, поскольку сами определены рекуррентно:

(n+1)!=(n+1)n!.

Поэтому многие оценки факториала имеют почти готовый механизм перехода.

Например, если требуется доказать некоторое неравенство:

n! >= F(n),

то при переходе к n+1 получаем:

(n+1)!=(n+1)n!.

Если по индукционному предположению:

n! >= F(n),

то:

(n+1)! >= (n+1)F(n).

Остается доказать:

(n+1)F(n) >= F(n+1).

Таким образом, вся проблема сводится к согласованию двух рекуррентных структур:

факториала;

и функции F(n).

Это особенно показательно.

Индукционное доказательство оказывается возможным потому, что объект и его оценка обладают совместимой архитектурой перехода.

Именно подобная совместимость позже будет играть огромную роль в доказательствах, связанных с биномиальными коэффициентами и распределением простых чисел.

Факториальные оценки возникают, например, при изучении:

биномиальных коэффициентов;

произведений простых;

центральных коэффициентов;

ситовых оценок;

и различных асимптотических неравенств.

При этом индукционный шаг редко существует в полной изоляции.

Обычно нужны дополнительные оценки:

монотонность;

нижние или верхние границы;

сравнение соседних выражений;

контроль остаточного множителя.

То есть формально простой переход может фактически опираться на многокомпонентное доказательное состояние.

3 — Биномиальные коэффициенты

Биномиальные коэффициенты представляют один из наиболее совершенных классических объектов для индукции.

Они обладают сразу несколькими структурами.

Факториальной:

C(n,k)=n!/[k!(n-k)!].

Рекуррентной:

C(n+1,k)=C(n,k-1)+C(n,k).

Комбинаторной.

И арифметической.

Именно богатство этих представлений делает биномиальные коэффициенты исключительно мощным инструментом теории чисел.

Например, центральный коэффициент:

C(2n,n)

можно оценивать снизу через сумму всей строки биномиального разложения.

Поскольку:

2^(2n)=Σ C(2n,k),

наибольший коэффициент не может быть меньше среднего значения коэффициентов строки.

С другой стороны, факторизация:

C(2n,n)

содержит информацию о простых числах между n и 2n.

Именно здесь возникает знаменитая линия доказательств теоремы Бертрана.

Биномиальный коэффициент одновременно выступает:

как комбинаторный объект;

как аналитически оцениваемая величина;

как произведение простых множителей;

как носитель информации о распределении простых.

Это уже почти идеальный пример многокомпонентного состояния.

Для доказательства требуется не одна формула, а согласование нескольких представлений одного объекта.

Именно поэтому история теоремы Бертрана столь важна для будущего метаиндукционного анализа.

4 — Произведения простых

Произведения простых чисел — еще один естественный объект индукционного доказательства.

Пусть, например, вводится функция:

P(x)=∏_{p<=x} p,

где произведение берется по простым p.

Такая величина концентрирует в себе информацию о распределении простых чисел до x.

При переходе к большему диапазону произведение либо остается тем же, либо умножается на новые простые.

То есть его изменение связано непосредственно с появлением новых простых чисел.

Это делает произведения простых удобными для доказательств типа:

если простых в некотором интервале слишком мало, то произведение оказывается слишком маленьким или слишком большим относительно другой оцениваемой величины.

Так возникают доказательства через конфликт оценок.

Одна сторона дает нижнюю границу.

Другая — верхнюю.

Предположение об отсутствии простого в нужном интервале создает несовместимость.

Это типичная архитектура классической теории чисел.

Важно, что индукция здесь может проходить не по самому простому числу, а по сложной составной величине:

произведению всех простых до определенного масштаба.

То есть индукционным объектом становится уже агрегированное состояние.

5 — Рекуррентные последовательности

Теория чисел содержит множество последовательностей, задаваемых рекуррентно.

Наиболее известный пример:

F_(n+1)=F_n+F_(n-1),

последовательность Фибоначчи.

Но рекуррентный характер возникает во множестве других задач:

линейные рекуррентные последовательности;

цепные дроби;

последовательности остатков;

алгоритмические процессы;

диофантовы приближения;

итерации функций.

В таких случаях естественно доказывать свойства с помощью сильной или взаимной индукции.

Пусть следующее значение зависит от двух предыдущих.

Тогда одиночное свойство P(n) может оказаться недостаточным.

Нужно знать:

P(n)

P(n-1).

Или даже несколько различных свойств:

P(n),

Q(n).

Таким образом, состояние принимает форму:

S(n)={P(n),P(n-1),Q(n),…}.

Это особенно важно методологически.

Классическая теория чисел сама показывает, что понятие «индукционное предположение» часто является лишь сокращением.

Реальный переносимый объект может быть гораздо шире.

6 — Минимальный контрпример

Метод минимального контрпримера занимает в теории чисел особое место.

Он основан на принципе хорошей упорядоченности натуральных чисел.

Предположим, необходимо доказать утверждение:

P(n)

для всех натуральных n.

Предположим противное.

Тогда множество контрпримеров:

C={n : P(n) ложно}

непусто.

Следовательно, существует минимальный элемент:

m=min C.

Теперь все меньшие числа:

1,2,…,m-1

удовлетворяют P.

Если из истинности P для меньших значений можно вывести P(m), возникает противоречие.

Этот метод логически тесно связан с сильной индукцией.

Сильная индукция утверждает:

если все предыдущие случаи истинны, то истинен следующий.

Метод минимального контрпримера утверждает:

если существует первый ложный случай, все предыдущие истинны, а значит сам первый ложный случай невозможно построить.

Это две стороны одной структуры.

Для Теории метаиндукции этот метод особенно интересен потому, что переносит внимание с положительного утверждения на архитектуру возможного разрушителя.

Контрпример должен не просто существовать.

Он должен быть способен стать первым объектом нового режима.

Поэтому возникает вопрос:

какие свойства должен иметь минимальный разрушитель?

Что должно измениться непосредственно перед ним?

Какие прежние законы он обязан нарушить?

И может ли такой объект возникнуть без предвестников?

Эти вопросы прямо переходят в будущую теорию адверсарной метаиндукции.

7 — Скрытое многокомпонентное состояние

Главный методологический вывод из индукции в теории чисел состоит в следующем.

Формальная запись:

P(n) -> P(n+1)

часто значительно упрощает реальную архитектуру доказательства.

Переход может использовать:

лемму о делимости;

оценку факториала;

свойство биномиального коэффициента;

оценку произведения простых;

монотонность вспомогательной функции;

сильное индукционное предположение;

конечную базовую проверку.

То есть реально работает состояние:

S(n)={
P(n),
L1(n),
L2(n),
…
Lm(n)
}.

Некоторые Li могут даже не зависеть непосредственно от n.

Они могут быть общими теоремами, постоянно доступными в доказательстве.

Другие должны воспроизводиться при каждом шаге.

Именно поэтому классическое доказательство полезно анализировать не только по внешней форме, но и по внутренней структуре.

Если все необходимые компоненты воспроизводятся, доказательство замкнуто.

Если один важный компонент поступает извне и не контролируется при переходе, возникает скрытая зависимость.

В большинстве классических строгих доказательств эта зависимость снимается отдельной леммой.

Но сама необходимость таких лемм показывает:

реальный объект индукционного переноса часто шире формулировки основной теоремы.

Это один из прямых исторических мостов к метаиндукции.

Глава 8. Метаиндукционный аудит классических доказательств

1 — Что переносится реально

Классическое доказательство обычно формулируется через основное утверждение:

P(n).

Но для метаиндукционного аудита этого недостаточно.

Нужно спросить:

что именно должно сохраниться, чтобы шаг действительно сработал?

Рассмотрим условную схему.

Доказывается:

P(n) -> P(n+1).

Но внутри доказательства используются:

A(n);

B(n);

лемма L;

неравенство Q(n);

структурное свойство R(n).

Тогда реальное состояние можно записать:

S(n)={P(n),A(n),B(n),Q(n),R(n);L}.

Возможно, часть этих компонентов автоматически следует из определения.

Другие являются внешними теоремами.

Третьи сами требуют индукционного переноса.

Метаиндукционный аудит реконструирует это состояние.

Его задача — показать не внешнюю форму доказательства, а реальный механизм воспроизводства.

Это чрезвычайно полезно даже для классической математики.

Потому что два доказательства одной теоремы могут иметь совершенно различную внутреннюю архитектуру.

Одно — одномерную.

Другое — многокомпонентную.

Одно — локальную.

Другое — глобальную.

Именно такие различия особенно интересны с точки зрения Метаорганона.

2 — Какие компоненты остаются скрытыми

Скрытыми компонентами будем называть те элементы доказательства, без которых переход невозможен, но которые не входят в явную формулировку индукционного предположения.

Например, доказательство может молчаливо использовать:

положительность;

целочисленность;

монотонность;

взаимную простоту;

порядок величин;

структуру факторизации;

существование минимального элемента;

предыдущие случаи сильной индукции.

Часто это совершенно корректно.

Математик просто не повторяет каждый раз очевидные свойства.

Но для анализа архитектуры доказательства их необходимо восстановить.

Почему?

Потому что именно скрытые компоненты показывают, насколько богатым является реальный переход.

Если утверждение выглядит одномерным, но на самом деле требует десяти дополнительных свойств, его естественная индукционная единица — не P(n), а расширенное состояние S(n).

В Теории метаиндукции этот вопрос приобретает фундаментальное значение.

Если состояние определено слишком узко, следующий масштаб может показаться необъяснимым.

Если восстановить все реально работающие компоненты, переход становится замкнутым.

3 — Вспомогательные леммы как элементы состояния

Классическая математика обычно рассматривает лемму как отдельное утверждение, помогающее доказать теорему.

С точки зрения метаиндукционного аудита лемма может рассматриваться как компонент доказательного состояния.

Пусть теорема T зависит от лемм:

L1,

L2,

L3.

Тогда доказательное состояние имеет форму:

D={T,L1,L2,L3}.

Но леммы могут иметь различный статус.

Постоянная лемма

Она доказана глобально и доступна на всех шагах.

Масштабная лемма

Ее нужно проверять или воспроизводить при изменении n.

Условная лемма

Она действует только при определенных ограничениях.

Переходная лемма

Она непосредственно обеспечивает переход между состояниями.

Именно последний тип особенно интересен.

В будущем метаиндукционном доказательстве роль таких лемм могут выполнять:

законы нижнего слоя;

законы масштабной нормировки;

законы экстремальных классов;

законы прогнозной устойчивости.

То есть классическая идея вспомогательной леммы естественно расширяется до идеи вспомогательного метазакона.

4 — Замкнутые доказательства

Назовем классическое доказательство замкнутым, если все компоненты, необходимые для следующего шага, либо:

уже являются глобально доказанными;

либо воспроизводятся самим индукционным переходом.

Пусть состояние:

S(n)={X1(n),X2(n),…,Xm(n)}.

Если из S(n) можно вывести:

S(n+1),

то система замкнута.

В строгой математической индукции такое замыкание обеспечивает универсальность результата.

Не требуется новых внешних данных на каждом шаге.

Не требуется угадывать следующую структуру.

Не требуется пересматривать основные условия.

Замкнутый переход содержит механизм собственного продолжения.

Это фундаментальный идеал любой индукционной системы.

В дальнейшем он будет перенесен на метаиндукцию.

Там вопрос станет сложнее:

может ли масштабное состояние M(X) воспроизводить метаинвариантное ядро на M(cX)?

Но принцип останется тем же.

5 — Незамкнутые схемы

Незамкнутой назовем схему, в которой переход к следующему шагу требует новой информации, не содержащейся в предыдущем состоянии и не получаемой из общих доказанных законов.

Например:

для каждого n наблюдается P(n);

но способ получить P(n+1) неизвестен.

Или:

формула работает на всех проверенных значениях;

но следующая точка вычисляется независимо.

Или:

для каждого нового масштаба требуется заново подбирать параметры.

Или:

новое исключение устраняется новой специальной поправкой.

Это уже не замкнутая индукция.

Это последовательность локальных приспособлений.

Такая схема может быть очень успешной эмпирически.

Она может работать на миллионах случаев.

Но доказательная структура остается открытой.

Для Метатеоремы Гольдбаха это различие принципиально.

Если каждый новый масштаб требует новой аппроксимации, нового списка исключений и нового набора специальных поправок, большой метаиндукции нет.

Если же один и тот же тип состояния воспроизводится без качественного усложнения, ситуация принципиально иная.

Именно поэтому в нашей вычислительной программе будет отслеживаться не только качество моделей, но и сложность их продолжения.

Рост сложности может быть предвестником незамкнутости.

Стабилизация — признаком режима.

6 — Условия перехода к метаиндукции

Метаиндукция становится необходимой не тогда, когда классическая индукция «плоха», а тогда, когда естественный объект переноса выходит за пределы одного классического свойства.

Можно выделить несколько условий.

Первое условие — первичное свойство не замыкается

P(n) недостаточно для P(n+1).

Нужно расширенное состояние.

Второе условие — изменяется сам масштаб

Переход имеет форму не:

n -> n+1,

а, например:

X -> cX.

То есть следующий объект включает качественно новую область.

Третье условие — параметры дрейфуют

Следующее состояние не совпадает с предыдущим даже в нормированной форме, но может сохранять структурный режим.

Четвертое условие — доказательство многоканально

Необходимо переносить:

динамику;

экстремумы;

арифметические классы;

прогноз;

разрушителей.

Пятое условие — требуется условное тождество

Строгое повторение невозможно.

Нужно определить, какие изменения допустимы без смены режима.

Шестое условие — разрушитель также должен исследоваться динамически

Универсальный вывод зависит не только от положительного воспроизводства, но и от невозможности или возрастающей структурной стоимости альтернативного режима.

Седьмое условие — объектом становится доказательное состояние

Переносится уже не одно математическое свойство.

Переносится система знания об объекте.

Именно при выполнении этих условий классическая индукционная логика естественно расширяется до метаиндукционной.

Историческая линия теперь становится ясной.

Античность дала переход от частного к общему и идею потенциальной бесконечности.

Ал-Караджи и ал-Самаваль — ранние формы рекуррентного переноса.

Паскаль — явное восходящее замыкание.

Ферма — нисходящее уничтожение контрпримера.

XVIII век — огромную экспериментальную силу и одновременно уроки ложных продолжений.

Пеано и классическая логика — строгую аксиоматизацию.

Теория чисел — множество примеров скрытых многокомпонентных состояний.

Теперь следующий шаг состоит в том, чтобы сделать объектом переноса уже не отдельное свойство, а целую масштабно развивающуюся математическую систему.

Именно здесь заканчивается история классического индукционного доказательства как предыстория.

И начинается собственно Теория метаиндукции.

*******

ЧАСТЬ III. КЛАССИЧЕСКАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. Простые и составные числа

1 — Делимость

Классическая теория простых чисел начинается не с простого числа, а с более фундаментального отношения — делимости.

Пусть a и b — целые числа, причем a≠0.

Говорят, что a делит b, если существует целое число k такое, что:

b=ak.

Это отношение обозначается:

a | b.

Если такого целого k не существует, пишут:

a ∤ b.

Например:

3 | 12,

поскольку:

12=3·4.

Также:

5 ∤ 12,

поскольку не существует целого k, для которого:

12=5k.

Отношение делимости кажется элементарным, но именно из него вырастает почти вся классическая арифметическая структура натурального ряда.

Через делимость определяются:

простые числа;

составные числа;

делители;

кратные;

наибольший общий делитель;

взаимная простота;

простая факторизация;

арифметические функции;

и многие классы чисел, которые позднее станут объектами экстрактивной математики.

У делимости имеется несколько базовых свойств.

Рефлексивность

Для любого ненулевого целого a:

a | a,

поскольку:

a=a·1.

Транзитивность

Если:

a | b

и:

b | c,

то:

a | c.

Действительно, если:

b=ak

и:

c=bl,

то:

c=a(kl).

Совместимость со сложением

Если:

a | b

и:

a | c,

то:

a | (b+c)

и:

a | (b-c).

Совместимость с умножением

Если:

a | b,

то для любого целого c:

a | bc.

Эти простые правила образуют арифметический язык, в котором позднее формулируются значительно более глубокие утверждения.

Особенно важно, что делимость создает внутреннюю структуру натурального числа.

Число перестает рассматриваться только как положение в ряду:

1,2,3,4,…

Оно начинает рассматриваться как объект, содержащий определенную систему множителей.

Именно эта внутренняя структура в дальнейшем окажется фундаментальной не только для теории простых, но и для будущей классификации различных арифметических миров.

2 — Простое число

Натуральное число p>1 называется простым, если его положительными делителями являются только:

Например:

11,

13,

17,

19,

23,

— простые числа.

Число 2 является особым.

Это единственное четное простое число.

Любое другое четное число больше 2 делится на 2 и поэтому составно.

Простые числа образуют последовательность:

2,3,5,7,11,13,17,19,23,29,31,…

которая не обладает простым локальным законом следующего члена.

Из знания нескольких предыдущих простых чисел невозможно непосредственной элементарной рекурсией получить следующее.

Чтобы определить, является ли число простым, необходимо исследовать его делимость либо использовать более совершенный критерий простоты.

Это обстоятельство позднее станет одним из источников идеи структурно-извлекаемых последовательностей.

Но в классической арифметике главное значение простых чисел состоит в другом.

Они являются неделимыми элементами мультипликативной структуры натурального ряда.

Если рассматривать умножение как операцию построения чисел, простые являются теми натуральными числами, которые уже нельзя нетривиально разложить на меньшие натуральные множители.

Именно поэтому их часто называют арифметическими или мультипликативными атомами.

Это сравнение полезно, если помнить его предел.

Простое число не является физическим атомом.

Но относительно операции умножения оно играет сходную структурную роль:

из простых множителей строятся все натуральные числа больше единицы.

3 — Составное число

Натуральное число n>1 называется составным, если оно имеет положительный делитель, отличный от 1 и n.

Эквивалентно:

n составно, если существуют натуральные числа a и b такие, что:

1<a<n,

1<b<n

и:

n=ab.

Например:

4=2·2,

6=2·3,

8=2·4,

9=3·3,

10=2·5,

12=3·4.

Все эти числа составные.

Таким образом, натуральные числа больше единицы разделяются на два непересекающихся класса:

простые;

составные.

Число 1 не принадлежит ни к одному из этих классов.

Это принципиально важно.

Иногда на ранних этапах истории математики единицу включали в число простых, но современная арифметическая теория исключает ее из этого класса.

Причина становится особенно ясной в основной теореме арифметики.

Если бы 1 считалась простым числом, разложение:

6=2·3

можно было бы бесконечно переписывать:

6=1·2·3,

6=1·1·2·3,

6=1·1·1·2·3,

…

и единственность простой факторизации потребовала бы специальных оговорок.

Исключение 1 делает структуру чистой.

Но для дальнейшей программы настоящей книги особенно важно не допустить другой крайности.

Тот факт, что составное число строится из простых, не означает, что составные числа математически второстепенны.

Напротив.

Как только простые множители соединяются, возникают новые структурные свойства:

количество множителей;

их кратности;

соотношения между ними;

размеры;

расстояния;

формы факторизации;

различные симметрии.

Именно эти свойства создают разнообразие мира составных чисел.

4 — Делители

Положительным делителем натурального числа n называется натуральное число d, для которого:

d | n.

Например, положительные делители числа 12:

1,2,3,4,6,12.

Для числа 13:

1,13.

Поэтому 13 простое.

Количество делителей уже само по себе является содержательной характеристикой числа.

Обозначим число положительных делителей через:

τ(n).

Если:

n=p₁^a₁ p₂^a₂ … p_r^a_r,

где p₁,…,p_r — различные простые числа, то:

τ(n)=(a₁+1)(a₂+1)…(a_r+1).

Например:

12=2²·3.

Следовательно:

τ(12)=(2+1)(1+1)=6.

И действительно, у 12 шесть положительных делителей.

У числа:

72=2³·3²

их:

τ(72)=(3+1)(2+1)=12.

Уже здесь появляется важная тема настоящего многотомника.

Различные числа обладают различными профилями внутренней структуры.

Числа:

12=2²·3

и:

18=2·3²

имеют одинаковое число простых множителей с учетом кратности и одинаковое число делителей, но обладают различной факторизационной геометрией.

Числа:

16=2⁴

и:

36=2²·3²

оба составные, но структурно принадлежат к совершенно разным типам.

Классическая теория часто использует подобные различия для решения конкретных задач.

Экстрактивная математика в дальнейшем сделает следующий шаг:

начнет рассматривать сами такие типы как самостоятельные пространства исследования.

5 — Наибольший общий делитель

Пусть a и b — натуральные числа.

Наибольшим общим делителем a и b называется наибольшее натуральное число d, которое делит одновременно a и b.

Обозначение:

gcd(a,b)

или:

НОД(a,b).

Например:

gcd(12,18)=6.

Общие положительные делители 12 и 18:

1,2,3,6.

Наибольший из них — 6.

Если:

gcd(a,b)=1,

числа называются взаимно простыми.

Например:

8 и 15

взаимно просты, хотя каждое из них составно.

Это важное уточнение.

Взаимная простота означает не то, что сами числа простые, а то, что они не имеют общего простого множителя.

Наибольший общий делитель вычисляется эффективным алгоритмом Евклида.

Пусть:

a>b>0.

Делим a на b:

a=bq+r,

где:

0<=r<b.

Тогда:

gcd(a,b)=gcd(b,r).

Процесс повторяется до получения нулевого остатка.

Например:

gcd(252,105).

Имеем:

252=2·105+42,

105=2·42+21,

42=2·21.

Следовательно:

gcd(252,105)=21.

Алгоритм Евклида представляет один из древнейших и наиболее совершенных примеров рекуррентного вычислительного процесса.

При каждом шаге задача заменяется меньшей задачей того же типа:

(a,b) -> (b,r).

Поэтому он интересен не только арифметически, но и методологически.

Это замкнутый процесс уменьшения состояния — древний родственник тех индукционных и рекуррентных конструкций, которые рассматривались в предыдущей части.

6 — Лемма Евклида

Одной из фундаментальных теорем классической арифметики является лемма Евклида.

Лемма Евклида.

Если p — простое число и:

p | ab,

то:

p | a

или:

p | b.

Это свойство принципиально отличает простые числа от произвольных составных делителей.

Например:

6 | 2·3,

но:

6 ∤ 2

и:

6 ∤ 3.

Следовательно, соответствующее утверждение для произвольного составного числа неверно.

Рассмотрим доказательство.

Пусть:

p | ab.

Если:

p | a,

все доказано.

Предположим:

p ∤ a.

Поскольку p простое, его единственные положительные делители — 1 и p.

Следовательно:

gcd(p,a)=1.

По тождеству Безу существуют целые x и y такие, что:

px+ay=1.

Умножим на b:

pbx+aby=b.

Но p делит:

pbx

и по условию делит:

aby,

поскольку p | ab.

Следовательно:

p | b.

Лемма доказана.

Из нее немедленно следует обобщение.

Если простое p делит произведение:

a₁a₂…a_m,

то p делит хотя бы один из множителей.

Это утверждение является одним из ключей к единственности простой факторизации.

Без леммы Евклида основная теорема арифметики теряет свой главный механизм.

Поэтому путь от понятия простого числа к уникальной структуре натурального ряда проходит именно через делимость.

7 — Примеры

Рассмотрим несколько чисел, чтобы увидеть, насколько быстро простые определения начинают образовывать различные структурные типы.

Число 2

Простое.

Делители:

1,2.

Число 4

4=2².

Составное.

Один различный простой множитель, но два простых множителя с учетом кратности.

Число 6

6=2·3.

Произведение двух различных простых.

Число 8

8=2³.

Один простой тип множителя с кратностью 3.

Число 12

12=2²·3.

Два различных простых множителя.

Всего три простых множителя с учетом кратности.

Число 30

30=2·3·5.

Три различных простых множителя и три множителя с учетом кратности.

Число 36

36=2²·3².

Четыре простых множителя с учетом кратности, но только два различных.

Число 210

210=2·3·5·7.

Четыре различных простых множителя.

Эти примеры показывают, что простое различие:

простое / составное

является только первым уровнем классификации.

Внутри составных чисел существует огромная система типов.

Число может быть:

квадратом простого;

произведением двух различных простых;

кубом простого;

произведением трех простых;

произведением нескольких простых с различными кратностями.

Классическая арифметика знает и активно использует эти различия.

Но в дальнейшем мы поставим более широкий вопрос:

что произойдет, если каждый такой тип начать исследовать как самостоятельный математический мир?

Ответ начинается с основной теоремы арифметики.

Глава 2. Основная теорема арифметики

1 — Разложение на простые множители

Рассмотрим натуральное число:

n>1.

Если n простое, его факторизация уже завершена.

Если n составное, существуют:

a,b

такие что:

n=ab,

где:

1<a<n,

1<b<n.

Если a или b составны, их снова можно разложить.

Например:

60=6·10

=2·3·2·5

=2²·3·5.

Или другим путем:

60=4·15

=2²·3·5.

Или:

60=12·5

=2²·3·5.

Путь разложения может быть различным.

Конечный набор простых множителей оказывается одним и тем же.

Именно это фундаментальное обстоятельство выражает основная теорема арифметики.

В канонической форме любое натуральное число n>1 может быть записано:

n=p₁^a₁ p₂^a₂ … p_r^a_r,

где:

p₁<p₂<…<p_r

— различные простые числа,

а:

a₁,a₂,…,a_r

— положительные целые показатели.

Эта запись называется каноническим разложением числа на простые множители.

2 — Существование разложения

Первая часть основной теоремы утверждает:

каждое натуральное число n>1 может быть представлено произведением простых чисел.

Докажем это сильной индукцией.

База

Число 2 простое.

Следовательно, оно уже является произведением простых — произведением из одного множителя.

Индукционное предположение

Предположим, что каждое натуральное число m, удовлетворяющее:

2<=m<n,

может быть разложено на простые множители.

Переход

Рассмотрим n.

Если n простое, разложение существует.

Если n составное, то:

n=ab,

где:

1<a<n,

1<b<n.

По сильному индукционному предположению a и b имеют разложения на простые множители.

Следовательно, их произведение n также является произведением простых.

Таким образом, разложение существует для любого:

n>1.

Это доказательство особенно интересно в контексте предыдущей части книги.

Здесь используется не обычная индукция:

P(n) -> P(n+1),

а сильная индукция.

Для разложения n необходимо обратиться не обязательно к n-1, а к двум произвольным меньшим числам a и b.

Следовательно, доказательное состояние содержит весь уже освоенный диапазон:

2,…,n-1.

Это классический пример того, как структура объекта определяет структуру индукции.

3 — Единственность

Существование разложения само по себе недостаточно.

Главное фундаментальное утверждение состоит в том, что простая факторизация единственна с точностью до порядка множителей.

Предположим, что число n имеет два разложения:

n=p₁p₂…p_r

и:

n=q₁q₂…q_s,

где все p_i и q_j простые.

Возьмем p₁.

Поскольку:

p₁ | q₁q₂…q_s,

по лемме Евклида p₁ должен делить хотя бы один q_j.

Но q_j простое.

Следовательно:

p₁=q_j.

Переставим множители так, чтобы:

p₁=q₁.

Сократим их.

Получаем:

p₂…p_r=q₂…q_s.

Повторяя рассуждение, последовательно получаем совпадение всех простых множителей.

Следовательно:

r=s,

и после перестановки:

p_i=q_i

для каждого i.

Таким образом, разложение уникально.

Эта теорема является фундаментальной не потому, что сообщает удобный способ записывать числа.

Она утверждает нечто значительно более глубокое:

каждое натуральное число обладает однозначно определенной мультипликативной внутренней структурой.

Именно поэтому факторизация может служить объективной основой классификации числовых миров.

4 — Кратности

Простой множитель может входить в факторизацию несколько раз.

Например:

72=2³·3².

Говорят, что 2 входит с кратностью 3, а 3 — с кратностью 2.

Кратность простого p в числе n можно обозначить:

v_p(n).

В нашем примере:

v_2(72)=3,

v_3(72)=2,

а:

v_5(72)=0.

Функции v_p(n) чрезвычайно важны.

Они фактически задают число через бесконечный вектор:

(v_2(n),v_3(n),v_5(n),v_7(n),…),

в котором лишь конечное число координат ненулевые.

Например:

соответствует:

(3,2,0,0,0,…).

Число:

75=3·5²

соответствует:

(0,1,2,0,0,…).

Так обычное натуральное число получает новое представление:

не как точка на линейной оси,

а как конечный вектор простых кратностей.

Это уже другой способ видеть числовой мир.

Позднее именно подобные альтернативные системы координат окажутся чрезвычайно важными для экстрактивной математики.

5 — Показатели степеней

Пусть:

n=p₁^a₁ p₂^a₂ … p_r^a_r.

Тогда набор:

(a₁,a₂,…,a_r)

содержит важную информацию о типе числа.

Например:

12=2²·3

имеет профиль показателей:

(2,1).

18=2·3²

также имеет профиль:

(2,1),

если порядок самих простых множителей не учитывать.

20=2²·5

тоже относится к тому же типу.

Числа совершенно различны по величине и конкретным простым множителям, но структура их кратностей одинакова.

Другой тип:

30=2·3·5

имеет профиль:

(1,1,1).

Число:

210=2·3·5·7

имеет:

(1,1,1,1).

Число:

16=2⁴

имеет:

(4).

Число:

36=2²·3²

имеет:

(2,2).

Следовательно, показатели степеней создают естественную классификацию чисел независимо от конкретных значений простых оснований.

Это чрезвычайно мощная идея.

Она позволяет изучать не только конкретные числа, но и типы факторизационной структуры.

6 — Факторизационный профиль

Будем называть факторизационным профилем числа совокупность характеристик его разложения на простые множители.

В простейшей форме профиль может включать:

конкретные простые множители;

их кратности;

число различных простых множителей;

общее число простых множителей с учетом кратности;

наименьший простой множитель;

наибольший простой множитель;

отношения между множителями;

структуру показателей степеней.

Для этой цели классическая теория чисел уже содержит две особенно важные функции.

Функция ω(n)

Число различных простых делителей n.

Например:

12=2²·3,

поэтому:

ω(12)=2.

Для:

30=2·3·5:

ω(30)=3.

Функция Ω(n)

Общее количество простых множителей с учетом кратности.

Для 12:

Ω(12)=3,

поскольку:

12=2·2·3.

Для 30:

Ω(30)=3.

Для 16:

Ω(16)=4.

Эти две функции уже показывают, насколько различной может быть внутренняя структура чисел.

Например:

12 и 30

имеют одинаковое значение Ω:

Ω(12)=Ω(30)=3,

но:

ω(12)=2,

ω(30)=3.

Следовательно, даже классификация по общему количеству простых множителей является только первым уровнем.

Факторизационный профиль может быть значительно богаче.

Именно это обстоятельство будет иметь принципиальное значение для будущей программы «Метаиндуктум».

7 — Простые как мультипликативные атомы

Основная теорема арифметики дает строгий смысл утверждению о простых числах как мультипликативных атомах.

Любое натуральное:

n>1

может быть построено из простых множителей.

Причем построено единственным образом с точностью до их порядка.

В этом смысле простые обладают особым фундаментальным статусом.

Они являются базовыми элементами мультипликативной архитектуры натуральных чисел.

Из:

11,

…

посредством умножения строится весь натуральный ряд больше единицы.

Но из этого нельзя сделать вывод, что исследование простых исчерпывает теорию чисел.

Можно провести аналогию.

Буквы являются базовыми элементами письменного языка.

Но теория букв не исчерпывает теорию слов.

А слова не исчерпывают синтаксис.

А синтаксис — семантику.

Так же и простые числа.

Они фундаментальны как элементы разложения.

Но комбинации простых создают структуры более высоких уровней.

Поэтому фундаментальность простых должна пониматься как генеративная фундаментальность, а не как утверждение о большей математической ценности всех объектов класса Ω(n)=1 по сравнению с другими классами.

Это различие принципиально для дальнейшего развития книги.

8 — Составные числа как самостоятельные структурные миры

Основная теорема арифметики обычно используется для того, чтобы подчеркнуть фундаментальность простых чисел.

В настоящей работе мы хотим обратить внимание и на вторую сторону той же теоремы.

Если каждое число обладает единственным факторизационным составом, то натуральный ряд можно рассматривать как совокупность огромного количества объективно определенных структурных классов.

Самый простой уровень классификации задается функцией Ω(n).

Мир Ω(n)=1

Это простые числа.

Мир Ω(n)=2

Числа, имеющие два простых множителя с учетом кратности.

Например:

4=2²,

6=2·3,

9=3²,

10=2·5,

14=2·7,

15=3·5.

Этот класс обычно называют полупростыми числами.

Но уже внутри него существуют два разных типа:

p²

и:

pq, p≠q.

Мир Ω(n)=3

Например:

8=2³,

12=2²·3,

18=2·3²,

30=2·3·5.

Здесь возникают уже три различных типа факторизационного профиля:

(3),

(2,1),

(1,1,1).

Мир Ω(n)=4

Возможны профили:

(4),

(3,1),

(2,2),

(2,1,1),

(1,1,1,1).

По мере роста k число возможных факторизационных типов увеличивается.

Следовательно, класс:

Ω(n)=k

сам не является однородным.

Он распадается на подмиры.

Далее можно классифицировать числа по:

ω(n);

профилю показателей степеней;

размеру наименьшего простого множителя;

размеру наибольшего множителя;

отношению между крайними множителями;

распределению простых факторов;

остаточным классам этих факторов;

и множеству других признаков.

Так из основной теоремы арифметики возникает потенциально огромная карта арифметических миров.

И здесь появляется один из центральных вопросов будущей экстрактивной математики:

почему теория чисел должна ограничивать наиболее интенсивное структурное исследование только миром Ω(n)=1?

Простые фундаментальны.

Но полупростые имеют собственную структуру.

Трехсоставные — собственную.

k-составные — собственную.

Каждый класс обладает:

распределением;

плотностью;

промежутками;

экстремумами;

аддитивными представлениями;

мультипликативными отношениями;

структурно-извлекаемыми последовательностями.

Можно спрашивать:

как распределены полупростые?

Какие четные числа являются суммой двух полупростых?

Сколько таких представлений существует?

Какова нижняя гарантия?

Существуют ли аналоги A(K), B(K), V(K), H(V)?

Какие законы действуют при переходе:

Ω=1 -> Ω=2 -> Ω=3 -> …?

Существует ли межструктурное условное тождество этих миров?

Можно ли построить метаиндукцию не только по масштабу X, но и по уровню состава k?

Это уже существенно более широкая исследовательская программа, чем классическая теория простых чисел.

Простые числа в ней остаются первым и фундаментальным миром.

Но не единственным.

В этом смысле основная теорема арифметики приобретает для настоящего многотомника второй смысл.

Классический смысл:

все натуральные числа единственным образом строятся из простых.

Новый исследовательский вывод:

эта уникальная факторизация создает естественную систему арифметических миров, каждый из которых может стать самостоятельным объектом экстрактивной и метаиндуктивной математики.

Именно поэтому Метагольдбах, основанный на мире простых чисел, действительно является только первым входом.

За ним начинается значительно более обширная территория.

******

Глава 3. Теорема Евклида о бесконечности простых

1 — Постановка

Одной из фундаментальных теорем всей теории чисел является утверждение Евклида:

простых чисел бесконечно много.

Это утверждение выглядит почти очевидным, если наблюдать последовательность:

2, 3, 5, 7, 11, 13, 17, 19, 23, …

Но никакое конечное продолжение такой последовательности само по себе не доказывает ее бесконечность.

Можно выписать тысячу простых.

Миллион.

Триллион.

Всегда остается логически возможным предположение, что после некоторого чрезвычайно большого числа новых простых больше не существует.

Поэтому задача состоит не в том, чтобы находить все новые и новые простые числа.

Нужно доказать принципиальную невозможность существования последнего простого.

Именно это сделал Евклид.

Его доказательство представляет один из величайших образцов математической экономии.

Никакие сведения о плотности простых не требуются.

Не нужны асимптотические формулы.

Не нужно знать, насколько далеко находится следующий простой.

Не нужно даже строить простое число непосредственно.

Достаточно показать:

каким бы конечным ни был предполагаемый полный список простых, сама арифметическая структура позволяет построить число, имеющее простой делитель вне этого списка.

Таким образом, бесконечность выводится не из наблюдения продолжающегося ряда, а из механизма разрушения любого конечного завершения этого ряда.

2 — Произведение известных простых

Предположим противное.

Пусть простых чисел конечное число.

Обозначим их:

p₁,p₂,…,p_k.

Согласно предположению, этот список содержит все простые числа.

Построим их произведение:

P=p₁p₂…p_k.

Число P, очевидно, делится на каждое простое из предполагаемого полного списка.

Для любого i:

p_i | P.

Само число P является составным, если список содержит более одного простого.

Но нас интересует не P.

Следующий шаг Евклида состоит в минимальном изменении этого произведения.

К нему добавляется единица.

3 — Число P+1

Рассмотрим:

N=P+1.

Очевидно:

N>1.

Следовательно, по основной теореме арифметики N либо само простое, либо имеет хотя бы один простой делитель.

Теперь проверим, может ли какой-либо из известных простых p_i делить N.

Поскольку:

P=p₁p₂…p_k,

для каждого p_i:

P ≡ 0 mod p_i.

Следовательно:

P+1 ≡ 1 mod p_i.

То есть:

p_i ∤ (P+1).

Ни одно простое из предполагаемого полного списка не делит N.

Это центральный момент доказательства.

Число P было специально построено так, чтобы вобрать в себя все известные простые.

Добавление единицы гарантированно выводит новый объект за пределы делимости каждым из них.

Возникает число, арифметически несовместимое с предположением о полноте списка.

4 — Новый простой делитель

Поскольку:

N=P+1>1,

у N существует простой делитель q.

Если N само простое, можно взять:

q=N.

Если N составное, q является одним из простых множителей его факторизации.

Но ни один p_i не делит N.

Следовательно:

q≠p_i

для всех:

i=1,…,k.

Мы получили новый простой q, которого нет в предполагаемом полном списке.

Это противоречит предположению, что:

p₁,p₂,…,p_k

— все простые числа.

Следовательно, конечного полного списка простых не существует.

Значит:

простых чисел бесконечно много.

Важно отметить распространенное упрощение.

Число:

P+1

не обязано быть простым.

Например, если взять:

2·3·5·7·11·13+1,

результат может оказаться составным.

Для доказательства это совершенно не важно.

Нужно лишь, чтобы у P+1 существовал хотя бы один простой делитель, не принадлежащий исходному списку.

Именно этот более точный вариант выражает реальную логику теоремы Евклида.

5 — Логика противоречия

Доказательство Евклида можно представить как чрезвычайно чистую систему разрушения предположения о конечности.

Предположение:

существует полный конечный набор простых:

S={p₁,…,p_k}.

Построение:

P=∏p_i.

Преобразование:

N=P+1.

Свойство:

для каждого p_i:

N mod p_i=1.

Следствие:

ни один элемент S не делит N.

Но:

N>1,

следовательно, N имеет простой делитель q.

Значит:

q∉S.

Получено противоречие.

С точки зрения структуры доказательства особенно интересно, что Евклид не ищет следующий простой после p_k.

Он не утверждает, что:

P+1

будет этим следующим простым.

Он вообще не контролирует размер q относительно p_k, кроме очевидного факта, что q отсутствует в конечном списке.

Доказательство работает значительно глубже.

Для любого конечного множества простых существует арифметическая операция, выводящая за его пределы.

Именно поэтому доказательство не зависит от масштаба.

Список может содержать:

10 простых;

10 миллионов;

10^100 простых.

Конструкция остается той же.

Это идеальный пример универсального дедуктивного замыкания.

6 — Другие доказательства

Теорема Евклида обладает огромным количеством доказательств.

Это само по себе характерно для фундаментального утверждения: различные области математики обнаруживают собственные причины бесконечности множества простых.

Эйлерово доказательство

Эйлер связал простые числа с гармоническим рядом.

Для s>1 справедливо эйлерово произведение:

ζ(s)=∏_p 1/(1-p^(-s)).

В предельном смысле при приближении к s=1 связь с расходимостью гармонического ряда показывает невозможность конечного множества простых.

Если бы простых было конечное число, произведение по ним давало бы конечную величину, тогда как гармонический ряд:

1+1/2+1/3+…

расходится.

Эта линия значительно глубже связывает бесконечность простых с мультипликативной структурой всех натуральных чисел.

Доказательство через числа Ферма

Рассматриваются числа:

F_n=2^(2^n)+1.

Для различных m и n числа F_m и F_n взаимно просты.

Следовательно, каждый новый F_n имеет простой делитель, который не встречался в предыдущих числах Ферма.

Поскольку чисел F_n бесконечно много, простых делителей также должно быть бесконечно много.

Здесь бесконечность простых извлекается уже не из одного произведения, а из бесконечного семейства попарно взаимно простых чисел.

Доказательство через факториал

Пусть предполагается, что все простые не превосходят n.

Рассмотрим:

n!+1.

Ни одно число:

2,3,…,n

не делит n!+1.

Но число больше единицы обязано иметь простой делитель.

Следовательно, существует простой:

p>n.

Получаем чрезвычайно сильную форму:

для любого n существует простой, больший n.

Это фактически другая запись бесконечности простых.

Топологические и комбинаторные доказательства

Существуют доказательства, использующие топологические свойства целых чисел, биномиальные коэффициенты, последовательности взаимно простых чисел и другие конструкции.

Это показывает, что бесконечность простых не является случайной особенностью одной формулы.

Она встроена в натуральный ряд множеством независимых способов.

7 — Метаиндукционный анализ

Теорема Евклида особенно важна для настоящей книги потому, что позволяет провести ясную границу между классическим дедуктивным доказательством и метаиндукцией.

Евклид не использует метаиндукцию.

Его доказательство классически дедуктивно.

Не требуется:

проверять миллионы случаев;

строить прогнозы;

изучать экстремумы;

оценивать цену разрушения;

сравнивать последовательные масштабы.

Почему?

Потому что найден универсальный оператор, который разрушает любой конечный список простых независимо от его размера.

Пусть:

— произвольное конечное множество всех предполагаемых простых.

Строится:

N(S)=∏_{p∈S}p+1.

После этого доказывается:

существует простой делитель N(S), не принадлежащий S.

То есть любой кандидат на финальное состояние автоматически порождает собственное опровержение.

В языке Метаорганона это чрезвычайно сильное дедуктивное замыкание.

Контрсценарий:

«простых конечное число»

имеет минимальную цену разрушения: он уничтожается одним универсальным преобразованием.

При этом преобразование не зависит от конкретного масштаба.

Можно сказать иначе.

Если бы задача Метагольдбаха обладала аналогичным оператором, позволяющим из любого предполагаемого последнего нарушения уровня K непосредственно вывести невозможность нового нарушения, классическая дедукция была бы полностью достаточна.

Проблема Гольдбаха значительно сложнее именно потому, что такого простого универсального оператора пока нет.

Теорема Евклида поэтому представляет идеальный эталон для сравнения.

Она показывает, что необходимо искать прежде всего замыкание.

Если найдено строгое универсальное дедуктивное замыкание — метаиндукция не нужна.

Если отдельное свойство не замыкается, требуется расширять состояние.

Таким образом, Метаорганон не противопоставляет метаиндукцию классическому доказательству.

Наоборот.

Теорема Евклида показывает высшую эффективность классического канона там, где объект позволяет построить универсальный переход.

Метаиндукция начинается там, где такая одномерная универсальная конструкция отсутствует и требуется воспроизводить более сложное состояние.

Глава 4. Решето Эратосфена

1 — Идея решета

Теорема Евклида отвечает на вопрос:

существуют ли простые числа без верхней границы?

Ответ:

да.

Но она почти ничего не сообщает о том, какие именно числа являются простыми.

Для практического получения всех простых чисел до заданной границы одним из древнейших и до сих пор фундаментальных методов является решето Эратосфена.

Пусть необходимо найти все простые числа:

p<=N.

Начинаем с последовательности:

2,3,4,5,6,7,8,9,10,…

Все числа первоначально считаются потенциально простыми.

Берем первое число:

Оно простое.

Вычеркиваем все его кратные, кроме самого 2:

4,6,8,10,12,…

Следующее невычеркнутое число:

Оно простое.

Вычеркиваем его кратные:

6,9,12,15,…

Следующее невычеркнутое число:

Оно простое.

Продолжаем процесс.

После завершения все оставшиеся невычеркнутые числа являются простыми.

Название «решето» точно выражает идею метода.

Мы не пытаемся непосредственно доказать простоту каждого числа.

Мы постепенно отсеиваем составные.

В результате то, что не удалось удалить как кратное меньшего простого, оказывается простым.

2 — Решето до 30

Рассмотрим процесс полностью.

Начальный список:

2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30.

Шаг 1. Простое 2

Оставляем 2.

Вычеркиваем кратные 2:

4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30.

Остаются потенциально простыми:

2, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29.

Шаг 2. Простое 3

Следующее невычеркнутое число:

Оставляем его.

Вычеркиваем еще не удаленные кратные 3:

9, 15, 21, 27.

Числа:

6,12,18,24,30

уже были удалены как кратные 2.

Остаются:

2,3,5,7,11,13,17,19,23,25,29.

Шаг 3. Простое 5

Следующее число:

Его квадрат:

Вычеркиваем:

Следующее кратное:

уже удалено.

Теперь:

5²=25<=30,

но следующее потенциальное простое:

удовлетворяет:

7²=49>30.

Можно остановиться.

Итог:

2,3,5,7,11,13,17,19,23,29.

Это все простые числа до 30.

3 — Решето до 100

Теперь рассмотрим более содержательный пример.

Ищем все простые до:

Простое 2

Удаляются все четные числа больше 2:

4,6,8,…,100.

Простое 3

Удаляются еще не удаленные кратные 3, начиная с:

9,15,21,27,33,39,45,51,57,63,69,75,81,87,93,99.

Простое 5

Начинаем с:

25:

25,35,55,65,85,95

и другие не удаленные ранее кратные.

Числа:

10,15,20

и т. д. уже были удалены меньшими простыми.

Простое 7

Начинаем с:

49:

49,77,91.

Числа:

56,63,70,84,98

уже удалены как кратные 2 или 3.

Следующий простой после 7:

Но:

11²=121>100.

Следовательно, дальнейшее просеивание не требуется.

Оставшиеся числа:

2,3,5,7,

11,13,17,19,

23,29,

31,37,

41,43,47,

53,59,

61,67,

71,73,79,

83,89,

Всего простых до 100:

Этот пример позволяет увидеть важную особенность решета.

Для получения всех простых до 100 нам пришлось активно использовать только простые:

2,3,5,7.

То есть простые не больше:

sqrt(100)=10.

Почему этого достаточно?

4 — Почему вычеркивание начинается с p²

Пусть мы дошли до простого p.

Естественно было бы вычеркивать:

2p,3p,4p,…

Но большая часть этих чисел уже удалена.

Рассмотрим кратное:

kp,

где:

k<p.

Если k>1, то k имеет простой делитель:

q<=k<p.

Следовательно:

уже было удалено на этапе q.

Например, для p=7:

2·7=14

уже вычеркнуто числом 2.

3·7=21

числом 3.

4·7=28

числом 2.

5·7=35

числом 5.

6·7=42

числами 2 и 3.

Первое кратное 7, которое не обязано быть обработано раньше:

7·7=49.

Поэтому для каждого простого p оптимально начинать вычеркивание с:

p².

Это не просто техническая оптимизация.

Она выражает важную структурную идею.

Каждое составное число получает возможность быть удаленным на этапе своего наименьшего простого делителя.

Именно эта идея делает решето особенно прозрачным.

5 — Почему достаточно простых до sqrt(N)

Пусть число n<=N составное.

Тогда:

n=ab,

где:

1<a<=b<n.

Предположим, что оба множителя больше:

sqrt(n).

Тогда:

ab>sqrt(n)·sqrt(n)=n,

что невозможно.

Следовательно, хотя бы один множитель не превосходит:

sqrt(n).

У этого множителя есть простой делитель p, причем:

p<=sqrt(n)<=sqrt(N).

Таким образом, каждое составное число n<=N имеет хотя бы один простой делитель:

p<=sqrt(N).

Следовательно, если мы обработали все простые:

p<=sqrt(N),

то каждое составное число до N уже будет вычеркнуто.

Это и есть строгая причина остановки решета.

Например, до 100 достаточно обработать:

2,3,5,7,

потому что следующий простой:

11>sqrt(100).

До 1 000 000 достаточно базовых простых до:

Это обстоятельство позднее становится основой сегментированного решета.

6 — Пошаговый алгоритм

В современной алгоритмической форме решето можно описать следующим образом.

Шаг 1

Создается логический массив:

isPrime[0…N].

Первоначально для:

n>=2

устанавливается:

isPrime[n]=true.

Для:

и:

false.

Шаг 2

Начинаем с:

p=2.

Шаг 3

Если:

isPrime[p]=true,

то p простое.

Начинаем с:

p²

и для:

m=p²,p²+p,p²+2p,…

пока:

m<=N,

ставим:

isPrime[m]=false.

Шаг 4

Переходим к следующему p.

Шаг 5

Продолжаем, пока:

p²<=N.

Шаг 6

После окончания все n с:

isPrime[n]=true

являются простыми.

В псевдокоде:

для p от 2 до sqrt(N):

если p не вычеркнуто:

для m от p² до N с шагом p:

вычеркнуть m.

Это удивительно простой алгоритм.

Но именно он лежит в основе огромного количества современных вычислений простых чисел.

7 — Сложность

Наивно может показаться, что решето требует порядка:

N/2 + N/3 + N/5 + N/7 + …

операций.

И это близко к правильной оценке.

Суммирование идет по простым:

N Σ_(p<=N) 1/p.

Из теории распределения простых известно, что сумма обратных простых растет как:

log log N

с добавлением константы и малой ошибки.

Поэтому временная сложность классического решета:

O(N log log N).

Это чрезвычайно хороший результат.

Для сравнения, простая проверка каждого числа делением на все числа до sqrt(n) значительно медленнее.

Решето выигрывает за счет коллективной обработки.

Вместо того чтобы для каждого n отдельно спрашивать:

«имеет ли n делитель?»,

мы берем простой p и сразу отмечаем все числа, для которых p является делителем.

Это принципиальное изменение направления вычисления.

Не:

объект -> поиск делителей,

а:

делитель -> все затрагиваемые объекты.

Именно поэтому решето является таким мощным методом массовой экспликации.

8 — Память

Классическая реализация требует хранения состояния для всех чисел от 0 до N.

Если на каждый элемент используется один байт, память составляет порядка:

N байт.

Для:

N=10^7

это около 10 мегабайт.

Для:

N=10^9

уже около 1 гигабайта.

Но такая реализация избыточна.

Во-первых, после обработки числа 2 можно вообще не хранить четные числа.

Все четные больше 2 составные.

Тогда требуется состояние только для нечетных:

3,5,7,9,…

Память почти вдвое сокращается.

Во-вторых, для отметки:

простое / составное

достаточно одного бита.

Тогда теоретически можно хранить восемь состояний в одном байте.

Для N=10^9 это уменьшает память с порядка гигабайта до порядка сотен мегабайт, а при хранении только нечетных — еще примерно вдвое.

Для существенно больших диапазонов даже этого недостаточно.

Тогда используется сегментация.

9 — Битовые представления

Битовая реализация решета особенно важна для больших вычислений.

Вместо массива байтов:

0 или 1

используется битовая карта.

Например, один 64-битный машинный элемент способен хранить состояние 64 кандидатов.

Если хранить только нечетные числа, каждая позиция соответствует:

n=2i+1.

Тогда число:

соответствует определенному биту,

15 — другому,

и т. д.

Преимущества:

значительное уменьшение памяти;

лучшее использование кэш-памяти процессора;

возможность обрабатывать целые машинные слова побитовыми операциями.

Можно идти дальше.

Все простые больше 3 имеют вид:

6k±1.

Следовательно, можно исключить числа, делящиеся на:

и:

еще до запуска основного решета.

Еще более развитые реализации используют колеса:

wheel factorization.

Например, колесо по:

2·3·5=30

оставляет только остаточные классы:

1,7,11,13,17,19,23,29 mod 30.

Таким образом, значительная часть заведомо составных кандидатов вообще не хранится.

10 — Сегментированное решето

Главная проблема обычного решета при очень больших N — память.

Если требуется найти все простые до:

10^12,

хранить состояние для всех чисел одновременно становится неразумно.

Сегментированное решето решает эту проблему.

Сначала обычным решетом вычисляются все простые:

p<=sqrt(N).

Назовем их базовыми простыми.

Затем диапазон:

[2,N]

разбивается на блоки:

[L,R].

Например:

[2,10^7],

[10^7+1,2·10^7],

…

Для каждого блока создается локальный массив.

Затем каждый базовый простой p используется для вычеркивания его кратных внутри текущего сегмента.

Первое кратное p в сегменте вычисляется как:

max(p², ceil(L/p)·p).

После обработки всех базовых простых невычеркнутые числа сегмента являются простыми.

Затем сегмент освобождается, и обрабатывается следующий.

Таким образом, память зависит уже не от N, а от размера сегмента.

Можно исследовать чрезвычайно большие диапазоны, имея сравнительно небольшой объем оперативной памяти.

Это принципиально для нашей вычислительной программы.

11 — Параллельное решето

Сегментированная структура естественным образом допускает параллельную обработку.

После того как список базовых простых до:

sqrt(N)

известен, различные сегменты:

[L₁,R₁],

[L₂,R₂],

…

можно просеивать независимо.

Это позволяет использовать:

многоядерные процессоры;

многопроцессорные системы;

вычислительные кластеры;

распределенные сети.

Однако параллелизация требует аккуратной инженерии.

Слишком маленькие сегменты увеличивают накладные расходы.

Слишком большие ухудшают работу кэша.

Необходимо учитывать:

баланс нагрузки;

пропускную способность памяти;

синхронизацию;

вывод результатов;

проверку целостности сегментов.

Для распределенной математической индустрии особенно интересен следующий уровень.

Разные узлы могут не только вычислять различные сегменты, но и независимо перепроверять их.

Тогда параллельность становится одновременно механизмом ускорения и механизмом доказательной надежности.

Один узел вычисляет.

Другой воспроизводит.

Третий проверяет контрольную сумму.

Четвертый выполняет выборочные тесты.

Так обычный алгоритм решета постепенно превращается в инфраструктуру распределенной математической экспликации.

12 — Решето как инструмент экспликации

В контексте Метаорганона решето Эратосфена приобретает более широкий смысл.

Теорема Евклида говорит:

простых бесконечно много.

Но она не эксплицирует их.

Решето делает другое.

Для конкретной конечной границы X оно превращает потенциально неизвестную структуру простых чисел в полностью явный массив:

P_X={p : p<=X}.

До запуска решета мы знаем, что простые существуют.

После выполнения алгоритма мы знаем, какие именно простые существуют внутри данной области.

Таким образом, решето является машиной вычислительной экспликации.

Граница X является границей эксплицированной области.

При увеличении вычислительного ресурса:

X -> X’,

граница экспликации расширяется.

Это прекрасный пример различия между:

теорией существования;

и теорией фактического раскрытия объекта.

Евклид доказывает бесконечность.

Эратосфен дает технологию конечного раскрытия.

Ни один конечный запуск решета не доказывает бесконечность простых.

Но после Евклида этого и не требуется.

Наоборот, здесь классическая математика демонстрирует идеальное разделение функций.

Дедуктивная теорема устанавливает универсальное утверждение.

Алгоритм эксплицирует конечную область.

В Метагольдбахе положение будет сложнее.

Нам понадобится одновременно:

получать точные конечные данные;

строить экстремальные классы;

выделять законы;

сравнивать масштабы;

искать разрушителей;

и исследовать переход за очередную границу экспликации.

Поэтому решето Эратосфена является не просто историческим алгоритмом поиска простых.

Для настоящего тома это первый фундаментальный пример того, как математическая реальность превращается в массив, пригодный для дальнейшей экстракции знаний.

Сначала мы извлекаем сами простые числа.

Затем из них строим G(N).

Из G(N) — новые последовательности.

Из последовательностей — законы.

Из законов — метазаконы.

Именно так простой древний алгоритм оказывается первым техническим звеном будущей математической индустрии.

************

Глава 5. Функция счета простых

1 — π(x)

Теорема Евклида устанавливает, что простых чисел бесконечно много. Решето Эратосфена позволяет эксплицировать все простые до любой практически достижимой конечной границы. Следующий естественный вопрос имеет уже количественный характер:

сколько простых чисел находится до заданной границы x?

Для ответа вводится одна из фундаментальных функций теории чисел — функция счета простых:

π(x).

Она определяется как количество простых чисел p, удовлетворяющих:

p<=x.

То есть:

π(x)=#{p : p простое, p<=x}.

Например:

π(1)=0,

π(2)=1,

π(3)=2,

π(10)=4,

поскольку простые до 10:

2,3,5,7.

Функция π(x) производит принципиальное преобразование.

Вместо вопроса:

«какие именно простые существуют до x?»

задается агрегированный вопрос:

«сколько их существует?»

Полная последовательность простых содержит всю локальную информацию.

π(x) сжимает ее в одну величину.

Это сжатие чрезвычайно полезно. Именно оно делает возможным исследование глобальной плотности простых чисел.

Но, как мы позднее увидим, оно одновременно уничтожает значительную часть локальной структуры.

Поэтому π(x) является одним из сильнейших и одновременно принципиально неполных способов описания мира простых.

2 — Первые значения

Рассмотрим несколько точных значений:

π(10)=4,

π(100)=25,

π(1000)=168,

π(10 000)=1229,

π(100 000)=9592,

π(1 000 000)=78 498.

Уже эти числа показывают важную закономерность.

Простых становится все больше в абсолютном количестве, но их доля среди натуральных чисел уменьшается.

До 10 простыми являются 4 из 10 чисел.

До 100 — 25.

До 1000 — 168.

До миллиона — 78 498.

Таким образом:

π(x) -> infinity,

но:

π(x)/x -> 0.

Первое означает бесконечность множества простых.

Второе — их асимптотическую разреженность среди натуральных чисел.

Эти два утверждения прекрасно сочетаются.

Простые никогда не заканчиваются.

Но по мере движения по числовому ряду они встречаются все реже относительно общего количества чисел.

Именно количественное описание этой разреженности позднее приводит к теореме о распределении простых чисел.

3 — Ступенчатая структура

Функция π(x) является ступенчатой.

Между последовательными простыми она постоянна.

В точке, соответствующей простому числу, она увеличивается на единицу.

Например:

π(10)=4,

π(11)=5,

π(12)=5,

π(13)=6,

π(14)=6,

π(15)=6,

π(16)=6,

π(17)=7.

Следовательно, график π(x) состоит из горизонтальных участков и единичных скачков.

Каждый скачок соответствует новому простому.

Можно записать:

π(x)-π(x-1)=1,

если x простое,

и:

π(x)-π(x-1)=0,

если x составное, для целых x>1.

Таким образом, последовательность простых и функция π(x) содержат одну и ту же информацию в разных формах.

Если известны все простые, можно построить π(x).

Если известна π(x) во всех целых точках, простые определяются положениями ее скачков.

Но представления обладают разной исследовательской эффективностью.

Последовательность простых подчеркивает локальную структуру.

π(x) — интегральную.

Это различие между локальным и агрегированным описанием позднее станет особенно важным для Метагольдбаха.

4 — Плотность простых

Естественной характеристикой является отношение:

π(x)/x.

Оно показывает долю простых среди чисел до x.

Эта доля уменьшается.

Но уменьшается не произвольно.

Одним из величайших достижений классической теории чисел станет установление закона:

π(x) ~ x/log x.

Подробно теорема о распределении простых будет рассмотрена далее.

Здесь нам важен только ее смысл.

Около большого числа x вероятность в грубом плотностном смысле встретить простое ведет себя примерно как:

1/log x.

Разумеется, простота отдельного числа не является случайным событием.

Натуральный ряд полностью детерминирован.

Но плотностная модель оказывается исключительно плодотворной.

Если среди чисел порядка x доля простых примерно:

1/log x,

то среди интервала длины h естественно ожидать порядка:

h/log x

простых.

Это пока только глобальная масштабная картина.

Она ничего автоматически не гарантирует для каждого отдельного интервала.

Именно здесь появляется одно из самых важных различий теории простых:

средняя плотность не равна локальной гарантии.

5 — Средние промежутки

Пусть простые расположены так:

p₁=2,

p₂=3,

p₃=5,

p₄=7,

p₅=11,

…

Определим промежуток между соседними простыми:

g_n=p_(n+1)-p_n.

Первые значения:

1,2,2,4,2,4,2,4,6,…

Промежутки не являются постоянными.

Иногда соседние простые расположены очень близко.

Иногда между ними возникают длинные участки составных чисел.

Если около x плотность простых имеет порядок:

1/log x,

то естественный средний масштаб промежутка между соседними простыми имеет порядок:

log x.

Это не означает, что каждый промежуток близок к log x.

Напротив, реальные prime gaps обладают значительными колебаниями.

Существуют промежутки значительно меньше среднего.

И существуют сколь угодно длинные промежутки составных чисел.

Например, числа:

(n+1)!+2,

(n+1)!+3,

…,

(n+1)!+(n+1)

все составные.

Следовательно, можно построить участок как минимум из n последовательных составных чисел.

Таким образом, глобальная плотность простых и локальная геометрия их расположения — принципиально разные объекты.

6 — Локальная плотность

Чтобы исследовать распределение простых внутри конкретного интервала, естественно рассматривать разность:

π(x+h)-π(x).

Она показывает число простых в интервале:

(x,x+h].

При:

h=x

получаем:

π(2x)-π(x),

то есть количество простых между x и 2x.

Именно эта величина непосредственно связана с теоремой Бертрана.

Теорема утверждает:

для каждого x>1:

π(2x)-π(x)>=1.

Это уже совершенно иной тип результата, чем глобальный рост π(x).

Бесконечность простых говорит:

π(x) неограниченно растет.

Теорема Бертрана говорит значительно больше в локальном отношении:

на каждом удвоительном масштабе обязательно появляется новый простой.

Простые не могут исчезнуть на целый относительный интервал:

(x,2x).

Таким образом, теорема Бертрана является одним из первых фундаментальных переходов:

от глобальной бесконечности

к локальной количественной гарантии.

И именно поэтому она особенно важна для настоящей книги.

7 — Ограниченность одной функции π(x)

Функция π(x) чрезвычайно мощна.

Но ее мощь одновременно показывает границы одномерного описания.

Пусть известно:

π(10^12)=M.

Это сообщает точное количество простых до 10^12.

Но не сообщает непосредственно:

где находится последний простой;

каков максимальный промежуток;

как распределены простые внутри отдельных коротких интервалов;

какие остаточные классы особенно богаты;

какие факторизационные свойства имеют соседние составные числа;

как простые взаимодействуют в аддитивных представлениях.

Два гипотетических множества чисел могут иметь одинаковую π(x) в некоторой конечной точке и совершенно различную локальную геометрию.

Следовательно, одна агрегированная функция никогда не исчерпывает сложную математическую систему.

Это первый классический пример той методологической проблемы, с которой мы позднее столкнемся в Метагольдбахе.

Средняя или интегральная характеристика может быть чрезвычайно информативной.

Но универсальная теорема часто зависит от экстремального локального поведения.

Поэтому новая теория простых должна рассматривать одновременно:

глобальную плотность;

локальную плотность;

интервалы;

промежутки;

экстремумы;

факторизационные классы;

и аддитивные взаимодействия.

Следующим исторически важным шагом в этом направлении является теорема Бертрана.

Глава 6. Теорема Бертрана

1 — История

В 1845 году французский математик Жозеф Бертран сформулировал утверждение о распределении простых чисел, основанное на числовых данных:

между натуральным числом n>1 и его удвоением 2n всегда существует хотя бы одно простое число.

Первая строгая демонстрация была получена Пафнутием Чебышёвым в 1850 году в рамках его фундаментальных исследований распределения простых. Позднее появились значительно более короткие доказательства. Рамануджан опубликовал доказательство в 1919 году, а молодой Пал Эрдёш в начале 1930-х годов нашел особенно знаменитое элементарное доказательство, использующее биномиальные коэффициенты.

История теоремы сама по себе показательна.

Бертран начал с вычислительного наблюдения.

Чебышёв превратил его в доказанную теорему.

Затем Рамануджан и Эрдёш нашли другие доказательные архитектуры.

Таким образом, один и тот же закон прошел несколько доказательных состояний:

эмпирическое;

дедуктивное;

структурно переосмысленное.

Для Теории метаиндукции это представляет особый интерес.

Мы видим, как закон может быть сначала обнаружен как повторяемая закономерность, а затем получить механизм универсального замыкания.

2 — Формулировка

Стандартная современная форма теоремы Бертрана:

для каждого целого n>1 существует простое число p такое, что

n<p<2n.

Иными словами:

π(2n)-π(n)>=1.

Некоторые исторические формулировки дают для n>3 более сильную верхнюю границу 2n-2, но для наших целей основная форма:

(n,2n)

является наиболее естественной.

Примеры:

при n=2:

2<3<4;

при n=10:

10<11<20;

при n=100:

100<101<200;

при n=1000:

1000<1009<2000.

Главное, конечно, не отдельные примеры.

Теорема говорит, что никакого исключения не существует.

На любом масштабе интервал удвоения содержит простой.

3 — Интервал (n,2n)

Интервал:

(n,2n)

обладает важным масштабным свойством.

Его длина равна n.

Следовательно, при удвоении масштаба длина интервала также удваивается.

Теорема Бертрана фактически утверждает:

простые числа никогда не становятся настолько разреженными, чтобы целый относительный интервал длины, равной его левой границе, оказался пустым.

Это значительно сильнее теоремы Евклида.

Евклид утверждает:

после любого числа когда-нибудь существует простой.

Но не дает контролируемой верхней границы его положения.

Бертран утверждает:

если мы начали с n, ждать дальше 2n не придется.

Если p_k — некоторое простое, то следующий простой p_(k+1) удовлетворяет:

p_(k+1)<2p_k.

Таким образом, последовательность простых имеет универсальное мультипликативное ограничение на промежуток между соседними элементами.

В языке будущей новой теории это уже гарантия масштаба.

4 — Центральный биномиальный коэффициент

Элементарная доказательная архитектура Эрдёша строится вокруг числа:

C(2n,n)=(2n)!/(n!)².

Почему именно оно связано с простыми в интервале:

(n,2n)?

Запишем:

C(2n,n)=((n+1)(n+2)…(2n))/(1·2·…·n).

Пусть p — простое и:

n<p<=2n.

Тогда p встречается в числителе.

Но в знаменателе:

его нет.

Следовательно:

p | C(2n,n).

Таким образом, каждый простой из интервала:

(n,2n]

автоматически оставляет след в факторизации центрального биномиального коэффициента.

Биномиальный коэффициент становится своеобразным арифметическим детектором простых в интервале.

Если число C(2n,n) слишком велико, его простые множители должны откуда-то появиться.

Если предположить, что новых простых между n и 2n нет, приходится объяснять огромный размер коэффициента только меньшими простыми.

Именно здесь возникает противоречие.

5 — Нижняя оценка

Из биномиальной формулы:

(1+1)^(2n)=Σ_(k=0)^(2n) C(2n,k)=4^n.

В строке имеется:

2n+1

коэффициентов.

Центральный коэффициент:

C(2n,n)

является наибольшим.

Следовательно:

C(2n,n)>=4^n/(2n+1).

Получена простая, но чрезвычайно мощная нижняя оценка.

Центральный биномиальный коэффициент растет почти как:

4^n/sqrt(n).

Для нашего доказательства точная асимптотика не требуется.

Достаточно намного более грубой границы:

C(2n,n)>=4^n/(2n+1).

Теперь задача состоит в том, чтобы при отсутствии простого в интервале (n,2n) получить верхнюю оценку, существенно меньшую этой нижней границы.

6 — Простые делители биномиального коэффициента

Рассмотрим разложение:

C(2n,n)=∏_(p<=2n) p^α_p.

Для каждого простого p показатель определяется формулой:

α_p=v_p((2n)!)-2v_p(n!).

Нам не нужно точно вычислять все α_p.

Достаточно разделить простые на несколько диапазонов.

Малые простые

Если:

p<=sqrt(2n),

показатель может быть больше единицы.

Но каждый уровень p, p², p³,… вносит в α_p не более единицы.

Следовательно:

p^α_p<=2n.

Таким образом, полный вклад каждого малого простого грубо ограничен числом 2n.

Средние простые

Если:

sqrt(2n)<p<=2n/3,

то:

p²>2n.

Поэтому такой простой может входить в C(2n,n) не более чем в первой степени.

Простые между 2n/3 и n

Если:

2n/3<p<=n,

то:

floor(2n/p)=2,

floor(n/p)=1.

Следовательно:

α_p=2-2=0.

Такие простые вообще не входят в центральный биномиальный коэффициент.

Простые между n и 2n

Каждый такой простой входит в коэффициент.

Именно их существование требуется доказать.

Так факторизация одного биномиального коэффициента естественно раскладывает проблему на арифметические классы простых.

7 — Произведение простых

Для верхней оценки понадобится вспомогательная функция:

Q(x)=∏_(p<=x)p.

То есть Q(x) — произведение всех простых, не превосходящих x.

Ключевая лемма элементарного доказательства:

для каждого целого m>=1

Q(m)<4^m.

Это очень грубая оценка.

Но ее достаточно.

Особенно интересен способ ее доказательства.

Он сам основан на сильной индукции и центральных биномиальных коэффициентах.

Поэтому внутри доказательства Бертрана находится самостоятельное индукционное ядро.

8 — Сильная индукция

Докажем:

Q(m)<4^m

сильной индукцией по m.

Для перехода удобно разделить m на четный и нечетный случаи.

Предполагаем, что неравенство уже установлено для всех положительных целых чисел, меньших рассматриваемого m.

Нам потребуется применить его не обязательно к m-1, а примерно к половине m.

Поэтому обычное знание только предыдущего случая неудобно.

Нужно иметь весь предыдущий диапазон.

Именно это — классический случай сильной индукции.

9 — Базовый диапазон

Начало проверяется непосредственно.

Для m=1:

Q(1)=1<4.

Для m=2:

Q(2)=2<16.

Этого достаточно для запуска переходов.

Содержательно база здесь важна не своим размером.

Она фиксирует первый замкнутый слой, из которого сильная индукция получает право использовать все меньшие значения.

10 — Четный переход

Пусть:

m=2r.

Разобьем произведение простых до 2r на две части:

Q(2r)=Q(r) · ∏_(r<p<=2r)p.

Каждый простой:

r<p<=2r

делит:

C(2r,r).

Следовательно:

∏_(r<p<=2r)p <= C(2r,r).

Но:

C(2r,r)<2^(2r)=4^r.

По сильному индукционному предположению:

Q(r)<4^r.

Следовательно:

Q(2r)

<4^r·4^r

=4^(2r).

То есть требуемая оценка воспроизводится для четного m.

Здесь особенно ясно видна архитектура перехода:

предыдущий масштаб r;

новые простые между r и 2r;

биномиальный коэффициент, контролирующий их совместное произведение;

соединение двух оценок.

11 — Нечетный переход

Теперь пусть:

m=2r+1.

Разобьем:

Q(2r+1)

=Q(r+1) · ∏_(r+1<p<=2r+1)p.

Каждый простой:

r+1<p<=2r+1

делит биномиальный коэффициент:

C(2r+1,r).

Почему?

Потому что:

C(2r+1,r)

[(r+2)(r+3)…(2r+1)]/r!,

и простой p>r+1 появляется в числителе, но отсутствует в знаменателе.

Следовательно:

∏_(r+1<p<=2r+1)p
<=
C(2r+1,r).

Теперь используем важную особенность нечетной строки треугольника Паскаля.

Два центральных коэффициента равны:

C(2r+1,r)=C(2r+1,r+1).

Их сумма меньше суммы всей строки:

2^(2r+1).

Поэтому каждый из них удовлетворяет:

C(2r+1,r)<2^(2r)=4^r.

По сильной индукции:

Q(r+1)<4^(r+1).

Следовательно:

Q(2r+1)

<4^(r+1)·4^r

=4^(2r+1).

Нечетный переход также замкнут.

12 — Замыкание

Мы получили:

если оценка:

Q(k)<4^k

известна для всех k<m,

то она воспроизводится и для m — независимо от того, четно m или нечетно.

Следовательно, сильная индукция дает:

Q(m)<4^m

для всех:

m>=1.

Это вспомогательная лемма.

Но с точки зрения нашей истории индукции она чрезвычайно содержательна.

Доказательство использует многокомпонентное состояние:

произведение простых;

центральный биномиальный коэффициент;

биномиальную сумму;

четность масштаба;

сильное индукционное предположение.

Все компоненты воспроизводятся.

Поэтому доказательство полностью замкнуто.

Именно эта лемма дает достаточно сильную верхнюю оценку для завершения теоремы Бертрана.

13 — Противоречие при отсутствии простого

Теперь предположим, что для некоторого n>1 в интервале:

(n,2n)

нет простых чисел.

Рассмотрим:

C(2n,n).

Мы уже знаем нижнюю оценку:

C(2n,n)>=4^n/(2n+1).

Теперь получим верхнюю.

При нашем предположении простых:

n<p<2n

нет.

Простые:

2n/3<p<=n

вообще не входят в коэффициент.

Следовательно, остаются только:

малые простые p<=sqrt(2n);

и простые не больше 2n/3.

Для каждого:

p<=sqrt(2n)

полный вклад p^α_p не превосходит 2n.

Таких простых заведомо меньше:

sqrt(2n).

Поэтому их общий вклад не превосходит:

(2n)^(sqrt(2n)).

Остальные простые можно грубо оценить через:

Q(2n/3).

По доказанной лемме:

Q(2n/3)<4^(2n/3).

Следовательно:

C(2n,n)

<
(2n)^(sqrt(2n)) · 4^(2n/3).

Но одновременно:

C(2n,n)>=4^n/(2n+1).

Значит, отсутствие простого потребовало бы:

4^(n/3)
<
(2n+1)(2n)^(sqrt(2n)).

Однако начиная с:

n>=468

выполняется противоположное неравенство:

4^(n/3)

(2n+1)(2n)^(sqrt(2n)).

Следовательно, для:

n>=468

предположение об отсутствии простого между n и 2n невозможно.

Так огромный центральный биномиальный коэффициент буквально вынуждает существование нового простого множителя в нужном диапазоне.

14 — Конечная проверка

После общего аргумента остается конечный диапазон:

2<=n<468.

Его можно проверить непосредственно.

Но даже здесь нет необходимости рассматривать все 466 значений по отдельности.

Достаточно следующей цепочки простых:

13,

23,

43,

83,

163,

317,

Каждый следующий элемент этой цепочки меньше удвоенного предыдущего.

Поэтому интервалы:

(p/2,p)

последовательно перекрывают все целые n от 2 далеко за 468.

Например:

3 покрывает n=2;

5 — n=3,4;

7 — n=4,5,6;

13 — n=7,…,12;

23 — n=12,…,22;

43 — n=22,…,42;

83 — n=42,…,82;

163 — n=82,…,162;

317 — n=159,…,316;

631 — n=316,…,630.

Для каждого такого n соответствующий выбранный простой p удовлетворяет:

n<p<2n.

Следовательно, конечный начальный диапазон закрыт.

В соединении с общим аргументом для n>=468 получаем теорему для всех n>1.

Это очень характерная доказательная архитектура:

универсальное доказательство большого хвоста + конечная точная проверка основания.

Позднее мы встретим эту архитектуру снова при обсуждении Метатеоремы Гольдбаха.

15 — Доказательство Чебышёва

Историческое доказательство Чебышёва возникло не из той короткой схемы, которую мы только что рассмотрели.

Оно было частью значительно более широкой программы количественного исследования распределения простых чисел.

Чебышёв изучал функции, связанные с логарифмами простых и разложениями факториалов. В современной записи особенно естественна функция:

θ(x)=Σ_(p<=x) log p.

Тогда разность:

θ(2x)-θ(x)

равна сумме логарифмов простых из интервала:

(x,2x].

Если эта разность положительна, интервал содержит хотя бы один простой.

Следовательно, достаточно доказать оценки вида:

c₁x<θ(x)<c₂x

с постоянными, удовлетворяющими:

2c₁>c₂.

Тогда:

θ(2x)-θ(x)

2c₁x-c₂x

(2c₁-c₂)x

0.

В одной стандартной явной версии достаточно оценок примерно:

0,73x<θ(x)<1,12x,

поскольку:

2·0,73>1,12.

Так количественная оценка полного продукта простых автоматически порождает локальную гарантию существования простого в интервале удвоения. Подобная формулировка связи чебышёвских оценок с постулатом Бертрана используется и в современных изложениях классической теории чисел.

Главное историческое значение Чебышёва состоит в том, что теорема Бертрана была включена в количественную теорию распределения простых.

Бертран увидел локальный закон.

Чебышёв связал его с глобальной функцией распределения.

16 — Доказательство Эрдёша

Доказательство, подробно разобранное в пунктах 4–14, представляет классическую архитектуру элементарного подхода Эрдёша:

1 — выбрать центральный биномиальный коэффициент;

2 — получить его экспоненциальную нижнюю границу;

3 — исследовать его простые делители;

4 — построить индукционную оценку для произведения малых простых;

5 — предположить отсутствие простого в интервале;

6 — получить слишком малую верхнюю границу;

7 — войти в противоречие;

8 — закрыть конечный начальный диапазон.

Историческая ценность доказательства Эрдёша состоит именно в его конструктивной прозрачности. Молодой Эрдёш получил ставшее знаменитым короткое доказательство уже после работы Чебышёва; источники связывают его раннюю известность именно с этим результатом.

Особенно примечательно соединение двух направлений.

Биномиальный коэффициент дает огромный объект.

Простая факторизация объясняет, из каких простых он может состоять.

Если новых простых нет, старых оказывается недостаточно.

Тем самым доказательство превращает вопрос существования простого в конфликт двух масштабных оценок одной и той же величины.

17 — Скрытое доказательное состояние

Внешне теорема Бертрана имеет очень простую форму:

существует p:

n<p<2n.

Но доказательство Эрдёша переносит значительно более богатое состояние.

В него входят:

центральный биномиальный коэффициент;

его нижняя экспоненциальная оценка;

произведение простых Q(n);

индукционная оценка Q(n)<4^n;

факторизационная структура C(2n,n);

разделение простых по диапазонам;

контроль показателей простых;

конечная начальная база.

Схематически:

S(n)={
B(n),
L(n),
Q(n),
F(n),
R(n)
},

где:

B(n) — биномиальная структура;

L(n) — нижняя оценка;

Q(n) — произведение простых;

F(n) — факторизационная классификация;

R(n) — интервальное утверждение.

Именно совместная работа этих компонентов создает доказательство.

Это прекрасный пример того, что ранее было названо скрытым многокомпонентным состоянием.

Теорема говорит об одном простом.

Доказательство переносит целую систему.

18 — Метаиндукционный аудит

Теперь можно провести аудит с позиции Теории метаиндукции.

Первый вопрос:

является ли теорема Бертрана сама метаиндукционным результатом?

Нет.

Стандартное доказательство полностью дедуктивно.

После установления необходимых лемм утверждение охватывает все натуральные n без эмпирической экстраполяции.

Второй вопрос:

присутствует ли внутри доказательства индукционное состояние?

Да.

Лемма:

Q(n)<4^n

доказывается сильной индукцией.

Причем состояние не одномерно: используется структура биномиальных коэффициентов и разбиение масштаба примерно пополам.

Третий вопрос:

замкнуто ли доказательство?

Да.

Все необходимые компоненты либо доказаны глобально, либо воспроизводятся внутри индукционного перехода.

Нет необходимости каждый раз вводить новую эмпирическую поправку.

Четвертый вопрос:

имеется ли скрытая конечная проверка?

Да.

Общий аналитико-комбинаторный аргумент закрывает большой диапазон, а конечное число малых случаев проверяется отдельно.

Но конечная проверка здесь не заменяет универсального доказательства.

Она лишь обеспечивает базу.

Пятый вопрос:

что произошло бы, если бы общий переход не замыкался?

Тогда теорема могла бы оставаться чрезвычайно хорошо подтвержденной гипотезой, но не стала бы дедуктивной теоремой.

Именно здесь пример Бертрана особенно важен для Метагольдбаха.

Он показывает идеальную ситуацию.

Сначала можно обнаружить устойчивый закон вычислительно.

Затем найти многокомпонентное состояние.

Потом построить замыкание.

После этого эмпирическая закономерность становится классической теоремой.

Поэтому при исследовании Метатеоремы Гольдбаха первым вопросом всегда должен оставаться:

существует ли аналогичное классическое замыкание?

Если оно будет найдено, его следует использовать.

Метаиндукция не должна подменять дедукцию там, где дедукция доступна.

Но если такого оператора не обнаруживается, пример Бертрана дает второй урок:

нужно искать не одну формулу, а более богатое доказательное состояние.

Возможно, именно внутри него находится тот уровень структуры, на котором переход становится замкнутым.

И в этом смысле теорема Бертрана занимает особое место между классической теорией простых и будущей Теорией метаиндукции.

Она показывает, как локальная гипотеза о простых превращается в универсальную теорему через:

масштаб;

биномиальную структуру;

факторизацию;

сильную индукцию;

конечную базу;

и полное доказательное замыкание.

********

Глава 7. От Бертрана к количественной теории интервалов

1 — Один простой

Теорема Бертрана утверждает:

для каждого целого n>1 интервал

(n,2n)

содержит хотя бы одно простое число.

В терминах функции счета простых это записывается:

π(2n)-π(n)>=1.

Такое утверждение можно рассматривать как первый уровень количественной гарантии.

Классическая формулировка Бертрана бинарна.

Она различает только два состояния интервала:

простое существует;

простого нет.

Но после того как вводится функция π(x), возникает естественное усиление.

Нас начинает интересовать не только существование простого числа, но и количество простых чисел в интервале.

Определим:

B(x)=π(2x)-π(x).

Эта функция показывает число простых p, удовлетворяющих:

x<p<=2x.

Тогда теорема Бертрана принимает форму:

B(x)>=1

для каждого целого x>1.

Таким образом, классическая теорема Бертрана является только утверждением о первом уровне функции B(x).

Эта ситуация почти точно воспроизводит тот переход, который позднее будет осуществлен от классической проблемы Гольдбаха к Метатеореме Гольдбаха.

Классический Гольдбах спрашивает:

есть ли хотя бы одно представление?

Бертран спрашивает:

есть ли хотя бы одно простое в интервале?

В обоих случаях естественно следующий вопрос:

почему останавливаться на единице?

2 — Два простых

Рассмотрим следующий уровень.

С какого момента можно гарантировать, что в каждом интервале:

(x,2x)

существуют уже не один, а по меньшей мере два простых числа?

То есть:

B(x)>=2.

Для малых x это неверно.

Например, при:

x=2

интервал:

(2,4)

содержит только простое:

Но по мере роста x число простых внутри удвоительного интервала в среднем быстро увеличивается.

Возникает новая задача:

найти такую границу X(2), что для всех:

x>=X(2)

будет выполняться:

π(2x)-π(x)>=2.

Это уже не теорема Бертрана в обычной формулировке.

Это второй уровень бертрановской гарантии.

Далее можно спрашивать о трех простых.

О десяти.

О тысяче.

И сразу возникает структура, чрезвычайно напоминающая будущий Метагольдбах.

3 — K простых

Пусть K — произвольное положительное целое число.

Поставим вопрос:

существует ли конечная граница X(K), такая что для каждого x>=X(K):

π(2x)-π(x)>=K?

То есть:

B(x)>=K.

Если такая граница существует для каждого K, получаем бесконечную лестницу количественных уровней.

Уровень:

K=1

есть классическая теорема Бертрана.

Уровень:

K=2

утверждает наличие по крайней мере двух простых.

Уровень:

K=100

— по крайней мере ста простых в каждом достаточно большом интервале удвоения.

И так далее.

В отличие от Метатеоремы Гольдбаха, здесь соответствующее утверждение уже является следствием классической теории распределения простых.

Из теоремы о распределении простых:

π(x)~x/log x

следует:

π(2x)-π(x)~x/log x.

Действительно:

π(2x)~2x/log(2x),

π(x)~x/log x,

а главная разность имеет порядок:

x/log x.

Следовательно:

B(x)->infinity.

Поэтому для каждого фиксированного K существует X(K), после которого:

B(x)>=K.

Это обстоятельство чрезвычайно важно для настоящей книги.

В случае интервалов Бертрана переход от уровня 1 к произвольному K может быть выполнен средствами классической аналитической теории чисел.

Следовательно, здесь мы имеем уже готовый классический аналог конструкции Метатеоремы.

4 — Функция количества простых в (x,2x)

Основной объект количественной теории интервалов:

B(x)=π(2x)-π(x).

Первые значения для целых x можно вычислять непосредственно.

Например:

B(2)=π(4)-π(2)=2-1=1.

В интервале:

(2,4]

находится 3.

Для x=10:

B(10)=π(20)-π(10)=8-4=4.

Простые:

11,13,17,19.

Для x=100:

B(100)=π(200)-π(100)=46-25=21.

Уже здесь видно, что функция B(x) существенно отличается от бинарного индикатора существования простого.

Она обладает:

ростом;

колебаниями;

локальными минимумами;

рекордами;

переходами между уровнями.

Иными словами, как только теорема Бертрана количественно разворачивается, возникает собственная система числовых объектов.

Можно определять:

первое достижение уровня K;

последнее нарушение;

границу окончательной гарантии;

длину переходной зоны;

нижнюю огибающую;

плато;

скачки.

То есть вся архитектура Метагольдбаха имеет здесь классический интервальный аналог.

Это чрезвычайно важная методологическая параллель.

5 — Нижняя огибающая

Среднее значение B(x) растет.

Но универсальное утверждение о каждом x требует изучения не среднего, а нижней огибающей.

Введем функцию:

H_B(X)=min_{x>=X} B(x),

если x рассматривается на дискретной области целых чисел.

Она отвечает на вопрос:

какое количество простых гарантировано в каждом интервале (x,2x) после границы X?

Если:

H_B(X)=5,

это означает:

для каждого целого x>=X интервал:

(x,2x)

содержит не менее пяти простых.

Функция H_B(X) является неубывающей.

При увеличении X мы удаляем ранние интервалы, поэтому гарантированный минимум не может уменьшиться.

Теорема Бертрана означает:

H_B(2)>=1.

Количественное усиление требует:

H_B(X)->infinity.

И это действительно следует из теоремы о распределении простых.

Таким образом, здесь мы встречаем уже полностью классический пример неограниченно растущей нижней гарантии.

Для настоящей книги это особенно ценно.

Метатеорема Гольдбаха также будет формулироваться через аналогичную нижнюю функцию.

Следовательно, количественная теория интервалов может служить модельным объектом для проверки самого языка новой теории.

6 — Уровни гарантии

Для каждого K введем границу:

V_B(K),

такую что:

B(x)>=K

для всех целых:

x>=V_B(K).

Тогда:

V_B(1)=2

в стандартной бертрановской постановке.

Для более высоких K значения необходимо вычислять или оценивать.

Можно также определить:

A_B(K)

— первое x, для которого:

B(x)>=K.

И:

B_B(K)

— последнее x, для которого:

B(x)<K.

Тогда, при существовании последнего нарушения:

V_B(K)=B_B(K)+1.

Можно определить переходную зону:

Z_B(K)=V_B(K)-A_B(K).

Возникают те же фундаментальные различия:

первое достижение

не равно

окончательной гарантии.

Некоторый интервал может очень рано содержать K простых.

Но значительно позже еще могут встречаться интервалы с меньшим количеством.

Поэтому количественная теория Бертрана естественным образом порождает:

границы;

уровни;

переходы;

нижние экстремумы.

Это уже не одна теорема.

Это небольшая самостоятельная теория.

7 — Возможные Метатеоремы Бертрана

Теперь можно сформулировать целое семейство утверждений, которые условно можно назвать Метатеоремами Бертрана.

Метатеорема Бертрана I — количественная

Для каждого положительного целого K существует конечная граница V_B(K), такая что для каждого целого x>=V_B(K):

π(2x)-π(x)>=K.

Это утверждение является классическим следствием теоремы о распределении простых.

Метатеорема Бертрана II — нижняя

Гарантированное минимальное количество простых в интервале:

(x,2x)

неограниченно возрастает:

H_B(X)->infinity.

Это эквивалентная форма первого утверждения.

Метатеорема Бертрана III — количественно-асимптотическая

Количество простых в удвоительном интервале имеет масштаб:

B(x)~x/log x.

Это уже значительно более сильное утверждение, задающее не только неограниченность, но и естественный порядок роста.

Метатеорема Бертрана IV — относительные интервалы

Для фиксированного коэффициента:

c>1

можно рассматривать:

B_c(x)=π(cx)-π(x).

Теорема о распределении простых дает:

B_c(x)~(c-1)x/log x.

Следовательно:

B_c(x)->infinity.

То есть для каждого:

c>1

и каждого K существует X(c,K), начиная с которого каждый интервал:

(x,cx)

содержит не менее K простых.

Это создает уже двухпараметрическую систему:

масштаб x;

коэффициент расширения c.

Метатеорема Бертрана V — система границ

Для каждого c>1 можно исследовать:

V_c(K),

A_c(K),

Z_c(K),

плато;

скачки;

мультипликативные траектории.

Таким образом, классическая теорема Бертрана открывает огромную количественную теорию.

Однако эта теория имеет одно фундаментальное отличие от Метагольдбаха.

Для интервалов простых глобальный рост количества уже следует из классической аналитической теории чисел.

Поэтому здесь не требуется метаиндуктивно устанавливать сам факт:

H_B(X)->infinity.

Можно использовать дедуктивную теорему.

Именно поэтому теория Бертрана становится прекрасным контрольным полигоном для метаиндукции.

Мы можем взять уже доказанную классическую систему, искусственно ограничить себя конечными масштабами и проверить:

смог бы метаиндукционный аппарат правильно обнаружить тот режим, который классическая теория уже знает как истинный?

Это чрезвычайно сильная методологическая возможность.

Если метаиндукция не способна надежно распознать даже классически известный количественный режим Бертрана, ее применение к Метагольдбаху будет преждевременным.

Если же ее законы, прогнозы, экстремальный анализ и теория разрушения воспроизводят классический результат, мы получаем важный калибровочный пример.

Так теорема Бертрана превращается из исторического результата о простых числах в лабораторную модель метаиндукционного доказательства.

Глава 8. Чебышёвские функции

1 — θ(x)

Функция π(x) считает простые числа.

Но иногда важнее не количество простых, а их мультипликативный вклад.

Для этого вводится первая функция Чебышёва:

θ(x)=Σ_(p<=x) log p,

где сумма берется по простым p.

Эквивалентно:

θ(x)=log ∏_(p<=x)p.

То есть θ(x) является логарифмом произведения всех простых до x.

Это делает ее естественным мостом между:

аддитивным анализом логарифмов;

и мультипликативной структурой простых.

Например:

θ(10)=log 2+log 3+log 5+log 7

=log(2·3·5·7)

=log 210.

Таким образом, функция θ(x) измеряет накопленный логарифмический вес простых.

Почему это удобно?

Потому что произведения быстро становятся гигантскими.

Логарифм превращает произведение в сумму.

Мультипликативная структура становится доступной аналитическим оценкам.

Именно через такие функции Чебышёв смог получить первые сильные количественные оценки распределения простых задолго до доказательства полной теоремы о простых числах.

2 — ψ(x)

Вторая функция Чебышёва еще богаче:

ψ(x)=Σ_(p^k<=x) log p,

где суммирование идет по всем степеням простых:

p, p², p³,…

не превосходящим x.

Эквивалентно:

ψ(x)=Σ_(n<=x) Λ(n),

где Λ(n) — функция фон Мангольдта:

Λ(n)=log p,

если:

n=p^k

для некоторого простого p и целого k>=1,

и:

Λ(n)=0

в остальных случаях.

Например, при x=10 учитываются:

2,4,8;

3,9;

Поэтому:

ψ(10)

log2+log2+log2
+
log3+log3
+
log5
+
log7.

То есть:

ψ(10)

3log2+2log3+log5+log7.

Функция ψ(x) тесно связана с факториалами, наименьшими общими кратными и дзета-функцией.

Она оказывается еще удобнее θ(x) во многих аналитических задачах.

При этом разность между ψ и θ обусловлена только степенями простых:

p²,p³,…

которые значительно более редки, чем сами простые.

Поэтому на большом масштабе эти две функции имеют один главный порядок роста.

3 — Факториальные оценки

Связь чебышёвских функций с факториалами фундаментальна.

Рассмотрим:

n!.

Показатель простого p в разложении n! равен:

v_p(n!)

floor(n/p)
+
floor(n/p²)
+
floor(n/p³)
+…

Эта формула показывает, сколько раз p появляется среди множителей:

1·2·3·…·n.

Теперь логарифм факториала:

log(n!)

можно разложить по простым:

log(n!)

Σ_(p<=n) v_p(n!) log p.

Следовательно, факториальная величина одновременно содержит информацию обо всех простых до n.

Это ключевой принцип чебышёвского подхода.

Факториал легко оценить глобально.

Например:

n!<=n^n,

поэтому:

log(n!)<=n log n.

С другой стороны, значительную часть множителей можно ограничить снизу.

Такие оценки позволяют переходить от величины факториала к суммам по простым.

Именно через подобные конструкции возникают оценки:

θ(x),

ψ(x),

π(x).

Факториал оказывается своеобразным контейнером общей арифметической информации.

4 — Биномиальные оценки

Еще более удобен центральный биномиальный коэффициент:

C(2n,n).

Мы уже использовали его в доказательстве теоремы Бертрана.

С одной стороны:

C(2n,n)

велик.

Приближенно:

C(2n,n)≈4^n/sqrt(πn).

С другой стороны, его простые делители не превосходят 2n.

Следовательно, логарифм биномиального коэффициента можно выразить через взвешенную сумму логарифмов простых:

log C(2n,n)

Σ_(p<=2n) α_p log p.

Это уже прямая связь с θ и ψ.

Грубо говоря, экспоненциальный размер:

C(2n,n)≈4^n

заставляет общий логарифмический вес простых до 2n иметь линейный порядок по n.

Таким образом, биномиальная конструкция дает естественный путь к оценкам:

θ(x)≈x

и:

ψ(x)≈x

в смысле двухстороннего порядка величины.

Именно такие рассуждения лежат в основе классических оценок Чебышёва.

5 — Оценки π(x)

Как перейти от θ(x) к π(x)?

Поскольку каждый простой:

p<=x

удовлетворяет:

log p<=log x,

имеем:

θ(x)

Σ_(p<=x) log p
<=
π(x) log x.

Следовательно:

π(x)>=θ(x)/log x.

Поэтому нижняя линейная оценка:

θ(x)>=c₁x

немедленно дает:

π(x)>=c₁ x/log x.

Для верхней оценки можно использовать простые из верхней части диапазона.

Например, если:

sqrt(x)<p<=x,

то:

log p>=1/2 log x.

Следовательно:

θ(x)

=
[π(x)-π(sqrt(x))]·(1/2 log x).

Отсюда можно получить верхние оценки для π(x), если θ(x) уже контролируется сверху.

Именно так линейный порядок θ и ψ преобразуется в порядок:

x/log x

для функции счета простых.

Чебышёв получил конкретные константы A и B такие, что для достаточно больших x:

A x/log x
<
π(x)
<
B x/log x.

Главное здесь не точные значения констант.

Главное — установление правильного масштаба.

6 — Порядок x/log x

До Чебышёва уже существовала сильная эмпирическая гипотеза, что:

π(x)

ведет себя приблизительно как:

x/log x.

Лежандр и Гаусс пришли к этому закону на основе вычислений.

Но между численным наблюдением и доказательством существует огромная дистанция.

Чебышёв сделал фундаментальный шаг.

Он не доказал еще:

π(x)~x/log x.

Это будет сделано позже Адамаром и де ла Валле-Пуссеном.

Но Чебышёв показал, что π(x) действительно имеет порядок:

x/log x.

То есть существуют положительные константы c₁ и c₂, для которых:

c₁ x/log x
<=
π(x)
<=
c₂ x/log x

при достаточно больших x.

Можно записать:

π(x) ≍ x/log x.

Это уже чрезвычайно сильный результат.

Он означает, что предполагаемый Гауссом масштаб не является числовой иллюзией.

Простые действительно встречаются примерно с логарифмической плотностью.

Кроме того, Чебышёв доказал важный факт:

если предел

π(x)/(x/log x)

существует,

то он обязан быть равен 1.

То есть оставалось доказать главным образом существование предела.

Впоследствии это и стало теоремой о распределении простых чисел.

7 — Значение для дальнейшей теории

Чебышёвские функции имеют для настоящей книги несколько фундаментальных значений.

Первое — переход от счета к весу

π(x) просто считает простые.

θ(x) и ψ(x) учитывают их мультипликативную структуру через логарифмы.

Это уже многокоординатное описание одного и того же мира.

Второе — связь локального и глобального

Через разность:

θ(2x)-θ(x)

можно исследовать простые в интервале:

(x,2x).

Если разность положительна, интервал содержит простой.

Если она велика, можно получать количественную информацию.

Третье — факториалы как агрегаторы

Факториальные и биномиальные конструкции позволяют превращать огромные множества локальных фактов о простых в одну глобальную величину.

Это очень важный доказательный прием.

Четвертое — правильный масштаб

Чебышёвские оценки устанавливают фундаментальный порядок:

π(x) ~ по масштабу x/log x.

Именно от этого масштаба позднее естественно возникает эвристический порядок количества голдбаховских разложений:

N/(log N)².

Если вероятность одного большого числа оказаться простым имеет порядок:

1/log N,

то вероятность двух независимых кандидатов быть простыми в грубом эвристическом смысле имеет порядок:

1/(log N)².

А число потенциальных пар имеет порядок N.

Отсюда и возникает главный масштаб Голдбаха.

Пятое — важность нормировки

Абсолютное количество простых растет.

Но содержательный закон становится видимым только после сравнения с:

x/log x.

То же произойдет и в Метагольдбахе.

Абсолютное G(N) недостаточно.

Нужно искать естественную масштабную нормировку.

Шестое — пример перехода от эмпирического закона к доказательной системе

Гаусс и Лежандр увидели x/log x вычислительно.

Чебышёв доказал правильность порядка.

Адамар и де ла Валле-Пуссен позднее доказали точную асимптотику.

Это почти идеальная историческая лестница доказательных состояний:

наблюдение;

эмпирический закон;

двусторонняя доказанная оценка;

асимптотическая теорема.

Для Теории метаиндукции подобная история особенно ценна.

Она показывает, что математический закон может проходить несколько качественно различных стадий, причем каждая стадия добавляет не просто новые данные, а новый тип доказательной информации.

Наконец, Чебышёвские функции вновь показывают ограниченность одномерного взгляда.

Чтобы понять простые числа, оказалось полезно одновременно исследовать:

π(x);

θ(x);

ψ(x);

факториалы;

биномиальные коэффициенты;

локальные интервалы.

То есть сама классическая теория простых уже является многоканальной.

И именно эта многоканальность подготовит следующий великий шаг — точную теорему о распределении простых чисел.

*********

Глава 9. Теорема о распределении простых

1 — π(x) ~ x/log x

Функция π(x) отвечает на один из главных количественных вопросов теории простых:

сколько простых чисел не превосходит x?

Численные таблицы постепенно показали, что простые становятся реже, но эта разреженность подчиняется чрезвычайно устойчивому закону.

Главный результат формулируется так:

π(x) ~ x/log x.

Знак:

означает асимптотическую эквивалентность:

π(x)/(x/log x) -> 1

при:

x -> infinity.

Иными словами, относительная ошибка приближения:

x/log x

к истинному количеству простых стремится к нулю.

Это теорема о распределении простых чисел, или Prime Number Theorem — PNT.

Она не говорит, где находится следующий простой.

Не сообщает точного расстояния между соседними простыми.

Не исключает больших локальных промежутков.

Но она устанавливает глобальный закон плотности всей последовательности простых.

Около большого x естественная плотность простых имеет порядок:

1/log x.

Эта формула является одной из фундаментальных масштабных формул всей теории чисел.

Из нее вырастает огромное количество последующих эвристик, оценок и моделей.

В частности, именно квадрат логарифмической плотности позднее станет естественным первым приближением к аддитивной задаче Гольдбаха.

2 — Логарифмический интеграл

Функция:

x/log x

дает правильный асимптотический масштаб.

Но для численного приближения π(x) более естественной оказывается другая функция — логарифмический интеграл.

Для x>2 можно определить:

Li(x)=∫_2^x dt/log t.

Ее производная равна:

1/log x.

Следовательно, Li(x) можно понимать как накопленную ожидаемую плотность простых.

Если около точки t плотность простых грубо оценивается величиной:

1/log t,

то интегрирование этой плотности от 2 до x дает ожидаемое общее количество простых.

Это концептуально естественнее, чем просто умножение:

x·1/log x,

поскольку плотность постепенно меняется на всем интервале.

При больших x:

Li(x) ~ x/log x,

но Li(x) включает дополнительные члены асимптотического разложения:

Li(x)
~
x/log x
+
x/(log x)^2
+
2!x/(log x)^3
+
3!x/(log x)^4
+…

Поэтому Li(x) обычно дает значительно более точное численное приближение к π(x), чем один первый член x/log x.

Важно, однако, различать два вопроса.

Первый:

какова удобная численная аппроксимация?

Второй:

каков доказанный асимптотический закон?

PNT утверждает именно:

π(x)~Li(x)~x/log x.

Таким образом, логарифмический интеграл отражает не новую плотность простых, а более точное интегральное накопление той же логарифмической плотности.

3 — Смысл асимптотики

Асимптотическое равенство часто понимают слишком грубо.

Если:

f(x)~g(x),

это не означает:

f(x)=g(x)

для больших x.

Не означает и того, что абсолютная разность:

f(x)-g(x)

стремится к нулю.

Она может, напротив, становиться очень большой.

Требуется только:

f(x)/g(x) -> 1.

Например, если:

π(x)~x/log x,

то абсолютная ошибка может расти, но должна быть малой относительно самого масштаба x/log x.

Это различие принципиально.

Асимптотика говорит о глобальной форме роста.

Она не контролирует автоматически локальные колебания.

Можно знать с высокой относительной точностью число простых до x и одновременно мало знать о конкретном интервале:

[x,x+h].

Можно знать глобальную плотность и не знать длину следующего промежутка между простыми.

Это один из важнейших уроков для всей дальнейшей теории.

Средний или интегральный закон не заменяет контроля экстремального слоя.

Именно эта граница позднее окажется центральной в проблеме Гольдбаха.

4 — Дзета-функция

Решающий переход к доказательству PNT возник после того, как распределение простых было связано с комплексным анализом.

Центральным объектом стала дзета-функция Римана:

ζ(s)=Σ_(n=1)^∞ 1/n^s,

первоначально определенная при:

Re(s)>1.

Еще Эйлер обнаружил фундаментальную связь:

ζ(s)=∏_p 1/(1-p^(-s)),

где произведение берется по всем простым числам.

Это эйлерово произведение.

Оно представляет всю совокупность натуральных чисел как результат уникальной простой факторизации.

Действительно, раскрывая произведение:

∏_p (1+p^(-s)+p^(-2s)+…),

мы выбираем для каждого простого некоторую степень.

По основной теореме арифметики каждая комбинация таких степеней соответствует ровно одному натуральному числу.

Поэтому произведение превращается в сумму:

Σ n^(-s).

Так основная теорема арифметики становится аналитической формулой.

Это один из глубочайших переходов классической математики:

простые числа кодируются особенностями одной комплексной функции.

Риман затем рассмотрел аналитическое продолжение ζ(s) за область Re(s)>1 и сделал ее центральным объектом теории распределения простых.

5 — Нули

Особое значение имеют значения s, для которых:

ζ(s)=0.

Существуют так называемые тривиальные нули:

s=-2,-4,-6,…

Но основная арифметическая информация связана с нетривиальными нулями, находящимися в критической полосе:

0<Re(s)<1.

Именно расположение этих нулей определяет тонкость распределения простых.

Для доказательства PNT не требуется решать знаменитую гипотезу Римана.

Достаточно значительно более слабого, но все равно глубокого факта:

ζ(s) не имеет нулей на прямой:

Re(s)=1.

Это отсутствие нулей позволяет контролировать аналитическое поведение логарифмической производной ζ-функции и через нее — чебышёвских функций θ(x) и ψ(x).

В результате становится возможным доказать:

ψ(x)~x,

θ(x)~x,

а затем:

π(x)~x/log x.

Именно этот аналитический путь был реализован в конце XIX века.

6 — Адамар

В 1896 году Жак Адамар доказал теорему о распределении простых чисел.

Ключевой частью его доказательной архитектуры стало исследование дзета-функции и установление необходимой информации о ее нулях.

Решающим являлось отсутствие нулей на линии:

Re(s)=1.

После этого аналитическая информация о ζ(s) была преобразована в асимптотическую информацию о простых.

В том же 1896 году к тому же результату независимо пришел Шарль Жан де ла Валле-Пуссен. Таким образом, PNT была доказана практически одновременно двумя независимыми аналитическими путями.

Это исторически чрезвычайно примечательно.

Гауссово численное наблюдение о масштабе:

x/log x

потребовало почти столетия развития теории функций комплексного переменного, чтобы превратиться в строгую теорему.

Следовательно, очень простая арифметическая закономерность могла иметь скрытую доказательную архитектуру совершенно иного уровня сложности.

7 — де ла Валле-Пуссен

Независимое доказательство де ла Валле-Пуссена также было опубликовано в 1896 году.

Его работа особенно важна потому, что он не только установил PNT, но и развил более точный анализ области, свободной от нулей дзета-функции.

Так возникает следующий уровень.

Недостаточно знать:

π(x)~x/log x.

Можно спрашивать:

насколько быстро отношение приближается к единице?

Это вопрос об ошибочном члене.

Чем сильнее область, в которой ζ(s) гарантированно не имеет нулей, тем более точные оценки можно получить для отклонения π(x) от ее главного члена.

И здесь особенно хорошо видна глубокая связь между:

геометрией нулей комплексной функции;

и точностью распределения натуральных простых чисел.

То, что первоначально выглядит как чисто арифметическая задача, оказывается связано с совершенно иным математическим миром.

Это один из важнейших исторических примеров многоканальной математики.

8 — Эрдёш и Сельберг

После доказательств 1896 года долгое время оставался концептуальный вопрос.

Необходим ли для PNT комплексный анализ?

Утверждение теоремы формулируется исключительно в терминах натуральных чисел и логарифма.

Но первое доказательство использовало глубокие свойства комплексной дзета-функции.

В конце 1940-х годов Атле Сельберг и Пал Эрдёш создали так называемые элементарные доказательства теоремы о распределении простых — то есть доказательства, не использующие теорию функций комплексного переменного. История распределения приоритета между их работами сложна; источники датируют соответствующий цикл работ 1948–1949 годами.

Слово «элементарное» здесь не означает «простое».

Эти доказательства весьма сложны.

Термин означает лишь, что они избегают методов комплексного анализа.

Центральную роль в подходе Сельберга играет его знаменитая симметрическая формула, связывающая взвешенные суммы по простым и логарифмические выражения.

Историческое значение этого события огромно.

Один и тот же универсальный закон получил две принципиально различные доказательные архитектуры:

аналитическую — через дзета-функцию;

элементарную — через арифметические суммы и тождества.

Для Метаорганона это особенно интересно.

Независимые доказательные маршруты одного утверждения являются значительно более сильным свидетельством глубины самого закона, чем существование единственного технического доказательства.

9 — Средний закон и локальный экстремум

Теперь возникает принципиальный вопрос для всей настоящей книги.

Что именно PNT говорит о простых?

Она утверждает глобальную асимптотику:

π(x)~x/log x.

Отсюда можно получить ожидаемое количество простых в достаточно больших относительных интервалах.

Но универсальная локальная задача может зависеть от редчайших экстремальных событий.

Рассмотрим два утверждения.

Первое:

«в среднем простые имеют плотность порядка 1/log x».

Второе:

«каждый конкретный интервал определенного типа обязательно содержит простой».

Первое не автоматически влечет второе.

Можно иметь правильный глобальный средний закон и одновременно большие локальные провалы.

Так действительно и происходит: промежутки между соседними простыми не ограничены абсолютной константой.

Следовательно, существует фундаментальное различие:

интегральная плотность

локальная нижняя гарантия.

В терминах будущей Теории метаиндукции PNT описывает чрезвычайно сильный глобальный режим.

Но универсальные аддитивные задачи требуют дополнительного контроля экстремумов.

Это различие особенно важно для Гольдбаха.

10 — Почему PNT не решает Гольдбаха

На первый взгляд может показаться, что PNT почти должна решать проблему Гольдбаха.

Если около N простое встречается с плотностью порядка:

1/log N,

то среди порядка N потенциальных пар:

p+(N-p)=N

естественно ожидать примерно:

N/(log N)^2

пар, в которых оба компонента простые.

Эта величина стремится к бесконечности.

Почему же из этого не следует, что каждое большое четное число имеет хотя бы одно такое представление?

Потому что здесь производится переход от средней плотности отдельных простых к коррелированному аддитивному событию.

Для пары:

N-p

условия простоты не являются полностью независимыми.

На них влияют congruence-ограничения по малым простым.

Если, например, рассматривать остатки по 3, возможные пары распределяются не произвольно.

Для каждого простого l структура допустимых остатков зависит от N mod l.

Все эти локальные коррекции накапливаются.

Именно поэтому позднее в гипотезе Харди—Литлвуда появляется сингулярный ряд.

Еще важнее другое.

Даже если среднее количество представлений огромно, для доказательства классического Гольдбаха требуется гарантировать:

G(N)>=1

для каждого четного N.

А для Метатеоремы:

G(N)>=K

для каждого достаточно большого четного N.

Следовательно, нужен контроль самого нижнего хвоста.

PNT этого не дает.

Она отвечает:

сколько простых существует глобально?

Гольдбах спрашивает:

как они координируются попарно относительно каждого конкретного четного центра N?

Это другая задача.

Таким образом, теорема о распределении простых является фундаментальной основой эвристического масштаба Метагольдбаха, но не его решением.

Она объясняет, почему естественно ожидать огромное количество представлений.

Но не исключает автоматически редкого арифметически обусловленного провала.

Именно пространство между растущим средним масштабом и универсальной нижней гарантией станет центральной территорией настоящего исследования.

Глава 10. Простые в арифметических прогрессиях

1 — Взаимно простые классы

Следующий шаг после глобальной плотности простых — исследование их распределения по остаточным классам.

Пусть задан модуль q.

Каждое целое число имеет остаток:

0,1,2,…,q-1

при делении на q.

Рассмотрим арифметическую прогрессию:

a+q,

a+2q,

a+3q,

…

или в компактной форме:

a mod q.

Может ли такая прогрессия содержать бесконечно много простых?

Не всегда.

Например:

0 mod 4

содержит:

4,8,12,16,…

и, кроме самого возможного делителя модуля, простых там нет.

Если:

gcd(a,q)>1,

все достаточно большие числа:

a+nq

имеют общий делитель с q и поэтому не могут быть простыми.

Следовательно, естественное необходимое условие:

gcd(a,q)=1.

Такие остаточные классы называются приведенными, или взаимно простыми с модулем.

Например, по модулю 10 допустимы для больших простых только остатки:

1,3,7,9.

Каждое простое больше 5 заканчивается одной из этих цифр.

Возникает фундаментальный вопрос:

содержит ли каждый допустимый остаточный класс бесконечно много простых?

2 — Дирихле

Ответ дает теорема Дирихле.

Пусть:

gcd(a,q)=1.

Тогда арифметическая прогрессия:

a, a+q, a+2q, …

содержит бесконечно много простых чисел.

Дирихле представил доказательство этого фундаментального результата в 1837 году.

Например, бесконечно много простых вида:

4n+1,

и бесконечно много простых вида:

4n+3.

Бесконечно много простых, заканчивающихся десятичной цифрой:

или:

Теорема Евклида утверждала бесконечность простых вообще.

Теорема Дирихле делает существенно более сильный структурный шаг.

Она говорит:

простые бесконечно продолжаются внутри каждого допустимого линейного арифметического класса.

То есть бесконечность простых не сосредоточена хаотически в нескольких остатках.

Она пронизывает всю систему взаимно простых арифметических прогрессий.

3 — Характеры

Для доказательства Дирихле понадобился принципиально новый аналитический инструмент — характеры по модулю q.

Характер Дирихле:

χ(n)

является периодической арифметической функцией с периодом q, обладающей свойством полной мультипликативности:

χ(mn)=χ(m)χ(n).

При этом:

χ(n)=0,

если:

gcd(n,q)>1.

Характеры позволяют различать остаточные классы с помощью ортогональных весов.

Это принципиально важная идея.

Пусть необходимо выделить числа:

n≡a mod q.

Вместо непосредственного фильтра можно использовать комбинацию характеров.

Их ортогональность дает своего рода арифметический аналог преобразования Фурье.

Обычный анализ разлагает сложную функцию по гармоникам.

Теория характеров разлагает арифметическую структуру по остаточным классам.

Это один из первых великих примеров того, как дискретная арифметическая классификация получает собственную систему «частот».

Для дальнейшей аддитивной теории эта идея окажется фундаментальной.

4 — L-функции

Каждому характеру χ соответствует L-функция Дирихле:

L(s,χ)=Σ_(n=1)^∞ χ(n)/n^s,

первоначально при:

Re(s)>1.

Как и дзета-функция, она обладает эйлеровым произведением:

L(s,χ)

∏_p 1/(1-χ(p)p^(-s)).

Дзета-функция фактически соответствует главному случаю без разделения по остаточным классам.

L-функции вводят дополнительную арифметическую информацию:

в каком классе modulo q находится простой p.

Ключевым шагом доказательства Дирихле является поведение L-функций при:

s=1.

Для неглавных характеров необходимо показать:

L(1,χ)≠0.

Именно это препятствует исчезновению простых в отдельном взаимно простом остаточном классе.

Здесь снова возникает уже знакомая структура:

арифметическая задача;

аналитическая функция;

ее ненулевое значение;

следствие о бесконечности простых.

Это предвосхищает будущую роль нулей дзета-функции в PNT.

5 — Распределение между классами

Теорема Дирихле гарантирует бесконечность простых в каждом допустимом классе.

Но можно задать более сильный вопрос:

как распределяются простые между этими классами количественно?

Введем:

π(x;q,a)

— количество простых:

p<=x,

для которых:

p≡a mod q.

Если:

gcd(a,q)=1,

то для фиксированного q более поздняя аналитическая теория дает:

π(x;q,a)
~
Li(x)/φ(q),

где:

φ(q)

— функция Эйлера, равная числу остаточных классов modulo q, взаимно простых с q.

Эквивалентно, в главном масштабе:

π(x;q,a)
~
1/φ(q) · x/log x.

Таким образом, допустимые классы асимптотически получают равные доли простых.

Например, modulo 4 существуют два допустимых класса:

и:

Асимптотически половина простых распределяется в каждом из них:

π(x;4,1)~π(x;4,3)~(1/2)Li(x).

Но это утверждение относится к пределу.

На конечных диапазонах ситуация значительно сложнее.

6 — Конечная неравномерность

Асимптотическое равенство долей не означает точного равенства на каждом конечном x.

Пусть имеются два допустимых класса:

a mod q

и:

b mod q.

Даже если:

π(x;q,a)/π(x;q,b) -> 1,

разность:

π(x;q,a)-π(x;q,b)

может долго сохранять определенный знак, затем менять его, снова возвращаться и демонстрировать сложные колебания.

Это важнейший пример различия:

асимптотического баланса

конечной структуры.

В малом и среднем диапазоне простые не обязаны выглядеть идеально равномерно распределенными между допустимыми классами.

Асимптотика не стирает локальных особенностей.

Она только утверждает, что относительная доля каждого допустимого класса в пределе стремится к:

1/φ(q).

Для Метаорганона это еще один фундаментальный исторический урок.

Даже при наличии доказанной глобальной симметрии конечные масштабы могут обладать выраженной структурной неравномерностью.

Следовательно, наблюдаемое отклонение от идеального асимптотического режима не обязательно означает разрушение закона.

Вопрос состоит в том:

является ли отклонение допустимым дрейфом

или началом другого режима?

Именно такого рода различия позднее должен анализировать Закон условного тождества.

7 — Значение для аддитивных задач

Теория простых в арифметических прогрессиях особенно важна для проблемы Гольдбаха.

Пусть фиксировано четное число N.

Ищется пара простых:

p+q=N.

Рассмотрим остатки modulo l, где l — некоторое малое простое.

Если:

p≡a mod l,

то автоматически:

q=N-p≡N-a mod l.

Следовательно, остаточные классы двух простых не выбираются независимо.

Они связаны условием суммы.

Например, если l не делит N, существуют остатки a, при которых один из членов пары неизбежно становится кратным l.

Такие пары должны быть исключены.

Если же l делит N, структура допустимых пар меняется.

Таким образом, факторизация самого N влияет на число допустимых пар простых.

Это один из истоков знаменитого арифметического множителя в гипотезе Харди—Литлвуда.

Числа, имеющие больше малых нечетных простых делителей, получают иной локальный коррекционный фактор, чем числа, почти лишенные таких делителей.

Именно поэтому значения G(N) столь неоднородны.

Например, два четных числа одного порядка могут иметь существенно различное количество голдбаховских представлений не потому, что глобальная плотность простых изменилась, а потому, что их остаточная арифметическая структура различна.

Здесь теория Дирихле становится важнейшим фундаментом.

Она показывает, что простые не только имеют глобальную плотность.

Они распределены по допустимым арифметическим классам систематическим образом.

Но аддитивная задача требует изучить совместимость двух таких классов под условием фиксированной суммы.

Поэтому путь к Гольдбаху проходит через несколько уровней:

глобальное распределение простых;

распределение по прогрессиям;

локальные congruence-ограничения;

совместную аддитивную структуру;

нижний экстремальный слой числа представлений.

Именно здесь становится все яснее, почему одной функции π(x) недостаточно.

Мир простых многомерен.

Его необходимо рассматривать одновременно по:

масштабу;

остаточным классам;

факторизационным структурам;

локальным интервалам;

и аддитивным взаимодействиям.

Так классическая теория постепенно подводит нас к той многоканальной системе координат, которая будет необходима для Метагольдбаха.

********

Глава 11. Промежутки между простыми

1 — Последовательность простых

Пусть простые числа записаны в возрастающем порядке:

p₁=2,

p₂=3,

p₃=5,

p₄=7,

p₅=11,

…

Теорема Евклида гарантирует, что эта последовательность бесконечна.

Теорема о распределении простых описывает ее глобальную плотность.

Но между этими двумя фактами остается огромная область локальной структуры.

Нас интересует уже не только:

сколько простых находится до x,

но и:

как они расположены относительно друг друга?

Именно здесь возникает геометрия простых на натуральной оси.

Если бы простые распределялись совершенно регулярно, можно было бы ожидать почти равных промежутков.

Но реальная последовательность устроена иначе.

Она содержит:

сгущения;

редкие участки;

малые промежутки;

большие промежутки;

серии необычно близких простых;

и длинные участки без простых вообще.

Следовательно, глобальная плотность:

1/log x

не должна пониматься как локальная метрономическая частота.

Она задает средний масштаб.

Реальная последовательность колеблется вокруг этого масштаба весьма сложно.

2 — Prime gaps

Определим промежуток между соседними простыми:

g_n=p_(n+1)-p_n.

Последовательность:

g₁,g₂,g₃,…

называется последовательностью промежутков между простыми — prime gaps.

Первые значения:

10,

…

Уже здесь видна нерегулярность.

После простого 2 все остальные простые нечетны.

Поэтому все промежутки:

g_n

при n>=2 четны.

Но это почти единственная простая универсальная регулярность.

Одни значения повторяются часто.

Другие появляются редко.

Возникают все новые рекордные промежутки.

Можно определить:

G(x)=max{p_(k+1)-p_k : p_(k+1)<=x}.

Это функция рекордного промежутка до масштаба x.

Она неубывает ступенчато.

Каждый новый рекорд создает новый экстремальный объект.

Таким образом, уже классическая теория prime gaps естественно порождает:

последовательности рекордов;

позиции рекордов;

величины скачков;

отношения к среднему масштабу;

нормированные экстремумы.

То есть весь язык экстремального анализа, необходимый для Метагольдбаха, имеет здесь ясный классический предшественник.

3 — Средний промежуток

Из PNT:

π(x)~x/log x.

До x находится примерно:

x/log x

простых.

Следовательно, средний интервал между ними имеет порядок:

x/[x/log x]=log x.

Поэтому естественный средний масштаб prime gap около x:

log x.

Но эта формула требует осторожности.

Она не утверждает:

g_n~log p_n

для каждого n.

Она не утверждает даже, что большинство конкретных промежутков обязаны быть близки к log x в каком-то простом абсолютном смысле.

Она только задает естественный масштаб средней плотности.

Именно здесь возникает полезная нормировка:

g_n/log p_n.

Если она близка к 1, промежуток находится около среднего масштаба.

Если значительно больше единицы — перед нами относительно большой разрыв.

Если значительно меньше — локальное сгущение простых.

Следовательно, переход от абсолютного g_n к нормированному:

g_n/log p_n

делает видимой структуру, скрытую за общим ростом числового масштаба.

Для будущего Метагольдбаха аналогичная операция будет фундаментальной:

абсолютные значения G(N) необходимо сравнивать с естественным масштабом:

N/(log N)².

4 — Большие промежутки

Промежутки между соседними простыми не ограничены сверху.

Это можно увидеть элементарно.

Рассмотрим:

(m+1)!+2,

(m+1)!+3,

…,

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

Каждое из этих m последовательных чисел составно.

Действительно:

(m+1)!+k

делится на k

для:

2<=k<=m+1.

Следовательно, существуют сколь угодно длинные интервалы без простых.

Это фундаментальный факт.

Он показывает:

PNT не может обеспечивать абсолютную локальную регулярность.

Каким бы большим ни был x, натуральный ряд способен содержать длинные участки составных чисел.

Но элементарная факториальная конструкция дает лишь существование больших промежутков.

Более глубокий вопрос:

насколько большими могут быть рекордные промежутки относительно естественного масштаба log x?

Исторически исследования больших промежутков прошли через работы Вестцынтиуса, Рэнкина, Эрдёша и многих последующих авторов.

Было доказано, что рекордные промежутки могут превосходить средний масштаб log x на множители, которые сами неограниченно растут.

Следовательно:

g_n/log p_n

не ограничено константой.

Это принципиальный результат.

Простые не только иногда отклоняются от среднего.

Относительная глубина некоторых разреженных участков также может расти.

Именно поэтому универсальные локальные утверждения о простых требуют значительно более сильного анализа, чем PNT.

5 — Малые промежутки

Противоположный вопрос:

насколько близко могут располагаться соседние простые?

Минимально возможный разрыв между нечетными простыми равен:

Пары:

(p,p+2)

называются простыми-близнецами.

Например:

3 и 5,

5 и 7,

11 и 13,

17 и 19,

29 и 31.

Знаменитая гипотеза о близнецах утверждает:

таких пар бесконечно много.

Она остается отдельной трудной проблемой.

Но XX и XXI века дали чрезвычайно сильные результаты о малых промежутках.

Важнейший перелом произошел после работ Голдстона, Пинца и Йылдырыма, а затем Чжана, Мейнарда и Тао.

Было доказано, что существуют бесконечно многие пары различных простых, расстояние между которыми ограничено некоторой абсолютной константой.

Иными словами:

liminf g_n < infinity.

Это значительно слабее гипотезы о близнецах, поскольку не утверждается, что бесконечно часто возникает именно gap=2.

Но концептуально результат огромен.

Средний промежуток:

log p_n -> infinity.

А некоторые промежутки остаются ограниченными.

Следовательно:

liminf g_n/log p_n=0.

Так локальная структура простых демонстрирует одновременно два противоположных экстремальных режима:

нормированные большие разрывы могут становиться очень велики;

нормированные малые разрывы стремятся к нулю вдоль подходящих подпоследовательностей.

Средняя плотность находится между двумя чрезвычайно различными экстремальными мирами.

6 — Короткие интервалы

Теорема Бертрана рассматривает интервал:

(x,2x).

Его длина равна x.

Это очень большой интервал относительно среднего промежутка:

log x.

Естественно спросить:

можно ли гарантировать простое число в гораздо более коротком интервале:

(x,x+h(x))?

Если:

h(x)=x,

это Бертран.

Если:

h(x)=x^θ,

где:

θ<1,

интервал уже значительно короче.

Чем меньше h(x), тем труднее задача.

PNT само по себе эффективно контролирует интервалы, длина которых достаточно велика относительно x.

Но переход к коротким интервалам требует существенно более тонких оценок ошибки.

В пределе вопрос:

есть ли простой в:

(x,x+O(log x))?

становится уже близким к естественному среднему масштабу.

А утверждение о постоянной длине:

(x,x+C)

для каждого достаточно большого x

невозможно, поскольку prime gaps неограниченны.

Следовательно, существует целая шкала локальности:

глобальный диапазон [1,x];

относительный интервал (x,2x);

субъективно короткие интервалы x^θ;

логарифмические интервалы;

индивидуальные промежутки между соседними простыми.

Каждый уровень требует собственного доказательного аппарата.

7 — Экстремальная геометрия простых

Теперь можно сформулировать один из главных выводов классической теории.

Последовательность простых имеет по крайней мере три различных геометрических уровня.

Первый — глобальный

Количество простых до x:

π(x)~x/log x.

Второй — локально-статистический

Средний промежуток около x:

~log x.

Третий — экстремальный

Существуют как чрезвычайно большие, так и чрезвычайно малые относительно среднего промежутки.

Эти уровни нельзя смешивать.

Правильный глобальный закон не уничтожает экстремумы.

Более того, экстремумы сами образуют новые закономерные структуры.

Можно исследовать:

рекордные промежутки;

их позиции;

нормированные рекорды;

частоту рекордов;

локальные сгущения;

кластеры;

отношение к остаточным классам;

факторизационную структуру составных чисел внутри больших gaps.

Так теория простых естественно переходит от одной функции π(x) к многомерной геометрии.

Это фундаментальный урок для Метагольдбаха.

Мы также будем иметь естественный средний масштаб:

N/(log N)².

Но Метатеорема зависит не от средней высоты G(N).

Она зависит от худшего поведения нижнего слоя.

Следовательно, prime gaps дают классический образец той же методологической ситуации:

средний закон может быть исключительно точным, а универсальная задача все равно определяется экстремумами.

Именно поэтому после теории распределения простых и их промежутков естественно перейти к методам, специально созданным для контроля арифметических исключений, — к теории решет.

Глава 12. Решетные методы

1 — Лежандр

Решето Эратосфена является алгоритмом.

Но из его идеи можно построить и аналитический метод счета.

Пусть требуется определить количество чисел до x, не делящихся ни на один из первых a простых.

Обозначим эту величину:

Φ(x,a).

Если:

p₁,p₂,…,p_a

— первые a простых, то Φ(x,a) считает числа:

n<=x,

для которых:

gcd(n,p₁p₂…p_a)=1.

Идея включений и исключений дает:

из x вычитаются кратные p₁;

кратные p₂;

…

затем возвращаются числа, вычтенные дважды как кратные p_ip_j;

далее снова вычитаются кратные трех простых;

и так далее.

Схематически:

Φ(x,a)

=
floor(x)

Σ floor(x/p)

Σ floor(x/(pq))

Σ floor(x/(pqr))

+…

Это арифметическая форма принципа включения-исключения.

Она лежит в основе формулы Лежандра для π(x).

Если выбрать:

a=π(sqrt(x)),

то каждое составное n<=x имеет простой делитель не больше sqrt(x).

Следовательно, после удаления кратных этих простых оставшиеся числа больше 1 являются простыми.

Получается формула типа:

π(x)=Φ(x,a)+a-1.

Таким образом, алгоритмическое решето превращается в счетную функцию.

Но возникает проблема.

Число членов включения-исключения растет экспоненциально с количеством простых.

Поэтому прямой полный учет всех пересечений быстро становится непрактичным.

Именно эта проблема приводит к современным решетным методам.

2 — Брун

В начале XX века Вигго Брун создал новую форму решета, позволившую обходить полный принцип включения-исключения.

Вместо точного учета всех комбинаций он строил контролируемые усечения, дающие верхние и нижние оценки количества оставшихся чисел.

Это был фундаментальный переход.

Классическое решето пытается точно удалить все составные объекты.

Решето Бруна допускает неполный учет, но сохраняет строгую оценку ошибки.

Особенно знаменитым приложением метода стала задача о простых-близнецах.

Брун не доказал, что близнецов бесконечно много.

Но он доказал глубокий результат:

если суммировать обратные величины всех простых, входящих в пары близнецов, соответствующий ряд сходится.

Так возникла константа Бруна.

Это резко контрастирует с обычными простыми:

Σ_p 1/p

расходится.

Следовательно, если простых-близнецов бесконечно много, они распределены значительно реже, чем все простые.

Работы Бруна показали, что решета способны извлекать глубокую количественную информацию даже там, где полное существование бесконечного семейства остается недоказанным.

3 — Решето Сельберга

Атле Сельберг разработал одну из наиболее мощных и концептуально чистых форм решета.

Основная идея состоит в замене жесткого включения-исключения системой специально подобранных весов.

Пусть исследуется конечное множество:

Для каждого простого p определено условие, по которому часть элементов A должна быть удалена.

Необходимо оценить число элементов, избежавших всех запрещенных делителей:

S(A,z).

То есть элементов, не делящихся на простые:

p<z

в соответствующем смысле.

В решете Сельберга вводятся веса:

λ_d,

и конструируется выражение, квадрат которого автоматически неотрицателен:

(Σ_{d|n} λ_d)².

Правильный выбор весов превращает исходную задачу в задачу оптимизации квадратичной формы.

Это радикально отличается от буквального вычеркивания.

Решето становится аналитической машиной.

Оно не обязано устанавливать, какие именно элементы пережили просеивание.

Оно оценивает сколько их может остаться.

Так решетная теория отделяется от алгоритмического решета Эратосфена и становится самостоятельным направлением аналитической теории чисел.

4 — Верхние оценки

Исторически решета особенно сильны в получении верхних оценок.

Предположим, мы ищем числа n, для которых несколько линейных выражений:

L₁(n),

L₂(n),

…,

L_k(n)

одновременно просты.

Сначала удаляются n, для которых хотя бы одно L_i(n) делится на малый простой p.

Если после просеивания осталось M кандидатов, то количество реальных решений не может превышать M.

Следовательно, решето естественно дает:

число интересующих объектов

число неотсеянных кандидатов.

Это верхняя оценка.

Например, для простых-близнецов можно исследовать n, для которых:

и:

n+2

не делятся ни на один малый простой.

Таких кандидатов значительно больше, чем реальных пар простых-близнецов, потому что они могут иметь большие составные множители.

Но их количество дает строгую верхнюю границу.

Именно поэтому верхние решетные оценки часто сравнительно доступны.

Для них достаточно показать:

все истинные решения принадлежат более широкому классу просеянных кандидатов.

5 — Нижние оценки

Нижняя оценка значительно труднее.

Чтобы доказать:

существует много простых объектов,

недостаточно показать, что после удаления малых делителей осталось много кандидатов.

Кандидат может быть составным, но иметь только большие простые множители.

Например, число может пережить просеивание всеми простыми до z и все равно быть произведением двух простых существенно больше z.

Следовательно:

«не имеет малых простых делителей»

не эквивалентно:

«простое».

Именно это является одной из центральных проблем решетной теории.

Тем не менее развитые решета способны давать нижние оценки для более широких классов:

почти простых;

чисел с ограниченным количеством простых множителей;

некоторых систем линейных форм.

Особенно важен класс чисел:

Ω(n)<=r

для малого r.

Такие числа называются r-почти простыми в одном из распространенных смыслов.

Таким образом, решето часто может доказать:

«существует объект, очень близкий к простому»

значительно легче, чем:

«существует сам простой объект».

Это различие окажется принципиальным для проблемы Гольдбаха.

6 — Ситовая размерность

Каждая решетная задача имеет свою эффективную размерность.

Интуитивно ситовая размерность показывает, насколько много остаточных классов удаляется каждым малым простым.

Рассмотрим простейший случай простых чисел.

Для каждого p удаляется один класс:

0 mod p.

Поэтому задача имеет ситовую размерность примерно:

κ=1.

Для простых-близнецов исследуются:

и:

n+2.

Для большинства p необходимо исключить два класса:

n≡0 mod p

и:

n≡-2 mod p.

Поэтому естественная размерность становится:

κ=2.

Для системы k линейных форм, если modulo p обычно запрещается примерно k различных классов, возникает ситовая размерность порядка k.

Чем выше размерность, тем быстрее просеивание удаляет кандидатов и тем сложнее получить полезную нижнюю оценку.

Ситовая размерность является одним из примеров того, как арифметическая задача получает структурный параметр сложности.

Она характеризует не размер чисел, а архитектуру ограничений.

В языке будущей Теории метаиндукции это можно рассматривать как один из компонентов состояния задачи.

7 — Паритетный барьер

Одним из глубочайших ограничений классических решет является паритетный барьер.

Его смысл нельзя сводить к простой четности самого числа.

Речь идет о неспособности обычных комбинаторных решет надежно различать классы чисел по четности количества их простых множителей.

Рассмотрим функцию:

Ω(n),

то есть число простых множителей с учетом кратности.

Простое число имеет:

Ω(n)=1.

Произведение двух простых:

Ω(n)=2.

Классические решетные данные о делимости малыми простыми часто недостаточны, чтобы принципиально отличить:

нечетное число простых факторов

от:

четного числа простых факторов.

Решето хорошо определяет:

какие малые делители отсутствуют.

Но оно не видит достаточно точно, является ли оставшийся объект простым или, например, произведением двух больших простых.

Именно поэтому решето может приблизиться к задаче о простых очень близко и остановиться буквально в одном факторе от цели.

Для аддитивной теории это имеет огромное значение.

Пусть нужно доказать:

N=p+q,

где оба слагаемых просты.

Решетные методы могут относительно успешно добиваться утверждений вида:

N=p+P₂,

где P₂ — число, имеющее не более двух простых множителей.

Но переход:

P₂ -> простое

может оказаться именно той границей, которую обычное решето самостоятельно перейти не способно.

Это и есть одна из фундаментальных форм паритетного препятствия.

8 — Возможности

Несмотря на паритетный барьер, возможности решетных методов огромны.

Они позволяют:

получать верхние оценки количества простых и почти простых;

исследовать простые кортежи;

контролировать числа без малых делителей;

доказывать существование почти простых в сложных последовательностях;

исследовать распределение арифметических объектов по прогрессиям;

соединяться с гармоническим анализом, экспоненциальными суммами и дисперсионными методами.

Одно из величайших достижений аддитивной теории, связанное с этой логикой, — теорема Чэня.

Она утверждает, что каждое достаточно большое четное число представимо в виде:

N=p+P₂,

где p — простое, а P₂ — либо простое, либо произведение двух простых.

Это чрезвычайно близко к бинарной гипотезе Гольдбаха.

Решето практически достигает цели.

Но не полностью.

Именно этот почти достигнутый результат особенно ярко показывает как мощь, так и границу метода.

Современные решета также сыграли центральную роль в прогрессе по малым промежуткам между простыми.

То есть решетная теория является не вспомогательной техникой, а одним из фундаментальных языков современной теории простых.

9 — Ограничения

Главное ограничение необходимо сформулировать особенно точно.

Решето не является машиной, которая автоматически превращает достаточное количество кандидатов в доказанное существование простого.

Оно умеет исключать.

Умеет считать оставшихся.

Умеет оптимизировать веса.

Умеет получать чрезвычайно тонкие верхние и некоторые нижние оценки.

Но локальная информация о делимости малыми простыми не всегда содержит достаточно информации о полной факторизации оставшихся чисел.

Именно поэтому возникают:

паритетный барьер;

трудности нижних оценок;

зависимость от дополнительных аналитических входов;

необходимость информации о распределении исходной последовательности в остаточных классах.

Для настоящей книги здесь содержится несколько фундаментальных уроков.

Первый урок

Большой объем отрицательной информации не обязательно дает положительное существование.

Знание того, что объект не делится на тысячи малых простых, еще не доказывает его простоту.

Второй урок

Метод может быть очень сильным и одновременно иметь структурный барьер.

Нельзя ожидать, что простое увеличение вычислительного масштаба автоматически преодолеет теоретическое ограничение метода.

Третий урок

Почти простые — не случайный технический компромисс.

Они образуют естественные структурные миры:

Ω(n)=2,

Ω(n)=3,

…

Именно поэтому результаты решетной теории неожиданно хорошо согласуются с будущей программой исследования миров k-составности.

Четвертый урок

Проблема Гольдбаха находится не в отсутствии большого количества кандидатов.

Эвристически кандидатов чрезвычайно много.

Трудность состоит в универсальном контроле той части арифметической структуры, которую простые плотностные и решетные методы не полностью различают.

Пятый урок

Для дальнейшего продвижения необходима многоканальность.

Решето должно соединяться с:

аналитическими оценками;

распределением простых в прогрессиях;

экспоненциальными суммами;

аддитивной структурой;

экстремальным анализом;

и, в нашей дальнейшей программе, с масштабным и адверсарным исследованием.

Именно поэтому паритетный барьер имеет для Метагольдбаха особое методологическое значение.

Он показывает, что иногда проблема не решается не потому, что данных мало.

И не потому, что вычислительная граница слишком низка.

А потому, что сам выбранный канал теряет критически важную информацию.

В таком случае правильный ответ — не бесконечно усиливать один и тот же канал.

Необходимо добавить другой.

Так классическая теория решет вплотную подводит нас к идее многоканального доказательного состояния, с которой начнется следующий уровень анализа аддитивной теории простых.

********

Глава 13. Почти простые числа

1 — Определение

Простые числа образуют первый мультипликативный слой натурального ряда.

Если:

n=p

и p простое, то число содержит ровно один простой множитель с учетом кратности.

Но основная теорема арифметики естественно порождает целую иерархию.

Пусть:

n=p₁^a₁p₂^a₂…p_r^a_r.

Тогда:

Ω(n)=a₁+a₂+…+a_r.

Если:

Ω(n)=k,

число называется k-почти-простым, или k-almost prime.

Именно это определение — через количество простых множителей с учетом кратности — будем использовать далее. Такая терминология является стандартной: простые соответствуют k=1, полупростые — k=2.

Таким образом:

Ω(n)=1 — простые;

Ω(n)=2 — полупростые;

Ω(n)=3 — числа с тремя простыми множителями;

…

Ω(n)=k — k-почти-простые.

Это дает натуральному ряду новую координату.

Обычно число n определяется своим положением:

1,2,3,…,n,…

Теперь можно рассматривать его также по глубине мультипликативного состава:

Ω(n).

Простые перестают быть изолированным привилегированным объектом и оказываются первым слоем значительно более широкой факторизационной иерархии.

2 — Полупростые

Число называется полупростым, если:

Ω(n)=2.

Следовательно, оно имеет вид:

n=pq,

где p и q — простые, причем допускается:

p=q.

Поэтому к полупростым относятся:

4=2²,

6=2·3,

9=3²,

10=2·5,

14=2·7,

15=3·5,

21=3·7,

22=2·11,

25=5²,

26=2·13,

…

Уже внутри мира:

Ω(n)=2

существуют два структурно различных подкласса.

Первый тип

n=p².

Факторизационный профиль:

(2).

Второй тип

n=pq,

где:

p≠q.

Факторизационный профиль:

(1,1).

Следовательно, один уровень Ω еще не исчерпывает структуру.

Полупростые сами распадаются на внутренние миры.

Можно далее классифицировать их по отношению:

q/p;

по величине меньшего множителя;

по величине большего;

по расстоянию между p и q;

по остаточным классам обоих простых;

по тому, насколько сбалансирована факторизация.

Так простейший после простых мир уже создает множество естественных последовательностей.

Например:

наименьшее полупростое после x;

промежутки между полупростыми;

число полупростых до x;

полупростые вида p²;

полупростые pq с q<cp;

рекордно сбалансированные и рекордно несбалансированные полупростые.

Именно поэтому полупростые должны рассматриваться не как «испорченные простые», а как самостоятельный структурный слой натурального ряда.

3 — Числа с тремя простыми множителями

Следующий уровень:

Ω(n)=3.

Число имеет вид:

n=pqr,

где простые могут совпадать.

Возникают уже три факторизационных профиля.

Первый

p³.

Профиль:

(3).

Примеры:

8=2³,

27=3³,

125=5³.

Второй

p²q,

где:

p≠q.

Профиль:

(2,1).

Примеры:

12=2²·3,

18=3²·2,

20=2²·5,

45=3²·5.

Третий

pqr,

где p,q,r попарно различны.

Профиль:

(1,1,1).

Примеры:

30=2·3·5,

42=2·3·7,

66=2·3·11,

70=2·5·7.

Таким образом, переход:

Ω=2 -> Ω=3

не просто увеличивает количество множителей на единицу.

Он увеличивает разнообразие возможных структур.

При дальнейшем росте k число возможных профилей возрастает.

Профили соответствуют разбиениям числа k:

3+1;

2+2;

2+1+1;

1+1+1+1;

и так далее.

Каждому такому разбиению отвечает свой тип факторизационной архитектуры.

Поэтому уровни Ω(n)=k имеют внутреннюю многоэтажную структуру.

4 — k-почти-простые

Обозначим:

P_k={n : Ω(n)=k}.

Тогда:

P₁

— множество простых;

P₂

— полупростых;

P₃

— трехпочтипростых;

и так далее.

Основная теорема арифметики дает разложение:

{2,3,4,…}=P₁∪P₂∪P₃∪…

причем эти множества попарно не пересекаются.

Каждое натуральное число n>1 принадлежит ровно одному слою P_k.

Таким образом, функция Ω разбивает весь натуральный ряд на бесконечную систему мультипликативных миров.

Это разбиение фундаментально.

Мы можем исследовать каждый P_k примерно так же, как традиционная теория исследует P₁.

Для каждого k можно спрашивать:

сколько элементов P_k не превосходит x;

как велики промежутки между ними;

какова локальная плотность;

как они распределены по арифметическим прогрессиям;

какие у них экстремальные факторизационные профили;

какие числа представимы суммами элементов P_k;

как взаимодействуют P_k и P_l;

какие гарантии возникают при росте масштаба.

Уже отсюда возникает огромная программа.

Классическая теория почти простых давно исследует многие из этих вопросов.

Новый шаг нашей программы состоит не в объявлении самих классов P_k новыми, а в их систематическом включении в единую экстрактивную, аддитивную и метаиндукционную архитектуру.

5 — Функция Ω(n)

Функция:

Ω(n)

считает количество простых множителей числа n с учетом кратности.

Например:

Ω(12)=Ω(2²·3)=3,

Ω(36)=Ω(2²·3²)=4,

Ω(100)=Ω(2²·5²)=4,

Ω(210)=Ω(2·3·5·7)=4.

Она обладает особенно сильным свойством:

Ω(ab)=Ω(a)+Ω(b)

для любых положительных целых a и b.

То есть Ω является полностью аддитивной арифметической функцией.

Это свойство делает ее естественной координатой мультипликативной сложности.

При умножении объектов их Ω-уровни просто складываются.

Если:

a∈P_r

и:

b∈P_s,

то:

ab∈P_(r+s).

Следовательно, семейство:

P₁,P₂,P₃,…

обладает собственной алгеброй переходов.

Например:

P₁·P₁⊂P₂,

P₁·P₂⊂P₃,

P₂·P₂⊂P₄.

Возникает своеобразная вертикальная арифметическая координата:

k=Ω(n).

Простые находятся на первом уровне.

Но умножение естественно перемещает число вверх по этой иерархии.

В будущем это позволит рассматривать не только масштабные переходы:

X -> cX,

но и структурные переходы:

P_k -> P_(k+1).

Именно здесь появляется естественный объект для межструктурной метаиндукции.

6 — Функция ω(n)

Функция:

ω(n)

считает не все простые множители, а количество различных простых делителей.

Для:

n=p₁^a₁…p_r^a_r

имеем:

ω(n)=r.

Например:

12=2²·3,

поэтому:

Ω(12)=3,

ω(12)=2.

Для:

36=2²·3²:

Ω(36)=4,

ω(36)=2.

Для:

210=2·3·5·7:

Ω(210)=4,

ω(210)=4.

Всегда:

ω(n)<=Ω(n).

Равенство достигается тогда и только тогда, когда n свободно от квадратов простых, то есть все показатели:

a_i=1.

В отличие от Ω, функция ω не является полностью аддитивной для произвольных произведений.

Но для взаимно простых a и b:

ω(ab)=ω(a)+ω(b).

Она является сильно аддитивной арифметической функцией.

Совместное использование Ω и ω резко уточняет классификацию.

Например, уровень:

Ω(n)=4

распадается по значениям ω:

ω=1:

p⁴;

ω=2:

p³q или p²q²;

ω=3:

p²qr;

ω=4:

pqrs.

Следовательно, пара:

(Ω(n),ω(n))

уже создает двумерную карту факторизационного пространства.

Но и она не исчерпывает структуру.

Необходимо добавить:

профиль показателей;

величины простых множителей;

их отношения;

остаточные характеристики.

Так простая факторизация постепенно превращается в многомерную геометрию составного числа.

7 — Распределение

Миры P_k не являются редкими случайными островами.

Они обладают собственной закономерностью распределения.

Для фиксированного положительного k классическая теорема Ландау дает:

#{n<=x : Ω(n)=k}

~
x/log x · (log log x)^(k-1)/(k-1)!.

Та же главная асимптотика возникает для фиксированного числа различных простых факторов.

При:

k=1

получаем:

x/log x,

то есть основной масштаб теоремы о распределении простых.

Для:

k=2

получаем:

x log log x/log x.

Для:

k=3:

x(log log x)²/(2 log x).

Для фиксированного k:

x(log log x)^(k-1)/[(k-1)!log x].

Таким образом, P₁ является лишь первым членом целой последовательности распределительных законов.

Это принципиально меняет визуальную картину натурального ряда.

Простые обладают фундаментальным статусом мультипликативных атомов.

Но непосредственно над ними располагается целая лестница классов с собственными асимптотиками.

Более того, для обычного большого целого числа типичное количество простых факторов уже не фиксировано.

Теорема Харди—Рамануджана показывает, что нормальный порядок и ω(n), и Ω(n) равен:

log log n.

То есть для почти всех больших n количество простых факторов находится около медленно растущей величины log log n.

Следовательно, при движении к бесконечности «типичный» натуральный объект постепенно перемещается по уровням Ω вверх.

Это чрезвычайно важный факт для будущей картины арифметических миров.

Фиксированные P_k — устойчивые и бесконечные слои.

Но весь натуральный ряд не концентрируется на каком-либо одном фиксированном k.

Факторизационная сложность типичного числа медленно растет.

Так возникает динамическая карта состава натуральных чисел.

8 — Почему эти классы важны для будущей экстрактивной математики

Почти простые важны для нашей программы по нескольким причинам.

Первая причина — они образуют естественную иерархию

Основная теорема арифметики сама разбивает числа по Ω.

Никакая искусственная классификация для этого не требуется.

Переход:

Ω=1,2,3,…

встроен непосредственно в мультипликативную структуру натурального ряда.

Вторая причина — каждый слой содержит собственные извлекаемые последовательности

Для каждого k можно определять:

первый элемент P_k после x;

промежутки;

рекорды;

нижние и верхние экстремумы;

факторизационные профили;

плотностные последовательности;

арифметические классы;

аддитивные представления.

Один исходный мир способен породить десятки и сотни вторичных объектов.

Третья причина — возникают отношения между мирами

Можно исследовать:

P₁+P₁;

P₁+P₂;

P₂+P₂;

P₁+P₃;

P₂+P₃;

…

Иначе говоря, сама операция сложения создает матрицу взаимодействий арифметических миров.

Классический Гольдбах исследует лишь одну клетку этой матрицы:

P₁+P₁.

Теорема Чэня уже касается соседней области:

P₁+P₂.

Но полная карта практически необъятна.

Четвертая причина — почти простые естественно возникают там, где решета упираются в паритетный барьер

Решетный метод часто не способен доказать простоту оставшегося объекта, но способен доказать ограниченность числа его простых множителей.

Поэтому P₂, P₃ и другие слои возникают не как произвольное ослабление задачи, а как естественные границы мощности доказательного инструмента.

Пятая причина — возможна межструктурная метаиндукция

Если для мира P₁ обнаружена система законов, можно спросить:

какие из них сохраняются в P₂?

Какие трансформируются?

Какие становятся сильнее?

Что происходит в P₃?

Существует ли метазакон:

M(P_k) -> M(P_(k+1))?

Если да, возникает новая форма метаиндукции — не только масштабная, но и интерструктурная.

Шестая причина — простые перестают быть единственным «месторождением» математической структуры

Простые фундаментальны как атомы.

Но составные слои являются мирами организации этих атомов.

Можно сказать:

простые — это алфавит.

Почти простые — первые слова.

Более сложные факторизационные профили — целые языковые структуры.

Поэтому будущая экстрактивная математика не должна ограничиваться добычей закономерностей из простых чисел.

Она должна исследовать всю факторизационную геологию натурального ряда.

Метагольдбах начинается в мире:

Ω=1.

Но сама логика Метаорганона неизбежно выводит нас за его пределы.

Глава 14. Аддитивная теория простых

1 — Суммы простых

До сих пор простые числа рассматривались главным образом мультипликативно.

Мы изучали:

делимость;

факторизацию;

плотность;

арифметические прогрессии;

промежутки.

Аддитивная теория ставит другой вопрос:

какие натуральные числа можно получить сложением простых?

Общая задача имеет вид:

N=p₁+p₂+…+p_s.

Можно изучать:

существование представления;

число представлений;

асимптотику этого числа;

исключительные N;

минимальное число слагаемых;

структуру слагаемых.

Обозначим число соответствующих представлений условно через:

R_s(N).

Тогда простейший вопрос:

R_s(N)>0?

Более сильный:

насколько велико R_s(N)?

Еще более сильный:

существует ли универсальная нижняя оценка для каждого N определенного класса?

Таким образом, аддитивная теория почти сразу переходит от бинарного существования к количественным уровням.

Именно эта область становится непосредственным классическим фундаментом Метагольдбаха.

2 — Бинарные задачи

Бинарная аддитивная задача имеет форму:

N=p+q.

Главный пример — сильная, или бинарная, гипотеза Гольдбаха:

каждое четное:

N>=4

представимо как сумма двух простых.

Если G(N) обозначает число неупорядоченных пар:

p+q=N,

p<=q,

то гипотеза утверждает:

G(N)>=1

для каждого четного N>=4.

По состоянию на сентябрь 2026 года общего доказательства этого утверждения по-прежнему нет; современный обзор AMS 2026 года прямо отмечает отсутствие известного доказательства, а актуальные работы продолжают получать приближения к бинарной задаче, а не ее полное решение.

Это принципиально важно.

PNT говорит, что простых глобально чрезвычайно много.

Теория Дирихле контролирует их распределение по допустимым остаточным классам.

Решета почти достигают нужной структуры.

Но бинарная корреляция:

p и N-p одновременно просты

остается значительно более трудной.

При двух переменных почти не остается «лишней степени свободы».

Каждая ошибка в распределении непосредственно отражается на искомом количестве представлений.

Именно поэтому бинарные аддитивные задачи часто являются значительно жестче многомерных.

3 — Тернарные задачи

При трех простых задача имеет вид:

N=p₁+p₂+p₃.

Исторически именно эта форма была чрезвычайно важна для развития аналитической теории чисел.

В 1937 году Виноградов доказал:

каждое достаточно большое нечетное число представимо как сумма трех простых.

Это был огромный прорыв.

Впервые аддитивная проблема Гольдбаха была решена для всего бесконечного хвоста, хотя оставался конечный диапазон неизвестного размера.

Позднее граница постепенно снижалась.

Наконец, Харальд Хельфготт в 2013 году доказал полную тернарную гипотезу:

каждое нечетное число больше 5 является суммой трех простых.

Структура этого достижения особенно важна для нашей книги.

Она объединила:

круговой метод;

сильные оценки экспоненциальных сумм;

решетные методы;

явные константы;

и большую конечную вычислительную проверку.

То есть снова возникла архитектура:

аналитическое доказательство бесконечного хвоста + вычислительное закрытие конечной базы.

Тернарная проблема тем самым стала теоремой.

Бинарная остается открытой.

Разница между двумя и тремя слагаемыми оказывается не косметической.

Она меняет доказательную геометрию всей задачи.

4 — Метод окружности

Одним из главных инструментов аддитивной теории является метод Харди—Литлвуда, или метод окружности.

Его фундаментальная идея состоит в преобразовании аддитивной задачи в задачу анализа экспоненциальной суммы.

Введем условно:

S(α)=Σ_(p<=N) (log p)e^(2πiαp).

Логарифмический вес удобен аналитически; возможны и другие варианты.

Тогда количество взвешенных решений уравнения:

p₁+…+p_s=N

можно извлечь из интеграла:

R_s(N)

∫₀¹ S(α)^s e^(-2πiαN)dα.

Почему это работает?

Используется ортогональность:

∫₀¹ e^(2πiαm)dα

равна 1, если:

m=0,

и 0 для ненулевого целого m.

При раскрытии:

S(α)^s

возникают члены:

e^(2πiα(p₁+…+p_s)).

После умножения на:

e^(-2πiαN)

и интегрирования выживают именно те комбинации, для которых:

p₁+…+p_s=N.

Таким образом, дискретная задача о суммах простых превращается в непрерывный интеграл по α.

Это один из великих переводов математики:

аддитивная арифметика -> гармонический анализ.

Метод окружности является одним из центральных методов аддитивной теории чисел.

5 — Главные дуги

Интервал:

0<=α<=1

разбивается неравномерно.

Особенно важны точки, близкие к рациональным дробям:

a/q

с небольшими знаменателями q.

Небольшие окрестности таких точек называются главными дугами.

Почему именно рациональные числа?

Потому что при:

α≈a/q

фазы:

e^(2πiαp)

начинают чувствовать распределение простых по остаточным классам modulo q.

А это распределение мы уже умеем анализировать посредством:

характеров Дирихле;

L-функций;

теорем о простых в арифметических прогрессиях.

Поэтому на главных дугах экспоненциальная сумма обладает структурой.

Ее можно аппроксимировать.

Именно из главных дуг обычно возникает основной член асимптотической формулы.

В задачах Гольдбаха здесь появляется сингулярный ряд.

Он кодирует локальные ограничения по всем простым модулям одновременно.

Таким образом, главный член имеет две природы:

масштабную;

арифметическую.

Масштабная часть объясняется общей плотностью простых.

Арифметическая — тем, какие остаточные пары или тройки вообще допустимы для конкретного N.

Это очень важное различие.

Количество голдбаховских представлений зависит не только от величины N.

Оно зависит и от его арифметического профиля.

6 — Малые дуги

Все остальное множество α образует малые дуги.

Название несколько обманчиво.

По общей мере они могут занимать подавляющую часть интервала.

«Малые» здесь означает не размер множества, а ожидаемую величину структурированного вклада.

На этих α рациональное приближение имеет достаточно большой знаменатель, и экспоненциальная сумма должна испытывать сильное взаимное уничтожение фаз.

Главная задача:

доказать, что вклад малых дуг достаточно мал.

Схематически:

R_s(N)

вклад главных дуг

вклад малых дуг.

Главные дуги дают ожидаемый положительный основной член.

Если доказать:

|малые дуги| < главный член,

получаем:

R_s(N)>0.

А значит, представление существует.

Именно здесь возникает одна из фундаментальных причин различия бинарной и тернарной задач.

Для:

s=3

куб экспоненциальной суммы и дополнительная степень усреднения дают значительно больше пространства для аналитического подавления ошибки.

Виноградову удалось воспользоваться этим, а Хельфготту — довести подход до полной тернарной теоремы.

Для:

s=2

контроль значительно жестче.

Современные методы пока не обеспечивают универсального доминирования положительного главного члена над всеми возможными ошибками для каждого четного N.

Поэтому бинарный Гольдбах и остается открытым.

7 — Исключительные множества

Между утверждениями:

«для каждого N»

и:

«для большинства N»

лежит огромная логическая дистанция.

Пусть:

E(X)

— число четных N<=X, для которых не доказано или не выполняется требуемое бинарное представление.

Если удается доказать:

E(X)=o(X),

то доля исключений стремится к нулю.

Говорят, что свойство выполняется почти для всех четных чисел.

Классическая аддитивная теория действительно получила результаты такого типа: например, известны теоремы, согласно которым почти все четные числа являются суммами двух простых.

Но:

E(X)=o(X)

не означает:

E(X)=0.

Функция исключений может быть:

sqrt(X),

log X,

log log X,

или даже расти еще медленнее.

Во всех этих случаях:

E(X)/X -> 0,

но исключений все равно бесконечно много.

Это один из важнейших логических уроков всей книги.

Нулевая плотность контрпримеров не равна отсутствию контрпримеров.

Можно иметь закон, истинный для:

99,9999999999%

объектов,

и все равно не иметь универсальной теоремы.

Для классического Гольдбаха один единственный четный контрпример достаточен для разрушения утверждения.

Следовательно, средняя успешность не решает экстремальную задачу.

8 — Переход от почти всех к каждому

Этот переход является одним из самых трудных во всей теории чисел.

Пусть известно:

почти все N обладают свойством P.

Для перехода к:

все достаточно большие N обладают P

нужно уничтожить исключительное множество полностью.

А для утверждения:

все N в заданном классе обладают P

необходимо дополнительно проверить конечный начальный диапазон.

Таким образом, существует естественная лестница.

Первое состояние

Свойство доказано в среднем.

Второе

Свойство доказано для положительной доли объектов.

Третье

Свойство истинно почти для всех:

E(X)=o(X).

Четвертое

Исключительное множество конечно.

Пятое

Установлена граница:

N>=N₀.

Шестое

Конечный диапазон:

N<N₀

проверен полностью.

Только после этого получаем универсальное утверждение.

История тернарного Гольдбаха демонстрирует этот переход почти образцово.

Виноградов получил все достаточно большие нечетные числа.

Затем требовалось сделать оценки явными и опустить границу до вычислительно достижимого уровня.

Хельфготт объединил аналитическую часть с конечной проверкой и получил теорему для каждого нечетного N>5.

В бинарной задаче последнего перехода пока нет.

Именно здесь аддитивная теория непосредственно подводит нас к Метатеореме Гольдбаха.

Классическая проблема спрашивает:

G(N)>=1?

Метатеорема будет спрашивать значительно больше:

для каждого K существует ли конечная V(K), после которой:

G(N)>=K

для каждого четного N?

Средние значения не решают эту задачу.

Асимптотическая плотность простых не решает ее.

Высокие процентили не решают.

Даже утверждение:

почти все N имеют огромное G(N)

не дает нижней универсальной гарантии.

Необходимо исследовать функцию:

H(V)=min{G(N): N четное, N>=V}.

Именно нижняя огибающая отвечает на вопрос:

что гарантировано каждому объекту после данного масштаба?

Так классическая аддитивная теория приводит нас к центральному различию настоящей работы:

от среднего закона — к экстремальной гарантии;
от почти всех — к каждому;
от существования представления — к неограниченному росту гарантированного числа представлений.

На этом переходе заканчивается одна из главных подготовительных линий классической теории простых и начинается непосредственная математическая территория Метагольдбаха.

******************

Глава 15. Харди—Литлвуд и количественная эвристика

1 — Ожидаемое количество представлений

Классическая проблема Гольдбаха ставит бинарный вопрос:

имеет ли четное число N хотя бы одно представление:

N=p+q,

где p и q простые?

Но после теоремы о распределении простых естественно возникает более сильный вопрос:

сколько таких представлений должно существовать?

Пусть:

— большое четное число.

Будем перебирать возможные значения p.

После выбора p второе слагаемое определяется однозначно:

q=N-p.

Следовательно, задача сводится к одновременному выполнению двух условий:

p — простое;

N-p — простое.

Теорема о распределении простых подсказывает грубую плотность простых около большого масштаба x:

1/log x.

Поэтому первое приближение состоит в предположении, что каждое из двух условий простоты вносит логарифмический множитель порядка:

1/log N.

Произведение двух таких плотностей дает:

1/(log N)².

Число потенциальных значений p имеет линейный порядок по N.

Следовательно, естественно ожидать:

число представлений порядка

N/(log N)².

Это еще не доказательство.

И даже не полная эвристика.

Мы пока игнорируем:

четность;

остатки по 3;

остатки по 5;

остатки по другим простым;

и зависимость между условиями:

p простое

и:

N-p простое.

Но уже первое приближение показывает чрезвычайно важный факт.

Если правильный масштаб действительно:

N/(log N)²,

то ожидаемое число голдбаховских представлений должно не уменьшаться к нулю, а неограниченно расти.

Именно это является количественным фундаментом будущей Метатеоремы Гольдбаха.

2 — Масштаб N/(log N)²

Почему величина:

N/(log N)²

настолько важна?

Рассмотрим ее асимптотическое поведение.

Логарифм растет значительно медленнее любой положительной степени N.

Поэтому:

N/(log N)² -> infinity.

Следовательно, если:

G(N)

действительно имеет масштаб:

N/(log N)²

с положительным арифметическим коэффициентом, то естественное количество голдбаховских представлений должно расти без ограничения.

Это значительно более сильная картина, чем простое утверждение:

G(N)>=1.

Классическая гипотеза Гольдбаха требует пересечь только первый уровень.

Количественная эвристика предсказывает движение:

10,

100,

1000,

…

и далее к произвольно высоким уровням.

Именно здесь рождается естественный вопрос:

если типичный масштаб растет до бесконечности, не должна ли расти до бесконечности и гарантированная нижняя граница?

Однако между этими утверждениями существует огромная логическая дистанция.

Средний масштаб:

N/(log N)²

не является автоматически нижней оценкой.

Для Метагольдбаха решающим объектом будет не центр распределения, а его нижний экстремальный слой.

3 — Арифметический множитель

Простая модель независимой случайности недостаточна.

Для фиксированного N условия:

p простое

и:

N-p простое

связаны арифметически.

Рассмотрим нечетное простое l.

Если:

l | N,

то:

N≡0 mod l.

Следовательно:

N-p≡-p mod l.

Если p не делится на l, то и N-p не делится на l.

Таким образом, условие избегания делимости на l для двух слагаемых становится благоприятно согласованным.

Если же:

l ∤ N,

ситуация другая.

Существует ненулевой остаточный класс p mod l, для которого:

N-p≡0 mod l.

Такой класс становится запрещенным.

Именно поэтому количество голдбаховских представлений зависит от факторизации самого N.

Для каждого нечетного простого делителя:

l | N

возникает усиливающий множитель:

(l-1)/(l-2).

Определим:

A(N)=∏_{l|N, l>2} (l-1)/(l-2).

Чем больше у N малых нечетных простых делителей, тем обычно больше A(N).

Например, делитель 3 дает множитель:

Делитель 5:

4/3.

Делитель 7:

6/5.

Поэтому числа, кратные нескольким малым простым, статистически получают заметное усиление числа голдбаховских представлений.

Именно эта арифметическая неоднородность позднее становится одним из источников видимых полос в так называемой «комете Гольдбаха».

4 — Сингулярный ряд

Харди и Литлвуд в своей работе 1923 года систематизировали локальные арифметические поправки в форме сингулярного ряда. Современная количественная формулировка Голдбаховской эвристики использует произведение по простым, учитывающее локальные ограничения.

Введем константу:

C₂=
∏_{p>2}
(1-1/(p-1)²).

Численно:

C₂≈0,6601618…

Это та же константа, которая возникает в эвристике простых-близнецов.

Для четного N естественный голдбаховский сингулярный множитель можно записать:

𝔖(N)

2C₂
∏_{p|N, p>2}
(p-1)/(p-2).

То есть:

𝔖(N)=2C₂A(N).

В стандартной упорядоченной модели число решений:

(p,q),

p+q=N,

где пары:

(p,q)

и:

(q,p)

считаются различными, ожидается в главном масштабе порядка:

𝔖(N) N/(log N)².

Иначе говоря:

R_ord(N)

эвристически имеет главный член:

2C₂A(N)N/(log N)².

Можно использовать и более точную интегральную форму, заменяя грубое:

N/(log N)²

на интеграл, учитывающий различие логарифмических плотностей p и N-p.

Но для настоящей книги особенно важна структура главного члена:

масштаб N/(log N)² × арифметический множитель A(N).

5 — Делители N

Почему в сингулярном ряде появляются именно простые делители N?

Рассмотрим локальную задачу modulo l.

Для пары:

p+q≡N mod l

нас интересует, сколько пар ненулевых остатков:

p mod l,

q mod l

удовлетворяют этому равенству.

Если:

l∤N,

то среди:

l-1

ненулевых возможностей для p имеется ровно одна, при которой:

q=N-p≡0 mod l.

Следовательно, остается:

l-2

допустимых ненулевых пар.

Если же:

l|N,

то:

q≡-p mod l.

Для каждого ненулевого p остаток q также ненулевой.

Допустимы уже:

l-1

вариантов.

Отношение двух локальных количеств:

(l-1)/(l-2).

Именно этот множитель появляется для каждого нечетного простого:

l|N.

Поэтому факторизация N непосредственно влияет на ожидаемое число представлений.

Это фундаментальный факт.

Гольдбаховская функция зависит не только от величины N.

Она зависит от внутренней мультипликативной структуры N.

Таким образом, аддитивная и мультипликативная арифметика здесь оказываются непосредственно связанными.

6 — Упорядоченные и неупорядоченные представления

В настоящей книге будет использоваться функция:

G(N),

считающая неупорядоченные представления:

N=p+q,

p<=q.

То есть:

3+17

и:

17+3

являются одним представлением числа 20.

Это соглашение необходимо зафиксировать особенно строго, поскольку различные источники используют различные конвенции.

MathWorld, например, определяет голдбаховское разбиение именно как неупорядоченную пару простых.

Введем также:

R(N)

— количество упорядоченных пар:

(p,q).

Почти каждое неупорядоченное представление создает две упорядоченные пары:

(p,q),

(q,p).

Исключение возникает на диагонали:

p=q.

Это возможно тогда и только тогда, когда:

N=2p

для некоторого простого p.

Определим:

d(N)=1,

если:

N/2

простое,

и:

d(N)=0

в противном случае.

Тогда точная связь имеет вид:

R(N)=2G(N)-d(N).

Следовательно:

G(N)=[R(N)+d(N)]/2.

Это равенство будет иметь большое значение и в вычислительной части книги.

Оно позволяет получать G(N) через свертку индикатора простых, естественно считающую упорядоченные пары.

7 — Эвристический главный член

При нашей конвенции неупорядоченного счета формула Харди—Литлвуда приводит к естественному главному члену:

G_HL(N)

≈

C₂ A(N) N/(log N)²,

где:

A(N)=
∏_{p|N, p>2}
(p-1)/(p-2).

Более точная форма может использовать интеграл:

C₂A(N)
∫
dx/[log x · log(N-x)]

по соответствующей половине области представлений.

Но для метаиндукционного анализа удобнее выделить два множителя:

масштабный

N/(log N)²;

арифметический

A(N).

Именно это разложение будет использоваться в дальнейшем.

Мы сможем рассматривать нормированную величину вида:

G(N)(log N)²/N

и затем дополнительно корректировать ее на:

A(N).

Так абсолютное число представлений превращается в показатель, из которого постепенно удалены два главных предсказуемых источника роста:

масштаб N;

и арифметическое усиление, связанное с простыми делителями N.

Это один из важнейших шагов к поиску истинного нижнего экстремального режима.

Следует подчеркнуть:

формула Харди—Литлвуда для бинарного Гольдбаха является гипотетическим асимптотическим законом, а не доказанной универсальной теоремой. Современные справочные источники по-прежнему приводят соответствующую формулу как расширенную голдбаховскую гипотезу.

8 — Почему асимптотический центр не контролирует нижний экстремум

Здесь возникает один из центральных методологических пунктов настоящей книги.

Предположим, что большинство значений G(N) прекрасно согласуется с:

C₂A(N)N/(log N)².

Предположим даже, что среднее отношение:

G(N) /
[C₂A(N)N/(log N)²]

приближается к единице.

Из этого еще не следует:

G(N)>=1

для каждого N.

И тем более не следует:

G(N)>=K

для каждого достаточно большого N.

Причина проста.

Средний закон может сосуществовать с редкими глубокими провалами.

Если один объект из миллиарда нарушает нижнюю гарантию, его влияние на среднее практически исчезает.

Но для универсальной теоремы одного объекта достаточно.

Поэтому необходимо различать:

асимптотический центр распределения

нижний экстремальный слой.

Харди—Литлвуд дает естественную гипотезу о центре и арифметическом масштабе.

Метагольдбах должен исследовать минимум.

Это не означает, что асимптотическая гипотеза Харди—Литлвуда логически слаба.

Напротив.

Если бы была доказана достаточно сильная точечная и равномерная асимптотика:

G(N)

C₂A(N)N/(log N)²
·(1+o(1))

для всех четных N,

то поскольку:

A(N)>=1

и:

N/(log N)² -> infinity,

из нее непосредственно следовало бы:

G(N)->infinity

в нижнем смысле.

Тогда Метатеорема Гольдбаха была бы получена классически.

Но именно такой доказанной универсальной асимптотики сегодня нет.

Следовательно, нельзя подменять ее экспериментальным совпадением среднего слоя.

Именно здесь заканчивается классическая подготовка.

Мы знаем естественный центр.

Знаем ожидаемый масштаб.

Знаем арифметический множитель.

Теперь необходимо исследовать саму голдбаховскую функцию — начиная с ее истории и точного определения.

ЧАСТЬ IV. КЛАССИЧЕСКАЯ ПРОБЛЕМА ГОЛЬДБАХА

Глава 1. История проблемы

1 — Гольдбах

Христиан Гольдбах родился в 1690 году и принадлежал к европейскому математическому кругу первой половины XVIII века.

Он находился в многолетней переписке с Леонардом Эйлером, обсуждая вопросы теории чисел и другие математические проблемы.

Именно эта переписка стала источником одной из самых знаменитых нерешенных задач математики.

7 июня 1742 года Гольдбах написал Эйлеру письмо, в котором сформулировал утверждение о представлении целых чисел суммами простых. Исторические источники датируют происхождение проблемы именно этим письмом.

Прошло более двух с половиной столетий.

Формулировка изменилась.

Терминология была уточнена.

Возникли аналитическая теория чисел, теория решет, вычислительная математика, теория L-функций и огромные компьютерные проверки.

Но центральная бинарная проблема остается открытой.

2 — Эйлер

Леонард Эйлер быстро понял математическую сущность предложения Гольдбаха.

Именно в переписке с Эйлером историческая формулировка постепенно приобрела тот вид, который сегодня считается классическим.

Эйлер рассматривал утверждение о представлении четных чисел суммой двух простых как чрезвычайно правдоподобное.

Но доказательства не имел.

Это различие принципиально.

Уже один из величайших математиков XVIII века видел:

числовые данные могут делать утверждение почти несомненным психологически,

но математическая уверенность и математическое доказательство — разные состояния знания.

Этот исторический факт удивительно точно предвосхищает проблему, которой посвящена настоящая книга.

Гольдбаховская закономерность может выглядеть практически неразрушимой.

Но вопрос состоит в том:

какой именно доказательный статус должен быть присвоен такой устойчивости?

3 — Первоначальная формулировка

Историческую формулировку нельзя механически отождествлять с современной.

В XVIII веке существовала иная терминологическая конвенция: единица иногда считалась простым числом.

В письме 1742 года Гольдбах писал, по существу, что каждое целое число больше 2 представимо как сумма трех простых, причем в его понятие простого входила и единица. Современные исторические справочники специально отмечают эту разницу конвенций.

При переходе к современному определению простого числа формулировка преобразуется.

Именно в форме, выделенной Эйлером, центральным становится утверждение:

каждое четное число больше 2 является суммой двух простых.

Поэтому выражение «гипотеза Гольдбаха» сегодня обычно обозначает именно эту бинарную форму.

Историческая точность здесь важна.

Современная формула не является буквальной цитатой первого письма.

Она является математически естественным современным эквивалентом исторической идеи с учетом изменившегося определения простого числа.

4 — Современная бинарная форма

Современная сильная гипотеза Гольдбаха формулируется:

каждое четное целое число N>=4 представимо в виде

N=p+q,

где p и q — простые числа.

Примеры:

4=2+2;

6=3+3;

8=3+5;

10=3+7=5+5;

12=5+7;

14=3+11=7+7.

На сентябрь 2026 года общего доказательства бинарной гипотезы по-прежнему нет. Актуальный материал American Mathematical Society 2026 года по-прежнему приводит ее как открытую проблему.

Это необходимо зафиксировать в настоящей книге предельно ясно.

Ни огромные вычислительные проверки,

ни теорема о распределении простых,

ни метод окружности,

ни решетные методы,

ни теорема Чэня,

ни доказательство тернарного Гольдбаха

пока не дали классического доказательства бинарного утверждения для всех четных чисел.

Известная компьютерная проверка Oliveira e Silva, Herzog и Pardi достигла диапазона до 4·10^18, но конечная проверка, каким бы огромным ни был ее предел, сама по себе не превращается в доказательство бесконечного утверждения.

Именно этот разрыв между огромной конечной подтвержденностью и универсальностью становится исходной проблемой Метагольдбаха.

5 — Сильная и слабая проблемы

Необходимо различать две классические формы.

Сильная, или бинарная, гипотеза

Каждое четное число:

N>=4

является суммой двух простых.

Эта проблема остается открытой.

Слабая, или тернарная, гипотеза

Каждое нечетное целое число:

N>5

является суммой трех простых.

Виноградов в 1937 году доказал это для всех достаточно больших нечетных N.

Харальд Хельфготт завершил доказательство для всего диапазона в 2013–2014 годах.

Поэтому слабая гипотеза теперь является теоремой.

Сильная гипотеза влечет слабую очень просто.

Если N>5 нечетно, то:

N-3

четно и не меньше 4.

Если сильная гипотеза верна:

N-3=p+q.

Тогда:

N=3+p+q.

Но обратного вывода нет.

Из представления нечетного числа тремя простыми нельзя в общем случае получить представление произвольного четного числа двумя простыми.

Таким образом, добавление третьего простого радикально меняет задачу.

Тернарная система обладает дополнительной степенью свободы, которой нет у бинарной.

И именно бинарная проблема является объектом настоящего исследования.

Глава 2. Функция G(N)

1 — Определение

Классическая гипотеза Гольдбаха является бинарным утверждением:

представление есть

или:

представления нет.

Но для Метагольдбаха этого языка недостаточно.

Нам необходимо измерять мощность множества представлений.

Поэтому вводится центральная функция настоящей книги.

Для четного:

N>=4

определим:

G(N)

как число неупорядоченных пар простых:

(p,q),

удовлетворяющих:

p+q=N,

p<=q.

То есть:

G(N)

#{(p,q):
p,q простые,
p<=q,
p+q=N}.

Тогда классическая гипотеза Гольдбаха эквивалентна утверждению:

G(N)>=1

для каждого четного:

N>=4.

Это чрезвычайно важное преобразование.

Вместо логического вопроса:

«существует ли представление?»

возникает числовая функция:

G(N)=1,2,3,4,…

Теперь проблема становится доступной:

количественному анализу;

изучению экстремумов;

построению последовательностей;

изучению нижних огибающих;

и формулированию Метатеоремы.

2 — Неупорядоченные пары

Почему выбраны именно неупорядоченные пары?

Рассмотрим:

Имеем:

20=3+17,

20=7+13.

Если учитывать порядок, дополнительно возникнут:

20=17+3,

20=13+7.

Но арифметически это те же разложения.

Поэтому естественно считать:

G(20)=2,

а не 4.

Это соответствует стандартному понятию Goldbach partition: неупорядоченной пары простых с заданной суммой.

Условие:

p<=q

решает проблему двойного счета автоматически.

При вычислении достаточно перебирать простые:

p<=N/2.

После выбора p:

q=N-p.

Если q простое, найдено одно голдбаховское разбиение.

3 — Диагональ p+p

Особый случай возникает, когда:

p=q.

Тогда:

N=2p.

Следовательно, диагональное представление существует тогда и только тогда, когда:

N/2

простое.

Примеры:

4=2+2;

6=3+3;

10=5+5;

14=7+7;

22=11+11;

26=13+13;

34=17+17;

38=19+19.

Определим диагональный индикатор:

d(N)=1,

если:

N/2

простое,

и:

d(N)=0

в противном случае.

Если:

R(N)

— число упорядоченных пар простых:

(p,q),

p+q=N,

то точное соотношение:

R(N)=2G(N)-d(N).

Отсюда:

G(N)=[R(N)+d(N)]/2.

Эта простая формула позже будет использоваться непосредственно в вычислительной лаборатории.

4 — Ручной расчет малых N

Рассмотрим несколько значений подробно.

N=4

Проверяем простые:

p<=2.

Только:

p=2.

Получаем:

4=2+2.

Следовательно:

G(4)=1.

N=8

Простые:

p<=4:

2,3.

2 дает:

8-2=6,

не простое.

3 дает:

8-3=5,

простое.

Следовательно:

8=3+5

и:

G(8)=1.

N=10

Простые:

2,3,5.

2+8 — нет;

3+7 — да;

5+5 — да.

Следовательно:

G(10)=2.

N=20

Проверяем:

2,3,5,7.

2+18 — нет;

3+17 — да;

5+15 — нет;

7+13 — да.

Следовательно:

G(20)=2.

N=30

Проверяем простые:

p<=15.

2+28 — нет;

3+27 — нет;

5+25 — нет;

7+23 — да;

11+19 — да;

13+17 — да.

Следовательно:

G(30)=3.

Так функция G(N) вычисляется совершенно точно.

Никакой вероятностной модели здесь нет.

5 — Первые значения

Получаем начальную последовательность:

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,

G(36)=4,

G(38)=2,

G(40)=3,

G(42)=4,

G(44)=3,

G(46)=4,

G(48)=5,

G(50)=4.

Уже первые 24 точки показывают почти все фундаментальные особенности, которые позже проявятся на гигантских масштабах.

Есть общий рост.

Но нет монотонности.

Есть локальные провалы.

Есть локальные усиления.

Есть влияние факторизации N.

Есть диагональные представления.

И уже начинает формироваться характерная «комета» значений.

6 — Немонотонность

Функция G(N) не является монотонной.

Например:

G(10)=2,

но:

G(12)=1.

G(26)=3,

но:

G(28)=2.

Еще сильнее:

G(36)=4,

G(38)=2.

Следовательно, из:

N₂>N₁

не следует:

G(N₂)>=G(N₁).

Это принципиально.

Мы не можем доказать Метатеорему простым утверждением:

«чем больше N, тем больше представлений».

Такого закона нет.

Рост проявляется значительно сложнее.

Нужно различать:

значение G(N);

среднее;

нижние процентили;

локальные минимумы;

рекордные минимумы;

и гарантированный минимум после границы.

Именно поэтому позднее будет введена функция:

H(V)

min{G(N): N четное, N>=V}.

Если сама G(N) немонотонна, ее нижняя огибающая H(V), напротив, является естественным монотонным объектом.

Именно она будет непосредственно связана с Метатеоремой.

7 — Арифметическая неоднородность

Колебания G(N) не являются чистым шумом.

Часть их структуры объясняется факторизацией N.

Рассмотрим несколько значений:

G(54)=5,

G(56)=3,

G(58)=4,

G(60)=6,

G(62)=3,

G(64)=5,

G(66)=6,

G(68)=2.

Или:

G(90)=9,

G(100)=6,

G(102)=8,

G(120)=12.

Здесь уже видно, что некоторые числа получают заметное усиление.

Особенно естественно это для чисел, имеющих малые нечетные простые делители.

Харди—Литлвуд объясняет этот эффект множителем:

A(N)=
∏_{p|N,p>2}
(p-1)/(p-2).

Если:

3|N,

возникает фактор:

Если дополнительно:

5|N,

появляется:

4/3.

Если:

7|N,

еще:

6/5.

Поэтому числа типа:

30,

60,

90,

210,

…

имеют арифметическую структуру, благоприятную для большого количества голдбаховских представлений.

Но здесь возникает обратный, значительно более важный для нас вопрос:

какие числа систематически получают минимальное арифметическое усиление?

Если N не имеет малых нечетных простых делителей, то:

A(N)

близок к минимально возможному значению 1.

Именно такие числа являются естественными кандидатами на нижний экстремальный слой.

Например, особенно интересен класс:

N=2q,

где q — большой простой.

Такое N почти не получает усиления от малых делителей.

Следовательно, поиск худших случаев должен быть направлен не случайно по всему натуральному ряду.

Он должен учитывать факторизационную структуру.

Здесь функция G(N) впервые показывает свою настоящую многомерность.

Она зависит одновременно от:

масштаба N;

глобальной плотности простых;

локальных остаточных ограничений;

факторизации N;

и конкретного расположения простых относительно центра N/2.

Именно поэтому простое построение графика G(N) будет только началом.

Дальнейшая задача состоит в том, чтобы извлечь из этой функции новую систему объектов:

A(K);

B(K);

V(K);

H(V);

Z(K);

плато;

скачки;

экстремальные классы;

нормированные минимумы;

и арифметические траектории.

С этого момента классическая проблема Гольдбаха начинает превращаться в Метагольдбах.

********

Глава 3. Что известно

Классическая бинарная проблема Гольдбаха чрезвычайно проста по формулировке:

каждое ли четное число N>=4 представимо как:

N=p+q,

где p и q простые?

Но за почти трехвековой историей этой короткой формулы стоит огромный пласт аналитической теории чисел.

Проблема не осталась совершенно неподвижной.

Напротив, вокруг нее доказано множество чрезвычайно сильных результатов.

Мы знаем, что тернарный аналог полностью верен.

Знаем, что бинарная гипотеза верна для почти всех четных чисел в точном асимптотическом смысле.

Знаем, что каждое достаточно большое четное число является суммой простого и числа с не более чем двумя простыми множителями.

Знаем, что гипотеза проверена вычислительно до колоссальной конечной границы.

Но переход:

почти все -> все,

простое + почти простое -> простое + простое,

конечная проверка -> бесконечная универсальность

до настоящего времени не выполнен.

Именно структура этого разрыва представляет для Метагольдбаха особый интерес.

1 — Виноградов

Первый фундаментальный прорыв XX века связан с Иваном Матвеевичем Виноградовым.

В 1937 году он доказал, что каждое достаточно большое нечетное число является суммой трех простых.

То есть существует некоторая конечная граница C такая, что для каждого нечетного:

N>C

существуют простые:

p₁,p₂,p₃

со свойством:

N=p₁+p₂+p₃.

Это уже было огромным достижением.

До Виноградова даже бесконечный хвост тернарной проблемы не был доказан без дополнительных гипотез.

Харди и Литлвуд ранее получили соответствующий результат условно, используя аналитические предположения.

Виноградов сделал его безусловным.

Хельфготт в своем полном доказательстве тернарной гипотезы прямо указывает, что именно Виноградов в 1937 году доказал утверждение для всех нечетных чисел выше некоторой большой константы.

Главным инструментом Виноградова стали оценки тригонометрических, или экспоненциальных, сумм.

Тем самым аддитивная задача:

N=p₁+p₂+p₃

была переведена в задачу гармонического анализа.

Особенно важен здесь сам тип результата.

Виноградов не проверял последовательность отдельных нечетных чисел.

Он доказал существование универсального хвоста:

для всех N>C.

Это уже классический пример архитектуры:

аналитическое доказательство бесконечного диапазона

конечная область, остающаяся вне доказательства.

Позднее именно эта архитектура будет доведена до полного результата.

2 — Тернарная проблема

Почему задача о трех простых оказалась доступнее бинарной?

На первый взгляд разница минимальна.

Бинарная задача:

N=p+q.

Тернарная:

N=p+q+r.

Добавилось только одно слагаемое.

Но аналитически это меняет структуру задачи радикально.

В методе окружности бинарная задача связана с квадратом экспоненциальной суммы:

S(α)².

Тернарная — с кубом:

S(α)³.

Дополнительный множитель дает значительно больше возможностей для усреднения и подавления ошибок на малых дугах.

Грубо говоря, третья переменная предоставляет системе дополнительную степень свободы.

В бинарной задаче, если выбран p, второе простое уже полностью определено:

q=N-p.

В тернарной после выбора p остается целая бинарная задача:

q+r=N-p,

но при интегральном усреднении количество возможных конфигураций существенно больше.

Именно поэтому методы Харди—Литлвуда—Виноградова смогли сначала победить тернарную задачу.

3 — Слабая гипотеза

Так называемая слабая, или тернарная, гипотеза Гольдбаха утверждает:

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

После результата Виноградова оставалась конечная, но практически недостижимо большая область.

Проблема состояла не просто в том, что граница C была велика.

Она была настолько велика, что прямой полный перебор до нее не мог завершить доказательство.

В последующие десятилетия аналитические оценки постепенно улучшались.

Решающую работу выполнил Харальд Хельфготт.

В 2013 году он доказал:

каждое нечетное целое N>5 является суммой трех простых.

В его доказательстве аналитическая часть работает для всех достаточно больших N, а оставшаяся область закрывается строгой вычислительной проверкой. В опубликованном тексте Хельфготт указывает, что его аналитический аргумент работает начиная с 10^27, а необходимая вычислительная проверка покрывала диапазон даже дальше этой границы.

Это чрезвычайно важно для методологии настоящей книги.

Здесь вычисление не является заменой доказательства.

Оно является конечной частью дедуктивно замкнутой архитектуры.

Есть доказанный бесконечный хвост:

N>=C.

Есть конечный диапазон:

N<C.

Он проверяется вычислительно.

Две части вместе покрывают все N.

Именно поэтому результат становится классической теоремой.

4 — Чэнь

Следующий великий результат уже непосредственно приближается к бинарной проблеме.

В 1973 году Чэнь Цзинжун доказал, что каждое достаточно большое четное число N представимо как:

N=p+P₂,

где p — простое,

а P₂ — число, являющееся либо простым, либо произведением двух простых.

В языке функции Ω:

Ω(P₂)<=2.

Современные справочники по решетным методам по-прежнему выделяют именно этот результат как одно из сильнейших приближений к бинарной проблеме Гольдбаха.

Сравним:

Гольдбах:

N=p+q,

где:

Ω(p)=Ω(q)=1.

Чэнь:

N=p+m,

где:

Ω(p)=1,

Ω(m)<=2.

На первый взгляд различие минимально.

Но эта одна лишняя возможность простого множителя является фундаментальной.

Решетные методы способны приблизиться к простоте второго слагаемого чрезвычайно близко.

Но паритетный барьер не позволяет обычному решету автоматически удалить последний вариант:

m=q₁q₂.

Поэтому результат Чэня можно рассматривать как знаменитую границу классической решетной мощности:

простое + почти простое.

5 — Почти простые

Теорема Чэня имеет значение далеко за пределами одной технической аппроксимации к Гольдбаху.

Она показывает, что мир:

Ω=2

естественно возникает непосредственно на границе одной из величайших проблем о мире:

Ω=1.

Это подтверждает более общий принцип, сформулированный нами ранее.

Почти простые — не искусственная периферия теории простых.

Они являются соседним структурным миром.

Если классический барьер не позволяет доказать:

P₁+P₁,

он может позволить доказать:

P₁+P₂.

Отсюда возникает естественная матрица аддитивных взаимодействий:

P₁+P₁,

P₁+P₂,

P₂+P₂,

P₁+P₃,

P₂+P₃,

…

Гольдбах изучает только первую клетку.

Чэнь показывает математическую значимость второй.

Для будущей экстрактивной математики это принципиально.

Даже «неудача» доказать более узкое утверждение может открыть соседний математический мир, в котором уже существует собственная система законов.

6 — Исключительные множества

Другой мощный путь к бинарной проблеме состоит не в ослаблении простоты одного слагаемого, а в ослаблении универсального квантора.

Вместо утверждения:

каждое четное число является суммой двух простых,

можно спросить:

какая доля четных чисел имеет такое представление?

Пусть:

E(X)

— количество четных N<=X, для которых:

G(N)=0.

Тогда полная гипотеза Гольдбаха эквивалентна:

E(X)=0

для каждого X>=4.

Но аналитическая теория умеет доказать значительно более слабое, хотя все равно чрезвычайно сильное утверждение:

E(X)=o(X).

То есть:

E(X)/X -> 0.

Иными словами:

почти все четные числа являются суммой двух простых.

Такие результаты восходят к работам 1930-х годов; в частности, Эстерман доказал соответствующее утверждение о почти всех четных числах. Современный обзор 2026 года продолжает рассматривать исключительное множество как самостоятельный объект и прослеживает последующие усиления — от ранних результатов до степенной экономии Монтгомери—Вона и более поздних улучшений.

Это необходимо понять предельно точно.

Утверждение:

E(X)=o(X)

очень сильное.

Оно означает, что относительная доля потенциальных исключений стремится к нулю.

Но оно допускает:

E(X)->infinity.

Например:

E(X)=sqrt(X)

дает:

E(X)/X=1/sqrt(X)->0,

однако исключений бесконечно много.

Следовательно:

почти все

все

— разные доказательные состояния.

Именно нижний экстремальный слой отделяет их друг от друга.

Для средней теории редчайшие исключения почти невидимы.

Для универсального утверждения они являются всем.

7 — Вычислительные проверки

Бинарная гипотеза подвергалась огромным вычислительным проверкам.

Наиболее известная опубликованная работа Томаша Оливейры-и-Силвы, Зигфрида Герцога и Сильвио Парди проверила гипотезу для каждого четного числа:

N<=4·10^18.

Иными словами, во всем диапазоне:

4<=N<=4·10^18

контрпримеров обнаружено не было. Авторы статьи в Mathematics of Computation формулируют результат именно как подтверждение гипотезы для всех четных чисел до 4·10^18; этот результат продолжает цитироваться и в обзорах 2026 года как основная опубликованная вычислительная граница.

Это колоссальный массив конечной информации.

Но его логический статус необходимо описывать без малейшей двусмысленности.

Вычислительная проверка доказывает:

G(N)>=1

для каждого четного:

N<=4·10^18.

Она ничего сама по себе не утверждает о:

N>4·10^18.

Поэтому каким бы огромным ни был конечный предел X, утверждение:

G(N)>=1 для N<=X

не является классическим доказательством:

G(N)>=1 для всех N.

Здесь и возникает основной методологический разрыв, который мотивирует нашу дальнейшую программу.

На одной стороне находятся:

огромная проверенная область;

доказательство для почти всех;

сильнейшая количественная эвристика;

теорема Чэня;

полностью решенная тернарная задача.

На другой стороне остается один универсальный вопрос:

может ли где-то за любой конечной границей возникнуть четное N с:

G(N)=0?

По состоянию на сентябрь 2026 года классическая бинарная гипотеза остается открытой. Сам факт продолжающегося исследования исключительного множества подтверждается в свежем обзоре Analysis Mathematica, опубликованном 23 сентября 2026 года.

Именно поэтому нам необходимо изменить разрешение самой задачи.

Не отказаться от бинарной проблемы.

А рассмотреть ту количественную структуру, которую бинарная формулировка скрывает.

Глава 4. Ограниченность бинарной постановки

1 — Порог 0/1

Классическая гипотеза Гольдбаха использует только один порог:

G(N)>=1.

Если:

G(N)=0,

число является контрпримером.

Если:

G(N)>=1,

оно удовлетворяет гипотезе.

Следовательно, относительно классической бинарной задачи все четные числа разбиваются на два класса:

0 — представления нет;

1 — представление есть.

Фактическое значение G(N) выше единицы перестает иметь значение.

Например:

G(N)=1

и:

G(N)=10 000

дают одинаковый логический ответ:

да.

Для решения классической гипотезы это совершенно законно.

Гипотеза именно так и сформулирована.

Но для понимания структуры феномена такая бинаризация чрезвычайно груба.

Функция:

G(N)

содержит намного больше информации, чем индикатор:

I_G(N)=
1, если G(N)>=1,
0, если G(N)=0.

Переход:

G(N) -> I_G(N)

является сильным информационным сжатием.

Почти вся количественная структура уничтожается.

2 — Потеря количественной информации

Рассмотрим два четных числа:

N₁

и:

N₂.

Пусть:

G(N₁)=1,

а:

G(N₂)=1000.

С точки зрения классической гипотезы:

I_G(N₁)=I_G(N₂)=1.

Они неразличимы.

Но математически их состояния радикально различаются.

Первое число находится непосредственно на границе катастрофы:

достаточно исчезновения единственной пары, и получаем контрпример.

Второе имеет тысячу различных представлений.

Чтобы превратить его в контрпример, необходимо разрушить все тысячу одновременно.

Следовательно, значения:

и:

1000

обладают совершенно различным запасом аддитивной устойчивости.

Бинарная формулировка этот запас не измеряет.

Она отвечает только на вопрос:

пересечен ли первый уровень?

Именно поэтому для Метатеоремы необходимо сохранить полное значение G(N).

3 — Один и миллион разложений как одинаковое «да»

Представим два гипотетических числа одного большого порядка.

Для первого:

G(N₁)=1.

Для второго:

G(N₂)=1 000 000.

Классическая бинарная проверка возвращает:

N₁ — удовлетворяет Гольдбаху;

N₂ — удовлетворяет Гольдбаху.

Никакой разницы.

Но если наша цель — понять будущее поведение системы, разница огромна.

У первого числа единичное представление.

Оно принадлежит крайнему нижнему слою.

У второго — миллион.

Оно находится далеко от границы разрушения.

Более того, рассмотрим последовательность четных чисел N_j, для которых:

G(N_j)=1

на все более высоких масштабах.

Такой режим был бы крайне важен.

Он означал бы:

классическая гипотеза может продолжать выполняться,

но количественного усиления не происходит.

Метатеорема Гольдбаха при этом была бы ложна уже для:

K=2.

Теперь рассмотрим другой режим:

min_{N>=V}G(N)->infinity.

В нем не только сохраняется классический Гольдбах.

Сама граница безопасности уходит вверх.

Эти два математических мира совершенно различны.

Но бинарный индикатор:

I_G(N)

может выглядеть в них абсолютно одинаково:

1,1,1,1,1,…

Следовательно, классическая постановка не различает:

вечное существование на грани

неограниченно укрепляющуюся множественность представлений.

Именно это является ее главным количественным ограничением.

4 — Необходимость уровневой системы

Если бинарный уровень:

K=1

не отражает всей структуры G(N), естественно ввести произвольный уровень:

Вместо одного вопроса:

существует ли хотя бы одно представление?

ставим бесконечное семейство вопросов:

существует ли хотя бы K представлений?

То есть:

G(N)>=K.

Для:

K=1

получаем классическую гипотезу Гольдбаха.

Для:

K=2

спрашиваем, имеет ли каждое достаточно большое четное как минимум два различных представления.

Для:

K=10

— десять.

Для:

K=1000

— тысячу.

И так далее.

Следовательно, вместо одного бинарного порога возникает лестница уровней:

K=1,2,3,…

Для каждого уровня можно спросить:

где он достигнут впервые?

где происходит последнее нарушение?

с какого момента уровень гарантирован навсегда?

как быстро перемещается эта граница при росте K?

Возникают новые функции.

Первое достижение

A(K)

— первое четное N, для которого:

G(N)>=K.

Последнее нарушение

B(K)

— последнее четное N, для которого:

G(N)<K,

если такое последнее нарушение существует.

Граница гарантии

V(K)

— первое четное число после последнего нарушения, так что:

G(N)>=K

для каждого четного:

N>=V(K).

Переходная зона

Z(K)=V(K)-A(K).

И наконец, возникает глобальная нижняя функция:

H(V)

min{G(N): N четное, N>=V}.

Тогда Метатеорема Гольдбаха получает чрезвычайно компактную форму:

H(V)->infinity.

Или эквивалентно:

для каждого K существует конечная V(K), такая что:

G(N)>=K

для каждого четного:

N>=V(K).

В этой системе классическая гипотеза больше не исчезает.

Она становится первым уровнем:

K=1.

Но над ним возникает бесконечная вертикальная структура.

Можно сказать:

классическая задача спрашивает, не касается ли нижний слой нуля.

Метагольдбах спрашивает:

поднимается ли сам нижний слой без ограничения?

Это принципиально более информативная постановка.

Она делает видимыми:

динамику гарантии;

переходные зоны;

плато;

скачки;

экстремумы;

скорость роста нижней защиты;

и цену разрушения каждого уровня.

Более того, уровневый подход позволяет различить сценарии, которые классическая бинарная постановка считает одинаковыми.

Сценарий A

G(N)>=1,

но бесконечно часто:

G(N)=1.

Классический Гольдбах истинен.

Метатеорема ложна.

Сценарий B

Для каждого K бесконечно часто:

G(N)<K.

Классическая гипотеза может оставаться истинной, но H(V) ограничена.

Сценарий C

Для каждого K существует V(K), после которой:

G(N)>=K.

Тогда:

H(V)->infinity.

Это уже Метатеорема.

Следовательно, переход от бинарного ответа к уровневой системе — не косметическое усложнение.

Он раскрывает скрытую геометрию всей проблемы.

Классическая гипотеза исследует существование.

Метагольдбах начинает исследовать мощность существования.

Классический вопрос:

Есть ли хотя бы одна дорога?

Новый вопрос:

Растет ли гарантированное число дорог без ограничения?

И именно второй вопрос открывает пространство для:

новых последовательностей;

новых законов;

новых экстремальных объектов;

новых метаинвариантов;

и, в конечном счете, для самой Метатеоремы Гольдбаха.

*******************

Глава 5. Переход к Метагольдбаху

1 — Количество разложений

Классическая проблема Гольдбаха формулируется как вопрос существования:

имеет ли каждое четное число N>=4 хотя бы одно представление:

N=p+q,

где p и q простые?

После введения функции:

G(N)

этот вопрос получает количественную форму:

G(N)>=1?

Но сама функция G(N) значительно богаче бинарного ответа.

Она показывает не только факт существования разложения, но и его множественность.

Например:

G(4)=1,

G(10)=2,

G(22)=3,

G(34)=4,

G(48)=5.

На больших масштабах значения G(N) могут быть уже сотнями, тысячами и значительно выше.

Следовательно, за классическим утверждением:

«представление существует»

скрывается целая количественная геометрия.

Для каждого четного N можно поставить более сильный вопрос:

сколько различных голдбаховских разложений имеет это число?

Но и этого недостаточно.

Если нас интересует отдельное число N, функция G(N) дает полный ответ.

Если же требуется универсальная теория всего хвоста натурального ряда, необходима другая величина.

Нужно знать не то, сколько представлений имеет конкретное N, а то, сколько представлений гарантировано каждому достаточно большому четному числу.

Так возникает переход от количества к гарантированному количеству.

2 — Гарантированное количество

Пусть задана граница V.

Рассмотрим все четные числа:

N>=V.

Некоторые из них имеют очень много разложений.

Другие — значительно меньше.

Если требуется универсальная гарантия, нас интересует худший случай.

Поэтому вводится функция:

H(V)=min{G(N): N четное, N>=V}.

Она показывает минимальное число голдбаховских представлений, которое гарантировано каждому четному числу после границы V.

Это один из центральных объектов Метагольдбаха.

Например, если:

H(V)=7,

то это означает:

для каждого четного N>=V:

G(N)>=7,

и существует по крайней мере одно четное число на хвосте, где значение 7 достигается либо является инфимальным уровнем в рассматриваемой дискретной системе.

Функция H(V) обладает важнейшим свойством.

Она не может уменьшаться при росте V.

Если мы удаляем раннюю часть последовательности, худший случай среди оставшихся чисел может:

остаться тем же;

или стать лучше.

Следовательно:

H(V₂)>=H(V₁)

при:

V₂>V₁.

То есть H(V) — неубывающая функция.

Именно она превращает немонотонную функцию G(N) в монотонный объект гарантии.

Это принципиальный методологический переход.

G(N) описывает локальную реальность.

H(V) описывает глобальную защищенность хвоста.

3 — Уровень K

Теперь вместо фиксированной границы V можно зафиксировать требуемое число представлений.

Пусть:

K>=1.

Будем называть K уровнем голдбаховской гарантии.

Условие:

G(N)>=K

означает, что число N имеет по меньшей мере K различных неупорядоченных представлений в виде суммы двух простых.

Для:

K=1

получаем классическую проблему Гольдбаха.

Для:

K=2

требуем уже как минимум два представления.

Для:

K=100

— сто.

Для:

K=1000

— тысячу.

Так одна бинарная задача превращается в бесконечную систему уровней:

K=1,2,3,…

Возникает естественный вопрос:

существует ли для каждого K такая конечная граница, после которой уровень K уже никогда не нарушается?

Если ответ положителен для каждого K, тогда гарантированное количество представлений неограниченно возрастает.

Именно это и есть содержание будущей Метатеоремы Гольдбаха.

Но прежде необходимо различить три разные границы:

первое достижение;

последнее нарушение;

окончательную гарантию.

Именно их смешение способно создать ложное впечатление о доказанности.

4 — Первое достижение

Определим:

A(K)

как первое четное число N, для которого:

G(N)>=K.

То есть:

A(K)=min{N четное : G(N)>=K}.

Это граница первого достижения уровня.

Например, если некоторое значение K впервые появляется при N=N₀, то:

A(K)=N₀.

Функция A(K) отвечает на вопрос:

когда уровень K был достигнут впервые?

Но первое достижение ничего не говорит о сохранении уровня в дальнейшем.

Вполне возможно:

G(A(K))>=K,

но через несколько шагов снова встретится:

G(N)<K.

Следовательно, A(K) — это не граница гарантии.

Она фиксирует момент появления нового уровня, но не его устойчивость.

Это различие фундаментально.

В любой колеблющейся системе рекордное достижение и окончательное закрепление — разные события.

Для Метагольдбаха именно расстояние между ними станет самостоятельным объектом исследования.

5 — Последнее нарушение

Если уровень K в конечном счете становится постоянной гарантией, тогда должен существовать последний четный N, для которого:

G(N)<K.

Обозначим его:

B(K).

То есть:

B(K)=max{N четное : G(N)<K},

если такой максимум существует.

B(K) — это последняя точка, где уровень K еще нарушается.

После нее нарушения больше не происходят.

Здесь необходимо строго различать глобальную и конечную версию.

При вычислении только до границы X можно определить:

B_X(K),

то есть последнее нарушение, найденное внутри:

N<=X.

Но:

B_X(K)

не обязано быть глобальным B(K).

За границей X может существовать новое нарушение.

Следовательно, утверждение:

«последнее нарушение до X найдено»

не эквивалентно:

«последнее нарушение существует глобально».

Это различие будет одним из центральных правил вычислительной лаборатории.

Каждый конечный результат должен содержать индекс X, если глобальность не доказана независимо.

6 — Окончательная гарантия

Если глобальное B(K) существует, определим:

V(K)

как первое четное число после последнего нарушения уровня K.

То есть:

V(K)

— минимальная четная граница, для которой:

G(N)>=K

для каждого четного:

N>=V(K).

Иными словами:

V(K)

— граница окончательной гарантии.

Если четные числа рассматриваются с шагом 2, то обычно:

V(K)=B(K)+2.

Это один из главных объектов Метагольдбаха.

Для каждого K он отвечает на вопрос:

с какого момента уровень K становится вечным?

Теперь становятся видны три принципиально разных события.

Первое достижение

A(K).

Уровень K впервые появился.

Последнее нарушение

B(K).

Уровень K нарушен в последний раз.

Окончательная гарантия

V(K).

Начиная отсюда, уровень K больше не нарушается.

Между A(K) и V(K) может находиться длинная переходная зона.

Определим ее длину:

Z(K)=V(K)-A(K).

Если:

Z(K)=0

или минимально возможна,

уровень почти сразу закрепляется.

Если:

Z(K)

велика,

уровень сначала достигается, затем многократно теряется и только позднее становится гарантированным.

Так возникает новая геометрия перехода.

Классическая проблема Гольдбаха видит только уровень:

K=1.

Метагольдбах рассматривает всю лестницу:

K=1,2,3,…

и для каждого уровня изучает:

A(K),

B(K),

V(K),

Z(K).

Главный вопрос теперь можно сформулировать предельно точно:

существует ли конечная V(K) для каждого положительного K?

Если да, то:

для любого наперед заданного количества K

существует масштаб, после которого каждое четное число имеет не менее K голдбаховских разложений.

Это уже качественно более сильное утверждение, чем классическая гипотеза Гольдбаха.

Классический Гольдбах говорит:

нижний слой никогда не падает до нуля.

Метагольдбах спрашивает:

поднимается ли сам нижний слой без ограничения?

Именно с этого вопроса начинается собственно Метатеорема Гольдбаха.

********

ЧАСТЬ V. МЕТАТЕОРЕМА ГОЛЬДБАХА

Глава 1. Основная формулировка

1 — Формулировка

После введения функции:

G(N)

— числа неупорядоченных представлений четного N в виде:

N=p+q,

p<=q,

где p и q простые, —

классическая проблема Гольдбаха получает форму:

G(N)>=1

для каждого четного:

N>=4.

Метатеорема Гольдбаха усиливает этот вопрос принципиально.

Она утверждает не просто сохранение одного представления.

Она утверждает неограниченный рост универсально гарантированного количества представлений.

Основная формулировка имеет следующий вид.

Метатеорема Гольдбаха.

Для каждого положительного целого числа K существует конечное четное число V(K), такое что для каждого четного числа N>=V(K):

G(N)>=K.

То есть:

каким бы большим ни было заранее заданное конечное число K, начиная с некоторой конечной границы каждое четное число имеет не менее K различных неупорядоченных представлений в виде суммы двух простых.

Это и есть центральное утверждение настоящей книги.

Классическая гипотеза Гольдбаха представляет только ее первый уровень:

K=1.

Метатеорема утверждает существование всей бесконечной лестницы гарантированных уровней.

2 — Словесная форма

Смысл Метатеоремы можно выразить без формул.

Возьмем любое конечное число представлений.

Например:

Или:

10^100.

Метатеорема утверждает:

существует такая конечная граница натурального ряда, после которой каждое четное число имеет не меньше заданного количества голдбаховских разложений.

Не некоторые числа.

Не большинство.

Не почти все.

Не среднее значение.

Не типичное значение.

А каждое четное число после соответствующей границы.

Если выбрать более высокий уровень, граница, вообще говоря, сдвинется дальше.

Но согласно Метатеореме для любого конечного K такая граница существует.

Таким образом, количество гарантированных представлений можно сделать сколь угодно большим, если перейти достаточно далеко по натуральному ряду.

Главный смысл утверждения состоит не в том, что:

G(N)

обычно велико.

И даже не в том, что:

G(N)->infinity

в некотором среднем смысле.

Утверждается значительно более сильное:

сам худший случай на бесконечном хвосте должен неограниченно улучшаться.

Это и есть переход от классического Гольдбаха к Метагольдбаху.

3 — Символическая форма

Формально Метатеорема записывается:

для каждого K∈N, K>=1,

существует конечное четное V(K),

такое что для каждого четного N:

если:

N>=V(K),

то:

G(N)>=K.

В кванторной форме:

∀K>=1 ∃V(K)<∞ ∀N>=V(K),

N четное => G(N)>=K.

Именно порядок кванторов здесь принципиален.

Сначала выбирается произвольный уровень:

После этого разрешается найти зависящую от него границу:

V(K).

Затем утверждение должно выполняться для всех четных N за этой границей.

Нельзя заменить это утверждение более слабым:

для каждого K существуют сколь угодно большие N такие, что:

G(N)>=K.

Последнее говорит только о существовании отдельных высоких значений.

Метатеорема требует окончательной гарантии.

Нельзя заменить его и утверждением:

среднее G(N) стремится к бесконечности.

Среднее не контролирует минимум.

Нельзя заменить:

G(N_j)->infinity

для некоторой подпоследовательности.

Метатеорема относится ко всему четному хвосту.

Поэтому ее логическая структура является универсально-уровневой.

4 — Уровень K

Число K является не параметром конкретного N, а параметром требуемой гарантии.

Каждому K соответствует утверждение:

M_K:

существует конечная граница V(K), после которой:

G(N)>=K

для каждого четного N.

Получается бесконечное семейство утверждений:

M₁,

M₂,

M₃,

…

Метатеорема эквивалентна истинности всех этих уровневых утверждений.

Уровень K=1

Существует граница, после которой каждое четное число имеет хотя бы одно голдбаховское разложение.

Это эвентуальная форма бинарного Гольдбаха.

Чтобы получить полный классический Гольдбах для всех четных N>=4, необходимо дополнительно закрыть конечный начальный диапазон до V(1).

Уровень K=2

После некоторой границы каждое четное число имеет не менее двух представлений.

Уровень K=100

После некоторой, возможно гораздо более далекой границы каждое четное имеет не менее ста представлений.

И так далее.

Именно поэтому K следует понимать как вертикальную координату гарантии.

N задает горизонтальное движение по натуральному ряду.

K задает высоту требуемой множественности.

Метатеорема утверждает:

для каждой конечной высоты существует конечная горизонтальная точка, после которой весь ряд остается выше этой высоты.

5 — Граница V(K)

Определим:

V(K)

как минимальное четное число V, удовлетворяющее:

G(N)>=K

для каждого четного:

N>=V.

Иными словами:

V(K)=min{V четное : ∀ четных N>=V, G(N)>=K},

если такое V существует.

Это глобальная граница окончательной гарантии.

Она принципиально отличается от:

A(K)

— первого достижения уровня.

Можно иметь:

G(A(K))>=K,

но затем снова встретить значения:

G(N)<K.

Поэтому:

A(K)<=V(K).

Если существует глобальное последнее нарушение:

B(K)=max{N четное : G(N)<K},

то:

V(K)=B(K)+2.

Таким образом, три объекта описывают разные фазы уровня:

A(K) — рождение;

B(K) — последнее нарушение;

V(K) — окончательное закрепление.

Особенно важно, что V(K) должна быть глобальной.

Если вычисление проведено только до X, можно определить лишь конечную величину:

V_X(K).

Она показывает, что после некоторой точки и до X нарушений больше не найдено.

Но она не доказывает:

V_X(K)=V(K).

За X может существовать новое нарушение.

Поэтому во всей дальнейшей вычислительной работе символ V(K) должен использоваться только для глобального объекта, а V_X(K) — для конечного вычислительного аналога.

6 — Неограниченная лестница уровней

Метатеорема не заканчивается ни на каком фиксированном K.

Это ее главное отличие от любой конечной системы усилений классического Гольдбаха.

Можно доказать:

K=1.

Затем:

K=2.

Затем все:

K<=1000.

Но это все еще конечное утверждение.

Метатеорема требует:

для каждого конечного K.

Следовательно, уровни образуют неограниченную лестницу:

…

K+1,

…

Каждая ступень имеет собственную границу:

V(1),

V(2),

V(3),

…

Поскольку более высокий уровень содержит более сильное требование, при существовании этих границ имеем:

V(K+1)>=V(K).

Следовательно, V(K) является неубывающей функцией K.

Она может иметь плато:

V(K)=V(K+1).

Это означает, что одна и та же граница одновременно закрепляет несколько последовательных уровней.

Она может иметь скачки:

V(K+1)>>V(K).

Это означает существование особенно широкой переходной зоны между соседними гарантиями.

Тем самым сама Метатеорема порождает новую структурно извлекаемую последовательность:

V(1),V(2),V(3),…

А из нее:

плато;

скачки;

длины пакетов;

отношения V(cK)/V(K);

локальные показатели роста;

и множество других вторичных объектов.

Но главное утверждение можно выразить одной фразой:

лестница гарантированных голдбаховских уровней не имеет последней ступени.

Именно эта неограниченность является содержательным ядром Метатеоремы.

Глава 2. Нижняя функция H(V)

1 — Определение

Функция V(K) рассматривает задачу вертикально:

задается уровень K,

ищется граница его окончательного закрепления.

Существует двойственный способ описания той же структуры.

Зададим границу V и спросим:

какой уровень уже гарантирован после нее?

Для этого вводится нижняя функция:

H(V)=min{G(N): N четное, N>=V}.

Иначе говоря, H(V) — минимальное значение G(N) на всем бесконечном четном хвосте, начинающемся с V.

Поскольку значения G(N) являются неотрицательными целыми числами, множество:

{G(N): N четное, N>=V}

является непустым подмножеством неотрицательных целых и потому обладает минимальным элементом.

Следовательно, H(V) корректно определена как математический объект независимо от того, знаем ли мы ее значение.

Это различие важно.

Объект может быть строго определен, даже если его глобальное вычисление нам недоступно.

2 — Гарантированный минимум

Пусть:

H(V)=K.

Это означает две вещи.

Во-первых:

для каждого четного:

N>=V

выполняется:

G(N)>=K.

Во-вторых, значение K является наименьшим среди всех значений G(N) на данном хвосте.

Следовательно, H(V) — это не среднее.

Не медиана.

Не нижний процентиль.

Не прогнозируемое значение.

Это абсолютный гарантированный минимум.

Именно поэтому функция H(V) является главным экстремальным объектом Метатеоремы.

Если среднее G(N) равно миллиону, но существует одно число с:

G(N)=3,

то:

H(V)<=3.

Для универсальной гарантии именно это единичное число важнее миллиона типичных значений.

Так функция H(V) реализует центральный принцип настоящей работы:

универсальные утверждения определяются нижним экстремальным слоем, а не центром распределения.

3 — Монотонность

Функция H(V) обладает строгим структурным свойством.

Пусть:

V₂>V₁.

Тогда множество четных чисел:

N>=V₂

содержится в множестве:

N>=V₁.

При переходе от V₁ к V₂ мы удаляем часть ранних значений.

Минимум оставшегося множества не может стать меньше.

Следовательно:

H(V₂)>=H(V₁).

То есть H(V) неубывает.

Это чрезвычайно важно.

Сама функция G(N) сильно колеблется.

Например:

G(N+2)

может быть меньше:

G(N).

Но H(V) устраняет локальные возвраты.

Она фиксирует только те уровни, которые уже стали необратимо гарантированными.

Поэтому ее график представляет ступенчатую лестницу.

Долгое время:

H(V)=K.

Затем исчезает последний хвостовой пример с G(N)=K, и функция поднимается:

H(V)=K+1

или даже выше.

Таким образом, скачки H(V) непосредственно соответствуют прохождению глобальных границ V(K).

Функции H и V являются двумя координатами одной структуры.

4 — Конечный аналог H_X(V)

Глобальную функцию:

H(V)

невозможно получить простым конечным вычислением, потому что она зависит от всего бесконечного хвоста.

Поэтому для вычислительного диапазона:

V<=N<=X

вводится конечный аналог:

H_X(V)

min{G(N):
N четное,
V<=N<=X}.

Эта функция полностью вычислима после получения значений G(N) до X.

Но ее нельзя смешивать с H(V).

Всегда:

H(V)<=H_X(V).

Почему?

Потому что H_X(V) ищет минимум только в конечном подмножестве хвоста.

За X может находиться более низкое значение.

Для фиксированного X функция H_X(V), как и глобальная H(V), неубывает при росте V.

Но при фиксированном V и расширении X происходит противоположное:

если:

X₂>X₁,

то:

H_(X₂)(V)<=H_(X₁)(V).

Новый диапазон может сохранить прежний минимум или обнаружить более глубокий провал.

Следовательно, существует важная двойная динамика:

движение V вправо может только повышать конечную гарантию;

расширение X вправо может только сохранять или понижать ранее наблюдавшийся минимум для фиксированного V.

Именно устойчивость H_X(V) при последовательном увеличении X станет одним из центральных объектов метаиндукционного исследования.

Если нижние уровни вновь и вновь подтверждаются на новых масштабах, это один тип поведения.

Если появляются систематически более глубокие нормированные провалы — другой.

Но даже многократная стабильность H_X(V) сама по себе не позволяет автоматически заменить индекс X на глобальную бесконечность.

Для этого требуется весь метаиндукционный аппарат.

5 — Неограниченность

Центральный вопрос Метагольдбаха можно теперь сформулировать через одну функцию:

неограниченно ли растет H(V)?

То есть:

H(V)->infinity

при:

V->infinity.

Что означает этот предел?

Он означает:

для любого заранее выбранного K существует такое V₀, что:

для всех V>=V₀:

H(V)>=K.

Но из определения H это эквивалентно:

для каждого четного N>=V₀:

G(N)>=K.

Следовательно, неограниченность H означает, что нижний экстремальный слой всей голдбаховской системы поднимается без ограничения.

Это значительно сильнее:

среднего роста;

роста медианы;

роста верхних значений;

роста рекордов;

или даже роста почти всех значений.

Можно представить гипотетическую систему, в которой:

99,999999% значений G(N)

стремительно растут,

но бесконечная редкая последовательность N_j удовлетворяет:

G(N_j)=1.

Тогда средние характеристики будут огромны.

Но:

H(V)=1

для любого V, если за ним всегда существует такой N_j.

Метатеорема в этом мире ложна.

Следовательно, все исследование должно быть организовано вокруг вопроса:

может ли существовать бесконечная последовательность все более удаленных глубоких провалов?

И если да, какой механизм должен ее порождать?

Именно здесь нижняя функция непосредственно соединяется с Теорией разрушения.

6 — Связь с Метатеоремой

Теперь можно доказать точную эквивалентность двух основных формулировок.

Первая формулировка

Для каждого K>=1 существует конечная V(K), такая что:

G(N)>=K

для каждого четного:

N>=V(K).

Вторая формулировка

H(V)->infinity.

Покажем эквивалентность.

Из Метатеоремы следует неограниченность H

Пусть задано произвольное K.

По Метатеореме существует V(K), для которого:

G(N)>=K

для всех четных:

N>=V(K).

Следовательно:

H(V(K))>=K.

Поскольку H неубывает:

H(V)>=K

для всех:

V>=V(K).

Так как K было произвольным:

H(V)->infinity.

Из неограниченности H следует Метатеорема

Пусть:

H(V)->infinity.

Возьмем произвольное положительное K.

Тогда существует конечное V₀, для которого:

H(V₀)>=K.

По определению H:

G(N)>=K

для каждого четного:

N>=V₀.

Следовательно, можно взять:

V(K)<=V₀.

Метатеорема выполнена.

Таким образом:

Метатеорема Гольдбаха эквивалентна утверждению

H(V)->infinity.

Это одна из центральных эквивалентностей настоящей книги.

Она переводит бесконечное семейство утверждений о всех уровнях K в одно утверждение о поведении одной монотонной функции.

С одной стороны:

K -> V(K).

С другой:

V -> H(V).

Первая форма отвечает:

где закрепляется данный уровень?

Вторая:

какой уровень закреплен после данной границы?

Вместе они задают естественную систему координат Метагольдбаха.

Именно в этих координатах далее будут исследоваться:

первые достижения;

последние нарушения;

переходные зоны;

плато;

пакеты плато;

скачки;

мультипликативные траектории;

масштабные законы;

и возможные разрушители.

С этого момента Метатеорема перестает быть только словесным усилением классического Гольдбаха.

Она получает собственный строгий математический объект:

растущую нижнюю функцию H(V)

и двойственную ей:

систему границ V(K).

Именно на их поведении будет строиться дальнейшая метаиндукционная архитектура.

*******

Глава 3. Первое достижение уровня

1 — A(K)

После введения уровней K и глобальной границы окончательной гарантии V(K) естественно исследовать противоположный край переходного процесса:

где уровень K возникает впервые?

Для этого определим функцию:

A(K)=min{N четное, N>=4 : G(N)>=K}.

То есть A(K) — первое четное число, имеющее не менее K неупорядоченных представлений в виде суммы двух простых.

Иными словами:

G(A(K))>=K,

а для каждого четного:

N<A(K)

выполняется:

G(N)<K.

Например:

A(1)=4,

поскольку:

G(4)=1.

A(2)=10,

поскольку:

G(4)=G(6)=G(8)=1,

а:

G(10)=2.

Для:

K=3

первым подходящим числом является:

22,

поскольку:

G(22)=3.

Для:

K=4:

A(4)=34,

так как:

G(34)=4.

Для:

K=5:

A(5)=48,

поскольку:

G(48)=5.

Уже эта простая последовательность содержит новый математический объект.

Классическая проблема Гольдбаха никогда не требует спрашивать:

где впервые достигается десять представлений?

Сто?

Тысяча?

Но Метагольдбах естественно порождает именно такие вопросы.

Функция A(K) описывает фронт первого освоения уровней.

Если V(K) показывает, где уровень становится окончательной гарантией, то A(K) показывает, где он впервые появляется в арифметической реальности.

2 — Первое G(N)>=K

Определение A(K) использует не равенство:

G(N)=K,

а неравенство:

G(N)>=K.

Это принципиально.

Уровень K считается впервые достигнутым в тот момент, когда количество представлений впервые доходит до K или перескакивает через него.

Пусть, например, на некотором участке гипотетически наблюдаются значения:

8, 9, 12.

Тогда уровень:

K=10

впервые достигнут на значении:

12,

хотя значения:

G(N)=10

там вообще не было.

Следовательно, A(K) является функцией порогового пересечения, а не функцией первого точного появления значения.

Это делает ее особенно естественной для теории гарантии.

Если нас интересует требование:

G(N)>=K,

то неважно, достигнут ли уровень точно или превышен.

Любое значение выше K удовлетворяет условию.

Таким образом, A(K) отвечает на вопрос:

когда система впервые стала достаточно сильной для данного уровня?

3 — Первое точное значение G(N)=K

Наряду с A(K) можно определить другую последовательность.

Обозначим:

E(K)=min{N четное : G(N)=K},

если такое N существует.

Назовем E(K) первым точным появлением значения K.

Тогда:

A(K)

и:

E(K)

имеют различный смысл.

A(K) ищет первое пересечение порога:

G(N)>=K.

E(K) ищет первое точное попадание:

G(N)=K.

Если:

G(A(K))=K,

то:

A(K)=E(K).

Но если:

G(A(K))>K,

то:

A(K)<E(K),

если точное значение K вообще когда-нибудь появится позднее.

Теоретически возможно и более сильное явление:

уровень K будет пересечен скачком, но точное значение:

G(N)=K

никогда не реализуется.

Тогда:

A(K)

существует,

а:

E(K)

не существует.

Для конкретной голдбаховской функции вопрос о том, какие значения принимаются и насколько регулярно, является отдельной задачей.

Это еще один пример того, как из одной функции G(N) возникают разные структурно извлекаемые последовательности.

4 — Различие двух последовательностей

Последовательности:

A(K)

и:

E(K)

нельзя смешивать.

Они измеряют две разные геометрии функции G(N).

A(K) — геометрия уровней

Она отвечает:

когда высота K впервые была достигнута или превышена?

Это естественный объект для Метатеоремы.

E(K) — геометрия значений

Она отвечает:

где число представлений впервые оказалось ровно равным K?

Это объект исследования диапазона значений самой функции G.

Первая последовательность всегда неубывает:

A(K+1)>=A(K).

Более высокий порог не может быть впервые достигнут раньше более низкого.

При этом возможны плато:

A(K)=A(K+1)=…=A(K+r).

Это означает, что одно особенно богатое представлениями число впервые пересекает сразу несколько новых уровней.

Например, если некоторое N имеет:

G(N)=150,

а до него максимальное значение составляло:

143,

то одно N станет:

A(144)=A(145)=…=A(150).

Следовательно, плато A(K) непосредственно кодируют рекордные скачки верхнего фронта G(N).

У E(K) совсем другая структура.

Она может:

расти нерегулярно;

менять порядок относительно соседних уровней;

иметь пропуски;

не быть монотонной в том же строгом структурном смысле, если сравнивать места первого точного появления соседних значений.

Поэтому каталог Метагольдбаха должен хранить эти последовательности раздельно.

5 — Благоприятные числа

Числа A(K) особенно интересны потому, что они являются ранними носителями большого количества голдбаховских разложений.

Иными словами, это благоприятные числа относительно функции G.

Почему некоторые N достигают нового уровня значительно раньше других?

Количественная эвристика Харди—Литлвуда дает первое объяснение.

Ожидаемый масштаб:

G(N)

зависит не только от:

N/(log N)²,

но и от арифметического множителя:

A_HL(N)

∏_{p|N,p>2}
(p-1)/(p-2).

Если N делится на малые нечетные простые, этот множитель увеличивается.

Например, делимость на:

создает последовательные усиления.

Поэтому числа с богатой структурой малых простых делителей естественно становятся кандидатами на раннее достижение высоких уровней.

На малых и средних масштабах часто возникают числа вроде произведений нескольких малых простых или их кратных.

Они получают сразу два преимущества:

достаточно большой масштаб N;

и усиленный локальный арифметический фактор.

Именно поэтому последовательность A(K) несет информацию не только о росте G, но и о структуре арифметически благоприятных центров.

Можно изучать факторизацию:

A(K);

функции:

Ω(A(K)),

ω(A(K));

наименьший и наибольший простой делитель;

сингулярный множитель;

частоту кратности primorial-подобным структурам;

и изменение этих характеристик при росте K.

Так A(K) сама становится новым месторождением извлекаемой арифметической информации.

6 — Почему первое достижение не означает гарантию

Это центральное различие всей главы.

Пусть:

A(K)=N₀.

Тогда известно:

G(N₀)>=K.

Но из этого совершенно не следует:

G(N)>=K

для всех:

N>N₀.

Функция G(N) немонотонна.

После очень богатого числа может следовать значительно более бедное.

Например, уже на малых значениях:

G(36)=4,

но:

G(38)=2.

Следовательно, уровень:

K=4

достигнут,

но немедленно потерян.

Первое достижение является событием верхнего фронта.

Гарантия определяется нижним фронтом.

Это два совершенно различных экстремальных процесса.

A(K) спрашивает:

где впервые появилось значение не ниже K?

V(K) спрашивает:

где исчезло последнее значение ниже K?

Между ними находится переходная область:

[A(K),V(K)).

В ней уровень K уже возможен, иногда даже широко распространен, но еще не универсален.

Именно эта зона особенно интересна.

Она показывает, сколько арифметического пространства требуется новому уровню, чтобы пройти путь:

от первого возникновения

к окончательной неизбежности.

Поэтому вводится:

Z(K)=V(K)-A(K).

Можно сказать:

A(K) — рождение уровня;

V(K) — его окончательное закрепление;

Z(K) — длительность его становления.

Именно последнее нарушение отделяет эти два состояния.

Глава 4. Последнее нарушение

1 — B(K)

Зафиксируем уровень:

K>=1.

Нас интересуют четные числа N, для которых:

G(N)<K.

Назовем их нарушениями уровня K.

Множество всех таких нарушений:

D_K={N четное, N>=4 : G(N)<K}.

Если это множество конечно и непусто, оно имеет максимальный элемент.

Определим:

B(K)=max D_K.

То есть:

B(K)

— последнее четное число, на котором уровень K еще нарушается.

После B(K):

G(N)>=K

для каждого четного N>B(K).

Таким образом, B(K) является границей между двумя режимами.

Слева от нее нарушения еще существуют.

Справа — уже нет.

Это делает B(K) одним из центральных объектов Метагольдбаха.

2 — Последний N с G(N)<K

Формулировка:

B(K)=последний N с G(N)<K

кажется простой.

Но она содержит глобальное утверждение о бесконечном будущем функции G.

Чтобы назвать некоторое число:

N₀=B(K),

недостаточно проверить:

G(N₀)<K

и затем большое количество последующих N.

Необходимо знать:

ни одного нового нарушения никогда больше не возникнет.

Именно поэтому B(K) принципиально отличается от обычного экстремума на конечном диапазоне.

Например, если мы вычислили G(N) до:

X=10^6

и последнее нарушение уровня K обнаружено при:

N₀=100000,

то мы можем утверждать только:

между N₀ и 10^6 новых нарушений не найдено.

Но из этого еще не следует, что:

N₀=B(K).

Новое нарушение может возникнуть при:

10^7,

10^20

или значительно дальше.

Следовательно, глобальный B(K) является объектом не просто вычисления, а доказательства конечности множества D_K.

3 — Конечный B_X(K)

Для вычислительной работы необходимо ввести конечный аналог.

Пусть:

— конечная граница вычисления.

Определим:

B_X(K)

max{N четное : 4<=N<=X, G(N)<K},

если внутри этого диапазона нарушения существуют.

Это последнее наблюдавшееся нарушение уровня K до X.

B_X(K) полностью вычислим.

Если весь массив:

G(4),G(6),…,G(X)

известен точно, то B_X(K) также известен точно.

Но его точность является конечной точностью.

Он не содержит утверждения о диапазоне:

N>X.

При увеличении X возможны два сценария.

Первый

Новых нарушений не найдено.

Тогда:

B_X(K)

остается неизменным.

Второй

Появляется новое N с:

G(N)<K.

Тогда:

B_X(K)

скачком перемещается вправо.

Следовательно, для фиксированного K функция:

X -> B_X(K)

является неубывающей там, где определена.

Она представляет собой процесс поиска возможного глобального последнего нарушения.

Если начиная с некоторого X₀ она очень долго остается постоянной, это создает сильный эмпирический сигнал.

Но конечная стабилизация наблюдаемого B_X(K) не является сама по себе классическим доказательством существования B(K).

Именно здесь начинается метаиндукционная задача.

4 — Глобальный B(K)

Глобальный B(K) существует тогда и только тогда, когда множество нарушений:

D_K

конечно и непусто.

То есть уровень K нарушается некоторое конечное число раз, а затем больше никогда.

Если же существует бесконечная последовательность:

N₁<N₂<N₃<…,

N_j -> infinity,

для которой:

G(N_j)<K,

то:

B(K)

не существует.

Это и есть минимальный тип разрушения уровня K.

Поэтому утверждение:

«B(K) существует»

уже само по себе является серьезным глобальным математическим заявлением.

Для каждого отдельного K оно означает:

уровень K в конечном счете становится универсальным.

Метатеорема Гольдбаха утверждает существование такого глобального последнего нарушения для каждого K>1.

Почему здесь удобно отдельно оговорить:

K=1?

Для:

K>1

начальные нарушения заведомо существуют, поскольку:

G(4)=1<K.

Поэтому, если уровень K когда-нибудь становится окончательной гарантией, B(K) определен естественно.

Для:

K=1

ситуация особая.

Если классическая гипотеза Гольдбаха верна для всех четных N>=4, то нарушений:

G(N)<1

вообще нет.

Тогда множество D₁ пусто, и B(1) как «последнее нарушение» не определяется.

Но граница гарантии существует и равна:

V(1)=4.

Следовательно, понятие V(K) несколько более фундаментально, чем B(K), потому что оно корректно описывает и случай полного отсутствия нарушений.

5 — Связь с V(K)

Если B(K) существует, связь с границей окончательной гарантии предельно проста.

Поскольку рассматриваются четные числа, следующим четным после B(K) является:

B(K)+2.

Следовательно:

V(K)=B(K)+2.

Почему?

По определению B(K):

G(B(K))<K.

Поэтому гарантия не может начинаться при:

B(K).

Но после B(K) нарушений больше нет.

Следовательно, для каждого четного:

N>=B(K)+2

имеем:

G(N)>=K.

Таким образом:

V(K)=B(K)+2.

Обратно, если существует V(K)>4 и она минимальна, то непосредственно предыдущее четное число:

V(K)-2

обязано нарушать уровень K.

Иначе гарантию можно было бы начать раньше.

Следовательно:

B(K)=V(K)-2.

Итак, при непустом множестве нарушений:

B(K) и V(K)

содержат практически одну и ту же границу, но описывают ее с двух противоположных сторон.

B(K):

последняя катастрофа.

V(K):

первая точка вечной гарантии.

Это различие не только терминологическое.

В теории разрушения естественно исследовать B(K).

В теории гарантии — V(K).

В вычислительной лаборатории естественно наблюдать:

B_X(K)

и:

V_X(K)=B_X(K)+2

внутри конечного диапазона, если после B_X(K) до X уровень действительно больше не нарушается.

Но глобальное равенство:

V_X(K)=V(K)

требует доказательства отсутствия будущих нарушений.

Именно поэтому динамика:

B_X(K)

при:

X -> infinity

станет одним из важнейших каналов будущего анализа.

Если уровень K ложен в глобальном смысле, то B_X(K) будет время от времени уходить все дальше вправо без окончательной стабилизации.

Если уровень K истинен, существует момент, после которого:

B_X(K)=B(K)

навсегда.

В этом смысле конечная последовательность границ:

B_X(K)

является наблюдаемой проекцией глобального вопроса.

Метатеорема Гольдбаха утверждает, что для каждого конечного K этот процесс в конечном счете должен остановиться.

То есть для каждого K>1 существует последний провал.

Последняя точка:

G(N)<K.

Последний разрушитель данного уровня.

После нее начинается область:

G(N)>=K

без конца.

Именно эта последовательность переходов —

от последних нарушений одного уровня к последним нарушениям следующего —

создает глобальную географию Метагольдбаха.

**********

Глава 5. Граница неснижаемости

1 — V(K)

После введения первого достижения:

A(K),

и последнего нарушения:

B(K),

естественно возникает центральная граница Метагольдбаха:

V(K).

Определим:

V(K)

как наименьшее четное число V, для которого выполняется:

G(N)>=K

для каждого четного:

N>=V.

То есть:

V(K)

min{V четное :
для всех четных N>=V
выполняется G(N)>=K}.

Если такая граница существует, уровень K начиная с нее уже никогда не теряется.

Именно поэтому V(K) будем называть границей неснижаемости уровня K.

Термин «неснижаемость» относится здесь не к самой функции G(N).

G(N) продолжает колебаться.

Она может возрастать и уменьшаться:

G(N+2)>G(N),

затем:

G(N+4)<G(N+2).

Но после V(K) эти колебания уже не способны пересечь уровень K вниз.

Иными словами, сохраняется условие:

G(N)>=K.

Поэтому V(K) фиксирует не прекращение колебаний, а прекращение провалов ниже заданного уровня.

Это принципиальное различие.

Функция G(N) может оставаться крайне неоднородной.

Но нижняя граница K становится необратимой.

2 — Окончательная гарантия

Пусть:

V(K)=V₀.

Тогда выполняются два свойства.

Первое

Для каждого четного:

N>=V₀

имеем:

G(N)>=K.

Второе

V₀ минимально.

То есть нельзя заменить его меньшим четным числом и сохранить ту же универсальную гарантию.

Если:

V₀>4,

то предыдущее четное число:

V₀-2

обязано удовлетворять:

G(V₀-2)<K.

Иначе границу можно было бы сдвинуть на два влево.

Поэтому V(K) является не произвольной безопасной границей, а первой точкой окончательной безопасности.

Это делает ее намного содержательнее, чем просто утверждение:

«после некоторого X нарушений не наблюдалось».

Глобальная V(K) означает:

нарушений больше не существует вообще.

Именно поэтому в вычислительной работе необходимо всегда различать:

V(K)

и:

V_X(K).

Последняя описывает лишь конечную область:

до вычислительной границы X.

Если вычислено:

G(N)

для:

N<=X,

и начиная с некоторого четного V все значения внутри диапазона удовлетворяют:

G(N)>=K,

можно определить:

V_X(K).

Но это означает только:

G(N)>=K

для:

V<=N<=X.

За X может находиться новое нарушение.

Следовательно, V_X(K) является конечной наблюдаемой границей, тогда как V(K) — глобальной математической границей.

Все дальнейшие метаиндукционные рассуждения должны сохранять это различие.

3 — Монотонность V(K)

Функция V(K), если соответствующие границы существуют, обладает важнейшим структурным свойством:

она неубывает.

Пусть:

K₂>K₁.

Если:

G(N)>=K₂,

то автоматически:

G(N)>=K₁.

Следовательно, область окончательной гарантии более высокого уровня не может начинаться раньше области гарантии более низкого уровня.

Поэтому:

V(K₂)>=V(K₁).

В частности:

V(K+1)>=V(K).

Это простое отношение имеет глубокие последствия.

Последовательность:

V(1),V(2),V(3),…

образует ступенчатую неубывающую лестницу.

Возможны два основных типа переходов.

Плато

V(K+1)=V(K).

Это означает, что одна и та же граница гарантирует сразу несколько уровней.

Например:

V(K)=V(K+1)=V(K+2).

Тогда после этой границы минимальное G(N) уже не просто не меньше K, а сразу не меньше:

K+2.

Несколько соседних уровней закрепляются одновременно.

Скачок

V(K+1)>V(K).

Это означает, что уровень K уже стал универсальным, а для уровня K+1 еще существуют нарушения дальше по числовому ряду.

Чем больше:

V(K+1)-V(K),

тем более отделены соседние уровни гарантии.

Так функция V(K) сама порождает новые объекты:

длины плато;

пакеты плато;

размеры скачков;

локальные скорости роста;

отношения:

V(cK)/V(K);

и другие структурные характеристики.

Следовательно, V(K) — не только инструмент формулировки Метатеоремы.

Это самостоятельная извлекаемая последовательность.

4 — Обратная связь с H(V)

Функции:

V(K)

и:

H(V)

описывают одну и ту же структуру с двух сторон.

Напомним:

H(V)

min{G(N): N четное, N>=V}.

Она отвечает:

какой уровень гарантирован после границы V?

V(K) отвечает на обратный вопрос:

с какой границы гарантирован уровень K?

Между ними существует точная связь:

H(V)>=K

тогда и только тогда, когда:

V>=V(K),

если V(K) существует и рассматривается минимальная четная граница.

Действительно.

Если:

V>=V(K),

то по определению V(K):

G(N)>=K

для всех:

N>=V,

следовательно:

H(V)>=K.

Обратно, если:

H(V)>=K,

то начиная с V уровень K уже универсален.

Значит, минимальная граница его гарантии не может быть правее V:

V(K)<=V.

Таким образом:

V(K)=min{V четное : H(V)>=K}.

И наоборот:

H(V)

можно восстановить через систему границ:

H(V)=max{K : V(K)<=V},

если рассматривать те K, для которых V(K) существует.

Это почти точное отношение взаимной обратности.

Но функции не являются обычными обратными функциями, потому что обе ступенчатые и могут иметь плато.

Тем не менее их смысл двойственен.

V(K) преобразует:

уровень -> границу.

H(V) преобразует:

границу -> уровень.

Одна система координат вертикальна.

Другая горизонтальна.

Вместе они дают наиболее компактное представление глобальной структуры Метагольдбаха.

5 — Лестница уровней

Теперь можно представить всю Метатеорему геометрически.

По вертикальной оси:

K=1,2,3,…

По горизонтальной:

Для каждого уровня K существует, если Метатеорема верна, точка:

V(K),

после которой весь хвост функции G(N) лежит не ниже горизонтальной линии:

G=K.

Получается лестница.

Первая ступень:

K=1.

K=2.

Затем:

K=3.

И так далее без последнего уровня.

Метатеорема утверждает:

каждая конечная ступень этой лестницы имеет конечное начало.

Но сама лестница не заканчивается.

То есть:

для любого K

существует V(K),

но не существует максимального K, после которого дальнейших гарантированных уровней уже нет.

Это можно выразить несколькими эквивалентными способами:

V(K)<∞

для каждого K;

H(V)->∞;

гарантированный минимум G(N) на хвосте неограниченно растет.

Именно эта лестничная структура превращает Метатеорему в качественно иной объект по сравнению с классическим Гольдбахом.

Классический Гольдбах спрашивает:

существует ли первая ступень навсегда?

Метагольдбах спрашивает:

продолжается ли лестница без верхней границы?

Чтобы понять, как каждый уровень становится частью этой лестницы, необходимо исследовать пространство между его первым появлением и окончательным закреплением.

Это пространство образует переходную зону.

Глава 6. Переходная зона

1 — Z(K)

Для каждого уровня K существуют две принципиально различные границы.

Первая:

A(K)

— момент первого достижения:

G(N)>=K.

Вторая:

V(K)

— момент окончательного закрепления:

G(N)>=K

для всех последующих четных N.

Между ними находится область, в которой уровень K уже существует, но еще не стал универсальным.

Определим:

Z(K)=V(K)-A(K).

Назовем Z(K) длиной переходной зоны уровня K.

Если:

Z(K)

мала,

уровень после первого появления закрепляется быстро.

Если:

Z(K)

велика,

между первым успехом и окончательной гарантией проходит длинный арифметический диапазон.

Таким образом, Z(K) измеряет не высоту уровня и не место его появления.

Она измеряет время становления уровня по натуральному ряду.

2 — Разность V(K)-A(K)

Формула:

Z(K)=V(K)-A(K)

кажется простой.

Но она соединяет два совершенно разных экстремальных процесса.

A(K) определяется верхним фронтом G(N).

Он ищет число, которое раньше всех сумело достичь уровня K.

V(K) определяется нижним фронтом.

Она ждет, пока исчезнет последнее число, которое все еще не достигает K.

Следовательно, Z(K) фактически измеряет расстояние между:

передовым достижением

и:

самым медленным отстающим участком системы.

Это делает Z(K) особенно содержательной.

Пусть некоторое арифметически благоприятное число очень рано достигает огромного G(N).

Это уменьшает A(K).

Но если неблагоприятные классы еще долго остаются ниже K, V(K) остается далеко справа.

В результате:

Z(K)

увеличивается.

Следовательно, большая переходная зона может означать сильную неоднородность системы.

Лучшие числа уже находятся на новом уровне.

Худшие еще долго не могут его гарантировать.

Именно поэтому Z(K) можно рассматривать как меру горизонтального расслоения голдбаховской функции.

3 — Период между появлением и закреплением

Переходную зону можно разделить на три логических фазы.

Фаза I — до A(K)

Уровень K еще нигде не достигнут:

G(N)<K

для всех четных:

N<A(K).

Фаза II — от A(K) до V(K)

Уровень уже достижим.

Некоторые числа имеют:

G(N)>=K.

Но сохраняются и нарушения:

G(N)<K.

Это смешанный режим.

Именно он является переходной зоной.

Фаза III — после V(K)

Нарушений больше нет.

Для каждого четного:

N>=V(K):

G(N)>=K.

Уровень становится глобально закрепленным.

Таким образом, любой уровень K проходит, если V(K) существует, три стадии:

невозможность -> возможность -> необходимость на хвосте.

Или:

еще не достигнут;

достигнут, но не гарантирован;

гарантирован.

Это одна из наиболее важных структурных схем Метагольдбаха.

Она показывает, что между появлением нового свойства и его универсальностью обычно существует самостоятельная область.

Именно эта область особенно богата информацией о механизме перехода.

4 — Рост переходной зоны

Одним из естественных вопросов становится поведение:

Z(K)

при росте K.

Растет ли переходная зона?

Стабилизируется?

Колеблется?

Имеет плато?

Подчиняется степенному или логарифмическому закону?

Заранее ответ неизвестен.

Именно поэтому рост переходной зоны должен рассматриваться как кандидат в эмпирический закон, а не как уже установленная теорема.

Однако существуют веские основания ожидать нетривиальной динамики.

При увеличении K первая благоприятная точка может достигнуть нового уровня сравнительно рано благодаря большому арифметическому множителю.

Но самые неблагоприятные числа могут потребовать значительно большего масштаба, чтобы их G(N) также превысило K.

Следовательно, возможна тенденция:

V(K) растет быстрее A(K),

а значит:

Z(K)

увеличивается.

Но возможны и локальные сжатия.

Например, если несколько новых уровней одновременно закрепляются при одном и том же V, возникают плато V(K), и переходная зона может вести себя скачкообразно.

Поэтому исследовать нужно не только:

Z(K),

но и:

Z(K+1)-Z(K);

отношение:

Z(K)/V(K);

отношение:

Z(K)/A(K);

мультипликативные траектории:

Z(cK)/Z(K);

локальные показатели роста.

Только после большого массива вычислений можно будет говорить о наличии устойчивого закона.

Именно так теория должна отличать предварительное структурное ожидание от установленной закономерности.

5 — Структурное значение

Переходная зона имеет несколько уровней математического смысла.

Первый — мера неоднородности

Если:

A(K)<<V(K),

то лучшие и худшие числа одного масштаба находятся в резко различных состояниях.

Уровень давно достижим, но еще не универсален.

Второй — мера задержки гарантии

Z(K) показывает, сколько арифметического пространства проходит между первым свидетельством возможности уровня и его окончательной неизбежностью.

Третий — связь с благоприятными и неблагоприятными классами

A(K) определяется числами, которые особенно рано получают много разложений.

V(K) определяется последними числами, остающимися ниже уровня.

Следовательно, переходная зона соединяет два противоположных арифметических мира:

усиленные;

и экстремально слабые.

Четвертый — объект теории разрушения

Последняя точка переходной зоны непосредственно предшествует V(K).

При существовании B(K):

B(K)=V(K)-2.

Именно там происходит последнее нарушение.

Следовательно, правая граница Z(K) определяется последним разрушителем уровня K.

Пятый — объект масштабного прогноза

Если зависимость Z(K) обладает устойчивым законом роста, по уже изученным уровням можно прогнозировать диапазон закрепления новых уровней.

Это создает самостоятельный прогностический канал.

Шестой — потенциальный метаинвариант

Особенно интересным может оказаться не абсолютное значение Z(K), а его нормированная форма:

Z(K)/V(K),

Z(K)/A(K)

или другая естественная комбинация.

Если такая величина стабилизируется или демонстрирует регулярный дрейф, она может войти в метаинвариантное состояние Метагольдбаха.

Таким образом, переходная зона не является второстепенной разностью двух последовательностей.

Она описывает сам процесс превращения достижения в гарантию.

Это один из центральных процессов Метатеоремы.

Сначала уровень появляется на арифметически благоприятных числах.

Затем распространяется.

Нарушения становятся реже.

Последние нарушения смещаются вправо.

Наконец, исчезает последний провал.

После этого уровень становится частью глобальной лестницы.

Именно поэтому Z(K) — это не просто расстояние:

V(K)-A(K).

Это количественная характеристика становления нового универсального режима.

************

Глава 7. Плато и пакеты

Последовательность:

V(1),V(2),V(3),…

если соответствующие глобальные границы существуют, является неубывающей.

Следовательно, ее структура принципиально отличается от колеблющейся функции G(N).

Она может только:

оставаться на прежнем значении;

или переходить на более высокую границу.

Именно поэтому ее естественными структурными элементами становятся:

плато

и:

скачки.

Во всей этой главе глобальная запись V(K) используется только для тех уровней, для которых существование глобальной границы установлено в принятом доказательном смысле. В конечной вычислительной области полностью аналогичные определения применяются к:

V_X(K).

Это различие будет сохраняться принципиально.

1 — Одинаковые V(K)

Пусть для двух соседних уровней:

и:

K+1

выполняется:

V(K)=V(K+1)=V₀.

Это означает, что граница окончательной гарантии не изменилась при повышении требования на единицу.

Начиная с V₀ каждое четное N удовлетворяет уже не только:

G(N)>=K,

но и:

G(N)>=K+1.

Следовательно, один и тот же числовой рубеж одновременно закрепляет несколько уровней.

Возможна более длинная серия:

V(K)=V(K+1)=…=V(K+r)=V₀.

Тогда после V₀ гарантировано:

G(N)>=K+r.

Таким образом, равенства соседних значений V(K) кодируют одновременное закрепление нескольких уровней гарантии.

Это не случайная особенность записи.

Она непосредственно отражает ступенчатый характер нижней функции:

H(V).

Если при переходе некоторой границы H(V) увеличивается сразу более чем на единицу, несколько уровней K получают одну и ту же V(K).

Следовательно:

плато V(K)

и:

вертикальный скачок H(V)

являются двумя описаниями одного и того же структурного события.

2 — Плато

Назовем элементарным плато уровня K условие:

V(K+1)=V(K).

Эквивалентно введем индикатор:

P(K)=1,

если:

V(K+1)=V(K),

и:

P(K)=0,

если:

V(K+1)>V(K).

Таким образом, P(K) разделяет переходы между соседними уровнями на два типа:

плато — граница не двигается;

скачок — граница перемещается вправо.

Пусть:

V(K)=V(K+1)=V₀.

Это означает не то, что уровни K и K+1 арифметически тождественны.

Их требования различны.

Но относительно границы окончательной гарантии они оказываются условно тождественными:

одна и та же точка V₀ достаточна для обоих.

Это дает естественный пример применения Закона условного тождества.

Уровни различаются по величине K, но совпадают по критически важному для данной задачи параметру:

V(K).

Следовательно, их можно объединить в один структурный класс относительно границы гарантии.

3 — Длина плато

Если несколько последовательных уровней имеют одну и ту же границу:

V(a)=V(a+1)=…=V(b)=v,

то возникает протяженное плато.

Будем называть:

L=b-a+1

длиной плато по числу уровней.

Можно также считать число нулевых переходов:

L-1=b-a.

Чтобы избежать двусмысленности, в дальнейшем основным будет первый вариант:

длина плато — количество уровней K, имеющих одно и то же значение V.

Например:

V(100)=V(101)=V(102)=v

означает плато длины:

L=3.

Математически это означает:

H(v)>=102.

Если плато максимально, то дополнительно:

H(v)=102,

поскольку в противном случае уровень 103 также имел бы границу не правее v.

Следовательно, длина плато измеряет размер вертикального скачка гарантированного минимума.

Чем длиннее плато V(K), тем больше уровней были закреплены одним и тем же переходом нижней функции.

Это делает длину плато самостоятельной характеристикой экстремальной структуры.

Можно определять:

среднюю длину плато до уровня K;

максимальную длину;

рекордные длины;

распределение длин;

положение длинных плато;

отношение длины плато к самому уровню.

Так из последовательности V(K) возникает еще одна структурно извлекаемая последовательность.

4 — Пакеты

Для удобства необходимо отличать отдельный нулевой переход от полного максимального блока одинаковых V.

Назовем пакетом плато максимальный интервал уровней:

[a,b],

для которого:

V(a)=V(a+1)=…=V(b),

причем, если соответствующие соседние уровни существуют:

V(a-1)<V(a),

и:

V(b+1)>V(b).

Таким образом, пакет нельзя продолжить ни влево, ни вправо, сохранив постоянство V.

Пакет характеризуется как минимум четырьмя числами:

начальным уровнем:

конечным уровнем:

длиной:

L=b-a+1;

общей границей:

v=V(a)=…=V(b).

Можно обозначать пакет:

𝒫=(a,b,L,v).

Это уже полноценный математический объект.

Вместо исследования каждого K по отдельности можно исследовать последовательность пакетов:

𝒫₁,𝒫₂,𝒫₃,…

Каждый пакет соответствует одному устойчивому горизонтальному участку графика V(K).

Между пакетами располагаются положительные скачки.

Следовательно, всю последовательность V(K) можно восстановить из двух взаимодополняющих каталогов:

каталога пакетов

и:

каталога скачков.

5 — Начала

Пусть пакет начинается на уровне:

K=a.

Тогда:

V(a)>V(a-1),

если a>1 и обе границы определены.

Следовательно, начало пакета всегда связано со скачком границы неснижаемости.

На уровне a прежняя граница уже оказывается недостаточной.

Необходимо перейти к новому, более удаленному N.

Поэтому начало пакета можно интерпретировать как:

момент появления нового класса последнего препятствия.

Если существует B(K), то:

V(K)=B(K)+2.

Следовательно:

V(a)>V(a-1)

означает:

B(a)>B(a-1).

Новый уровень a обнаруживает нарушение, находящееся правее всех нарушений предыдущего уровня.

Более того, поскольку:

B(a)

нарушает уровень a, имеем:

G(B(a))<a.

Но если:

B(a)>B(a-1),

то после B(a-1) уже не может быть значений:

G(N)<a-1.

Следовательно, в типичном точном переходе получаем:

G(B(a))=a-1.

То есть начало нового пакета связано с последним поздним появлением точного нижнего уровня:

a-1.

Таким образом, начала пакетов можно изучать через арифметическую структуру соответствующих экстремальных N.

6 — Концы

Пусть пакет:

[a,b]

заканчивается на уровне b.

Тогда:

V(b+1)>V(b).

Это означает:

уровни a,…,b уже закреплены на общей границе v,

но уровень:

b+1

требует более удаленной границы.

Следовательно, где-то правее v существует четное число N с:

G(N)=b.

Иначе уровень b+1 также был бы гарантирован начиная с v.

При существовании глобальных последних нарушений:

B(b+1)

является последним N, для которого:

G(N)<=b.

Но поскольку после V(b) уже:

G(N)>=b,

новый поздний нарушитель уровня b+1 должен удовлетворять именно:

G(N)=b.

Отсюда следует важная интерпретация.

Конец пакета определяется последним выживанием его верхнего точного уровня.

Пакет заканчивается тогда, когда уровень:

еще встречается далеко справа и тем самым препятствует закреплению:

b+1.

После последнего такого появления начинается следующий пакет.

Таким образом:

начала и концы пакетов не являются абстрактными особенностями последовательности K.

Они непосредственно кодируются последними появлениями определенных значений G(N).

7 — Законы пакетирования

Возникает естественная новая исследовательская программа.

Как ведут себя пакеты при:

K->infinity?

Здесь пока нельзя заранее объявлять какой-либо конкретный закон доказанным.

Необходимо сформулировать семейство кандидатных законов пакетирования, которые затем будут проверяться вычислительно, прогностически и адверсарно.

Первый возможный закон — сохранение пакетной структуры

Плато не являются особенностью только малых K, а продолжают возникать на растущих уровнях.

Второй — закон распределения длин

Частоты пакетов различной длины могут демонстрировать устойчивое распределение после подходящей нормировки.

Третий — закон рекордных пакетов

Максимальная длина пакета до уровня K может иметь собственную закономерность роста.

Четвертый — закон масштабной повторяемости

Пакетная картина в интервалах:

[K,2K],

[2K,4K],

[4K,8K]

может сохранять определенные статистические характеристики.

Пятый — закон арифметической обусловленности границ

Начала и концы длинных пакетов могут быть связаны с определенными факторизационными классами последних нарушителей.

Шестой — закон плотности плато

Можно исследовать долю K<=K₀, для которых:

V(K+1)=V(K).

Если эта доля имеет устойчивый масштабный режим, возникает самостоятельный метаинвариант.

Седьмой — закон пакетного дрейфа

Даже при отсутствии постоянной средней длины может существовать медленный систематический дрейф:

пакеты становятся в среднем длиннее;

короче;

или сохраняют устойчивую нормированную структуру.

Все эти утверждения должны быть проверены.

Но уже сама возможность их формулировки показывает:

Метатеорема порождает не одну последовательность V(K), а целую новую геометрию ее уровневой организации.

Следующий естественный объект этой геометрии — расстояния между соседними пакетами, то есть скачки.

Глава 8. Скачки

1 — V(K+1)-V(K)

Определим функцию скачка:

J(K)=V(K+1)-V(K).

Поскольку V(K) неубывает:

J(K)>=0.

Так как V(K) — четные числа:

J(K)

при положительном значении также четно.

Получаем два режима:

J(K)=0

— плато;

J(K)>0

— скачок.

Таким образом, последовательность:

J(1),J(2),J(3),…

является дискретной производной V(K).

Если известны:

V(1)

и все J(K), то:

V(K)

V(1)+Σ_{j=1}^{K-1}J(j).

Следовательно, скачки содержат всю динамическую информацию о росте V.

V(K) показывает накопленный результат.

J(K) показывает локальное движение между соседними уровнями.

2 — Малые скачки

Если:

J(K)

мало, уровни K и K+1 закрепляются на близких числовых масштабах.

Это означает, что после окончательного исчезновения значений:

G(N)<K

последнее значение:

G(N)=K

расположено сравнительно недалеко.

При существовании B(K):

V(K)=B(K)+2,

поэтому:

J(K)=B(K+1)-B(K).

Следовательно, положительный скачок равен расстоянию между двумя последовательными границами последних нарушений.

Если:

J(K)=2,

то последнее нарушение уровня K+1 возникает на следующем четном числе после последнего нарушения уровня K.

Такой переход можно считать минимальным положительным скачком.

Малые скачки показывают сравнительно плавное продвижение нижнего фронта.

Но отсутствие крупных скачков на ограниченном диапазоне само по себе не означает, что они не появятся дальше.

Поэтому интерес представляет не только типичный J(K), но весь его хвост распределения.

3 — Крупные скачки

Пусть:

J(K)>>типичного локального значения.

Это означает:

V(K+1)

находится значительно правее:

V(K).

Уровень K давно стал гарантированным.

Но точное значение:

G(N)=K

или иная конфигурация, нарушающая K+1, сохраняется еще на большом расстоянии.

Если глобальные B существуют и:

J(K)>0,

то:

B(K+1)>B(K).

После B(K) значения:

G(N)<K

уже невозможны.

Следовательно, последний нарушитель уровня:

K+1

обязательно удовлетворяет:

G(B(K+1))=K.

Отсюда получаем особенно важную связь:

крупный скачок J(K) создается поздним экстремальным числом, на котором G(N) точно равно K.

Поэтому изучение крупных скачков автоматически переводит нас к арифметике соответствующих N.

Что делает такое число необычно бедным представлениями?

Имеет ли оно:

мало малых нечетных делителей?

форму:

2q?

особую остаточную структуру?

необычно низкий сингулярный множитель?

редкую комбинацию локальных ограничений?

Так скачок превращается из геометрической особенности последовательности V(K) в указатель на конкретный экстремальный арифметический объект.

4 — Рекордные скачки

Определим накопленный максимум:

J_max(K)

max_{1<=j<=K}J(j).

Уровень K назовем рекордным индексом скачка, если:

J(K)>J(j)

для всех:

j<K.

Тогда возникает последовательность рекордных индексов:

K₁<K₂<K₃<…

и соответствующая последовательность рекордных скачков:

R_i=J(K_i).

Можно также фиксировать:

V(K_i);

V(K_i+1);

B(K_i);

B(K_i+1).

Каждый новый рекорд означает, что найден самый длинный на данный момент разрыв между закреплением двух соседних уровней гарантии.

Это естественный объект будущей Книги рекордов Метагольдбаха.

Рекордный скачок может рассматриваться как особый тип математического события:

нижний фронт неожиданно долго не способен подняться всего на единицу.

Именно такие события должны получать приоритет в адверсарном анализе.

5 — Последовательности рекордов

Один каталог рекордных J(K) порождает несколько новых последовательностей.

Первая

Индексы рекордов:

K₁,K₂,K₃,…

Вторая

Размеры рекордов:

R₁,R₂,R₃,…

Третья

Левые границы:

V(K₁),V(K₂),…

Четвертая

Правые границы:

V(K₁+1),V(K₂+1),…

Пятая

Отношения:

R_i/V(K_i).

Они показывают относительную величину скачка по сравнению с уже достигнутым масштабом.

Шестая

Отношения:

R_i/V(K_i+1).

Седьмая

Расстояния между рекордными уровнями:

K_(i+1)-K_i.

Восьмая

Коэффициенты роста рекордов:

R_(i+1)/R_i.

Каждая из этих последовательностей может обладать собственной структурой.

Особенно важно различать:

рост абсолютных скачков

и:

рост относительных скачков.

Даже если:

J(K)

в абсолютном выражении становится больше, отношение:

J(K)/V(K)

может уменьшаться.

Это означало бы, что последовательность становится в относительном смысле более плавной.

И наоборот, рост нормированного скачка мог бы указывать на усиление экстремальной неоднородности.

6 — Арифметическая структура скачков

Скачки V(K) являются арифметически содержательными объектами.

При:

J(K)>0

правую границу определяет число:

N_K=B(K+1),

для которого:

G(N_K)=K.

Это число можно исследовать по множеству координат:

N_K;

N_K/K;

N_K/(K log²K);

факторизация N_K;

Ω(N_K);

ω(N_K);

наименьший нечетный простой делитель;

наибольший простой делитель;

значение сингулярного множителя;

нормированное:

G(N_K)(log N_K)²/N_K;

расстояние до соседних экстремальных чисел.

Особенно интересна гипотеза, что крупнейшие скачки могут систематически порождаться арифметически неблагоприятными числами.

Например, если N имеет мало малых нечетных делителей, его множитель:

A(N)

∏_{p|N,p>2}
(p-1)/(p-2)

мал.

Поэтому классы вроде:

N=2q,

где q — большой простой,

естественно рассматривать как один из адверсарных кандидатов.

Но это должно быть проверено, а не принято заранее.

Если рекордные скачки действительно концентрируются в ограниченном наборе факторизационных типов, это станет сильным структурным законом.

Если же арифметические типы рекордсменов постоянно меняются, потребуется более богатое состояние.

Так теория скачков непосредственно соединяет:

геометрию V(K);

экстремальный анализ G(N);

факторизационную структуру N;

и будущую Теорию разрушения.

Следующий шаг состоит в отказе от сравнения только соседних уровней.

Чтобы увидеть масштабный закон, необходимо сравнивать:

не только с:

K+1,

но и с:

2K,

3K,

и вообще:

rK.

Глава 9. Мультипликативные траектории

1 — K -> 2K

Локальная разность:

V(K+1)-V(K)

чувствительна к плато и отдельным скачкам.

Для изучения крупномасштабного роста естественно перейти к мультипликативному сравнению.

Первый и наиболее естественный переход:

K -> 2K.

Определим отношение удвоения:

Q₂(K)=V(2K)/V(K),

если обе глобальные границы существуют.

В конечной лаборатории соответственно:

Q₂,X(K)=V_X(2K)/V_X(K)

при наличии обоих уровней внутри допустимого вычислительного режима.

Отношение Q₂(K) отвечает на вопрос:

во сколько раз необходимо увеличить числовую границу, чтобы удвоить гарантированное количество голдбаховских представлений?

Это уже масштабная характеристика.

Если приблизительно:

V(K)∝K^α,

то:

Q₂(K)≈2^α.

Следовательно, из траектории удвоения можно извлечь эффективный показатель роста.

2 — K -> 3K

Аналогично определим:

Q₃(K)=V(3K)/V(K).

Траектория:

K -> 3K

дает независимую проверку масштабного закона.

Если предполагается степенная модель:

V(K)≈CK^α,

то ожидается:

Q₃(K)≈3^α.

Если показатель, восстановленный из удвоения, существенно расходится с показателем из утроения и расхождение не уменьшается с масштабом, простая степенная модель может быть недостаточна.

Следовательно, использование нескольких коэффициентов r предотвращает переобучение под один масштабный переход.

Это особенно важно для метаиндукции.

Один тип перехода:

K -> 2K

может случайно демонстрировать красивую регулярность.

Если аналогичный закон воспроизводится для:

K -> 3K,

доказательная ценность значительно возрастает.

3 — K -> 4K

Переход:

K -> 4K

особенно интересен потому, что он может быть получен двумя способами.

Непосредственно:

K -> 4K.

Или через два удвоения:

K -> 2K -> 4K.

Поэтому существует точное тождество:

Q₄(K)

Q₂(K)·Q₂(2K).

Действительно:

V(4K)/V(K)

[V(4K)/V(2K)]
·
[V(2K)/V(K)].

Это дает встроенную проверку масштабной согласованности.

Если вычислительные данные для V_X используются корректно в одной и той же конечной области, соответствующие отношения должны удовлетворять этой алгебраической связи точно.

А их интерпретация может быть различной.

Если:

Q₂(2K)≈Q₂(K),

то удвоительный режим относительно стабилен.

Если значения систематически меняются, наблюдается масштабный дрейф.

Таким образом, переход к 4K позволяет отличать:

локальную случайность;

от:

систематического изменения масштаба.

4 — K -> rK

Обобщим.

Пусть:

r>1

— фиксированный множитель.

Определим:

Q_r(K)=V(rK)/V(K),

для тех K, где rK является допустимым уровнем и соответствующие границы определены.

Если rK нецелое, можно использовать соответствующее целочисленное округление, но для основной теории удобнее сначала рассматривать целые:

r=2,3,4,…

Теперь возникает семейство мультипликативных траекторий:

K -> rK.

Каждая из них изучает V(K) на одном и том же относительном масштабе.

Это существенно отличается от аддитивного перехода:

K -> K+1.

При большом K прибавление единицы становится относительно все меньшим изменением.

Умножение на r сохраняет масштабную пропорцию.

Поэтому Q_r(K) является естественным инструментом анализа законов роста.

Кроме того, существует точное композиционное тождество:

Q_(rs)(K)

Q_r(sK)Q_s(K).

Это означает, что разные мультипликативные траектории связаны между собой алгебраически.

Следовательно, можно проверять согласованность всей системы, а не отдельных коэффициентов.

5 — Отношения границ

Само отношение:

V(rK)/V(K)

уже дает много информации.

Возможны несколько фундаментальных режимов.

Линейный режим

Если:

V(K)≈CK,

то:

Q_r(K)->r.

Степенной сверхлинейный режим

Если:

V(K)≈CK^α,

где:

α>1,

то:

Q_r(K)->r^α.

Линейный режим с логарифмической поправкой

Если:

V(K)≈CK(log K)^β,

то:

Q_r(K)

≈

r
[
log(rK)/log K
]^β.

При:

K->infinity

отношение стремится к:

но очень медленно.

Более сложный режим

Если присутствуют дополнительные медленно меняющиеся множители:

L(K),

то:

V(K)≈K^αL(K),

и:

Q_r(K)

≈

r^α L(rK)/L(K).

Таким образом, даже если конечные данные выглядят как степень:

K^1.2,

это еще не означает существование истинного постоянного показателя:

α=1.2.

Логарифмический множитель способен на конечных масштабах имитировать повышенный степенной показатель.

Это будет особенно важным предупреждением при анализе вычислительных данных Метагольдбаха.

6 — Эффективные показатели

Для количественного анализа введем эффективный масштабный показатель:

α_r(K)

log[V(rK)/V(K)] / log r.

Если:

V(K)=CK^α

точно, то:

α_r(K)=α

для всех K и r.

Если:

V(K)=CK^αL(K),

то:

α_r(K)

α
+
log[L(rK)/L(K)]/log r.

Следовательно, α_r(K) показывает не только основной степенной рост, но и влияние медленно меняющегося множителя.

Для удвоения:

α₂(K)

log[V(2K)/V(K)]/log 2.

Для утроения:

α₃(K)

log[V(3K)/V(K)]/log 3.

Для учетверения:

α₄(K)

log[V(4K)/V(K)]/log 4.

Благодаря:

Q₄(K)=Q₂(K)Q₂(2K)

получаем:

α₄(K)

[α₂(K)+α₂(2K)]/2.

То есть показатель на четырехкратном переходе равен среднему двух последовательных удвоительных показателей.

Это точное отношение.

Оно особенно полезно для сглаживания локальных колебаний.

Можно строить и более длинные траектории:

2K,

4K,

8K,

…

и исследовать последовательность:

α₂(K),

α₂(2K),

α₂(4K),

…

Если она приближается к некоторому пределу, возникает кандидат на истинный асимптотический показатель.

Если систематически дрейфует, фиксированная степенная модель преждевременна.

7 — Масштабный дрейф

Понятие масштабного дрейфа необходимо для предотвращения одной из наиболее опасных ошибок конечной экстраполяции.

Пусть на некотором диапазоне данные хорошо описываются:

V(K)≈CK^α

с:

α=1,20.

Легко объявить:

«граница растет как K^1,20».

Но если на следующем масштабе эффективный показатель становится:

1,16,

затем:

1,13,

затем:

1,10,

то более естественной может оказаться совсем другая модель.

Например:

V(K)

может иметь почти линейный главный рост с логарифмической поправкой.

Именно такую возможность подсказывает количественная эвристика Гольдбаха.

Если нижний экстремальный слой в нормированной форме остается отделенным от нуля и если грубо:

G(N)

имеет масштаб:

N/(log N)²,

то решение уравнения:

K≈cN/(log N)²

ведет не к чистой степени K^α с постоянным α>1, а скорее к масштабу типа:

V(K)

порядка:

K(log K)²

с дополнительными более медленными поправками.

Это не доказанный закон V(K).

Это теоретически мотивированный кандидат масштаба, который необходимо проверять.

Для функции:

K(log K)²

эффективный степенной показатель на любом конечном диапазоне будет больше 1.

Но по мере роста K он должен медленно стремиться к 1.

Следовательно, наблюдаемый дрейф:

α_r(K) -> 1

может быть более содержательным признаком, чем хорошее приближение одной фиксированной степенью.

Так возникает важный кандидатный закон:

закон масштабного дрейфа границы гарантии.

Он должен исследоваться по нескольким независимым траекториям:

K -> 2K;

K -> 3K;

K -> 4K;

K -> rK.

Необходимо сравнивать:

Q_r(K);

α_r(K);

их изменение с K;

взаимную согласованность разных r;

и прогнозы на скрытых последующих масштабах.

Особенно важно заранее фиксировать модель на раннем диапазоне, а затем проверять ее на новом.

Если параметры каждый раз перенастраиваются после получения новых данных, это не является независимым прогнозом.

Таким образом, мультипликативные траектории становятся одним из главных мостов от вычислительной последовательности V_X(K) к малой метаиндукции.

Они позволяют задать переход:

M(K) -> M(rK),

где M(K) включает:

границы;

отношения;

эффективные показатели;

пакетную структуру;

экстремальные классы;

и параметры дрейфа.

Если структура воспроизводится:

при удвоении;

утроении;

учетверении;

и далее на новых масштабах,

возникает значительно более сильное основание для поиска масштабного метаинварианта.

Таким образом, три объекта настоящего блока образуют единую систему.

Плато показывают, какие уровни закрепляются совместно.

Скачки показывают, насколько далеко расходятся соседние границы.

Мультипликативные траектории показывают, как вся система границ преобразуется при изменении уровня в фиксированное число раз.

Вместе они превращают последовательность:

V(K)

из простого каталога чисел в динамическую геометрию Метатеоремы Гольдбаха.

***********

ЧАСТЬ VI. ВЫЧИСЛИТЕЛЬНАЯ ЛАБОРАТОРИЯ МЕТАГОЛЬДБАХА

Глава 1. Требования к вычислительному корпусу

Метагольдбах не может опираться на вычисления как на иллюстративное приложение к уже готовой теории.

Вычислительный корпус здесь является одним из основных доказательных каналов.

Именно из него будут извлекаться:

точные значения G(N);

нижние огибающие;

границы первых достижений;

конечные последние нарушения;

границы неснижаемости;

плато;

скачки;

экстремальные классы;

арифметические профили;

масштабные траектории;

прогностические последовательности.

Следовательно, ошибка вычислительного корпуса способна распространиться сразу на множество последующих уровней теории.

Если одно значение G(N) вычислено неверно, может измениться:

B_X(K);

V_X(K);

H_X(V);

рекорд;

плато;

скачок;

оценка масштабного показателя;

или даже набор предполагаемых законов.

Поэтому лаборатория должна строиться не по принципу:

«получить как можно больше чисел»,

а по принципу:

получить максимально большой объем чисел с контролируемым доказательным происхождением.

Количество вычислений не компенсирует отсутствие вычислительной дисциплины.

1 — Точность

Первое требование — точность.

Для основных объектов корпуса необходимо различать:

точное вычисление;

численное приближение;

статистическую оценку;

эвристическую модель.

Эти категории не должны смешиваться.

Если вычисляется:

G(N),

результат должен, где это технически возможно, быть целым точным значением.

Если вычисляется:

π(x),

она должна определяться точным подсчетом простых.

Если строится:

H_X(V),

это точный минимум конечного массива.

Если вычисляется:

V_X(K),

это точная граница внутри указанного конечного диапазона.

Напротив, величины типа:

G(N)(log N)²/N

или параметры регрессионной модели уже используют вещественную арифметику.

Они могут быть приближенными.

Это допустимо, поскольку сами исходные целочисленные данные остаются точными.

Таким образом, вычислительная архитектура должна иметь два слоя.

Первый слой — точный

Он включает:

простые;

индикаторы простоты;

G(N);

R(N);

A_X(K);

B_X(K);

V_X(K);

H_X(V);

плато;

скачки;

целочисленные экстремумы.

Второй слой — аналитический

Он включает:

нормировки;

логарифмы;

отношения;

регрессии;

эффективные показатели;

прогнозы;

аппроксимации;

статистические характеристики.

Любой аналитический результат должен быть в принципе восстановим из точного слоя.

Это фундаментальное правило.

Модель может измениться. Исходный корпус должен остаться неизменным.

Особенно опасны вычисления G(N) через численные преобразования Фурье с последующим округлением.

Такой метод может быть чрезвычайно быстрым, но при росте масштаба требует строгого контроля ошибок округления.

Для доказательного корпуса предпочтительны:

точная целочисленная свертка;

NTT по подходящим модулям;

несколько модулей с китайской теоремой об остатках при необходимости;

или независимое подтверждение численного FFT точным методом.

2 — Воспроизводимость

Второе требование — воспроизводимость.

Результат должен зависеть не от конкретной машины, конкретного запуска или недокументированного состояния программной среды.

Для каждого крупного вычислительного эксперимента должны фиксироваться:

версия алгоритма;

исходный код;

параметры запуска;

диапазон N;

формат представления простых;

тип вычисления G(N);

размер сегментов;

число потоков;

система компиляции;

использованные библиотеки;

аппаратная архитектура, если она способна влиять на результат;

контрольные суммы входных и выходных файлов.

Воспроизводимость означает:

другая группа, получившая описание эксперимента, должна иметь возможность независимо получить тот же математический массив.

При этом не требуется идентичность времени выполнения.

Не требуется использование того же процессора.

Не требуется идентичная внутренняя организация памяти.

Но математически значимые результаты должны совпасть.

Например:

G(990990)=15594

должно оставаться тем же независимо от того, вычислено ли оно:

прямым перебором простых;

точной сверткой;

параллельным алгоритмом;

или независимой программой другой группы.

В этом состоит различие:

воспроизвести программу

и:

воспроизвести математический результат.

Для доказательного корпуса важнее второе.

3 — Независимая проверка

Один алгоритм, выполненный миллиард раз, остается одним доказательным каналом.

Если в нем присутствует систематическая ошибка, масштаб вычислений только размножает эту ошибку.

Поэтому требуется независимая проверка.

Но слово «независимая» должно использоваться строго.

Два запуска одного кода с разными параметрами не являются полностью независимыми реализациями.

Две программы, использующие одну и ту же ошибочную библиотеку, также не дают сильной независимости.

Желательны различные вычислительные архитектуры.

Например:

Канал A

Прямой перебор:

для каждого четного N перебрать простые:

p<=N/2

и проверить простоту:

N-p.

Канал B

Свертка индикатора простых.

Пусть:

a(n)=1,

если n простое,

и:

a(n)=0

иначе.

Тогда коэффициент свертки:

R(N)=Σ a(p)a(N-p)

дает число упорядоченных представлений.

После поправки диагонали:

G(N)=[R(N)+d(N)]/2.

Канал C

Независимая блочная или сегментированная реализация для выборочных интервалов.

Канал D

Локальная ручная или высоконадежная проверка всех экстремальных точек:

последних нарушений;

новых минимумов;

рекордных скачков;

подозрительных аномалий.

Особенно важно перепроверять не случайные точки, а те точки, на которых строится дальнейшая теория.

Если одно N определяет:

B_X(K),

оно должно получать повышенный статус проверки.

Если другое N устанавливает новый рекорд минимума нормированной величины, оно также должно проверяться независимо.

Следовательно, проверочная мощность должна распределяться неравномерно:

чем выше структурное значение результата, тем сильнее требуется независимое подтверждение.

4 — Версионирование

Вычислительный корпус будет развиваться.

Сегодня предел:

10^6.

Затем:

10^8.

Потом:

10^10.

Может измениться алгоритм.

Могут появиться новые нормировки.

Может быть исправлена ошибка.

Поэтому все данные должны иметь версию.

Например:

MG-CORPUS-1.0;

MG-CORPUS-1.1;

MG-CORPUS-2.0.

Но версионирование должно относиться не только к файлу данных.

Необходимо раздельно версионировать:

алгоритм генерации простых;

алгоритм G(N);

формат данных;

модуль анализа;

каталог законов;

набор прогнозов;

адверсарный модуль.

Это позволяет точно установить происхождение любого утверждения.

Например:

«закон L17 впервые обнаружен на корпусе 2.3, но параметры были зафиксированы в версии прогноза P17.1 до получения корпуса 3.0».

Такая запись значительно сильнее фразы:

«мы раньше это предполагали».

Версионирование создает историю доказательного состояния.

Можно увидеть:

какие результаты были известны;

когда возникла гипотеза;

какие данные использовались для ее построения;

какие данные появились после ее замораживания.

Это особенно важно для метаиндукции.

Без временной структуры легко принять ретроспективную подгонку за прогноз.

5 — Замораживание прогнозов

Одно из главных требований Метагольдбаха — отделить:

обучение

от:

проверки.

Пусть данные известны до:

X₀.

На них обнаруживается предполагаемый закон.

Например, строится прогноз:

V_X(1000)

или:

минимального нормированного значения на следующем масштабе.

После этого модель должна быть заморожена.

Фиксируются:

формула;

параметры;

допустимый интервал ошибки;

масштаб следующей проверки;

условия успеха;

условия провала.

Только после этого вычисляется новый диапазон:

X₀<N<=X₁.

Если после получения X₁ параметры модели перенастраиваются и затем говорится, что модель «предсказывает» X₁, доказательная ценность такого действия мала.

Это уже описание известных данных.

Поэтому необходим протокол:

обнаружение -> фиксация -> новый масштаб -> проверка.

Лучше проводить несколько последовательных циклов:

X₁ -> X₂;

X₂ -> X₃;

X₃ -> X₄.

Если закон переживает неоднократные замороженные прогнозы, его статус усиливается.

Но даже большое количество успешных прогнозов не превращает конечный эксперимент в классическую теорему.

Оно повышает доказательное состояние в рамках Теории метаиндукции.

Это различие должно сохраняться на всех этапах.

6 — Хранение данных

Вычислительная лаборатория должна хранить не только конечные графики и выводы.

Необходимо сохранять саму доказательную генеалогию.

Минимальная структура корпуса включает:

исходный битовый массив простых;

значения G(N);

метаданные эксперимента;

контрольные суммы;

каталоги экстремумов;

таблицы A_X(K);

B_X(K);

V_X(K);

H_X(V);

плато;

скачки;

арифметические профили экстремальных N;

набор прогнозов;

результаты независимых проверок.

При гигантских масштабах полный массив может оказаться слишком большим для постоянного хранения.

Тогда необходимо разделить данные на уровни.

Уровень I — исходно воспроизводимые данные

Могут быть пересчитаны из компактного алгоритмического описания.

Уровень II — критические агрегаты

Должны храниться постоянно:

экстремумы;

границы;

рекорды;

контрольные точки.

Уровень III — доказательные сертификаты

Хэши блоков;

меркле-подобные структуры;

журналы вычислений;

версия программы;

параметры запуска.

Уровень IV — исследовательские производные

Регрессии;

нормировки;

графики;

кластеры;

прогнозы.

Важно:

хэш не доказывает математическую правильность массива.

Он доказывает только неизменность конкретного содержимого после фиксации.

Поэтому криптографический хэш — инструмент целостности и идентификации, а не заменитель независимой проверки.

Главный принцип вычислительного корпуса:

каждое сильное утверждение должно иметь прослеживаемый путь от исходных точных данных до вывода.

Так возникает вычислительная доказательная генеалогия.

Глава 2. Получение простых чисел

Функция G(N) строится из простых чисел.

Следовательно, первый вычислительный слой всей лаборатории — надежное получение множества простых до необходимой границы.

Ошибка в простоте одного числа потенциально меняет сразу множество значений:

G(N).

Поэтому генерация простых не является технической мелочью.

Это фундамент вычислительного корпуса.

1 — Решето

Для умеренных диапазонов естественным базовым методом остается решето Эратосфена.

Создается массив признаков:

isPrime[n].

Первоначально все:

n>=2

помечаются как потенциально простые.

Затем для каждого простого:

p<=sqrt(X)

вычеркиваются его кратные:

p²,

p²+p,

p²+2p,

…

Почему можно начинать с:

p²?

Потому что меньшие кратные:

2p,3p,…,(p-1)p

уже были исключены меньшими простыми делителями.

После завершения процесса все невычеркнутые числа являются простыми.

Стандартная временная сложность:

O(X log log X),

а память при простом битовом представлении имеет линейный порядок.

Можно сразу исключить четные числа и хранить только нечетные кандидаты.

Тогда уменьшается примерно вдвое:

память;

число операций;

объем последующей обработки.

Можно применять wheel-фильтрацию по:

2·3·5,

или более крупному произведению малых простых.

Но любое усложнение должно оправдываться реальным выигрышем.

Для доказательного корпуса иногда предпочтительнее немного более медленная, но проще проверяемая реализация.

2 — Сегментированное решето

При больших X хранение всего диапазона:

[1,X]

в оперативной памяти становится неэффективным или невозможным.

Тогда используется сегментированное решето.

Сначала вычисляются все простые:

p<=sqrt(X).

Затем основной диапазон разбивается на блоки:

[L,R].

Для каждого блока создается локальный битовый массив.

Каждый базовый простой p вычеркивает свои кратные внутри текущего сегмента.

Начальная точка определяется как:

max(p², ceil(L/p)p).

После обработки всех базовых простых невычеркнутые элементы сегмента являются простыми.

Затем сегмент сохраняется, агрегируется или передается следующему вычислительному модулю.

После этого память освобождается и используется для следующего блока.

Преимущество очевидно:

память зависит в основном от размера сегмента, а не от полного X.

Кроме того, сегментирование естественно соответствует архитектуре распределенных вычислений.

Разные диапазоны могут обрабатываться независимо, если базовый список простых уже известен.

Необходимо, однако, строго фиксировать границы сегментов.

Типичная опасность — ошибки на стыках:

двойное включение;

пропуск последнего числа;

неверный расчет первого кратного;

неправильная обработка p².

Поэтому тесты границ сегментов обязательны.

3 — Параллельная реализация

Генерация простых хорошо поддается параллелизации.

После получения базовых простых до:

sqrt(X)

сегменты:

[L₁,R₁],

[L₂,R₂],

…

могут обрабатываться разными потоками, процессами или вычислительными узлами.

Каждый узел получает:

границы сегмента;

список базовых простых;

правила кодирования;

идентификатор версии алгоритма.

На выходе он возвращает:

битовый массив простоты;

список простых;

число найденных простых;

контрольную сумму сегмента;

служебную статистику.

Параллелизация должна быть детерминированной относительно математического результата.

Распределение сегментов по узлам не должно влиять на итоговый набор простых.

Особенно важно не смешивать:

ускорение вычисления

и:

независимость проверки.

Сто потоков одной программы — это параллельность.

Но это не сто независимых доказательных каналов.

Для независимой проверки требуется другая реализация, иной алгоритмический путь или другой источник контрольных данных.

4 — Контроль

Каждый построенный массив простых должен проходить несколько уровней проверки.

Первый — малые эталонные диапазоны

До:

10;

100;

1000;

10000;

10^6

количество простых известно точно:

π(10)=4;

π(100)=25;

π(1000)=168;

π(10000)=1229;

π(10^6)=78498.

Совпадение этих контрольных точек — необходимое, но не достаточное условие.

Второй — локальные контрольные интервалы

Следует сравнивать не только общее π(X), но и количество простых в отдельных сегментах.

Ошибки двух типов могут взаимно компенсироваться в глобальном счете.

Третий — выборочная проверка простоты

Случайные и структурно важные элементы проверяются независимым тестом простоты.

Для чисел умеренного размера возможна точная пробная проверка делителями до sqrt(n).

Для больших диапазонов можно использовать детерминированные варианты подходящих тестов в пределах их доказанной области применимости.

Четвертый — проверка составных

Важно проверять не только найденные простые.

Часть вычеркнутых чисел также выбирается случайно и подтверждается их составность посредством явного делителя.

Пятый — контроль стыков сегментов

Числа около:

p²;

кратных крупных базовых простых

должны получать повышенное внимание.

Шестой — независимая реализация

Для выбранных крупных диапазонов весь список простых пересчитывается другим программным путем.

Если два метода дают бит-в-бит идентичный массив, доверие существенно повышается.

5 — Хэши

После того как сегмент простых вычислен и проверен, необходимо зафиксировать его содержимое.

Для этого используется криптографическая хэш-функция.

Пусть файл сегмента:

S_i

содержит битовый массив или список простых.

Вычисляется:

h_i=Hash(S_i).

Вместе с h_i сохраняются:

границы сегмента;

размер;

число простых;

версия формата;

версия алгоритма;

дата вычисления;

идентификатор независимой проверки.

Это позволяет позднее установить:

изменился ли файл;

совпадают ли копии;

использовался ли в последующем анализе именно тот корпус, который был зафиксирован.

Для больших массивов удобно хэшировать каждый блок отдельно, а затем строить общий корневой идентификатор из хэшей блоков.

Так можно проверять отдельный фрагмент без повторного чтения всего корпуса.

Однако необходимо еще раз подчеркнуть:

хэш удостоверяет идентичность данных, а не их математическую истинность.

Если ошибочный массив был хэширован, хэш лишь надежно зафиксирует ошибочный массив.

Поэтому правильная последовательность такова:

вычисление;

контроль;

независимая проверка;

фиксация;

хэширование;

версионирование.

После этого массив простых может считаться первым сертифицированным слоем вычислительной лаборатории.

На нем будет строиться следующий, значительно более тяжелый объект:

полный массив:

G(4),G(6),…,G(X).

И именно с этого момента объем вычислительной работы возрастает на несколько порядков.

Получить простые — значит построить сырьевую базу.

Получить точную функцию G(N) на больших масштабах — значит начать собственно промышленное извлечение структуры Метагольдбаха.

****************

Глава 3. Вычисление G(N)

После построения точного массива простых возникает центральная вычислительная задача всей лаборатории:

получить значения

G(4),G(6),G(8),…,G(X)

для большого конечного предела X.

Напомним:

G(N)

— число неупорядоченных пар простых:

p+q=N,

p<=q.

Наивный подход состоит в отдельном вычислении G(N) для каждого N.

Он прозрачен и надежен, но становится дорогим на больших масштабах.

Главный ускоряющий переход состоит в том, чтобы увидеть в задаче Гольдбаха задачу свертки индикатора простых.

Тогда вместо миллионов отдельных поисков можно вычислить сразу весь массив представлений.

1 — Прямой счет

Наиболее очевидный алгоритм для фиксированного четного N имеет вид.

Перебираются простые:

p<=N/2.

Для каждого p вычисляется:

q=N-p.

Если q простое, найдено одно неупорядоченное разложение.

Следовательно:

G(N)

Σ_{p<=N/2, p простое}
1_{N-p простое}.

Этот алгоритм обладает несколькими достоинствами.

Первое — предельная прозрачность

Каждое найденное представление можно непосредственно предъявить:

N=p+q.

Второе — целочисленная точность

Нет округления.

Нет численных ошибок.

Нет необходимости восстанавливать коэффициенты после преобразования.

Третье — удобство независимой проверки

Если некоторое значение G(N) оказывается экстремальным, его можно пересчитать прямым методом независимо от массовой вычислительной системы.

Но для получения всего массива до X прямой подход становится тяжелым.

Если для каждого N перебирать большое количество простых, общий объем работы быстро растет.

Даже использование заранее построенного битового массива:

isPrime[q]

лишь ускоряет отдельную проверку, но не устраняет повторный перебор похожих пар для разных N.

Следовательно, прямой алгоритм идеально подходит как:

контрольный;

выборочный;

адверсарный;

но не обязательно как основной промышленный метод на больших масштабах.

2 — Индикатор простых

Введем арифметическую последовательность:

a(n)=
1, если n простое;

a(n)=
0, если n не простое.

Тогда рассмотрим для каждого N сумму:

R(N)

Σ_{m=0}^{N} a(m)a(N-m).

Каждое ненулевое слагаемое соответствует паре:

m+(N-m)=N,

в которой оба числа просты.

Следовательно, R(N) считает все упорядоченные представления:

N=p+q.

Например:

N=20.

Неупорядоченные представления:

3+17,

7+13.

Но в R(20) учитываются:

(3,17),

(17,3),

(7,13),

(13,7).

Поэтому:

R(20)=4.

Таким образом, вся голдбаховская функция оказывается закодирована в одном индикаторном массиве:

a(0),a(1),…,a(X).

Это фундаментальное вычислительное упрощение.

3 — Свертка

Выражение:

R(N)

Σ a(m)a(N-m)

является стандартной дискретной сверткой последовательности a самой с собой.

Обозначим:

c=a*a.

Тогда:

c_N

Σ_m a(m)a(N-m).

Следовательно:

R(N)=c_N.

Это означает, что одним вычислением свертки можно получить количество упорядоченных представлений сразу для всех N.

Вместо отдельных задач:

G(4),

G(6),

G(8),

…

возникает одна глобальная задача:

вычислить квадрат полинома индикатора простых.

Введем:

A(x)=Σ_{n=0}^{X} a(n)x^n.

Тогда:

A(x)^2

Σ_N R(N)x^N.

Коэффициент при:

x^N

и есть количество упорядоченных пар простых с суммой N.

Таким образом, голдбаховская задача получает полиномиальную форму.

Это один из важнейших вычислительных переводов всей книги:

суммы простых -> коэффициенты произведения полиномов.

4 — FFT

Быстрое преобразование Фурье — FFT — позволяет вычислять свертку существенно быстрее на больших массивах.

Вместо прямого вычисления каждого коэффициента производится следующий цикл:

1 — исходный массив a преобразуется в частотное представление;

2 — полученные значения возводятся в квадрат покомпонентно;

3 — выполняется обратное преобразование;

4 — коэффициенты восстанавливаются округлением до ближайших целых.

Асимптотическая сложность такой схемы имеет порядок:

O(L log L),

где L — длина преобразования.

Для сравнения, прямое перемножение полиномов имеет квадратичный порядок:

O(L²).

Поэтому FFT является чрезвычайно мощным инструментом массового вычисления G(N).

Но для нашего доказательного корпуса существует принципиальная проблема:

FFT обычно использует арифметику с плавающей точкой.

Следовательно, возникают:

ошибки округления;

накопление численной погрешности;

зависимость от длины преобразования;

зависимость от реализации;

потенциальная неоднозначность восстановления целого коэффициента.

На умеренных масштабах ошибка может быть ничтожной.

Но утверждение:

«вероятно, все округлилось правильно»

недостаточно для точного доказательного массива.

Поэтому FFT естественно использовать:

как быстрый вспомогательный канал;

как независимую проверку NTT;

как исследовательский инструмент;

как предварительный генератор данных.

Но основной эталонный корпус желательно строить на точной целочисленной схеме.

Именно такую возможность дает NTT.

5 — NTT

NTT — Number Theoretic Transform — является дискретным аналогом FFT, работающим не с комплексными числами, а в конечном поле modulo P.

Выбирается простое P такого вида, чтобы существовали корни единицы нужного порядка.

Тогда преобразование выполняется полностью в целочисленной модульной арифметике.

Главное преимущество:

никаких ошибок округления нет.

Если истинный коэффициент свертки меньше модуля P, его остаток modulo P однозначно совпадает с самим коэффициентом.

Например, часто используется простое:

P=998244353.

Оно имеет вид:

998244353

119·2^23+1,

что позволяет эффективно выполнять NTT длины до:

2^23.

Для диапазона порядка:

X=10^6

можно взять длину преобразования как ближайшую степень двойки, достаточную для линейной свертки массива.

Если массив a задан до X, полная свертка имеет индексы до:

2X.

Поэтому длина NTT должна быть не меньше:

2X+1

после округления вверх до допустимой степени двойки.

При:

X=10^6

достаточно:

2^21=2 097 152.

Этот размер укладывается в возможности модуля 998244353.

Кроме того, каждый коэффициент:

R(N)

в данном диапазоне значительно меньше самого модуля, поэтому один модуль уже дает точный коэффициент.

На значительно больших масштабах необходимо контролировать два независимых ограничения:

Первое — длина преобразования

Модуль должен поддерживать корень единицы нужного порядка.

Второе — величина коэффициента

Если коэффициент может превысить P, одно модульное значение уже недостаточно.

Тогда используются:

несколько NTT-модулей;

последующее восстановление по китайской теореме об остатках;

или другие точные схемы блочной свертки.

Таким образом, NTT превращает голдбаховский счет в точное массовое вычисление.

6 — Диагональная поправка

После свертки получено:

R(N),

то есть количество упорядоченных представлений.

Но наша основная функция:

G(N)

считает неупорядоченные пары.

Если:

p≠q,

каждое представление появляется в R(N) дважды:

(p,q)

и:

(q,p).

Но если:

p=q,

существует только одна упорядоченная пара:

(p,p).

Диагональный случай возникает тогда и только тогда, когда:

N=2p

и:

простое.

Определим:

d(N)=
1, если N/2 простое;

0, в противном случае.

Тогда:

R(N)=2G(N)-d(N).

Следовательно:

2G(N)=R(N)+d(N),

и:

G(N)

[R(N)+d(N)]/2.

Это точная формула.

Она должна применяться после получения коэффициентов свертки.

Примеры.

N=20

Диагонали нет:

не простое.

Поэтому:

d(20)=0.

Если:

R(20)=4,

то:

G(20)=4/2=2.

N=10

Имеем:

10=3+7=5+5.

Упорядоченные пары:

(3,7),

(7,3),

(5,5).

Следовательно:

R(10)=3.

Поскольку:

10/2=5

простое:

d(10)=1.

Получаем:

G(10)

(3+1)/2

7 — Получение неупорядоченного количества

Полный основной алгоритм можно теперь представить как последовательность.

Этап I

Построить точный индикатор простых:

a(n).

Этап II

Выполнить точную свертку:

R=a*a.

Этап III

Для каждого четного N вычислить:

d(N)=a(N/2).

Этап IV

Получить:

G(N)

[R(N)+d(N)]/2.

Этап V

Проверить целостность.

Для каждого четного N величина:

R(N)+d(N)

обязана быть четной.

Если обнаружено нечетное значение, это немедленный сигнал вычислительной ошибки.

Этап VI

Сравнить контрольные значения с прямым счетом.

Например:

G(4)=1,

G(6)=1,

G(8)=1,

G(10)=2,

G(22)=3,

G(48)=5.

Этап VII

После подтверждения массива вычислять производные объекты:

A_X(K);

B_X(K);

V_X(K);

H_X(V);

плато;

скачки;

нормированные экстремумы.

Таким образом, массив G(N) является первичным промышленным продуктом всей лаборатории.

Все последующие последовательности — его структурные производные.

Именно поэтому его точность должна быть подтверждена несколькими независимыми способами.

Глава 4. Независимые реализации

Надежность вычислительного корпуса нельзя основывать на одной реализации, даже если она математически корректна и программно тщательно протестирована.

Причина проста.

Существуют ошибки:

алгоритмические;

программные;

индексные;

аппаратные;

форматные;

ошибки преобразования данных.

Если основной и контрольный методы имеют различную архитектуру, вероятность одинаковой скрытой ошибки существенно уменьшается.

Но независимость должна быть реальной, а не номинальной.

1 — Основной алгоритм

Основным промышленным методом целесообразно использовать точную свертку NTT.

Его преимущества:

массовое получение всего массива;

целочисленная точность;

высокая скорость;

возможность детерминированного повторения;

простая связь с формулой:

G(N)

[R(N)+d(N)]/2.

Основной конвейер:

решето;

битовый индикатор простых;

NTT;

покомпонентное возведение спектра в квадрат;

обратное NTT;

восстановление R(N);

диагональная поправка;

получение G(N).

Для каждого запуска фиксируются:

длина преобразования;

модуль;

первообразный корень;

версия NTT;

контрольные хэши входа и выхода.

Если используется несколько модулей, фиксируется также схема CRT-восстановления.

2 — Контрольный алгоритм

Контрольная реализация должна быть архитектурно отлична от основной.

Один из естественных вариантов:

для каждого четного N выполнять перебор простых:

p<=N/2

и проверять:

isPrime[N-p].

Такой метод значительно медленнее.

Но его достоинство именно в различии вычислительной логики.

Он не использует:

NTT;

модульные корни единицы;

обратное преобразование;

массовую полиномиальную свертку.

Следовательно, ошибка в преобразовании не может автоматически воспроизвестись в прямом алгоритме.

Для полного диапазона этот метод может оказаться слишком дорогим.

Поэтому его можно использовать:

на малых диапазонах полностью;

на средних — блоками;

на больших — выборочно.

Важен не одинаковый масштаб каналов, а способность независимого канала проверить критические результаты основного.

3 — Прямая выборочная проверка

После построения массива G(N) выбирается набор N и для каждого выполняется полный прямой пересчет.

Проверяются все простые:

p<=N/2.

Для каждого вычисляется:

q=N-p.

Все найденные пары можно при необходимости сохранить явно.

Получается независимое значение:

G_direct(N).

Оно сравнивается с:

G_NTT(N).

Требуется:

G_direct(N)=G_NTT(N).

Но выборочные точки должны формироваться по нескольким принципам.

Недостаточно проверять только первые или удобные N.

Нужна смесь:

случайных;

структурных;

экстремальных;

адверсарных точек.

4 — Случайные точки

Случайная выборка необходима для обнаружения ошибок, не связанных с заранее известными особенностями данных.

Из диапазона:

[4,X]

случайно выбираются четные числа:

N₁,N₂,…,N_m.

Для каждого выполняется прямой пересчет.

Желательно использовать заранее зафиксированный seed генератора псевдослучайных чисел.

Тогда выборка воспроизводима.

Случайные точки должны покрывать:

разные масштабы;

разные сегменты;

различные остаточные классы;

различные величины G(N).

Но случайная проверка имеет предел.

Если ошибка возникает только в очень специальном классе N, случайная выборка может его не затронуть.

Поэтому необходим специальный адверсарный набор.

5 — Адверсарные точки

Адверсарные точки выбираются не случайно.

Они выбираются потому, что именно там вычислительная ошибка была бы наиболее опасна или наиболее вероятна.

К первой категории относятся математически критические точки.

Например:

B_X(K);

V_X(K);

A_X(K);

новые минимумы H_X(V);

точки рекордных скачков;

концы плато;

начала пакетов;

глубокие нормированные минимумы.

Если ошибка на обычной точке изменяет только одно G(N), это неприятно.

Если ошибка на:

B_X(K)

перемещает границу окончательной гарантии, она меняет целую часть дальнейшей теории.

Поэтому такие точки должны проверяться автоматически.

Ко второй категории относятся арифметически подозрительные классы:

N=2q

при простом q;

N с минимальным количеством малых нечетных делителей;

N с необычно большим количеством малых делителей;

примориальные кратные;

числа около новых рекордов;

точки резкой локальной смены G(N).

К третьей категории относятся вычислительно опасные точки:

границы сегментов;

границы блоков;

индексы около максимальной длины свертки;

точки, связанные с переходом форматов;

первые и последние коэффициенты NTT-массива.

Таким образом, адверсарная проверка соединяет математическую и вычислительную теории разрушения.

6 — Сравнение массивов

Самая сильная форма независимой проверки возникает, когда два различных алгоритма вычисляют один и тот же конечный массив полностью.

Пусть:

G_A(N)

получен основным алгоритмом.

Пусть:

G_B(N)

получен независимой реализацией.

Требуется:

G_A(N)=G_B(N)

для каждого четного:

4<=N<=X.

Сравнение должно выполняться автоматически.

Не только по:

средним;

сумме;

максимуму;

хэшу агрегата.

Необходимо побитовое или поэлементное совпадение самих целочисленных значений.

После этого дополнительно сравниваются производные структуры.

Если массивы G совпадают, автоматически должны совпасть:

A_X(K);

B_X(K);

V_X(K);

H_X(V);

плато;

скачки;

рекорды.

Полезно, однако, вычислять некоторые производные структуры независимо в каждом канале.

Это позволяет обнаружить ошибку уже не в G, а в модуле последующего анализа.

Например:

основной анализ может неверно вычислить B_X(K), несмотря на совершенно правильный массив G.

Поэтому желательно иметь независимость не только на уровне генерации данных, но и на уровне их структурной обработки.

Итоговая архитектура может выглядеть так:

Канал A

решето A
-> NTT
-> G_A
-> анализ A.

Канал B

решето B
-> прямой или иной счет
-> G_B
-> анализ B.

Затем:

G_A = G_B;

структурные каталоги A = структурным каталогам B.

После совпадения массив фиксируется хэшем и получает статус сертифицированной версии корпуса.

Особенно важен следующий принцип:

обнаруженное совпадение двух алгоритмов не делает конечный массив доказательством бесконечной Метатеоремы.

Оно доказывает другое, но чрезвычайно важное утверждение:

в данном конечном диапазоне исходные значения G(N) вычислены с высокой степенью контролируемой точности.

Именно такой слой необходим для следующей стадии.

Пока мы не доверяем самому массиву G(N), бессмысленно обсуждать:

законы;

прогнозы;

метаинварианты;

адверсарные классы;

стоимость разрушения.

Но после построения независимо подтвержденного корпуса ситуация меняется.

Мы получаем надежный математический экспериментальный объект, из которого можно систематически извлекать:

границы;

экстремумы;

законы;

и масштабные переходы.

Так вычислительная лаборатория переходит от простого счета разложений к построению доказательно контролируемой базы Метагольдбаха.

****************

Глава 5. Масштабная лестница

Вычислительный корпус Метагольдбаха не должен строиться как один гигантский запуск от 4 до максимально доступного X.

Для метаиндукционного анализа значительно важнее лестница масштабов.

Необходимо видеть не только состояние системы на максимальной границе, но и то, как меняются ее характеристики при последовательных переходах:

10³,

10⁴,

10⁵,

10⁶,

10⁷,

…

Каждая новая ступень увеличивает линейный масштаб в десять раз.

При этом число исследованных четных чисел также возрастает приблизительно в десять раз.

Если структурные характеристики воспроизводятся от ступени к ступени, возникает масштабная информация.

Если некоторые законы распадаются, обнаруживается граница применимости модели.

Поэтому масштабная лестница — не просто способ организовать вычисления.

Это одна из центральных конструкций малой метаиндукции.

Она позволяет наблюдать переход:

M(X) -> M(10X),

где M(X) — не одно число, а целое доказательное состояние масштаба X.

В него должны входить:

точный массив G(N);

значения π(X);

экстремумы G;

нижние огибающие;

A_X(K);

B_X(K);

V_X(K);

плато;

скачки;

нормированные минимумы;

арифметические классы экстремальных N;

прогнозы предыдущего масштаба;

результаты адверсарного поиска.

Только такая многокомпонентная лестница способна дать материал для метаиндукции.

1 — До 10³

Первый содержательный масштаб:

X=10³.

Он еще достаточно мал, чтобы практически любой результат можно было проверить прямым перебором.

Это делает диапазон:

4<=N<=1000

идеальным калибровочным полигоном.

В нем находится:

499

четных чисел от 4 до 1000.

Количество простых до 1000:

π(1000)=168.

На этом диапазоне можно полностью построить:

G(N);

A_X(K);

B_X(K);

V_X(K);

нижнюю функцию:

H_X(V).

Уже здесь видна принципиальная картина.

Функция G(N) немонотонна.

Но ее масштабы растут.

Например:

G(1000)=28.

Максимальное значение в диапазоне до 1000 достигается при:

N=990

и равно:

Если рассмотреть только вторую половину диапазона:

500<=N<=1000,

то конечный гарантированный минимум равен:

10,

и достигается, в частности, при:

N=542.

На последней десятой части:

900<=N<=1000

минимум уже равен:

13,

достигаясь при:

N=992.

Эти числа пока малы.

Но уже первый масштаб демонстрирует разницу между:

отдельным высоким значением;

максимумом;

средним поведением;

и нижней гарантией.

Именно последний объект будет главным.

Особенно полезен X=10³ для отладки всех определений.

Например, можно проверить конечные границы низких уровней:

V_1000(2)=14,

V_1000(3)=70,

V_1000(5)=154,

V_1000(10)=490.

Но уже здесь возникает важный эффект правого цензурирования.

Если конечная граница V_X(K) оказывается слишком близко к X, она имеет мало доказательной ценности.

Например, если уровень впервые становится непрерывно выполненным лишь в самом конце диапазона, мы еще почти ничего не знаем о его устойчивости.

Поэтому при анализе V_X(K) необходимо учитывать не только само значение границы, но и длину подтвержденного хвоста:

T_X(K)=X-V_X(K).

Чем больше T_X(K), тем дольше наблюдается сохранение уровня после последнего найденного нарушения.

2 — До 10⁴

Следующая ступень:

X=10⁴

увеличивает исследуемый диапазон на порядок.

Количество четных:

Простых:

π(10⁴)=1229.

Получаем:

G(10000)=127.

Максимальное значение на всем диапазоне:

329

при:

N=9240.

На второй половине диапазона:

5000<=N<=10000

минимальное G(N) равно:

51,

достигаясь при:

N=5078.

На последней десятой части:

9000<=N<=10000

минимум:

при:

N=9602.

Сравнение с X=10³ уже дает первый масштабный сигнал.

При увеличении X в десять раз нижний слой не остается около прежних значений.

Он заметно поднимается.

Но важно не превращать два масштаба в универсальный закон.

Два наблюдения показывают направление.

Они еще не устанавливают устойчивую траекторию.

На этой ступени особенно полезно наблюдать стабилизацию конечных границ низких уровней.

Например:

V_1000(10)=490,

и после расширения до:

10⁴

получаем то же:

V_10000(10)=490.

Новое нарушение уровня 10 не появилось.

Для уровня:

K=20

ситуация показательнее.

На диапазоне до 1000 правая граница еще сильно цензурирована.

После расширения корпуса обнаруживаются дополнительные нарушения, и конечная граница перемещается вправо.

Так становится видно, почему нельзя объявлять раннее:

V_X(K)

глобальным V(K).

Масштабная лестница не только подтверждает законы.

Она должна специально давать возможность прежним выводам разрушаться.

3 — До 10⁵

При:

X=10⁵

корпус содержит:

49 999

четных чисел.

Количество простых:

π(10⁵)=9592.

Получаем:

G(100000)=810.

Максимальное значение до 100000:

2168

при:

N=99330.

На второй половине диапазона:

50000<=N<=100000

минимум уже равен:

328

при:

N=50672.

На последней десятой части:

90000<=N<=100000

минимум:

526

при:

N=90656.

Таким образом, масштабная картина становится все более выраженной.

Нижние значения растут вместе с масштабом.

Одновременно сохраняется сильная арифметическая неоднородность:

максимальные значения значительно выше минимальных.

Именно поэтому нельзя характеризовать систему одним «типичным» G(N).

На масштабе 10⁵ уже можно изучать более высокие уровни гарантии.

Например, внутри конечного корпуса:

V_100000(100)=11674,

V_100000(200)=27910,

V_100000(500)=85618.

Последнее значение уже расположено сравнительно близко к правой границе и поэтому требует осторожной интерпретации.

Напротив:

V_100000(100)=11674

оставляет длинный подтвержденный хвост:

от 11674 до 100000.

Это дает значительно более содержательный конечный факт.

Но он по-прежнему является:

V_X(100),

а не доказанным глобальным:

V(100).

Именно повторное испытание на следующей ступени показывает, выдержит ли граница расширение корпуса.

4 — До 10⁶

Масштаб:

X=10⁶

является первым крупным полностью построенным эталонным корпусом настоящего проекта.

Исследуются все четные:

4<=N<=1 000 000.

Их количество:

499 999.

Количество простых:

π(10⁶)=78 498.

Точный массив G(N) был получен через целочисленную свертку и проверен независимыми способами.

Суммарное число неупорядоченных представлений по всем четным N в диапазоне составляет:

1 671 879 783.

Для конечной точки:

G(1 000 000)=5402.

Максимум всего диапазона:

G(990990)=15 594.

Особенно важны не максимумы, а конечные нижние огибающие.

Для корпуса до:

10⁶

имеем, например:

H_10⁶(100)=3,

причем минимум достигается при:

N=128.

Для:

V=1000:

H_10⁶(1000)=16,

с минимумом при:

N=1112.

Для:

V=10000:

H_10⁶(10000)=92,

минимум при:

N=10006.

Для:

V=100000:

H_10⁶(100000)=570,

минимум при:

N=100094.

Для:

V=500000:

H_10⁶(500000)=2201,

минимум при:

N=506642.

Для:

V=750000:

H_10⁶(750000)=3106,

минимум при:

N=753164.

Для:

V=900000:

H_10⁶(900000)=3624,

минимум при:

N=901364.

Это уже не единичные удачные значения.

Мы наблюдаем систематический подъем конечной нижней огибающей по мере движения правой границы V.

Но еще раз:

H_10⁶(V)

не является глобальной H(V).

За миллионом могут существовать новые более глубокие абсолютные провалы относительно конкретного уровня.

Именно дальнейшие масштабы должны проверять эту возможность.

На уровне конечных границ имеем, среди прочего:

V_10⁶(100)=11674,

V_10⁶(128)=15790,

V_10⁶(200)=27910,

V_10⁶(400)=64294,

V_10⁶(500)=85618,

V_10⁶(1000)=195370,

V_10⁶(1200)=242470,

V_10⁶(1600)=345504,

V_10⁶(2000)=443938,

V_10⁶(2500)=581194,

V_10⁶(3000)=726796.

Для:

K=4096

получается конечная граница около самого конца корпуса:

V_10⁶(4096)=999970.

Такое значение является сильно цензурированным.

От границы до X остается всего несколько четных чисел.

Поэтому его нельзя ставить в один доказательный ряд с, например:

V_10⁶(100)=11674,

после которого проверено почти миллионное продолжение.

Это приводит к важному правилу.

Каждое значение V_X(K) должно сопровождаться характеристикой глубины подтверждения:

D_X(K)=X/V_X(K)

или:

T_X(K)=X-V_X(K).

Граница без информации о длине проверенного хвоста неполна.

5 — До 10⁷

Следующая естественная полная ступень:

X=10⁷.

Она увеличивает непрерывный корпус в десять раз.

Это не просто добавление еще девяти миллионов чисел.

Новая ступень должна выполнить несколько независимых функций.

Первая — проверка стабилизации

Все ранее полученные:

B_10⁶(K),

V_10⁶(K)

для достаточно низких K проверяются на появление новых нарушений.

Если:

V_10⁷(K)=V_10⁶(K),

граница выдержала десятикратное расширение области.

Если:

V_10⁷(K)>V_10⁶(K),

фиксируется разрушение прежней конечной стабилизации.

Оба результата полезны.

Вторая — декензурирование высоких уровней

Уровни, расположенные около правой границы 10⁶, получают значительно более длинный хвост проверки.

Например, значения V_10⁶(K), находящиеся в районе:

700000–1000000,

сейчас являются слабо подтвержденными.

После перехода к 10⁷ они окажутся глубоко внутри нового корпуса.

Их статус резко усилится — или они будут опровергнуты новыми нарушениями.

Третья — проверка масштабных траекторий

Можно сравнивать:

V_X(K),

V_X(2K),

V_X(3K),

эффективные показатели:

α_r(K),

на значительно более широком уровне K.

Четвертая — проверка арифметических классов

Необходимо выяснить, сохраняются ли классы чисел, склонные формировать нижние экстремумы.

Пятая — скрытая проверка прогнозов

Главное преимущество масштаба 10⁷ состоит в том, что до его вычисления можно зафиксировать прогнозы, основанные только на корпусе до 10⁶.

Тогда новая ступень перестает быть просто продолжением таблицы.

Она становится экспериментом с заранее определенным исходом проверки.

Именно так должен использоваться каждый следующий порядок величины.

6 — Последующие горизонты

После:

10⁷

естественная лестница продолжается:

10⁸,

10⁹,

10¹⁰,

…

Но линейное увеличение масштаба постепенно меняет саму вычислительную архитектуру.

На малых X весь массив легко хранится в оперативной памяти.

Позднее приходится переходить к:

сегментированным представлениям;

блочным сверткам;

распределенным вычислениям;

многомодульным NTT;

дисковым потокам данных;

кластерной обработке;

контрольным сертификатам блоков.

Поэтому каждая новая ступень должна иметь не только математический, но и инженерный паспорт.

Особенно важно не позволить изменению алгоритма разрушить сопоставимость корпусов.

Если данные до 10⁶ вычислены одним методом, а до 10⁹ — другим, часть старого диапазона должна быть повторно вычислена новой реализацией.

Это создаст перекрытие:

старый метод ∩ новый метод.

Если результаты совпадают на перекрытии, можно объединять корпуса с существенно большей уверенностью.

Для будущей глобальной лаборатории можно использовать геометрическую лестницу не только с коэффициентом:

10,

но и более плотную:

10⁶,

2·10⁶,

5·10⁶,

10⁷,

2·10⁷,

5·10⁷,

10⁸.

Такая схема позволяет лучше видеть момент появления нового экстремума.

Однако для метаиндукционного сравнения полезно сохранять и канонические десятиричные горизонты:

10^m.

Они дают единообразные переходы:

X -> 10X.

7 — Дальние зонды

Сплошной непрерывный корпус — основной источник доказательной информации.

Но его расширение очень дорого.

Поэтому возникает дополнительный инструмент:

дальние зонды.

Вместо вычисления всех G(N) между:

и:

100X

можно выбрать несколько удаленных интервалов и исследовать их локально.

Например, в уже проведенных исследованиях рассматривались удаленные масштабы около:

15 396,

254 066,

7 721 504,

124 237 862.

В соответствующих исследованных локальных областях наблюдались минимальные значения порядка:

129,

1272,

23 168,

264 500.

После нормировки:

W_G(N)=G(N)(log N)²/N

соответствующие локальные нижние значения находились примерно на уровнях:

0,7789;

0,7755;

0,7547;

0,7395.

Эта последовательность чрезвычайно интересна.

С одной стороны, абсолютные минимальные значения G растут на несколько порядков.

С другой — нормированная нижняя величина медленно снижается.

Следовательно, простая формула:

G(N)>=cN/(log N)²

с одной фиксированной c

еще не может считаться установленной только по этим данным.

Мы наблюдаем:

рост абсолютного нижнего слоя;

но одновременно медленный дрейф его нормировки.

Именно такой результат особенно ценен.

Он не дает возможности преждевременно объявить закон завершенным.

Он показывает, что именно должно быть объяснено следующей моделью.

Дальние зонды имеют четыре функции.

Первая

Раннее обнаружение смены режима.

Вторая

Проверка нормированных законов на масштабах, существенно превышающих непрерывный корпус.

Третья

Поиск новых арифметических типов экстремумов.

Четвертая

Выбор приоритетных областей для будущего сплошного вычисления.

Но зонды имеют жесткое ограничение.

Локальный зонд около:

10⁸

не заполняет пропущенный диапазон:

10⁶<N<10⁸.

Поэтому он не может установить:

B_X(K),

V_X(K)

или:

H_X(V)

для всего этого промежутка.

В невычисленной области может скрываться более глубокий провал.

Следовательно:

дальний зонд проверяет закон, но не заменяет непрерывный корпус.

Это различие должно сохраняться абсолютно строго.

В итоге вычислительная архитектура Метагольдбаха получает две взаимодополняющие оси:

сплошная лестница —

для универсальных конечных гарантий;

дальние зонды —

для ранней проверки масштабной устойчивости.

Вместе они создают гораздо более сильную систему, чем простое последовательное расширение одной таблицы.

Глава 6. Обучение и проверка

Вычислительная закономерность становится доказательно содержательной только тогда, когда она способна пережить данные, которые не использовались при ее построении.

Если сначала получить весь корпус, затем подобрать к нему формулу и объявить ее «предсказательной», возникает опасность ретроспективной подгонки.

Чем больше возможных моделей перебирается, тем выше вероятность найти красивую формулу даже в случайных колебаниях.

Поэтому лаборатория Метагольдбаха должна использовать строгий протокол:

обучение -> замораживание -> проверка -> решение о модели.

Особенно важно различать два типа проверки:

ретропрогноз

и:

настоящий независимый прогноз.

Они имеют разную доказательную силу.

1 — Исходный диапазон

Пусть точные данные известны до:

Для построения модели используется не весь массив.

Выбирается исходный диапазон:

4<=N<=X_train.

Например:

X_train=10⁵,

хотя общий корпус уже вычислен до:

10⁶.

На обучающем диапазоне разрешается:

искать нормировки;

подбирать параметры;

сравнивать модели;

изучать арифметические классы;

оценивать эффективные показатели;

формулировать законы.

Но момент окончания обучения должен быть четко зафиксирован.

После этого записывается паспорт модели:

название;

версия;

использованный диапазон;

формула;

параметры;

прогнозируемые величины;

допустимые ошибки;

критерии разрушения.

Например, модель может предсказывать:

V_X(K);

H_X(V);

нижнюю нормировку;

положение следующего рекордного минимума;

диапазон ожидаемого α₂(K).

До раскрытия тестовых данных менять эти параметры нельзя.

2 — Скрытый диапазон

После обучающего диапазона выделяется:

X_train<N<=X_test.

Эти данные не должны использоваться при построении модели.

Если весь корпус уже физически существует, аналитик может технически иметь к нему доступ.

Поэтому требуется процедурная дисциплина:

тестовый диапазон должен быть скрыт от этапа подбора.

Лучший вариант — автоматизированная система, где модель передается проверочному модулю, а тот возвращает только результат теста.

Скрытый диапазон нужен для ответа на вопрос:

описывает ли модель новую область или только воспроизводит ту, на которой была настроена?

Особенно полезно скрывать не случайные точки, а целый следующий масштаб.

Например:

обучение:

N<=10⁵;

скрытая проверка:

10⁵<N<=10⁶.

Так модель вынуждена пройти десятикратное масштабное расширение.

Это значительно сильнее случайного удержания 10% точек из того же диапазона.

Метаиндукции важен именно перенос между масштабами.

3 — Ретропрогноз

Поскольку часть крупных данных уже может быть известна до создания окончательного протокола, используется ретропрогноз, или ретропредсказание.

Процедура следующая.

Берется исторически ранний диапазон:

X₀.

Все данные правее X₀ временно исключаются.

По данным до X₀ строится модель.

Она замораживается.

Затем модель должна предсказать характеристики диапазона, который фактически уже вычислен, но не использовался в обучении.

Например:

по данным до:

10⁴

предсказать структуру до:

10⁵;

по данным до:

10⁵

предсказать:

10⁶.

Ретропрогноз слабее настоящего прогноза, потому что тестовые данные уже существуют и существует риск неявного знания их структуры разработчиком.

Но при строгом ослеплении он чрезвычайно полезен.

Он позволяет провести множество циклов масштабной проверки на уже накопленном корпусе.

В идеале одна и та же модель должна пережить серию:

10³ -> 10⁴,

10⁴ -> 10⁵,

10⁵ -> 10⁶.

Если параметры приходится полностью менять на каждой ступени, универсальность модели сомнительна.

Если же одна архитектура воспроизводит несколько переходов, возникает кандидат на малый метаинвариант.

4 — Независимый прогноз

Наиболее сильный вычислительный тест — прогноз на данные, которых еще нет в момент фиксации модели.

Пусть вычисления завершены до:

10⁶.

До запуска полного корпуса:

10⁷

фиксируются прогнозы.

Например:

какие ранее найденные V_10⁶(K) сохранятся;

какие, вероятно, изменятся;

в каком диапазоне будет находиться новый нижний минимум;

каким будет диапазон нормированной нижней величины;

какие факторизационные классы будут среди экстремальных;

как изменится эффективный показатель:

α₂(K).

Затем модель подписывается контрольной суммой или иным способом фиксируется неизменяемо.

Только после этого строится корпус:

10⁷.

Такой тест принципиально отличается от ретропрогноза.

Здесь информация о будущем диапазоне физически не могла использоваться при настройке.

Если прогноз оказывается успешным, появляется настоящий новый доказательный канал:

предсказательная способность.

Особенно сильны прогнозы, которые:

численно конкретны;

охватывают несколько независимых характеристик;

имеют заранее установленные интервалы допуска;

содержат условия собственного опровержения.

Фраза:

«в целом рост продолжится»

почти нефальсифицируема.

Прогноз:

«эффективный показатель α₂(K) на следующей ступени останется в заранее указанном интервале»

значительно сильнее.

5 — Ошибка

Каждый прогноз должен иметь количественную меру ошибки.

Для числовой величины Y можно использовать абсолютную ошибку:

E_abs=|Y_pred-Y_obs|.

Для масштабных величин естественнее относительная:

E_rel

|Y_pred-Y_obs|/|Y_obs|.

Для величин, меняющихся на порядки, может использоваться логарифмическая ошибка:

E_log

|log(Y_pred/Y_obs)|.

Но в Метагольдбахе особенно важна направленность ошибки.

Рассмотрим прогноз:

V(K).

Если предсказано:

V_pred(K)<V_obs(K),

модель заявила окончательную гарантию слишком рано.

Это опасная ошибка.

Она недооценивает область нарушений.

Если:

V_pred(K)>V_obs(K),

модель оказалась чрезмерно консервативной.

Она ошиблась, но не создала ложной ранней гарантии.

Для нижней функции ситуация обратная.

Если:

H_pred(V)>H_obs(V),

модель завысила гарантированный минимум.

Это доказательно опасная ошибка.

Поэтому наряду с симметричной ошибкой необходимо вести профиль направленных ошибок:

опасное завышение гарантии;

консервативное занижение гарантии;

ошибка масштаба;

ошибка экстремального класса;

ошибка местоположения экстремума.

Для прогноза экстремума вообще недостаточно точно предсказать среднее значение.

Модель должна быть проверена именно там, где она наиболее уязвима.

6 — Протокол изменения модели

После проверки модель может оказаться:

успешной;

частично успешной;

или разрушенной.

Во всех случаях запрещено просто переписать ее и продолжить так, будто первоначальная версия всегда была новой.

Необходим протокол изменения.

Пусть существовала:

Model M1.

Она была обучена до:

X₀

и проверена на:

X₁.

После получения X₁ обнаружено отклонение.

Создается:

Model M2.

Но обязательно фиксируются:

что именно нарушилось в M1;

какие новые данные вызвали изменение;

какой компонент был добавлен;

какие параметры изменены;

какие старые успешные свойства сохранены;

какой следующий диапазон считается новым независимым тестом.

Это создает генеалогию моделей.

Например:

M1 — чистая степенная модель;

M2 — степенная модель с дрейфующим показателем;

M3 — масштаб K(log K)²;

M4 — тот же масштаб с арифметической поправкой.

Если каждая следующая модель просто подгоняется под весь доступный массив, доказательная ценность мала.

Но если новая модель исправляет конкретно выявленный механизм ошибки, а затем успешно предсказывает следующий масштаб, возникает накопление знания.

Особенно важно запрещать удаление неудачных прогнозов из истории корпуса.

Неудача — часть доказательного процесса.

Она показывает:

какая модель была недостаточна;

на каком масштабе;

какой компонент состояния оказался пропущен.

Это непосредственно соответствует Теории метаиндукции.

Если закон не переносится:

M(X) -> M(10X),

не обязательно отказываться от всей идеи.

Возможно, исходное состояние M было слишком бедным.

Тогда необходимо выяснить:

какой дополнительный компонент делает переход замкнутым.

Например:

одного эффективного показателя недостаточно;

необходимо добавить арифметический профиль экстремумов.

Или:

средней нормировки недостаточно;

нужно включить нижний процентиль.

Или:

одной степенной модели недостаточно;

нужно учитывать медленный логарифмический дрейф.

Так вычислительная ошибка превращается не в неудобство, а в источник структурной информации.

Именно поэтому правильная лаборатория должна не только подтверждать модели.

Она должна быть специально построена так, чтобы иметь возможность их разрушать.

Только тогда масштабная лестница:

10³ -> 10⁴ -> 10⁵ -> 10⁶ -> 10⁷ -> …

становится не последовательностью все больших таблиц, а последовательностью все более строгих испытаний.

На каждой ступени задается один и тот же вопрос:

сохраняется ли сформированное доказательное состояние при переходе на новый масштаб?

Если да — метаиндукционный статус усиливается.

Если нет — фиксируется разрушение и расширяется состояние.

Именно из таких замороженных переходов впоследствии должна быть построена доказательная история Метатеоремы Гольдбаха.

*********

Глава 7. Экстремальная база

Полный массив:

G(4),G(6),…,G(X)

является фундаментом вычислительной лаборатории.

Но для доказательства Метатеоремы все точки массива имеют различную значимость.

Число N с необычно большим количеством представлений не угрожает Метатеореме.

Число, находящееся около среднего слоя, также имеет ограниченную адверсарную ценность.

Критически важны те N, на которых G(N) оказывается аномально малым относительно масштаба и арифметического класса.

Именно они потенциально способны:

задерживать рост H_X(V);

перемещать B_X(K);

перемещать V_X(K);

создавать крупные скачки;

разрушать прогнозы;

и в предельном случае указывать на возможный механизм разрушения Метатеоремы.

Поэтому наряду с полным вычислительным корпусом необходим специализированный объект:

экстремальная база Метагольдбаха.

В нее должны включаться не только абсолютные минимумы, но и вся нижняя геометрия распределения G(N).

1 — Минимумы

Простейший экстремальный объект — минимум на конечном диапазоне.

Для интервала:

L<=N<=U,

N четное,

определим:

M(L,U)

min{G(N): L<=N<=U, N четное}.

Это локальный абсолютный минимум.

Особый случай:

L=V,

U=X

дает уже известную функцию:

H_X(V).

Следовательно:

H_X(V)=M(V,X).

Но для экстремальной базы полезно хранить минимумы и на отдельных блоках:

[X,2X];

[2X,4X];

[10^m,10^(m+1)];

или на более узких окнах.

Причина очевидна.

Глобальный минимум диапазона:

[4,X]

почти всегда определяется очень ранними малыми N и поэтому перестает быть информативным о поведении на новых масштабах.

Нас интересует не:

«какое самое маленькое G когда-либо встречалось?»

а:

«какое самое маленькое G встречается на данном масштабе?»

Поэтому минимальный паспорт блока должен включать:

границы блока;

само минимальное значение;

все N, на которых оно достигается;

факторизацию этих N;

нормированные значения;

расстояние от минимума до границ блока.

Для эталонного корпуса до:

10⁶

мы уже имеем характерные хвостовые минимумы.

Например:

H_10⁶(10⁴)=92

при:

N=10006.

H_10⁶(10⁵)=570

при:

N=100094.

Для:

V=500000:

H_10⁶(500000)=2201

при:

N=506642.

Для:

V=900000:

H_10⁶(900000)=3624

при:

N=901364.

Это конечные, точно вычисленные утверждения.

Они показывают, что внутри корпуса абсолютный нижний слой существенно поднимается с масштабом.

Но они не доказывают соответствующего поведения за X=10⁶.

Именно дальнейшая экстремальная база должна проверять устойчивость этого подъема.

2 — Нижние процентили

Абсолютный минимум обладает максимальной универсальной значимостью.

Но он чрезвычайно чувствителен к одной точке.

Поэтому рядом с минимумом необходимо исследовать нижние процентили.

Пусть значения G(N) на блоке:

[L,U]

упорядочены:

g₁<=g₂<=…<=g_m.

Для:

0<α<1

определим нижний α-квантиль:

Q_α(L,U).

Например:

Q_0.01

характеризует нижний один процент значений.

Q_0.001

— нижнюю одну десятую процента.

Можно исследовать:

минимум;

0,01%;

0,1%;

1%;

5%.

Эти уровни отвечают на разные вопросы.

Минимум:

насколько плох худший объект?

Нижний процентиль:

насколько плох весь нижний слой?

Это различие очень важно.

Представим два режима.

Режим A

Минимум резко низок, но уже второй, третий и тысячный худшие объекты лежат значительно выше.

Тогда экстремум может быть изолированным.

Режим B

Вся нижняя тысячная или сотая доля распределения также опускается.

Тогда речь идет не об одном исключении, а о более широком структурном классе.

Для Метатеоремы минимум важнее процентиля.

Но для выявления механизма минимума процентили исключительно полезны.

Если экстремальный N принадлежит многочисленному нижнему арифметическому слою, появляется кандидат на системный разрушитель.

Если он совершенно одинок, механизм может быть иным.

Следовательно, нижние процентили являются не заменой H_X(V), а дополнительным каналом анализа.

3 — Рекордные минимумы

Термин «рекордный минимум» требует точного определения.

Для абсолютного G(N) простой поиск новых минимумов при движении N вправо малоинтересен: самые малые значения естественно находятся в начале последовательности.

Поэтому для крупномасштабной теории рекорды необходимо определять относительно масштабного окна или нормировки.

Один вариант:

разбить натуральный ряд на геометрические блоки:

[X,rX],

где:

r>1,

и для каждого блока вычислять:

M_r(X)

min_{X<=N<=rX}G(N).

Тогда последовательность:

M_r(X),

M_r(rX),

M_r(r²X),

…

показывает эволюцию локального минимального слоя.

Другой вариант — искать рекорды нормированной величины.

Третий — фиксировать новые поздние появления точных значений G(N)=K, которые перемещают B_X(K).

Все эти объекты должны храниться раздельно.

Особенно важны рекордные поздние провалы.

Если расширение корпуса обнаруживает новое N>X_old, для которого:

G(N)<K,

то прежнее:

B_Xold(K)

разрушается.

Новое N становится рекордом правого проникновения уровня:

G<K.

Такие события имеют существенно большую доказательную ценность, чем обычный локальный минимум.

Они непосредственно проверяют гипотезу о конечности множества нарушений уровня K.

4 — Нормированные минимумы

Абсолютное G(N) растет вместе с масштабом.

Поэтому сравнивать:

G(10000)

и:

G(10^8)

непосредственно недостаточно.

Необходимо удалить главный ожидаемый рост.

Введем базовую нормировку:

W_G(N)

G(N)(log N)²/N.

Если масштаб Харди—Литлвуда:

N/(log N)²

правильно описывает главный порядок, величина W_G(N) должна находиться на значительно более стабильном уровне, чем само G(N).

Теперь можно искать:

минимумы W_G(N);

нижние процентили W_G;

рекордные снижения W_G;

минимумы по арифметическим классам.

В эталонных исследованиях до 10⁶ среди глубоких нормированных провалов встречаются, например, точки:

N=13652,

G(N)=109,

для которой:

W_G(N)≈0,723858790,

а рядом:

N=13562,

G(N)=109,

с:

W_G(N)≈0,72765.

Такие точки значительно интереснее обычного малого абсолютного G.

Они показывают, что число представлений мало относительно естественного масштаба самого N.

Но и эта нормировка еще не удаляет арифметическую неоднородность.

Поэтому вводится следующий кандидат:

S(N)

∏_{p|N,p>2}
(p-1)/(p-2),

и скорректированная величина:

R_G(N)

G(N)(log N)²/[N S(N)].

Если главная часть колебаний действительно объясняется:

масштабом N/(log N)²

и сингулярным множителем S(N),

то R_G(N) должна быть еще стабильнее.

Это один из центральных объектов будущей экстремальной базы.

Но здесь необходимо соблюдать логическую осторожность.

Даже если на всех вычисленных масштабах:

R_G(N)>=c>0,

это не доказывает существование такого глобального c для всех N.

Однако если нижний слой R_G устойчив:

на последовательных масштабах;

в скрытых проверках;

на адверсарных классах;

и в дальних зондах,

возникает сильный кандидат на метаинвариант.

Если же когда-либо будет классически доказано:

R_G(N)>=c>0

для всех достаточно больших четных N,

Метатеорема Гольдбаха последует непосредственно.

Именно поэтому экстремальное исследование нормированной функции имеет не только экспериментальное, но и прямое теоретическое значение.

5 — Расстояния между рекордами

Каждый новый экстремальный рекорд имеет координату:

N_i.

Получаем последовательность:

N₁<N₂<N₃<…

Можно исследовать расстояния:

D_i=N_(i+1)-N_i.

Но абсолютное расстояние само по себе растет вместе с масштабом.

Поэтому полезны также:

относительные отношения:

N_(i+1)/N_i;

логарифмические расстояния:

log N_(i+1)-log N_i;

нормированные интервалы:

D_i/N_i.

Зачем это нужно?

Одна из возможных будущих закономерностей Метагольдбаха — разрежение глубоких провалов.

Допустим, нормированные экстремумы продолжают существовать, но расстояния между новыми рекордами растут.

Тогда нижний слой становится структурно более редким.

Это еще не доказывает исчезновения провалов.

Но существенно меняет пространство возможных разрушителей.

Можно поставить несколько вопросов.

Становятся ли новые экстремальные рекорды:

реже в абсолютном масштабе?

реже в логарифмическом масштабе?

глубже или мельче по W_G?

концентрируются ли они в одном арифметическом классе?

Меняется ли одновременно:

глубина

и:

частота?

Особенно интересна совместная пара:

(глубина рекорда, расстояние до следующего рекорда).

Если новые провалы становятся лишь немного глубже, но для их появления требуется огромный рост масштаба, это один режим.

Если они одновременно быстро углубляются и учащаются — совершенно другой.

Следовательно, экстремальную базу нельзя сводить к списку минимальных значений.

Она должна хранить геометрию появления экстремумов.

6 — Факторизация экстремальных N

Каждое экстремальное N должно автоматически получать факторизационный паспорт.

Минимальный набор включает:

полную факторизацию;

Ω(N);

ω(N);

степень двойки в N;

наименьший нечетный простой делитель;

наибольший простой делитель;

число малых простых делителей ниже заданных порогов;

значение:

S(N);

принадлежность классам:

2q,

4q,

8q,

2^a q,

2^a pq

и другим заранее определенным семействам.

Зачем?

Потому что нижний экстремум может иметь арифметическую причину.

Если большинство самых глубоких W_G-минимумов имеют:

очень большой наименьший нечетный делитель;

малое S(N);

форму:

2^a q;

или другой устойчивый профиль,

тогда факторизация становится частью состояния, необходимого для объяснения экстремума.

Но здесь особенно опасна ретроспективная селекция.

Если сначала посмотреть на экстремумы, а затем придумать класс, которому они принадлежат, легко получить красивое, но случайное объяснение.

Поэтому арифметические классы должны:

определяться заранее;

проверяться на новых масштабах;

сравниваться с контрольными классами;

и проходить скрытые прогнозы.

Именно для этого создается отдельная арифметическая база.

Глава 8. Арифметическая база

Экстремальная база отвечает:

где находятся худшие точки?

Арифметическая база отвечает:

что это за числа?

Ее задача — не просто факторизовать отдельные экстремумы, а построить систематическую классификацию четных N по арифметическим признакам и сравнить между собой их голдбаховское поведение.

Главный мотив дает сингулярный множитель:

S(N)

∏_{p|N,p>2}
(p-1)/(p-2).

Каждый малый нечетный простой делитель увеличивает S(N).

Следовательно, числа, лишенные малых нечетных делителей, естественно становятся кандидатами на нижний слой.

Но это лишь рабочая гипотеза.

Арифметическая база должна проверить ее систематически.

1 — Малые делители

Рассмотрим множитель одного простого p:

(p-1)/(p-2)

1+1/(p-2).

Чем меньше p, тем сильнее эффект.

Для:

p=3

получаем:

Для:

p=5:

4/3.

Для:

p=7:

6/5.

Для:

p=11:

10/9.

Следовательно, делимость N на 3 в количественной модели значительно важнее делимости на очень большой простой.

Если N делится сразу на:

3·5·7,

арифметические усиления перемножаются:

2·4/3·6/5.

Поэтому уже первая координата арифметической базы должна содержать индикаторы:

3|N;

5|N;

7|N;

11|N;

13|N;

…

и комбинации этих условий.

Можно сравнивать распределения:

G(N);

W_G(N);

R_G(N)

между классами:

3|N

и:

3∤N.

Затем:

3∤N, 5|N;

3∤N,5∤N,7|N;

и так далее.

Это позволяет непосредственно увидеть, как исчезновение малых делителей влияет на нижний слой.

2 — Наименьший нечетный делитель

Введем функцию:

s_odd(N)

— наименьший нечетный простой делитель N.

Если N является степенью двойки, можно положить:

s_odd(N)=∞.

Эта характеристика особенно удобна.

Если:

s_odd(N)=3,

число получает максимально сильное начальное сингулярное усиление.

Если:

s_odd(N)

велик,

то все малые нечетные простые отсутствуют.

Тогда:

S(N)

обычно ближе к 1.

Поэтому возникает естественная стратификация:

s_odd(N)=3;

s_odd(N)=5;

s_odd(N)=7;

11<=s_odd(N)<100;

100<=s_odd(N)<1000;

s_odd(N)>=1000;

и так далее.

Если нижние экстремумы систематически смещаются к большим значениям:

s_odd(N),

это сильный структурный сигнал.

Но даже здесь необходимо контролировать побочные факторы.

Число с большим наименьшим нечетным делителем может иметь несколько крупных простых множителей.

Число с тем же s_odd может быть:

2q;

2qr;

2q²;

4q;

8q.

Поэтому одной координаты недостаточно.

Необходим многомерный арифметический паспорт.

3 — Числа N=2q

Особенно естественный адверсарный класс:

N=2q,

где q — большой нечетный простой.

Тогда единственный нечетный простой делитель N:

Следовательно:

S(N)

(q-1)/(q-2).

При:

q->infinity

имеем:

S(N)->1.

То есть такие числа почти не получают сингулярного усиления.

Поэтому класс:

N=2q

является естественным кандидатом на худшие нормированные голдбаховские значения.

Но необходимо подчеркнуть:

кандидат на худший класс не означает доказанно худший класс.

Реальные G(N) зависят не только от S(N), но и от конечных флуктуаций распределения простых.

Поэтому 2q следует использовать как систематический адверсарный тест.

Для каждого масштабного блока можно вычислять:

min W_G(N) по N=2q;

нижние процентили;

минимум R_G;

позицию экстремума;

расстояния между экстремумами.

В проведенных дальних проверках нормированные минимумы внутри выбранных классов и окон типа 2q оставались на уровне порядка:

0,73–0,75

и не демонстрировали коллапса к нулю.

В отдельных исследованных масштабах наблюдались значения примерно:

0,72765;

0,75126;

0,74702;

0,73817.

Это конечное экспериментальное наблюдение.

Его значение состоит не в доказательстве положительной глобальной нижней границы, а в том, что наиболее очевидный малосингулярный адверсарный класс пока не демонстрирует разрушительного режима.

4 — N=4q

Следующий класс:

N=4q,

где q — нечетный простой.

Его нечетные простые делители точно те же, что у:

2q.

Следовательно:

S(4q)=S(2q)

(q-1)/(q-2).

С точки зрения стандартного голдбаховского сингулярного множителя дополнительная степень двойки не создает нового усиления.

Это делает класс:

чрезвычайно полезным.

Он позволяет отделить:

эффект нечетной факторизации

от:

возможных конечномасштабных эффектов 2-адической структуры N.

Если распределения:

W_G(2q)

и:

W_G(4q)

после правильного масштабного согласования практически совпадают, это поддерживает гипотезу о доминирующей роли S(N).

Если между ними сохраняется систематическая разница, необходимо искать дополнительный компонент состояния.

Таким образом:

и:

образуют естественную пару контрольных арифметических миров.

5 — N=8q

Аналогично рассматривается:

N=8q.

Снова:

S(8q)

(q-1)/(q-2).

Получаем тройку классов:

2q;

4q;

8q.

У них совпадает набор нечетных простых делителей.

Различается только:

v₂(N),

то есть показатель двойки в факторизации.

Это позволяет провести чистый эксперимент.

Фиксируем тип нечетной части:

q — простой.

Меняем только:

2^a.

Если после нормировки поведения классов:

2q,

4q,

сходятся, это важный признак структурной устойчивости.

Если нет, 2-адическая координата должна быть включена в более полную модель.

Можно продолжить:

16q;

32q;

…

Но чем выше степень двойки, тем реже такие числа в фиксированном диапазоне, поэтому статистическая база становится менее плотной.

Оптимальный набор классов должен сочетать:

структурную чистоту;

и достаточный объем данных.

6 — Другие малосингулярные классы

Класс:

2^a q

не исчерпывает числа с малым S(N).

Возможны и другие семейства.

Первый тип — одна большая нечетная простая база с кратностью

Например:

N=2^a q^b.

Сингулярный множитель зависит только от наличия простого q, а не от показателя b:

S(N)

(q-1)/(q-2).

Следовательно, классы:

2q,

2q²,

2q³

имеют одинаковый локальный множитель при фиксированном q.

Это позволяет отдельно проверить влияние степенной структуры.

Второй тип — произведение двух больших простых

Пусть:

N=2^a qr,

где q и r велики.

Тогда:

S(N)

(q-1)/(q-2)
·
(r-1)/(r-2),

и если оба простых велики, произведение все еще близко к 1.

Третий тип — отсутствие малых нечетных делителей

Можно вообще отказаться от конкретной факторизационной формы и задать условие:

s_odd(N)>Y.

Например:

нет нечетных простых делителей меньше 100;

1000;

Это создает естественную адверсарную лестницу:

чем больше Y, тем меньше локальное усиление от малых простых.

Четвертый тип — прямое ограничение S(N)

Можно определять классы:

S(N)<=1+ε.

Например:

S(N)<=1,05;

S(N)<=1,02;

S(N)<=1,01.

Так классификация становится непосредственно связанной с ожидаемым арифметическим коэффициентом.

Эти классы особенно важны для проверки гипотезы:

самые глубокие нормированные провалы должны концентрироваться в области малых S(N).

Если это перестает быть верным на новом масштабе, модель должна быть пересмотрена.

7 — Арифметически богатые числа

На противоположном конце находятся числа с множеством малых нечетных простых делителей.

Например:

кратно:

3·5·7·11·…

В таком случае:

S(N)

становится значительно больше 1.

Такие числа естественно называть в данной классификации арифметически богатыми относительно голдбаховского сингулярного множителя.

Типичные кандидаты:

кратные малым примориалам;

числа вида:

m·3·5·7;

m·3·5·7·11;

и другие продукты малых простых.

Эти числа особенно важны как контрольный противоположный класс.

Если малосингулярные N действительно формируют нижний слой, арифметически богатые числа должны в среднем и по нижним процентилям лежать выше.

Но даже здесь абсолютные значения нельзя сравнивать без учета масштаба.

Необходимо использовать:

W_G(N)

и особенно:

R_G(N).

Если после деления на S(N) различие между бедными и богатыми классами существенно уменьшается, это подтверждает объясняющую роль сингулярного множителя.

Если значительная разница остается, значит, S(N) не исчерпывает арифметическую структуру.

Тогда необходимо искать дополнительные координаты:

остаточные классы;

расположение простых делителей;

степенные профили;

локальные корреляции;

возможно, другие мультипликативные параметры.

Именно в этом состоит главная функция арифметической базы.

Она должна не просто подтверждать заранее выбранную формулу.

Она должна проверять:

достаточна ли эта формула для объяснения экстремального слоя?

В результате вычислительная лаборатория получает две взаимодополняющие базы.

Экстремальная база хранит:

где система наиболее уязвима.

Арифметическая база хранит:

какие структуры создают эту уязвимость.

Первая отвечает на вопрос:

Где находится опасность?

Вторая:

Из чего она состоит?

Если на последовательных масштабах одни и те же арифметические признаки воспроизводят нижний слой, появляется кандидат на устойчивый структурный закон.

Если при этом нормированная глубина не коллапсирует, а стоимость создания нового провала растет, возникает уже материал для будущей Теории разрушения Метагольдбаха.

Именно поэтому экстремальная и арифметическая базы должны рассматриваться не как вспомогательные каталоги, а как два центральных доказательных канала всей вычислительной программы.

*********

Глава 9. Распределенная вычислительная лаборатория

По мере роста вычислительного горизонта Метагольдбаха одна машина перестает быть естественной единицей исследования.

До определенного масштаба можно вычислять:

простые;

G(N);

экстремумы;

границы;

арифметические профили

на одном сервере или даже одной рабочей станции.

Но переход:

10⁶ -> 10⁹ -> 10¹²

изменяет характер задачи.

Возрастает:

объем памяти;

время вычисления;

объем хранения;

стоимость повторной проверки;

число производных характеристик;

количество адверсарных классов.

Поэтому вычислительная лаборатория должна эволюционировать от монолитного алгоритма к распределенной доказательной системе.

Распределенная лаборатория — это не просто способ быстрее считать.

Она должна выполнять несколько функций одновременно:

масштабировать вычисления;

обеспечивать независимую проверку;

фиксировать происхождение данных;

создавать избыточность;

разделять вычисление и аудит;

позволять повторять критические результаты на независимых узлах.

Таким образом, сама архитектура вычислений становится частью доказательной архитектуры.

1 — Разбиение задач

Первый принцип распределенной лаборатории — декомпозиция.

Всю задачу нельзя рассматривать как неделимое вычисление:

«посчитать Метагольдбах до X».

Она должна разлагаться на независимые или почти независимые блоки.

Например, можно отдельно распределять:

генерацию простых;

вычисление блоков G(N);

поиск локальных минимумов;

факторизацию экстремальных N;

подсчет арифметических классов;

вычисление нормировок;

адверсарные задания;

повторную проверку рекордов.

Для сегментированного решета естественной единицей работы является интервал:

[L,R].

Для анализа G(N) единицей может быть:

блок четных N;

или блок коэффициентов свертки;

или локальный интервал прямого пересчета.

Каждое задание должно иметь строгий паспорт:

идентификатор;

входные данные;

границы диапазона;

версию алгоритма;

ожидаемый формат результата;

контрольные точки;

хэш входного состояния.

Это необходимо для того, чтобы вычисление можно было:

повторить;

сравнить;

аудировать;

переназначить другому узлу.

Распределенность без формального разбиения быстро превращается в хаотический набор несопоставимых результатов.

2 — Независимые узлы

Не все вычислительные узлы должны быть одинаковыми.

Напротив, для доказательного корпуса полезна архитектурная неоднородность.

Одни узлы могут использовать:

NTT.

Другие:

прямой счет.

Третьи:

FFT с последующей точной верификацией.

Четвертые:

другую реализацию решета.

Пятые:

независимый язык программирования или библиотечный стек.

Так возникает не только вычислительное распределение, но и методическая независимость.

Однако необходимо различать:

физическую независимость;

программную независимость;

алгоритмическую независимость.

Два компьютера, запускающие один и тот же исполняемый файл, физически независимы, но алгоритмически почти не независимы.

Две программы на разных языках, реализующие один и тот же NTT-код по одной спецификации, дают большую независимость.

Прямой перебор и свертка дают еще более сильную независимость.

Следовательно, каждому результату можно приписывать профиль независимости.

Он может включать:

число физических узлов;

число независимых кодовых баз;

число различных алгоритмических методов;

число независимых проверочных маршрутов.

Это важнее простого количества повторов.

Тысяча одинаковых вычислений не равна тысяче независимых доказательных каналов.

3 — Верификация

Каждый вычислительный блок должен проходить верификацию.

Но степень верификации может зависеть от его значения.

Обычный блок, не содержащий экстремумов, может проходить:

хэш-контроль;

контроль количества простых;

выборочную проверку G(N);

сравнение агрегатов.

Если блок содержит:

новый рекорд;

новый B_X(K);

новый V_X(K);

глубокий минимум;

новый экстремальный арифметический класс,

требования должны усиливаться.

Такой блок может быть назначен:

второму независимому узлу;

третьему контрольному алгоритму;

прямой локальной проверке;

ручному аудиту всех критических N.

Следовательно, вычислительная лаборатория должна иметь адаптивный уровень верификации.

Чем выше доказательное значение результата, тем дороже должна быть его проверка.

Это похоже на принцип страхования:

не все точки требуют одинакового внимания.

Основные ресурсы контроля должны концентрироваться там, где ошибка способна изменить теорию.

4 — Повторное вычисление

Повторное вычисление необходимо не только при обнаружении ошибки.

Оно должно быть встроено в архитектуру.

Например, некоторый процент блоков можно автоматически отправлять на повторную обработку другим узлам.

Особенно полезны три режима.

Первый — случайное повторение

Случайно выбирается часть обычных блоков.

Это проверяет отсутствие массовых скрытых ошибок.

Второй — структурное повторение

Повторно вычисляются блоки, содержащие:

экстремумы;

границы;

переходы;

адверсарные классы.

Третий — полное перекрытие

При смене алгоритма часть старого корпуса полностью пересчитывается новым методом.

Если старый и новый методы совпадают на большом перекрывающемся диапазоне, доверие к объединенному корпусу возрастает.

Повторное вычисление также необходимо после:

смены оборудования;

обновления компилятора;

изменения числовой библиотеки;

изменения формата данных.

Это особенно важно для многолетнего проекта.

Через десять лет исходная программная среда может исчезнуть.

Поэтому воспроизводимость должна планироваться заранее.

5 — Децентрализованный аудит

Центральный сервер может управлять задачами.

Но доказательный аудит желательно сделать частично децентрализованным.

Иначе возникает единая точка доверия.

Децентрализованный аудит может включать:

публикацию хэшей блоков;

открытые спецификации форматов;

публикацию критических экстремальных наборов;

возможность независимого скачивания и пересчета;

несколько независимых архивов;

независимые проверочные программы.

Особенно ценно, если критический результат может быть воспроизведен внешней группой без доступа к внутренней инфраструктуре.

Например, публикуется:

диапазон;

значение G(N);

список простых;

контрольный хэш;

описание алгоритма.

Независимый исследователь может пересчитать результат.

Так возникает внешняя доказательная избыточность.

Но необходимо избегать ложного вывода:

«децентрализовано» значит «истинно».

Большое количество узлов может коллективно повторять одну и ту же ошибку.

Поэтому децентрализация полезна только в сочетании с:

методической независимостью;

прозрачными спецификациями;

адверсарной проверкой.

6 — Массовая экспликация

Распределенная лаборатория позволяет перейти от исследования отдельных чисел к массовой экспликации арифметического пространства.

Под экспликацией здесь понимается перевод потенциального математического объекта в явно вычисленное и классифицированное состояние.

Например, для каждого N можно получить не только:

G(N),

но и:

факторизацию;

Ω(N);

ω(N);

s_odd(N);

S(N);

W_G(N);

R_G(N);

положение в локальном процентиле;

принадлежность экстремальному классу;

отношение к ближайшему рекорду;

роль в границах V_X(K).

То есть один четный N превращается из одного числа в многомерную запись.

Если исследуются миллиарды N, возникает уже не просто таблица значений G.

Возникает огромный арифметический корпус состояний.

Именно в этом состоит смысл массовой экспликации.

Распределенная вычислительная лаборатория становится машиной не только счета, но и структурного развертывания математических объектов.

Это особенно важно для Метаорганона.

Метаиндукция требует не просто большого числа примеров.

Она требует:

состояний;

переходов;

экстремумов;

классов;

метаинвариантов.

Распределенная лаборатория должна производить именно такую информацию.

Глава 10. От миллионов к триллионам структурных наблюдений

Фраза:

«мы исследовали триллион случаев»

сама по себе почти ничего не говорит о доказательной силе.

Триллион повторов одного и того же типа может дать меньше информации, чем тысяча правильно выбранных независимых структурных тестов.

Поэтому при масштабировании вычислительной базы необходимо различать:

число объектов;

число наблюдений;

число признаков;

число независимых каналов;

и эффективную доказательную мощность.

Это различие принципиально для всей дальнейшей программы.

1 — Линейный массив

Наиболее простой корпус имеет вид:

N -> G(N).

Если исследовано:

четных чисел, получаем:

значений.

Например:

500 тысяч N

дают примерно:

500 тысяч наблюдений G(N).

Это линейный массив.

Он чрезвычайно полезен.

Но он содержит только одну координату на объект.

Такой корпус отвечает:

как меняется G(N) вдоль натурального ряда?

Он не отвечает непосредственно:

почему значение мало;

к какому классу относится N;

какая локальная арифметика его формирует;

насколько оно экстремально после нормировки.

Поэтому линейный массив является только первым уровнем.

2 — Многомерный массив

Теперь каждому N сопоставим вектор:

S(N)

{
N,
G(N),
Ω(N),
ω(N),
s_odd(N),
S(N),
W_G(N),
R_G(N),
локальный минимум,
процентиль,
класс 2q,
класс 4q,
…
}.

Тогда один объект дает уже десятки структурных наблюдений.

Например, можно отдельно фиксировать:

абсолютное G;

нормированное G;

сингулярно скорректированное G;

принадлежность нижнему процентилю;

принадлежность экстремальному классу;

расстояние до предыдущего рекорда.

Если существует 100 характеристик на N, миллиард чисел дает формально сотни миллиардов записей.

При более богатой системе характеристик можно получить триллионы структурных измерений.

Но важно не допустить терминологической ошибки.

Триллион структурных наблюдений не означает триллион независимых доказательств.

Многие характеристики вычисляются из одного и того же исходного G(N).

Между ними существует сильная зависимость.

Поэтому сырое количество наблюдений нельзя напрямую интерпретировать как доказательную мощность.

3 — Число наблюдений

Пусть:

— число исследованных N.

Пусть для каждого вычисляется:

характеристик.

Тогда формально число записанных значений порядка:

M·d.

Если дополнительно исследуются пары признаков:

d².

Тройки:

d³.

Можно быстро получить астрономические числа комбинаций.

Но большинство этих комбинаций не являются содержательно независимыми.

Например:

W_G(N)

и:

G(N)

жестко связаны формулой.

R_G(N)

также вычисляется из G(N), N и S(N).

Следовательно, три значения не дают трех независимых экспериментальных каналов.

Это три представления одной информации.

Поэтому необходимо различать:

сырое число структурных наблюдений

и:

эффективное число информационно различных наблюдений.

Первое может измеряться триллионами.

Второе может быть на порядки меньше.

4 — Число независимых каналов

Доказательный канал определяется не количеством точек, а типом возможной ошибки.

Два канала независимы настолько, насколько различаются механизмы их возможного совместного отказа.

Например:

рост среднего G(N);

рост нижнего процентиля;

стабильность экстремального класса;

успешный скрытый прогноз;

стабильность B_X(K);

проверка класса N=2q;

независимая NTT-реализация;

прямой пересчет экстремумов

— это разные типы информации.

Но даже они не обязательно полностью независимы.

Например:

нижний процентиль

и:

минимум W_G

оба происходят из одного массива G.

Зато:

точность алгоритма

и:

масштабная устойчивость закона

— более независимые уровни.

Следовательно, для каждого доказательного канала полезно строить генеалогию зависимости.

Она показывает:

из каких первичных данных он получен;

какие алгоритмы использует;

какие гипотезы разделяет с другими каналами.

Так можно избегать ложного эффекта:

«мы имеем 50 подтверждений»,

если 47 из них являются почти одинаковыми преобразованиями одной статистики.

5 — Эффективная доказательная мощность

Для оценки корпуса полезно ввести неформальное, а затем и формализуемое понятие:

эффективная доказательная мощность.

Обозначим ее условно:

Она не должна равняться просто числу вычисленных точек.

В простейшей концептуальной модели E может зависеть от:

масштаба X;

числа независимых методов;

числа скрытых прогнозов;

числа адверсарных классов;

глубины экстремального поиска;

стабильности законов;

качества верификации;

доли реально независимых каналов.

Схематически:

E

F(
X,
I,
P,
A,
R,
V,
…
).

Здесь:

I — независимость;

P — предсказательная успешность;

A — адверсарная глубина;

R — воспроизводимость;

V — верификационная надежность.

Пока это не готовая формула.

Но сам принцип чрезвычайно важен.

Вычислительная база должна оцениваться не только по:

объему.

Она должна оцениваться по:

доказательной архитектуре объема.

Один миллиард плохо проверенных точек может иметь меньшую доказательную мощность, чем сто миллионов точек, прошедших:

независимый пересчет;

скрытое прогнозирование;

экстремальный аудит;

арифметическую стратификацию.

6 — Масштабирование вычислительной базы

Переход от миллионов к миллиардам и затем к триллионам структурных наблюдений должен происходить по нескольким осям одновременно.

Ось I — глубина N

Расширяется максимальный масштаб:

10⁶;

10⁷;

10⁸;

…

Ось II — плотность покрытия

Увеличивается доля сплошно вычисленного диапазона.

Ось III — число арифметических классов

Добавляются:

2q;

4q;

8q;

малосингулярные;

богатые;

почти простые;

другие классы.

Ось IV — число экстремальных характеристик

Добавляются:

минимумы;

процентили;

рекорды;

расстояния;

глубины провалов;

длительности плато;

скачки.

Ось V — независимость

Добавляются новые вычислительные реализации и внешние аудиты.

Ось VI — прогнозирование

Каждый новый масштаб используется как скрытый тест предыдущих моделей.

Ось VII — адверсарность

Ресурсы направляются не только туда, где закон выглядит красиво, но и туда, где он должен быть слабее всего.

Именно многомерное масштабирование создает качественный переход.

Если просто увеличить X в тысячу раз, мы получим больше точек.

Если одновременно увеличить:

масштаб;

структурную глубину;

число независимых каналов;

адверсарную силу;

предсказательную строгость,

мы получим уже новое доказательное состояние.

Это различие фундаментально.

Метаиндукция не должна строиться на лозунге:

«очень много данных».

Она должна строиться на:

«очень много структурно различимой, независимо проверенной, предсказательно испытанной и адверсарно организованной информации».

Именно поэтому будущая вычислительная лаборатория Метагольдбаха должна измерять не только:

сколько чисел мы посчитали,

но и:

сколько различных типов математического риска мы проверили.

Если корпус достигает триллионов структурных наблюдений, это имеет смысл только в том случае, если эти наблюдения организованы в доказательную систему.

Тогда вычислительная база превращается из архива данных в масштабируемую машину производства математического знания.

И именно такой переход потребуется для следующего этапа — систематического извлечения из корпуса новых последовательностей, законов и метаинвариантов.

**************

Новая теория простых чисел и математическая индустрия

Метаиндуктивное доказательство

АННОТАЦИЯ

ОТ АВТОРА

1 — Почему потребовалось начинать заново

2 — Гольдбах как вход, а не как выход

3 — От доказательства одной теоремы к системе доказательных состояний

4 — Не одна закономерность, а двадцать и более законов

5 — Математика должна уметь искать свои собственные разрушители

6 — Красота новой теории проявляется в последовательностях

7 — Конструктивно-генерируемые и структурно-извлекаемые последовательности

8 — Числовой мир как месторождение

9 — Почему это не математическая игра

10 — От последовательностей к криптографии

11 — Математическая добыча вместо пустого вычисления

12 — Книга рекордов Метагольдбаха

13 — От Закона Мура к Закону Метагольдбаха

14 — Математический капитал

15 — «Метаиндуктум»

16 — Почему я считаю это естественным продолжением Метаорганона

17 — Третий заход

18 — О доказательстве

19 — О праве математики быть красивой

20 — Вместо завершения

21 — Метагольдбах — только начало

22 — От мира простых к системе числовых миров

23 — Экстрактивная математика как новая исследовательская программа

24 — «Метаиндуктум» как программа освоения математических миров

25 — Новая экономика математических открытий

26 — Метагольдбах как первый рудник

27 — Поэтому Метагольдбах — только начало

В.К. ПЕТРОСЯН (ВАДИМИР)

МЕТАТЕОРЕМА ГОЛЬДБАХА И ЕЕ СЛЕДСТВИЯ

В n томах

ТОМ I

НОВАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ И МАТЕМАТИЧЕСКАЯ ИНДУСТРИЯ

Метаиндуктивное доказательство

ОГЛАВЛЕНИЕ

Аннотация

От автора

Предисловие

Введение

ЧАСТЬ I. МЕТАОРГАНОН И ТЕОРИЯ МЕТАИНДУКЦИИ

Глава 1. Метаорганон как общая методологическая система

Глава 2. От классической индукции к метаиндукции

Глава 3. Закон условного тождества

Глава 4. Экспликация и эксплицируемость

Глава 5. Малая метаиндукция

Глава 6. Большая метаиндукция

Глава 7. Многоканальное доказательство

Глава 8. Теория разрушения закона

Глава 9. Цена разрушения

Глава 10. Доказательные состояния

ЧАСТЬ II. ИСТОРИЯ ИНДУКЦИОННОГО ДОКАЗАТЕЛЬСТВА

Глава 1. Истоки индуктивного мышления

Глава 2. Ранние формы математической индукции

Глава 3. Паскаль

Глава 4. Ферма и бесконечный спуск

Глава 5. XVIII век

Глава 6. Формализация индукции

Глава 7. Индукция в теории чисел

Глава 8. Метаиндукционный аудит классических доказательств

ЧАСТЬ III. КЛАССИЧЕСКАЯ ТЕОРИЯ ПРОСТЫХ ЧИСЕЛ

Глава 1. Простые и составные числа

Глава 2. Основная теорема арифметики

Глава 3. Теорема Евклида о бесконечности простых

Глава 4. Решето Эратосфена

Глава 5. Функция счета простых

Глава 6. Теорема Бертрана

Глава 7. От Бертрана к количественной теории интервалов

Глава 8. Чебышёвские функции

Глава 9. Теорема о распределении простых

Глава 10. Простые в арифметических прогрессиях

Глава 11. Промежутки между простыми

Глава 12. Решетные методы

Глава 13. Почти простые числа

Глава 14. Аддитивная теория простых

Глава 15. Харди—Литлвуд и количественная эвристика

ЧАСТЬ IV. КЛАССИЧЕСКАЯ ПРОБЛЕМА ГОЛЬДБАХА

Глава 1. История проблемы