A sharp almost sure upper bound for partial sums of random multiplicative functions

Resumen Técnico: Un Límite Superior Casi Seguro Agudo para Sumas Parciales de Funciones Multiplicativas Aleatorias

Planteamiento del Problema
El artículo aborda el comportamiento asintótico casi seguro de las sumas parciales $M_f(x) = \sum_{n \le x} f(n)$, donde $f$ es una función multiplicativa aleatoria. El estudio se centra en dos modelos específicos:

1. Modelo Steinhaus: $f(p)$ son independientes y distribuidas uniformemente en el círculo unidad $\mathbb{T}$, extendidas de forma completamente multiplicativa.
2. Modelo Rademacher: $f(p)$ son signos simétricos independientes ($\pm 1$), extendidos multiplicativamente a enteros libres de cuadrados (soportados en $\mu^2(n)=1$).

Aunque el segundo momento $E|M_f(x)|^2$ escala como $x$, se espera que el límite superior casi seguro sea mayor debido a las correlaciones. Trabajos previos establecieron un límite inferior de orden $\sqrt{x}(\log \log x)^{1/4}$ (Harper [12]) y varios límites superiores con exponentes logarítmicos mayores, tales como $\sqrt{x}(\log \log x)^{2+\varepsilon}$ (Basquin [3]; Lau–Tenenbaum–Wu [13]) y $\sqrt{x}(\log \log x)^{3/4+\varepsilon}$ (Caich [5]). Harper conjeturó que el límite superior casi seguro agudo debería coincidir con el límite inferior hasta un factor $\varepsilon$ arbitrario en el exponente, específicamente $\sqrt{x}(\log \log x)^{1/4+\varepsilon}$.

Metodología
Los autores emplean una estrategia probabilística y analítica de múltiples etapas para probar la cota conjeturada. La prueba sigue la arquitectura general de Caich [5] pero introduce un refinamiento crítico en la estimación de los momentos.

1. Discretización e Interpolación:
   La variable continua $x$ se reemplaza por una secuencia dispersa de "puntos de prueba" $x_i = \lfloor \exp(i c_0) \rfloor$. El Lema 3.8 demuestra que la fluctuación de $M_f(x)$ entre puntos de prueba consecutivos es despreciable (menor que cualquier potencia de $\log x$) casi seguramente, lo que permite reducir el problema a acotar $M_f(x_i)$.

2. Descomposición del Mayor Primo:
   La suma $M_f(x_i)$ se descompone basándose en el factor primo mayor $P(n)$ de los enteros $n \le x_i$. Los primos se particionan en bloques $(y_{j-1}, y_j]$.

   • Término Suave (Smooth Term): Enteros con $P(n) \le y_0$.
   • Término de Ocurrencia Única ($M_f^{(1)}$): Enteros donde el mayor primo aparece exactamente una vez. Esto forma una martingala indexada por primos.
   • Término de Ocurrencia Repetida ($M_f^{(2)}$): Enteros donde el mayor primo aparece al menos dos veces. En el modelo Rademacher, este término desaparece.

3. Suavizado y Variación Cuadrática:
   El control del término de ocurrencia única depende de acotar su variación cuadrática predecible $V_\ell(x_i; f)$. Los autores utilizan una desigualdad de suavizado (Proposición 3.15) para relacionar $V_\ell$ con un término de media cuadrática logarítmica principal $M_\ell$ y varios términos de error auxiliares (términos $\lambda$, términos de frontera y términos $W$). Se muestra que los términos auxiliares son sumables mediante herramientas probabilísticas estándar (desigualdades de Doob, Azuma–Hoeffding).

4. Innovación Clave: Momentos Superiores Condicionales:
   La dificultad central radica en controlar el término principal $M_\ell$ uniformemente a través de los $J \asymp \log \log x$ bloques de primos.

   • Enfoque Previo (Caich): Dependía de estimaciones del primer momento condicional sumadas sobre los bloques, lo que resultaba en una pérdida de un factor de $\sqrt{\log \log x}$.
   • Enfoque Actual: Los autores introducen una estimación de momento $r$-ésimo condicional fijo (Proposición 5.2 para Steinhaus, Proposición 7.8 para Rademacher). Definen un producto de Euler integral normalizado y sesgado $I_j$ y prueban que este forma un supermartingala (Lema 5.1, Lema 7.7).
   • Crucialmente, establecen que $E[U_j^r \mid \mathcal{F}_{y_{j-1}}] \ll I_{j-1}^r$, donde $U_j$ domina el término principal. Este control de momentos superiores, combinado con un argumento de parada (usando el límite de momento $2/3$ de Harper [9] para el caso Steinhaus y una estimación desplazada para Rademacher), produce un factor compensador de $L^{-1}$ (donde $L \asymp \log \log x$). Esto cancela precisamente el límite de unión (union bound) sobre los $J$ bloques, eliminando la pérdida adicional de $\sqrt{\log \log x}$.

5. Ajustes Específicos del Modelo:

   • Steinhaus: Utiliza la desigualdad hipercontractiva estándar (Lema 3.1) y la estimación de bajo momento de Harper para la media cuadrática de la línea completa (Lema 4.1).
   • Rademacher: Requiere modificaciones porque los signos no son invariantes ante rotación. Los autores utilizan una estimación de intervalo unitario desplazado (Lema 7.4) y adaptan la construcción de la supermartingala a la estructura específica del producto de Euler del modelo Rademacher (Lema 7.7).

Resultados Clave
El teorema principal establece el límite superior casi seguro agudo para ambos modelos:

Teorema 1: Sea $f$ una función multiplicativa aleatoria de tipo Steinhaus o Rademacher. Para cada $\varepsilon > 0$, casi seguramente:
$$|M_f(x)| \ll_{\varepsilon, f} \sqrt{x} (\log \log x)^{1/4 + \varepsilon}$$

Esto está respaldado por la Proposición 1.1, que proporciona una declaración de orden fijo más precisa: para cualquier entero $r \ge 2$ y $\eta > 0$, casi seguramente:
$$|M_f(x)| \ll_{r, \eta, f} \sqrt{x} (\log \log x)^{1/4 + 1/(2r) + \eta}$$

Combinando esto con el límite inferior de Harper (1.6), los autores derivan el Corolario 1.2, determinando el exponente logarítmico exacto:
$$\limsup_{x \to \infty} \frac{\log(1 + |M_f(x)|/\sqrt{x})}{\log \log \log x} = \frac{1}{4}$$

Significado y Reivindicaciones
El artículo afirma resolver la conjetura de Harper sobre las grandes fluctuaciones de las funciones multiplicativas aleatorias. Al determinar el exponente logarítmico agudo de $1/4$, el trabajo resuelve la discrepancia entre los límites superiores previos (que tenían exponentes como $2$o$3/4$) y el límite inferior conocido.

Los autores enfatizan que la prueba no se basa en argumentos de independencia (que fallan debido a las correlaciones multiplicativas) sino en una comprensión refinada de cómo estas correlaciones persisten a medida que $x$ varía. Su contribución técnica primordial es el reemplazo del paso de primer momento condicional del trabajo previo con una estimación de momento $r$-ésimo condicional fijo sobre un único bloque de primos. Esta innovación permite la absorción precisa del límite de unión sobre el número logarítmico de bloques de primos, logrando el exponente conjeturado. El artículo afirma que este resultado, junto con el límite inferior, caracteriza completamente el tamaño casi seguro de las sumas parciales para estas funciones multiplicativas aleatorias.