工程紀錄 · 第三弧線 v1.5 · 2026-09-02 · EXACT_FULL_MATRIX_BRIDGE · TOEPLITZ_PRIME_LOCALIZATION · RH_CLAIM_FALSE # Anchored Interval Weil Gram、Box Toeplitz 二階差分與 Prime-Power Tent Localization **RH-AnchoredInterval-WeilToeplitzBridge v1.5** 本節點承接： - `RH-ConditionalOffAxisCell-ZetaTransfer-v1.1` - `RH-GlobalQuantifier-PrimePowerConvexCompression-v1.2` - `RH-OffAxisCell-LiWitnessCompiler-v1.3` - `RH-WeilCheckpoint-GreenDiagonalBridge-v1.4` v1.4 已建立精確對角關係： $$ \Psi(t) = W(R_t\ast\widetilde R_t) = \frac12G_g(t,t), $$ 其中 Suzuki 的 $R_t$ 是中心對稱矩形。 本節點進行 normalization audit 後發現： > 對角公式完全正確；但若要把 **full screw kernel** 直接解讀成矩形 basis 的 Weil Gram，必須區分「中心對稱矩形」與「共同左端點的一側 interval indicator」。 這個區分反而導出一個更精確、更適合 AMRAL arithmetic matrix 的 full-matrix bridge。 本輪核心結果： 1. 定義 anchored interval $$ H_t=\mathbf 1_{[0,t]}. $$ 則在 Suzuki spectral / distributional extension 的自然意義下： $$ \boxed{ W(H_t\ast\widetilde H_u) = G_g(t,u) = \Psi(t)+\Psi(u)-\Psi(t-u). } $$ 2. 對 cumulative interval basis 做一次差分，得到局部 box basis。 3. 均勻網格下，box Gram matrix 是一個精確 Toeplitz matrix： $$ \boxed{ M^{\rm box}_{ij}(h) = \frac12 \Delta_h^2 \Psi((i-j)h). } $$ 4. Suzuki prime-side ramp 在二階差分後變成 compact tent kernel： $$ \boxed{ M^{\rm fin}_{ij}(h) = -\frac12 \sum_{n=p^k} \frac{\Lambda(n)}{\sqrt n} \left[ T_h((i-j)h-\log n) + T_h((i-j)h+\log n) \right], } $$ 其中： $$ T_h(x)=(h-|x|)_+. $$ 因此每個 prime power 只作用在其 logarithmic location 鄰近的 Toeplitz lag。 5. 這給出一個 canonical exact target： ```text M_box = M_infty_box + M_fin_box ``` 它與 AMRAL 舊 `M_arith = M_infty + M_fin` 的設計語言高度一致，但**尚未宣稱舊實作逐項完全相等**；舊封包使用實偶緊支撐 basis 與額外 constraints，需另做 basis / normalization audit。 6. 固定 box width $h$ 時，在 RH 下此 Toeplitz covariance 的 spectral measure 是純原子測度；Szegő–Kolmogorov prediction theorem 因而暗示其無限過去 one-step innovation variance 為 $0$。所以即使改用 box-normalized Schur innovation，也不應期待 uniform positive floor。 **RH_CLAIM = False.** --- # 0. Claim register ```text RH_PROVED = FALSE RH_DISPROVED = FALSE SUZUKI_CENTERED_RECTANGLE_DIAGONAL = TRUE ANCHORED_INTERVAL_FULL_GREEN_GRAM = TRUE CUMULATIVE_TO_INCREMENT_CONGRUENCE = TRUE UNIFORM_GRID_TOEPLITZ_IDENTITY = TRUE PRIMEPOWER_TENT_LOCALIZATION = TRUE FINITE_PRIME_ACTIVATION_FOR_FINITE_BOX_MATRIX = TRUE M_BOX_RH_EQUIVALENCE = TRUE_AS_REFORMULATION OLD_AMRAL_M_ARITH_EQUALS_M_BOX = NOT_PROVED MITTERMEIER_CJ_EQUALS_SCHUR = REJECTED_AS_DEFAULT_EXPECTATION NESTED_ARITHMETIC_PLUS_PROJECTION_DEBIT = IDENTIFIED FIXED_H_INNOVATION_UNIFORM_FLOOR = NO_GO_UNDER_RH GLOBAL_RH_CERTIFICATE = FALSE ``` --- # 1. v1.4 normalization correction Suzuki 定義中心對稱矩形： $$ R_t(x) = \frac1{\sqrt2} \mathbf 1_{[-t/2,t/2]}(x) $$ 忽略端點 measure-zero convention。 其自相關為： $$ R_t\ast\widetilde R_t = \Delta_t, $$ 其中： $$ \Delta_t(x) = \frac12(t-|x|)_+. $$ Suzuki 證明： $$ \boxed{ W(\Delta_t)=\Psi(t). } $$ 所以： $$ \boxed{ W(R_t\ast\widetilde R_t)=\Psi(t). } $$ 這是 exact diagonal identity。 但對不同 $t,u$： $$ W(R_t\ast\widetilde R_u) $$ 不是自動等於： $$ \frac12 \left[ \Psi(t)+\Psi(u)-\Psi(t-u) \right]. $$ 原因是 $R_t,R_u$ 分別以自己的中心對齊；full screw kernel 則自然來自共同 anchor 的 interval increments。 所以 v1.4 應精確化為： ```text CENTERED_RECTANGLE = EXACT DIAGONAL WEIL RAY ANCHORED_INTERVAL = EXACT FULL SCREW GRAM ``` --- # 2. Anchored intervals 對： $$ t\ge0 $$ 定義： $$ H_t(x) = \mathbf 1_{[0,t]}(x). $$ 使用 Suzuki 的 Fourier convention： $$ \widehat f(z) = \int_{\mathbb R} f(x)e^{izx}\,dx. $$ 則： $$ \widehat H_t(z) = \frac{e^{izt}-1}{iz}. $$ 而： $$ \widetilde H_u(x) = H_u(-x) = \mathbf 1_{[-u,0]}(x), $$ 所以： $$ \widehat{\widetilde H_u}(z) = \frac{1-e^{-izu}}{iz}. $$ 因此： $$ \widehat H_t(z) \widehat{\widetilde H_u}(z) = \frac{ (e^{izt}-1)(e^{-izu}-1) }{ z^2 }. $$ Suzuki 的 screw-kernel spectral representation 是： $$ G_g(t,u) = \sum_\gamma \frac{ (e^{i\gamma t}-1) (e^{-i\gamma u}-1) }{ \gamma^2 }. $$ 所以在 Weil distribution 對此 piecewise-linear correlation 的自然 extension / approximation 意義下： ## Theorem 2.1 · Anchored Interval Full-Gram Identity $$ \boxed{ W(H_t\ast\widetilde H_u) = G_g(t,u). } $$ 而： $$ G_g(t,u) = \Psi(t)+\Psi(u)-\Psi(t-u). $$ 所以： $$ \boxed{ W(H_t\ast\widetilde H_u) = \Psi(t)+\Psi(u)-\Psi(t-u). } $$ --- # 3. Diagonal consistency 取： $$ u=t. $$ 則： $$ H_t\ast\widetilde H_t = (t-|x|)_+ = 2\Delta_t. $$ 所以： $$ W(H_t\ast\widetilde H_t) = 2W(\Delta_t) = 2\Psi(t). $$ 另一方面： $$ G_g(t,t) = 2\Psi(t). $$ 完全一致。 而 Suzuki centered rectangle： $$ R_t = \frac1{\sqrt2} \tau_{-t/2}H_t $$ 在 self-correlation 上 translation phase 消失，因此： $$ W(R_t\ast\widetilde R_t) = \frac12 W(H_t\ast\widetilde H_t) = \Psi(t). $$ 所以 centered 與 anchored conventions 的差異只在 full cross-Gram，而非 diagonal。 --- # 4. Finite cumulative Green matrix 取： $$ 0=t_00. $$ 則： $$ E_j = \mathbf 1_{((j-1)h,jh]}. $$ 所有 $E_j$ 都是同一個 length-$h$ box 的平移。 令： $$ d_{ij} = (i-j)h. $$ 則： $$ \boxed{ (A_h^{(m)})_{ij} = \Psi(d_{ij}+h) + \Psi(d_{ij}-h) - 2\Psi(d_{ij}). } $$ 定義 centered second difference： $$ \Delta_h^2\Psi(x) = \Psi(x+h)+\Psi(x-h)-2\Psi(x). $$ 因此： $$ \boxed{ (A_h^{(m)})_{ij} = \Delta_h^2\Psi((i-j)h). } $$ 只依賴 $i-j$，所以： $$ \boxed{ A_h^{(m)} \text{ is Toeplitz}. } $$ --- # 8. Canonically normalized box basis 為了讓 diagonal 與 Suzuki $\Psi(h)$ 對齊，定義： $$ B_j^{(h)} = \frac1{\sqrt2} E_j. $$ 令： $$ M_{\rm box}^{(m)}(h) = \left[ W(B_i^{(h)}\ast\widetilde B_j^{(h)}) \right]. $$ 則： $$ \boxed{ M_{\rm box}^{(m)}(h) = \frac12 A_h^{(m)}. } $$ 所以： $$ \boxed{ (M_{\rm box})_{ij} = \frac12 \Delta_h^2 \Psi((i-j)h). } $$ 其 diagonal： $$ (M_{\rm box})_{ii} = \frac12 [ \Psi(h)+\Psi(-h)-2\Psi(0) ]. $$ 因為 $\Psi$ 偶且： $$ \Psi(0)=0, $$ 得到： $$ \boxed{ (M_{\rm box})_{ii} = \Psi(h). } $$ --- # 9. RH equivalence of the canonical box family 若 RH 成立，Weil positivity 給： $$ M_{\rm box}^{(m)}(h)\succeq0 $$ 對所有： $$ h>0, \qquad m\ge1. $$ 反過來，若： $$ M_{\rm box}^{(1)}(h)\ge0 $$ 對所有 $h>0$，則： $$ \Psi(h)\ge0 $$ 對所有 $h>0$。 由 Suzuki Theorem 1.7： $$ RH. $$ 因此： ## Theorem 9.1 · Box-Toeplitz RH reformulation $$ \boxed{ RH \Longleftrightarrow M_{\rm box}^{(m)}(h)\succeq0 \quad \forall h>0,\ \forall m\ge1. } $$ 甚至： $$ m=1 $$ 已足以恢復 Suzuki pointwise criterion。 因此高維矩陣不是新的 quantifier reduction；其價值是： - cross-correlation witness； - basis compatibility； - PSD / Schur engineering； - 與 AMRAL arithmetic matrix 對齊。 --- # 10. Prime-side exact decomposition 對： $$ t\in\mathbb R $$ 把 Suzuki $\Psi$ 寫成： $$ \Psi(t) = \mathcal A_e(t) - \sum_{n=p^k} \frac{\Lambda(n)}{\sqrt n} \left( |t|-\log n \right)_+, $$ 其中： $$ \mathcal A_e(t) $$ 是 archimedean / elementary terms 的 even extension。 所以： $$ M_{\rm box} = M_{\infty}^{\rm box} + M_{\rm fin}^{\rm box}, $$ 其中： $$ \boxed{ (M_{\infty}^{\rm box})_{ij} = \frac12 \Delta_h^2 \mathcal A_e((i-j)h). } $$ 以及： $$ \boxed{ (M_{\rm fin}^{\rm box})_{ij} = -\frac12 \sum_{n=p^k} \frac{\Lambda(n)}{\sqrt n} \Delta_h^2 \left( |x|-\log n \right)_+ \Big|_{x=(i-j)h}. } $$ 這正好形成： ```text archimedean matrix + finite-position prime-power matrix ``` --- # 11. Ramp second difference is a tent 定義： $$ r_a(x) = (|x|-a)_+. $$ 又定義： $$ T_h(x) = (h-|x|)_+. $$ 因為： $$ (|x|-a)_+ = (x-a)_+ + (-x-a)_+, $$ 而： $$ \Delta_h^2 (x-a)_+ = T_h(x-a), $$ 所以： $$ \boxed{ \Delta_h^2r_a(x) = T_h(x-a) + T_h(x+a). } $$ 因此： ## Theorem 11.1 · Prime-Power Tent Localization $$ \boxed{ \begin{aligned} (M_{\rm fin}^{\rm box})_{ij} &= -\frac12 \sum_{n=p^k} \frac{\Lambda(n)}{\sqrt n} \\ &\quad\times \left[ T_h((i-j)h-\log n) + T_h((i-j)h+\log n) \right]. \end{aligned} } $$ 這是完全 local 的 finite-position formula。 --- # 12. Prime-power activation locality 因為： $$ T_h(y)>0 $$ 若且唯若： $$ |y|0. $$ 在 RH 下，Suzuki spectral representation： $$ \Psi(t) = \sum_\gamma \frac{ 1-\cos(\gamma t) }{ \gamma^2 } $$ 其中 $\gamma$ 全為 real。 令 Toeplitz coefficient： $$ a_k(h) = (M_{\rm box})_{i,i+k}. $$ 由二階差分： $$ \boxed{ a_k(h) = \sum_\gamma \frac{ 1-\cos(\gamma h) }{ \gamma^2 } \cos(k\gamma h) } $$ 以對稱 zero sum 的方式理解。 因此可定義單位圓 positive spectral measure： $$ \boxed{ \mu_h = \sum_\gamma \frac{ 1-\cos(\gamma h) }{ \gamma^2 } \delta_{e^{i\gamma h}}. } $$ 則： $$ a_k(h) = \int_{\mathbb T} z^k\,d\mu_h(z) $$ 以 real-symmetric moment convention 解讀。 所以： $$ M_{\rm box}^{(m)}(h) $$ 就是一個 stationary Toeplitz covariance matrix。 --- # 18. Pure-point spectral measure 對固定 $h$，$\mu_h$ 是 countable atomic measure。 其 total mass： $$ \mu_h(\mathbb T) = a_0(h) = \Psi(h). $$ RH 下 Suzuki 證： $$ \Psi(h)>0 $$ 對所有： $$ h>0. $$ 因此可 normalize： $$ \nu_h = \frac{\mu_h}{\Psi(h)} $$ 成 probability spectral measure。 此 measure 沒有 absolutely continuous density；它是 pure point / singular。 --- # 19. Szegő–Kolmogorov no-floor theorem 令： $$ \sigma_m^2(h) $$ 為用前 $m$ 個 box increments 預測下一個 increment 的 optimal linear prediction error。 對 Toeplitz Gram： $$ \sigma_m^2(h) = \frac{ \det M_{\rm box}^{(m+1)}(h) }{ \det M_{\rm box}^{(m)}(h) } $$ 在 finite positive-definite 情況下成立。 Szegő–Kolmogorov prediction theorem 給出 infinite-past innovation variance： $$ \sigma_\infty^2 = \exp \left[ \frac1{2\pi} \int_{-\pi}^{\pi} \log f(\theta)\,d\theta \right] $$ 當 absolutely continuous spectral density $f$ 的 logarithm integrable；若： $$ \int\log f=-\infty, $$ 則： $$ \sigma_\infty^2=0. $$ 對 pure singular / atomic $\nu_h$： $$ f(\theta)=0 $$ 幾乎處處。 所以： $$ \boxed{ \sigma_m^2(h) \longrightarrow0 } $$ 在 RH 下。 因此： ## Theorem 19.1 · Fixed-width innovation no-floor 對任何 fixed： $$ h>0, $$ 若 RH 成立，canonical uniform-box nested Schur innovation 不可能存在： $$ \varepsilon_h>0 $$ 使： $$ \sigma_m^2(h)\ge\varepsilon_h $$ 對所有 $m$ 成立。 甚至以 fixed box variance： $$ \Psi(h) $$ 正規化後： $$ \boxed{ \frac{ \sigma_m^2(h) }{ \Psi(h) } \to0. } $$ 這比 v1.4 的 absolute-gap no-go 更進一步： > 即使把單一 box variance 固定成常數尺度，隨著 history dimension 增加，prediction / Schur innovation reserve 仍必須允許 collapse 到 $0$。 --- # 20. 這對 determinant strategy 的警告 因為： $$ \det M_m = \prod_{j=0}^{m-1} \sigma_j^2, $$ 而： $$ \sigma_j^2\to0, $$ 所以高維 determinant certificate 將不可避免地變得極度 ill-conditioned。 因此下列工程策略不可作為 global proof target： ```text uniform determinant lower bound uniform smallest-eigenvalue lower bound uniform Schur-innovation lower bound ``` 真正合理的是： ```text SIGN-CORRECT PSD WITH SCALE-ADAPTIVE PRECISION ``` 而不是固定 margin。 --- # 21. Recovery reserve 與 Schur reserve：不是同一個 cost Mittermeier Part 3–5 的 current frontier： $$ \mathcal V_q = \mathcal C_q-\mathcal J_q $$ 其中： - $\mathcal C_q$ 是 scalar arithmetic capacity； - $\mathcal J_q\ge0$ 是 logarithmically smoothed von Mangoldt cost； - after verified finite base： $$ RH \Longleftrightarrow \mathcal V_q\ge0 $$ at every recovery witness。 若採其 recovery-minimum convention： $$ \mathcal V_q = \Psi(t_q^\ast), $$ 則 Green diagonal： $$ G_g(t_q^\ast,t_q^\ast) = 2\mathcal V_q = 2\mathcal C_q-2\mathcal J_q. $$ 現在加入 anchor set $T$。 Schur reserve： $$ S_T(t_q^\ast) = 2\Psi(t_q^\ast) - k^\ast K_T^{-1}k. $$ 所以： $$ \boxed{ S_T(t_q^\ast) = 2\mathcal C_q - \left[ 2\mathcal J_q + P_T(q) \right], } $$ 其中： $$ P_T(q) = k^\ast K_T^{-1}k \ge0. $$ 因此： ```text Mittermeier J_q = scalar arithmetic debit Schur P_T(q) = correlation / projection debit ``` 兩者不是預設應相等的 quantity。 正確 bridge 是： $$ \boxed{ \text{capacity} - \text{arithmetic debit} - \text{projection debit}. } $$ 這是 v1.4 direct-equality expectation 的修正。 --- # 22. Consequence：Schur positivity 是更強的 finite condition 因為： $$ P_T(q)\ge0, $$ 有： $$ S_T(t_q^\ast) \le 2\mathcal V_q. $$ 所以： $$ S_T(t_q^\ast)\ge0 \Longrightarrow \mathcal V_q\ge0. $$ 但： $$ \mathcal V_q\ge0 $$ 不必然推出： $$ S_T(t_q^\ast)\ge0 $$ 除非整個 kernel 已 PSD。 所以 Schur condition 是更敏感的 finite matrix test。 在 RH 假時，理論上可能在 scalar checkpoint 尚未穿零以前，就由 off-diagonal correlation 產生 negative finite eigenvalue。 這提供一條更早的 refutation detection channel。 但對證 RH 而言，它是更強條件，不應假定比 scalar frontier 更容易。 --- # 23. Generalized Schur reserve v1.4 使用： $$ K_T^{-1}. $$ 由 no-floor 結果可知，late matrices 可能非常 ill-conditioned。 更 robust 的 exact PSD block criterion 使用 Moore–Penrose pseudoinverse。 對： $$ \begin{pmatrix} K & k\\ k^\ast & d \end{pmatrix}, $$ 有： $$ \succeq0 $$ 若且唯若： 1. $$ K\succeq0; $$ 2. $$ k\in\operatorname{Range}(K); $$ 3. $$ \boxed{ d-k^\ast K^\dagger k\ge0. } $$ 所以 production certificate 應支援： ```text GENERALIZED_SCHUR_RESERVE ``` 而不能依賴 numerically unstable inverse。 RH 下 Suzuki 的 positive-definite theorem 對有限非零 test functions 通常使 exact finite Gram nonsingular；但驗證器仍應以 range-safe formulation 設計。 --- # 24. Canonical arithmetic matrix target 本節點建議正式新增 AMRAL canonical matrix： $$ \boxed{ M_{\rm box}^{(m)}(h) = \frac12 \left[ \Delta_h^2 \Psi((i-j)h) \right]_{i,j=1}^{m}. } $$ 其優點： 1. exact RH-compatible； 2. exact prime-side finite sum； 3. exact arch / finite decomposition； 4. Toeplitz； 5. finite-position localization； 6. Schur / determinant recursion； 7. 可直接與 Suzuki scalar checkpoint cross-check； 8. 不需要未知 zeta zeros； 9. 可完全使用 prime powers + archimedean terms 計算。 它可以成為舊 `$M_{\rm arith}$` 的 canonical reference implementation。 --- # 25. Reference implementation contract 本節點附： `box_toeplitz_reference.py` 其作用： - 生成 prime powers； - 計算 prime tent matrix； - 從任意 $\Psi$ evaluator 建 second-difference Toeplitz matrix； - 比較 split matrix 與 direct second-difference matrix； - 計算 ordinary Schur reserve。 它是 reference code，不是 rigorous proof engine。 production 版本仍需： - MPFR / Arb outward intervals； - exact prime-power enumeration； - directed logs / square roots； - archimedean Lerch tail enclosure； - generalized Schur certificate； - independent implementation。 --- # 26. 下一個真正值得攻的方向 v1.5 之後，有兩條路。 ## Route A · Engineering canonicalization `RH-CanonicalBoxArithmeticMatrix-v1.6` 直接實作 rigorous： $$ M_{\rm box} = M_\infty^{\rm box} + M_{\rm fin}^{\rm box}. $$ 目標： - exact interval matrix； - exact prime cutoff； - independent split-vs-direct equality check； - generalized Schur； - finite negative-eigenvalue witness channel。 這一條工程成功率高。 --- ## Route B · Mathematical closure 真正剩餘的是： > 能否利用 prime-power tent locality 與 Toeplitz structure，得到一個不是 fixed-margin 的 all-scale sign theorem？ 也就是尋找： $$ M_{\rm box}^{(m)}(h)\succeq0 $$ 的結構性證明，而不是 eigenvalue lower bound。 可研究： - total positivity / conditional positive definiteness； - Toeplitz symbol in a non-absolutely-continuous setting； - Verblunsky coefficient constraints； - exact prime-update recursion； - event-conditioned inertia preservation； - prime-power two-diagonal update 的 global sign invariant。 這可能比直接攻： $$ \mathcal J_q\le\mathcal C_q $$ 更符合 AMRAL 原始 matrix 路線。 --- # 27. GAP ledger ## CLOSED ### G1. Full Green Gram basis ```text CLOSED ``` anchored interval basis 給 exact full kernel。 --- ### G2. Cumulative-to-local congruence ```text CLOSED ``` $$ K=LAL^\ast. $$ --- ### G3. Uniform Toeplitz matrix ```text CLOSED ``` $$ M_{ij} = \frac12 \Delta_h^2\Psi((i-j)h). $$ --- ### G4. Prime-power tent localization ```text CLOSED ``` finite-position kernel 為 compact tents。 --- ### G5. Fixed finite prime cutoff ```text CLOSED ``` $m\times m$ box matrix只需： $$ n v1.5 把 v1.4 的 diagonal bridge 升級成 exact full-matrix bridge：Suzuki 的 centered rectangle 仍負責 $\Psi(t)=W(R_t\ast\widetilde R_t)$ 的對角 identity，而共同左端點 anchored intervals $H_t=\mathbf1_{[0,t]}$ 則精確生成整個 screw kernel $G_g(t,u)$. 對 cumulative intervals 做差分後得到 local box basis；均勻網格下形成 canonical Toeplitz matrix $M_{\rm box}=\frac12[\Delta_h^2\Psi((i-j)h)]$. 更重要的是，prime-power ramp 在二階差分後精確局部化成 tent kernels，每個 $\log p^k$ 只沉積到最近的 Toeplitz diagonals，且任一 finite matrix 的 prime side 只需 $p^k