On a level analog of Selberg's result on $S(t)$

Resumen Técnico: Un Análogo en Nivel del Resultado de Selberg sobre $Spt, f_q$

1. Planteamiento del Problema

El artículo aborda el comportamiento estadístico de la función de argumento de las funciones $L$ asociadas a formas modulares de Hecke holomorfas. Específicamente, se estudia la función:
$$S(t, f) := \frac{1}{\pi} \arg L\left(\frac{1}{2} + it, f\right)$$
donde $f$ es una forma cuspidal de Hecke holomorfa de peso 2 y nivel primo $q$.

El problema central es establecer una fórmula asintótica para los momentos de $S(t, f)$ en el aspecto de nivel (es decir, cuando el nivel $q \to \infty$), sin asumir la Hipótesis de Riemann Generalizada (GRH). Este trabajo busca ser el análogo en el aspecto de nivel de los resultados clásicos de Selberg sobre la función $S(t)$ del zeta de Riemann y $S(t, \chi)$ de funciones $L$ de Dirichlet, donde Selberg demostró que los momentos siguen una distribución gaussiana con varianza proporcional a $\log \log T$ (o $\log \log q$).

2. Metodología

Los autores emplean una combinación de técnicas avanzadas de teoría analítica de números y teoría espectral:

• Aproximación mediante Series de Dirichlet Truncadas:
  Desarrollan una aproximación precisa de $S(t, f)$ utilizando una serie de Dirichlet truncada. Definieron una función auxiliar $M(t, f)$ que captura la parte principal de $S(t, f)$:
  $$M(t, f) := \frac{1}{\pi} \text{Im} \sum_{p \le x^3} \frac{C_f(p)}{p^{1/2+it}}$$
  donde $C_f(p) = \alpha_f(p) + \beta_f(p) = \lambda_f(p)$ son los coeficientes de Fourier. El error de esta aproximación, $R(t, f) = S(t, f) - M(t, f)$, se acota cuidadosamente.

• Estimación de Densidad de Ceros Ponderada:
  Para controlar el error y evitar asumir la GRH, utilizan una estimación de densidad de ceros ponderada (Lema 2.4, basada en Kowalski-Michel). Esto les permite acotar la contribución de los ceros de $L(s, f)$ que se desvían de la línea crítica, lo cual es crucial para definir el parámetro $\sigma_x$ (la distancia a la línea crítica) de manera efectiva.

• Fórmula de Rastreo de Petersson:
  Para calcular los momentos promedio sobre la familia de formas $f \in H_2(q)$, utilizan la fórmula de rastreo de Petersson (Lema 2.2). Esta herramienta permite transformar sumas sobre formas modulares en sumas sobre coeficientes de Fourier y sumas de Kloosterman, facilitando el cálculo de momentos diagonales y no diagonales.

• Teorema del Límite Central:
  Utilizan el método de momentos en teoría de la probabilidad (Lema 2.5). Demuestran que los momentos de la variable aleatoria normalizada convergen a los momentos de una distribución gaussiana.

3. Contribuciones Clave

1. Fórmula Asintótica Unconditional: Establecen la primera fórmula asintótica para los momentos de $S(t, f)$ en el aspecto de nivel para formas holomorfas de peso 2, sin asumir la GRH.
2. Análisis de la Parte de Error: Logran una descomposición rigurosa donde la parte principal ($M(t, f)$) domina el comportamiento estadístico, y la parte de error ($R(t, f)$) es despreciable en promedio incluso sin hipótesis de ceros.
3. Generalización de Resultados de Selberg: Extienden los resultados de Selberg (originalmente para $\zeta(s)$ y $L(s, \chi)$) y trabajos recientes de Liu y Shim (que requerían GRH o se centraban en el aspecto de peso) al aspecto de nivel para formas de peso 2.

4. Resultados Principales

Teorema 1.1 (Momentos):
Para un número primo $q$ suficientemente grande y $t > 0$, los momentos ponderados de $S(t, f)$ satisfacen:
$$\sum_{f \in H_2(q)} \omega_f \cdot S(t, f)^n = C_n (\log \log q)^{n/2} + O_{t,n}\left( (\log \log q)^{(n-1)/2} \right)$$
donde $\omega_f$ es el peso armónico y $C_n$ es una constante que es cero si $n$ es impar y $\frac{n!}{(n/2)! (2\pi)^n}$ si $n$ es par.

• Implicación: Esto demuestra que, en promedio, $|S(t, f)|$ es del orden de magnitud $\sqrt{\log \log q}$.

Teorema 1.2 (Teorema del Límite Central Ponderado):
A medida que $q \to \infty$, la medida de probabilidad $\mu_q$ definida por la distribución normalizada de $S(t, f)$ converge a una distribución gaussiana:
$$\lim_{q \to \infty} \mu_q([a, b]) = \frac{1}{\sqrt{\pi}} \int_a^b e^{-\pi^2 \xi^2} d\xi$$
Esto significa que la variable aleatoria $\frac{S(t, f)}{\sqrt{\log \log q}}$ converge en distribución a una normal con media 0 y varianza $(2\pi^2)^{-1}$.

5. Significado e Impacto

• Independencia de la GRH: El resultado más significativo es la eliminación de la dependencia de la Hipótesis de Riemann Generalizada. Trabajos anteriores en aspectos espectrales y de peso a menudo requerían esta hipótesis para controlar la densidad de ceros. Este artículo demuestra que el comportamiento gaussiano es un fenómeno robusto que se mantiene incondicionalmente en el aspecto de nivel.
• Unificación de Aspectos: Proporciona un marco coherente que conecta el comportamiento de las funciones $L$ en diferentes aspectos (nivel, peso, espectro), confirmando que la ley de distribución normal es universal para los argumentos de funciones $L$ en el borde crítico.
• Herramientas Técnicas: La combinación de la aproximación por series truncadas con estimaciones de densidad de ceros ponderadas ofrece una metodología potente que puede aplicarse a otros problemas en la teoría de funciones $L$ de rango superior.

En conclusión, Sun y Wang han resuelto un problema abierto importante en la teoría analítica de números, confirmando que la distribución de los argumentos de las funciones $L$ de formas modulares de nivel alto sigue una ley gaussiana, tal como predijo Selberg para otros contextos, pero ahora de manera incondicional en el aspecto de nivel.