Average sizes of mixed character sums

“混合特征和的平均大小”技术摘要

问题陈述
本文研究了如下形式的混合特征和的平均大小：
$$S(\chi) = \sum_{1 \le n \le x} \chi(n) e(n\theta) w(n/x)$$
其中 $\chi$ 是模为大素数 $r$ 的狄利克雷特征，$\theta$ 是一个实数，$w$ 是支撑在 $[0,1]$ 上的光滑权重函数，$x \le r$。作者旨在确定当 $\chi$ 在所有 $\chi \pmod r$ 上进行平均时，该和式的典型量级。

前人的工作（如 Harper）已经证明，对于有理数 $\theta$（或随机乘性函数模型），其平均大小为 $o(\sqrt{x})$，表现出“优于平方根的抵消（better than square-root cancellation）”。然而，对于无理数 $\theta$，其行为仍是一个悬而未决的问题。本文解决的核心问题是：当 $\theta$ 是满足特定丢番图条件的无理数时，其平均大小是保持为 $o(\sqrt{x})$，还是回归到“平方根量级”（$\asymp \sqrt{x}$）。

方法论
作者采用了矩方法，具体通过分析该和式的二阶和四阶矩来通过 Hölder 不等式来限制其一阶绝对矩。证明过程根据 $x$ 相对于 $r$ 的大小分为两个区间：

1. 短和情况 ($x \le \sqrt{r}$):

   • 作者利用了狄利克雷特征的正交性。在此范围内，四阶矩展开中的同余条件 $m_1 m_2 \equiv n_1 n_2 \pmod r$ 简化为等式 $m_1 m_2 = n_1 n_2$，因为变量相对于 $r$ 较小。
   • 问题转化为估计关于整数解 $m_1 m_2 = n_1 n_2$ 的指数和。
   • 作者借鉴了 Heap 和 Soundararajan 的技术（具体见参考文献 [13] 关于随机乘性函数的部分）。他们对解进行参数化，并使用 Möbius 反演来检测互质性。
   • 一个关键的技术步骤是对 $\theta$ 施加丢番图条件（具体为 $\|q\theta\| \ge C \exp(-q^{1/4})$），以限制频率非零时的指数和。他们定义了一个“坏”整数集合 $L$，并证明由于 $L$ 的间距性质，来自频率落在 $L$ 中的项的贡献是可以忽略不计的。

2. 长和情况 ($\sqrt{r} \le x \le r$):

   • 由于变量超过了 $\sqrt{r}$，直接的正交性失效。相反，作者应用 Poisson 求和公式，将对 $n \in [1, x]$ 的求和转换为对模 $r$ 的频率 $m$ 的对偶和，从而有效地将范围 $x$ 替换为 $r/x$。
   • 这种变换引入了一个涉及权重函数傅里叶系数和高斯和的对偶问题。
   • 四阶矩的计算归结为计数满足特定二次丢番图方程的同余解的数量：
     $$k(m_1 + m_2 - n_1 - n_2) \equiv n_1 n_2 - m_1 m_2 \pmod r$$
     其中 $k = \lfloor r\theta \rfloor$。
   • 作者利用一个单射引理（引理 3.2）将 4 变量解集映射到由双曲方程 $ab + 2cS = S^2 - 4P$ 定义的 3 变量集合。
   • 计数问题随后利用 鸽笼原理 结合 $\theta$ 的丢番图逼近性质得到解决。他们表明，在相关范围内满足同余式 $kS \equiv P \pmod r$ 的解 $(S, P)$ 的数量足够小，从而防止四阶矩增长过大。

主要贡献与结果

• 主定理 (Theorem 1.1): 作者证明了对于满足弱丢番图条件 $\|q\theta\| \ge C \exp(-q^{1/4})$ 的无理数 $\theta$，混合特征和的平均大小为 $\sqrt{x}$ 量级。具体而言：
  $$\sqrt{x} \ll \frac{1}{r-1} \sum_{\chi \pmod r} \left| \sum_{1 \le n \le x} \chi(n) e(n\theta) w(n/x) \right| \ll \sqrt{x}$$
  这对于所有 $x \le r$ 均一致成立。
• 与有理数 $\theta$ 的对比： 该结果证实了 Harper 在有理 $\theta$（及随机模型）中观察到的“优于平方根的抵消”现象，在典型的无理 $\theta$ 下并不持续存在。加性扭转 $e(n\theta)$ 破坏了实现额外抵消所需的精细结构。
• 丢番图条件： 本文确立了相对较弱的丢番图条件（比以往文献中随机乘性函数所需的条件更弱）足以确保平方根量级。该条件被大多数无理数（包括 $\pi, e$ 以及代数无理数）所满足。
• 分布问题： 作者提出了归一化和是否收敛到标准复高斯分布的问题。他们指出，虽然在小 $x$ 时（此时正交性是完美的）结论成立，但 Bober, Klurman, 和 Shala 的近期工作表明，在全范围 $x=r$ 时答案是否定的。

意义
本文表明，特征和中的“优于平方根的抵消”是一种脆弱的性质，对加性扭转的算术本质高度敏感。通过证明对于无理 $\theta$，平均大小回归到标准的 $\sqrt{x}$ 界限，作者划定了有理扭转的类随机行为与无理扭转的确定性行为之间的界限。这项工作将混合特征和的研究与临界乘性混沌（critical multiplicative chaos）及丢番图逼近理论联系起来，为理解加性扰动如何影响乘性函数的分布提供了一个严谨的框架。将四阶矩技术性地归约为二次丢番图方程计数问题的过程，代表了该领域的一种新颖的方法论贡献。