Tendance des solutions d'un modèle mathématique ou d'un algorithme à rester bornées ou à répondre de façon contrôlée à de petites perturbations des données d'entrée, des paramètres ou des conditions initiales ; en analyse numérique, elle renvoie souvent à la propagation bornée des erreurs.

Principe

Un système ou une méthode stable limite l'amplification des perturbations : de petites variations des données entraînent des changements proportionnels des résultats ou des erreurs numériques, assurant un comportement prévisible face à l'incertitude et à la discrétisation.

Démonstration

Un schéma explicite en temps pour une EDP n'est stable que sous une condition de type Courant–Friedrichs–Lewy (CFL) ; violer cette condition produit des modes numériques croissants et un effondrement, illustrant la stabilité numérique conditionnelle.

Mauvaise application

Confondre stabilité et précision (une méthode stable peut être imprécise) ou supposer la stabilité d'une discrétisation sans vérifier les normes pertinentes et les conditions sur le pas conduit à des conclusions trompeuses sur la fiabilité.

Conséquence

La stabilité assure que les calculs numériques et les prédictions du modèle sont robustes face à de petites variations d'entrée et aux erreurs d'arrondi ; associée à la consistance, elle implique la convergence des discrétisations vers la solution vraie.

Inversion

L'instabilité décrit une croissance non bornée ou une sensibilité incontrôlée aux perturbations, où de petites erreurs s'amplifient et rendent les résultats dénués de sens sans stabilisation ou reformulation supplémentaire.

Limite

S'applique aux systèmes dynamiques, problèmes inverses et algorithmes numériques ; la signification dépend de la norme choisie, de l'horizon temporel et de la classe de problème (par ex. stabilité de Lyapunov vs stabilité numérique vs stabilité conditionnelle).

Tension sémantique

Tension entre stabilité et réactivité : des contrôleurs très stables peuvent répondre lentement aux entrées légitimes, tandis que des conceptions agressives et réactives peuvent être moins stables face aux perturbations.

Synthèse

La stabilité est la propriété qui borne l'effet de petites perturbations sur les solutions ou calculs, fournissant une base pour des prédictions fiables et garantissant qu'une croissance contrôlée des erreurs permette une analyse numérique et théorique significative.