Large fluctuations of sums of a random multiplicative function

1. Il Problema e il Contesto

Il paper si concentra sullo studio delle fluttuazioni quasi certe (almost sure fluctuations) delle somme parziali di funzioni moltiplicative casuali, in particolare le funzioni di Rademacher e di Steinhaus.

• Definizioni:
  • Una funzione di Steinhaus è una funzione moltiplicativa dove i valori sui primi $f(p)$ sono distribuiti uniformemente sul cerchio unitario.
  • Una funzione di Rademacher è una funzione moltiplicativa definita sugli interi privi di fattori quadrati, dove $f(p)$ è distribuito uniformemente su $\{-1, 1\}$.
• Stato dell'arte: È noto che le somme parziali $\sum_{n \le N} f(n)$ non seguono una distribuzione gaussiana standard dopo la normalizzazione $\sqrt{N}$. Harper ha dimostrato che la dimensione tipica è dell'ordine di $\sqrt{N}/(\log \log N)^{1/4}$.
• L'obiettivo: Il lavoro estende il quadro teorico esistente (sviluppato da Soundararajan e Xu) dai Teoremi del Limite Centrale (CLT) alle grandi fluttuazioni quasi certe. L'obiettivo è determinare i limiti superiori e inferiori quasi certi per somme su sottoinsiemi specifici degli interi, come immagini di polinomi o intervalli brevi.

2. Metodologia e Strumenti Principali

L'approccio innovativo di Shala si basa sulla struttura di martingala delle somme di funzioni moltiplicative casuali, filtrata rispetto al più grande fattore primo ($P^+(n)$).

A. Struttura di Martingala e Teoremi CLT Quantitativi

Il punto di partenza è l'osservazione di Harper che la somma può essere decomposta in base ai primi. L'autore utilizza un Teorema del Limite Centrale Quantitativo per Martingale (basato su Hall e Heyde) per stimare la distanza di Kolmogorov tra la somma normalizzata e una distribuzione gaussiana.

• Proposizione 2.1: Fornisce un limite superiore per l'errore di approssimazione gaussiana in termini dei momenti di ordine 4 e della varianza.

B. Dal Caso Unidimensionale al Multivariato (Kantorovich-Wasserstein)

La novità principale risiede nel passaggio dal caso unidimensionale a quello multivariato per stabilire i limiti inferiori quasi certi.

• Per dimostrare che la somma raggiunge valori grandi con alta probabilità, è necessario analizzare la distribuzione congiunta di somme su scale diverse ($N_1, N_2, \dots, N_k$).
• L'autore applica un risultato recente di Bobkov e Götze per legare la distanza Kantorovich-Wasserstein tra distribuzioni multivariate alla distanza di Kolmogorov delle loro combinazioni lineari.
• Questo permette di derivare un Teorema del Limite Centrale Multivariato Quantitativo puramente dalla struttura di martingala, evitando metodi più complessi come quello delle coppie scambiabili (exchangeable pairs) usati in lavori precedenti.

C. Input Aritmetici (Conteggio delle Soluzioni)

La validità dell'approssimazione gaussiana dipende dal controllo delle soluzioni "non banali" alle equazioni dei momenti:

• $n_1 n_2 n_3 n_4 = \square$ (quadrato perfetto) per Rademacher.
• $n_1 n_2 = n_3 n_4$ per Steinhaus.
  L'autore deve dimostrare che il numero di soluzioni non banali è trascurabile rispetto a quello delle soluzioni banali (coppie uguali), il che garantisce l'indipendenza asintotica necessaria.

3. Risultati Principali

Il paper presenta due teoremi principali che trattano casi specifici di sottoinsiemi aritmetici.

Teorema A: Immagini di Polinomi

Considera la somma $\sum_{n \le N} f(P(n))$ dove $P \in \mathbb{Z}[x]$.

• Ipotesi: $P$ è un prodotto di almeno due fattori lineari distinti su $\mathbb{Q}$, o irriducibile di grado 2 (caso Rademacher), o non della forma $w(x+c)^d$ (caso Steinhaus).
• Risultato: Quasi certamente, la somma soddisfa:
  $$\limsup_{N \to \infty} \frac{|\sum_{n \le N} f(P(n))|}{\sqrt{N \log \log N}} > 0$$
  e
  $$\limsup_{N \to \infty} \frac{|\sum_{n \le N} f(P(n))|}{\sqrt{N \log \log N}} < \infty$$
• Contributo: Il limite superiore quasi certo è nuovo. Il limite inferiore estende lavori precedenti (Klurman, Shkredov, Xu, Chinis) a polinomi che si spezzano in fattori lineari su $\mathbb{Q}$, un caso in cui i metodi precedenti (basati su fattori primi grandi) fallivano.

Teorema B: Intervalli Brevi

Considera la somma su un intervallo breve $(N-H, N]$, dove $H = H(N)$ è una funzione crescente e concava con $N^{11/15} \le H \le N/(\log N)^c$.

• Risultato: Quasi certamente esiste una sequenza $N_k \to \infty$ tale che:
  $$\left| \sum_{N_k-H_k < n \le N_k} f(n) \right| \gg \sqrt{H_k \log \left(\frac{N_k}{H_k}\right)}$$
• Significato: Le fluttuazioni sono dell'ordine $\sqrt{H \log(N/H)}$. Questo è coerente con la Legge dell'Iterato Logaritmico, considerando che in una finestra di dimensione $N$ ci sono circa $N/H$ somme indipendenti di lunghezza $H$.
• Nota: Il limite superiore quasi certo per gli intervalli brevi rimane una sfida aperta, sebbene il lavoro fornisca il limite inferiore corretto.

4. Tecniche Specifiche per i Casi

• Per i Polinomi: L'autore sfrutta i risultati di conteggio delle soluzioni non banali per polinomi (da lavori precedenti) combinati con stime sui valori "molto lisci" (smooth values) dei polinomi. La struttura di martingala permette di controllare le code della distribuzione.
• Per gli Intervalli Brevi: La strategia è più complessa a causa della maggiore correlazione tra gli interi.
  1. Si condiziona sui valori di $f(p)$ per i primi piccoli ($p \le P$).
  2. Si approssima la somma con una somma pesata di variabili indipendenti per i primi grandi.
  3. Si eliminano gli interi con un numero atipico di fattori primi (usando il Lemma 3.3) e si gestiscono gli interi molto lisci.
  4. Si dimostra che le covarianze condizionate sono sufficientemente piccole da permettere l'applicazione del CLT multivariato.

5. Significato e Impatto

1. Generalizzazione del Framework: Il lavoro fornisce un quadro generale flessibile per studiare le fluttuazioni di somme di funzioni moltiplicative casuali su vari sottoinsiemi, superando le limitazioni dei metodi puramente combinatori o basati su fattori primi grandi.
2. Nuovi Limiti Superiori: Stabilisce il primo limite superiore quasi certo per le somme su immagini di polinomi, chiudendo un gap importante nella comprensione della distribuzione di tali somme.
3. Metodologia Innovativa: L'uso della distanza di Kantorovich-Wasserstein per "bootstrap" un CLT unidimensionale in uno multivariato offre una via alternativa potente rispetto ai metodi di Stein, specialmente in contesti con dipendenze complesse.
4. Connessione con la Legge dell'Iterato Logaritmico: I risultati confermano che, anche in contesti aritmetici strutturati, le fluttuazioni massime seguono una legge simile a quella dell'iterato logaritmico, ma con parametri scalati in base alla densità e alla struttura del sottoinsieme considerato.

In sintesi, il paper rappresenta un avanzamento significativo nella teoria analitica dei numeri probabilistica, fornendo strumenti robusti per analizzare il comportamento estremo delle funzioni moltiplicative casuali in scenari aritmetici complessi.