Анализ уравнений с запаздыванием и двойными дробно-Капуто-подобными производными методом преобразования Лапласа

Почему важна временная память

Многие реальные системы — от материалов, которые медленно восстанавливаются после растяжения, до популяций, реагирующих на прошлые условия — не отвечают мгновенно на текущие события. Их текущее поведение зависит от долгой истории предыдущих воздействий и часто от петлей обратной связи с задержкой. В этой работе развиваются новые математические инструменты для описания таких эффектов памяти и запаздывания с большей гибкостью и для обеспечения предсказуемого и устойчивого поведения получаемых моделей.

Фиксация истории с гибкими временными правилами

Традиционное исчисление предполагает, что изменение зависит только от происходящего в конкретный момент. Дробное исчисление ослабляет это допущение, позволяя «промежуточные» порядки дифференцирования, так что скорость изменения определяется взвешенным средним по всей прошлой истории. Авторы сосредотачиваются на современной версии таких операторов, называемой производными Капуто–Катугампола, которые содержат дополнительный регулятор — параметр ρ, корректирующий, насколько сильно далёкое прошлое влияет на настоящее. Изменяя ρ, можно плавно переходить между разными типами поведения памяти, что делает подход адаптируемым к широкому кругу физических, биологических и инженерных задач.

Учет запаздываний и двойных эффектов

Многие системы реагируют не только на прошлые состояния в гладкой форме, но и на сдвинутые во времени состояния — истинные задержки. В статье изучаются уравнения, где текущая скорость изменения зависит от целого отрезка прошлых значений на фиксированном временном окне в сочетании с двумя различными дробными эффектами, действующими одновременно. Один дробный член может представлять память малого радиуса действия, тогда как другой фиксирует более медленное, дальнодействующее влияние. Авторы анализируют уравнение, в котором эти два члена памяти присутствуют совместно с термом задержанной обратной связи, считывающим недавнюю историю неизвестной величины. Такое сочетание нацелено на моделирование систем, где и тип, и сила памяти могут быть тонко настроены.

Преобразование сложных уравнений в управляемые формы

Для изучения таких сложных уравнений авторы опираются на специализированную версию преобразования Лапласа, адаптированную к параметру ρ, известную как ρ-Лапласовское преобразование. Этот приём преобразует исходное уравнение с памятью и запаздыванием в более управляемую алгебраическую форму, которую затем можно инвертировать, получая явное интегральное выражение решения. В этом представлении естественно появляются специальные функции, называемые функциями Миттага–Лефлера; они играют роль, аналогичную экспоненте в обыкновенных дифференциальных уравнениях, но приспособлены к дробной временной динамике. Имея такое интегральное представление, авторы могут точно оценивать поведение решений и их реакцию на изменения входных данных и начальных условий.

Гарантии существования, единственности и устойчивости

Вооружившись интегральной формулой, авторы используют две классические идеи математического анализа — принцип сжатия Банаха и теорему о неподвижной точке Шаудера — чтобы показать, что система ведёт себя корректно. При одном наборе условий уравнение имеет ровно одно решение на рассматриваемом временном интервале, что означает однозначное предсказание модели. При более общем наборе допущений гарантируется существование по крайней мере одного решения. Кроме того, в статье исследуется устойчивость в смысле Улама–Хайерса — понятие, формализующее интуитивную идею робастности: если начальные данные или само уравнение слегка возмущены, результирующее решение изменяется лишь на контролируемую, пропорциональную величину. Это свойство имеет ключевое значение для доверия к модели при симуляциях или практических применениях, где данные никогда не бывают точными.

От теории к численным подтверждениям

Чтобы показать, что теория не является чисто абстрактной, авторы приводят численный пример с двумя разными дробными порядками и запаздыванием в одну единицу времени. Они аппроксимируют решение стандартным методом для дробных производных, известным как схема L1, которая ценится за устойчивость и простоту реализации. Вычисленное решение плавно развивается от заданной начальной истории, и два разных дробных оператора демонстрируют отличающиеся, но связанные паттерны, подчеркивая, как каждый дробный порядок формирует память системы. Вводя небольшое возмущение в начальную историю и перерасчитывая решение, авторы численно подтверждают, что отклонение остаётся пропорциональным величине возмущения, в соответствии с теорией устойчивости Улама–Хайерса.

Что это означает для реальных систем с памятью

Проще говоря, исследование показывает, что существует гибкий и математически обоснованный способ описать системы, текущее состояние которых зависит как от богатой истории прошлого, так и от явных задержек. Рамки Капуто–Катугампола в сочетании с ρ-Лапласовым преобразованием не только гарантируют смысл и наличие устойчивых, корректно определённых решений, но и пригодны для практических вычислений. Это открывает путь к более точному и надёжному моделированию процессов в таких областях, как вискоупругие материалы, системы управления, динамика популяций и биомедицинские явления, где память и запаздывание являются не мелкой поправкой, а ключевой особенностью.

Цитирование: 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

Ключевые слова: дробные дифференциальные уравнения, системы с памятью и запаздыванием, анализ устойчивости, методы преобразования Лапласа, численное моделирование