Académique Documents
Professionnel Documents
Culture Documents
Gabriel TURINICI
cours 2009-2010
Semestre 6
1
Table des matières
2
2.9.6 Systèmes d’EDO . . . . . . . . . . . . . . . . . . . . . 23
3
5 Équations aux dérivées partielles (EDP), équation de la cha-
leur 60
5.1 Motivation : évaluation d’options par Black & Scholes . . . . . 60
5.2 Rappels sur les EDP : espaces fonctionnels, formulation varia-
tionnelle, lemme de Lax-Milgram . . . . . . . . . . . . . . . . 61
5.2.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.2 Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . 62
5.2.3 Formulation variationnelle . . . . . . . . . . . . . . . . 63
5.2.4 Lemme de Lax-Milgram . . . . . . . . . . . . . . . . . 64
5.3 Formulations variationnelles (Galerkin) pour la discrétisation
des EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.3.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . 65
5.3.2 Mise en oeuvre . . . . . . . . . . . . . . . . . . . . . . 67
5.3.3 Illustration : interpolation P 1 pour fonctions C 2 . . . . 68
5.4 Différences finies pour des EDP . . . . . . . . . . . . . . . . . 70
5.4.1 Euler explicite . . . . . . . . . . . . . . . . . . . . . . . 70
5.4.2 Euler implicite . . . . . . . . . . . . . . . . . . . . . . 71
5.4.3 Crank-Nicholson . . . . . . . . . . . . . . . . . . . . . 71
5.4.4 Retour à Black&Scholes . . . . . . . . . . . . . . . . . 72
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4
Chapitre 1
Exemples d’équations
d’évolution : épidémiologie,
trafic, diffusion de chaleur,
finances
5
Chapitre 2
Équations différentielles
ordinaires (EDO)
6
pour tout t ∈ Bt et X1 , X2 ∈ Bx . Alors le problème de Cauchy admet une
solution locale unique :
X(t) : (t0 − ε, t0 + ε) −→ R (ε > 0). De plus, X(t) est C 1 .
Théorème 2 (Cauchy-Lipschitz variante globale) Sous les mêmes hy-
pothèses que le théorème 1,si L est la même pour tout Rx (rayon de la boule),
alors une solution globale existe et est unique.
Variante : il y a existence et unicité globale également si on peut trouver
une fonction continue α : R → R+ telle que
|f (t, X1 ) − f (t, X2 )| ≤ α(t)|X1 − X2 |.
Exemples
1/ f (t, X) = rX avec r ∈ R constante. Alors |f (t, X1 )−f (t, X2 )| = |r|·|X1 −
X2 | donc nous obtenons existence globale ;
5
2/ f (t, X) = X−3 . Un calcul immédiat nous donne |f (t, X1 ) − f (t, X2 )| =
5
|(X1 −3)(X2 −3)|
· |X1 − X2 | donc nous obtenons existence locale pour L >
5
|(X0 −3)(X0 −3)|
dans un voisinage de tout point (t0 , X0 6= 3). Par contre comme
5
|(X0 −3)(X0 −3)|
n’est pas borné autour de X0 = 3 le thm. d’existence globale
n’est pas applicable.
7
Chaque fonction φ donne un autre schéma numérique. Sauf quand il est
explictement mentionné (cf. exercices ci-dessous), on supposera que (2.2)
admet toujours une solution unique Un+1 .
8
– Heun (H) :
hh
( i
Un+1 = Un + fn + f (tn+1 , Un + hfn )
2
U0 = X(0)
ou encore
X(tn+1 ) − X(tn ) − hφ(tn , Xn , f, h)
τn+1 (h) = (2.4)
h
Définition 1 La différence qui apparait lorsqu’on met la vraie solution dans
le schéma numérique est dite erreur de troncature. Ici il s’agit de τn+1 (h) qui
est l’erreur de troncature locale au pas n + 1. L’erreur de troncature globale
est : τ (h) = max | τn (h) |.
n=1,...,N
Remarque 1 L’erreur de troncature est ici la même chose que l’erreur entre
Xn+1 et le Un+1 obtenu en partant de Un = Xn .
Exemples
Euler explicite : par la formule de Taylor à l’ordre 2 :
1
X(t + h) = X(t) + hẊ(t) + h2 Ẍ(ξ), ξ ∈ [t, t + h]
2
1
Pour (t = tn et tn + h = tn+1 ), on obtient : τn+1 (h) = hẌ(ξn ).
2
9
2.3.2 Consistance et ordre
Définition 2 Un schéma est dit consistant si :
lim τ (h) = 0, (2.5)
h→0
(h)
Démonstration Voir cours. Indication : Notons : Wn = Zn − Un . Alors
Wn+1 = Zn(h) − Un + h[φ(tn , Zn(h) , f, h) − φ(tn , Un , f, h)] + hδn+1
d’où | Wn+1 |≤| Wn | +hΛ | Wn | +h|δn+1 | donc
n
X n+1
X
| Wn+1 |≤| W0 | +hΛ | Ws | + h|δs |
s=0 s=1
10
Lemme 1 (Gronwall discret) Soit Ks une suite de réels positifs et ϕk une
k
X k
X
suite telle que pour tout k : ϕk+1 ≤ g0 + ps + Ks ϕs . Alors pour tout
s=0 s=0
n
X n
X
n : ϕn+1 ≤ (g0 + ps ) exp( Ks ).
s=0 s=0
2.4.2 Convergence
Définition 4 Un schéma est dit convergent à l’ordre p si, avec les notations
précédentes, |Un − Xn | = O(hp ). Un schéma convergent à l’ordre 1 est dit
”convergent”.
0 h2 (3)
Xn+1 = Xn0 + hXn00 + X (η) (2.9)
2 n
h2 h3
Xn+1 = Xn + hXn0 + Xn00 + Xn(3) (ξ) (2.10)
2 6
En remplacant (2.9) et (2.10) dans (2.8) on obtient
h3 (3) h3
hτn+1 (h) = Xn (ξ) − Xn(3) (η) (2.11)
6 4
d’ou τn+1 (h) = O(h2 ).
dont la solution est Y (t) = eλt . Pour <(λ) < 0 nous obtenons lim Y (t) = 0.
t→+∞
Donc toute perturbation locale en temps est ”effacée” en temps long. Ceci est
une propriété très convenable pour les schémas numériques qui doivent lutter
contre les erreurs d’arrondi etc. Nous voulons conserver cette propriété.
Exemples
Euler explicite
Un+1 = Un + hλUn = (1 + hλ)Un = (1 + hλ)n+1 U0
12
région de stabilité 6
@
@
'$
@ 1
R
@
-
-1
&%
région de stabilité 6
@@@@@@@@@@@@@@@@@@@
@@@@@@@@@@@@@@@@@@@
@@@@@@@@@@@@@@ '$
@
@1@@@
@
@@
@@@@@@@@@@@@
@@@@@@@@@@@ -
@
@@@@@@@@@ 1 @ @
@@@@@@@@&%
@ @@@@@
@@
@@@@@@@@@ @@ @@ @
@@ @
@@@@@@@@@ @@@@@ @@@@
@
Fig. 2.2 – La stabilité
@@@ @@@@@@ de@Euler
@ @@@ @
@@
@
@
@@
implicite.
@
@@ @@@@@ @ @@@@@
@ @
@@@@@@@@@@@@@@@@@@
Crank-Nicholson
13
région de stabilité
@@@@@@@@@@@@@@@@@@
@@@@@@@@@@@@@@@@@@ 6
@
@@@@@@@@@@@@@@@@ @
@
@@@@@@@@@@@@@@@
@@@@@@@@@@@@@@
@
@@@@@@@@@@@@
@ -
@@@@@@@@@@
@
@@@@@@@@
@
@@@@@@
@
@
@@@@
@
@
Fig. 2.3 – La
@@
@
@stabilité de Crank-Nicholson.
hλ hλ n+1
h 1+ 1+
Un+1 = Un + (λUn + λUn+1 ) = 2 U = 2 U0
n
2 hλ hλ
1− 1−
2 2
On définit la région de stabilité en limitant le pas de temps h en imposant
la condition de stabilité :
hλ
1 +
2 < 1
hλ
1 −
2
(hλ)2
Heun : la région de stabilité est {hλ tels que |1 + hλ + 2
| < 1}
14
Une telle méthode est dite de Runge-Kutta (R-K). Pour une présentation
c A
plus simple nous introduisons le tableau du Butcher du schéma
bT
ou encore
c1 a11 a12 ... a1s
c2 a21 a22 ... a2s
... ... ... ... ... (2.15)
cs as1 as2 ... ass
b1 b2 ... bs
Ps
Nous supposerons toujours j=1 aij = ci .
15
2.5.2 Consistance
Théorème 5 Soit f une fonction Lipschitz.
Ps Alors la méthode R-K (expli-
cite) est consistante si et seulement si i=1 bi = 1.
Ici X1 est obtenu après un pas 2h alors que X2 est obtenu après 2 pas h. Nous
remarquons que nous avons supposé travailler avec une méthode d’ordre p.
La quantité ∆ = X2 − X1 = (2p+1 − 2)hp+1 ψn nous aide à ajuster le h.
16
donnent un schéma d’ordre p P + 1. La difference E = b − b̂ sert à estimer
l’erreur de tronquature ∆ = h si=1 Ei Ki .
Les plus populaires sont les schémas R-K-F d’ordres 4-5 ou 5-6 ou encore
2-3. En pratique l’algorithme est le suivant :
- nous précisons au début une tolérance ∆0 q
∆0
- si ∆ ≥ ∆0 alors nous refaisons le calcul avec le pas h̃ = h p+1 ∆
.
- si ∆ ≥ ∆0 le pas h est maintenu constant.
17
1) ∃Q inversible tel que A = QDQ−1 , D diagonale
2) ou d’une manière équivalente ∃Vi , λi , tel que AVi = λi Vi , kVi k = 1 et
1, . . . , n} est une base de Rn
{Vi ; i = P
alors, Y (t) = ni=1 eλi t Vi < y0 , Vi >.
18
suivant :
u0 = 998u + 1998v avec u(0) = 1
v 0 = −999u − 1999v avec v(0) = 0
On fait le changement de variables u = 2y − z et v = −y + z, ce qui nous
donne 0
y(t) = e−t yo
y = −y
⇒
z 0 = −1000z z(t) = e−1000t z0
(donc λ1 = −1, λ2 = −1000). On retourne à nos variables initiales, et on
obtient la solution désirée,
u = 2e−t − e−1000t ,
v = e−t + e−1000t .
Pour la stabilité de Euler explicite il faut |1 + hλ1 | < 1 et |1 + hλ2 | < 1, donc
2
h ≤ 1000 .
Pour la stabilité de Euler implicite il faut |1−hλi | > 1, qui est toujours vérifié
(∀h > 0). Supposant que nous sommes intéressés seulement par la partie en
e−t de la solution (on traite donc e−1000t comme une perturbation ce qu’elle
l’est en fait), la précision des deux schémas pourrait être bonne pour des pas
h assez grands ; pourtant pour Euler explicite nous sommes obliger d’utiliser
un h petit car sinon il n’y a pas de stabilité. Conclusion : utiliser de schémas
implicites permet de résoudre avec h plus grand donc plus rapidement.
19
2. Le passage I → R est proportionnel au nombre d’individus en I. On
peut le définir de la manière suivante :
Critères du modèle :
Le ρ = rS a
est dit taux de reproductivité ; il intervient dans dI
dt
= (ρ − 1)aI.
- si ρ(t = 0) < 1 ⇒ pas d’épidémie.
- si ρ(t = 0) > 1 alors il y a épidémie. I croit ensuite décroı̂t. Le nombre
total d’individus infectés est R∞ := limt→∞ R(t) = I0 + S0 − limt→∞ S(t).
(limt→∞ S(t) existe car S(t), I(t), R(t) ≥ 0∀t et S &).
Remarque 7 Des modèles plus compliqués sont parfois nécessaires, par exemple :
S → E → I → R.
20
2.9 Exercices
2.9.1 Ordre
Exercice 1 Décider lesquelles affirmations sont vraies :
√ √ √ √ √
1. pour h : h = O(h), h = O(h2 ), h = O( h1 ), h = O(h1/4 ) ;
2. pour sin(h) : sin(h) = O(h), sin(h) = O(h2 ), sin(h) = O( h1 ), sin(h) =
O(h1/4 ) ;
√
3. Pareil pour h + sin(h).
alors Z t
a(t) ≤ b(t) + eΛ(t)−Λ(s) λ(s)b(s)ds. (2.28)
0
Rt
Indication : Majorer la dérivée de A(t) = e−Λ(t) 0
λ(s)a(s)ds.
2. Si b est dérivable avec la dérivée intégrable sur [0, T ] alors
Z t
Λ(t) −Λ(s) 0
a(t) ≤ e b(0) + e b (s)ds (2.29)
0
21
4. Vérifier que en l’absence de l’hypothèse λ(t) ≥ 0 un contre-exemple est
λ(t) = λ < 0, b(t) = b + ω(t) , supp(ω) ⊂]0, T [, a(t) = beλt .
φ0 ≤ g0 (2.33)
n−1
X n−1
X
φn ≤ g0 + ps + ks φs , n ≥ 1. (2.34)
s=0 s=0
x0 = 2y (2.36)
y 0 = −2x − 4x3 − y (2.37)
partant de (x(0), y(0)) = (x0 , y0 ) 6= (0, 0). Démontrer que ce problème admet
une solution maximale sur tout l’intervalle ]α, β[ (avec −∞ ≤ α < β ≤ ∞).
22
Exercice 7 On considère le problème de Cauchy :
x0 (t) = 2|x(t)|1/2 (2.38)
x(0) = 0 (2.39)
1. Démontrer que pour toute constante λ ≥ 0 ce problème admet la so-
lution xλ (t) = (t − λ)2 si t ≥ λ et xλ (t) = 0 sinon. Commenter sur
l’unicité.
2. Écrire un schéma d’Euler explicite/implicite et expliquer quelle sera la
solution trouvée par un calcul numérique.
Exercice 8 Donner un résultat de convergence pour le schéma d’Euler sans
le lemme de Gronwall discret. On supposera la fonction f (t, x) Lipschitz glo-
bale de constante L et la solution X(t) de classe C 2 .
Indications : commencer sans les erreurs d’arrondi et établir une formule
de récurrence pour l’erreur.
2.9.5 Runge-Kutta
Exercice 9 (écriture R-K)
Vérifier que la méthode de Heun est bien une méthode de Runge-Kutta à
deux pas et écrire les tableaux de Butcher correspondants.
De même pour la méthode d’Euler modifiée :
h h
Un+1 = Un + hf (tn + , Un + fn )
2 2
Exercice 10 (θ-schéma) On considère le “θ-schéma” :
Un+1 = Un + h {(1 − θ)f (tn , Un ) + θf (tn+1 , Un+1 )} .
Démontrer que la région de stabilité de ce schéma contient {z = hλ; Re(z) <
0} ssi θ ≥ 1/2.
23
Exercice 12 Soit le problème de Cauchy :
x0 = 2y(z − 1) (2.43)
y 0 = −x(z − 1) (2.44)
z 0 = −xy (2.45)
24
Chapitre 3
Équations différentielles
stochastiques (EDS)
25
Réciproquement à partir de (Xt )t≥0 on pose Ãt = σ(Xs , s ≤ t) (qui est la
plus petite tribu rendant Xs mesurables pour tout s ≤ t ; ”σ” designe la plus
petite sigma algèbre contenant les ensembles en question) et At = σ(Ãt ∪ N )
(ici N sont les ensembles de mesure nulle) ; (Xt )t≥0 est adapté par rapport à
(At )t≥0 et (At )t≥0 est sa filtration naturelle.
Movement brownien
Il modélise un mouvement très irrégulier mais continu (peut être dessiné
sans lever le stylo du papier). Il s’agit d’une suite de variables aléatoires W (t)
(indexée par le temps t), notée aussi Wt , et telle que
a/ W0 = 0 avec probabilité 1
b/ P-ps t 7→ Wt (ω) est continu sur [0, T ]
b/ pour 0 ≤ s ≤ t ≤ T l’incrément W (t) − W (s) √ est une variable normale
de moyenne 0 et variance t − s : W (t) − W (s) ≈ t − sN (0, 1) (N (0, 1) est
la loi de la variable normale standard
c/ pour 0 ≤ s < t < u < v ≤ T les incréments W (t) − W (s) et W (v) −
W (u) sont indépendants.
x2
1
On rappelle que la densité de N (0, λ) est √2πλ e− 2λ ; par ailleurs Wt+dt − Wt
√
a comme loi N (0, dt) ou encore dtN (0, 1) (donc c’est intuitivement d’ordre
dt1/2 , cf. aussi formule de Ito).
Martingales
Soit (Ω, A, P ) un espace de probabilité et (At )t≥0 une filtration. Une
famille adaptée (Mt )t≥0 de v.a. intégrables (c’est à dire telles que E|Mt | < ∞)
est une martingale si pour tout s ≤ t E(Mt |As ) = Ms .
26
Intégrale de Ito
RT
Il s’agit de donner un sens à 0 f (t, ω)dWt pour un mouvement brownien
Wt et (At )t≥0 sa filtration naturelle.
RT
On se rappelle des sommes de Riemann pour le calcul de 0 h(t)dt qui
font intervenir des divisions
P t0 = 0 < t1 < t2 < ... < tN = T de [0, T ] et les
sommes de Riemann j h(tj )(tj+1 − tj ). Ces sommes convergent à l’intégrale
de Riemann lorsque la finesse de la division tend vers zéro.
P −1
De manière analogue on construit les sommes de Ito N j=0 h(tj )(Wtj+1 −
PN −1 tj +tj+1
Wtj ) ou de Stratanovich j=0 h( 2 )(Wtj+1 − Wtj ). Lorsque la fonction h
est déterministe les deux sommes convergent vers la même limite. Par contre
si h est aléatoire (par exemple dépend de Wt ) les deux sommes ne convergent
pas vers la même limite.
Exemple : h = W , tj = j · dt.
Les sommes de Ito :
N
X −1 N
X −1
h(tj )(Wtj+1 − Wtj ) = Wtj (Wtj+1 − Wtj ) (3.1)
j=0 j=0
N −1 1N −1
1 X 1 2 X
= Wt2j+1 − Wt2j − (Wtj+1 2
− Wtj ) = 2
WT − W0 − (Wtj+1 − W(3.2)2
tj ) .
2 j=0
2 2 j=0
1
PN −1
Le terme 2
(Wtj+1 − Wtj )2 est de moyenne N dt = T et variance de
j=0
1 2
l’ordre dt donc la limite sera 2 WT − T .
Les sommes de Stratonovich :
N −1 N −1
X tj + tj+1 X
h( )(Wtj+1 − Wtj ) = W tj +tj+1 (Wtj+1 − Wtj ) (3.3)
j=0
2 j=0
2
N −1
X Wtj + Wtj+1
+ ∆Zj (Wtj+1 − Wtj ) (3.4)
j=0
2
Ici ∆Zj est une variable indépendante de Wtj de moyenne nulle et variance
dt/4. La limite sera 12 WT2 .
Remarque 10 L’intégrale de Stratonovich est aussi limite des sommes
N −1
X h(tj ) + h(tj+1 )
(Wtj+1 − Wtj ). (3.5)
j=0
2
27
D’une manière plus générale, pourR un processus Ht adapté Rà la filtra-
T T
tion (At )t≥0 on peut définir (dès que 0 Hs2 ds < ∞ ) i’intégrale 0 Hs dWs ,
RT 2
dite intégrale de Ito. Elle est une martingale si E 0 Hs ds < ∞ (condition
suffisante). Par ailleurs l’intégrale de Ito est continue.
Les propriétés
Rd’incréments indépendants du mouvement brownien nous
t
renseignent que 0 HdW (s) est une martingale. En fait la réciproque est
t
aussi vraie : toute M (t) martingale locale par rapport au mouvement brow-
nien dW (t) peut être représentée comme une intégrale stochastique :
Z t
M (t) = M (0) + H(s)dW (s)
0
Rt
avec H(t) processus adapté et 0
H(s)2 ds < ∞ p.s. En particulier toute
martingale est continue.
Proposition 2 (Isométrie de Ito) L’intégrale de Ito a les propriétés sui-
vantes
Z T
E H(Wt , t)dWt = 0 (3.6)
0
Z T 2 Z T
E H(Wt , t)dWt = EH 2 (Wt , t)dt. (3.7)
0 0
28
Remarque 11 Comme avant, le sens à donner à (3.9) est un sens intégral.
∂
avec L = ∂x . Par exemple pour f (x) = x on obtient la formule de X(t). On
suppose dorénavant a = a(X) et on utilise la formule précédente :
Z s
a(Xs ) = a(X0 ) + La(Xσ )dσ
0
obtenant ainsi
Z t Z t Z s
Xt = X 0 + a(Xs )ds = X0 + (a(X0 ) + La(Xσ )dσ)ds
0 0 0
Z t Z tZ s
= X0 + a(X0 ) ds + La(Xσ )dσds
0 0 0
Z tZ s
= X0 + ta(X0 ) + La(Xσ )dσds. (3.12)
0 0
Z t Z t
0
f (Xt ) = f (X0 ) + L f (Xs )ds + L1 f (Xs )dWs . (3.14)
0 0
30
Une application répétée de la formule nous permet d’écrire :
Z t Z t
X t = X0 + a(Xs )ds + b(Xs )dWs
0 0
Z t Z s Z s
0 1
= X0 + a(X0 ) + L a(Xσ )dσ + L a(Xσ )dWσ ds
0 0 0
Z t Z s Z s
0 1
+ b(X0 ) + L b(Xσ )dσ + L b(Xσ )dWσ dWs (3.15)
0 0 0
Donc Z t Z t
Xt = X0 + a(X0 ) ds + b(X0 ) dWs + R (3.16)
0 0
avec
Z tZ s Z tZ s
0
R= L a(Xσ )dσds + L1 a(Xσ )dWσ ds
Z t Z0 s 0 Z 0t Z 0s
+ L0 b(Xσ )dσdWs + L1 b(Xσ )dWσ dWs . (3.17)
0 0 0 0
A l’ordre suivant :
Z t Z t Z tZ s
1
Xt = X0 + a(X0 ) ds + b(X0 ) dWs + L b(X0 ) dWσ dWs + R2
0 0 0 0
(3.18)
où
Z tZ s Z tZ s
0
R2 = L a(Xσ )dσds + L1 a(Xσ )dWσ ds
0 0 0 0
Z tZ s Z tZ sZ σ
0
+ L b(Xσ )dσdWs + L0 L1 b(Xu )dudWσ dWs
Z0 t Z0 s Z σ 0 0 0
31
Le calcul numérique de la solution peut se faire e.g. par la méthode de
Euler-Maruyama (E-M) : on approche X(τn ) par Yn et on pose
Yn+1 = Yn +a(τn , Yn )(τn+1 −τn )+b(τn , Yn ) Wτn+1 −Wτn , Y0 = X(0). (3.20)
D’autres schémas existent tels que les schémas dits d’ordre 1.5 ou 2, etc.
32
Pareil pour le schéma de Milshtein implicite
b(τn , Yn )b0 (τn , Yn ) n 2
o
Yn+1 = Yn + a(τn+1 , Yn+1 )h + b(τn , Yn )∆Wn + (∆Wn ) − h
2
Y0 = X(0). (3.24)
3.4 Consistance
Définition 10 (Consistance faible) Un schéma est faiblement consistant
si 2
Yn+1 − Yn
lim E E
Aτn − an = 0 (3.25)
h→0 h
et 2 !
1
lim E E (Yn+1 − Yn )2 |Aτn − b2n = 0. (3.26)
h→0 h
33
3.5 Convergence
Définition 12 (Convergence forte) Un schéma numérique Yn de pas h
converge fortement à l’ordre γ > 0 au temps T = N h s’il existe h0 > 0 et
C > 0 indépendante de h telle que
34
Il reste maintenant à trouver le prix pour t < T . Pour ce faire on prend un
modèle d’évolution du sous-jacent St , par exemple
dSt
= µdt + σdWt . (3.32)
St
Parmi tous les portefeuilles possibles, un type bien particulier nous intéressé
ici : ceux qui sont autofinancés c’est à dire ne reçoivent pas d’argent (et
ne versent pas). Pour ces portefeuilles seules sont admises des opérations
d’arbitrage entre les actifs i.e. il faut vendre un actif pour acheter un autre.
En temps discret ceci nous donne la relation suivante
θtn+1 · Stn+1 = θtn · Stn+1 (3.34)
car la redistribution se fait aux prix présents. Pour comprendre on peut
considérer par exemple des actifs qui se négocient seulement au ”fixing” une
seule fois par jour, alors, en ayant fini la journée avec une distribution d’actifs
θtn la redistribution θtn → θtn+1 se fera demain sur la base des prix de demain
Stn+1 (on suppose vente et achat simultanés).
Ceci veut dire que
Πtn+1 − Πtn = ...( après calcul) = θtn · (Stn+1 − Stn ). (3.35)
et justifie la
Définition 14 Un portefeuille Πt est dit autofinancé si pour tout t :
dΠt = θt · dSt . (3.36)
Remarque 15 Pour un portefeuille autofinancé dθt · St = 0.
Proposition 4 Tout portefeuille peut être rendu autofinancé en rajoutant
de l’actif sans risque.
35
3.6.3 Valorisation des options par delta hedging, équation
de Black& Scholes
Soit un portefeuille Π composé de 1 option de prix Ct = C(t, St ), ∆t
parts du sousjacent St et une certaine quantité γt d’actif sans risque (pour le
rendre autofinancé).
Alors si on prend ∆t = − ∂C∂S
après calculs ........... on obtient
∂C ∂ 2C σ2S 2
dΠt = + + γt r dt (3.37)
∂t ∂S 2 2
donc c’est une évolution déterministe. Mais la seule évolution déterministe
possible pour un portefeuille est dΠt = rΠt dt d’où l’équation de Black&
Scholes :
∂C ∂C 1 2 2 ∂ 2 C
+ rC + σ S − rC = 0 (3.38)
∂t ∂S 2 ∂S 2
C(T, ST ) = h(ST ) (3.39)
RT
− r(s)ds
C(t, St ) = E e h(XT )Xt = St (3.40)
t
dXt
= rdt + σdW̃t . (3.41)
Xt
Ceci nous permet de calculer le prix selon la procédure suivante :
- on initialise Xt à St
- on calcule avec un schéma numérique (E-M, Milshtein, etc) XT pour
beaucoup de réalisations du mouvement brownien W̃t
- on calcule l’espérance du pay-off h(XT ) qu’on actualise comme dans la
formule précédente.
36
Remarque 16 On remarque que la procédure utilise la convergence faible.
Par ailleurs les arbres binômiaux Cox-Ross-Rubinstein sont donc un cas par-
ticulier de ce calcul pour un schéma particulier (voir aussi les exercices). Par
contre pour d’autres options (e.g. dépendantes de chemin) c’est la conver-
gence forte qui est nécessaire.
3.7 Exercices
Dans tout ce qui suit on considère une EDS
Rappel : le pas de temps est ici égal à h et on note τn = nh. Les schémas
numériques proposeront des approximations Yn de Xτn .
Lorsqu’il n’y a pas d’ambiguı̈té, on note an = a(τn , Yn ), bn = b(τn , Yn ).
37
C 2 et a,b et les dérivées d’ordre 1 et 2 ( a0 ,a00 ,b0 ,b00 ) également bornées. On
étudie une généralisation formelle du schéma de Heun
1n o
Yn+1 = Yn + a(Yn ) + a Yn + a(Yn )h + b(Yn )∆Wn h
2
1 n o
+ b(Yn ) + b Yn + a(Yn )h + b(Yn )∆Wn ∆Wn (3.44)
2
Montrer que ce schéma n’est pas fortement consistant pour tout choix de a
et b et trouver pour quels types de coefficients le schéma l’est (conditions
suffisantes).
Exercice 18 (consistance : définitions)
Montrer que pour l’équation (3.42) les définitions de la consistance comme
EDS et comme EDO coı̈ncident si b = 0 (a et b seront supposeés aussi
régulières que nécessaire).
Exercice 19 Donner un exemple de coefficients a et b tels que le schéma
d’Euler Maruyama appliqué à d’équation (3.42) ait un ordre de convergence
forte strictement inférieur à 1.0.
Exercice 20 Dans l’équation (3.42) on supposera a, b Lipschitz, de crois-
sance au plus quadratique en X. Montrer qu’un schéma fortement consistant
partant de X(0) converge fortement. Appliquer au schémas Euler-Maruyama
et Milstein et montrer que dans ces cas l’ordre de convergence γ est supérieur
à 0.5.
√ !
Yn+1 − Yn an h + bn hξn
E
h Aτn − an = E h
Aτn − an
bn
= an + √ Eξn − an = 0 (3.45)
h
38
où nous avons utilisé le fait que an et bn sont mésurable p/r à Aτn et aussi
le fait que ξn est indépendante de Aτn , et Eξn = 0. Donc
2
Yn+1 − Yn
E E
Aτn − an = E0 = 0 (3.46)
h
ce qui donne la première majoration dans la définition de la consistance, avec
c(h) = 0.
La deuxième condition :
√ !
(Yn+1 − Yn )2 (an h + bn hξn )2
E
h Aτn = E h
Aτn
√
= ha2n + 2an bn hEξn + b2n Eξn2 = ha2n + b2n . (3.47)
Nous avons à nouveau utilisé Eξn = 0 mais aussi Eξn2 = 1 (et bien sur
l’indépendance de ξn et la mésurabilité de a et b p/r à Aτn ). On conclut
2
2
(Y n+1 − Y n )
Aτn − an = E(ha2n )2 ≤ h2 M.
2
E E (3.48)
h
39
On remarque tout d’abord que, avec les notations an = a(Yn ), bn = b(Yn ),
a0n = a0 (Yn ), b0n = b0 (Yn ), une formule de Taylor à l’ordre 2 nous donne :
00 n 2
a (α )
a Yn +an h+bn ∆Wn = an +a0n · an h+bn ∆Wn + 2 y · an h+bn ∆Wn
pour un certain point αyn .
De
même : 00 n 2
b (β )
b Yn +an h+bn ∆Wn = bn +b0n · an h+bn ∆Wn + 2 y · an h+bn ∆Wn
pour un certain point βyn .
Remarque : e.g., a0n est mésurable p/p à Aτn car il s’agit d’une fonction i.e.
a0 (·) appliquée à une variable Yn qui elle est mésurable p/r à Aτn .
Il ne reste plus qu’à faire les calculs de la même façon qu’avant. Nous
omettons seulement le calcul immédiat initial qui utilise l’indépendance et
la mésurabilité p/r à Aτn ; le lecteur est par contre invité à refaire si besoin.
00 n 2
0 a (αy )
Yn+1 − Yn
an an h + E 2
an h + bn ∆Wn |Aτn
E A τ n − a n = a n +
h 2
00 n 2
b (βy )
bn b0n E 2
· an h + bn ∆Wn ∆Wn |Aτn
2
+ E∆n + − an . (3.49)
2h 2h
A ce point, sous les hypothèses de l’exo, nous pouvons donc estimer que
b0n bn √
Yn+1 − Yn
E A
n τ − a n = + O( h) (3.50)
h 2
2
E b00 (βyn )· an h+bn ∆Wn ∆Wn |Aτn
A titre d’exemple, détaillons le traitement du terme 4h
.
n 00 n
Tout d’abord il faut se rappeler que βy dépend de ∆Wn aussi, donc b (βy )
n’est pas forcement mésurable par rapport à Aτn (ni forcement indépendant
de Aτn ). Donc on aura seulement des majorations :
2 2
E b00 (βyn ) · an h + bn ∆Wn ∆Wn |Aτn E an h + bn ∆Wn |∆Wn |Aτn
≤ M2
2h 2h
où M2 = supx |b00 (x)|. On continue les majorations :
2
E an h + bn ∆Wn |∆Wn |Aτn
n
M2 ≤ M2 Ea2n h|∆Wn | +
2h
b2 |∆Wn |3 o √ √ 2 √ 3
2Ean bn |∆Wn |2 + E n ≤ C(h h + h + h ) ≤ C 0 h1/2
h
40
avec des constantes C, C 0 indépendantes de h.
Revenant à (3.50), comme bn b0n n’a aucune raison d’être petit pour h → 0 (en
fait il ne dépend même pas de h), le schéma n’est pas consistant en général.
Un calcul similaire nous montre que
1 2
E Yn+1 − Yn − E(Yn+1 − Yn |Aτn ) − bn ∆Wn = O(h). (3.51)
h
En conclusion, le schéma est fortement (donc faiblement) consistant si et
seulement si bb0 = 0 c’est à dire b = constant.
41
Chapitre 4
Lois de conservation et
équations hyperboliques
4.1 Dérivation
On considère le domaine Ω ⊂ Rd et ρ(x, t) la densité d’une quantité
conservée. dont on note par F le flux entrant à travers la frontière ∂Ω.
Si on effectue un bilan sur ∂Ω on obtient la relation suivante :
Z Z
d
ρ(x, t)dx = F dσ. (4.1)
dt Ω ∂Ω
d b
Z Z b
ρ(x, t)dx = F (b) − F (a) = F 0 (x, t)dx. (4.2)
dt a a
d β
Z Z β
∂(vρ)
ρ(x, t)dx = − dx, (4.3)
dt α α ∂x
d’où
∂ρ ∂(vρ)
+ = 0. (4.4)
∂t ∂x
42
Une telle équation est dite équation hyperbolique ou loi de conservation.
1/ Cas particulier v = v0 constante. Alors l’équation est
∂ρ ∂ρ
+ v0 =0 (4.5)
∂t ∂x
2/ Si v ne dépend pas de t ni directement de x, c’et à dire v = v(ρ) alors
pour f = v(ρ)ρ on obtient
∂ρ ∂f (ρ)
+ =0 (4.6)
∂t ∂x
Exemple : le modèle de trafic (Greenshields)
Dans cet exemple, toujours en dimension 1, Ω est une
route et ρ est la
ρ
densité de voitures. La vitesse est v(ρ) = vmax 1 − ρmax
En effet si la densité est maximale alors la vitesse est nulle sur la route
(v=0), on a un bouchon. De même si la densité est nulle alors la vitesse est
maximale (v = vmax ). On obtient
∂ρ vmax ∂
+ ρ(ρmax − ρ) = 0. (4.7)
∂t ρmax ∂x
∂u ∂f (u)
+ =0 (4.8)
∂t ∂x
u(x, 0) = u0 (x). (4.9)
d
Xx (t) = a(u(Xx0 (t), t)) (4.10)
dt 0
Xx0 (0) = x0 . (4.11)
43
2. pour tout x0 la caractéristique issue de x0 est une droite
∂u(x, t) ∂
+ (u(1 − u)) = 0. (4.13)
∂t ∂x
avec
1 pour x ≤ −1/2
u(x, 0) = u0 (x) = 1/2 − x pour −1/2 ≤ x ≤ 1/2 (4.14)
0 pour x ≥ 1/2
44
On calcule a(u) = 1−2u et les caractéristiques sont données dans Fig. 4.2.
On obtient ensuite la solution
1 pour x ≤ −t − 1/2
1 x
u(x, t) = − pour −t − 1/2 ≤ x ≤ t + 1/2 (4.15)
2 1+2t
0 pour x ≥ t + 1/2
∂u(x, t) ∂
+ (u(1 − u)) = 0. (4.16)
∂t ∂x
avec
0.5 pour x≤0
u(x, 0) = u0 (x) = (x + 1)/2 pour 0 ≤ x ≤ 1 (4.17)
1 pour x≥1
illustré dans la Fig. 4.3. Ici les caractéristiques se croisent, donc il y aura
création de singularité en t = 1, voir Fig. 4.4. Pour t ≤ 1 la solution sera
donc
1/2 pour x ≤ 0, 0 ≤ t ≤ 1
1 x
u(x, t) = + 1 pour 0 ≤ x ≤ 1 − t, 0 ≤ t ≤ 1 (4.18)
2 1−t
1 pour x≥1−t 0≤t≤1
45
Fig. 4.3 – Fonction (4.17).
46
4.3 Problème de Riemann
Pour comprendre la nature des solutions, on considère le problème sui-
vant, dit de Riemann, qui a une condition initiale simple :
∂u(x, t) ∂f (u)
+ = 0. (4.19)
∂t ∂x
ug pour x ≤ 0
u(x, 0) = u0 (x) = (4.20)
ud pour x > 0
Dans tout ce qui suit nous supposerons que f est de classe C 2 et concave. Nous
remarquons que sous ces hypothèses a = f 0 est décroissante donc inversible.
Notons v = a−1 son inverse (comme fonction).
Nous allons décrire les solutions de ce problème dans les deux cas possibles
ug ≤ ud et ug ≥ ud . Les solutions obtenues porteront le nom de ”solutions
faibles entropiques”.
1/ ug ≤ ud , voir Fig. 4.5. Il y a intersection des caractéristiques. On
accepte que dans ce cas la solution correcte est une onde de choc
ug pour x ≤ st
u(x, t) = (4.21)
ud pour x > st
47
où s est la vitesse du choc donnée par la formule de Rankine-Hugoniot
f (ud ) − f (ug )
s= . (4.22)
ud − ug
apparait en effet que la masse perdue est d’une part (ud −ug )·[s(t+dt)−st] et
d’autre part ceci devrait être la différence entre flux sortant et entrant, c’est
à dire [f (ud )−f (ug )]dt. Il suit que (ug −ud )·[s(t+dt)−st] = [f (ud )−f (ug )]dt
d’où (4.22).
2/ ug ≥ ud , voir Fig. 4.7. Dans ce cas les caractéristiques ne se croisent
pas mais par tout point ne passe pas nécessairement une caractéristique.
Pour remédier nous pouvons considérer une régularisation u0ε de la condition
initiale u(x, t = 0) comme dans la Fig. 4.8 ; celle ci aura des solutions par la
méthode des caractéristiques ; ensuite il suffit de passer à la limite ε → 0. La
solution sera alors
ug pour x ≤ a(ug )t
u(x, t) = v(x/t) pour a(ug )t ≤ x ≤ a(ud )t (4.23)
ud pour x ≥ a(ud )t
Elle est appelée onde de raréfaction ou onde de détente. Elle est continue.
48
Fig. 4.7 – Condition du problème de Riemann pour ug ≥ ud .
49
4.3.1 Conclusion
Nous avons donc vu que le problème de Riemann pour f concave admet
deux types de solutions
- si la densité ug pour x < 0 est plus petite que celle ud pour x > 0 alors
la solution faible entropique est un choc qui se déplace à la vitesse s donnée
par la formule de Rankine-Hugoniot. Nous retrouvons une illustration dans
l’évolution d’un flot de voitures sur une route : quand devant la densité est
plus importante que derrière il y a formation d’un ”bouchon”.
- si la densité ug pour x < 0 est plus grande que celle ud pour x > 0 alors
la solution faible entropique est une onde de raréfaction. Nous retrouvons une
illustration dans l’évolution d’un flot de voitures sur une route : par exemple
au départ d’un feu rouge (quand devant il n’y a personne) il y a étalement
des voitures sans bouchon.
Dans le cas général (donnée initiale plus compliquée), il faut combiner
les deux techniques pour trouver la solution globale du problème. Ce sont
toujours les caractéristiques qui nous permettent de raisonner.
f (x + h) − f (x)
f 0 (x) = + O(h) (Euler explicite). (4.24)
h
50
Fig. 4.9 – Discretization par différences finies.
f (x + h) + f (x − h) − 2f (x)
f 00 (x) = + O(h2 ) (4.25)
h2
Il existe un deuxième schéma pour le calcul de f 0 (x), dit centré :
f (x + h) − f (x − h)
f 0 (x) = + O(h2 ). (4.26)
2h
Ces schémas seront utilisés ensuite en divers combinaisons pour retrouver
la solution.
Pour ce qui est des données au bord du domaine on peut prendre
a/ des données périodiques u(X0 , t) = u(XM , t)
b/ des données explicites u(X0 , t) = g1 (t), u(XM , t) = g2 (t), avec g1 , g2
connues.
4.4.1 Exercices
Exercice 21 Démontrer les formules (4.24)-(4.26).
51
4.5 Schémas numériques (FTCS, Lax, upwind,
stabilité)
On rappelle l’équation :
∂u ∂f (u)
+ =0 (4.28)
∂t ∂x
u(x, 0) = u0 (x). (4.29)
Bien que ces schémas s’appliquent à une fonction f (u) générale dans
l’équation (4.8)-(4.9), nous allons seulement l’expliquer pour f linéaire, f (u) =
vu et plus encore nous prendrons v = 1.
λ n λ n
Ujn+1 = Uj−1 + Ujn − Uj+1 . (4.32)
2 2
∆t
Remarque 18 Si v 6= 1 alors λ = v ∆x .
U1n
Sous la forme matricielle, notant U n = ... on obtient
n
UM
1 − λ2
0 ... 0
λ ..
1 − λ2 0 .
2
U n+1
= λ .. n
U . (4.33)
0 2
1 − λ2 .
. ... ...
.. λ
1 −2
λ
0 ... ... 2
1
Pour étudier la stabilité nous devons trouver les valeurs propres de cette
matrice. Nous utilisons le résultat général :
sont
√ kπ
µk = b + 2 ac cos , k = 1, ..., M. (4.35)
M +1
Pour FTCS nous obtenons
kπ
µk = 1 + iλ cos , k = 1, ..., M. (4.36)
M +1
dont le module est toujours supérieur à 1. Donc le schéma FTCS n’est pas
stable.
53
Fig. 4.11 – Schéma de Lax.
54
Pour expliquer la stabilité du schéma de Lax, essayons de la voir sous la
forme d’un schéma FTCS pour une autre équation :
U n +U n
Ujn+1 − j−1 2 j+1 n
Uj+1 n
− Uj−1
+ =0 (4.41)
∆t 2∆x
Ujn+1 − Ujn Uj+1
n n
− Uj−1 n
∆x2 Uj+1 n
+ Uj−1 − 2Ujn
⇐⇒ + − = 0.
(4.42)
∆t 2∆x 2∆t ∆x2
∆x2
Or, pour = 2∆t
ceci est une discrétisation de
∂u ∂u ∂ 2u
+ − 2 = 0. (4.43)
∂t ∂x ∂x
2
Comme il sera vu au chapitre sur les EDP, le terme de diffusion ∂∂xu2 joue son
rôle de ”régularisant” et stabilise ainsi le schéma numérique. Bien sur, cette
modification tend vers zéros pour ∆x → 0 donc pour des discrétisations fines
en temps/espace on résoudra bien l’équation initiale.
L’idée içi est de suivre la direction du ”vent”, voir Fig. 4.12-4.13. et d’uti-
liser des données spatiales déjà vues par le front d’avancement de la solution.
Pour vjn = v(Xj , tn ) on calcule à chaque pas de temps :
55
Fig. 4.12 – Schéma ”upwind”, cas v > 0.
56
Fig. 4.13 – Schéma ”upwind”, cas v < 0.
4.6 Exercices
Exercice 23 (Propagation des singularités) 1/ On considère le problème
∂u(x, t) ∂u(x, t)
+a = 0. (4.52)
∂t ∂x
u(x, 0) = u0 (x) = 1x≤0 . (4.53)
57
∂u(x, t) ∂f (u)
+ = 0. (4.56)
∂t ∂x
ln(2) x < 0
u(x, 0) = u0 (x) = (4.57)
0 x>0
où le flux est donné par f (u) = −eu .
1/ Justifier brièvement (en citant le résultat du cours) pourquoi la solution
faible entropique bornée du problème est une onde de raréfaction.
2/ Tracer les caractéristiques dans le demi-plan (x, t) ∈ R × R+ et expli-
citer la solution u(x, t). Tracer cette solution pour t = 1.
∂u(x, t) ∂u(u + 1)
+ = 0. (4.58)
∂t ∂x
Trouver la solution (faible entropique) dans les
deux cas suivants :
1 pour x≤0
1/ Condition initiale : u(x, 0) = u0 (x) = 1 − x pour 0 ≤ x ≤ 2
−1 pour x≥2
On montrera que toutes les caractéristiques issues de [0, 2] passent par le
point (x = 3/2, t = 1/2).
1 pour x≤0
1 − x pour 0 ≤ x ≤ 2
2/ Condition initiale : u(x, 0) = u0 (x) = .
−1 pour 2 ≤ x ≤ 3
−1/2 pour x≥3
58
quel sens varie la vitesse du choc pour t > 12 ? En déduire que u est continue
dans le domaine x ≥ 3t − 1 et t ≤ 12.
59
Chapitre 5
∂V σ2 ∂ 2V ∂V
+ S 2 2 + (r − g)S − rV = 0. (5.1)
∂t 2 ∂S ∂S
Le changement de variables S = Kex , t = T − σ2τ/2 , q = σ2r/2 q̃ = σr−g 2 /2
nous change la fonction V (S, t) en une fonction v(x, τ ) = V (S, t) qu’on peut
ensuite changer à nouveau en y(x, τ ) par
x 1 2
v(x, τ ) = Kexp − (q̃ − 1) − (q̃ − 1) + q τ y(x, τ ). (5.2)
2 4
Cette nouvelle fonction y satisfait une équation aux dérivées partielles (EDP)
60
plus simple, en temps directe (pas rétrograde comme précédemment) :
∂y ∂ 2y
= , x ∈ R, τ ≥ 0 (5.3)
∂τ ∂x2
à partir des conditions initiales
x x
y(x, 0) = e 2 (q̃+1) − e 2 (q̃−1)
+
pour un call, (5.4)
x
− x2 (q̃−1)
y(x, 0) = e 2 (q̃−1) −
e +
pour un put. (5.5)
un+1 − un
= ∆un+1 + f n (5.9)
δt
61
ou encore
un+1 − δt∆un+1 = un δt + f n . (5.10)
Nos constatons qu’il faut donc savoir résoudre les problèmes stationnaires
(indépendantes du temps) dont le plus simple exemple est celui de Poisson :
Espaces L2
L’espace L2 (Ω) est défini par
Z
2
L = {f : Ω → R; |f (x)|2 dx < ∞}, (5.13)
Ω
62
Espaces H m
Ces espaces donnent des informations non seulement sur le comportement
de la fonction mais également pour ses dérivées.
Nous définissons :
i.e., les fonctions dont toutes les dérivées jusqu’au degré m sont dans L2 .
Exemple : H01 contient les fonctions L2 dont les dérivées sont aussi fonc-
tions L2 .
La norme X
kf kH m = k∂ α f (x)kLp (5.16)
α∈Nd ,|α|≤m
Lorsque les condition aux limites peuvent être prises en compte dans la
définition de l’espace, comme est le cas des conditions Dirichlet, il est utile
de travailler avec H0m qui est la fermeture dans H m des fonctions C ∞ ayant
un support compact strictement inclus dans Ω. Il s’agit donc dans ce cas
d’assurer l’annulation des fonctions sur la frontière ∂Ω de Ω.
Pour ces espaces H0m , il se trouve que l’annulation de la fonction sur le
bord fait que la norme sera contrôlée par la norme L2 de la dérivée, donc on
peut montrer, par exemple pour H01 :
63
Donc si −u00 = f dans un intervalle [α, β] on obtient en multipliant par
v(x)
Z β Z β Z β
00 0 0
f vdx = − u vdx = −u (β)v(β) + u (α)v(α) + u0 v 0 dx (5.19)
α α α
64
Remarque 19 Les hypothèses du thm. sont vérifiées pour notre problème en
posant X = H01 ([α, β]).
5.3.1 Convergence
Une première question concerne la relation entre u et uh . Ceci est réglé
par le résultat suivant
Lemme 2 (Céa) Soit u solution de (5.22) et uh solution de (5.25). Alors
si ”a” est symétrique :
r
M
ku − uh k ≤ inf ku − wh k. (5.26)
m wh ∈Xh
65
Si la forme bilinéaire “a” n’est pas symétrique l’estimation suivante est ob-
tenue
M
ku − uh k ≤ inf ku − wh k. (5.27)
m wh ∈Xh
il s’ensuit que résoudre (5.25) est une façon optimale (par rapport à h en
tout cas) de trouver u. Cette méthode sera d’autant plus optimale que le
conditionnement M/m de la forme bilinéaire a est plus petit (i.e. proche de
1, car toujours sur-unitaire).
On a obtenu donc
∀wh ∈ Xh : mku − uh k ≤ M ku − wh k,
66
Si en plus la forme “a” est symétrique, alors pour tout vh de Xh :
a(u − vh , u − vh ) = a(u − uh + uh − vh , u − uh + uh − vh )
= a(u − uh , u − uh ) + 2a(u − uh , uh − vh ) + a(uh − vh , uh − vh )
= a(u − uh , u − uh ) + a(uh − vh , uh − vh ). (5.29)
Trouver uh ∈ Xh tel que a(uh , ehk ) = l(ehk ) pour tout k = 1, ..., Nh . (5.32)
67
Ainsi le problème initial est réduit à la résolution d’un système matriciel de
dimension Nh pour l’espace Xh suffisamment fin pour bien approcher u (cf.
le lemme de Céa).
Plusieurs choix sont possible pour les espaces Xh , et il y a toujours
un compromis à faire entre la généricité des espaces (i.e. leur capacité à
bien approcher des solutions des EDP générales) et l’effort nécessaire pour
résoudre (5.33) : plus la suite d’espaces Xh est générique, plus grandes sont
alors leur dimensions Nh respectives et plus difficiles à résoudre les systèmes (5.33).
Parmi les choix les plus utilisés on retrouve les éléments finis, les éléments
spectraux, les ondelettes ...
(x − xi )(xi+1 − xi ) 00 (x − xi )2 00
f (x) − if (x) = − f (ξi ) + f (ξx )
2 2
d’où (5.35). Pour montrer (5.36) on écrit :
Z β n−1 Z
X xi+1 n−1
X
p
|f −if | (x)dx = 2
|f −if | (x)dx ≤ Ch4
(xi+1 −xi ) max |f 00 (y)|2 .
α xi y∈[xi ,xi+1 ]
i=1 i=1
Mais chaque maxy∈[xi ,xi+1 ] |f 00 (y)|2 est atteint en un point noté ξim et donc la
somme est n−1 00 m 2 m
P
i+1 − xi )|f (ξi )| avec ξi ∈ [xi , xi+1 ]. Mais, pour h → 0
i=1 (xR
b
ceci converge vers a |f 00 |2 donc on en deduit l’existence d’une constante C
indépendante de h telle que
69
Z β Z b
2
|f − if | (x)dx ≤ Ch 4
|f 00 (x)|2 dx.
α a
En prenant la racine et avec l’inégalité kf 00 kL2 ≤ kf kH 2 on obtient l’estima-
tion (5.36).
Ukn+1 − Ukn n
Uk+1 n
+ Uk−1 − 2Ukn
= , (5.38)
δτ δx2
ou sous forme matricielle, en notant
δτ
λ= (5.39)
δx2
on obtient
1 − 2λ λ 0 ... 0
..
λ 1 − 2λ λ 0 .
U n+1
= .. n
U . (5.40)
0 λ 1 − 2λ λ .
.. .. ..
. . . 1 − 2λ λ
0 ... ... λ 1 − 2λ
En rappelant que les valeurs propres d’une matrice tri-diagonale (de
constantes a, b, c) sont (voir formules (4.35))
√ kπ
µk = b + 2 ac cos , k = 1, ..., M. (5.41)
M +1
70
on obtient ici
2 kπ
µk = 1 − 4λ sin . (5.42)
2(M + 1)
La condition de stabilité |µk | < 1, ∀k devient λ < 1/2 ou encore
δx2
δτ ≤ (5.43)
2
ce qui entraı̂ne des pas de temps très petits (e.g. pour δx = 10−3 , δτ sera de
de l’ordre 10−6 ).
5.4.3 Crank-Nicholson
Bien que le schéma d’Euler implicite soit stable, il n’est pas toujours
suffisamment précis. On utilise alors un schéma d’ordre supérieur, celui de
Crank-Nicholson. Il s’écrit :
Ukn+1 − Ukn U n+1 + Uk−1
n+1
− 2Ukn+1 Uk+1
n n
+ Uk−1 − 2Ukn
= k+1 + . (5.47)
δτ 2δx2 2δx2
71
Sous forme matricielle il s’écrit
1+λ −λ/2 0 ... 0 1−λ λ/2 0 ... 0
.. ..
−λ/2 1+λ −λ/2 0 . 1−λ
n+1 λ/2 λ/2 0 .
.. ..
n
U = U .
0 −λ/2 1 + λ/2 −λ/2 . 0 λ/2 1−λ λ/2 .
.. .. .. .. .. ..
. . . 1+λ −λ/2 . . . 1−λ λ/2
0 ... ... −λ/2 1+λ 0 ... ... λ/2 1−λ
(5.48)
Soit G la matrice tridiagonale qui a −2 sur la diagonale et 1 sous/sur la
diagonale, et C = 2I − λG. Alors U n+1 = (4C −1 − I)U n et on observe que la
condition de stabilité est toujours satisfaite ce qui montre que le schéma est
toujours stable. Nous pouvons aussi montrer
Théorème 12 Supposons que la solution y est lisse de classe C 4 . Alors l’er-
reur de troncature du schéma de Crank-Nicholson est d’ordre O(δτ 2 + δx2 ).
Démonstration Voir cours. Indication : on utilise l’opérateur de différentiation
discrète
2 F (x + dx) + F (x − dx) − 2F (x)
δδx F = (5.49)
δx2
2
2
dont on connaı̂t la propriété δδx F = ∂∂xF2 + O(δx2 ).
72
5.5 Exercices
Exercice 29 Trouver l’erreur de troncature pour le schéma d’Euler explicite
et implicite.
1/ Démontrer qu’il existe une constante C (à expliciter) telle que u vérifie :
73
Exercice 32 (Équation de Black & Scholes) On considère l’équation de
Black & Scholes
∂V σ2S 2 ∂ 2V ∂V
+ 2
+ rS − rV = 0
∂t 2 ∂S ∂S
1. On définit y = log(S), W (y, t) = V (S, t). Démontrer que l’équation
s’écrit maintenant
∂W σ2 ∂ 2W σ 2 ∂W
+ + (r − ) − rW = 0
∂t 2 ∂y 2 2 ∂y
74
Bibliographie
75