質(zhì)數(shù)計(jì)數(shù)函數(shù)與黎曼 zeta 函數(shù)的關(guān)系以及其顯式形式 [下]
?(接上篇)

下面引入質(zhì)數(shù)計(jì)數(shù)函數(shù) π(x) 的大哥?Π(x),? 其定義如下:
下圖是?Π 的 1~100 的圖像

根據(jù)?Mo?bius?反演,??π 的值可以由?Π 計(jì)算出:
其中 μ 是?Mo?bius 函數(shù),??μ 的定義比較難用式子表達(dá),? 這里用文字描述一下:??μ(x) 定義域?yàn)槿w正整數(shù),? 考慮 x 的質(zhì)因素分解 (即把 x 分解為一系列質(zhì)數(shù)的乘積),? 當(dāng)分解出重復(fù)的質(zhì)因數(shù)時(shí)?μ(x) = 0,? 否則 μ(x) = (-1)^k,? 其中 k 是質(zhì)因數(shù)的數(shù)量,??并且因?yàn)?1 沒有質(zhì)因數(shù),? 所以?μ(1) = 1.? 下圖為?μ 的 1~50的圖像:

Mo?bius?反演這里也不介紹了,? 感興趣的可以去找找其他文章,? 這里重要的是上面的式子.
另外還有,? 直接代入?π 的定義可以得到:
交換求和順序可以得
其中兩個(gè)求和可以寫在一起,? 得到?.? 并且?Π 也存在"圓滑"版本的?Π?.

Π 與 ζ 的聯(lián)系
Π 與 ζ 有?,? 證明:
將歐拉乘積形式的 ζ 代入然后 Taylor 展開 (上篇也有相同的步驟) 得
交換積分求和順序得
使用 -s 替換 s 得
證畢.

Π 與 ψ 的聯(lián)系
現(xiàn)在有兩個(gè)等式 (R(ln ° ζ))' = MDψ 以及 R(ln ° ζ) = -I × MΠ,? 可以得到
化簡得
對(duì)上式取 Mellin 逆變換得

Π 的顯式形式
Π 的顯式形式為
其中 li 和 ρ 的定義與上篇的一樣.? 證明:
因?yàn)樯厦媸褂玫暮瘮?shù)算符都是線性的,? 并且 li(x) = Li(x1),? 那么對(duì)照 ψ? 的顯式形式可以知道?ψ? 和?Π? 是逐項(xiàng)對(duì)應(yīng)的,? 那么只需要證明 ?就可以了 (差一個(gè)常數(shù)).
等號(hào)左邊為?
根據(jù) li 的定義可以知道?,? 那么等號(hào)右邊第二項(xiàng)為
那么 ,? 從而證得逐項(xiàng)對(duì)應(yīng)的.? 但是常數(shù)項(xiàng) ln2 還不知道是怎么來的,? 貌似是跟不完全 Γ 函數(shù)有關(guān),? 這里就忽略這個(gè)問題罷.
跟?ψ? 的顯式形式一樣,? 通過把 ζ 零點(diǎn)求和分為平凡零點(diǎn)和非平凡零點(diǎn),? 并且平凡零點(diǎn)求和可以直接計(jì)算得出 (也是不知道計(jì)算過程),? 得到
然后就是畫圖時(shí)間,? 使用前 100 個(gè)非平凡零點(diǎn)的圖像:

使用前 25000 個(gè)非平凡零點(diǎn)得到的絕對(duì)誤差:

跟?ψ? 不一樣的是,??因?yàn)?1 是 li 的極點(diǎn),? 所以計(jì)算?Π? 需要注意在接近 1 時(shí)會(huì)數(shù)值爆炸.

π 的顯式形式
實(shí)際上根據(jù)?Π? 的顯式形式就已經(jīng)可以直接求出?π? 的顯式形式了 (通過?Mo?bius?反演),? 不過大部分情況下會(huì)定義一個(gè)函數(shù) R
并且?μ 與 ζ 有關(guān)系?,? 證明:? 根據(jù)歐拉乘積形式有
不難看到乘積展開后會(huì)產(chǎn)生一些列的 ±1 / n^s,? n 為沒有重復(fù)質(zhì)因數(shù)的整數(shù),? 并且符號(hào)取決于質(zhì)因數(shù)的數(shù)量,? 對(duì)比?μ 的定義即可證得.
那么?,? 因?yàn)?1 是 ζ 的極點(diǎn),? 所以 1/ζ(1) = 0.? 那么綜上所述,??π? 的顯式形式可以寫為 (這次分開平凡/非平凡零點(diǎn)就不能化簡了)
畫圖時(shí)間,??使用前 100 個(gè)非平凡零點(diǎn)的圖像:

使用前 25000 個(gè)非平凡零點(diǎn)得到的絕對(duì)誤差:

跟?Π? 一樣,? 注意 li(1) 是極點(diǎn),? 但是 R 的定義里有 x^{1/n},? 隨著 n 的增加這個(gè)的值是趨向 1 的,? 所以為了避免數(shù)值爆炸必須對(duì) R 里的求和進(jìn)行截?cái)?? 上面絕對(duì)誤差圖像里,? 誤差集中在 ~0.007?的原因就是進(jìn)行了截?cái)?

計(jì)算和生成圖片的代碼可以在我的 github 垃圾桶里找到:
https://github.com/nyasyamorina/trash-bin/blob/main/prime-counting-function.jl