[论文解读] On localization in Kronecker's diophantine theorem

Michel Weber|arXiv (Cornell University)|Jun 24, 2008

Mathematical Dynamics and Fractals参考文献 8被引用 6

一句话总结

本文通过建立一个显式上界，对克罗内克的丢番图逼近定理进行了概率性改进，该上界给出了最小区间长度 $ T $，使得对任意目标值 $ \beta_1, \dots, \beta_N $，存在实数 $ t \in [d, d+T] $ 满足 $ \|t\lambda_j - \beta_j\| \leq 1/\omega $，其中 $ \lambda_1, \dots, \lambda_N $ 为 $ \mathbb{Q} $-线性无关。该上界依赖于一个最小非零线性型 $ \Xi $ 以及 $ N $ 和 $ \omega $ 的对数项，通过一种新颖的概率框架（涉及加权和与小偏差概率）改进了先前的估计。

ABSTRACT

We study the localization problem appearing in Kronecker's diophantine theorem. We introduce a probabilistic approach allowing to extend for general $\Q$-linearly independent sequences a result of Túran concerning the sequence $ (\log p_\ell)$, $p_\ell$ being the $\ell$-th prime.

研究动机与目标

• 为克罗内克定理保证的 $ N $ 个实数 $ \lambda_j $ 同时逼近到 $ 1/\omega $ 精度的最小区间长度 $ T $ 提供定量估计。
• 通过概率方法将图兰关于 $ \lambda_\ell = \log p_\ell $ 的结果推广到一般 $ \mathbb{Q} $-线性无关序列。
• 解决先前研究中缺乏对 $ t $-范围的显式估计，特别是在加权和的小偏差背景下。
• 建立丢番图逼近与概率论中小偏差概率之间的联系。
• 在 $ \omega $、$ N $ 和线性组合 $ \lambda_k $ 的最小非零值 $ \Xi $ 的表达下，推导出 $ T $ 的精确且显式的上界。

提出的方法

• 基于随机变量 $ U $ 的概率密度与 $ G^2(t) $ 成比例，引入一个基于 $ \left| \frac{\sin \pi T U}{U} \right| $ 的期望值的概率框架，以估计逼近成立的集合的测度。
• 使用积分表示 $ \int_{\mathbb{R}} G^2(t) dt $，并应用霍尔德不等式来界定期望，从而导出涉及随机变量 $ V $ 的 $ \mathbf{E}[|V|^{r-1}] $ 的关键估计。
• 定义 $ \Xi = \min \left| \sum \lambda_k u_k \right| $，其中 $ u_k $ 为满足 $ |u_k| \leq 6\omega \log(N\omega/C_0) $ 的非零整数向量，用以量化线性无关性的强度。
• 推导出上界 $ T > \frac{3}{\pi \Xi} \left( \frac{2\sqrt{3}\, \omega}{C_0} \sqrt{\log(N\omega/C_0)} \right)^N $，确保存在 $ t \in [d, d+T] $ 满足逼近条件。
• 通过变换关联 $ \omega $、$ \Xi $ 和区间长度 $ T $，表明 $ T \Xi \sim \left( \frac{4\omega}{C_0} \sqrt{\log(N\omega/C_0)} \right)^N $。
• 将所得上界与陈的结果 $ \sum \|t\lambda_n - \alpha_n\| \leq \varepsilon $ 进行比较，表明当 $ \omega $ 相对于 $ N $ 不太大时，新上界 $ T_W \ll T_C $。

实验结果

研究问题

• RQ1 能否通过概率方法获得一个显式上界，以确定区间长度 $ T $，使得对任意 $ \mathbb{Q} $-线性无关的 $ \lambda_j $，存在 $ t \in [d, d+T] $ 满足 $ \|t\lambda_j - \beta_j\| \leq 1/\omega $？
• RQ2 在有界整数系数下，线性组合 $ \sum \lambda_k u_k $ 的最小非零值 $ \Xi $ 如何影响所需区间长度 $ T $？
• RQ3 在何种参数范围内，新上界 $ T_W $ 优于陈的上界 $ T_C $，特别是在比较上范数与 $ \ell^1 $-范数逼近时？
• RQ4 加权独立同分布和的小偏差概率在多大程度上可为丢番图逼近问题提供信息？
• RQ5 对 $ \lambda_n $ 的何种条件可实现小偏差的精确估计？算术性质与概率工具之间如何相互作用？

主要发现

• 存在一个绝对常数 $ C_0 $，使得对任意 $ N, \omega \in \mathbb{N} $，若 $ \lambda_1, \dots, \lambda_N $ 满足 $ \mathbb{Q} $-线性无关条件 (1.6)，则对任意 $ d, \beta_1, \dots, \beta_N $，只要 $ T > \frac{3}{\pi \Xi} \left( \frac{2\sqrt{3}\, \omega}{C_0} \sqrt{\log(N\omega/C_0)} \right)^N $，就存在 $ t \in [d, d+T] $ 满足 $ \sup_j \|t\lambda_j - \beta_j\| \leq 1/\omega $。
• 对 $ T $ 的上界以 $ \Xi $ 显式表示，其中 $ \Xi $ 是在整数系数 $ u_k $ 满足 $ |u_k| \leq 6\omega \log(N\omega/C_0) $ 条件下，$ \left| \sum \lambda_k u_k \right| $ 的最小非零值。
• 当 $ \lambda_\ell = \log p_\ell $ 时，该上界给出 $ T > e^{(1+2\varepsilon)\omega N \log(N\omega/C_0) \log N} $（当 $ N $ 较大时），在 $ \omega $ 不太大时优于图兰的估计。
• 当 $ (\omega/N)^{1/2} \log(N\omega) = o(1) $ 时，新上界 $ T_W $ 显著小于陈的上界 $ T_C $，表明实现了更强的定位结果。
• 概率方法揭示出加权和的小偏差概率本质上具有算术性质，无法仅通过纯概率方法估计。
• 本文表明，当 $ N $ 较大时，有 $ \Xi \geq e^{-(1+\varepsilon)\omega N \log(N\omega/C_0) \log N} $，将其与主上界结合，可导出 $ T $ 的指数型估计。