Davenport · 圆法 · 高中详解版

Waring 问题的历史Waring's problem: history

本章要解决什么 / 读完能掌握什么 本章是全书的“历史与背景”引子，没有任何困难的证明，但**埋下了后面所有章节要用到的核心记号与思想**。读完你应当能回答这些问题：
  1. 什么是 Waring 问题？它在问“每个正整数能不能写成 \(s\) 个 \(k\) 次方之和”。
  2. 两个核心函数 \(g(k)\) 与 \(G(k)\) 各是什么意思，区别在哪。
  3. Hardy 与 Littlewood 的圆法（circle method）大致是怎么把“数表法个数”这件纯算术的事，变成一个积分去算的——也就是公式 \((2.7)\)：\(\displaystyle r(N)=\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha\) 是怎么来的。
  4. 什么是渐近公式 \((2.2)\)、什么是奇异级数 \(\mathfrak S(N)\)、为什么它们能证明“大数一定可表示”。
本页把译文按段落顺序逐段讲，凡是原书写得简略、跳步、或默认你“早就会”的地方，全部从高中知识从零补全。公式里出现的 \(\sum\)（求和号）、\(\int_0^1\)（定积分）、\(e^{2\pi i\alpha}\)（复指数）、\(O(\cdot)\)、\(\Gamma\)（伽马函数）、同余等，第一次出现时都会单独讲清。

阅读方式：黑色正文是译文原句（忠实于 Davenport 原书）；带颜色的框（目标／符号／分步推演／图）是为高中生加的详解，逐步推演、举例、配图，不用比喻、不省略。

第 1 段　Waring 的原始陈述与问题 (2.1)

Edward Waring 在他的《代数沉思录》（Meditationes algebraicae，1770）中陈述道：每个数都可表示为 4 个平方数之和，或 9 个立方数之和，或 19 个四次方数之和，“依此类推”。由最后这句话可推知，他想要断言的是：对于每个 \(k\ge 2\)，都存在某个 \(s\)，使得每个正整数 \(N\) 可表示为 \[N = x_1^k + x_2^k + \cdots + x_s^k,\tag{2.1}\] 其中 \(x_i \ge 0\)。
这段在讲什么本段交代问题的来历：250 多年前一位英国数学家 Waring 凭直觉写下一句话，后人把它精确化为一个数学命题 \((2.1)\)。本段不证明任何东西，只是把“要研究的问题”说清楚。

先把 Waring 那三句具体话翻成现代语言，逐条看：

符号 \(N=x_1^k+x_2^k+\cdots+x_s^k\) 怎么读 注意允许 \(x_i=0\)：因为 \(0^k=0\)，加上一个 \(0\) 不改变和，这等价于说“至多 \(s\) 个非零的 \(k\) 次方”。后文有时要求 \(x_i\ge1\)（不许取 0），那是另一种计数口径，下文会专门区分。

为什么“依此类推”这句话这么关键？ Waring 只写了 \(k=2,3,4\) 三个具体例子（对应 \(4,9,19\)），但他加了一句“and so on（依此类推）”。Davenport 指出：正是这句话，让后人推断 Waring 想断言的是一个对所有 \(k\ge2\) 都成立的普遍命题——

Waring 断言（精确版）对每个整数 \(k\ge2\)，都存在一个整数 \(s\)（这个 \(s\) 可以依赖 \(k\)，不同的 \(k\) 用不同的 \(s\)），使得每一个正整数 \(N\) 都能写成 \(s\) 个非负整数的 \(k\) 次方之和，即形如 \((2.1)\)。
“存在 \(s\)” 与 “每个 \(N\)” 的顺序不能颠倒 这句断言的逻辑结构是：先固定 \(k\)，再找一个 \(s\)（一个数），让这个 \(s\) 对所有 \(N\) 都管用。 关键在于 \(s\) 只依赖 \(k\)，不依赖 \(N\)——同一个 \(s\) 要同时对 \(N=1,2,3,\dots\) 一直到无穷大都成立。 如果允许 \(s\) 随 \(N\) 变大而变大，那这命题就毫无内容了（任何 \(N\) 都能写成 \(N\) 个 \(1^k\) 之和，取 \(s=N\) 即可）。难点正在于“一个固定的 \(s\) 通吃所有 \(N\)”。这就是为什么这是个深刻问题。
N = x₁ᵏ + x₂ᵏ + ⋯ + xₛᵏ 共 s 项，每个 xᵢ ≥ 0；k 固定，s 只跟 k 有关，对所有 N 通用 例 (k=2,s=4)： 7 = 2² + 1² + 1² + 1² 6 = 2² + 1² + 1² + 0²
Waring 问题的核心对象：把任意正整数 \(N\) 拆成固定个数 \(s\) 个 \(k\) 次方之和。

第 2 段　Hilbert 的证明、Hurwitz 的铺垫，与 \(g(k)\)

这个断言首先由 Hilbert 于 1909 年证明。Hilbert 的证明是一项非常伟大的成就，尽管其中部分功劳也应归于 Hurwitz，他的工作提供了出发点。Hurwitz 此前已经证明：若该断言对某个指数 \(k\) 成立，则它对 \(2k\) 也成立。通常用 \(g(k)\) 表示使得每个 \(N\) 都可表示的最小 \(s\) 值。如今 \(g(k)\) 的确切值对所有 \(k\) 值都已知晓。我在此不讨论 Hilbert 的证明方法；关于这一点，可参阅 Stridsberg [79]、Schmidt [72] 或 Rieger [71] 的论文。
这段在讲什么讲历史进展：从 1770 年 Waring 提出，到 1909 年 Hilbert 证明它“真的成立”，中间有 139 年没人能证。这段还引入了第一个核心记号 \(g(k)\)。

历史脉络（为什么这是大事）。 Waring 1770 年只是“断言”，没有证明。这个断言看起来简单，证起来极难：你要找一个固定的 \(s\)，保证无穷多个 \(N\) 全部能被表示，不能有任何漏网之鱼。整整 139 年，数学界都没能对一般的 \(k\) 证明它（只有零星几个特殊的 \(k\) 被攻下，例如 \(k=2\) 的四平方和 1770 年由 Lagrange 解决）。直到 1909 年，David Hilbert（当时世界顶尖数学家）才证明：对每个 \(k\ge2\)，这样的 \(s\) 确实存在。这就是为什么 Davenport 称之为“非常伟大的成就”。

Hurwitz 的归纳一步：“\(k\) 成立 ⟹ \(2k\) 成立”是什么意思 Hurwitz 证明了一条递推性质：假设我们已经知道 Waring 断言对幂次 \(k\) 成立（即存在某个 \(s\) 能把所有数表成 \(s\) 个 \(k\) 次方之和），那么它对幂次 \(2k\) 也自动成立。 这在逻辑上是“把指数翻倍”的一步。它的用处：如果你能从某个起点（比如 \(k=2\) 已知成立）出发，靠翻倍得到 \(k=4,8,16,\dots\)。但光靠翻倍并不能覆盖所有 \(k\)（得不到 \(k=3,5,6,7,\dots\)），所以它只是“提供了出发点 / 铺垫”，真正把所有 \(k\) 一网打尽的是 Hilbert。这正是 Davenport 说“部分功劳归 Hurwitz，但主要成就是 Hilbert”的原因。
核心记号 \(g(k)\)：最小的可行项数 对固定的 \(k\)，能让“每个正整数 \(N\) 都可表示成 \(s\) 个 \(k\) 次方之和”的 \(s\) 有很多（\(s\) 越大越容易满足，因为多出来的项可以全取 \(0\)）。我们关心其中最小的那个，记作 \(g(k)\)： \[g(k)=\min\{\,s:\ \text{每个正整数 }N\text{ 都可写成 }s\text{ 个 }k\text{ 次方之和}\,\}.\] 读作“g 在 k 处的值”。Waring 的三个例子其实就是在猜测： \[g(2)=4,\qquad g(3)=9,\qquad g(4)=19.\] （这三个值后来都被严格证明是对的。）Hilbert 定理保证 \(g(k)\) 是一个有限的数（而不是无穷大），这正是断言成立的含义。译文末句说“如今 \(g(k)\) 的确切值对所有 \(k\) 已知”——也就是这个最难的常数问题，现在基本算清楚了。
为什么 \(g(2)=4\) 不能再小（即 3 个平方不够） 要说明“最小是 4”，需要两件事：(i) 4 个平方够用（Lagrange 定理）；(ii) 3 个平方不够——必须找到一个数它写不成 3 个平方和。 取 \(N=7\)。三个平方数（含 \(0\)）只能取自 \(\{0,1,4\}\)（因为 \(3^2=9>7\)）。把任意三个这种数相加，逐一验证最大也凑不出 7：
  1. 用到的平方块只有 \(0,1,4\)。三块之和的所有可能：\(0{+}0{+}0=0\)，\(\dots\)，\(4{+}1{+}1=6\)，\(4{+}4{+}0=8\)（超了），\(4{+}1{+}0=5\)，\(1{+}1{+}1=3\)，\(4{+}4{+}4=12\)……
  2. 逐个验证发现：能凑出的 \(\le7\) 的值是 \(0,1,2,3,4,5,6,8,\dots\)，唯独凑不出 \(7\)。
  3. 所以 \(7\) 需要第 4 个平方：\(7=2^2+1^2+1^2+1^2\)。这证明 \(s=3\) 不够，故 \(g(2)\ge4\)；配合 Lagrange 的 \(g(2)\le4\)，得 \(g(2)=4\)。♦
这也顺便说明了 \(g(k)\) 的“脆弱”：它的大小往往被个别特别难表示的小数（如这里的 7）顶上去。这一点正是下文要引入 \(G(k)\) 的动机。

第 3 段　Hardy–Littlewood 的工作与渐近公式 (2.2)

Hardy 与 Littlewood 的工作出现在一系列题为“关于数的分拆”（“On Partitio Numerorum”，简记 P.N.）的若干篇论文中，该系列的其余论文主要关注 Goldbach 的三素数问题。在 P.N. I [37] 中，他们得到了关于 \(r(N)\)（即 \(N\) 表示为形如 (2.1) 且 \(x_i \ge 1\) 的表法数目）的一个渐近公式，只要 \(s \ge s_0(k)\)（\(k\) 的某个确切函数）即成立。该渐近公式具有如下形式： \[r(N) = C_{k,s} N^{s/k-1}\mathfrak{S}(N) + O(N^{s/k-1-\delta}),\tag{2.2}\] 其中 \(\delta > 0\) 且 \[C_{k,s} = \frac{\Gamma(1+1/k)^s}{\Gamma(s/k)} > 0.\]
这段在讲什么从“能不能表示”（是非题）升级到“有多少种表示法”（计数题）。Hardy 与 Littlewood 不满足于知道 \(N\) 能表示，他们要算出表示法的个数 \(r(N)\) 大约是多少——这就是渐近公式 \((2.2)\)。这一段是全章技术上的核心预告。
背景：P.N. 系列与 Goldbach 问题 “Partitio Numerorum” 是拉丁文“数的分拆”。Hardy 与 Littlewood（20 世纪初英国剑桥的两位大数学家，长期合作）发表了一系列以此命名的论文，编号 P.N. I, II, IV, VI, VIII……方括号里的 [37][38] 等是原书参考文献的编号。这套方法（后来叫圆法，circle method）不仅用于 Waring 问题，也用于 Goldbach 三素数问题（每个充分大的奇数是三个素数之和）。换句话说，本章学的圆法是一套通用武器，Waring 只是它的一个应用战场。
核心记号 \(r(N)\)：表示法的个数 \(r(N)\) 表示：把 \(N\) 写成形如 \((2.1)\) 的方式，且要求每个 \(x_i\ge1\)（注意这里不许取 0），一共有多少种有序写法。 “有序”指：\((x_1,x_2,\dots,x_s)\) 看成一个有顺序的列，调换顺序算作不同的表示。例如 \(k=2,s=2,N=5\)：\(5=1^2+2^2=2^2+1^2\)，这两种被算作 \(r(5)=2\)（如果还允许更多就再加）。 为什么从“是非”改成“数个数”？因为只要能证明 \(r(N)>0\)，就说明 \(N\) 至少有一种表示，从而 \(N\) 可表示。所以“算出 \(r(N)\) 大约多大、并说明它是正的”这件强得多的事，自动顺带解决了原来的可表示性问题。这就是 Hardy–Littlewood 的思路：用更强的定量结果去碾压原来的定性问题。
“渐近公式”是什么意思（高中视角从零讲） “渐近”指 \(N\) 很大时的近似行为。一个渐近公式就是：把一个难算的量（这里是 \(r(N)\)）写成“一个主项（main term，能写成漂亮的初等表达式）＋一个误差项（error term，比主项小得多）”。 \((2.2)\) 正是这种形式： \[\underbrace{r(N)}_{\text{真实个数}}=\underbrace{C_{k,s}\,N^{s/k-1}\,\mathfrak S(N)}_{\text{主项：能写出来的近似值}}+\underbrace{O\!\left(N^{s/k-1-\delta}\right)}_{\text{误差：保证比主项小}}.\] 只要误差项确实比主项小（这由那个 \(-\delta\) 保证，见下方 \(O\) 记号说明），主项就“统治”了 \(r(N)\) 的大小，于是我们就近似地知道了 \(r(N)\)。
\(O(\cdot)\)（大 O）记号：从零讲起 \(O(f(N))\) 读作“大 O 的 \(f(N)\)”，意思是“某个量的绝对值不超过常数倍的 \(f(N)\)”。准确地说，写 \[A(N)=O(f(N))\] 表示：存在一个与 \(N\) 无关的正常数 \(C\)，使得当 \(N\) 充分大时 \(|A(N)|\le C\,f(N)\)。 它是用来控制误差大小的简写，不关心误差的精确值，只关心它“最多有多大”。 本章还会用到与之配套的 \(\ll\) 记号（Vinogradov 记号）：\(A\ll B\) 与 \(A=O(B)\) 完全同义，即存在常数 \(C\) 使 \(|A|\le C\,B\)。例如“\(x^2\ll x^3\)（当 \(x\ge1\)）”是对的。
为什么误差项 \(N^{s/k-1-\delta}\) 确实比主项 \(N^{s/k-1}\) 小 主项的“个头”是 \(N\) 的 \(\tfrac sk-1\) 次方；误差项是 \(N\) 的 \(\tfrac sk-1-\delta\) 次方。两者相除： \[\frac{\text{误差}}{\text{主项}}\ \asymp\ \frac{N^{s/k-1-\delta}}{N^{s/k-1}}=N^{-\delta}=\frac{1}{N^{\delta}}.\] 因为 \(\delta>0\)，当 \(N\to\infty\) 时 \(N^{\delta}\to\infty\)，所以这个比值 \(N^{-\delta}\to0\)。也就是说误差相对主项可以忽略，主项越来越准。这个正的小数 \(\delta\)（读作 delta）就是为了“拉开主项与误差的次方差距”而设的，它有多大不重要，只要 \(>0\) 即可。
主项里的各个因子 主项 \(C_{k,s}\,N^{s/k-1}\,\mathfrak S(N)\) 由三部分相乘：
\(N^{s/k-1}\)（个头因子）
这是主项随 \(N\) 增大的增长速度。指数 \(\frac sk-1\) 来自一个直观的“维数 / 体积”估计：每个 \(x_i\) 大约能取到 \(0\sim N^{1/k}\)（因为 \(x_i^k\le N\)），\(s\) 个变量给出大约 \((N^{1/k})^s=N^{s/k}\) 种组合，再被“和恰好等于 \(N\)”这一个约束“除掉一维”，于是 \(N^{s/k}/N=N^{s/k-1}\)。后面的章节会把这个直觉变成严格推导。
\(C_{k,s}\)（一个正的常数因子）
只依赖 \(k\) 与 \(s\)，与 \(N\) 无关，下面单独讲它的公式。
\(\mathfrak S(N)\)（奇异级数）
一个反映“同余条件”的算术因子，随 \(N\) 而变，下一段专门讲。
常数 \(C_{k,s}=\dfrac{\Gamma(1+1/k)^s}{\Gamma(s/k)}\)：先认识 \(\Gamma\)（伽马函数） 高中学过阶乘 \(n!=1\cdot2\cdots n\)，但它只对正整数 \(n\) 有定义。伽马函数 \(\Gamma\)（读“gamma”）是阶乘对所有正实数的“连续推广”，满足 \[\Gamma(n)=(n-1)!\quad(n\text{ 为正整数}),\qquad \Gamma(x+1)=x\,\Gamma(x).\] 比如 \(\Gamma(1)=0!=1,\ \Gamma(2)=1!=1,\ \Gamma(4)=3!=6\)。它还能取小数自变量，比如 \(\Gamma(1+\tfrac1k)\) 里 \(1+\tfrac1k\) 一般不是整数，这正需要 \(\Gamma\) 的连续推广才有意义。 这里你不必会算 \(\Gamma\) 的具体值，只需知道两点：(1) 它是阶乘的推广；(2) 对正自变量它取正值，所以 \(C_{k,s}=\dfrac{\Gamma(1+1/k)^s}{\Gamma(s/k)}>0\)（分子分母都是正数）。这个 \(C_{k,s}>0\) 很关键——它保证主项是正的，为下文“\(r(N)>0\)⟹可表示”埋下伏笔。

第 4 段　奇异级数 \(\mathfrak S(N)\) 与它的正下界 (2.3)

在上述公式中，\(\mathfrak{S}(N)\) 是一个纯算术性质的无穷级数，Hardy 与 Littlewood 称之为奇异级数（singular series）。他们进一步证明了 \[\mathfrak{S}(N) \ge \gamma > 0,\tag{2.3}\] 其中 \(\gamma\) 与 \(N\) 无关，只要 \(s \ge s_1(k)\)。然而他们在该阶段并未给出 \(s_1(k)\) 的任何确切值。于是该公式蕴含着 \[r(N) \sim C_{k,s} N^{s/k-1}\mathfrak{S}(N)\tag{2.4}\] 当 \(N \to \infty\)，只要 \(s \ge \max(s_0(k), s_1(k))\)，从而独立地给出了 Hilbert 定理的一个证明。
这段在讲什么引入主项里最神秘的因子——奇异级数 \(\mathfrak S(N)\)，并说明：只要它有一个不随 \(N\) 跑掉的正下界，整个渐近公式就能独立地重新证明 Hilbert 定理。这是本段的高潮。
什么是“级数”（无穷级数），先从零讲 高中学过有限项相加。无穷级数就是“无穷多项相加”，写成 \(\sum_{q=1}^{\infty}a_q=a_1+a_2+a_3+\cdots\)，它的值定义为前 \(n\) 项部分和 \(a_1+\cdots+a_n\) 当 \(n\to\infty\) 的极限（若极限存在，就说级数收敛）。奇异级数 \(\mathfrak S(N)\) 就是这样一个无穷和，它的每一项都是由同余信息算出来的纯算术量（所以叫“纯算术性质”）。本章只需把它当作主项里一个“与同余有关的正因子”，它的精确定义与求值放在后面的专门章节。
为什么需要引入奇异级数？它解决了什么困难 单凭“个头” \(N^{s/k-1}\) 还不足以正确预测 \(r(N)\)，因为表示法个数会受整除 / 同余的影响。举个直觉例子：如果某个 \(N\) 模某个数 \(q\) 的余数“天生”就难凑成 \(s\) 个 \(k\) 次方之和（局部障碍），那它的表示法就会偏少甚至为 0。奇异级数 \(\mathfrak S(N)\) 正是把所有模 \(q\) 的局部信息打包成一个因子： 这就是它叫“奇异（singular，本义为‘特殊 / 主导’）级数”的来历：它精确地编码了表示法个数对同余条件的依赖。它解决的困难是：把全局的“能否表示、有几种”问题，化约为一族容易的“模 \(q\) 局部问题”。
同余 / 模运算，从零讲（理解奇异级数所需） “\(a\) 与 \(b\) 模 \(q\) 同余”，记作 \(a\equiv b\pmod q\)，意思是 \(a-b\) 能被 \(q\) 整除，即 \(a,b\) 除以 \(q\) 余数相同。例如 \(17\equiv2\pmod5\)（都余 2）。研究“\(N\) 能否写成 \(s\) 个 \(k\) 次方之和”时，常先看“在模 \(q\) 意义下能否凑出 \(N\) 的余数”——这就是“局部问题”，奇异级数把每个 \(q\) 的局部解的多少汇总起来。
不等式 \(\mathfrak S(N)\ge\gamma>0\)（编号 2.3）在说什么 \(\gamma\)（读“gamma”，这里是个小正数，与上文 \(\Gamma\) 函数无关，只是同名希腊字母）是一个不依赖 \(N\) 的正的下界。这句话保证：只要项数 \(s\) 足够大（\(s\ge s_1(k)\)），奇异级数永远不会贴着 0，而是被一个固定的正数 \(\gamma\) 从下方顶住。 为什么这点至关重要？因为如果 \(\mathfrak S(N)\) 可以随 \(N\) 任意接近 0，主项 \(C_{k,s}N^{s/k-1}\mathfrak S(N)\) 就可能被误差项淹没，从而无法断定 \(r(N)>0\)。有了统一正下界 \(\gamma\)，主项至少有 \(C_{k,s}N^{s/k-1}\gamma\) 这么大，稳稳压过误差，于是 \(r(N)>0\) 对所有大 \(N\) 成立。
两个门槛 \(s_0(k)\) 与 \(s_1(k)\)，以及 \(\max\) 的意思
\(s_0(k)\)
使渐近公式 \((2.2)\) 本身成立所需的项数门槛（误差能压住所需）。
\(s_1(k)\)
使奇异级数正下界 \((2.3)\) 成立所需的项数门槛。
\(\max(s_0(k),s_1(k))\)
两者中的较大者。要同时用到 \((2.2)\) 和 \((2.3)\)，就得让 \(s\) 同时跨过两个门槛，所以取较大的那个。
“\(s_1(k)\) 在该阶段没有确切值”是说：他们只证明了“存在这样的门槛”，但当时没算出它具体多大——这是后续工作要改进的地方。
渐近等价号 \(\sim\)（编号 2.4）从零讲 \(A(N)\sim B(N)\)（读作“\(A\) 渐近等于 \(B\)”）的定义是 \[\lim_{N\to\infty}\frac{A(N)}{B(N)}=1.\] 意思是 \(N\) 很大时两者比值趋于 1，即相对误差趋于 0（但绝对差可以很大）。\((2.4)\) 就是把 \((2.2)\) 丢掉误差项后的“主项主宰”版本：\(r(N)\sim C_{k,s}N^{s/k-1}\mathfrak S(N)\)。
推演：为什么 (2.2)+(2.3) 就能独立证明 Hilbert 定理 原文说“从而独立地给出了 Hilbert 定理的一个证明”，这一步原书没展开，我们补全：
  1. 取 \(s\ge\max(s_0(k),s_1(k))\)，则 \((2.2)\) 与 \((2.3)\) 同时可用。
  2. 由 \((2.3)\)，主项满足 \(C_{k,s}N^{s/k-1}\mathfrak S(N)\ \ge\ C_{k,s}N^{s/k-1}\gamma\)，这是一个正的、随 \(N\) 增大而增大的量（因为 \(C_{k,s}>0,\ \gamma>0\)，且当 \(s>k\) 时指数 \(\frac sk-1>0\)）。
  3. 由 \((2.2)\)，\(r(N)=\text{主项}+O(N^{s/k-1-\delta})\)。误差项相对主项是 \(N^{-\delta}\to0\)（前面已算），所以存在 \(N_0\)，当 \(N\ge N_0\) 时误差的绝对值小于主项的一半。
  4. 于是当 \(N\ge N_0\)：\(r(N)\ge \text{主项}-|\text{误差}|>\text{主项}-\tfrac12\text{主项}=\tfrac12\text{主项}>0\)。
  5. \(r(N)>0\) 意味着 \(N\) 至少有一种 \(s\) 个 \(k\) 次方的表示，故每个 \(N\ge N_0\) 都可表示。再加上 \(N♦
“独立地”一词的含义：这条证明完全走解析（积分 / 级数）路线，跟 Hilbert 当年的纯代数证明思路毫无关系，是对同一个定理的另起炉灶的新证明。

第 5 段　记号 \(G(k)\)，以及对它的上界

Hardy 与 Littlewood 引入记号 \(G(k)\) 表示使得每个充分大的 \(N\) 都可表示为形如 (2.1) 的最小 \(s\) 值；这个函数实际上比 \(g(k)\) 更具意义，因为后者受到表示某一两个特殊数 \(N\) 的难度的影响。在 P.N. II [38] 和 P.N. IV [39] 中，Hardy 与 Littlewood 证明了渐近公式以及 \(\mathfrak{S}(N)\) 的下界两者都对 \(s \ge (k-2)2^{k-1} + 5\) 成立，这蕴含着 \[G(k) \le (k-2)2^{k-1} + 5.\]
这段在讲什么引入第二个、也是圆法真正关心的核心记号 \(G(k)\)，并解释它为什么比 \(g(k)\) 更“干净”、更有意义；最后给出 Hardy–Littlewood 得到的第一个上界。
核心记号 \(G(k)\)：只管“充分大的 \(N\)” \[G(k)=\min\{\,s:\ \textbf{每个充分大的}\ N\ \text{都可写成 }s\text{ 个 }k\text{ 次方之和}\,\}.\] “充分大的 \(N\)”指：存在某个界 \(N_0\)，对所有 \(N\ge N_0\) 都可表示（允许有限多个小的 \(N\) 例外）。这和 \(g(k)\) 的唯一区别就在这里：
\(g(k)\)
要求每一个正整数（含所有小数）都可表示，一个都不能漏。
\(G(k)\)
只要求所有足够大的正整数可表示，少数顽固的小数可以网开一面。
因此恒有 \(G(k)\le g(k)\)（要求更宽松，需要的项数不会更多）。
为什么 \(G(k)\) “比 \(g(k)\) 更有意义” 回看前面 \(g(2)=4\) 的讨论：\(g(k)\) 的大小常常被个别又小又难表示的数顶高，这些“钉子户”是局部的、偶然的现象，跟 \(k\) 次方和的本质规律关系不大。 最有名的例子是 \(k=3\)：实际上只有 \(23\) 和 \(239\) 这两个数需要用满 9 个立方，其余所有数 8 个甚至更少就够。正因为 \(23,239\) 这两个“特例”，\(g(3)=9\) 被顶得很高；但一旦放过这有限几个小数，所需项数立刻下降——这正是 \(G(3)\) 想刻画的。 所以 \(G(k)\) 过滤掉了这些偶然的小数障碍，反映的是 \(k\) 次方和的渐近本质，这就是 Davenport 说它“更具意义”的原因，也是圆法（专攻大 \(N\) 的渐近行为）真正能发力的对象。
g(k)：覆盖所有 N（含所有小数，一个不漏） 难表示的 “钉子户”小数 G(k)：只管充分大的 N（放过左边有限个小数） 这些小数允许例外 只要求 N ≥ N₀ 全部可表示
\(g(k)\) 被左边个别难表示的小数顶高；\(G(k)\) 放过有限个小数，只看大 \(N\) 的渐近规律，因此 \(G(k)\le g(k)\) 且更本质。
推演：为什么“渐近公式 + 正下界对 \(s\) 成立”就给出 \(G(k)\le s\) 原书直接从“两个结论对 \(s\ge(k-2)2^{k-1}+5\) 成立”跳到 \(G(k)\le(k-2)2^{k-1}+5\)，这一步逻辑补全：
  1. 设某个具体的 \(s\)（这里 \(s=(k-2)2^{k-1}+5\)）同时满足渐近公式 \((2.2)\) 与正下界 \((2.3)\)。
  2. 按上一段“独立证明 Hilbert”的推演，对这个 \(s\)，存在 \(N_0\) 使每个 \(N\ge N_0\) 都有 \(r(N)>0\)，即都可表示成 \(s\) 个 \(k\) 次方之和。
  3. “每个充分大的 \(N\) 可表示成 \(s\) 个 \(k\) 次方之和”正是 \(G(k)\le s\) 的定义（因为 \(G(k)\) 是最小的能做到这件事的项数，它当然 \(\le\) 任何一个已被验证能做到的 \(s\)）。
  4. 代入 \(s=(k-2)2^{k-1}+5\) 即得 \(G(k)\le(k-2)2^{k-1}+5\)。♦
这个上界长什么样（代入小 \(k\) 感受一下） \((k-2)2^{k-1}+5\) 随 \(k\) 指数级增长（含 \(2^{k-1}\) 因子），增长很快：
  1. \(k=2\)：\((2-2)\cdot2^{1}+5=0+5=5\)，即 \(G(2)\le5\)。（真值其实是 \(G(2)=4\)，可见此上界不紧。）
  2. \(k=3\)：\((3-2)\cdot2^{2}+5=4+5=9\)，即 \(G(3)\le9\)。
  3. \(k=4\)：\((4-2)\cdot2^{3}+5=16+5=21\)，即 \(G(4)\le21\)。（下一段会改进到 \(19\)。）
  4. \(k=5\)：\((5-2)\cdot2^{4}+5=48+5=53\)。可见随 \(k\) 增大上界迅速变大，这正是后人努力改进的动机。

第 6 段　更好的上界 \(G(4)\le19\)，与 P.N. VIII

在 P.N. VI [40] 中，他们对 \(G(k)\) 找到了一个更好的上界（尽管对渐近公式的成立性并非如此），特别地，他们证明了 \(G(4) \le 19\)。该系列的最后一篇论文 P.N. VIII [41] 则完全关注奇异级数以及由它引出的同余问题。
这段在讲什么说明一条重要的方法论：求 \(G(k)\) 的上界，不一定非得证明完整的渐近公式，可以用更省力的办法压低上界（这一思想第 9 段会展开）。并补充 P.N. VIII 的主题。
“更好的上界，但对渐近公式并非如此”怎么理解 这句话里藏着一个关键区分，是后面圆法的灵魂：
证明渐近公式（强）
要算出 \(r(N)\)（全部表示法的精确个数）的近似值，技术要求高，需要的 \(s\) 较大。
证明 \(G(k)\le s\)（弱）
只需说明 \(r(N)>0\)（哪怕只有一种表示也行），不必精确计数，技术要求低，能容许更小的 \(s\)。
所以 P.N. VI 用了某种不依赖完整渐近公式的技巧，把 \(G(4)\) 的上界从上一段的 \(21\) 压到了 \(19\)——但这个更小的 \(s\) 已经不足以撑起完整的渐近公式了。一句话：“证明能表示”比“数清表示法个数”要求低，所以能用更少的项数。
为什么 \(G(4)\) 特别有名（四次方的局部障碍） 四次方 \((k=4)\) 有一个出名的同余障碍：任何整数的四次方模 \(16\) 只能是 \(0\) 或 \(1\)。
  1. 偶数 \(x=2m\)：\(x^4=16m^4\equiv0\pmod{16}\)。
  2. 奇数 \(x\)：可验证 \(x^4\equiv1\pmod{16}\)（例如 \(1^4=1,\ 3^4=81=16\cdot5+1,\ 5^4=625=16\cdot39+1\)）。
  3. 所以 \(s\) 个四次方之和模 \(16\) 的余数，就等于其中“奇四次方”的个数模 \(16\)。形如 \(16n+15\) 的数模 \(16\) 余 \(15\)，要让奇四次方的个数 \(\equiv15\pmod{16}\)，至少需要 \(15\) 个“奇四次方”，于是这类数至少要 \(15\) 项——这已说明 \(G(4)\ge15\)。
  4. 要再逼到 \(16\)，需要更细一类数 \(16^t\cdot31\)（它们可任意大，恰对应“充分大的 \(N\)”，且可证必须用满 \(16\) 个四次方），由此 \(G(4)\ge16\)。这类同余分析也解释了为什么 \(G(4)\) 的值卡在十几这个量级。
（如今已知精确值 \(G(4)=16\)，但那是更晚的成果；Hardy–Littlewood 当年得到的是上界 \(19\)。）这个例子让你具体看到“同余问题”如何直接限制 \(G(k)\)，也就呼应了下一句。
P.N. VIII 为什么“完全关注奇异级数与同余” 前面说过，奇异级数 \(\mathfrak S(N)\) 把所有模 \(q\) 的局部信息打包；而像上面 \(G(4)\) 的 mod 16 障碍这种事，正是“同余问题”。Hardy–Littlewood 在系列最后一篇专门研究 \(\mathfrak S(N)\) 何时为正、何时为 0（即何时存在局部障碍），这等价于研究同余方程 \(x_1^k+\cdots+x_s^k\equiv N\pmod q\) 是否有解、有多少解。这是奇异级数的算术内核，本章只点到为止，细节留待后续章节。

第 7 段　出发点：母函数（生成函数）

Hardy 与 Littlewood 以 \(r(N)\) 的母函数（生成函数）作为他们的出发点，也就是幂级数 \[\sum_{N=0}^{\infty} r(N)z^N = \left(\sum_{n=0}^{\infty} z^{n^k}\right)^s.\]
这段在讲什么揭示圆法的第一块基石——生成函数。这是把“数论计数问题”翻译成“函数 / 级数问题”的关键一步：把要算的所有 \(r(N)\) 一次性装进一个幂级数里。
求和号 \(\sum\) 从零讲 \(\sum\)（希腊字母大写 Sigma，读“西格玛”）是“连加”的简写。例如 \[\sum_{n=0}^{\infty}a_n=a_0+a_1+a_2+\cdots,\qquad \sum_{x=1}^{P}b_x=b_1+b_2+\cdots+b_P.\] 下标 \(n=0\)（或 \(x=1\)）告诉你从哪开始加，上标 \(\infty\)（或 \(P\)）告诉你加到哪结束，\(\sum\) 右边是“通项”（第 \(n\) 项长什么样）。
什么是“生成函数 / 母函数”？为什么要引入它 我们有无穷多个要研究的数 \(r(0),r(1),r(2),\dots\)。生成函数的想法是：给每个 \(r(N)\) 配一个“标签” \(z^N\)（\(z\) 是一个形式变量），把它们全部加成一个幂级数： \[F(z)=\sum_{N=0}^{\infty}r(N)z^N=r(0)+r(1)z+r(2)z^2+\cdots\] 这样，“\(z^N\) 前的系数”就是 \(r(N)\)。一个函数 \(F(z)\) 就把无穷多个数论量整体打包带走了。 引入它的动机：单看 \(r(N)\) 一个个地算很难；但打包成函数后，我们可以用函数的运算（乘法、积分）来一次性操控所有 \(r(N)\)，把组合 / 数论问题转化为分析问题。这正是“解析方法”的精髓。
推演：为什么 \(\sum r(N)z^N=\big(\sum_{n\ge0}z^{n^k}\big)^s\)（原书直接给出，这里补全）
  1. 先看单个因子 \(g(z)=\sum_{n=0}^{\infty}z^{n^k}=z^{0^k}+z^{1^k}+z^{2^k}+\cdots=1+z+z^{2^k}+z^{3^k}+\cdots\)。它的特点：每个“\(k\) 次方指数” \(n^k\) 恰好贡献一项 \(z^{n^k}\)，系数都是 1。
  2. 把 \(s\) 个这样的因子相乘：\(g(z)^s=\underbrace{g(z)\cdot g(z)\cdots g(z)}_{s\ \text{个}}\)。展开时，要从每个因子里各挑一项相乘。第 \(i\) 个因子挑出 \(z^{x_i^k}\)（对应某个非负整数 \(x_i\)），\(s\) 个相乘得 \[z^{x_1^k}\cdot z^{x_2^k}\cdots z^{x_s^k}=z^{\,x_1^k+x_2^k+\cdots+x_s^k}.\] 这里用了同底数幂相乘指数相加：\(z^a\cdot z^b=z^{a+b}\)。
  3. 于是 \(g(z)^s\) 展开后，每一种挑法 \((x_1,\dots,x_s)\) 贡献一个 \(z^{x_1^k+\cdots+x_s^k}\)。把指数恰好等于 \(N\) 的项归并到一起：指数为 \(N\) 的项有多少个？正是满足 \(x_1^k+\cdots+x_s^k=N\) 的有序非负整数解 \((x_1,\dots,x_s)\) 的个数。
  4. 按定义，这个解的个数就是 \(z^N\) 前的系数，记作 \(r(N)\)（这里口径是 \(x_i\ge0\) 的表法数）。所以 \[g(z)^s=\sum_{N=0}^{\infty}r(N)z^N.\] 合并指数、按 \(N\) 归类——这就是生成函数“自动完成计数”的魔力：多项式 / 幂级数相乘，等于把各项指数相加，于是系数自动统计出“和等于 \(N\) 的方案数”。♦
每个因子里挑一项：z^(x₁ᵏ) · z^(x₂ᵏ) · … · z^(xₛᵏ) 指数相加 → z^(x₁ᵏ+x₂ᵏ+…+xₛᵏ) 把“指数恰好 = N”的项收集起来： x₁ᵏ+…+xₛᵏ = N 的方案 → 共 r(N) 个 zᴺ 前的系数 = r(N) 结论：(∑ z^(nᵏ))ˢ = ∑ r(N) zᴺ —— 幂级数相乘自动完成“数表法个数”
生成函数的关键机制：幂级数相乘 = 指数相加，于是 \(z^N\) 的系数自动等于“和为 \(N\) 的表示法个数” \(r(N)\)。

第 8 段　Cauchy 的系数公式与 Vinogradov 的简化

他们借助 Cauchy 给出幂级数系数的公式，利用沿圆周 \(|z| = \rho\)（其中 \(\rho\) 略小于 1）取的围道积分，把 \(r(N)\) 用此函数表示出来。Vinogradov 在 1928 年作出了一项有益的技术简化；它在于用一个有限的指数和来代替幂级数，其效果是消除了 Hardy 与 Littlewood 原始论述中出现的若干不重要的复杂之处。
这段在讲什么讲圆法名字的由来（“沿圆周积分”），以及 Vinogradov 把无穷幂级数换成有限指数和的关键简化——正是这个简化，让下文 \((2.5)\)–\((2.7)\) 那套更干净的写法成为可能。本章后续就用 Vinogradov 的版本。
怎样从生成函数 \(F(z)\) 反取出系数 \(r(N)\)？这就是 Cauchy 公式 有了 \(F(z)=\sum_N r(N)z^N\)，怎么单独把第 \(N\) 个系数 \(r(N)\) 抠出来？复变函数论里的 Cauchy 系数公式说： \[r(N)=\frac{1}{2\pi i}\oint_{|z|=\rho}\frac{F(z)}{z^{N+1}}\,dz,\] 其中 \(\oint_{|z|=\rho}\) 表示让 \(z\) 沿复平面上半径为 \(\rho\) 的圆周绕一圈做积分（这叫围道积分 contour integral）。这一步你不需要会复变积分，只需理解它的作用：它是“从打包好的函数里挑出某一个系数”的提取器。“圆法”（circle method）的名字正是来自这条‘沿圆周积分’。
为什么取 \(|z|=\rho\) 且 \(\rho\) 略小于 1，而不是恰好 \(=1\)？ 这是一个“取舍”的细节，原书一笔带过，补全理由：幂级数 \(\sum r(N)z^N\) 当 \(|z|\) 太大时可能发散（加不出有限值），所以不能随便取大的半径；它在 \(|z|<1\) 内部收敛。取 \(\rho\) 稍微小于 1，是为了让积分路径落在“级数收敛、函数有意义”的安全区内，同时又尽量贴近 \(|z|=1\)——因为决定 \(r(N)\) 大小的关键信息都集中在单位圆周 \(|z|=1\) 附近（尤其是 \(z\) 接近某些特殊根处）。所以“略小于 1”是“既要收敛安全、又要贴近主战场”的折中。
Vinogradov 1928 的简化：把无穷幂级数换成有限指数和 Hardy–Littlewood 原版用无穷幂级数 \(\sum_{n=0}^\infty z^{n^k}\)，加上 \(\rho\to1\) 的极限处理，技术上很啰嗦。Vinogradov 的改良是： 这样无穷级数变成有限和 \(T(\alpha)=\sum_{x=1}^P e(\alpha x^k)\)（就是下一段的 \((2.5)\)），围道积分变成 \([0,1]\) 上的普通定积分 \((2.7)\)。 好处：有限和处处收敛、不用担心发散，也不必处理 \(\rho\to1\) 的极限，从而“消除了若干不重要的复杂之处”。代价仅仅是要选一个合适的截断长度 \(P\)（下段会看到 \(P=[N^{1/k}]\) 即可），这是非常划算的简化，所以本章及全书都采用 Vinogradov 的版本。

第 9 段　记号 \(e(t)\) 与生成函数 \(T(\alpha)\)（公式 2.5）

记 \(e(t) = e^{2\pi i t}\)。对于实变量 \(\alpha\)，我们定义 \(T(\alpha)\) 为 \[T(\alpha) = \sum_{x=1}^{P} e(\alpha x^k),\tag{2.5}\] 其中 \(P\) 是一个正整数。
这段在讲什么正式登场两个贯穿全书的记号：复指数简写 \(e(t)\)，以及 Vinogradov 版的有限指数和 \(T(\alpha)\)（公式 2.5）。这是圆法的“主角函数”。
复数与“复数的模长”，从零讲（看懂 \(e^{2\pi it}\) 的前置知识） 高中接触过虚数单位 \(i\)，满足 \(i^2=-1\)。一个复数写成 \(z=a+bi\)（\(a,b\) 实数），可看成平面上的点 \((a,b)\)。它的模长（绝对值）是它到原点的距离 \[|z|=\sqrt{a^2+b^2}.\] 模长衡量复数的“大小”。后面会反复用到它来估计 \(T(\alpha)\) 的大小。
复指数 \(e(t)=e^{2\pi i t}\) 从零讲：单位圆上转圈的点 这是全书最重要的记号，务必吃透。由欧拉公式 \(e^{i\theta}=\cos\theta+i\sin\theta\)，令 \(\theta=2\pi t\)： \[e(t)\ :=\ e^{2\pi i t}=\cos(2\pi t)+i\,\sin(2\pi t).\] 几何意义：\(e(t)\) 是复平面单位圆（半径 1 的圆）上的一个点，对应转过的角度为 \(2\pi t\) 弧度。关键性质：
模长恒为 1
\(|e(t)|=\sqrt{\cos^2(2\pi t)+\sin^2(2\pi t)}=1\)。所以它永远在单位圆上跑，不会变大变小。
周期为 1
\(t\) 每增加 1，角度增加 \(2\pi\)（整整一圈），点回到原处：\(e(t+1)=e(t)\)。这就是为什么后文积分区间取长度恰为 1 的 \([0,1]\)——一个周期。
相乘 = 角度相加
\(e(s)\,e(t)=e^{2\pi is}e^{2\pi it}=e^{2\pi i(s+t)}=e(s+t)\)。这条让“指数相加”变得极方便，下段计算 \((T(\alpha))^s\) 全靠它。
\(e(0)=1\)，\(e(\text{整数})=1\)
当 \(t\) 是整数 \(m\) 时，\(e(m)=\cos(2\pi m)+i\sin(2\pi m)=1\)。这条是下一段“积分挑系数”的命门。
为什么要用 \(e(t)\) 这个简写？因为 \(e^{2\pi i t}\) 写起来长，而且 \(2\pi\) 这个因子在圆法里到处都是；用 \(e(t)\) 能让公式干净得多。
实轴 虚轴 e(t)=e²ᵖⁱᵗ 2πt O 1 模长 |e(t)| = 1（始终在圆上） t 增加 1 → 转一整圈回到原处（周期 1）
\(e(t)=e^{2\pi i t}\) 是单位圆上的点，角度 \(2\pi t\)，模长恒为 1，周期为 1。整数 \(t\) 时落在 \(1\) 处。
生成函数 \(T(\alpha)=\sum_{x=1}^{P}e(\alpha x^k)\)（公式 2.5）逐符号拆解
\(\alpha\)
读“阿尔法”，一个实变量，把它想成在 \([0,1]\) 上滑动的旋钮。\(T\) 是 \(\alpha\) 的函数。
\(x\)
求和指标，依次取 \(1,2,3,\dots,P\)。
\(x^k\)
底数 \(x\) 的 \(k\) 次方（\(k\) 是固定的幂次）。
\(e(\alpha x^k)=e^{2\pi i\alpha x^k}\)
单位圆上角度为 \(2\pi\alpha x^k\) 的点。每个 \(x\) 给一个这样的点。
\(\sum_{x=1}^P\)
把 \(x=1\) 到 \(P\) 的这 \(P\) 个单位圆上的点（复数）相加。
\(P\)
截断长度（有限的正整数），即只用到底数不超过 \(P\) 的 \(k\) 次方。下段说明取 \(P=[N^{1/k}]\) 就够。
所以 \(T(\alpha)\) 是把 \(P\) 个“单位圆上的点” \(e(\alpha\cdot1^k),e(\alpha\cdot2^k),\dots,e(\alpha\cdot P^k)\) 相加得到的一个复数，它随 \(\alpha\) 变化。它就是 Vinogradov 版的生成函数——对应上一段那个无穷幂级数因子 \(\sum z^{n^k}\)，只是把 \(z\) 换成 \(e(\alpha)\)、并截断到 \(P\) 项。

第 10 段　展开 \((T(\alpha))^s\)（公式 2.6）

则 \[(T(\alpha))^s = \sum_{m} r'(m)e(m\alpha),\tag{2.6}\] 其中 \(r'(m)\) 表示 \(m\) 表示为 \[x_1^k + \cdots + x_s^k, \quad (1 \le x_i \le P)\] 的表法数目。
这段在讲什么把主角函数 \(T(\alpha)\) 自乘 \(s\) 次，展开后自动统计出表示法个数。这是第 7 段“幂级数相乘 = 计数”的 Vinogradov 翻版，但现在是有限和、用 \(e(m\alpha)\) 代替 \(z^m\)。
推演：为什么 \((T(\alpha))^s=\sum_m r'(m)e(m\alpha)\)（原书只给结果，这里完整展开）
  1. 写开 \(s\) 次幂为 \(s\) 个相同因子相乘，每个因子都用不同的求和指标（\(x_1,\dots,x_s\)）以示区别： \[(T(\alpha))^s=\Big(\sum_{x_1=1}^{P}e(\alpha x_1^k)\Big)\Big(\sum_{x_2=1}^{P}e(\alpha x_2^k)\Big)\cdots\Big(\sum_{x_s=1}^{P}e(\alpha x_s^k)\Big).\]
  2. 乘开括号：从每个因子里各挑一项相乘，所有挑法求和。即对所有有序组 \((x_1,\dots,x_s)\)（每个分量从 \(1\) 到 \(P\)）求和： \[(T(\alpha))^s=\sum_{x_1=1}^{P}\sum_{x_2=1}^{P}\cdots\sum_{x_s=1}^{P}\ e(\alpha x_1^k)\,e(\alpha x_2^k)\cdots e(\alpha x_s^k).\]
  3. 用上一段“相乘 = 角度相加”的性质 \(e(a)e(b)=e(a+b)\)，把 \(s\) 个 \(e\) 合并： \[e(\alpha x_1^k)\cdots e(\alpha x_s^k)=e\big(\alpha x_1^k+\cdots+\alpha x_s^k\big)=e\big(\alpha\,(x_1^k+\cdots+x_s^k)\big).\] 这里把公因子 \(\alpha\) 提了出来。
  4. 记每一组的“和”为 \(m=x_1^k+\cdots+x_s^k\)，则该项就是 \(e(m\alpha)\)。于是整个和按 \(m\) 的值归类：指数（这里指 \(e(\cdot\alpha)\) 中的 \(m\)）等于同一个 \(m\) 的项，应当合并。
  5. 合并后，\(e(m\alpha)\) 前面的系数 = “有多少组 \((x_1,\dots,x_s)\) 满足 \(x_1^k+\cdots+x_s^k=m\) 且每个 \(1\le x_i\le P\)”。把这个个数记作 \(r'(m)\)。于是 \[(T(\alpha))^s=\sum_{m}r'(m)\,e(m\alpha).\] 求和指标 \(m\) 跑遍所有可能出现的和（从最小 \(s\cdot1^k=s\) 到最大 \(s\cdot P^k\)）。♦
\(r'(m)\) 与前面 \(r(N)\) 的区别：那一撇是什么意思 \(r'(m)\)（读“r prime m”）和 \(r(N)\) 都是“表法个数”，但限制不同：
\(r(N)\)
表示成 \(s\) 个 \(k\) 次方之和、\(x_i\ge1\)，底数不设上限。
\(r'(m)\)
同样要 \(x_i\ge1\)，但底数被截断在 \(1\le x_i\le P\)（因为 \(T(\alpha)\) 只加到 \(P\)）。
那一撇正是提醒你：这是“带截断 \(P\)”的计数。下一段要做的，就是说明只要 \(P\) 取得够大，截断不丢解，\(r'(N)\) 就等于 \(r(N)\)。
(T(α))ˢ = Σ_{x₁} Σ_{x₂} … Σ_{xₛ} e(α x₁ᵏ)·e(α x₂ᵏ)·…·e(α xₛᵏ) 相乘=角度相加 → e( α·(x₁ᵏ+x₂ᵏ+…+xₛᵏ) ) 令 m = x₁ᵏ+…+xₛᵏ → 每组贡献一个 e(mα) 按 m 归类：e(mα) 的系数 = 满足和为 m（1≤xᵢ≤P）的组数 = r′(m) (T(α))ˢ = Σ_m r′(m) e(mα)
与生成函数同理：\((T(\alpha))^s\) 展开后，\(e(m\alpha)\) 的系数自动等于“和为 \(m\) 的（截断）表示法个数” \(r'(m)\)。

第 11 段　选 \(P\) 使 \(r'(N)=r(N)\)，并用积分挑出 \(r(N)\)（公式 2.7）

若 \(P \ge [N^{1/k}]\)（其中 \([\lambda]\) 表示实数 \(\lambda\) 的整数部分），则 \(r'(N)\) 就是 \(N\) 表示为形如 (2.1) 且 \(x_i \ge 1\) 的表法总数。因此 \(r'(N) = r(N)\)。若我们将 (2.6) 的两边乘以 \(e(-N\alpha)\) 并在单位区间 \([0,1]\) 上（或任何长度为 1 的区间上）积分，便得到 \[r(N) = \int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha.\tag{2.7}\]
这段在讲什么这是全章的技术高潮：两件事。(1) 选对截断 \(P\)，让截断计数 \(r'(N)\) 等于真计数 \(r(N)\)；(2) 用一个“积分提取系数”的技巧（正交关系），把 \(r(N)\) 写成漂亮的定积分 \((2.7)\)——这就是后面所有章节真正动手计算的出发点。
取整记号 \([\lambda]\) 与条件 \(P\ge[N^{1/k}]\) \([\lambda]\)（读“\(\lambda\) 的整数部分”，\(\lambda\) 读“lambda”）表示不超过 \(\lambda\) 的最大整数（向下取整）。例如 \([3.7]=3,\ [5]=5,\ [2.0]=2\)。 为什么取 \(P\ge[N^{1/k}]\) 就能保证不丢解？关键观察：在 \(x_1^k+\cdots+x_s^k=N\) 且各 \(x_i\ge1\) 的表示里，每个底数 \(x_i\) 都不会太大。
  1. 因为其余各项 \(\ge0\)（实际 \(\ge1\)），单看一项有 \(x_i^k\le x_1^k+\cdots+x_s^k=N\)。
  2. 两边开 \(k\) 次方：\(x_i\le N^{1/k}\)。
  3. 而 \(x_i\) 是整数，整数且 \(\le N^{1/k}\)，就一定 \(\le[N^{1/k}]\)（不超过 \(N^{1/k}\) 的最大整数）。
  4. 所以只要截断上限 \(P\ge[N^{1/k}]\)，每个真正的表示里的底数都落在 \(1\le x_i\le P\) 内，一个解都不会被截断丢掉。反过来，\(1\le x_i\le P\) 的解本来就是合法表示。于是截断计数与真计数完全一致：\(r'(N)=r(N)\)。♦
这就是 \(P\) 的取法理由：取得恰好够大（\(\ge[N^{1/k}]\)）以不丢解，又不必更大（更大只是多算些和必然 \(>N\) 的项，对 \(r'(N)\) 无影响），干净利落。
定积分 \(\int_0^1\) 从零讲（看懂 (2.7) 所需） \(\int_0^1 f(\alpha)\,d\alpha\) 读作“\(f\) 从 \(0\) 到 \(1\) 的定积分”。直观上它表示函数 \(f\) 在区间 \([0,1]\) 上的“累积量 / 面积”（对复值函数则是实部、虚部分别累积）。本段只需用到它一条关键性质（线性性）：积分可以逐项进行，且常数可以提到积分号外—— \[\int_0^1\Big(\sum_m c_m\,g_m(\alpha)\Big)d\alpha=\sum_m c_m\int_0^1 g_m(\alpha)\,d\alpha.\] 也就是“和的积分 = 积分的和”“常数倍照搬”。
核心引理：正交关系 \(\displaystyle\int_0^1 e(m\alpha)\,d\alpha=\begin{cases}1,&m=0\\[2pt]0,&m\ne0\end{cases}\)（\(m\) 为整数） 这是“积分挑系数”的全部秘密，原书默认你会，这里从零证：
  1. 情形 \(m=0\)： \(e(0\cdot\alpha)=e(0)=1\)（常函数）。所以 \(\int_0^1 1\,d\alpha=1-0=1\)。
  2. 情形 \(m\ne0\)（整数）： 此时 \(e(m\alpha)=e^{2\pi i m\alpha}\) 是个指数函数，对 \(\alpha\) 求原函数： \[\int e^{2\pi i m\alpha}\,d\alpha=\frac{1}{2\pi i m}e^{2\pi i m\alpha}+C,\] （验证：把右边对 \(\alpha\) 求导，链式法则得 \(\frac{1}{2\pi im}\cdot 2\pi i m\,e^{2\pi im\alpha}=e^{2\pi im\alpha}\)，正确。）
  3. 代入上下限 \(0\) 到 \(1\)： \[\int_0^1 e^{2\pi im\alpha}d\alpha=\frac{1}{2\pi im}\Big(e^{2\pi im\cdot1}-e^{2\pi im\cdot0}\Big)=\frac{1}{2\pi im}\big(e(m)-e(0)\big).\]
  4. 因为 \(m\) 是整数，前面讲过 \(e(m)=1\)，又 \(e(0)=1\)，所以括号 \(=1-1=0\)。故整个积分 \(=0\)。
  5. 合并两种情形即得正交关系。直观解释：\(m\ne0\) 时 \(e(m\alpha)\) 在 \([0,1]\) 上绕单位圆整整转 \(|m|\) 圈，正负均匀抵消，累积为 0；\(m=0\) 时它恒等于 1，累积为 1。♦
m≠0：转整圈，正负均匀抵消 → ∫=0 m=0：被积函数 ≡ 1 ∫₀¹ 1 dα = 1（区间长度） 0 1
正交关系：\(m\ne0\) 时积分为 0（转整圈抵消），\(m=0\) 时为 1。这把“积分”变成一台只挑出 \(m=0\) 那一项的“筛子”。
推演：把 (2.6) 乘 \(e(-N\alpha)\) 再积分，得到 (2.7) 现在用上面的正交关系把 \((2.7)\) 推出来，每一步都说清。
  1. 从 \((2.6)\) 出发：\((T(\alpha))^s=\sum_m r'(m)\,e(m\alpha)\)。两边乘以 \(e(-N\alpha)\)： \[(T(\alpha))^s e(-N\alpha)=\sum_m r'(m)\,e(m\alpha)\,e(-N\alpha).\]
  2. 用 \(e(a)e(b)=e(a+b)\)：\(e(m\alpha)e(-N\alpha)=e\big((m-N)\alpha\big)\)。于是右边 \(=\sum_m r'(m)\,e\big((m-N)\alpha\big)\)。
  3. 两边对 \(\alpha\) 在 \([0,1]\) 上积分，并用积分的线性性（和的积分=积分的和，常数 \(r'(m)\) 提出）： \[\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha=\sum_m r'(m)\int_0^1 e\big((m-N)\alpha\big)\,d\alpha.\]
  4. 对每个内层积分用正交关系：指数里的整数是 \(m-N\)。
    • 当 \(m\ne N\) 时 \(m-N\ne0\)，积分 \(=0\)，整项消失；
    • 当 \(m=N\) 时 \(m-N=0\)，积分 \(=1\)，该项保留为 \(r'(N)\cdot1\)。
    所以右边整个求和只剩 \(m=N\) 这一项： \[\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha=r'(N).\]
  5. 由本段开头取 \(P\ge[N^{1/k}]\) 已证 \(r'(N)=r(N)\)，代入即得目标公式 \[\boxed{\,r(N)=\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha\,}\tag{2.7}\] ♦
一句话总结这套机制：乘上 \(e(-N\alpha)\) 再积分，就像一把“筛子”，把 \((T(\alpha))^s\) 这堆 \(e(m\alpha)\) 里恰好 \(m=N\) 的那一项的系数 \(r(N)\) 单独筛出来，其余全部因“转整圈抵消”而归零。这正是圆法把数论计数 \(r(N)\) 变成一个定积分的核心一招。

第 12 段　(2.7) 是出发点：与 Hardy–Littlewood 围道积分的对应

这就是我们研究 Waring 问题工作的出发点。它对应于 Hardy 与 Littlewood 所用的 \(r(N)\) 的围道积分，只是把 \(z\) 替换成了 \(e^{2\pi i \alpha}\)。
这段在讲什么承上启下：宣布 \((2.7)\) 就是后面所有章节的起跑线，并点明它和第 8 段 Cauchy 围道积分其实是同一件事的两种写法。
两种写法的对应关系（为什么说“只是把 \(z\) 换成 \(e^{2\pi i\alpha}\)”）
Hardy–Littlewood 原版
\(r(N)=\dfrac{1}{2\pi i}\oint_{|z|=\rho}\dfrac{F(z)}{z^{N+1}}\,dz\)，沿复平面圆周 \(|z|=\rho\) 积分。
Vinogradov / 本书版
\(r(N)=\displaystyle\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha\)，沿实区间 \([0,1]\) 积分。
做一个变量替换 \(z=e^{2\pi i\alpha}\) 就能看出二者一致：当 \(\alpha\) 从 \(0\) 跑到 \(1\)，\(z=e^{2\pi i\alpha}\) 恰好沿单位圆 \(|z|=1\) 绕一圈（因为 \(e(t)\) 周期为 1、模长为 1）。所以“沿 \(\alpha\in[0,1]\) 的实积分”就是“沿单位圆周的围道积分”，而 \(1/z^{N+1}\) 中的因子化成了 \(e(-N\alpha)\)。两种语言、同一件事——只不过 Vinogradov 版省去了复变积分的包袱，只剩高中也能逐步看懂的实定积分。这正是本书选它作出发点的原因。

第 13 段　本书的首要目标与条件 \(s\ge 2^k+1\)（华罗庚不等式）

我们的首要目标是建立渐近公式 (2.2) 对 \(r(N)\) 当 \(N \to \infty\) 时的成立性，所受的条件为 \(s \ge 2^k + 1\)。借助华罗庚于 1938 年发现的一个不等式（下文引理 3.2），有可能以一种相对简单的方式做到这一点。值得注意的是：就渐近公式本身而言，迄今尚未对小 \(k\) 值的条件 \(s \ge 2^k + 1\) 作出任何改进。对于大的 \(k\)，Vinogradov 已经证明形如 \(s > Ck^2\log k\) 的条件即足够。
这段在讲什么给出本书接下来要达到的具体目标：在条件 \(s\ge2^k+1\) 下证明渐近公式 \((2.2)\)。并交代两个关键事实：靠华罗庚 1938 年的不等式能相对简单地做到；以及对大 \(k\) Vinogradov 有更省项的条件。
条件 \(s\ge2^k+1\) 怎么读、有多大 \(2^k\) 是 2 的 \(k\) 次方，随 \(k\) 指数增长。条件 \(s\ge2^k+1\) 说：要让本书这套相对简单的方法跑通渐近公式，项数 \(s\) 至少要 \(2^k+1\)。代入感受：
  1. \(k=2\)：\(2^2+1=5\)。
  2. \(k=3\)：\(2^3+1=9\)。
  3. \(k=4\)：\(2^4+1=17\)。
  4. \(k=5\)：\(2^5+1=33\)。
这是一个“够用但不一定最优”的门槛——好处是换来证明的简单。译文特别提醒：对小 \(k\) 而言，这个 \(2^k+1\) 至今没被改进过（就渐近公式本身而言），可见它相当本质，不是随便估的。
华罗庚不等式（Hua's inequality, 1938）：为什么需要它、它解决了什么 华罗庚（Loo-Keng Hua，中国现代数学奠基人之一）1938 年发现的一个关于指数和 \(T(\alpha)\) 的积分不等式（本书后文的引理 3.2）。 动机 / 它解决的困难：要从积分 \((2.7)\) 估计 \(r(N)\)，必须先控制住 \(T(\alpha)\) 的大小——特别是要估计形如 \(\int_0^1|T(\alpha)|^{2^k}\,d\alpha\) 这类“高次幂的平均大小”。这本身很难。华罗庚不等式恰好给出了这种积分的一个干净上界，从而能把 \((2.7)\) 中“次弧”部分的贡献压成误差项。正因为有了它，本书才能“以相对简单的方式”在 \(s\ge2^k+1\) 下完成渐近公式。它是后面技术推导的关键工具，所以这里先郑重预告。
大 \(k\) 的 Vinogradov 条件 \(s>Ck^2\log k\)，以及里面的记号 对很大的 \(k\)，\(2^k+1\) 大得惊人（指数增长），太浪费。Vinogradov 用更深的方法证明：只要 \(s>Ck^2\log k\) 就够。
\(C\)
某个绝对常数（一个固定的正数，不依赖 \(k\)），具体多大不重要。
\(\log k\)
\(k\) 的对数。这里增长很慢。
\(k^2\log k\)
相比 \(2^k\)，它是多项式 × 对数级，增长慢得多。
对比一下大 \(k\) 时两者的差距：\(2^k\) 是指数爆炸，而 \(k^2\log k\) 温和得多。所以对大 \(k\)，Vinogradov 的条件远优于 \(2^k+1\)；但它的方法复杂，本书在入门阶段先用 \(2^k+1\) 的简单路线。这就是“取舍”：小 \(k\) 用简单方法（\(2^k+1\)），大 \(k\) 才值得上 Vinogradov 的重武器。

第 14 段　证 \(G(k)\le s\) 比证渐近公式更省：Vinogradov 与 Davenport

若我们对某个特定的 \(s\) 值（比如 \(s = s_1\)）证明了渐近公式成立，那么就可推出每个大数都可表示为 \(s_1\) 个 \(k\) 次方之和，从而 \(G(k) \le s_1\)。但为了证明这一点，并不必证明关于表法总数的渐近公式；只需对某种特殊类型的表法证明它即可，即作为 \(s_1\) 个 \(k\) 次方之和。这使得有可能得到比由渐近公式的成立性所能得到的更好的 \(G(k)\) 估计。1934 年 Vinogradov 证明了对大的 \(k\) 有 \(G(k) \lt Ck\log k\)，我们将在第 9 章给出一个证明。对小 \(k\) 已知的最佳结果由 Davenport 于 1939–41 年间找到 [19]。
这段在讲什么把第 6 段那条方法论说透：要压低 \(G(k)\) 的上界，不必证完整渐近公式，从而能用更少的项数 \(s\)。并报告 \(G(k)\) 上界的两项里程碑成果。
推演：渐近公式成立 ⟹ \(G(k)\le s_1\)（与第 5 段同理，复述要点）
  1. 设对 \(s=s_1\)，渐近公式 \((2.2)\) 成立且主项为正（奇异级数有正下界）。
  2. 则对充分大的 \(N\)，\(r(N)=\text{正主项}+\text{更小误差}>0\)。
  3. \(r(N)>0\) ⟹ \(N\) 可表示成 \(s_1\) 个 \(k\) 次方之和。对一切大 \(N\) 成立即 \(G(k)\le s_1\)。♦
关键洞察：“只要有一种表示”比“数清所有表示”要求低得多 证渐近公式是去算 \(r(N)\) 的精确个数——这要求对积分 \((2.7)\) 做非常精细的估计，主项误差都要拿捏，因此 \(s\) 必须够大。 但要得到 \(G(k)\le s_1\)，逻辑上只需 \(r(N)>0\)，即哪怕只存在一种表示就够了。这给了我们偷懒的空间： 结论：“求 \(G(k)\) 上界”能用比“求渐近公式”更少的项数，这就是为什么 P.N. VI 能把 \(G(4)\) 压到比渐近公式所需更小的值（第 6 段）。这是圆法里反复使用的省力策略。
两项里程碑结果，以及记号 \(<\)、\(\log\)
Vinogradov 1934：\(G(k)
注意比第 13 段渐近公式的大 \(k\) 条件 \(s>Ck^2\log k\) 还要小一个 \(k\) 的因子（这里是 \(k\log k\) 而非 \(k^2\log k\)）——正是上面“只需存在性”省下来的。本书第 9 章会给证明。
Davenport 1939–41：小 \(k\) 的最佳结果 [19]
Davenport（本书作者本人）当年得到了对小 \(k\)（如 \(k=4,5,6\) 等）当时已知最好的 \(G(k)\) 上界。这也解释了作者为何对此题如此熟稔——他是这段历史的亲历者与推进者。
\(\log k\) 是 \(k\) 的对数，增长极慢；\(C\) 仍是绝对常数。\(Ck\log k\) 随 \(k\) 增长比 \(k^2\log k\) 更慢，是更强（更小）的上界。

第 15 段　Linnik 的“初等”证明与华罗庚不等式的影响

关于 Hilbert 定理的一个新的“初等”证明由 Linnik 于 1943 年给出 [58]，并被 Khintchine 选入他的“三颗明珠”[53] 之中。这个证明的根本思想无疑是受到了 Hardy–Littlewood 方法某些特征的启发，特别是受到了华罗庚不等式的启发。
这段在讲什么收尾：交代 Hilbert 定理还有第三条路线——Linnik 1943 年的“初等”证明，并点明它的灵感来自圆法（尤其华罗庚不等式）。这说明本章讲的解析思想影响深远，连“不用解析工具”的证明也是受它启发。
“初等”证明是什么意思（不是“简单”的意思） 数学里的“初等”（elementary）有特定含义：指不使用复变函数、积分、无穷级数等分析工具，只用整数、不等式、组合计数等较“基本”的手段。它不等于“容易”——Linnik 的初等证明其实相当精巧。
人物与出处背景
Linnik
苏联数论学家，1943 年给出 Hilbert 定理的初等新证。
Khintchine（辛钦）
苏联著名数学家，他写过一本小册子《三颗明珠》（Three Pearls of Number Theory），精选三个优美的数论证明向大众讲解，Linnik 的这个证明被收入其中——说明它在数学审美上被高度认可。
华罗庚不等式的影响
它在本章已两次出现（第 13 段作为本书证渐近公式的工具，本段作为 Linnik 初等证明的灵感来源）。这条 1938 年的不等式因此成为贯穿 Waring 问题各条证明路线的一根共同主线，也呼应了全章开头“圆法是一套影响深远的通用思想”的定位。
1770Waring 断言 1909Hilbert 证明（存在 s） 1920sHardy–Littlewood圆法·渐近公式 1928Vinogradov指数和简化 1934VinogradovG(k)<Cklogk 1938华罗庚不等式 1943Linnik初等证明
Waring 问题的历史主线：从 1770 年 Waring 的断言，到 1909 年 Hilbert 证明其存在性，再到 1920 年代 Hardy–Littlewood 的圆法、Vinogradov 的简化与突破、华罗庚不等式（1938）、Linnik 初等证明（1943）。本章正是这条主线的导览。

全章小结：这条逻辑链请记牢

把整章串成一条线
  1. 问题：每个正整数 \(N\) 能否写成固定个数 \(s\) 个 \(k\) 次方之和？（Waring 断言，Hilbert 1909 证明可行。）
  2. 两个常数：\(g(k)\)（覆盖所有 \(N\) 的最小项数）与 \(G(k)\)（覆盖所有大 \(N\) 的最小项数，更本质，\(G\le g\)）。
  3. 升级为计数：定义表法个数 \(r(N)\)；只要证 \(r(N)>0\) 就说明可表示，所以追求更强的渐近公式 \((2.2)\)：\(r(N)=C_{k,s}N^{s/k-1}\mathfrak S(N)+O(N^{s/k-1-\delta})\)。
  4. 奇异级数 \(\mathfrak S(N)\)：主项里编码同余信息的算术因子；它有正下界 \((2.3)\) ⟹ 主项压过误差 ⟹ \(r(N)>0\) ⟹ Hilbert 定理与 \(G(k)\) 上界。
  5. 圆法机器：生成函数 → 截断成指数和 \(T(\alpha)=\sum_{x=1}^{P}e(\alpha x^k)\)（2.5）→ 自乘得 \((T(\alpha))^s=\sum_m r'(m)e(m\alpha)\)（2.6）→ 取 \(P\ge[N^{1/k}]\) 使 \(r'(N)=r(N)\) → 用正交关系“积分筛系数”得出发点 \[r(N)=\int_0^1 (T(\alpha))^s e(-N\alpha)\,d\alpha.\tag{2.7}\]
  6. 本书目标：在 \(s\ge2^k+1\) 下用华罗庚不等式证 \((2.2)\)；并知道“求 \(G(k)\) 上界”比“证渐近公式”省项，由此有 Vinogradov、Davenport 的更好结果。
后面每一章，本质上都是在动手估计这个积分 \((2.7)\)：把区间 \([0,1]\) 切成“主弧”（\(\alpha\) 接近简单分数处，贡献主项）和“次弧”（其余，贡献误差），分别处理。这就是“圆法”的全部戏剧将要上演的舞台。

返回 全书目录