Modelagem fracionária de sistemas dispersivos não lineares: sobre o estudo comparativo das equações de Whitham–Broer–Kaup usando várias derivadas

Por que ondas com memória importam

De ondulações oceânicas a engarrafamentos, muitos padrões semelhantes a ondas não dependem apenas do que ocorre agora, mas também do que aconteceu momentos — ou mesmo longos períodos — atrás. Essa “memória” embutida aparece em fluidos viscosos ou complexos, em materiais preenchidos por microestruturas e em sistemas onde a energia se propaga de maneiras incomuns. O artigo que resume este texto desenvolve uma lente matemática refinada para tais ondas em águas rasas, com o objetivo de descrever seu movimento de forma mais fiel, mantendo a possibilidade de pesquisadores e engenheiros calcularem soluções precisas.

Águas rasas como campo de testes

Os autores concentram-se em uma família de equações conhecidas como sistema Whitham–Broer–Kaup (WBK), um modelo bem estabelecido para ondas longas e de pequena amplitude em águas rasas. Ao contrário de fórmulas mais simples que acompanham apenas a superfície da água, o sistema WBK segue simultaneamente tanto a altura da água quanto a velocidade horizontal do escoamento, captando como essas duas quantidades interagem. Isso o torna uma descrição mais rica e realista do movimento das ondas do que muitos modelos de equação única. O sistema WBK também inclui o efeito da dispersão — como diferentes comprimentos de onda viajam a velocidades ligeiramente distintas — o que molda os padrões ondulatórios familiares nas zonas costeiras.

Adicionando memória com ferramentas fracionárias

Para trazer memória ao quadro, os autores substituem as derivadas temporais usuais no sistema WBK por derivadas “fracionárias”. Em vez de medir quão rápido algo muda em um único instante, as derivadas fracionárias misturam informações do passado recente e distante, com diferentes núcleos matemáticos descrevendo quão fortemente eventos passados pesam. O estudo compara três escolhas principais: a forma tradicional de Caputo, que enfatiza memória de longo prazo; a forma Caputo–Fabrizio, que usa um núcleo exponencial e privilegia memória de curto a médio alcance; e a forma Atangana–Baleanu, que introduz uma memória suave e não singular por meio da função de Mittag–Leffler. Ao inserir cada uma dessas no sistema WBK, os autores obtêm um conjunto de modelos de ondas com força e caráter de memória ajustáveis.

Uma rota híbrida para equações solucionáveis

Equipar o sistema WBK com memória torna a solução direta muito mais difícil. Para enfrentar isso, os autores constroem uma abordagem analítica híbrida chamada Método de Decomposição Sumudu (SDM). Ela combina uma transformada integral conhecida como transformada de Sumudu com uma técnica que decompõe termos não lineares complicados em uma série infinita de peças mais simples. A transformada de Sumudu desloca as equações para um novo domínio mais fácil de manipular, preservando a escala temporal original, e o método de decomposição organiza as interações não lineares das ondas em uma hierarquia de correções. Ao iterar esse procedimento, o método produz soluções em série para a altura da onda e a velocidade que convergem rapidamente e não exigem malhas numéricas pesadas ou simplificações artificiais.

Testando precisão e flexibilidade

Para verificar se essa estrutura é confiável e prática, os autores a aplicam não apenas ao sistema WBK completo, mas também a dois casos especiais importantes: as equações de Boussinesq modificadas e as equações aproximadas de ondas longas, que descrevem situações relacionadas em águas rasas. Em cada caso, eles comparam as soluções em série baseadas no SDM com soluções exatas conhecidas e com resultados de outros métodos semianalíticos. Em uma ampla gama de tempos, espaços e valores de ordem fracionária, os erros permanecem extremamente pequenos — frequentemente muitas ordens de magnitude abaixo de esquemas concorrentes. Gráficos mostram que apenas alguns termos na série (três nos exemplos apresentados) são suficientes para capturar as características principais das ondas, mesmo quando a ordem da memória se afasta significativamente do valor clássico correspondente à ausência de memória. O estudo também demonstra como mudar a ordem fracionária transforma suavemente os perfis de onda, ligando comportamentos puramente locais a dinâmicas fortemente influenciadas pela memória.

O que isso significa para a modelagem de ondas reais

Em termos práticos, o trabalho oferece uma forma precisa e ao mesmo tempo econômica de simular ondas em meios complexos onde a história importa, como fluidos viscoelásticos ou estratificados e outros sistemas dispersivos. Ao mostrar que seu método híbrido é estável, converge rapidamente e é eficaz para várias versões de memória, os autores fornecem um kit de ferramentas que pode ser adaptado a muitos outros modelos não lineares de ondas. Embora seus testes enfoquem condições idealizadas e suaves, a abordagem abre caminho para extensões futuras a dimensões superiores, contornos irregulares e efeitos aleatórios. Para não especialistas, a conclusão é que agora dispomos de um “motor” matemático mais flexível para prever o comportamento de ondas com memória, capaz de ajudar a diminuir a distância entre ondas de livro-texto simples e os padrões complexos encontrados na natureza e na tecnologia.

Citação: 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

Palavras-chave: cálculo fracionário, ondas em águas rasas, sistemas dispersivos não lineares, métodos de transformada integral, modelagem de ondas