Davenport · 圆法 · 高中详解版

三次型Cubic forms

本章要解决什么我们想证明一件大事：一个整系数的齐次三次方程 \(C(x_1,\dots,x_n)=0\)，只要变量个数 \(n\) 足够大（本书最终做到 \(n\ge 17\)），就一定有不全为 \(0\) 的整数解。本章是这条定理证明的第一步，目标很具体：研究与三次型挂钩的一个"指数和" \(S(\alpha)\)，并证明——
当 \(|S(\alpha)|\) 大到某个程度时，要么这个三次型本身有大量"双线性零点"（选项 A），要么这个 \(\alpha\) 必定非常靠近一个分母不大的分数 \(a/q\)（选项 B）。
读完你将掌握：复指数 \(e(\alpha)\) 与圆法的基本框架、Weyl 差分法（把三次降成线性）、几何数论缩放引理的用法，以及"主弧/次弧"二分思想的来源。本章只搭舞台、磨刀，真正的估值在第 14、15 章。

阅读方式：灰色竖线框是原书译文（忠实翻译），其余彩色框与正文是面向高中生的逐句详解，把每个符号、每一步跳步都补全。

0. 先备齐工具：几个超出高中课本的记号

本章会反复用到几样高中没正式学过的东西。先一次性讲清，后面就不再打断。

记号 1 复指数 \(e(\theta)=e^{2\pi i\theta}\)，读作"e 的 2π i θ 次方"。这里 \(i\) 是虚数单位（\(i^2=-1\)）。由欧拉公式 \(e^{i\varphi}=\cos\varphi+i\sin\varphi\)，所以 \[ e(\theta)=\cos(2\pi\theta)+i\sin(2\pi\theta). \] 它是一个模长恒为 \(1\) 的复数：把 \(\theta\) 想成"转了几圈"，\(\theta=1\) 正好转回原点。关键性质：
① \(|e(\theta)|=1\)（永远在单位圆上）；
② \(e(\theta_1)e(\theta_2)=e(\theta_1+\theta_2)\)（指数相加）；
③ 只跟 \(\theta\) 的小数部分有关：\(e(\theta+m)=e(\theta)\) 对任意整数 \(m\) 成立（转整圈等于没转）。

\(e(\theta)\) 是单位圆上的点，幅角为 \(2\pi\theta\)。\(\theta\) 走一圈（加 1），点回到原处——这正是圆法把变量 \(\alpha\) 限制在 \([0,1]\) 的原因。

记号 2 求和号 \(\sum\) 与积分号 \(\int\)。\(\sum_{x}f(x)\) 就是"把所有满足条件的 \(x\) 对应的 \(f(x)\) 加起来"。本章求和往往跑遍一个盒子里的所有整点（坐标全是整数的点）。\(\int_0^1 g(\alpha)\,d\alpha\) 是定积分，可理解为"把 \(\alpha\) 从 \(0\) 到 \(1\) 切成无数小片，每片宽 \(d\alpha\)、高 \(g(\alpha)\)，面积加起来"。后面有一条核心恒等式 \(\int_0^1 e(m\alpha)\,d\alpha=\begin{cases}1,&m=0\\0,&m\ne0\end{cases}\)（\(m\) 为整数），它是圆法把"解的个数"写成积分的关键，下面会用到。

记号 3 到最近整数的距离 \(\|\theta\|\)，读作"theta 的范数"或"theta 到最近整数的距离"。定义 \[ \|\theta\|=\min_{m\in\mathbb{Z}}|\theta-m|. \] 例如 \(\|3.2\|=0.2\)，\(\|3.8\|=0.2\)，\(\|5\|=0\)。它永远落在 \([0,\tfrac12]\)。与之配套的还有小数部分 \(\{\theta\}=\theta-\lfloor\theta\rfloor\)（去掉整数部分，落在 \([0,1)\)）。例如 \(\{3.8\}=0.8\)。\(\|\theta\|\) 越小，表示 \(\theta\) 越接近某个整数。

记号 4 数量级记号 \(O(\cdot)\)、\(\ll\)、\(\gg\)。写 \(A\ll B\)（等价于 \(A=O(B)\)）意思是"存在一个与 \(P\) 无关的常数 \(c\)，使 \(|A|\le cB\)"——即"\(A\) 至多和 \(B\) 一个量级，最多差个固定倍数"。\(A\gg B\) 就是 \(B\ll A\)。这套记号让我们只关心随 \(P\) 增大时谁占主导，不纠缠具体常数。例如 \(3n^2+5n\ll n^2\)、\(n^2\gg n\)。本章满纸 \(\ll,\gg\)，因为我们要的从来不是精确值，而是"量级谁压过谁"。

记号 5 黑体向量 \(\mathbf{x}\) 表示 \(n\) 个坐标 \((x_1,\dots,x_n)\) 打包成的点；\(|\mathbf{x}|\) 在本章特指 \(\max(|x_1|,\dots,|x_n|)\)（各坐标绝对值里最大的那个），这是脚注里特意声明的——与第 12 章用"到原点距离"不同，但只差固定倍数，量级上无所谓。

1. 定理与历史：为什么是 17，为什么 10 不能再少

我们现在着手证明：一个具有整系数的齐次三次方程 \(C(x_1,\dots,x_n)=0\)（13.1），当 \(n\ge 17\) 时，总能在整数 \(x_1,\dots,x_n\)（不全为 \(0\)）中求解。第一个这样的结果，附带条件 \(n\ge 32\)，于 1957 年被证明；改进后的结果在 1962 年初被发现。1963 年我证明了条件 \(n\ge 16\) 已经足够，但这需要一个性质上颇为特殊、超出 \(n\ge 17\) 所需的更细致的论证。

这段在讲什么。开门见山地把全书这部分的主定理和它的历史进度条摆出来。先把名词拆开：

"齐次"（homogeneous）: 方程里每一项的次数都相同。三次齐次就是每一项都是三个变量相乘（如 \(x_1^3\)、\(x_1x_2x_3\)、\(5x_2^2x_3\)），没有二次项、一次项或常数项。齐次方程有个好处：若 \(\mathbf{x}\) 是解，则 \(t\mathbf{x}\) 对任意 \(t\) 也是解，所以我们只关心非平凡解（不全为零的解）。
"三次"（cubic）: 最高次数是 \(3\)。
\(C(x_1,\dots,x_n)=0\): 一个 \(n\) 元三次齐次多项式等于零。变量越多（\(n\) 越大），自由度越高，越"容易"有解——这就是为什么定理形如"\(n\) 够大就一定有解"。

为什么"变量多就一定有解"是个难题？注意 \(\mathbf{x}=\mathbf{0}\) 永远是解，但它平凡、没意义。要找非零整数解则毫不显然：方程只有一个，未知数有 \(n\) 个，看上去"方程少、未知数多"应该容易，但整数解的限制极强（不能取分数、不能取实数逼近），这正是丢番图问题之难。Davenport 这套圆法给出的，是一个能定量保证解存在的方法。

历史脉络这是一条逐年被压低的"门槛"：

1957：首次证明 \(n\ge 32\) 足够（文献 [21]）。即便条件还很宽，能证"够多变量必有解"已是突破。
1962 年初：改进结果（文献 [20]），门槛进一步降低。
1963：Davenport 本人证明 \(n\ge 16\) 即可（文献 [22]），但用到一个"颇为特殊"的精细论证。
本书选择讲 \(n\ge 17\) 的版本——因为它能用统一、干净的论证讲清楚，而 \(n\ge 16\) 那一步是为了抠掉最后一个变量额外耍的特殊技巧，喧宾夺主。这正是"取舍"：教学上宁可门槛松一点（17），换来思路的清爽。

Mordell 于 1937 年指出，存在九个变量的三次型不表示零，因而条件 \(n\ge 10\) 对于 (13.1) 总可解而言是必不可少的。Mordell 的例子基于一个三次域的范数型的性质。如果 \(p\) 是一个在该域中不分解的素数，那么范数型 \(N(x,y,z)\) 永远不能被 \(p\) 整除，除非 \(x,y,z\) 都能被 \(p\) 整除。由此容易推出，方程 \[ N(x_1,x_2,x_3)+pN(x_4,x_5,x_6)+p^2 N(x_7,x_8,x_9)=0 \] 除平凡解外，没有整数解 \(x_1,\dots,x_9\)。

这段在讲什么。上一段说"变量够多就有解"，这段从反方向立一根界桩：变量太少时，确实可能无非零解。所以门槛不能无限往下压——\(n\ge 10\) 是必需的（即存在 \(9\) 个变量的反例）。这保证了我们追求的 \(n\ge 17\) 不是无的放矢。先解释名词。

"表示零"是什么意思"三次型 \(C\) 表示零"指存在非零整点 \(\mathbf{x}\) 使 \(C(\mathbf{x})=0\)。"不表示零"就是除 \(\mathbf{x}=\mathbf{0}\) 外永远 \(C(\mathbf{x})\ne 0\)。Mordell 找到了一个 \(9\) 元三次型，它不表示零。

"范数型"\(N(x,y,z)\) 是什么这超出高中范围，但可以这样理解。取一个特别的无理数 \(\omega\)（本例是 \(\omega=\sqrt[3]{2}\)），考虑形如 \(x+y\omega+z\omega^2\) 的数（\(x,y,z\) 为整数），它们构成一个"三次域"\(\mathbb{Q}(\omega)\)。这个数的范数 \(N(x,y,z)\)，是把 \(\omega\) 换成它的三个"共轭根"（\(\omega,\ \omega\zeta,\ \omega\zeta^2\)，\(\zeta\) 是 \(1\) 的三次方根）后三个值相乘得到的结果。神奇之处：尽管中间出现复数，乘起来恰好是一个整系数三次齐次型。对 \(\omega=\sqrt[3]2\) 算出来就是下一段的 \(N=x^3+2y^3+4z^3-6xyz\)。范数最重要的性质是可乘性：两个数相乘，范数也相乘。

"不分解的素数"与整除性质。"素数 \(p\) 在域中不分解"是数论里的说法，对我们只需用它的一个结论：

关键事实（本段唯一要用的）：若 \(p\) 在该域不分解，则 \(p\mid N(x,y,z)\)（即 \(N\) 能被 \(p\) 整除）当且仅当 \(x,y,z\) 全部能被 \(p\) 整除。换句话说：只要 \(x,y,z\) 不全是 \(p\) 的倍数，\(N(x,y,z)\) 就不被 \(p\) 整除。

这里"同余 / 整除"是高中数论的延伸：\(p\mid a\) 读作"\(p\) 整除 \(a\)"，意思是 \(a\) 是 \(p\) 的倍数；\(a\equiv 0\pmod p\) 是同一件事的另一种写法。下面用这个关键事实，一步步证明那个 \(9\) 元方程只有平凡解。

补全推导：为什么 \(N(x_1,x_2,x_3)+pN(x_4,x_5,x_6)+p^2N(x_7,x_8,x_9)=0\) 只有平凡解

原文说"由此容易推出"，这里把"容易"摊开成完整的无穷递降论证。设 \(\mathbf{x}=(x_1,\dots,x_9)\) 是整数解。记三块为 \[ A=N(x_1,x_2,x_3),\quad B=N(x_4,x_5,x_6),\quad D=N(x_7,x_8,x_9), \] 方程即 \(A+pB+p^2D=0\)。

先看 \(A\) 必被 \(p\) 整除。由 \(A=-pB-p^2D=-p(B+pD)\)，右边显然是 \(p\) 的倍数，故 \(p\mid A\)，即 \(p\mid N(x_1,x_2,x_3)\)。
用关键事实。\(p\mid N(x_1,x_2,x_3)\) 迫使 \(x_1,x_2,x_3\) 全是 \(p\) 的倍数。写 \(x_1=px_1',\,x_2=px_2',\,x_3=px_3'\)。
范数随之被 \(p^3\) 整除。因为 \(N\) 是三次齐次，把每个变量放大 \(p\) 倍，整体放大 \(p^3\) 倍：\(A=N(px_1',px_2',px_3')=p^3N(x_1',x_2',x_3')\)。
代回方程并约去一个 \(p\)。方程变成 \(p^3N(x_1',x_2',x_3')+pB+p^2D=0\)，两边同除以 \(p\)： \[ p^2N(x_1',x_2',x_3')+B+pD=0. \] 于是 \(B=-p^2N(x_1',x_2',x_3')-pD=-p(\dots)\)，故 \(p\mid B=N(x_4,x_5,x_6)\)。
再次用关键事实：\(x_4,x_5,x_6\) 也全被 \(p\) 整除，写 \(x_4=px_4'\) 等，则 \(B=p^3N(x_4',x_5',x_6')\)。代回上式 \(p^2N(x_1',x_2',x_3')+p^3N(x_4',x_5',x_6')+pD=0\)，再除以 \(p\)：\(pN(x_1',x_2',x_3')+p^2N(x_4',x_5',x_6')+D=0\)。于是 \(p\mid D=N(x_7,x_8,x_9)\)，从而 \(x_7,x_8,x_9\) 全被 \(p\) 整除。
结论——无穷递降。至此 \(x_1,\dots,x_9\) 全部都是 \(p\) 的倍数。设 \(x_j=px_j'\)，由齐次性，\((x_1',\dots,x_9')\) 也是同一方程的解，且每个坐标都缩小为原来的 \(1/p\)。若原解非零，可一直这样除下去，得到无穷多个越来越小的非零整数解——这不可能（非零整数的绝对值不能无限缩小且仍是整数）。矛盾！故唯一解是 \(\mathbf{x}=\mathbf{0}\)。∎

事实上，我们还可以进一步断言：相应的模 \(p^3\) 的同余式除了所有变量都 \(\equiv 0\pmod p\) 之外没有解。一个简单的例子可由取 \(p=7\) 并令 \[ N(x,y,z)=x^3+2y^3+4z^3-6xyz \] 给出，这正是由 \(\sqrt[3]{2}\) 生成的域的范数型。一个与上述类似的构造，给出了 \(k^2\) 个变量中 \(k\) 次齐次不可解方程的例子。

这段在讲什么。把上面的反例做得更"狠"，并给出一个具体可验证的例子。"更狠"体现在：不只整数方程无非零解，连模 \(p^3\) 的同余式都只有平凡解。

"模 \(p^3\) 同余式只有平凡解" "同余式 \(F(\mathbf{x})\equiv 0\pmod{m}\)"是问"\(F(\mathbf{x})\) 能否被 \(m\) 整除"，比"等于零"宽松得多。这里断言：即便把方程左边只要求被 \(p^3\) 整除（而非严格为零），仍然逼得所有变量 \(\equiv 0\pmod p\)。把上面证明的第 1–5 步原样搬到"模 \(p^3\)"下即可（每一步的整除推理仍成立）。为什么这点重要？因为圆法最后会出现一个叫"奇异级数"的量，它由各个素数下的同余式解数堆叠而成；若某个 \(p\) 下连同余式都只有平凡解，奇异级数就会"塌掉"为零，渐近主项消失——这正是 \(9\) 变量反例能成立的深层机制。所以作者强调这个"模 \(p^3\)"版本，是在预告后面奇异级数那一章的关键。

动手验证这个范数型取 \(p=7\)，\(N(x,y,z)=x^3+2y^3+4z^3-6xyz\)。

它确实是 \(\sqrt[3]2\) 的范数型。令 \(\omega=\sqrt[3]2\)（\(\omega^3=2\)），数 \(\xi=x+y\omega+z\omega^2\)。三个共轭是把 \(\omega\) 换成 \(\omega,\ \omega\zeta,\ \omega\zeta^2\)（\(\zeta=e(1/3)\) 是 \(1\) 的复立方根）。三者相乘 \(N=\prod(x+y\omega\zeta^k+z\omega^2\zeta^{2k})\)，展开（利用 \(1+\zeta+\zeta^2=0\)、\(\omega^3=2\)）正好得到 \(x^3+2y^3+4z^3-6xyz\)。系数 \(2,4\) 来自 \(\omega^3=2,\ \omega^6=4\)，\(-6\) 来自交叉项 \(-3\omega^3=-6\)。
为什么取 \(p=7\)？因为 \(7\) 是一个在 \(\mathbb{Q}(\sqrt[3]2)\) 中"不分解"的素数（即 \(2\) 不是模 \(7\) 的三次剩余：\(1^3,2^3,\dots\equiv 1,1,6,1,6,6\pmod7\) 取不到 \(2\)）。这保证了上面的"关键事实"成立。换个 \(p\)（如 \(p=31\)，那里 \(2\) 是模 \(31\) 的三次剩余，故 \(31\) 在域中分解，"关键事实"不再成立）就不行——这就是"为什么这样取参数"。

"\(k^2\) 个变量、\(k\) 次"的推广。把上面"三块、系数 \(1,p,p^2\)"的把戏推到 \(k\) 次：用一个 \(k\) 次域的范数型 \(N\)（\(k\) 个变量），堆 \(k\) 块、系数 \(1,p,p^2,\dots,p^{k-1}\)，共用 \(k\cdot k=k^2\) 个变量，同样的无穷递降说明它不可解。当 \(k=3\) 就回到 \(9=3^2\) 个变量的三次情形。这说明：对 \(k\) 次方程，门槛至少得超过 \(k^2\)。

2. 搭舞台：指数和 \(S(\alpha)\) 与圆法的出发点

关于三次方程的定理的证明分为若干章，每一章在很大程度上是自成一体的。我们从考虑与一个三次型相关联的指数和开始。写 \[ C(\mathbf{x})=C(x_1,\dots,x_n)=\sum_i\sum_j\sum_k c_{ijk}\,x_i x_j x_k, \] 其中各求和指标从 \(1\) 跑到 \(n\)，系数 \(c_{ijk}\) 是整数，并且我们可以假设 \(c_{ijk}\) 是关于 \(i,j,k\) 的对称函数。

这段在讲什么。正式给三次型一个统一写法，并约定系数对称。这两点是后面所有计算的地基。

三重求和 \(\sum_i\sum_j\sum_k\) \(i,j,k\) 各自独立地从 \(1\) 取到 \(n\)，把所有组合 \((i,j,k)\) 对应的 \(c_{ijk}x_ix_jx_k\) 全加起来，共 \(n^3\) 项。每一项都是三个变量相乘，所以是三次、且每项次数都是 \(3\)，所以齐次。\(c_{ijk}\) 是这一项的整数系数。

"对称函数"是什么、为什么可以这样假设 "\(c_{ijk}\) 对称"指交换三个下标的次序值不变：\(c_{ijk}=c_{jik}=c_{ikj}=\dots\)（\(3!=6\) 种排列都相等）。
为什么"可以假设"？因为 \(x_ix_jx_k\) 这个乘积本身与下标次序无关（乘法可交换），所以同一个单项式 \(x_1x_2x_3\) 会在 \(6\) 个不同下标组合里出现。我们总可以把这 \(6\) 个系数平均掉，换成对称的系数而不改变整个多项式的值。例如某项原本只在 \(c_{123}\) 写了 \(6\)、其余写 \(0\)，可改成 \(c_{123}=c_{132}=\dots=1\)（六个各 \(1\)），总和 \(6x_1x_2x_3\) 不变。对称化是纯粹为后面求导/差分时系数好看（会反复出现 \(3\)、\(6\) 这样的整齐倍数），属于"先把记号理顺"的预备动作。

设 \(P\) 是一个大的正整数。设 \(\mathfrak{B}\) 是 \(n\) 维空间中一个固定的盒子，即由 \(n\) 个区间构成的笛卡尔积 \(x_j'\lt x_j\le x_j''\)（\(1\le j\le n\)）。仅为方便起见，我们假设 \(x_j''-x_j'\lt 1\)。令 \[ S(\alpha)=\sum_{P\mathfrak{B}}e\!\left(\alpha C(x_1,\dots,x_n)\right), \] 其中求和遍历盒子 \(P\mathfrak{B}\) 中的所有整点，盒子 \(P\mathfrak{B}\) 由下式给出 \(Px_j'\lt x_j\le Px_j''\)（\(1\le j\le n\)）。

这段在讲什么。定义本章的主角——指数和 \(S(\alpha)\)。它把"我们关心的整点"全部塞进一个和式，是圆法的发动机。逐件解释。

\(P\)（大正整数）: "放大倍数"。我们让 \(P\to\infty\)，看解的个数如何随 \(P\) 增长。所有 \(\ll,\gg\) 里的"常数与 \(P\) 无关"都是相对它而言。
固定盒子 \(\mathfrak{B}\): \(n\) 维空间里一个长方体：第 \(j\) 个坐标被限制在小区间 \((x_j',x_j'']\)。"笛卡尔积"就是各坐标区间独立组合成的盒子。假设每条边长 \(x_j''-x_j'\lt 1\) 只是技术性的"小盒子"约定，方便计数。
放大盒子 \(P\mathfrak{B}\): 把盒子整体放大 \(P\) 倍，得到 \(Px_j'\lt x_j\le Px_j''\)。它的每条边长约 \(P(x_j''-x_j')\)，所以里面大约有 \(\prod_j P(x_j''-x_j')\sim P^n\) 个整点。这就是"自变量 \(\mathbf{x}\) 的取值范围"。
\(\alpha\)（实数，取自 \([0,1]\)）: 一个旋钮。\(S(\alpha)\) 把每个整点 \(\mathbf{x}\) 贡献一个单位圆上的复数 \(e(\alpha C(\mathbf{x}))\)，再全部相加。改变 \(\alpha\) 就改变所有相位。

\(S(\alpha)\) 就是把盒子里约 \(P^n\) 个整点的单位向量 \(e(\alpha C(\mathbf{x}))\) 首尾相加。它们指向越乱，相消越多，\(|S(\alpha)|\) 越小。

设 \(\mathcal{N}(P)\) 表示 \(P\mathfrak{B}\) 中满足 (13.1) 的整点 \(\mathbf{x}\) 的个数。则 \[ \mathcal{N}(P)=\int_0^1 S(\alpha)\,d\alpha. \tag{13.2}\]

这段在讲什么。圆法的命门：把"解的个数"\(\mathcal{N}(P)\) 写成一个积分。这一步把组合问题（数解）变成分析问题（算积分），是整套方法的灵魂。原文直接给结论，下面补全为什么成立。

补全推导：(13.2) 为什么成立

核心恒等式。对任意整数 \(m\)： \[ \int_0^1 e(m\alpha)\,d\alpha=\begin{cases}1,&m=0,\\[2pt]0,&m\ne 0.\end{cases} \] 理由：若 \(m=0\)，被积函数 \(e(0)=1\)，积分 \(\int_0^1 1\,d\alpha=1\)。若 \(m\ne0\)，\(\int_0^1 e(m\alpha)d\alpha=\dfrac{e(m\alpha)}{2\pi i m}\Big|_0^1=\dfrac{e(m)-e(0)}{2\pi i m}=\dfrac{1-1}{2\pi i m}=0\)（因为 \(e(m)=1\)，整数转整圈回原点）。这是一个"探测器"：它只在 \(m=0\) 时亮 \(1\)，其余全灭。
把 \(S(\alpha)\) 代入积分。 \[ \int_0^1 S(\alpha)\,d\alpha=\int_0^1\sum_{\mathbf{x}\in P\mathfrak{B}}e(\alpha C(\mathbf{x}))\,d\alpha. \]
交换求和与积分（有限和，可逐项积分）： \[ =\sum_{\mathbf{x}\in P\mathfrak{B}}\int_0^1 e(\alpha\,C(\mathbf{x}))\,d\alpha. \]
用探测器。这里 \(m=C(\mathbf{x})\) 是整数。由第 1 步，每一项的积分在 \(C(\mathbf{x})=0\) 时为 \(1\)，否则为 \(0\)。于是 \[ \int_0^1 S(\alpha)d\alpha=\sum_{\mathbf{x}\in P\mathfrak{B}}[\,C(\mathbf{x})=0\,]=\#\{\mathbf{x}\in P\mathfrak{B}:C(\mathbf{x})=0\}=\mathcal{N}(P). \] 积分把"满足方程的点记 1、不满足记 0"自动加总，得到的正是解的个数。∎

为什么叫"圆法"。变量 \(\alpha\) 跑遍 \([0,1]\)，而 \(e(\alpha\cdot)\) 在 \(\alpha\) 加 1 时不变，所以 \([0,1]\) 首尾相接其实是一个圆（Hardy–Littlewood 当年正是在单位圆上做积分）。本章不直接算这个积分，而是先研究被积函数 \(S(\alpha)\) 在不同 \(\alpha\) 处有多大——这决定了哪些 \(\alpha\) 是"主力"、哪些可丢弃。

3. 目标与那个"自相矛盾"的策略

我们的目标（原则上）是证明：通过适当选取盒子 \(\mathfrak{B}\)，当 \(P\to\infty\) 时 \(\mathcal{N}(P)\) 有一个渐近公式，其中主项的阶为 \(P^{n-3}\)。实际上这并不总是成立。我们将要得到的，是一个看似自相矛盾的结果：该渐近公式在 (13.1) 不可解（从而 \(\mathcal{N}(P)=0\)）的假设下成立！这对我们的目的而言已经足够，因为它将证明 (13.1) 是可解的。

这段在讲什么。说明整套证明的逻辑诡计，这是全章最妙、也最容易看晕的一句话。慢慢拆。

"渐近公式，主项阶 \(P^{n-3}\)": "渐近公式"指当 \(P\) 很大时 \(\mathcal{N}(P)\approx c\,P^{n-3}\)（再加更低阶的误差）。为什么是 \(P^{n-3}\)？直觉：盒子里约 \(P^n\) 个点，方程 \(C(\mathbf{x})=0\) 是"一个三次方程"的约束，\(C(\mathbf{x})\) 的取值范围约 \(P^3\)，命中 \(0\) 的"概率"约 \(P^{-3}\)，于是解数约 \(P^n\cdot P^{-3}=P^{n-3}\)。只要 \(c>0\) 且 \(n>3\)，这就是正且趋于无穷的——意味着有解，而且解很多。

"自相矛盾"的策略（反证法的变体）。 直接证 \(\mathcal{N}(P)\sim cP^{n-3}>0\) 很难、且"并不总成立"。于是改用一招：假设方程无解（\(\mathcal{N}(P)=0\)），在这个假设下去推导渐近公式 \(\mathcal{N}(P)= cP^{n-3}+(\text{更小误差})\)。
一旦推出来，矛盾就来了：左边 \(=0\)，右边 \(\ge cP^{n-3}-(\text{误差})>0\)（\(P\) 大时主项压过误差）。\(0>0\) 不可能！所以"无解"的假设错误，方程必有解。
妙处在于："无解"这个假设反而让某些捣乱项消失，使渐近公式更容易证出来。我们不需要真的算出解的个数，只要逼出一个矛盾。这就是"看似自相矛盾却足够用"的含义。

4. 平凡估计与"大 \(S\) 假设"(13.3)

\(|S(\alpha)|\) 的平凡估计是 \(P^n\)。我们首先研究：若对于某个特定的 \(\alpha\)，有 \(|S(\alpha)|\ge P^{n-K}\)（13.3），会发生什么，其中 \(K\) 是某个正数。最终，正如前几章那样，我们的目标是能够从 \(\alpha\) 的集合中去掉任何对积分贡献的量低于 \(P^{n-3}\) 阶的子集。

这段在讲什么。给 \(S(\alpha)\) 立一个"上限标杆"，并提出本章真正要攻的问题。

为什么平凡估计是 \(P^n\) \(S(\alpha)=\sum_{\mathbf{x}}e(\alpha C(\mathbf{x}))\) 是约 \(P^n\) 个复数之和，每个复数模长 \(=1\)。由三角不等式 \(\bigl|\sum a_k\bigr|\le\sum|a_k|\)， \[ |S(\alpha)|\le\sum_{\mathbf{x}\in P\mathfrak{B}}|e(\alpha C(\mathbf{x}))|=\sum_{\mathbf{x}}1=\#(P\mathfrak{B}\cap\mathbb{Z}^n)\ll P^n. \] "平凡"是说这一步啥技巧没用、只把模长全加起来。它在 \(\alpha=0\) 时确实达到（那时每个 \(e(0)=1\) 同向，毫不相消，\(S(0)\sim P^n\)）。一般的 \(\alpha\) 会让相位错乱、彼此相消，\(|S(\alpha)|\) 远小于 \(P^n\)。

假设 (13.3)：\(|S(\alpha)|\ge P^{n-K}\) \(K\) 是一个正的损失指数。\(P^{n-K}=P^n/P^K\)，所以这条假设是说"\(S(\alpha)\) 还没小太多，至多比满额 \(P^n\) 小了 \(P^K\) 倍"。我们研究哪些 \(\alpha\) 能让 \(S\) 这么大。直觉上，\(S\) 大意味着那约 \(P^n\) 个单位向量没怎么相消、相位高度一致，这是很强的约束，会反过来逼出 \(\alpha\) 的特殊结构（靠近某个 \(a/q\)）。\(K\) 越小，假设越苛刻（要求 \(S\) 越大），能满足的 \(\alpha\) 越少。

本章的战略目标（"去掉小贡献的 \(\alpha\)"）。 积分 \(\int_0^1 S(\alpha)d\alpha\) 的主项要是 \(P^{n-3}\) 阶。任何一片 \(\alpha\) 区间，如果它对积分的贡献低于 \(P^{n-3}\) 阶，就可以安心丢掉（归入误差）。这正是圆法的主弧 / 次弧二分：
· 次弧（minor arcs）：\(S(\alpha)\) 普遍偏小的那些 \(\alpha\)，贡献小，丢掉；
· 主弧（major arcs）：\(S(\alpha)\) 可能很大的那些 \(\alpha\)（靠近 \(a/q\)），它们贡献主项 \(P^{n-3}\)，要精算。
本章的引理 13.1–13.4 就是要刻画"\(S\) 大"的 \(\alpha\) 长什么样，为第 15 章的二分做准备。

圆法把 \([0,1]\) 切成"主弧"（围绕小分母分数的短区间）与"次弧"（其余）。本章的任务是证明：\(S\) 大的 \(\alpha\) 只能落在主弧里。

5. Weyl 不等式的推广：双线性型 \(B_j\)

第一步是证明 Weyl 不等式的一个推广。对于任意两点 \(\mathbf{x},\mathbf{y}\)，我们定义一组 \(n\) 个双线性型： \[ B_j(\mathbf{x}\,|\,\mathbf{y})=\sum_i\sum_k c_{ijk}\,x_i y_k,\quad (1\le j\le n). \]

这段在讲什么。引入本章第二位主角——双线性型 \(B_j\)。它是把三次型"求两次差分、降两次次数"后剩下的线性骨架，后面所有引理都围着它转。

什么是"双线性型"，为什么要引入它 \(B_j(\mathbf{x}\,|\,\mathbf{y})=\sum_i\sum_k c_{ijk}x_iy_k\) 对每个 \(j\) 是一个数。"双线性"指它对 \(\mathbf{x}\) 是线性的（固定 \(\mathbf{y}\)，关于 \(x_i\) 一次）、对 \(\mathbf{y}\) 也是线性的（固定 \(\mathbf{x}\)，关于 \(y_k\) 一次）。
动机：原三次型 \(C\) 是三次的，直接处理太难。Weyl 的思想是"差分降次"：三次型差一次降成二次、再差一次降成一次（线性）。差两次后，跟求和变量 \(\mathbf{z}\) 线性相关的系数恰好就是 \(6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\)（见下一节推导）。所以 \(B_j\) 是"三次型经两次差分后留下的线性核心"，把对三次和的估计转化成对线性和的估计——这是整个 Weyl 方法的关键转译。
对称性提示：因 \(c_{ijk}\) 对称，交换 \(\mathbf{x},\mathbf{y}\) 的角色相当于交换下标 \(i,k\)，所以 \(B_j(\mathbf{x}\,|\,\mathbf{y})\) 关于 \(\mathbf{x},\mathbf{y}\) 也有良好对称性，后面会用到。

引理 13.1：Weyl 不等式的推广

引理 13.1. 假设 (13.3) 蕴含 \[ \sum_{|\mathbf{x}|\lt P}\sum_{|\mathbf{y}|\lt P}\prod_{j=1}^{n}\min\!\left(P,\ \|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\|^{-1}\right)\ \gg\ P^{3n-4K}. \]

这条引理在说什么。"如果 \(S(\alpha)\) 大（假设 13.3），那么左边这个又长又怪的和必定也大（\(\gg P^{3n-4K}\)）。"左边是对所有点对 \((\mathbf{x},\mathbf{y})\) 求和，每项是 \(n\) 个 \(\min(\cdots)\) 的乘积。先读懂这个 \(\min\)。

\(\min\!\left(P,\ \|6\alpha B_j\|^{-1}\right)\) 是什么它在两个数里取较小者：固定上限 \(P\)，与 \(\|6\alpha B_j\|^{-1}=1/\|6\alpha B_j\|\)。
· 当 \(6\alpha B_j\) 很接近整数（\(\|6\alpha B_j\|\) 很小），\(1/\|\cdots\|\) 很大，被 \(P\) 截住，取 \(P\)；
· 当 \(6\alpha B_j\) 离整数较远，\(\|\cdots\|\) 不小，\(1/\|\cdots\|\) 较小，取这个倒数。
这个量正是下一节那条"几何级数求和"估计的输出：一段长 \(\le P\) 的等差相位求和 \(\sum_z e(\beta z)\) 的大小 \(\ll\min(P,\|\beta\|^{-1})\)。\(\min\) 越大，说明相位越"齐"、相消越少。所以引理左边大 = "存在很多点对让所有 \(B_j\) 都使相位齐整"。

证（逐步补全 Weyl 两次差分）

第一次平方（差分一次）。 \[ |S(\alpha)|^2=S(\alpha)\overline{S(\alpha)}=\sum_{\mathbf{z}\in P\mathfrak{B}}\sum_{\mathbf{z}'\in P\mathfrak{B}}e\!\big(\alpha C(\mathbf{z}')-\alpha C(\mathbf{z})\big). \] 这里用了 \(\overline{e(\theta)}=e(-\theta)\)（共轭等于相位取负），把 \(S\) 与其共轭相乘展成双重和。
换元 \(\mathbf{z}'=\mathbf{y}+\mathbf{z}\)。令 \(\mathbf{y}=\mathbf{z}'-\mathbf{z}\)，则 \[ |S(\alpha)|^2=\sum_{\mathbf{z}\in P\mathfrak{B}}\ \sum_{\mathbf{y}+\mathbf{z}\in P\mathfrak{B}}e\!\big(\alpha C(\mathbf{y}+\mathbf{z})-\alpha C(\mathbf{z})\big). \] "差分"二字就在这：被积相位从 \(C\) 本身变成了差 \(C(\mathbf{y}+\mathbf{z})-C(\mathbf{z})\)，这是一个关于 \(\mathbf{z}\) 的二次多项式（三次差一次降为二次），最高次降了一级。
把 \(\mathbf{y}\) 提到外层、对内层取模长。对每个固定的 \(\mathbf{z}\)，"盒子 \(P\mathfrak{B}\) 平移 \(-\mathbf{z}\)"含于 \(|\mathbf{y}|\lt P\) 之内（因为盒子边长 \(\le P\)）。把 \(\mathbf{y}\) 的范围放宽到 \(|\mathbf{y}|公共部分（保证 \(\mathbf{z}\) 和 \(\mathbf{z}+\mathbf{y}\) 都在原盒子里）。
Cauchy 不等式再平方一次。Cauchy（柯西）不等式：\(\bigl|\sum_{k=1}^{N}a_k\bigr|^2\le N\sum_{k=1}^N|a_k|^2\)。这里 \(\mathbf{y}\) 的取值个数 \(\ll P^n\)，把它当作 \(N\)： \[ |S(\alpha)|^4=\Big(|S(\alpha)|^2\Big)^2\le\Big(\sum_{|\mathbf{y}|线性。平方正好制造出"第二次差分"的机会。
第二次差分（对内层重复步骤 1–2）。内层 \(\bigl|\sum_{\mathbf{z}}e(\cdots)\bigr|^2\) 再展成关于新增变量 \(\mathbf{x}\) 的双重和（\(\mathbf{z}\) 与 \(\mathbf{z}+\mathbf{x}\)）。结果其平方不超过 \[ \sum_{|\mathbf{x}|\lt P}\Big|\sum_{\mathbf{z}\in\mathcal{S}(\mathbf{x},\mathbf{y})}e\!\Big(\alpha\big(C(\mathbf{z}+\mathbf{x}+\mathbf{y})-C(\mathbf{z}+\mathbf{x})-C(\mathbf{z}+\mathbf{y})+C(\mathbf{z})\big)\Big)\Big|, \] 其中 \(\mathcal{S}(\mathbf{x},\mathbf{y})\) 是依赖 \(\mathbf{x},\mathbf{y}\) 的 \(\mathbf{z}\) 盒子，各棱长 \(二阶混合差分。
关键代数：二阶差分关于 \(\mathbf{z}\) 是线性的。断言 \[ C(\mathbf{z}+\mathbf{x}+\mathbf{y})-C(\mathbf{z}+\mathbf{x})-C(\mathbf{z}+\mathbf{y})+C(\mathbf{z})=6\sum_{i,j,k}c_{ijk}x_iy_kz_j+\psi=6\sum_j z_jB_j(\mathbf{x}\,|\,\mathbf{y})+\psi, \] 其中 \(\psi\) 不含 \(\mathbf{z}\)。为什么是这样、系数为何是 6：对一个三次型，做关于 \(\mathbf{y}\) 的一阶差分 \(C(\mathbf{z}+\mathbf{y})-C(\mathbf{z})\)，其含 \(\mathbf{z}\) 二次的部分是 \(3\sum c_{ijk}y_iz_jz_k\)；再做关于 \(\mathbf{x}\) 的差分，把 \(z_jz_k\) 换成 \((z_j+x_j)(z_k+x_k)-z_jz_k=x_jz_k+z_jx_k+x_jx_k\)，其中含 \(\mathbf{z}\) 一次的是 \(x_jz_k+x_kz_j\)。于是 \(\mathbf{z}\)-线性项为 \(3\sum c_{ijk}y_i(x_jz_k+x_kz_j)\)；利用 \(c_{ijk}\) 的对称性把两块都整理成 \(z_j\) 出头，合并得 \(6\sum c_{ijk}x_iy_kz_j\)。系数 \(6=2\times3\) 正来自"两次差分各放出一个因子、再加对称排列"。其余项 \(\psi\) 全是 \(\mathbf{x},\mathbf{y}\) 的函数，不含 \(\mathbf{z}\)。最后按 \(j\) 归并 \(\sum_{i,k}c_{ijk}x_iy_k=B_j(\mathbf{x}\,|\,\mathbf{y})\)。
提出不含 \(\mathbf{z}\) 的相位。\(e(\alpha\psi)\) 与 \(\mathbf{z}\) 无关，模长为 1，可直接提到 \(\mathbf{z}\) 求和外，不影响绝对值。于是内层关于 \(\mathbf{z}\) 的和化为 \[ \Big|\sum_{\mathbf{z}\in\mathcal{S}(\mathbf{x},\mathbf{y})}e\!\Big(6\alpha\sum_j B_j(\mathbf{x}\,|\,\mathbf{y})\,z_j\Big)\Big|. \] 相位对 \(\mathbf{z}\) 已是线性——目标达成。
几何级数估计（"现已熟悉的估计"）。因为相位 \(6\alpha\sum_j B_jz_j=\sum_j(6\alpha B_j)z_j\) 在各坐标 \(z_j\) 上分离，指数乘积拆成各坐标独立的几何级数之积： \[ \sum_{\mathbf{z}}e\!\Big(\sum_j(6\alpha B_j)z_j\Big)=\prod_j\Big(\sum_{z_j}e\big((6\alpha B_j)z_j\big)\Big). \] 单个几何级数 \(\sum_{z_j}e(\beta z_j)\)（\(z_j\) 跑一段长 \(\le P\) 的连续整数，\(\beta=6\alpha B_j\)）的标准上界是 \(\ll\min(P,\|\beta\|^{-1})\)（证明见下方小框）。于是 \[ \Big|\sum_{\mathbf{z}\in\mathcal{S}}e\!\big(6\alpha\textstyle\sum_jB_jz_j\big)\Big|\ll\prod_{j=1}^n\min\!\big(P,\ \|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\|^{-1}\big). \]
回代汇总。把第 9 步代进第 5 步、再代进第 4 步（全程只对 \(|S|\) 平方两次：先 \(|S|^2\)，再经 Cauchy 得 \(|S|^4\)），最终得到 \[ \sum_{|\mathbf{x}|∎

补证：几何级数 \(\bigl|\sum_{z=0}^{N-1}e(\beta z)\bigr|\ll\min(N,\|\beta\|^{-1})\)

若把它当 \(N\) 个模长 1 的数相加，三角不等式给上界 \(N\)。这是 \(\min\) 里的第一个候选。
当 \(\beta\) 不是整数时用等比数列求和：\(\sum_{z=0}^{N-1}e(\beta z)=\dfrac{e(\beta N)-1}{e(\beta)-1}\)。取模长，分子 \(|e(\beta N)-1|\le 2\)，分母 \(|e(\beta)-1|=2|\sin\pi\beta|\)。又有不等式 \(|\sin\pi\beta|\ge 2\|\beta\|\)（正弦在到最近整数距离上的线性下界）。故 \[ \Big|\sum_{z}e(\beta z)\Big|\le\frac{2}{2|\sin\pi\beta|}\le\frac{1}{2\|\beta\|}\ll\|\beta\|^{-1}. \] 这是第二个候选。
两个上界同时成立，取较小者，得 \(\ll\min(N,\|\beta\|^{-1})\)。直观：\(\beta\) 越接近整数，相位转得越慢、相消越少、和越大（趋于 \(N\)）；\(\beta\) 离整数越远，转得越快、相消越多、和越小（趋于 \(\|\beta\|^{-1}\)）。∎

注. 在估计一个指数和时，看一看平凡估计给出什么，以判断（如果有的话）损失了多少（永远地损失了），是一种有用的预防措施。在当前情形中，对乘积中始终取 \(P\) 作为最小值，则 \(|S(\alpha)|^4\) 的平凡估计将是 \(P^{4n}\)，这是令人满意的。

这条注在提醒什么。做估计前先"对账"：把不等式里每个 \(\min\) 都取上限 \(P\)（最宽松情形），看看会得到什么。这里乘积变成 \(P^n\)，再对 \(P^n\) 个点对 \(\mathbf{x},\mathbf{y}\) 求和得 \(P^n\cdot P^n\cdot P^n=P^{3n}\)；这对应 \(|S(\alpha)|^4\ll P^{4n}\)，即 \(|S|\ll P^n\)，正是平凡估计，没有出现荒谬（比如 \(|S|\) 被估得比 \(P^n\) 还大）。这说明引理 13.1 的不等式方向、量级都自洽，没有"凭空多估"或"永远丢掉了不该丢的东西"。这是做解析数论的好习惯：随时用平凡情形当"体检"。

6. 引理 13.2：从"\(\min\) 之和大"到"小余项点对多"

引理 13.2. 假设 (13.3) 蕴含：满足 \[ |\mathbf{x}|\lt P,\quad |\mathbf{y}|\lt P,\quad \|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\|\lt P^{-1},\quad (1\le j\le n) \tag{13.4}\] 的整点对 \(\mathbf{x},\mathbf{y}\) 的个数 \(\gg P^{2n-4K}(\log P)^{-n}\)。

这条引理在说什么、为什么要它。引理 13.1 的结论是个"加权和大"，但权重（那些 \(\min\)）是连续的、不好直接用。引理 13.2 把它翻译成一句更朴素的话：满足"所有 \(\|6\alpha B_j\|点对个数很多（\(\gg P^{2n-4K}(\log P)^{-n}\)）。从"加权和"过渡到"计数"，是为了后面能把它当成可数的几何对象处理。

\((\log P)^{-n}\) 是什么、为什么冒出来 \(\log P\) 是自然对数，随 \(P\) 增长极慢（比任何 \(P^\varepsilon\) 都慢）。\((\log P)^{-n}=1/(\log P)^n\) 是一个"轻微的折损因子"。它来自下面证明里把连续权重 \(\min(P,\cdot)\) 用"调和级数" \(1+\frac12+\frac13+\dots\approx\log P\) 去打包时付出的代价。原文后面会说"这点损失不重要"——因为 \((\log P)^n\) 远小于任何 \(P^\varepsilon\)，在量级比拼里可以忽略。

证（补全计数论证）

设 \(Y(\mathbf{x})\) = 对给定 \(\mathbf{x}\) 满足 (13.4) 的 \(\mathbf{y}\) 个数。目标是把引理 13.1 左边的和用 \(Y(\mathbf{x})\) 控制住。
"鸽笼式"上界。把每个 \(6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\) 的小数部分 \(\{6\alpha B_j\}\in[0,1)\) 按 \(\frac{r_j}{P}\le\{6\alpha B_j\}<\frac{r_j+1}{P}\) 分成 \(P\) 个等宽小格（\(r_j=0,1,\dots,P-1\)），并把 \(\mathbf{y}\) 的每个坐标限制在一段长 \(P\) 的区间内。断言：落在某一组固定 \((r_1,\dots,r_n)\) 小格里的 \(\mathbf{y}\) 个数 \(\le Y(\mathbf{x})\)。
为什么 \(\le Y(\mathbf{x})\)（差分消格）。设 \(\mathbf{y}'\) 是这组小格里某个固定点，\(\mathbf{y}\) 是同组里任意点。两点在同一小格 \(\Rightarrow\) 它们的 \(\{6\alpha B_j\}\) 相差 \(<1/P\)，于是 \(\|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})-6\alpha B_j(\mathbf{x}\,|\,\mathbf{y}')\|把绝对位置问题平移成相对位置问题的标准技巧。
把立方体切块、用 \(Y(\mathbf{x})\) 控制加权和。把 \(|\mathbf{y}|
调和级数求和。单个坐标 \(\sum_{r=0}^{P-1}\min(P,\frac{P}{r},\frac{P}{r-1})\)：\(r=0,1\) 附近取 \(P\)，其余取 \(P/r\)，于是 \(\approx P+P\sum_{r=1}^{P-1}\frac1r\approx P(1+\log P)\ll P\log P\)。\(n\) 个坐标相乘得 \((P\log P)^n\)。故 \[ \sum_{|\mathbf{y}|
对 \(\mathbf{x}\) 求和、代入引理 13.1。两边对 \(|\mathbf{x}|
解出计数。\(\sum_{\mathbf{x}}Y(\mathbf{x})\) 恰是满足 (13.4) 的点对 \((\mathbf{x},\mathbf{y})\) 总数。于是 \[ \#\{(\mathbf{x},\mathbf{y})\text{ 满足 }(13.4)\}=\sum_{\mathbf{x}}Y(\mathbf{x})\ \gg\ \frac{P^{3n-4K}}{(P\log P)^n}=P^{2n-4K}(\log P)^{-n}. \] 得证。∎

注. 由于满足 (13.4) 的点对 \(\mathbf{x},\mathbf{y}\) 个数的平凡估计是 \(P^{2n}\)，我们放弃了一个因子 \((\log P)^n\)。但这并不重要。

这条注在说什么。又一次"对账"。点对 \((\mathbf{x},\mathbf{y})\) 各自约 \(P^n\) 种，总数平凡上界 \(P^{2n}\)。我们的下界是 \(P^{2n-4K}(\log P)^{-n}\)——指数部分 \(2n-4K\) 比 \(2n\) 小（损失来自 \(K\)，是真问题里不可避免的），而 \((\log P)^{-n}\) 是额外多丢的一点点。作者明确说这 \((\log P)^n\) "不重要"，因为它比 \(P^{\varepsilon}\) 还小，后面取 \(K\) 时留点余量就能吸收掉。

7. 引理 13.3：把范围从 \(P\) 缩到 \(P^\theta\)（两用几何数论）

引理 13.3. 设 \(\theta\) 与 \(P\) 无关且满足 \(0\lt\theta\lt 1\)。假设 (13.3) 蕴含：满足 \[ |\mathbf{x}|\lt P^\theta,\quad |\mathbf{y}|\lt P^\theta,\quad \|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\|\lt P^{-3+2\theta} \tag{13.5}\] 的整点对 \(\mathbf{x},\mathbf{y}\) 的个数 \(\gg P^{2n\theta-4K}(\log P)^{-n}\)。

这条引理在说什么、为什么要它。引理 13.2 给出的是"大盒子 \(|\mathbf{x}|,|\mathbf{y}|松余项 \(\|6\alpha B_j\|小盒子 \(紧余项 \(收缩"步骤，靠两次调用第 12 章的几何数论缩放引理（引理 12.6）完成。

\(\theta\) 是什么、为什么 \(0<\theta<1\) \(\theta\) 是一个固定的收缩指数（与 \(P\) 无关）。\(P^\theta\) 比 \(P\) 小（因 \(\theta<1\)）但仍趋于无穷（因 \(\theta>0\)）。它是一个可调旋钮：后面引理 13.4 会通过选 \(\theta\) 来平衡"选项 A 的点对数"与"选项 B 的逼近质量"。

引理 12.6（几何数论缩放引理）——本节的核心工具我们不重证第 12 章，只说清它说什么、怎么用。考虑一组满足对称性条件的线性型 \(L_j\)（"对称"指 \(L_j\) 中 \(y_k\) 的系数等于 \(L_k\) 中 \(y_j\) 的系数）。对一个缩放参数 \(Z\)，定义不等式组 \[ |y_j|引理 12.6 的结论：当把 \(Z\) 从大值 \(Z_2\) 缩小到小值 \(Z_1\)（\(Z_1\le Z_2\)）时， \[ N(Z_1)\ \gg\ \Big(\frac{Z_1}{Z_2}\Big)^{n}N(Z_2). \] 直观：盒子和余项同比例收缩 \(Z_1/Z_2\) 倍，解数最多按"体积比" \((Z_1/Z_2)^n\) 下降——不会掉得更狠。这正是几何数论（关于对称凸体里格点数的连续性）保证的"缩放不吃大亏"。对称性条件不可少，它保证了盒子与余项配成"自对偶"结构，缩放才有这个干净的下界。

证（两次应用引理 12.6，逐步追指数）

第一次：固定 \(\mathbf{x}\)，缩 \(\mathbf{y}\)。

认出线性型。固定 \(\mathbf{x}\)，记 \(L_j(\mathbf{y})=6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\)。它关于 \(\mathbf{y}\) 线性，且满足对称性：\(L_j\) 中 \(y_k\) 的系数是 \(6\alpha\sum_i c_{ijk}x_i\)，交换 \(j,k\) 时（因 \(c_{ijk}\) 对称）不变。这正是引理 12.6 的前提。
把 (13.4) 摆成 12.6 的形状（\(Z_2=1\)）。取 \(a=P,\ Z_2=1,\ Z_1=P^{-1+\theta}\)。当 \(Z=Z_2=1\)：盒子 \(|y_j|（此处用到 \(b\) 使 \(bZ_2=P^{-1}\)。）
缩到 \(Z_1=P^{-1+\theta}\)。盒子变 \(|y_j|
对 \(\mathbf{x}\) 求和。于是满足 \[ |\mathbf{x}|

第二次：固定 \(\mathbf{y}\)，缩 \(\mathbf{x}\)。现在 \(\mathbf{y}\) 已缩到 \(

换角色认线性型。对每个 \(\mathbf{y}\)，把 (13.7) 看成关于 \(\mathbf{x}\) 的系统，记 \(M_j(\mathbf{x})=B_j(\mathbf{y}\,|\,\mathbf{x})\)（即把 \(\mathbf{x},\mathbf{y}\) 角色对调，利用 \(B_j\) 的双线性对称）。(13.7) 即 \(|x_j|
选缩放参数。这次取 \[ a=P^{\frac32-\frac12\theta},\quad Z=Z_2=P^{-\frac12+\frac12\theta},\quad Z_1=P^{-\frac32+\frac32\theta}. \] 核对 \(Z_2\)：盒子 \(|x_j|为什么这样取 \(a,Z_2\) 而不照搬上一次？因为这一次的余项上界已经是 \(P^{-2+\theta}\)（比第一次的 \(P^{-1}\) 紧），要让"盒子边 \(=aZ_2=P\)、余项 \(=bZ_2=P^{-2+\theta}\)"同时成立，\(a\) 与 \(Z_2\) 必须重新配比，于是出现了 \(\frac32,\frac12\) 这种半整数指数。参数是被"两端边界条件"逼出来的，不是随手取的。
缩到 \(Z_1\)。盒子 \(|x_j|
对 \(\mathbf{y}\) 求和收官。满足 (13.5)（即 \(|\mathbf{x}|,|\mathbf{y}|∎

回看这两步在干什么。从"大盒子松余项"（13.4）到"小盒子紧余项"（13.5），每缩一次都按几何数论付出 \(P^{-n(1-\theta)}\) 的代价，但同时把范围收紧到 \(P^\theta\)、把余项收紧到 \(P^{-3+2\theta}\)。这就为引理 13.4 备好了弹药：在这么小、这么紧的系统里，要么 \(B_j\) 真的等于 0（A），要么逼出极好的有理逼近（B）。

8. 引理 13.4：本章的总结论——非此即彼

引理 13.4. 设 \(\theta\) 与 \(P\) 无关且满足 \(0\lt\theta\lt 1\)。设 \(\varepsilon\) 是任意小的固定正数。那么，或者

(A) 存在多于 \(P^{n\theta+\varepsilon}\) 个满足 \[ |\mathbf{x}|\lt P^\theta,\quad |\mathbf{y}|\lt P^\theta,\quad B_j(\mathbf{x}\,|\,\mathbf{y})=0,\quad (1\le j\le n) \tag{13.8}\] 的整点对 \(\mathbf{x},\mathbf{y}\)；

或者 (B) 对每个 \(\alpha\)，假设 \[ |S(\alpha)|\ge P^{n-\frac14 n\theta+\varepsilon} \tag{13.9}\] 蕴含 \(\alpha\) 有一个有理逼近 \(a/q\) 使得 \[ (a,q)=1,\quad 1\le q\ll P^{2\theta},\quad |q\alpha-a|\lt P^{-3+2\theta}. \tag{13.10}\]

这条引理在说什么。本章的主结果，一个"二选一"（不是说有时 A 有时 B，而是说：对给定的三次型 \(C\)，至少有一个分支永远成立）。

选项 (A): 三次型 \(C\) 自身的性质：双线性型 \(B_j\) 有"异常多"的公共零点对 \((\mathbf{x},\mathbf{y})\)（多于 \(P^{n\theta+\varepsilon}\) 个，比"正常的 \(P^{n\theta}\) 量级"还多一个 \(P^\varepsilon\) 因子）。注意 (A) 完全不含 \(\alpha\)——它是几何/代数性质。
选项 (B): 关于指数和的结论：只要 \(S(\alpha)\) 还算大（13.9），\(\alpha\) 就必定非常靠近一个分母 \(q\ll P^{2\theta}\) 的最简分数 \(a/q\)，逼近误差 \(

\((a,q)=1\)、\(q\ll P^{2\theta}\)、\(|q\alpha-a| · \((a,q)=1\)：\(a,q\) 互素（最简分数，没有可约的公因子）。
· \(1\le q\ll P^{2\theta}\)：分母 \(q\) 不超过 \(P^{2\theta}\) 量级——"小分母"。分母越小，分数 \(a/q\) 越"特殊"、越稀疏。
· \(|q\alpha-a|

证（如何从引理 13.3 逼出二选一）

把 \(K\) 取成与 (13.9) 匹配。在 (13.3) 里取 \(K=\frac14 n\theta-\varepsilon\)，则 \(P^{n-K}=P^{n-\frac14 n\theta+\varepsilon}\)，于是 (13.3) 与 (13.9) 是同一条假设。这一步是把可调参数 \(K\) 钉死，让前面引理的输出对接到本引理要的形式。
引理 13.3 给出大量满足 (13.5) 的点对。代 \(K=\frac14 n\theta-\varepsilon\)： \[ \#(13.5)\ \gg\ P^{2n\theta-4K}(\log P)^{-n}=P^{2n\theta-(n\theta-4\varepsilon)}(\log P)^{-n}=P^{n\theta+4\varepsilon}(\log P)^{-n}\gg P^{n\theta+\varepsilon}. \] 最后一步：\(P^{4\varepsilon}(\log P)^{-n}\gg P^{\varepsilon}\)，因为 \(P^{3\varepsilon}\) 远大于 \((\log P)^n\)（多项式吃掉对数）。所以满足 (13.5) 的点对多于 \(P^{n\theta+\varepsilon}\) 个。
二分。看这一大堆满足 (13.5) 的点对，问：是否所有点对都让所有 \(j\) 满足 \(B_j(\mathbf{x}\,|\,\mathbf{y})=0\)？
· 若是：那这些点对全都满足 (13.8)（注意 (13.8) 的盒子约束 \(|\mathbf{x}|,|\mathbf{y}|P^{n\theta+\varepsilon}\)，选项 (A) 成立。
· 若不是：则存在某个满足 (13.5) 的点对 \((\mathbf{x},\mathbf{y})\) 和某个 \(j\)，使 \(B_j(\mathbf{x}\,|\,\mathbf{y})\ne0\) 且（由 (13.5) 第三条） \[ \|6\alpha B_j(\mathbf{x}\,|\,\mathbf{y})\|
造 \(q\) 与 \(a\)。取 \(q=6|B_j(\mathbf{x}\,|\,\mathbf{y})|\)（正整数，因 \(B_j\ne0\)、且 \(c_{ijk}\) 整数使 \(B_j\) 是整数），取 \(a\) 为最接近 \(q\alpha\) 的整数。则 \[ |q\alpha-a|=\|q\alpha\|=\|6\alpha B_j\|
估 \(q\) 的大小。 \[ q=6|B_j(\mathbf{x}\,|\,\mathbf{y})|\ll\Big|\sum_{i,k}c_{ijk}x_iy_k\Big|\ll\sum_{i,k}|c_{ijk}|\,|x_i|\,|y_k|\ll|\mathbf{x}|\,|\mathbf{y}|\ll P^\theta\cdot P^\theta=P^{2\theta}. \] 其中 \(|c_{ijk}|\) 是固定常数（被 \(\ll\) 吸收），\(|x_i|\le|\mathbf{x}|
化简成最简分数。此时未必 \((a,q)=1\)，但把 \(a,q\) 的公因子一并约掉，得到的新 \(a/q\) 仍满足三条（约分只会让 \(q\) 更小、\(|q\alpha-a|\) 更小）。于是 选项 (B) 成立。∎

引理 13.4 的逻辑：一旦 \(S(\alpha)\) 够大，要么三次型本身有异常多双线性零点（A），要么 \(\alpha\) 必在某个小分母分数附近（B）。

9. 收尾的注：两个选项各意味着什么

注. 可以看出选项 A 并不涉及 \(\alpha\)。它本质上也不涉及 \(\theta\)，因为若我们令 \(R=P^\theta\)，则其断言为：满足 \[ |\mathbf{x}|\lt R,\quad |\mathbf{y}|\lt R,\quad B_j(\mathbf{x}\,|\,\mathbf{y})=0,\quad (1\le j\le n) \tag{13.11}\] 的点对 \(\mathbf{x},\mathbf{y}\) 的个数大于 \(R^{n+\varepsilon'}\)（对某个固定的 \(\varepsilon'>0\)）。于是选项 A 关系到三次型的一个内禀性质。注意，如果我们愿意，可以从 (13.11) 中排除 \(\mathbf{x}=\mathbf{0}\) 和 \(\mathbf{y}=\mathbf{0}\)，因为这类点对的个数 \(\ll R^n\)。

这条注在说什么。把选项 A "去掉伪装"，看清它的真实身份。

"不涉及 \(\alpha\)": (13.8) 里根本没有 \(\alpha\)，纯粹是问双线性型 \(B_j\) 有多少公共零点。所以 A 是三次型 \(C\) 自带的代数事实，与圆法的旋钮 \(\alpha\) 无关。
"也不涉及 \(\theta\)": 令 \(R=P^\theta\)，断言变成"在边长 \(R\) 的盒子里，\(B_j\) 的公共零点对多于 \(R^{n+\varepsilon'}\) 个"。\(\theta\) 只是把 \(P\) 换了个名字成 \(R\)，本质条件与 \(\theta\) 无关——只跟"盒子大小 \(R\)"有关。这说明 A 是个纯几何计数命题。
"内禀性质": "零点对多于 \(R^{n+\varepsilon'}\)"是反常的：正常情况下，\(n\) 个方程 \(B_j=0\) 应把 \(2n\) 维的 \((\mathbf{x},\mathbf{y})\) 空间切到 \(n\) 维，零点对约 \(R^n\) 个；若多出 \(R^{\varepsilon'}\) 倍，说明这些方程"退化"、三次型有特殊的几何结构。第 14 章正是要分析这种退化三次型。
"排除 \(\mathbf{x}=\mathbf{0}\) 或 \(\mathbf{y}=\mathbf{0}\)": 当 \(\mathbf{x}=\mathbf{0}\) 时 \(B_j(\mathbf{0}\,|\,\mathbf{y})=0\) 自动成立，这种"平凡零点对"有 \(\ll R^n\) 个；同理 \(\mathbf{y}=\mathbf{0}\)。它们远少于 \(R^{n+\varepsilon'}\)，可以放心剔除而不影响 A 的断言——保证 A 里那些"异常多"的零点对是真有内容的非平凡零点。

注（续）. 选项 B 给出了一个原则上与我们在前几章中已经熟悉的情形类似的局面。它将使我们能够在第 15 章中令人满意地估计由一大类 \(\alpha\) 对 \(\int_0^1 S(\alpha)\,d\alpha\) 所作的贡献，并留给我们相对较少的若干短区间，在其上我们可以逼近 \(S(\alpha)\)。

这条注在说什么、本章如何接到后面。选项 B 的形状（"\(S\) 大 \(\Rightarrow\) \(\alpha\) 靠近小分母 \(a/q\)"）正是前面华林问题各章里 Weyl 不等式给出的同款结论——所以"原则上熟悉"。它的用处是实现主弧/次弧二分：

承上启下：

由 B，凡是 \(S(\alpha)\) 大的 \(\alpha\)，都被关进"小分母分数 \(a/q\) 的窄邻域"里。这些窄邻域就是主弧，数量不多（小分母 \(q\) 的分数稀疏）、总长很短。
主弧之外的所有 \(\alpha\)（次弧），\(S(\alpha)\) 必定小（否则就该被关进主弧）。于是次弧对积分 \(\int_0^1S(\alpha)d\alpha\) 的贡献低于 \(P^{n-3}\) 阶，可整体丢弃——这正是第 15 章要做的"令人满意地估计一大类 \(\alpha\) 的贡献"。
剩下的只有"相对较少的若干短区间"（主弧），在其上 \(S(\alpha)\) 可以被一个干净的近似公式代替，进而算出主项 \(cP^{n-3}\)（第 15–17 章）。
至于选项 A（三次型退化的情形），第 14 章专门处理：证明若 \(B_j\) 有异常多零点，三次型必含一个可解的子结构，照样能找出解。两条分支殊途同归，主定理得证。

10. 全章脉络一句话总结

本章把"三次方程有没有整数解"翻译成"指数和 \(S(\alpha)\) 的积分"，再用两次 Weyl 差分把三次降为线性（引理 13.1），用鸽笼计数把加权和变成点对计数（引理 13.2），用两次几何数论缩放把范围收紧到 \(P^\theta\)（引理 13.3），最终逼出一个干净的二选一（引理 13.4）：要么三次型自身退化（选项 A，交给第 14 章），要么大 \(S\) 的 \(\alpha\) 必在主弧上（选项 B，交给第 15 章）。这就为后续的主弧/次弧分析铺好了全部地基。

返回全书目录