[论文解读] On the Correlations, Selberg Integral and Symmetry of Sieve Functions in Short Intervals, III

Giovanni Coppola, Maurizio Laporta|arXiv (Cornell University)|Mar 1, 2010

Analytic Number Theory Research参考文献 3被引用 13

一句话总结

本文利用杜克、弗里德兰纳和伊万耶夫的广义双线性型定理，为筛函数在短区间内的塞尔伯格积分与对称性积分建立了新的非平凡渐近公式。当筛函数的等级 $ \lambda \in (1/2,1) $ 时，该研究改进了 $ J_f(N,h) $ 和 $ I_f(N,h) $ 的界，得到 $ O(N^{1-\varepsilon}h^2) $ 的结果，适用于 $ \theta < 1/95 $ 的情形，优于以往在极短区间内的结果。

ABSTRACT

An arithmetic function $f$ is called a sieve function of range $Q$, if it is the convolution product of the constantly $1$ function and $g$ such that $g(q)\ll_{\varepsilon} q^{\varepsilon}$, $\forall\varepsilon&gt;0$, for $q\leq Q$, and $g(q)=0$ for $q&gt;Q$. Here we establish a new result on the autocorrelation of $f$ by using a famous theorem on bilinear forms of Kloosterman fractions by Duke, Friedlander and Iwaniec. In particular, for such correlations we obtain non-trivial asymptotic formulæ that are actually unreachable by the standard approach of the distribution of $f$ in the arithmetic progressions. Moreover, we apply our asymptotic formulæ to obtain new bounds for the so-called Selberg integral and symmetry integral of $f$, which are basic tools for the study of the distribution of $f$ in short intervals.

研究动机与目标

• 推导筛函数在短区间内塞尔伯格积分与对称性积分的非平凡渐近公式。
• 克服标准算术级数分布方法在分析短区间行为时的局限性。
• 通过引入杜克、弗里德兰纳和伊万耶夫的广义双线性型定理，拓展以往结果，以处理混合自相关结构。
• 在 $ \lambda > 1/2 $ 的情形下，建立 $ J_f(N,h) $ 和 $ I_f(N,h) $ 的改进界，尤其在极短区间内。

提出的方法

• 作者使用杜克、弗里德兰纳和伊万耶夫关于克鲁斯滕曼分数的双线性型定理的广义版本，分析筛函数 $ f_1 $ 与 $ f_2 $ 的混合自相关结构。
• 他们定义了混合塞尔伯格积分 $ J_{f_1,f_2}(N,h) $ 与混合对称性积分 $ I_{f_1,f_2}(N,h) $，将经典积分推广至双函数情形。
• 分析基于算术函数 $ f(n) = \sum_{d|n, d \leq Q} g(d) $，其中 $ g(q) \ll_\varepsilon q^\varepsilon $，定义了范围为 $ Q = [N^\lambda] $ 的筛函数。
• 关键技术步骤是通过克鲁斯滕曼和双线性型控制指数和，从而在渐近展开中获得更优的误差项。
• 作者引入记号 $ \phi_1(n) \lesssim_\varepsilon \phi_2(n) $ 表示 $ \phi_1(n) \ll_\varepsilon n^\varepsilon \phi_2(n) $，以实现对误差的精确控制。
• 附录提供了关于有理数上第一类伯努利函数的一个傅里叶分析证明，该公式在主结果推导中起到关键作用。

实验结果

研究问题

• RQ1 能否在标准算术级数分布方法的适用范围之外，为筛函数的塞尔伯格积分与对称性积分推导出非平凡渐近公式？
• RQ2 当筛函数的等级 $ \lambda > 1/2 $ 时，$ J_f(N,h) $ 与 $ I_f(N,h) $ 的误差界能实现何种程度的改进？
• RQ3 与经典方法相比，使用克鲁斯滕曼和上的双线性型在分析短区间自相关结构方面有何优势？
• RQ4 在极短区间内，特别是当 $ \theta < 1/95 $ 时，$ J_f(N,h) $ 与 $ I_f(N,h) $ 的界能被改进到何种程度？
• RQ5 混合自相关积分 $ J_{f_1,f_2}(N,h) $ 与 $ I_{f_1,f_2}(N,h) $ 是否能提供比单函数情形更精确的估计？

主要发现

• 对于等级 $ \lambda \in (1/2,1) $ 的筛函数，塞尔伯格积分满足 $ J_f(N,h) \lesssim_\varepsilon Nh + N^\delta Q^{2-\Delta}h^2 + N^{1-2\delta/3}h^2 + Qh^2 $，其中 $ \Delta = 1/48 $，相比以往结果（$ \Delta = 0 $）实现改进。
• 对称性积分满足 $ I_f(N,h) \lesssim_\varepsilon Nh + N^\delta Q^{2-\Delta}h^2 + N^{1-2\delta/3}h^2 $，显示出类似的误差控制能力。
• 当 $ \theta < 1/95 $ 时，界进一步优化为 $ O_{\varepsilon_0}(N^{1-\varepsilon_0}h^2) $，适用于 $ J_f(N,h) $ 与 $ I_f(N,h) $，在极短区间内实现非平凡的节省。
• 混合积分 $ J_{f_1,f_2}(N,h) \lesssim_\varepsilon Nh + N^\delta Q_1^{53/48}Q_2^{7/8}h^2 + N^{1-2\delta/3}h^2 + Q_1h^2 $，其中 $ \lambda_1 \geq \lambda_2 $，表明该方法在非对称情形下依然稳健。
• 结果表明，通过双线性型的自相关方法在短区间分析中可超越经典方法，尤其在 $ \theta \in (0,1/95) $ 时表现更优。
• 附录建立了有理数上第一类伯努利函数的傅里叶分析恒等式，对处理主推导中的指数和至关重要。