Distribution of mixed character sums and extremal problems for Littlewood polynomials

Aquí presento un resumen técnico detallado del artículo "DISTRIBUTION OF MIXED CHARACTER SUMS AND EXTREMAL PROBLEMS FOR LITTLEWOOD POLYNOMIALS" (Distribución de sumas de caracteres mixtos y problemas extremos para polinomios de Littlewood), escrito por Jonathan W. Bober, Oleksiy Klurman y Besfort Shala.

---

1. Introducción y Planteamiento del Problema

El artículo aborda el comportamiento estadístico de las sumas de caracteres mixtos definidas como:
$$S(\chi, x, \theta) = \sum_{n \le x} \chi(n) e(n\theta)$$
donde $\chi$ es un carácter de Dirichlet multiplicativo módulo $q$, y $e(x) = e^{2\pi i x}$.

Los autores se centran en dos problemas fundamentales:

1. Distribución de caracteres aleatorios: Determinar la distribución de $S(\chi, x, \theta)$ cuando $\chi$ varía sobre el conjunto de caracteres módulo $q$ (con $x/q \to \beta$ fijo y $q \to \infty$).
2. Distribución de desplazamientos aleatorios: Determinar la distribución límite cuando se fija un carácter cuadrático $\chi_q$ y se elige $\theta \in [0, 1]$ uniformemente al azar.

El contexto motivador incluye problemas clásicos en teoría analítica de números, como la cancelación de sumas parciales (más allá de la raíz cuadrada) y la estructura de polinomios con coeficientes $\pm 1$ (polinomios de Littlewood).

2. Metodología y Enfoque Técnico

La innovación central del trabajo reside en combinar herramientas de teoría de probabilidades, análisis armónico y teoría de números para modelar estas sumas como procesos estocásticos.

A. Procesos Estocásticos Límite

Los autores definen procesos estocásticos normalizados que capturan el comportamiento límite de las sumas de caracteres. Utilizan la fórmula de suma de Poisson (cuantitativa) para transformar las sumas exponenciales en series condicionalmente convergentes.

Definen dos procesos límite principales en el espacio de funciones continuas $C[0,1]$:

1. Proceso $F_{k, \alpha, \beta}(t)$: Surge cuando el carácter $\chi$ es aleatorio. Involucra variables de Steinhaus aleatorias $W(l)$ (completamente multiplicativas) y una variable aleatoria $X$ en el círculo unitario.
   $$F_{k, \alpha, \beta}(t) = X e(\alpha t) \frac{1}{2\pi i} \sum_{l \in \mathbb{Z}} \frac{e(\alpha l)(e(\beta(l+t)) - 1)}{l+t} W(k-l)$$
2. Proceso $G_{\alpha, \beta}(t)$: Surge cuando se fija el carácter cuadrático $\chi_q$ y se aleatoriza el desplazamiento $k$. Involucra variables aleatorias independientes $Y(l)$ uniformemente distribuidas en $\{-1, 1\}$.
   $$G_{\alpha, \beta}(t) = e(\alpha t) \frac{1}{2\pi i} \sum_{l \in \mathbb{Z}} \frac{e(\alpha l)(e(\beta(l+t)) - 1)}{l+t} Y(l)$$

B. Convergencia de Momentos y Compactitud

Para probar la convergencia en distribución de los procesos discretos a estos procesos límite, los autores emplean:

• Criterio de Prokhorov: Demuestran la compacidad relativa de las secuencias de procesos verificando condiciones de "tightness" (estrechamiento) mediante cotas de momentos.
• Método de Momentos: Calculan los momentos mixtos de las distribuciones finitas dimensionales. Un desafío técnico crucial es manejar las congruencias módulo $q$ en las ecuaciones polinómicas que surgen al calcular momentos.
  • Para $k$ fijo o creciendo lentamente ($k = q^{o(1)}$), las condiciones módulo $q$ se vuelven irrelevantes asintóticamente.
  • Para $k$ más grande, deben eliminar un subconjunto de densidad cero de primos donde ocurren "coincidencias lineales" o de grado superior que alterarían la distribución. Esto se logra mediante lemas de eliminación de primos basados en la teoría de raíces de polinomios módulo primos.

C. El Problema de la "Log-Integrabilidad"

Un obstáculo significativo es que el funcional de la medida de Mahler, $\ell(f) = \int_0^1 \log|f(t)| dt$, no es continuo en el espacio $C[0,1]$. Por lo tanto, la convergencia en distribución de los procesos no implica automáticamente la convergencia de sus medidas de Mahler.

Para superar esto, los autores desarrollan una técnica general de log-integrabilidad:

• Introducen un funcional regularizado $\ell_\epsilon(f)$ que evita la singularidad en cero.
• Demuestran que la integral sobre la región donde $|f(t)| < \epsilon$ es uniformemente pequeña ($O(\epsilon^{1/2k})$) utilizando operadores diferenciales lineales.
• Proposición Clave (Prop. 1): Si un operador diferencial $\Delta$ de orden $k$ satisface $|\Delta f(t)| \ge 1$, entonces la integral de $\log|f(t)|$ cerca de cero está acotada. Esto permite controlar la contribución de los valores pequeños de la función sin necesidad de convergencia absoluta de las series de derivadas (algo que falla en sus casos).

3. Contribuciones y Resultados Principales

Teorema 1 y 2: Distribución de Sumas Mixtas

Establecen que los procesos de sumas de caracteres (ya sea con carácter aleatorio o desplazamiento aleatorio) convergen en distribución a los procesos estocásticos $F$ y $G$ descritos anteriormente. Esto proporciona una descripción probabilística completa del comportamiento de estas sumas en el límite.

Aplicación 1: Problema de Mahler y Polinomios de Littlewood

El problema de Mahler busca maximizar la medida de Mahler $M_0(P)$ de polinomios de Littlewood (coeficientes $\pm 1$) normalizada por $\sqrt{n}$.

• Antecedentes: Se sabía que el límite superior es 1 (conjetura de polinomios "ultra-planos"), pero no se había alcanzado. Valores anteriores rondaban $0.951$.
• Resultado Nuevo (Corolario 2): Utilizando sus resultados de distribución y la nueva técnica de log-integrabilidad, los autores construyen polinomios de Littlewood de grado arbitrariamente grande con una medida de Mahler normalizada $> 0.954$.
• Método: Analizan sumas de caracteres incompletas con parámetros específicos ($\alpha = 0.2, \beta = 1.1$) y demuestran que la medida de Mahler esperada de estos procesos converge a un valor superior a los récords anteriores.

Aplicación 2: Normas $L^{2k}$ y Conjetura de Günther-Schmidt

Los autores estudian las normas $L^{2k}$ de los polinomios de Turyn (caso $\beta=1$).

• Conjetura: Günther y Schmidt conjeturaron que la norma $L^{2k}$ normalizada se minimiza en el desplazamiento $\alpha = 1/4$ para todo $k \ge 2$.
• Resultado (Teorema 4): Demuestran que $\arg\min_{\alpha} \phi_k(\alpha) = 1/4$ para todo entero $k \ge 2$.
• Significado: Esto confirma que los polinomios de Turyn desplazados en $\alpha=1/4$ son los más "planos" (tienen menor energía en normas altas), lo que explica por qué la medida de Mahler en este punto es alta (ya que la planitud favorece una medida de Mahler grande).

4. Significado e Impacto

1. Avance en Problemas Extremos: El artículo establece nuevos récords en el problema de Mahler, acercándose significativamente al límite teórico de 1, y resuelve una conjetura abierta sobre la minimización de normas $L^{2k}$.
2. Nueva Herramienta Analítica: La técnica desarrollada para manejar la log-integrabilidad en series de Fourier que no convergen absolutamente es un aporte metodológico independiente. Permite aplicar resultados de distribución de procesos estocásticos a funcionales no continuos, lo cual es crucial en problemas de teoría de números donde las funciones objetivo involucran logaritmos.
3. Conexión Profunda: El trabajo une la teoría de caracteres de Dirichlet (un área clásica de la teoría analítica de números) con la teoría de probabilidad de procesos estocásticos y la teoría de polinomios, mostrando cómo modelos aleatorios pueden predecir y optimizar propiedades extremas de objetos deterministas.

En resumen, este artículo proporciona una comprensión profunda de la distribución de sumas de caracteres mixtos y utiliza este entendimiento para resolver problemas extremos de larga data en la teoría de polinomios, introduciendo técnicas robustas para manejar la singularidad logarítmica en contextos analíticos complejos.