几何数论详解

几何数论详解

目录

• 第一章 绪论
• 第二章 格论基础
• 第三章 凸体理论
• 第四章 Minkowski第一凸体定理
• 第五章 连续极小与Minkowski第二定理
• 第六章 临界行列式与Minkowski-Hlawka定理
• 第七章 Mahler列紧性定理
• 第八章 二次型的几何理论
• 第九章 堆砌与覆盖
• 第十章 几何数论在丢番图逼近中的应用
• 第十一章 几何数论在代数数论中的应用
• 第十二章 施密特子空间定理
• 第十三章 几何数论的现代发展
• 附录：重要公式与定理汇总

第一章 绪论

1.1 几何数论的定义

几何数论（Geometry of Numbers），又称数的几何（Geometry of Numbers），是数论的一个重要分支，它应用几何方法来研究数论问题。几何数论由德国数学家赫尔曼·闵可夫斯基（Hermann Minkowski, 1864-1909）于1891年至1896年间创立。

几何数论的核心研究对象是n维空间中的整数点（格点）分布规律，其基本研究载体是空间格网——即坐标全是整数的点所构成的集合。几何数论的基本内容包括对空间格网的几何性质分析，涉及对称凸体与格点关系的研究。

几何数论与数学的其他领域有着密切的联系，尤其与泛函分析和丢番图逼近（Diophantine approximation）关系紧密。在丢番图逼近中，几何数论为研究有理数向无理数的逼近问题提供了强有力的几何工具。

1.2 几何数论的历史发展

几何数论的发展可以分为以下几个阶段：

（1）萌芽期（17-18世纪）

17至18世纪间，拉格朗日（J.-L. Lagrange）和高斯（C. F. Gauss）等数学家已经开始以几何观点研究二次型的算术性质。这些早期工作为几何数论的诞生奠定了基础。

（2）创立期（1891-1896）

1891年，闵可夫斯基发表了关于几何数论的第一篇论文。1896年，他出版了《数的几何学》（Geometrie der Zahlen）一书。从此，数的几何成为数论的一个独立分支。闵可夫斯基在该书中确立了学科的基本框架，提出了两个基本定理——后来被称为闵可夫斯基第一定理和第二定理。

（3）发展期（1930-1960）

在1930年至1960年间，许多数论学家取得了重要成果，包括路易·莫德尔（Louis Mordell）、哈罗德·达文波特（Harold Davenport）和卡尔·路德维希·西格尔（Carl Ludwig Siegel）等。这一时期，几何数论的理论体系得到了极大的丰富和完善。

（4）现代时期（1970至今）

1972年，沃尔夫冈·施密特（Wolfgang M. Schmidt）提出了子空间定理（Subspace Theorem），这是几何数论和丢番图逼近领域的重要突破。近年来，Lenstra、奥比昂（Aubry）、巴尔维诺克（Balvionoc）等学者对组合理论的扩展，对凸体的格点数量进行了系统研究。

1.3 几何数论的基本思想

几何数论的基本思想可以概括为：将算术问题转化为几何问题，利用几何直观和几何工具来解决。

具体而言，几何数论通过以下方式实现这一转化：

1. 离散结构的几何化：将整数点集（格点）视为n维空间中的离散几何对象——格（lattice）。
2. 数论问题的几何表述：将求解整数解的问题转化为在空间中寻找满足特定几何条件的格点的问题。
3. 几何工具的应用：利用体积、凸性、对称性等几何概念来研究格点的分布。
4. 算术结论的提取：从几何结论中提取数论信息。

闵可夫斯基曾形象地指出，几何数论的核心思想是：如果一个中心对称的凸体足够大（体积足够大），那么它必然包含一个非零的格点。这一看似简单的几何观察，却蕴含着极其深刻的数论内涵。

1.4 几何数论在数论四大分支中的地位

数论通常分为四个主要分支：

分支	研究方法	代表成果
初等数论	算术方法	算术基本定理、欧几里得算法
解析数论	分析方法（级数、复分析）	素数定理、Dirichlet定理
代数数论	代数方法（域论、理想论）	类数有限性、Dirichlet单位定理
几何数论	几何方法	Minkowski凸体定理、子空间定理

几何数论与其他三个分支有着深刻的交叉。特别是，几何数论是代数数论的重要工具，用于证明类群的有限性和代数单位的结构。

1.5 预备知识

学习几何数论需要以下预备知识：

1. 线性代数：向量空间、线性变换、行列式、矩阵理论
2. 度量几何：欧几里得空间、体积、距离、凸集
3. 初等数论：整数、整除、同余
4. 点集拓扑（部分内容）：列紧性、收敛性

第二章 格论基础

格（lattice）是几何数论中最基本的研究对象。本章系统介绍格的定义、基本性质和相关概念。

2.1 格的定义

定义 2.1（格） ：设 \(\mathbb{R}^n\) 是n维实欧几里得空间。一个格（lattice）\(\Lambda \subset \mathbb{R}^n\) 是 \(\mathbb{R}^n\) 的一个离散加法子群。

等价地，格可以表示为

\[\Lambda = \left\{ \sum_{i=1}^{n} m_i \mathbf{v}_i \mid m_i \in \mathbb{Z} \right\} \]

其中 \(\{ \mathbf{v}_1, \mathbf{v}_2, \cdots, \mathbf{v}_n \}\) 是 \(\mathbb{R}^n\) 的一组基。这些向量称为格的基（basis）。

定义 2.2（满秩格） ：若格 \(\Lambda\) 的基张成整个 \(\mathbb{R}^n\)（即基向量的个数等于n），则称 \(\Lambda\) 为满秩格（full-rank lattice）。

在几何数论中，我们通常只考虑满秩格。

例 2.1：

• 标准格 \(\mathbb{Z}^n = \{ (x_1, \cdots, x_n) \mid x_i \in \mathbb{Z} \}\) 是最基本的格。
• 在二维平面中，\(\mathbb{Z}^2\) 是正方形的格点集。
• 更一般的二维格可以表示为 \(\Lambda = \{ m_1\mathbf{v}_1 + m_2\mathbf{v}_2 \mid m_1, m_2 \in \mathbb{Z} \}\)，其中 \(\mathbf{v}_1, \mathbf{v}_2\) 是线性无关的平面向量。

2.2 格的行列式与余体积

定义 2.3（行列式/余体积） ：设 \(\Lambda \subset \mathbb{R}^n\) 是满秩格，\(\{ \mathbf{v}_1, \cdots, \mathbf{v}_n \}\) 是 \(\Lambda\) 的一组基。定义 \(\Lambda\) 的行列式（determinant）或余体积（covolume）为

\[\det(\Lambda) = |\det(\mathbf{v}_1, \cdots, \mathbf{v}_n)| \]

其中右端是基向量组成的矩阵的行列式的绝对值。

几何意义：\(\det(\Lambda)\) 等于由基向量张成的基本平行多面体（fundamental parallelepiped）

\[\mathcal{P} = \left\{ \sum_{i=1}^{n} t_i \mathbf{v}_i \mid 0 \leqslant t_i < 1 \right\} \]

的体积。

性质 2.1：格的行列式与基的选取无关。

证明：若 \(\{ \mathbf{w}_1, \cdots, \mathbf{w}_n \}\) 是另一组基，则存在整数矩阵 \(U \in \mathrm{GL}_n(\mathbb{Z})\)（即行列式为 \(\pm 1\) 的整数矩阵）使得

\[(\mathbf{w}_1, \cdots, \mathbf{w}_n) = (\mathbf{v}_1, \cdots, \mathbf{v}_n) U \]

因此

\[|\det(\mathbf{w}_1, \cdots, \mathbf{w}_n)| = |\det(\mathbf{v}_1, \cdots, \mathbf{v}_n)| \cdot |\det U| = |\det(\mathbf{v}_1, \cdots, \mathbf{v}_n)| \]

2.3 子格与陪集

定义 2.4（子格） ：若 \(\Lambda' \subset \Lambda\) 且 \(\Lambda'\) 本身是格，则称 \(\Lambda'\) 为 \(\Lambda\) 的子格（sublattice）。

定义 2.5（指数） ：设 \(\Lambda' \subset \Lambda\) 是子格。商群 \(\Lambda/\Lambda'\) 的阶称为 \(\Lambda'\) 在 \(\Lambda\) 中的指数（index），记作 \([\Lambda : \Lambda']\)。

性质 2.2：若 \(\Lambda' \subset \Lambda\)，则

\[\det(\Lambda') = [\Lambda : \Lambda'] \cdot \det(\Lambda) \]

2.4 对偶格

定义 2.6（对偶格） ：设 \(\Lambda \subset \mathbb{R}^n\) 是满秩格。定义 \(\Lambda\) 的对偶格（dual lattice）为

\[\Lambda^* = \{ \mathbf{y} \in \mathbb{R}^n \mid \langle \mathbf{y}, \mathbf{x} \rangle \in \mathbb{Z}, \forall \mathbf{x} \in \Lambda \} \]

其中 \(\langle \cdot, \cdot \rangle\) 是 \(\mathbb{R}^n\) 的标准内积。

性质 2.3：

1. \(\Lambda^*\) 是 \(\mathbb{R}^n\) 中的满秩格。
2. \((\Lambda^*)^* = \Lambda\)。
3. 若 \(\{ \mathbf{v}_1, \cdots, \mathbf{v}_n \}\) 是 \(\Lambda\) 的基，则其对偶基 \(\{ \mathbf{v}_1^*, \cdots, \mathbf{v}_n^* \}\)（满足 \(\langle \mathbf{v}_i^*, \mathbf{v}_j \rangle = \delta_{ij}\)）是 \(\Lambda^*\) 的基。
4. \(\det(\Lambda^*) = 1/\det(\Lambda)\)。

对偶格在几何数论和代数数论中都有重要应用。

2.5 格点分布定理

定理 2.1（Blichfeldt定理） ：设 \(\Lambda \subset \mathbb{R}^n\) 是格，\(S \subset \mathbb{R}^n\) 是任意可测集。若

\[\operatorname{vol}(S) > k \cdot \det(\Lambda) \]

其中 \(k\) 是正整数，则存在 \(k+1\) 个不同的点 \(\mathbf{x}_1, \cdots, \mathbf{x}_{k+1} \in S\)，使得它们的差都属于 \(\Lambda\)。

Blichfeldt定理是Minkowski凸体定理的“前身”和证明工具。

Blichfeldt定理的证明思路：

1. 将 \(\mathbb{R}^n\) 按格 \(\Lambda\) 的基本区域划分。
2. 将 \(S\) 投影到基本区域上。
3. 若 \(S\) 的体积大于 \(k\) 倍基本区域体积，则投影的“重叠”必然发生。
4. 重叠意味着存在 \(k+1\) 个点，它们的差在 \(\Lambda\) 中。

2.6 格点列的收敛性

在几何数论中，我们经常需要考虑一列格的“极限”行为。为此需要引入格点列收敛的概念。

定义 2.7（格点列的收敛） ：设 \(\{ \Lambda_m \}\) 是 \(\mathbb{R}^n\) 中的一列满秩格。称 \(\{ \Lambda_m \}\) 收敛到格 \(\Lambda\)，如果存在一组基 \(\{ \mathbf{v}_1^{(m)}, \cdots, \mathbf{v}_n^{(m)} \}\) 使得对每个 \(i\)，\(\mathbf{v}_i^{(m)} \to \mathbf{v}_i\)，且 \(\{ \mathbf{v}_1, \cdots, \mathbf{v}_n \}\) 是 \(\Lambda\) 的一组基。

格的收敛性在Mahler列紧性定理中起着关键作用（见第七章）。

第三章 凸体理论

凸体是几何数论中另一类基本对象。闵可夫斯基定理的核心就是关于中心对称凸体与格点的关系。

3.1 凸集与凸体

定义 3.1（凸集） ：集合 \(K \subset \mathbb{R}^n\) 称为凸集（convex set），如果对任意 \(\mathbf{x}, \mathbf{y} \in K\) 和任意 \(t \in [0, 1]\)，都有

\[t\mathbf{x} + (1-t)\mathbf{y} \in K \]

定义 3.2（凸体） ：一个有界、闭且具有非空内部的凸集称为凸体（convex body）。

3.2 中心对称凸体

定义 3.3（中心对称） ：凸体 \(K \subset \mathbb{R}^n\) 称为中心对称的（centrally symmetric），如果

\[K = -K \]

即对任意 \(\mathbf{x} \in K\)，都有 \(-\mathbf{x} \in K\)。

例 3.1：

• n维球体 \(B^n(r) = \{ \mathbf{x} \in \mathbb{R}^n \mid \|\mathbf{x}\| \leqslant r \}\) 是中心对称凸体。
• n维立方体 \([-a, a]^n\) 是中心对称凸体。
• 椭圆体 \(\{ \mathbf{x} \mid \mathbf{x}^T A \mathbf{x} \leqslant 1 \}\)（\(A\) 正定）是中心对称凸体。

3.3 闵可夫斯基泛函（距离函数）

闵可夫斯基泛函（Minkowski functional）或距离函数（distance function）是将凸体与格联系起来的关键概念。

定义 3.4（闵可夫斯基泛函） ：设 \(K \subset \mathbb{R}^n\) 是包含原点在其内部的一个凸体。定义 \(K\) 的闵可夫斯基泛函（或距离函数）为

\[\mu_K(\mathbf{x}) = \inf \{ \lambda > 0 \mid \mathbf{x} \in \lambda K \} \]

性质 3.1：闵可夫斯基泛函具有以下性质：

1. 正齐性：\(\mu_K(t\mathbf{x}) = t\mu_K(\mathbf{x})\) 对任意 \(t \geqslant 0\)。
2. 次可加性：\(\mu_K(\mathbf{x} + \mathbf{y}) \leqslant \mu_K(\mathbf{x}) + \mu_K(\mathbf{y})\)。
3. \(\mu_K(\mathbf{x}) \leqslant 1 \iff \mathbf{x} \in K\)。
4. 若 \(K\) 是中心对称的，则 \(\mu_K(-\mathbf{x}) = \mu_K(\mathbf{x})\)。

闵可夫斯基泛函将凸体的几何性质转化为一个“范数”函数，使得凸体中的格点问题转化为闵可夫斯基泛函在格点上的取值问题。

3.4 星形体

定义 3.5（星形体） ：集合 \(S \subset \mathbb{R}^n\) 称为星形体（star body），如果从原点出发的每条射线与 \(S\) 的交集是一个区间 \([0, \rho(\mathbf{u})]\)，其中 \(\rho\) 是方向 \(\mathbf{u}\) 的函数。

每个包含原点的凸体都是星形体，但反之不然。

3.5 体积与闵可夫斯基定理

闵可夫斯基定理的核心在于建立了体积与格点存在性之间的联系。

定义 3.6（体积） ：在n维欧几里得空间中，凸体的体积（volume）是指其通常的Lebesgue测度，记作 \(\operatorname{vol}(K)\) 或 \(V(K)\)。

闵可夫斯基定理的基本表述：设 \(\Lambda \subset \mathbb{R}^n\) 是格，\(K \subset \mathbb{R}^n\) 是中心对称凸体。若

\[\operatorname{vol}(K) > 2^n \det(\Lambda) \]

则 \(K\) 包含一个非零格点。

第四章 Minkowski第一凸体定理

闵可夫斯基第一凸体定理（Minkowski's First Convex Body Theorem），通常简称为闵可夫斯基定理或闵可夫斯基第一定理，是几何数论的基石。

4.1 定理的陈述

定理 4.1（Minkowski第一凸体定理） ：设 \(\Lambda \subset \mathbb{R}^n\) 是一个满秩格，\(K \subset \mathbb{R}^n\) 是一个关于原点中心对称的凸体。如果

\[\operatorname{vol}(K) > 2^n \det(\Lambda) \]

则 \(K\) 中至少包含一个非零的格点 \(\mathbf{x} \in \Lambda \setminus \{ \mathbf{0} \}\)。

等价形式：若 \(\operatorname{vol}(K) \geqslant 2^n \det(\Lambda)\) 且 \(K\) 是紧致的，则结论同样成立。

4.2 二维情形的直观理解

在二维平面中（\(n=2\)），闵可夫斯基定理断言：任何面积大于4倍格的基本区域面积、且关于原点中心对称的凸区域，必定包含一个非零格点。

这个结论的直观含义是：如果你在一个平面格点上放置一个足够大且“形状良好”（凸且中心对称）的区域，那么这个区域必然会“捕捉”到至少一个非零的格点。

4.3 定理的证明

闵可夫斯基第一凸体定理的证明通常依赖于Blichfeldt定理。

证明：

第一步：考虑集合 \(\frac{1}{2}K = \{ \mathbf{x}/2 \mid \mathbf{x} \in K \}\)。则

\[\operatorname{vol}\left(\frac{1}{2}K\right) = \frac{1}{2^n} \operatorname{vol}(K) > \det(\Lambda) \]

第二步：由Blichfeldt定理（取 \(k=1\)），存在两个不同的点 \(\mathbf{x}_1, \mathbf{x}_2 \in \frac{1}{2}K\) 使得 \(\mathbf{x}_1 - \mathbf{x}_2 \in \Lambda\)。

第三步：由于 \(K\) 是中心对称凸体，\(\frac{1}{2}K\) 也是中心对称凸体。因此 \(\mathbf{x}_1, \mathbf{x}_2 \in \frac{1}{2}K\) 意味着 \(-\mathbf{x}_2 \in \frac{1}{2}K\)。

第四步：由凸性，

\[\frac{\mathbf{x}_1 + (-\mathbf{x}_2)}{2} = \frac{\mathbf{x}_1 - \mathbf{x}_2}{2} \in \frac{1}{2}K \]

因此 \(\mathbf{x}_1 - \mathbf{x}_2 \in K\)。

第五步：\(\mathbf{x}_1 - \mathbf{x}_2 \in \Lambda \setminus \{ \mathbf{0} \}\)（因为 \(\mathbf{x}_1 \neq \mathbf{x}_2\)），且 \(\mathbf{x}_1 - \mathbf{x}_2 \in K\)。定理得证。

4.4 定理的推论

推论 4.1（Minkowski线性型定理） ：设 \(L_1, \cdots, L_n\) 是 \(\mathbb{R}^n\) 上的n个线性型（linear forms），其行列式 \(\Delta = |\det(L_i(\mathbf{e}_j))| \neq 0\)。则存在非零整数向量 \(\mathbf{m} \in \mathbb{Z}^n\) 使得

\[\prod_{i=1}^{n} |L_i(\mathbf{m})| \leqslant \frac{|\Delta|}{n!} \]

更一般地，对任意正数 \(\tau_1, \cdots, \tau_n\) 满足 \(\prod \tau_i \geqslant |\Delta|/n!\)，存在非零 \(\mathbf{m} \in \mathbb{Z}^n\) 使得 \(|L_i(\mathbf{m})| \leqslant \tau_i\) 对所有的i成立。

4.5 Minkowski定理在密码学中的应用

Minkowski定理在格密码（Lattice-based Cryptography）中有重要应用。

最短向量问题（SVP） ：给定一个格 \(\Lambda\)，寻找其中长度最短的非零向量。Minkowski定理给出了SVP的一个上界：存在非零向量 \(\mathbf{v} \in \Lambda\) 使得

\[\|\mathbf{v}\| \leqslant \sqrt{n} \det(\Lambda)^{1/n} \]

这个上界来自将n维球体 \(B^n(r)\) 应用于Minkowski定理。

最近向量问题（CVP） ：给定一个格 \(\Lambda\) 和一个目标点 \(\mathbf{t}\)，寻找 \(\Lambda\) 中距离 \(\mathbf{t}\) 最近的向量。Minkowski定理为CVP提供了理论保证。

第五章 连续极小与Minkowski第二定理

Minkowski第一定理只保证了存在一个非零格点，但没有给出关于格点“有多小”的精确信息。Minkowski第二定理通过引入连续极小（successive minima）的概念，对这一问题给出了更精细的刻画。

5.1 连续极小的定义

定义 5.1（连续极小） ：设 \(\Lambda \subset \mathbb{R}^n\) 是满秩格，\(K \subset \mathbb{R}^n\) 是中心对称凸体。对 \(k = 1, 2, \cdots, n\)，定义 \(K\) 关于 \(\Lambda\) 的第 \(k\) 个连续极小（successive minimum）为

\[\lambda_k = \lambda_k(K, \Lambda) = \inf \{ \lambda > 0 \mid \lambda K \text{ 包含 } k \text{ 个线性无关的 } \Lambda \text{ 中的向量} \} \]

等价地，\(\lambda_k\) 是使得 \(\lambda K\) 中至少包含 \(k\) 个线性无关的非零格点的最小 \(\lambda\) 值。

直观理解：

• \(\lambda_1\)：最小的 \(\lambda\)，使得 \(\lambda K\) 包含一个非零格点。这就是闵可夫斯基第一定理所保证的存在性。
• \(\lambda_2\)：最小的 \(\lambda\)，使得 \(\lambda K\) 包含两个线性无关的非零格点。
• 依此类推，\(\lambda_n\) 是使得 \(\lambda K\) 包含n个线性无关的非零格点的最小 \(\lambda\)。

显然，

\[0 < \lambda_1 \leqslant \lambda_2 \leqslant \cdots \leqslant \lambda_n < \infty \]

5.2 Minkowski第二定理

定理 5.1（Minkowski第二定理） ：设 \(\Lambda \subset \mathbb{R}^n\) 是满秩格，\(K \subset \mathbb{R}^n\) 是中心对称凸体。设 \(\lambda_1, \cdots, \lambda_n\) 是 \(K\) 关于 \(\Lambda\) 的连续极小。则

\[\frac{2^n}{n!} \det(\Lambda) \leqslant \lambda_1 \lambda_2 \cdots \lambda_n \operatorname{vol}(K) \leqslant 2^n \det(\Lambda) \]

等价地，

\[\lambda_1 \lambda_2 \cdots \lambda_n \operatorname{vol}(K) \leqslant 2^n \det(\Lambda) \]

5.3 第二定理的几何意义

Minkowski第二定理是闵可夫斯基第一定理的深刻推广。

第一定理 vs 第二定理：

	Minkowski第一定理	Minkowski第二定理
关注对象	单个非零格点的存在性	多个线性无关格点的存在性
核心概念	体积条件	连续极小的乘积
结论形式	存在性定理	定量估计

第二定理告诉我们：连续极小的乘积与凸体的体积之积被格的余体积所控制。这给出了格在凸体中分布的更完整的图像。

5.4 第二定理的证明思路

Minkowski第二定理的原始证明相当冗长。现代证明通常采用以下思路：

1. 选择极小的格点：选择线性无关的格点 \(\mathbf{x}_1, \cdots, \mathbf{x}_n \in \Lambda\) 使得 \(\mathbf{x}_i \in \lambda_i K\)。

2. 构造平行多面体：由这些格点张成一个平行多面体 \(\mathcal{P}\)。

3. 体积估计：利用凸性和对称性，估计 \(\mathcal{P}\) 与 \(K\) 的体积关系。

4. 结合行列式：利用 \(\det(\Lambda)\) 与 \(\mathcal{P}\) 的体积关系，得到所需的不等式。

5.5 连续极小的对偶性质

定理 5.2（对偶连续极小） ：设 \(\Lambda \subset \mathbb{R}^n\) 是满秩格，\(K \subset \mathbb{R}^n\) 是中心对称凸体。设 \(\lambda_1, \cdots, \lambda_n\) 是 \(K\) 关于 \(\Lambda\) 的连续极小，\(\lambda_1^*, \cdots, \lambda_n^*\) 是 \(K^\circ\)（\(K\) 的极体）关于 \(\Lambda^*\) 的连续极小。则

\[\lambda_i \lambda_{n+1-i}^* \geqslant 1 \quad (i = 1, \cdots, n) \]

且存在常数 \(c_n\) 使得

\[\lambda_i \lambda_{n+1-i}^* \leqslant c_n \]

对偶连续极小性质在二次型的约化理论和格的几何分析中有着重要应用。

第六章 临界行列式与Minkowski-Hlawka定理

6.1 临界行列式

定义 6.1（临界行列式） ：设 \(K \subset \mathbb{R}^n\) 是一个中心对称凸体。定义 \(K\) 的临界行列式（critical determinant）为

\[\Delta(K) = \inf \{ \det(\Lambda) \mid \Lambda \text{ 是满秩格，且 } \Lambda \cap K = \{ \mathbf{0} \} \} \]

即：在所有与 \(K\) 的交集只有原点的格中，行列式的最小值。

几何意义：临界行列式衡量了“在凸体 \(K\) 不包含非零格点的前提下，格可以有多稀疏”。

6.2 Minkowski-Hlawka定理

定理 6.1（Minkowski-Hlawka定理） ：设 \(K \subset \mathbb{R}^n\) 是中心对称凸体。则存在一个格 \(\Lambda\) 使得

\[\Lambda \cap K = \{ \mathbf{0} \} \]

且

\[\det(\Lambda) \geqslant \frac{\operatorname{vol}(K)}{2^n \zeta(n)} \]

其中 \(\zeta(n)\) 是Riemann ζ函数。

等价地，

\[\Delta(K) \geqslant \frac{\operatorname{vol}(K)}{2^n \zeta(n)} \]

6.3 Minkowski-Hlawka定理的意义

Minkowski-Hlawka定理是几何数论中一个深刻的存在性结果。

与Minkowski第一定理的对比：

Minkowski第一定理给出了必要条件：若 \(\operatorname{vol}(K) > 2^n \det(\Lambda)\)，则 \(K\) 必含非零格点。等价地，若 \(K\) 不含非零格点，则 \(\det(\Lambda) \geqslant \operatorname{vol}(K)/2^n\)。

Minkowski-Hlawka定理则给出了存在性保证：存在格 \(\Lambda\) 使得 \(\det(\Lambda)\) 可以接近 \(\operatorname{vol}(K)/(2^n \zeta(n))\)。

由于 \(\zeta(n)\) 随着n的增大而趋近于1，这两个结果在n很大时几乎一致。这意味着Minkowski第一定理的界在渐近意义下是最优的。

6.4 Minkowski-Hlawka定理的应用

Minkowski-Hlawka定理在以下方面有重要应用：

1. 堆砌理论：用于构造高维空间中的最优堆砌（见第九章）。
2. 编码理论：用于构造纠错码。
3. 格的分布：研究所有格中“好格”的稠密性。

第七章 Mahler列紧性定理

7.1 列紧性的概念

定义 7.1（列紧） ：在拓扑学中，一个集合称为列紧的（sequentially compact），如果它的每个无穷序列都有一个收敛的子序列。

7.2 Mahler列紧性定理

定理 7.1（Mahler列紧性定理） ：设 \(\mathcal{L}\) 是 \(\mathbb{R}^n\) 中所有满秩格的集合。一个格的集合 \(\mathcal{F} \subset \mathcal{L}\) 是列紧的（在适当的拓扑下），当且仅当存在常数 \(c_1, c_2 > 0\) 使得对任意 \(\Lambda \in \mathcal{F}\)，

\[c_1 \leqslant \det(\Lambda) \leqslant c_2 \]

且

\[\lambda_1(B^n, \Lambda) \geqslant c_1 \]

其中 \(B^n\) 是n维单位球。

等价表述：一列格 \(\{ \Lambda_m \}\) 有收敛子列，当且仅当它们的行列式一致有界且最短向量长度一致有正下界。

7.3 Mahler定理的几何意义

Mahler列紧性定理在几何数论中具有基础性地位。

直观理解：格在空间中可能以两种方式“退化”：

1. 行列式趋于0：格变得越来越密集，基本区域体积趋于0。
2. 最短向量趋于0：格中有越来越短的向量，格在某个方向上变得非常密集。

Mahler定理断言：排除这两种退化情形后，格的集合是“紧”的——即任何无穷序列都有收敛子列。

7.4 Mahler定理的应用

Mahler列紧性定理在以下方面有重要应用：

1. 二次型的约化理论：证明每个二次型等价类中存在“约化”的代表元。
2. 临界格的存在性：证明每个凸体的临界行列式是可以达到的（即存在格达到下确界）。
3. 格的分类：研究格在相似变换下的分类空间。

第八章 二次型的几何理论

二次型与几何数论有着天然的联系：每个正定二次型都可以看作是一个格上的“长度平方函数”。

8.1 二次型与格

定义 8.1（正定二次型） ：一个n元二次型

\[Q(\mathbf{x}) = \sum_{i,j=1}^{n} a_{ij} x_i x_j \]

其中 \(a_{ij} = a_{ji} \in \mathbb{R}\)，称为正定的（positive definite），如果对任意非零 \(\mathbf{x} \in \mathbb{R}^n\)，都有 \(Q(\mathbf{x}) > 0\)。

格与二次型的对应：设 \(\Lambda \subset \mathbb{R}^n\) 是格，\(Q\) 是正定二次型。则 \(Q\) 在 \(\Lambda\) 上的取值给出了格中向量的“长度平方”：

\[\|\mathbf{x}\|_Q^2 = Q(\mathbf{x}) \]

反过来，给定格 \(\Lambda\) 和欧几里得范数 \(\|\cdot\|\)，可以定义二次型 \(Q(\mathbf{x}) = \|\mathbf{x}\|^2\)。

8.2 二次型的极小值

定义 8.2（二次型在格上的极小值） ：设 \(Q\) 是正定二次型，\(\Lambda\) 是格。定义 \(Q\) 在 \(\Lambda\) 上的极小值为

\[m(Q, \Lambda) = \min_{\mathbf{0} \neq \mathbf{x} \in \Lambda} Q(\mathbf{x}) \]

定理 8.1（Minkowski关于二次型极小值的基本定理） ：设 \(Q\) 是n元正定二次型，\(\Lambda\) 是格。则

\[m(Q, \Lambda) \leqslant \left( \frac{4}{\pi} \Gamma\left(1 + \frac{n}{2}\right) \right)^{2/n} \frac{\det(\Lambda)^{2/n}}{n} \]

这个定理给出了正定二次型在任意格上可以取得的最小值的上界。

8.3 二次型的约化

定义 8.3（二次型的等价） ：两个n元二次型 \(Q\) 和 \(Q'\) 称为等价的（equivalent），如果存在 \(U \in \mathrm{GL}_n(\mathbb{Z})\) 使得

\[Q'(\mathbf{x}) = Q(U\mathbf{x}) \]

定义 8.4（Minkowski约化） ：正定二次型 \(Q\) 称为Minkowski约化的（Minkowski reduced），如果它满足一组特定的不等式条件。

Minkowski约化理论：每个正定二次型都等价于一个Minkowski约化的二次型。此外，Minkowski约化的二次型在某种意义上是“最接近对角形”的，其系数被控制在一定的范围内。

8.4 高斯约化理论（二元二次型）

对于二元二次型（\(n=2\)），高斯（Gauss）发展了一套完整的约化理论。

高斯约化：一个正定二元二次型 \(Q(x, y) = ax^2 + 2bxy + cy^2\)（\(a, c > 0\)）称为高斯约化的，如果

\[|2b| \leqslant a \leqslant c \]

定理 8.2（高斯约化定理） ：每个正定二元二次型都等价于唯一的一个高斯约化二次型。

高斯约化理论在以下方面有重要应用：

1. 二次域的理想类数计算
2. 二元二次型表示的整数
3. 椭圆曲线的复乘理论

8.5 不定二次型

定义 8.5（不定二次型） ：若二次型 \(Q\) 既可以取正值也可以取负值，则称为不定的（indefinite）。

对于不定二次型，几何数论关注的是其绝对值的极小值问题：

\[m_{\text{abs}}(Q, \Lambda) = \min_{\mathbf{0} \neq \mathbf{x} \in \Lambda} |Q(\mathbf{x})| \]

定理 8.3（Minkowski关于不定二次型的定理） ：设 \(Q\) 是n元不定二次型，其行列式为 \(\Delta \neq 0\)。则存在非零整数向量 \(\mathbf{x} \in \mathbb{Z}^n\) 使得

\[|Q(\mathbf{x})| \leqslant c_n |\Delta|^{1/n} \]

其中 \(c_n\) 是一个只依赖于n的常数。

第九章 堆砌与覆盖

堆砌（packing）与覆盖（covering）是几何数论中两个密切相关的问题。它们研究如何用平移的凸体来填充或覆盖空间。

9.1 堆砌问题

定义 9.1（堆砌） ：设 \(K \subset \mathbb{R}^n\) 是一个凸体。一族平移 \(\{ K + \mathbf{x} \}_{\mathbf{x} \in \Lambda}\)（\(\Lambda\) 是格）称为一个堆砌（packing），如果这些平移的内部互不相交。

堆砌的密度：堆砌的密度定义为

\[\delta(K, \Lambda) = \frac{\operatorname{vol}(K)}{\det(\Lambda)} \]

最优堆砌问题：在所有可能的格 \(\Lambda\) 中，最大化 \(\delta(K, \Lambda)\)。

9.2 覆盖问题

定义 9.2（覆盖） ：设 \(K \subset \mathbb{R}^n\) 是一个凸体。一族平移 \(\{ K + \mathbf{x} \}_{\mathbf{x} \in \Lambda}\) 称为一个覆盖（covering），如果

\[\mathbb{R}^n = \bigcup_{\mathbf{x} \in \Lambda} (K + \mathbf{x}) \]

覆盖的密度：覆盖的密度定义为

\[\theta(K, \Lambda) = \frac{\operatorname{vol}(K)}{\det(\Lambda)} \]

最优覆盖问题：在所有可能的格 \(\Lambda\) 中，最小化 \(\theta(K, \Lambda)\)。

9.3 堆砌与覆盖的关系

堆砌和覆盖是“对偶”问题：

• 堆砌要求平移不重叠，密度尽可能大。
• 覆盖要求平移覆盖整个空间，密度尽可能小。

显然，对任意凸体 \(K\) 和任意格 \(\Lambda\)，

\[\delta(K, \Lambda) \leqslant \theta(K, \Lambda) \]

9.4 临界行列式与堆砌-覆盖

定理 9.1：凸体 \(K\) 的临界行列式 \(\Delta(K)\) 与堆砌和覆盖问题密切相关：

1. 若 \(\det(\Lambda) < \Delta(K)\)，则 \(\Lambda\) 不是 \(K\) 的堆砌格（即 \(K + \Lambda\) 的平移必有重叠）。
2. 若 \(\det(\Lambda) > \Delta(K)\)，则 \(\Lambda\) 是 \(K\) 的堆砌格。
3. \(\Delta(K)\) 是堆砌格的“临界”行列式值。

9.5 高维空间中的最优堆砌

高维空间中的最优堆砌问题是几何数论和离散几何中的核心难题。

已知结果：

• \(n=1\)：最优堆砌是显然的，密度为1。
• \(n=2\)：最优堆砌由正六边形给出（圆的最密堆砌），密度为 \(\pi/\sqrt{12} \approx 0.9069\)。
• \(n=3\)：最优堆砌由面心立方格（FCC）给出（开普勒猜想），密度为 \(\pi/\sqrt{18} \approx 0.7405\)。
• \(n=8\)：最优堆砌由 \(E_8\) 格给出，密度为 \(\pi^4/384 \approx 0.2537\)。
• \(n=24\)：最优堆砌由Leech格给出。

第十章 几何数论在丢番图逼近中的应用

丢番图逼近（Diophantine approximation）研究如何用有理数（或更一般的代数数）来逼近无理数。几何数论为丢番图逼近提供了强大的工具。

10.1 Dirichlet逼近定理

定理 10.1（Dirichlet逼近定理） ：对任意实数 \(\alpha\) 和任意正整数 \(N\)，存在整数 \(p, q\)（\(1 \leqslant q \leqslant N\)）使得

\[\left| \alpha - \frac{p}{q} \right| < \frac{1}{qN} \]

几何证明：考虑集合

\[K = \{ (x, y) \in \mathbb{R}^2 \mid |x| \leqslant N, |\alpha x - y| \leqslant 1/N \} \]

这是一个中心对称的平行四边形（凸体），其面积为

\[\operatorname{vol}(K) = 2N \cdot \frac{2}{N} = 4 \]

由Minkowski第一定理（在 \(\mathbb{Z}^2\) 上，\(\det(\mathbb{Z}^2) = 1\)，\(2^2 = 4\)），\(K\) 包含一个非零整数点 \((q, p)\)。于是 \(|q| \leqslant N\) 且 \(|\alpha q - p| < 1/N\)，即 \(|\alpha - p/q| < 1/(qN)\)。

10.2 数的度量理论

定义 10.1（逼近指数） ：一个实数 \(\alpha\) 的逼近指数（approximation exponent）定义为最大的 \(\mu\) 使得存在无穷多个有理数 \(p/q\) 满足

\[\left| \alpha - \frac{p}{q} \right| < \frac{1}{q^\mu} \]

定理 10.2：对任意无理数 \(\alpha\)，逼近指数 \(\mu \geqslant 2\)（由Dirichlet定理保证）。

定理 10.3（Roth定理） ：若 \(\alpha\) 是代数无理数，则对任意 \(\varepsilon > 0\)，存在常数 \(c(\alpha, \varepsilon) > 0\) 使得

\[\left| \alpha - \frac{p}{q} \right| > \frac{c(\alpha, \varepsilon)}{q^{2+\varepsilon}} \]

即代数数的逼近指数恰好为2。

10.3 联立逼近

定义 10.2（联立逼近） ：给定 \(\alpha_1, \cdots, \alpha_n \in \mathbb{R}\)，寻找整数 \(q, p_1, \cdots, p_n\) 使得所有 \(|\alpha_i - p_i/q|\) 同时很小。

定理 10.4（Dirichlet联立逼近定理） ：对任意 \(\alpha_1, \cdots, \alpha_n \in \mathbb{R}\) 和任意正整数 \(N\)，存在整数 \(q, p_1, \cdots, p_n\)（\(1 \leqslant q \leqslant N^n\)）使得

\[\left| \alpha_i - \frac{p_i}{q} \right| < \frac{1}{qN} \quad (i = 1, \cdots, n) \]

10.4 线性型定理

定理 10.5（Minkowski线性型定理） ：设 \(L_1, \cdots, L_n\) 是n个线性无关的实线性型，其行列式为 \(\Delta\)。则存在非零整数向量 \(\mathbf{m} \in \mathbb{Z}^n\) 使得

\[\prod_{i=1}^{n} |L_i(\mathbf{m})| \leqslant \frac{|\Delta|}{n!} \]

这个定理是Minkowski第一定理在线性型语言中的表述。

10.5 丢番图逼近中的几何方法

几何数论为丢番图逼近提供了以下关键工具：

1. 格方法：将逼近问题转化为在特定格中寻找短向量的问题。
2. 凸体方法：构造适当的凸体，利用Minkowski定理保证逼近的存在性。
3. 连续极小方法：通过连续极小来定量刻画逼近的“质量”。

第十一章 几何数论在代数数论中的应用

几何数论与代数数论有着深刻的联系。事实上，几何数论是代数数论的基础框架之一。

11.1 代数数域中的格

设 \(K\) 是次数为 \(n\) 的数域，\(\mathcal{O}_K\) 是其整数环。代数数论中的一个基本观察是：\(\mathcal{O}_K\) 可以嵌入为 \(\mathbb{R}^n\) 中的一个满秩格。

具体地，设 \(K\) 有 \(r_1\) 个实嵌入和 \(2r_2\) 个复嵌入（\(n = r_1 + 2r_2\)）。定义Minkowski嵌入：

\[\sigma: K \to \mathbb{R}^{r_1} \times \mathbb{C}^{r_2} \cong \mathbb{R}^n \]

\[\alpha \mapsto (\sigma_1(\alpha), \cdots, \sigma_{r_1}(\alpha), \sigma_{r_1+1}(\alpha), \cdots) \]

则 \(\sigma(\mathcal{O}_K)\) 是 \(\mathbb{R}^n\) 中的一个满秩格，其行列式为

\[\det(\sigma(\mathcal{O}_K)) = 2^{-r_2} \sqrt{|\Delta_K|} \]

其中 \(\Delta_K\) 是数域 \(K\) 的判别式。

11.2 类群的有限性

定理 11.1：数域 \(K\) 的理想类群 \(\operatorname{Cl}(K)\) 是有限群。

几何证明思路（使用Minkowski定理）：

1. 将理想类 \(\mathfrak{a}\) 中的每个理想映射为 \(\mathbb{R}^n\) 中的一个格 \(\sigma(\mathfrak{a})\)。
2. 利用Minkowski定理，证明每个理想类中存在一个“小”的理想 \(\mathfrak{a}\)，其范数 \(\operatorname{N}(\mathfrak{a}) \leqslant M_K\)（Minkowski界）。
3. 范数有界的理想只有有限多个，因此理想类群有限。

Minkowski界：

\[M_K = \left( \frac{4}{\pi} \right)^{r_2} \frac{n!}{n^n} \sqrt{|\Delta_K|} \]

11.3 Dirichlet单位定理

定理 11.2（Dirichlet单位定理） ：设 \(K\) 是数域，\(r_1\) 是实嵌入数，\(r_2\) 是复嵌入对数。则

\[\mathcal{O}_K^\times \cong \mu(K) \times \mathbb{Z}^{r_1 + r_2 - 1} \]

其中 \(\mu(K)\) 是 \(K\) 中单位根的集合。

几何证明思路：

1. 利用对数嵌入将 \(\mathcal{O}_K^\times\) 映射到 \(\mathbb{R}^{r_1 + r_2}\)。
2. 证明像是一个格，位于超平面 \(\sum x_i = 0\) 中。
3. 利用Minkowski凸体定理证明格的秩为 \(r_1 + r_2 - 1\)。

11.4 Hermite-Minkowski定理

定理 11.3（Hermite-Minkowski定理） ：给定判别式 \(D\)，只有有限多个数域 \(K\) 满足 \(\Delta_K = D\)。

几何证明：利用Minkowski嵌入和格的几何性质，证明 \(\Delta_K\) 有下界 \(\Delta_K \geqslant c_n\)（只依赖于次数n）。由于次数n也由判别式控制，因此只有有限多种可能。

11.5 格的几何与代数数论的统一

几何数论为代数数论提供了一个统一的几何框架：

代数数论对象	几何数论对应
代数整数环 \(\mathcal{O}_K\)	\(\mathbb{R}^n\) 中的格
范数 \(\operatorname{N}(\alpha)\)	格点的“体积”
判别式 \(\Delta_K\)	格的行列式（的平方）
理想类群 \(\operatorname{Cl}(K)\)	格的某些分类
单位群 \(\mathcal{O}_K^\times\)	格的自同构群

第十二章 施密特子空间定理

施密特子空间定理（Schmidt's Subspace Theorem）是几何数论和丢番图逼近领域在20世纪下半叶最重要的突破之一。

12.1 定理的背景

Thue-Siegel-Roth定理（1955）是丢番图逼近的一个里程碑：

若 \(\alpha\) 是代数无理数，则对任意 \(\varepsilon > 0\)，不等式

\[\left| \alpha - \frac{p}{q} \right| < \frac{1}{q^{2+\varepsilon}} \]

只有有限多个有理数解 \(p/q\)。

这个定理虽然深刻，但只处理了单个代数数的逼近。施密特在1972年将其推广到了联立逼近的情形。

12.2 定理的陈述

定理 12.1（施密特子空间定理） ：设 \(n\) 是正整数，\(L_1, \cdots, L_n\) 是n个具有代数系数的线性无关的线性型。则对任意给定的实数 \(\varepsilon > 0\)，所有满足

\[\prod_{i=1}^{n} |L_i(\mathbf{x})| < \|\mathbf{x}\|^{-\varepsilon} \]

的非零整数向量 \(\mathbf{x} \in \mathbb{Z}^n\) 都位于有限多个真子空间的并集中。

12.3 定理的几何解释

施密特子空间定理可以理解为：

在n维空间中，那些使得所有线性型 \(L_i\) 的值的乘积“异常小”的整数点，并不是随机分布的，而是被限制在有限多个低维子空间中。

这一定理揭示了丢番图逼近中的一种结构性：异常好的逼近不是“到处都有”，而是集中在特定的方向上。

12.4 定理的应用

施密特子空间定理有广泛而深远的应用：

1. S-单位方程：证明形如 \(x_1 + \cdots + x_n = 1\) 的S-单位方程只有有限多个解。
2. 丢番图方程：证明某些高维丢番图方程只有有限多个整数解。
3. 积分点：证明代数曲线上的积分点只有有限多个（ Siegel定理的推广）。
4. 线性递推序列：研究线性递推序列中的完全幂问题。

12.5 定理的后续发展

施密特子空间定理自1972年提出以来，经历了多次推广和改进：

1. p进版本：将定理推广到p进数域上。
2. 有效版本：给出解的显式上界（但通常不是有效的）。
3. 射影版本：在射影空间中表述定理。

第十三章 几何数论的现代发展

13.1 算法几何数论

随着计算机科学的发展，几何数论的算法方面变得越来越重要。

LLL算法（Lenstra-Lenstra-Lovász算法，1982）是格基约化（lattice basis reduction）的标志性算法。它可以在多项式时间内找到一个格的“近似最短”基。

LLL算法的应用：

• 整数规划
• 密码分析（特别是RSA等公钥密码系统）
• 代数数论中的计算
• 信号处理

13.2 格密码

格密码（Lattice-based Cryptography）是后量子密码学的重要方向。

格密码的安全性基于格中最短向量问题（SVP）和最近向量问题（CVP）的计算困难性。

格密码的优势：

1. 抗量子攻击：目前没有已知的量子算法能有效解决SVP/CVP。
2. 最坏情况-平均情况等价：格密码的安全性有严格的数学证明。
3. 高效性：格密码的操作通常比基于大整数分解或离散对数的密码更高效。

13.3 Arakelov理论

Arakelov理论（Arakelov theory）是几何数论与算术几何的交叉领域。它将数域上的算术对象与代数曲线上的几何对象统一起来，为理解数域的“紧化”提供了框架。

Arakelov理论中，数域的无限位（archimedean places）被理解为“无穷远处的纤维”，而有限位（non-archimedean places）则由通常的素理想描述。

13.4 几何数论与additive组合学

近年来，几何数论与additive组合学（additive combinatorics）产生了深刻的交叉。

Freiman定理（Freiman's theorem）是additive组合学的核心结果，它描述了具有小倍数增长的整数集合的结构。该定理的证明中使用了几何数论中的凸体方法。

13.5 未解决的问题

几何数论中仍有许多重要的未解决问题：

1. 格的最短向量问题的精确复杂性：SVP是否是NP-hard的？
2. 高维最优堆砌：对于一般的n，最优堆砌的密度是多少？
3. Minkowski定理的最优性：第一定理中的常数 \(2^n\) 是否可以在某些条件下改进？
4. 连续极小的精确关系：\(\lambda_1 \cdots \lambda_n \operatorname{vol}(K)\) 与 \(\det(\Lambda)\) 之间的精确关系是什么？

附录：重要公式与定理汇总

A.1 格的基本概念

名称	公式/定义
格的定义	\(\Lambda = \{ \sum m_i \mathbf{v}_i \mid m_i \in \mathbb{Z} \}\)
行列式/余体积	\(\det(\Lambda) = |\det(\mathbf{v}_1, \cdots, \mathbf{v}_n)|\)
对偶格	\(\Lambda^* = \{ \mathbf{y} \mid \langle \mathbf{y}, \mathbf{x} \rangle \in \mathbb{Z}, \forall \mathbf{x} \in \Lambda \}\)
对偶格行列式	\(\det(\Lambda^*) = 1/\det(\Lambda)\)

A.2 Blichfeldt定理

名称	公式
Blichfeldt定理	\(\operatorname{vol}(S) > k\det(\Lambda) \implies \exists \mathbf{x}_1, \cdots, \mathbf{x}_{k+1} \in S\) 使 \(\mathbf{x}_i - \mathbf{x}_j \in \Lambda\)

A.3 Minkowski第一定理

名称	公式
Minkowski第一定理	\(\operatorname{vol}(K) > 2^n\det(\Lambda) \implies K \cap (\Lambda \setminus \{\mathbf{0}\}) \neq \varnothing\)
Minkowski线性型定理	\(\prod |L_i(\mathbf{m})| \leqslant |\Delta|/n!\)

A.4 连续极小与Minkowski第二定理

名称	公式
连续极小定义	\(\lambda_k = \inf\{ \lambda > 0 \mid \lambda K \text{ 含 } k \text{ 个线性无关格点} \}\)
Minkowski第二定理	\(\lambda_1 \cdots \lambda_n \operatorname{vol}(K) \leqslant 2^n \det(\Lambda)\)

A.5 临界行列式与Minkowski-Hlawka定理

名称	公式
临界行列式	\(\Delta(K) = \inf\{ \det(\Lambda) \mid \Lambda \cap K = \{\mathbf{0}\} \}\)
Minkowski-Hlawka定理	\(\Delta(K) \geqslant \operatorname{vol}(K)/(2^n \zeta(n))\)

A.6 Mahler列紧性定理

名称	内容
Mahler定理	格集合列紧 \(\iff\) 行列式一致有界且最短向量一致有正下界

A.7 堆砌与覆盖

名称	公式
堆砌密度	\(\delta(K, \Lambda) = \operatorname{vol}(K)/\det(\Lambda)\)
覆盖密度	\(\theta(K, \Lambda) = \operatorname{vol}(K)/\det(\Lambda)\)

A.8 丢番图逼近

名称	公式
Dirichlet逼近	\(\exists p, q: |\alpha - p/q| < 1/(qN)\)
Roth定理	\(|\alpha - p/q| > c/q^{2+\varepsilon}\)（\(\alpha\) 代数）
施密特子空间定理	异常好的联立逼近位于有限多个子空间中

A.9 代数数论中的应用

名称	公式
Minkowski嵌入行列式	\(\det(\sigma(\mathcal{O}_K)) = 2^{-r_2}\sqrt{|\Delta_K|}\)
Minkowski界	\(M_K = (4/\pi)^{r_2} \cdot n!/n^n \cdot \sqrt{|\Delta_K|}\)
Dirichlet单位定理	\(\mathcal{O}_K^\times \cong \mu(K) \times \mathbb{Z}^{r_1+r_2-1}\)

参考文献

1. 朱尧辰. 数的几何引论[M]. 中国科学技术大学出版社, 2019.
2. Olds, C. D., Lax, A., & Davidoff, G. The Geometry of Numbers[M]. Mathematical Association of America, 2000.
3. Siegel, C. L. Lectures on the Geometry of Numbers[M]. Springer, 1989.
4. Hlawka, E., Schoißengeier, J., & Taschner, R. Geometric and Analytic Number Theory[M]. Springer, 1991.
5. 闵可夫斯基. 数的几何学[M]. 1896.
6. Cassels, J. W. S. An Introduction to the Geometry of Numbers[M]. Springer, 1971.
7. Gruber, P. M. & Lekkerkerker, C. G. Geometry of Numbers[M]. North-Holland, 1987.
8. Schmidt, W. M. Diophantine Approximation[M]. Springer, 1980.