🔢 mathematics

Partial sums of random multiplicative functions with supercritical divisor twists

Este artículo establece cotas superiores para las sumas parciales de funciones multiplicativas aleatorias de Steinhaus concurriendo con la función divisor $d_\alpha$ en el rango supercrítico $\alpha \in (1,2)$ , demostrando que coinciden con las predicciones del caos multiplicativo gaussiano y resolviendo una cuestión abierta de Gerspach sobre los pseudomomentos de la función zeta de Riemann.

Autores originales: Jad Hamdan

Publicado 2026-04-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jad Hamdan

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

Imagina que los números enteros (1, 2, 3, 4...) son como una inmensa ciudad llena de edificios. Algunos edificios son simples, otros son complejos y tienen muchas habitaciones. En matemáticas, estudiamos cómo se comportan estos edificios cuando los "agrupamos" o sumamos.

Este artículo de Jad Hamdan es como un informe de un detective que está tratando de entender el caos en esta ciudad de números, pero con un giro muy especial: está usando una moneda trucada (o más bien, una moneda mágica) para decidir el destino de cada edificio.

Aquí tienes la explicación sencilla, paso a paso:

1. El Personaje Principal: La "Moneda Mágica" (Función Multiplicativa Aleatoria)

Imagina que tienes una moneda especial para cada número primo (2, 3, 5, 7...). Cuando lanzas esta moneda, no sale "cara" o "cruz", sino que gira en el aire y se detiene en un punto aleatorio de un círculo.

Si el número es 6 (que es 2 x 3), su valor es el producto de los resultados de la moneda del 2 y la del 3.
Esto crea una secuencia de números que parecen caóticos, pero que siguen reglas ocultas. Los matemáticos llaman a esto una función multiplicativa aleatoria.

El gran misterio es: Si sumas todos estos números aleatorios desde el 1 hasta el $x$ , ¿cuánto vale la suma total?

Si fueran números totalmente independientes (como lanzar dados), esperarías que la suma creciera como la raíz cuadrada de $x$ (una caminata aleatoria normal).
Pero, ¡sorpresa! Estos números tienen una "magia" que hace que se cancelen entre sí mucho más de lo esperado. Es como si, al caminar por la ciudad, dieras un paso adelante y dos atrás, terminando muy cerca del punto de partida.

2. El Problema: ¿Qué pasa si le ponemos "peso" a los edificios?

En el pasado, un genio llamado Harper resolvió este misterio para el caso "normal". Pero en este artículo, Hamdan pregunta: ¿Qué pasa si no tratamos a todos los edificios por igual?

Imagina que algunos edificios son "más importantes" o tienen "más habitaciones". En matemáticas, esto se llama la función divisor $\alpha$ .

Si $\alpha = 1$ , es el caso normal (Harper).
Si $\alpha$ es un número entre 1 y 2 (digamos 1.5), estamos dando un "superpoder" o un "peso extra" a los números que tienen muchos divisores (como los números muy compuestos).

Hamdan descubre que, al darles este peso extra, el comportamiento del caos cambia drásticamente. Ya no es una simple caminata aleatoria; se convierte en algo más intenso, como una tormenta eléctrica en lugar de una brisa suave.

3. La Analogía del "Cielo de Números" (Caos Multiplicativo)

Para entender esto, el autor usa una idea llamada Caos Multiplicativo Gaussiano.
Imagina que la suma de estos números es como medir la altura de las olas en un mar muy agitado.

Caso Normal ( $\alpha=1$ ): Las olas son altas, pero predecibles. Hay una "niebla" (un factor logarítmico) que las suaviza.
Caso Supercrítico ( $\alpha > 1$ ): Aquí es donde ocurre la magia del artículo. Al aumentar el peso ( $\alpha$ ), las olas se vuelven mucho más altas y peligrosas. El autor demuestra que, aunque las olas son enormes, todavía hay una "fuerza de frenado" (una corrección matemática) que impide que la suma explote completamente.

El artículo calcula exactamente cuánto crecen estas olas gigantes. La fórmula que encuentra es como un mapa de navegación para sobrevivir a esta tormenta: dice que el tamaño de la suma depende de dos cosas:

El tamaño de la ciudad ( $\log x$ ).
La intensidad de la tormenta, que se reduce ligeramente por la "niebla" doble ( $\log \log x$ ).

4. La Herramienta Secreta: El "Filtro de Seguridad"

¿Cómo logró Hamdan calcular esto?
Imagina que quieres medir la altura máxima de las olas, pero no puedes ver el mar entero de una vez. En lugar de eso, divide el mar en pequeños trozos y estudia dónde se forman las olas más grandes.

El autor crea un "filtro" (un conjunto de "puntos buenos") que ignora las zonas donde la matemática es demasiado ruidosa y se enfoca solo en las zonas donde las olas alcanzan su pico máximo.
Descubre que las olas más grandes no aparecen por casualidad; siguen un patrón muy específico, como si estuvieran guiadas por un sistema de seguridad invisible.

5. ¿Por qué importa esto? (La Conexión con el Zeta de Riemann)

Al final, el artículo conecta todo esto con uno de los problemas más famosos de las matemáticas: la Hipótesis de Riemann.

La función Zeta de Riemann es como el "corazón" de la teoría de números. Sus valores en ciertos puntos son muy difíciles de predecir.
Hamdan usa sus descubrimientos sobre las "olas gigantes" para predecir con mucha precisión cómo se comportan los promedios de la función Zeta.
Es como si, al entender cómo se mueven las olas en nuestro mar de números aleatorios, pudiéramos predecir el clima en la ciudad de los números primos.

En Resumen

Este artículo es como un manual de supervivencia para navegar por un mar de números que se vuelve cada vez más violento a medida que le damos más "peso" a ciertos números.

Antes: Sabíamos cómo navegar en aguas tranquilas (caso normal).
Ahora: Hamdan nos ha dado el mapa y el equipo para navegar en aguas tormentosas (caso supercrítico), demostrando que, aunque la tormenta es fuerte, tiene reglas estrictas que podemos entender y predecir.

Ha logrado una prueba más corta y elegante para el caso antiguo y ha resuelto un misterio nuevo sobre cómo crecen las sumas cuando los números tienen "superpoderes", cerrando una brecha importante en nuestra comprensión de los números aleatorios.

Resumen Técnico: Sumas Parciales de Funciones Multiplicativas Aleatorias con "Twists" de Divisores Supercríticos

1. Planteamiento del Problema

El artículo aborda el estudio de las sumas parciales de funciones multiplicativas aleatorias, específicamente las funciones multiplicativas aleatorias de Steinhaus ( $f$ ), definidas por $f(p) = Z_p$ en los primos (donde $Z_p$ son variables aleatorias independientes y uniformemente distribuidas en el círculo unitario complejo) y extendidas completamente multiplicativamente.

El foco principal es analizar el comportamiento de las sumas parciales de la forma:
$S_x = \sum_{n \le x} d_\alpha(n) f(n)$
donde $d_\alpha(n)$ es la función de divisores generalizada ( $\alpha$ -divisor), definida mediante la serie de Dirichlet $\zeta(s)^\alpha = \sum d_\alpha(n)n^{-s}$ .

El problema se sitúa en el régimen supercrítico, donde $\alpha \in (1, 2)$ . Este caso contrasta con el caso crítico ( $\alpha = 1$ ) estudiado por Adam Harper, quien resolvió la conjetura de Helson demostrando una cancelación sorprendente en las sumas parciales de $f(n)$ . El objetivo es establecer cotas superiores precisas para los momentos de estas sumas en el régimen supercrítico y entender cómo la presencia del factor $d_\alpha(n)$ altera la estructura de cancelación y la magnitud de las sumas.

2. Metodología

La aproximación del autor se basa en un análisis profundo de los productos de Euler aleatorios asociados a $f$ . La estrategia metodológica se divide en varios componentes clave:

Reducción a Productos de Euler: Utilizando argumentos de criba y el teorema de Parseval, las sumas parciales se relacionan con momentos de integrales de productos de Euler truncados, $F_x(s) = \prod_{p \le x} (1 - f(p)p^{-s})^{-1}$ .
Estudio de Desviaciones Grandes: En lugar de depender únicamente de teoremas de comparación con procesos gaussianos (como el teorema de Girsanov aproximado usado por Harper), el autor estudia directamente la medida de los conjuntos de nivel de $\log |F_x(s)|$ .
Análisis de Extremos de Campos Log-Correlacionados: Se modela $\log |F_x(1/2 + ih)|$ como un campo aleatorio log-correlacionado. El análisis se centra en la estructura de los máximos locales de este campo en intervalos cortos.
Técnicas de Medida Sesgada (Tilted Measures): Para manejar integrales sobre intervalos mesoscópicos y rangos de integración complejos, se emplean argumentos de cambio de medida (medidas sesgadas) para controlar los errores y acotar las contribuciones dominantes.
Descomposición de Sumas: Se utiliza una descomposición basada en la densidad de números "y-rough" (números cuyos factores primos son todos mayores que $y$ ) para separar las contribuciones de los primos pequeños y grandes, permitiendo una estimación más precisa de los momentos.

3. Contribuciones Clave y Resultados Principales

A. Cota Superior para Momentos en el Régimen Supercrítico (Teorema 1.1)
El resultado principal establece una cota superior uniforme para los momentos $2q$ de las sumas parciales normalizadas. Para $\alpha \in (1, 2)$ y $q \in [0, 1/\alpha]$ , se demuestra que:
$\mathbb{E} \left[ \left| \frac{1}{\sqrt{x}} \sum_{n \le x} d_\alpha(n) f(n) \right|^{2q} \right] \ll \frac{(\log x)^{2q(\alpha-1)}}{(\log \log x)^{3\alpha q/2 (1-\alpha q)} + 1}$
Esta cota coincide con las predicciones de la teoría del caos multiplicativo gaussiano (GMC) supercrítico. El término $(\log x)^{2q(\alpha-1)}$ refleja el crecimiento inducido por el divisor, mientras que el término logarítmico doble $(\log \log x)$ captura las correcciones finas debidas a la cancelación aleatoria.

B. Nueva Prueba de la Conjetura de Helson (Sección 2)
El autor proporciona una prueba corta y autocontenida de la cota superior de Harper para el caso crítico ( $\alpha = 1$ ).

Innovación: Evita el uso de un teorema de Girsanov aproximado, basándose en cambio en el estudio de las desviaciones grandes de los productos de Euler y la medida de los conjuntos de nivel.
Resultado: Se demuestra que la integral está dominada por aquellos $h$ donde $\log |F_x(1/2 + ih)| = \log \log x - O(\sqrt{\log \log x})$ .

C. Análisis de Máximos y Conjuntos de Nivel (Corolarios 1.4 y 1.5)
Se establecen cotas para el máximo de $|F_x(1/2 + ih)|$ y la medida típica de los conjuntos de nivel cerca de dicho máximo:

Corolario 1.4: Proporciona una cota para la probabilidad de que el máximo exceda cierto umbral, análoga a la conjetura de Fyodorov-Hiary-Keating para la función Zeta de Riemann.
Corolario 1.5: Describe la medida de los puntos donde el logaritmo del módulo del producto de Euler se encuentra cerca de su valor máximo, mostrando una estructura típica de procesos log-correlacionados.

D. Pseudomomentos de la Función Zeta de Riemann (Teorema 1.6)
Como aplicación, se obtiene una cota superior para los pseudomomentos de la función Zeta de Riemann, $\Psi_{2q, \alpha}(x)$ , en el rango $1 < \alpha < 2$ y $q$ pequeño.
$\Psi_{2q, \alpha}(x) \ll \frac{(\log x)^{2q(\alpha-1)}}{(\log \log x)^{q(3\alpha/2)}}$
Esto responde a una pregunta abierta de Gerspach y confirma la parte superior de su conjetura sobre el exponente correcto de $(\log \log x)$ en este régimen.

4. Significado e Impacto

Unificación de Teorías: El trabajo conecta la teoría de funciones multiplicativas aleatorias con la teoría del caos multiplicativo gaussiano (GMC), extendiendo los resultados del caso crítico al régimen supercrítico.
Precisión en Cotas: Proporciona las primeras cotas superiores que capturan correctamente las correcciones de doble logaritmo en el régimen supercrítico, algo que los métodos anteriores no lograban con tanta precisión.
Herramientas Nuevas: La metodología desarrollada, que evita la dependencia de teoremas de comparación gaussianos complejos a favor del análisis directo de desviaciones grandes y medidas de nivel, ofrece un marco más robusto y potencialmente aplicable a otros problemas en teoría analítica de números.
Resolución de Conjeturas: Confirma predicciones heurísticas basadas en trabajos previos de Arguin, Ouimet, Radziwiłł y Fyodorov-Hiary-Keating, consolidando nuestra comprensión de la distribución de valores de funciones L aleatorias y la función Zeta de Riemann.

En resumen, este artículo representa un avance significativo en la comprensión de la cancelación estocástica en sumas de funciones multiplicativas con pesos aritméticos, ofreciendo herramientas analíticas potentes y resultados precisos que alinean la teoría de números probabilística con la física estadística de sistemas desordenados (GMC).