A Bombieri-Vinogradov theorem for exponential sums over products of k primes

技术摘要：“关于 $k$ 个素数乘积的指数和的 Bombieri-Vinogradov 定理”

问题陈述
本文研究了具有固定素因子个数（计入重数）的整数的指数和的分布情况。具体而言，研究的是如下指数和：
$$\Pi_k(x; \alpha) := \sum_{n \le x} f_k(n) e(\alpha n),$$
其中 $f_k(n) = \mathbf{1}_{\Omega(n)=k}$ 是具有恰好 $k$ 个素因子的整数的指示函数，$e(\beta) = e^{2\pi i \beta}$。

虽然对于 $k \le (2-\varepsilon)\log\log x$ 的情形，计数函数 $\Pi_k(x) = \sum_{n \le x} f_k(n)$ 的渐近行为可以通过 Sathe-Selberg 定理得到很好的理解，但这些和在算术级数中的分布以及对于无理数 $\alpha$ 的指数和 $\Pi_k(x; \alpha)$ 的行为则更为复杂。本文旨在为这些指数和建立一个 Bombieri-Vinogradov 型定理，通过提供一个误差项的平均估计，该误差项是在用其期望主项来近似算术级数中的和时产生的。第二个目标是利用这一估计来推导这些指数和上确界的一个非平凡下界。

方法论
证明策略依赖于将问题归约为特征和（character sums）的估计，然后应用广义化的 Vaughan 方法。

1. 归约为特征和：
   作者首先通过 Dirichlet 特征将算术级数上的指数和表示为特征和的形式。利用周期函数的分解，该和被分离为一个主项（与 gcd 结构相关）和一个涉及非主特征和的误差项。这使得 Bombieri-Vinogradov 估计的归约为对以下量进行估计：
   $$\Xi(f, x, Q, \theta) := \sum_{q \le Q} \frac{q}{\phi(q)} \sum_{\chi \pmod q}^* \max_{|\lambda| \le \theta} \left| \sum_{n \le x} f(n) \chi(n) e(\lambda n) \right].$$
   论文指出与经典情形的一个关键区别：对于指数和，归约产生了一个 $Q^{-1/2}$ 的因子而非 $Q^{-1}$，这限制了 $Q$ 的范围为 $x^{1/3-\varepsilon}$ 而非经典的 $x^{1/2-\varepsilon}$。

2. 广义 Vaughan 估计：
   为了估计 $\Xi(f_k, x, Q, \theta)$，论文证明了一个针对可以表示为“Type I”和“Type II”函数之 Dirichlet 卷积的函数 $f$ 的一般定理（定理 8）。

• Type I： 在模数下具有良好特征和估计的函数。
• Type II： 支撑在特定范围（此处为 $[1, x^{2/3}]$）上的函数。
  证明利用 Vaughan 方法，根据卷积中因子的规模进行拆分。它采用了引理 9（估计带有特征的 Type I 和形式的和）和引理 10（使用 Cauchy-Schwarz 和零密度估计来估计 Type II 和）。

3. $f_k$ 的分解：
   核心技术贡献是将指示函数 $f_k$（限制在 $[1, x]$ 上）表示为 Type I 和 Type II 函数的卷积的线性组合。这是通过以下方式实现的：

• 根据素因子的规模（$x^{1/2}$）将整数拆分为“粗糙”（rough）部分和“光滑”（friable）部分。
• 使用恒等式 $1 * (\mu f^-) = f^+$ 来联系这些部分。
• 进一步分解生成的项，以确保支撑集在 $[1, x^{2/3}]$ 内，并使用积分表示（文献 [6] 中的引理 13.11）来分离变量，以处理条件 $P^-(a) \ge P^+(b)$。

4. 下界应用：
   建立的 Bombieri-Vinogradov 估计与作者之前的工作 [2]（定理 11）相结合。该定理将算术级数中的平均误差与短区间内指数和的 $L^2$-范数的下界联系起来。作者分析了来自 Sathe-Selberg 估计的主项系数 $g_{k,x}(q)$，以验证定理 11 所需的条件。

关键结果

• 定理 2 (Bombieri-Vinogradov 估计)：
  对于 $Q \le x^{1/3}(\log x)^{-B}$ 且 $\theta \le Q^{-3}(\log x)^{-B}$，以及 $k \le (2-\varepsilon)\log\log x$，论文证明了：
  $$\sum_{q \le Q} \max_{(a,q)=1} \max_{|\lambda| \le \theta} \left| \sum_{n \le x} f_k(n) e\left(\left(\frac{a}{q} + \lambda\right)n\right) - \frac{1}{\phi(q)} \sum_{st=q} \mu(s)t \sum_{n \le x, t|n} f_k(n) e(\lambda n) \right| \ll \frac{x}{(\log x)^C}.$$
  该结果改进了 Yao [17] 的前人工作，后者在 $Q \ge x^{c_0}$（其中 $c_0 \approx 0.3294$）时失效，通过将有效范围扩展到了 $x^{1/3-\varepsilon}$。

• 定理 3 (下界)：
  作为应用，论文为指数和建立了统一的下界：
  $$\sup_{n \le x} |\Pi_k(n; \alpha)| \gg x^{1/6-\varepsilon}$$
  对于 $2 \le k \le (2-\varepsilon)\log\log x$ 且任何 $\alpha \in \mathbb{R}$。该界限通过包含一个取决于 $k$ 与 $\log\log x$ 偏差的因子进行了精化。

意义与主张
本文声称解决了文献中关于 $k$ 个素数乘积的指数和的 Bombieri-Vinogradov 估计的空白。具体而言，它修正了 Yao [17] 证明中的一个局限性，即其依赖的零密度估计在范围 $Q \in [x^{c_0}, x^{1/3}]$ 内不足。通过将原本用于冯·芒戈尔特函数 $\Lambda$ 的 Vaughan 特征和估计（由 Liu 和 Zhan [7] 使用）改编用于函数 $f_k$，作者将 $Q$ 的范围扩展到了该设定下的最优值 $x^{1/3-\varepsilon}$。

这项工作还展示了处理素数（$k=1$ 的情况）的技术可以成功推广到 $k$ 个素数的乘积，只要对函数进行适当的分解即可。论文指出，这些结果也可以很容易地适配到函数 $h_k = \mathbf{1}_{\omega(n)=k}$（具有 $k$ 个不同素因子的整数）在更大范围的 $k$ 下。

该下界（定理 3）的意义在于它为这些指数和的最大规模提供了一个非平凡的估计，表明即使对于无理数 $\alpha$，它们也不会一致地消失。这直接从定理 2 所建立的在算术级数中的分布质量中推导出来。