Équations différentielles ordinaires
Une équation différentielle ordinaire (EDO) relie une fonction inconnue à ses dérivées par rapport à une seule variable (souvent le temps) :
L'ordre est celui de la dérivée la plus élevée. Un problème de Cauchy (ou problème aux valeurs initiales) fixe — et éventuellement les dérivées jusqu'à l'ordre pour une EDO d'ordre .
Intuition
Une EDO décrit une évolution dynamique : à chaque instant, la vitesse de changement de dépend de l'état courant (et éventuellement du temps). Connaître , c'est connaître le point de départ ; résoudre l'EDO, c'est tracer la trajectoire.
Exemples familiers en finance et en probabilités : décroissance exponentielle (actualisation continue) ; retour à la moyenne (Ornstein-Uhlenbeck) ; croissance logistique (saturation).
Classification
| Type | Forme | Commentaire |
|---|---|---|
| Linéaire | Méthodes analytiques standard (facteur intégrant) | |
| Homogène | avec linéaire en | Superposition des solutions |
| Autonome | (pas de explicite) | Champ de vecteurs stationnaire |
| Séparable | Intégration directe après séparation | |
| Non linéaire | Ex. logistique, Lotka-Volterra | Souvent pas de solution fermée ; numérique |
| Système | Couplage entre plusieurs variables d'état |
Exemples classiques
| EDO | Solution | Interprétation |
|---|---|---|
| Croissance/décroissance exponentielle | ||
Mean reversion vers | ||
Solution implicite ; | Logistique, saturation à | |
| Oscillateur harmonique | ||
(sans bruit) | Dynamique déterministe de base du GBM | Prélude aux processus stochastiques |
Méthodes de résolution
- Séparation des variables quand . - Facteur intégrant pour EDO linéaires du 1er ordre. - Équation caractéristique pour EDO linéaires à coefficients constants d'ordre . - Séries de Taylor / séries de puissances pour solutions formelles — voir Séries de Taylor.
Quand aucune formule fermée n'existe :
Runge-Kutta (RK4) et schémas implicites améliorent stabilité et précision. Voir Calcul numérique pour différences finies et stabilité des schémas.
Théorèmes clés
Existence et unicité (Cauchy-Lipschitz) : si est continue et lipschitzienne en , le problème de Cauchy admet une unique solution locale.
Conséquences : pas d'ambiguïté sur la trajectoire pour une condition initiale donnée ; la sensibilité aux paramètres est contrôlable (équations en variations) ; les simulateurs numériques ont un comportement prévisible si est assez petit.
Applications
- Finance : modèles de taux (Vasicek, CIR en dynamique moyenne), actualisation continue, dynamique de fonds sans bruit.
- Probabilités : EDO déterministes associées aux moments de processus ; pont vers les EDS (équations différentielles stochastiques) quand on ajoute un terme de diffusion.
- Physique / ingénierie : circuits, mécanique, contrôle optimal (principe du maximum de Pontryagin).
- Machine learning : Neural ODEs (réseaux définis comme EDO) — même formalisme, résolution numérique par backprop à travers le solveur.
Les EDP généralisent le formalisme à plusieurs variables indépendantes (temps + espace, ou temps + facteurs de marché).
Limites et pièges
| Situation | Problème | Conséquence |
|---|---|---|
| Non-lipschitz | Ex. | Unicité peut échouer (plusieurs trajectoires depuis 0) |
| Stiffness | Échelles de temps très différentes | Euler explicite instable ; schémas implicites nécessaires |
| Chaos | Sensibilité extrême aux C.I. | Prévision long terme impossible malgré déterminisme |
| Confondre EDO et EDS | GBM n'est pas une EDO | Il faut le calcul stochastique (Itô) |
Pas trop grand | Erreur de discrétisation | Solution numérique fausse ou divergente |
Voir aussi
• Équations aux dérivées partielles — généralisation à plusieurs variables
• Séries de Taylor — approximations locales des solutions
• Processus stochastiques — EDS et GBM
• Calcul numérique — schémas d'intégration et stabilité
• Black-Scholes — EDP de pricing (lien finance)