Modelado fraccional de sistemas dispersivos no lineales: sobre el estudio comparativo de las ecuaciones Whitham–Broer–Kaup utilizando diversas derivadas

Por qué importan las ondas con memoria

Desde los oleajes oceánicos hasta los atascos de tráfico, muchos patrones ondulatorios no dependen solo de lo que ocurre ahora, sino también de lo que sucedió hace segundos —o incluso durante largos periodos—. Esa «memoria» intrínseca aparece en fluidos viscosos o complejos, en materiales con microestructura y en sistemas donde la energía se dispersa de forma inusual. El artículo que resume este texto desarrolla una lente matemática refinada para esas ondas en aguas poco profundas, con el objetivo de describir su movimiento de forma más fiel sin renunciar a soluciones calculables por investigadores e ingenieros.

El agua poco profunda como banco de pruebas

Los autores se centran en una familia de ecuaciones conocidas como el sistema Whitham–Broer–Kaup (WBK), un modelo bien establecido para ondas largas y bajas en aguas poco profundas. A diferencia de fórmulas más simples que solo siguen la superficie del agua, el sistema WBK sigue simultáneamente tanto la altura del agua como la velocidad horizontal del flujo, capturando cómo interactúan ambas cantidades. Esto lo convierte en una descripción más rica y realista del movimiento ondulatorio que muchos modelos de ecuación única. El sistema WBK también incorpora el efecto de la dispersión —cómo diferentes longitudes de onda viajan a velocidades ligeramente distintas—, que da forma a los patrones rodantes familiares en las olas costeras.

Añadiendo memoria con herramientas fraccionarias

Para incorporar la memoria, los autores reemplazan las derivadas temporales usuales del sistema WBK por derivadas «fraccionarias». En lugar de medir cuánto cambia algo en un instante, las derivadas fraccionarias mezclan información del pasado reciente y distante, con distintos núcleos matemáticos que describen la importancia relativa de los eventos pasados. El estudio compara tres opciones principales: la forma clásica de Caputo, que enfatiza la memoria de largo plazo; la forma de Caputo–Fabrizio, que usa un núcleo exponencial y favorece memoria de corto a medio alcance; y la de Atangana–Baleanu, que introduce una memoria suave y no singular mediante la función de Mittag–Leffler. Al insertar cada una de estas en las ecuaciones WBK, los autores obtienen una familia de modelos de ondas con la fuerza y el carácter de la memoria ajustables.

Una vía híbrida hacia ecuaciones solucionables

Dotar al sistema WBK de memoria lo hace mucho más difícil de resolver directamente. Para abordar esto, los autores construyen un enfoque analítico híbrido llamado Método de Decomposición Sumudu (SDM). Combina una transformada integral conocida como transformada Sumudu con una técnica que descompone términos no lineales complicados en una serie infinita de piezas más simples. La transformada Sumudu traslada las ecuaciones a un nuevo dominio que es más fácil de manipular mientras preserva la escala temporal original, y el método de descomposición organiza las interacciones no lineales en una jerarquía de correcciones. Al iterar este procedimiento, el método produce soluciones en serie para la altura y la velocidad de la onda que convergen rápidamente y no requieren mallado numérico intenso ni simplificaciones artificiales.

Poniendo a prueba la precisión y la flexibilidad

Para verificar si este marco es a la vez fiable y práctico, los autores lo aplican no solo al sistema WBK completo, sino también a dos casos especiales importantes: las ecuaciones de Boussinesq modificadas y las ecuaciones aproximadas de ondas largas, que describen situaciones relacionadas en aguas poco profundas. En cada caso comparan las soluciones en serie obtenidas con SDM con soluciones exactas conocidas y con resultados de otros métodos semianalíticos. A lo largo de un amplio rango de tiempo, espacio y órdenes fraccionarios, los errores permanecen extremadamente bajos, a menudo muchas órdenes de magnitud por debajo de los esquemas competidores. Los gráficos muestran que solo unos pocos términos de la serie (tres en los ejemplos presentados) bastan para capturar las características principales de la onda, incluso cuando el orden fraccionario se aleja mucho del valor clásico correspondiente a ausencia de memoria. El estudio también demuestra cómo cambiar el orden fraccionario transforma suavemente los perfiles de onda, conectando un comportamiento puramente local con dinámicas fuertemente gobernadas por la memoria.

Qué significa esto para modelar ondas reales

En términos sencillos, el trabajo ofrece una forma precisa y a la vez económica de simular ondas en medios complejos donde la historia importa, como fluidos viscoelásticos o estratificados y otros sistemas dispersivos. Al mostrar que su método híbrido es estable, converge rápidamente y es eficaz para varias variantes de memoria, los autores proporcionan un conjunto de herramientas que puede adaptarse a muchos otros modelos de ondas no lineales. Aunque sus pruebas se centran en condiciones idealizadas y suaves, el enfoque sienta las bases para futuras ampliaciones a dimensiones superiores, fronteras irregulares y efectos aleatorios. Para lectores no especializados, la conclusión es que ahora disponemos de un “motor” matemático más flexible para predecir el comportamiento de ondas con memoria, capaz de ayudar a cerrar la brecha entre las ondas simplificadas de libro de texto y los patrones complejos que encontramos en la naturaleza y la tecnología.

Cita: Ahmed, S.A., Shah, R., Mohamed, A. et al. Fractional modeling of nonlinear dispersive systems: on the comparative study of Whitham–Broer–Kaup equations using various derivatives. Sci Rep 16, 10823 (2026). https://doi.org/10.1038/s41598-026-45501-5

Palabras clave: cálculo fraccionario, ondas en aguas poco profundas, sistemas dispersivos no lineales, métodos de transformada integral, modelado de ondas