Log-Concavity and Infinite Log-Concavity of Linear Recurrent Sequences with Linear Coefficients via Companion Matrix Methods

1. Problema e Contesto

Il lavoro si concentra sullo studio delle proprietà di log-concavità e log-concavità infinita di sequenze reali $(a_n)_{n \ge 0}$ che soddisfano una ricorrenza lineare di ordine $d$ con coefficienti lineari in $n$. Queste sequenze sono note come sequenze P-ricorsive (o olonomiche).

La log-concavità è definita dalla disuguaglianza $a_n^2 \ge a_{n+1}a_{n-1}$ per ogni $n \ge 1$. Un operatore log-concavo $L$ è definito come $L(a_n) = (b_n)$, dove $b_n = a_n^2 - a_{n+1}a_{n-1}$. Una sequenza è detta infinitamente log-concava se l'applicazione iterata dell'operatore $L$ produce sequenze non negative per ogni iterazione ($L^i(a_n) \ge 0$ per ogni $i \ge 1$).

Il problema centrale affrontato è la caratterizzazione, tramite condizioni esplicite e finite, di quando una tale sequenza è log-concava o infinitamente log-concava. Sebbene esistano criteri sufficienti noti (basati su radici reali o asintotiche), un criterio necessario e sufficiente ("tight") per il caso generale delle sequenze P-ricorsive con coefficienti lineari era rimasto elusivo.

2. Metodologia: Il Metodo della Matrice Compagna

L'autore introduce un approccio innovativo basato sulla rappresentazione matriciale della ricorrenza.

• Formulazione dello Stato: La ricorrenza di ordine $d$ viene riscritta come un sistema del primo ordine $v_{n+1} = M_n v_n$, dove $v_n = (a_n, a_{n-1}, \dots, a_{n-d+1})^\top$ è il vettore di stato.
• Matrice Compagna Affine: Poiché i coefficienti della ricorrenza sono lineari in $n$ ($c_k(n) = p_k n + q_k$), la matrice compagna $M_n$ assume la forma affine $M_n = nA + B$.
• Rappresentazione Quadratica: Il termine chiave del lavoro è la dimostrazione che l'operatore log-concavo $b_n = L(a_n)$ può essere espresso come una forma quadratica nel vettore di stato:
  $$b_n = v_n^\top Q_n v_n$$
  dove $Q_n$ è una matrice simmetrica $d \times d$ che dipende linearmente da $n$ ($Q_n = Q(0) + nQ(1)$).
• Condizione di Semidefinitezza Positiva: La log-concavità della sequenza è garantita se la forma quadratica è non negativa, il che si traduce nella condizione che la matrice $Q_n$ sia semidefinita positiva ($Q_n \succeq 0$) per ogni $n$.

3. Contributi Chiave e Risultati Principali

A. Criterio Matriciale per la Log-Concavità (Teorema 3.3)

L'autore stabilisce che $b_n \ge 0$ se e solo se $v_n^\top Q_n v_n \ge 0$.

• Viene fornito un criterio sufficiente: se $Q_n \succeq 0$ per tutti gli $n$, la sequenza è log-concava.
• Viene identificata una soglia $N$ oltre la quale, se la parte lineare $Q(1)$ è definita positiva, la matrice $Q_n$ diventa automaticamente semidefinita positiva, garantendo la log-concavità asintotica.

B. Criteri "Tight" (Necessari e Sufficienti) in Casi Speciali

Il paper dimostra che in tre casi strutturali specifici, è possibile ottenere criteri necessari e sufficienti per la log-concavità infinita:

1. Ricorrenze del Secondo Ordine a Coefficienti Costanti:

   • Per $a_{n+1} = \alpha a_n + \beta a_{n-1}$, l'autore dimostra che la sequenza $b_n = L(a_n)$ è essa stessa una successione geometrica.
   • Risultato cruciale: $L^2(a_n) = 0$ identicamente per $n \ge 2$.
   • Conseguenza: Una tale sequenza è infinitamente log-concava se e solo se è log-concava (cioè $b_n \ge 0$). Vengono fornite condizioni esplicite sui coefficienti e sui dati iniziali (Teorema 5.1).

2. Sequenze Fisse per l'Operatore L:

   • Per le sequenze che soddisfano $L(a_n) = a_n$ (es. $a_n = \cosh(n\theta)$ o $\cos(n\theta)$), la log-concavità infinita è equivalente alla semplice non-negatività della sequenza stessa ($a_n \ge 0$ per ogni $n$).

3. Sequenze P-ricorsive con Radice Dominante Reale:

   • Sotto ipotesi di comportamento asintotico (radice caratteristica dominante reale e rapporto di Turán monotono), la log-concavità infinita è nuovamente equivalente alla log-concavità semplice.

C. Limiti della Generalità

Il paper evidenzia che un criterio finito e generale per tutte le sequenze P-ricorsive non è attualmente noto. Questo è legato al problema aperto della decidibilità del test di positività per le sequenze P-ricorsive: poiché ogni iterazione $L^i(a_n)$ genera una nuova sequenza P-ricorsiva di complessità crescente, determinare se tutte le iterazioni rimangano non negative è un problema computazionalmente intrattabile in generale.

4. Esempi e Applicazioni

Il lavoro illustra la teoria attraverso diversi esempi:

• Fibonacci: Mostra che le sequenze di tipo Fibonacci ($a_{n+1} = a_n + a_{n-1}$) non sono generalmente log-concave (eccetto casi banali di potenze pure), a causa dell'oscillazione del segno di $b_n$.
• Sequenze con Coefficienti Variabili: Dimostra come il criterio matriciale funzioni anche quando la sequenza cambia segno, poiché la condizione dipende dalla forma quadratica nel vettore di stato e non dai segni diretti dei termini.
• Controesempi: Fornisce casi in cui la log-concavità fallisce, confermando l'utilità del criterio matriciale per identificare la violazione delle condizioni.

5. Significato e Impatto

Questo lavoro rappresenta un avanzamento significativo nella teoria delle sequenze combinatorie e analitiche:

• Unificazione: Fornisce un quadro unificato che collega la log-concavità alla teoria delle matrici e alle forme quadratiche.
• Risoluzione di Casi Specifici: Risolve completamente il problema della log-concavità infinita per la classe importante delle ricorrenze lineari a coefficienti costanti di ordine 2, fornendo condizioni necessarie e sufficienti.
• Nuovi Strumenti: Introduce la decomposizione affine della matrice $Q_n$ come strumento potente per analizzare la stabilità e la positività di sequenze ricorsive.
• Prospettive Future: Identifica chiaramente le barriere teoriche (problema della decidibilità) che impediscono una soluzione generale, indirizzando la ricerca futura verso l'analisi geometrica dei coni di dati iniziali e l'estensione a coefficienti polinomiali di grado superiore.

In sintesi, il paper trasforma un problema combinatorio complesso in un problema di algebra lineare (semidefinitezza di matrici), offrendo soluzioni precise per casi fondamentali e delineando i limiti attuali della teoria.