Stejně velké kruhy mohou bez překrývání zaplnit přibližně 90,7 % roviny. Nejlepší uspořádání připomíná pravidelnou síť mincí: každý kruh se dotýká šesti sousedů a jejich středy tvoří trojúhelníkovou mřížku. Samotná hodnota optimální hustoty je klasický výsledek. Nový matematický rukopis ale řeší jinou otázku: lze stejnou hranici přesně doložit pomocí jediné vhodně navržené funkce a její Fourierovy transformace?
Právě takový certifikát předkládá preprint o ostrém Fourierově odhadu pro skládání kruhů. Jeho hlavní přínos nevidím v novém procentu zaplnění. Zajímavá je cesta k výsledku: propojuje geometrii mřížek, interpolaci, nekonečné soustavy rovnic a rigorózní výpočty, které mají pod kontrolou i chyby numerických aproximací.
Na první pohled jde o hodně abstraktní způsob, jak řešit problém s kruhy. Ve skutečnosti má jasnou logiku. Správná znaménka funkce a její transformace vytvoří dvě nerovnosti pro tentýž součet. Mezi nimi pak nezbude prostor pro hustší uspořádání. Náročné je vyrobit funkci, která všechny požadavky splní přesně, nejen na obrázku nebo v konečném seznamu testovaných bodů.
Obsah
- 🔵 Proč je hranice právě 90,7 %
- 📐 Co musí splňovat certifikační funkce
- 🧮 Jak funkce promění rozmístění kruhů v nerovnost
- 🎯 Rovnost určuje, kde musí být nuly
- 🔢 Trojúhelníková mřížka a šest zbytkových tříd
- 🧩 Jak se skládá funkce s předepsanými nulami
- ♾️ Proč nestačí konečná tabulka koeficientů
- ⚠️ Správné nuly ještě nezaručují správné znaménko
- ✅ Bernsteinovy polynomy hlídají celé intervaly
- 🌌 Nekonečný ocas potřebuje vlastní argument
- 🧪 Co výpočet ověřuje a co z něj neplyne
- ⚖️ Přesná normalizace nevzniká odečtením z grafu
- 🏁 Co výsledek znamená pro optimální skládání kruhů
🔵 Proč je hranice právě 90,7 %
Nejdřív si beru jednoduchou normalizaci: každý kruh má poloměr 1/2. Dva různé středy proto musí být od sebe vzdálené alespoň 1, jinak se kruhy překryjí. Plocha jednoho kruhu je π/4.
V trojúhelníkové mřížce připadá na jeden střed opakující se rovnoběžníková buňka o ploše √3/2. Hustota se získá vydělením plochy kruhu plochou této buňky:
Hustota = (π/4) / (√3/2) = π/(2√3) ≈ 0,9069.
To znamená přibližně 90,7 % pokryté plochy. Zbytek tvoří mezery mezi kruhy. Výpočet je krátký, ale sám o sobě ukazuje jen hustotu konkrétního uspořádání. K prokázání optimality je potřeba ještě vyloučit všechny jiné možnosti, které by mohly být hustší.
Právě tento rozdíl považuji za důležitý. Najít velmi dobré uspořádání není totéž jako dokázat, že lepší neexistuje. Trojúhelníková mřížka dává dosažitelnou hustotu. Horní odhad musí naopak platit pro libovolné přípustné rozmístění kruhů, nejen pro hezkou pravidelnou síť.
Rukopis nenabízí nové řešení neznámé optimální hustoty. Nabízí jiný matematický doklad již známé hranice. Výraz ostrý certifikát tu znamená, že odhad není o trochu vyšší než skutečné optimum. Dopadne přesně na hodnotu π/(2√3), které trojúhelníková mřížka opravdu dosahuje.
📐 Co musí splňovat certifikační funkce
Základem konstrukce je reálná radiální Schwartzova funkce f na rovině. Ten název zní technicky, ale oba přívlastky mají konkrétní úlohu. Radiální funkce závisí pouze na vzdálenosti od počátku. Nezáleží tedy na tom, kterým směrem se bod nachází.
Schwartzova vlastnost znamená, že funkce i všechny její derivace klesají v nekonečnu rychleji než libovolná převrácená mocnina vzdálenosti. Pro práci s nekonečnými součty a Fourierovou transformací je to velmi užitečná pravidelnost. Nejde jen o to, aby křivka někde zeslábla. Potřebné operace musí mít pevné analytické základy.
Hlavní tvrzení rukopisu požaduje čtyři podmínky:
- f(x) ≤ 0 pro |x| ≥ 1: na všech vzdálenostech přípustných mezi různými středy je funkce nekladná.
- f̂(ξ) ≥ 0 pro všechna ξ: její Fourierova transformace je všude nezáporná.
- f(0) = 2/√3: hodnota původní funkce v počátku má přesně určenou velikost.
- f̂(0) = 1: přesně určená je také hodnota transformace v počátku.
Fourierova transformace přepisuje funkci do jazyka prostorových frekvencí. Zásadní je, že f̂ není druhá křivka, kterou si mohu nakreslit podle potřeby. Je jednoznačně svázaná s f. Upravit jednu stranu tak, aby měla správná znaménka a nuly, může současně zkomplikovat druhou.
Proto není zadání jen seznamem snadných vlastností. Je to společný problém ve fyzickém a frekvenčním prostoru. Obě strany musí fungovat současně a jejich hodnoty v počátku musí dát přesně požadovaný poměr.
🧮 Jak funkce promění rozmístění kruhů v nerovnost
Mechanismus horního odhadu je nejčitelnější u periodického uspořádání. Předpokládám opakující se buňku o ploše V, ve které leží n středů kruhů. Počet středů na jednotku plochy je tedy n/V.
Teď se vytvoří součet S hodnot funkce f přes všechny rozdíly středů. Zahrnují se také středy v přeložených kopiích základní buňky. Každý střed se v tomto součtu porovná i sám se sebou. Takových příspěvků je n a každý má hodnotu f(0).
Všechny ostatní rozdíly mají délku alespoň 1. Podle znaménkové podmínky jsou jejich příspěvky nekladné. Dostávám proto první odhad:
S ≤ n f(0).
Tentýž součet lze pomocí Poissonova sumačního vzorce přepsat ve Fourierově prostoru. Tam se objevují nezáporné hodnoty f̂ násobené čtverci absolutních hodnot příslušných součtů. Všechny tyto příspěvky jsou nezáporné. Pokud ponechám jen nulovou frekvenci, získám druhý odhad:
S ≥ (n²/V) f̂(0).
Spojení obou nerovností dává n/V ≤ f(0)/f̂(0). Po dosazení normalizovaných hodnot tedy hustota středů nepřekročí 2/√3. Násobením plochou jednoho kruhu π/4 vznikne přesně hranice π/(2√3).
Na tomto argumentu se mi líbí, že geometrie a frekvence táhnou opačnými směry. V původním prostoru získávám horní odhad, ve Fourierově prostoru dolní. Správně zvolená funkce je sevře kolem stejného výsledku. Zavedená věta Cohna a Elkiese pak rozšiřuje tento princip také na neperiodická uspořádání.
🎯 Rovnost určuje, kde musí být nuly
Horní odhad ještě není celý příběh. Jestli má trojúhelníková mřížka dosáhnout rovnosti, všechny příspěvky, které se při odhadech zahodily, musí zmizet. To stanovuje velmi konkrétní požadavky na nuly certifikační funkce.
Ve fyzickém prostoru musí f vymizet na nenulových vzdálenostech mezi body trojúhelníkové mřížky. Tyto vzdálenosti se seskupují do takzvaných slupek: různé vektory mohou mít stejnou délku. Ve Fourierově prostoru vznikají odpovídající požadavky na slupkách duální mřížky.
Podstatná není jen poloha nul, ale také jejich násobnost. Hladká nezáporná funkce nemůže ve vnitřním bodě oblasti nezápornosti projít nulou s nenulovou derivací. Takový průchod by na jedné straně vytvořil záporné hodnoty. Totéž platí s obrácenými znaménky pro funkci nekladnou.
Většina předepsaných nul proto musí být alespoň dvojnásobná. Funkce se v nich musí zploštit. Nestačí, aby správnou hodnotu pouze protínala.
První fyzická nula má zvláštní postavení. Leží na hranici oblasti, kde je vyžadována nekladnost, tedy po konečné normalizaci ve vzdálenosti 1. Rukopis zde předepisuje jednoduchou nulu se zápornou směrnicí. Funkce tak může přes hranici přejít do záporných hodnot.
Za důležitou považuji právě tuto asymetrii. Požadavky na všechny nuly nejsou stejné. První určuje vstup do znaménkové oblasti, zatímco další musejí zachovat znaménko uvnitř ní. Později se tento rozdíl využije i k přesnému určení normalizace.
🔢 Trojúhelníková mřížka a šest zbytkových tříd
Pro samotnou konstrukci se trojúhelníková mřížka nejprve přepočítá tak, aby její základní buňka měla plochu 1. Namísto poloměru r se používá souřadnice s = (√3/2)r². V ní mají mřížkové slupky jednoduchý aritmetický popis:
s = j² + jk + k², kde j a k jsou celá čísla.
Tento výraz přináší užitečná omezení. Počítáno modulo 3 se rovná čtverci rozdílu j a k, takže nikdy nedává zbytek 2. Modulo 4 je roven 0, pokud jsou obě čísla sudá, a jinak je lichý.
Spojením obou podmínek zůstává šest možných zbytků modulo 12: 0, 1, 3, 4, 7 a 9. Rukopis předepisuje nuly na všech kladných celých hodnotách s, které patří do těchto tříd.
Tím vzniká pravidelný a snadněji zpracovatelný seznam cílových bodů. Obsahuje všechny skutečné slupky trojúhelníkové mřížky. Obsahuje ale i další hodnoty, které žádné takové slupce neodpovídají.
Konkrétním příkladem je 15. Vyhovuje vybraným zbytkovým podmínkám, přesto nejde o souřadnici slupky trojúhelníkové mřížky. Certifikát tedy dostává také dodatečné nuly.
Tady bych výsledku nepřipisoval víc, než skutečně tvrdí. Konstrukce poskytuje ostrý odhad hustoty, ale není certifikátem pro silnější požadavek, aby množina nul odpovídala přesně a pouze mřížkovým slupkám. Pro horní odhad mohou dodatečné nuly fungovat. Pro přesný popis nulové množiny však představují podstatný rozdíl.
🧩 Jak se skládá funkce s předepsanými nulami
Základním stavebním prvkem je součin šesti druhých mocnin sinusových faktorů. Jejich opakující se nuly odpovídají vybraným zbytkovým třídám. Druhá mocnina přirozeně vytváří dvojité nuly, tedy právě chování potřebné uvnitř oblastí s pevným znaménkem.
Samotný součin ale nestačí. V jednotlivých cílových bodech je třeba upravovat hodnoty nebo derivace. Konstrukce proto používá jeho podíly s lineárním či kvadratickým faktorem vztahujícím se k vybranému uzlu.
Takové dělení může na první pohled vypadat nebezpečně: jmenovatel je v daném bodě nulový. Čitatel tam však má odpovídající nulu, takže zdánlivý pól se vyruší. Výsledný stavební prvek zůstane regulární a umožní upravit konkrétní interpolační podmínku, aniž by zničil ostatní předepsané nuly.
Další součástí je gaussovské tlumení, které zajišťuje potřebný rychlý pokles. Konstrukce tak kombinuje dvě odlišné úlohy: sinusové faktory řídí nulovou strukturu a gaussovská část pomáhá zvládnout chování ve velkých vzdálenostech.
Rukopis používá dvě takto sestavené funkce. První přičte k Fourierově transformaci druhé. Po transformaci se jejich role prohodí. Díky tomuto uspořádání je vzájemný Fourierův vztah zabudovaný přímo do konstrukce.
To považuji za chytrý posun. Místo nezávislého navrhování dvou křivek, které by se teprve dodatečně musely sladit, vzniká propojená dvojice už od začátku. Zbývající podmínky na nuly se pak prosazují pomocí svázané soustavy rovnic pro koeficienty.
♾️ Proč nestačí konečná tabulka koeficientů
Koeficienty konstrukce netvoří pouze krátký seznam. Rukopis řeší soustavu na celém prostoru absolutně sčitatelných posloupností. To znamená, že součet absolutních hodnot koeficientů je konečný, ale samotná posloupnost může mít nekonečně mnoho členů.
Pro výpočet je přirozené oddělit konečný blok, který lze zpracovat přímo, a nekonečný zbytek. Důkaz však musí ukázat, že zanedbaná část nezmění zásadní vlastnosti výsledku. Právě k tomu slouží rigorózní odhady ocasu soustavy a kontrola nekonečněrozměrného řešení.
Vytištěné koeficienty jsou tedy aproximace, nikoli přesný certifikát. Přesné posloupnosti se od tabulek liší o rigorózně omezenou chybu, měřenou součtem absolutních odchylek koeficientů.
Ten rozdíl není slovíčkaření. Pokud bych vzal zaokrouhlená čísla jako přesná a nakreslil z nich funkci, získal bych jen numerického kandidáta. Pro matematický certifikát je potřeba doložit existenci skutečných koeficientů, přesné interpolační podmínky a bezpečné meze odchylky od použité aproximace.
V této části se proto oddělují dvě věci, které bývají v numerických výsledcích snadno zaměnitelné: nalezení slibného řešení a důkaz, že v jeho okolí existuje přesný objekt s požadovanými vlastnostmi.
Pro celou konstrukci je důležité i to, jak se chyba měří. Souhrnná kontrola koeficientů umožňuje odhadovat její dopad na funkci a její derivace. Nestačí jen oznámit, že každé vytištěné číslo vypadá dostatečně přesně.
⚠️ Správné nuly ještě nezaručují správné znaménko
Nejzrádnější část přichází až po umístění nul. Funkce může projít všemi správnými body a přesto se mezi nimi vychýlit na nesprávnou stranu. Ani přesná interpolace tedy automaticky neprokazuje nekladnost f nebo nezápornost f̂.
Rukopis rozděluje potřebné oblasti na poloviny mezer mezi uzly. Každý takový úsek vede od předepsané nuly ke středu sousední mezery. Znaménko se ověřuje na obou stranách uzlů všude tam, kde je požadováno.
V blízkosti dvojité nuly je užitečné vydělit funkci druhou mocninou vzdálenosti od této nuly. Tím se odstraní známé kvadratické vymizení. U původní funkce se zároveň obrátí znaménko, aby oba typy kontroly měly stejný cíl: prokázat kladnost pomocného výrazu.
Jenže do tohoto kroku vstupuje aproximační chyba. I malý nenulový konstantní člen by po vydělení druhou mocninou vzdálenosti mohl neomezeně narůst. Lineární člen by způsobil obdobný problém.
Před dělením se proto od chyby odečítají její konstantní a lineární členy. Teprve zbytek má správné chování pro stabilní odhad poblíž dvojité nuly.
Tento detail považuji za jeden z nejdůležitějších v celé konstrukci. Nestačí mít obecně malou chybu. Musí být kontrolována způsobem, který respektuje místní strukturu funkce. U nulové hodnoty a nulové derivace se jinak i nepatrná numerická odchylka může stát problémem.
✅ Bernsteinovy polynomy hlídají celé intervaly
Po odstranění nulové struktury se pomocný výraz aproximuje Taylorovým polynomem. Ten se následně přepíše do Bernsteinova tvaru. Výhoda spočívá v jednoduché vlastnosti: na jednotkovém intervalu jsou Bernsteinovy váhy nezáporné a jejich součet je 1.
Hodnota polynomu je proto váženým průměrem jeho Bernsteinových koeficientů. Pokud jsou všechny koeficienty větší než určitá kladná mez, je nad touto mezí také celý polynom. Z konečného seznamu nerovností tak vzniká kontrola nekonečně mnoha bodů intervalu.
Další kontext k tomuto nástroji nabízí přehled Bernsteinových polynomů. Pro certifikát je ale klíčové hlavně to, jak jsou použity: neslouží jen k pěkné aproximaci, nýbrž k průkazu znaménka.
Samotný Taylorův polynom pořád není původní funkce. Od nalezené kladné rezervy se proto odečtou rigorózní odhady dvou chyb: nejistoty koeficientů a vynechaných Taylorových členů. Po těchto odečtech musí zůstat kladná hodnota.
Dodaný intervalový program kontroluje 84 půlmezer pomocí 2 436 Bernsteinových nerovností. To není husté vzorkování grafu. Vzorkování by pouze potvrdilo znaménko ve vybraných bodech a mohlo přehlédnout problém mezi nimi. Bernsteinovy meze mají pokrýt celé příslušné úseky.
Právě zde vidím smysl rigorózní aritmetiky. Nestačí, že výpočet vrátí malé kladné číslo. Musí být prokázáno, že je kladné i po započtení všech relevantních nejistot. Rozhoduje bezpečná rezerva, nikoli počet desetinných míst na výstupu.
🌌 Nekonečný ocas potřebuje vlastní argument
Konečné intervalové kontroly mají zřejmý limit: poloměr není shora omezený. Funkce musí mít správné znaménko také libovolně daleko od počátku. Ani tisíce úspěšných testů v omezené oblasti tuto povinnost neodstraní.
Pro oblast s > 41,5 proto rukopis používá samostatný analytický argument. Porovnává kvadratickou dolní mez sinusového součinu s kvadratickou horní mezí chyby. Jejich rozdíl zůstává mimo cílové uzly kladný.
Význam tohoto kroku je zásadní. Ocas není nahrazen seznamem vzdálených vzorků ani předpokladem, že se tam už nic zajímavého nestane. Odhad pokrývá celou zbývající neomezenou oblast. V cílových uzlech se přitom využívají předepsané nuly.
Celá znaménková kontrola tak stojí na dvou různých metodách. V konečné oblasti pracují intervalové výpočty a Bernsteinovy koeficienty. V nekonečné oblasti rozhoduje analytické porovnání hlavního členu a chyby.
Podle mě je právě tato kombinace dobře zvolená. Počítač řeší velké množství konkrétních nerovností, pro které se hodí. Analytická část řeší nekonečno, které nelze vyčerpat konečným seznamem kontrol.
Rychlý pokles funkce sám o sobě nestačí jako náhrada tohoto důkazu. Velmi malá hodnota může mít pořád nesprávné znaménko. Certifikát potřebuje správnou stranu nuly na každé relevantní vzdálenosti, bez ohledu na velikost hodnoty.
🧪 Co výpočet ověřuje a co z něj neplyne
Doprovodné ověření reprodukuje konečné intervalové kontroly a samostatný test matice velikosti 6 × 6 v přesné racionální aritmetice. Úspěch těchto výpočtů je důležitou součástí předložených podkladů, ale není automatickým ověřením všech tvrzení rukopisu.
Považuji za užitečné rozlišovat tři vrstvy:
- Reprodukované konečné výpočty: konkrétní intervalové nerovnosti a přesná maticová kontrola.
- Analytické části důkazu: argumenty na spojitých oblastech, odhady nekonečných ocasů a řešení soustavy v nekonečněrozměrném prostoru.
- Úplný formální důkaz: samostatná úroveň ověření, kterou úspěšné spuštění uvedených programů samo neposkytuje.
Tyto vrstvy se doplňují, ale nejsou zaměnitelné. Pokud program potvrdí všechny požadované konečné nerovnosti, ještě tím neprověřil správnost každého analytického přechodu, na kterém jejich použití závisí.
Stejně tak z toho neplyne, že numerická část je jen ilustrace. Rigorózně provedené intervalové kontroly mají v důkazu konkrétní roli. Pouze je potřeba přesně říct, jakou.
V informování o takovém výsledku proto dávám přednost formulaci, že rukopis předkládá konstrukci ostrého certifikátu a popisuje její důkazní vrstvy. Tvrzení, že celý výsledek byl nezávisle a formálně ověřen jen reprodukcí několika výpočtů, by zacházelo dál než dostupné podklady.
⚖️ Přesná normalizace nevzniká odečtením z grafu
Po konstrukci a znaménkových kontrolách zbývá určit správnou velikost funkce. Hodnoty f(0) a f̂(0) nemohou být pouze přibližně vhodné. Pro ostrý výsledek je nutné získat přesný poměr.
V normalizaci s plochou buňky 1 je trojúhelníková mřížka po otočení shodná se svou duální mřížkou. Radiální funkce otočení nerozlišuje. Protože všechny nenulové mřížkové příspěvky mizí, Poissonův sumační vzorec ztotožní hodnoty původní funkce a její transformace v počátku.
Následuje další krok: tato identita se diferencuje při změně měřítka mřížky. Ve fyzickém prostoru přispívá pouze šest nejkratších vektorů. První nula má totiž nenulovou zápornou derivaci, zatímco všechny pozdější předepsané nuly mají derivaci nulovou.
Na Fourierově straně zůstává pouze příspěvek počátku. Vzniklý vztah určuje společnou hodnotu přesně a zároveň dokazuje, že je kladná.
Poslední změna měřítka pak přesune první fyzickou nulu do vzdálenosti 1. Výsledné normalizované hodnoty jsou přesně f(0) = 2/√3 a f̂(0) = 1, tedy čísla potřebná pro ostrý odhad hustoty.
Tohle je pro mě podstatná pojistka proti dojmu, že výsledek stojí na numerickém doladění. Graf může naznačit správný poměr, ale nezaručí jej. Tady normalizace vychází z identity, symetrie mřížky a předepsaných derivací.
🏁 Co výsledek znamená pro optimální skládání kruhů
Výsledkem popsané konstrukce je Fourierův certifikát pro klasickou optimální hustotu rovinného skládání stejných kruhů. Jediná funkce spolu se svou transformací poskytuje horní odhad, který přesně odpovídá hustotě trojúhelníkové mřížky.
Rukopis navíc využívá strukturu nul k určení případu rovnosti: mezi periodickými uspořádáními má být trojúhelníková mřížka jediným optimálním případem až na eukleidovskou izometrii, tedy transformaci zachovávající vzdálenosti.
Rozsah tohoto závěru je potřeba zachovat. Nejde o tvrzení jedinečnosti pro všechna neperiodická uspořádání. A nejde ani o tvrzení, že mezi všemi Schwartzovými funkcemi existuje právě jediný možný certifikát. Dodatečné nuly navíc znamenají, že konstrukce neřeší silnější požadavek na nulovou množinu tvořenou přesně mřížkovými slupkami.
Hlavní přínos vidím ve spojení čtyř nástrojů. Interpolace umístí nuly, analýza ovládne nekonečné ocasy, rigorózní aritmetika ochrání znaménkové rezervy a Poissonův sumační vzorec převede funkci na geometrický odhad. Žádný z těchto kroků sám nestačí. Dohromady mají vytvořit přesný certifikát.
Známá hranice 90,7 % tak získává jiný druh vysvětlení. Nejen obrázek nejhustšího uspořádání, ale funkční překážku, která hustší rozmístění nepustí. A právě v tom je tato práce zajímavá: jednoduchý problém s kruhy ukazuje, jak hluboko mohou sahat vztahy mezi geometrií, frekvencemi a přesným výpočtem.
