Singularité dans les systèmes non linéaires : modèle par inclusion différentielle pour l’équation pantographe fractionnaire standard et transformée

Pourquoi les retards singuliers et la mémoire importent

Beaucoup de systèmes réels — des trains électriques prélevant le courant sur des caténaires aux signaux circulant dans des réseaux complexes — ne réagissent pas instantanément ni de manière lisse. Leur comportement dépend du passé (mémoire), de versions temporelles mises à l’échelle (effets multi‑échelles), et parfois ils divergent ou deviennent indéfinis en des points particuliers (singularités). De plus, ingénieurs et scientifiques connaissent rarement tous les paramètres avec précision. Cet article présente un nouveau cadre mathématique capable de traiter simultanément toutes ces caractéristiques, offrant des modèles plus sûrs et plus réalistes pour de tels systèmes complexes.

Équations qui étirent et se souviennent du temps

Au cœur du travail se trouvent les équations pantographes, un type particulier d’équation à retard où le taux de variation présent dépend de l’état à un instant mis à l’échelle, par exemple x(λt) avec 0 < λ < 1. Cela reflète la façon dont un pantographe prélevant le courant sur un train échantillonne la ligne et encode naturellement des échelles temporelles qui se contractent ou s’étendent. Les auteurs vont au‑delà des versions classiques en utilisant des dérivées fractionnaires, qui considèrent le temps comme doté de mémoire plutôt que purement instantané. Dans ces modèles, l’état courant dépend d’un historique pondéré de tous les états passés, capturant les effets à longue portée observés dans les matériaux, les tissus biologiques et les signaux complexes bien mieux que les dérivées ordinaires.

Gérer les comportements singuliers et l’incertitude

Les systèmes réels se comportent souvent mal près des frontières ou de points particuliers, par exemple lorsque de l’énergie est injectée soudainement au début d’un processus ou lorsque des données manquent près de t = 0. Mathématiquement, cela se manifeste par des singularités — des termes qui deviennent extrêmement grands ou indéfinis. Parallèlement, certains paramètres importants peuvent n’être connus que dans une fourchette. Pour en tenir compte, les auteurs travaillent avec des inclusions différentielles, où l’équation ne prescrit pas un unique pas suivant mais un ensemble entier de pas possibles. Cela permet au modèle d’encoder explicitement l’incertitude et les comportements non lisses, et conduit naturellement à des familles d’évolutions possibles plutôt qu’à une trajectoire prédite unique.

Singularités standard versus transformées

L’article développe une théorie d’existence pour deux classes principales de problèmes. Dans le cas « standard », le comportement singulier est traité directement dans l’équation, et les auteurs démontrent que, sous des conditions de croissance et de continuité assez faibles, il existe au moins une solution exacte satisfaisant toutes les conditions aux limites. Ils s’appuient sur des techniques modernes de point fixe adaptées aux applications à valeurs d’ensembles, utilisant des versions spécialisées de principes de contraction et une notion de distance mesurant l’écart entre ensembles. Dans le cas « transformé », ils introduisent des fonctions de pondération choisies avec soin, notées p(t), qui absorbent les termes singuliers les plus forts. En réécrivant la fonction inconnue dans un espace pondéré défini via p(t), un problème autrement trop sauvage devient accessible aux théorèmes d’existence classiques.

Ce que révèlent les exemples numériques

Pour montrer que la théorie abstraite n’est pas un simple exercice formel, les auteurs présentent trois exemples détaillés. Ces exemples portent sur des problèmes pantographes fractionnaires avec des coefficients singuliers qui divergeaient soit au début de l’intervalle temporel soit près de sa fin. Pour chaque cas, ils calculent des estimations vérifiant les hypothèses de leurs théorèmes puis tracent des solutions représentatives et les coefficients singuliers. Les figures illustrent comment la transformation de pondération lisse des pics sévères, comment les termes de « mémoire » fractionnaire façonnent l’évolution, et comment tout un faisceau de courbes solutions peut satisfaire aux mêmes conditions initiales et aux limites lorsque l’incertitude est encodée par des inclusions.

Message principal pour les systèmes complexes

Pour un lecteur non spécialiste, la conclusion principale est que les auteurs ont construit une boîte à outils mathématique robuste pour des systèmes à retard, munis de mémoire, présentant des comportements singuliers en certains points et soumis à l’incertitude — le tout simultanément. Leurs résultats garantissent que ces systèmes ne basculent pas dans des contradictions : sous des conditions clairement énoncées, des solutions existent, et l’approche transformée permet de traiter des singularités très fortes. Ce cadre unifié prépare le terrain pour des études futures sur la stabilité, la simulation numérique et la mémoire d’ordre variable, et promet des modèles plus réalistes dans des domaines tels que l’ingénierie électrique, la croissance biologique et le traitement multi‑échelle des signaux, où des équations propres et idéalisées sont souvent insuffisantes.

Citation: Mobayen, S., Ghaderi, M., Shabibi, M. et al. Singularity in nonlinear systems: differential inclusion model for the standard and transformed fractional pantograph equation. Sci Rep 16, 6482 (2026). https://doi.org/10.1038/s41598-026-35530-5

Mots-clés: équations pantographes fractionnaires, inclusions différentielles, problèmes aux limites singuliers, équations différentielles à retard, effets de mémoire dans les systèmes dynamiques