Estructura Intelectual y Conceptual de los Métodos para Sistemas de Ecuaciones No Lineales: Un Estudio Bibliométrico (2004-2025) Intellectual and Conceptual Structure of Methods for Nonlinear Systems of Equations: A Bibliometric Study (2004–2025

Barra lateral del artículo

Descarga PDF
Publicado: nov 13, 2025
DOI: https://doi.org/10.60100/rcmg.v6i2.839
Palabras clave:
Sistemas no lineales; control adaptativo; sincronización; análisis bibliométrico


Contenido principal del artículo

Julio Cesar Villavicencio Mera
Universidad Estatal de Milagro
https://orcid.org/0009-0006-0822-1686
Rayner Reynaldo Ricaurte Párraga
Universidad Estatal de Milagro
https://orcid.org/0009-0004-4025-0087
José Antonio Castillo Cárdenas
Investigador Independiente
https://orcid.org/0009-0001-4599-4251

Resumen

Este estudio presenta un análisis bibliométrico de la investigación sobre métodos para resolver sistemas de ecuaciones no lineales, utilizando registros de Web of Science entre 2004 y 2025. Se recuperaron y depuraron los metadatos y se analizaron con Biblioshiny, cuantificando productividad anual, fuentes, autores y países; además, se efectuaron análisis de co-ocurrencia de palabras clave y estructura conceptual. Los resultados muestran (i) crecimiento sostenido de la producción con un pico de 43 artículos en 2020; (ii) liderazgo de revistas de control y dinámica no lineal (p. ej., IEEE Transactions on Automatic Control, Nonlinear Dynamics) y fuerte contribución de China, seguida por Estados Unidos e Irán; y (iii) una estructura conceptual dominada por clústeres en control adaptativo/rastreo, sincronización y consenso en sistemas multiagente, y estabilidad/estabilización en sistemas no lineales. La estructura intelectual se apoya en trabajos seminales y revisiones sobre reducción de modelos no lineales e hiper-reducción, métodos exactos y esquemas numéricos eficientes. Este mapeo ofrece una visión integrada de los pilares teóricos y las líneas emergentes, aportando una base objetiva para orientar futuras investigaciones y colaboraciones

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Villavicencio Mera, J. C., Ricaurte Párraga, R. R., & Castillo Cárdenas, J. A. (2025). Estructura Intelectual y Conceptual de los Métodos para Sistemas de Ecuaciones No Lineales: Un Estudio Bibliométrico (2004-2025): Intellectual and Conceptual Structure of Methods for Nonlinear Systems of Equations: A Bibliometric Study (2004–2025. Revista Científica Multidisciplinar G-Nerando, 6(2), Pág. 2796 –. https://doi.org/10.60100/rcmg.v6i2.839
Número
Vol. 6 Núm. 2 (2025): Punto Ciencia
Sección
Artículos
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Citas

Bate, I., Murugan, M., George, S., Senapati, K., Argyros, I. K., & Regmi, S. (2024). On Extending the Applicability of Iterative Methods for Solving Systems of Nonlinear Equations. Axioms, 13(9), 601. https://doi.org/10.3390/axioms13090601

Bhattacharyya, S., Tao, J., Gildin, E., & Ragusa, J. C. (2025). Hyper-Reduction Techniques for Efficient Simulation of Large-Scale Engineering Systems. Archives Of Computational Methods In Engineering. https://doi.org/10.1007/s11831-025-10299-4

Delavari, H., Baleanu, D., & Sadati, J. (2011). Stability analysis of Caputo fractional-order nonlinear systems revisited. Nonlinear Dynamics, 67(4), 2433-2439. https://doi.org/10.1007/s11071-011-0157-5

Liu, D., & Wei, Q. (2013). Policy Iteration Adaptive Dynamic Programming Algorithm for Discrete-Time Nonlinear Systems. IEEE Transactions On Neural Networks And Learning Systems, 25(3), 621-634. https://doi.org/10.1109/tnnls.2013.2281663

Liu, Y., Tong, S., & Chen, C. L. P. (2012). Adaptive Fuzzy Control via Observer Design for Uncertain Nonlinear Systems With Unmodeled Dynamics. IEEE Transactions On Fuzzy Systems, 21(2), 275-288. https://doi.org/10.1109/tfuzz.2012.2212200

Shams, M., Kausar, N., Ahmed, S. F., Badruddin, I. A., & Javed, S. (2022). Efficient Numerical Scheme for Solving Large System of Nonlinear Equations. Computers, Materials & Continua/Computers, Materials & Continua (Print), 74(3), 5331-5347. https://doi.org/10.32604/cmc.2023.033528

Shams, M., Kausar, N., Ahmed, S. F., Badruddin, I. A., & Javed, S. (2022). Efficient Numerical Scheme for Solving Large System of Nonlinear Equations. Computers, Materials & Continua/Computers, Materials & Continua (Print), 74(3), 5331-5347. https://doi.org/10.32604/cmc.2023.033528

Tierra, G., & Guillén-González, F. (2014). Numerical Methods for Solving the Cahn–Hilliard Equation and Its Applicability to Related Energy-Based Models. Archives Of Computational Methods In Engineering, 22(2), 269-289. https://doi.org/10.1007/s11831-014-9112-1

Tong, S., Sui, S., & Li, Y. (2014). Fuzzy Adaptive Output Feedback Control of MIMO Nonlinear Systems With Partial Tracking Errors Constrained. IEEE Transactions On Fuzzy Systems, 23(4), 729-742. https://doi.org/10.1109/tfuzz.2014.2327987

Touzé, C., Vizzaccaro, A., & Thomas, O. (2021). Model order reduction methods for geometrically nonlinear structures: A review of nonlinear techniques. Nonlinear Dynamics, 105, 1141–1190. https://doi.org/10.1007/s11071-021-06693-9

Vitanov, N. K. (2022). Simple Equations Method (SEsM): An Effective Algorithm for Obtaining Exact Solutions of Nonlinear Differential Equations. Entropy, 24(11), 1653. https://doi.org/10.3390/e24111653

Wu, J. (2009). Stabilizing controllers design for switched nonlinear systems in strict-feedback form. Automatica, 45(4), 1092-1096. https://doi.org/10.1016/j.automatica.2008.12.004

Zhang, H., & Lewis, F. L. (2012). Adaptive cooperative tracking control of higher-order nonlinear systems with unknown dynamics. Automatica, 48(7), 1432-1439. https://doi.org/10.1016/j.automatica.2012.05.008

Zhao, K., Song, Y., Chen, C. L. P., & Chen, L. (2021b). Adaptive Asymptotic Tracking With Global Performance for Nonlinear Systems With Unknown Control Directions. IEEE Transactions On Automatic Control, 67(3), 1566-1573. https://doi.org/10.1109/tac.2021.3074899