El análisis de la marcha es una herramienta fundamental en medicina de rehabilitación. Facilita el diagnóstico, tratamiento, seguimiento e implementación de metodologías que ayuden a mitigar el efecto de patologías asociadas con el movimiento. Este análisis utiliza una cuantificación sistemática, seguimiento e interpretación de la secuencia temporal de movimientos que caracterizan la locomoción humana. Este análisis requiere de una colección de datos cinemáticas y cinéticos que describen los desplazamientos, ´ángulos y fuerzas ejercidas sobre las extremidades inferiores y sus articulaciones en un ciclo de marcha. Estos datos son obtenidos de tres fuentes principales de información: Video, Electromiografía Dinámica (EMG) y plataformas de fuerza, las cuales son analizadas en un reporte clínico. Sin embargo, el análisis de la marcha humana y la interpretación de sus patrones dinámicos es completamente dependiente de la experiencia del especialista. Para lograr ´esta experiencia, se requiere de un extenso entrenamiento por varios años, junto con la necesidad de contar con un número grande de pacientes con diferentes patrones y patologías que permitan al especialista en entrenamiento identificar las características de cada movimiento (Patrón de marcha) con cierto grado de certeza. Una estrategia para reducir el tiempo de entrenamiento y el número de pacientes requeridos es el uno de herramientas computacionales modernas que optimicen la interacción y el aprendizaje. La formulación e implementación de modelos que describan la dinámica de la marcha normal y patológica hace parte de ´esta estrategia. Esta tesis desarrolla un modelo computacional de la marcha humana que permite describir movimientos normales y patológicos usando una representación biomecánica simple para describir el completamente el desplazamiento del CoG, y un sistema de cinemática inversa para obtener una descripción clínica de la marcha (Patrones de marcha).Abstract. The gait analysis is an essential tool in clinical rehabilitation. It facilitates the diagnosis, treatment, monitoring and implementation of methodologies that mitigate the effect of some pathologies associated with the movement. This analysis use a systematic quantification, follow up and interpretation of the temporal sequence of movements that characterize human locomotion. This analysis requires a collection of kinematic and kinetic data that describes the displacements, angles and forces on the lower limbs and its joints during a gait cycle. These data are obtained from three primary sources of information: video, Electromyography (EMG) and force platforms[4], which are analyzed in a clinical report. However, the human gait analysis and the interpretation of its dynamic patterns are completely dependent on the experience of the specialist. To get this experience, it is required an expensive training for several years, coupled with the need to have a high number of patients with different patterns and pathologies that allow the training specialist to identify the characteristics of each movement (Gait Patterns) with certain degree of certainty. A strategy for reducing training time and the required number of patients is the use of modern computational tools that optimize the interaction and therefore learning. The formulation and implementation of models that describe the dynamics of the normal and pathological gait, are part of this strategy. This thesis aims to develop a computational model of human gait that allow to describe normal and pathological movements using a simple biomechanic representation to describe completely the CoG displacement, and a inverse kinematic approach to obtain the clinical gait description (Kinematic Gait Patterns).