Documentos de Académico
Documentos de Profesional
Documentos de Cultura
URBANO
Francisco Moron Hessling
Ultima modificación - Junio 2023
1 Abstract
Se trata, en forma general, aplicar la teorı́a del caos a la descripción de fenómenos
naturales y sociales, con un enfoque particular en el sistema urbano. Se dis-
cute la importancia de los modelos matemáticos para la comprensión de estos
fenómenos y se mencionan algunos modelos especı́ficos, como el modelo logı́stico.
Se enfatiza que los sistemas dinámicos no lineales son comunes y pueden pre-
sentar comportamientos caóticos y sensibles a las condiciones iniciales. Se men-
cionan varios autores y obras que tratan estos temas, incluyendo a René Thom,
cuyo trabajo ha sido influyente en la teorı́a del caos y la matemática aplicada.
Se conjetura sobre posibles modelos basados en SIG con indicadores sociales y
polı́ticos. Se ejemplifican esas conjeturas desde los sistemas dinámicos no lin-
eales a fin de trasladar dicha reflexión al ámbito de la homologı́a, con el objetivo
de mostrar que, esa dirección de estudio simplifica y potencia la modelización
de un objeto extremadamente complejo y cambiante como es lo urbano.
2 Introducción
Los modelos matemáticos, son aplicables al proceso de planificación, por la ca-
pacidad para describir la estructura espacial urbana. Esas descripciones son
empleadas en procesos de toma de decisiones, logrando hacer visibles, los pro-
cesos que permanecen ocultos en las exposiciones verbales o escritas, no libres
de contradicción. Principalmente, en los casos de fenómenos complejos, donde
todos los elementos están relacionados entre sı́.
1
modelo, de predecir ciertos valores que entrega con un estimado grado de con-
fianza. (Echenique, 1975, p.9-12)
2
3 Objetivo
El objetivo de este artı́culo es describir la posibilidad de utilizar la Teorı́a del
Caos en los bordes de conjuntos que experimentan cambios de crecimiento, uti-
lizando como ejemplo las manchas poblacionales. En este punto del análisis es
de extrema utilidad contar con estudios de urbanistas sociales 1 y especialistas
en el análisis de áreas metropolitanas que ayuden a interpretar el fenómeno del
conourbano que rodea a ciudades de rápido crecimiento.
Se enfatiza en que los sistemas dinámicos pueden ser utilizados como her-
ramientas para la modelización de estos fenómenos. En general, sugerimos que
la Teorı́a del Caos puede ser útil para entender y predecir los patrones de crec-
imiento en las manchas poblacionales y otros sistemas dinámicos complejos.
Para lo cual nos proponemos aplicarlas en clasificar manchas urbanas como for-
mas topologicas a fin de ubicarlas en variedades cobordantes 2 . En este orden,
mostrar la factibilidad de un análisis usando la teorı́a del cobardismo 3 y la
homologia, para luego clasificar y tratar un sistema urbano real.
En este orden, se tiene una idea de lo que es una explicación y esa idea se
suma a la tendencia reduccionista. Por lo que emplearemos una forma alterna-
tiva de análisis.
1 El término ”urbanismo social” se refiere a una rama del urbanismo que se centra en el
iedad.
3 Es una relación de equivalencia entre variedades compactas.
3
Elegiremos, como forma alternativa de análisis, un modelo logı́stico aplicado
al modelo de crecimiento urbano a fin de carácterizarlo como un modelo de com-
portamiento caótico. Veremos sus facilidades y dificultades en en un intento de
modelización. La justificación de esta elección, es que resulta un modelo más
empleado y desarrollado en este tipo de analisis.
Otro enfoque posible serı́a utilizar técnicas de análisis espacial, como la inter-
polación de Kriging, para estimar la distribución de la densidad de la población
a partir de datos puntuales, como la ubicación de las centrales eléctricas o la
información censal.
• de la disponibilidad de datos,
• herramientas adecuadas.
4
4 Marco Teórico
Todos los seres humanos comprendemos en la medida de nuestros sentidos. El
cerebro interpreta la información como le llega por los sentidos, teniendo en
cuenta, en forma natural, que los bordes de los objetos tienen más importancia
que las esquinas, y las esquinas son mas importantes que las lineas rectas. De
esto surgen representaciones o imágenes que hacen referencia a cada sujeto que
conoce en cada espacio que observa y al que llamaremos mapas locales. 4
4 En el animal superior no existe una imagen global del espacio; dispone sólo de territorios
diferentes asociados a comportamientos fisiológicos determinados, y se pasa de un territorio a
otro por referenciales de caracter visual y olfativo vincualdos a estados fisiológicos o afectivos.
La conexión de los mapas locales es, por lo tanto, extrı́nseca (no espacial): afectiva o fisiológica.
(Thom, 1975)
5 Además puede reiterarse la misma acción indefinidamente. Ası́, mediante la operación de
medida, colocando una magnitud patrón en el extremo de una magnitud ya medida se lleva
a cabo a una extensión del mapa inicial, extensión gratuita inmotivada biológicamente. El
espacio geométrico se construye ası́ a partir de todos los posibles repetidos y liberados de toda
restricción biológica. (Thom,1977, p. 316)
5
En este orden, cuando realizamos observaciones sobre un hecho que llama la
atención, incluimos modificaciones de lo observado, y debemos estar consciente
y determinar de manera precisa, como modifico lo observado.
Ası́ tenemos que, para explicar ese mapa global, es necesario recurrir a
métodos cualitativos que describan sus propiedades y comportamientos. Esto
lo hacen en forma geométrica.
Por lo ranto, el modelo matemático formal, que se crea a partir del pro-
ceso de aplicar la reflexión matemática al continuo espacial, tiene la capacidad
de representarse geométricamente y persibirse por los sentidos. De esta forma,
resulta una herramienta optima a la reflexión urbana, permitendo expresar lo
observado en estimadores cuyas variables irán contruyendo los escenarios o ma-
pas globales, en cortes temporales sincrónicos/diacrónicos.
6
servó que son formas estruturadas, dotadas de una cierta estabilidad; y gracias
a esta estabilidad, es posible reconocerlas.
Es ası́ que del entorno de los hechos observados, se trata de inferir esas leyes,
esos principios organizadores y sus relaciones.
Las manchas poblacionales, por ejemplo, pueden ser vistas como sistemas
dinámicos no lineales. Las manchas se expanden de manera no uniforme y
pueden ser afectadas por factores como la disponibilidad de recursos, la in-
fraestructura existente y las polı́ticas públicas. El uso de modelos matemáticos
basados en la Teorı́a del Caos puede permitir la simulación y predicción del
crecimiento de las manchas poblacionales en el tiempo, lo que puede ser útil
para la planificación urbana y la toma de decisiones.
6 Definimos (Thom (1980) citado por Espinoza (2007, p. 234-235)): Un proceso (P) es
estructuralmente estable si una leve variación de las condiciones iniciales conduce a un proceso
(P’) isomorfo a (P) en el sentido en que una pequeña perturbación sobre el espaciotiempo un
ϵ − homeomorf ismo, en geometrı́a transforma de nuevo el proceso (P’) en (P).
7 El mundo no serı́a lo que es si la mayorı́a de las formas u objetos de nuestro entorno,
después de la menor perturbación, llegara a ser otra cosa, o, peor aún, si se aniquilara.
Para conocer un fenómeno hay que manipularlo y modificar sus parámetros, y al final del
proceso el fenómeno debe ser reconocible. (Espinoza, 2007, p.234-235)
7
En resumen, el marco teórico explica que la percepción humana del espacio
se basa en la interpretación de la información que llega a través de los sentidos
y se crea un mapa local de la posición del organismo en su entorno. A través
del uso de instrumentos podemos extender estos mapas locales y construir una
representación global del espacio. Los procesos de modelado, que dependen de
nuestra biologı́a, coordinan estos procesos en el espacio de forma global y se
pueden representar de manera geométrica mediante métodos cualitativos. El
modelo matemático formal, que se crea a partir de la reflexión matemática al
continuo espacial, es una herramienta óptima para la reflexión urbana y permite
expresar lo observado en estimadores, cuyas variables construyen los escenar-
ios o mapas globales en cortes temporales sincrónicos/diacrónicos. Además, la
geometrı́a establece un espacio objetivo y preexiste en la constitución de nues-
tras actividades, lo que hace que los procedimientos de construcción geométrica
estén en continuidad biológica con los procesos modelados por ellos. Lo que
nos lleva a afirmar que, el modelo matemático formal, puede ayudar a enten-
der y representar la morfogénesis urbana de manera más precisa y económica.
8
urbano, la inferencia de leyes y principios organizadores a partir de ellas, la rep-
resentación geométrica del modelo y la construcción de mapas globales a través
de variables y estimadores.
9
5.1.2 Los instrumentos del Análisis Prospectivo
Los principales instrumentos del análisis prospectivo son:
10
conectividad y accesibilidad.
Estas ideas se refieren a una teorı́a matemática desarrollada por René Thom
en el campo de la topologı́a algebráica y la teorı́a de sistemas dinámicos. Se
basan en la idea de que los sistemas dinámicos complejos pueden ser descritos
a través de un número finito de variables, y que los cambios en el estado de un
sistema pueden ser descritos mediante un conjunto de leyes matemáticas.
Es ası́ que nos preguntamos: ¿es factible este razonamiento? 11 ¿es posible
que sea necesario utilizar modelos matemáticos más complejos y sofisticados?
¿es posible que sea necesario emplear modelos más complejos y avanzados que
11 Factibilidad se refiere a la disponibilidad de los recursos necesarios para llevar a cabo los
objetivos o metas señaladas, es decir, si es posible cumplir con las metas que se tienen en
un proyecto, tomando en cuenta los recursos con los que se cuenta para su realización. En
definitiva: si se puede hacer.
11
incorporen una mayor cantidad de variables y factores para representar de man-
era más precisa el crecimiento urbano?
Sin embargo, es importante destacar que para que las ecuaciones diferen-
ciales sean útiles, es necesario tener un conocimiento detallado y preciso de las
variables relevantes y cómo interactúan entre sı́. Además, es posible que sea
necesario utilizar un enfoque matemático más complejo, como el análisis de
sistemas dinámicos, para describir adecuadamente la dinámica del crecimiento
urbano y mejorar la precisión del modelo.
Sin embargo, es importante destacar que para que este enfoque sea efec-
tivo, es necesario tener un conocimiento detallado y preciso de las variables
relevantes y cómo interactúan entre sı́. Además, es posible que sea necesario
utilizar técnicas matemáticas más avanzadas, como la teorı́a de bifurcaciones y
los sistemas dinámicos no lineales, para describir adecuadamente la dinámica
del crecimiento urbano y mejorar la precisión del modelo.
12
5.3 Sistema Dinámico
Sea el siguiente sistema dinámico
• Trayectoria o órbita
• Serie temporal
• Diagrama de fases
• Flujo.
• Ciclo lı́mite: trayectoria formada por una cuva cerrada periódica.
13
Estas etapas son las que empleré, para postular un modelo que describa el
desarrollo dinámico de estas condiciones externas y que esté ligado a un modelo
estático de la estructura de la ciudad.
14
inicial particular.
15
• Cambio climático: las condiciones meteorológicas y los patrones climáticos
que pueden afectar el crecimiento urbano.
• Uso del suelo: la forma en que se utiliza el suelo en la ciudad, incluyendo
la agricultura, la industria y los asentamientos humanos.
• Preparar los datos: Limpiar y normalizar los datos del SIG para garantizar
que sean adecuados para la modelización.
• Seleccionar una metodologı́a de modelización: Hay muchas metodologı́as
disponibles para modelar el crecimiento urbano, incluyendo modelos basa-
dos en agentes, modelos basados en ecuaciones diferenciales y modelos
basados en la teorı́a de sistemas dinámicos.
• Identificar las relaciones entre las variables: Analizar las relaciones en-
tre las variables relevantes y determinar cómo estas relaciones se pueden
representar matemáticamente.
6.5 Resumiendo
Los aspectos metodológicos de este enfoque incluyen:
16
2. Utilizar la linealización del sistema para describir el comportamiento cual-
itativo del sistema alrededor de un punto de equilibrio aislado.
3. Emplear equivalencias topológicas para entender la estabilidad de puntos
fijos y la existencia de soluciones periódicas.
17
Es importante tener en cuenta que la TSD es una metodologı́a compleja y re-
quiere un conocimiento avanzado de matemáticas y análisis numérico. Además,
puede ser necesario validar el modelo con datos reales y comparar los resultados
con la evolución real de la ciudad.
• Definir las relaciones entre las variables: Una vez que se han identi-
ficado las variables relevantes, se debe definir cómo están interconectadas.
Esto puede lograrse mediante ecuaciones matemáticas que representen las
relaciones entre las variables.
• Establecer los parámetros del modelo: Los parámetros del modelo se re-
fieren a los valores que se utilizan para ajustar el modelo y que representan
las caracterı́sticas especı́ficas de la ciudad. Estos parámetros pueden ser
variables en sı́ mismos o valores fijos.
• Simular el modelo: Una vez que se han establecido las variables, las
relaciones y los parámetros, se puede simular el modelo utilizando un soft-
ware de simulación. Esto permite probar diferentes escenarios y evaluar
cómo cambia el crecimiento urbano en función de las diferentes variables
y parámetros.
• Validar el modelo: Es importante validar el modelo comparando los
resultados de la simulación con datos reales de crecimiento urbano. Si el
modelo no se ajusta bien a los datos reales, se deben hacer ajustes en las
variables, las relaciones o los parámetros del modelo.
• Utilizar el modelo: Una vez validado, el modelo se puede utilizar para
predecir el crecimiento urbano y evaluar el impacto de diferentes polı́ticas
o estrategias en la ciudad.
18
adiciones a la metodologı́a descrita para lograr la mejor modelización del crec-
imiento urbano.
19
8 Cobordismo. Aplicación al análisis del modelo
El cobordismo es una teorı́a matemática que se utiliza para estudiar las propiedades
topológicas de las variedades. En el contexto del crecimiento urbano, la teorı́a
del cobordismo se puede utilizar para analizar la forma en que las áreas urbanas
se conectan y cómo los cambios en una zona pueden afectar la conectividad y
accesibilidad del resto de la ciudad.
• Identificar las áreas urbanas y sus lı́mites: El primer paso es definir las
áreas urbanas que se incluirán en el modelo y establecer sus lı́mites. Estos
lı́mites pueden estar definidos por caracterı́sticas fı́sicas o administrativas.
• Definir las relaciones de conectividad: Una vez que se han definido las
áreas urbanas, se deben establecer las relaciones de conectividad entre
ellas. Esto se puede hacer mediante la creación de un grafo que represente
la red de conexiones entre las diferentes áreas urbanas.
20
9 Construir el modelo - Simular el modelo
Siendo las relaciones de conectividad la forma en que los elementos de una ciu-
dad están conectados entre sı́, ya sea por carreteras, calles, transporte público,
servicios, redes de comunicación, entre otros. En el contexto del modelo urbano
con homologı́a y cobordismo, estas relaciones se representan como conexiones
topológicas entre los diferentes elementos de la ciudad, que se pueden analizar
matemáticamente para entender cómo influyen en la accesibilidad y conectividad
de la ciudad. Estas relaciones de conectividad son importantes para entender
cómo fluye la información, el tráfico, la energı́a y otros recursos en la ciudad, y
cómo se pueden optimizar estos flujos para mejorar la eficiencia y la sostenibil-
idad urbana. 13
21
puede ser útil para la planificación de eventos, diseño de espacios públicos,
entre otros.
• AnyLogic: es un software de simulación de sistemas que se utiliza para
modelar procesos y sistemas complejos, incluyendo el transporte urbano
y la logı́stica. Permite la simulación de eventos discretos y continuos, y
tiene una interfaz gráfica de usuario que facilita la creación y visualización
de modelos.
• SimCity: Es un juego de simulación de construcción de ciudades en el
que los jugadores pueden diseñar y construir su propia ciudad y tomar
decisiones en función de las necesidades y demandas de la población.
• AnyLogic: Es una herramienta de modelado y simulación de sistemas
generales que se puede utilizar para simular sistemas urbanos complejos,
incluyendo transporte, logı́stica, planificación urbana, etc.
• CityEngine: Es una herramienta de modelado y diseño de ciudades en 3D
que permite a los usuarios crear modelos urbanos precisos y realistas. item
TransCAD: Es un programa de software de planificación de transporte y
análisis de sistemas de información geográfica (SIG) que se utiliza para
modelar y analizar el transporte urbano y la planificación del uso del
suelo.
En términos de recomendación, dependerá del enfoque y la complejidad del
modelo urbano que se desea simular. Por ejemplo, si se quiere modelar y sim-
ular el transporte urbano, TransCAD podrı́a ser una buena opción, mientras
que si se quiere simular la interacción entre el uso del suelo, el transporte y los
mercados de bienes raı́ces, UrbanSim podrı́a ser más adecuado.
Para ello realizamos el siguiente ejercicio mental. Supongamos que hemos de-
sarrollado un modelo de crecimiento urbano que utiliza la teorı́a del cobordismo
y la homologı́a para evaluar la conectividad de la ciudad. Hemos establecido
las relaciones de conectividad y hemos incorporado diferentes variables como el
tamaño de la población, la densidad de construcción y la distancia a las zonas
verdes.
22
datos, descubrimos que la variable de distancia a las zonas verdes no está ade-
cuadamente considerada en el modelo.
Por lo tanto, una vez validado, el modelo se puede utilizar para predecir
cómo los cambios en una zona pueden afectar la conectividad y accesibilidad
del resto de la ciudad, lo que puede ser útil para la planificación urbana y la
toma de decisiones.
La tasa de crecimiento del ingreso per cápita de cada área urbana depende
de la población y del área:
dIA
= k4 · PA · AA
dt
23
dIB
= k5 · PB · AB
dt
dIC
= k 6 · PC · A C
dt
donde k4 , k5 y k6 son constantes de proporcionalidad.
Una vez definidas las variables y las relaciones, se puede simular el modelo
utilizando software de simulación. Por ejemplo, se puede utilizar MATLAB o
Python para simular las ecuaciones diferenciales y visualizar los resultados. Se
pueden probar diferentes escenarios y evaluar cómo cambia el crecimiento ur-
bano en función de las diferentes variables y parámetros.
24
p-indicadores: tasas de natalidad / mortalidad; condiciones socio-
culturales; movimientos migratorios interregionales (función de la
demanda de empleo en cada región)
EMPLEO (caracterı́sticas económicas, que se reperesentan por la distribución
del empleo):
d-indicadores: sectores económicos (función de la inversión en cada
región; inversión que fluye de una región a otra, caracterizando el
desarrollo en el tiempo)
Para lo cual:
• la variable empleo dá una idea de mercado, es decir, responde a los pos-
tulados de las leyes de mercado
• expresamos este modelo según el paradigma de una estructura local-urbano/global-
regional
Supongo n = 4
Donde
x: población
h: empleo (XXX)
25
10 Conclusiones
La teorı́a del caos y los modelos matemáticos son herramientas valiosas para
entender los comportamientos complejos y no lineales de los sistemas urbanos.
Estos modelos nos permiten predecir y comprender los patrones espaciales de
la población y su evolución en el tiempo. La aplicación de estos modelos en
la planificación urbana puede ayudar a tomar decisiones informadas y precisas,
mejorando la calidad de vida de las personas y el desarrollo sostenible de las
ciudades.
26
11 LINEAS DE RAZONAMIENTOS POSIBLES
11.1 A
Algunas posibles ideas para continuar desarrollando el modelo:
Analizar diferentes escenarios: Una vez que se tenga un modelo que incluya
diferentes factores, se pueden analizar diferentes escenarios para evaluar cómo
podrı́a evolucionar el crecimiento urbano bajo diferentes circunstancias. Por
ejemplo, se podrı́an simular diferentes niveles de inversión en infraestructura o
diferentes polı́ticas de control de población para evaluar su impacto en el crec-
imiento urbano.
Estas son solo algunas ideas para continuar desarrollando el modelo, pero hay
muchas otras posibilidades dependiendo del enfoque y los objetivos especı́ficos
de la investigación.
27
urbano, como la presencia de patrimonio cultural, la calidad de vida de la
población, la segregación socioeconómica, entre otros. De esta forma, se
podrı́a evaluar cómo estos factores afectan el crecimiento urbano y cómo
el crecimiento urbano, a su vez, influye en estos factores.
• Analizar diferentes escenarios de polı́ticas públicas: El modelo podrı́a uti-
lizarse para simular diferentes escenarios de polı́ticas públicas, evaluando
su impacto en el crecimiento urbano y en aspectos sociales y económicos
relacionados. Por ejemplo, se podrı́an simular polı́ticas de vivienda ase-
quible, polı́ticas de transporte público eficiente, polı́ticas de protección del
patrimonio cultural, entre otros.
• Comparar diferentes ciudades: El modelo podrı́a utilizarse para comparar
la evolución del crecimiento urbano de diferentes ciudades, evaluando las
diferencias y similitudes en términos de factores económicos y sociales. De
esta forma, se podrı́a identificar patrones comunes y diferencias entre las
ciudades, lo que podrı́a ser útil para diseñar polı́ticas especı́ficas para cada
contexto urbano.
28
tiempo. Por ejemplo, se podrı́a simular cómo un aumento en la oferta de
vivienda asequible afecta la tasa de crecimiento poblacional, la segregación so-
cioeconómica y la oferta cultural. También se podrı́an simular diferentes esce-
narios de polı́ticas públicas para evaluar su impacto en el crecimiento urbano y
en aspectos sociales y económicos relacionados.
29
r: Tasa de crecimiento poblacional
γ: Tasa de contacto social
µ: Tasa de construcción de viviendas
θ: Tasa de absorción de viviendas por la población
σ: Tasa de depreciación de viviendas
α: Tasa de aumento de segregación socioeconómica
β: Tasa de mezcla social
ξ: Tasa de inversión en cultura y turismo
δ: Tasa de depreciación de la oferta cultural
ω: Tasa de inversión en transporte público
η: Tasa de depreciación de la oferta de transporte público
Este modelo matemático podrı́a utilizarse para simular la evolución del crec-
imiento urbano en función de diferentes factores relacionados con la población,
la oferta de vivienda, la segregación socioeconómica, la oferta cultural y la oferta
de transporte público.
30
• Recopilación de datos: Se recopilan datos sobre la ciudad, incluyendo in-
formación sobre la distribución de edificios, zonas verdes, espacios públicos,
transporte, entre otros.
• Identificación de caracterı́sticas: Se identifican caracterı́sticas clave de la
ciudad, como la densidad de población, el uso del suelo, la accesibilidad,
la calidad del aire, etc.
• Creación de un complejo de simplicial: Se crea un complejo de simplicial,
que es una estructura matemática que permite representar la topologı́a de
la ciudad. Cada punto del complejo representa un elemento urbano, como
un edificio o una zona verde, y cada simplex representa una combinación
de estos elementos. Por ejemplo, un simplex de dos dimensiones podrı́a
representar un parque rodeado de edificios.
• Cálculo de homologı́a: Se utiliza el complejo de simplicial para calcular
la homologı́a de la ciudad. La homologı́a puede proporcionar información
sobre la conectividad de la ciudad, la presencia de ciclos y bucles en la red
urbana, entre otros aspectos.
• Análisis de resultados: Los resultados del cálculo de homologı́a se analizan
para identificar patrones en la estructura urbana y para evaluar el impacto
de diferentes caracterı́sticas urbanas en la topologı́a de la ciudad.
• Refinamiento del modelo: Si es necesario, se puede refinar el modelo para
incluir factores adicionales o para ajustar los parámetros.
Un ejemplo hipotético de cómo se podrı́a expresar el modelo urbano en no-
tación matemática utilizando homologı́a serı́a:
Sea X una ciudad con n elementos urbanos x1, x2, ..., xn y m carac-
terı́sticas urbanas c1, c2, ..., cm. Sea K un complejo de simplicial que
representa la topologı́a de la ciudad. La homologı́a de X se puede
calcular utilizando el complejo de simplicial K. Los resultados del
cálculo de homologı́a se pueden expresar como un conjunto de grupos
de homologı́a Hk (X), donde k representa la dimensión del grupo. La
información obtenida a partir de los grupos de homologı́a se puede
utilizar para analizar la estructura de la ciudad y para evaluar el
impacto de diferentes caracterı́sticas urbanas en la topologı́a de la
ciudad.
Además de lo mencionado anteriormente, la utilización de la homologı́a en
la modelización urbana también puede permitir una mejor comprensión de la
evolución y crecimiento de las ciudades a lo largo del tiempo, y cómo las difer-
entes partes de la ciudad están interconectadas.
Por ejemplo, se puede estudiar cómo las áreas de una ciudad cambian y
evolucionan con el tiempo, y cómo se relacionan entre sı́. Esto puede ayudar
31
a los urbanistas y planificadores a tomar decisiones más informadas sobre el
desarrollo urbano y la asignación de recursos.
Primero, se recolectarı́an los datos necesarios, como los nodos (por ejemplo,
estaciones de tren, paradas de autobús, etc.) y las conexiones entre ellos (por
ejemplo, vı́as férreas, carreteras, etc.). A partir de estos datos, se construirı́a
un complejo simplicial en el que los nodos se representarı́an como vértices y las
conexiones como aristas.
32
• Densidad de población: cantidad de habitantes por unidad de superficie
en el área urbana.
• Áreas verdes y espacios abiertos: cantidad y calidad de parques y espacios
abiertos en la ciudad.
33
13 DISCUSION SOBRE ECUACION SIMPLI-
FICA VARIABLES
De una formau otra un modelo matemático urbano estarı́a constituido por miles
de variables, por ser un objeto complejo.
Nos preguntamos ¿si hay una forma de simplificar o reducir esas variables?
34
numerosos artı́culos en revistas cientı́ficas y ha sido coautor de varios libros y
capı́tulos de libros. También ha recibido varios premios y reconocimientos por
su trabajo, incluyendo el Premio de Investigación de la Facultad de Ingenierı́a
Eléctrica y Computación de RPI.
P (t + 1) = (1 − (1 − p)k )m
Donde:
P (t + 1) representa la probabilidad de que una persona se contagie de la
información en el siguiente perı́odo de tiempo t + 1.
Es ası́ como, la ecuación de Gao nos dice que la probabilidad de que una
persona se contagie de una información depende tanto de la cantidad de contac-
tos que tenga como de la influencia de cada contacto. Esto es importante para
entender cómo se propaga la información en una red social y puede ser útil para
diseñar estrategias de marketing o de comunicación.
35
donde los contactos entre los animales se corresponden con las conexiones en
la red social y la probabilidad de contagio depende de factores como la tasa de
transmisión de la enfermedad y la resistencia del sistema inmunológico de cada
individuo.
13.1.2 GWA
El trabajo de Gao y su equipo se centra en la modelización de redes complejas,
en las que los nodos representan individuos o entidades y las aristas representan
las interacciones entre ellos. Para comprender mejor cómo funciona una red
compleja y cómo se propagan la información y las influencias a través de ella,
es necesario calcular una serie de medidas de centralidad, como el grado de un
nodo, la intermediación o la cercanı́a.
36
13.1.3 Ejemplo1 que aplica GWA
Un ejemplo de cómo se puede aplicar el método del promedio ponderado gen-
eralizado (GWA) en la modelización de redes complejas es en el estudio de las
redes de interacción entre proteı́nas en la biologı́a molecular.
Por ejemplo, en un ecosistema, las especies interactúan entre sı́ y con el medio
ambiente de diversas maneras, como a través de la depredación, la competencia
y la simbiosis. Para modelar la dinámica de un ecosistema, los investigadores
pueden construir una red de interacciones entre especies, donde cada especie es
un nodo y las interacciones entre ellas son las aristas.
37
Además, el GWA también puede ser utilizado para identificar especies claves
o nodos crı́ticos en la red de interacciones que tienen un gran impacto en la es-
tabilidad del ecosistema en su conjunto. Estas especies pueden ser objetivos
importantes para la conservación y la gestión de ecosistemas.
En una red compleja, cada nodo está conectado a otros nodos a través de
múltiples aristas, lo que significa que hay múltiples formas en las que los no-
dos interactúan entre sı́. El GWA combina todas estas interacciones en un solo
promedio ponderado, donde los pesos de las aristas representan la fuerza de la
interacción entre los nodos.
38
Pn Pn
i=1 j=1 wij Aij
GW A = P n Pn (1)
i=1 j=1 wij
donde n es el número de especies en la red y wi j es el peso de la interacción
entre las especies i y j.
Supongamos que la matriz de adyacencia A para nuestra red de tres especies
es la siguiente:
0 2 1
A = 1 0 3 (2)
2 1 0
Supongamos también que los pesos de las interacciones son los siguientes:
1 2 3
w = 2 1 4 (3)
3 4 1
Para calcular el GWA, primero debemos calcular el numerador de la ecuación:
n X
X n
wij Aij = (1·0)+(2·2)+(3·1)+(2·1)+(1·0)+(4·3)+(3·2)+(4·1)+(1·0) = 27
i=1 j=1
(4)
Luego, debemos calcular el denominador de la ecuación:
n X
X n
wij = 1 + 2 + 3 + 2 + 1 + 4 + 3 + 4 + 1 = 21 (5)
i=1 j=1
39
13.2 QWA
QWA (Quantitative Weighted Activity) es otra medida que se utiliza para
evaluar la eficiencia de una red ecológica. A diferencia de GWA, QWA tiene en
cuenta tanto la cantidad de recursos transferidos como la tasa de transferencia
entre los nodos. Se calcula sumando los pesos de todas las interacciones entre
los nodos y dividiéndolo por la cantidad total de nodos.
Por ejemplo, si tenemos una comunidad de tres especies, cada una con un
peso diferente y una calidad de hábitat diferente, podrı́amos calcular el ı́ndice
QWA de la siguiente manera:
40
Un flujo de Anosov se define en un espacio topológico diferenciable, gen-
eralmente una variedad diferenciable. Es un flujo continuo dado por un campo
vectorial que asigna a cada punto de la variedad un vector tangente que in-
dica la dirección del flujo en ese punto. La caracterı́stica distintiva de un flujo
de Anosov es que la variedad se divide en subespacios invariantes con respecto
al flujo que tienen tasas de expansión y contracción bien definidas y controladas.
Ası́ lo que interesa en esta investigación sobre los flujos de Anosov, es que son
sistemas dinámicos caracterizados por la existencia de subespacios invariantes
con tasas de expansión y contracción controladas.
Por lo que nos proponesmos explorar cómo los flujos de Anosov pueden apli-
carse a una teorı́a que explique el desarrollo caótico de una ciudad.
Por lo tanto, conjeturamos que los flujos de Anosov pueden aplicarse a una
teorı́a que explique el desarrollo caótico de una ciudad.
Notamos en primer lugar que los flujos de Anosov son más comúnmente es-
tudiados en el contexto de sistemas dinámicos abstractos, se pueden encontrar
analogı́as y conceptos útiles al aplicarlos a sistemas urbanos complejos.
41
del movimiento de las personas y los recursos a lo largo del tiempo. Las calles
y las conexiones de transporte pueden ser vistas como los ”canales” a lo largo
de los cuales fluye este movimiento. En este sentido, el flujo de Anosov repre-
senta las dinámicas y los patrones emergentes del movimiento y la interacción
de los ciudadanos, el tráfico, las actividades económicas y otros elementos que
conforman el tejido urbano.
Sin embargo, es importante tener en cuenta que esta aplicación de los flujos
de Anosov a la teorı́a del desarrollo caótico de una ciudad es una metáfora y
una aproximación simplificada. Las ciudades son sistemas complejos y multi-
dimensionales, y su análisis requiere una combinación de enfoques teóricos y
empı́ricos. La teorı́a de los flujos de Anosov puede proporcionar ideas y her-
ramientas conceptuales, pero su aplicación directa a una ciudad real requiere
un estudio más profundo y adaptado al contexto especı́fico.
42
senta las dinámicas y los patrones emergentes del movimiento y la interacción
de los ciudadanos, el tráfico, las actividades económicas y otros elementos que
conforman el tejido urbano.
Sin embargo, es importante tener en cuenta que esta aplicación de los flujos
de Anosov a la teorı́a del desarrollo caótico de una ciudad es una metáfora y una
aproximación simplificada. Las ciudades son sistemas complejos y multidimen-
sionales, y su análisis requiere una combinación de enfoques teóricos y empı́ricos.
La teorı́a de los flujos de Anosov puede proporcionar ideas y herramientas con-
ceptuales, pero su aplicación directa a una ciudad reeficiente de recursos en una
ciudad metropolitana. Es importante tener en cuenta que esta aplicación es
una metáfora y una aproximación simplificada, y que el desarrollo urbano es un
fenómeno extremadamente complejo y multifacético. Se requerirı́an investiga-
ciones adicionales y adaptaciones especı́ficas para cada caso particular de una
ciudad metropolitana concreta.al requiere un estudio más profundo y adaptado
al contexto especı́fico.
43
14 Bibliografı́a
Benzal, G. (2013). La matemática en la dinámica de procesos no lineales. Notas
de Teorı́a. Curso de Postgrado para el Doctorado en Medio Ambiente Visual e
Ilumicación Eficiente. Dpto. de Luminotécnia, Luz y Visión. FACET. Universi-
dad Nacional de Tucumán. Material inédito de clases. San Miguel de Tucumán.
Blanchard, P., Devaney, R. L., y Hall, C. R. (1998). Ecuaciones Diferenciales
(2da ed.). Boston University: Internacional Thomson Editores.
Campos Romero, D. (s. f.) (1996). Modelo Logı́stico: un paradigma en el
Teorı́a del Caos. Rev. Acad. Colomb. Cienc. 20(78): 503-518. Departamento
de Fı́sica, Universidad Nacional de Colombia. Bogotá. ISSN 0370-3908
Echenique, M. (1975). Modelos matemáticos de la estructura espacial ur-
bana: aplicaciones en América Latina. Buenos Aires: Ediciones SIAP.
Espinoza, M. (2007). La reducción de lo posible. René Thom y el determin-
ismo causal. Theoria 59, 233-251.
Thom, R. (1977), Stabilité structurelle et morphogenèse. Parı́s: Inter-
Editions.
Thom, R. (2000). Palabas catástrofes. Entrevista sobre matmática, ciencia
y filosofı́a a cargo de Giulio Giorello y Simona Morini. (3ra ed.). Barcelona:
Tusques ediciones.
Valoración bibliografı́a:
La bibliografı́a que más se adecua al tema abordado en los textos es ”Modelo
Logı́stico: un paradigma en la Teorı́a del Caos” de David Campos Romero. Este
texto especı́fico explora el uso del modelo logı́stico en el contexto de la teorı́a
del caos y cómo se relaciona con la dinámica de procesos no lineales, tema que
se discute en los otros textos.
44