[论文解读] Dirichlet polynomials: some old and recent results, and their interplay in number theory

Michel Weber|arXiv (Cornell University)|Jul 28, 2009

Analytic Number Theory Research参考文献 43被引用 4

一句话总结

这篇综述论文探讨了Dirichlet多项式与解析数论中核心问题之间的相互作用，尤其是Lindelöf假设和Riemann假设。它建立了Lindelöf假设在Dirichlet多项式上确界范数方面的等价重述，并利用随机Dirichlet级数和高斯过程等概率方法，推导出其上确界范数的精确界限，从而为Riemann zeta函数在临界线上的增长行为提供了新见解。

ABSTRACT

In the first part of this expository paper, we present and discuss the interplay of Dirichlet polynomials in some classical problems of number theory, notably the Lindelöf Hypothesis. We review some typical properties of their means and continue with some investigations concerning their supremum properties. Their random counterpart is considered in the last part of the paper, where a analysis of their supremum properties, based on methods of stochastic processes, is developed.

研究动机与目标

• 统一并呈现关于Dirichlet多项式及其在数论中作用的基础性结果，特别是与Lindelöf假设和Riemann假设的关系。
• 阐明Lindelöf假设如何等价于特定Dirichlet多项式在$L^2$-范数和上确界上的有界性。
• 建立一个概率框架，利用随机过程和高斯混沌的工具，分析随机Dirichlet多项式的上确界范数。
• 为在数论、Dirichlet级数和随机分析交叉领域的分析学家与概率论者提供一份自包含的参考文献。

提出的方法

• 使用傅里叶反演公式和Montgomery–Vaughan版本的Hilbert不等式，估计Dirichlet多项式的均值。
• 应用Euler–Maclaurin公式，将zeta函数的部分和与Bernoulli函数的积分联系起来，从而实现渐近分析。
• 通过柯西随机游走对临界线上的时间$t$进行建模，研究$\theta_n = \frac{1}{2} + iS_n$的几乎必然行为，其中$S_n$是独立同分布的柯西随机变量之和。
• 分析$\tilde{\theta}_n = \theta_n - \text{E}[\theta_n]$的二阶性质，表明其具有弱正交性并呈现对数方差增长。
• 采用对称化和高斯过程技术，通过熵和度量熵方法，对随机Dirichlet多项式的期望上确界进行有界。
• 推导出一个关键界限：$\text{E}[\text{sup}_t |\theta(\frac{1}{2}+it)|] \leq C_{\sigma,\lambda} N^{1/2-\sigma} \tilde{D}_2(N) \left( \left( \frac{\nu \log \log \nu}{\log \nu} \right)^{1/2} + \cdots \right)$，其中$\tilde{D}_2(N)$为系数函数的$L^2$-范数。

实验结果

研究问题

• RQ1 Lindelöf假设如何能以Dirichlet多项式的上确界范数形式重新表述？
• RQ2 近似Dirichlet多项式无零点与Riemann假设之间有何关联？
• RQ3 Dirichlet多项式的均值和$L^2$-范数如何与Riemann zeta函数在临界线上的行为相关联？
• RQ4 可使用哪些概率工具来估计随机Dirichlet多项式的上确界范数？
• RQ5 当$S_n$为柯西随机游走时，$\zeta(\frac{1}{2} + iS_n)$的几乎必然渐近行为是什么？

主要发现

• Lindelöf假设等价于不等式$\left| \sum_{n=1}^N \frac{(-1)^n}{n^{it}} \right| \leq C N^{1/2+\varepsilon} (2+|t|)^\varepsilon$对所有$\varepsilon > 0$成立。
• zeta函数的二阶矩满足$\frac{1}{T} \int_1^T |\zeta(\frac{1}{2}+it)|^{2k} dt = \mathcal{O}_\varepsilon(T^\varepsilon)$，这与Lindelöf假设等价。
• 随机Dirichlet多项式$\mathcal{D}(s) = \sum_{n \leq N} \frac{d(n)}{n^s}$满足$\mathbb{E}[\sup_t |\mathcal{D}(\frac{1}{2}+it)|] \leq C_{\sigma,\lambda} N^{1/2-\sigma} \tilde{D}_2(N) \left( \left( \frac{\nu \log \log \nu}{\log \nu} \right)^{1/2} + \cdots \right)$。
• 系统$\tilde{\zeta}_n = \zeta(\frac{1}{2}+iS_n) - \mathbb{E}[\zeta(\frac{1}{2}+iS_n)]$的行为近似于不相关变量，且满足$\mathbb{E}[|\tilde{\zeta}_n|^2] = \log n + C + o(1)$。
• 通过与高斯过程$U(z) = \sum_{j=1}^\nu g_j p_j^{-1/2} z_j$比较，控制随机Dirichlet多项式的上确界，导出涉及$\nu$、$\log \nu$和$\log \log \nu$的熵相关界限。
• 本文对随机Dirichlet多项式的期望上确界范数实现了精确估计，其依赖于$\nu$、$N$和$\tilde{D}_2(N)$，反映出算术结构与概率集中效应之间的相互作用。