[논문 리뷰] The two dimensional distribution of values of $\zeta(1+it)$

Youness Lamzouri|arXiv (Cornell University)|2008. 01. 24.

Analytic Number Theory Research참고 문헌 15인용 수 4

한 줄 요약

이 논문은 복소평면에서 리만 제타함수 ζ(1+it)의 값의 이변량 분포를 조사하며, |ζ(1+it)|와 arg ζ(1+it)의 공동분포에 초점을 맞춘다. 무작위 오일러乘수 모델과 토러스 위의 푸리에 분석을 사용하여, 극단적인 값의 꼬리 확률에 대한 정밀한 점근적 추정을 수립한다. 이는 극단적인 값이 양의 실수축 부근에 집중되어 있으며, 그 각도가 τ/log τ에 비례하는 분산을 가진 정규분포와 유사하게 행동함을 보여준다. 이러한 결과는 큰 소수를 법으로 하는 딜레르트 캐릭터에 대한 L(1,χ)로도 확장된다.

ABSTRACT

We prove several results on the distribution function of $\\zeta(1+it)$ in the complex plane, that is the joint distribution function of $\\arg\\zeta(1+it)$ and $|\\zeta(1+it)|$. Similar results are also given for $L(1,\\chi)$ (as $\\chi$ varies over non-principal characters modulo a large prime $q$).

연구 동기 및 목표

• 큰 t에 대해 |ζ(1+it)|와 arg ζ(1+it)의 공동분포를 이해하기 위해, 특히 복소평면에서 큰 값의 꼬리 행동을 분석하는 것.
• 단위 원 위에서 균일하게 분포하는 독립적인 랜덤 변수 X(p)를 사용하여, 무작위 오일러 곱 L(1,X) = ∏_p≤y (1 − X(p)/p)^{-1}을 정의함으로써 ζ(1+it)의 분포를 모델링하는 것.
• 1 ≪ τ ≤ log₂T − log₃T 인 범위에서, |ζ(1+it)| > e^γτ 및 |arg ζ(1+it)| > θ 를 만족하는 t ∈ [T,2T]의 측도에 대한 정밀한 점근적 추정을 수립하는 것.
• 큰 소수 q를 법으로 하는 비자명한 딜레르트 캐릭터 χ에 대해 L(1,χ)로 결과를 확장하여, 유사한 분포 행동을 증명하는 것.
• 큰 |ζ(1+it)|를 가진 ζ(1+it)의 각도가 특정한 분산을 가진 정규분포로 점근적으로 수렴함을 보이는 것.

제안 방법

• 단위 원 위에서 균일하게 분포하는 독립적인 랜덤 변수 X(p)를 사용하여, 무작위 오일러 곱 L(1,X) = ∏_p≤y (1 − X(p)/p)^{-1}을 정의하는 확률 모델을 구성하는 것.
• p ≤ y 인 {p^it mod 1}의 등분포를 n차원 토러스 위의 푸리에 분석을 통해 분석하고, 이를 χ mod q에 대한 캐릭터 값 {χ(p)}로 확장하는 것.
• 모멘트의 방법을 적용하고, ζ(1+it)와 L(1,X)의 모멘트를 비교하여, 특정 조건 하에서 이들이 점근적으로 동일함을 보이는 것.
• 무작위 모델을 활용하여, 약수 함수 합과 지수합의 추정을 이용해 공동분포 함수 Φ_T(τ,θ)에 대한 상한과 하한을 유도하는 것.
• 캐릭터의 수직성과 산술급수 위의 지수합에 대한 추정을 이용하여, q 모듈로의 캐릭터 값 {χ(p)}의 균일 분포 결과를 증명하는 것.
• 적절한 가중치를 사용한 arg ζ(1+it)의 특성함수를 평가하여, 정규법으로 수렴함을 보이며, 분산이 log(τ⁻¹−C)/(2e^{τ−1−C})임을 보이는 것.

실험 결과

연구 질문

• RQ1 ζ(1+it)의 큰 값들은 복소평면에서 어떻게 분포되어 있는가, 특히 그 크기와 각도 측면에서 어떻게 되는가?
• RQ2 |ζ(1+it)| > e^γτ 및 |arg ζ(1+it)| > θ 를 만족하는 t ∈ [T,2T]의 측도에 대한 정밀한 점근적 행동은 무엇인가?
• RQ3 무작위 오일러 곱 모델은 ζ(1+it)의 분포를 어느 정도 정확하게 반영하는가?
• RQ4 큰 |ζ(1+it)|를 가진 ζ(1+it)의 각도는 점근적으로 정규분포로 수렴하는가?
• RQ5 ζ(1+it)에 대한 결과는 큰 소수를 법으로 하는 딜레르트 L-함수 L(1,χ)로 어떻게 확장되는가?

주요 결과

• 1 ≪ τ ≤ log₂T − log₃T 이고 고정된 θ > 0 이면, |ζ(1+it)| > e^γτ 및 |arg ζ(1+it)| > θ 를 만족하는 t ∈ [T,2T]의 비율은 exp(−e^{τ(1+o_θ(1))})로 감소하며, 이는 꼬리가 너무 빨리 감소하지 않음을 보여준다.
• 1 ≪ τ ≤ (log₂T)/2 − 2 log₃T 이고 (log τ)√(log₂τ)/τ < θ ≪ 1 이면, 공동꼬리 확률은 Φ_T(τ,θ) = exp(−e^{τ + θ²τ/(2 log τ) + O(θ²τ/log₂τ)}), 이는 각도에 대해 가우시안 유사 감소를 보여준다.
• T,2T] 내에서 |ζ(1+it)| > e^γτ 를 만족하는 거의 모든 t 값은 |arg ζ(1+it)| ≤ (log τ)√(log₂τ)/τ 를 만족하며, 이에 어긋나는 집합의 측도는 최대 exp(−exp(τ + (log τ log₂τ)/2)) 이다.
• 큰 |ζ(1+it)| ≈ e^γτ 인 경우, ζ(1+it)의 각도는 평균 0, 분산 log(τ⁻¹−C)/(2e^{τ−1−C}) 를 가진 정규분포로 점근적으로 수렴한다. 여기서 C는 수정 베셀 함수 I₀(t)의 적분을 통해 정의되는 양수 상수이다.
• 결과는 큰 소수 q를 법으로 하는 비자명한 캐릭터 χ에 대해 L(1,χ)로도 확장되며, 유사한 꼬리 추정과 각도의 정규성 결과를 얻는다. 이는 τ ≤ log₂q − log₃q 범위에서 균일하게 성립한다.
• 랭-왈드슈마이트 추측이 참이라면, Φ_T(τ,θ)에 대한 상한과 하한은 전체 범위 1 ≪ τ ≤ log T − log 10 에서 조건 없이 성립하며, 이는 모델의 강건성을 확인한다.