Équation différentielle stochastiqueUne équation différentielle stochastique (EDS) est une généralisation de la notion d'équation différentielle prenant en compte un terme de bruit blanc. Les EDS permettent de modéliser des trajectoires aléatoires, tels des cours de bourse ou les mouvements de particules soumises à des phénomènes de diffusion. Elles permettent aussi de traiter théoriquement ou numériquement des problèmes issus de la théorie des équations aux dérivées partielles.
ComputationA computation is any type of arithmetic or non-arithmetic calculation that is well-defined. Common examples of computations are mathematical equations and computer algorithms. Mechanical or electronic devices (or, historically, people) that perform computations are known as computers. The study of computation is the field of computability, itself a sub-field of computer science. The notion that mathematical statements should be ‘well-defined’ had been argued by mathematicians since at least the 1600s, but agreement on a suitable definition proved elusive.
Theory of computationIn theoretical computer science and mathematics, the theory of computation is the branch that deals with what problems can be solved on a model of computation, using an algorithm, how efficiently they can be solved or to what degree (e.g., approximate solutions versus precise ones). The field is divided into three major branches: automata theory and formal languages, computability theory, and computational complexity theory, which are linked by the question: "What are the fundamental capabilities and limitations of computers?".
Model of computationIn computer science, and more specifically in computability theory and computational complexity theory, a model of computation is a model which describes how an output of a mathematical function is computed given an input. A model describes how units of computations, memories, and communications are organized. The computational complexity of an algorithm can be measured given a model of computation. Using a model allows studying the performance of algorithms independently of the variations that are specific to particular implementations and specific technology.
Équation différentielleEn mathématiques, une équation différentielle est une équation dont la ou les « inconnue(s) » sont des fonctions ; elle se présente sous la forme d'une relation entre ces fonctions inconnues et leurs dérivées successives. C'est un cas particulier d'équation fonctionnelle. On distingue généralement deux types d'équations différentielles : les équations différentielles ordinaires (EDO) où la ou les fonctions inconnues recherchées ne dépendent que d'une seule variable ; les équations différentielles partielles, plutôt appelées équations aux dérivées partielles (EDP), où la ou les fonctions inconnues recherchées peuvent dépendre de plusieurs variables indépendantes.
Équation aux dérivées partiellesEn mathématiques, plus précisément en calcul différentiel, une équation aux dérivées partielles (parfois appelée équation différentielle partielle et abrégée en EDP) est une équation différentielle dont les solutions sont les fonctions inconnues dépendant de plusieurs variables vérifiant certaines conditions concernant leurs dérivées partielles. Une EDP a souvent de très nombreuses solutions, les conditions étant moins strictes que dans le cas d'une équation différentielle ordinaire à une seule variable ; les problèmes comportent souvent des conditions aux limites qui restreignent l'ensemble des solutions.
Sciences numériquesLes sciences numériques (traduction de l'anglais computational sciences), autrement dénommées calcul scientifique ou informatique scientifique, ont pour objet la construction de modèles mathématiques et de méthodes d'analyse quantitative, en se basant sur l'utilisation des sciences du numérique, pour analyser et résoudre des problèmes scientifiques. Cette approche scientifique basée sur un recours massif aux modélisations informatiques et mathématiques et à la simulation se décline en : médecine numérique, biologie numérique, archéologie numérique, mécanique numérique, par exemple.
Moment quadratiqueLe moment quadratique est une grandeur qui caractérise la géométrie d'une section et se définit par rapport à un axe ou un point. Il s'exprime dans le Système international en m (mètre à la puissance 4). Le moment quadratique est utilisé en résistance des matériaux, il est indispensable pour calculer la résistance et la déformation des poutres sollicitées en torsion () et en flexion ( et ). En effet, la résistance d'une section sollicitée selon un axe donné varie avec son moment quadratique selon cet axe.
Bending momentIn solid mechanics, a bending moment is the reaction induced in a structural element when an external force or moment is applied to the element, causing the element to bend. The most common or simplest structural element subjected to bending moments is the beam. The diagram shows a beam which is simply supported (free to rotate and therefore lacking bending moments) at both ends; the ends can only react to the shear loads. Other beams can have both ends fixed (known as encastre beam); therefore each end support has both bending moments and shear reaction loads.
Point fixeEn mathématiques, pour une application f d'un ensemble E dans lui-même, un élément x de E est un point fixe de f si f(x) = x. Exemples : dans le plan, la symétrie par rapport à un point A admet un unique point fixe : A ; l'application inverse (définie sur l'ensemble des réels non nuls) admet deux points fixes : –1 et 1, solutions de l'équation équivalente à l'équation . Graphiquement, les points fixes d'une fonction f (d'une variable réelle, à valeurs réelles) sont les points d'intersection de la droite d'équation y = x avec la courbe d'équation y = f(x).
Fixed-point iterationIn numerical analysis, fixed-point iteration is a method of computing fixed points of a function. More specifically, given a function defined on the real numbers with real values and given a point in the domain of , the fixed-point iteration is which gives rise to the sequence of iterated function applications which is hoped to converge to a point . If is continuous, then one can prove that the obtained is a fixed point of , i.e., More generally, the function can be defined on any metric space with values in that same space.
Intégrale d'Itōvignette|Tracé d'une trajectoire échantillon d'un processus de Wiener, ou mouvement brownien, B, ainsi que son intégrale d'Itô par rapport à lui-même. L'intégration par parties ou le lemme d'Itô montre que l'intégrale est égale à (B2 - t)/2. L'intégrale d'Itô, appelée en l'honneur du mathématicien Kiyoshi Itô, est un des outils fondamentaux du calcul stochastique. Elle a d'importantes applications en mathématique financière et pour la résolution des équations différentielles stochastiques.
Diagramme des efforts intérieursEn théorie des poutres, les diagrammes des efforts intérieurs désignent le tracé des efforts subis par la poutre en fonction de la position le long de cette dernière. Les principaux diagrammes des efforts intérieurs sont ceux de l'effort tranchant (V) et du moment de flexion (M). On parle alors de diagrammes V-M. Les diagrammes V-M sont généralement tracés l'un sous l'autre directement sous la poutre.
Moment (probabilités)En théorie des probabilités et en statistique, les moments d’une variable aléatoire réelle sont des indicateurs de la dispersion de cette variable. Le premier moment ordinaire, appelé moment d'ordre 1 est l'espérance (i.e la moyenne) de cette variable. Le deuxième moment centré d'ordre 2 est la variance. Ainsi, l'écart type est la racine carrée du moment centré d’ordre 2. Le moment d'ordre 3 est l'asymétrie. Le moment d'ordre 4 est le kurtosis. Le concept de moment est proche du concept de moment en physique.
Moment magnétiqueEn physique, le moment magnétique est une grandeur vectorielle qui permet de caractériser l'intensité d'une source magnétique. Cette source peut être un courant électrique, ou bien un objet aimanté. L'aimantation est la distribution spatiale du moment magnétique. Le moment magnétique d'un corps se manifeste par la tendance qu'a ce corps à s'aligner dans le sens d'un champ magnétique, c'est par exemple le cas de l'aiguille d'une boussole : le moment que subit l'objet est égal au produit vectoriel de son moment magnétique par le champ magnétique dans lequel il est placé.
Moment d'inertieLe moment d'inertie d'un système physique est une grandeur qui caractérise son inertie vis-à-vis des mouvements de rotation, comme sa masse caractérise son inertie vis-à-vis des mouvements de translation. Il dépend de la valeur et de la répartition des masses au sein du système et a pour dimension (produit d'une masse par le carré d'une longueur) ; il s'exprime donc en dans le Système international d'unités.
Geometric Brownian motionA geometric Brownian motion (GBM) (also known as exponential Brownian motion) is a continuous-time stochastic process in which the logarithm of the randomly varying quantity follows a Brownian motion (also called a Wiener process) with drift. It is an important example of stochastic processes satisfying a stochastic differential equation (SDE); in particular, it is used in mathematical finance to model stock prices in the Black–Scholes model.
Electron magnetic momentIn atomic physics, the electron magnetic moment, or more specifically the electron magnetic dipole moment, is the magnetic moment of an electron resulting from its intrinsic properties of spin and electric charge. The value of the electron magnetic moment (symbol μe) is In units of the Bohr magneton (μB), it is -1.00115965218059μB, a value that was measured with a relative accuracy of 1.3e-13. The electron is a charged particle with charge −e, where e is the unit of elementary charge.
Fonction génératrice des momentsEn théorie des probabilités et en statistique, la fonction génératrice des moments d'une variable aléatoire est la fonction M définie par pour tout réel t tel que cette espérance existe. Cette fonction, comme son nom l'indique, est utilisée afin d'engendrer les moments associés à la distribution de probabilités de la variable aléatoire .
Lemme d'ItōLe lemme d'Itō, ou formule d'Itō, est l'un des principaux résultats de la théorie du calcul stochastique, qui permet d'exprimer la différentielle d'une fonction d'un processus stochastique au cours du temps. Ce lemme offre un moyen de manipuler le mouvement brownien ou les solutions d'équations différentielles stochastiques (EDS). La formule d'Itō a été démontrée pour la première fois par le mathématicien japonais Kiyoshi Itō dans les années 1940.
