🔢 mathematics

Oscillations of random multiplicative functions under initial bias

Este artículo demuestra que, bajo una condición inicial de sesgo en los primos pequeños, las sumas parciales de una función multiplicativa aleatoria casi seguramente cambian de signo infinitas veces y la probabilidad de que permanezcan no negativas tiende a cero, resolviendo así conjeturas de Kucheriaviy y Aymone.

Autores originales: Rodrigo Angelo, Max Wenqiang Xu

Publicado 2026-03-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Rodrigo Angelo, Max Wenqiang Xu

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este artículo es como una historia sobre un juego de monedas mágico que se juega con números infinitos. Los autores, Rodrigo y Max, han descubierto algo muy sorprendente sobre cómo se comportan las "sumas" de estos números cuando intentamos predecir su comportamiento.

Aquí tienes la explicación en español, usando analogías sencillas:

1. El Juego de las Monedas (La Función Multiplicativa)

Imagina que tienes una lista infinita de números: 1, 2, 3, 4, 5...
Para cada número primo (2, 3, 5, 7, 11...), lanzas una moneda al aire:

Si sale cara, le asignas el valor +1.
Si sale cruz, le asignas el valor -1.

Luego, para los números que no son primos (como 4, 6, 8...), su valor se calcula multiplicando los valores de sus "padres" primos. Por ejemplo, si el 2 es +1 y el 3 es -1, entonces el 6 será (+1) × (-1) = -1.

Esto crea una secuencia de números que saltan entre positivos y negativos de forma totalmente aleatoria.

2. El Problema: ¿Pueden mantenerse siempre positivos?

La pregunta principal es: Si sumamos estos números uno por uno (1 + 2 + 3...), ¿es posible que la suma nunca baje de cero?

Imagina que eres un corredor en una montaña rusa. La altura de la montaña rusa es la suma acumulada.

Si la suma es positiva, estás arriba.
Si es negativa, estás abajo.
La pregunta es: ¿Puede el corredor quedarse siempre arriba del suelo (suma ≥ 0) para siempre?

3. El Primer Descubrimiento: El "Empujón" Inicial

Los autores estudian qué pasa si damos un empujón inicial.
Supongamos que forzamos a que los primeros números primos (los más pequeños) sean todos +1 (como si les dijéramos: "¡Tú, 2, 3, 5... ten que ser positivo!").

La intuición: Si empujas al corredor al principio, quizás pueda mantenerse arriba por un tiempo.
El hallazgo: Los autores demuestran que, incluso si empujas a los primeros primos a ser positivos, es casi imposible que la suma se mantenga positiva para siempre.
La analogía: Imagina que empujas a un niño en un columpio hacia arriba. Si el columpio es muy largo (números muy grandes), la gravedad (el caos aleatorio de los primos grandes) eventualmente lo hará bajar y oscilar. No importa cuánto empujes al principio, el columpio terminará bajando.

El resultado matemático dice: Si empujas a los primos pequeños, la probabilidad de que la suma nunca baje de cero es casi cero cuando llegamos a números gigantes.

4. El Segundo Descubrimiento: El "Efecto Mariposa" en la Raíz

El segundo problema es un poco más técnico. En lugar de sumar los números directamente, los autores los dividen por la raíz cuadrada de su posición (dividir por $\sqrt{n}$ ). Esto hace que los números grandes pesen menos, como si el columpio tuviera un amortiguador.

La pregunta: ¿Puede este columpio amortiguado quedarse quieto en un lado (siempre arriba o siempre abajo)?
El hallazgo: Demuestran que no. El columpio cambiará de dirección infinitas veces.
La analogía: Imagina que estás en un barco en medio del océano (el mar es el caos aleatorio). Incluso si el barco tiene un estabilizador (la división por la raíz cuadrada), las olas son tan impredecibles que el barco siempre se inclinará hacia la izquierda y luego hacia la derecha, una y otra vez, sin parar nunca. Nunca se quedará quieto en un solo lado.

5. ¿Cómo lo demostraron? (La Herramienta Secreta)

Para probar esto, los autores usaron una herramienta matemática muy inteligente que compara dos cosas:

La suma real: Lo que ocurre en la vida real (el columpio).
Una "fórmula mágica" (Producto de Euler): Una forma de calcular el comportamiento promedio usando solo los primos.

Ellos descubrieron que si la suma se mantuviera siempre positiva, la "fórmula mágica" tendría que comportarse de una manera muy extraña y ordenada (como una línea recta que baja suavemente). Pero, al analizar los primos, vieron que la "fórmula mágica" en realidad salta y oscila como un borracho en una fiesta.

Como la realidad (la suma) y la fórmula mágica están conectadas, si la fórmula salta, la suma también tiene que saltar. Por lo tanto, la suma no puede quedarse quieta; tiene que cambiar de signo una y otra vez.

En Resumen

Este papel resuelve dos misterios sobre el caos de los números:

No puedes engañar al sistema: Aunque forces a los números pequeños a ser positivos, el caos de los números grandes eventualmente hará que la suma baje.
El movimiento es eterno: Incluso con filtros que suavizan el movimiento, la suma de estos números aleatorios nunca se detendrá en un solo lado; cambiará de positivo a negativo infinitas veces.

Es como decir que, en un universo de números aleatorios, el equilibrio perfecto y estático es imposible; el movimiento y el cambio son la única ley.

Aquí presento un resumen técnico detallado del artículo "Oscillations of Random Multiplicative Functions Under Initial Bias" (Oscilaciones de funciones multiplicativas aleatorias bajo sesgo inicial), escrito por Rodrigo Angelo y Max Wenqiang Xu.

1. Planteamiento del Problema

El artículo aborda dos problemas fundamentales relacionados con los cambios de signo en las sumas parciales de una función multiplicativa completamente aleatoria $f(n)$ . Esta función se define asignando $f(p) = \pm 1$ con probabilidad $1/2$ de forma independiente para cada primo $p$ , y extendiéndose multiplicativamente a todos los enteros positivos ($f(mn) = f(m)f(n)$).

Los dos problemas específicos son:

Efecto del sesgo inicial (Conjetura de Kucheriaviy): ¿Qué sucede con la probabilidad de que las sumas parciales $\sum_{n \le N} f(n)$ sean no negativas para todo $N \le x$ , si se condiciona a que $f(p) = 1$ para todos los primos $p$ menores que un umbral $y$ ?
- Kucheriaviy había demostrado que si $y$ es suficientemente grande ( $y \ge C \frac{(\log x)^2}{\log \log x \log \log \log x}$ ), la probabilidad de que las sumas sean siempre no negativas tiende a 1.
- La conjetura planteaba que si $y$ es significativamente más pequeño, específicamente $y = o\left((\frac{\log x}{\log \log x})^2\right)$ , la probabilidad de mantener la no negatividad debería tender a 0.
Caso crítico de la serie ponderada (Problema de Aymone): Estudiar el comportamiento de las sumas parciales de la serie $\sum \frac{f(n)}{n^\sigma}$ .
- Para $\sigma > 1/2$ , la serie converge casi seguramente a un producto de Euler positivo (por lo tanto, cambia de signo un número finito de veces).
- Para $\sigma < 1/2$ , se sabía que cambia de signo infinitas veces.
- El caso abierto y resuelto en este trabajo es el caso crítico $\sigma = 1/2$ : ¿Cambia de signo infinitas veces la serie $\sum \frac{f(n)}{\sqrt{n}}$ ?

2. Metodología

Los autores desarrollan un enfoque que evita el uso de variables complejas $s$ en intervalos verticales fijos (método común en trabajos previos de Harper, Soundararajan, etc.), el cual no resultó efectivo para estos problemas específicos. En su lugar, utilizan una aproximación basada en el comportamiento real de la serie cerca de $s = 1/2$ .

Herramientas Clave:

Relación con el Producto de Euler: Conectan la no negatividad de las sumas parciales con el comportamiento decreciente de la serie $F(s) = \sum \frac{f(n)}{n^s}$ para $s = 1/2 + t$ con $t > 0$ pequeño.
Transformación Logarítmica: Utilizan la representación del producto de Euler para escribir $F(s)$ como el exponencial de una suma de variables aleatorias independientes:
$R(t) = \sum_{p} \frac{f(p)}{p^{1/2+t}} + \frac{1}{2} \sum_{p} \frac{1}{p^{1+2t}}$
Aquí, $R(t)$ actúa como el "logaritmo" de la serie.
Diferencias como Derivadas: En lugar de estudiar la derivada logarítmica directamente, analizan las diferencias $R(t) - R(2t)$ . Intuitivamente, si la serie es no negativa, la función $F(s)/s$ debe ser decreciente, lo que impone restricciones en estas diferencias.
Teorema del Límite Central (TLC) Multidimensional: Demuestran que las diferencias $R(t_i) - R(2t_i)$ para una secuencia de $t_i$ que crece geométricamente convergen en distribución a variables normales independientes.
Argumento de Contradicción:
1. Asumen que las sumas parciales son no negativas (o no positivas) para todo $N$ mayor que cierto umbral.
2. Esto implica una restricción determinista: $R(2t) - R(t)$ debe estar acotado por una constante (comportamiento "suave" o decreciente).
3. Sin embargo, el TLC muestra que estas diferencias se comportan como variables aleatorias normales con varianza positiva, lo que implica que oscilan y toman valores grandes con probabilidad significativa.
4. Al tomar un número arbitrariamente grande de puntos de prueba ( $K \to \infty$ ), la probabilidad de que todas las diferencias permanezcan acotadas tiende a cero.

3. Contribuciones y Resultados Principales

El artículo presenta dos teoremas principales que resuelven las conjeturas mencionadas:

Teorema 1.1 (Resolución de la Conjetura de Kucheriaviy)

Sea $f$ una función multiplicativa completamente aleatoria. Si $x$ es grande y el umbral de sesgo inicial es $y = o\left((\frac{\log x}{\log \log x})^2\right)$ , entonces, condicionando a que $f(p) = 1$ para todo $p \le y$ , la probabilidad de que $\sum_{n \le N} f(n) \ge 0$ para todo $N \le x$ es $o(1)$ cuando $x \to \infty$ .

Significado: Esto confirma que el umbral $y \approx (\log x)^2$ es agudo. Por debajo de este umbral, incluso con un sesgo inicial fuerte hacia los primos pequeños, la aleatoriedad de los primos grandes domina y fuerza a las sumas parciales a cambiar de signo.

Teorema 1.2 (Resolución del Problema de Aymone)

Casi seguramente, las sumas parciales de la serie $\sum_{n=1}^N \frac{f(n)}{\sqrt{n}}$ cambian de signo infinitas veces.

Significado: Esto cierra el caso crítico $\sigma = 1/2$ . A diferencia de los casos $\sigma > 1/2$ (convergencia a un valor positivo) y $\sigma < 1/2$ (oscilación conocida), el caso $\sigma = 1/2$ es el límite donde la serie converge condicionalmente pero mantiene un comportamiento oscilatorio perpetuo debido a la naturaleza aleatoria de $f(n)$ .

4. Significado e Impacto

Precisión de Umbrales: El trabajo establece con precisión el umbral de transición para el efecto de los primos pequeños en el comportamiento global de las sumas de funciones multiplicativas aleatorias. Esto es crucial para entender la interacción entre la estructura determinista (primos pequeños) y el ruido aleatorio (primos grandes).
Nueva Metodología: La técnica de utilizar diferencias de la función $R(t)$ en el eje real ( $s = 1/2 + t$ ) y aplicar el TLC a estas diferencias ofrece una alternativa potente a los métodos tradicionales de análisis complejo en la línea crítica. Esto podría ser aplicable a otros problemas de oscilación en teoría de números analítica.
Límites de Cotas: El resultado refina las cotas conocidas sobre la probabilidad de que una función aleatoria tenga sumas parciales no negativas. Mientras que Kalmynin dio una cota superior de tipo $(\log x)^{-c}$ , y los autores junto con Soundararajan están trabajando en cotas superiores similares para caracteres cuadráticos, este trabajo demuestra que la probabilidad de mantener la no negatividad bajo un sesgo inicial débil decae a cero.
Conexión con Conjeturas: El trabajo se sitúa en el contexto de la conjetura de Fyodorov-Hiary-Keating sobre máximos en la línea crítica, aunque utiliza un enfoque diferente (comportamiento real vs. máximo complejo) para abordar la no negatividad.

En resumen, el paper demuestra que la "aleatoriedad" de los primos grandes es lo suficientemente fuerte como para romper cualquier tendencia de no negatividad inducida por un conjunto inicial de primos, siempre que ese conjunto no sea excesivamente grande (mayor que $(\log x)^2$ ), y confirma que la serie crítica $\sum f(n)/\sqrt{n}$ es inherentemente oscilatoria.