🔢 mathematics

Counting $2\times 2$ matrices with fixed determinant and bounded coefficients

Cet article propose une nouvelle preuve avec un terme d'erreur amélioré pour le nombre de matrices $2\times 2$ à déterminant fixé et coefficients bornés, tout en démontrant que l'exposant $1/2+\delta$ dans la condition de validité est optimal.

Auteurs originaux : Kavita Dhanda, Alan Haynes, Silmi Prasala

Publié 2026-04-01

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Kavita Dhanda, Alan Haynes, Silmi Prasala

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un architecte chargé de construire des tours carrées avec des briques. Chaque tour est représentée par une grille de 4 briques (une matrice 2x2). Il y a deux règles strictes pour votre construction :

La règle de la taille : Aucune brique ne doit être trop lourde. Toutes doivent peser moins d'un certain poids, disons $X$ .
La règle de la stabilité : La "force" de la tour, appelée déterminant, doit être exactement égale à un nombre précis, disons $n$ .

Le problème mathématique que cette équipe de chercheurs (Kavita Dhanda, Alan Haynes et Silmi Prasala) a résolu est le suivant : Combien de façons différentes pouvez-vous construire ces tours stables si vous avez une limite de poids pour les briques ?

Le Défi : Compter les Tours

Pendant longtemps, les mathématiciens savaient très bien compter ces tours si les règles étaient basées sur la distance "à vol d'oiseau" (la norme euclidienne). C'est comme si on mesurait la taille des briques en diagonale. Mais dans la vraie vie (et dans ce problème), on mesure souvent la taille en ligne droite (la norme "sup", c'est-à-dire la plus grande valeur absolue d'une brique).

C'est un peu comme si on essayait de compter des voitures dans un parking en regardant seulement leur largeur maximale, sans se soucier de leur longueur. C'est beaucoup plus difficile à calculer précisément.

La Nouvelle Découverte : Une Meilleure Recette

Un chercheur nommé M. Afifurrahman avait récemment trouvé une première recette pour estimer ce nombre. Il a dit : "Si vous avez beaucoup de poids disponible ( $X$ ), voici à peu près combien de tours vous pouvez construire."

Mais sa recette avait un petit défaut : elle était un peu imprécise quand le nombre de tours ( $n$ ) et le poids maximal ( $X$ ) changeaient ensemble. C'est comme si la recette disait "environ 100 gâteaux", mais que l'erreur pouvait être de 20 gâteaux, ce qui est énorme si vous en faites seulement 100.

Ce que font les auteurs de ce papier :
Ils ont écrit une nouvelle recette (une nouvelle preuve mathématique) qui est :

Plus précise : L'erreur est beaucoup plus petite. C'est comme passer d'une estimation "à peu près" à une mesure au gramme près.
Plus robuste : Elle fonctionne même si le poids maximal ( $X$ ) est très petit par rapport au nombre de tours ( $n$ ).

Le Seuil Magique : Le Mur de la Moitié

Le résultat le plus intéressant de leur travail est la découverte d'un seuil critique.

Imaginez que vous essayez de construire une tour très stable ( $n$ est grand).

Si vous avez beaucoup de place pour les briques ( $X$ est grand), votre recette fonctionne parfaitement.
Mais, si vous réduisez la taille maximale des briques jusqu'à ce qu'elle soit égale à la racine carrée de la stabilité ( $X = \sqrt{n}$ ), la magie opère différemment.

Les auteurs montrent que si vous descendez en dessous de ce seuil (ou juste à ce niveau), la formule habituelle s'effondre. C'est comme si, en réduisant la taille des briques, la nature de la construction changeait radicalement. Ils ont prouvé qu'on ne peut pas aller plus loin dans la réduction de la taille des briques sans changer complètement la façon de compter.

L'Analogie de la Clé et de la Serrure

Pour prouver ce point difficile (le Théorème 2), ils utilisent une astuce ingénieuse :
Imaginez que vous avez une serrure (le nombre $n$ ) et des milliers de clés potentielles (les matrices).

Normalement, pour une serrure donnée, il y a une formule standard pour savoir combien de clés ouvrent la porte.
Mais si la serrure est un nombre premier spécial (comme un chiffre premier ou le carré d'un premier) et que vous ne laissez passer que des clés très petites, la distribution des clés qui fonctionnent change.

Ils utilisent un principe simple (le "principe des tiroirs" de Dirichlet) : si vous avez plus de clés que de trous dans le mur, certaines clés doivent se ressembler. En jouant avec ces ressemblances, ils montrent que le nombre de solutions change de comportement à ce seuil précis.

En Résumé

Ce papier est une victoire de la précision mathématique.

Ils ont amélioré la façon de compter les grilles de nombres qui ont un produit spécifique.
Ils ont prouvé qu'il existe une limite fondamentale à la taille des nombres que l'on peut utiliser, au-delà de laquelle les règles du jeu changent.
Ils ont fourni un outil plus puissant pour les mathématiciens qui étudient la théorie des nombres, un peu comme si on avait donné aux architectes un mètre ruban plus précis pour mesurer leurs tours.

C'est un travail qui dit : "Nous savons exactement combien de façons il y a de faire cela, et nous savons aussi jusqu'où nous pouvons pousser les limites avant que tout ne devienne imprévisible."

1. Problématique et Contexte

L'article s'intéresse au problème de dénombrement des matrices $k \times k$ à coefficients entiers dont le déterminant est fixé à un entier non nul $n$ , et dont les coefficients sont bornés en valeur absolue par une constante $X$ . Plus précisément, les auteurs étudient le cas $k=2$ avec la norme infinie (norme du sup), notée $\|\cdot\|_\infty$ .

Le problème consiste à estimer le nombre de telles matrices, noté $S_{2,\|\cdot\|_\infty}(n, X)$ , lorsque $X \to \infty$ .

Contexte historique :

Pour la norme euclidienne ( $\|\cdot\|_2$ ), des résultats asymptotiques existent depuis les travaux de Selberg (années 70) et Duke, Rudnick, Sarnak (1993). Cependant, ces résultats reposent sur l'invariance rotationnelle de la norme euclidienne et ne s'appliquent pas directement à la norme infinie.
Pour la norme infinie, le cas $n=0$ et $n=1$ a été partiellement traité, mais le cas général pour $n \neq 0$ manquait d'estimations précises avec des termes d'erreur explicites.
Une avancée récente (juillet 2024) par M. Afifurrahman a fourni la première estimation asymptotique avec terme d'erreur pour ce problème, valable pour $X$ aussi petit que $n^{1/2+\delta}$ .

2. Contributions Principales

Les auteurs apportent deux contributions majeures :

Une nouvelle preuve avec un terme d'erreur amélioré : Ils proposent une preuve alternative du résultat d'Afifurrahman, obtenant un terme d'erreur plus précis et uniforme en $n$ et $X$ .
Optimalité de l'exposant : Ils démontrent que l'exposant $1/2 + \delta$ dans la condition de validité de l'estimation asymptotique est optimal. En effet, lorsque $X = n^{1/2}$ (cas limite), le terme principal change de forme si $n$ est un nombre premier ou le carré d'un nombre premier, rendant la formule générale inapplicable.

3. Méthodologie

Preuve du Théorème 1 (Estimation Asymptotique)

La méthode repose sur une décomposition combinatoire et analytique du problème de dénombrement :

Symétrie et Décomposition : Les auteurs expriment $S(n, X)$ en fonction de l'ensemble des quadruplets $(a, b, q, r)$ satisfaisant $ar - bq = n$. Ils décomposent ce nombre en une partie où $|r| < |q|$ et une partie où $|r| = |q|$ , exploitant la symétrie $S(n, X) = 2S_{leq}(n, X) - S_{eq}(n, X)$ .
Sommes sur les diviseurs : Le problème est réduit à des sommes sur les diviseurs de $n$ . En posant $d = \gcd(a, q)$ , ils réécrivent la somme en fonction de $q/d$ et $n/d$ .
Analyse des solutions linéaires : Pour des paramètres fixés, le nombre de solutions pour $b$ est déterminé par une congruence linéaire. Les auteurs séparent le terme principal (basé sur la densité des solutions modulo $q$ ) d'un terme d'erreur.
Estimation des erreurs : Ils utilisent des propriétés arithmétiques classiques (fonction $\phi$ d'Euler, fonction $\omega$ comptant les facteurs premiers, fonction $\sigma_0$ comptant les diviseurs) pour majorer les termes d'erreur. Une attention particulière est portée à la gestion des conditions aux limites et aux petites valeurs de $X$ .

Preuve du Théorème 2 (Cas Critique $X = n^{1/2}$ )

Pour montrer que l'exposant $1/2$ ne peut pas être réduit, les auteurs analysent le cas où $n=p$ (premier) ou $n=p^2$ et $X = \sqrt{n}$ :

Lemme de Pigeonhole (Dirichlet) : Ils utilisent un principe des tiroirs sur un ensemble de paires $(a, q)$ avec $|a|, q < \sqrt{n}$ pour prouver l'existence de solutions à l'équation $aq^{-1} \equiv c \pmod n$ .
Surjectivité et Comptage : Ils définissent une application $T: \Omega \to \mathbb{Z}/n\mathbb{Z}$ où $\Omega$ est l'ensemble des paires copremières dans le domaine borné. Ils montrent que cette application est surjective et que chaque élément de l'image provient d'un ou deux points du domaine.
Lien avec le déterminant : La différence entre la taille de l'ensemble $\Omega$ et le nombre d'éléments dans l'image est directement liée au nombre de matrices avec déterminant $n$ . Cela permet de calculer une constante principale différente de celle du Théorème 1.

4. Résultats Clés

Théorème 1 (Estimation Générale)

Pour tout $\epsilon > 0$ , $n \in \mathbb{N}$ et $X \ge 1$ :
$S_{2,\|\cdot\|_\infty}(n, X) = \frac{96 \sigma_{-1}(n)}{\pi^2} X^2 + O_\epsilon (\sigma_0(n) X \log X + n X^\epsilon)$

Amélioration : Par rapport au résultat d'Afifurrahman (terme d'erreur $O(X^{o(1)} \max(X^{5/3}, n))$ ), ce nouveau terme d'erreur offre une économie de puissance significative lorsque $X \gg n$ .
Validité : Le résultat reste significatif pour $X$ aussi petit que $n^{1/2+\delta}$ .

Théorème 2 (Comportement Asymptotique Différent)

Pour $n=p$ (premier) ou $n=p^2$ et $X = n^{1/2}$ :
$S_{2,\|\cdot\|_\infty}(n, n^{1/2}) = 4 \left( \frac{12}{\pi^2} - 1 \right) n + O(n^{1/2} \log n)$

Signification : Le coefficient principal $\frac{12}{\pi^2} - 1$ est différent de celui du Théorème 1 (qui implique $\frac{96}{\pi^2}$ ). Cela prouve que la formule asymptotique générale du Théorème 1 échoue lorsque $X$ atteint la frontière $n^{1/2}$ , confirmant que l'exposant $1/2 + \delta$ est la limite inférieure pour la validité de la formule standard.

5. Importance et Implications

Optimalité des bornes : L'article établit rigoureusement la limite de validité des formules asymptotiques uniformes pour les matrices à déterminant fixé, un problème ouvert dans la théorie des nombres.
Outils pour les applications : La dépendance explicite du terme d'erreur par rapport à $n$ et $X$ est cruciale pour des applications en théorie des nombres où $n$ et $X$ varient simultanément (par exemple, dans l'étude des réseaux ou des formes modulaires).
Lien avec d'autres problèmes : Les auteurs mentionnent que leurs résultats sont liés à un analogue du « problème du dénominateur minimal » dans le cadre des nombres $p$ -adiques, ouvrant la voie à de futures recherches sur les puissances supérieures de nombres premiers.

En résumé, cet article fournit une preuve plus courte et plus précise d'un résultat récent, tout en caractérisant finement le comportement asymptotique à la limite critique où la taille de la boîte de coefficients est proportionnelle à la racine carrée du déterminant.