Some stability results for the fractional differential equations with two delays

Cet article examine les propriétés de stabilité d'une équation différentielle fractionnaire non linéaire à deux retards discrets et à coefficient dépendant du retard, en établissant des conditions de stabilité indépendantes du retard via la linéarisation et la théorie des bifurcations, puis en validant ces résultats par des simulations numériques.

L'essentiel

🧠 Le Mémoire : Quand le Passé et le Futur se Rencontrent

Imaginez que vous essayez de conduire une voiture, mais avec deux particularités étranges :

1. La mémoire de la voiture : Elle ne réagit pas seulement à ce que vous faites maintenant, mais elle se souvient de ce que vous avez fait il y a quelques secondes (c'est le délai).
2. Le moteur "fractionnaire" : Au lieu d'avoir un moteur standard qui répond instantanément, ce moteur a une sorte de "mémoire floue". Il se souvient de tout ce qui s'est passé depuis le début du trajet, mais avec une intensité qui diminue doucement. C'est ce qu'on appelle la dérivée fractionnaire.

Les auteurs de cet article, Pragati Dutta et Sachin Bhalekar, s'intéressent à un système mathématique qui combine ces deux choses : un système qui a de la mémoire (fractionnaire) et qui prend du retard (délais) pour réagir.

Leur but ? Comprendre si ce système va rester calme et stable, ou s'il va devenir fou et osciller de manière incontrôlable.

---

🎭 L'Histoire en Deux Actes

Pour simplifier leur étude, ils ont divisé le problème en deux scènes.

Scène 1 : Le Délai Unique (Le "Retard Simple")

Imaginez un thermostat dans une maison.

• Le problème : Vous réglez le chauffage, mais il y a un délai avant que la chaleur n'arrive. De plus, la puissance du chauffage dépend de la température actuelle, mais aussi de la température qu'il y avait un peu plus tôt.
• La découverte : Les auteurs ont trouvé des règles simples pour savoir si la maison restera confortable ou si le chauffage va faire des montagnes russes (trop chaud, trop froid, trop chaud...).
  • Stabilité inconditionnelle : Parfois, peu importe le temps qu'il faut pour que la chaleur arrive, la maison restera toujours stable. C'est comme avoir un thermostat si bien réglé qu'il ne peut pas se tromper.
  • Instabilité inconditionnelle : Parfois, peu importe ce que vous faites, le système va exploser. C'est comme essayer de freiner une voiture avec des freins cassés : le retard ne changera rien, vous allez vous écraser.
  • Stabilité conditionnelle : C'est le cas le plus intéressant. Le système est stable seulement si le retard est court. Si le retard devient trop long, le système bascule et devient instable. C'est comme essayer de marcher sur une corde raide : si vous bougez trop lentement (retard), vous tombez.

Scène 2 : Les Deux Délais (Le "Double Retard")

Maintenant, imaginez que le thermostat a deux problèmes de communication :

1. Il met du temps à sentir la température (délai 1).
2. Il met encore plus de temps à envoyer l'ordre au chauffage (délai 2).
   De plus, la force du chauffage change selon le temps qu'il a fallu pour envoyer l'ordre (c'est le coefficient dépendant du délai).

C'est comme si vous essayiez de diriger un orchestre où :

• Le chef d'orchestre (le système) entend les musiciens avec un retard.
• Les musiciens réagissent avec un autre retard.
• Et la force avec laquelle ils jouent dépend de combien de temps il a fallu pour que le son arrive.

Ce qu'ils ont trouvé :

• Ils ont dessiné des "cartes de sécurité". Si vos paramètres (la force du signal, la vitesse de réaction, la mémoire) se trouvent dans certaines zones de la carte, le système est sûr.
• S'ils sont dans d'autres zones, le système est dangereux et va osciller sans fin.
• Ils ont même découvert un point de bascule précis : si la force du signal dépasse une certaine limite, le système devient instable, peu importe la durée des délais.

---

🎨 Les Analogies pour Mieux Comprendre

Pour visualiser leurs résultats, voici trois images mentales :

1. Le Miroir Déformant (La Mémoire Fractionnaire) :
   Contrairement à un miroir normal qui vous montre instantanément, ce miroir (la dérivée fractionnaire) vous montre une image floue de votre passé. Plus vous regardez loin dans le passé, plus l'image est faible, mais elle est toujours là. Cela donne au système une "élasticité" : il ne réagit pas brutalement, il glisse.

2. Le Ballon de Basket (Les Délais) :
   Imaginez que vous lancez un ballon vers un panier, mais vous ne voyez le panier qu'avec 2 secondes de retard.

   • Si vous êtes très précis (stabilité), vous ajustez votre tir et le ballon rentre.
   • Si le retard est trop long ou si vous êtes trop nerveux (instabilité), vous lancez trop fort, le ballon rebondit, et vous essayez de corriger en lançant encore plus fort, créant un chaos.

3. Le Pont de Tacoma (Les Oscillations) :
   Parfois, un pont est stable. Mais si le vent souffle avec un certain rythme (le délai) et que le pont a une certaine flexibilité (la fraction), le pont peut se mettre à vibrer de plus en plus fort jusqu'à s'effondrer. Les auteurs de l'article calculent exactement quel vent et quelle flexibilité provoquent cet effondrement.

---

💡 Pourquoi est-ce important ?

Pourquoi se soucier de ces équations compliquées ? Parce que la nature fonctionne ainsi !

• Dans le corps humain : La production de plaquettes sanguines (comme dans le modèle étudié) dépend de signaux envoyés par le corps. Ces signaux mettent du temps à voyager. Si le système de régulation est mal calibré, cela peut causer des maladies où le nombre de plaquettes oscille dangereusement (trop haut, trop bas).
• Dans la technologie : Pour contrôler des robots, des drones ou des réseaux électriques, il faut tenir compte du temps de transmission des données. Si on ignore ces délais, le robot peut devenir fou.

🏁 Conclusion Simple

En résumé, Pragati et Sachin ont créé une boîte à outils mathématique.
Ils nous disent : "Si vous construisez un système avec de la mémoire et des retards, voici les règles exactes à suivre pour qu'il ne devienne pas fou."

Ils ont prouvé que parfois, le temps (le délai) est l'ennemi, et parfois, il peut même aider à stabiliser le système, à condition de bien comprendre la "mémoire" du système (la partie fractionnaire). C'est un guide essentiel pour les ingénieurs et les biologistes qui veulent éviter les catastrophes dans leurs systèmes complexes.

Résumé technique

Voici un résumé technique détaillé de l'article « Some stability results for the fractional differential equations with two delays » (Certains résultats de stabilité pour les équations différentielles fractionnaires à deux retards), rédigé en français.

1. Problématique et Contexte

L'article s'intéresse à l'analyse de la stabilité d'une équation différentielle fractionnaire non linéaire (FDDE) comportant deux retards discrets ($\tau_1$ et $\tau_2$) et un coefficient dépendant du retard.

• Contexte mathématique : Les équations différentielles fractionnaires (FDE) généralisent les dérivées d'ordre entier à des ordres non entiers, permettant de modéliser des systèmes avec mémoire. Les équations à retards (DDE) intègrent des états passés, ce qui est crucial pour les systèmes biologiques et de contrôle. La combinaison des deux (FDDE) offre une modélisation plus précise mais pose des défis analytiques majeurs.
• Le modèle spécifique : Les auteurs étudient l'équation suivante :
  $$D^\alpha x(t) = -\gamma x(t) + g(x(t - \tau_1)) - e^{-\gamma\tau_2}g(x(t - \tau_1 - \tau_2))$$
  où $D^\alpha$ est la dérivée fractionnaire de Caputo ($0 < \alpha \le 1$),$\gamma \in \mathbb{R}$, et$g$est une fonction non linéaire ($C^1$). Le terme$e^{-\gamma\tau_2}$ introduit une dépendance au retard dans le coefficient, ce qui rend l'analyse plus complexe que pour les équations à retards standards.
• Motivation : De tels modèles apparaissent dans la production de plaquettes sanguines, la croissance tumorale et d'autres systèmes biologiques. Bien que des cas particuliers aient été étudiés, l'analyse de stabilité pour les FDDE avec deux retards et coefficients dépendants du retard reste peu explorée.

2. Méthodologie

Les auteurs adoptent une approche analytique rigoureuse combinée à des simulations numériques pour valider leurs résultats.

1. Linéarisation : Le système non linéaire est linéarisé autour du point d'équilibre trivial $x^* = 0$. En posant $g'(0) = k$, l'équation linéarisée devient :
   $$D^\alpha x(t) = -\gamma x(t) + kx(t - \tau_1) - ke^{-\gamma\tau_2}x(t - \tau_1 - \tau_2)$$
2. Équation Caractéristique : En appliquant la transformée de Laplace, les auteurs dérivent l'équation caractéristique associée :
   $$\lambda^\alpha = -\gamma + ke^{-\lambda\tau_1} - ke^{-\gamma\tau_2}e^{-\lambda(\tau_1+\tau_2)}$$
3. Analyse de Stabilité :
   • Cas 1 ($\tau_1 = 0$) : L'étude se concentre sur un seul retard effectif ($\tau_2 = \tau$). Les auteurs utilisent le théorème de stabilité pour les équations à un retard (Théorème 2.1) et l'adaptent au cas où le coefficient du terme retardé dépend de $\tau$. Ils déterminent des régions de stabilité indépendantes et dépendantes du retard dans le plan des paramètres $(k, \gamma)$.
   • Cas 2 ($\tau_1 > 0, \tau_2 \ge 0$) : L'analyse est généralisée aux deux retards. Les auteurs recherchent des racines pures imaginaires de l'équation caractéristique pour identifier les bifurcations de Hopf et établissent des conditions de stabilité globale.
   • Preuves théoriques : L'analyse repose sur l'étude des signes des parties réelles des racines, l'utilisation du théorème des valeurs intermédiaires, et l'analyse des bornes des fonctions trigonométriques dans l'équation caractéristique.

3. Contributions Clés et Résultats Principaux

L'article fournit des conditions de stabilité indépendantes du retard (valables pour tout $\tau \ge 0$) et dépendantes du retard (valables pour des intervalles spécifiques de $\tau$).

A. Cas 1 : Un seul retard actif ($\tau_1 = 0$)

Les auteurs établissent le Théorème 4.1, qui classe le comportement du système selon les paramètres $k$ et $\gamma$ :

• Instabilité Indépendante du Retard : Si $(k, \gamma)$ se trouve dans le troisième quadrant ($k<0, \gamma<0$) ou sous certaines conditions spécifiques, le système est instable pour tout $\tau \ge 0$.
• Stabilité Indépendante du Retard : Si $\gamma > 2k > 0$ ou si $\gamma > 0$ et $k < 0$ (deuxième quadrant), l'équilibre est asymptotiquement stable pour tout $\tau \ge 0$.
• Stabilité Dépendante du Retard : Dans la région $0 < \gamma < 2k$, la stabilité dépend de la valeur du retard. Le système peut subir des commutations de stabilité (Stable$\to$Instable$\to$Stable) en fonction de seuils critiques$\tau_1^$et$\tau_2^$.

B. Cas 2 : Deux retards ($\tau_1 > 0, \tau_2 \ge 0$)

Le Théorème 5.1 étend les résultats au cas général :

• Stabilité Indépendante : Le système est stable pour tout $\tau_1, \tau_2$ si $\gamma > 2k > 0$ ou $\gamma > -2k > 0$.
• Instabilité Indépendante : Si $k < 0$ et $\gamma < 0$ (troisième quadrant), le système est instable pour tout $\tau$. Pour $\alpha=1$, l'instabilité est également garantie dans le quatrième quadrant.
• Résultat Dépendant du Retard (Théorème 5.2) : Dans le quatrième quadrant ($k>0, \gamma<0$), les auteurs dérivent une valeur critique $k^*$. Si $k > k^*$, l'équation caractéristique possède une racine à partie réelle positive, rendant le système instable. La valeur $k^*$ est une fonction complexe des retards et de l'ordre fractionnaire.

C. Validation Numérique

Les résultats théoriques sont validés par des simulations numériques utilisant des méthodes de résolution pour les FDDE. Les auteurs illustrent :

• La convergence vers zéro (stabilité) pour des paramètres dans les régions stables.
• La divergence (instabilité) pour des paramètres dans les régions instables.
• Des diagrammes de stabilité montrant les frontières entre les zones de stabilité et d'instabilité dans le plan $(k, \gamma)$.
• L'application à une fonction non linéaire spécifique $g(x) = k \sin(x)$, confirmant que les conditions linéaires s'appliquent à la stabilité locale du système non linéaire.

4. Signification et Impact

• Avancée Théorique : Ce travail comble un vide dans la littérature en fournissant des preuves complètes pour la stabilité des FDDE à deux retards avec coefficients dépendants du retard, un cas rarement traité.
• Applications Biologiques et de Contrôle : Les résultats sont directement applicables à la modélisation de systèmes physiologiques (comme la régulation des plaquettes sanguines) où les délais de feedback et les effets de mémoire sont critiques. La capacité à prédire les commutations de stabilité aide à comprendre les transitions vers des comportements oscillatoires ou chaotiques.
• Outils pour la Conception : L'identification de conditions de stabilité indépendantes du retard offre aux ingénieurs et biologistes des garanties de robustesse pour leurs systèmes, même en présence de variations de délais imprévues.

En conclusion, l'article démontre que l'interaction entre l'ordre fractionnaire, la force de rétroaction et les coefficients dépendants du retard joue un rôle déterminant dans la dynamique du système, offrant de nouvelles perspectives pour l'analyse et le contrôle des systèmes complexes à mémoire et à retard.