On density of the zeros of Dedekind zeta-functions

1. Problématique et Contexte

L'article s'intéresse à la distribution des zéros non triviaux des fonctions zêta de Dedekind $\zeta_K(s)$ associées à un corps de nombres $K$ de degré $k = [K : \mathbb{Q}]$.
Soit $N_\zeta(\sigma, K, T)$ le nombre de zéros $\rho = \beta + i\gamma$ de $\zeta_K(s)$ tels que $|\gamma| \le T$ et $\beta \ge \sigma$, comptés avec multiplicité.

Le problème central est d'établir des bornes supérieures (estimations de densité) pour $N_\zeta(\sigma, K, T)$ dans la bande critique $1/2 \le \sigma \le 1$. Ces estimations sont cruciales pour comprendre la répartition des zéros et leurs implications en théorie des nombres (par exemple, pour les erreurs dans la loi de distribution des nombres premiers).

État de l'art avant ce travail :

• Pour $k=2$ (corps quadratiques), Heath-Brown [4] a établi des bornes de la forme $T^{A(\sigma)(1-\sigma)+\varepsilon}$, où $A(\sigma)$ varie selon $\sigma$.
• Pour $k \ge 3$, Heath-Brown [4] a montré que $N_\zeta(\sigma, K, T) \ll T^{k(1-\sigma)+\varepsilon}$.
• Des améliorations récentes (utilisant des résultats de Bourgain, Ivić, Chen-Debruyne-Vindas) ont permis d'affiner ces bornes pour certains intervalles de $\sigma$, mais des lacunes subsistaient, notamment pour $3 \le k \le 6$ et pour les valeurs de $\sigma$ proches de 1.

2. Méthodologie

L'auteur utilise une approche combinant la technique de détection des zéros (zero-detecting technique) et des estimations de moments de la fonction zêta.

A. Technique de détection des zéros

L'idée est de construire un polynôme de Dirichlet $M_X(s, K)$ (une troncature de l'inverse de la fonction zêta) tel que :
$$\zeta_K(s) M_X(s, K) = \sum_{n=1}^\infty \frac{C_X(n, K)}{n^s}$$
où les coefficients $C_X(n, K)$ sont nuls pour $2 \le n \le X$.
Si $\zeta_K(s)$ a un zéro $\rho$, alors la somme partielle impliquant les coefficients $D_X(n, K)$ (résidus pour $n > X$) doit être grande. Cela permet de diviser les zéros en deux classes :

1. Classe 1 : Les zéros où la somme discrète est grande.
2. Classe 2 : Les zéros où l'intégrale de $\zeta_K$ sur un petit intervalle vertical est grande.

L'estimation totale $N_\zeta$ est alors bornée par la somme des nombres de zéros de ces deux classes ($R_1 + R_2$).

B. Estimations de moments et paires d'exposants

• Pour la Classe 2 : L'auteur utilise un résultat récent de Zhang [5] (cité dans le papier) qui établit une borne de moment d'ordre 2 pour $\zeta_K(1/2+it)$ :
  $$\zeta_K(1/2+it) \ll t^{k/6+\varepsilon}$$
  Cette borne est supérieure à la borne classique $t^{k/4}$ et est valable pour tout corps $K$ (abélien ou non). Cela permet d'éliminer la classe 2 pour un choix approprié du paramètre $Y$.
• Pour la Classe 1 : L'auteur utilise la méthode de subdivision de Huxley pour diviser l'intervalle $[-T, T]$ en sous-intervalles. Il applique ensuite l'inégalité de Halász-Montgomery pour borner la somme exponentielle impliquant les zéros.
• Paires d'exposants : Le résultat final dépend du choix d'une paire d'exposants $(\kappa, \lambda)$, un concept classique en théorie analytique des nombres (lié aux sommes d'exponentielles).

3. Résultats Principaux

L'article présente deux théorèmes majeurs qui améliorent les résultats connus de Heath-Brown [4] et d'autres travaux récents.

Théorème 1.1 (Cas $k=2$)

Pour un corps quadratique ($k=2$), l'auteur obtient une borne plus précise lorsque $\sigma$ est proche de 1.
$$N_\zeta(\sigma, K, T) \ll T^{\frac{4}{6\sigma-3}(1-\sigma)+\varepsilon}$$
Cette borne est valable pour $\sigma$ dans un intervalle défini par une paire d'exposants $(\kappa, \lambda)$ satisfaisant certaines conditions (ex: $\kappa < 1/4$).

• Exemple concret : En choisissant la paire $(\kappa, \lambda) = (1/14, 11/14)$, on obtient la borne ci-dessus pour $19/20 < \sigma \le 1$.
• Signification : Cela améliore l'exposant $A(\sigma)$ de Heath-Brown pour $\sigma$ très proche de 1.

Théorème 1.2 (Cas $k \ge 3$)

Pour tout corps de nombres de degré $k \ge 3$, l'auteur établit :
$$N_\zeta(\sigma, K, T) \ll T^{\frac{2k}{6\sigma-3}(1-\sigma)+\varepsilon}$$
Valable pour :
$$\frac{2k+3}{2k+6} \le \sigma < 1$$

• Comparaison avec Heath-Brown :
  • Pour $3 \le k \le 6$, ce résultat améliore la borne de Heath-Brown ($T^{k(1-\sigma)}$) dans l'intervalle $5/6 \le \sigma \le 1$.
  • Pour $k \ge 7$, ce résultat améliore les estimations basées sur la sous-convexité (résultats de [11]) qui donnaient $T^{((6+2k)/3)(1-\sigma)}$.
  • L'amélioration provient de l'utilisation de la borne de moment $t^{k/6}$ au lieu de $t^{k/4}$ ou d'autres bornes plus faibles.

4. Contributions Clés et Signification

1. Utilisation de la borne de moment $k/6$ : La contribution technique la plus importante est l'application systématique du résultat de Zhang [5] ($\zeta_K(1/2+it) \ll t^{k/6+\varepsilon}$) au problème de la densité des zéros. Auparavant, les estimations de densité pour les corps de nombres généraux reposaient souvent sur des bornes de moments plus faibles ($k/4$).
2. Amélioration pour les petits degrés ($3 \le k \le 6$) : Le papier comble un vide dans la littérature en fournissant des bornes plus serrées pour les corps de degré moyen, là où les résultats précédents de Heath-Brown n'étaient pas optimaux.
3. Optimisation pour les grands degrés ($k \ge 7$) : Pour les corps de haut degré, la nouvelle borne devient strictement meilleure que les résultats de sous-convexité standards, car l'exposant $\frac{2k}{6\sigma-3}$ devient inférieur à $k$ (ou à $(6+2k)/3$) dans la zone considérée.
4. Généralité : Les résultats s'appliquent à tous les corps de nombres, sans restriction d'abélianité, grâce à la robustesse de la borne de moment utilisée.

Conclusion

Wei Zhang réussit à affiner significativement les estimations de densité des zéros des fonctions zêta de Dedekind en combinant des techniques modernes de détection de zéros avec des bornes de moments d'ordre 2 améliorées. Ce travail démontre que l'exploitation de la borne $t^{k/6}$ permet de dépasser les limites des méthodes classiques de Heath-Brown, offrant une compréhension plus fine de la distribution des zéros, en particulier dans la région proche de la droite $\sigma = 1$.