Limiting Distribution and Rate of Convergence for GL(3) Fourier Coefficients

“GL(3) 傅里叶系数的极限分布与收敛速率”技术摘要

问题陈述
本文探讨了与 GL(3) 上自守形式的傅里叶系数求和函数相关的误差项的概率行为。具体而言，设 $f$ 为 GL(3) 的一个固定的自对偶 Hecke–Maass 尖点形式，其归一化傅里叶系数为 $A_f(n, m)$。作者定义误差项 $\Delta_f(x) = \sum_{n \le x} A_f(n, 1)$。核心问题在于确定归一化函数 $F_f(t) = t^{-1/3}\Delta_f(t)$ 当 $t \to \infty$ 时是否具有极限分布，并量化该分布的收敛速率。

这项工作是对 Heath-Brown (1992) 关于经典除数问题和三重除数函数 $\Delta_3(x)$ 的一项开创性结果的类比。虽然 Heath-Brown 确立了除数问题中归一化误差项极限分布的存在性，但本文将该框架扩展到了 GL(3) 自守形式的背景下。

方法论
作者采用了 Heath-Brown 引入并由后续研究（如 Lamzouri、Lau）完善的概率逼近方法。核心策略涉及将由独立随机变量构造的随机三角级数来逼近确定性误差项 $F_f(t)$。

关键的方法论组成部分包括：

1. 随机模型构建：定义一个随机变量 $F_{f,X}$，它是一个涉及傅里叶系数 $A_f(1, n)$ 和在 $[0, 1]$ 上均匀分布的独立随机变量 $\{X_n\}$ 的随机三角级数。该级数的构造旨在模仿由 Voronoï 型求和公式导出的 $\Delta_f(t)$ 的振荡性质。
2. 均值估计与点态估计的区别：本文的一个关键区别在于依赖傅里叶系数的均值估计，而非点态界。作者明确指出，并未假设 GL(3) 系数的强点态估计（如 Ramanujan 猜想）。相反，证明利用了傅里叶系数部分和的均方估计。
3. 分析工具：
   • L-函数界：均方估计（定理 1.2）的证明依赖于建立 $L$-函数 $L(s, f)$ 在临界线上的二阶矩的界。具体而言，作者利用 Pal [22] 的结果表明，对于特定的 $\sigma < 2/3$（具体为 $\sigma = 13/20$），有 $\int_1^T |L(\sigma + it, f)|^2 dt \ll T^{1+\varepsilon}$。
   • 矩匹配：为了证明分布的收敛性，本文证明了截断确定性函数 $F_f(t)$ 的矩在特定范围内与随机模型 $F_{f,X}$ 的矩紧密近似。这涉及利用 $\mathbb{Q}$ 上立方根的线性独立性来界定非对角项。
   • 拉普拉斯变换逼近：通过分析 $F_f(t)$ 的拉普拉斯变换与 $F_{f,X}$ 的拉普拉斯变换的逼近（利用随机级数指数矩的界），来分析大值的分布。

主要贡献与结果

• 定理 1.1（极限分布的存在性）：本文证明了 $F_f(t) = t^{-1/3}\Delta_f(t)$ 具有极限分布函数 $g(\alpha)$。密度函数 $g(\alpha)$ 被证明是光滑的（$C^\infty$）、快速衰减的（Schwartz 类），并可延拓为 $\mathbb{C}$ 上的整函数。该结果在不假设 Ramanujan 猜想的情况下成立。

• 定理 1.2（均方估计）：建立了误差项均方的定量估计：
  $$\int_0^x \Delta_f(y)^2 dy = \frac{1}{10\pi^2} \left( \sum_{n=1}^\infty \frac{A_f(1, n)^2}{n^{4/3}} \right) x^{5/3} + O(x^{18/11+\varepsilon}).$$
  该结果是通过找到一个 $\sigma < 2/3$ 使得 $L$-函数的二阶矩被 $T^{1+\varepsilon}$ 界定而推导出来的，这一步得益于 Pal 的近期工作。

• 定理 1.3（收敛速率）：本文提供了 $F_f(t)$ 的分布函数与随机模型 $F_{f,X}$ 之间差异的定量界。具体而言，差异 $D_F(T)$ 满足：
  $$D_F(T) \ll \frac{(\log \log \log T)^{5/3}}{(\log \log T)^{1/3}}.$$
  这证实了概率模型以特定的收敛速率准确描述了误差项的统计行为。

• 定理 1.4（大值分布）：本文建立了 $F_f(t)$ 超过大值 $V$ 的概率的上界和下界。对于涉及迭代对数的特定范围内的 $V$，该概率呈指数衰减：
  $$\exp(-b_3 V^{35/2+\varepsilon}) \le P_T(F_f(t) > V) \le \exp(-b_4 V^{5/3-\varepsilon}).$$
  作者指出，由于缺乏 GL(3) 系数的强点态估计，这些界中的指数弱于经典除数问题中已知的指数。

意义与主张
本文声称成功地将误差项的概率理论从经典除数问题扩展到了更复杂的 GL(3) 自守形式背景下。其主要意义在于：

1. 推广：证明了极限分布现象并非除数函数独有，而是适用于高阶自守形式的傅里叶系数。
2. 方法论适应：展示了概率逼近方法可以适应于点态界不可用的场景，通过用均值估计和 $L$-函数矩界来替代它们。
3. 定量精度：提供了明确的收敛速率和大偏差界，这对于理解这些算术函数的精细尺度分布至关重要。

作者明确指出，要求 $f$ 为自对偶是确保定义随机模型的级数收敛所必需的。本文得出结论，如果非自对偶形式的收敛性得以证明，那么结果也将扩展到那些情形。这项工作并未提出新的实验应用，而是加深了在朗兰兹纲领背景下对算术误差项分布的理论理解。