方程 \(c_1x_1^k+\cdots+c_sx_s^k=0\)（再论）The equation \(c_1x_1^k+\cdots+c_sx_s^k=0\) again
我们要研究的方程是 \[c_1x_1^k+\cdots+c_sx_s^k=0,\] 即给定一串固定的整数系数 \(c_1,\dots,c_s\)，问：能不能找到一组都不为 0 的整数 \(x_1,\dots,x_s\) 使它成立？第 8 章已经证明过一个版本（定理 8.1），但那里要求变量个数 \(s\) 比较多。本章的目标是把第 9 章（讨论华林问题 \(G(k)\) 时发明的"稀疏集合"技巧）搬过来，在更少的变量个数 \(s\) 下仍然证明方程有无穷多组非零整数解。
读完你将理解：（1）圆法是怎样把"方程有没有解"翻译成一个积分的；（2）什么是奇异级数、奇异积分、主弧 / 次弧、局部密度 \(\chi(p)\)；（3）为什么本章要在方程里硬塞进一个因子 \(L^k\)；（4）最终定理 10.1 那个看起来吓人的条件 \(s\ge s_0+3(2k\log 3k+1)\) 是怎么来的、每一项是什么意思。
提示：本章是第 8、9 两章的"合成与升级"，原书写得极其浓缩，很多步骤一句"如前所述"就带过。下面我们把这些被压缩掉的背景全部展开，从零讲起。
第 0 节 先把圆法的"机器"装好（高中预备知识）
原文从第一句就默认你已经熟悉第 8、9 章的整套圆法语言。对高中生来说这些词都是新的，所以我们先用一节把所有零件讲清楚，后面逐段讲解时就能直接引用。
0.1 复指数 \(e(\alpha)\)：把"加法"变成"转圈"
定义 \(e(\alpha)=e^{2\pi i\alpha}\)，读作"e 的 2π i α 次方"。这里 \(i\) 是虚数单位（\(i^2=-1\)），\(\pi\) 是圆周率。由欧拉公式 \[e^{2\pi i\alpha}=\cos(2\pi\alpha)+i\sin(2\pi\alpha).\] 所以 \(e(\alpha)\) 是复平面单位圆上的一个点：把单位圆周长看成 1，从 \((1,0)\) 出发逆时针走 \(\alpha\) 圈所到达的点。
为什么要用它？因为它有两条神奇性质，正好是圆法的发动机：
- 把整数加法变成转角相加：\(e(\alpha+\beta)=e(\alpha)e(\beta)\)。这只是指数运算 \(a^{m+n}=a^ma^n\) 的复数版。
- 整数处取值为 1：对任意整数 \(m\)，\(e(m)=e^{2\pi i m}=\cos(2\pi m)+i\sin(2\pi m)=1\)（转整数圈又回到起点）。
0.2 积分 \(\int_0^1\) 与"正交关系"：探测器
这是把函数 \(f\) 在区间 \([0,1]\) 上的"平均累积量"。高中只学过有限求和；定积分可以先当成"把 \([0,1]\) 切成无穷多个极细的小段、每段宽 \(d\alpha\)、把 \(f(\alpha)\,d\alpha\) 全加起来"。我们只需要它的一条具体结论，不需要会算复杂积分。
- 若 \(m=0\)：被积函数 \(e(0\cdot\alpha)=e(0)=1\)，于是 \(\int_0^1 1\,d\alpha=1\)（宽为 1、高为 1 的矩形面积）。
- 若 \(m\ne 0\)：用复指数的原函数。因为 \(\dfrac{d}{d\alpha}e^{2\pi i m\alpha}=2\pi i m\,e^{2\pi i m\alpha}\)，所以 \(\displaystyle\int_0^1 e^{2\pi i m\alpha}\,d\alpha=\frac{e^{2\pi i m\alpha}}{2\pi i m}\Big|_0^1=\frac{e^{2\pi i m}-e^{0}}{2\pi i m}.\)
- 由 0.1 的性质 2，\(e^{2\pi i m}=e(m)=1\)（因为 \(m\) 是整数），又 \(e^0=1\)，所以分子 \(=1-1=0\)，整个积分为 0。♦
这条结论为什么叫"探测器"？因为它能判断一个整数是不是 0：把 \(m\) 放进 \(\int_0^1 e(m\alpha)\,d\alpha\)，得 1 就说明 \(m=0\)，得 0 就说明 \(m\ne 0\)。这正是我们求解 \(c_1x_1^k+\cdots=0\) 所需要的——我们要数的就是"使那个和恰好等于 0 的 \((x_1,\dots,x_s)\) 有多少组"。
0.3 生成函数 \(T(\alpha)\) 与"解的个数 = 一个积分"
\(\sum_{x}\) 表示"对 \(x\) 取遍某个范围里的所有值，把后面的式子全加起来"。对每个系数 \(c_j\)，定义指数和（生成函数）
\[T_j(\alpha)=\sum_{x}e\bigl(c_jx^k\alpha\bigr),\]
其中 \(x\) 跑遍一段事先规定好的整数范围（本章里是 \(0
把所有 \(T_j\) 乘起来，再用上面的探测器积分，就能数解。我们一步步看为什么：
- 把乘积展开。根据 0.1 的性质 1（指数相乘 = 指数相加）， \[T_1(\alpha)\cdots T_s(\alpha)=\sum_{x_1}\cdots\sum_{x_s}e\bigl((c_1x_1^k+\cdots+c_sx_s^k)\,\alpha\bigr).\] 也就是说，对每一组具体的 \((x_1,\dots,x_s)\)，都贡献一项 \(e(m\alpha)\)，其中 \(m=c_1x_1^k+\cdots+c_sx_s^k\) 正是我们关心的那个和。
- 两边对 \(\alpha\) 在 \([0,1]\) 上积分，并交换"积分"与"求和"次序： \[\int_0^1 T_1\cdots T_s\,d\alpha=\sum_{x_1}\cdots\sum_{x_s}\int_0^1 e(m\alpha)\,d\alpha.\]
- 由正交关系（0.2），右边每一项的积分要么是 1（当 \(m=0\)），要么是 0（当 \(m\ne 0\)）。于是求和只剩下那些真的满足 \(m=0\) 的组，每组贡献 1。
- 结论： \[\int_0^1 T_1(\alpha)\cdots T_s(\alpha)\,d\alpha=\bigl(\text{满足 }c_1x_1^k+\cdots+c_sx_s^k=0\text{ 的组数}\bigr).\] 要证"方程有解"，只要证明这个积分 \(>0\) 即可。这就是圆法的出发点：把"解存在吗"变成"一个积分是不是正的"。
0.4 主弧与次弧：把 \([0,1]\) 切成"信号区"和"噪声区"
积分 \(\int_0^1\) 没法直接算出来。圆法的策略是把积分区间 \([0,1]\) 分成两类小区间：
- 主弧 \(\mathfrak{M}\)（major arcs）
- 那些靠近"分母小的分数" \(a/q\)（\(q\) 较小）的小区间。在这里指数和 \(T_j(\alpha)\) 很大、行为规整，能算出一个漂亮的主项。读作"M 花体"，代表 major。
- 次弧 \(\mathfrak{m}\)（minor arcs）
- 剩下的所有 \(\alpha\)。在这里 \(T_j(\alpha)\) 因为剧烈震荡而互相抵消、整体很小，只贡献一个可控的误差（用 Weyl 不等式、van der Corput 引理等工具去压住它）。读作"m 花体"，代表 minor。
主弧上的主项会自然地分裂成三个因子相乘：
\[ \underbrace{P^{s-k}}_{\text{规模}}\times\underbrace{\mathfrak{S}}_{\text{奇异级数}}\times\underbrace{\mathfrak{J}}_{\text{奇异积分}}. \]下面分别解释后两个，它们是本章的主角。
0.5 奇异级数 \(\mathfrak{S}\)、局部密度 \(\chi(p)\) 与"模 \(p\) 可解"
\(\mathfrak{S}\)（读作"S 花体"，singular series）是从主弧上所有分数 \(a/q\) 的贡献加起来得到的一个数。关键事实是它能写成对所有素数 \(p\) 的连乘积（叫欧拉乘积）： \[\mathfrak{S}=\prod_p\chi(p)=\chi(2)\,\chi(3)\,\chi(5)\,\chi(7)\cdots\] 其中每个因子 \(\chi(p)\) 只跟素数 \(p\) 有关。\(\prod\) 是连乘号，类似 \(\sum\) 但把各项乘起来。
\(\chi(p)\)（读作"chi of p"）度量方程在模 \(p\) 的世界里解有多"稠密"。精确地说，设 \(N(p^t)\) 是同余方程 \[c_1x_1^k+\cdots+c_sx_s^k\equiv 0 \pmod{p^t}\] 的解的组数（每个 \(x_j\) 在 \(0\) 到 \(p^t-1\) 里取），则 \[\chi(p)=\lim_{t\to\infty}\frac{N(p^t)}{p^{(s-1)t}}.\] 直观：随机取一组 \(x\)，那个和落在 \(p^t\) 的某个固定余数上的"概率"约是 \(p^{-t}\)；\(s\) 个变量、各 \(p^t\) 种取值共 \(p^{st}\) 组，落到余数 0 上的约有 \(p^{st}\cdot p^{-t}=p^{(s-1)t}\) 组。\(\chi(p)\) 就是真实解数与这个"理想随机预测"的比值。
为什么 \(\chi(p)\) 这么重要？因为有一条桥梁定理（圆法的灵魂）：
如果对每一个素数 \(p\) 都有 \(\chi(p)>0\)（即方程模每个素数幂都有"非奇异"解，局部可解），并且奇异积分 \(\mathfrak{J}>0\)（实数范围里可解），那么当变量足够多时，原方程就真的有整数解。\(\chi(p)>0\) 等价于那个同余方程模 \(p^t\) 一直有解且解数不退化为 0。
所以"\(\mathfrak{S}>0\)"这件事，本质上就是"方程在每个素数 \(p\) 处都过得了关"。本章前半部分全是在小心地保证 \(\mathfrak{S}>0\)，而且要均匀地（下界与 \(M\) 无关）。
0.6 奇异积分 \(\mathfrak{J}\)：实数范围里的可解性
\(\mathfrak{J}\)（singular integral）是奇异级数在"\(p=\infty\)（实数）"这一处的类比，它度量方程在实数范围内、且各变量限制在给定盒子里时解有多稠密。\(\mathfrak{J}>0\) 大致相当于：在允许的实数取值范围内，曲面 \(c_1x_1^k+\cdots=0\) 真的穿过那个盒子。本章会看到，正是"\(c_j\) 当 \(k\) 为偶数时不全同号"这个条件，保证了 \(\mathfrak{J}>0\)。
0.7 两个"省字"记号：\(O(\cdot)\)、\(\ll\) 与 \(\gg\)
这些是估计大小时偷懒但严谨的写法：
- \(A=O(B)\) 或 \(A\ll B\)
- 读作"\(A\) 至多是 \(B\) 的常数倍"，意思是存在一个与变量无关的常数 \(C>0\)，使 \(|A|\le C\,B\) 始终成立。例如 \(3n+5=O(n)\)。
- \(A\gg B\)
- 就是 \(B\ll A\)，读作"\(A\) 至少是 \(B\) 的某个正常数倍"，即存在 \(c>0\) 使 \(A\ge c\,B\)。本章里 \(\gg P^{s_0-k}\) 表示"这个量有一个正的、规模为 \(P^{s_0-k}\) 的下界"。
这些记号让我们能只谈"量级"，不被具体常数纠缠——因为证明解存在时，只要主项的正下界超过误差的上界就够了，常数多大无所谓。
0.8 同余 \(\equiv\) 与 \(\varphi\)，以及第 9 章的"稀疏集合"思想
\(a\equiv b\pmod m\) 读作"\(a\) 与 \(b\) 模 \(m\) 同余"，意思是 \(m\mid(a-b)\)，即 \(a-b\) 能被 \(m\) 整除（除以 \(m\) 余数相同）。例如 \(17\equiv 2\pmod 5\)。\(M\equiv 0\pmod L\) 就是"\(M\) 是 \(L\) 的整数倍"。
本章把第 9 章研究华林问题 \(G(k)\) 时的核心技巧搬了过来，那技巧的精神是：不要让所有变量都自由地跑遍 \(k\) 次方，而是让一部分变量取值于一个"稀疏但够用"的集合（比如"能表成 \(d_1z_1^k+\cdots+d_\ell z_\ell^k\) 的那些数 \(u\)"）。稀疏集合里元素少，但只要个数下界够好，就能用更少的变量达到同样的覆盖效果——这正是本章能把变量个数 \(s\) 压低的原因。后面 \(u_1,u_2,v\) 就是这种"被打包好的稀疏变量"。
第 1 节 逐段精讲
下面严格按译文的段落顺序，每段先抄录原文（灰框），再做高中视角的展开，补全所有跳步。
1.1 开场：本章的目标与前提条件
我们回到这个方程，并把上一节的方法加以改造，以便在比定理 8.1 更弱的限制条件下确立它的可解性。与第 8 章一样，我们假定 \(c_1,\ldots,c_s\) 是固定的整数，没有一个等于 \(0\)，并且当 \(k\) 为偶数时它们不全同号。
这段在说什么：宣布任务（用更少变量重证可解性）和两条前提。逐项拆开：
- "回到这个方程"
- 指标题方程 \(c_1x_1^k+\cdots+c_sx_s^k=0\)。第 8 章已经处理过一次（结论是定理 8.1），所以叫"再论"。
- "把上一节的方法加以改造"
- "上一节"= 第 9 章，那里为华林问题 \(G(k)\) 发明了稀疏集合 + 高效计数的技巧（见 0.8）。本章把它移植到带一般系数 \(c_j\) 的方程上。
- "比定理 8.1 更弱的限制条件"
- "限制条件"指的是要求变量个数 \(s\) 有多大。"更弱"= 要求更松 = 需要的变量更少。这就是本章相对第 8 章的进步：定理 10.1 的下界比定理 8.1 小。
两条前提，逐条解释为什么必须有：
- "\(c_1,\dots,c_s\) 是固定的整数，没有一个等于 0"：若某个 \(c_j=0\)，那一项就消失了，等于减少一个变量，没意义；所以排除。"固定"是说它们是题目给定的常数，不随 \(P\) 变。我们求的解也要求每个 \(x_j\ne 0\)（否则取全 0 是平凡解，不算数）。
- "当 \(k\) 为偶数时它们不全同号"：这是保证实数可解（\(\mathfrak{J}>0\)）的关键。当 \(k\) 为偶数时，\(x_j^k\ge 0\) 永远非负。若所有 \(c_j\) 同号（比如全正），则 \(c_1x_1^k+\cdots+c_sx_s^k\) 是若干非负数之和，只有全部 \(x_j=0\) 才可能为 0，不存在非零解。所以必须让 \(c_j\) 有正有负，正负项才能互相抵消凑出 0。\(k\) 为奇数时 \(x^k\) 可正可负，自动没问题，不需要这条。
1.2 门槛 \(s_0\)：让"\(=0\) 方程"的奇异级数为正的变量数
设 \(s_0=s_0(k)\) 是一个整数，它具有如下性质：任何方程 \(c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k=0\) 的奇异级数都是正的。由第 8 章的工作，我们可以取 \[s_0=k^2(2k-1)+1,\tag{10.1}\] 并且如那里所述，事实上可以取 \(s_0=k^2+1\)，尽管我们并未证明这一点。
这段在说什么：定义一个"安全门槛" \(s_0\)。只要变量个数达到 \(s_0\)，奇异级数 \(\mathfrak{S}\) 就保证为正（回忆 0.5：\(\mathfrak{S}>0\) 等于"每个素数处都局部可解"）。
写成 \(s_0(k)\) 是强调这个门槛依赖于次数 \(k\)：次数越高，需要越多变量才能保证局部处处可解。它是一个只跟 \(k\) 有关、跟具体 \(c_j\) 和 \(M\) 都无关的整数。
为什么是 \(s_0=k^2(2k-1)+1\)？这正是第 8 章的成果：第 8 章证明了"只要变量个数 \(\ge k^2(2k-1)+1\)，那个同余方程模任意素数幂都有非奇异解"，从而 \(\chi(p)>0\) 对所有 \(p\) 成立，于是 \(\mathfrak{S}=\prod_p\chi(p)>0\)。本章直接把它当现成结论用，记成 (10.1)。我们算一下这个数的量级：展开 \(k^2(2k-1)+1=2k^3-k^2+1\)，约为 \(2k^3\)，是 \(k\) 的三次量级——这正是后面要努力去"超越"的主要项。
"事实上可以取 \(s_0=k^2+1\)，尽管我们并未证明"：更深的研究（戴维波特原书没在此证）表明门槛其实能降到约 \(k^2\)（二次量级），比 \(2k^3\) 小得多。作者诚实地说"我没证，但你知道有这回事"。本章的所有结论里，\(s_0\) 是一个"黑箱常数"，你换成 \(k^2+1\) 也照样成立——本章的新意不在 \(s_0\) 本身，而在 \(s_0\) 之外只需再加很少几个变量。
1.3 换成"\(=M\)"的方程：奇异级数 \(\mathfrak{S}(M)\) 与尾巴自动 \(\ge\tfrac12\)
正如上一章那样，我们将需要关于相关方程 \[c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k=M\tag{10.2}\] 的奇异级数 \(\mathfrak{S}(M)\) 的一些知识。它分解为 \(\prod_p\chi(p)\)，而我们知道 \[\prod_{p>p_0}\chi(p)\ge\frac12\] 对某个依赖于 \(k\) 与 \(s\)、但不依赖于 \(M\) 的 \(p_0\) 成立；只要 \(s_0\) 仅仅 \(\ge 2k+1\)，这就成立。于是，为了确保 \(\mathfrak{S}(M)\) 对某一类整数 \(M\) 有一个不依赖于 \(M\) 的正的下界，只需对每个 \(p\le p_0\)，\(\chi(p)\) 有这样一个下界即可。
这段在说什么：为什么要研究 \(=M\) 而不是 \(=0\)？因为本章的策略（见 1.6）是把方程拆成两块：前 \(s_0\) 个变量 \(c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k\) 要去等于某个数 \(M\)，剩下的变量负责凑出 \(-M\)。所以我们要研究"前 \(s_0\) 项之和 \(=M\)"这个方程的奇异级数，记作 \(\mathfrak{S}(M)\)，它现在依赖于右端的 \(M\)。
- \(\mathfrak{S}(M)\)
- 方程 (10.2)（右端是 \(M\)）的奇异级数；和 0.5 一样能写成欧拉乘积 \(\prod_p\chi(p)\)，只是现在每个 \(\chi(p)\) 也跟 \(M\) 有关（因为同余方程右端变成了 \(M\)）。
- \(p_0\)
- 一个分界素数（cutoff）。把所有素数分成"小素数 \(p\le p_0\)"和"大素数 \(p>p_0\)"两类。\(p_0\) 只跟 \(k,s\) 有关，不跟 \(M\) 有关——这点很关键。
核心论断 1："大素数尾巴 \(\prod_{p>p_0}\chi(p)\ge\tfrac12\) 自动成立"。展开讲为什么：
- 当 \(p\) 很大、不整除任何 \(c_j\) 时，每个 \(\chi(p)\) 都非常接近 1，可以写成 \(\chi(p)=1+(\text{小误差})\)。第 5、6 章的估计给出 \(|\chi(p)-1|\le C\,p^{-(s_0/k-1)}\) 这一类形式的界（指数随变量数 \(s_0\) 增大而变陡）。
- 只要 \(s_0\ge 2k+1\)，这个误差指数就够陡，使得级数 \(\sum_{p>p_0}|\chi(p)-1|\) 收敛（像 \(\sum p^{-(1+\delta)}\) 那样的收敛级数）。
- 收敛意味着：把分界 \(p_0\) 取得足够大，就能让"所有大素数因子合起来偏离 1 的总量"任意小，特别地能保证连乘 \(\prod_{p>p_0}\chi(p)\) 落在 \([\tfrac12,\tfrac32]\) 内，于是 \(\ge\tfrac12\)。
- 由于误差界里根本没出现 \(M\)（\(M\) 只影响小素数处的同余条件，不影响大素数的收敛速度），所以这个 \(p_0\) 和这条 \(\ge\tfrac12\) 都与 \(M\) 无关。
核心论断 2（结论）：既然大素数那一半已经稳稳 \(\ge\tfrac12\)，要让整个 \(\mathfrak{S}(M)=\prod_{p\le p_0}\chi(p)\cdot\prod_{p>p_0}\chi(p)\) 有一个与 \(M\) 无关的正下界，只剩下有限个小素数 \(p\le p_0\) 要操心——只要对每个 \(p\le p_0\) 把 \(\chi(p)\) 也压出一个不依赖 \(M\) 的正下界，两半相乘就得到 \(\mathfrak{S}(M)\) 的正下界。这是一个典型的"把无穷问题化为有限问题"的归约。
1.4 回忆第 8 章的局部处理：约化成"加性形式"
在第 8 章的工作中，我们（对每个 \(p\)）施加了一个初步变换，化为加性形式，其依赖于整除系数 \(c_j\) 的 \(p\) 的幂次。此后我们得到一个形式 \(d_1y_1^k+\cdots+d_vy_v^k\)，其系数不被 \(p\) 整除，并且只要同余式 \[d_1y_1^k+\cdots+d_vy_v^k\equiv 0\pmod{p^\gamma}\] 有一个 \(y_1,\ldots,y_v\) 不全被 \(p\) 整除的解，这就足够了。我们证明了：当 \(s\ge s_0\) 时这个条件被满足，其中 \(s_0\) 由 (10.1) 给出。
这段在说什么：复述第 8 章是怎么保证 \(\chi(p)>0\) 的，为下一段（引入 \(\gamma_1(p)\) 和 \(L\)）做铺垫。整段是一条"为什么模 \(p\) 处过关"的逻辑链。逐步看：
- "初步变换，化为加性形式"：固定一个素数 \(p\)。不同的 \(c_j\) 可能含有不同次数的因子 \(p\)（比如 \(c_1\) 含 \(p^0\)，\(c_2\) 含 \(p^2\)…）。把变量按"它的系数里含几个 \(p\)"分组、并对变量做替换 \(x_j\to p^{?}x_j\)，可以把系数里的 \(p\) 因子整理干净。"加性形式"就是各项相加的纯形式 \(d_1y_1^k+\cdots\)（没有交叉项），这正是我们一直在处理的样子。
- "系数 \(d_i\) 不被 \(p\) 整除"：变换之后留下的新系数 \(d_1,\dots,d_v\) 都与 \(p\) 互素（\(p\nmid d_i\)）。这是好事：系数不含 \(p\)，同余方程才"干净"，可以套用标准的 Hensel 提升。
- "只要同余式 \(d_1y_1^k+\cdots+d_vy_v^k\equiv 0\pmod{p^\gamma}\) 有不全被 \(p\) 整除的解就足够"：这里 \(\gamma\) 是一个足够大的固定指数。"不全被 \(p\) 整除"= 解不是平凡的"全是 \(p\) 的倍数"（那种解可以约掉一层 \(p\)，不算真正的本原解）。这种本原解（非奇异解）一旦在某个 \(p^\gamma\) 上出现，就能用 Hensel 引理逐级提升到任意高的 \(p^t\)，从而 \(N(p^t)\) 不退化、\(\chi(p)>0\)。
- "当 \(s\ge s_0\) 时这个条件被满足"：第 8 章正是证明了"变量够多（\(\ge s_0\)）就一定能找到这样的本原解"。这也解释了 \(s_0\) 这个门槛的来源——它就是"保证每个素数处都能找到本原解"所需的变量数。
- \(d_1,\dots,d_v\)
- 变换后、与 \(p\) 互素的新系数。
- \(y_1,\dots,y_v\)
- 变换后的新变量。
- \(v\)
- 变换后留下的变量个数（不超过 \(s\)）。
- \(\gamma\)
- 同余方程要解到的模的指数（\(p^\gamma\)）；它是一个只跟 \(k\)（以及 \(p\) 整除 \(c_j\) 的幂次）有关的固定整数。
1.5 关键构造：\(\gamma_1(p)\) 与模 \(L\)，让 \(\mathfrak{S}(M)>0\) 均匀成立
由此可知，对每个 \(p\)，存在某个 \(\gamma_1(p)\)（也依赖于系数 \(c_j\)），使得当 \[M\equiv 0\pmod{p^{\gamma_1(p)}}\] 时，\(\chi(p)\) 有一个正的下界；因为这将保证最终必须求解的那个同余式与 \(M=0\) 时的同余式相同。令 \[L=\prod_{p\le p_0}p^{\gamma_1(p)}.\] 那么，如果 \(M\equiv 0\pmod L\)，就存在一个不依赖于特定 \(M\) 的、关于 \(\chi(p)\) 的正下界，从而也存在关于 \(\mathfrak{S}(M)\) 的正下界。
脚注：如果 \(p\) 不整除任何一个 \(c_j\)，我们可以取 \(\gamma_1(p)=\gamma\)。
这段是本章前半的技术核心，请慢看。问题是：现在右端不是 0 而是 \(M\)，同余方程变成 \(d_1y_1^k+\cdots\equiv M'\pmod{p^\gamma}\)（\(M'\) 是 \(M\) 经初步变换后对应的右端）。\(M'\) 一般不是 0，它会破坏"和 \(M=0\) 时一样有本原解"的好局面。怎么办？答案：逼 \(M\) 含有足够多的 \(p\) 因子，让 \(M'\) 在模 \(p^\gamma\) 下变回 0。
读作"gamma-1 of p"。它是一个针对素数 \(p\) 选定的指数：只要 \(M\) 被 \(p^{\gamma_1(p)}\) 整除，那么 \(M\) 经过 1.4 的初步变换后落进同余方程时恰好变成 0（模 \(p^\gamma\)），于是"要解的同余式"和 \(M=0\) 时的一模一样，从而沿用 1.4 的结论得到本原解、\(\chi(p)>0\)。\(\gamma_1(p)\) 比 \(\gamma\) 略大一点，多出来的部分用于吸收"初步变换里乘进去的 \(p\) 的幂次"，所以它也依赖于 \(c_j\)（因为变换依赖 \(c_j\) 含 \(p\) 的幂次）。
逐步说清这条推理：
- 固定素数 \(p\)。1.4 告诉我们：右端为 0 时同余方程有本原解，\(\chi(p)>0\)。
- 右端换成 \(M\) 后，记初步变换把右端 \(M\) 映成 \(M'\)。\(M'\) 含的 \(p\) 因子个数 = \(M\) 含的 \(p\) 因子个数减去（变换里抹掉的若干个 \(p\)）。
- 因此只要 \(M\) 含有足够多的 \(p\) 因子（即 \(p^{\gamma_1(p)}\mid M\)，\(\gamma_1(p)\) 取得够大），就能保证 \(M'\equiv 0\pmod{p^\gamma}\)。
- 此时同余方程 \(d_1y_1^k+\cdots\equiv M'\equiv 0\pmod{p^\gamma}\) 与 \(M=0\) 时完全相同，于是同样有本原解，同样得到 \(\chi(p)\) 的一个正下界——而且这个下界跟 \(M=0\) 那次用的是同一个，与具体 \(M\) 无关。
脚注的意思：如果 \(p\) 根本不整除任何 \(c_j\)，那么 1.4 的"初步变换"什么都不用做（系数本来就与 \(p\) 互素），于是 \(M\) 不会被变换抹掉任何 \(p\) 因子，直接取 \(\gamma_1(p)=\gamma\) 即可。只有那些整除某个 \(c_j\) 的"坏素数"才需要把 \(\gamma_1(p)\) 取得比 \(\gamma\) 大。这样的坏素数只有有限个（\(c_j\) 的素因子），都 \(\le p_0\)。
把所有小素数 \(p\le p_0\) 各自需要的 \(p^{\gamma_1(p)}\) 乘起来，得到一个固定的正整数 \(L\)（只跟 \(k\)、\(c_j\) 有关，跟 \(M\) 无关）。它的妙处："\(M\) 被 \(L\) 整除"一次性满足了所有小素数的要求。因为若 \(L\mid M\)，则对每个 \(p\le p_0\) 都有 \(p^{\gamma_1(p)}\mid M\)（\(L\) 含因子 \(p^{\gamma_1(p)}\)），于是每个小素数处都按上面的推理得到 \(\chi(p)\) 的正下界。
整段的结论（把 1.3 和 1.5 接起来）：
- 大素数尾巴：\(\prod_{p>p_0}\chi(p)\ge\tfrac12\)（1.3，自动，与 \(M\) 无关）。
- 小素数：若 \(L\mid M\)，每个 \(p\le p_0\) 的 \(\chi(p)\) 都有不依赖 \(M\) 的正下界（1.5）。
- 相乘：\(\mathfrak{S}(M)=\Big(\prod_{p\le p_0}\chi(p)\Big)\Big(\prod_{p>p_0}\chi(p)\Big)\ge(\text{正数})\times\tfrac12>0\)，且这个下界对所有 \(L\mid M\) 的 \(M\) 统一成立。
这就是后面要反复用到的"\(\mathfrak{S}(M)\) 一致正下界"。记住这句话：只要让右端 \(M\) 是 \(L\) 的倍数，奇异级数就保证为正。这解释了下一段为什么要在方程里塞一个 \(L^k\)。
1.6 搭建主方程 (10.3)：把变量分组，并塞进因子 \(L^k\)
回到标题中的方程，我们取 \(s=s_0+3\ell\)，其中 \(\ell\) 如第 9 章那样，并把系数分成若干组： \[c_1,\ldots,c_{s_0};\quad d_1,\ldots,d_\ell;\quad d_1',\ldots,d_\ell';\quad e_1,\ldots,e_\ell;\] 受到 \(c_1,\ldots,c_{s_0}\) 不全同号这一条件的约束。我们将确立方程 \[c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k+L^k(u_1+u_2+y^kv)=0\tag{10.3}\] 的可解性，受到如下约束：
- \(0\lt x_j\le P/|c_j|^{1/k}\)；
- \(u_1\) 是一个整数 \(\lt \tfrac14(P/L)^k\)，它可表为 \(d_1z_1^k+\cdots+d_\ell z_\ell^k\)，对带撇系数的 \(u_2\) 也类似；
- \(1\lt y\lt (P/L)^{1/2k}\)；
- \(v\) 是一个整数 \(\lt \tfrac14(P/L)^{k-1/2}\)，它可表为 \(e_1t_1^k+\cdots+e_\ell t_\ell^k\)。
这段在说什么：把 \(s=s_0+3\ell\) 个变量分成四组，各司其职，并写出本章真正要攻克的方程 (10.3)。这是全章的"主战场方程"。
- \(\ell\)（如第 9 章）
- 第 9 章里出现的一个整数参数，量级约 \(2k\log 3k\)（它来自华林问题 \(G(k)\) 的上界估计，本质是 \(\sim k\log k\)）。后面定理 10.1 里 \(\ell=2k\log 3k+1\)。它控制每个"稀疏打包变量"用掉多少个真实变量。
- \(P\)
- 一个趋于无穷的大参数，控制所有变量的取值范围。让 \(P\to\infty\) 就能得到"无穷多组解"。
- 四组系数 \(c_j\); \(d_i\); \(d_i'\); \(e_i\)
- 原来的 \(s\) 个系数被重新命名分组：前 \(s_0\) 个保留为 \(c\)（主块），后面 \(3\ell\) 个分成三组 \(d,d',e\)，分别用来造出 \(u_1,u_2,v\) 这三个"打包变量"。
逐项理解方程 (10.3) 和它的约束：
- 主块 \(c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k\)：前 \(s_0\) 个变量自由地跑遍各自范围（约束 i：\(0
- \(u_1,u_2\)：两个"被 \(d\)、\(d'\) 系数打包的稀疏数"。约束 (ii)：\(u_1\) 是能写成 \(d_1z_1^k+\cdots+d_\ell z_\ell^k\) 的整数，且 \(u_1<\tfrac14(P/L)^k\)。它用 \(\ell\) 个真实变量 \(z_1,\dots,z_\ell\) 造出，但我们把它当一个变量看。\(u_2\) 完全类似，只是用带撇系数 \(d_i'\)。这正是第 9 章稀疏集合思想（见 0.8）。
- \(y\) 与 \(v\)：再加一层结构 \(y^k v\)。约束 (iii)：\(1
- 为什么是 \(L^k(u_1+u_2+y^kv)\)？—— \(L^k\) 是全章的画龙点睛之笔。把方程移项： \[c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k=-L^k(u_1+u_2+y^kv)=:M.\] 右端 \(M=-L^k(u_1+u_2+y^kv)\) 显然被 \(L^k\) 整除，更被 \(L\) 整除，即 \(M\equiv 0\pmod L\)！于是 1.5 的结论立刻适用：\(\mathfrak{S}(M)>0\) 一致成立。塞 \(L^k\) 的唯一目的就是强行让右端是 \(L\) 的倍数，从而搭上 1.5 那台"奇异级数为正"的机器。用 \(L^k\)（\(k\) 次方）而非 \(L\)，是为了让这一项也是漂亮的"系数 × \(k\) 次方结构"（\(L^k\cdot u_1=L^k(d_1z_1^k+\cdots)=(L^kd_1)z_1^k+\cdots\)，仍是标准 \(k\) 次型），与其它项格式统一，方便统一处理。
1.7 变量数的会计：\(s=s_0+3\ell\) 够用，更多自然也够
当 \(s=s_0+3\ell\) 时这将给出原方程的可解性，从而当 \(s\ge s_0+3\ell\) 时更是如此。
这段在说什么：数一数变量。主块 \(s_0\) 个，加上 \(u_1,u_2,v\) 三个打包块、每块 \(\ell\) 个真实变量，共 \(s_0+3\ell\) 个。所以只要 \(s=s_0+3\ell\) 就能证出解。"更是如此"（拉丁文 a fortiori，意为"更有力地"）：若变量更多（\(s>s_0+3\ell\)），多出来的变量可以随便取定一组非零值、把它们的贡献并入常数，剩下的仍是同型方程，照样有解。所以 \(s\ge s_0+3\ell\) 全都可解。
1.8 主弧 / 次弧的微调，与主块的主项估计 (10.4)
主弧与次弧的定义与第 9 章相同，只是我们把 \(2kqP^{k-1}\) 换成 \(2kqcP^{k-1}\)，其中 \(c=\max|c_j|\)；这是为了确保在对引理 9.2 的类比的证明中，范德科普特（van der Corput）引理的条件得到满足。代替引理 9.3，我们得到 \[\int_{\mathfrak{M}}T_1(\alpha)\cdots T_{s_0}(\alpha)e(-M\alpha)\,d\alpha\gg P^{s_0-k}\tag{10.4}\] 其前提是 \(0\lt M\le P^k\) 且 \(M\equiv 0\pmod L\)。
这段在说什么：把第 9 章的主弧分析"原样照搬"，只改一个数值参数，然后得到主块在主弧上的主项下界 (10.4)。
主弧的宽度由这样一个量决定。第 9 章里系数都是 1，宽度用 \(2kqP^{k-1}\)。本章系数是一般的 \(c_j\)，指数和 \(T_j(\alpha)=\sum e(c_jx^k\alpha)\) 的相位是 \(c_jx^k\alpha\)，对 \(x\) 求导多出一个因子 \(c_j\)。van der Corput 引理（一个估计指数和的工具，要求相位的导数变化被恰当控制）的适用条件因此要把这个 \(c_j\) 考虑进来。于是把宽度参数里的"\(P^{k-1}\)"配上 \(c=\max_j|c_j|\)（最大的系数绝对值），写成 \(2kqcP^{k-1}\)，保证对所有 \(j\) 引理条件都满足。这是个纯技术的"放大保险系数"调整，不影响主项量级。
- \(q\)
- 主弧所围绕的那个分数 \(a/q\) 的分母。
- \(c=\max|c_j|\)
- 所有系数绝对值里最大的那个，是一个固定常数。
- \(\int_{\mathfrak{M}}\)
- 只在主弧 \(\mathfrak{M}\) 上积分（不是整个 \([0,1]\)）。
- \(e(-M\alpha)\)
- 探测器因子，挑出"前 \(s_0\) 项之和 \(=M\)"的那些组（对比 0.3，这里右端是 \(M\) 而非 0，所以乘 \(e(-M\alpha)\)）。
读懂 (10.4)：左边正是"主块 \(c_1x_1^k+\cdots+c_{s_0}x_{s_0}^k=M\) 在主弧上贡献的解数主项"。右边 \(\gg P^{s_0-k}\) 说它有一个正下界，量级是 \(P^{s_0-k}\)。这个量级怎么理解？\(s_0\) 个变量各约 \(P\) 种取值，共约 \(P^{s_0}\) 组；要求落在某个 \(=M\) 的"一维条件"上，相当于除以 \(P^k\)（值域宽约 \(P^k\)）；得 \(P^{s_0-k}\)。前提两条：\(0
1.9 (10.4) 的证明差别：只差在奇异积分，化成一个多重积分
这一证明与前面的不同之处仅在于奇异积分，它变换成下式的一个倍数： \[\int_0^1\cdots\int_0^1\bigl\{\zeta_1\cdots\zeta_{s_0-1}\,(\pm\zeta_1\pm\cdots\pm\zeta_{s_0-1}-\theta)\bigr\}^{1-1/k}\,d\zeta_1\cdots d\zeta_{s_0-1},\] 积分区域为范围 \(0\lt \pm\zeta_1\pm\cdots\pm\zeta_{s_0-1}-\theta\lt 1\)，其中那些符号是 \(c_1,\ldots,c_{s_0-1}\) 的符号，而我们已假定 \(c_{s_0}\) 是负的。我们可以设那些 \(\pm\) 号中至少有两个是 \(+\)。那么，对于 \(0\le\theta\le 1\)，积分区域包含某个大小不依赖于 \(\theta\) 的小立方体，从而上述积分有一个正的下界。
这段在说什么：证 (10.4) 时，奇异级数那部分已由 1.5 解决；剩下要保证的是奇异积分 \(\mathfrak{J}>0\)（实数可解性）。作者把它具体写成一个多重积分，并论证它为正。下面把这个论证彻底讲清。
- \(\zeta_1,\dots,\zeta_{s_0-1}\)
- 读作"zeta"。它们是把变量 \(x_j\) 标准化（缩放到 \([0,1]\) 量级）后得到的连续积分变量，对应前 \(s_0-1\) 个变量。
- \(\theta\)
- 读作"theta"。它是把右端 \(M\) 标准化后得到的实参数；因为前提 \(0
- 指数 \(1-\tfrac1k\)
- 来自把 \(x_j^k\) 反解成 \(x_j\) 时的换元：若 \(w=x^k\)，则 \(x=w^{1/k}\)，\(dx=\tfrac1k w^{1/k-1}dw\)，求导带出 \(w^{-1/k}\) 这类因子；多变量累积后给出每个括号 \(1-1/k\) 次幂。这正是 \(k\) 次方曲面的"面积元"权重，标准的奇异积分形式。
核心：为什么这个积分 \(>0\)？关键在积分区域 \(0<\pm\zeta_1\pm\cdots\pm\zeta_{s_0-1}-\theta<1\) 非空，而且大到能装下一个固定大小的小立方体。逐步论证：
- 符号怎么来的：那串 \(\pm\) 正是各系数 \(c_1,\dots,c_{s_0-1}\) 的正负号（正系数取 \(+\)、负系数取 \(-\)）。作者已经把第 \(s_0\) 个安排成负的（\(c_{s_0}<0\)），它的贡献被并进了右端的 \(-\theta\)。这一步用到了原前提"\(c\) 不全同号"——正因为不全同号，才能挑出一个负的 \(c_{s_0}\)，并让前面的符号串里有正有负。
- "至少有两个 \(+\)"：由"不全同号"可知正系数和负系数都存在。我们可以重新编号，让 \(c_1,\dots,c_{s_0-1}\) 中至少保留两个正号（\(s_0\) 很大，正号要么本来就 \(\ge2\) 个，要么把负的都挪到 \(c_{s_0}\) 一侧后仍有正号剩下）。"两个 \(+\)"给了我们调节的自由度。
- 构造小立方体：设第 \(a,b\) 两个位置是 \(+\)。固定其它 \(\zeta\) 为某个适当的小值，让表达式 \(\pm\zeta_1\pm\cdots\pm\zeta_{s_0-1}-\theta\) 中的可调部分主要是 \(+\zeta_a+\zeta_b\)。当 \(\zeta_a,\zeta_b\) 在一个小区间（比如长度 \(\delta\) 的窗口）里变动时，\(+\zeta_a+\zeta_b\) 能连续地扫过一段长度 \(\approx 2\delta\) 的实数区间。无论 \(\theta\in[0,1]\) 是多少，总能让整个表达式落进开区间 \((0,1)\) 内——因为有两个可自由增减的正变量，"够灵活"地把和推到任何想要的水平。这就保证了对每个 \(\theta\)，积分区域里都含有一个边长不依赖 \(\theta\) 的小立方体。
- 被积函数在该立方体上为正：在小立方体内，所有 \(\zeta_i>0\) 且括号 \(\pm\zeta_1\pm\cdots-\theta\) 落在 \((0,1)\) 内为正，于是花括号里整体为正，其 \(1-1/k\) 次幂也为正且有正下界。"正函数在正体积区域上积分"必为正，且下界不依赖 \(\theta\)。
- 结论：\(\mathfrak{J}>0\)（一致地）。这正是实数可解性：在允许的盒子里，曲面 \(c_1x_1^k+\cdots=M\) 确实穿过，且有一整块解。
1.10 拼起来得到 (10.4)
我们已经看到，出现在引理 9.3 的类比中的奇异级数，对于 \(M\equiv 0\pmod L\) 有一个正的下界，因此我们得到 (10.4)。
这段在说什么：收口。主弧主项 = \(P^{s_0-k}\times\mathfrak{S}(M)\times\mathfrak{J}\)。其中：
- 奇异级数 \(\mathfrak{S}(M)\)：由 1.5，只要 \(M\equiv 0\pmod L\) 就有正下界（与 \(M\) 无关）。
- 奇异积分 \(\mathfrak{J}\)：由 1.9，有一致正下界。
- 两个正下界相乘再乘 \(P^{s_0-k}\)，得到 \(\gg P^{s_0-k}\)，正是 (10.4)。证毕。
注意 (10.4) 同时用到了前提的两半：奇异级数为正用到了"\(L\mid M\)"（数论/局部条件），奇异积分为正用到了"\(c\) 不全同号"（实数/无穷处条件）。两者缺一不可，正对应 0.5 的"局部 ⟹ 整体"原则需要每个素数处和实数处都过关。
1.11 稀疏打包数的计数：改造引理 9.4
引理 9.4 仍然适用，只需作微小改动，即可给出可表为 \(d_1z_1^k+z\) 形状的数 \(u\) 或 \(v\) 的个数的下界，其中 \(z\) 可表为 \(d_2z_2^k+\cdots+d_\ell z_\ell^k\)；并且，如果变量 \(z_1\) 与 \(z\) 被限制在适当的范围内，这些数全都互不相同。其范围当然依赖于 \(d_1,\ldots,d_\ell\)。我们对 \(U_\ell(X)\) 得到与前面相同的下界，只差一个依赖于 \(d_1,\ldots,d_\ell\) 的常数。
这段在说什么：要让前面 (10.4) 那台机器跑起来，还得知道"打包数 \(u\)、\(v\) 到底有多少个"——也就是稀疏集合不能太稀，得有足够多元素。这由第 9 章的引理 9.4 提供，本章只需微调。
\(U_\ell(X)\) 表示"不超过 \(X\)、且能表成 \(d_1z_1^k+\cdots+d_\ell z_\ell^k\) 形状的不同整数的个数"。我们需要它有一个好的下界（足够多），这样 \(u_1,u_2,v\) 的可取值才够丰富，能覆盖足够多的 \(M\)。
"互不相同"这个细节为什么重要，怎么保证：
- 把表示拆成两层：\(u=d_1z_1^k+z\)，其中"内层" \(z=d_2z_2^k+\cdots+d_\ell z_\ell^k\)。这是把一个 \(\ell\) 变量的和，看成"\(d_1z_1^k\)" 加上一个 \((\ell-1)\) 变量的内层和 \(z\)。
- 为什么要它们互不相同：计数时如果同一个数 \(u\) 被不同的 \((z_1,\dots,z_\ell)\) 重复算到，下界就会被"灌水"虚高，进而后面用到这些计数的不等式会失真。所以要保证不同的 \((z_1,z)\) 给出不同的 \(u\)，下界才是"真材实料"的下界。
- 怎么保证：把 \(z_1\) 限制在一段范围、把内层 \(z\) 也限制在一段范围，使得 \(d_1z_1^k\) 的"步长"大于内层 \(z\) 的"波动范围"。这样 \(u=d_1z_1^k+z\) 里，\(d_1z_1^k\) 决定了 \(u\) 的"大档位"、\(z\) 决定"档位内的细节"，两段不重叠 ⟹ 不同 \((z_1,z)\) 必给出不同的 \(u\)。这就像十进制里十位和个位不会互相串位。范围当然要依赖系数 \(d_1,\dots,d_\ell\)（系数大小决定步长和波动幅度）。
- 结论：\(U_\ell(X)\) 的下界与第 9 章（系数全为 1 时）相同，只多一个依赖 \(d_1,\dots,d_\ell\) 的常数因子。常数无所谓（回忆 0.7：我们只关心量级），所以稀疏集合"够大"这件事照样成立。
1.12 两个打包变量 \(u_1,u_2\)，用 Cauchy–Schwarz 不等式合并
我们现在需要两个指数和 \(R_1(\alpha),R_2(\alpha)\)，分别对应于两个不同的数集 \(u_1,u_2\)；但由于 \[\int_0^1|R_1(\alpha)R_2(\alpha)|\,d\alpha\le\left\{\int_0^1|R_1(\alpha)|^2\,d\alpha\int_0^1|R_2(\alpha)|^2\,d\alpha\right\}^{1/2},\] 我们得到与引理 9.4 的推论中相同的节省。
这段在说什么：方程 (10.3) 里有两个打包变量 \(u_1\)（用系数 \(d\)）和 \(u_2\)（用系数 \(d'\)），需要分别给它们各配一个指数和 \(R_1(\alpha)\)、\(R_2(\alpha)\)。在估计次弧误差时会冒出乘积 \(|R_1R_2|\) 的积分，要把它压住。工具就是那条不等式——它是大名鼎鼎的 Cauchy–Schwarz 不等式的积分版。
- \(R_1(\alpha)=\sum_{u_1}e(L^ku_1\alpha)\)
- 对所有合法的打包数 \(u_1\)（满足约束 ii）求和的指数和；\(R_2\) 同理对 \(u_2\)。\(|R_i(\alpha)|\) 是复数 \(R_i\) 的模长（到原点的距离，\(|a+bi|=\sqrt{a^2+b^2}\)）。
- \(\int_0^1|R_i(\alpha)|^2\,d\alpha\)
- 由正交关系（0.2）展开，\(\int_0^1|R_i|^2\,d\alpha\) 恰好等于"集合里数的个数"（每个数和自己配对贡献 1，不同的数互相抵消）。所以这两个积分就是 \(u_1\)、\(u_2\) 各自可取值的数量，正是 1.11 给出下界的那个 \(U_\ell\)。
这条不等式带来什么"节省"，逐步说清：
- 直接处理混合项 \(\int_0^1|R_1R_2|\,d\alpha\) 不好办（两个不同集合纠缠在一起）。
- 用 Cauchy–Schwarz 把它拆开成 \(\big(\int|R_1|^2\big)^{1/2}\big(\int|R_2|^2\big)^{1/2}\)，于是只需分别估计 \(\int|R_1|^2\) 和 \(\int|R_2|^2\)。
- 而这两个积分（由上面的注记）就是 \(u_1,u_2\) 各自的元素个数，已经在 1.11 算好了下界/上界。
- 于是混合项的处理退化成单个集合的处理，和第 9 章只有一个打包变量时（引理 9.4 的推论）得到完全相同的"节省"（即相同量级的误差节约）。"节省"指：误差被压低的幅度，正好够让主项盖过误差。
为什么要用两个 \(u_1,u_2\) 而不是一个？因为方程 (10.3) 需要"\(u_1+u_2\)"这种两数之和才能覆盖足够稠密的 \(M\) 取值（两个稀疏集合相加，和集更稠密）；这是第 9 章"加法能让稀疏集合变稠"思想的体现。而代价（处理两个指数和）被 Cauchy–Schwarz 一招化解，不增加本质困难。
1.13 收尾：引理 9.5 的推论照搬，得到定理
引理 9.5 的推论本质上不变，证明也如前完成。于是我们得到如下结果。
这段在说什么：把所有零件装到第 9 章的总装配线（引理 9.5 的推论）上。那条装配线干的事是：主弧主项（正，量级 \(P^{s_0-k}\)，由 1.8–1.10）＋ 稀疏变量的足量供应（由 1.11–1.12）＞ 次弧误差（由微调后的引理 9.2 类比压住），于是总积分 \(>0\)，方程 (10.3) 有解。由于本章对第 9 章的改动都只是"换常数、套 Cauchy–Schwarz"这类不触及结构的微调，所以"本质上不变，证明如前完成"。把 \(P\to\infty\)，解的组数趋于无穷，得到无穷多组解。
1.14 最终结论：定理 10.1
把 (10.5) 的每一块拆开看，确认它和前面对得上：
- \(s_0\)
- = \(k^2(2k-1)+1\)（来自 (10.1)，第 8 章给的"局部处处可解"门槛，量级 \(\approx 2k^3\)）。这是主块用掉的变量。
- \(3\)
- 三个打包变量 \(u_1,u_2,v\)（见 1.6）。
- \(\ell=2k\log 3k+1\)
- 每个打包变量用掉的真实变量数（来自第 9 章 \(G(k)\) 的估计，量级 \(\approx 2k\log k\)）。这里 \(\log\) 是自然对数。
- 合计 \(s_0+3\ell=s_0+3(2k\log 3k+1)\)
- 正是 1.7 的 \(s=s_0+3\ell\)。
为什么说这比定理 8.1"限制更弱"？因为新增部分 \(3(2k\log 3k+1)\approx 6k\log k\) 是对数量级，远小于主项 \(s_0\approx 2k^3\)。也就是说，本章基本上做到了"只要变量数达到保证局部可解的门槛 \(s_0\)，再多添几个（对数级）变量就够了"。相比之下，第 8 章的定理 8.1 需要的额外变量更多。本章用第 9 章的稀疏打包技巧，把"额外开销"从多项式级压到了对数级——这正是把"上一节的方法加以改造"换来的回报。
- 圆法：解数 \(=\int_0^1\)（探测器把"\(=0\)"翻译成积分，0.3）。
- 切成主弧＋次弧：主项 \(=P^{s-k}\,\mathfrak{S}\,\mathfrak{J}\)（0.4）。
- 要 \(\mathfrak{S}(M)>0\) 一致：大素数尾巴自动 \(\ge\tfrac12\)（1.3）＋ 小素数用 \(L=\prod p^{\gamma_1(p)}\) 控制，只要 \(L\mid M\)（1.4–1.5）。
- 造方程 (10.3)：塞 \(L^k\) 强行让右端 \(M\) 被 \(L\) 整除（1.6）；用 \(s_0+3\ell\) 个变量（1.7）。
- 主弧主项 (10.4)：奇异级数靠 \(L\mid M\) 为正、奇异积分靠"不全同号"为正（1.8–1.10）。
- 稀疏打包够量：改造引理 9.4 给 \(U_\ell\) 下界（1.11），两个 \(u\) 用 Cauchy–Schwarz 合并（1.12）。
- 主项 ＞ 误差 ⟹ 积分 \(>0\) ⟹ 无穷多解（1.13–1.14，定理 10.1）。
返回 全书目录