Weak Inhomogeneous Poissonian Pair Correlation and Equidistribution

Résumé Technique : Corrélation de Paires de Poisson Inhomogène Faible et Équidistribution

Énoncé du Problème
Cet article étudie les relations entre trois concepts fondamentaux de la théorie de la distribution des suites modulo un : l'équidistribution, la corrélation de paires de Poisson (PPC) et la PPC faible, spécifiquement dans le cadre inhomogène. Bien que les relations entre ces propriétés soient bien comprises pour le cas homogène (où le paramètre de décalage $\gamma = 0$), le comportement de la PPC inhomogène (où le décalage $\gamma \in (0, 1)$) et de sa forme faible reste moins exploré.

Les questions centrales abordées sont :

1. La PPC inhomogène faible implique-t-elle la PPC inhomogène ?
2. La PPC inhomogène faible implique-t-elle l'équidistribution ? (Ceci contraste avec le cas homogène, où la PPC faible implique l'équidistribution).
3. Les propriétés de la PPC inhomogène faible pour des paramètres de décalage distincts $\gamma_1$ et $\gamma_2$ sont-elles indépendantes les unes des autres ?

Méthodologie
Les auteurs emploient une combinaison de constructions probabilistes et d'analyse asymptotique pour établir leurs résultats. La méthodologie principale implique :

• Constructions Probabilistes : L'article construit des séquences spécifiques en utilisant des variables aléatoires indépendantes et identiquement distribuées (i.i.d.).

  • Pour le Théorème 1.1, une séquence est construite en entrelaçant des variables uniformes i.i.d. $y_n$ avec des versions décalées $y_n + \gamma$. Cette construction montre qu'une séquence satisfait presque sûrement la PPC inhomogène faible tout en échouant à la condition de PPC inhomogène plus forte.
  • Pour le Théorème 1.2, les auteurs utilisent des variables aléatoires distribuées selon une fonction de densité non uniforme spécifique $g(x)$. En exploitant le Lemme 3.1, qui relie la limite de la corrélation de paires à l'intégrale d'autocorrélation de la densité ($\int g(x)g(x+\gamma)dx$), ils construisent une densité où cette intégrale est égale à 1 (satisfaisant la PPC faible) mais où la densité n'est pas identiquement 1 (impliquant une non-équidistribution).
  • Pour le Théorème 1.3, une construction inductive plus complexe est utilisée. La séquence est construite par blocs où des décalages spécifiques ($\gamma_2$) sont répétés pour créer un « regroupement » (clumping) qui viole la faible $\gamma_2$-PPC, tandis que le caractère aléatoire des blocs sous-jacents garantit que la faible $\gamma_1$-PPC est satisfaite pour un $\gamma_1$ distinct.

• Outils Analytiques :

  • Caractérisation par Intégrale : Les preuves reposent sur le Lemme 2.1, qui établit une équivalence entre la limite de la PPC faible et la convergence d'une intégrale impliquant des fonctions de comptage locales.
  • Inégalités de Concentration : L'inégalité de Bernstein et le lemme de Borel-Cantelli sont utilisés pour prouver que les séquences aléatoires construites satisfont les limites requises presque sûrement.
  • Estimations de Variance : L'inégalité de Chebyshev et les calculs de variance sont utilisés pour étendre la convergence des sous-suites à la limite de la séquence complète.

Contributions Clés et Résultats

1. Séparation de la PPC et de la PPC Faible Inhomogène (Théorème 1.1) :
   Les auteurs prouvent que pour tout $\gamma \in (0, 1/2]$ et $0 < \delta < 1$, il existe une séquence satisfaisant la $\gamma$-PPC faible qui ne satisfait pas la $\gamma$-PPC. Cela démontre que la forme faible est strictement plus faible que la forme forte dans le cadre inhomogène, reflétant le résultat connu pour le cas homogène.

2. Échec de l'Implication de l'Équidistribution (Théorème 1.2) :
   Une découverte significative est que la PPC inhomogène faible n'implique pas l'équidistribution. L'article construit une séquence possédant une $\gamma$-PPC faible qui n'est pas équidistribuée. Cela se situe en « contraste frappant » avec le cas homogène, où Steinerberger a prouvé que la PPC faible implique l'équidistribution. La construction repose sur la recherche d'une densité $g$ telle que $\int_0^1 g(x)g(x+\gamma)dx = 1$ alors que $g \not\equiv 1$.

3. Indépendance des Paramètres (Théorème 1.3) :
   L'article prouve que les propriétés de la PPC inhomogène faible pour des paramètres distincts sont mutuellement indépendantes. Plus précisément, pour des $\gamma_1, \gamma_2 \in (0, 1/2]$ distincts, il existe une séquence qui possède une faible $\gamma_1$-PPC mais qui échoue à avoir une faible $\gamma_2$-PPC. Cela implique que la notion de PPC inhomogène faible est dépendante du paramètre et ne se réduit pas à une propriété universelle unique.

Signification et Revendications
L'article se positionne comme apportant une « contribution partielle » à la compréhension du diagramme relationnel de l'équidistribution, de la PPC et de la PPC faible dans le cadre inhomogène.

• Raffinement du Diagramme Relationnel : Les résultats mettent à jour la hiérarchie connue (Figure 2 de l'article). Alors que le cas homogène (Figure 1) présente une chaîne claire d'implications (PPC $\implies$ PPC faible $\implies$ Équidistribution), le cas inhomogène brise le lien entre la PPC faible et l'équidistribution.
• Questions Ouvertes : Les auteurs notent modestement que leur travail ne résout pas entièrement toutes les relations. Plus précisément, il reste une question ouverte de savoir si la $\gamma$-PPC est strictement plus forte que la $\gamma$-PPC faible (les auteurs conjecturent qu'elles sont incomparables) et si une séquence équidistribuée existe qui échoue à être une faible $\gamma$-PPC.
• Impact Théorique : Le travail souligne que l'introduction d'un décalage inhomogène $\gamma$ modifie fondamentalement le paysage des statistiques de corrélation de paires, découplant des propriétés qui sont étroitement liées dans le cas homogène.

L'article ne propose pas d'applications expérimentales ou de directions futures au-delà de la résolution mathématique de ces propriétés de distribution spécifiques. La signification réside entièrement dans la classification rigoureuse de ces propriétés statistiques pour les séquences déterministes et aléatoires.