Green--Wasserstein Inequality on Compact Surfaces

En esta nota, los autores demuestran que es imposible eliminar el factor $\sqrt{\log n}$ de la desigualdad de Green-Wasserstein en superficies compactas sin perder el término de Green no renormalizado, ya que tal desigualdad no puede sostenerse uniformemente con un resto de orden $O(n^{-1/2})$.

Lo esencial

Imagina que tienes una superficie curva y cerrada, como una pelota de fútbol o una dona (un toro). Ahora, imagina que quieres colocar $n$ puntos (como semillas o gotas de pintura) sobre esta superficie de la manera más "equilibrada" posible. Tu objetivo es que estos puntos cubran la superficie uniformemente, sin que se amontonen en un lado y dejen el otro vacío.

En matemáticas, medimos qué tan bien distribuidos están estos puntos usando una herramienta llamada distancia de Wasserstein. Piensa en esto como el "costo de mudanza": si tuvieras que mover esas $n$ semillas desde su posición actual hasta una distribución perfecta y uniforme, ¿cuánto esfuerzo (distancia) costaría?

El Problema: ¿Podemos predecir el caos?

Los matemáticos han descubierto una fórmula interesante para estimar este costo. La fórmula tiene dos partes:

1. La parte predecible: Un término que depende de cuántos puntos tienes ($n$). Cuantos más puntos, más fácil es distribuirlos bien.
2. La parte "caótica" (Energía de Green): Un término que mide cómo interactúan los puntos entre sí. Imagina que cada punto tiene un "campo de fuerza" a su alrededor. Si dos puntos están muy cerca, su interacción es muy fuerte (y a veces negativa o positiva dependiendo de la física del problema). Esta interacción se calcula sumando las fuerzas entre todos los pares de puntos.

En dimensiones altas (como en un cubo de 10 dimensiones), esta fórmula funciona muy bien. Pero en 2 dimensiones (como nuestra superficie curva), había un misterio.

El matemático Steinerberger propuso una pregunta: "¿Podemos eliminar un factor molesto de $\sqrt{\log n}$ de la fórmula y dejarla más simple, manteniendo la parte de la interacción entre puntos tal cual?"

Básicamente, él preguntaba: "¿Podemos decir que el error de nuestra distribución es simplemente proporcional a $1/\sqrt{n}$ más la interacción de los puntos, sin ese término extra de logaritmo?"

La Respuesta: ¡No, no se puede!

En este artículo, la autora Maja Gwóźdz demuestra que la respuesta es un rotundo NO.

Para entender por qué, usaremos una analogía:

La Analogía de la Fiesta y los Invitados

Imagina que estás organizando una fiesta en una habitación redonda (tu superficie). Tienes $n$ invitados (los puntos).

• La distribución ideal: Todos los invitados están perfectamente espaciados, como si fueran soldados en formación.
• La realidad: Los invitados son aleatorios. A veces se agrupan, a veces se alejan.

El término $\sqrt{\log n}$ es como un "factor de sorpresa". En 2 dimensiones, la naturaleza es un poco más caprichosa que en 3 o más dimensiones. Cuando los puntos se distribuyen al azar, tienden a formar pequeños grupos o huecos de una manera que crea un "ruido" extra que no se puede ignorar.

La autora demuestra que si intentas ignorar ese "factor de sorpresa" (el $\sqrt{\log n}$) y solo usas la interacción básica entre los puntos, tu predicción fallará estrepitosamente cuando el número de invitados ($n$) sea muy grande.

¿Cómo lo demostró? (El Experimento Mental)

La autora no miró un solo caso específico, sino que usó la probabilidad como su arma:

1. El Experimento: Imagina que lanzas los puntos al azar sobre la superficie millones de veces.
2. La Predicción Falsa: Si la fórmula de Steinerberger (sin el logaritmo) fuera cierta, entonces el "costo de mudanza" promedio debería ser muy pequeño, casi como $1/n$.
3. La Realidad Matemática: Usando resultados recientes de otros matemáticos (Ambrosio y Glaudo), ella sabe que en la realidad, el costo promedio es mucho más alto: es proporcional a $\frac{\log n}{n}$.
4. El Choque: Al comparar la predicción falsa (que dice que el error es pequeño) con la realidad (que dice que el error es más grande por culpa del logaritmo), se llega a una contradicción matemática. Es como intentar encajar un cuadrado grande en un agujero cuadrado pequeño; simplemente no cuadra.

Conclusión Simple

La conclusión es que en el mundo de las superficies bidimensionales (como una hoja de papel curvada o una esfera), la naturaleza tiene un "ruido" inherente que no se puede eliminar.

Si quieres predecir qué tan bien distribuidos están los puntos usando la energía de sus interacciones, debes incluir ese término extra de $\sqrt{\log n}$. Intentar quitarlo es como intentar predecir el clima de mañana ignorando la humedad: la fórmula se verá más limpia, pero dejará de ser verdadera.

En resumen: No se puede simplificar la fórmula eliminando ese factor logarítmico. La complejidad de las interacciones en 2D es real y necesaria para describir la realidad.

Resumen técnico

Resumen Técnico: Desigualdad Green–Wasserstein en Superficies Compactas

1. Planteamiento del Problema

El artículo aborda una pregunta abierta formulada por Steinerberger en el contexto de la teoría de transporte óptimo y análisis geométrico en variedades riemannianas.

• Contexto: Sea $(M, g)$ una variedad riemanniana compacta, conexa y bidimensional sin frontera. Se considera la medida de volumen normalizada $dx$ y una medida empírica $\mu_n = \frac{1}{n}\sum_{i=1}^n \delta_{x_i}$ generada por $n$ puntos $x_1, \dots, x_n \in M$.
• La Desigualdad Existente: Steinerberger demostró que para dimensiones $d \geq 3$, la distancia de Wasserstein cuadrática $W_2(\mu_n, dx)$ está acotada por un término de energía de Green no renormalizado más un resto de orden $n^{-1/d}$. En dimensión $d=2$, la desigualdad conocida incluye un factor logarítmico:
  $$W_2(\mu_n, dx) \lesssim_M \frac{1}{n} \left| \sum_{i \neq j} G(x_i, x_j) \right|^{1/2} + \sqrt{\frac{\log n}{n}}$$
  donde $G(x, y)$ es la función de Green simétrica de media cero del Laplaciano.
• La Pregunta (Problema 1): ¿Es posible eliminar el factor $\sqrt{\log n}$ en el término de resto (reemplazándolo por $1/\sqrt{n}$) manteniendo el mismo término de energía de Green no renormalizado ($\sum_{i \neq j} G(x_i, x_j)$)? Es decir, ¿existe una constante$C_M$tal que para todo$n$ y todo conjunto de puntos:
  $$W_2(\mu_n, dx) \leq C_M \left( \frac{1}{\sqrt{n}} + \frac{1}{n} \left| \sum_{i \neq j} G(x_i, x_j) \right|^{1/2} \right)?$$

2. Metodología

El autor responde a esta pregunta mediante una prueba por contradicción, combinando herramientas de probabilidad, análisis funcional y teoría de transporte óptimo asintótico.

1. Suposición de Contradicción: Se asume que la desigualdad sin el factor $\sqrt{\log n}$ es válida universalmente para todos los conjuntos de puntos.
2. Análisis de Momentos (Estimación de Segundo Momento):
   • Se consideran los puntos $X_1, \dots, X_n$ como variables aleatorias independientes e idénticamente distribuidas (i.i.d.) con ley $dx$.
   • Se define la energía de Green aleatoria $S_n = \sum_{i \neq j} G(X_i, X_j)$.
   • Se demuestra que $\mathbb{E}[S_n] = 0$ debido a la propiedad de media cero de la función de Green.
   • Se calcula la varianza (segundo momento) $\mathbb{E}[S_n^2]$. Utilizando la ortogonalidad de los términos cruzados en estadísticas U (debido a la independencia y media cero), se prueba que $\mathbb{E}[S_n^2] = 2n(n-1)\sigma^2$, donde $\sigma^2 = \iint G(x,y)^2 dx dy < \infty$. Esto implica que $\mathbb{E}|S_n| \leq C \sqrt{n}$.
3. Aplicación de la Desigualdad Hipotética:
   • Si la desigualdad sin $\sqrt{\log n}$ fuera cierta, al elevar al cuadrado y tomar expectativas, se obtendría una cota superior para el segundo momento de la distancia de Wasserstein:
     $$\mathbb{E}[W_2(\mu_n, dx)^2] \leq \frac{C}{n}$$
     (es decir, una tasa de convergencia de orden $O(1/n)$).
4. Contraste con Asintóticas Conocidas:
   • Se invoca el resultado de Ambrosio y Glaudo sobre el problema de emparejamiento semidiscreto en superficies compactas.
   • Su teorema establece que el comportamiento asintótico esperado de la distancia de Wasserstein al cuadrado es:
     $$\mathbb{E}[W_2(\mu_n, dx)^2] \sim \frac{\text{vol}(M)}{4\pi} \frac{\log n}{n}$$
   • Este resultado es una cota inferior rigurosa que incluye el término $\frac{\log n}{n}$.

3. Resultados Clave

El resultado principal se formaliza en el Teorema 1:

• Imposibilidad Universal: No existe ninguna constante $C_M > 0$ tal que la desigualdad propuesta (sin el factor $\sqrt{\log n}$) se cumpla uniformemente para todos los conjuntos de puntos en una superficie compacta conexa.
• Conclusión del Contradicción: La suposición de que el término de resto puede ser $O(1/\sqrt{n})$ conduce a una contradicción matemática:
  • La desigualdad hipotética implica $\mathbb{E}[W_2^2] = O(1/n)$.
  • La realidad asintótica (Ambrosio-Glaudo) dicta $\mathbb{E}[W_2^2] = \Omega(\frac{\log n}{n})$.
  • Dado que $\frac{\log n}{n}$ crece más rápido que $\frac{1}{n}$, la desigualdad hipotética falla para $n$ suficientemente grande.

4. Contribuciones Técnicas

• Resolución de una Conjetura: Se responde negativamente a la pregunta de Steinerberger, estableciendo que el factor $\sqrt{\log n}$ es necesario si se desea mantener el término de energía de Green no renormalizado.
• Análisis de la Función de Green: Se demuestra rigurosamente que la función de Green simétrica de media cero en dimensión 2 pertenece a $L^2(M \times M)$, a pesar de su singularidad logarítmica en la diagonal. Esto es crucial para garantizar que los momentos de la energía aleatoria estén bien definidos.
• Conexión entre Determinismo y Probabilidad: El argumento utiliza configuraciones aleatorias para demostrar una imposibilidad en el contexto determinista, mostrando que si la desigualdad fallara para configuraciones aleatorias (que ocurren con probabilidad 1), entonces no puede ser universalmente válida.

5. Significado e Implicaciones

• Optimalidad de la Desigualdad: El trabajo confirma que la desigualdad de Green–Wasserstein en dimensión 2 es óptima en su forma actual. El término $\sqrt{\log n}$ no es un artefacto de la prueba, sino una barrera fundamental inherente a la geometría de las superficies bidimensionales y la naturaleza de la función de Green.
• Distinción entre Energía Renormalizada y No Renormalizada: El autor aclara en la Remark 4 que este resultado no descarta tasas de $n^{-1/2}$ para conjuntos de puntos deterministas específicos, ni descarta desigualdades que utilicen una energía de Green renormalizada (donde se restan las singularidades). La imposibilidad recae estrictamente en el uso del término de energía no renormalizado tal como aparece en la pregunta original.
• Impacto en Teoría de Transporte: Refina nuestra comprensión de cómo la geometría local (singularidad logarítmica) afecta la tasa de convergencia global en problemas de emparejamiento óptimo en 2D.

En resumen, el artículo demuestra matemáticamente que no se puede eliminar el factor logarítmico de la desigualdad de Green–Wasserstein en superficies compactas sin modificar la definición del término de energía, cerrando así una pregunta abierta importante en el análisis geométrico moderno.