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

Sintesi Tecnica: Un limite superiore quasi certo acuto per le somme parziali di funzioni multiplicative casuali

Enunciato del Problema
Il documento affronta il comportamento asintotico quasi certo della somma parziale $M_f(x) = \sum_{n \le x} f(n)$, dove $f$ è una funzione multiplativa casuale. Lo studio si concentra su due modelli specifici:

1. Modello Steinhaus: i valori $f(p)$ sono indipendenti e distribuiti uniformemente sul cerchio unitario $\mathbb{T}$, estesi completamente in modo moltiplicativo.
2. Modello Rademacher: i valori $f(p)$ sono segni simmetrici indipendenti ($\pm 1$), estesi moltiplicativamente agli interi privi di quadrati perfetti (supportati su $\mu^2(n)=1$).

Sebbene il secondo momento $E|M_f(x)|^2$ cresca come $x$, il limite superiore quasi certo è previsto essere maggiore a causa delle correlazioni. Lavori precedenti hanno stabilito un limite inferiore dell'ordine di $\sqrt{x}(\log \log x)^{1/4}$ (Harper [12]) e vari limiti superiori con esponenti logaritmici maggiori, come $\sqrt{x}(\log \log x)^{2+\varepsilon}$ (Basquin [3]; Lau–Tenenbaum–Wu [13]) e $\sqrt{x}(\log \log x)^{3/4+\varepsilon}$ (Caich [5]). Harper ha ipotizzato che il limite superiore quasi certo acuto dovrebbe corrispondere al limite inferiore salvo un fattore $\varepsilon$ arbitrario nell'esponente, specificamente $\sqrt{x}(\log \log x)^{1/4+\varepsilon}$.

Metodologia
Gli autori impiegano una strategia probabilistica e analitica multi-stadio per dimostrare il limite ipotizzato. La dimostrazione segue l'architettura generale di Caich [5], ma introduce un raffinamento critico nella stima del momento.

1. Discretizzazione e Interpolazione:
   La variabile continua $x$ viene sostituita da una sequenza sparsa di "punti di test" $x_i = \lfloor \exp(i c_0) \rfloor$. Il Lemma 3.8 dimostra che la fluttuazione di $M_f(x)$ tra punti di test consecutivi è trascurabile (minore di qualsiasi potenza di $\log x$) quasi certamente, permettendo di ridurre il problema alla stima di $M_f(x_i)$.

2. Decomposizione del Massimo Fattore Primo:
   La somma $M_f(x_i)$ viene decomposta in base al massimo fattore primo $P(n)$ degli interi $n \le x_i$. I primi sono partizionati in blocchi $(y_{j-1}, y_j]$.

   • Termine Smooth (Levigato): Interi con $P(n) \le y_0$.
   • Termine a Occorrenza Singola ($M_f^{(1)}$): Interi in cui il massimo primo appare esattamente una volta. Questo forma una martingala indicizzata dai primi.
   • Termine a Occorrenza Ripetuta ($M_f^{(2)}$): Interi in cui il massimo primo appare almeno due volte. Nel modello Rademacher, questo termine svanisce.

3. Smoothing e Variazione Quadratica:
   Il controllo del termine a occorrenza singola si basa sulla stima della sua variazione quadratica prevedibile $V_\ell(x_i; f)$. Gli autori utilizzano una disuguaglianza di smoothing (Proposizione 3.15) per relazionare $V_\ell$ a un termine principale di media quadratica logaritmica $M_\ell$ e diversi termini di errore ausiliari (termini $\lambda$, termini di bordo e termini $W$). Gli termini ausiliari sono mostrati essere sommabili tramite strumenti probabilistici standard (disuguaglianze di Doob, Azuma–Hoeffding).

4. Innovazione Chiave: Momenti Superiori Condizionati:
   La difficoltà principale risiede nel controllare il termine principale $M_\ell$ uniformemente attraverso i $J \asymp \log \log x$ blocchi di primi.

   • Approccio Precedente (Caich): Si basava su stime del primo momento condizionato sommate sui blocchi, con una perdita di un fattore di $\sqrt{\log \log x}$.
   • Approccio Corrente: Gli autori introducono una stima del $r$-esimo momento condizionato fisso (Proposizione 5.2 per Steinhaus, Proposizione 7.8 per Rademacher). Definiscono un integrale di prodotto di Eulero normalizzato e "inclinato" $I_j$ e dimostrano che esso forma un supermartingala (Lemma 5.1, Lemma 7.7).
   • Crucialmente, stabiliscono che $E[U_j^r \mid \mathcal{F}_{y_{j-1}}] \ll I_{j-1}^r$, dove $U_j$ domina il termine principale. Questo controllo del momento superiore, combinato con un argomento di arresto (usando la stima del momento $2/3$ di Harper [9] per il caso Steinhaus e una stima traslata per Rademacher), fornisce un fattore compensativo di $L^{-1}$ (dove $L \asymp \log \log x$). Questo cancella precisamente la perdita del union bound sui $J$ blocchi, eliminando l'ulteriore perdita di $\sqrt{\log \log x}$.

5. Aggiustamenti Specifici del Modello:

   • Steinhaus: Utilizza la standard disuguaglianza ipercontrattiva (Lemma 3.1) e la stima a basso momento di Harper per la media quadratica sull'intera retta (Lemma 4.1).
   • Rademacher: Richiede modifiche poiché i segni non sono invarianti per rotazione. Gli autori utilizzano una stima traslata sull'intervallo unitario (Lemma 7.4) e adattano la costruzione della supermartingala alla specifica struttura del prodotto di Eulero del modello Rademacher (Lemma 7.7).

Risultati Principali
Il teorema principale stabilisce il limite superiore quasi certo acuto per entrambi i modelli:

Teorema 1: Sia $f$ una funzione multiplativa casuale Steinhaus o Rademacher. Per ogni $\varepsilon > 0$, quasi certamente:
$$|M_f(x)| \ll_{\varepsilon, f} \sqrt{x} (\log \log x)^{1/4 + \varepsilon}$$

Questo è supportato dalla Proposizione 1.1, che fornisce un enunciato di ordine fisso più preciso: per ogni intero $r \ge 2$ e $\eta > 0$, quasi certamente:
$$|M_f(x)| \ll_{r, \eta, f} \sqrt{x} (\log \log x)^{1/4 + 1/(2r) + \eta}$$

Combinando questo con il limite inferiore di Harper (1.6), gli autori derivano la Corollario 1.2, determinando l'esponente logaritmico esatto:
$$\limsup_{x \to \infty} \frac{\log(1 + |M_f(x)|/\sqrt{x})}{\log \log \log x} = \frac{1}{4}$$

Significato e Rivendicazioni
Il documento sostiene di aver risolto la congettura di Harper riguardo alle grandi fluttuazioni delle funzioni multiplicative casuali. Determinando l'esponente logaritmico acuto di $1/4$, il lavoro risolve la discrepanza tra i precedenti limiti superiori (che avevano esponenti come $2$o$3/4$) e il limite inferiore noto.

Gli autori sottolineano che la dimostrazione non si basa su argomenti di indipendenza (che falliscono a causa delle correlazioni multiplicative) ma piuttosto su una comprensione raffinata di come tali correlazioni persistano al variare di $x$. Il principale contributo tecnico è la sostituzione del passaggio del primo momento condizionato del lavoro precedente con una stima del $r$-esimo momento condizionato fisso su un singolo blocco di primi. Questa innovazione permette l'assorbimento preciso del union bound sul numero logaritmico di blocchi di primi, raggiungendo l'esponente congetturato. Il documento afferma che questo risultato, insieme al limite inferiore, caratterizza completamente la dimensione quasi certa delle somme parziali per queste funzioni multiplicative casuali.