M ethodes num eriques avanc ees pour la nance.

M ethodes de splitting
Brigitte Bid egaray-Fesquet
Cours de M2R
1 Les mod` eles d equations aux d eriv ees partielles en math ematiques -
nanci` eres
1.1 Le mod` ele de Black et Scholes
L equation de Black et Scholes [4] est l equation satisfaite par le prix dune option (de vente, put)
europ eenne. On note u(t, s) ce prix qui d epend du temps t ]0, T] (dont on a retourn e le sens) et de
la valeur du cours s > 0. L equation de Black et Scholes s ecrit

t
u(t, s)
1
2

2
(t, s)s
2

2
ss
u(t, s) r(t)s
s
u(t, s) +r(t)u(t, s) = 0.
Ce mod` ele est param etr e par la volatilit e (t, s) du prix de laction et le taux dint er et sans risque
r(t). Cette equation est assortie dune donn ee initiale, qui est la fonction payoff
u(0, s) = u
0
(s) = (K s)
+
max(K s, 0),
o` u K est le prix dexercice de loption. Pour ce type de put, il existe une solution explicite ` a lEDP
(qui a valu le prix Nobel d economie ` a Robert Merton et Myron Scholes en 1oo, Fischer Black etant
mort en 1ooj).
En revanche, ce nest pas le cas si on complexie cette equation pour mieux correspondre ` a la
r ealit e des march es nanciers.
Tout dabord, il parat naturel de g en eraliser au cas doptions portant sur plusieurs actifs de
valeurs s = (s
1
, . . . , s
k
) (R
+
)
k
, on alors l equation

t
u(t, s)
1
2
k

i,j=1

ij
(t, s)s
i
s
j

2
s
i
s
j
u(t, s)
k

i=1
r(t)s
i

s
i
u(t, s) +r(t)u(t, s) = 0.
Les coefcients de la matrice sont

ij
(t, s) =

2
ii
(t, s), si i = j,
p
ii
(t, s)
jj
(t, s), sinon, avec
1
k1
< p < 1,
ce qui est fait que cette matrice est sym etrique d enie positive. Cette propri et e est fondamentale
pour que le probl` eme de Cauchy (i.e. aux donn ees initiales) soit bien pos e, cest-` a-dire ait une
solution unique pour tout temps. Il y a alors diff erentes facons de choisir la fonction de payoff,
classiquement
u
0
(s) = (K
1
k

k
i=1
s
i
)
+
;
u
0
(s) = (K max
i
s
i
)
+
;
u
0
(s) = (K min
i
s
i
)
+
.
1
1.2 Premi` eres propri et es du mod` ele de Black et Scholes
On fait des hypoth` eses de bornitude de et r.
Il existe deux constantes 0 < telles que (t, s) pour tout t [0, T] et s > 0.
Il existe une constante C
1
telle que |s
s
(t, s)| C
1
pour tout t [0, T] et s > 0.
Il existe une constante C
2
telle que 0 r(t) C
2
pour tout t [0, T].
Sous ces hypoth` eses, et avec la condition au bord
u(t, 0) = Kexp

t
0
r()d

pour tout t ]0, T],

on peut montrer que l equation de Black et Scholes (` a un actif) admet une unique solution dans un
espace fonctionnel bien choisi.
Par ailleurs, le principe du maximum sapplique ` a cette equation, et on peut montrer que pour
tout t [0, T] et s > 0, on a
0 u(t, s) Kexp

T
0
r()d

.
1.3 Conditions au bord
Pour calculer une solution num erique, il faut tronquer lespace de calcul en la variable s. On
d enit S assez grand pour que u(t, S) 0 pour tout t [0, T]. La condition au bord sera alors
de type Dirichlet : u(t, S) = 0 pour tout t [0, T] ;
de type Neumann :
s
u(t, S) = 0 pour tout t [0, T] ;
de type Robin :
s
u(t, S) + u(t, S) = 0 pour tout t [0, T], cette derni` ere condition etant
plus ` a m eme de traduire le fait que, pour un bien choisi, londe u sort du domaine sans se
r e echir sur la paroi articielle en s = S.
1.4 Mod` ele de Black et Scholes en variable log
Le mod` ele de Black et Scholes pose des probl` emes du fait de la pr esence de coefcients d ependant
de s devant les d eriv ees. Il sensuit une grande variation de ces coefcients pour s grand et une perte
de parabolicit e en s = 0.
Pour parer ` a ceci, on passe classiquement en variable log. Pour cela, on pose s = exp(x) et
w(t, x) = u(t, exp(x)). On voit imm ediatement que

x
w(t, x) = e
x

s
u(t, e
x
) = s
s
u(t, s),

2
xx
w(t, x) = e
x

s
u(t, e
x
) + (e
x
)
2

s
u(t, e
x
) = s
s
u(t, s) +s
2

2
ss
u(t, s).
En remplacant dans le mod` ele de Black et Scholes, on obtient

t
w(t, x)
1
2

2
(t, e
x
)
2
x
w(t, x) +

1
2

2
(t, e
x
) r(t)

x
w(t, x) +r(t)w(t, x) = 0.
On a toujours une d ependance en x des coefcients mais uniquement ` a travers qui est born ee
inf erieurement et sup erieurement. Les coefcients sont donc born es et la parabolicit e est toujours
assur ee.
On pr ef` erera donc cette forme pour les simulations num eriques. Il faudra ` a nouveau assortir ce
mod` ele dune condition initiale
w(0, x) = (K e
x
)
+
,
et surtout de conditions aux bords en tronquant le domaine de calcul ` a gauche, la valeur s = 0 etant
envoy ee en x = . On se place donc sur un domaine x [X,

X], avec par exemple des conditions
de Dirichlet w(t,

X) = 0 et w(t, X) = Kexp

t
0
r()d

.
2
Pour le mod` ele ` a plusieurs actifs, on trouve bien s ur

t
w(t, x)
1
2
k

i,j=1

ij
(t, exp(x))
2
x
i
x
j
w(t, x)+
k

i=1

1
2

2
ii
(t, exp(x)) r(t)

x
i
w(t, x)+r(t)w(t, x) = 0.
avec x = (ln(s
1
), . . . , ln(s
k
)).
1.5 Le mod` ele de Heston
Dans le mod` ele de Heston [11], on suppose que la volatilit e est aussi stochastique, alors quelle
est d eterministe dans le mod` ele de Black et Scholes. Pour une option europ eenne ` a un actif, le prix
d epend maintenant du temps t, de la valeur du cours s et aussi de la variance v : u(t, s, v). Il v erie
l equation parabolique

t
u
1
2
vs
2

2
ss
u vs
2
sv
u
1
2
v
2

2
vv
u (r
d
(t) r
f
(t))s
s
u ( v)
v
u +r
d
(t)u = 0.
Ce mod` ele est param etr e par le taux de r eversion moyen , la moyenne ` a long terme , la volatilit e
de variance > 0, la corr elation des deux mouvements browniens sous-jacents [1, 1] et les
taux dint er et domestique r
d
et ` a l etranger r
f
.
On peut egalement ecrire ce mod` ele en variable log (uniquement sur la variable s, cela na pas
de sens sur la variable v). Ceci donne :

t
w
1
2
v
2
xx
wv
2
xv
w
1
2
v
2

2
vv
w (r
d
(t) r
f
(t)
1
2
v)
x
w( v)
v
w+r
d
(t)w = 0.
2 Difcult es de la mod elisation num erique de ces mod` eles
Nous allons nous concentrer sur le mod` ele de Black et Scholes et reviendrons ` a la n du cours
sur une application au mod` ele de Heston qui pr esente les m eme difcult es.
Nous voulons faire une simulation d eterministe de ces equations. Pour cela, il faut discr etiser
l equation, cest-` a-dire d eterminer les valeurs de u ou w sur une grille en espacetemps. Chaque
variable despace, cest-` a-dire chaque actif, est ind ependante des autres, il est donc naturel de
construire une grille r eguli` ere dans toutes les directions. La discr etisation des equations la plus
simple est alors les diff erences nies.
2.1 Diff erences nies pour l equation de la chaleur en dimension 1
Consid erons tout dabord l equation de la chaleur en dimension 1

t
u(t, x) =
2
xx
u(t, x), pour tout t ]0, T], x [0, X].
On discr etise le temps et lespace en d enissant un pas de temps t = T/N et t
n
= nt, n = 0, . . . , N,
et un pas despace x = X/Met x
i
= ix, i = 0, . . . , M. On calcule u
n
i
, qui se veut une approximation
de u(t
n
, x
i
), gr ace au -sch ema, pour [0, 1],
u
n+1
i
u
n
i
t
=
u
n+1
i+1
2u
n+1
i
+u
n+1
i1
x
2
+ (1 )
u
n
i+1
2u
n
i
+u
n
i1
x
2
.
La condition [0, 1] est n ecessaire et sufsante pour que le sch ema soit consistant, cest-` a-dire que
lon approche bien la bonne eqaution. Des cas particuliers de ce sch ema sont
le cas = 0, appel e sch ema dEuler,
le cas = 1, appel e sch ema dEuler r etrograde,
le cas = 1/2, appel e sch ema de CrankNicolson.
3
On veut ecrire ce sch ema sous forme matricielle, pour cela on note U
n
=
t
(u
n
0
, . . . , u
n
M
) et
L =
1
x
2

2 1 . . . . . . 0
1 2 1
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
. 1 2 1
0 . . . . . . 1 2

.
Le -sch ema se r e ecrit alors
U
n+1
U
n
t
= LU
n+1
+ (1 )LU
n
.
La matrice L est sym etrique d enie n egative et on en connat les valeurs propres

i
=
4
x
2
sin
2

i
2(M+ 1)

,
ce qui permet de faire des estimations derreur. La matrice (I tL) est de plus tridiagonale
(seule la diagonale, principale et les deux diagonales adjacentes sont non nulles) et il existe des
algorithmes explicites et efcaces pour inverser de telles matrices, voir lappendice A.6. On montre
que la condition de stabilit e pour ce sch ema est
(1 2)
t
x
2

1
2
.
Le syst` eme est inconditionnellement stable si 1/2 (pas de condition sur le pas de temps). Pour
= 0, qui a lavantage d etre explicite, cest-` a-dire de ne pas n ecessiter dinversion de matrice, mais
uniquement des produits matricevecteur, la condition de stabilit e devient t x
2
/2 qui est tr` es
contraignante en pratique, obligeant ` a prendre de nombreux pas de temps.
2.2 Grandes dimensions gestion du calcul
Par ailleurs, nous voulons traiter l equation de Black et Scholes ` a plusieurs actifs. Pour xer les
id ees, pour l equation de la chaleur en dimension 2

t
u(t, x, y) =
2
xx
u(t, x, y) +
2
yy
u(t, x, y), pour tout t ]0, T], x [0, X], y [0, Y],
si on utilise cette fois-ci deux pas despace x, y et une approximation u
i,j
de u(x
i
, y
j
) (on omet ici
la variable de temps), la discr etisation de lop erateur
2
xx
u +
2
yy
u s ecrit
u
i+1,j
2u
i,j
+u
i1,j
x
2
+
u
i,j+1
2u
i,j
+u
i,j1
y
2
,
faisant intervenir 5 points. Dans le cas g en eral dune equation en dimension k, on peut ecrire une
discr etisation du laplacien en utilisant 1 + 2k points.
Faisons une rapide estimation de la dimension des donn ees. Imaginons que lon consid` ere une
equation de Black et Scholes ` a k = 4 actifs, et que lon discr etise chaque variable despace avec 100
points (valeur tout ` a fait raisonnable). Sans parler du nombre dit erations en temps ` a r ealiser, la grille
en espace compte d ej ` a 100
k
= 10
8
points de discr etisation, et donc autant de valeurs de u ` a calculer
` a chaque pas de temps. Si on stockait la matrice L comme une matrice pleine, on aurait 10
16
valeurs
` a stocker. En pratique, on a vu quil y avait que 1+2k valeurs non nulles sur chaque ligne, mais cela
fait tout de m eme la bagatelle 9 10
8
valeurs ! En pratique, dans le cas dun maillage r egulier, on ne
stocke pas la matrice, mais uniquement les valeurs des 1/x
2
i
. Il faut cependant stocker et manipuler
une ou plusieurs copies de la variable u, ce qui nest pas ing erable, mais demande tout de m eme de
travailler un peu nement.
4
2.3 Lid ee du splitting
Une id ee consiste ` a dire que r esoudre
t
u =
2
xx
u +
2
yy
u sur un intervalle de temps [0, T],
cest presque comme r esoudre
t
u =
2
xx
u sur cet intervalle de temps, puis prendre le r esultat
comme nouvelle donn ee initiale pour le probl` eme
t
u =
2
yy
u que lon r esout ` a nouveau sur le
m eme intervalle de temps [0, T]. Cette m ethode est dite des directions altern ees, qui est un cas
particulier des m ethodes de splitting, que nous allons d ument justier dans la suite.
Si on admet pour linstant cette id ee et quon l etend ` a la dimension k, on se ram` ene ` a r esoudre
en k etapes l equation de la chaleur, chaque etape faisant intervenir une matrice avec 3 coef-
cients non nuls sur chaque ligne (donnant acc` es ` a des algorithmes efcaces d edi es). De plus, les
100
k
variables de lexemple pr ec edent, se trouvent group ees ` a chaque etape en 100
k1
paquets
ind ependants de 100 variables, permettant une parall elisation naturelle des algorithmes.
2.4 Probl` eme des autres d eriv ees
Nous remarquons que, dans l equation de Black et Scholes et aussi dans l equation de Heston,
nous avons aussi des d eriv ees secondes mixtes du type
2
xy
. Pour celles-l` a, il sera impossible dal-
terner les directions et il faut trouver une autre id ee, qui constituera, comme nous le verrons, une
premi` ere etape n ecessairement explicite des m ethodes propos ees, induisant une perte de stabilit e
en grande dimension.
Les d eriv ees premi` eres sont quant ` a elles naturellement d ecomposables selon les diff erentes
directions. Il faudra seulement etre vigilants au signe du coefcient qui les pr ec` ede pour choisir le
sch ema au diff erences nies le plus adapt e, d ecentr e en amont ou en aval.
2.5 Probl` eme de la donn ee initiale non r eguli` ere
La donn ee initiale est non d erivable. L equation
de Black et Scholes est une equation parabo-
lique qui r egularise imm ediatement cette donn ee
initiale, cest-` a-dire quelle devient inniment
d erivable pour tout temps t > 0. Suivant la fonc-
tion de pay-off, on peut etre tent e de rafner le
maillage en espace autour des s
i
= K et aussi en
temps, pour les premiers pas de temps. Ce raf-
nement oblige ` a d enir l eg` erement diff eremment
la discr etisation du Laplacien dont les coef-
cients vont alors d ependre du point de la grille,
ce qui n ecessitera un stockage effectif des ma-
trices de type L sous forme de matrice bande.
ln(K)
2.6 Les conditions aux bords
Les conditions aux bords doivent etre impos ees ` a chaque it eration en temps. Nous sommes ici
dans un cas assez simple puisque lon se ram` ene ` a des probl` emes en dimension 1 ` a chaque etape.
Si, par exemple, les points du maillage sont les x
i
= ix, i = 0, . . . , M, on ne calcule les u
n
i
que
pour i = 1, . . . , M1. Pour simplier nous regardons le cas explicite ( = 0), le cas g en eral se traite
de la m eme mani` ere.
Si on a une condition de Dirichlet, u = g en 0, on remplace la formule g en erale
u
n+1
i
u
n
i
t
=
u
n
i+1
2u
n
i
+u
n
i1
x
2
5
par
u
n+1
1
u
n
1
t
=
u
n
2
2u
n
1
+g
x
2
pour i = 1. La premi` ere ligne de la matrice L reste alors identique et on a un second membre dans
l equation matricielle.
Si en revanche, on a une condition de Neumann homog` ene,
x
u = 0 en 0, on impose alors
u
0
= u
1
, et donc
u
n+1
1
u
n
1
t
=
u
n
2
u
n
1
x
2
,
ce qui fait que la premi` ere ligne de L devient
1
x
2
(1 1 0 . . . 0).
Enn, pour une condition de Robin,
x
u+u = 0, on ecrit (par exemple, cela d epend en fait du
signe de ) (u
n
1
u
n
0
)/x +u
n
0
= 0, et donc u
n
0
= u
n
1
/(1 x), la premi` ere ligne de L devenant
1
x
2
(
1 2x
1 x
1 0 . . . 0).
2.7 Complexit e
Le splitting permet de se ramener ` a des etapes de calcul relativement simples avec uniquement
des produits matricevecteurs et des m ethodes dinversion tr` es simples dinversion des matrices
tri-diagonales, algorithmes qui sont la plupart du temps impl ement es sans stocker la matrice.

Etant
donn e la taille du probl` eme, m eme pour un nombre mod er e dactifs, une impl ementation efcace
passe clairement par une r eexion sur le bon equilibre entre calcul et stockage. Par ailleurs, il
faut traiter proprement la r eduction ` a chaque etape dun gros probl` eme en multiple petits sous-
probl` emes parall elisables.
3 Introduction aux m ethodes de splitting
On traduit souvent en francais le terme de

m ethode de splitting

par

m ethode des pas
fractionnaires

, ce qui de mon point de vue constitue un contresens, car les pas de temps sont
souvent entiers, cest lop erateur qui est fractionn e.
3.1 Une equation scalaire
Consid erons l equation diff erentielle ordinaire (EDO) scalaire suivante :
(EDO) x = (a +b)x, x(0) = x
0
,
o` u a et b sont des scalaires. On connat la solution exacte de cette equation :
x(t) = exp((a +b)t)x
0
= exp(at) exp(bt)x
0
(m ethode 1)
= exp(bt) exp(at)x
0
(m ethode 2).
Nous pouvons ainsi s eparer l evolution selon l equation (EDO) en deux temps :
(L1)

y = by, y(0) = x
0
,
x = ax, x(0) = y(t),
(L2)

y = ay, y(0) = x
0
,
x = bx, x(0) = y(t).
6
Pour le syst` eme (L1), on a clairement
x(t) = exp(at)x(0) = exp(at)y(t) = exp(at) exp(bt)y(0) = exp(at) exp(bt)x
0
.
Le calcul pour (L2) se fait de la m eme mani` ere et donne le m eme r esultat. On appelle splitting de
Lie les deux m ethodes (L1) et (L2). Pour une equation scalaire, ces deux m ethodes sont identiques
et reviennent au m eme que de traiter l equation en une seule fois.
3.2 Quand le splitting pr esente un int er et
Pour cette equation scalaire, le splitting na pas lair de pr esenter un int er et. En fait, lexemple
donn e est ` a peu pr` es le seul pour lequel le splitting ne change pas la solution. Le splitting a un
int er et et un impact dans de nombreux contextes th eoriques comme par exemple
(a) les syst` emes diff erentiels lin eaires : x = (A+B)x (d` es que les matrices A et B ne commutent
pas),
(b) les syst` emes diff erentiels lin eaires avec deux echelles diff erentes : x = (
1

A+B)x,
(c) les equations aux d eriv ees partielles non lin eaires : par exemple
t
u = u +f(u),
(d) les syst` emes en grande dimension despace,
et leur approximation num erique. Pour les cas (b) et (c), on peut se reporter aux cours [2, 3]. Nous
nous concentrons ici sur les cas (a) et (d).
Le splitting est utilis e dans de nombreux contextes applicatifs. Nous pouvons citer notamment :
la chimie complexe (traitement s epar e des ph enom` enes de r eaction chimique ( equations non
lin eaires) et de diffusion des esp` eces. Ce sont des syst` emes avec un tr` es grand nombre de
variables et des echelles de temps tr` es diff erentes.
la m et eorologie, loc eanographie. L` a encore, la multiplicit e des ph enom` enes mis en jeu, donne
lieu ` a une multiplicit e de termes de natures tr` es diff erentes.
la d ecomposition de domaine. Celle-ci est utilis ee lorsquil y a couplage de ph enom` enes sur
des domaines diff erents (adjacents) ou avec des g eom etries tr` es diff erentes. Dans la zone din-
teraction, il y a redondances des variables et on peut souvent s eparer lop erateur d evolution
en un op erateur facile ` a int egrer et un autre petit en un certain sens.
les m ethodes dondelettes.
`
A nouveau, les termes diagonaux des op erateurs sont pr epond e-
rants et faciles ` a int egrer et les termes extra-diagonaux sont moralement petits, cest dailleurs
l` a tout lint er et de la m ethode.
les math ematiques nanci` eres. Il faut traiter des syst` emes d equations aux d eriv ees partielles
en grande dimension. On s epare donc les dimensions.
et bien dautres . . .
Deux int er ets principaux du splitting peuvent dores et d ej ` a etre identi es :
le fait de pouvoir r esoudre exactement ou num eriquement chacune des sous- equations alors
que cela est impossible ou difcile avec l equation enti` ere,
le fait de pouvoir traiter s epar ement des variables ou des op erateurs correspondant ` a des
echelles tr` es diff erentes.
Un inconv enient apparat aussi imm ediatement comme limpossibilit e de conserver les pro-
pri et es nes li ees ` a la structure de certaines equations et mettant en uvre toute l equation (quan-
tit es conserv ees).
Dans lanalyse g en erale des m ethodes de splitting, nous nous int eressons exclusivement aux
semi-discr etisations en temps. La discr etisation en espace peut faire a priori appel ` a nimporte
quelle technique adapt ee (diff erences nies, el ements nis, volumes nis, m ethodes spectrales,. . .),
et eventuellement diff erentes pour chacune des parties de l equation. Cest l` a tout lint er et de la
chose.
7
3.3 Plan du cours
Apr` es avoir d eni la notation des semi-groupes pour simplier les ecritures, le plan du cours
sera le suivant.
partie 4. D enition et analyse de m ethode de splitting pour des syst` emes d evolution lin eaires ;
partie 5. Discr etisation en temps de ces syst` emes d evolution lin eaires ;
partie 6. G en eralit es sur l equation de la chaleur, y compris avec des non-lin earit es ;
partie 7. Application aux mod` eles de Black et Scholes et de Heston.
3.4 R e ecriture des sch emas de splitting gr ace aux semi-groupes d evolution
Pour exprimer le splitting dans notre exemple simpliste, nous avons et e oblig es dintroduire une
variable interm ediaire y. Ceci sav ererait ` a lusage peu pratique pour des contextes plus compliqu es.
Nous introduisons donc une notation de type semi-groupe d evolution. Lapplication qui ` a x
0
asso-
cie x(t) par le ot de lEDO est le semi-groupe d evolution que nous noterons S(t) pour l equation
toute enti` ere :
x(t) = S(t)x
0
= exp((a +b)t)x
0
.
Quand lop erateur est lin eaire, on garde aussi souvent la notation avec lexponentielle. Si on note
A(t) et B(t), les semi-groupes d evolution associ es aux deux parties de l equation, ` a savoir
A(t)x
0
= exp(at)x
0
, B(t)x
0
= exp(bt)x
0
,
les deux splittings (L1) et (L2) consistent ` a ecrire
(L1) x(t) = A(t)B(t)x
0
, (L2) x(t) = B(t)A(t)x
0
.
Avec cette notation, on d enit sans effort (et sans introduction de variables suppl ementaires) deux
nouveaux types de splitting : les splittings de Strang [27]
(S1) x(t) = A(
t
2
)B(t)A(
t
2
)x
0
, (S2) x(t) = B(
t
2
)A(t)B(
t
2
)x
0
.

Evidemment, pour notre premier exemple ces deux splittings sont toujours equivalents ` a l equation
initiale.
Quentend-t-on par semi-groupe d evolution? Lop erateur A(t) qui est d eni de R dans R a les
deux propri et es suivantes :
(P1) A(0) = I, (cf. exp(0) = 1),
(P2) A(t +s) = A(t)A(s), pour tout t, s 0 (cf. exp(a(t +s)) = exp(at) exp(as)).
La propri et e (P1) dit que l evolution pendant un temps nul donne la donn ee initiale. La propri et e
(P2) dit que cela revient au m eme d evoluer pendant un temps t + s, ou d evoluer pendant un
temps s puis un temps t. Ceci est vrai parce que le syst` eme est autonome, sinon cela est faux. Dans
notre exemple, on a m eme un groupe, car A(t) est d eni pour des temps t n egatifs, mais cela nest
pas toujours le cas. Certaines equations sont mal pos ees

en r etrograde

, comme typiquement les

equations paraboliques que nous allons etudier pour lapplication en math ematiques nanci` eres.
Les propri et es de semi-groupe peuvent etre enonc ees dans un cadre beaucoup plus g en eral que
celui. Quelques pistes sont donn ees ` a lappendice A.1. Pour en savoir plus consulter par exemple le
livre de Pazy [22].
8
4 Le cas des syst` emes lin eaires
On consid` ere maintenant le syst` eme lin eaire
(S) x = (A+B)x, x(0) = x
0
,
o` u x R
d
et A et B sont des matrices de M
d
. Cest une g en eralisation du cas scalaire. La matrice
A est la repr esentation dun op erateur lin eaire dans la base canonique. Le semi-groupe d evolution
A(t) sexprime dans cette m eme base par la matrice exp(tA).
Si les matrices A et B commutent, on a, par exemple, exp(tA) exp(tB) = exp(t(A + B)), ce qui
limite lint er et du splitting (du moins de son analyse math ematique). On sint eressera donc au cas
o` u A et B ne commutent pas et on d enira le commutateur ou encore crochet de Lie par
[A, B] = AB BA.
4.1 Splitting de Lie
Dans notre cadre, les matrices A et B jouent des r oles sym etriques, on ne regarde donc quun
seul cas de splitting de Lie.
A(t)B(t) S(t) =

I +tA+
t
2
2
A
2

I +tB +
t
2
2
B
2

I +t(A+B) +
t
2
2
(A+B)
2

+O(t
3
)
= t
2

1
2
A
2
+AB +
1
2
B
2

t
2
2

A
2
+AB +BA+B
2

+O(t
3
)
=
t
2
2
[A, B] +O(t
3
).
Ce d eveloppement permet de d emontrer lordre de la m ethode. Nous ferons la preuve plus loin
dans un cadre plus g en eral.
4.2 Splitting de Strang

Etudions de m eme la formule de Strang

A(
t
2
)B(t)A(
t
2
) S(t) =

I +
t
2
A+
t
2
8
A
2
+
t
3
48
A
3

I +tB +
t
2
2
B
2
+
t
3
6
B
3

I +
t
2
A+
t
2
8
A
2
+
t
3
48
A
3

I +t(A+B) +
t
2
2
(A+B)
2
+
t
3
6
(A+B)
3

+O(t
4
)
= t
3

1
6
A
3
+
1
8
A
2
B +
1
4
ABA+
1
8
BA
2
+
1
4
B
2
A+
1
4
AB
2
+
1
6
B
3

t
3
6

A
3
+A
2
B +ABA+BA
2
+B
2
A+BAB +AB
2
+B
3

+O(t
4
)
= t
3

1
24
A
2
B +
1
12
ABA
1
24
BA
2
+
1
12
B
2
A
1
6
BAB +
1
12
AB
2

+O(t
4
)
= t
3

1
24
[A, [A, B]] +
1
12
[B, [B, A]]

+O(t
4
).
9
4.3 Splittings dordre plus elev e
4.3.1 Calcul de lordre et convergence
Les deux r esultats pr ec edents sont deux cas particuliers du r esultat suivant.
Th eor` eme 1
Soit C M
d
et f une fonction continue d enie sur un voisinage de 0 dans R ` a valeurs dans M
d
, tels quil
existe une matrice R M
d
et un entier p tels que le d eveloppement limit e
(DL) f(t) exp(tC) = Rt
p+1
+O(t
p+2
)
soit vrai dans un voisinage de 0. Alors
f(
t
n
)
n
exp(tC) = O((
t
n
)
p
).
De plus, cette estimation est optimale, sauf si R est identiquement nulle.
La preuve de ce th eor` eme est donn ee ` a lappendice A.2.
Ce th eor` eme assure que n applications de f(t/n) ` a x
0
fournit ainsi une m ethode dordre p
pour approcher x(t). Les splittings de Lie et de Strang correspondent aux cas p = 1 et p = 2
respectivement. En effet

A(
t
n
)B(
t
n
)

n
x
0
x(t)

= O(
t
n
)
(cette formule est une version dans le cadre matriciel de la formule de TrotterKato que nous verrons
plus loin) et

A(
t
2n
)B(
t
n
)A(
t
2n
)

n
x
0
x(t)

= O((
t
n
)
2
).
Les m ethodes de Lie et de Strang sont respectivement dordre 1 et 2.
Ceci justie lutilisation du splitting comme m ethode num erique, en admettant que lon sache
calculer de mani` ere exacte ou sufsamment pr ecise les exponentielles exp(tA/n) et exp(tB/n).
Lordre 1 et a fortiori les ordres sup erieurs sufsent ` a montrer la consistance des m ethodes. La
stabilit e sera assur ee syst ematiquement par la stabilit e de chacun des sch emas pour r esoudre les
diff erentes parties du splitting. Il est bien connu (th eor` eme de LaxRichtmyer) que consistance et
stabilit e assurent la convergence de la m ethode.
Une question se pose : comment construire des m ethodes dordre plus elev e ?
4.3.2 Une r eponse n egative
La premi` ere r eponse est n egative dans le cas o` u on cherche des coefcients positifs. Ce r esultat
est d u ` a Michelle Schatzman [24]. On cherche des coefcients
j
et
j
tels que la fonction
f
k
(t, , ) = exp(
1
tA) exp(
1
tB) . . . exp(
k
tA) exp(
k
tB)
v erie le d eveloppement limit e du th eor` eme pr ec edent.
Th eor` eme 2
Si [A, [A, B]] et [B, [B, A]] sont lin eairement ind ependants, il nexiste aucun choix de k et des coefcients
j
et
j
r eels positifs pour obtenir (DL) pour p 3.
10
On remarque que les commutateurs qui interviennent sont ceux du reste dans la m ethode dordre
2 de Strang.
Le r esultat est m eme plus fort, on peut g en eraliser la forme de la fonction recherch ee en
f(t) = r
1
(tA)s
1
(tB) . . . r
k
(tA)s
k
(tB),
o` u les fonctions r
j
et s
j
sont analytiques sur R avec r
j
(0) = s
j
(0) = 1, r

j
(0) =
j
et s

j
(0) =
j
. Cette
g en eralisation inclut la plupart des approximations num eriques de lexponentielle.
Th eor` eme 3
Si
(i)
j
et
j
sont positifs,
(ii) [A, B], A
2
et B
2
sont lin eairement ind ependants,
(iii) [A, [A, B]], [B, [B, A]], [A
2
, B], [A, B
2
], A
3
et B
3
sont lin eairement ind ependants,
alors il nexiste aucun choix de k et des fonctions r
j
et s
j
pour obtenir (DL) pour p 3.
On peut contourner le probl` eme en choisissant certains des
j
ou
j
n egatifs, mais cette ap-
proche nest pas int eressante pour lapplication qui nous int eressent dans laquelle les equations ne
sont pas bien pos ees en r etrograde.
4.3.3 Combinaison lin eaires dapproximations dordre inf erieur
On se rappelle que
A(t)B(t) S(t) =
t
2
2
[A, B] +O(t
3
).
On a donc
1
2
(A(t)B(t) +B(t)A(t)) S(t) = O(t
3
).
En poussant plus loin les d eveloppements, on voit apparatre des termes faisant intervenir les com-
mutateurs [A, [A, B]] et [B, [B, A]]. On peut essayer de les annuler avec ceux de A(t/2)B(t)A(t/2)
S(t) et B(t/2)A(t)B(t/2) S(t). Ceci donne la formule
g(t) =
2
3

A(
t
2
)B(t)A(
t
2
) +B(
t
2
)A(t)B(
t
2
)

1
6
(A(t)B(t) +B(t)A(t)) ,
pour laquelle
g(t) exp(t(A+B)) =
t
4
24
[A, B]
2
+O(t
5
).
4.3.4 Extrapolations de Richardson
Lextrapolation de Richardson est une m ethode g en erale pour acc el erer la convergence dune
m ethode num erique dint egration des EDO. Pr esentons la dabord dans ce cadre.
On suppose que lon approche la solution exacte y(t) dune EDO par une m ethode d ependant
dun pas h et calculant une approximation y(t; h) telle que
y(t; h) = y(t) +h
p
g(t) +O(h
p+1
)
qui est donc dordre local p. Si au lieu dutiliser le pas de temps h, on utilise le pas de temps qh, on
a
y(t; qh) = y(t) + (qh)
p
g(t) +O(h
p+1
).
11
On peut calculer la combinaison lin eaire
q
p
y(t; h) y(t; qh)
q
p
1
= y(t) +O(h
p+1
)
qui donne une nouvelle m ethode qui est dordre local au moins p + 1.
Adaptons ceci aux m ethodes de splitting. La solution exacte est S(t)x
0
. Si on calcule avec une
seule it eration de splitting, on calcule f(t)x
0
qui est l equivalent de y(t; h). On choisit q = 1/2, ce
qui revient ` a faire deux it erations de la m ethodes avec un pas de temps moiti e : f(t/2)f(t/2)x
0
. La
nouvelle m ethode s ecrit :
1
2
p
f(t) f(
t
2
)f(
t
2
)
1
2
p
1
=
2
p
f(
t
2
)f(
t
2
) f(t)
2
p
1
.
Appliquons ceci ` a un splitting de Lie L
1
(t) = A(t)B(t) pour lequel p = 1. On obtient le sch ema
RL
1
(t) = 2A(
t
2
)B(
t
2
)A(
t
2
)B(
t
2
) A(t)B(t)
qui nest que dordre 2, donc pas meilleur quun splitting de Strang tout en demandant plus de
calculs. En outre, ce sch ema a linconv enient de comporter des signes moins. On oublie donc.
Appliquons ceci ` a un splitting de Strang S
1
(t) = A(t/2)B(t)A(t/2) pour lequel p = 2. On obtient
le sch ema
RS
1
(t) =
1
3

4A(
t
4
)B(
t
2
)A(
t
4
)A(
t
4
)B(
t
2
)A(
t
4
) A(
t
2
)B(t)A(
t
2
)

.
On peut combiner les deux A(t/4) centraux et obtient le nouveau sch ema
g(t) =
4
3
exp(
1
4
tA) exp(
1
2
tB) exp(
1
2
tA) exp(
1
2
tB) exp(
1
4
tA)

1
3
exp(
1
2
tA) exp(tB) exp(
1
2
tA).
Cette formule est construite ` a partir de deux formules dordre 2 pour etre dordre 3. En fait, elle est
dordre 4 et est utilis ee en pratique contrairement ` a la pr ec edente.
5 Approximation de lexponentielle
Tous les calculs pr ec edents ne sont applicables en pratique que pour des matrices dont on sait
calculer facilement lexponentielle. Elles ne sont pas si nombreuses. Entrent dans ce cadre
les matrices diagonales :
D = diag(d
k
). On a alors exp(tD) = diag(exp(td
k
)).
les matrices sous forme de Jordan :
J =

1 0
.
.
.
.
.
.
.
.
. 1
0

.
Il est tout dabord facile de calculer leurs puissances :
J
k
=

k
k
k1
. . . C
k(d1)
k

k(d1)
.
.
.
.
.
.
.
.
. k
k1
0
k

.
12
De mani` ere g en erique, on a pour j i, J
k
ij
= C
k(ji)
k

k(ji)
. On a alors
exp(tJ)
ij
=

k=0
1
k!
t
k
J
k
ij
=

k=ji
1
k!
t
k
C
k(ji)
k

k(ji)
=

k=0
1
(k + (j i))!
t
k
t
ji
C
k
k+(ji)

k
=

k=0
1
k!(j i)!
t
k
t
ji

k
=
t
ji
(j i)!

k=0
1
k!
(t)
k
=
t
ji
(j i)!
exp(t).
les matrices idempotentes comme les projecteurs : P
n
= P pour tout n 1. On a alors
exp(tP) =

n=0
(tP)
n
n!
= I +

n=1
t
n
P
n!
= I P +

n=0
t
n
n!
P = I + (exp(t) 1)P.
Dans les autres cas, il faut avoir recours ` a des approximations ` a diff erents ordres de lexponen-
tielle.
On suppose que lon discr etise le temps avec un pas constant h : t
n
= nh. On cherche ` a calculer
une approximation x
n
de x(t
n
). Il sagit d ecrire une relation de r ecurrence qui relie x
n+1
` a x
n
.
Celle-ci r esulte de la discr etisation du syst` eme diff erentiel ecrit entre les temps t
n
et t
n+1
.
x = (A+B)x, x(t
n
) = x
n
,
ou de son equivalent int egral
x(t) = x(t
n
) +

t
t
n
(A+B)x()d.
Pour pouvoir analyser ce qui suit, donnons le d eveloppement limit e de x autour de t = t
n
:
x(t
n
+h) = (I + (A+B)h +
1
2
(A+B)
2
h
2
+
1
6
(A+B)
3
h
3
+O(h
4
))x(t
n
).
On a donc
S(h) = (I + (A+B)h +
1
2
(A
2
+AB +BA+B
2
)h
2
+
1
6
(A
3
+A
2
B +ABA+AB
2
+BA
2
+BAB +B
2
A+B
3
)h
3
+O(h
4
).
Il sufra de calculer la diff erence de cette quantit e avec celles associ ees aux diff erents sch emas,
qui sont toutes des fonctions continues de h au voisinage de 0 et ` a valeur dans pour obtenir une
expression de type
(DL) f(h) S(h) = Rh
p+1
+O(h
p+2
),
ce qui est lop erateur derreur locale et le th eor` eme assure que, pour t = nh,
f(h)
n
S(nh) = O(h
p
)
et la m ethode est dordre p.
Nous ne donnons les r esultats que pour les premiers sch emas, (L1) et (S1), les r esultats pour les
autres sch emas sen d eduisant clairement en echangeant le r ole de A et B.
13
5.1 Sch ema dEuler
Pour l equation (S) de d epart, le sch ema dEuler consiste ` a approcher lint egrale par la m ethode
des rectangles ` a gauche et s ecrit
x
n+1
= E(A+B, h)x
n
= x
n
+h(A+B)x
n
= (I +h(A+B))x
n
.
Si on applique le sch ema dEuler ` a (L1), on a
E(B, h)x
n
= x
n
+hBx
n
= (I +hB)x
n
,
x
n+1
= E(A, h)E(B, h)x
n
= E(B, h)x
n
+hAE(B, h)x
n
= (I +hA)E(B, h)x
n
= (I +hA)(I +hB)x
n
= (I +h(A+B) +h
2
AB)x
n
.
On a
L
1
E(h) = I +h(A+B) +h
2
AB.
Du point de vue de lordre, on a
L
1
E(h) S(h) =
1
2
h
2
([A, B] (A
2
+B
2
)) +O(h
3
).
Le sch ema de splitting de Lie avec approximation dEuler est dordre 1. On peut dissocier lerreur
dapproximation de lexponentielle de celle du splitting :
L
1
E(h) L
1
(h) =
1
2
h
2
(A
2
+B
2
) +O(h
3
).
Cette erreur dapproximation est sym etrique en A et B. Elle ne d epend donc pas du choix de
m ethode de Lie. On est bien s ur encore dordre 1.
5.2 Sch ema dEuler r etrograde
Pour l equation (S) de d epart, le sch ema dEuler r etrograde consiste ` a approcher lint egrale par
la m ethode des rectangles ` a droite et s ecrit
x
n+1
= R(A+B, h)x
n
= x
n
+h(A+B)R(A+B, h)x
n
,
x
n+1
= (I h(A+B))
1
x
n
.
Il suft de prendre h sufsamment petit pour que ceci ait un sens : h 1/(A+B).
On peut effectuer un d eveloppement limit e et
R(A+B, h) = I +h(A+B) +h
2
(A+B)
2
+O(h
3
).
Si on applique le sch ema dEuler r etrograde ` a (L1), on a
R(B, h)x
n
= (I hB)
1
x
n
,
x
n+1
= R(A, h)R(B, h)x
n
= (I hA)
1
(I hB)
1
x
n
.
On obtient lop erateur
L
1
R(h) = (I hA)
1
(I hB)
1
= I +h(A+B) +h
2
(A
2
+AB +B
2
) +O(h
3
).
Du point de vue de lordre, on a
L
1
R(h) S(h) =
1
2
h
2
([A, B] + (A
2
+B
2
)) +O(h
3
).
Le sch emas de splitting de Lie avec approximation dEuler r etrograde sont dordre 1.
`
A nouveau,
on peut extraire uniquement lerreur dapproximation
L
1
R(h) L
1
(h) =
1
2
h
2
(A
2
+B
2
) +O(h
3
).
qui est ` a nouveau sym etrique en A et B et lordre est toujours 1.
14
5.3 Couplage EulerEuler r etrograde
Une fois le splitting effectu e, rien noblige ` a utiliser le m eme sch ema pour les deux parties. Par
exemple avec (L1), on peut ecrire :
L
1
RE(h) = (I hA)
1
(I +hB) = I +h(A+B) +h
2
(A
2
+AB) +O(h
3
),
L
1
ER(h) = (I +hA)(I +hB)
1
= I +h(A+B) +h
2
(AB +B
2
) +O(h
3
).
5.3.1 M ethode de CrankNicolson
La m ethode de CrankNicolson peut etre d ecrite ainsi. Soit ` a r esoudre x = Ax, que lon ecrit
x =
1
2
Ax +
1
2
Ax.
On utilise une m ethode dEuler pour une partie et dEuler r etrograde pour lautre. On est clairement
dans le cadre commutatif et
C(h) = (I +
1
2
hA)(I
1
2
hA)
1
= (I
1
2
hA)
1
(I +
1
2
hA).
Ceci est equivalent ` a l ecriture habituelle de cette m ethode qui correspond ` a utiliser la m ethode du
trap` eze pour approcher la formulation int egrale :
x
n+1
x
n
h
= A
x
n+1
+x
n
2
.
Cette m ethode est bien connue pour etre dordre 2. Pour le d emontrer, il faut pousser un peu plus
loin le d eveloppement
C(h) = (I +
1
2
hA)(I +
1
2
hA+
1
4
h
2
A
2
+
1
8
h
3
A
3
+O(h
4
)) = I +hA+
1
2
h
2
A
2
+
1
4
h
3
A
3
+O(h
4
).
On a
C(h) A(h) =
1
12
h
3
A
3
+O(h
4
).
La m ethode est exactement dordre 2.
5.3.2 Le -sch ema
On peut de mani` ere plus g en erale utiliser la d ecomposition
x = Ax + (1 )Ax
en traitant x = Ax par un sch ema dEuler r etrograde et x = (1 )Ax par un sch ema dEuler. On
obtient le -sch ema :
x
n+1
= (I hA)
1
(I +h(1 )A)x
n
.
On a lhabitude de d enir ce sch ema sous la forme
x
n+1
= x
n
+h

(1 )Ax
n
+Ax
n+1

,
cest-` a-dire que lon approche la formulation int egrale par un barycentre de x
n
et x
n+1
avec les
poids 1 et . Cette interpr etation na de sens que si les poids sont positifs et donc [0, 1]
Sinon, on peut monter que la m ethode nest pas consistante.
On reconnat bien s ur, le sch ema dEuler pour = 0, le sch ema dEuler r etrograde pour = 1 et
le sch ema de CrankNicolson pour = 1/2. Seul ce dernier cas lieu ` a un ordre 2, le -sch ema etant
g en eriquement dordre 1.
Ce sch ema est tr` es largement utilis e en math ematiques nanci` eres.
15
5.4 Vers lordre 2 pour un splitting approch e
Pour passer ` a lordre 2, on peut envisager diff erentes solutions :
monter ` a lordre 2 sur le sch ema de splitting,
monter ` a lordre 2 sur le sch ema dapproximation de lexponentielle,
monter ` a lordre 2 sur le sch ema de splitting et le sch ema dapproximation de lexponentielle.
On a vu que lon pouvait dissocier erreur dapproximation de lexponentielle et de splitting. Il
ne faut donc pas esp erer de miracle : appliquer un sch ema dEuler (ordre 1) sur une formule de
Strang (ordre 2) ou un sch ema de CrankNicolson (ordre 2) au splitting de Lie (ordre 1), donne un
ordre total de 1. Les calculs sont laiss es au lecteur.
5.4.1 Combinaison de Strang et CrankNicolson
Une facon dobtenir lordre 2 est bien s ur de combiner une m ethode de Strang avec une m ethode
de CrankNicolson.
S
1
C(h) = (I +
h
4
A)(I
h
4
A)
1
(I +
h
2
B)(I
h
2
B)
1
(I +
h
4
A)(I
h
4
A)
1
= (I +
1
2
hA+
1
8
h
2
A
2
+
1
32
h
3
A
3
+O(h
4
))(I +hB +
1
2
h
2
B
2
+
1
4
h
3
B
3
+O(h
4
))
(I +
1
2
hA+
1
8
h
2
A
2
+
1
32
h
3
A
3
+O(h
4
))
= I +h(A+B) +
1
2
h
2
(A
2
+AB +BA+B
2
)
+ h
3
(
3
16
A
3
+
1
8
(A
2
B +BA
2
) +
1
4
(ABA+AB
2
+B
2
A+B
3
)) +O(h
4
).
Lerreur locale est donn ee par
S
1
C(h) S(h) = h
3
(
3
16
A
3
+
1
8
(A
2
B +BA
2
) +
1
4
(ABA+AB
2
+B
2
A+B
3
))

1
6
h
3
(A
3
+A
2
B +ABA+BA
2
+BAB +AB
2
+B
2
A+B
3
) +O(h
4
)
=
1
48
h
3
(A
3
2(A
2
B +BA
2
) + 4(ABA+AB
2
+B
2
A+B
3
) 8BAB)
+O(h
4
).
La m ethode nest pas plus pr ecise que lordre 2 et elle met en uvre la construction de quatre
op erateurs dont trois ` a inverser, il faut donc lui pr ef erer la m ethode de PeacemanRachford.
5.4.2 M ethode de PeacemanRachford
On peut combiner les op erateurs qui constituent les m ethodes dordre 1 en
P(h) = (I
h
2
A)
1
(I +
h
2
B)(I
h
2
B)
1
(I +
h
2
A).
Ceci sappelle la m ethode de PeacemanRachford [23]. On peut interpr eter ceci par un demi-pas
de temps dEuler pour A, suivi dun pas de temps de CrankNicolson pour B et enn un demi-pas
de temps dEuler r etrograde pour A. De nombreuses autres interpr etations existent, voir [2]. On
calcule
P(h) = (I +
1
2
hA+
1
4
h
2
A
2
+
1
8
h
3
A
3
+O(h
4
))(I +hB +
1
2
h
2
B
2
+
1
4
h
3
B
3
+O(h
4
)) (I +
1
2
hA)
= I +h(A+B) +
1
2
h
2
(A
2
+AB +BA+B
2
)
+
1
4
h
3
(A
3
+A
2
B +ABA+AB
2
+B
2
A+B
3
) +O(h
4
).
16
Lerreur locale est donn ee par
P(h) S(h) =
1
4
h
3
(A
3
+A
2
B +ABA+AB
2
+B
2
A+B
3
)

1
6
h
3
(A
3
+A
2
B +ABA+BA
2
+BAB +AB
2
+B
2
A+B
3
) +O(h
4
)
=
1
12
h
3
(A
3
+A
2
B +ABA+AB
2
+B
2
A+B
3
)
1
6
h
3
(BA
2
+BAB) +O(h
4
).
On obtient une m ethode exactement dordre 2. Elle met en uvre la construction de quatre op erateurs
dont deux seulement sont ` a inverser.
On reconnaitra cette m ethode dans la suite sous la forme
(I
h
2
B)(I
h
2
A)x
n+1
= (I +
h
2
B)(I +
h
2
A)x
n
.
5.5 Et si A et B commutent ?
Nous avons vu que toutes les approximations ` a base dexponentielles sont exactes si A et B
commutent. Est-ce encore vrai lorsque lon approche les exponentielles ? Sinon, peut-on esp erer au
moins un gain en ordre ? Dans tous les cas, lerreur locale sera la m eme que lon compare avec
S(h) ou avec la m ethode de Lie, de Strang, . . . puisquelles sont equivalentes. Reprenons toutes les
m ethodes d ej ` a vues une-` a-une.
5.5.1 Sch ema dEulerLie
On calcule lerreur locale
L
1
E(h) S(h) = L
2
E(h) S(h) =
1
2
h
2
(A
2
+B
2
) +O(h
3
).
Les deux m ethodes L
1
E(h) et L
2
E(h) sont donc clairement identiques. Aucun gain en ordre nest
observ e.
5.5.2 Sch ema dEuler r etrogradeLie
On calcule lerreur locale
L
1
R(h) S(h) = L
2
R(h) S(h) =
1
2
h
2
(A
2
+B
2
)) +O(h
3
).
La conclusion est la m eme que pour Euler.
5.5.3 Sch ema de PeacemanRachford
La formule derreur locale pour la m ethode de PeacemanRachford est nettement simpli ee si
A et B commutent. En effet A
2
B +ABA 2BA
2
= 0 et AB
2
+B
2
ABAB = 0 donc
P(h) S(h) =
1
12
h
3
(A
3
+B
3
) +O(h
4
).
Lordre nest cependant pas am elior e.
17
6 G en eralit es sur l equation de la chaleur
La m ethode des directions altern ees (ADI, Alternate Directions Implicit, en anglais) prend son
origine dans lapplication initiale par Peaceman et Rachford [23] et par Douglas [7] de la m ethode :
la r esolution de l equation de la chaleur en d ecomposant le laplacien en sommes.
Nous allons dabord donner un cadre favorable dans lequel la formule de TrotterKato est valide.
Dans ce contexte, tout marche comme dans le cas matriciel.
Dans le cadre continu, o` u on traite de laplaciens, un probl` eme crucial est celui de la stabilit e
pour laquelle nous donnerons des d enitions et que nous illustrerons par un exemple. Dans les
cas pratiques nous allons regarder des approximations du laplacien. Nous serons donc dans le
cadre despace fonctionnels nis et de matrices. Ces probl` emes de stabilit e ne nous affecteront pas
directement, mais il y en aura dautres. . .
6.1 Formule de TrotterKato
Lemme 1 (TrotterKato)
Soient M 1 et > 0. On suppose que lon a une suite de g en erateurs innit esimaux A
n
de semi-groupes
uniform ement continus A
n
(t) qui satisfont A
n
(t) Mexp(t). On suppose quil existe
0
C tel que
Re(
0
) > et pour tout x X, (
0
I A
n
)
1
x R(
0
)x, o` u limage de R(
0
) est dense dans X.
Alors il existe un g en erateur de groupe innit esimal A dun semi-groupe uniform ement continu A(t) qui
satisfait A(t) Mexp(t) tel que R(
0
) = (
0
I A)
1
et A
n
(t)x A(t)x pour tout x X. Cette
limite est uniforme sur tout intervalle born e en temps.
Lapplication ` a notre cadre donne typiquement le r esultat :
lim
n

A(
t
n
)B(
t
n
)

n
lim
n

exp(
t
n
A) exp(
t
n
B)

n
= exp(t(A+B)) S(t).
6.2 Notions de stabilit e
On consid` ere lEDP suivante
du
dt
= Au +Bu, u(t = 0) = u
0
H,
Pour la r esoudre on utilise un sch ema donn e par son semi-groupe f(h). Dans la d emonstration de
convergence que nous avons d ej ` a donn ee dans le cadre matriciel, on avait vu quil fallait de la sta-
bilit e en plus de la consistance (ordre local au moins egal ` a 2).
Classiquement, on dira que le sch ema est fortement stable si il existe une constante C tel que
pour h petit,
f(h)
B(H)
1 +Ch,
o` u
B(H)
est la norme des op erateurs lin eaires born es sur lespace de Hilbert H :
A
B(H)
= sup
u=0
Au
H
u
H
.
Pour lapproximation de PeacemanRachford :
P(h) = (I
1
2
hA)
1
(I +
1
2
hB)(I
1
2
hB)
1
(I +
1
2
hA),
on peut monter que
18
cette approximation est faiblement stable au sens o` u pour tout op erateurs A et B n egatifs
auto-adjoints et u D(A), on a
P(
t
n
)
n
u
H
u
H
+Au
H
,
pour tout n tel que t/n (voir Appendice A.3). Il y a en quelque sens une perte de
r egularit e.
on peut donner un contre-exemple ` a la stabilit e ` a base de laplaciens, ` a savoir des op erateurs
A et B pour lesquels
P(h)
B(H)
2.
Le r esultat g en eral dont la d emonstration d epasse de loin le cadre de ce cours est que, sous
certaines hypoth` eses suppl ementaires (voir larticle de Schatzman [25]), on a uniquement
P(h)
B(H)
1 +C

h.
6.3 La m ethode des directions altern ees
6.3.1 La m ethode ADI historique
La m ethode ADI historique a et e introduite par Douglas [7] et Peaceman et Rachford [23] pour
l equation de la chaleur en dimension 2

t
u(t, x, y) =
2
xx
u(t, x, y) +
2
yy
u(t, x, y)
sous la forme :
u
n+1/2
u
n
1
2
t
= L
x
u
n+1/2
+L
y
u
n
,
u
n+1
u
n+1/2
1
2
t
= L
x
u
n+1/2
+L
y
u
n+1
,
o` u maintenant L
x
et L
y
d esignent des matrices de taille M
2
M
2
. Cette m ethode consiste ` a faire
deux etapes de EulerEuler r etrograde sur lop erateur (
2
xx
+
2
yy
)/2. On reconnat la m ethode de
PeacemanRachford pour A = L
y
et B = L
x
:
(I
1
2
tL
x
)u
n+1/2
= (I +
1
2
tL
y
)u
n
,
(I
1
2
tL
y
)u
n+1
= (I +
1
2
tL
x
)u
n+1/2
,
(I
1
2
tL
x
)(I
1
2
tL
y
)u
n+1
= (I +
1
2
tL
x
)(I +
1
2
tL
y
)u
n
.
Cest aussi une g en eralisation de la m ethode de CrankNicolson, car prendre L
y
0 redonne la
m ethode de CrankNicolson.
On peut egalement voir cette m ethode comme une m ethode de pr edictioncorrection, pour cela
on l ecrit
u
n+1,
u
n
t
=
1
2
L
x
(u
n+1,
+u
n
) +L
y
u
n
,
u
n+1
u
n
t
=
1
2
L
x
(u
n+1,
+u
n
) +
1
2
L
y
(u
n+1
+u
n
),
ou encore
(I
1
2
tL
x
)u
n+1,
= (I +
1
2
tL
x
+tL
y
)u
n
,
(I
1
2
tL
y
)u
n+1
= u
n+1,

1
2
tL
y
u
n
.
19
Sous cette forme, on voit que la nouvelle valeur interm ediaire u
n+1,
est une approximation par
splitting de l equation compl` ete, o` u on traite avec Euler r etrograde
2
xx
/2 et avec Euler
2
xx
/2 +
2
yy
.
Le deuxi` eme pas est une correction en implicitant aussi la d eriv ee
2
yy
/2.
`
A noter que lon navance
pas en temps dans cette derni` ere etape.
Cest sous cette forme que cette m ethode a et e g en eralis ee au cas de trois directions despace par
Douglas [9] en ajoutant une autre variable interm ediaire
u
n+1,
u
n
t
=
1
2
L
x
(u
n+1,
+u
n
) +L
y
u
n
+L
z
u
n
,
u
n+1,
u
n
t
=
1
2
L
x
(u
n+1,
+u
n
) +
1
2
L
y
(u
n+1,
+u
n
) +L
z
u
n
,
u
n+1
u
n
t
=
1
2
L
x
(u
n+1,
+u
n
) +
1
2
L
y
(u
n+1,
+u
n
) +
1
2
L
z
(u
n+1
+u
n
),
qui s ecrit aussi :
(I
1
2
tL
x
)u
n+1,
= (I +
1
2
tL
x
+tL
y
+tL
z
)u
n
,
(I
1
2
tL
y
)u
n+1,
= u
n+1,

1
2
tL
y
u
n
,
(I
1
2
tL
z
)u
n+1
= u
n+1,

1
2
tL
z
u
n
.
`
A nouveau toutes les variables u
n+1,
, u
n+1,
et u
n+1
sont moralement au temps n + 1. Cette
forme permet clairement de mettre en evidence les calculs ` a effectuer en pratique : il faut inverser
les matrices (I
1
2
tL
x
), (I
1
2
tL
y
) et (I
1
2
tL
z
) qui sont toutes tridiagonales ` a une permutation
pr` es.
On montre quen fait on calcule :
(I
1
2
tL
x
)(I
1
2
tL
y
)(I
1
2
tL
z
)u
n+1
= (I +
1
2
tL
x
)(I +
1
2
tL
y
)(I +
1
2
tL
z
)u
n
.
Nous restons en terrain connu.
6.3.2 Cas du -sch ema
Au lieu de couper les op erateurs en deux moiti es egales, on utilise en pratique des -sch emas
pour des questions de stabilit e en grande dimensions (cf. infra). Cela revient ` a calculer, par exemple
en dimension 3,
(I tL
x
)u
n+1,
= (I + (1 )tL
x
+tL
y
+tL
z
)u
n
,
(I tL
y
)u
n+1,
= u
n+1,
tL
y
u
n
,
(I tL
z
)u
n+1
= u
n+1,
tL
z
u
n
.
Cette g en eralisation ne s ecrit pas comme splitting de -sch emas. En effet, si on d eveloppe on obtient
(I tL
x
)(I tL
y
)(I tL
z
)u
n+1
= u
n
+ (1 )t(L
x
+L
y
+L
z
)u
n
+
2
t
2
(L
x
L
y
+L
x
L
z
+L
y
L
z
)u
n

3
t
3
L
x
L
y
L
z
u
n
.
Ceci etant, on nesp` ere pas plus que lordre 1 avec = 1/2 et le second membre est aussi une
approximation ` a lordre 1 de (I + (1 )tL
x
)(I + (1 )tL
y
)(I + (1 )tL
z
)u
n
.
On peut aussi ecrire ce sch ema sous la forme
Pu
n+1
= (P +tL)u
n
, avec P = (I tL
x
)(I tL
y
)(I tL
z
) et L = L
x
+L
y
+L
z
.
Cette forme sera utilis ee plus tard.
20
6.3.3 Extensions
Pour pouvoir appliquer ceci en math ematiques nanci` eres, il va falloir etre capables d etendre
ce mod` ele pour pouvoir traiter
dautres op erateurs diff erentiels (du premier ordre notamment) ;
des coefcients variables en temps en en

espace

;
des d eriv ees secondes crois ees ;
des conditions aux bord.
7 Application aux mod` eles en math ematiques nanci` eres
7.1 Traitement des termes mixtes
Pour pouvoir traiter aussi bien le mod` ele de Black et Scholes ` a plusieurs actifs que le mod` ele
de Heston, il faut savoir traiter des d eriv ees secondes crois ees (ou mixtes). Comment alterner des
directions quand celles-ci sont combin ees ? Nous allons voir que lon contourne en fait le probl` eme.
Soit l equation aux d eriv ees partielles

t
u =
N

i,j=1
q
ij

2
x
i
x
j
u,
o` u q = (q
ij
)
ij
est une matrice d enie positive, pour assurer le caract` ere parabolique et bien pos e. En
prenant un pas despace uniforme, on d enit les op erateurs discrets (en dimension 2, pour simplier
les ecritures)
(
2
xx
u)
i,j
=
1
x
2
(u
i+1,j
2u
i,j
+u
i1,j
),
(
2
xy
u)
i,j
=
1
4x
2
(u
i+1,j+1
u
i+1,j1
u
i1,j+1
+u
i1,j1
).
Tous les sch emas sont evidemment construits pour avoir au moins lordre 1 et donc la consis-
tance. En revanche, pour chaque sch ema, il faut se poser la question cruciale de la stabilit e. Comme
l equation est lin eaire et ` a coefcients constants (pour linstant) il suft de faire une analyse en
fr equence. Pour cela, on suppose que u
n
est de la forme
u
n
(x
1
, . . . , x
N
) =
n
exp(i(
1
x
1
+ +
N
x
N
)).
En pratique, toute solution s ecrit comme une superposition de telles fonctions. On appelle le
facteur damplication. La stabilit e consiste ` a montrer que pour toute fr equence = (
1
, . . . ,
N
),
lamplitude reste born ee en temps, ce qui suppose que || 1.
7.1.1 La m ethode de Douglas
En g en eralisant en un -sch ema lalgorithme de Douglas et Gunn [10] ( ecrit pour = 1), on peut
ecrire
(I q
11
t
2
x
1
x
1
)u
n+1(1)
=

I +t(1 )q
11

2
x
1
x
1
+t
N

i=2
q
ii

2
x
i
x
i
+ 2t
N

i=2
i1

j=1
q
ij

2
x
i
x
j

u
n
,
(I q
jj
t
2
x
j
x
j
)u
n+1(j)
= u
n+1(j1)
q
jj
t
2
x
j
x
j
u
n
, 2 j N,
u
n+1
= u
n+1(N)
.
Le premier pas peut se r e ecrire
(I q
11
t
2
x
1
x
1
)u
n+1(1)
= (I q
11
t
2
x
1
x
1
)u
n
+tLu
n
avec L =
N

i,j=1
q
ij

2
x
i
x
j
,
21
cest-` a-dire que moralement on se donne u
n+1(0)
= u
n
pour initier la r ecurrence. Toute la partie
mixte de l equation est trait e ` a ce pas et uniquement ` a ce pas, de mani` ere explicite.
On peut ecrire ce sch ema sous la forme compacte
Pu
n+1
= (P +tL)u
n
avec P =
N

i=1
(I q
ii
t
2
x
i
x
i
).

Etant donn e de la complexit e du probl` eme, on ne peut esp erer une condition n ecessaire et suf-
sante de stabilit e pour des q
ij
donn es. On est capable (voir [5]) de trouver une condition sufsante
de stabilit e :


=

1
2
si N = 2,
N
2
(

1+(N2)/N1)
2(N2)
si N 3,
et une condition n ecessaire et sufsante dans le pire cas :
=
1
2

N 1
N

N1
.
On peut prendre le probl` eme dans un autre sens : pour une valeur donn ee de , on d enit la valeur
maximale R

= max
i
(q
ii
)t/x
2
qui assure la stabilit e. Pour les premi` eres dimensions, on obtient
le tableau suivant.
N

R
0
R
1
2 0,500 0,500 0,250
3 0,696 0,666 0,148
4 0,899 0,844 0,093
5 1,104 1,024 0,064 2,1016
6 1,309 1,206 0,046 0,2163
Table 1 Stabilit e du sch ema de Douglas
`
A partir de la dimension 5, on ne peut pas esp erer avoir de sch ema pr ecis car pour avoir la
stabilit e, on sort du domaine de validit e du -sch ema sur lesquel est bas e cette m ethode.
7.1.2 La m ethode de Craig et Sneyd
La m ethode de Craig et Sneyd [5] est une variante de la m ethode de Douglas. Pour cela, on
appelle L
0
la partie mixte du sch ema :
L
0
= 2
N

i=2
i1

j=1
q
ij

2
x
i
x
j
.
On utilise la m ethode de Douglas comme une etape de pr ediction
Py
n+1
= (P +tL)u
n
,
` a laquelle on associe une etape de correction
Pu
n+1
= (P +tL)u
n
+tL
0
(y
n+1
u
n
).
22
Pour limpl ementation, ceci se r e ecrit
y
n+1(0)
= (I +tL)u
n
,
(I q
jj
t
2
x
j
x
j
)y
n+1(j)
= y
n+1(j1)
q
jj
t
2
x
j
x
j
u
n
, 1 j N,
y
n+1
= y
n+1(N)
,
u
n+1(0)
= y
n+1(0)
+tL
0
(y
n+1
u
n
),
(I q
jj
t
2
x
j
x
j
)u
n+1(j)
= u
n+1(j1)
q
jj
t
2
x
j
x
j
u
n
, 1 j N,
u
n+1
= u
n+1(N)
.
Dans le cas o` u = = 1/2, ce sch ema est dordre 2 en temps (et en espace).
Par ailleurs, pour cette m ethode, on sait trouver (voir [5, 6]) une condition sufsante de stabilit e
inconditionnelle reliant ` a la dimension N et ` a . Cette condition s ecrit

N
N1
(N 1)
N
.
Il faut aussi n ecessairement 1/2. Pour essayer dobtenir lordre 2 et la stabilit e, on va sint eresser
` a la valeur minimale
min
de qui assure la stabilit e inconditionnelle pour = 1/2.
N 2 3 4 5 6
N
N1
(N1)
N
2,000 1,125 0,790 0,610 0,498

min
0,500 0,500 0,633 0,819 1,005
Table 2 Stabilit e du sch ema de Craig et Sneyd
Dans le cadre des dimensions 2 et 3, on peut avoir un sch ema dordre 2 en temps et en espace
et inconditionnellement stable. On a gagn e une dimension despace permettant la stabilit e incondi-
tionnelle. Le cas N = 6 pose encore probl` eme.
Si on essaie dappliquer cette m ethode au cas sans d eriv ee mixte (L
0
= 0), on trouve que seul le
r esultat de l etape de correction sert et Pu
n+1
= (P +tL)u
n
. On retrouve le sch ema de Douglas.
7.1.3 La m ethode de Hundsdorfer et Verwer
La m ethode de Hundsdorfer et Verwer [12, 28] est une autre variante de la m ethode de Douglas.
`
A nouveau, on utilise la m ethode de Douglas comme une etape de pr ediction
Py
n+1
= (P +tL)u
n
,
puis on effectue une etape de correction
Pu
n+1
= Py
n+1
+tLu
n
+tL(y
n+1
u
n
).
Pour limpl ementation, ceci se r e ecrit
y
n+1(0)
= (I +tL)u
n
,
(I q
jj
t
2
x
j
x
j
)y
n+1(j)
= y
n+1(j1)
q
jj
t
2
x
j
x
j
u
n
, 1 j N,
y
n+1
= y
n+1(N)
,
u
n+1(0)
= y
n+1(0)
+tL(y
n+1
u
n
),
(I q
jj
t
2
x
j
x
j
)u
n+1(j)
= u
n+1(j1)
q
jj
t
2
x
j
x
j
y
n+1
, 1 j N,
u
n+1
= u
n+1(N)
.
23
Contrairement au sch ema de Craig et Sneyd, l etape de correction a ici un r ole m eme en absence
de d eriv ee mixte (L
0
= 0).
Pour 1, le sch ema est inconditionnellement stable si a
N
N, o` u a
N
est d enie de mani` ere
implicite comme lunique solution dans ]0, 1/2[ de l equation
2a

1 +
1 a
N 1

N1
1 = 0.
L equivalent du tableau 2 etendu au sch ema de Hundsdorfer et Verwer est donn e par le tableau 3.
N 2 3 4 5 6 7 8 9

min
pour (CS) 0,500 0,500 0,633 0,819 1,005 1,190 1,374 1,559

min
pour (HV) 0,293 0,402 0,515 0,630 0,745 0,860 0,975 1,091
Table 3 Comparaison de la stabilit e des sch emas de Craig et Sneyd (CS) et de Hundsdorfer et
Verwer (HV)
Le sch ema de Hundsdorfer et Verwer permet de gagner trois dimensions despace pour les-
quelles on peut effectuer des calculs stables tout en gardant la consistance du -sch ema.
7.2 Traitement des d eriv ees dordre un
Pour le traitement des d eriv ees dordre un, on peut penser ` a plusieurs sch emas, que lon va
analyse sur un cas simpli e ` a linstar dAchdou et Pironneau [1], ` a savoir l equation en dimension
1, ind ependante du temps
au

(x) +bu

(x) +c(x)u(x) = f(x), pour x ]0, 1[,

avec des conditions aux bords de Dirichlet homog` ene (u(0) = u(1) = 0) et o` u a et b sont strictement
positifs et c est positive et continue. Trois choix sont naturels :
le sch ema centr e
a
u
i+1
2u
i
+u
i1
x
2
+b
u
i+1
u
i1
2x
+c(x
i
)u
i
= f(x
i
),
le sch ema d ecentr e amont
a
u
i+1
2u
i
+u
i1
x
2
+b
u
i
u
i1
x
+c(x
i
)u
i
= f(x
i
),
le sch ema d ecentr e aval
a
u
i+1
2u
i
+u
i1
x
2
+b
u
i+1
u
i
x
+c(x
i
)u
i
= f(x
i
),
Ces trois sch emas sont consistants. Le sch ema centr e est dordre 2, les deux sch emas d ecentr es sont
dordre 1. Pour que lon puisse r esoudre ce syst` eme et obtenir une solution raisonnable, il faut que
le syst` eme soit inversible et aussi quil soit stable. Pour avoir la stabilit e, il faut que linverse de la
matrice ` a inverser A soit de norme born ee. On sint eresse ` a deux normes, les normes (subordonn ees)
2 et .
On obtient les r esultats suivants (voir [1] pour les d etails). En norme 2, lanalyse est assez simple
et on trouve que
pour le sch ema amont, A
1

2

1

2
(a+
xb
2
)
, la stabilit e est donc inconditionnelle ;
24
pour le sch ema centr e, A
1

2

1

2
a
, la stabilit e est donc inconditionnelle ;
pour le sch ema aval, A
1

2

1

2
(a
xb
2
)
, il ny a stabilit e que si x < 2a/b.
Lanalyse en norme est beaucoup plus compliqu ee
le sch ema amont est incondionnellement stable ;
le sch ema centr e est stable sous la condition x < 2a/b;
le sch ema aval est stable sous la condition x < a/b.
Selon que la valeur 2a/b constitue ou non une borne raisonnable, on sera donc amen es ` a choisir le
sch ema centr e pour des raisons dordre ou le sch ema amont pour des raisons de stabilit e.
7.3 Application au mod` ele de Black et Scholes ` a un actif
Commencons par ce mod` ele tr` es simple de Black et Scholes ` a un actif.
On discr etise lintervalle de temps [0, T] par des temps t
n
. On discr etise egalement lintervalle
[0, S] par des valeurs discr` etes s
i
(ne pas confondre ces variables discr` etes avec le nom de diff erentes
variables s dans le cas ` a plusieurs actifs). On suppose ces r epartitions r eguli` eres : t
n
= nt et
s
i
= is, mais on peut g en eraliser au cas de discr etisations non uniformes. On cherche ` a approcher
u(t
n
, s
i
) par une valeur u
n
i
.
Utilisons par exemple un sch ema amont pour le terme dordre un, et un sch ema dEuler r etrogra-
de en temps.
u
n+1
i
u
n
i
t

1
2

2
(t
n+1
, s
i
)s
2
i
u
n+1
i+1
2u
n+1
i
+u
n+1
i1
s
2
r(t
n+1
)s
i
u
n+1
i+1
u
n+1
i
s
+r(t
n+1
)u
n+1
i
= 0.
Ceci s ecrit de mani` ere synth etique
(I tL)U
n+1
= U
n
+S
n+1
,
o` u L est tridiagonale avec
L
i,i1
=

2
(t
n+1
, s
i
)s
2
i
2s
2
,
L
ii
=

2
(t
n+1
, s
i
)s
2
i
s
2

r(t
n+1
, s
i
)
s
r(t
n+1
),
L
i,i+1
=

2
(t
n+1
, s
i
)s
2
i
2s
2
+
r(t
n+1
, s
i
)
s
.
Le second membre S
n+1
contient le conditions aux bords
S
n+1
=
t
(t

2
(t
n+1
, s
1
)s
2
1
2s
2
Kexp(

t
n+1
0
r()d), 0, . . . , 0).
Cette matrice est ` a diagonale strictement dominante, elle est donc inversible. On peut montrer (cf.
[1]) que la solution de ce syst` eme est positive (cest important pour notre application!) et que son
maximum max
i
(u
n
i
) d ecrot avec n. On peut montrer egalement des estimations derreur sur E
n
de
coefcients u(t
n
, s
i
) u
n
i
: pour tout > 0, il existe > 0 tel que si s < et t <
s
1/2
max
0nN
E
n

2
.
Pour avoir une estimation meilleure, il faut supprimer la singularit e de la fonction payoff en s = K,
et on peut alors esp erer (sous r eserve que et r soient aussi r eguli` eres)
s
1/2
max
0nN
E
n

2
C(t +s).
25
Si on applique par exemple un sch ema centr e, on a une majoration sur t pour assurer linver-
sibilit e de la matrice. Cette condition nest pas tr` es contraignante dans le cas de grandes volatilit es.
Si cette condition est v eri ee, et si la fonction payoff est r eguli` ere, on a
s
1/2
max
0nN
E
n

2
C(t +s
2
).
La bonne solution consiste ` a centrer toutes les d eriv ees (CrankNicolson et un sch ema centr e
pour le terme dordre 1). On obtient alors un sch ema toujours inversible dordre 2 en temps et en
espace.
Pour que les coefcients de l equation varient le moins possible, on a aussi tout int er et ` a traiter
l equation en variable log, probl` eme dont l ecriture est peu plus simple que celle pr esent ee ici.
7.4 Application au mod` ele de Black et Scholes ` a plusieurs actifs
Pour le mod` ele de Black et Scholes ` a plusieurs actifs, on combine les r esultats pr ec edents. Nous
allons donc utiliser des m ethodes de splitting adapt ees aux d eriv ees mixtes. L etude du probl` eme
mixte seul nous montre quil va falloir utiliser un -sch ema pour traiter la d eriv ee seconde, avec
1/2. On peut aussi le faire pour les d eriv ees dordre un, etant donn e que lon a de toutes facons
peu de chance dobtenir autre chose quun sch ema dordre 1. On peut par exemple r epartir le terme
lin eaire r(t)u.
Les termes de bord sont en g en eral trait es au premier pas, m eme si Craig et Sneyd [5] sugg` erent
dautres approches pour conserver lordre 2.
On se retrouve donc avec un syst` eme discr etis e en espace de type
U

(t) = AU(t) +S(t),

o` u la matrice A se d ecompose en A = A
0
+ A
1
+ + A
k
. Dans cette d ecomposition, A
0
contient
les termes issus des d eriv ees mixtes et les A
i
, 1 i k les termes issus des d eriv ees selon s
i
(et du
terme r(t)u). Le sch ema de Douglas s ecrit alors
u
n+1(0)
= (I +tA)u
n
+tS(t
n
),
(I tA
j
)u
n+1(j)
= u
n+1(j1)
tA
j
u
n
, 1 j k,
u
n+1
= u
n+1(k)
ou encore
Pu
n+1
= (P +tA+tS(t
n
))u
n
avec P =
k

i=1
(I tA
i
).
De m eme, on peut g en eraliser la m ethode de Craig et Sneyd
Py
n+1
= (P +tA+tS(t
n
))u
n
,
Pu
n+1
= (P +tA+tS(t
n
))u
n
+tA
0
(y
n+1
u
n
)
ou celle de Hundsdorfer et Verwer
Py
n+1
= (P +tA+tS(t
n
))u
n
,
Pu
n+1
= Py
n+1
+tAu
n
+tS(t
n
)u
n
+tA(y
n+1
u
n
).
Comment param etrer ces sch emas ? Il faut sinspirer des analyses effectu ees dans les cas plus
simples. Si on se place dans le cadre du syst` eme en variable log, comme q
ii
(t, s) =
1
2

2
ii
(t, s), on a
un encadrement des coefcients q
ii
qui permettent dutiliser les valeurs du tableau 1 pour estimer
les param` etres pour le sch ema de Douglas.
26
7.5 Application au mod` ele de Heston
Pour le mod` ele de Heston, on fait des choses semblables au cas du mod` ele de Black et Scholes
` a plusieurs actifs.
Ici, la dimension spatiale est k = 2, paradis promis pour obtenir lordre 2. Nous voulons aussi
bien s ur la stabilit e.
Pour le sch ema de Douglas, lordre est toujours 1, et il suft davoir 1/2 pour assurer la
stabilit e.
Pour le sch ema de Craig et Sneyd, lordre 2 n ecessite = = 1/2. Pour la stabilit e, il suft
pour 1/2 davoir de plus 2 (voir tableau 2), ce qui est clairement assur e pour = 1/2.
Pour le sch ema de Hundsdorfer et Verwer, lordre 2 n ecessite = 1/2, ind ependamment de .
Il ny a pas de r esultat complet concernant la stabilit e. En absence de convection (r
d
(t)r
f
(t) =
0 et v = 0 impossible ` a obtenir m eme en passant en variable log en v), on obtient un
sch ema inconditionnellement stable pour = 1/2 et 1/(2 +

2) 0, 293 (ensemble
de valeurs pour lesquelles le sch ema est dordre 2). En revance en pr esente de termes de
convection, on a uniquement une conjecture de stabilit e inconditionnelle pour = 1/2 et
1/2 + 1/2

3 0, 789 [19].
7.6 S election darticles sur le splitting appliqu e en math ematiques nanci` eres
7.6.1 Mod` ele de Black et Scholes ` a plusieurs actifs
Lo et Hui [20, 21] traitent du mod` ele de Black et Scholes ` a plusieurs actif avec un raisonnement
fortement bas e sur une th eorie alg ebrique et la commutation des op erateurs. Le splitting est de type
Lie et s epare egalement les d eriv ees premi` eres et secondes associ ees aux m emes directions.
7.6.2 Mod` ele de Heston
Jai bas e la pr esentation de mon cours sur un article court de int t Hout [17] qui traite des
sch emas de Douglas, Craig et Sneyd et Hundsdorfer et Verwer pour le mod` ele de Heston pour un
call europ een avec r
d
. Il rappelle les r esultats dordre et de stabilit e de la litt erature. Des calculs
num eriques sont effectu es pour un jeu de valeur des param` etres :
= 0, 8 (forte corr elation) , r
d
= 0, 03, r
f
= 0, = 0, 2, = 2, = 0, 3, K = 100, T = 1.
Les choix num eriques sont la plage de calcul : s [0, 200], v [0, 1], avec M = 100 ou 200 points
dans la direction s et M/2 points dans la direction v. Les param` etres , et sont choisis pour
optimiser ordre et stabilit e.
Dans un article plus long, int t Hout et Foulon [18] traitent du m eme probl` eme mais en in-
troduisant quelques choix algorithmiques suppl ementaire comme par exemple le rafnement du
maillage au tour de s = K et de v = 0. Lanalyse des cas test est plus pr ecise et cette fois-ci quatre
jeux de param` etres sont propos es incluant des rapports entre param` etres assez diff erents.
7.6.3 Splitting pour Black et Scholes non lin eaire

Sev covi c [26] pr esente un mod` ele de Black et Scholes non lin eaire :

t
u(t, s)
1
2

2
(t, s, s
2

2
ss
u)s
2

2
ss
u(t, s) (r q)s
s
u(t, s) +ru(t, s) = 0.
o` u q est le taux de dividende. On remarque la d ependance de en s
2

2
ss
u, ce qui rend ce mod` ele
non lin eaire. Un splitting est appliqu e ` a cette equation en variable log, mais cette fois-ci il ny a pas
de directions ` a alterner. Dans cet article, on fait deux pas, le premier traitant la partie convective
(d eriv ees premi` eres) et le second la partie diffusive non lin eaire.
27
7.6.4 Splitting pour les options am ericaines
Une s erie darticles de Ikonen et Toivanen [13, 14, 15, 16] traitent dun probl` eme non abord e
dans ce cours mais en forte relation : les m ethodes de splitting pour les options am ericaines. Toutes
ces m ethodes s ecrivent sous la forme dun probl` emes de complementarit e lin eaire

(u
t
Au) 0, u g,
(u
t
Au)(u g) = 0,
o` u g est la fonction putoff. Ici le temps est d ecroissant. La m ethode de splitting est alors d eriv ee de
la formulation avec un multiplicateur de Lagrange (voir nimporte quel livre doptimisation)

(u
t
Au) = , 0, u g,
(u g) = 0.
Les etapes se font en faisant d ecroitre lindice de temps n, pour des pas de temps variables Plus
pr ecis ement, on a une premi` ere etape de type -sch ema :
(I +
n
t
n
A) u
n
= (I (1
n
)t
n
A)u
n+1
+t
n
b(t
n
) +t
n

n+1
,
suivie dune etape o` u tous les points spatiaux sont d ecorr el es :

u
n
u
n
= t
n
(
n

n+1
), 0, u g,

n
(v
n
g) = 0.
Ces articles traitent basiquement trois types de mod` eles :
le mod` ele de Black et Scholes
des mod` eles de diffusion ` a saut du type
Au(t, s) =
1
2

2
(t, s)s
2

2
ss
u(t, s) (r )s
s
u(t, s) +(r +)u(t, s)

R
+
u(t, ys)f(y)dy,
o` u est le taux des sauts, la fonction f d enit la distribution des sauts et est lamplitude
moyenne des sauts.
le mod` ele de Heston.
R ef erences
[1] Y. Achdou et O. Pironneau, Computational methods for option pricing, collection Frontiers in
applied mathematics, volume o. Society for Industrial and Applied Mathematics, :ooj.
[2] B. Bid egaray-Fesquet, M ethodes de splitting pour les probl` emes multi- echelles, cours de M2R, :oo.
http ://ljk.imag.fr/membres/Brigitte.Bidegaray/cours2007.pdf
[3] B. Bid egaray-Fesquet, M ethodes de splitting pour les probl` emes multi- echelles, compl ement :oo8,
cours de M2R, :oo8. http ://ljk.imag.fr/membres/Brigitte.Bidegaray/complement2008.pdf
[4] F. Black et M. Scholes, The pricing of options and corporate liabilities, Journal of Political Economy,
81(), 66ji, 1o.
[5] I.J.D. Craig et A.D. Sneyd, An alternating-direction implicit scheme for parabolic equations with mixed
derivatives, Computers & Mathematics with Applications, 1i(i), i1jo, 1o88.
[6] I.J.D. Craig et A.D. Sneyd. An alternating direction implicit scheme for parabolic systems of partial
differential equations, Computers & Mathematics with Applications, :o(), j6:, 1ooo.
[7] J. Douglas, Jr., On the numerical integration of
2
u/x
2
+
2
u/y
2
= u/t by implicit methods,
Journal of the Society of Industrial and Applied Mathematics, , i:6j, 1ojj.
28
[8] J. Douglas, Jr., On the numerical integration of quasilinear parabolic differential equations, Pacic
Journal of Mathematics, 6(1), ji:, 1oj6.
[9] J. Douglas, Jr., Alternating direction methods for three space variables, Numerische Mathematik,
i(1), i16, 1o6:.
[10] J. Douglas, Jr et J.E. Gunn, A general formulation of alternating direction methods. Part I. parabolic
and hyperbolic problems, Numerische Mathematik, 6(1), i:8ij, 1o6i.
[11] S. L. Heston, A closed-form solution for options with stochastic volatility with applications to bonds
and currency options, The Review of Financial Studies, 6(:), :i, 1oo.
[12] W. H. Hundsdorfer, Accuracy and stability of splitting with stabilizing corrections, Applied Nume-
rical Mathematics, i:(1), :1:, :oo:.
[13] S. Ikonen et J. Toivanen, Operator splitting methods for American option pricing, Applied Mathe-
matics Letters, 1(), 8oo81i, :ooi.
[14] S. Ikonen et J. Toivanen, An operator splitting method for pricing American option, in R. Glowinski
and P. Neittaanm aki ed., Partial Differential Equations, collection Computational Methods in
Applied Sciences, volume 16, pages :o:o:. Springer, :oo8.
[15] S. Ikonen et J.Toivanen, Efcient numerical methods for pricing American options under stochastic
volatility, Numerical Methods for Partial Differential Equations, :i(1), 1oi1:6, :oo8.
[16] S. Ikonen et J. Toivanen, Operator splitting methods for pricing American options under stochastic
volatility, Numerische Mathematik, 11(:), :oo:i, :ooo.
[17] K.J. in t Hout, ADI schemes in the numerical solution of the Heston PDE, in T.E. Simos, G. Psihoyios
et C. Tsitouras ed., collection International Conference on Numerical Analysis and Applied
Mathematics, AIP Conference Proceedings, volume o6, pages 1o1i. AIP, :oo.
[18] K.J. in t Hout et S. Foulon, ADI nite difference schemes for option pricing in the Heston model with
correlation, International Journal of Numerical Analysis and Modeling, (:),o:o, :o1o.
[19] K.J. in t Hout et B.D. Welfert. Stability of ADI schemes applied to convectiondiffusion equations
with mixed derivative terms, Applied Numerical Mathematics, j(1), 1oj, :oo.
[20] C.-F. Lo et C.-H. Hui. Valuation of nancial derivatives with time-dependent parameters : Lie-algebraic
approach, Quantitative Finance, 1(1), 8, :oo1.
[21] C.-F. Lo et C.-H. Hui. Pricing multi-asset nancial derivatives with time-dependent parameters Lie
algebraic approach, International Journal of Mathematics and Mathematical Sciences, :(), io1
i1o, :oo:.
[22] A. Pazy, Semigroups of Linear Operators and Applications to Partial Differential Equations, Applied
Mathematical Sciences ii, Springer, 1o8.
[23] D.W. Peaceman et H.H. Rachford Jr., The numerical solution of parabolic and elliptic differential
equations, Journal of the Society of Industrial and Applied Mathematics, , :8i1, 1ojj.
[24] M. Schatzman, Higher order alternate direction methods, Computational Methods in Applied Me-
chanical Engineering, 116, :1o::j, 1ooi.
[25] M. Schatzman, Stability of the PeacemanRachford approximation, Journal of Functional Analysis,
16:, :1o:jj, 1ooo.
[26] D.

Sev covi c. An iterative algorithm for evaluating approximations to the optimal exercise boundary for
a nonlinear BlackScholes equation, Canadian Applied Mathematics Quarterly, 1j(1), o, :oo.
[27] G. Strang, On the construction and comparison of difference schemes, SIAM Journal on Numerical
Analysis, j(), jo6j1, 1o68.
[28] J. G. Verwer, E. Spee, J. G. Blom et W. H. Hundsdorfer, A second-order Rosenbrock method applied
to photochemical dispersion problems, SIAM Journal on Scientic Computing, :o(i), 1ij61i8o,
1ooo.
29
A Compl ements
A.1 Semi-groupes uniform ement continus dop erateurs lin eaires born es
Soit X un espace de Banach. Une famille ` a un param` etre A(t) : X X, dop erateurs lin eaires
born es, est un semi-groupe dop erateurs lin eaires born es sur X si les propri et es (P1) et (P2) sont
v eri ees. Cette famille est uniform ement continue si de plus
(P3) lim
t0
A(t) I = 0.
On d enit lop erateur lin eaire A par son domaine
D(A) =

x X; lim
t0
A(t)x x
t
existe

et
Ax = lim
t0
A(t)x x
t
=
d
+
A(t)x
dt

t=0
pour x D(A).
Cet op erateur lin eaire est le g en erateur innit esimal du semi-groupe A(t). Dans cette terminologie
se trouve sous-jacent le fait quun seul semi-groupe permet de construire A comme ci-dessus. Le
lien entre A et A est bijectif. Si A est un op erateur born e sur X, on peut ecrire
A(t) = exp(tA) =

n=0
(tA)
n
n!
et la s erie converge bien en norme pour tout t 0.
Th eor` eme 4
Il y a equivalence entre
(i) A est un op erateur lin eaire born e,
(ii) A est uniform ement continu.
Le semi-groupe A(t) commute avec son g en erateur A.
Th eor` eme 5
Lapplication t A(t) est diff erentiable en norme et
dA(t)
dt
= AA(t) = A(t)A.
Dans notre exemple, la propri et e (P3) s ecrit
lim
t0
| exp(at) 1| = 0.
Le domaine de A est
D(A) =

x R; lim
t0
exp(at)x x
t
existe

= R
et
Ax = lim
t0
exp(at)x x
t
= ax.
30
A.2 Preuve du th eor` eme 1
On pose h = t/n. On a x
m
= f(h)
m
x
0
et x(mh) = exp(mhC)x(0) et on prend bien s ur x
0
= x(0).
Lerreur locale est lerreur de m ethode et est d enie par

m+1
= (exp(hC) f(h))x(mh).
Lerreur globale est d enie par
e
m
= x(mh) x
m
.
On peut ecrire la relation de r ecurrence
e
m+1
= x((m+ 1)h) x
m+1
= exp(hC)x(mh) f(h)x
m
= f(h)(x(mh) x
m
) + (exp(hC) f(h))x(mh)
= f(h)e
m
+
m+1
.
Comme e
0
= 0, on a de facon classique
e
n
=
n1

k=0
f(h)
k

nk
,
|e
n
|
n1

k=0
f(h)
k
Rh
p+1
+O(h
p+2
) max
s[0,T]
|x(s)|
On se place dans le cadre de m ethodes stables. Pour des temps en O(1), on a donc f(h)
k
= O(1)
et max
s[0,T]
|x(s)| = O(1). Ainsi
|e
n
| Cn(h
p+1
+O(h
p+2
)) = tC(h
p
+O(h
p+1
)).
Enn e
n
= (exp(tC) f(t/n)
n
)x
0
, ce qui prouve le r esultat.
A.3 Stabilit e faible, avec perte de r egularit e
On suppose que A et B sont des op erateurs n egatifs auto-adjoints. Pour h > 0, on d enit sur
D(A) la norme
u
h
= (I
1
2
hA)u
H
.
Lemme 2
Pour tout h > 0 et tout u D(A), P(h)A D(A) et
P(h)u
h
u
h
.
Preuve:
Si u D(A) alors (I + hA/2)u H. Par ailleurs, comme B est n egatif auto-adjoint (I + hB/2)(I
hB/2)
1
est une contraction dans H. Enn (I hA/2)
1
envoie continuement H dans D(A). Ainsi
P(h) est bien dans D(A) et en outre
P(h)u
h
(I +
1
2
hB)(I
1
2
hB)
1
(I +
1
2
hA)(I
1
2
hA)
1
(I
1
2
hA)u
H
u
h
.
31
En particulier, on peut appliquer ce lemme ` a h = t/n :
P(
t
n
)u t
n
u t
n
.
Comme A est un op erateur n egatif, on a clairement
u
t/n
= (I
t
2n
A)u
H
u
H
.
Par ailleurs pour t/n , on a egalement clairement
u
t/n
= (I
t
2n
A)u
H
u
H
+Au
H
.
Ainsi
P(
t
n
)u
H
P(
t
n
)u t
n
u t
n
u
H
+Au
H
.
Ceci est la formule de stabilit e faible.
A.4 Contre-exemple de stabilit e forte
On se place dans lespace fonctionnel H = L
2
(R
d
)
2
et on consid` ere les op erateurs A et B sont
le forme A = M et B = N, o` u M et N sont des matrices sym etriques d enies positives. Les
op erateurs A et B sont bien n egatifs auto-adjoints. Cest a priori un cadre sympathique de type
equation de la chaleur, r eput e pour etre bien pos e. En particulier on a D(A) = D(B) = H
2
(R
d
)
2
.
N eanmoins, on a le r esultat suivant.
Th eor` eme 6
Pour tout K > 0, il existe un choix des matrices M et N tel que
P(t)
L(H)
K.
Comme ce th eor` eme est vrai pour des K > 1, cela implique que le sch ema de PeacemanRachford
nest pas fortement stable. Dans ce th eor` eme, la norme utilis ee
L(H)
est celle des op erateurs
lin eaires sur lespace de Hilbert H, vus comme des multiplicateurs de Fourier. On utilise la norme
subordonn ee L
2
dans cet espace :
A
L(H)
= sup
R
d

Au()
H
^ u()
H
o` u la transform ee de Fourier est d enie par
^ u() =

R
d
u(x) exp(2ix ) dx.
Pour la formule de PeacemanRachford, on a
P(t)
L(H)
= sup
R
d
(I +
t
2
|
2
|M)
1
(I
t
2
|
2
|N)(I +
t
2
|
2
|N)
1
(I
t
2
|
2
|M)
B(R
2
)
= sup
rR
(I +rM)
1
(I rN)(I +rN)
1
(I rM)
B(R
2
)
.
En particulier, on remarque que P(t)
L(H)
ne d epend pas du temps t. On choisit les formes de
matrice suivantes (sym etriques d enies positives)
M =

a b
b a

avec a > b > 0, N =

r
2
0
0 1

.
32
On aura alors
P(t)
L(H)
(I +rM)
1
(I rN)(I +rN)
1
(I rM)
B(R
2
)
.
Nous allons faire tendre r vers +. Nous supposons donc quil est grand et ecrivons des d eveloppements
limit es en r
1
. Calculons tout dabord
(I rN)(I +rN)
1
= 2(I +rN)
1
I = 2

1 +r
1
0
0 1 +r

1
I
=

1r
1
1+r
1
0
0
1r
1+r

1r
1
1+r
1
0
0
1r
1
1+r
1

1 0
0 1

+O(r
1
).
Par ailleurs
(I +rM)
1
=

1 +ra rb
rb 1 +ra

1
=
1
r

a +r
1
b
b a +r
1

1
=
1
r
1
a
2
b
2
+ 2r
1
+r
2

a +r
1
b
b a +r
1

=
1
r

1
a
2
b
2

a b
b a

+O(r
1
)

,
(I rM) = r

a r
1
b
b a r
1

= r

a b
b a

+O(r
1
)

Ainsi
(I +rM)
1
(I rN)(I +rN)
1
(I rM) =
1
a
2
b
2

a b
b a

1 0
0 1

a b
b a

+O(r
1
)
=
1
a
2
b
2

a
2
+b
2
2ab
2ab (a
2
+b
2
)

+O(r
1
)
Calculer la norme B(R
2
), cest calculer la norme subordonn ee L

:
A

= max
j

k
|a
jk
|.
On obtient ainsi
(I +rM)
1
(I rN)(I +rN)
1
(I rM)
B(R
2
)
=
a +b
a b
+O(r
1
).
On peut choisir a et b de telle facon que (a + b)/(a b) K + 1. Pour r sufsamment grand, on
aura bien P(t)
L(H)
K ce qui d emontre le th eor` eme 6.
Le probl` eme tient vraiment au fait que lon a une EDP non scalaire. Le commutateur [A, B] est
un op erateur diff erentiel dordre 4. Le probl` eme ne se pose plus si on travaille dans L
2
(R
d
)
2
ou
pour une EDO comme le montre lappendice A.5.
A.5 Le probl` eme du laplacien sans laplacien
En effet, si on consid` ere le probl` eme
x = Mx +Nx, x(0) = x
0
R
2
,
Il faut cette fois-ci calculer
P(t)
L(H)
= (I
t
2
M)
1
(I +
t
2
N)(I
t
2
N)
1
(I +
t
2
M)
B(R
2
)
.
33
Maintenant, il suft de faire des calculs valables pour = t/2 petit. On nutilise plus les equivalents.
On a
(I +N)(I N)
1
=

1+
1
1
1
0
0
1+
1
1
1

=
1 +
1

1 0
0 1

.
Par ailleurs
(I M)
1
=
1

1
a
2
b
2
2
1
+
2

a
1
b
b a
1

=
1
1 2 +a
2

2
b
2

1 a b
b 1 a

,
et
(I +M) =

1 +a b
b 1 +a

.
Ainsi
(I M)
1
(I +N)(I N)
1
(I +M)
=
1 +
1
1
1 2 +a
2

2
b
2

1 (a
2
+b
2
)
2
2ab
2
2ab
2
(1 (a
2
+b
2
)
2
)

.
On calcule la norme subordonn ee L

pour obtenir
(I M)
1
(I +N)(I N)
1
(I +M)
B(R
2
)
=
1 +
1
1 (a +b)
2

2
1 2 +a
2

2
b
2

2
.
Il ny a plus de probl` eme de stabilit e.
A.6 M ethode LS

Etant donn e le probl` eme Ax = b pour des vecteurs de taille m et une matrice tri-diagonale A,
lalgorithme LS consiste ` a calculer des coefcients
k
:

1
= 0 et
k+1
= A
k,k+1
/(A
k,k
A
k,k1

k
) pour k = 1, . . . , m 1,
puis ` a r esoudre un syst` eme bi-diagonal inf erieur
x

1
= b
1
/A
1,1
et x

k
= (b
k
A
k,k1
x

k1
)/(A
k,k
A
k,k1

k
) pour k = 2, . . . , m,
et enn un syst` eme bi-diagonal sup erieur
x
m
= x

m
et x

k
= x

k

k
x
k+1
pour k = m 1, . . . , 1.
34
Table des mati` eres
1 Les mod` eles d equations aux d eriv ees partielles en math ematiques nanci` eres 1
1.1 Le mod` ele de Black et Scholes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Premi` eres propri et es du mod` ele de Black et Scholes . . . . . . . . . . . . . . . . . . . . 2
1.3 Conditions au bord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Mod` ele de Black et Scholes en variable log . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.5 Le mod` ele de Heston . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Difcult es de la mod elisation num erique de ces mod` eles 3
2.1 Diff erences nies pour l equation de la chaleur en dimension 1 . . . . . . . . . . . . . 3
2.2 Grandes dimensions gestion du calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Lid ee du splitting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Probl` eme des autres d eriv ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.5 Probl` eme de la donn ee initiale non r eguli` ere . . . . . . . . . . . . . . . . . . . . . . . . 5
2.6 Les conditions aux bords . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.7 Complexit e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Introduction aux m ethodes de splitting 6
3.1 Une equation scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Quand le splitting pr esente un int er et . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Plan du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.4 R e ecriture des sch emas de splitting gr ace aux semi-groupes d evolution . . . . . . . . 8
4 Le cas des syst` emes lin eaires 9
4.1 Splitting de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Splitting de Strang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.3 Splittings dordre plus elev e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3.1 Calcul de lordre et convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3.2 Une r eponse n egative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3.3 Combinaison lin eaires dapproximations dordre inf erieur . . . . . . . . . . . . 11
4.3.4 Extrapolations de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5 Approximation de lexponentielle 12
5.1 Sch ema dEuler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.2 Sch ema dEuler r etrograde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.3 Couplage EulerEuler r etrograde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.3.1 M ethode de CrankNicolson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.3.2 Le -sch ema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.4 Vers lordre 2 pour un splitting approch e . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.4.1 Combinaison de Strang et CrankNicolson . . . . . . . . . . . . . . . . . . . . . 16
5.4.2 M ethode de PeacemanRachford . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5 Et si A et B commutent ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.5.1 Sch ema dEulerLie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.5.2 Sch ema dEuler r etrogradeLie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.5.3 Sch ema de PeacemanRachford . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6 G en eralit es sur l equation de la chaleur 18
6.1 Formule de TrotterKato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2 Notions de stabilit e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.3 La m ethode des directions altern ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.3.1 La m ethode ADI historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.3.2 Cas du -sch ema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
35
6.3.3 Extensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7 Application aux mod` eles en math ematiques nanci` eres 21
7.1 Traitement des termes mixtes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.1.1 La m ethode de Douglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.1.2 La m ethode de Craig et Sneyd . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
7.1.3 La m ethode de Hundsdorfer et Verwer . . . . . . . . . . . . . . . . . . . . . . . 23
7.2 Traitement des d eriv ees dordre un . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
7.3 Application au mod` ele de Black et Scholes ` a un actif . . . . . . . . . . . . . . . . . . . 25
7.4 Application au mod` ele de Black et Scholes ` a plusieurs actifs . . . . . . . . . . . . . . . 26
7.5 Application au mod` ele de Heston . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7.6 S election darticles sur le splitting appliqu e en math ematiques nanci` eres . . . . . . . 27
7.6.1 Mod` ele de Black et Scholes ` a plusieurs actifs . . . . . . . . . . . . . . . . . . . . 27
7.6.2 Mod` ele de Heston . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7.6.3 Splitting pour Black et Scholes non lin eaire . . . . . . . . . . . . . . . . . . . . . 27
7.6.4 Splitting pour les options am ericaines . . . . . . . . . . . . . . . . . . . . . . . . 28
A Compl ements 30
A.1 Semi-groupes uniform ement continus dop erateurs lin eaires born es . . . . . . . . . . 30
A.2 Preuve du th eor` eme 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
A.3 Stabilit e faible, avec perte de r egularit e . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
A.4 Contre-exemple de stabilit e forte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
A.5 Le probl` eme du laplacien sans laplacien . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
A.6 M ethode LS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
36