🔢 mathematics

Oscillations of random multiplicative functions under initial bias

Este artigo resolve duas conjecturas matemáticas ao provar que, para uma função multiplicativa aleatória com viés inicial nas primas, a probabilidade de suas somas parciais permanecerem não negativas tende a zero e que as somas ponderadas mudam de sinal infinitas vezes quase certamente.

Autores originais: Rodrigo Angelo, Max Wenqiang Xu

Publicado 2026-03-25

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Rodrigo Angelo, Max Wenqiang Xu

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

🎲 O Jogo da Moeda Infinita

Imagine que você tem um jogo infinito onde, para cada número primo (2, 3, 5, 7, 11...), você joga uma moeda.

Se der Cara, o número primo vale +1.
Se der Coroa, o número primo vale -1.

Agora, imagine que você cria uma "soma acumulada" com base nessas moedas. Você multiplica os valores dos primos para formar números compostos (ex: 6 = 2 × 3) e soma tudo isso. O grande mistério matemático que este artigo resolve é: essa soma acumulada vai ficar sempre positiva (ou sempre negativa) por um longo tempo, ou ela vai ficar oscilando para cima e para baixo para sempre?

Os autores, Rodrigo Angelo e Max Xu, provaram duas coisas surpreendentes sobre esse jogo.

1. O Efeito do "Viés Inicial" (Teorema 1.1)

A Situação:
Imagine que, antes de começar o jogo, você decide forçar as primeiras moedas a darem sempre "Cara". Ou seja, você diz: "Para todos os primos menores que um certo número $y$ , o valor é +1". Isso cria um viés inicial. Você está tentando "empurrar" a soma para o lado positivo logo no começo.

A Pergunta:
Se você empurrar a soma para cima no início, será que ela consegue ficar positiva para sempre (ou pelo menos até um número muito grande $x$ )?

A Descoberta:
Os autores provaram que não adianta.
Mesmo que você force os primeiros primos a serem positivos, se você não empurrar o suficiente (se o seu "empurrão" inicial for menor que uma certa escala matemática específica), a sorte (o acaso das moedas subsequentes) vai vencer.

A Analogia: Pense em tentar empurrar um carro que está descendo uma ladeira muito íngreme. Você pode empurrar o carro para frente no início (o viés inicial), mas se a ladeira for longa o suficiente e o vento (o acaso dos números seguintes) for forte, o carro vai acabar voltando ou oscilando.
O Resultado: A probabilidade de a soma ficar sempre positiva, mesmo com esse empurrão inicial, é praticamente zero quando o número $x$ fica muito grande. O acaso sempre acaba criando uma oscilação.

2. O Mistério da Raiz Quadrada (Teorema 1.2)

A Situação:
Agora, vamos mudar as regras um pouco. Em vez de somar os números "crua" (1 + 1 + 1...), vamos somá-los divididos pela raiz quadrada do número ( $\frac{1}{\sqrt{1}} + \frac{1}{\sqrt{2}} + \frac{1}{\sqrt{3}}...$ ). Isso faz com que os números grandes tenham menos peso, como se fossem "mais leves".

A Pergunta:
Essa soma oscilará para cima e para baixo infinitas vezes? Ou ela vai se estabilizar em um lado só?

A Descoberta:
Os autores provaram que ela oscila infinitas vezes.
Não importa o quanto você espere; a soma vai cruzar o zero, ir para o positivo, voltar para o negativo, e fazer isso para sempre.

A Analogia: Imagine um barco no mar com ondas. Às vezes, você pode ter uma maré favorável que empurra o barco para um lado por um tempo. Mas, neste mar específico (a matemática dos números primos), as ondas são tão caóticas e imprevisíveis que o barco nunca fica parado em um lado só. Ele vai balançar para a esquerda e para a direita eternamente.
Por que isso é difícil? Antes desse trabalho, sabíamos que isso acontecia se os números fossem "pesados" demais ou "leves" demais. O caso da raiz quadrada era o "ponto cego" — o caso mais difícil e misterioso que ninguém conseguia resolver. Eles finalmente provaram que, mesmo nesse ponto de equilíbrio perfeito, o caos reina.

Como eles fizeram isso? (A "Mágica" Matemática)

Em vez de olhar para cada número individualmente (o que seria como contar cada gota de chuva), eles olharam para o comportamento geral da soma usando uma ferramenta chamada "Série de Dirichlet" (que é como uma lente de aumento matemática).

A Lente de Aumento: Eles usaram uma variável especial ( $t$ ) que age como uma lente. Quando você ajusta essa lente, você vê a "derivada" da soma (como ela está mudando).
O Teste de Estresse: Eles mostraram que, se a soma ficasse sempre positiva, ela teria que se comportar de uma maneira muito "calma" e previsível (como uma linha reta descendo suavemente).
O Choque de Realidade: Ao usar o Teorema do Limite Central (a estatística que diz que muitas coisas aleatórias formam uma curva de sino), eles provaram que a realidade é muito mais bagunçada do que uma linha reta. A "lente" mostra que a soma tem que oscilar violentamente.
A Conclusão: Como a realidade oscila e a condição "sempre positiva" exige que ela seja reta, a condição "sempre positiva" é impossível.

Resumo Final

Este artigo é como um veredito final sobre o comportamento do acaso nos números:

Você não pode enganar o acaso: Mesmo que você tente forçar o início de uma sequência de números aleatórios a ser positivo, o caos matemático eventualmente vai fazer a soma oscilar e voltar.
O caos é eterno: Mesmo quando os números são "pesados" o suficiente para parecerem que vão se estabilizar, eles continuam dançando para cima e para baixo para sempre.

Os autores resolveram conjecturas antigas de outros matemáticos (Kucheriaviy e Aymone), mostrando que, no mundo dos números aleatórios, a estabilidade absoluta é uma ilusão; a oscilação é a única regra verdadeira.

Resumo Técnico: Oscilações de Funções Multiplicativas Aleatórias sob Viés Inicial

1. O Problema e o Contexto

O artigo aborda o comportamento dos sinais das somas parciais de funções multiplicativas completamente aleatórias ( $f$ ). Nesses modelos, $f(p) = \pm 1$ com probabilidade $1/2$ independentemente para cada primo $p$ , estendido multiplicativamente para todos os inteiros positivos.

Os autores resolvem dois problemas fundamentais relacionados às mudanças de sinal dessas somas:

O efeito de um viés inicial: Como a fixação dos valores de $f(p)$ para os primeiros primos (condicionamento) afeta a probabilidade de as somas parciais permanecerem não-negativas? Isso resolve uma conjectura de Kucheriaviy.
O caso crítico da série ponderada: O comportamento das somas parciais de $\sum \frac{f(n)}{\sqrt{n}}$ . Problemas anteriores (Aymone) já haviam resolvido os casos onde o expoente é maior ou menor que $1/2$ , restando o caso crítico $\sigma = 1/2$ .

2. Metodologia e Ferramentas Principais

A abordagem dos autores difere de métodos anteriores que utilizavam análise complexa (restrições no semiplano complexo). Em vez disso, eles focam em propriedades de somas reais e no comportamento assintótico próximo a $s = 1/2$ .

Conexão com o Produto de Euler: Os autores relacionam a não-negatividade das somas parciais ao comportamento decrescente da série de Dirichlet $F(s) = \sum \frac{f(n)}{n^s}$ para $s > 1/2$ . Usando o produto de Euler, essa série é aproximada por $\exp(R(t))$ , onde $t = s - 1/2$ .
Definição de $R(t)$ :
$R(t) = \sum_{p} \frac{f(p)}{p^{1/2+t}} + \frac{1}{2} \sum_{p} \frac{1}{p^{1+2t}}$
A função $R(t)$ atua como o "logaritmo" da série. A diferença $R(t) - R(2t)$ atua como uma "derivada" discreta.
Teorema do Limite Central (TLC) para Diferenças: O núcleo da prova é o Lema 2.1, que estabelece que, sob certas condições de escala, as diferenças $R(t_i) - R(2t_i)$ convergem em distribuição para variáveis normais independentes com média $\frac{\log 2}{2}$ e variância $\frac{\log 9}{8}$ .
Argumento de Contradição:
1. Se as somas parciais forem não-negativas, a série $F(s)$ deve exibir um comportamento aproximadamente decrescente (Lema 2.3).
2. Isso implicaria que $R(2t) - R(t)$ seria limitado superiormente por uma constante.
3. No entanto, o TLC mostra que $R(2t) - R(t)$ oscila aleatoriamente com alta probabilidade, tornando o comportamento estritamente decrescente extremamente improvável (probabilidade $o(1)$ ).

3. Principais Resultados

Teorema 1.1 (Resolução da Conjectura de Kucheriaviy):

Enunciado: Seja $f$ uma função multiplicativa aleatória condicionada a $f(p) = 1$ para todos os primos $p \le y$ . Se $y = o\left( \left(\frac{\log x}{\log \log x}\right)^2 \right)$ , então a probabilidade de que $\sum_{n \le N} f(n) \ge 0$ para todo $N \le x$ tende a zero ( $o(1)$ ) quando $x \to \infty$ .
Significado: O trabalho confirma que o expoente crítico encontrado por Kucheriaviy para garantir somas não-negativas é afiado. Abaixo desse limiar de $y$ , o viés inicial não é suficiente para suprimir as oscilações aleatórias dos primos maiores.

Teorema 1.2 (Resolução do Problema de Aymone):

Enunciado: Para uma amostra da função multiplicativa aleatória, as somas parciais de $\sum \frac{f(n)}{\sqrt{n}}$ mudam de sinal infinitas vezes, quase certamente.
Significado: Este é o caso crítico ( $\sigma = 1/2$ ). Para $\sigma > 1/2$ , a série converge para um produto de Euler positivo (sem mudanças de sinal infinitas). Para $\sigma < 1/2$ , já se sabia que havia mudanças de sinal. Este teorema fecha o caso restante, provando que a série no limiar crítico não converge para um sinal fixo, mas oscila indefinidamente.

4. Contribuições Chave e Novas Técnicas

Abordagem Real vs. Complexa: Diferente de trabalhos anteriores (como os de Kalmynin ou Harper) que usavam restrições no plano complexo para limitar o valor máximo da função, os autores utilizam apenas propriedades de $s$ real. Eles exploram a implicação de que a não-negatividade das somas parciais força uma "decaimento" da série, o que é incompatível com a aleatoriedade das diferenças $R(t) - R(2t)$ .
Independência Assintótica: A prova demonstra que as oscilações geradas por primos em diferentes escalas logarítmicas são essencialmente independentes, permitindo o uso de um Teorema do Limite Central multidimensional para mostrar que a probabilidade de manter o sinal positivo por muito tempo decai exponencialmente com o número de escalas testadas.
Precisão de Escala: O artigo refina a compreensão de como o tamanho do viés inicial ( $y$ ) interage com a variância da soma aleatória restante.

5. Significado e Impacto

Teoria dos Números Probabilística: O trabalho fornece uma compreensão mais profunda da estrutura das somas parciais de funções multiplicativas aleatórias, um modelo central na teoria dos números analítica probabilística.
Limites de Conjecturas: Ao provar que o viés inicial precisa ser muito forte (exponencialmente grande em termos logarítmicos) para suprimir oscilações, o artigo estabelece limites rigorosos sobre a "rigidez" de tais funções.
Conexão com Hipóteses de Riemann e Conjecturas de Máximo: O artigo menciona conexões com a conjectura de Fyodorov-Hiary-Keating sobre o máximo de funções L na linha crítica, sugerindo que as técnicas desenvolvidas podem ter aplicações em problemas relacionados ao comportamento extremo de funções L.

Em resumo, o artigo demonstra que, a menos que um viés inicial seja extremamente forte (cobrindo uma fração significativa dos primos até um limiar muito alto), a natureza aleatória das funções multiplicativas garante que suas somas parciais oscilarão indefinidamente, mudando de sinal infinitas vezes.