🔢 mathematics

Almost sure bounds for weighted sums of Rademacher random multiplicative functions

Este artículo establece cotas superiores e inferiores casi seguras para sumas ponderadas de funciones multiplicativas aleatorias de Rademacher, demostrando que su crecimiento está dominado por el caos multiplicativo y difiere significativamente del caso de Steinhaus, al tiempo que proporciona una cota más ajustada para sumas restringidas a enteros con factores primos grandes.

Autores originales: Christopher Atherfold

Publicado 2026-02-04

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Christopher Atherfold

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

La visión general: Un juego de azar con números

Imagina que estás jugando un juego con una bolsa gigante de números. Para cada número primo (como 2, 3, 5, 7...), lanzas una moneda justa.

Cara: Asignas el número +1.
Cruz: Asignas el número -1.

Una vez que hayas asignado estos valores a los primos, creas una regla para todos los demás números: si un número está compuesto por factores primos distintos (como $6 = 2 \times 3$ ), multiplicas sus valores asignados. Si un número tiene un factor primo repetido (como $4 = 2 \times 2$ ), su valor es 0.

Esto crea una secuencia aleatoria de números, $f(n)$ , que parece caótica pero sigue reglas matemáticas estrictas. Los matemáticos se han sentido fascinados por las "sumas parciales" de estos números; básicamente, sumándolos a medida que avanzas ( $f(1) + f(2) + f(3) + \dots$ ).

El problema: La suma "ponderada"

En este artículo, el autor no solo está sumando los números; los está sumando con un peso. Específicamente, está observando la suma:
$\frac{f(1)}{\sqrt{1}} + \frac{f(2)}{\sqrt{2}} + \frac{f(3)}{\sqrt{3}} + \dots + \frac{f(x)}{\sqrt{x}}$

Piensa en esto como una carrera donde los corredores (los números) se vuelven cada vez más lentos a medida que la carrera avanza. El primer corredor corre a máxima velocidad, el segundo a mitad de velocidad, el tercero a aproximadamente el 57% de velocidad, y así sucesivamente. La pregunta es: ¿Qué tan lejos puede desviarse esta distancia total de cero?

En el mundo de la aleatoriedad pura, esperarías que la suma se mantuviera relativamente pequeña, rebotando alrededor de cero como un borracho caminando a casa. Sin embargo, debido a que estos números son "multiplicativos" (conectados por sus factores primos), no se comportan como un simple lanzamiento de moneda. Tienen patrones ocultos que pueden causar oscilaciones masivas e inesperadas.

El descubrimiento principal: Un límite de tamaño sorprendente

El autor demuestra un límite específico de qué tan grandes pueden ser estas oscilaciones.

El Resultado:
Para casi todos los resultados posibles de los lanzamientos de moneda, la suma total nunca será mayor que una función específica de crecimiento lento: aproximadamente $(\log \log x)^{3/4}$ .

La Analogía:
Imagina que estás midiendo la altura de una ola en el océano. Podrías esperar que las olas sean enormes. Pero este artículo dice: "Si observas casi todos los estados posibles del océano, las olas nunca excederán una altura de unos 10 metros, incluso a medida que el océano se vuelve infinitamente grande".

El autor también demuestra un "límite inferior": definitivamente hay momentos en los que la suma es tan grande como $(\log \log x)^{-1/2}$ . Esto confirma que la suma no se queda quieta; definitivamente se mueve, pero tiene un "techo" sobre qué tan alto puede saltar.

Por qué esto es diferente de otros modelos

Los matemáticos suelen utilizar dos tipos de modelos aleatorios para estudiar estos patrones numéricos:

El Modelo "Steinhaus": Imagina que los lanzamientos de moneda pueden caer en cualquier punto de un círculo (números complejos). Esto es como un girador que puede apuntar a cualquier parte.
El Modelo "Rademacher" (Este artículo): Los lanzamientos de moneda son estrictamente +1 o -1. Este es un modelo más simple y rígido.

El Giro:
En el modelo "Steinhaus" (del girador), los saltos más grandes en la suma provienen de un tipo específico de estructura matemática llamada "producto de Euler" (una multiplicación gigante de términos). Es como si las olas más grandes fueran causadas por un patrón de viento específico.

Sin embargo, en el modelo "Rademacher" (el de la moneda), el autor descubrió que los saltos más grandes provienen de una fuente completamente distinta: el Caos Multiplicativo.

Analogía: En el modelo del girador, las olas son causadas por un viento constante y predecible. En el modelo de la moneda, las olas son causadas por una tormenta caótica y turbulenta donde la propia aleatoriedad crea los picos más altos. La parte "determinista" (la matemática predecible) en realidad cancela las cosas de manera más efectiva aquí, dejando que la aleatoriedad caótica domine el tamaño de la suma.

El atajo de los "Primos Grandes"

El artículo también analiza un subconjunto específico de números: aquellos que tienen un factor primo muy grande (mayor que la raíz cuadrada del conteo total).

El Hallazgo:
Cuando restringes el juego solo a estos números de "primo grande", la suma se comporta mucho mejor. El límite cae significativamente a aproximadamente $(\log \log x)^{1/4}$ .

Analogía:
Imagina que intentas predecir el clima. Si miras todos los patrones climáticos, es caótico. Pero si solo miras los días en los que hay un huracán masivo presente, los patrones se vuelven mucho más predecibles y de menor escala. Los números de "primo grande" actúan como un filtro que elimina el ruido más caótico, revelando un límite más limpio y pequeño.

Por qué esto es importante (según el artículo)

El autor conecta esto con la famosa Hipótesis de Riemann, uno de los problemas sin resolver más grandes de las matemáticas. La Hipótesis de Riemann está relacionada con cómo se comporta la "función de Möbius" (un primo de nuestra $f(n)$ aleatoria).

La Realidad: El autor sugiere que, si bien nuestro modelo aleatorio de lanzamiento de moneda ( $f(n)$ ) es una buena forma de estudiar estas sumas, podría no predecir perfectamente el comportamiento de la verdadera función de Möbius. El modelo aleatorio muestra que las sumas pueden volverse muy grandes (debido al "caos"), lo que sugiere que si la verdadera función de Möbius se comporta de manera similar, podría ser más difícil de probar la Hipótesis de Riemann de lo que pensábamos.

Resumen de las "Herramientas" utilizadas

Para demostrar estos límites, el autor no solo adivinó. Utilizó una "caja de herramientas" de técnicas de probabilidad avanzada:

Martingales: Una forma de rastrear un paseo aleatorio donde el futuro depende solo del presente, no del pasado. Trató la suma como una serie de pasos donde podía predecir la "varianza" (cuánto podría oscilar).
División del Problema: Dividió la enorme suma en partes más pequeñas basadas en el tamaño de los factores primos (primos pequeños frente a primos grandes) y las analizó por separado.
Productos de Euler: Observó la suma como un gran problema de multiplicación y utilizó el cálculo complejo (integrales) para medir la "energía" del sistema.

Conclusión

Christopher Atherfold ha trazado un mapa preciso del "desierto" de estas sumas numéricas aleatorias. Demostró que, si bien las sumas pueden deambular lejos, están estrictamente limitadas por un límite específico de crecimiento lento. También descubrió que la "selvaticidad" proviene de una fuente diferente en este modelo de lanzamiento de moneda en comparación con otros modelos matemáticos, resaltando que el simple acto de lanzar una moneda (+1/-1) crea un tipo único de caos matemático.

Resumen Técnico: Cotas Casi Seguras para Sumas Ponderadas de Funciones Multiplicativas de Rademacher

Planteamiento del Problema
El artículo investiga el comportamiento casi seguro de las sumas parciales ponderadas de funciones multiplicativas de Rademacher, definidas como:
$M_f(x) := \sum_{n \le x} \frac{f(n)}{\sqrt{n}}$
donde $f(n)$ es una función multiplicativa de Rademacher (variables de Rademacher independientes en los primos, extendidas multiplicativamente a enteros libres de cuadrados, y cero en caso contrario). Este problema sirve como un modelo probabilístico para comprender las propiedades de cancelación de la función de Möbius $\mu(n)$ , específicamente en relación con la Hipótesis de Riemann.

Este estudio contrasta con el caso "Steinhaus" (donde $f(p)$ son uniformes en el círculo unidad), donde trabajos previos de Hardy establecieron cotas que asemejan la Ley del Logaritmo del Iterado (LIL). La cuestión central es si el caso de Rademacher exhibe tamaños de fluctuación similares o si la estructura determinista del producto de Euler de Rademacher conduce a un comportamiento asintótico diferente.

Metodología
La estrategia de prueba sintetiza técnicas de Caich (cotas de Rademacher no ponderadas), Hardy (cotas de Steinhaus ponderadas) y Mastrostefano (restricciones de factores primos grandes). La metodología procede a través de varias etapas clave:

Reducción a Puntos de Prueba: Siguiendo a Lau–Tenenbaum–Wu y Caich, la variable continua $x$ se reduce a una secuencia dispersa de puntos de prueba $x_i = [e^{i\gamma}]$ . Esto permite el uso del primer lema de Borel–Cantelli, siempre que se controlen los incrementos entre los puntos de prueba.
División por Factores Primos: La suma $M_f(x_i)$ $M_{f} (x_{i})$ se descompone basándose en el tamaño del mayor factor primo $P(n)$ $P (n)$ de los enteros $n$ $n$ . Se introduce una secuencia de cortes $y_j$ $y_{j}$ para dividir la suma en:
- Números suaves ( $P(n) \le y_0$ ).
- Sumas sobre rangos $y_{j-1} < P(n) \le y_j$ .
  Esta descomposición revela una estructura de diferencia de martingala, permitiendo la aplicación de las desigualdades de Doob y los límites de Azuma–Hoeffding.
Análisis del Producto de Euler: El núcleo de la cota superior reside en el análisis del producto de Euler de Rademacher:
$F_y(s) = \prod_{p \le y} \left(1 + \frac{f(p)}{p^s}\right)$
A diferencia del caso Steinhaus, el producto de Rademacher carece de invariancia por traslación. El artículo utiliza los resultados de "Caos Multiplicativo" de Harper y aproximaciones de caminata aleatoria gaussiana para acotar los momentos de estos productos.
Manejo de Contribuciones Deterministas vs. Aleatorias: Una distinción crítica en el caso de Rademacher es la presencia de un término negativo determinista en el logaritmo del producto de Euler (derivado de la expansión de $\log(1+f(p)/p^s)$ ). El artículo muestra que para $s=1/2$ , este término determinista domina las fluctuaciones aleatorias, a diferencia del caso Steinhaus donde el caos aleatorio es el principal motor.
Construcción de la Cota Inferior: La cota inferior adapta el método de Hardy para funciones de Steinhaus, pero tiene en cuenta la estructura específica del producto de Rademacher. Utiliza la desigualdad de Jensen sobre una integral del producto de Euler para aislar una contribución determinista de tamaño $\log \log x$ .

Contribuciones Clave y Resultados

Teorema 1 (Cota Superior): Para cualquier $\epsilon > 0$ , casi seguramente:
$M_f(x) \ll (\log \log x)^{3/4 + \epsilon}$
Esta cota es significativamente mayor que la predicción de $(\log \log x)^{1/4}$ que uno esperaría de una analogía directa con el caso Steinhaus o la Ley del Logaritmo del Iterado. El autor atribuye esto a que la contribución del "caos multiplicativo" se vuelve dominante debido al comportamiento específico del producto de Euler de Rademacher.
Teorema 2 (Cota Superior Restringida): Al restringir la suma a enteros con un único factor primo grande ( $P(n) > \sqrt{x}$ ), la cota mejora a:
$\sum_{\substack{n \le x \\ P(n) > \sqrt{x}}} \frac{f(n)}{\sqrt{n}} \ll (\log \log x)^{1/4 + \epsilon}$
Esto sugiere que la cota mayor en el Teorema 1 surge de la interacción de enteros con múltiples factores primos (específicamente, la dificultad de separar las contribuciones suaves en el caso ponderado).
Teorema 3 (Cota Inferior): Existen valores de $x$ arbitrariamente grandes tales que:
$|M_f(x)| \gg (\log \log x)^{-1/2}$
La prueba identifica una contribución determinista en el análisis de la cota inferior que está ausente en el entorno de Steinhaus.
Corolario 1 (Caso Completamente Multiplicativo): Los resultados se aplican a la función de Rademacher completamente multiplicativa $f^*(n)$ , obteniendo:
$\sum_{n \le x} \frac{f^*(n)}{\sqrt{n}} \ll \log x (\log \log x)^{3/4 + \epsilon}$
casi seguramente.

Significancia y Reivindicaciones
El artículo afirma ser el primer resultado que demuestra que el modelo de Rademacher proporciona más cancelación (en el sentido de momentos más pequeños para ciertos órdenes, aunque aquí la cota superior es mayor debido a la ponderación específica) que el modelo de Steinhaus en el contexto de sumas ponderadas.

La principal significancia radica en la identificación de la contribución del caos multiplicativo como el factor dominante para las grandes fluctuaciones en el caso de Rademacher, contrastando con el caso de Steinhaus donde el tamaño del propio producto de Euler aleatorio impulsa las fluctuaciones. El autor señala que la cota superior en el Teorema 1 probablemente no es aguda, conjeturando que el orden de magnitud real es $(\log \log x)^{1/4 + \epsilon}$ , coincidiendo con el caso restringido y el caso Steinhaus. La brecha entre la cota superior probada y la cota aguda conjeturada se atribuye a la dificultad de controlar la parte "suave" de la suma (enteros sin factores primos grandes) en el entorno ponderado.

El trabajo se apoya fuertemente en los resultados de probabilidad de "caja negra" del trabajo de Harper sobre momentos bajos y caos multiplicativo, adaptándolos a las restricciones específicas de las variables de Rademacher y las sumas ponderadas. El artículo no propone nuevas aplicaciones experimentales, sino que ofrece una comprensión teórica refinada de las funciones multiplicativas aleatorias, informando potencialmente futuros teoremas del límite central cuantitativos para tales sumas.