Large fluctuations of sums of a random multiplicative function

1. Problématique et Contexte

L'article s'inscrit dans l'étude des fonctions multiplicatives aléatoires, introduites par Wintner. Deux modèles principaux sont considérés :

• Fonction de Rademacher : $f(p)$ est uniformément distribué sur $\{-1, 1\}$ pour chaque nombre premier $p$, et $f(mn) = f(m)f(n)$ si $\gcd(m,n)=1$.
• Fonction de Steinhaus : $f(p)$ est uniformément distribué sur le cercle unité $\mathbb{C}$, avec la même propriété de multiplicativité.

Le problème central est de comprendre le comportement des sommes partielles $\sum_{n \in A} f(n)$, où $A$ est un sous-ensemble arithmétiquement intéressant des entiers.

• Pour la somme totale ($A = [1, N]$), Harper a démontré que la distribution n'est pas gaussienne et que la taille typique est de l'ordre de $\sqrt{N}/(\log \log N)^{1/4}$.
• Cependant, pour certains sous-ensembles "moins structurés multiplicativement" (comme les images de polynômes ou les intervalles courts), la distribution tend vers une loi gaussienne.

L'objectif de l'article est d'étendre le cadre du théorème central limite (TCL) développé par Soundararajan et Xu à l'étude des grandes fluctuations presque sûres (almost sure large fluctuations). L'auteur cherche à établir des bornes inférieures et supérieures presque sûres pour ces sommes, en particulier dans le régime où la variance est proche de celle d'une somme de variables indépendantes.

2. Méthodologie

La preuve repose sur une approche probabiliste sophistiquée combinant la théorie des martingales et l'analyse arithmétique.

A. Structure de Martingale

L'observation clé, initialement due à Harper, est que la somme $\sum_{n \in A} f(n)$ possède une structure de martingale par rapport à la filtration induite par le plus grand facteur premier $P^+(n)$.
L'auteur utilise un théorème central limite quantitatif pour les martingales (d'après Hall et Heyde) pour borner la distance de Kolmogorov entre la somme normalisée et une loi gaussienne. Cette borne dépend des moments d'ordre 4 et de la variance conditionnelle.

B. Théorème Central Limite Multivarié Quantitatif

Pour obtenir des résultats "presque sûrs" (qui nécessitent de considérer des séquences de sommes à différentes échelles), il est crucial de contrôler la dépendance entre plusieurs sommes simultanées.

• L'auteur applique un résultat récent de Bobkov et Götze reliant la distance de Kantorovich-Wasserstein entre deux lois multivariées à la distance de Kolmogorov de leurs combinaisons linéaires.
• Cela permet de déduire un TCL multivarié quantitatif à partir de la structure de martingale unidimensionnelle, évitant ainsi les méthodes complexes de Stein (paires échangeables) qui peinent à gérer les dépendances arithmétiques fines (ex: $p|n$ et $q|n+1$).

C. Entrées Arithmétiques (Moments d'ordre 4)

La qualité de l'approximation gaussienne dépend du nombre de solutions non triviales à l'équation du quatrième moment :
$$n_1 n_2 n_3 n_4 = \square \quad (\text{ou } n_1 n_2 = n_3 n_4 \text{ pour Steinhaus})$$
avec $n_i \in A$.

• L'objectif est de montrer que le nombre de solutions non triviales est négligeable par rapport aux solutions triviales (où les indices sont appariés).
• Pour les images de polynômes, l'auteur utilise des bornes de type "power-saving" existantes.
• Pour les intervalles courts, la situation est plus délicate. L'auteur conditionne sur les petits nombres premiers et isole les entiers très lisses (smooth integers) pour contrôler les moments, en s'appuyant sur des résultats de Soundararajan et Xu concernant l'élimination des entiers avec un nombre atypique de facteurs premiers.

3. Résultats Principaux

L'article établit deux théorèmes majeurs concernant les fluctuations presque sûres (limsup).

Théorème A : Images de Polynômes

Soit $P \in \mathbb{Z}[x]$ un polynôme admissible (produit de facteurs linéaires distincts ou irréductible de degré 2, etc.).
L'auteur démontre que presque sûrement :
$$\limsup_{N \to \infty} \frac{\left| \sum_{n \le N} f(P(n)) \right|}{\sqrt{N \log \log N}} > 0$$
et établit la borne supérieure correspondante :
$$\left| \sum_{n \le N} f(P(n)) \right| \ll \sqrt{N \log \log N}$$

• Nouveauté : La borne supérieure est un résultat nouveau. La borne inférieure étend les travaux précédents (Klurman, Shkredov, Xu, Chinis) au cas où le polynôme se factorise en facteurs linéaires sur $\mathbb{Q}$, un cas où les méthodes antérieures échouaient car tous les facteurs premiers de $P(n)$ sont petits.
• Le résultat correspond à la loi du logarithme itéré (Law of the Iterated Logarithm).

Théorème B : Intervalles Courts

Soit $H = H(N)$ une fonction croissante, concave, avec $N^{11/15} \le H \le N/(\log N)^c$ (pour $c > 2\log 2 - 1$).
Pour la somme sur un intervalle court $(N-H, N]$, l'auteur prouve que presque sûrement :
$$\limsup_{N \to \infty} \frac{\left| \sum_{N-H < n \le N} f(n) \right|}{\sqrt{H \frac{\log N}{H}}} > 0$$

• Interprétation : Les fluctuations sont de l'ordre de $\sqrt{H \log(N/H)}$. Ce terme $\log(N/H)$ apparaît car les sommes de longueur $H$ se décorrèlent plus rapidement, permettant d'approximer environ $N/H$ sommes indépendantes dans une fenêtre de taille $N$.
• L'article fournit la borne inférieure dans ce régime. La borne supérieure correspondante reste un défi ouvert, bien que des méthodes basées sur les produits eulériens aléatoires soient envisagées pour de grands $H$.

4. Contributions Clés

1. Cadre Général : Développement d'un cadre unifié pour les grandes fluctuations de sommes de fonctions multiplicatives aléatoires sur divers sous-ensembles, généralisant le TCL de Soundararajan et Xu.
2. Méthode Probabiliste : Utilisation innovante de la distance de Kantorovich-Wasserstein et du théorème de Bobkov-Götze pour obtenir un TCL multivarié quantitatif purement à partir de la structure de martingale, contournant les limitations des méthodes de Stein pour les dépendances arithmétiques complexes.
3. Extension aux Facteurs Linéaires : Résolution du problème des fluctuations pour les polynômes produits de facteurs linéaires, là où les méthodes de "pull-out" de grands facteurs premiers (utilisées précédemment) ne s'appliquaient pas.
4. Résultats Presque Sûrs : Établissement de la loi du logarithme itéré pour les images de polynômes et de nouvelles bornes inférieures pour les intervalles courts, comblant un vide dans la compréhension des fluctuations extrêmes.

5. Signification et Impact

Ce travail est significatif car il lie profondément l'analyse probabiliste (théorie des martingales, approximations gaussiennes) et la théorie des nombres (comptage de solutions d'équations diophantiennes, nombres lisses).

• Il confirme que, pour des ensembles suffisamment "désordonnés" multiplicativement, les fonctions multiplicatives aléatoires se comportent comme des variables indépendantes, même au niveau des fluctuations extrêmes (presque sûres).
• Il ouvre la voie à l'étude d'autres ensembles (nombres premiers décalés, sommes de carrés) et suggère que les méthodes développées pourraient être adaptées aux corps de fonctions, comme l'ont récemment exploré Hoban et al.
• La détermination précise de l'ordre de grandeur des fluctuations ($\sqrt{N \log \log N}$ pour les polynômes, $\sqrt{H \log(N/H)}$ pour les intervalles courts) affine notre compréhension de la "loi du logarithme itéré" dans le contexte des fonctions multiplicatives aléatoires.

En résumé, l'article fournit un outil puissant et général pour analyser les queues de distribution des sommes de fonctions multiplicatives aléatoires, dépassant les limites des approches purement combinatoires ou asymptotiques classiques.