验证10的1000次方的大偶数哥德巴赫猜想成立

qhdwwh · 发表于 2025-1-9 11:17

我创建了WHS筛法，能够证明大于2的任何偶数都能表示成二个素数之和。
WHS筛法，新的数学方法，用新的数学观念，能够证明哥德巴赫猜想成立。
我在证明哥德巴赫猜想成立过程中的创新：
将埃拉托斯特尼筛法和计算机科学技术结合，创新WHS筛法。能得到自然数区间素数集合。用数理逻辑的数学形式，构建数学模型，用代数解析的方法复制数学模型。即用（WHS三筛法）复制数学模型，得到偶数的“1+1”构成（偶数表示成二个素数之和）。在二维坐标平面上，得到全部偶数“1+1”的“解”，并且按升序将偶数哥德巴赫猜想成立的数据，排列在WHS三筛法的图表上。得到哥德巴赫猜想成立的数学确定性。这些都是全新的数学观念的具体应用。
但是这些大数据，须要有大的交流平台，数学中国论坛只能发表20000字节，不能发表更大的数据文件，把WHS筛法全面说清楚，显得不足。
用WHS三筛法的图表证明了哥德巴赫猜想成立。
理论和实践结合，证明了很多的偶数哥德巴赫猜想成立。
WHS筛法，实例之一，用WHS图表一次证明[10，1260008]区间630000个连续偶数哥德巴赫猜想成立，其证明过程仅仅是复制数学模型（二个数学模型，共含97180个素数），约300次即可。这时文件大小已经191M.大大超过数学中国论坛20000字节的规定。
用新的数学方法，解决了偶数表示成二个素数之和“1+1”，哈佛大学布莱迪教授提出的大海捞针的数学难题。如果要得到630000个连续偶数的完整哥德巴赫分拆数，则要复制约1.5*97180=145770次才行。
布朗筛法;意图是偶数从“9+9”证明到“1+1”，哥德巴赫猜想成立。陈氏定理已经证明了“1+2”，实际是：证明“1+1”哥德巴赫猜想成立的确定性最容易，我实践过，证明“1+2”难度要大，证明其余问题则更难。
WHS筛法给出了哥德巴赫猜想成立的确定性，大于2的偶数，都能表示出二个素数之和。都有完美的﹑唯一的确定性，证明哥德巴赫猜想成立。经得起任何形式的验证。
有基本数学素质的人，都可以确定所采用数学方法是否正确，不会容忍以错误的方法，错误的数据行欺骗之事。
其它的数学方法，大都是用概率算法，得到概率算法的概率结果（现在，许多研究哥德巴赫猜想的做法）。
我在网上公布了一些偶数哥德巴赫猜想成立的数据，有兴趣的网友，可以提出具体偶数，我给出该偶数的部分“1+1”数据，以证明WHS筛法证明哥德巴赫猜想成立的效果不虚。
这也是实践检验真理的一项创新。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。
计算机科学技术的发展和出现全新的数学观念，是证明哥德巴赫猜想成立的重要前提。现在条件具备，只要努力就一定能摘取那棵“皇冠上的明珠”。
哥德巴赫猜想是全世界跨世纪的数学难题，证明与否须要全世界数学界认可，这须要能完美解答世界数学界的质疑。
欢迎，并且感谢世界数学界积极参与。特别欢迎中国数学界参与。

qhdwwh · 发表于 2025-1-10 17:27

我用WHS筛法，用很多的实例证明了哥德巴赫猜想成立，如筛出10的15次方附近的含252000个自然数区间的素数集合，和[3，252001]区间素数集合，用组合的方法筛出10的15次偶数哥德巴赫猜想成立，这些都是哥德巴赫猜想成立证明创新的实例。
用公开的RSA-640的素数组集合，证明97位偶数哥德巴赫猜想成立。这些是用组合数论证明任何大偶数哥德巴赫猜想成立的创新。
用类似的方法，用数理逻辑的方法，可以证明10的1000多次方（中科院提出的，证明哥德巴赫猜想要考虑充分大偶数，充分大偶数是10的1000多次方）的偶数哥德巴赫猜想成立。
现在密码学研究，能得到和超过这个数量级素数集合，人类完全有能力证明10的1000多次方，甚至更大数量级的偶数（趋近无穷大）哥德巴赫猜想成立，这不是纸上谈兵，而是能给出具体实例“1+1”的数据证明。
这一切，都须要用实践检验，可以得到正确结论。现在能做而不做，难道还要让人类再等待1000年。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-10 17:28

我用WHS筛法，用很多的实例证明了哥德巴赫猜想成立，如筛出10的15次方附近的含252000个自然数区间的素数集合，和[3，252001]区间素数集合，用组合的方法筛出10的15次偶数哥德巴赫猜想成立，这些都是哥德巴赫猜想成立证明创新的实例。
用公开的RSA-640的素数组集合，证明97位偶数哥德巴赫猜想成立。这些是用组合数论证明任何大偶数哥德巴赫猜想成立的创新。
用类似的方法，用数理逻辑的方法，可以证明10的1000多次方（中科院提出的，证明哥德巴赫猜想要考虑充分大偶数，充分大偶数是10的1000多次方）的偶数哥德巴赫猜想成立。
现在密码学研究，能得到和超过这个数量级素数集合，人类完全有能力证明10的1000多次方，甚至更大数量级的偶数（趋近无穷大）哥德巴赫猜想成立，这不是纸上谈兵，而是能给出具体实例“1+1”的数据证明。
这一切，都须要用实践检验，可以得到正确结论。现在能做而不做，难道还要让人类再等待1000年。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-11 20:26

我用WHS筛法，用很多的实例证明了哥德巴赫猜想成立，如筛出10的15次方附近的含252000个自然数区间的素数集合，和[3，252001]区间素数集合，用组合的方法筛出10的15次方大偶数哥德巴赫猜想成立，这些都是哥德巴赫猜想成立证明创新的实例。
用公开的密码学RSA-640的素数组集合，证明97位偶数哥德巴赫猜想成立。这些是用组合数论证明大偶数哥德巴赫猜想成立的创新。
用类似的方法，用数理逻辑的方法，可以证明10的1000多次方（中科院提出的，证明哥德巴赫猜想要考虑充分大偶数，充分大偶数是10的1000多次方）的偶数哥德巴赫猜想成立。
现在密码学研究，能得到和超过这个数量级的素数集合，人类完全有能力证明10的1000多次方，甚至更大数量级的偶数（趋近无穷大）哥德巴赫猜想成立，这不是纸上谈兵，而是能给出具体实例“1+1”的数据证明。但是由于人们共知的原因，这点很难做到。
这一切，都须要用实践检验，可以得到正确结论。现在能做就去做，人类不要再等待很多年了。
证明哥德巴赫猜想成立的数学方法完全是一个全新的数学方法，用埃拉托斯特尼筛法原理和计算机技术的完美结合，筛出二个等差数列的数学模型，模型的每一个单元格代表一个确定素数或合数，并且用数理逻辑的数学形式来表示。这个数学模型的生成完全符合逻辑推理，因此绝对正确，数理逻辑的数学形式，能够保证WHS筛法筛出过程正确﹑能够完整﹑唯一﹑无遗漏﹑无多出地筛出全部的四种组合，即“1+1” “1+0” “0+1” “0+0”。这四种组合中，其中只有“1+1”组合表示为二个素数的组合，符合哥德巴赫猜想成立的定义，用计算机程序可以筛出，和表示出二个素数的数值，且按顺序排列出来。证明偶数或区间的连续偶数哥德巴赫猜想都成立。
WHS筛法的序数和法使用数理逻辑的乘法能得到偶数的多个“1+1”。
WHS筛法的三筛法，
用确定的素数，用复制数学模型得到该素数和其它素数组合的素数对，从而得到多个偶数的“1+1”。
这种文字表述很难让人们清楚，理解，如果通过实例图像显示，解释就容易多了，数学家能立即理解，就是高中学生也能看懂。
采取正确的方式，能让人们很快确认哥德巴赫猜想成立，
因为这只是让人们学会一种数学方法，而不是让人们理解高等数学微积分复杂的推导。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-12 19:11

1 1 1 5 7
1 1 2 11 13
1 1 3 17 19
1 0 4 23 0
1 1 5 29 31
0 1 6 0 37
1 1 7 41 43
1 0 8 47 0
1 0 9 53 0
1 1 10 59 61
0 1 11 0 67
1 1 12 71 73
0 1 13 0 79
1 0 14 83 0
1 0 15 89 0
0 1 16 0 97
1 1 17 101 103
1 1 18 107 109
1 0 19 113 0
0 0 20 0 0
0 1 21 0 127
1 0 22 131 0
1 1 23 137 139
0 0 24 0 0
1 1 25 149 151
0 1 26 0 157
0 1 27 0 163
1 0 28 167 0
1 0 29 173 0
1 1 30 179 181
0 0 31 0 0
1 1 32 191 193
1 1 33 197 199
0 0 34 0 0
0 1 35 0 211
0 0 36 0 0
0 1 37 0 223
1 1 38 227 229
1 0 39 233 0
1 1 40 239 241
0 0 41 0 0
1 0 42 251 0
1 0 43 257 0
1 0 44 263 0
1 1 45 269 271
0 1 46 0 277
1 1 47 281 283
0 0 48 0 0
1 0 49 293 0
0 0 50 0 0
0 1 51 0 307
1 1 52 311 313
1 0 53 317 0
0 0 54 0 0
0 1 55 0 331
0 1 56 0 337
0 0 57 0 0
1 1 58 347 349
1 0 59 353 0
1 0 60 359 0
0 1 61 0 367
0 1 62 0 373
0 1 63 0 379
1 0 64 383 0
1 0 65 389 0
0 1 66 0 397
1 0 67 401 0
0 1 68 0 409
0 0 69 0 0
1 1 70 419 421
0 0 71 0 0
1 1 72 431 433
0 1 73 0 439
1 0 74 443 0
1 0 75 449 0
0 1 76 0 457
1 1 77 461 463
1 0 78 467 0
0 0 79 0 0
1 0 80 479 0
0 1 81 0 487
1 0 82 491 0
0 1 83 0 499
1 0 84 503 0
1 0 85 509 0
0 0 86 0 0
1 1 87 521 523
0 0 88 0 0
0 0 89 0 0
0 1 90 0 541
0 1 91 0 547
0 0 92 0 0
1 0 93 557 0
1 0 94 563 0
1 1 95 569 571
0 1 96 0 577
0 0 97 0 0
1 0 98 587 0
1 0 99 593 0
1 1 100 599 601
0 1 101 0 607
0 1 102 0 613
1 1 103 617 619
0 0 104 0 0
0 1 105 0 631
0 0 106 0 0
1 1 107 641 643
1 0 108 647 0
1 0 109 653 0
1 1 110 659 661
0 0 111 0 0
0 1 112 0 673
1 0 113 677 0
1 0 114 683 0
0 1 115 0 691
0 0 116 0 0
1 0 117 701 0
0 1 118 0 709
0 0 119 0 0
1 0 120 719 0
0 1 121 0 727
0 1 122 0 733
0 1 123 0 739
1 0 124 743 0
0 1 125 0 751
0 1 126 0 757
1 0 127 761 0
0 1 128 0 769
1 0 129 773 0
0 0 130 0 0
0 1 131 0 787
0 0 132 0 0
1 0 133 797 0
0 0 134 0 0
1 1 135 809 811
0 0 136 0 0
1 1 137 821 823
1 1 138 827 829
0 0 139 0 0
1 0 140 839 0
0 0 141 0 0
0 1 142 0 853
1 1 143 857 859
1 0 144 863 0
0 0 145 0 0
0 1 146 0 877
1 1 147 881 883
1 0 148 887 0
0 0 149 0 0
0 0 150 0 0
0 1 151 0 907
1 0 152 911 0
0 1 153 0 919
0 0 154 0 0
1 0 155 929 0
0 1 156 0 937
1 0 157 941 0
1 0 158 947 0
1 0 159 953 0
0 0 160 0 0
0 1 161 0 967
1 0 162 971 0
1 0 163 977 0
1 0 164 983 0
0 1 165 0 991
0 1 166 0 997
0 0 167 0 0
0 1 168 0 1009
1 0 169 1013 0
1 1 170 1019 1021
0 0 171 0 0
1 1 172 1031 1033
0 1 173 0 1039
0 0 174 0 0
1 1 175 1049 1051
0 0 176 0 0
1 1 177 1061 1063
0 1 178 0 1069
0 0 179 0 0
0 0 180 0 0
0 1 181 0 1087
1 1 182 1091 1093
1 0 183 1097 0
1 0 184 1103 0
1 0 185 1109 0
0 1 186 0 1117
0 1 187 0 1123
0 1 188 0 1129
0 0 189 0 0
0 0 190 0 0
0 0 191 0 0
1 1 192 1151 1153
0 0 193 0 0
1 0 194 1163 0
0 1 195 0 1171
0 0 196 0 0
1 0 197 1181 0
1 0 198 1187 0
1 0 199 1193 0
0 1 200 0 1201
0 0 201 0 0
0 1 202 0 1213
1 0 203 1217 0
1 0 204 1223 0
1 1 205 1229 1231
0 1 206 0 1237
0 0 207 0 0
0 1 208 0 1249
0 0 209 0 0
1 0 210 1259 0
0 0 211 0 0
0 0 212 0 0
1 1 213 1277 1279
1 0 214 1283 0
1 1 215 1289 1291
0 1 216 0 1297
1 1 217 1301 1303
1 0 218 1307 0
0 0 219 0 0
1 1 220 1319 1321
0 1 221 0 1327
0 0 222 0 0
0 0 223 0 0
0 0 224 0 0
0 0 225 0 0
0 0 226 0 0
1 0 227 1361 0
1 0 228 1367 0
1 0 229 1373 0
0 1 230 0 1381
0 0 231 0 0
0 0 232 0 0
0 1 233 0 1399
0 0 234 0 0
1 0 235 1409 0
0 0 236 0 0
0 1 237 0 1423
1 1 238 1427 1429
1 0 239 1433 0
1 0 240 1439 0
0 1 241 0 1447
1 1 242 1451 1453
0 1 243 0 1459
0 0 244 0 0
0 1 245 0 1471
0 0 246 0 0
1 1 247 1481 1483
1 1 248 1487 1489
1 0 249 1493 0
1 0 250 1499 0
0 0 251 0 0
1 0 252 1511 0
0 0 253 0 0
1 0 254 1523 0
0 1 255 0 1531
0 0 256 0 0
0 1 257 0 1543
0 1 258 0 1549
1 0 259 1553 0
1 0 260 1559 0
0 1 261 0 1567
1 0 262 1571 0
0 1 263 0 1579
1 0 264 1583 0
0 0 265 0 0
0 1 266 0 1597
1 0 267 1601 0
1 1 268 1607 1609
1 0 269 1613 0
1 1 270 1619 1621
0 1 271 0 1627
0 0 272 0 0
1 0 273 1637 0
0 0 274 0 0
0 0 275 0 0
0 1 276 0 1657
0 1 277 0 1663
1 1 278 1667 1669
0 0 279 0 0
0 0 280 0 0
0 0 281 0 0
0 1 282 0 1693
1 1 283 1697 1699
0 0 284 0 0
1 0 285 1709 0
0 0 286 0 0
1 1 287 1721 1723
0 0 288 0 0
1 0 289 1733 0
0 1 290 0 1741
0 1 291 0 1747
0 1 292 0 1753
0 1 293 0 1759
0 0 294 0 0
0 0 295 0 0
0 1 296 0 1777
0 1 297 0 1783
1 1 298 1787 1789
0 0 299 0 0
0 1 300 0 1801
0 0 301 0 0
1 0 302 1811 0
0 0 303 0 0
1 0 304 1823 0
0 1 305 0 1831
0 0 306 0 0
0 0 307 0 0
1 0 308 1847 0
0 0 309 0 0
0 1 310 0 1861
0 1 311 0 1867
1 1 312 1871 1873
1 1 313 1877 1879
0 0 314 0 0
1 0 315 1889 0
0 0 316 0 0
1 0 317 1901 0
1 0 318 1907 0
1 0 319 1913 0
0 0 320 0 0
0 0 321 0 0
1 1 322 1931 1933
0 0 323 0 0
0 0 324 0 0
1 1 325 1949 1951
0 0 326 0 0
0 0 327 0 0
0 0 328 0 0
1 0 329 1973 0
1 0 330 1979 0
0 1 331 0 1987
0 1 332 0 1993
1 1 333 1997 1999
1 0 334 2003 0
0 1 335 0 2011
0 1 336 0 2017
0 0 337 0 0
1 1 338 2027 2029
0 0 339 0 0
1 0 340 2039 0
0 0 341 0 0
0 1 342 0 2053
0 0 343 0 0
1 0 344 2063 0
1 0 345 2069 0
0 0 346 0 0
1 1 347 2081 2083
1 1 348 2087 2089
0 0 349 0 0
1 0 350 2099 0
0 0 351 0 0
1 1 352 2111 2113
0 0 353 0 0
0 0 354 0 0
1 1 355 2129 2131
0 1 356 0 2137
1 1 357 2141 2143
0 0 358 0 0
1 0 359 2153 0
0 1 360 0 2161
0 0 361 0 0
0 0 362 0 0
0 1 363 0 2179
0 0 364 0 0
0 0 365 0 0
0 0 366 0 0
0 1 367 0 2203
1 0 368 2207 0
1 0 369 2213 0
0 1 370 0 2221
0 0 371 0 0
0 0 372 0 0
1 1 373 2237 2239
1 0 374 2243 0
0 1 375 0 2251
0 0 376 0 0
0 0 377 0 0
1 1 378 2267 2269
1 0 379 2273 0
0 1 380 0 2281
0 1 381 0 2287
0 1 382 0 2293
1 0 383 2297 0
0 0 384 0 0
1 1 385 2309 2311
0 0 386 0 0
0 0 387 0 0
0 0 388 0 0
1 0 389 2333 0
1 1 390 2339 2341
0 1 391 0 2347
1 0 392 2351 0
1 0 393 2357 0
0 0 394 0 0
0 1 395 0 2371
0 1 396 0 2377
1 1 397 2381 2383
0 1 398 0 2389
1 0 399 2393 0
1 0 400 2399 0
0 0 401 0 0
1 0 402 2411 0
1 0 403 2417 0
1 0 404 2423 0
0 0 405 0 0
0 1 406 0 2437
1 0 407 2441 0
1 0 408 2447 0
0 0 409 0 0
1 0 410 2459 0
0 1 411 0 2467
0 1 412 0 2473
1 0 413 2477 0
0 0 414 0 0
0 0 415 0 0
0 0 416 0 0
0 1 417 0 2503
0 0 418 0 0
0 0 419 0 0
0 1 420 0 2521
0 0 421 0 0
1 0 422 2531 0
0 1 423 0 2539
1 0 424 2543 0
1 1 425 2549 2551
0 1 426 0 2557
0 0 427 0 0
0 0 428 0 0
0 0 429 0 0
1 0 430 2579 0
0 0 431 0 0
1 1 432 2591 2593
0 0 433 0 0
0 0 434 0 0
1 0 435 2609 0
0 1 436 0 2617
1 0 437 2621 0
0 0 438 0 0
1 0 439 2633 0
0 0 440 0 0
0 1 441 0 2647
0 0 442 0 0
1 1 443 2657 2659
1 0 444 2663 0
0 1 445 0 2671
0 1 446 0 2677
0 1 447 0 2683
1 1 448 2687 2689
1 0 449 2693 0
1 0 450 2699 0
0 1 451 0 2707
1 1 452 2711 2713
0 1 453 0 2719
0 0 454 0 0
1 1 455 2729 2731
0 0 456 0 0
1 0 457 2741 0
0 1 458 0 2749
1 0 459 2753 0
0 0 460 0 0
0 1 461 0 2767
0 0 462 0 0
1 0 463 2777 0
0 0 464 0 0
1 1 465 2789 2791
0 1 466 0 2797
1 1 467 2801 2803
0 0 468 0 0
0 0 469 0 0
1 0 470 2819 0
0 0 471 0 0
0 1 472 0 2833
1 0 473 2837 0
1 0 474 2843 0
0 1 475 0 2851
0 1 476 0 2857
1 0 477 2861 0
0 0 478 0 0
0 0 479 0 0
1 0 480 2879 0
0 1 481 0 2887
0 0 482 0 0
1 0 483 2897 0
1 0 484 2903 0
1 0 485 2909 0
0 1 486 0 2917
0 0 487 0 0
1 0 488 2927 0
0 0 489 0 0
1 0 490 2939 0
0 0 491 0 0
0 1 492 0 2953
1 0 493 2957 0
1 0 494 2963 0
1 1 495 2969 2971
0 0 496 0 0
0 0 497 0 0
0 0 498 0 0
0 0 499 0 0
1 1 500 2999 3001
0 0 501 0 0
1 0 502 3011 0
0 1 503 0 3019
1 0 504 3023 0
0 0 505 0 0
0 1 506 0 3037
1 0 507 3041 0
0 1 508 0 3049
0 0 509 0 0
0 1 510 0 3061
0 1 511 0 3067
0 0 512 0 0
0 1 513 0 3079
1 0 514 3083 0
1 0 515 3089 0
0 0 516 0 0
0 0 517 0 0
0 1 518 0 3109
0 0 519 0 0
1 1 520 3119 3121
0 0 521 0 0
0 0 522 0 0
1 0 523 3137 0
0 0 524 0 0
0 0 525 0 0
0 0 526 0 0
0 1 527 0 3163
1 1 528 3167 3169
0 0 529 0 0
0 1 530 0 3181
0 1 531 0 3187
1 0 532 3191 0
0 0 533 0 0
1 0 534 3203 0
1 0 535 3209 0
0 1 536 0 3217
1 0 537 3221 0
0 1 538 0 3229
0 0 539 0 0
0 0 540 0 0
0 0 541 0 0
1 1 542 3251 3253
1 1 543 3257 3259
0 0 544 0 0
0 1 545 0 3271
0 0 546 0 0
0 0 547 0 0
0 0 548 0 0
0 0 549 0 0
1 1 550 3299 3301
0 1 551 0 3307
0 1 552 0 3313
0 1 553 0 3319
1 0 554 3323 0
1 1 555 3329 3331
0 0 556 0 0
0 1 557 0 3343
1 0 558 3347 0
0 0 559 0 0
1 1 560 3359 3361
0 0 561 0 0
1 1 562 3371 3373
0 0 563 0 0
0 0 564 0 0
1 1 565 3389 3391
0 0 566 0 0
0 0 567 0 0
1 0 568 3407 0
1 0 569 3413 0
0 0 570 0 0
0 0 571 0 0
0 1 572 0 3433
0 0 573 0 0
0 0 574 0 0
1 0 575 3449 0
0 1 576 0 3457
1 1 577 3461 3463
1 1 578 3467 3469
0 0 579 0 0
0 0 580 0 0
0 0 581 0 0
1 0 582 3491 0
0 1 583 0 3499
0 0 584 0 0
0 1 585 0 3511
0 1 586 0 3517
0 0 587 0 0
1 1 588 3527 3529
1 0 589 3533 0
1 1 590 3539 3541
0 1 591 0 3547
0 0 592 0 0
1 1 593 3557 3559
0 0 594 0 0
0 1 595 0 3571
0 0 596 0 0
1 1 597 3581 3583
0 0 598 0 0
1 0 599 3593 0
0 0 600 0 0
0 1 601 0 3607
0 1 602 0 3613
1 0 603 3617 0
1 0 604 3623 0
0 1 605 0 3631
0 1 606 0 3637
0 1 607 0 3643
0 0 608 0 0
0 0 609 0 0
1 0 610 3659 0
0 0 611 0 0
1 1 612 3671 3673
1 0 613 3677 0
0 0 614 0 0
0 1 615 0 3691
0 1 616 0 3697
1 0 617 3701 0
0 1 618 0 3709
0 0 619 0 0
1 0 620 3719 0
0 1 621 0 3727
0 1 622 0 3733
0 1 623 0 3739
0 0 624 0 0
0 0 625 0 0
0 0 626 0 0
1 0 627 3761 0
1 1 628 3767 3769
0 0 629 0 0
1 0 630 3779 0
0 0 631 0 0
0 1 632 0 3793
1 0 633 3797 0
1 0 634 3803 0
0 0 635 0 0
0 0 636 0 0
1 1 637 3821 3823
0 0 638 0 0
1 0 639 3833 0
0 0 640 0 0
0 1 641 0 3847
1 1 642 3851 3853
0 0 643 0 0
1 0 644 3863 0
0 0 645 0 0
0 1 646 0 3877
1 0 647 3881 0
0 1 648 0 3889
0 0 649 0 0
0 0 650 0 0
0 1 651 0 3907
1 0 652 3911 0
1 1 653 3917 3919
1 0 654 3923 0
1 1 655 3929 3931
0 0 656 0 0
0 1 657 0 3943
1 0 658 3947 0
0 0 659 0 0
0 0 660 0 0
0 1 661 0 3967
0 0 662 0 0
0 0 663 0 0
0 0 664 0 0
1 0 665 3989 0
0 0 666 0 0
1 1 667 4001 4003
1 0 668 4007 0
1 0 669 4013 0
1 1 670 4019 4021
0 1 671 0 4027
0 0 672 0 0
0 0 673 0 0
0 0 674 0 0
1 1 675 4049 4051
0 1 676 0 4057
0 0 677 0 0
0 0 678 0 0
1 0 679 4073 0
1 0 680 4079 0
0 0 681 0 0
1 1 682 4091 4093
0 1 683 0 4099
0 0 684 0 0
0 1 685 0 4111
0 0 686 0 0
0 0 687 0 0
1 1 688 4127 4129
1 0 689 4133 0
1 0 690 4139 0
0 0 691 0 0
0 1 692 0 4153
1 1 693 4157 4159
0 0 694 0 0
0 0 695 0 0
0 1 696 0 4177
0 0 697 0 0
0 0 698 0 0
0 0 699 0 0
0 1 700 0 4201
0 0 701 0 0
1 0 702 4211 0
1 1 703 4217 4219
0 0 704 0 0
1 1 705 4229 4231
0 0 706 0 0
1 1 707 4241 4243
0 0 708 0 0
1 0 709 4253 0
1 1 710 4259 4261
0 0 711 0 0
1 1 712 4271 4273
0 0 713 0 0
1 0 714 4283 0
1 0 715 4289 0
0 1 716 0 4297
0 0 717 0 0
0 0 718 0 0
0 0 719 0 0
0 0 720 0 0
0 1 721 0 4327
0 0 722 0 0
1 1 723 4337 4339
0 0 724 0 0
1 0 725 4349 0
0 1 726 0 4357
0 1 727 0 4363
0 0 728 0 0
1 0 729 4373 0
0 0 730 0 0
0 0 731 0 0
1 0 732 4391 0
1 0 733 4397 0
0 0 734 0 0
1 0 735 4409 0
0 0 736 0 0
1 1 737 4421 4423
0 0 738 0 0
0 0 739 0 0
0 1 740 0 4441
0 1 741 0 4447
1 0 742 4451 0
1 0 743 4457 0
1 0 744 4463 0
0 0 745 0 0
0 0 746 0 0
1 1 747 4481 4483
0 0 748 0 0
1 0 749 4493 0
0 0 750 0 0
0 1 751 0 4507
0 1 752 0 4513
1 1 753 4517 4519
1 0 754 4523 0
0 0 755 0 0
0 0 756 0 0
0 0 757 0 0
1 1 758 4547 4549
0 0 759 0 0
0 1 760 0 4561
0 1 761 0 4567
0 0 762 0 0
0 0 763 0 0
1 0 764 4583 0
0 1 765 0 4591
0 1 766 0 4597
0 1 767 0 4603
0 0 768 0 0
0 0 769 0 0
0 1 770 0 4621
0 0 771 0 0
0 0 772 0 0
1 1 773 4637 4639
1 0 774 4643 0
1 1 775 4649 4651
0 1 776 0 4657
0 1 777 0 4663
0 0 778 0 0
1 0 779 4673 0
1 0 780 4679 0
0 0 781 0 0
1 0 782 4691 0
0 0 783 0 0
1 0 784 4703 0
0 0 785 0 0
0 0 786 0 0
1 1 787 4721 4723
0 1 788 0 4729
1 0 789 4733 0
0 0 790 0 0
0 0 791 0 0
1 0 792 4751 0
0 1 793 0 4759
0 0 794 0 0
0 0 795 0 0
0 0 796 0 0
0 1 797 0 4783
1 1 798 4787 4789
1 0 799 4793 0
1 1 800 4799 4801
0 0 801 0 0
0 1 802 0 4813
1 0 803 4817 0
0 0 804 0 0
0 1 805 0 4831
0 0 806 0 0
0 0 807 0 0
0 0 808 0 0
0 0 809 0 0
0 1 810 0 4861
0 0 811 0 0
1 0 812 4871 0
1 0 813 4877 0
0 0 814 0 0
1 0 815 4889 0
0 0 816 0 0
0 1 817 0 4903
0 1 818 0 4909
0 0 819 0 0
1 0 820 4919 0
0 0 821 0 0
1 1 822 4931 4933
1 0 823 4937 0
1 0 824 4943 0
0 1 825 0 4951
0 1 826 0 4957
0 0 827 0 0
1 1 828 4967 4969
1 0 829 4973 0
0 0 830 0 0
0 1 831 0 4987
0 1 832 0 4993
0 1 833 0 4999
1 0 834 5003 0
1 1 835 5009 5011
0 0 836 0 0
1 1 837 5021 5023
0 0 838 0 0
0 0 839 0 0
1 0 840 5039 0
0 0 841 0 0
1 0 842 5051 0
0 1 843 0 5059
0 0 844 0 0
0 0 845 0 0
0 1 846 0 5077
1 0 847 5081 0
1 0 848 5087 0
0 0 849 0 0
1 1 850 5099 5101
0 1 851 0 5107
0 1 852 0 5113
0 1 853 0 5119
0 0 854 0 0
0 0 855 0 0
0 0 856 0 0
0 0 857 0 0
1 0 858 5147 0
1 0 859 5153 0
0 0 860 0 0
0 1 861 0 5167
1 0 862 5171 0
0 1 863 0 5179
0 0 864 0 0
1 0 865 5189 0
0 1 866 0 5197
0 0 867 0 0
0 1 868 0 5209
0 0 869 0 0
0 0 870 0 0
0 1 871 0 5227
1 1 872 5231 5233
1 0 873 5237 0
0 0 874 0 0
0 0 875 0 0
0 0 876 0 0
1 0 877 5261 0
0 0 878 0 0
1 0 879 5273 0
1 1 880 5279 5281
0 0 881 0 0
0 0 882 0 0
1 0 883 5297 0
1 0 884 5303 0
1 0 885 5309 0
0 0 886 0 0
0 1 887 0 5323
0 0 888 0 0
1 0 889 5333 0
0 0 890 0 0
0 1 891 0 5347
1 0 892 5351 0
0 0 893 0 0
0 0 894 0 0
0 0 895 0 0
0 0 896 0 0
1 0 897 5381 0
1 0 898 5387 0
1 0 899 5393 0
1 0 900 5399 0
0 1 901 0 5407
0 1 902 0 5413
1 1 903 5417 5419
0 0 904 0 0
0 1 905 0 5431
0 1 906 0 5437
1 1 907 5441 5443
0 1 908 0 5449
0 0 909 0 0
0 0 910 0 0
0 0 911 0 0
1 0 912 5471 0
1 1 913 5477 5479
1 0 914 5483 0
0 0 915 0 0
0 0 916 0 0
1 1 917 5501 5503
1 0 918 5507 0
0 0 919 0 0
1 1 920 5519 5521
0 1 921 0 5527
1 0 922 5531 0
0 0 923 0 0
0 0 924 0 0
0 0 925 0 0
0 1 926 0 5557
0 1 927 0 5563
0 1 928 0 5569
1 0 929 5573 0
0 1 930 0 5581
0 0 931 0 0
1 0 932 5591 0
0 0 933 0 0
0 0 934 0 0
0 0 935 0 0
0 0 936 0 0
0 1 937 0 5623
0 0 938 0 0
0 0 939 0 0
1 1 940 5639 5641
0 1 941 0 5647
1 1 942 5651 5653
1 1 943 5657 5659
0 0 944 0 0
1 0 945 5669 0
0 0 946 0 0
0 1 947 0 5683
0 1 948 0 5689
1 0 949 5693 0
0 1 950 0 5701
0 0 951 0 0
1 0 952 5711 0
1 0 953 5717 0
0 0 954 0 0
0 0 955 0 0
0 1 956 0 5737
1 1 957 5741 5743
0 1 958 0 5749
0 0 959 0 0
0 0 960 0 0
0 0 961 0 0
0 0 962 0 0
0 1 963 0 5779
1 0 964 5783 0
0 1 965 0 5791
0 0 966 0 0
1 0 967 5801 0
1 0 968 5807 0
1 0 969 5813 0
0 1 970 0 5821
0 1 971 0 5827
0 0 972 0 0
0 1 973 0 5839
1 0 974 5843 0
1 1 975 5849 5851
0 1 976 0 5857
1 0 977 5861 0
1 1 978 5867 5869
0 0 979 0 0
1 1 980 5879 5881
0 0 981 0 0
0 0 982 0 0
1 0 983 5897 0
1 0 984 5903 0
0 0 985 0 0
0 0 986 0 0
0 1 987 0 5923
1 0 988 5927 0
0 0 989 0 0
1 0 990 5939 0
0 0 991 0 0
0 1 992 0 5953
0 0 993 0 0
0 0 994 0 0
0 0 995 0 0
0 0 996 0 0
1 0 997 5981 0
1 0 998 5987 0
0 0 999 0 0
0 0 1000 0 0

qhdwwh · 发表于 2025-1-13 17:07

我在前面发表了WHS筛法的内容，提出用该筛法能够证明哥德巴赫猜想成立。
这是提出一个新数学方法，用WHS筛法，能够得到自然数子区间的素数集合，用数理逻辑形式得到数学模型。数学模型的正确应用，就能证明哥德巴赫猜想成立。
序数和法用一个区间的数学模型的升序和降序排列组合，筛出区间内三个连续偶数哥德巴赫猜想成立的哥德巴赫分拆数，证明这三个连续偶数哥德巴赫猜想成立，
如：G2(1260004)=5303 ，G2(1260006)=11709 ，G2(1260008)=4912。这些数据是分别使用210000组数据组合筛出的。
筛法给出了偶数哥德巴赫猜想成立的全部确定性，如果没有计算机，没有WHS筛法，只靠人力是无法完成的。
这样的证明可以连续进行。能得到区间全部连续偶数的哥德巴赫猜想成立的全部解。证明了该区间偶数哥德巴赫猜想成立。
WHS筛法的三筛法，是在一个二维平面上，用三个筛子，复制数学模型，用WHS图表得到偶数“1+1”的解，分别得到三个系列（a=6n-2,b=6n,c=6n+2)偶数的“1+1”的解,证明了这些偶数
哥德巴赫猜想成立。
欧几里得证明了素数无上限，偶数哥德巴赫猜想成立同样无上限。只要素数找到哪里，用WHS筛法就能证明同样大的偶数哥德巴赫猜想都成立。
这是哥德巴赫猜想成立成为定理的唯一简单正确快速的证明。
这是一个证明猜想成立的新数学方法。有别其它数学方法。
这是用新数学方法能确保在所有情况下（即对于任意大于2的偶数）都能通过WHS筛法得到偶数哥德巴赫猜想成立的正确的结果。
哥德巴赫猜想是一个被广泛研究的数学难题，在数学界有着严格的审查和认可机制。目前该方法尚未得到数学界的广泛认可和验证，
个人阐述只能证明，给定的偶数哥德巴赫猜想成立（文件近100G）更大范围的偶数，如10的1000多次方，即充分大偶数，只要数学界认为必要，现在可以用实践数据，确定WHS筛法其真实性和可靠性。
数学方法正确，就可以外延证明下去，直到满意为止。
用数学表达式不能证明的哥德巴赫猜想成立问题，用WHS筛法证明了。

注：上个发文给出了[5，6001]符合数理逻辑的数学模型，以便于理解数理逻辑观念。原来想发到12001，但是因超过20000字节，发不出，抱歉！。

qhdwwh · 发表于 2025-1-14 15:16

哥德巴赫猜想
1：任一大于 2 的偶数都可写成两个素数之和。
2：任一大于 7 的奇数都可写成三个素数之和。
按哥德巴赫猜想定义，无论偶数或奇数的任何数，都能用WHS筛法找到该偶数或奇数哥德巴赫猜想成立的解，我们都可以科学研究的三个方法，用逻辑推理的方法，实证化或定量化，证明哥德巴赫猜想成立。
但是这样证明哥德巴赫猜想成立，数学界，数学家却不完全认可，即使把哥德巴赫猜想成立的实践数据摆在那里，偏重哲学概念的人，认为这还不能解决无穷大，因此不能算是证明。
但是用数学概念判断，确实证明完全符合哥德巴赫猜想定义，对数学家提出证明哥德巴赫猜想要考虑充分大，也能做到。应该算是证明。现在具备了条件，就应该证明充分大偶数和奇数哥德巴赫猜想成立。
如何取舍，这需要人们予以界定。
有了正确的证明方法，数学界和数学家们，却不愿意用实践去证明验证数学新方法是正确的数学方法，哥德巴赫猜想成立是真理。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-15 09:48

哥德巴赫猜想
1：任一大于 2 的偶数都可写成两个素数之和。
2：任一大于 7 的奇数都可写成三个素数之和。
按哥德巴赫猜想定义，无论偶数或奇数的任何数，都能用WHS筛法找到该偶数或奇数哥德巴赫猜想成立的解，我们都可以用科学研究的三个方法，用逻辑推理的方法，实证化或定量化，证明哥德巴赫猜想成立。
但是这样证明哥德巴赫猜想成立，数学界，数学家却不完全认可，即使把哥德巴赫猜想成立的实践数据摆在那里，偏重哲学概念的人，认为这还不能解决无穷大，因此不能算是证明。
但是用数学概念判断，确实证明完全符合哥德巴赫猜想定义，对数学家提出证明哥德巴赫猜想要考虑充分大，也能做到。应该算是证明。现在具备了条件，就应该证明充分大偶数和奇数哥德巴赫猜想成立。
WHS双筛法，用埃拉托斯特尼原理，用计算机科学技术，能够得到自然数子区间的素数集合，用数理逻辑得到含素数﹑合数的二个数学模型，用二个数学模型，可以得到三种偶数表示成“1+1”组合，构成大于8的全部偶数哥德巴赫猜想成立的全部“解”，又4=2+2，6=3+3 ，8=3+5。证明了任一大于 2 的偶数都可写成两个素数之和成立。由此，可推导出任一大于 7 的奇数都可写成三个素数之和成立。即哥德巴赫猜想成立。
WHS筛法，用序数和法，能够一次证明三个连续偶数的哥德巴赫猜想成立，甚至能给出这些偶数的哥德巴赫分拆数（偶数二元一次不定方程的全部“解”。WHS筛法的三筛法，用代数方法复制数学模型，能够证明偶数哥德巴赫猜想成立。
我用WHS筛法，找到素数集合（126*252000）即各区间的数理逻辑数学模型，用这些数学模型筛出偶数哥德巴赫猜想成立的科学数据，退休后，19年来做了约100G文件，按100M/时播放，约1000小时的播放量。
总之，只要人们用心去做，有了计算机的支持，哥德巴赫猜想成立的证明完全能做到。
有了正确的证明方法，数学界和数学家们，应该愿意用实践去证明验证数学新方法是正确的数学方法，哥德巴赫猜想成立是真理。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-16 09:44

图灵机工作原理，《虚实世界》P52页《千禧年难题PNP的逻辑证明》
摘要":图灵的图灵机工作原理。这个装置包含一条无限长的磁带，上面划有小格，每一格上包含符号0或1，另有一个能够呈几种状态的读写头。读写头可以沿着磁带逐格移动，每一步执行下列行为中一项:在当前格子中书写1，在当前格子中书写0，向左移动一格，向右移动一格，将当前状态改写为另一状态，保持当前状态，停机。
就这样，读写头的每一步仅有这7种可能性。但图灵指出，对上述有限行为进行组合的机器，能够计算任何可被计算的过程。"由天气预报的逻辑真值表可构成P，NP关系的逻辑架构，将图灵机读写头的移动和状态直接用0，1逻辑代数表达式表达运算，可得出P，NP关系的逻辑真值表。
结论:由逻辑真值表可得出，存在前提S=1，则至少有一个P问题等于NP问题即P←→NP(P=NP)，对所有的类P及类NP问题，则有P=NP，也有P≠NP
NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。假设P ≠ NP的图解。若P = NP则三类相同。而如果任何一个NP问题都能通过一个多项式时间算法转换为某个NP问题，那么这个NP问题就称为NP完全问题(Non-deterministic Polynomial complete problem)。NP完全问题也叫做NPC问题。
有些计算问题是确定性的，比如加减乘除之类，你只要按照公式推导，按部就班一步步来，就可以得到结果。但是，有些问题是无法按部就班直接地计算出来。比如，找大质数的问题。有没有一个公式，你一套公式，就可以一步步推算出来，下一个质数应该是多少呢?这样的公式是没有的。再比如，大的合数分解质因数的问题，有没有一个公式，把合数代进去，就直接可以算出，它的因子各自是多少?也没有这样的公式。
这种问题的答案，是无法直接计算得到的，只能通过间接的"猜算"来得到结果。这就是非确定性问题。而这些问题的通常有个算法，它不能直接告诉你答案是什么，但可以告诉你，某个可能的结果是正确的答案还是错误的。这个可以告诉你"猜算"的答案正确与否的算法，假如可以在多项式时间内算出来，就叫做多项式非确定性问题。而如果这个问题的所有可能答案，都是可以在多项式时间多流水线调度实际上是一个NP完全问题内进行正确与否的验算的话，就叫完全多项式非确定问题。
完全多项式非确定性问题可以用穷举法得到答案，一个个检验下去，最终便能得到结果。但是这样算法的复杂程度，是指数关系，因此计算的时间随问题的复杂程度成指数的增长，很快便变得不可计算了。
人们发现，所有的完全多项式非确定性问题，都可以转换为一类叫做满足性问题的逻辑运算问题。既然这类问题的所有可能答案，都可以在多项式时间内计算，人们于是就猜想，是否这类问题存在一个确定性算法，可以在多项式时间内直接算出或是搜寻出正确的答案呢?这就是著名的NP=P?的猜想。
解决这个猜想，是找到一个这样的算法，找到素数和其它素数相加得到偶数，即“1+1”只要针对特定NP完全问题找到一个算法，所有这类问题都可以迎刃而解了，因为他们可以转化为同一个问题。
对上述有限行为进行组合的机器，能够计算任何可被计算的过程。"由哥德巴赫猜想定义逻辑真值表可构成P，NP关系的逻辑架构，将计算机输入状态直接用0，1逻辑代数表达式表达运算，可得出P，NP关系的逻辑真值表。
结论:由逻辑真值表可得出，存在前提S=1，则至少有一个P问题等于NP问题即P←→NP(P=NP)，对所有的类P及类NP问题，则有P=NP，也有P≠NP
NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。

以下由作者编写：
用WHS筛法的双筛法，能得到自然数的素数集合，和按数理逻辑要求得到数学模型。用代数解析的方法复制数学模型，能得到大于2的全部偶数的1+1的解，证明了偶数哥德巴赫猜想成立。
∵由偶数哥德巴赫猜想成立，逻辑推理得到奇数哥德巴赫猜想成立。
∴哥德巴赫猜想成立
WHS筛法能完美解决，完全多项式非确定性问题可以用穷举法得到答案，算法的复杂程度，是指数关系，因此计算的时间随问题的复杂程度成指数的增长，很快便变得不可计算了的问题。
WHS筛法使不可计算变得容易计算。瓶颈难题完满解决。
随之证明NP=P得到《千禧年难题PNP的逻辑证明》
∵所有的完全多项式非确定性问题，都可以转换为一类叫做满足性问题的逻辑运算问题。既然这类问题的所有可能答案，都可以在多项式时间内计算，人们于是就猜想，是否这类问题存在一个确定性算法，可以在多项式时间内直接算出或是搜寻出正确的答案呢?这就是著名的NP=P?的猜想。
WHS筛法就是一个确定性算法，使得NP=P。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

qhdwwh · 发表于 2025-1-17 10:53

用WHS筛法的序数和法，证明任何偶数表示成二个素数之和，只要选好二个区间的数学模型，进行排列组合，很快就能得到该偶数的“1+1”构成，证明哥德巴赫猜想成立。下面给出一些实例：

63252004 63252008 63252006
557 574 1180

31752004 31752006 31752008
836 2170 851

上面一行是三个连续的偶数，第二行是偶数筛出的“1+1”数量，这是由42000个对应数组的组合筛出的。
这些筛法的具体工作是计算机完成的，非常快捷﹑正确﹑也是唯一的答案。
可见，对大于2的任何偶数，用WHS筛法都能给出“1+1”的答案，哥德巴赫猜想成立。
如果应用三筛法，一次就能筛出比已知素数更大的偶数区间哥德巴赫猜想成立。
正如chatGPT4.0所言：如果找到一种数学方法，能够证明对于任何大于2的偶数，哥德巴赫猜想都能成立，那么这确实算是对哥德巴赫猜想的正式证明。这将是数学史上的一项重大突破。
WHS筛法就是这样的数学方法。

		自动登录	找回密码
密码			注册