🔢 mathématiques

Lyapunov exponents of fractional-order systems: a definition from the diffusive representation, the ageing of memory, and what memory truncation measures

Cet article établit une définition rigoureuse des exposants de Lyapunov dans les systèmes d'ordre fractionnaire en les reformulant comme des systèmes dynamiques autonomes via la représentation diffusive, révélant que si les exposants positifs sont robustes, les exposants non positifs sont des artefacts de la troncature de la mémoire qui déforment les attracteurs et suppriment le chaos, alors que la dynamique intrinsèque du système n'exhibe aucune contraction exponentielle.

Auteurs originaux : Stefano Fazzino

Publié 2026-10-16

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Stefano Fazzino

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Dans l'étude des systèmes complexes, des motifs tourbillonnants de la météo aux décharges erratiques des neurones, les scientifiques recherchent une signature spécifique du chaos : une mesure de la rapidité avec laquelle deux points de départ presque identiques s'écartent l'un de l'autre. Cette mesure, connue sous le nom d'exposant de Lyapunov, agit comme un thermomètre de l'imprévisibilité. Si le nombre est positif, le système est chaotique, ce qui signifie que même la plus infime erreur dans la connaissance de l'état initial rendra toute prédiction inutile. Depuis des décennies, les chercheurs appliquent ce concept à une classe spéciale de modèles appelés systèmes d'ordre fractionnaire. Ces modèles sont uniques car ils possèdent une mémoire ; l'état futur du système ne dépend pas uniquement de sa position actuelle, mais de l'histoire entière de son parcours. Cette mémoire est mathématiquement décrite par une dérivée qui regarde en arrière sur tout le passé, pondérée par une loi de puissance qui ne s'estompe jamais tout à fait. Bien que les scientifiques calculent ces exposants pour les systèmes fractionnaires depuis vingt ans afin de comprendre tout, de la chimie des batteries aux rythmes biologiques, une question fondamentale est restée sans réponse : que mesurent exactement ces nombres ?

Un chercheur nommé Stefano Fazzino a maintenant répondu à cette question, révélant que la manière standard dont ces exposants sont calculés est fondamentalement erronée pour les systèmes dotés de mémoire. Le cœur du problème réside dans la nature même de la mémoire. Dans un système standard, l'état à n'importe quel moment est un point unique dans l'espace. Dans un système fractionnaire, l'état est l'histoire entière du voyage. À cause de cela, le système ne se comporte pas comme une machine qui se contente de répéter ou de se stabiliser dans une boucle ; au contraire, il vieillit. La mémoire du point de départ ne disparaît jamais vraiment ; elle s'accumule dans les parties les plus lentes de l'histoire interne du système, devenant plus forte avec le temps. Cela signifie que le système n'est jamais réellement dans un état stable et répétitif. Les outils mathématiques standards utilisés pour définir le chaos supposent un état stationnaire qui n'existe tout simplement pas pour ces systèmes vieillissants. Par conséquent, les nombres négatifs souvent rapportés par les codes informatiques comme « taux de contraction » ne sont pas des propriétés réelles du système. Ce sont des artefacts de la méthode de calcul, mesurant la vitesse à laquelle le système oublie son histoire sur une fenêtre de temps spécifique et artificiellement courte, plutôt que la façon dont il se comporte sur le long terme.

Pour résoudre cela, Fazzino a entièrement réécrit le problème. Au lieu d'essayer de forcer le système fractionnaire dans une boîte conçue pour les systèmes ordinaires, il l'a traduit dans une langue différente : une vaste collection continue de filtres de premier ordre simples, chacun se relaxant à sa propre vitesse. En considérant le système comme un ensemble infini de ces modes de mémoire, il a pu appliquer un théorème mathématique rigoureux qui était auparavant hors de portée. Cette nouvelle perspective a révélé une structure claire. L'exposant positif, qui indique le chaos, est réel, bien défini, et ne change pas quelle que soit la manière dont le calcul est effectué. Cependant, le reste du spectre est différent. Il n'y a pas de contraction exponentielle vers zéro ; au lieu de cela, les modes de mémoire du système décroissent si lentement qu'ils forment une bande continue de valeurs flottant juste au niveau de zéro. Les exposants négatifs qui apparaissent dans les logiciels existants ne sont pas des signes de stabilisation du système ; ils sont simplement le taux auquel la partie observable du système rétrécit durant la fenêtre de temps spécifique que l'ordinateur observe.

L'étude a également exposé un danger critique dans la manière dont ces systèmes sont simulés. Pour accélérer les calculs, les chercheurs utilisent souvent un « principe de mémoire courte », coupant l'histoire au-delà d'un certain point. Fazzino a découvert que ce raccourci fonctionne parfaitement s'il est appliqué à la dérivée mathématique, laissant le comportement chaotique et la forme de l'attracteur du système inchangés. Cependant, si le même raccourci est appliqué à la forme intégrale de l'équation — une pratique courante dans de nombreux codes largement utilisés — il brise fondamentalement le système. Dans ces cas, la coupure de la mémoire agit comme une main lourde, déformant l'attracteur, réduisant la mesure du chaos d'un quart ou même de moitié, et dans certains cas, détruisant complètement le comportement chaotique, faisant en sorte que le système se stabilise dans un équilibre calme ou s'envole vers l'infini. La différence réside dans la partie de l'équation mathématique qui est coupée : une méthode préserve l'âme du système, tandis que l'autre en altère la nature même.

Les implications pour quiconque modélise ces systèmes sont immédiates et pratiques. Si un chercheur veut savoir si un modèle d'ordre fractionnaire est chaotique, il doit s'assurer que son calcul respecte l'histoire complète du système ou utilise la troncature spécifique basée sur la dérivée qui préserve la physique. Les nombres négatifs produits par de nombreux codes actuels ne doivent pas être interprétés comme la véritable stabilité du système ; ils ne sont que des instantanés d'un système qui est encore en train de vieillir. De plus, l'étude confirme qu'un système fractionnaire n'oublie jamais vraiment ses conditions initiales. La mémoire de son point de départ continue de croître dans les modes les plus lents du système pendant toute la vie du modèle. Cela signifie que deux spécimens partant d'états légèrement différents resteront discernables pour toujours, un fait qui défie l'hypothèse standard selon laquelle les effets transitoires finissent par disparaître. Ce travail fournit une nouvelle définition rigoureuse du chaos dans ces systèmes riches en mémoire, séparant le véritable signal d'imprévisibilité du bruit de l'approximation numérique, et offrant une voie claire aux scientifiques qui comptent sur ces modèles pour comprendre le monde complexe et mémoriel qui les entoure.

Résumé Technique : Exposants de Lyapunov des Systèmes d'Ordre Fractionnaire

Énoncé du Problème
Les exposants de Lyapunov sont couramment calculés pour les systèmes d'ordre fractionnaire (spécifiquement ceux utilisant la dérivée de Caputo) afin de détecter le chaos, pourtant leur définition mathématique est restée mal posée. Les définies standards reposent sur le théorème multiplicatif ergodique d'Oseledets, qui nécessite qu'un système dynamique soit un flot sur un espace de dimension finie avec une mesure invariante et une évolution linéarisée formant un cocycle. Les systèmes d'ordre fractionnaire violent ces conditions car :

Non-localité : L'état à l'instant $t$ dépend de tout l'historique, et non plus seulement d'un point dans $\mathbb{R}^n$ .
Absence d'invariance par translation temporelle : Le système « vieillit » ; décaler une solution dans le temps modifie la limite inférieure de l'intégrale, ce qui produit une équation différente.
Échec de la propriété de cocycle : L'évolution linéarisée des perturbations dépend de l'historique de la perturbation, empêchant la formation d'un cocycle standard.

Par conséquent, les codes numériques existants (par exemple, ceux utilisant des schémas prédicteur-correcteur avec renormalisation QR) calculent des quantités dont la signification physique est obscure. Des observations empiriques, telles que l'absence d'un exposant nul dans les flots autonomes et la dépendance des estimations vis-à-vis des horizons d'intégration, sont restées inexpliquées.

Méthodologie
L'article résout ces problèmes en utilisant la représentation diffusive de l'opérateur de Caputo.

Formulation du système augmenté : Le noyau de loi de puissance de la dérivée de Caputo est exprimé comme la transformée de Laplace d'une mesure positive. Cela permet de réécrire le système fractionnaire comme une équation d'évolution semi-linéaire autonome sur un espace de Hilbert $X = \mathbb{R}^n \times H$ , où $H$ est un espace de modes de mémoire continus $z(\omega, t)$ se relaxant à des taux $\omega$ .
Construction du cocycle : Sur cet espace de Hilbert de dimension infinie, l'évolution linéarisée du système augmenté satisfait la propriété de cocycle, permettant l'application du théorème multiplicatif ergodique (plus précisément les versions de Ruelle, Mañé et Thieullen pour les cocycles asymptotiquement compacts).
Implémentation numérique : Un algorithme de Benettin est implémenté sur le système augmenté discrétisé. Le continuum de mémoire est approximé par une quadrature de somme d'exponentielles (Gauss-Jacobi pour la singularité en $\omega=0$ et Gauss-Legendre pour les taux plus élevés). L'algorithme suit les vecteurs tangents dans le sous-espace $\{\delta a = 0\}$ (perturbations tangentes à l'ensemble invariant, excluant les décalages de l'âge initial).
Validation : La méthode est validée par rapport à la solution exacte de systèmes linéaires impliquant la fonction de Mittag-Leffler et appliquée aux systèmes chaotiques de Chen et Rössler d'ordre fractionnaire.

Contributions Clés et Résultats Théoriques

Définition des exposants : L'auteur définit les exposants de Lyapunov pour les systèmes fractionnaires comme les exposants du système augmenté autonome restreint à l'ensemble invariant des solutions stationnaires. La trajectoire de Caputo est traitée comme une perturbation algébriquement décroissante ( $O(t^{-\nu})$ ) de cette dynamique stationnaire.
Vieillissement du système : Il est prouvé que même si la trajectoire observable $x(t)$ est bornée, l'état de mémoire $z(\cdot, t)$ croît de manière non bornée selon $t^{(1-\nu)/2}$ . Le système n'oublie jamais sa condition initiale ; l'« âge » du système se manifeste par une dérive en loi de puissance de la norme de la mémoire.
Structure du spectre :
- Exposants positifs : Les exposants strictement positifs sont bien définis, discrets et indépendants de la troncature de la mémoire. Ils caractérisent la véritable nature chaotique du système.
- Spectre non-positif : Le reste du spectre est une bande essentielle à zéro. Il n'y a pas de contraction exponentielle dans le système fractionnaire pour toute valeur de $\nu < 1$ ; les perturbations décroissent algébriquement ( $t^{-\nu}$ ).
- L'exposant zéro : Un exposant zéro existe correspondant à la direction de la translation temporelle du système augmenté, mais il est enchâssé dans la bande essentielle et ne peut être séparé par sa valeur dans les calculs numériques.
Analyse de la troncature : L'article distingue deux types de troncature de la mémoire :
- Tronquer la dérivée (Grünwald-Letnikov) : Appliquer le principe de mémoire courte à la dérivée coupe un noyau sommable. Cela laisse l'exposant maximal et la géométrie de l'attracteur essentiellement inchangés.
- Tronquer l'intégrale (Volterra/Mémoire fixe) : Tronquer la forme intégrale ou supprimer les modes lents dans les réalisations à modes finis coupe un noyau non sommable. Cela modifie fondamentalement le système, déformant l'attracteur, réduisant l'exposant maximal de 25 à 50 %, et pouvant potentiellement supprimer totalement le chaos. Dans les réalisations à modes finis, cela introduit des exposants négatifs fallacieux égaux à $-1/\tau_m$ (l'inverse de la fenêtre de mémoire).

Résultats Numériques

Systèmes de Chen et Rössler fractionnaires : L'exposant de Lyapunov maximal est reproductible et insensible à la résolution de la bande de mémoire ( $\omega_{min}$ ). Pour le système de Chen à $\nu=0,9$ , l'exposant maximal se stabilise autour de 2,25.
Disparition des exposants négatifs : Tous les exposants non-positifs convergent vers zéro à mesure que la résolution de la mémoire augmente. Les valeurs négatives résiduelles observées dans les calculs en temps fini sont des artefacts de la discrétisation et décroissent algébriquement, et non exponentiellement.
Comparaison avec les codes existants : Les codes qui réinitialisent la mémoire (par exemple, via la renormalisation QR) mesurent des « exposants de réinitialisation de mémoire », qui sont des taux de contraction de l'observable sur l'intervalle de renormalisation, et non de véritables exposants du système. Ces valeurs dérivent vers zéro à mesure que l'intervalle augmente.
Impact de la troncature : Les expériences numériques confirment que les codes de type Volterra à mémoire fixe et les réalisations à modes finis avec des fenêtres courtes ( $\tau_m \approx 100$ ) détruisent l'attracteur chaotique, tandis que le principe de mémoire courte appliqué à la dérivée le préserve.

Signification et Revendications
L'article affirme fournir la première définition rigoureuse des exposants de Lyapunov pour les systèmes d'ordre fractionnaire qui soit indépendante de la troncature numérique. Il clarifie que :

Le « chaos » d'un système fractionnaire est défini par ses exposants positifs, qui sont robustes.
Les exposants négatifs rapportés par les codes standards ne sont pas des propriétés du système mais des artefacts du traitement de la mémoire (soit l'intervalle de renormalisation, soit la fenêtre de mémoire).
Le « vieillissement » du système est une caractéristique fondamentale : la mémoire de la condition initiale croît indéfiniment, ce qui signifie que le système n'est jamais réellement stationnaire.
Les implications pratiques pour le domaine sont significatives : les résultats obtenus en tronquant la forme intégrale (courant dans les codes à mémoire fixe) décrivent un système différent, moins chaotique, que le modèle prévu. Pour obtenir des résultats fiables, il faut soit utiliser le principe de mémoire courte sur la dérivée, soit employer l'approche du système augmenté avec une bande de mémoire suffisamment résolue.

L'auteur note que l'existence de l'ensemble invariant compact pour les systèmes fractionnaires chaotiques reste une hypothèse (bien que soutenue numériquement), et que le taux de convergence des estimations en temps fini est conjecturé comme incluant un terme de mémoire proportionnel à $t^{-\nu}$ , ce qui est difficile à isoler numériquement pour $\nu > 0,5$ .

Résumé Technique : Exposants de Lyapunov des Systèmes d'Ordre Fractionnaire

Articles similaires