Singolarità nei sistemi non lineari: modello a inclusione differenziale per l’equazione pantografo frazionaria standard e trasformata

Perché ritardi singolari e memoria sono importanti

Molti sistemi reali — dai treni elettrici che prelevano energia da catenarie ai segnali che viaggiano attraverso reti complesse — non reagiscono in modo istantaneo o uniforme. Il loro comportamento dipende da quanto è accaduto in passato (memoria), da versioni scalate del tempo (effetti multi‑scala) e talvolta può divergere o diventare non definito in punti particolari (singolarità). Inoltre, ingegneri e scienziati raramente conoscono tutti i parametri con precisione. Questo articolo presenta un nuovo quadro matematico in grado di trattare simultaneamente tutte queste caratteristiche, offrendo modelli più realistici e affidabili per sistemi così complicati.

Equazioni che dilatano e ricordano il tempo

Al centro del lavoro ci sono le equazioni pantografo, un tipo speciale di equazione a ritardo in cui la variazione presente dipende dallo stato in un tempo scalato, ad esempio x(λt) con 0 < λ < 1. Ciò rispecchia il modo in cui un pantografo di un treno elettrico campiona la corrente lungo la linea e codifica in modo naturale scale temporali che si riducono o si espandono. Gli autori vanno oltre le versioni classiche utilizzando derivate frazionarie, che trattano il tempo come dotato di memoria anziché puramente istantaneo. In questi modelli, lo stato attuale dipende da una storia pesata di tutti gli stati passati, catturando effetti a lunga distanza osservati in materiali, tessuti biologici e segnali complessi molto meglio di quanto possano fare le derivate ordinarie.

Affrontare comportamenti singolari e incertezza

I sistemi reali spesso si comportano male vicino ai bordi o in punti particolari, per esempio quando l’energia è immessa bruscamente all’inizio di un processo o quando i dati mancano vicino a t = 0. Matematicamente, ciò si manifesta come singolarità — termini che diventano estremamente grandi o non definiti. Allo stesso tempo, parametri importanti potrebbero non essere noti con precisione ma solo entro un intervallo. Per tenerne conto, gli autori lavorano con inclusioni differenziali, in cui l’equazione non prescrive un unico passo successivo, ma un insieme di possibili sviluppi. Questo permette al modello di codificare esplicitamente l’incertezza e il comportamento non regolare, e conduce naturalmente a famiglie di evoluzioni possibili anziché a una singola traiettoria prevista.

Singolarità standard versus trasformate

L’articolo sviluppa una teoria di esistenza per due classi principali di problemi. Nel caso “standard”, il comportamento singolare è trattato direttamente nell’equazione, e gli autori dimostrano che sotto condizioni di crescita e continuità relativamente miti esiste almeno una soluzione esatta che soddisfa tutte le condizioni al contorno. Si basano su tecniche moderne del punto fisso adattate a mappe a valori insiemistici, usando versioni specializzate di principi di contrazione e una distanza che misura quanto gli insiemi siano lontani tra loro. Nel caso “trasformato”, introducono funzioni peso opportunamente scelte, denotate p(t), che assorbono i termini singolari più forti. Riscrivendo la funzione incognita in uno spazio pesato definito tramite p(t), un problema altrimenti troppo irregolare diventa trattabile con teoremi di esistenza classici.

Cosa rivelano gli esempi numerici

Per dimostrare che la teoria astratta non è solo un esercizio formale, gli autori presentano tre esempi dettagliati. Questi esempi riguardano problemi pantografo frazionari con coefficienti singolari che divergono all’inizio dell’intervallo temporale o vicino alla sua fine. Per ciascun caso calcolano dei limiti che verificano le ipotesi dei loro teoremi e poi tracciano soluzioni rappresentative e i coefficienti singolari. Le figure illustrano come la trasformazione con pesi attenui picchi severi, come i termini di “memoria” frazionaria modulino l’evoluzione e come un intero fascio di curve di soluzione possa soddisfare le stesse condizioni iniziali e al contorno quando l’incertezza è codificata tramite inclusioni.

Messaggio chiave per i sistemi complessi

Dal punto di vista non specialistico, la conclusione principale è che gli autori hanno costruito una cassetta degli attrezzi matematica robusta per sistemi che sono ritardati, ricordano il passato, si comportano male in certi punti e sono soggetti a incertezza — tutto contemporaneamente. I loro risultati garantiscono che tali sistemi non cadono in contraddizioni: sotto condizioni chiaramente espresse, le soluzioni esistono, e l’approccio trasformato rende possibile trattare anche comportamenti singolari molto intensi. Questo quadro unificato prepara il terreno per studi futuri su stabilità, simulazione numerica e memoria ad ordine variabile, e promette modelli più realistici in ambiti come l’ingegneria elettrica, la crescita biologica e l’elaborazione di segnali multi‑scala, dove equazioni pulite e idealizzate spesso non bastano.

Citazione: 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

Parole chiave: equazioni pantografo frazionarie, inclusioni differenziali, problemi ai limiti singolari, equazioni differenziali a ritardo, effetti di memoria nei sistemi dinamici