2026-09-16 · 没有低维频率，稠密乘积便近乎独立

0. 导读与元结构 (Orientation & Meta-structure)

起点问题。 前两日把有限群上的函数拆成不可约表示的矩阵频率，并用各块的谱半径判断一个给定随机游走是否混合。今天把量词交换：不再先给某个增量测度，而问一个群 $G$ 的表示论结构，能否对所有均值为零的卷积统一给出增益。答案是：若所有非平凡表示都很高维，则 Fourier 能量不得挤在一个低维慢模态里；这正是 quasirandom group（准随机群）的机制。

对象与量词层。 固定有限群 $G$，以

$${\mathbb{E}}_{G}f:=\frac{1}{|G|}\sum _{x\in G}f(x),\parallel f{\parallel }_2^2:={\mathbb{E}}_G|f{|}^2$$

表示归一化平均与范数。参数 $D\ge 1$ 约束的是：对每个非平凡有限维酉表示，其维数都至少为 $D$。结论则同时量化所有 $f,g:G\to \mathbb{C}$，只要求至少一个函数均值为零。

前置与证明引擎。 前置是有限群不可约表示、昨日使用的矩阵 Fourier 变换、Plancherel 恒等式和 Hilbert--Schmidt norm（Hilbert--Schmidt 范数）。主机制是

$$\text{均值为零消去平凡块}⟶\text{每个剩余块维数至少 }D⟶\text{卷积获得 }{D}^{-1/2}\text{ 增益}.$$

把函数换成集合的指示函数后，这一解析估计会变成乘积关系 $ab=c$ 的近独立计数，并控制 product-free set（无积集）。

弧线位置与去向。 这是 exploration-2026-w38-noncommutative-fourier 的 Day 3/3：Day 1 是矩阵频率，Day 2 是单条随机游走的块谱，今天是由群的表示维数统一推出组合混合。现代去向包括稠密 Cayley 图、乘积增长、近似群和 expander（扩张图）；但准随机性只提供大尺度变平，不能独自替代小尺度逃逸或谱隙输入。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 从无积集问题到“群本身有多少低频”

称 $A\subseteq G$ 为 product-free（无积）集合，如果不存在 $a,b,c\in A$ 使 $ab=c$。在 Abel 群中，低维 character（特征标）非常丰富；例如指标为 $2$ 的子群之外的陪集就可能占群的一半而仍然无积。Gowers 研究的出发点是：是否每个有限群都有正比例大小的无积集？他的答案是否定的，关键结构不是群“看起来复杂”，而是它没有低维非平凡表示。

定义（$D$-quasirandom group）。 设 $G$ 为有限群，$D\ge 1$。若对每个非平凡、有限维、酉表示

$$\rho :G\to U(V)$$

都有 $\dim V\ge D$，则称 $G$ 为 $D$-quasirandom（$D$-准随机）的。等价地，只需对非平凡不可约酉表示检查这一维数下界。

这个定义不声称群元素彼此随机；它只说 regular representation（正则表示）的非平凡部分不能含低维不可约块。Gowers 在 2007 年提交的论文中以此组织稠密乘积与无积集问题；Tao 的 2011 年课程笔记则把它与卷积混合及 Cayley 图扩张并置起来。

1.2 归一化卷积与非交换 Fourier 块

定义归一化卷积

$$(f\ast g)(x):={\mathbb{E}}_{y\in G}f(y)g(y^{-1}x).$$

对每个不可约酉表示 $\pi :G\to U(V_{\pi })$，取

$$\hat{f}(\pi ):={\mathbb{E}}_{x\in G}f(x)\pi (x).$$

采用与前两日一致的约定，有

$$\widehat{f\ast g}(\pi )=\hat{f}(\pi )\hat{g}(\pi ),$$

以及 Plancherel 恒等式

$$\parallel h{\parallel }_2^2=\sum _{\pi \in \hat{G}}{d}_{\pi }\parallel \hat{h}(\pi ){\parallel }_{HS}^2,d_{\pi }:=\dim V_{\pi }.$$

若 ${\mathbb{E}}_{G}f=0$，则平凡表示块 $\hat{f}(\mathbf{1})$ 恰为零。故 $f\ast g$ 的 Fourier 能量全部落在非平凡块上。

1.3 准随机群的卷积混合不等式

定理（Babai--Nikolov--Pyber mixing inequality，归一化形式）。 设有限群 $G$ 是 $D$-准随机的。若 $f,g:G\to \mathbb{C}$，且

$${\mathbb{E}}_{G}f=0\text{或}{\mathbb{E}}_{G}g=0,$$

则

$$\boxed{{\displaystyle \parallel f\ast g{\parallel }_2\le D^{-1/2}\parallel f{\parallel }_2\parallel g{\parallel }_2.}}$$

证明架构。 不妨设 ${\mathbb{E}}_{G}f=0$。对每个非平凡块记

$$a_{\pi }:=d_{\pi }\parallel \hat{f}(\pi ){\parallel }_{HS}^2,b_{\pi }:=d_{\pi }\parallel \hat{g}(\pi ){\parallel }_{HS}^2.$$

由 $\parallel AB{\parallel }_{HS}\le \parallel A{\parallel }_{HS}\parallel B{\parallel }_{\mathrm{op}}\le \parallel A{\parallel }_{HS}\parallel B{\parallel }_{HS}$，

$$\begin{array}{rl}\parallel f\ast g{\parallel }_2^2& =\sum _{\pi \ne \mathbf{1}}{d}_{\pi }\parallel \hat{f}(\pi )\hat{g}(\pi ){\parallel }_{HS}^2\\ & \le \sum _{\pi \ne \mathbf{1}}\frac{a_{\pi }{b}_{\pi }}{d_{\pi }}\\ & \le \frac{1}{D}\sum _{\pi \ne \mathbf{1}}{a}_{\pi }{b}_{\pi }\\ & \le \frac{1}{D}\left(\sum _{\pi \ne \mathbf{1}}{a}_{\pi }\right)\left(\sum _{\pi \ne \mathbf{1}}{b}_{\pi }\right)\\ & \le \frac{1}{D}\parallel f{\parallel }_2^2\parallel g{\parallel }_2^2.\end{array}$$

开方即得结论。证明中每条假设的位置都是可见的：均值为零删除平凡块；$D$-准随机性提供 $d_{\pi }^{-1}\le D^{-1}$；Plancherel 才把所有块重新汇总为原函数范数。

1.4 三集合乘积近似独立

取 $A,B,C\subseteq G$，记其密度为

$$\alpha =\frac{|A|}{|G|},\beta =\frac{|B|}{|G|},\gamma =\frac{|C|}{|G|}.$$

令

$$T(A,B,C):={\mathbb{E}}_{a,b\in G}{1}_A(a)1_B(b)1_C(ab).$$

这是满足 $a\in A,b\in B,ab\in C$ 的有序对数除以 $|G{|}^2$。写 $1_A=\alpha +f$，则 ${\mathbb{E}}_{G}f=0$ 且 $\parallel f{\parallel }_2^2=\alpha (1-\alpha )$。利用卷积恒等式和 Cauchy--Schwarz，

$$\begin{array}{rl}|T(A,B,C)-\alpha \beta \gamma |& =|⟨f\ast 1_B,1_C⟩|\\ & \le \parallel f\ast 1_B{\parallel }_2\parallel 1_C{\parallel }_2\\ & \le D^{-1/2}\sqrt{\alpha (1-\alpha )\beta \gamma }\\ & \le \sqrt{\frac{\alpha \beta \gamma }{D}}.\end{array}$$

因此

$$\boxed{{\displaystyle T(A,B,C)\ge \alpha \beta \gamma -\sqrt{\frac{\alpha \beta \gamma }{D}}.}}$$

只要 $\alpha \beta \gamma >D^{-1}$，右端严格为正，故存在 $a\in A,b\in B,c\in C$ 使 $ab=c$。特别地，若 $A$ 无积，则取 $A=B=C$ 可得

$$\boxed{{\displaystyle |A|/|G|\le D^{-1/3}.}}$$

这就是“没有低维频率”如何迫使稠密乘积近似独立：结论不是类比随机，而是由每个表示块的维数重数定量推出。

1.5 Graduate / modern extension：准随机不等于扩张

$D$ 很大时，上述估计对稠密集合很强；但一个固定生成集 $S$ 往往很稀疏，其随机游走测度的 $L^2$ 范数并不小。故“大最小表示维数”本身不能保证每个 Cayley graph $\mathrm{Cay}(G,S)$ 都有统一谱隙。Tao 的课程笔记明确把两类输入分开：准随机性负责大尺度混合；要推出 expansion，还需证明卷积幂先在小尺度和中尺度变平，通常来自乘积增长、逃离真子群或其他几何/算术机制。

这也解释了三日弧的层次：Day 2 的谱隙是某个具体测度的性质；Day 3 的 $D$ 是群的所有非平凡表示共有的维数屏障。二者相关，却不可互换。

2. 固定模板习题 (Template Exercise)

题目

设 $X\ge 0$ 为随机变量，满足 $0<\mathbb{E}X<\mathrm{\infty }$ 且 $\mathbb{E}{X}^2<\mathrm{\infty }$。证明对每个 $0\le \theta <1$，

$$\mathbb{P}(X>\theta \mathbb{E}X)\ge (1-\theta {)}^2\frac{(\mathbb{E}X{)}^2}{\mathbb{E}{X}^2}.$$

并推出

$$\mathbb{P}(X>0)\ge \frac{(\mathbb{E}X{)}^2}{\mathbb{E}{X}^2}.$$

最后构造一个简单例子，说明后一不等式可以取等。

模板识别

看到“用一阶矩与二阶矩把期望转成事件存在概率”，应识别 Paley--Zygmund inequality（Paley--Zygmund 不等式）模板：在阈值事件上截断期望，再对截断变量使用 Cauchy--Schwarz。它是概率方法中把平均计数转成“至少出现一次”的标准工具。

分级提示

1. Hint 1. 令 $m=\mathbb{E}X$、$E_{\theta }=\{X>\theta m\}$，把 $m$ 分成 $E_{\theta }$ 与其补集上的两段期望。
2. Hint 2. 在 $E_{\theta }^c$ 上有 $X\le \theta m$，因此 $\mathbb{E}[X{1}_{E_{\theta }}]$ 至少是多少？
3. Hint 3. 对 $X{1}_{E_{\theta }}$ 与 $1_{E_{\theta }}$ 使用 Cauchy--Schwarz。
4. Hint 4. 为得到 $\mathbb{P}(X>0)$，可令 $\theta \downarrow 0$；取 $X$ 只在一个事件上等于常数，可检验等号情形。

3. 大家之言 (Mathematician in Their Own Words)

可核验语境。 2018 年 11 月 10 日，Timothy Gowers 在自己的博客文章 “A quasirandomness implication” 中讨论准随机图若干等价性质的证明。他说明，过去为了简化论证有时只处理正则情形；重新讲授这一主题时，他希望在一般情形中也找到干净的证明：

“So this year I was determined to deal with the general case, and determined to find clean proofs of all the implications.”

中译。 “所以今年我决心处理一般情形，并决心为所有这些蕴含关系找到干净的证明。”

评论。 这不是把证明写短的审美宣言，而是要求论证显露真正机制。Gowers 随后把“错误的四圈计数”重新组织成概率与平均，从而避免把近似正则性当作中间拐杖。今天的群论论证具有同样结构：若只操纵卷积和式，$D^{-1/2}$ 像一个偶然常数；改用 Fourier 块后，它来自最大奇异空间至少有 $D$ 重，或等价地来自每个非平凡块的 $d_{\pi }^{-1}$。干净之处在于：假设不是藏在估计里，而是正好对应一个可指认的证明关节。

4. 反例与边界 (Counterexample & Boundary)

一个一维商表示制造半群大小的无积集

令

$$D_{2n}=⟨r,s:r^n=e,s^2=e,srs=r^{-1}⟩,n\ge 3,$$

为阶 $2n$ 的 dihedral group（二面体群）。取全部反射组成的集合

$$A=\{s{r}^k:0\le k<n\}.$$

逐项检查：

1. 密度。 $A$ 有 $n$ 个元素，所以 $|A|/|D_{2n}|=1/2$。
2. 陪集结构。 旋转子群 $H=⟨r⟩$ 的指标为 $2$，而 $A=sH$ 是非平凡陪集。
3. 无积性。 任取 $i,j$，由 $r^{i}s=s{r}^{-i}$，
   $$(s{r}^i)(s{r}^j)=r^{j-i}\in H.$$
   但 $A\cap H=\varnothing$，故不可能有 $a,b,c\in A$ 满足 $ab=c$。
4. Fourier 障碍。 商映射 $D_{2n}\to D_{2n}/H\cong \mathbb{Z}/2\mathbb{Z}$ 给出一维特征标
   $$\chi (r^k)=1,\chi (s{r}^k)=-1.$$
   因而群至多是 $1$-准随机；卷积在这个非平凡一维块上没有任何由维数带来的衰减。
5. 近独立彻底失败。 若 $a,b$ 独立均匀取自 $A$，则 $ab$ 必在 $H$，所以 $\mathbb{P}(ab\in A)=0$。等价地，若 $a,b$ 独立均匀取自整个群，则事件 $a\in A,b\in A,ab\in A$ 的概率为 $0$，而三个密度因子的乘积是 $(1/2{)}^3=1/8$。

计算核验。 本期以精确有理数枚举了 $n=3,4,\dots ,12$ 的全部群元素；每个 $D_{2n}$ 中，反射集合大小均为 $n$、内部乘积三元组数均为 $0$，并逐点核验一维特征标满足预期的卷积关系。该有限范围 sanity check 不替代上面的符号证明。

边界由此清楚：仅有非交换性、生成性或集合稠密性都不够；小商群会拉回低维表示，并把一个宏观陪集变成永久的乘积障碍。

5. 今日一问与数学地图 (Question & Map)

今日一问。 主定理只保留了最小非平凡表示维数

$$D=\underset{\pi \ne \mathbf{1}}{min}{d}_{\pi },$$

并在每个块上粗略使用 $d_{\pi }^{-1}\le D^{-1}$。设你已知全部不可约维数 $d_{\pi }$，以及 $f,g$ 的 Fourier 能量分布

$$a_{\pi }=d_{\pi }\parallel \hat{f}(\pi ){\parallel }_{HS}^2,b_{\pi }=d_{\pi }\parallel \hat{g}(\pi ){\parallel }_{HS}^2.$$

能否写出一个严格强于 $D^{-1/2}\parallel f{\parallel }_2\parallel g{\parallel }_2$ 的 blockwise（逐块）卷积界，并刻画它何时显著改进最小维数界？若只知道群的维数谱型、却不知道 $a_{\pi },b_{\pi }$ 的落点，还能保留多少改进？

定向提示。 不要立刻把所有 $d_{\pi }$ 换成 $D$。从证明中尚未粗化的量

$$\sum _{\pi \ne \mathbf{1}}\frac{a_{\pi }{b}_{\pi }}{d_{\pi }}$$

出发，分别考虑“知道两函数的块能量”和“只知道表示维数多重集”两种信息层级。后者会自然触及 representation zeta function（表示 zeta 函数）式的汇总，但仅有维数清单未必控制任意函数把能量集中在哪里。

数学地图。

$$\begin{array}{c}\text{有限群不可约表示与矩阵 Fourier 变换}\\ \Downarrow \\ \text{最小非平凡表示维数 }D\\ \Downarrow \text{Plancherel + 块维数重数}\\ \text{均值零卷积的 }{D}^{-1/2}\text{ 增益}\\ \Downarrow \\ \text{稠密乘积近独立、无积集界、Cayley 偏差}\\ \Downarrow \text{加入小/中尺度变平机制}\\ \text{乘积增长、近似群、谱隙与扩张图}\\ \Downarrow \\ \text{有限简单群、算术群与高阶非交换混合}\end{array}$$

附录 A：习题完整解答 (Full Solution)

展开完整解答

可复用模板：阈值截断 $\to$ 在补集上损失至多 $\theta \mathbb{E}X$ $\to$ Cauchy--Schwarz 把截断期望转成事件概率。

令

$$m:=\mathbb{E}X>0,E_{\theta }:=\{X>\theta m\},0\le \theta <1.$$

因为 $X\ge 0$，且在 $E_{\theta }^c$ 上 $X\le \theta m$，所以

$$\begin{array}{rl}m& =\mathbb{E}[X{1}_{E_{\theta }}]+\mathbb{E}[X{1}_{E_{\theta }^c}]\\ & \le \mathbb{E}[X{1}_{E_{\theta }}]+\theta m.\end{array}$$

因此

$$(1-\theta )m\le \mathbb{E}[X{1}_{E_{\theta }}].$$

对右端应用 Cauchy--Schwarz：

$$\mathbb{E}[X{1}_{E_{\theta }}]\le (\mathbb{E}{X}^2{)}^{1/2}(\mathbb{E}{1}_{E_{\theta }}^2{)}^{1/2}=(\mathbb{E}{X}^2{)}^{1/2}\mathbb{P}(E_{\theta }{)}^{1/2}.$$

两边平方并整理，得到 Paley--Zygmund 不等式

$$\boxed{{\displaystyle \mathbb{P}(X>\theta \mathbb{E}X)\ge (1-\theta {)}^2\frac{(\mathbb{E}X{)}^2}{\mathbb{E}{X}^2}.}}$$

令 $\theta \downarrow 0$。事件 $\{X>\theta m\}$ 随 $\theta \downarrow 0$ 单调增加到 $\{X>0\}$，由概率测度的下连续性，

$$\boxed{{\displaystyle \mathbb{P}(X>0)\ge \frac{(\mathbb{E}X{)}^2}{\mathbb{E}{X}^2}.}}$$

为看等号确可达到，任选事件 $E$ 满足 $\mathbb{P}(E)=p\in (0,1]$，并令 $X=c{1}_E$，其中 $c>0$。则

$$\mathbb{E}X=cp,\mathbb{E}{X}^2=c^{2}p,\frac{(\mathbb{E}X{)}^2}{\mathbb{E}{X}^2}=p=\mathbb{P}(X>0).$$

故 $\theta =0$ 的界对“在支撑上取常值”的稀疏尖峰变量是锐的。

资料与来源 (Sources)

1. W. T. Gowers, “Quasirandom groups,” arXiv:0710.3877 [math.CO], submitted 2007-10-20. 本期打开并核对了摘要、引言、准随机群由低维表示缺失刻画的动机，以及 $PS{L}_2(q)$ 中稠密三集合乘积与无积集应用：https://arxiv.org/abs/0710.3877 ；作者公开全文：https://www.dpmms.cam.ac.uk/~wtg10/quasirandomgroups.pdf
2. Terence Tao, “254B, Notes 3: Quasirandom groups, expansion, and Selberg’s 3/16 theorem,” What’s new, 2011-12-16. 本期打开并核对了 $D$-准随机定义、Frobenius 例子、归一化前的 Babai--Nikolov--Pyber 卷积混合不等式、三集合乘积推论，以及“准随机性提供大尺度混合而扩张仍需小中尺度输入”的区分：https://terrytao.wordpress.com/2011/12/16/254b-notes-3-quasirandom-groups-expansion-and-selbergs-316-theorem/
3. Timothy Gowers, “A quasirandomness implication,” Gowers’s Weblog, 2018-11-10. 第 3 节引文已按原页面逐字核对；该文讨论准随机图的矩形偏差与四圈计数，并展示如何在非正则情形寻找更干净的解析证明：https://gowers.wordpress.com/2018/11/10/a-quasirandomness-implication/