An algorithm for computing zeta functions of a variety

using power elementary symmetric polynomials

David Pigeon

13 avril 2024

Keywords : Power elementary symmetric polynomials, Newton’s identity, Zeta func-

tion of a variety, Algorithm.

Résumé
By exploiting power elementary symmetric polynomials and Newton’s identities,
we find an algorithm that allows us to compute the zeta function of certain varieties
that are extensions of a variety where the zeta function is already known.

Table des matières

1 Power Elementary Symmetric Polynomials 1
1.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Newton’s Identities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 A Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Algorithms 5
2.1 Usual algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Calcul de Q en fonction de P . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Application au calcul de la fonction zêta d’une variété . . . . . . . . . . . . . 10

Références 13

1 Power Elementary Symmetric Polynomials

Throughout this section, we fix two integers r and b greater than 1, a pri-
mitive rth root of unity ξ, and a polynomial P of degree b with coefficients in
Z such that P (0) is nonzero.

Through Newton’s identities, we will deduce in this section the expression of the poly-
nomial :
r−1
i
∏ P (ξ T )
i=0

in terms of the coefficients of P .

1
1.1 Notations
We will maintain these notations throughout the section.
1.1.1. We decompose P into
b b
P (T ) =∶ a0 ∏(1 − αj T ) ∶= ∑ ak T k
j=1 k=0

b
where (αj )1≤j≤b is an element of Q .
1.1.2. We have the following sequence of equalities :
r−1 r b b
i s i rs r
∏ P (ξ T ) = ∏ ∏(1 − αj ξ T ) = ∏(1 − αj T ).
i=0 i=1 j=1 j=1

So ∏r−1 i r
i=0 P (ξ T ) is an element of Z[T ].
We then define the polynomial Q of degree b with integer coefficients by
r−1
Q(T r ) ∶= ∏ P (ξ i T )
i=0

We decompose Q into
b b
Q(T ) =∶ ar0 ∏(1 − βj T ) ∶= ∑ bk T k
j=1 k=0
b
where (βj )1≤j≤b is an element of Q .

1.2 Newton’s Identities

1.2.1. We recall the definitions of power elementary symmetric polynomials and Newton
sums.
(1) Let k and s be two natural numbers. The kth power sth elementary symmetric
polynomial is defined as
⎧ ∑ X s ⋯Xisk if 0 < k ≤ b ;
⎪ 1≤i1 <⋯<ik ≤b i1
⎪
⎪
σk,s ∶= ⎨ 1 if k = 0 ;
⎪
⎪ 0
⎪
⎩ otherwise

(2) Let s be a natural number. The sth power Newton sum is the polynomial σ1,s , simply
denoted Ss .
These polynomials are related to each other by the Newton’s identities (Girard,
1629) :
k−1
(−1)k kσk,s + ∑ (−1)i σi,s Ss(k−i) = 0 (∀k ≥ 1, ∀s ≥ 0). (1)
i=0

Proposition 1.2.2. Let k be an integer greater than 1. We denote ak ∶= 0 and bk ∶= 0 if k

is strictly greater than b.
We have the following two formulas :
(i)
k−1
∑ ai Sk−i (α) + kak = 0;
i=0

2
 (ii)
k−1
∑ bi Sr(k−i) (α) + kbk = 0.
i=0

where α ∶= (α1 , . . . , αb ).

Démonstration. The relation (i) is deduced from Newton’s identities (1) by taking s equal
to 1 and from the relations

ak = (−1)k a0 σk,1 (α) (∀0 ≤ k ≤ b).

The relation (ii) is deduced from Newton’s identities (1) by taking s equal to r and
from the relations
bk = (−1)k ar0 σk,r (α) (∀0 ≤ k ≤ b).

Notation 1.2.3. For any element u ∶= (u1 , . . . , ub ) in Nb and any element a in Cb , we

denote
b
u! ∶= u1 !⋯ub ! , ∣u∣0 ∶= ∑ ui ,
i=1
b
∣u∣1 ∶= ∑ iui and au ∶= au1 1 ⋯aub b .
i=1

We also set
∑ ∶= ∑ .
∣u∣1 =k u ∶= (u1 , . . . , ub ) ∈ Nb
∣u∣1 = k

Proposition 1.2.4. We have the equality

uj
⎛ b ⎛ (−1)∣u∣0 b ⎛ 1 ∣v∣0 (∣v∣0 − 1)! v ⎞ ⎞ k ⎞
Q(T ) = ar0 ⎜ ∑ ⎜ ∑ ∏ ⎜r ∑ (− ) a ⎟ ⎟T ⎟.
⎝k=0 ⎝∣u∣1 =k u! j=1 ⎝ ∣v∣ =rj a0 v! ⎠ ⎠ ⎠
1

Démonstration. We have the following lemma :

Lemme 1.2.5. We have the following equalities

Ss (α) 1 ∣v∣0 (∣v∣0 − 1)! v

= ∑ (− ) a (∀s ≥ 1).
s ∣v∣ =s a0 v!
1

Démonstration. We have the equality

b
ai i Ss (α) s
− log (∑ T )=∑ T .
i=0 a0 s≥1 s

Using the multinomial formula, we have the sequence of equalities

b
Ss (α) s ai
∑ T = − log (1 + ∑ T i )
s≥1 s i=1 a0
k
(∑bi=1 − aa0i T i )
=∑
k≥1 k

3
 ⎛ 1 ∣v∣0 ! ⎞
= ∑ ⎜ ∑ ∣v∣ (−a)v ⎟ T s .
s≥1 ⎝∣v∣1 =s a 0 ∣v∣0 v! ⎠
0

1.3 A Example
We provide an example explaining the results of the previous section.

Let P be the polynomial 1 − 19T 2 + 30T 3 . Since P (T ) is (1 − 2T )(1 − 3T )(1 + 5T ), we

have
Q(T ) = (1 − 2r T )(1 − 3r T )(1 − (−5)r T )
= 1 − (2r + 3r + (−5)r )T + (6r + (−10)r + (−15)r )T 2 − (−30)r T 3 . (2)
We will recover the relation (2) in the case where r equals 2 by exploiting Proposi-
tions (1.2.2) and (1.2.4).
1.3.1. First method : we apply relations (i) and (ii) of Proposition (1.2.2). We denote
sl ∶= Sl (2, 3, −5) (∀l ∈ N).
By (i), we have
● s1 = −a1 = 0 ;
● s2 = −2a2 − a1 s1 = 38 ;
● s3 = −3a3 − a1 s2 − a2 s1 = −90 ;
● s4 = −a1 s3 − a2 s2 − a3 s1 = 722 ;
● s5 = −a1 s4 − a2 s3 − a3 s2 = −2850 ;
● s6 = −a1 s5 − a2 s4 − a3 s3 = 16418 ;
By (ii), we have
● for k = 0, b0 = a20 = 1 ;
● for k = 1,
b1 = −b0 s2 = −38;
● for k = 2,
1
b2 = − (b0 s4 + b1 s2 ) = 361;
2
● for k = 3,
1
b3 = − (b0 s6 + b1 s4 + b2 s2 ) = −900.
3
Hence,
Q(T ) = 1 − 38T + 361T 2 − 900T 3 .
Second method : by applying the explicit formula from Proposition (1.2.4).
● for k = 0, we look for solutions of ∣u∣1 = 0, the only solution is (0, 0, 0), hence b0 = 1 ;
● for k = 1, the solution of ∣u∣1 = 1 is (1, 0, 0), thus
(∣v∣0 − 1)! v
b1 = −2 ∑ (−1)∣v∣0 a .
∣v∣1 =2 v!

The solutions of ∣v∣1 = 2 are (2, 0, 0) and (0, 1, 0), thus

b1 = −2 × 19 = −38;

4
 ● for k = 2, the solutions of ∣u∣1 = 2 are (2, 0, 0) and (0, 1, 0), thus
2
⎛ (∣v∣0 − 1)! v ⎞ (∣v∣0 − 1)! v
b2 = 2 ⎜ ∑ (−1)∣v∣0 a ⎟ − 2 ∑ (−1)∣v∣0 a .
⎝∣v∣1 =2 v! ⎠ ∣v∣1 =4 v!

The solutions of ∣v∣1 = 4 are (4, 0, 0), (2, 1, 0), (0, 2, 0), and (1, 0, 1), thus

(−19)2
b2 = 2 × 192 − 2 × = 361;
2
● for k = 3, the solutions of ∣u∣1 = 3 are (3, 0, 0), (1, 1, 0), and (0, 0, 1), thus
3
4⎛ (∣v∣0 − 1)! v ⎞
b3 = − ⎜ ∑ (−1)∣v∣0 a ⎟
3 ⎝∣v∣ =2 v! ⎠
1

⎛ (∣v∣0 − 1)! v ⎞ ⎛ (∣v∣0 − 1)! v ⎞

+ 4 ⎜ ∑ (−1)∣v∣0 a ⎟ ⎜ ∑ (−1)∣v∣0 a ⎟
⎝∣v∣1 =2 v! ⎠ ⎝∣v∣1 =4 v! ⎠
(∣v∣0 − 1)! v
− 2 ∑ (−1)∣v∣0 a ;
∣v∣1 =6 v!

The solutions of ∣v∣1 = 6 are (6, 0, 0), (4, 1, 0), (2, 2, 0), (0, 3, 0), (3, 0, 1), (1, 1, 1),
and (0, 0, 2), thus

4 192 302 (−19)3

b3 = × 193 − 4 × 192 × −2× − 2 (− ) = −900.
3 2 2 3
We retrieve that
Q(T ) = 1 − 38T + 361T 2 − 900T 3 .
Remarque 1.3.2. We can also use the resultant :
r−1
ResX (X r − 1, P (XT )) = ∏ P (ξ i T ).
i=0

From which we have

⎛1 0 0 30T 3 0 ⎞
2
⎜0
⎜ 1 0 −19T 30T 3 ⎟⎟
Q(T 2 ) = det ⎜
⎜−1 0 1 0 −19T 2 ⎟
⎟
⎜ 0 −1 0 1 0 ⎟
⎜ ⎟
⎝0 0 −1 0 1 ⎠
= 1 − 38T 2 + 361T 4 − 900T 6 .

2 Algorithms
We fix a prime number p, a power q of p, and an integer r greater than 1.

If we know the zeta function of a variety X over Fq (i.e., a Fq -scheme of finite type
separated), we will deduce from the results of the previous section an algorithm calculating
the zeta function of
XFqr ∶= X ⊗Fq Fqr .

5
2.1 Usual algorithms
We fix an integer N greater than 1. Let A ∶= Z/pN Z.

2.1.1. The space required to store an element of A is O(N ).

Using fast multiplication, we can perform divisions and multiplications in A in O(N 1+ϵ ).

2.1.2. Consider polynomials A and B in A[T ] of degrees n and m respectively such that
n ≥ m. Suppose A is monic. We recall an algorithm that allows us to compute the Euclidean
division of A by B. The polynomial T m B(1/T ) is invertible modulo T n−m+1 because its
value at 0 is 1. Let A ∶= BQ + R be the Euclidean division of A by B where R is a
polynomial in A[T ] such that deg R < m. We have

T n A(1/T ) n−m T n R(1/T )

= T Q(1/T ) + .
T m B(1/T ) T m B(1/T )

So the polynomial T n−m Q(1/T ) (and thus Q by reversing the coefficients) is obtained by
letting T tend to infinity since

lim T n R(1/T )/(T m B(1/T )) = 0.

T →∞

Thus R is simply obtained by the relation R = A − BQ mod T m . We deduce the following

algorithm :

DivEucl(A, B)

Input : polynomials A and B in A[T ] of degrees n and m respectively such that n ≥ m.

Output : the remainder of the Euclidean division of A by B.

● Step 1 : compute the polynomials A1 (T ) ∶= T n A(1/T ) and B1 (T ) ∶= T m B(1/T ).

● Step 2 : compute the polynomial B1 (T )−1 mod T n−m+1 . If n − m + 1 equals 1,
return 1 = B1 (0)−1 . Otherwise :
◇ Step 2.1 : recursively compute the inverse B2 of the polynomial B1 modulo
T [(n−m+1)/2] ;
◇ Step 2.2 : return the polynomial B2 (T )+(1−B2 (T )B1 (T ))B2 (T ) mod T n−m+1 .
● Step 3 : compute the polynomial A1 (T )/B1 (T ) mod T n−m+1 .
● Step 4 : compute the polynomial T n−m Q(1/T ) then the polynomial Q by reversing
the coefficients.
● Step 5 : return the polynomial A − BQ mod T m .

Steps 1 and 4 simply involve reversing the coefficients, which are done in n + m opera-
tions and n − m operations respectively.
Step 2.1 is performed in O((n−m)1+ϵ ) operations. If we denote cn−m+1 as the complexity
of Step 2, we have the relation

cn−m+1 = c[n−m+1]/2 + O(n − m),

6
hence cn−m+1 is
O((n − m)1+ϵ ) = O(n1+ϵ ).
Steps 3 and 5 involve polynomial multiplications, which are performed in O((n−m)1+ϵ ) =
O(n1+ϵ ) operations and O(m1+ϵ ) operations respectively. Thus, the number of elementary
operations is
O(n1+ϵ ).
2.1.3. We recall an algorithm that allows computing the s-th term of a linear recurrent
sequence with coefficients in A of order b. Here is the algorithm :

SuiteRec((ei )0≤i≤b−1 , (fi )0≤i≤b−1 , s)

Input : coefficients (ei )0≤i≤b−1 of the linear recurrent sequence of order b :

xn+b = eb−1 xn+b−1 + ⋯ + e0 xn ,

initial conditions (fi )0≤i≤b−1 , and an integer s greater than 1.

Output : the s-th term of the sequence (xi )i .

Let R(T ) ∶= T b − eb−1 T b−1 + ⋯ − e0 .

If s is less than b − 1, return fs . Otherwise :

● Step 1 : recursively compute T s =∶ g0 + g1 T + ⋯ + gb−1 T b−1 mod R using the recur-

rence relation

(T l/2 )2 mod R if l is even

∀l ∈ N∗ , T l = { (l−1)/2 2
T (T ) mod R otherwise.

● Step 2 : return g0 f0 + ⋯ + gb−1 fb−1 .

Through the Euclidean division algorithm, multiplication in A[T ]/(R) has a complexity
of O(b1+ϵ ). The number of recursive calls is O(log s). Thus, the number of elementary
operations is
O(b1+ϵ log s).

2.2 Calcul de Q en fonction de P

On fixe un entier b supérieur à 1, un polynôme P à coefficients dans Z de
degré b tel que P (0) soit non nul.

On garde les notations de la section 1.1.

Définition 2.2.1. Soit R = ∑bj=0 cj T j un polynôme de Z[X]. La norme de Gauss de R
est définie par ∥R∥ ∶= max0≤j≤b ∣cj ∣.
Proposition 2.2.2. (i) On a
∥Q∥ ≤ ∥P ∥r pr,b ,
où pr,b est le nombre de solutions dans Nr de i1 + ⋯ + ir = b.

7
 (ii) Soit λ un réel supérieur à 1 tel que

∣αj ∣ ≤ λ (∀1 ≤ j ≤ b).

Alors on a
∥Q∥ ≤ 2b ∣a0 ∣r λbr .

Démonstration. Montrons (i). Pour tout entier k tel que 0 ≤ k ≤ b, on a

∣bk ∣ ≤ ∑ ∥P ∥r ≤ ∥P ∥r pr,k ≤ ∥P ∥r pr,b .

i1 +⋯+ir =k

Montrons (ii). Soit k un entier tel que 0 ≤ k ≤ b. Des relations existant entre les
coefficients et les racines du polynôme Q, on déduit les inégalités
b
bk b
∣ r
∣ ≤ ∑ ∣β i1 ∣⋯∣βik ∣ ≤ ∑ ( )λrk
a0 1≤i1 <...<ik ≤b k=0 k

≤ 2b λrb .

car ∣βj ∣ ≤ λr pour tout entier j tel que 1 ≤ j ≤ b.

Proposition 2.2.3. Notons δ ∶= P (0). On peut calculer le polynôme Q connaissant P avec

une complexité de
O (b1+ϵ (b + log r)(MQ + rb logp δ)1+ϵ )
où MQ est un entier naturel tel que ∥Q∥ ≤ pMQ .

Démonstration. Voici toutes les étapes de l’algorithme, on donne leurs validités et leurs
complexités.

8
 AlgoRec(P, r, M )

Entrée : un polynôme P de degré b à coefficients entiers tel que P (0) soit non nul, un
entier r supérieur à 1 et un entier naturel MQ .
Sortie : le polynôme Q tel que
r−1
Q(T r ) = ∏ P (ξ i T ).
i=0

On calcule Q en trois étapes. Les calculs se font dans l’anneau

A ∶= Z/pN Z

où N ∶= [logp (b)(M + rb logp δ)] + 1.

On note δ = P (0) et
sl ∶= Sl (α) ∀l ∈ N.

● étape 1 : on calcule les δ k sk pour k allant de 1 à b ;

● étape 2 : on calcule les δ rk srk pour k allant de [b/r] + 1 à b ;
● étape 3 : on calcule kδ rk bk ∶= ∑k−1 rk
i=0 δ bi sr(k−i) pour k allant de 1 ;
● étape 4 : on calcule bk pour k allant de 1 ;
● étape 5 : on renvoie le polynôme ∑bk=0 bk T k .

étape 1 : on applique les relations de récurrences linéaires (i) de la proposition (1.2.2).

Pour tout entier k tel que 1 ≤ k ≤ b, le calcul de δ k sk à partir des (δ j sj )1≤j≤k−1 se fait
en 2k − 1 opérations dans A. Le nombre d’opérations pour le calcul de (sk )1≤k≤b est donc
O(b2 ). Ainsi la complexité de l’étape 1 vaut

O (b2 N 1+ϵ ) .

étape 2 : la suite (δ rk srk )1≤k≤[b/r] est déjà calculé dans l’étape 1. En appliquant l’al-
gorithme SuiteRec, on calcule δ rk srk en O(b1+ϵ log rk) étapes pour tout entier tel que
[b/r] + 1 ≤ k ≤ b.
Le nombre d’opérations dans l’étape 2 est

b!
O (b1+ϵ log (r )) = O(b2+ϵ + b1+ϵ log r).
[b/r]!

Ainsi la complexité de l’étape 2 vaut

O (b1+ϵ (b + log r)N 1+ϵ ) .

étape 3 : on applique les relations de récurrences linéaires (ii) du corollaire (1.2.2). Pour
être exacts, les calculs doivent se faire modulo δ rk bMQ (on prend alors N = [logp (b)MQ +
rb logp δ] + 1).
Pour tout entier k tel que 1 ≤ k ≤ b, le calcul de bk à partir des (bj )1≤j≤k−1 se fait en
2k + 1 opérations dans A. Le nombre d’opérations dans l’étape 3 est donc O(b2 ).

9
 Ainsi la complexité de l’étape 3 vaut

O (b2+ϵ N 1+ϵ ) .

Remarque 2.2.4. La complexité qui nous intéresse est celle en r. On déduit de la propo-
sition (2.2.2) que pour avoir des algorithmes efficaces, il sera plus intéressant d’avoir des
informations sur les racines de P que sur la norme de Gauss de P car pr,b est exponentielle
en r (voir la section (I.3) de [F-S09]).
Remarque 2.2.5. (1) On pourrait aussi exploiter le corollaire (1.2.4), il faudrait chercher
les solutions des équations du type
∣v∣1 = m (3)
où v est un élément de Nb et m est un entier naturel.
D’après la section (I.3) de [F-S09], on voit que le nombre d’étapes est exponentiel en
r. La formule de la proposition (1.2.4) n’est pas efficace.
(2) On peut s’attendre à ce que la complexité d’un algorithme exploitant le résultant ait
une complexité au moins en r2 ce qui est moins bon que notre algorithme exploitant
les formules de récurrence. On pourrait certainement faire mieux car la matrice dont
on calcule le déterminant est creuse.

2.3 Application au calcul de la fonction zêta d’une variété

On fixe une variété X sur Fq .

Pour tout entier n supérieur à 1, on note X(Fqn ) l’ensemble des points Fqn -rationnels
de X. La fonction zêta de X est définie par

#X(Fqn ) n
Z(X, T ) ∶= exp ( ∑ T ).
n≥1 n

Définition 2.3.1. Soit µ un entier naturel et R un polynôme à coefficients entiers de degré

b tel que R(0) soit non nul.
Si b est supérieur à 1, décomposons R en
b
R(T ) =∶ R(0) ∏(1 − γj T )
j=1

b
où (γj )1≤j≤b est un élément de Q .
On dit que R est un polynôme mixte (relativement à q) de poids inférieurs à
µ si R est constant ou si
′
∀j ∈ {1, . . . , b}, ∃µ′ ∈ N, µ′ ≤ µ, ∣γj ∣ = q µ /2 .

Théorème 2.3.2. La fonction zêta de X s’écrit

2d j+1
Z(X, T ) = ∏ Pj (T )(−1)
j=0

où pour tout entier j tel que 0 ≤ j ≤ 2d, Pj est un polynôme à coefficients entiers mixte de
poids inférieurs à j.

10
Démonstration. Le rationalité découle de la formule des traces de Grothendieck-Lefschetz
(voir le théorème (13.4) de [Mil80]).
La mixité découle du théorème (4.1) de [LS04].

Proposition 2.3.3. On a
r−1
Z(XFqr , T r ) = ∏ Z(X, ξ i T )
i=0

où ξ est une racine primitive r-ième de l’unité.

Ce résultat ne dépend pas du choix de la racine primitive r-ième.

Démonstration. Pour tout entier naturel ν, on a

r−1
iν r si r divise ν ;
∑ξ ={
i=0
0 sinon.

Ainsi
#XFqr (Fqrn )
Z(XFqr , T r ) ∶= exp ( ∑ T rn )
n≥1 n
#X(Fqrn ) rn
= exp ( ∑ T ) car #X(Fqrn ) = #XFqr (Fqrn )
n≥1 n
r−1 #X(Fqν ) νi ν
= exp ( ∑ ∑ ξ T )
i=0 ν≥1 ν
r−1
= ∏ Z(X, ξ i T ).
i=0

Proposition 2.3.4. Supposons que l’on connaisse la fonction zêta de X et que sa décom-
position soit comme dans le théorème (2.3.2)
2d j+1
Z(X, T ) = ∏ Pj (T )(−1)
j=0

Alors la fonction zêta de XFqr peut être calculée en

O (db3+ϵ r1+ϵ (d logp q + logp δ)1+ϵ )

où
b ∶= max deg(Pj ) et δ ∶= max ∣Pj (0)∣.
0≤j≤2d 0≤j≤2d

Démonstration. Soit j un entier tel que 0 ≤ j ≤ 2d. On note

r−1
Qj (T r ) ∶= ∏ Pj (ξ i T )
i=0

où ξ est une racine primitive r-ième de l’unité.

D’après le paragraphe (1.1.2), Qj est un polynôme de Z[T ] de degré deg(Pj ). On a le
lemme suivant :

11
Lemme 2.3.5. Le polynôme Qj est exact modulo 2b δ r q dbr .
Démonstration. On a d’après le point (ii) de la proposition (2.2.2)
∥Qj ∥ ≤ 2deg(Pj ) ∣Pj (0)∣r q j deg(Pj )r/2 ≤ 2b δ r q dbr .

On définit alors l’algorithme suivant :

ZetaExt((Pj )0≤j≤2d , r, M )

Entrée : la famille (Pj )0≤j≤2d des polynômes apparaissant dans la décomposition de la

fonction zêta de X, et un entier r supérieur à 1.
Sortie : la famille (Qj )0≤j≤2d des polynômes apparaissant dans la décomposition de la
fonction zêta de XFqr .

● étape 1 : pour j allant de 0 à 2d,

◇ on calcule Qj = Pjr si Pj est constant ;
◇ on calcule le polynôme Qj = AlgoRec(Pj , r, M ) sinon.
● étape 2 : on renvoie la famille (Qj )0≤j≤2d .

On déduit de la proposition (2.2.3) que cet algorithme a une complexité de

O (db1+ϵ (b + log r)(M + rb logp δ)1+ϵ ) .
D’après le lemme (2.3.5), il suffit de calculer
ZetaExt((Pj )0≤j≤2d , r, M )
où M est un entier naturel tel que pM ≥ 2b δ r q dbr . La complexité du calcul est
O (db1+ϵ (b + log r)(M + rb logp δ)1+ϵ ) = O (db3+ϵ r1+ϵ (d logp q + logp δ)1+ϵ ) .

Exemple 2.3.6. Soit C une courbe hyperelliptique de genre g sur Fp avec un point de
Weierstrass rationnel. La fonction zêta de C s’écrit
P1 (T )
Z(C, T ) =
(1 − T )(1 − pT )
où P1 (T ) = 1 + a1 T + . . . + a2g T 2g ∈ Z[T ]. On peut calculer la fonction zêta de CFpr de deux
façons :
(1) D’après [Ked01], la complexité du calcul de Z(CFpr , T ) est un
O(g 4+ϵ r3+ϵ ).
(2) Toujours d’après [Ked01], la complexité du calcul de Z(C, T ) est O(g 4+ϵ ). Par l’algo-
rithme ZetaExt, on peut alors calculer la fonction zêta de CFpr en
O(g 7+ϵ r1+ϵ ).
L’algorithme développé a donc une meilleure complexité en r que l’algorithme de Kedlaya
pour le calcul de la fonction zêta de CFpr .

12
Références
[F-S09] Philippe Flajolet et Robert Sedgewick, Analytic Combinatorics, Cambridge Uni-
versity Press, (2009).
[Ked01] K. Kedlaya, Counting points on hyperelliptic curves using Monsky-Washnitzer co-
homology, J. Ramanujan Math. Soc., 16, (2001).
[LS04] Bernard Le Stum, Frobenius action, F-isocrystals and slope filtration, Geometric
aspects of Dwork theory. Vol. I, II, Walter de Gruyter GmbH & Co. KG, Berlin, 837-
843, (2004).
[Mil80] James Stuart Milne, Étale Cohomology, Princeton Math. Series vol. 33, Princeton
University Press, (1980).

13