Hacia Un Modelo Urbano

HACIA UN MODELO MATEMÁTICO
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.
El lenguaje matemático, posibilita una crı́tica objetiva, ordenada y colabo-

rativa de las interpretaciones del fenómeno. Posibilitando, ası́ mismo, analizar
las proyecciones que tendrán determinadas polı́ticas urbanas. Estos modelos,
deberán estar confrontados por la práctica, donde se comprueba su validez al
reproducir el fenómeno a partir de las descripciones establecidas por él. Luego,
emplenado información sobre los elementos reales, se establece la validez del
1
modelo, de predecir ciertos valores que entrega con un estimado grado de con-
fianza. (Echenique, 1975, p.9-12)
En Urbanismo ciudad es un concepto primitivo, y se define como un sistema

complejo.
Entendemos por sistema, conjuntos de elementos relacionados.
De los sistemas, consideraremos una de sus propiedades caracterı́sticas: tien-

den a modificarse ante mı́nimas interacciones con otros, desorganizándose para
alcanzar un nuevo estado de organización.
La teorı́a estadı́stica de Bolztmann (1871) y la teorı́a dinámica de Poincairé

(1903) son compatibles y están en una estrecha relación como lo muestra el
trabajo de Campos Romero (1996) y sobre el cual nos basamos en el presente
ensayo.
La utilidad de los modelos matemáticos en el proceso de planificación urbana.
Se destaca la capacidad de estos modelos para describir la estructura espa-

cial urbana y hacer visibles procesos que podrı́an estar ocultos en exposiciones
verbales o escritas. El lenguaje matemático posibilita una crı́tica objetiva y
colaborativa de las interpretaciones del fenómeno y permite analizar las proyec-
ciones que tendrán determinadas polı́ticas urbanas.
Estos modelos deben ser confrontados con la práctica para comprobar su

validez y predecir ciertos valores con un grado de confianza.
Considerar la ”ciudad” como un sistema complejo, es decir que la ”ciudad”

se compone de elementos relacionados.
Una propiedad caracterı́stica de los sistemas, que es su tendencia a modificar

su organización ante mı́nimas interacciones con otros sistemas, desorganizándose
para alcanzar un nuevo estado de organización.
Ası́ podemos afirmar la importancia de comprender la complejidad de las ciu-

dades y de utilizar herramientas matemáticas para describir y prever los efectos
de las polı́ticas urbanas. Además, es necesario considerar los sistemas como
entidades dinámicas que cambian en respuesta a su entorno, lo que requiere un
enfoque continuo de observación, análisis y ajuste.
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.
Uno de los conceptos que subyasen este artı́culo es el de estabilidad es-

tructural. Para ello buscaremos una explicación.
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
diseño y la planificación de espacios urbanos con el objetivo de promover la equidad social, la

inclusión y la mejora de la calidad de vida de los habitantes de una ciudad.
El urbanismo social busca abordar desafı́os como la segregación socioeconómica, la pobreza,
la exclusión social, la falta de acceso a servicios básicos y la marginalización de ciertos gru-
pos de la población. Se basa en principios de justicia social, igualdad de oportunidades y
participación ciudadana, buscando generar entornos urbanos más inclusivos y sostenibles.
Algunas de las estrategias utilizadas en el urbanismo social incluyen la mezcla de usos en el
desarrollo urbano, la integración de viviendas de diferentes tipologı́as y precios, la creación de
espacios públicos accesibles y seguros, el fomento de la movilidad sostenible y el fortalecimiento
de la participación comunitaria en la toma de decisiones.
Aquı́ emplearemos el término ”urbanismo social” desde una perspectiva que considera los
aspectos sociales y humanos en la planificación urbana, con el fin de crear ciudades más
inclusivas y equitativas.
Ası́ afirmamos que, si bien el urbanismo y el urbanismo social están relacionados, no son
exactamente lo mismo. Entendemos como urbanismo a la disciplina que se ocupa del diseño,
planificación y desarrollo de los espacios urbanos. Se centra en aspectos como la distribución
de terrenos, la zonificación, la infraestructura, la movilidad, entre otros.
Por otro lado, el urbanismo social es una perspectiva dentro del urbanismo que pone énfasis
en los aspectos sociales y humanos de la planificación urbana. Busca abordar las desigualdades
sociales y promover la inclusión y la equidad en el diseño de las ciudades. El urbanismo social
considera factores como la accesibilidad, la vivienda asequible, la integración de servicios y
equipamientos, la participación ciudadana y la creación de entornos seguros y saludables.
2 Se trata de saber cuando dos variedades constituyen el lı́mite común de una misma var-
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.
Los modelos de crecimiento urbano son en su mayorı́a complejos y requieren

una gran cantidad de datos y conocimientos especializados en áreas como la
economı́a, la demografı́a, el transporte y la planificación urbana, entre otros.
Por lo tanto, la generación de un modelo de crecimiento urbano completo re-
quiere una colaboración interdisciplinaria y una combinación de conocimientos
y habilidades.
La mancha formada por la iluminación nocturna de una ciudad se puede

interpretar como un modelo urbano desde una perspectiva de patrones de dis-
tribución de la densidad de la población y de la actividad económica.
Por ejemplo, un enfoque posible serı́a utilizar un modelo de distribución de

la población basado en una función matemática, como una distribución normal
o log-normal, para describir la distribución de la densidad de la población en la
ciudad. Los parámetros de la función se pueden ajustar mediante técnicas de
optimización para describir los patrones de la mancha de iluminación.
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.
Además, se pueden utilizar modelos de crecimiento urbano más complejos

que involucren interacciones más complejas, como la dependencia de la densidad
de la población de la ubicación de los centros de empleo, la infraestructura de
transporte, la disponibilidad de terrenos y otros factores.
Notamos que, cualquiera que sea el tipo de razonamiento matemático que se

elija, la forma en que se interpreta matemáticamente una mancha de iluminación
nocturna como un modelo urbano depende de:
• los objetivos del análisis,
• 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
Entendemos por mapa local, aquella simulación de la posición del organ-

ismo en su entorno. En relación con el entorno, en los organismos superiores,
se producen dos procesos básicos distintos: uno de reconocimiento de formas y
otro de localización de esas formas respecto de su propio cuerpo.
Lo que justifica la aparición de las matemáticas es la posibilidad de una con-

cepción global del espacio. Esto se consigue generando sufientes mapas locales
hasta cubrir un espacio mayor. Generalizando este procedimiento, es posible
cubrir cualquier espacio.
El uso de instrumentos, permite al hombre extender mapas locales contin-

uos, incorporando un mapa local al instrumento que prolonga ”la acción de
la mano”; cosa que, en los animales, dependen de factores no espaciales para
conectar los mapas locales.
Siguendo el pensamiento de Thom, afirmamos que: el espacio euclı́deo, al

ser una forma de continuo geométrico, está presente en nuestra fisiologı́a en la
medida en que posibilita nuestras actividades.
Ahora, los procesos de modelado, como procesos de construcción geométrica,

dependen de nuestra biologı́a, coordinando estos procesos en el espacio de forma
global. Es decir, debido a que los mapas locales se coordinan por medio de este
factor espacial, su reiteración posibilita que el espacio sea un sistema. 5
De esta manera, vemos la posiblidad del desarrollo de modelos matemáticos

al estudio de la morfogénesis urbana, sin que por ello signifique modificación de
la realidad observada.
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.
Ahora, lo que observo es el mapa global.
Como los estudios cuantitativos, muestran la realidad observada, no la ex-

plican, luego muestran un mapa global.
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.
Ambos resultados, cuantitativos y cualitativos, son suseptibles de construir

un modelo del suceso y de ser ajustados con los hechos observados, mediante
simulaciones.
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.
La geometrı́a ha establecido un espacio objetivo y el contacto matemático

con la realidad, se aloja en las estructuras geométricas, porque el espacio euclı́deo,
en la forma del continuo geométrico, preexiste en la constitución de nuestras ac-
tividades, por estar presente en nuestra fisiologı́a. (prioridad ontológica del
continuo geométrico).
Ası́, los procedimientos de construcción geométrica, están en una continuidad

biológica con los procesos modelados por ellos y su culminación en la concepción
global del espacio se caracteriza por el hecho de que, la coordinación de los ma-
pas locales, tiene lugar por medio de un factor espacial: la extensión reiterable
de un mapa local que convierte el espacio en un sistema dinámico.
4.1 Hacia el modelo matemático formal de ciudad

Cuando caminamos por la ciudad viendo y describiendo lo que ocurre, real-
izamos agrupamientos mentales para poder entender, recurrimos a generalizar y
clasificar siguiendo una metodologı́a prefijada, cuyo resultados son esos mapas
globales.
Captamos la forma del hecho observado, su desarrollo, los cambios en que

desaparece una forma para convertirse en otra. En todo los casos, Thom ob-
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.
Según Thom, en el estudio de las formas se impone el concepto de estabili-

dad estructural, la insensibilidad ante las pequeñas perturbaciones. 6
Luego, si somos capaces de descubrir una forma, si podemos representarnos

un objeto, es porque son estructuralmente estables. 7
En la Teorı́a del Caos se estudian los sistemas dinámicos no lineales, es de-

cir, aquellos sistemas cuyo comportamiento no se puede predecir a largo plazo
debido a la presencia de pequeñas perturbaciones o variaciones iniciales en las
condiciones iniciales. La presencia de estas perturbaciones da lugar a un com-
portamiento caótico, lo que significa que el sistema se comporta de manera
impredecible y no determinista.
En el contexto de la morfogénesis urbana, la Teorı́a del Caos se puede

aplicar para modelar los cambios en la distribución y densidad de población en
una ciudad, por ejemplo. En este caso, la ciudad se considera como un sistema
dinámico no lineal en el que pequeñas perturbaciones o variaciones en la dis-
tribución inicial de población pueden dar lugar a cambios significativos en la
estructura y evolución de la ciudad a largo plazo.
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.
La estabilidad estructural es ası́ condición de existencia y de conocimiento. El yo al

cual nos identificamos, el objeto que percibimos, ambos existen en la medida en que son
estructuralmente estables.
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.
5 Construcción de un Modelo Formal

Para construir un modelo matemático formal de la ciudad, se debe partir de la
observación y descripción de las formas estructuralmente estables que se presen-
tan en el entorno urbano. Estas formas pueden ser agrupadas y clasificadas para
su comprensión y análisis, y a partir de ellas se pueden inferir leyes y principios
organizadores.8
Para lo cual recurriremos a métodos cualitativos que describan las propiedades

y comportamientos de las formas observadas, para luego realizar la representación
geométrica del modelo.
Este modelo matemático formal, permitirá expresar lo observado en esti-

madores, cuyas variables irán construyendo los escenarios o mapas globales de la
ciudad, que tomaremos de cortes temporales sincrónicos y diacrónicos. Además,
la coordinación de los mapas locales tendrá lugar por medio de un factor es-
pacial: la extensión reiterable de un mapa local que convierte el espacio en un
sistema dinámico y es aquı́ donde recurriremos a un SIG 9 .
En resumen, nos proponemos empleando las herramientas de la homologı́a,

describir un modelo matemático formal de la ciudad. Dicho modelose basará en
la observación y descripción de formas estructuralmente estables en el entorno
8 (Benzal,2013)
9 UnSIG (Sistema de Información Geográfica) es un conjunto de herramientas y técnicas que
permiten capturar, almacenar, procesar, analizar y visualizar información georreferenciada, es
decir, datos que tienen una ubicación geográfica especı́fica. Los SIG se utilizan para resolver
problemas que tienen una componente espacial, como la planificación territorial, el manejo de
recursos naturales, la gestión de infraestructuras y servicios, el análisis de riesgos, entre otros.
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.
5.1 Lo carcaterı́stico del Modelo a describir

El modelo matemático formal de ciudad se basa en la idea de que la ciudad es
un sistema complejo que puede ser descrito mediante una serie de variables y
relaciones matemáticas. Este modelo se enfoca en la estructura de la ciudad y
en cómo esta estructura evoluciona con el tiempo.
En el modelo, la ciudad es vista como un sistema compuesto por una se-

rie de nodos (barrios, plazas, edificios, etc.) conectados entre sı́ por una red
de caminos y vı́as de transporte. Estos nodos y conexiones son representados
matemáticamente como variables y relaciones en un sistema de ecuaciones.
El modelo matemático formal de ciudad se utiliza para simular y predecir la

evolución de la ciudad en función de diferentes factores externos, como el crec-
imiento demográfico, el cambio en los patrones de uso del suelo, la expansión
de la red de transporte, etc. Estos factores son representados matemáticamente
como variables en el modelo.
5.1.1 Importancia del Modelo desde el punto de vista de la Mor-

fogénesis Urbana
Al utilizar el modelo matemático formal de ciudad, se pueden hacer predicciones
sobre cómo la ciudad evolucionará en el futuro y cómo responderá a diferentes
cambios en el entorno. Además, el modelo permite probar diferentes estrategias
de planificación urbana y evaluar su efectividad en términos de impacto en la es-
tructura de la ciudad. Es decir, el modelo matemático formal de ciudad resulta
ser una herramienta importante para la planificación urbana y la toma de deci-
siones, ya que permite predecir cómo la ciudad evolucionará en el futuro y cómo
diferentes decisiones de planificación afectarán su estructura y funcionamiento.
Resulta de lo expuesto hasta el momento, que esta herramienta conceptual

puede incorporarse a los instrumentos de Análisis Prospectivos 10
10 En este contexto, la prospectiva se refiere a un enfoque metodológico que busca analizar
el futuro a través del estudio de tendencias, escenarios y estrategias. La prospectiva se enfoca

en explorar futuros posibles, probables y deseables para tomar decisiones informadas en el
presente. Esta disciplina utiliza herramientas y técnicas para identificar y analizar tendencias,
factores clave y eventos futuros que pueden afectar el desarrollo de un área o proyecto en
particular. La prospectiva se utiliza en una variedad de campos, incluyendo la planificación
urbana y regional, la gestión ambiental y la toma de decisiones empresariales. Nadré-Clement
Decouflé. La prospectiva. Ed. OIKOS-TAU S.A. 1974
9
5.1.2 Los instrumentos del Análisis Prospectivo
Los principales instrumentos del análisis prospectivo son:
• Escenarios: construcción de posibles futuros a partir de la combinación de

distintas variables y factores.
• Análisis de tendencias: identificación de patrones y tendencias en el pre-
sente para proyectar su evolución en el futuro.
• Análisis de impacto: evaluación de las consecuencias y efectos de posibles
futuros en distintas áreas o sectores.
• Modelos de simulación: utilización de modelos matemáticos o computa-
cionales para simular y predecir el comportamiento de sistemas complejos.
• Análisis de riesgos: evaluación de los riesgos asociados a los posibles fu-
turos y diseño de estrategias para reducirlos o evitarlos.
• Análisis de stakeholders: identificación y análisis de los actores o grupos
de interés que pueden verse afectados por los posibles futuros y diseño de
estrategias para involucrarlos en el proceso de toma de decisiones.
• Delphi: técnica de consulta a expertos para recopilar y analizar opiniones
y perspectivas sobre posibles futuros.
5.1.3 Modelos conceptuales y tecnicas prospectivas

Los modelos conceptuales y las técnicas de análisis prospectivo se pueden uti-
lizar en conjunto para explorar posibles futuros, evaluar las implicaciones de
cada uno, de esta manera contribuye en la toma de decisiones al permitir a los
tomadores de decisiones anticipar y prepararse para posibles cambios futuros
en el entorno urbano. Por ejemplo, se puede utilizar un modelo de crecimiento
urbano para prever cómo podrı́a evolucionar una ciudad en los próximos años.
Luego, se pueden utilizar técnicas de análisis prospectivo, como el escenario de
construcción de narrativas, para explorar diferentes futuros posibles y evaluar
las implicaciones de cada uno.
Supongamos que se está planeando el crecimiento urbano de una ciudad y

se ha desarrollado un modelo conceptual que considera la conectividad y la ac-
cesibilidad de las diferentes áreas de la ciudad. Se pueden utilizar técnicas de
análisis prospectivo para explorar diferentes escenarios futuros. Por ejemplo:
Escenario 1: Crecimiento económico acelerado: Este escenario supone un

fuerte crecimiento económico en la ciudad, lo que lleva a un aumento en la de-
manda de vivienda y un rápido crecimiento urbano. La simulación del modelo
muestra que se requiere una mayor inversión en infraestructura de transporte
y vivienda para mantener la conectividad y la accesibilidad de la ciudad. Se
pueden explorar diferentes opciones de inversión para evaluar el impacto en la
10
conectividad y accesibilidad.
Escenario 2: Cambio demográfico: Este escenario supone una disminución

en la tasa de natalidad y un aumento en la esperanza de vida, lo que lleva
a un envejecimiento de la población. La simulación del modelo muestra que
se requieren cambios en la infraestructura de transporte y vivienda para adap-
tarse a las necesidades de la población envejecida. Se pueden explorar diferentes
opciones de infraestructura para evaluar el impacto en la conectividad y accesi-
bilidad.
Escenario 3: Cambio climático: Este escenario supone un aumento en

la frecuencia e intensidad de los eventos climáticos extremos, como inunda-
ciones y sequı́as. La simulación del modelo muestra que se requieren medidas
de adaptación para garantizar la conectividad y accesibilidad de la ciudad en
caso de eventos climáticos extremos. Se pueden explorar diferentes opciones de
adaptación, como la construcción de diques y la mejora de la infraestructura de
drenaje.
5.2 Hacia un modelo matemático urbano utilizando la Teorı́a

del Caos. ¿Es un planteamiento factible?
La Teorı́a del Caos es una disciplina matemática que se concentra en el estudio
de los sistemas dinámicos no lineales, y se puede aplicar para modelar el crec-
imiento urbano.
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.
En el caso de un modelo matemático urbano, se podrı́an utilizar las

ideas de Thom para representar la dinámica de la mancha urbana y modelar
el crecimiento urbano como un sistema dinámico no lineal. Sin embargo, es
importante destacar que, la complejidad de los sistemas urbanos y la cantidad
de variables que pueden afectar su crecimiento, hacen que sea difı́cil desarrollar
un modelo matemático preciso y detallado.
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?
Uno de esos modelos candidatos puede ser el sistema de difusión de reacción

de Turing, para describir adecuadamente la dinámica del crecimiento urbano.
Otro posible candidadto serı́a emplear ecuaciones diferenciales en el mod-

elo de la mancha urbana puede mejorar la precisión del modelo, siempre y
cuando se tomen en cuenta todas las variables relevantes y se utilice un enfoque
matemático adecuado.
Las ecuaciones diferenciales son una herramienta muy útil en matemáticas

y fı́sicas para describir el cambio y la dinámica de un sistema en función del
tiempo. En el contexto de un modelo de crecimiento urbano, se podrı́an uti-
lizar ecuaciones diferenciales para describir cómo las variables relevantes, como
la densidad de población, la disponibilidad de tierra, la infraestructura, etc.,
cambian con el tiempo.
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.
El análisis de Sistemas Dinámicos y la Teorı́a del Cobordismo pueden

ser herramientas útiles para desarrollar un modelo matemático urbano. La
teorı́a del cobordismo es un enfoque matemático que se utiliza para describir y
analizar las propiedades topológicas de los sistemas dinámicos y sus cambios a
lo largo del tiempo.
En el contexto de un modelo de crecimiento urbano, se podrı́a utilizar la

teorı́a del cobordismo para analizar cómo la topologı́a de la mancha urbana
cambia a lo largo del tiempo, debido a factores como la expansión de la ciu-
dad, la migración de la población, la construcción de nuevas infraestructuras,
etc. Además, se podrı́a emplear el análisis de sistemas dinámicos para describir
cómo las variables relevantes, como la densidad de población, la disponibilidad
de tierra, la infraestructura, etc., interactúan entre sı́ y cambian con el tiempo.
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
(X, y ′ = f (t, y))
es decir, sistemas que representan procesos cuyas variables cambian con el

tiempo procesos, que evolucionan en el tiempo.
Espacios de estados y sistema aplicado de ecuaciones diferenciales, son trata-

dos por la teorı́a cualitativa moderna, Benzal (2013) cita a Smale, S. (1930).
• Trayectoria o órbita
• Serie temporal
• Diagrama de fases
Entendemos por nivel de resolución el spacio face. Es la distinción o sepa-

ración mayor o menor que puede apreciarse entre dos sucesos u objetos próximos
en el espacio al mismo tiempo.
• Flujo.
• Ciclo lı́mite: trayectoria formada por una cuva cerrada periódica.
• Punto de equilibrio estable, asnótcamente estable e inestable.

• Atractor, repulsor, cuencas, separatrices.
6 Aplicación: empleamos análisis de un sistema

dinámico a un modelo urbano reducido
6.1 Lo caracterı́stico del modelo urbano
12
Existen diferentes niveles de organización en la ciudad .
La ciudad, como un sistema, alcanza un estado de equilibrio interno dadas

ciertas condiciones externas. Estas condiciones externas, al cambiar, hacen que
la ciudad cambie, llegando a un nuevo estado de equilibrio.
Es un proceso continuo en la realidad. Para entenderlo, se lo divide en eta-

pas, con objetivos analı́ticos.
12 (Echenique, 1975, p. 157-162)
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.
Hay muchos parámetros que se pueden tomar en cuenta al crear un modelo

matemático urbano, y la elección de los parámetros dependerá de los objetivos
especı́ficos del modelo y de la disponibilidad de datos.
Algunos de los parámetros más comúnmente utilizados incluyen:
• Densidad de la población: La cantidad de personas por unidad de área, que

se puede estimar a partir de datos censales o a partir de datos obtenidos
a partir de imágenes de satélite.
• Ubicación de los centros de empleo: La ubicación de las áreas de trabajo
en la ciudad, que puede afectar la distribución de la población.
• Infraestructura de transporte: La presencia de carreteras, autopistas,
aeropuertos, etc., que pueden influir en la ubicación de la población y
la actividad económica.
• Disponibilidad de terreno: La cantidad de terreno disponible para la con-
strucción de viviendas y edificios comerciales, que puede limitar el crec-
imiento urbano.
• Polı́ticas y regulaciones gubernamentales: Las regulaciones y polı́ticas gu-

bernamentales que pueden limitar o estimular el crecimiento urbano, como
los lı́mites de altura de los edificios o los incentivos fiscales para la con-
strucción de viviendas.
• Cambios en la economı́a: Cambios en la economı́a, como el aumento o la
disminución del empleo o el aumento o la disminución de los precios de la
vivienda, que pueden afectar la distribución de la población y la actividad
económica.
6.2 Aspectos metodológicos

Consideramos la ciudad como un sistema dinámico, y nos preguntamos: ¿que
sistema de ecuaciones diferenciales puede representarla?
Para ello, describiremos el estado del sistema. Lo haremos por puntos de un

espacio de fases en el transcurso del tiempo, de la misma forma que lo hacen los
puntos en el espacio euclideo.
Teniendo en cuenta que, el camino trazado por el punto en el espacio de

fases, representa la evolución del estado del sistema a partir de una condición
14
inicial particular.
Consideramos al conjunto de todos esos caminos, o diagrama de fases. Con

lo que obtenemos una idea cualitativa de lo que le sucede a cualquier condición
inicial posible.
Ahora, empleando un modelo logı́stico de desarrollo poblacional:
• supuestos simplificatorios del modelo

• formulación explı́sita del modelo
• analisis cualitativo del modelo
• bases para la generación de la simulación

• comprobación del modelo
• correccion y ajuste
• nuevo modelo
6.3 Variables relevantes a tener en cuenta

Tenemos en cuanta que, en un modelo de crecimiento urbano, la elección de las
variables relevantes y la forma en que se representan y modelan puede variar
dependiendo del objetivo y el enfoque especı́fico del modelo.
Algunas de ellas podrı́an ser:
• Densidad de población: la cantidad de personas por unidad de superficie.

• Disponibilidad de tierra: la cantidad de tierra disponible para la expansión
urbana.
• Infraestructura: la cantidad y calidad de los servicios y redes de transporte

disponibles.
• Demanda de vivienda: la cantidad de viviendas necesarias para satisfacer
la demanda de la población.
• Zonificación: las regulaciones urbanı́sticas que determinan dónde se pueden
construir nuevas viviendas y edificios.
• Migración de la población: el flujo de personas hacia y desde la ciudad.
• Economı́a: el crecimiento económico y los patrones de consumo de la
población.
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.
6.4 Incorporacón herramienta SIG al modelo

Dispuesto un SIG (Sistema de Información Geográfica) con las variables rele-
vantes, el siguiente paso serı́a construir un modelo matemático.
Consideramos la siguiente posibilidad:
• 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.
• Formular el modelo matemático: Escribir las ecuaciones que representan

las relaciones identificadas entre las variables.
• Verificar y validar el modelo: Verificar la precisión y validez del modelo
utilizando los datos del SIG y comparar los resultados del modelo con los
datos reales.
• Simular escenarios futuros: Utilizar el modelo para simular diferentes es-

cenarios futuros y analizar cómo las variables relevantes podrı́an cambiar
en el tiempo.
• Es importante tener en cuenta que la modelización del crecimiento urbano
puede ser un proceso complejo y requiere una combinación de conocimien-
tos matemáticos y geográficos. Es posible que sea necesario consultar con
expertos en modelización y SIG para ayudar en el proceso.
6.5 Resumiendo
Los aspectos metodológicos de este enfoque incluyen:
1. Considerar la ciudad como un sistema dinámico no lineal y buscar un

sistema de ecuaciones diferenciales que pueda representarla.
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.
4. Utilizar modelos matemáticos, como el modelo logı́stico de desarrollo pobla-

cional, para describir el comportamiento de la ciudad a nivel teórico.
5. Realizar un análisis cualitativo del modelo para entender las posibles
trayectorias y comportamientos del sistema.
6. Utilizar la simulación para generar trayectorias del sistema y comprobar

si se corresponden con las predicciones del modelo.
7. Ajustar y corregir el modelo en caso de que sea necesario y, si es posi-
ble, desarrollar un nuevo modelo que tenga en cuenta las limitaciones del
anterior.
7 Descripción de una metodologı́a basada en TSD

La metodologı́a basada en la Teorı́a de Sistemas Dinámicos (TSD) se utiliza para
modelar el crecimiento urbano como un sistema dinámico complejo. En esta
metodologı́a, se utilizan las herramientas y conceptos de la teorı́a de sistemas
dinámicos para analizar y comprender la evolución temporal de una ciudad.
A continuación, describo algunos de los pasos clave en esta metodologı́a:

• Identificación de variables relevantes: Se identifican las variables
relevantes para el crecimiento urbano, como la población, la densidad de
la población, la disponibilidad de tierra, la infraestructura urbana, entre
otros.
• Formulación de las ecuaciones dinámicas: Se formulan las ecua-
ciones dinámicas que describen la evolución de las variables relevantes en
el tiempo. Estas ecuaciones pueden ser lineales o no lineales, dependiendo
de la complejidad del sistema y de las relaciones entre las variables.
• Análisis de la estabilidad y la atracción: Se analiza la estabilidad y
la atracción de las soluciones de las ecuaciones dinámicas. Esto permite
identificar los puntos de equilibrio y los ciclos en el sistema, ası́ como los
escenarios de crecimiento y decrecimiento a largo plazo.
• Simulación y análisis de escenarios futuros: Se utiliza el modelo
para simular diferentes escenarios futuros y analizar cómo las variables
relevantes podrı́an evolucionar en el tiempo. Esto permite investigar la
sensibilidad del sistema a diferentes factores externos, como la disponibil-
idad de tierra, la infraestructura urbana y la polı́tica urbana.
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.
7.1 Descripción más adecuada

Para modelar el crecimiento urbano utilizando la teorı́a de sistemas dinámicos,
se puede seguir la siguiente metodologı́a:
• Identificar las variables relevantes: Las variables que influyen en el
crecimiento urbano pueden incluir la población, la economı́a, el uso del
suelo, la infraestructura, entre otras. Se debe seleccionar un conjunto de
variables relevantes para el modelo.
• 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.
La metodologı́a descripta anteriormente es una propuesta general para mod-

elar el crecimiento urbano utilizando la teorı́a de sistemas dinámicos. Sin em-
bargo, la metodologı́a óptima dependerá de varios factores, como el objetivo del
modelo, el contexto urbano especı́fico y la disponibilidad de datos.
Es importante adaptar la metodologı́a a las necesidades y caracterı́sticas es-

pecı́ficas del problema en cuestión. Por lo tanto, pueden ser necesarios ajustes o
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.
8.1 Incorporación a la metodologı́a de modelización

Para incorporar la teorı́a del cobordismo en la metodologı́a de modelización del
crecimiento urbano, se pueden seguir los siguientes pasos:
• 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.
8.2 Aspectos topológicos

Para incorporar la teorı́a del cobordismo, se deben considerar los aspectos
topológicos y de conectividad de la ciudad para modelar cómo los cambios en
una zona pueden afectar la accesibilidad y conectividad del resto de la ciudad.
Se puede utilizar la teorı́a del cobordismo para analizar cómo la apertura o
cierre de nuevas áreas urbanas puede afectar la conectividad y accesibilidad de
la ciudad.
————- (MAS REFLEXIÓN EN ESTE ESPECTO) ————
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
Una vez que se han establecido las relaciones de conectividad y se ha incor-

porado la teorı́a del cobordismo, se puede simular el modelo utilizando software
de simulación. Esto permite probar diferentes escenarios y evaluar cómo los
cambios en una zona afectan la conectividad y accesibilidad del resto de la ciu-
dad.
9.0.1 Software de simulación

Existen varios software de simulación que pueden ser utilizados para simular
modelos urbanos, dependiendo de las necesidades especı́ficas del proyecto y de
la experiencia del usuario. Algunos de los software más utilizados incluyen:
• CityEngine: es un software de modelado urbano 3D que permite la creación
de modelos detallados de ciudades y entornos urbanos complejos. Es uti-
lizado para visualización y análisis espacial, y puede integrarse con otras
herramientas SIG.
• UrbanSim: es un software de simulación urbana de código abierto que se
utiliza para modelar el crecimiento urbano, la demanda de transporte y los
patrones de uso del suelo. Está diseñado para ser flexible y fácil de usar,
y permite a los usuarios personalizar los parámetros del modelo según las
necesidades del proyecto.
• SimWalk: es un software de simulación de movilidad peatonal que se
utiliza para modelar el movimiento de personas en espacios urbanos y
edificios. Permite simular diferentes escenarios de tráfico peatonal, lo que
13 Un ejemplo de relación de conectividad en el contexto urbano podrı́a ser la relación entre
la densidad de población y la disponibilidad de transporte público en una determinada zona

de la ciudad. Una mayor densidad de población en una zona podrı́a indicar una mayor
necesidad de transporte público, lo que a su vez podrı́a aumentar la oferta de servicios de
transporte en esa zona, mejorando la conectividad y accesibilidad. De manera similar, una
falta de transporte público en una zona con alta densidad de población podrı́a disminuir la
conectividad y accesibilidad de esa zona, lo que podrı́a tener efectos negativos en el desarrollo
urbano.
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.
9.1 Validar el modelo

Es importante validar el modelo comparando los resultados de la sim-
ulación con datos reales de crecimiento urbano y conectividad. Si el
modelo no se ajusta bien a los datos reales, se deben hacer ajustes en las vari-
ables, las relaciones o los parámetros del modelo.
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.
Sin embargo, al simular el modelo y compararlo con datos reales de crec-

imiento urbano, encontramos que el modelo sobreestima la expansión de la ciu-
dad en ciertas áreas y subestima en otras. Después de investigar y evaluar los
22
datos, descubrimos que la variable de distancia a las zonas verdes no está ade-
cuadamente considerada en el modelo.
Para solucionar este problema, podrı́amos ajustar la variable de distancia a

las zonas verdes en el modelo, aumentando su influencia en las áreas donde se ha
subestimado la expansión urbana. Después de realizar esta corrección, podemos
volver a simular el modelo y compararlo nuevamente con los datos reales para
evaluar su precisión y ajustar aún más las variables o relaciones si es necesario.
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.
9.2 Ejemplificación: modelo simplificado [luego se genera

programa de simulación]
Ejemplificamos con un modelo matemático simplificado utilizando la metodologı́a
descrita anteriormente.
Supongamos que queremos modelar el crecimiento urbano de una ciudad con

tres áreas urbanas: A, B y C. Para esto, identificamos las siguientes variables
relevantes:
Población (en miles de habitantes) de cada área urbana: PA , PB y PC .
Ingreso per cápita (en miles de dólares) de cada área urbana: IA , IB y IC . Área
(en kilómetros cuadrados) de cada área urbana: AA , AB y AC .
Las relaciones entre estas variables pueden definirse de la siguiente manera:
La tasa de crecimiento de la población de cada área urbana depende del
ingreso per cápita y del área:
dPA
= k 1 · I A · AA
dt
dPB
= k2 · IB · AB
dt
dPC
= k3 · IC · AC
dt
donde k1 , k2 y k3 son constantes de proporcionalidad.
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
El área de cada área urbana depende de la tasa de crecimiento de la población:

dAA dPA
= k7 ·
dt dt
dAB dPB
= k8 ·
dt dt
dAC dPC
= k9 ·
dt dt
Además, se puede incorporar la teorı́a del cobordismo y establecer las rela-

ciones de conectividad entre las áreas urbanas. Por ejemplo, se puede definir
la accesibilidad entre las áreas urbanas como inversamente proporcional a la
distancia entre ellas.
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.
9.3 Supuestos simplificatorios

Consideraremos solo aquellas variables que sean relevantes al objetivo de este
trabajo monográfico, incluyendolas en el modelo a proponer.
No obstante, un modelo estructurado de esta forma, no corresponde propi-

amente al modelo de ciudad.
9.4 Formulación explı́sita del Modelo

Variables:
POBLACIÓN (con caracterı́sticas demográficas localizadas en la población

regional):
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:
• no se excluyen los determinismos locales
• 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
k: tasa de crecimiento entre 0 y 4
h: empleo (XXX)
9.5 Análisis cualitativo del Modelo

Bases para la generación de la simulación
9.6 Ultimas observaciones: comprobación, corrección, ajuste

y nueva propuesta
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.
Este razonamiento proporciona coherencia y consistencia en la argumentación,

al estar relacionados con el tema de sistemas dinámicos, especı́ficamente en
el contexto de la dinámica de poblaciones y la dinámica urbana al abordar
el comportamiento no lineal y caótico de estos sistemas, y cómo los modelos
matemáticos pueden ser una herramienta útil para analizar su comportamiento y
hacer predicciones. Además, se menciona cómo los modelos cualitativos pueden
ser utilizados para describir la estructura espacial urbana en casos especı́ficos.
COMPLETAR: el análisis de la mancha urbana desde el punto de vista

topológico, clasificación formas topologicas ubicarlas en variedades———-
26
11 LINEAS DE RAZONAMIENTOS POSIBLES
11.1 A
Algunas posibles ideas para continuar desarrollando el modelo:
Considerar la influencia de factores externos: El modelo presentado anteri-

ormente no considera la influencia de factores externos como la migración, la
inversión extranjera, el cambio climático, entre otros. Serı́a interesante incor-
porar estos factores externos en el modelo para tener una visión más completa
y realista del crecimiento urbano.
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.
Validar el modelo con datos empı́ricos: El modelo propuesto es una rep-

resentación simplificada de la realidad y es importante validarlo con datos
empı́ricos para asegurarnos de que esté capturando adecuadamente los pro-
cesos de crecimiento urbano. Para ello, se podrı́a comparar la evolución del
crecimiento urbano modelado con la evolución real de ciudades en diferentes
momentos históricos.
Incorporar aspectos sociales y culturales: El modelo presentado se enfoca

principalmente en factores económicos, pero se podrı́a incorporar aspectos so-
ciales y culturales para tener una visión más completa del crecimiento urbano.
Por ejemplo, se podrı́a incorporar la influencia de la cultura local en la formación
de asentamientos urbanos o el impacto de las polı́ticas públicas en la calidad de
vida de la población.
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.
11.2 Otra forma de A, ¿se complementa?

Considerando los planteos realizados anteriormente, se podrı́a proponer un en-
foque que combine aspectos económicos y sociales del crecimiento urbano.
Algunas posibles ideas para este enfoque son:
• Incorporar la influencia de factores sociales y culturales: El modelo podrı́a

incluir variables que capturen aspectos sociales y culturales del crecimiento
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.
11.2.1 INCORPORO ASPECTOS ECONÓMICOS Y SOCIALES

Una posible propuesta que combine aspectos económicos y sociales del crec-
imiento urbano podrı́a consistir en desarrollar un modelo que incluya las sigu-
ientes variables:
• La tasa de crecimiento poblacional: Esta variable estarı́a relacionada con

factores económicos como el empleo y la inversión, pero también con fac-
tores sociales como la calidad de vida y la oferta cultural.
• La oferta de vivienda: Esta variable estarı́a relacionada con factores económicos
como la inversión en construcción, pero también con factores sociales
como la demanda por viviendas asequibles y la calidad de las viviendas
disponibles.
• La segregación socioeconómica: Esta variable estarı́a relacionada con fac-
tores económicos como la distribución del ingreso, pero también con fac-
tores sociales como la discriminación y la exclusión social.
• La oferta cultural: Esta variable estarı́a relacionada con factores sociales
como la calidad de vida y la identidad cultural de la población, pero
también con factores económicos como la inversión en turismo y cultura.
• La oferta de transporte público: Esta variable estarı́a relacionada con
factores económicos como la inversión en infraestructura, pero también
con factores sociales como la accesibilidad y la inclusión social.
Estas variables podrı́an ser modeladas utilizando la teorı́a de sistemas dinámicos,
de manera que se pueda evaluar cómo interactúan y cómo evolucionan en el
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.
Una propuesta que combine aspectos económicos y sociales del crecimiento

urbano podria incluir un modelo que simule la evolución de variables rela-
cionadas con el crecimiento poblacional, la oferta de vivienda, la segregación
socioeconómica, la oferta cultural y la oferta de transporte público.
11.2.2 -2- ejemplifico 1

Tomando como base la ultima propuesta, podemos construir un modelo matemático
para simular la evolución de las variables relacionadas con el crecimiento urbano.
A continuación se presentan las ecuaciones correspondientes:

dP P
= rP 1 − − γP S
dt K
dV
= µV − θP − σV
dt

dS P
=α S − βV S
dt K
dC
= ξV − δC
dt

dT P
=ω T − ηT
dt K
Donde:
P : Población de la ciudad
V : Oferta de vivienda
S: Índice de segregación socioeconómica
C: Oferta cultural
T : Oferta de transporte público
K: Capacidad de carga de la ciudad 14
14 La capacidad de carga o de sustentación de una especie biológica en un ambiente es el
tamaño máximo de población que el ambiente puede soportar indefinidamente en un periodo

determinado, teniendo en cuenta el alimento, agua, hábitat, y otros elementos necesarios
disponibles en ese ambiente. En biologı́a de poblaciones la capacidad de carga se define como
la carga máxima del ambiente, que es diferente del concepto de equilibrio de la población.
La de los humanos en la Tierra es dependiente de la infraestructura tecnológica de la que
disponga entre otros factores.
Por ”Capacidad de carga de la ciudad” se hace referebcia a la población humana y a veces se
consideran variables más complejas como la atención médica y saneamiento. A medida que
aumenta la densidad de población, la tasa de natalidad a menudo disminuye y generalmente
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
Estas ecuaciones representan cómo evolucionan las diferentes variables en

función del tiempo y cómo se relacionan entre sı́. Por ejemplo, la primera
ecuación muestra que la tasa de crecimiento poblacional depende de la tasa de
natalidad, la tasa de mortalidad y la interacción social, mientras que la segunda
ecuación muestra que la oferta de vivienda depende de la tasa de construcción,
la absorción por parte de la población y la depreciación de las viviendas exis-
tentes. Las ecuaciones restantes se pueden interpretar de manera similar.
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.
12 Modelo urbano empleando HOMOLOGIA

Es posible desarrollar un modelo urbano empleando homologı́a. La homologı́a
es una herramienta matemática que permite identificar similitudes entre formas
y estructuras en diferentes escalas. En el contexto urbano, se puede utilizar
para analizar la distribución de diferentes tipos de edificios y espacios públicos
en una ciudad, y cómo estos se relacionan entre sı́.
Para construir un modelo urbano utilizando homologı́a, se podrı́a seguir los

siguientes pasos:
aumenta la tasa de mortalidad. La diferencia entre la tasa de natalidad y la tasa de mortalidad
es el crecimiento natural. La capacidad de carga podrı́a soportar un crecimiento natural
positivo, o podrı́a requerir un aumento natural negativo. Por lo tanto, la capacidad de carga
es el número de individuos que un entorno puede soportar sin efectos negativos significativos
para el organismo dado y su entorno. Por debajo de la capacidad de carga las poblaciones
normalmente aumentan, mientras que por encima, por lo general disminuyen. Un factor que
mantiene el tamaño de la población en equilibrio se conoce como factor de regulación o factor
limitante. El tamaño de la población disminuye por encima de la capacidad de carga debido a
una serie de factores en función de la especie en cuestión, estos pueden incluir factores abióticos
como la falta de espacio, el suministro de alimentos o la luz del sol; o factores bióticos, como
la competencia intraespecı́fica y la competencia interespecı́fica.
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.
También se puede utilizar la homologı́a para estudiar la relación entre difer-

entes ciudades y regiones, y cómo evolucionan a lo largo del tiempo. Esto puede
ser especialmente útil en la planificación regional y en la toma de decisiones en
materia de polı́ticas.
En resumen, la utilización de la homologı́a en la modelización urbana puede

proporcionar una perspectiva valiosa para entender la complejidad de las ciu-
dades y sus interconexiones, y ayudar en la toma de decisiones informadas sobre
el desarrollo urbano y la planificación regional.
12.1 Breve explicación de cómo se podrı́a construir un

ejemplo usando homologı́a.
Supongamos que queremos estudiar la estructura de una red de transporte ur-
bano.
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.
Luego, se aplicarı́a la teorı́a de homologı́a para analizar la estructura de la

red de transporte. Por ejemplo, se podrı́a calcular la dimensión de Betti cero,
que representa el número de componentes conexos en la red. También se podrı́a
calcular la dimensión de Betti uno, que representa el número de ciclos indepen-
dientes en la red, lo que podrı́a ser importante para determinar las rutas de
tráfico más eficientes.
La teorı́a de homologı́a podrı́a ser utilizada para analizar la estructura de

una red de transporte urbano y proporcionar información útil para la planifi-
cación y gestión del transporte en una ciudad.
12.2 INDICADORES modelo urbano basado en HOMOLOGÍA

Los indicadores a considerar en un modelo urbano basado en homologı́a pueden
variar dependiendo del enfoque y la finalidad del estudio.
Algunos posibles indicadores a considerar son:

• Área urbana total: tamaño del área construida en la ciudad.
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.
• Índice de desarrollo humano: indicador que mide el nivel de vida, salud y

educación de los habitantes de la ciudad.
• Nivel de seguridad: tasa de delitos y crı́menes en la ciudad.
• Movilidad y transporte: cantidad y calidad de infraestructuras y servicios

de transporte en la ciudad.
• Acceso a servicios básicos: acceso a servicios como agua, electricidad,
saneamiento y salud.
• Economı́a: nivel de actividad económica y empleo en la ciudad.
• Impacto ambiental: emisiones de gases de efecto invernadero, consumo de

energı́a y otros factores ambientales.
Es importante elegir indicadores que sean relevantes para el objetivo del
estudio y que estén disponibles en datos confiables y precisos. Además, la se-
lección de indicadores también debe considerar la disponibilidad de recursos y
la capacidad de medición y seguimiento.
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?
Por ese motivo analizamos el tabajo centrado en la propuesta por Jianxi

Gao (1984) para describir la dinámica de los sistemas de control no lineales.
Esta ecuación se conoce también como la ”Ecuación de Gao-Lin” o ”Ecuación
de Gao-Lin-Chen”.
La ecuación de Gao-Lin-Chen es una ecuación diferencial no lineal de se-

gundo orden que describe el comportamiento caótico de algunos sistemas dinámicos.
Su forma matemática es:
x′′ (t) + f [x′ (t)] + g[x(t)] = p(t)
donde x(t) representa la variable de estado del sistema, f [x′ (t)] y g[x(t)] son
funciones no lineales que modelan las fuerzas que actúan sobre el sistema, p(t)
es una señal de entrada y x′′ (t) es la segunda derivada de x(t) con respecto al
tiempo.
Esta ecuación es utilizada en diversas áreas de la ingenierı́a, fı́sica y matemáticas

para modelar sistemas dinámicos complejos y caóticos, como la dinámica de flu-
idos, la electrónica, la biologı́a, entre otras.
Es importante destacar que la ecuación de Gao-Lin-Chen es solo una de las

muchas ecuaciones que se utilizan para describir la dinámica de los sistemas
dinámicos no lineales. Cada ecuación tiene sus propias suposiciones, limita-
ciones y aplicaciones, y debe ser seleccionada y adaptada cuidadosamente a la
situación especı́fica que se está estudiando.
13.1 Consideramos el siguiente marco conceptual respecto

a Gao.
Jianxi Gao es un cientı́fico de redes y profesor de ingenierı́a eléctrica, informática
y sistemas en el Instituto Politécnico Rensselaer (RPI) en Troy, Nueva York,
Estados Unidos. Obtuvo su Licenciatura y Maestrı́a en Ciencias en la Univer-
sidad de Ciencia y Tecnologı́a de China, y su Doctorado en Ingenierı́a Eléctrica
en la Universidad de Minnesota.
El enfoque de investigación de Gao se centra en la teorı́a y aplicaciones de

las redes de comunicaciones, incluyendo la teorı́a de la información, la teorı́a
de control de sistemas, la optimización y la teorı́a de grafos. Ha publicado
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.
Además de su trabajo académico, Gao también es un miembro activo de la

comunidad cientı́fica y ha participado en varias actividades de servicio profe-
sional. Ha servido como editor asociado de varias revistas cientı́ficas, y ha sido
miembro de comités técnicos y organizativos de numerosas conferencias inter-
nacionales en su campo de investigación.
La información más reciente disponible en su perfil de la página de la facultad

de RPI es que se unió a la universidad en 2001.
13.1.1 La ecuación de Gao

La ecuación de Gao es una fórmula matemática que se utiliza para modelar
la propagación de información en una red social. La ecuación se basa en la
suposición de que la probabilidad de que una persona se contagie de una infor-
mación depende tanto de la cantidad de contactos que tenga con otros individuos
como de la ”influencia” de cada contacto. La ecuación es la siguiente:
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.
p es la probabilidad de que una persona se contagie de la información a través

de un solo contacto. k es el número de contactos que tiene una persona en la
red. m es la ”influencia” de cada contacto, que se mide como la probabilidad
de que una persona con la que se entra en contacto se contagie de la información.
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.
La ecuación de Gao y otros modelos similares de redes sociales se utilizan

a menudo como una analogı́a para modelar la propagación de especies o enfer-
medades en un ecosistema. En este caso, la ”información” que se propaga no es
un mensaje o una idea, sino una especie o una enfermedad que se transmite de
un individuo a otro en la red ecológica.
Por ejemplo, se podrı́a modelar la propagación de una enfermedad infecciosa

entre los animales de un ecosistema utilizando una ecuación similar a la de Gao,
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.
En general, la modelización de ecosistemas a menudo se basa en el uso de

modelos matemáticos que representan la interacción entre las diferentes especies
y factores ambientales. Estos modelos pueden ser muy complejos y se basan en
una serie de suposiciones y simplificaciones para hacerlos más manejables. La
precisión de las predicciones resultantes depende de la calidad de los datos de
entrada y de la adecuación de las suposiciones y simplificaciones utilizadas en
el modelo.
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.
El cálculo de estas medidas puede ser extremadamente costoso en términos

de tiempo y recursos computacionales, especialmente en redes muy grandes y
complejas. Gao y su equipo han desarrollado un método para comprimir miles
de cálculos en uno solo al unir todas las interacciones en un solo promedio pon-
derado. Esta técnica se llama ”promedio ponderado generalizado” (Promedio
Ponderado Generalizado, en español) (Generalized Weighted Average, GWA,
por sus siglas en inglés). Es un método que se utiliza para obtener una medida
agregada de una red compleja, como una red de interacciones entre especies en
un ecosistema.
El GWA reduce significativamente el tiempo de cálculo y mejora la eficiencia

de la simulación de redes complejas. En lugar de calcular medidas de centrali-
dad para cada nodo individual, el GWA utiliza un promedio ponderado de las
interacciones de cada nodo con todos los demás nodos de la red. De esta man-
era, se puede obtener una medida de centralidad para toda la red en un solo
cálculo.
El GWA se ha aplicado con éxito en una variedad de campos, desde la bi-

ologı́a molecular hasta la ciencia polı́tica y la economı́a. Al permitir el cálculo
eficiente de medidas de centralidad en redes complejas, el GWA tiene el poten-
cial de mejorar la comprensión de la dinámica de la red y de las interacciones
que ocurren en ella.
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.
En la biologı́a molecular, las proteı́nas interactúan entre sı́ para realizar

diversas funciones celulares. La comprensión de las interacciones proteı́na-
proteı́na es esencial para comprender cómo se organizan y funcionan las células
y cómo se pueden desarrollar tratamientos médicos para enfermedades.
Para estudiar las interacciones proteı́na-proteı́na, los investigadores con-

struyen redes de proteı́nas en las que cada proteı́na es un nodo y las interacciones
entre ellas son las aristas. Luego, se calculan diversas medidas de centralidad
para cada proteı́na, como el grado y la intermediación, para comprender su im-
portancia en la red.
Sin embargo, el cálculo de estas medidas puede ser extremadamente costoso

en redes muy grandes y complejas. Aquı́ es donde el GWA puede ser útil. En
lugar de calcular medidas de centralidad para cada proteı́na individual, el GWA
utiliza un promedio ponderado de las interacciones de cada proteı́na con todas
las demás proteı́nas de la red. De esta manera, se puede obtener una medida
de centralidad para toda la red en un solo cálculo.
Este enfoque es más eficiente y rápido que el cálculo de medidas de cen-

tralidad para cada proteı́na individualmente. Además, el GWA también puede
identificar proteı́nas importantes que no son fácilmente detectables utilizando
otros métodos, lo que puede tener implicaciones importantes para el desarrollo
de tratamientos médicos.
En el contexto de la ecologı́a, el método del promedio ponderado general-

izado (GWA) se puede utilizar para estudiar la dinámica de los ecosistemas y
cómo cambian con el tiempo.
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.
Luego, utilizando el GWA, los investigadores pueden obtener medidas agre-

gadas de la estabilidad y la robustez del ecosistema en su conjunto, en lugar de
calcular estas medidas para cada especie individualmente. Esto puede propor-
cionar información valiosa sobre cómo las perturbaciones, como la introducción
de una especie invasora o el cambio climático, pueden afectar a todo el ecosis-
tema.
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.
Es ası́ que, el GWA es una herramienta útil para modelar y comprender

la dinámica de los ecosistemas, proporcionando una forma eficiente de obtener
información valiosa sobre la estabilidad y la robustez de los ecosistemas y la
identificación de especies crı́ticas para la conservación.
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.
El GWA se utiliza comúnmente en el estudio de redes biológicas, como re-

des metabólicas, redes de interacciones entre proteı́nas y redes de interacciones
entre especies en un ecosistema. Por ejemplo, en una red de interacciones en-
tre especies, el GWA puede utilizarse para calcular la estabilidad o la robustez
del ecosistema en su conjunto, en lugar de analizar cada especie individualmente.
El GWA es un método eficiente porque reduce la complejidad de la red al

promediar todas las interacciones en una sola medida. Esto es útil porque las
redes complejas pueden tener miles o incluso millones de nodos y aristas, lo que
hace que sea difı́cil analizarlas en detalle. El GWA permite a los investigadores
obtener una medida resumida y comprensible de la red.
En resumen, el GWA es un método que se utiliza para obtener una medida

agregada de una red compleja, como una red de interacciones entre especies en
un ecosistema. Esto ayuda a reducir la complejidad de la red y permite a los
investigadores obtener una medida resumida de la estabilidad o la robustez del
ecosistema en su conjunto.
13.1.4 Ejemplo2 que aplica GWA

Supongamos que tenemos una red de interacciones entre tres especies en un
ecosistema y queremos calcular su promedio ponderado generalizado (GWA).
La red se puede representar mediante una matriz de adyacencia A, donde Ai j
representa la fuerza de la interacción entre las especies i y j.
La ecuación para calcular el GWA de la red se puede escribir como:
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
Finalmente, podemos calcular el GWA utilizando la ecuación:

Pn Pn
i=1 j=1 wij Aij 27
GW A = Pn Pn = ≈ 1.29 (6)
i=1 j=1 w ij 21
Por lo tanto, el GWA de esta red de interacciones entre tres especies es
aproximadamente 1.29.
El número que se obtuvo al realizar el cálculo de GWA representa la eficien-

cia de la red. Especı́ficamente, se interpreta como la fracción de la cantidad total
de recursos que es transferida a través de la red. Un valor de GWA cercano a 1
indica que la red es altamente eficiente, es decir, la mayorı́a de los recursos son
transferidos de forma efectiva entre los nodos. Por otro lado, un valor de GWA
cercano a 0 indica que la red es poco eficiente, es decir, la mayor parte de los
recursos no son transferidos efectivamente. Por lo tanto, el valor de GWA puede
servir para evaluar el funcionamiento de la red y la efectividad de su estructura
en la transferencia de recursos.
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.
La fórmula para calcular el ı́ndice QWA es:

Pn
wi qi
QW A = Pi=1 n
i=1 wi
Donde wi representa el peso de cada especie y qi representa la calidad de
hábitat para esa especie.
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:
Supongamos que las tres especies son:
Especie 1 con peso w1 = 2 y calidad de hábitat q1 = 0.8

Entonces, el ı́ndice QWA serı́a:
(2)(0.8) + (3)(0.6) + (1)(0.9)

QW A = = 0.68
2+3+1
Lo que indica una calidad de hábitat promedio ponderada de 0.68 en la
comunidad de tres especies.
13.3 Discusión sobre implementación de Flujos de Anosov

¿Que son los FLUJOS DE ANOSOV?
En matemáticas, los flujos de Anosov son un tipo de sistemas dinámicos

que se estudian en la teorı́a de sistemas dinámicos y la geometrı́a hiperbólica.
Fueron introducidos por el matemático ruso Dmitry Anosov en la década de
1960. Estos flujos tienen propiedades interesantes relacionadas con la expansión
y la contracción de los espacios en los que se definen. 15
15 Expresado de otra forma, los flujos de Anosov son sistemas dinámicos caracterizados por
la existencia de subespacios invariantes con tasas de expansión y contracción controladas.

Estos flujos tienen propiedades interesantes y han sido ampliamente estudiados en la teorı́a
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.
Más precisamente, un flujo de Anosov en una variedad diferenciable M está

dado por un campo vectorial suave V definido en M, junto con una descom-
posición de la tangente en cada punto de M en tres subespacios: el subespacio
estable, el subespacio inestable y el subespacio central. Estos subespacios son
invariantes bajo el flujo y están relacionados con las tasas de expansión y con-
tracción en diferentes direcciones.
El subespacio estable está asociado con la contracción bajo el flujo, lo que

significa que los vectores en este subespacio se vuelven más pequeños a medida
que el tiempo avanza. El subespacio inestable, por otro lado, está asociado con
la expansión bajo el flujo, lo que significa que los vectores en este subespacio se
vuelven más grandes a medida que el tiempo avanza. El subespacio central es un
subespacio complementario que no se expande ni se contrae significativamente.
La propiedad clave de un flujo de Anosov es que las tasas de expansión y

contracción están controladas y son uniformes en toda la variedad. Esto sig-
nifica que no hay ”cuellos de botella” ni regiones en las que el flujo se comprima
o se expanda excesivamente. Esta propiedad tiene importantes implicaciones
geométricas y topológicas, y permite estudiar propiedades estructurales de los
flujos de Anosov, como la ergodicidad y la mezcla.
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.
En una ciudad, el flujo de Anosov puede considerarse como una metáfora

de sistemas dinámicos y la geometrı́a hiperbólica.
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.
La ciudad, en este enfoque, se considera una variedad diferenciable en la

que los flujos de Anosov actúan. Los diferentes vecindarios, distritos y áreas
urbanas pueden corresponder a los subespacios invariantes del flujo de Anosov.
Estos subespacios pueden ser interpretados como regiones de la ciudad con car-
acterı́sticas particulares, como tasas de crecimiento de población, niveles de
desarrollo económico o patrones de movimiento especı́ficos.
La contracción y la expansión asociadas con los flujos de Anosov pueden

representar las áreas de la ciudad que experimentan un rápido crecimiento y
desarrollo (expansión) y aquellas que sufren declive y deterioro (contracción).
La interacción entre estos subespacios invariantes puede generar una dinámica
caótica y compleja en el desarrollo urbano, en la que las diferentes partes de la
ciudad influyen y afectan mutuamente su evolución.
Al estudiar los flujos de Anosov en el contexto de una ciudad, es posible

analizar las propiedades estructurales de la misma, como la conectividad, la efi-
ciencia del transporte, la segregación espacial y otros aspectos relevantes para
comprender su desarrollo caótico. Además, la teorı́a del caos puede ayudar a
explicar fenómenos urbanos impredecibles, como congestiones de tráfico, fluc-
tuaciones económicas locales o cambios abruptos en los patrones de uso del suelo.
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.
—————– MODIFICACION DEL TEXTO ANTERIOR
Aunque los flujos de Anosov son más comúnmente estudiados en el contexto

de sistemas dinámicos abstractos, se pueden encontrar analogı́as y conceptos
útiles al aplicarlos a sistemas urbanos complejos.
En una ciudad, el flujo de Anosov puede considerarse como una metáfora

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-
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.
La ciudad, en este enfoque, se considera una variedad diferenciable en la

que los flujos de Anosov actúan. Los diferentes vecindarios, distritos y áreas
urbanas pueden corresponder a los subespacios invariantes del flujo de Anosov.
Estos subespacios pueden ser interpretados como regiones de la ciudad con

caracterı́sticas particulares, como tasas de crecimiento de población, niveles de
desarrollo económico o patrones de movimiento especı́ficos.
La contracción y la expansión asociadas con los flujos de Anosov pueden

representar las áreas de la ciudad que experimentan un rápido crecimiento y
desarrollo (expansión) y aquellas que sufren declive y deterioro (contracción).
La interacción entre estos subespacios invariantes puede generar una dinámica
caótica y compleja en el desarrollo urbano, en la que las diferentes partes de la
ciudad influyen y afectan mutuamente su evolución.
Al estudiar los flujos de Anosov en el contexto de una ciudad, es posible

analizar las propiedades estructurales de la misma, como la conectividad, la efi-
ciencia del transporte, la segregación espacial y otros aspectos relevantes para
comprender su desarrollo caótico. Además, la teorı́a del caos puede ayudar a
explicar fenómenos urbanos impredecibles, como congestiones de tráfico, fluc-
tuaciones económicas locales o cambios abruptos en los patrones de uso del suelo.
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.
COMPLETAR CON TEXTOS DE FLUJO ANOSOV
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

Hacia Un Modelo Urbano

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Hacia Un Modelo Urbano

Cargado por

Copyright:

Formatos disponibles

HACIA UN MODELO MATEMÁTICO

El lenguaje matemático, posibilita una crı́tica objetiva, ordenada y colabo-

En Urbanismo ciudad es un concepto primitivo, y se define como un sistema

Entendemos por sistema, conjuntos de elementos relacionados.

De los sistemas, consideraremos una de sus propiedades caracterı́sticas: tien-

La teorı́a estadı́stica de Bolztmann (1871) y la teorı́a dinámica de Poincairé

La utilidad de los modelos matemáticos en el proceso de planificación urbana.

Se destaca la capacidad de estos modelos para describir la estructura espa-

Estos modelos deben ser confrontados con la práctica para comprobar su

Considerar la ”ciudad” como un sistema complejo, es decir que la ”ciudad”

Una propiedad caracterı́stica de los sistemas, que es su tendencia a modificar

Ası́ podemos afirmar la importancia de comprender la complejidad de las ciu-

Uno de los conceptos que subyasen este artı́culo es el de estabilidad es-

diseño y la planificación de espacios urbanos con el objetivo de promover la equidad social, la

Los modelos de crecimiento urbano son en su mayorı́a complejos y requieren

La mancha formada por la iluminación nocturna de una ciudad se puede

Por ejemplo, un enfoque posible serı́a utilizar un modelo de distribución de

Además, se pueden utilizar modelos de crecimiento urbano más complejos

Notamos que, cualquiera que sea el tipo de razonamiento matemático que se

Entendemos por mapa local, aquella simulación de la posición del organ-

Lo que justifica la aparición de las matemáticas es la posibilidad de una con-

El uso de instrumentos, permite al hombre extender mapas locales contin-

Siguendo el pensamiento de Thom, afirmamos que: el espacio euclı́deo, al

Ahora, los procesos de modelado, como procesos de construcción geométrica,

De esta manera, vemos la posiblidad del desarrollo de modelos matemáticos

Ahora, lo que observo es el mapa global.

Como los estudios cuantitativos, muestran la realidad observada, no la ex-

Ambos resultados, cuantitativos y cualitativos, son suseptibles de construir

La geometrı́a ha establecido un espacio objetivo y el contacto matemático

Ası́, los procedimientos de construcción geométrica, están en una continuidad

4.1 Hacia el modelo matemático formal de ciudad

Captamos la forma del hecho observado, su desarrollo, los cambios en que

Según Thom, en el estudio de las formas se impone el concepto de estabili-

Luego, si somos capaces de descubrir una forma, si podemos representarnos

En la Teorı́a del Caos se estudian los sistemas dinámicos no lineales, es de-

En el contexto de la morfogénesis urbana, la Teorı́a del Caos se puede

La estabilidad estructural es ası́ condición de existencia y de conocimiento. El yo al

5 Construcción de un Modelo Formal

Para lo cual recurriremos a métodos cualitativos que describan las propiedades

Este modelo matemático formal, permitirá expresar lo observado en esti-

En resumen, nos proponemos empleando las herramientas de la homologı́a,

5.1 Lo carcaterı́stico del Modelo a describir

En el modelo, la ciudad es vista como un sistema compuesto por una se-

El modelo matemático formal de ciudad se utiliza para simular y predecir la

5.1.1 Importancia del Modelo desde el punto de vista de la Mor-

Resulta de lo expuesto hasta el momento, que esta herramienta conceptual

el futuro a través del estudio de tendencias, escenarios y estrategias. La prospectiva se enfoca

• Escenarios: construcción de posibles futuros a partir de la combinación de

5.1.3 Modelos conceptuales y tecnicas prospectivas

Supongamos que se está planeando el crecimiento urbano de una ciudad y

Escenario 1: Crecimiento económico acelerado: Este escenario supone un

Escenario 2: Cambio demográfico: Este escenario supone una disminución

Escenario 3: Cambio climático: Este escenario supone un aumento en

5.2 Hacia un modelo matemático urbano utilizando la Teorı́a

En el caso de un modelo matemático urbano, se podrı́an utilizar las

Uno de esos modelos candidatos puede ser el sistema de difusión de reacción

Otro posible candidadto serı́a emplear ecuaciones diferenciales en el mod-

Las ecuaciones diferenciales son una herramienta muy útil en matemáticas

El análisis de Sistemas Dinámicos y la Teorı́a del Cobordismo pueden

En el contexto de un modelo de crecimiento urbano, se podrı́a utilizar la

(X, y ′ = f (t, y))

es decir, sistemas que representan procesos cuyas variables cambian con el

Espacios de estados y sistema aplicado de ecuaciones diferenciales, son trata-