Analyse des équations différentielles à retard avec dérivées fractionnaires de type Caputo doubles à l’aide de méthodes de transformée de Laplace

Pourquoi la mémoire temporelle importe

De nombreux systèmes réels — des matériaux qui se relâchent lentement après avoir été étirés aux populations qui réagissent à des conditions passées — ne répondent pas instantanément à ce qui se passe maintenant. Leur comportement présent dépend d’une longue histoire d’événements antérieurs et souvent de boucles de rétroaction retardées. Cet article développe de nouveaux outils mathématiques pour décrire ces effets de mémoire et de retard avec une plus grande souplesse et pour garantir que les modèles résultants se comportent de manière prévisible et stable.

Capturer l’histoire avec des règles temporelles flexibles

Le calcul classique suppose que la variation dépend uniquement de ce qui se passe à un instant donné. Le calcul fractionnaire assouplit cette idée en autorisant des ordres de différentiation « intermédiaires », de sorte que le taux de variation dépend d’une moyenne pondérée de l’ensemble du passé. Les auteurs se concentrent sur une version moderne de ces opérateurs, appelés dérivées de Caputo–Katugampola, qui incluent un réglage supplémentaire, noté par un paramètre ρ, ajustant l’influence du passé lointain sur le présent. En modulant ρ, on peut passer en douceur entre différents types de comportements mémoriels, rendant ce cadre adaptable à un large éventail de situations physiques, biologiques et d’ingénierie.

Gérer les retards et les effets doubles

Beaucoup de systèmes réagissent non seulement aux états passés de manière « lisse » mais aussi à des états décalés dans le temps — de véritables retards. L’article étudie des équations où le taux de variation actuel dépend d’un segment complet de valeurs passées sur une fenêtre temporelle fixe, combiné à deux effets fractionnaires distincts agissant simultanément. Un terme fractionnaire peut représenter une mémoire à courte portée, tandis que l’autre capture une influence plus lente et à longue portée. Les auteurs analysent une équation où ces deux termes de mémoire apparaissent ensemble, avec un terme de rétroaction retardée qui lit l’histoire récente de la quantité inconnue. Ce mélange vise à modéliser des systèmes où à la fois le type et l’intensité de la mémoire peuvent être finement contrôlés.

Transformer des équations ardues en formes maniables

Pour étudier de telles équations complexes, les auteurs s’appuient sur une version spécialisée de la transformée de Laplace adaptée au paramètre ρ, connue sous le nom de ρ-transformée de Laplace. Cette technique convertit l’équation d’origine avec mémoire et retard en une forme algébrique plus maniable, qui peut ensuite être inversée pour donner une expression intégrale explicite de la solution. Dans cette représentation, apparaissent naturellement des fonctions spéciales appelées fonctions de Mittag–Leffler ; elles jouent un rôle analogue à la fonction exponentielle pour les équations différentielles ordinaires, mais sont adaptées à la dynamique temporelle fractionnaire. Avec cette forme intégrale en main, les auteurs peuvent estimer soigneusement le comportement des solutions et leur réaction aux variations des entrées et des données initiales.

Garantir existence, unicité et robustesse

Munis de la formulation intégrale, les auteurs utilisent deux idées classiques de l’analyse mathématique — le principe de contraction de Banach et le théorème du point fixe de Schauder — pour montrer que le système est bien posé. Sous un ensemble de conditions, l’équation admet une et une seule solution sur l’intervalle temporel considéré, ce qui signifie que le modèle donne une prédiction unique et non ambiguë. Sous un ensemble plus général d’hypothèses, l’existence d’au moins une solution est garantie. En outre, l’article étudie la stabilité au sens d’Ulam–Hyers, une notion qui formalise l’idée intuitive de robustesse : si les données initiales ou l’équation elle-même sont légèrement perturbées, la solution résultante ne varie que d’une quantité contrôlée et proportionnelle. Cette propriété est cruciale si le modèle doit être utilisé pour des simulations ou des applications réelles, où les données ne sont jamais exactes.

De la théorie aux preuves numériques

Pour montrer que la théorie n’est pas purement abstraite, les auteurs présentent un exemple numérique impliquant deux ordres fractionnaires différents et un retard d’une unité de temps. Ils approchent la solution en utilisant une technique standard pour les dérivées fractionnaires connue sous le nom de schéma L1, réputée pour sa stabilité et sa mise en œuvre simple. La solution calculée évolue de manière continue à partir de l’histoire initiale prescrite, et les deux dérivées fractionnaires distinctes affichent des motifs différents mais liés, illustrant comment chaque ordre fractionnaire façonne la mémoire du système. En introduisant une petite perturbation dans l’histoire initiale et en recalculant la solution, les auteurs vérifient numériquement que l’écart reste proportionnel à l’amplitude de la perturbation, en accord avec la théorie de stabilité d’Ulam–Hyers.

Ce que cela signifie pour les systèmes réels à mémoire

En termes concrets, l’étude montre qu’il existe une manière flexible et mathématiquement solide de décrire des systèmes dont l’état présent dépend à la fois d’une mémoire riche du passé et de retards explicites. Le cadre Caputo–Katugampola, combiné à la ρ-transformée de Laplace, garantit non seulement que ces modèles ont du sens et possèdent des solutions bien définies et robustes, mais se prête aussi au calcul pratique. Cela ouvre la voie à une modélisation plus précise et fiable de processus dans des domaines tels que les matériaux viscoélastiques, les systèmes de contrôle, la dynamique des populations et les phénomènes biomédicaux, où la mémoire et le retard sont des caractéristiques essentielles plutôt que de simples corrections mineures.

Citation: Boumaaza, M., Boutiara, A., Djidel, O. et al. Analysis of delay differential equations with dual caputo-type fractional derivatives using laplace transform methods. Sci Rep 16, 11181 (2026). https://doi.org/10.1038/s41598-026-41584-2

Mots-clés: équations différentielles fractionnaires, systèmes à mémoire et à retard, analyse de stabilité, méthodes de transformée de Laplace, simulation numérique