[论文解读] A Remark on the Conjectures of Lang-Trotter and Sato-Tate on Average

Stephan Baier|ArXiv.org|Aug 19, 2007

Analytic Number Theory Research参考文献 11被引用 4

一句话总结

本文建立了关于有理数域上椭圆曲线的Lang-Trotter与Sato-Tate猜想的新平均阶结果。通过分析特征和，并在满足 |a| ≤ A, |b| ≤ B 的曲线族 E(a,b) 上取平均，证明了在比以往工作更宽松的 A 与 B 条件下，具有固定迹 ap(E) = r 或弗罗贝尼乌斯角属于 [α,β] 的素数密度与预测的Sato-Tate分布一致。

ABSTRACT

We obtain new average results on the conjectures of Lang-Trotter and Sato-Tate about elliptic curves.

研究动机与目标

• 在参数 A 和 B 较小时，为椭圆曲线族 E(a,b) 建立Lang-Trotter猜想的平均渐近公式。
• 将Sato-Tate猜想扩展至非复乘非自守椭圆曲线族的平均行为，并改进误差界。
• 放宽先前平均结果中对 A 和 B 的限制，允许 A,B > x^ε 而非 A,B > x^{1/2+ε}。
• 通过排除CM曲线或证明其影响在给定条件下可忽略，处理CM曲线（违反Sato-Tate）的贡献。
• 利用特征和界与引理1（Pólya-Vinogradov与Burgess型估计的混合）改进误差项估计，实现更强的一致性。

提出的方法

• 在椭圆曲线族 E(a,b): y² = x³ + ax + b 上取平均，其中 |a| ≤ A, |b| ≤ B，推导出满足 ap(E) = r 或 ap(E)/(2√p) ∈ [α,β] 的素数 p ≤ x 的数量的渐近公式。
• 应用特征和技巧估计平均计数函数中的主项与误差项，特别关注 p ≤ x 时对 Frobenius 迹落在给定区间的素数求 ∑ log p。
• 采用改进的特征和界（引理1），取 η = 1/20，以控制误差项 E₁(p)，取代先前的Pólya-Vinogradov估计，从而允许更小的 A 与 B。
• 通过类数估计与 H(r²−4p)（Hurwitz类数）的界，控制特征和支撑集的大小，从而控制相关同源类的数量。
• 施加条件 AB < x^C（C > 3/2 + ε）与 AB > x^{1+ε}/F(α,β)，以平衡误差项并确保主项占主导。
• 由于复乘导致Sato-Tate不成立并引发发散行为，故排除满足 ab = 0 的曲线（即 E(a,0) 与 E(0,b)）。

实验结果

研究问题

• RQ1 能否在 A,B > x^ε 而非要求 A,B > x^{1/2+ε} 的条件下，建立椭圆曲线族的平均Lang-Trotter猜想？
• RQ2 CM椭圆曲线在多大程度上扭曲了平均Sato-Tate分布？在给定平均条件下，其贡献能否被证明可忽略？
• RQ3 能否通过特征和方法足够紧密地有界Sato-Tate平均的误差项，以在放宽参数约束下实现相对误差 O(1/log^c x)？
• RQ4 能否通过用更强的混合特征和估计替代Pólya-Vinogradov估计，改进平均Sato-Tate结果的适用范围？
• RQ5 当 x → ∞ 时，∑_{|a|≤A}∑_{|b|≤B} π_{E(a,b)}^r(x) 的精确渐近行为是什么？其与预测值 C_r π_{1/2}(x) 的比较如何？

主要发现

• 当 r ≠ 0 时，在 A,B > x^ε 且 x^{3/2+ε} < AB < x^C 的条件下，对满足 |a| ≤ A, |b| ≤ B 的族 E(a,b)，平均满足 (1/4AB)∑∑π_{E(a,b)}^r(x) ∼ C_r π_{1/2}(x)（x → ∞）。
• 当 r = 0 时，平均满足 (1/4AB)∑∑π_{E(a,b)}^0(x) ∼ (π/3) π_{1/2}(x)，排除 ab = 0 的曲线以避免CM干扰。
• CM曲线（排除 E(a,0), E(0,b)）的贡献被有界为 ≪ min{A^{1/2}, B^{1/3}} / (AB) · π(x) ≪ x^{1/4}，与主项 π_{1/2}(x) ≪ x / √log x 相比可忽略。
• 对于Sato-Tate平均，在 F(α,β) ≥ x^{-1/2+ε}，γ/β ∈ [x^{ε-5/12}, x^{-ε}]，且 AB > x^{1+ε}/F(α,β) 的条件下，平均满足 (1/4AB)∑∑Θ_{E(a,b)}(α,β;x) = x F(α,β) (1 + O(1/log^c x))。
• 关键创新在于用引理1的混合特征和估计替代Pólya-Vinogradov界以控制误差项 E₁(p)，从而将 A,B > x^{1/2+ε} 的条件放松为 A,B > x^ε。
• 误差项界 ∑|E₁(p)| ≪ x^{1+2ε₁} F(α,β) (AB^{19/20} + A^{19/20}B + x^{-1/20} AB) 确保主项占主导，从而得到相对误差为 O(1/log^c x) 的期望渐近式。