최소 표면적을 갖는 정수 상자의 길이 평균 추정

초록

정수 부피 n을 갖는 k차원 직육면체의 가장자리 길이 ρ₁,…,ρ_k 중 평균값을 구한다. 저자들은 ρ₁에 대해 x^{1+1/k}(log x)^{δ_k}(log log x)^{3/2} 형태의 상하한을, ρ_j (j≥2)에 대해 x^{1+1/γ_j}(log x)^{γ_j}·C_k,j 형태의 정확한 1차 항을 얻는다. 여기서 γ_j=k+1−j이며 δ_k와 C_k,j는 ζ함수와 조합상수로 명시된다.

상세 분석

이 논문은 “정수 상자”라는 개념을 일반화한다. k≥2 차원에서 부피가 n인 정수 상자는 가장자리 길이 d₁,…,d_k∈ℕ⁺ 로 표현되며, 표면적은 σ(d₁,…,d_k)=2∑{1≤h≤k}∑{1≤m≤k} d_h d_m 로 정의된다. 최소 표면적을 갖는 길이 배열을 ρ₁(n)≤…≤ρ_k(n)라 두고, 이 배열이 (P_{n,k}) 최적화 문제의 해임을 보인다. 기존 2차원 결과(ρ₁·ρ₂=n, ρ₁≤√n≤ρ₂)와 달리 k≥3에서는 해의 유일성이 보장되지 않지만, 수치 실험으로 k=3,4,5, n≤10⁸ 구간에서는 유일함을 확인한다.

주요 결과는 두 정리이다. 정리 1.1은 가장 작은 가장자리 ρ₁의 평균값에 대해
∑_{n≤x}ρ₁(n)≈C_k·x^{1+1/k}(log x)^{δ_k}(log log x)^{3/2}
형태의 상하한을 제시한다. 여기서 δ_k=Q(k−1)/log k, Q(v)=v log v−v+1이며, C_k는 상수이다. 증명은 “큰 약수”와 “작은 약수”를 구분하는 구간을 설정하고, Koukoulopoulos의 정리 1을 활용해 약수 개수의 평균을 정확히 추정한다. 하한은 μ²(n)=1인 제곱 자유수 집합을 이용해 구성한다.

정리 1.2는 중간 및 큰 가장자리 ρ_j (2≤j≤k)에 대해
∑{n≤x}ρ_j(n)=γ_j·γ_j!^{-1}·γ^{2}{γ_j}·x^{1+1/γ_j}(log x)^{γ_j}+O(x^{1+1/γ_j}(log x)^{γ_j+1})
를 얻는다. 여기서 γ_j=k+1−j이며, γ=Euler 상수이다. 핵심 아이디어는 ρ_j가 x^{α_j} (α_j=1/(γ_j+1/2))보다 클 때 모든 상위 가장자리들이 소수라는 사실을 보이는 Lemma 4.1이다. 이를 통해 ρ_j가 큰 경우는 “k+1−j개의 큰 소인수”를 가진 n만 기여한다는 구조를 파악한다. 이후 다중 적분 전개와 소수 정리의 강한 형태를 이용해 T_j(y)라는 핵심 합을 평가하고, 정밀한 상수와 로그 차수를 도출한다.

논문 전반에 걸쳐 약수 함수와 소인수 분포에 대한 최신 결과들을 적절히 인용한다. 특히 Ford(2008)의 “주어진 구간에 약수를 갖는 정수의 분포”, De Konink & Razafindrasoanaivolala(2020,2023)의 중간 약수 연구, Haddad(2025)의 소인수 커플링, 그리고 저자들의 이전 작업인 Tenenbaum(1976,1984) 등을 통합한다.

기술적 난점은 ρ₁의 평균을 추정할 때 로그 로그 항이 (log log x)^{3/2} 로 나타나는 점이다. 이는 약수의 “중간 구간”에서 발생하는 변동성을 정확히 제어하기 위해 복잡한 조합적 추정이 필요함을 의미한다. 반면 ρ_j (j≥2)의 경우는 주된 기여가 “큰 소인수”에 집중되므로, 다중 적분을 통한 연속 근사와 소수 정리의 오차 제어만으로 충분히 다룰 수 있다.

결과적으로, 이 논문은 k차원 정수 상자의 최소 표면적 문제를 평균적 관점에서 완전하게 해석하고, 기존 2차원 결과를 자연스럽게 일반화한다. 제시된 상수와 로그 차수는 ζ함수와 Euler 상수에 의해 정확히 표현되며, 이는 수론적 평균값 이론과 조합적 최적화 사이의 깊은 연결을 보여준다.