Inégalités de Lyapunov précises et émergence du chaos dans les systèmes fractionnaires discrets

Pourquoi des systèmes à mémoire peuvent soudain devenir incontrôlables

De nombreux processus autour de nous — des matériaux qui se relaxent lentement aux régulateurs numériques en ingénierie — ne réagissent pas seulement à ce qui se passe maintenant. Ils « se souviennent » de leur passé. Cet article montre comment ce type de mémoire, décrit par une branche des mathématiques appelée calcul fractionnaire, peut progressivement pousser un système apparemment bien comporté vers un mouvement imprévisible, de type chaos — et comment des règles de commande soigneusement choisies peuvent le ramener du bord du précipice.

Ajouter de la mémoire aux modèles pas à pas

La plupart des manuels décrivent l’évolution par des courbes lisses et des dérivées ordinaires. En revanche, les auteurs étudient des systèmes qui évoluent par étapes discrètes — comme des impulsions d’horloge dans un ordinateur — mais où chaque nouvelle valeur dépend de nombreuses valeurs antérieures, pas seulement de la précédente. Cette influence à longue portée est traitée par des opérateurs de différence « fractionnaires », qui mêlent le présent à une histoire pondérée. L’article se concentre sur une configuration particulière avec des conditions aux limites qui relient le comportement au début et à la fin de la fenêtre temporelle, une situation courante dans les modèles d’ingénierie et de physique.

Un étalon précis pour la stabilité

Pour comprendre quand de tels systèmes riches en mémoire restent maîtrisables, les auteurs s’appuient sur un outil appelé fonction de Green. Elle agit comme l’empreinte de la façon dont une impulsion unique résonne dans le système au fil du temps. En analysant cette empreinte en détail, ils identifient exactement quelle peut être l’amplitude maximale de la réponse et comment elle varie avec les paramètres clés. À partir de cela, ils déduisent une version précise d’un test classique de stabilité connu sous le nom d’inégalité de Lyapunov. Au lieu d’une règle vague, ils obtiennent une borne inférieure numérique explicite impliquant la force des forces internes du système et la taille maximale de la fonction de Green. Si le « potentiel » total du système est inférieur à cette borne, seul le comportement trivial et stationnaire est possible ; s’il la dépasse, des comportements plus compliqués doivent exister.

De la perte d’équilibre au chaos

L’histoire devient la plus frappante lorsque la nouvelle inégalité est violée. Mathématiquement, cette violation signifie que la solution simple nulle perd son unicité et sa stabilité — ouvrant la porte à d’autres mouvements plus agités. Les auteurs explorent alors une classe de systèmes fractionnaires discrets soumis à une règle par morceaux linéaire, un terrain d’essai standard pour le chaos. Ils démontrent que, sous des conditions raisonnables sur les pentes et les discontinuités de cette règle, le système présente une sensibilité aux conditions initiales : en partant de deux trajectoires presque identiques, elles finissent par s’éloigner rapidement. Des expériences numériques confirment ce tableau, révélant des trajectoires qui divergent rapidement et des formes d’attracteurs étranges lorsque l’ordre fractionnaire est faible et que le seuil d’instabilité est dépassé. Ainsi, l’inégalité de Lyapunov devient un marqueur net de l’apparition d’une dynamique complexe de type chaotique.

Maîtriser les systèmes imprévisibles par rétroaction

Le chaos n’est pas la fin de l’histoire. Les auteurs transforment leur étalon théorique en un outil de conception pour la commande. Ils considèrent des systèmes dont les paramètres internes sont incertains, comme c’est typique dans les dispositifs d’ingénierie réels. En utilisant leurs bornes basées sur la fonction de Green, ils déduisent des conditions sous lesquelles une loi simple de rétroaction d’état linéaire — réinjecter une version mise à l’échelle de l’état courant du système dans son entrée — peut garantir que toutes les trajectoires décroissent au fil du temps, malgré les effets de mémoire et les variations de paramètres. Des exemples numériques montrent comment un système fractionnaire initialement instable et à décroissance lente peut être piloté pour que ses variables clés convergent régulièrement vers zéro, même face à l’incertitude.

Ce que cela signifie pour les modèles du monde réel

Pour les non-spécialistes, le message principal est que la « mémoire » dans les modèles en temps discret peut à la fois enrichir et mettre en danger le comportement d’un système. La nouvelle inégalité présentée ici fonctionne comme un jauge d’avertissement : elle indique quand une conception est en toute sécurité dans le régime stable et quand elle flirte avec l’instabilité et le chaos possible. En même temps, le travail montre que les idées de contrôle standard, adaptées avec soin pour tenir compte des effets dépendant de l’histoire, peuvent encore fournir des performances robustes et fiables. Cet alliage de théorie précise et de conception de commande pratique offre une voie vers des modèles plus sûrs et plus précis de phénomènes complexes en science des matériaux, traitement du signal et autres domaines où l’oubli du passé n’est pas une option.

Citation: Arab, M., Mohammed, P.O., Baleanu, D. et al. Sharp Lyapunov inequalities and the emergence of chaos in discrete fractional systems. Sci Rep 16, 8198 (2026). https://doi.org/10.1038/s41598-026-39364-z

Mots-clés: systèmes à différences fractionnaires, inégalité de Lyapunov, chaos, commande robuste, fonction de Green