方程 \(c_1 x_1^k+\cdots+c_s x_s^k=0\) 的整数解The equation c_1 x_1^k + ... + c_s x_s^k = 0

阅读方式：下文把译文的每一段都先原样给出（标注「原文」），紧接着用「高中详解」逐字、逐符号、逐步骤地讲清楚。本章是第 4–7 章方法的"收口"，会反复用到那几章的工具，所有用到的工具我们都会从零讲一遍，不要求你已经读过前面。

预备：你需要先认识的几样"分析数论道具"

本章是整本书第二部分的高潮之一，几乎每一句都建立在前几章的记号之上。为了让只有高中知识的你能独立读懂，我们先把会反复出现的几个"道具"集中讲清楚。读不顺的话可以先扫一眼，正文用到时再回头查。

一、把"求整数解"翻译成一个积分

这段在讲什么：给方程"摆好姿势"。我们要让方程里既有正项又有负项，否则根本不可能等于 \(0\)。下面把每句话的逻辑补全。

第一句确定了研究对象：系数 \(c_1,\dots,c_s\) 是给定的、固定的整数（不是未知数），而且都不为 \(0\)（否则那一项消失，相当于变量更少，没意思）。未知数 \(x_1,\dots,x_s\) 取整数，可正可负。

"如果 \(k\) 是偶数，显然必须假设系数并非全部同号"——这句话的"显然"要补全：

1. \(k\) 偶数时，任何整数的 \(k\) 次方都 \(\ge0\)（因为偶数次方非负，例如 \(x^2\ge0,\ x^4\ge0\)）。
2. 若所有系数 \(c_j\) 同号，比如全为正，那么每一项 \(c_j x_j^k\ge0\)，整个左边是若干非负数之和，只有当每一项都为 \(0\) 时总和才为 \(0\)。
3. 而每一项为 \(0\) 又要求每个 \(x_j=0\)（因 \(c_j\ne0\)）。于是唯一的解是平凡解 \(x_1=\cdots=x_s=0\)，没有非平凡解。
4. 所以 \(k\) 偶数时若想要非平凡解，必须有正有负——这就是"不全同号"的来由。它不是人为限制，而是问题有意义的必要条件。

"如果 \(k\) 是奇数，可以把 \(x_i\) 换成 \(-x_i\) 来保证这一点"——补全理由：

1. \(k\) 奇数时 \((-x)^k=-x^k\)（例如 \((-x)^3=-x^3\)）。所以把变量 \(x_i\) 换成 \(-x_i\)，等价于把系数 \(c_i\) 换成 \(-c_i\)。
2. 因此当 \(k\) 奇数时，我们总能通过对某些变量改名（\(x_i\to-x_i\)）来调整任意一项的符号，凑出"有正有负"。即 \(k\) 奇数时"不全同号"的要求可以自动满足，不构成限制。

"稍微改变记号后写成 (8.1)"：把正系数项排在前面（共 \(r\) 项），负系数项排在后面（共 \(s-r\) 项），并把负号显式写出来。这样做不损失一般性——只是重新编号和把符号提出来。注意 (8.1) 里写在式子中的 \(c_1,\dots,c_s\) 已经是它们的绝对值。

这段把约定收紧：

\(c_1,\dots,c_s\) 都是正整数

负号已经被显式提到式子里，所以剩下的系数都取正值。

\(1\le r\le s-1\)

\(r\) 是正项的个数。\(r\ge1\) 保证至少有一个正项，\(r\le s-1\) 保证至少有一个负项——这正是上面分析的"有正有负"。

研究正整数解

关键的简化！由于可正可负的整数解和"全取正整数"的解一一对应（一个非平凡整数解，通过 \(k\) 奇时改符号、或本就分布在正负两侧，都能归到"在某盒子里数正解"这个标准问题），我们只在 \(x_j>0\) 的范围内计数。这样指数和的求和下标从 \(1\) 起，干净利落。"非平凡"在正整数语境下自动满足（正整数 \(\ge1\ne0\)）。

这段在讲什么：第 7 章解的是 \(c_1x_1^k+\cdots+c_sx_s^k=N\)（右边一个给定大数 \(N\)）。那里 \(N\) 自动限制了变量大小：每个 \(x_j^k\le N/c_j\)，所以 \(x_j\) 不会太大，"解的个数"天然有限。可本章右边是 \(0\)，没有 \(N\) 来当"天花板"。如果不加限制，因为方程是齐次的（见下），只要有一个解，把它整体放大就有无穷多解，"数个数"就失去意义。所以我们必须自己造一个天花板。

造天花板的做法（把每一步说清）：

1. 选一个大数 \(P\)（之后令 \(P\to\infty\)）。\(P\) 就是我们人为设的"尺度"。
2. 对第 \(j\) 个变量，定义上界 \(P_j=[P/c_j^{1/k}]\)。这里 \(c_j^{1/k}\) 是 \(c_j\) 的 \(k\) 次方根，\([\,\cdot\,]\) 是取整函数（高斯括号），\([y]\) 表示不超过 \(y\) 的最大整数（例如 \([3.7]=3\)）。所以 \(P_j\) 是不超过 \(P/c_j^{1/k}\) 的最大整数。
3. 为什么这样取 \(P_j\)？ 目的是让每一项 \(c_jx_j^k\) 的大小都被同一个数 \(P^k\) 控制住，从而各项"量级齐平"。验证：当 \(1\le x_j\le P_j\le P/c_j^{1/k}\) 时， \[c_jx_j^k\le c_j P_j^k\le c_j\Big(\frac{P}{c_j^{1/k}}\Big)^k=c_j\cdot\frac{P^k}{c_j}=P^k.\] 于是无论 \(j\) 是谁，\(c_jx_j^k\) 都不超过 \(P^k\)。这保证正项之和与负项之和量级相当，方程才"配得上"等于 \(0\)。若不除以 \(c_j^{1/k}\)，系数大的那一项就会偏大，盒子形状失衡。
4. 于是我们改问一个有限的问题：满足 (8.2)（即每个变量都在 \(1\) 到 \(P_j\) 之间）的解有多少组？ 把这个数记作 \(\mathcal N(P)\)，研究 \(P\to\infty\) 时它的增长。

这段是全章的"翻译总开关"：把"数方程的解"变成"算一个积分"。下面把指数和的定义、以及这个积分公式的来历，从零讲清。

现在解释那个积分公式。回忆"道具 1"的挑零性质：\(\int_0^1 e(m\alpha)\,d\alpha\) 在 \(m=0\) 时为 \(1\)，否则为 \(0\)。把 \(s\) 个指数和按"前 \(r\) 个用 \(\alpha\)、后 \(s-r\) 个用 \(-\alpha\)"乘起来再积分，一步步看会发生什么：

1. 把乘积展开。 一个和乘一个和，等于"逐项配对相乘再全部相加"。所以 \[T_1(\alpha)\cdots T_r(\alpha)\,T_{r+1}(-\alpha)\cdots T_s(-\alpha)=\sum_{x_1=1}^{P_1}\cdots\sum_{x_s=1}^{P_s}\ \prod_{j=1}^{r}e(c_j\alpha x_j^k)\ \prod_{j=r+1}^{s}e(-c_j\alpha x_j^k).\] 也就是：遍历盒子里每一组 \((x_1,\dots,x_s)\)，给它配一个复指数。
2. 合并指数。 同底数 \(e\) 相乘 = 指数相加（因为 \(e(a)e(b)=e^{2\pi i a}e^{2\pi i b}=e^{2\pi i(a+b)}=e(a+b)\)）。于是每一组 \((x_1,\dots,x_s)\) 对应的复指数是 \[e\Big(\alpha\big(c_1x_1^k+\cdots+c_rx_r^k-c_{r+1}x_{r+1}^k-\cdots-c_sx_s^k\big)\Big)=e(\alpha\,m),\] 其中 \(m=c_1x_1^k+\cdots-c_sx_s^k\) 正是方程 (8.1) 的左边。
3. 逐项积分。 把求和与积分交换次序（有限和，可以放心交换）： \[\int_0^1(\cdots)\,d\alpha=\sum_{x_1=1}^{P_1}\cdots\sum_{x_s=1}^{P_s}\ \int_0^1 e(\alpha\,m)\,d\alpha.\]
4. 挑零。 由道具 1，内层积分 \(\int_0^1 e(\alpha m)d\alpha\) 在 \(m=0\) 时给 \(1\)，在 \(m\ne0\) 时给 \(0\)。也就是说：恰好是 (8.1) 左边等于 \(0\) 的那些 \((x_1,\dots,x_s)\) 各贡献 \(1\)，其余贡献 \(0\)。
5. 结论。 把这些 \(1\) 加起来，正是"盒子里使方程成立的解的组数"，即 \(\mathcal N(P)\)。这就证明了 \[\mathcal N(P)=\int_0^1 T_1(\alpha)\cdots T_r(\alpha)\,T_{r+1}(-\alpha)\cdots T_s(-\alpha)\,d\alpha.\]

二、套用华林问题的处理：主项的形成

这段在讲什么："剩下的活前面都干过了"。整个圆法的骨架——把 \([0,1]\) 切成主弧（major arcs）和次弧（minor arcs）、在次弧上用 Weyl/华罗庚不等式证明贡献很小、在主弧上把指数和近似成"奇异积分 × 奇异级数"——在第 4–7 章对华林问题（\(N=x_1^k+\cdots\)）已经搭好了。本章方程几乎一模一样，只有一处实质区别：右边的 \(N\) 没了。所以作者说"只复述区别"。

\(J(P^\delta)\)

第 4 章 (4.10) 里出现的"奇异积分的截断形式"。它本是华林问题里把主弧上的近似积分攒起来的产物，原来含有参数 \(N\)。

替换式中的各记号

\((c_1\cdots c_s)^{-1/k}\)：把每个变量从 \(x_j\) 缩放成连续变量 \(\xi_j\) 时，因为 \(P_j\approx P\,c_j^{-1/k}\)，每个 \(j\) 贡献一个 \(c_j^{-1/k}\) 因子，乘起来就是 \((c_1\cdots c_s)^{-1/k}\)。
\(\gamma\)：主弧上把 \(\alpha\) 写成 \(\alpha=\dfrac{a}{q}+\dfrac{\beta}{P^k}\) 后，再做尺度变换得到的"局部连续变量"，相当于在每段主弧内部的精细坐标。\(|\gamma| \(\xi_j\in[0,1]\)：把离散的 \(x_j\in\{1,\dots,P_j\}\) 归一化成连续变量 \(\xi_j=x_j/P_j\) 后的积分变量。
\(\pm\)：见下一段，前 \(r\) 个取 \(+\)、后 \(s-r\) 个取 \(-\)，对应正负项。

"唯一的改动来自 \(N\) 的缺失"具体指什么？ 在华林问题里被积的复指数还带着 \(e(-N\alpha)\) 这种"目标项"，对应到连续积分里会出现 \(e(\mp\gamma)\) 之类的因子，使奇异积分依赖 \(N\)。这里方程右边是 \(0\)，那个因子变成 \(e(0)=1\)，于是奇异积分不再依赖任何目标值，纯粹是系数与 \(k\) 的函数——这一点稍后会再次强调（\(\mathfrak S\) 也同理）。

这段把上一段的截断积分推到极限（截断范围 \(P^\delta\to\infty\)、内层积分换元），得到一个干净的、与 \(P\) 无关的常数积分 \(J\)。逐项解释：

1. 符号 \(\pm\) 的规则：\(j\le r\)（正项）取 \(+\)，\(j>r\)（负项）取 \(-\)。它直接来自 (8.1) 中各项的符号。
2. 内层换元 \(\xi_j^k=\zeta_j\)。 这是关键一步，把"\(k\) 次方"拉直成线性。令 \(\zeta_j=\xi_j^k\)，当 \(\xi_j\) 从 \(0\) 到 \(1\)，\(\zeta_j\) 也从 \(0\) 到 \(1\)。微分：\(d\zeta_j=k\xi_j^{k-1}d\xi_j\)，所以 \(d\xi_j=\dfrac{1}{k}\zeta_j^{(1-k)/k}d\zeta_j=\dfrac{1}{k}\zeta_j^{-1+1/k}d\zeta_j\)。这正是积分里冒出 \(\zeta_j^{-1+1/k}\) 和每项一个 \(\tfrac1k\) 的原因；\(s\) 个 \(\tfrac1k\) 乘起来就是前面的 \(k^{-s}\)。
3. 截断推到无穷：把 \(|\gamma|纯粹的常数（只依赖 \(k,s\) 和符号分布），不再含 \(P\)。

这段在算 \(J\) 这个常数积分，目标只是看出它是正数。 思路：先对 \(\gamma\) 积分，用到的是"傅里叶反演 / 挑零"的连续版本。把每一步补全：

1. 换变量 \(\zeta_s\to u\)。 固定 \(\zeta_1,\dots,\zeta_{s-1}\)，令 \[u=\zeta_1+\cdots+\zeta_r-\zeta_{r+1}-\cdots-\zeta_s.\] 这是 \(u\) 与 \(\zeta_s\) 的一次关系（系数为 \(-1\)），所以 \(d\zeta_s=\mp du\)（雅可比行列式绝对值为 \(1\)），换元不带额外因子。\(u\) 正是"把所有 \(\zeta\) 按方程符号组合起来"的那个量——它对应方程左边。
2. 对 \(\gamma\) 积分先做。 把所有含 \(\gamma\) 的因子收集起来：每个内层积分给出 \(e(\pm\gamma\zeta_j)\)，乘起来再对 \(\zeta_j\) 之外先不动、对 \(\gamma\) 积分，得到 \(\int_{-\infty}^\infty e(\gamma u)\,d\gamma\) 形式的因子（把各 \(\pm\gamma\zeta_j\) 合并，指数里 \(\gamma\) 的系数恰为 \(u\)）。这是狄拉克 \(\delta\) 的连续挑零：\(\int_{-\infty}^\infty e(\gamma u)d\gamma\) 形式上"挑出 \(u=0\)"，即强制 \(\zeta_1+\cdots\pm\zeta_s=0\)，也就是把 \(\zeta_s\) 解出为 \(\zeta_s=\zeta_1+\cdots\pm\zeta_{s-1}\)（前 \(r-?\) 的符号见原式），从而把 \(s\) 重积分降为 \(s-1\) 重。
3. 代回 \(\zeta_s\)。 被积的权重原来是 \(\prod_{j=1}^s\zeta_j^{-1+1/k}\)。把 \(\zeta_s\) 替换成 \(\zeta_1+\cdots\pm\zeta_{s-1}\)，就得到 \[\{\zeta_1\cdots\zeta_{s-1}\cdot(\zeta_1+\cdots\pm\zeta_{s-1})\}^{-1+1/k}=\{\zeta_1\cdots\zeta_s(\zeta_1+\cdots\pm\zeta_{s-1})\}^{-1+1/k}\] （最后一个写法把 \(\zeta_s\) 也写出来便于对称地看）。积分范围由 \(0<\zeta_j<1\)（每个连续变量）以及 \(\zeta_s\in(0,1)\) 即 \(0<\zeta_1+\cdots\pm\zeta_{s-1}<1\) 共同决定。
4. 整理得到所写的 \((s-1)\) 重积分表达式，前面带常数 \(k^{-s}\)。

把"\(J>0\)"补成完整论证：

1. 被积函数 \(\{\zeta_1\cdots\zeta_s(\zeta_1+\cdots\pm\zeta_{s-1})\}^{-1+1/k}\) 在积分区域内部处处为正：因为每个因子 \(\zeta_j>0\)、组合 \(\zeta_1+\cdots\pm\zeta_{s-1}\) 在 \((0,1)\) 内也为正，正数的任意实数次幂仍为正。
2. 一个处处为正的连续函数，在一个非空开集上的积分必然 \(>0\)（正函数积出来不可能是 \(0\)）。
3. 因此只要"满足约束 \(0<\zeta_1+\cdots\pm\zeta_{s-1}<1\) 且各 \(0<\zeta_j<1\)"的区域非空且有内点（开集），就有 \(J>0\)。
4. 这样的开集确实存在：例如取所有 \(\zeta_j\) 都接近 \(\tfrac1{2s}\) 这样的小正数，则正项和减负项和是一个小的正数，落在 \((0,1)\) 内；这是一个开条件，附近一整块都满足。于是开集非空，\(J>0\) 成立。

这就完成了奇异积分为正（第一个因子）的验证。注意它本质上反映"方程在实数范围有一片连续解（一个 \((s-1)\) 维曲面），且我们的盒子切到了这片解"。

这是本章的核心公式，把整个圆法的产出"装订"成一行。 逐件拆解：

\(\mathcal N(P)\)

盒子 (8.2) 里方程 (8.1) 的解数（我们真正想知道的量）。

\(P^{s-k}\)

主项的阶。直觉：\(s\) 个变量各有约 \(P\) 种取值，共约 \(P^s\) 组；方程是一个 \(k\) 次约束，"命中 \(0\)"的概率约 \(P^{-k}\)；相乘得 \(P^{s-k}\)。只要 \(s>k\)，这个指数为正，\(P\to\infty\) 时主项 \(\to\infty\)。

\(C'_{k,s}\)（奇异积分，(8.4)）

就是上一节算出的常数 \(J\)（这里把哑变量改记为 \(\eta\)，并且原文 (8.4) 把符号写成具体的 \(+\cdots-\) 形态）。我们已证 \(C'_{k,s}=J>0\)。它编码"实数（无穷远）处的几何"。

\((c_1\cdots c_s)^{-1/k}\)

缩放盒子带来的常数因子（前面解释过）。它是正的。

\(\mathfrak S\)（奇异级数，(8.5)）

编码"每个素数处的算术"。它是否为正，是本章下半场要攻克的难点。\(\mathfrak S\) 这个花体 S 读作"奇异级数 S"。

\(O(P^{s-k-\delta})\)

误差项，阶比主项小 \(P^{-\delta}\)（\(\delta>0\) 固定）。当 \(P\to\infty\)，它相对主项可忽略。

条件 \(s\ge 2^k+1\)

这是次弧估计（Weyl/华罗庚不等式那一套，第 3–4 章）要求的变量数下限，用来保证误差项确实小于主项。本章把它当作已证前提引用。

这段讲奇异级数的三条性质，每条都补全。

(1) "\(\mathfrak S\) 只依赖系数与 \(k\)，不依赖别的"。 这正是"\(N\) 缺失"的红利：第 7 章里奇异级数还含 \(N\)（要写成 \(\mathfrak S(N)\)，对不同 \(N\) 不同），这里右边为 \(0\)，求和式里没有任何依赖 \(N\) 的因子，所以 \(\mathfrak S\) 就是一个固定的常数。这让我们的目标从"对所有 \(N\) 一致地有 \(\mathfrak S(N)\ge C_1>0\)"简化为"这一个常数 \(\mathfrak S>0\)"。

(2) "\(s\ge 2k+1\) 时绝对收敛"。 绝对收敛指 \(\sum|\text{项}|\) 也有限，从而可以随意重排、拆分。这依赖一个估计（Weyl 估计的推论，第 4 章）：\(|S_{a,q}|\le C\,q^{1-1/k}\)。于是每个 \(a\) 项的模 \(\le q^{-s}\prod_j C q^{1-1/k}=C^s q^{-s+s(1-1/k)}=C^s q^{-s/k}\)；对 \(a\) 求和（至多 \(q\) 个）再对 \(q\) 求和，量级是 \(\sum_q q\cdot q^{-s/k}=\sum_q q^{1-s/k}\)。当 \(1-s/k<-1\) 即 \(s>2k\)（即 \(s\ge2k+1\)）时，这是收敛的 \(p\)-级数，故绝对收敛。

(3) "存在 \(p_0\) 使 \(\prod_{p>p_0}\chi(p)\ge\tfrac12\)"。 补全：由绝对收敛，\(\prod_p\chi(p)\) 收敛，意味着对大的素数 \(p\)，\(\chi(p)\) 极接近 \(1\)（\(|\chi(p)-1|\) 之和有限）。于是"尾巴"乘积 \(\prod_{p>p_0}\chi(p)\) 随 \(p_0\) 增大趋于 \(1\)；取 \(p_0\) 足够大，就能让这个尾巴乘积 \(\ge\tfrac12\)（任何 \(<1\) 的正下界都行，\(\tfrac12\) 只是方便）。结论：大素数处的因子整体上至少贡献 \(\tfrac12\)，绝不会把 \(\mathfrak S\) 拉到 \(0\)。 剩下要担心的只有有限个小素数 \(p\le p_0\)。

这段把"证 \(\mathfrak S>0\)"归结为一个干净的同余计数下界。逐步说明这个归结链条：

1. 从乘积到逐因子。 \(\mathfrak S=\prod_p\chi(p)\)。一个无穷乘积若每个因子 \(>0\)、且尾巴乘积有正下界（上一段的 \(\tfrac12\)），则整体 \(>0\)。所以只需对每个素数 \(p\) 单独证 \(\chi(p)>0\)（原文记作 \(\chi_p\)）。
2. \(\chi(p)\) 是什么。 它等于"方程在 \(p\)-adic 整数里的解密度"，有个具体公式： \[\chi(p)=\lim_{\nu\to\infty}\frac{M(p^\nu)}{p^{\nu(s-1)}},\] 其中 \(M(p^\nu)\) 是同余式 (8.7) 在 \(0\le x_j组数。
3. 为什么分母是 \(p^{\nu(s-1)}\)。 共有 \(s\) 个变量，每个有 \(p^\nu\) 种取值，全空间 \(p^{\nu s}\) 组；方程是一个模 \(p^\nu\) 的约束，"随机命中 \(0\)"的概率约 \(p^{-\nu}\)，期望解数约 \(p^{\nu s}\cdot p^{-\nu}=p^{\nu(s-1)}\)。所以 \(M(p^\nu)/p^{\nu(s-1)}\) 是"实际解数相对随机期望的比值"，它的极限就是局部密度 \(\chi(p)\)。
4. (8.6) 的含义。 若能证 \(M(p^\nu)\ge C_p\,p^{\nu(s-1)}\)（\(C_p>0\) 是只依赖 \(p\) 的正常数）对所有充分大的 \(\nu\) 成立，那么取极限得 \(\chi(p)\ge C_p>0\)。这就是要证 \(\chi(p)>0\) 的充分条件——把"密度为正"翻译成"解数有一个正比例下界"。
5. "无需写 \(\mathfrak S\ge C_1(k,s)>0\)"。 第 7 章因为有 \(N\)，需要对所有 \(N\) 一致的正下界 \(C_1\)；这里 \(\mathfrak S\) 是单个常数，只需它 \(>0\) 即可，门槛更低。

另外解释 (8.7)：把方程系数恢复成"有正有负"无所谓——下一段会说符号不影响计数；约束 \(0\le x_j

三、把同余问题层层化简，找出 \(s_1(k)\)

这段宣布下半章的任务：找一个显式的变量数门槛 \(s_1(k)\)（只依赖 \(k\)），使得只要 \(s\ge s_1(k)\)，对每个素数 \(p\) 同余下界 (8.6) 都成立。一旦如此，\(\chi(p)>0\)（每个 \(p\)）⟹ \(\mathfrak S>0\) ⟹ 主项 \(\ne0\) ⟹ \(\mathcal N(P)\sim(\text{正常数})P^{s-k}\to\infty\) ⟹ 解有无穷多个。

"符号不起作用"补全：在 (8.7) 的同余计数里，把某个 \(-c_j\) 换回 \(+c_j\)，只是把变量 \(x_j\) 替换为另一套取值（模 \(p^\nu\) 下 \(-1\) 是可逆的），解的总数不变。所以计数时可以把所有负号丢掉，统一写成 \(c_1x_1^k+\cdots+c_sx_s^k\equiv0\)，系数都为正。下面就用这套"无负号"的记号。

这段开始"清洗系数"。 问题在于：有些 \(c_j\) 可能被 \(p\) 整除（含 \(p\) 的因子），这会干扰同余计数。第一步是把每个 \(c_j\) 里的 \(p\) 因子剥离出来，化到一个"系数都不被 \(p\) 整除、变量更少"的同余式，并保证下界 (8.6) 能从新式子传回原式子。

把分解代入即可，逐步看：

1. 原项 \(c_jx_j^k=d_j p^{h_jk+l_j}x_j^k=d_j p^{l_j}\cdot p^{h_jk}\,x_j^k\)。
2. 把 \(p^{h_jk}\) 写成 \((p^{h_j})^k\)，并与 \(x_j^k\) 合并：\(p^{h_jk}x_j^k=(p^{h_j}x_j)^k\)。
3. 于是 \(c_jx_j^k=d_jp^{l_j}(p^{h_j}x_j)^k\)，代入即得所写同余式。注意：现在 \(k\) 次方里的"变量"变成了 \(p^{h_j}x_j\)，系数前缀只剩 \(d_jp^{l_j}\)（其中 \(d_j\) 与 \(p\) 互素、\(l_j

这段把各项的 \(p^{h_jk}\) 因子统一拉平，再约掉。 策略：只数一部分解（把 \(x_j\) 限制成特定形式），这只会让计数变小，所以得到的下界更保守、但仍然够用（因为我们只要"下界"）。每步补全：

1. 取 \(h=\max_j h_j\)（所有 \(h_j\) 里最大的）。这是为了让接下来每一项都能凑出 \(p^{hk}\)。
2. 限制解的形式 \(x_j=p^{h-h_j}y_j\)。 因为 \(h\ge h_j\)，指数 \(h-h_j\ge0\)，这是合法的（\(x_j\) 取 \(p^{h-h_j}\) 的倍数）。这是"只看子集解"——故计数变小，但传出去仍是下界。
3. 代入并约去 \(p^{hk}\)。 把 \(x_j=p^{h-h_j}y_j\) 代入第 \(j\) 项的 \((p^{h_j}x_j)^k\)： \[(p^{h_j}\cdot p^{h-h_j}y_j)^k=(p^{h}y_j)^k=p^{hk}y_j^k.\] 于是每一项都带着公共因子 \(p^{hk}\)：第 \(j\) 项 \(=d_jp^{l_j}\cdot p^{hk}y_j^k\)。整个同余式两边都能被 \(p^{hk}\) 整除（当 \(\nu\) 足够大，\(\nu\ge hk\)），可以同除 \(p^{hk}\)（模数也相应降为 \(p^{\nu-hk}\)）。结果就是 (8.8)：\(\sum_j d_jp^{l_j}y_j^k\equiv0\pmod{p^{\nu-hk}}\)。
4. 新变量 \(y_j\) 的范围。 由 \(x_j=p^{h-h_j}y_j\) 且 \(0\le x_j

这段把变量范围也统一，建立 \(M\) 与 \(M'\) 的不等式。补全"\(h-h_j

1. 定义 \(M'(p^{\nu-hk})\) 为 (8.8) 在更整齐的范围 \(0\le y_j
2. 真正从 \(x_j\) 翻译过来的范围是 \(0\le y_j\nu-hk\)），所以 \(p^{\nu-hk}\le p^{\nu-h+h_j}\)：即 \(M'\) 的范围更小或相等，被 \(M\) 实际允许的范围包含。
3. 因此 \(M'\) 数的解是 \(M\) 数的解的子集（"\(y\) 范围更窄、形式更特殊"），故 \[M(p^\nu)\ge M'(p^{\nu-hk}).\]
4. 结论：只要对 \(M'\)（用整齐范围 \(p^{\nu-hk}\)，再把哑变量 \(\nu-hk\) 重新记成 \(\nu\)）证出 (8.6) 型下界，就传回给 \(M(p^\nu)\)，从而 \(\chi(p)>0\)。问题成功简化为研究系数都不被 \(p\) 整除的同余式 (8.8)。

这段用抽屉原理（鸽笼原理）找出一大组"同型项"。 各项的前缀里还残留着 \(p^{l_j}\)（\(0\le l_j

1. 分组。 把 (8.8) 的 \(s\) 个项按其 \(l_j\) 值放进 \(k\) 个"抽屉"（\(l_j=0,1,\dots,k-1\)）。
2. 抽屉原理。 \(s\) 个项放进 \(k\) 个抽屉，必有一个抽屉里至少有 \(\lceil s/k\rceil\) 项。把这一组（共 \(v\) 项，\(v\ge s/k\)）的公共 \(l_j\) 值记为 \(l\)（这与 \(l=\max l_j\) 略有出入，但作者取这一最大、最满的组；关键是这组 \(p^{l}\) 是公共因子，组内系数都形如 \(d_j p^{l}\)）。
3. 把这 \(v\) 项的公共 \(p^l\) 提出来。 对其余项（\(l_j系数与 \(p\) 互素的 \(d_1y_1^k+\cdots+d_vy_v^k\)；其余项至少带一个公因子 \(p\)，写成 \(p(d_{v+1}y_{v+1}^k+\cdots)+\cdots\)。模数从 \(p^\nu\) 降为 \(p^{\nu-l}\)。这就是 (8.9)。

两句都补全：

• "把 \(\nu-l\) 换成 \(\nu\)"。 模数差一个固定的 \(p^l\)（\(l对"是否存在正下界"毫无影响，所以可以放心把 \(\nu-l\) 写成 \(\nu\)，记号更简洁。
• "\(d_1d_2\cdots d_v\not\equiv0\pmod p\)"。 因为每个 \(d_j\) 都与 \(p\) 互素（\(p\nmid d_j\)），它们的乘积也与 \(p\) 互素（素数 \(p\) 整除乘积必整除某个因子，但它一个都不整除），故乘积 \(\not\equiv0\)。这再次强调前 \(v\) 项系数"干净"。

这段把"无穷多个 \(\nu\) 的下界"一举归结为"一个固定模 \(p^\gamma\) 的同余式有非平凡解"。 这是 Hensel 提升思想的体现，需要先讲清 \(\gamma\)。

1. 引理 5.5 的论证（要点复述）。 它说：如果"主导部分" \(d_1y_1^k+\cdots+d_vy_v^k\equiv0\ (\mathrm{mod}\ p^\gamma)\) 有一个 \(y\) 不全被 \(p\) 整除的解，那么这个解（连同后面带 \(p\) 因子的项一起）可以逐层提升到模 \(p^\nu\)，并且每升一层，自由变量带来 \(p^{s-1}\) 倍的解，从而 \(M'(p^\nu)\ge C_p p^{\nu(s-1)}\)——正是 (8.6)。
2. "非平凡"为什么必要。 全为 \(0\)（或全被 \(p\) 整除）的解是退化的，提升原理对它失效（导数条件不满足）。所以必须要求 \(y_1,\dots,y_v\) 不全被 \(p\) 整除，即存在某个 \(y_j\) 与 \(p\) 互素，这样它对应的偏导 \(k d_j y_j^{k-1}\) 在去掉 \(p^\tau\) 后非零，提升才能进行。
3. 归结完成。 于是整章的全部困难，浓缩成一句话：对系数都与 \(p\) 互素的 \(v\) 元 \(k\) 次同余式 (8.10)，能否找到一个不全被 \(p\) 整除的解？ 接下来分 \(p>2\) 与 \(p=2\) 两种情况解决，并由此定出需要多少变量 \(v\)（进而多少 \(s\)）。

四、求解 (8.10)：分 \(p>2\) 与 \(p=2\)

这段处理奇素数 \(p\)。 核心是"\(k\) 次幂剩余类"的概念和一个抽屉/相消论证。先把概念讲清。

现在把"\(v/(p^{\gamma-1}\delta)>2k-1\) 即足够"的论证补全（定理 7.2 的思路）：

1. 把 \(v\) 个系数按剩余类分组。 系数 \(d_1,\dots,d_v\)（都与 \(p\) 互素）落入至多 \(p^{\gamma-1}\delta\) 个 \(k\) 次幂剩余类。由抽屉原理，必有一类里至少有 \[\frac{v}{p^{\gamma-1}\delta}\ \text{个系数}.\]
2. 同一类内可造相消。 若 \(d_i,d_j\) 同属一个 \(k\) 次幂剩余类，则 \(d_i/d_j\) 是一个 \(k\) 次方，存在 \(t\) 使 \(d_i\equiv d_j t^k\)；于是 \(d_i\cdot1^k+d_j\cdot(\text{适当})^k\) 可以配出该类的一个"标准代表"，多个同类项叠加可凑成 \(p\) 的更高次幂的倍数。把每一类内部的项两两/成串地相消、提升，需要每类大约 \(2k-1\) 个项才能保证造出一个非平凡的、模 \(p^\gamma\) 为零的组合（这正是定理 7.2 中关于 \(k\) 次型在 \(p^\gamma\) 处可解性的计数结论）。
3. 阈值。 因此"某一类项数 \(>2k-1\)"即足以保证 (8.10) 有非平凡解，即 \[\frac{v}{p^{\gamma-1}\delta}>2k-1.\]
4. 用 \(p^{\gamma-1}\delta\le k\) 放大分母。 既然分母 \(p^{\gamma-1}\delta\le k\)，那么"\(v/k>2k-1\)"是比"\(v/(p^{\gamma-1}\delta)>2k-1\)"更强（更难满足）的条件——满足强的就满足弱的。于是只要 \[v>k(2k-1)\] 就足够（对一切奇素数 \(p\) 一致成立，因为它已经把最坏的 \(p^{\gamma-1}\delta=k\) 考虑进去）。
5. 从 \(v\) 回到 \(s\)。 回忆抽屉原理给出 \(v\ge s/k\)。所以只要 \(s/k>k(2k-1)\)，即 \[s>k^2(2k-1),\] 就保证 \(v>k(2k-1)\)，进而 (8.10) 可解。

这段处理 \(p=2\)，给一个比一般论证更省的特殊办法。 逐点补全：

1. "\(\tau=0\)（\(k\) 奇）不成问题"。 此时 \(p=2\nmid k\)，提升门槛 \(\gamma=\tau+2=2\) 很小，且 \(k\) 次方映射在模 \(2\) 的单位上是双射（奇数的奇次方还是奇数，且覆盖所有奇剩余），随便取就有非平凡解，无需特殊处理。
2. \(\tau>0\)（即 \(k\) 偶）才需要技巧。 此时 \(k\) 含因子 \(2\)，\(k\) 次方在模 \(2^\gamma\) 下的像很受限。作者给一个干净的论证。
3. 只取 \(y_j\in\{0,1\}\)。 当 \(k\) 是 \(2\) 的幂时（这是最坏情形，引理 5.6 处指出可归到此），注意 \(0^k=0,\ 1^k=1\)。于是把 \(y_j\) 限制成 \(0\) 或 \(1\)，方程 \(\sum d_jy_j^k\) 就退化成"选一部分系数 \(d_j\) 相加"——一个纯粹的子集和问题！要求"不全为偶（即不全 \(0\)）"就是"至少选一个 \(d_j\)"。这是巨大的简化。
4. 目标变为：能否从 \(v\) 个奇数 \(d_1,\dots,d_v\) 中选出非空一组，使它们的和 \(\equiv0\ (\mathrm{mod}\ 2^\gamma)\)？下面用归纳证明：只要 \(v\ge2^\gamma\) 就一定能办到。

把这段写成完整的归纳证明（这里 \(t_j\) 就是上面的 \(y_j\in\{0,1\}\)）：

1. 基础 \(\gamma=1\)（模 \(2\)）。 有 \(v\ge2^1=2\) 个奇数。取 \(t_1=t_2=1\)：和 \(=d_1+d_2=\)奇\(+\)奇\(=\)偶 \(\equiv0\ (\mathrm{mod}\ 2)\)。成功，且非全 \(0\)。
2. 下一层 \(\gamma=2\)（模 \(4\)）。 有 \(v\ge2^2=4\) 个奇数 \(d_1,d_2,d_3,d_4\)。每个奇数模 \(4\) 是 \(1\) 或 \(3\)。考察三对里的和：
   • 若 \(d_1+d_2\equiv0\ (\mathrm{mod}\ 4)\)：取 \(t_1=t_2=1,\ t_3=t_4=0\)，得证。
   • 若 \(d_3+d_4\equiv0\ (\mathrm{mod}\ 4)\)：取 \(t_3=t_4=1,\ t_1=t_2=0\)，得证。
   • 否则 \(d_1+d_2\equiv2\) 且 \(d_3+d_4\equiv2\ (\mathrm{mod}\ 4)\)：取全 \(1\)，则 \(d_1+d_2+d_3+d_4\equiv2+2=4\equiv0\ (\mathrm{mod}\ 4)\)，得证。
   三种情况覆盖所有可能，故模 \(4\) 总能用 \(4\) 个奇数非平凡求解。
3. 归纳步骤（从 \(\gamma\) 到 \(\gamma+1\)）。 设命题对 \(\gamma\) 成立：任意 \(2^\gamma\) 个奇数中可选非空子集，其和 \(\equiv0\ (\mathrm{mod}\ 2^\gamma)\)。现给 \(2^{\gamma+1}\) 个奇数，要凑出和 \(\equiv0\ (\mathrm{mod}\ 2^{\gamma+1})\)。
   1. 把这 \(2^{\gamma+1}\) 个奇数分成两批，每批 \(2^\gamma\) 个。对每批用归纳假设，各得一个非空子集，其和 \(\equiv0\ (\mathrm{mod}\ 2^\gamma)\)，记两个和为 \(A,B\)，都是 \(2^\gamma\) 的倍数。
   2. 写 \(A=2^\gamma a,\ B=2^\gamma b\)。若 \(a\) 是偶数，则 \(A\equiv0\ (\mathrm{mod}\ 2^{\gamma+1})\)，直接取第一批那个子集即可；\(b\) 偶数时同理取第二批。
   3. 若 \(a,b\) 都是奇数，则 \(a+b\) 是偶数，于是 \(A+B=2^\gamma(a+b)\equiv0\ (\mathrm{mod}\ 2^{\gamma+1})\)；取两批子集的并（仍非空），其和 \(=A+B\equiv0\ (\mathrm{mod}\ 2^{\gamma+1})\)。
   无论哪种情况都成功。归纳完成。
4. 结论：只要 \(v\ge2^\gamma\)，同余式 \(\sum d_jy_j^k\equiv0\ (\mathrm{mod}\ 2^\gamma)\) 就有 \(y_j\in\{0,1\}\)、不全为 \(0\) 的解。

把这三句的计算补全：

1. "\(v\ge4k\Rightarrow v\ge2^\gamma\)"。 对 \(p=2\)，\(\gamma=\tau+2\)，故 \(2^\gamma=2^{\tau+2}=4\cdot2^\tau\)。又 \(k=2^\tau k_0\)（\(k_0\) 奇 \(\ge1\)），所以 \(2^\tau=k/k_0\le k\)，于是 \(2^\gamma=4\cdot2^\tau\le4k\)。因此 \(v\ge4k\) 就保证 \(v\ge2^\gamma\)。
2. "\(s>k(4k-1)\Rightarrow v\ge4k\)"。 由 \(v\ge s/k\)，若 \(s>k(4k-1)\) 则 \(v\ge s/k>4k-1\)，而 \(v\) 是整数，故 \(v\ge4k\)。
3. "这个数小于 \(k^2(2k-1)\)，无影响"。 比较 \(k(4k-1)\) 与 \(k^2(2k-1)\)：两边同除 \(k\)，比 \(4k-1\) 与 \(k(2k-1)=2k^2-k\)。它们的差 \(=(2k^2-k)-(4k-1)=2k^2-5k+1\)，当 \(k\ge3\) 时 \(>0\)。所以对我们关心的 \(k\)，\(p=2\) 的门槛 \(k(4k-1)\) 比 \(p>2\) 的门槛 \(k^2(2k-1)\) 更小，于是把两者取最大时 \(p=2\) 不构成约束——最终的门槛由奇素数情形 \(s>k^2(2k-1)\) 决定。

五、主定理与它的"最优性"讨论

这是本章的主结果。 把两个条件的来源讲清楚，并说明结论怎么推出来：

条件 \(s\ge2^k+1\)

来自次弧估计（保证误差项 \(O(P^{s-k-\delta})\) 真的小于主项），即让渐近公式 (8.3) 本身成立所需。它由第 3–4 章的 Weyl/华罗庚不等式决定。

条件 (8.11)：\(s\ge k^2(2k-1)+1\)

来自本章下半段对奇异级数 \(\mathfrak S>0\) 的研究：取整后即 \(s>k^2(2k-1)\)。它保证主项系数非零。

两条件取"且"

必须同时满足，渐近公式才既成立又有正主项。

1. 两个条件都满足时，(8.3) 成立且 \(C'_{k,s}>0,\ \mathfrak S>0,\ (c_1\cdots c_s)^{-1/k}>0\)，于是主项 \(=(\text{正常数})\,P^{s-k}\)。
2. 因 \(s\ge2^k+1>k\)（指数 \(s-k>0\)），当 \(P\to\infty\) 主项 \(\to\infty\)，而误差 \(O(P^{s-k-\delta})\) 相对可忽略，故 \(\mathcal N(P)\to\infty\)。
3. \(\mathcal N(P)\) 是盒子里正整数解的个数，它随 \(P\) 无限增大，意味着正整数解有无穷多组；正整数解每个分量 \(\ge1\ne0\)，故得到无穷多组每个分量都非零的整数解。\(k\) 偶数时"不全同号"是前面已说明的必要前提。证毕。

这段是历史与最优性讨论。 我们上面证出的门槛 \(k^2(2k-1)+1\)（关于 \(k\) 是三次多项式）其实偏大，能改进。

这段给出"\(k^2+1\) 不能再减"的反例，即当 \(k+1=p\) 为素数时，\(k^2\) 个变量真的不够。 把"容易推出"补全：

1. 前提：\(k+1=p\) 为素数。 则 \(k=p-1\)。由费马小定理：若 \(p\nmid x\)，则 \(x^{p-1}\equiv1\ (\mathrm{mod}\ p)\)，即 \(x^k\equiv1\ (\mathrm{mod}\ p)\)。也就是说，模 \(p\) 时，每个不被 \(p\) 整除的数的 \(k\) 次方都恰好 \(\equiv1\)（而被 \(p\) 整除的数 \(k\) 次方 \(\equiv0\)）。\(k\) 次方在模 \(p\) 下只有 \(0\) 和 \(1\) 两个值！
2. 构造的同余式。 考虑 \(k^2\) 个变量，分成 \(k\) 组、每组 \(k\) 个，第 \(m\) 组（\(m=0,1,\dots,k-1\)）前面乘以权重 \(p^{m}\)： \[F=\sum_{m=0}^{k-1}p^{m}\big(x_{mk+1}^k+\cdots+x_{mk+k}^k\big),\] 要求 \(p^k\mid F\)。
3. 逐层（按 \(p\) 进制）分析，说明只有全被 \(p\) 整除才可能。 假设并非所有变量都被 \(p\) 整除，取出"含 \(p\) 因子最少"的那一层来导出矛盾。
   1. 看模 \(p\)（最低层）。\(F\equiv x_1^k+\cdots+x_k^k\ (\mathrm{mod}\ p)\)（其余项都带因子 \(p\)）。每个 \(x_i^k\) 是 \(0\) 或 \(1\)，所以这组里"非 \(p\) 倍数"的变量个数记为 \(n_0\)，则 \(F\equiv n_0\ (\mathrm{mod}\ p)\)。要 \(p^k\mid F\) 首先要 \(p\mid F\)，即 \(p\mid n_0\)。但第 \(0\) 组只有 \(k=p-1\) 个变量，\(0\le n_0\le p-1即第 \(0\) 组所有变量都被 \(p\) 整除。
   2. 于是第 \(0\) 组每项 \(x_i^k\) 实际被 \(p^k\) 整除（\(x_i=p\cdot(\cdots)\Rightarrow x_i^k\) 含 \(p^k\)），在模 \(p^k\) 意义下第 \(0\) 组可整体忽略。把 \(F/p\) 再看模 \(p\)，主导层变成第 \(1\) 组 \(x_{k+1}^k+\cdots+x_{2k}^k\)，同样推出该组非 \(p\)-倍数变量个数 \(n_1\) 满足 \(p\mid n_1\)，故 \(n_1=0\)，第 \(1\) 组也全被 \(p\) 整除。
   3. 如此逐层（\(m=0,1,\dots,k-1\)）推进，每一层都被迫"该组全部被 \(p\) 整除"。最终所有 \(k^2\) 个变量都被 \(p\) 整除——这就是平凡解（可以同除 \(p\) 后重复，得到唯一平凡解）。
4. 结论。 这个 \(k^2\) 变量的同余式没有非平凡解，于是它对应的局部因子 \(\chi(p)\) 在该 \(p\) 处会退化，\(\mathfrak S\) 可能为 \(0\)。这说明：当 \(k+1\) 是素数时，\(s=k^2\) 个变量确实不足以保证 \(\mathfrak S>0\)；必须 \(s\ge k^2+1\)。所以 \(k^2+1\) 这个门槛在这种 \(k\) 下不能再小，是"最佳可能"的。
5. "对大多数 \(k\) 更小的值即足够"。 上述反例只在 \(k+1\) 恰为素数时出现；对绝大多数 \(k\)，连 \(k^2+1\) 都不必要，更少的变量就够了。但作为对一切系数都成立的一般定理，\(k^2+1\) 是无法再普遍降低的下限。

六、方法的两面：盒子里的渐近 vs. 解的分布

这段是承上启下的方法论反思。 要点：

1. 圆法给的"很多"。 我们不仅证明了"有无穷多解"，还给出了盒子里解数的精确渐近公式 \(\mathcal N(P)\sim(\text{正常数})P^{s-k}\)。这是很强的定量结果。
2. 但盒子是"人造"的。 盒子 \(0
3. 因此可以省力。 证无穷多解，不必数清盒子里所有解，只要在某个特殊子集上证明解数 \(\to\infty\) 即可。放弃"数全部"换取"门槛更低"，正是估计华林问题 \(G(k)\)（表示成 \(k\) 次方和所需的最少项数）时发展出来的省力思路。
4. 预告。 第 9 章讲维诺格拉多夫（I. M. Vinogradov，苏联数论大家）的方法，对大的 \(k\) 特别有效（能把所需变量数从指数级 \(2^k\) 大幅压低）；下一章把它用到本章的方程上。这解释了为什么本章的 \(2^k+1\) 条件后面会被改进。

这段指出圆法的独特优势：不仅数解，还能控制解落在哪里。 详解：

\(\lambda_1,\dots,\lambda_s\)

任意一组满足方程的实数解（不要求整数），每个非零。它给出方程的实轨迹（一个曲面/锥面）上的一个方向。

盒子 \(1-\delta<\dfrac{x_j}{\lambda_j P}<1+\delta\)

等价于 \(x_j\) 落在 \(\lambda_j P\) 的 \((1\pm\delta)\) 倍范围内，即整数解 \((x_1,\dots,x_s)\) 在方向上逼近给定实方向 \((\lambda_1,\dots,\lambda_s)\)、长度约为 \(P\)。\(\delta\) 越小，方向越精确。

圆法之所以能做这件事：把积分中的"主弧"近似换成围绕指定方向 \(\lambda\) 的盒子，奇异积分 \(C'_{k,s}\) 会相应变成这个特定盒子上的局部积分，仍然为正（因为实解曲面在 \(\lambda\) 处是光滑非退化的）。于是在任何一个对准实方向的细盒子里，整数解数仍 \(\sim(\text{正常数})P^{s-k}\to\infty\)。

几何收尾。 把抽象结论翻译成图像：

1. 锥面是什么。 方程 \(c_1x_1^k+\cdots+c_sx_s^k=0\) 在 \(s\) 维实空间里的解集是一个曲面；因为方程齐次，解集对"过原点的放缩"封闭（前面证过 \(x\) 是解 \(\Rightarrow tx\) 是解），所以这个曲面由过原点的射线铺成——这就是"锥面"（cone）。
2. "射线处处稠密"。 上一段说：在任何对准某个实方向 \(\lambda\) 的细盒子里都有整点解。换句话说，锥面上任何一个方向附近，都能找到整点；从原点连到这些整点的射线，密密麻麻地铺满整个锥面，没有空隙——这就是"处处稠密（everywhere dense）"。
3. 两种方法的关系（呼应上一段）。 "更有效的新方法"（维诺格拉多夫式，下章）擅长用更少变量证"无穷多解"，但它通常只给存在性、不给分布。而本章的圆法虽然要求变量更多，却能额外给出"解在锥面上稠密"这种分布信息。所以新方法"更有效"却不能完全取代旧方法——各有所长，这是作者特意强调的方法论结论。

全章小结

返回 全书目录