Computaci´ on y M´etodos Num´ericos

P56, libre elecci´ on
Notas de clase y tareas
M. Araceli Gar´ın
Prof. Titular de Econom´ıa Aplicada
Dpto. Econom´ıa Aplicada III
Fac. CC. Econ´omicas y Empresariales
Bilbao
´
Indice general
1. Nociones b´ asicas sobre algoritmos 1
1.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. ¿Qu´e es un algoritmo? Medidas de eficiencia . . . . . . . . . . 2
1.3. Complejidad. Complejidad computacional . . . . . . . . . . . 5
1.4. Complejidad agebr´ aica y anal´ıtica . . . . . . . . . . . . . . . 6
1.5. Precisi´on num´erica . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6. An´alisis de Algoritmos. L´ımites de complejidad . . . . . . . . 10
2. Introducci´on al lenguaje de programaci´on C (I) 13
2.1. Nociones sobre trabajo en el Sistema Operativo UNIX. El
editor vi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Compilado, ejecuci´on y depuraci´ on de programas en C . . . . 20
2.3. Variables escalares, subindicadas (arrays) y constantes . . . . 21
2.3.1. Nombres de variables . . . . . . . . . . . . . . . . . . . 22
2.3.2. Tipo y tama˜ no de datos . . . . . . . . . . . . . . . . . 23
2.4. Un ejemplo. El primer programa en C . . . . . . . . . . . . . 26
2.5. Operadores y funciones standard m´ as usuales . . . . . . . . . 30
2.5.1. Funciones m´as usuales . . . . . . . . . . . . . . . . . . 31
2.6. Ambito de definici´ on y validez de las variables. Variables ex-
ternas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.7. Precedencia y orden de evaluaci´ on entre operadores . . . . . . 39
3. Introducci´on al lenguaje de programaci´on C (II) 41
3.1. Declaraciones. Tipos de datos escalares: enteros, car´acter, de
coma flotante y enumeraci´ on . . . . . . . . . . . . . . . . . . 41
3.2. Conversiones de tipo . . . . . . . . . . . . . . . . . . . . . . . 45
3.3. Nociones sobre representaci´on de datos e implicaciones sobre
la precisi´ on num´erica . . . . . . . . . . . . . . . . . . . . . . . 48
3.3.1. Errores de redondeo en computaci´ on . . . . . . . . . . 51
3.3.2. Error de cancelaci´ on . . . . . . . . . . . . . . . . . . . 52
4. Introducci´on al lenguaje de programaci´on C (III) 55
4.1. Sentencias de control de flujo: for, if , do, while, switch. Ejem-
plos de uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
i
ii
´
Indice general
4.2. Funciones: anatom´ıa y uso . . . . . . . . . . . . . . . . . . . . 64
4.3. Convenciones sobre el paso de argumentos . . . . . . . . . . . 65
4.4. Clases de almacenamiento . . . . . . . . . . . . . . . . . . . . 68
4.5. Recursi´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.6. Funciones definidas en stdio y math . . . . . . . . . . . . . . 72
5. Algoritmos iterativos 79
5.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2. Resoluci´on de ecuaciones . . . . . . . . . . . . . . . . . . . . . 81
5.2.1. M´etodo de bisecci´ on . . . . . . . . . . . . . . . . . . . 81
5.2.2. M´etodo de Newton-Raphson . . . . . . . . . . . . . . 83
5.2.3. M´etodo de la secante . . . . . . . . . . . . . . . . . . . 85
5.2.4. Regula Falsi . . . . . . . . . . . . . . . . . . . . . . . . 87
5.3. Comparaci´ on de los distintos ´ordenes de convergencia . . . . 88
5.3.1. Convergencia del m´etodo de bisecci´ on . . . . . . . . . 88
5.3.2. Convergencia del m´etodo de Newton-Raphson . . . . . 90
5.3.3. Convergencia del m´etodo de la secante . . . . . . . . . 93
5.3.4. Convergencia del m´etodo de regula falsi . . . . . . . . 95
5.4. Teor´ıa general de los m´etodos iterativos. Iteraci´on del punto
fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.5. Generalizaci´ on a sistemas de ecuaciones . . . . . . . . . . . . 99
5.5.1. M´etodo de Newton-Raphson . . . . . . . . . . . . . . 101
5.5.2. M´etodo de Gauss-Seidel . . . . . . . . . . . . . . . . . 102
5.6. Ejercicios de aplicaci´on . . . . . . . . . . . . . . . . . . . . . . 103
6. M´etodos de ordenaci´on 105
6.1. An´ alisis te´orico: orden de complejidad ´ optimo alcanzable para
algoritmos internos . . . . . . . . . . . . . . . . . . . . . . . . 105
6.2. M´etodos simples de complejidad O(n
2
): comparaci´ on, inser-
ci´on, burbuja . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.2.1. M´etodo de comparaci´on (selecci´on) . . . . . . . . . . . 108
6.2.2. M´etodo de inserci´on . . . . . . . . . . . . . . . . . . . 110
6.2.3. M´etodo de intercambio (burbuja) . . . . . . . . . . . . 111
6.3. M´etodos de complejidad O(nlogn): Quicksort y Heapsort . . . 113
6.3.1. Heapsort . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.4. Quicksort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7. El lenguaje de programaci´ on C (IV) 125
7.1. Direccionamiento indirecto. Punteros: variables que contienen
la ubicaci´ on en memoria de otras variables . . . . . . . . . . . 125
7.2. Punteros y funciones: paso de argumentos de referencia ha-
ciendo uso de punteros . . . . . . . . . . . . . . . . . . . . . . 128
7.2.1. Punteros y arrays . . . . . . . . . . . . . . . . . . . . . 131
7.3. Algebra de punteros . . . . . . . . . . . . . . . . . . . . . . . 134
´
Indice general 1
7.4. Punteros a caracteres . . . . . . . . . . . . . . . . . . . . . . . 137
7.5. Ejemplos de utilizaci´ on de punteros . . . . . . . . . . . . . . . 139
8. El lenguaje de programaci´ on C (V) 149
8.1. Tipos de datos definidos por el usuario: estructuras . . . . . . 149
8.2. Operaciones con estructuras . . . . . . . . . . . . . . . . . . . 151
8.3. Punteros a estructuras y estructuras ligadas. Arboles binarios.
Ejemplos de uso . . . . . . . . . . . . . . . . . . . . . . . . . 158
9. Soluci´on de sistemas de ecuaciones lineales 167
9.1. M´etodos directos para la resoluci´ on de sistemas de ecuaciones
lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
9.1.1. Sistemas triangulares . . . . . . . . . . . . . . . . . . . 168
9.2. Eliminaci´ on gaussiana . . . . . . . . . . . . . . . . . . . . . . 169
9.3. Estabilidad num´erica y su mejora. Pivotado total y parcial.
Complejidad algor´ıtmica . . . . . . . . . . . . . . . . . . . . . 172
9.4. La variante de Gauss-Jordan . . . . . . . . . . . . . . . . . . 176
10.Soluci´on de sistemas de ecuaciones lineales sin inversi´on de
la matriz de coeficientes 179
10.1. La descomposici´on LU . . . . . . . . . . . . . . . . . . . . . . 179
10.2. Escenas compactas en la eliminaci´ on gaussiana: m´etodos de
Doolittle, Crout y Choleski . . . . . . . . . . . . . . . . . . . 184
11.Simulaci´on (I). Generaci´ on de n´ umeros aleatorios 189
11.1. N´ umeros aleatorios y M´etodo de Montecarlo. Integraci´ on num´eri-
ca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
11.2. Otras aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . 195
11.3. Generaci´on de observaciones pseudoaleatorias uniformes . . . 195
11.4. Generadores multiplicativos: elecci´on del multiplicador, m´ odu-
lo y semilla . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
12.Simulaci´on (II). Generaci´on de variables no uniformes 205
12.1. M´etodo de inversi´ on. Ejemplos . . . . . . . . . . . . . . . . . 205
12.2. M´etodo de rechazo. Ejemplos . . . . . . . . . . . . . . . . . . 207
12.3. M´etodo de transformaci´ on. Ejemplos . . . . . . . . . . . . . . 210
12.4. M´etodos espec´ıficos . . . . . . . . . . . . . . . . . . . . . . . . 211
2
´
Indice general
Cap´ıtulo 1
Nociones b´asicas sobre algoritmos
1.1. Introducci´ on
Es evidente que las matem´aticas son utilizadas de una forma u otra en
la mayor´ıa de las ´ areas de la ciencia y la industria.
Durante el siglo XX avanzados m´etodos y modelos matem´aticos han sido
aplicados en distintas ´ areas como la medicina, la econom´ıa o las ciencias so-
ciales. A menudo, las aplicaciones generan problemas matem´aticos que por
su complejidad no pueden ser resueltos de manera exacta. Uno entonces, se
restringe a casos especiales o modelos demasiado simplificados que puedan
ser analizados. En la mayoria de los casos, se reduce el problema a un pro-
blema lineal, por ejemplo, una ecuaci´ on diferencial, la funci´ on objetivo en un
problema de optimizaci´on, etc. Tal aproximaci´on puede ser muy efectiva y
explicar conceptos y puntos de vista que al menos cualitativamente pueden
ser aplicados al problema inicial. Sin embargo, a veces, tal aproximaci´on no
es suficiente o incluso puede inducir a error.
La alternativa que nosotros plateamos aqui, es la de tratar un problema
menos simplificado, utilizando el potencial del c´ alculo num´erico. La cantidad
de trabajo depender´ a del grado de precisi´on demandada.
Con la utilizaci´ on del ordenador, desarrollado en los ´ ultimos cincuenta
a˜ nos, las posibilidades de utilizar m´etodos num´ericos han crecido enorme-
mente.
Desarrollar un m´etodo num´erico, significa en la mayor´ıa de los casos, la
aplicaci´ on de un peque˜ no n´ umero de ideas generales y relativamente simples.
Dichas ideas han de ser combinadas de forma intuitiva con un conocimiento
3
4 1 Nociones b´ asicas sobre algoritmos
del problema que puede ser obtenido de distintas formas fundamentalmente
con m´etodos del an´ alisis matem´atico.
A lo largo de la asignatura ilustratremos la utilizaci´on de las ideas ge-
nerales que se esconden detr´as de los m´etodos num´ericos que resuelven los
problemas m´as habituales. Normalmente dichos problemas aparecen como
subproblemas o detalles computacionales de problemas m´ as grandes y com-
plejos.
En este cap´ıtulo comenzamos presentando conceptos y terminolog´ıa b´ asi-
ca en el desarrollo de posteriores cap´ıtulos.
1.2. ¿Qu´e es un algoritmo? Medidas de eficiencia
Por problema num´erico entenderemos una clara e inambigaa descrip-
ci´ on de una relaci´ on funcional entre datos (inputs) -es decir, variables in-
dependientes en el problema- y resultados (outputs). Datos y resultados, que
constituyen un conjunto finito de cantidades reales. La relaci´ on funcional
puede, por su parte, estar impl´ıcita o expl´ıcitamente representada.
Por algoritmo entenderemos un procedimiento formado por un con-
junto finito de reglas que especifican una secuencia finita de operaciones,
mediante las cuales se obtiene la soluci´on de un problema, o bien, de una
clase espec´ıfica de problemas.
Analizaremos algunos aspectos de esta ´ ultima definici´ on:
1. Cada paso de un algoritmo debe estar definido de manera precisa y sin
ambig¨ uedad. Las acciones a llevar a cabo deben estar rigurosamente
especificadas en cada paso.
2. El algoritmo debe llegar a la soluci´ on del problema en un n´ umero
finito de pasos. La restricci´on general de necesitar un n´ umero finito
de pasos, en ocasiones no es suficiente, ya que dicho n´ umero aunque
finito puede llegar a ser muy elevado. Un algoritmo ´ util, debe requerir
no s´ olo un n´ umero finito, sino adem´ as un n´ umero razonable de pasos
hasta obtener la soluci´ on del problema.
3. Cada algoritmo posee cero o m´as datos y proporciona uno o m´ as resul-
tados. Los datos (inputs) pueden ser definidos como cantidades, que
le son dados al algoritmo inicialmente, antes de ser ejecutado, y los
resultados (outputs), tambi´en definidos como cantidades, tienen algu-
1.2 ¿Qu´e es un algoritmo? Medidas de eficiencia 5
na relaci´ on con los datos y son proporcionados cuando se completa la
ejecuci´on del algoritmo.
4. Es preferible que un algoritmo sea aplicable en la resoluci´ on de cual-
quier miembro de una clase de problemas y no ´ unicamente en un
problema aislado. Esta propiedad de generalidad es, aunque no nece-
saria, siempre deseable en un algoritmo.
5. Finalmente, aclarar que quiz´ a la noci´ on de algoritmo es muy general.
A lo largo de la asignatura nos dedicaremos al estudio de algoritmos
dise˜ nados para ser ejecutados en un ordenador. Un algoritmo de este
tipo, debe ser implementado en un lenguaje de programaci´ on y a la
larga constituir un programa o conjunto de programas.
Como hemos mencionado, para un problema num´erico dado se pueden
considerar distintos algoritmos.
Ejemplo 1.1 Determinar la ra´ız real m´ as grande de la ecuaci´on:
x
3
+a
2
x
2
+a
1
x +a
0
= 0
con coeficientes reales a
0
, a
1
, a
2
es un problema num´erico. El vector de datos
es (a
0
, a
1
, a
2
). El resultado es el valor de la ra´ız buscada x, que est´ a impl´ıci-
tamente definida en funci´on de los datos. Existen distintos algoritmos para
la resoluci´ on de este problema, basados en el m´etodo de Newton Rapson, el
de bisecci´ on, el de la secante, etc.
Ejemplo 1.2 El problema de resolver la ecuaci´ on diferencial
d
2
x
d
2
y
= x
2
+y
2
con condiciones de contorno y(0) = 0, y(5) = 1, no es, de acuerdo con la
definici´ on dada arriba un problema num´erico. En este problema los datos
(input) se reducen a una funci´ on y, que no puede ser especificada simple-
mente por un conjunto finito de n´ umeros. El problema es entonces un pro-
blema matem´ atico, que puede ser aproximado por un problema num´erico, en
el sentido de que el resultado ser´ a un conjunto de valores que aproximar´an
a la funci´ on y(x), para x = h, 2h, 3h, ....
Medidas de eficiencia
Es muy f´ acil inventar algoritmos. En la pr´ actica, sin embargo, uno no
quiere s´ olo algoritmos, quiere buenos algoritmos. El objetivo entonces, es
inventar buenos algoritmos y probar que dichos algoritmos son buenos. La
6 1 Nociones b´ asicas sobre algoritmos
“bondad” de un algoritmo puede ser valorada de acuerdo con varios crite-
rios. Uno de los m´ as importantes es el tiempo que tarda en ejecutarse. Hay
tambi´en, distintos aspectos dentro del criterio que controla el tiempo. Uno
de ellos, es el tiempo de ejecuci´on requerido por distintos algoritmos para la
resoluci´on de un mismo problema en un ordenador concreto. Esta medida
emp´ırica, est´a fuertemente relacionada con el programa y con la m´ aquina
utilizada en la implementaci´ on del algoritmo. Un cambio en un programa
puede no representar un cambio significativo en el algoritmo correspondiente
y, sin embargo, afectar a su rapidez de ejecuci´on. Adem´ as, si dos programas
son comparados, primero en una m´aquina y luego en otra, ambas compara-
ciones pueden generar diferentes conclusiones.
As´ı, mientras la comparaci´ on de programas corriendo en ordenadores
es una importante fuente de informaci´ on, los resultados estar´an siempre
afectados tanto por las caracter´ısticas de la m´aquina como por la destreza
y habilidad del programador.
Una alternativa ´ util a esta medida emp´ırica, es la realizaci´ on de un an´ ali-
sis matem´atico de la dificultad intr´ınseca de la resoluci´on computacional del
problema. Juiciosamente utilizado, tal an´alisis proporciona una importante
medida de evaluaci´ on del costo de ejecuci´on de un algoritmo.
El tiempo de proceso de un algoritmo es una funci´ on del tama˜ no del pro-
blema computacional a resolver. Sin embargo, suponiendo que tenemos un
programa de ordenador que eventualmente acaba, la resoluci´ on de un proble-
ma s´olo requiere de suficiente tiempo y suficiente memoria para almacenar
informaci´ on.
De mayor inter´es son los algoritmos que pueden ser aplicados a una
colecci´on de problemas de un cierto tipo. Para estos algoritmos, el tiempo y
el espacio de memoria requeridos por un programa, variar´ a con el ejemplo
particular a ser resuelto. Veamos por ejemplo la siguiente clase de problemas.
1. Encontrar el mayor elemento en una secuencia de n n´ umeros enteros.
2. Resolver un conjunto de ecuaciones lineales Ax = b, donde A es una
matriz real nxn y b es un vector real de longitud n.
3. Ordenar en orden decreciente un vector de n n´ umeros enteros distintos.
4. Evaluar un polinomio de grado n, P
n
(x) = b −
n

k=0
a
k
x
k
en x = x
0
.
En cada uno de estos problemas, el par´ ametro n proporciona una medida
del tama˜ no del problema, en el sentido de que, o bien el tiempo requerido
1.3 Complejidad. Complejidad computacional 7
para resolver cada problema o el espacio de memoria requerido por el algo-
ritmo, o ambos a la vez, crecen con n.
1.3. Complejidad. Complejidad computacional
Para medir el coste de ejecuci´on de un programa, definiremos una funci´ on
de complejidad (o costo) F, donde F(n) es una medida del tiempo requerido
para ejecutar el algoritmo sobre un problema de tama˜ no n, o una medida del
espacio de memoria requerido para tal ejecuci´ on. De esta forma, hablaremos
de la complejidad en cuanto a tiempo o de la complejidad en cuanto a
memoria del algoritmo. Tambi´en podemos referirnos a cualquiera de las dos,
simplemente como funci´on de complejidad (o costo) del algoritmo.
En general, el costo de obtenci´ on de una soluci´ on crece de acuerdo con
el incremento del tama˜ no del problema, n. Si el valor n es muy peque˜ no,
incluso un algoritmo ineficiente tardar´ a poco en ejecutarse, de manera que
la elecci´on de un algoritmo para un problema peque˜ no no es cr´ıtico (a menos
que el problema sea resuelto muchas veces). En la mayor´ıa de los casos, sin
embargo, al incrementar n, se llega a una situaci´on, en la que el algoritmo
no puede ejecutarse en un periodo razonable de tiempo. Este punto se ilus-
tra en la siguiente tabla, donde puede verse c´ omo crecen las funciones de
complejidad de determinados algoritmos, al crecer n.
F(n) n = 10 n = 10
2
n = 10
3
n = 10
4
log
2
n 3.3 6.6 10 13.3
n 10 10
2
10
3
10
4
nlog
2
n 0,33 10 0,7 10
2
10
4
1,3 10
5
n
2
10
2
10
4
10
6
10
8
n
3
10
3
10
6
10
9
10
12
2
n
1024 1,3 10
30
> 10
100
> 10
100
n! 3 10
6
> 10
100
> 10
100
> 10
100
n: tama˜ no del problema
F(n): funci´ on de complejidad temporal
En la pr´actica es importante controlar el comportamiento del algorit-
mo para valores grandes de n, es decir, el comportamiento asint´ otico de la
funci´ on de complejidad.
8 1 Nociones b´ asicas sobre algoritmos
La complejidad asint´ otica es el crecimiento en el l´ımite de la funci´ on
de complejidad cuando crece el tama˜ no del problema n. De esta forma, la
funci´ on asint´ otica (temporal o espacial) determina el tama˜ no m´ aximo del
problema a ser resuelto por el algoritmo.
En estos t´erminos diremos que la complejidad del algoritmo es O(nlogn)
y leeremos “de orden n logaritmo (en base dos) de n”, si el tiempo de proceso
del algoritmo para un ejemplo de tama˜ no n es proporcional a nlogn, o en
cualquier caso no supera esta cantidad. A lo largo de diferentes cap´ıtulos,
hablaremos en los siguientes t´erminos, todos ellos para decir lo mismo:
1. La complejidad temporal del algoritmo es de orden nlogn, que puede
ser expresado como O(nlogn).
2. El algoritmo es ejecutado en un tiempo O(nlogn).
3. La cantidad de trabajo requerida por el algoritmo es proporcional a
nlogn, o es O(nlogn).
1.4. Complejidad agebr´aica y anal´ıtica
Entenderemos por algoritmo num´erico, un algoritmo que resuelve un
problema en el que el contenido num´erico es esencial. Hay muchos ejemplos
de algoritmos num´ericos entre los que se encuentran los siguientes:
1. El c´ alculo de las raices de una ecuaci´ on no lineal, o bien de un sistema
de ecuaciones no lineales.
2. La evaluaci´on de un polinomio en un valor dado, etc.
Los algoritmos no num´ericos, resuelven problemas y la soluci´on de los
mismos, aunque en ocasiones se representa por un n´ umero (o conjunto de
n´ umeros), es de naturaleza no num´erica. Dos importantes ejemplos de pro-
blemas no num´ericos son, la ordenaci´ on de un conjunto de elementos des-
ordenados (si es un conjunto de n´ umeros, en orden creciente o decreciente,
mientras que si es un conjuntos de letras o palabras, en orden alfab´etico) y la
b´ usqueda de un elemento en un conjunto. En los Temas 5 y 6 del programa
analizaremos algoritmos para resolver estos problemas.
En el an´ alisis de la complejidad computacional de los algoritmos num´eri-
cos es conveniente distinguir entre la medida de complejidad algebr´ aica y
1.5 Precisi´ on num´erica 9
anal´ıtica, donde ambas representan ramas de la propia complejidad com-
putacional. En el caso de los algoritmos no num´ericos, la complejidad es
´ unicamente abgebr´ aica.
Los objetivos de la complejidad algebr´ aica son m´ ultiples. Por una parte
intenta estimar el n´ umero de operaciones aritm´eticas requeridas por un algo-
ritmo. Adem´ as intenta estimar el n´ umero m´ınimo de operaciones necesario
para resolver un problema dado. Tambi´en intenta describir un algoritmo o
algoritmos que resuelvan un problema en un n´ umero m´ınimo de operaciones.
La evaluaci´on de un polinomio en uno o varios valores dados y la resoluci´ on
de ecuaciones o sistemas de ecuaciones lineales mediante m´etodos directos
son ejemplos de problemas que pueden ser estudiados en t´erminos de su
complejidad algebr´ aica. Un aspecto importante de los algoritmos que son
utilizados para resolver estos problemas, es el n´ umero finito de pasos que
son necesarios hasta la obtenci´ on de la soluci´on del problema. Esto implica,
evidentemente, que el n´ umero de operaciones aritm´eticas necesarias tambi´en
es finito.
Por otra parte, la complejidad anal´ıtica resuelve la cuesti´on de cu´ anta
computaci´ on ha de ser desarrollada hasta obtener un resultado con un deter-
minado grado de precisi´ on y se centra m´as en los procesos computacionales
que en cierto sentido nunca terminan. Los procesos iterativos son un evi-
dente ejemplo. En este caso, el proceso es interrumpido en un punto y, si
el valor actual del resultado satisface el problema con un margen de error
acotado, dicho resultado se toma como soluci´ on del problema, en otro caso
la computaci´ on contin´ ua hasta obtener un resultado satisfactorio. En este
caso, uno estima el n´ umero de operaciones aritm´eticas por paso en cada ite-
raci´on y un “buen” algoritmo en t´erminos de su complejidad computacional
es definido como aqu´el que requiere el menor n´ umero total de operaciones
aritm´eticas para alcanzar un resultado, con un nivel de precisi´ on prefijado.
1.5. Precisi´ on num´erica
En el an´ alisis de algoritmos que resuelven problemas num´ericos, la pre-
cisi´on de los resultados obtenidos es otro importante criterio a la hora de
distinguir entre un buen y un mal algoritmo. La necesidad de examinar la
precisi´on de los c´alculos matem´aticos viene del hecho de considerar que un
ordenador es una m´ aquina finita, que es capaz de representar los n´ umeros
´ unicamente en un n´ umero finito de posiciones. La mayor´ıa de los n´ umeros,
incluso si son enteros, si son muy grandes para ser representados en el or-
denador, se redondean y s´ olo una aproximaci´ on finita a dicho n´ umero es
almacenada en el ordenador. Esto implica que si no se tiene cuidado, algu-
10 1 Nociones b´ asicas sobre algoritmos
nos algoritmos num´ericos implementados en un ordenador pueden producir
aproximaciones al verdadero valor de la soluci´ on, bastante imprecisas.
Aunque todav´ıa no hemos introducido el concepto de error de redondeo
(lo haremos en el Cap´ıtulo 3), con el siguiente ejemplo vamos a ver c´omo los
errores de redondeo pueden destrozar el resultado de un c´ alculo si se elige
un mal algoritmo.
Ejemplo 1.3 Vamos a analizar el problema de computar para n =
0, ..., 8, la integral:
y
n
=
_
1
0
x
n
x + 5
dx
Vamos a utilizar un procedimiento iterativo basado en una relaci´ on de
recurrencia. En general las relaciones de recurrencia son ubicuas en es-
tad´ıstica computacional y probabilidad. En la mayor´ıa de los casos surgen
de considerar el primero y el ´ ultimo de una cadena de eventos. Este ejemplo
ser´a el primero en ilustrar este principio.
En nuestro caso la relaci´ on de recurrencia viene dada por:
y
n
=
1
n
−5y
n−1
y se sigue directamente de la identidad:
y
n
=
_
1
0
x
n−1
(x + 5 −5)
x + 5
dx =
_
1
0
x
n−1
dx −5
_
1
0
x
n−1
x + 5
dx =
1
n
−5y
n−1
En teor´ıa esta relaci´on de recurrencia permitir´ a crear un proceso iterativo
y computar y
n
a partir del valor inicial y
0
=
_
1
0
dx
x+5
= [ln(x + 5)]
1
0
= ln6 −
ln5 = 0,182.
y
1
= 1 −5y
0
≈ 0,09
y
2
=
1
2
−5y
1
≈ 0,05
y
3
=
1
3
−5y
2
≈ 0,083 extra˜ no que y
3
> y
2
y
4
=
1
4
−5y
3
≈ −0,165 absurdo!!
La raz´on del absurdo resulta ser un error de redondeo en y
0
cuya mag-
nitud puede ser como mucho de 5 10
−4
. Dicho valor es multiplicado por -5
1.5 Precisi´ on num´erica 11
en el c´ alculo de y
1
, que entonces tiene un error de −5. Dicho error produce
un error en y
2
de 25, etc. De esta forma el error en y
4
es 625 que puede
alcanzar el valor 625 5 10
−4
= 0,3125.
Si se comienza en y
0
utilizando m´as decimales, lo que sucede es que se
retrasa la aparici´ on del absurdo.
Este algoritmo es un ejemplo de un fen´ omeno denominado inestabili-
dad num´erica. Podremos evitar dicha inestabilidad num´erica eligiendo un
algoritmo m´ as adecuado.
Otra forma de explicar dicha inestabilidad num´erica es utilizando cono-
cimientos de an´alisis matem´atico. En este caso sabemos que, para n mode-
radamente grande, la mayor´ıa de la masa de la integral se agrupa en torno
a x = 1. Por lo tanto, una buena aproximaci´ on de y
n−1
ser´ıa:
y
n−1

1
1 + 5
_
1
0
x
n−1
dx =
1
6n
Es decir:
y
n

1
n

5
6n
=
1
n
(1 −
5
6
)
Por lo tanto perdemos precisi´on porque en cada iteraci´on restamos dos
n´ umeros del mismo signo y parecida magnitud.
Una soluci´ on al problema en este caso, puede ser utilizar la f´ ormula de
recurrencia en la otra direcci´ on.
y
n−1
=
1
5n

y
n
5
Pero necesitamos un valor inicial. Podemos ver directamente de la de-
finici´on que y
n
decrece cuando n crece. Se puede suponer entonces que y
n
decrece suavemente cuando n es grande. De manera que y
10
≈ y
9
, de donde:
y
9
+ 5y
9

1
10
, y
9

1
60
≈ 0,017
De este modo:
y
8
=
1
45

y
9
5
≈ 0,019
12 1 Nociones b´ asicas sobre algoritmos
y
7
=
1
40

y
8
5
≈ 0,021
y
6
≈ 0,025
y
5
≈ 0,028
y
4
≈ 0,034
y
3
≈ 0,043
y
2
≈ 0,058
y
1
≈ 0,088
y
0
≈ 0,182 Correcto!!
Este mismo algoritmo hacia atr´ as puede elegir como valor inicial y
10
= 0.
La aproximaci´on inicial es distinta pero el error se divide por 5 en cada
iteraci´ on y a partir de y
7
se obtienen los mismos resultados.
Aunque en este caso la soluci´on ha sido elegir una f´ ormula de recursi´ on
hacia atr´as, esto no supone siempre una mejor alternativa.
En adelante utilizaremos el t´ermino m´etodo num´erico para denotar
un procedimiento ´ util en algunos casos para aproximar un problema ma-
tem´atico con un problema num´erico, y en otros para resolver un problema
num´erico. Especificar la f´ormula de recursi´ on que permite resolver una su-
cesi´on de integrales, es proporcionar un m´etodo num´erico. As´ı, un m´etodo
num´erico es m´as general que un algoritmo y hace menos ´enfasis en detalles
computacionales.
1.6. An´alisis de Algoritmos. L´ımites de compleji-
dad
Es conveniente distinguir entre el an´ alisis de un algoritmo en particular
y el an´ alisis de una clase de algoritmos. En el an´ alisis de un algoritmo en
concreto deber´ıamos probablemente investigar sus caracter´ısticas m´as im-
portantes tales como su complejidad temporal, cu´ antas veces es conveniente
ejecutar cada parte del algoritmo y la complejidad espacial, ´esto es, cu´anta
memoria va a ser necesaria. En el an´alisis de una clase de algoritmos, por
otra parte, estudiaremos la clase de algoritmos que resuelven un problema
particular e intentaremos seleccionar el “mejor” algoritmo de la clase capaz
de hacerlo. Si tal algoritmo no se encuentra, entonces intentaremos estable-
cer l´ımites de la complejidad de los algoritmos de dicha clase.
1.6 An´alisis de Algoritmos. L´ımites de complejidad 13
An´ alisis del primer tipo han sido realizados desde los comienzos de la pro-
gramaci´on en ordenador. An´ alisis del segundo tipo, comienzan a realizarse,
salvo raras excepciones, mucho tiempo despu´es. Es f´acil ver que an´ alisis del
segundo tipo son bastante m´as potentes y ´ utiles ya que permiten estudiar
varios algoritmos simult´aneamente.
L´ımites de Complejidad
El an´ alisis de la complejidad est´ a relacionado entre otras cosas con la
obtenci´ on de l´ımites superiores e inferiores de la ejecuci´on de un algoritmo o
una clase de algoritmos que resuelve una clase de problemas. La existencia
de l´ımites de la complejidad de algunos algoritmos nos puede servir como
base para la clasificaci´ on de algunos problemas.
Hay algunos problemas para los que los l´ımites de complejidad de su
resoluci´on pueden ser determinados utilizando teoremas apropiados, sin la
necesidad de construir el algoritmo para el problema. En algunos de estos
casos las demostraciones de los teoremas no son constructivas en el sentido
de que no indican la forma de construir un algoritmo para la resoluci´ on del
problema y ni siquiera nos dicen si es posible su construcci´on. Para otros pro-
blemas ha sido posible acotar su complejidad, pero no se conoce algoritmo
capaz de alcanzar dicha cota. Un ejemplo de este caso es la multiplicaci´ on
de matrices, donde una cota superior m´ınima de O(n
2
) es f´acilmente visua-
lizada y sin embargo el m´as r´apido de todos los m´etodos conocidos tiene
una complejidad de O(n
2,496
). Este intervalo sugiere que la cota O(n
2
) no
es alcanzada en la pr´actica.
Otros problemas son tales que se conoce la cota inferior de su com-
plejidad, se pueden construir algoritmos que satisfacen dichas cotas y sin
embargo dichos algoritmos son num´ericamente inestables. M´etodos r´apidos
de multiplicaci´ on de matrices pertencen a esta categor´ıa.
Finalmente, hay problemas para los cuales los l´ımites inferiores de com-
plejidad son conocidos y los algoritmos que alcanzan dichas cotas pueden
construirse y adem´ as son num´ericamente estables.
14 1 Nociones b´ asicas sobre algoritmos
Cap´ıtulo 2
Nociones sobre arquitectura de
ordenadores
2.1. Introducci´ on
Las aplicaciones de un ordenador caen, en su mayor´ıa, dentro de los
grupos:
1. C´alculo num´erico.
2. Almacenamiento, recuperaci´on procesamiento y an´alisis de datos o in-
formaci´on.
El primer punto ha sido la causa por la que se invent´ o y desarroll´ o el
ordenador. Sin embargo el segundo punto es el que ha experimentado un
mayor desarrollo en los ´ ultimos a˜ nos y ya domina en todos los campos de la
tecnolog´ıa inform´ atica. Estamos sin duda en la era de la gesti´ on inform´ atica
de la informaci´ on. Facturaci´ on y control de grandes compa˜ n´ıas, edici´ on y
composici´on editorial de las p´ aginas en los peri´odicos, b´ usqueda de s´ıntomas
en grandes bases de datos que ayudan al diagn´ ostico de enfermedades, no
son m´as que algunos ejemplos en los que interviene un ordenador.
El ´ unico l´ımite existente proviene del n´ umero de personas expertas en
un determinado campo, que posean la habilidad y conocimientos necesarios
para aplicar la inform´ atica a ese campo.
15
16 2 Nociones sobre arquitectura de ordenadores
2.1.1. Representaci´ on binaria de la informaci´ on
Las operaciones que realiza internamente un ordenador no son, en prin-
cipio, demasiado complicadas. Desde hace siglos se sabe que un conmutador
al tener dos estados (abierto y cerrado) puede representar los n´ umeros 0 y
1. Si disponemos de muchos conmutadores, podremos representar grandes
cantidades de ceros y unos. Por otra parte podremos representar los n´ umeros
en base 2 en lugar de utilizar la base de numeraci´ on decimal como hacemos
normalmente. Los n´ umeros expresados en base dos solamente utilizan los
d´ıgitos 0 y 1, as´ı que podemos representar un determinado n´ umero por me-
dio del estado de una serie de conmutadores. Por ejemplo, el 372 se puede
representar en base decimal
372 = 3(10
2
) + 7(10) + 2(10
0
)
pero tambi´en podemos escribirlo como
372 = 1(2
8
) + 0(2
7
) + 1(2
6
) + 1(2
5
) + 1(2
4
) + 0(2
3
) + 1(2
2
) + 0(2
1
) + 0(2
0
) =
= 1(256) + 0(128) + 1(64) + 1(32) + 1(16) + 0(8) + 1(4) + 0(2) + 0(1)
o bien
(372)
2
= (101110100)
2
es decir necesitaremos nueve posiciones para representar el n´ umero 372.
Adem´as de n´ umeros podemos representar otros tipos de datos en c´ odigo
binario, por ejemplo, cada una de las letras del abecedario. Podemos con-
vertir de forma aproximada, la informaci´ on contenida en una imagen, en
una serie de puntos cuyos valores de posici´ on color e intensidad podremos
codificar y procesar o transmitir a trav´es de l´ıneas telef´ onicas.
2.2. Memoria, dispositivos de entrada/salida, uni-
dad central de proceso o CPU
En sus m´as remotos or´ıgenes cada uno de los conmutadores que consti-
tu´ıan un ordenador era un dispositivo electromec´ anico conocido como rel´e.
El resultado fu´e una m´aquina monstruosa en tama˜ no, ruido y consumo. El
siguiente paso fue sustituir los ruidosos y poco fiables rel´es por calurosas y,
tambi´en, poco fiables v´ alvulas de vacio, que, por lo menos eran m´ as r´apidas.
A continuaci´ on se introdujo el transistor, lo que supuso un gran avance (ya
estamos en los a˜ nos sesenta). Pero lo que ha hecho posible la revoluci´ on
inform´ atica ha sido la aparici´ on de los circuitos integrados.
2.2 Memoria, dispositivos de entrada/salida, unidad central de proceso o CPU17
Existe un circuito b´ asico formado por dos transistores llamado flip-flop
o biestable. Este circuito posee dos estados de funcionamiento estable. Si
asignamos el valor 1 a uno de estos estados y el 0 al otro, de nuevo tendremos
nuestro sistema de representaci´on de n´ umeros binarios. El estado en el que
se encuentra el circuito puede medirse (lectura) o alterarse (escritura).
Gracias a la microelectr´onica se pueden colocar varias decenas de mi-
les de circuitos dentro de un chip. Las t´ecnicas que permiten un grado de
empaquetamiento tan elevado de denominan tecnolog´ıa VLSI (Very Large
Scale of Integration). El tama˜ no resultante no suele superar el cent´ımetro
cuadrado, lo que da idea del grado de miniaturizaci´ on del proceso. Estos
avances tecnol´ogicos han hecho posible que los ordenadores actuales sean
mucho m´as r´apidos, fiables, y baratos que sus antecesores.
La memoria principal de un ordenador consiste en varios millones de cir-
cuitos elementales biestables capaces de almacenar un cero o un uno. Cada
unidad de informaci´ on binaria es un bit. Sin embargo, no suele accederse
de forma individual a un bit, sino que suelen agruparse de ocho en ocho,
formando un byte. La unidad de informaci´ on que se transfiere a o desde la
memoria principal recibe el nombre de palabra. En los ordenadores perso-
nales la longitud de una palabra suele ser de 8, 16 ´ o 32 bits, mientras que
en los grandes puede oscilar entre 12 y 64, o m´ as, bits. Los detalles sobre
la construcci´ on y organizaci´ on de la memoria principar de un odenador no
suelen tener demasiada importancia a la hora de escribir un programa. Los
dos ´ unicos puntos importantes a considerar son los siguientes:
1. Hay dos valores asociados con cada elemento de memoria: Su contenido
que ser´a su dato o instrucci´ on en c´ odigo binario y la direcci´ on de esa
posici´ on de memoria, que nos permite acceder a ella.
2. El tama˜ no de la palabra de cualquier ordenador es finito. Esto signi-
fica que dispondremos solamente de un n´ umero finito de d´ıgitos para
representar las cantidades durante su c´ alculo. As´ı los n´ umeros cuya
representaci´on binaria sea ilimitada, ser´an truncados al guardarse en
una direcci´ on de memoria. Nos estamos refiriendo a los n´ umeros cuya
representaci´on binaria (no decimal) tiene infinitos decimales. Por ejem-
plo 0.1, tiene una representaci´ on peri´ odica en base 2. La longitud de la
memoria ocupada por una dato nos limitar´ a la precisi´ on de los c´alculos
num´ericos y es una caracter´ıstica importante de cada ordenador.
El tiempo de acceso (tiempo necesario para leer informaci´on almacena-
da en una direcci´ on determinada) es un par´ ametro de importancia crucial
en el funcionamiento de un ordenador. Una suma se suele realizar en me-
nos tiempo del necesario en buscar los sumandos en memoria. El tiempo
18 2 Nociones sobre arquitectura de ordenadores
de acceso en una memoria de gran tama˜ no es del orden de 5 10
−7
segun-
dos. Este tiempo aunque es extraordinariamente peque˜ no, puede reducirse
colocando los datos e instrucciones m´as recientes en otra memoria m´as pe-
que˜ na y r´ apida, es la memoria cache. La idea es que los t´erminos utilizados
´ ultimamente tienen grandes probabilidades de ser necesarios de nuevo. La
memoria principal recibe el nombre de memoria de acceso aleatorio (random
access memory, o RAM). Con este t´ermino se indica que el tiempo de acceso
a una determinada posici´ on de memoria es pr´acticamente independiente de
su direcci´ on.
En una RAM la informaci´ on no se guarda de forma secuencial, aunque
puede ser c´ omodo imaginar las direcciones ordenadas consecutivamente.
La memoria principal no es el ´ unico sitio en el que se almacena la in-
formaci´on; existen otros lugares donde a cambio de unos tiempos de acceso
mayores se pueden conservar grandes cantidades de informaci´ on. Estos dis-
positivos reciben el nombre de memoria secundaria o memoria masiva, y
suelen consistir en cintas magn´eticas, discos fijos, diskketes, cd’s, etc. Los
datos de la memoria secundaria no son accesibles directamente, sino que
deber´ an pasar a la memoria principal.
La secci´on del ordenador que realiza las operaciones con los datos, si-
guiendo las instrucciones almacenadas en la memoria principal, es la unidad
central de proceso (central processing unit, o CPU). La CPU realiza dos
tipos de tareas:
1. Control y observaci´ on del sistema completo. Este consta de todos los
dispositivos de entrada y salida de informaci´ on del ordenador junto
con el tr´ afico de informaci´ on interna al ordenador.
2. Ejecuci´on de las instrucciones recibidas desde la memoria principal.
La CPU consta de dos secciones que realizan cada una de estas funciones.
La unidad de control se encarga de la realizaci´ on de las tareas de control,
mientras que la unidad de proceso de datos e instrucciones ser´ a la respon-
sable de ejecutar las ´ordenes elementales que forman el programa. Estas
´ordenes consisten principalmente en operaciones aritm´eticas y de compa-
raci´on entre dos datos. Esta segunda secci´ on recibe el nombre de unidad
aritm´etico-l´ogica (arithmetic-logic unit, o ALU).
La unidad de control es la responsable de la b´ usqueda de la siguiente
instrucci´ on y del c´ alculo de las direcciones de los datos, as´ı como del alma-
cenamiento de ambos en registro de acceso inmediato. Las instrucciones se
traen de la memoria principal en el orden indicado por el programa. Si hay
2.3 Lenguaje de m´ aquina, lenguajes de ensamblado, lenguajes de alto nivel19
que realizar alguna operaci´ on con los datos, ´estos se transfieren a la ALU
junto con la orden de sumarlos, restarlos, compararlos, etc. La unidad de
control, se encarga, una vez realizada la operaci´ on, de colocar el resultado
en la memoria principal.
Recuerda que todos los elementos procesados en la CPU, datos e instruc-
ciones, est´an escritos en c´odigo binario. Esta es la ´ unica forma de comunica-
ci´on que puede entender el ordenador. Los programas escritos de esta forma
reciben el nombre de programas en lenguaje m´aquina o microprogramas.
Dos de los errores m´as comunes son el de realizar una serie de opera-
ciones con datos que no se han introducido en la memoria principal y el
de ejecutar un programa que carece de las instrucciones para la impresi´ on
de los resultados. Pr´ acticamente todos los programas constan de tres fases:
introducci´ on de los datos, procesamiento e impresi´ on de los resultados. Los
dispositivos de entrada m´ as comunes son el teclado y los discos magn´eticos.
Los resultados de un programa pueden presentarse en una pantalla o en una
impresora o bien guardarse en un disco. Los dispositivos m´ as com´ unmen-
te usados, especialmente en los ordenadores personales, son el teclado y la
pantalla.
Todos los componentes f´ısicos tales como la CPU, las memorias principal
y secundaria y los dispositivos de entrada E/S forman parte del llamado
hardware del ordenador. El conjunto de programas forman el software.
Nota 2.1. La met´afora del enano computador Lee atentamente este
art´ıculo que te servir´ a para comprender mejor lo descrito en esta secci´on.
2.3. Lenguaje de m´aquina, lenguajes de ensambla-
do, lenguajes de alto nivel
Como se ha comentado anteriormente, la definibilidad de un algoritmo
exige especificar de modo riguroso y sin ambig¨ uedades las acciones a realizar.
Para ello se han creado los lenguajes de programaci´ on definidos formalmente
para especificar algoritmos. La transcripci´on del algoritmo en sentencias de
un lenguaje de programaci´ on se denomina “codificaci´ on” y constituye el
“programa” inform´ atico. Un lenguaje de programaci´ on est´a formado por un
conjunto de c´ odigos que permiten describir los algoritmos y sus datos, de
manera que, por una parte, se puedan ejecutar por un ordenador; y por otra,
su descripci´ on sea comprensible por el usuario.
El lenguaje de programaci´ on es un medio de comunicaci´ on entre el hom-
20 2 Nociones sobre arquitectura de ordenadores
bre y el ordenador. Para describir al ordenador un m´etodo para resolver
un problema, es necesario formalizarlo adecuadamente para que lo pueda
entender.
Dado que la circuiter´ıa del ordenador s´ olo acepta, e interpreta ceros y
unos, el lenguaje binario es la base del “lenguaje m´ aquina”. Como la palabra
lo dice, el “lenguaje m´ aquina” es particular de cada ordenador en concreto
y aunque su base sea binaria existen entre unos y otros grandes diferencias.
Interesa precisar dos hechos:
1. Un ordenador s´ olo entiende y acepta su propio lenguaje de m´ aquina.
2. La utilizaci´ on de un lenguaje m´ as evolucionado y por lo tanto los pro-
gramas escritos en ese lenguaje, exigir´a la existencia de un “traductor”
(escrito en el propio lenguaje m´ aquina”) para que convierta estos pro-
gramas al lenguaje m´ aquina.
L´ogicamente el lenguaje m´aquina es muy inc´ omodo de utilizar. Por una
parte hay que conocer los c´ odigos de todas las operaciones, y por otra, hay
que disponer de las direcciones que los datos toman en la memoria central.
Todo ello oblig´ o a las empresas inform´aticas a desarrollar una forma de
programaci´ on m´ as sencilla y plantearon distintas formas de automatizarla.
Un primer paso fue utilizar bases num´ericas superiores a dos para la
representaci´on de las instrucciones, en la entrada y la salida del ordenador:
octal, decimal, hexadecimal, etc.
Pero la verdadera evoluci´ on la marcaron dos aspectos:
a) La simbolizaci´on.
b) La utilizaci´ on de lenguajes intermedios.
Al igual que se ha descrito en el art´ıculo del enano computador, en el
ordenador real se numeran las direcciones de memoria. Ello presenta una
gran inconveniente en la programaci´ on, por el hecho de que el programador
debe conocer en todo momento la ubicaci´ on de sus datos en la memoria
central.
Los lenguajes “simb´olicos” obvian este inconveniente al permitir reem-
plazar los c´odigos de operaci´on y las direcciones num´ericas de memoria por
s´ımbolos que representan esos c´odigos y direcciones.
2.3 Lenguaje de m´ aquina, lenguajes de ensamblado, lenguajes de alto nivel21
Los nombres simb´olicos de las direcciones de memoria exigen la observan-
cia de determinadas reglas de formaci´on, por ejemplo: limitaci´on del n´ umero
de caracteres, obligaci´on de que aparezca un car´ acter en particular, etc.
Las instrucciones escritas de manera simb´olica deben ser transcritas en
instrucciones en lenguaje m´ aquina, ya que los s´ ombolos no pueden ser ser
interpretados directamente por el ordenador. Por ello es necesario crear unas
tablas de correspondencia a fin de traducir estos s´ımbolos en c´ odigo de
operaci´ on y direcciones num´ericas. Esta funci´on la desarrolla un progra-
ma particular que se denomina traductor. Por lo tanto, todos los lenguajes
intermedios necesitan la presencia de un traductor, cuya funci´ on es la de
traducir el programa fuente en el programa-m´ aquina, dando como resultado
un programa objeto que es directamente ejecutable por el ordenador.
Entre los lenguajes intermedios m´ as importantes tenemos:
1.- Los lenguajes de ensamblaje o ensambladores.
2.- Los lenguajes autocode.
El lenguaje ensamblador es muy pr´ oximo a la m´aquina, y en ´el cada
orden corresponde directamente a una instrucci´ on en c´ odigo m´aquina, o a
la descripci´on de un dato elemental tal como se presenta en la memoria del
ordenador.
La acci´on del ensamblador consiste en traducir todos los elementos simb´ oli-
cos del programa fuente, tanto los c´ odigos de operaci´ on como las direcciones
de memoria. Con respecto a los c´odigos de operaci´ on, el ensamblador com-
para cada s´ımbolo encontrado en el programa con los existentes en una tabla
preestablecida, cargada en memoria en el momento del ensamblaje. Cuando
se produzca la correspondencia, el c´odigo simb´ olico ser´a sustituido por su
correspondiente num´erico de la tabla. Para las direcciones, el proceso es al-
go diferente. En una primera pasada, el ensamblador crea en memoria una
tabla, asignando una direcci´ on real a cada direcci´on simb´ olica que encuen-
tra. En la segunda pasada, el ensamblador reexamina cada instrucci´ on y
reemplaza los s´ımbolos por las direcciones correspondientes de la tabla. Es
entonces preciso que el ensamblador lea, por lo menos, dos veces el programa
fuente para obtener el programa en lenguaje m´ aquina (programa objeto).
La funci´ on del ensamblador no se reduce a estas operaciones que se
acaban de indicar. Tambi´en se encarga de reservar zonas de memoria, de
cargar alg´ un dato inmediato en la memoria del ordenador, etc.
Por su parte el lenguaje autocode tambi´en es un lenguaje muy pr´ oximo
22 2 Nociones sobre arquitectura de ordenadores
al lenguaje m´ aquina. Se diferencia del ensamblador por la introducci´ on de la
macro-instrucci´on. Se denomina as´ı porque en el momento de la traducci´ on
genera varias instrucciones de c´odigo m´aquina.
La noci´ on de macroinstrucci´ on est´a ligada al concepto de subprograma,
procedimiento o rutina. Supongamos que en un programa se desea leer datos
en diferentes puntos del mismo. Lo l´ ogico ser´ıa disponer de un conjunto
de instrucciones independientes del resto del programa (macro-instrucci´on),
que nos realice esta operaci´on de lectura, y poder llamar a esta macro-
instrucci´ on, cuando lo precisemos.
En el lenguaje autocode, la t´ecnica de ensamblaje es esencialmente la
misma que en el ensamblador. Al ensamblador del autocode se le denomina
macroensamblador.
El autocode presenta adem´ as, con respecto al ensamblador, la ventaja
de poder utilizar subprogramas ya existentes en el sistema, definidos por el
programador o por otro usuario del equipo.
Los lenguajes intermedios se suelen utilizar, bien porque las operaciones
que se desean programar no son posibles con los lenguajes m´as evoluciona-
dos, o bien porque los programas a construir son de ejecuci´ on permanente
y precisan una gran optimizaci´ on tanto de memoria como de tiempo de eje-
cuci´on. Es es el caso de algunos sistemas operativos y procesadores b´asicos.
La llegada de los lenguajes de alto nivel marca una etapa importante en la
evoluci´ on de los lenguajes intermedios. Mientras que ´estos est´an orientados
a la m´aquina, los de alto nivel van orientados al problema. Esto ´ ultimo
explica que la estructura de los lenguajes evolucionados sea completamente
diferente al de los de ensamblaje, estando los primeros mucho m´as pr´ oximos
al lenguaje natural. Los lenguajes evolucionados tienden a una universalidad
de empleo, permitiendo ser procesados, casi, con independencia del tipo de
ordenador.
Tomando como criterio el tipo de aplicaci´ on, se distinguen dos categor´ıas:
1. Lenguajes de prop´ osito general: que permiten resolver, en principio
cualquier tipo de problema. Se dividen en dos grupos dependiendo de
fin para el que han sido desarrollados.
a) Lenguajes definidos para aplicaciones t´ecnico-cient´ıficas: FOR-
TRAN, ALGOL y BASIC que fueron los primeros en ser des-
arrollados, entre 1954 y 1958, y el PASCAL y el lenguaje C que
se desarrollaron posterioremente, en 1970 y 1972 respectivamente,
son los m´as representativos en esta categor´ıa.
2.3 Lenguaje de m´ aquina, lenguajes de ensamblado, lenguajes de alto nivel23
b) Lenguajes de gesti´ on, como el COBOL, RPG, etc. El COBOL
ha sido b´ asicamente estudiado y pensado para programar aplica-
ciones de gesti´on. Hoy en d´ıa en la explotaci´ on y tratamiento de
grandes bases de datos, se emplea ORACLE, ACCES, etc
2. Lenguajes especializados: que han sido dise˜ nados para un tipo especial
de aplicaci´ on (por ejemplo, manejo de m´ aquina herramienta, dise˜ no,
ense˜ nanza asistida, etc). Son a t´ıtulo de ejemplo el CAD, GPSS, SI-
MULA, LISP, entre otros. Dentro de una especializaci´ on m´ as cercana,
S-plus o R.
En los lenguajes de alto nivel se sustituye el traductor (ensamblador o
macroensamblador) por el compilador, y la traducci´ on se denomina compi-
laci´ on.
Un compilador, es pues, un traductor de programas escritos en un len-
guaje de alto nivel. El compilador es un programa complejo (normalmente
escrito en ensamblador) que tiene como misi´on traducir expresiones y sen-
tencias, escritas en un lenguaje de alto nivel, en instrucciones que comprenda
e interprete el ordenador. M´ as adelante, veremos con m´as detalle la forma
de compilar un programa escrito en C.
24 2 Nociones sobre arquitectura de ordenadores
Cap´ıtulo 3
Introducci´on al lenguaje de programaci´ on
C (I)
C es un lenguaje de programaci´ on de uso general. Ha sido y es utilizado
para escribir programas num´ericos, programas de procesamiento de textos y
bases de datos. Dentro de los lenguajes de alto nivel, es clasificado como un
lenguaje de relativo bajo nivel, esto es, trabaja con la misma clase de objetos
que la mayor´ıa de los ordenadores: caracteres, n´ umeros y direcciones, que
pueden ser combinados con los operadores aritm´eticos y l´ogicos, utilizados
normalmente en las m´aquinas. No contiene elementos de alto nivel, que
deber´ an siempre ser aportados por funciones llamadas expl´ıcitamente.
De igual forma, las sentencias de control de flujo en C son sencillas,
secuenciales, de selecci´on, de iteraci´on, bloques y subprogramas, pero no
multiprogramaci´ on, paralelismo sincronizaci´ on o corrutinas.
La ausencia de estas caracter´ısticas es lo que da ventajas al lenguaje. C
es relativamente peque˜ no, puede escribirse en poco espacio y aprenderse con
facilidad. Por el contrario es tremendamente vers´ atil y port´ atil, es decir se
puede hacer casi cualquier cosa y ejecutar sin cambios en una amplia va-
riedad de m´ aquinas. Los compiladores se escriben f´acilmente. Exceptuando
los programas que necesariamente dependen en alguna forma de la m´ aqui-
na, como el compilador, ensamblador y depurador, el software escrito en
C es id´entico en casi cualquier m´ aquina que soporte a C. El lenguaje es
independiente de cualquier arquitectura de la m´ aquina en particular.
El sistema operativo UNIX est´ a escrito en su mayor parte en lenguaje
C. Los programas en C tienden a ser lo suficientemente eficientes como para
que no haya que escribirlos en lenguaje ensamblador. De hecho, casi todas
las aplicaciones de UNIX est´an escritas en C.
25
26 3 Introducci´ on al lenguaje de programaci´ on C (I)
En nuestro caso, hemos optado por describir la situaci´ on del sistema
UNIX, de la HP9000 de nuestro Centro de C´ alculo, pues dicho entorno de
trabajo es el habitual de la mayor´ıa de programadores de C.
Muchas de las ideas principales de C provienen de un lenguaje mucho m´ as
antiguo pero a´ un vigente: el lenguaje BCPL inventado por Martin Richars.
La influencia de BCPL le llega indirectamente a trav´es del lenguaje B, escrito
por Ken Thompson en 1970 para el primer sistema UNIX.
En C los objetos fundamentales son caracteres, enteros de varios ta-
ma˜ nos y n´ umeros en punto flotante. Existe tambien una jerarqu´ıa de tipos
de datos derivados, creados con apuntadores, arreglos estructuras, uniones
y funciones.
C posee las construcciones fundamentales de control de flujo para es-
cribir programas bien estructurados: agrupamiento de sentencias, toma de
decisiones (if), ciclos (bucles), con comprobaci´on de la condici´ on de termi-
naci´ on al principio (while, for) o al final (do) y selecci´ on entre un conjunto
de casos posibles (switch). C incluye apuntadores o punteros y capacidad
aritm´etica de direcciones.
Mostraremos ´estos y otros elementos esenciales del lenguaje C en ´este y
los siguientes cap´ıtulos.
3.1. Nociones sobre trabajo en el Sistema Opera-
tivo UNIX. El editor vi
UNIX es un sistema operativo con las siguientes caracter´ısticas:
a. Interactivo: El sistema acepta peticiones, las procesa en forma
de di´ alogo con el usuario.
b. Multiusuario: El sistema permite atender a varios usuarios
de forma simult´ anea. Para ello, utiliza la t´ecnica denominada de
tiempo compartido.
c. Multiprogramado: El sistema es capaz de realizar m´as de una
tarea para cada uno de los diversos usuarios.
B´asicamente consta de los siguientes elementos:
1. KERNEL: Constituye el n´ ucleo central del S.O., con entre otras fun-
ciones:
3.1 Nociones sobre trabajo en el Sistema Operativo UNIX. El editor vi27
a) Control de los recursos del ordenador, asign´ andolos entre los dis-
tintos usuarios.
b) Planificaci´ on de la ejecuci´on de los distintos programas realizados
por los usuarios.
c) Control de los dispositivos de hardware (discos, impresoras,..).
d) Mantenimiento del sistema de archivos.
2. SHELL: Es la capa externa al n´ ucleo. Su misi´ on es la de proporcionar
un interface entre el usuario y el S.O. Se puede decir que el SHELL es:
a) Un int´erprete de comandos.
b) Un lenguaje de programaci´ on.
c) Un controlador de procesos.
3. HERRAMIENTAS Y UTILIDADES: Son un conjunto de programas
que se entregan con el S.O. y que realizan tareas m´as complicadas y
de diversa ´ındole. Por ejemplo:
a) Manipulaci´ on de ficheros.
b) Manipulaci´ on del contenido de los ficheros.
c) Edici´ on de textos.
d) Compilaciones de programas.
e) Gesti´on de ventanas.
4. COMANDOS: Son un conjunto de expresiones prefijadas que permi-
ten dar ´ ordenes al S.O.. UNIX es un sitema operativo orientado a
comandos: hay que escribir las ´ ordenes. Windows es por el contrario
un sistema visual: hay que seleccionar iconos.
a) Claves de acceso a tu cuenta personal. Normalmente hay un su-
pervisor del sistema que tiene acceso a todas las cuentas. Los
usuarios tienen ´ unicamente acceso a su cuenta personal.
login: etpgamaa
password: ara2411
b) Estructura del ´ arbol de directorios:
Como todo sistema operativo, maneja ficheros los cuales son almace-
nados en distintas divisiones del disco duro, denominados directorios.
Tanto los directorios como los ficheros poseen un nombre.
Ficheros: guardan datos, programas, etc..
Nombre de ficheros:
28 3 Introducci´ on al lenguaje de programaci´ on C (I)
- Se pueden usar como m´aximo 14 caracteres (en versiones modernas,
incluso m´ as).
- Hay caracteres prohibidos (/, ?, ’, ”)
- Para trabajar con distintos ficheros:
Ejemplo 1: p* denota todos ficheros cuyo nombre comienza por p
Ejemplo 2: p?pe denota todos los ficheros cuyo nombre comienza por
p, luego cualquier cosa (incluso nada) y luego pe.
Usualmente los nombres de ficheros tienen lo que se llama extensi´ on.
Por ejemplo, los ficheros fuente en FORTRAN tienen extensi´ on .f, en
C tienen extensi´on .c, etc..
Directorios: guardan ficheros u otros directorios. No guardan infor-
maci´on como tal, sino que sirven para estructurar dicha informaci´ on.
(0) Ra´ız: se denota por /.
(1) bin: guarda los comandos del sistema.
(2) etc: guarda los sistemas de arranque.
(3) lost+found: se va guardando lo que el sistema va perdiendo.
(4) mnt: montaje del ´ arbol. Depende del mismo ´ arbol y es quien orga-
niza el ´arbol (utilidades del montaje,...).
(5) users: todos los usuarios del sistema est´an aqu´ı.
- Cada cuenta tiene el nombre de un usuario que cuelga de aqu´ı.
- Cada usuario puede hacer lo que quiera por debajo, pero con un
l´ımite de espacio (p.e. en mi caso 10 megas). Todo lo dem´as es accesible,
dependiendo de los correspondientes permisos. Es posible leer o incluso
copiar, ficheros existentes en directorios ajenos a la cuenta del usuario.
- En mi caso etpgamaa es el directorio del usuario (directorio home),
que coincide con el nombre de la cuenta a la que accedo.
3.1 Nociones sobre trabajo en el Sistema Operativo UNIX. El editor vi29
/
bin etc ls.+fd. users
pract
p9mnu
p9mnuaa p9mnuga · · · p9mnups
Estructura de comandos:
...>orden -[opciones] [par´ ametros]
([] puede no estar. Las opciones siempre empiezan con un gui´ on). UNIX
diferencia min´ usculas y may´ usculas. La mayor´ıa de las ´ ordenes son en
min´ usculas. Para separar las distintas componentes (orden, opciones,
par´ ametros , se usan espacios en blanco (s´olo aqu´ı, y en ning´ un si-
tio m´as se usa y ´esto es la clave de numerosos errores que se suelen
cometer).
Comandos para manejar el ´ arbol de directorios
pwd, mkdir, rmdir, cd
a) ...>pwd
D´ onde estoy, dame el directorio activo.
b) ...>mkdir nombre-de-directorio
Crea un directorio que se llame nombre-de-directorio.
Ejemplo 3:...>mkdir docencia metnu
Crea ambos directorios.
c) ...>rmdir nombre-de-directorio
Borra el directorio que se llame nombre-de-directorio. Para ello
se requieren dos condiciones: tiene que estar vacio y no tiene que
estar activo (no estar en ´el ni por debajo de ´el).
Ejemplo 4:...>rmdir docencia metnu
Borra ambos directorios.
d) ...>cd nombre-de-directorio
Cambia al directorio nombre-de-directorio.
30 3 Introducci´ on al lenguaje de programaci´ on C (I)
Ejemplo 5:...>cd .. (Sube uno hacia arriba)
Ejemplo 6:...>cd (Sube hasta el ra´ız)
Ejemplo 7:...>cd /users/etpgamaa/docencia/metnu
5. Comandos para manejar ficheros:
cat,ls,rm, cp, mv, chmod, lp,vi
a) >cat nombre-de-fichero visualiza el fichero nombre-de-fichero, pe-
ro no lo modifica (similar al comando TYPE de MS-DOS). La
b´ usqueda la realiza en el directorio activo. Si el fichero no est´ a en
dicho directorio, me dir´ a que no lo encuentra. Si en mi directorio
tengo creados dos subdirectorios: Programas y Datos, me encuen-
tro en este ´ ultimo y quiero que me ense˜ ne un fichero que est´ a en
Programas, hay que dar el camino:
...>cat /users/etpgamaa/programas/nombre-de-fichero
Esto es dar el path absoluto. Otro modo de hacerlo es dar el path
relativo.
...>cat ../Programas/nombre-de-fichero
La orden .., sube un paso hacia arriba.
Adem´as dicho comando permite concatenar:
...>cat pepe ana > alumnos existen tres ficheros pepe, ana y alum-
nos que contiene la uni´ on de pepe y ana.
...>cat pepe ana > alumnos mantiene el fichero alumnos (existen-
te) y le a˜ nade el contenido de pepe y ana.
...>cat p* > pruebas une todos los ficheros que empiezan por p
creando uno de nombre pruebas.
b) >ls [-opciones] [directorios] lista el contenido del directorio en el
que estoy.
• Sin opciones ni par´ ametros: informaci´on completa del
directorio actual.
• ...>ls -l /users/etpgamaa informaci´ on completa de di-
cho directorio.
• ...>ls -R -l /users/etpgamaa informaci´ on completa y
recursiva de todos los dicrectorios. El resultado de ´esto:
- - - - - - - - - - n.-enlaces propiet. grupo tama˜ no fecha n.-fichero
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
(1)Tipo de fichero:
- fichero ordinario (Programa, texto, datos).
d directorio.
3.1 Nociones sobre trabajo en el Sistema Operativo UNIX. El editor vi31
c,s,w,r controladores de dispositivos de e/s (impresora, modem,
cd-rom,...)
Permisos: aparece en tres bloques de tres.
(2) Propietario
(3) Otros usuarios del mismo grupo que el propietario
(4) Todos los dem´as usuarios del sistema
En cada grupo de tres:
r Lectura: se puede ver pero no modificar.
w Escritura: se puede modificar.
x Ejecuci´ on. (La tienen los ejecutables).
(5)N.-enlaces: n´ umero de lugares (directorios) desde los que es
accesible el fichero (frente a lo que sucede con el MS-DOS, un
fichero en UNIX es accesible desde distintos lugares).
(6)Propietario
(7)Grupo: grupo del propietario
(8)Tama˜ no: memoria que ocupa el fichero.
(9)Fecha: Fecha y hora de la ´ ultima modificaci´ on del fichero.
(10)N.-fichero: nombre del fichero.
c) >rm [-opciones] ficheros o directorios borra los ficheros indicados.
Puede tener como opciones:
• -r: borrado recursivo dentro de un directorio. • -i: pe-
tici´on de confirmaci´on.
Ejemplo 8: ...>rm -r * borra todo lo que hay en el direc-
torio. Es conveniente pedir confirmaci´ on.
Ejemplo 9: ...>rm pepe ana borra los ficheros pepe y ana.
Ejemplo 10: ...>rm p* borra todos los ficheros cuyo nom-
bre empieza por p.
d) >cp fichero-origen fichero-destino copia el fichero-origen en el
fichero-destino, machacando cualquier contenido que tuviera este
´ ultimo y manteniendo intacto el fichero-origen. Si hay cambio de
directorio hay que indicar el camino.
Ejemplo 11: ...>cp pepe /users/etpgamma/alumnos/pepe.1
e) >mv fichero-origen fichero-destino Frente al comando cp, este
comando no mantiene el fichero-origen, su contenido est´ a ´ unica-
mente en el fichero-destino. (Es similar al comando RENAME de
MSDOS).
f ) >chmod [modo] fichero/directorio cambia los permisos de acceso.
modo: (1) usuario, (2) operador, (3) permiso
(1) u=user (2) + a˜ nadir (3) r lectura
g=group - quitar w escritura
o=other = asignar x ejecuci´on
a=all
32 3 Introducci´ on al lenguaje de programaci´ on C (I)
Ejemplo 12: ...>chmod g+w pepe ana a˜ nade a la gente del grupo
el permiso de escritura sobre los ficheros pepe y ana.
Ejemplo 13: ...>chmod g+wx o-rwx pepe
Ejemplo 14: ...>chmod g=rx pepe
g) >lp pepe imprime el fichero pepe.
h) >vi pepe crea el fichero pepe. Es el comando de edici´ on de textos
en UNIX. Puede estar en modo COMANDO, para posicionarse,
moverse, abrir l´ıneas nuevas, eliminar l´ıneas, etc. pulsando la tecla
ESCAPE. Tambi´en puede estar en modo EDICION, para escribir.
Se entra en modo EDICION tecleando i ´o a.
Para salir: ESCAPE :wq sale guardando; ESCAPE :q! abandona.
Otros comandos:
date, who, passwd
a) >date dame la fecha que tiene registrada la m´ aquina.
b) >who inf´ ormame de los actuales usuarios del sistema.
• Sin opciones ni par´ ametros: usuarios conectados.
• ...>who -a todos los usuarios.
• ...>who am i s´olo de mi mismo.
c) >passwd Sentencia para cambiar el password (palabra de paso).
Aparece:
Old password:
New password:
Re-enter new password:
Para desconectarse en la terminal: CTRL+D o teclear EXIT
3.2. Compilado, ejecuci´ on y depuraci´on de progra-
mas en C
En entornos UNIX, los programas se editan utilizando los editores del
sistema. En nuestra m´ aquina el de uso habitual es vi.
Todo el texto o c´odigo de un programa se almacena en un fichero de ex-
tensi´ on .c, denominado fichero fuente. Para compilar el programa, se invoca
al compilador desde el prompt de sistema operativo, utilizando el comando
cc, seguido del nombre completo del fichero fuente. Por ejemplo:
$ cc programa1.c
3.3 Variables escalares, subindicadas (arrays) y constantes 33
Si el fichero fuente contiene errores, aparecen por pantalla todos ellos.
Hay que volver al programa fuente y subsanar dichos errores. Se vuelve a
compilar el programa. Si dicho programa no tiene errores, el compilador crea
el fichero objeto, que tiene el mismo nombre que el fichero fuente, pero con
extensi´on .o. Si el fichero fuente era ´ unico, la sentencia cc produce tambi´en el
linkaje, y crea adem´as del fichero objeto el fichero ejecutable, que por defecto
se llama a.out. Si s´olo queremos que cree el objeto, hay que especificarlo:
$ cc -c programa1.c
Si queremos que el ejecutable tenga otro nombre (por ejemplo programa),
hay que especificarlo tambi´en:
$ cc -o programa programa1.c
Si existen distintos ficheros fuente, programa1.c, programa2.c, progra-
ma3.c, se pueden compilar todos ellos, crear los correspondientes programas
objeto y linkarlos de manera que tengamos un ´ unico ejecutable de nombre
programa.
$ cc -o programa programa1.c programa2.c programa3.c
Para ejecutar el programa, basta escribir su nombre
$ programa
En C existe adem´ as lo que se denomina en ingl´es debugger. Un debuger
es un depurador de c´ odigo. No genera c´ odigo, sino que realiza una com-
probaci´ on muy estricta de tantos aspectos de un programa como puedan
ser comprobados durante la compilaci´ on. Detecta inconsistencias en los ti-
pos de datos, uso incongruente de argumentos, variables no utilizadas o no
inicializadas, problemas potenciales de portabilidad, etc.
La forma de depurar un programa en nuestro entorno es mediante la
sentencia lint.
$ lint programa1.c
3.3. Variables escalares, subindicadas (arrays) y
constantes
La sentencia
34 3 Introducci´ on al lenguaje de programaci´ on C (I)
j = 5 + 10;
significa lo siguiente: suma los valores 5 y 10 y asigna el resultado a la varia-
ble denominada j. En la lectura de la sentencia anterior, estamos suponiendo
conocidos todos los s´ımbolos involucrados. Sabemos que 5 y 10 son valores
enteros, que + e = son operadores y que j es una variable, lo cual significa
que su valor puede cambiar. Para el ordenador, sin embargo, todos estos
signos son una mera combinaci´ on de ceros y unos. Para que dicha expresi´ on
tenga sentido para un ordenador, hay que decirle previamente el significado
de cada uno de los s´ımbolos mencionados. Esta es una de las funciones del
compilador.
Las variables y las constantes son los objetos b´asicos que se manipulan en
un programa. Como sus propios nombres indican una constante es un valor
que nunca cambia, mientras que una variable puede representar distintos
valores. Una variable consigue su variabilidad representando una posici´ on,
una direcci´ on de memoria.
La variable j est´a localizada en alguna posici´ on, por ejemplo en la 2486.
De manera que la sentencia anterior, para el ordenador significa: suma los
valores 5 y 10 y coloca su resultado en la posici´ on de memoria 2486.
La sentencia,
j = j −2;
es entendida entonces como: coge el contenido de la posici´ on 2486 de la
memoria, r´estale la constante 2 y almacena el resultado de nuevo en dicha
posici´ on de memoria.
Variable Direcci´ on
2482
j 2486
2490
Memoria



4 bytes
Las declaraciones iniciales en un programa indican las variables que se
van a utilizar, establecen su tipo y tal vez las inicializan, es decir las dan un
valor inicial.
3.3.1. Nombres de variables
En el lenguaje C, se puede poner nombre casi a cualquier cosa: variables,
constantes, funciones, e incluso localizaciones en un programa. Los nombres
3.3 Variables escalares, subindicadas (arrays) y constantes 35
pueden contener letras, n´ umeros, o el car´acter barra baja , pero deben
comenzar por una letra o por dicho caracter. Hay algunas otras restricciones
en los nombres de las variables y constantes simb´olicas.
El lenguaje C diferencia entre may´ usculas y min´ usculas, de manera que:
var, Var, VAR
son nombres diferentes.
No se pueden elegir como nombres las palabras reservadas. (Hay una
lista de ellas en casi cualquier manual de C). En general no existe l´ımite
en cuanto al n´ umero de caracteres que puede tener un nombre en C. Al-
gunos compiladores antiguos lo fijan en 8 caracteres, otros en 31. Es buena
costumbre por la portabilidad del programa, intentar que los ocho primeros
caracteres de cada nombre sean ´ unicos.
3.3.2. Tipo y tama˜ no de datos
La primera clasificaci´ on que se puede hacer en cuanto al tipo de datos en
C es, como simples y compuestos. Dentro de los datos simples, tenemos:
1. Num´ericos, que a su vez pueden ser:
a) enteros: int o long (dependiendo de su tama˜ no)
b) reales (en punto flotante): float o double.
2. Car´ acter, que a su vez pueden ser:
a) simples: char
b) cadenas: char*
3. Punteros: representan direcciones de memoria.
Dentro de los datos compuestos, dependiendo de su composici´on:
1. Arrays: secuencia (vector) de datos simples del mismo tipo.
2. Estructuras: composici´ on de datos de distinto tipo.
Variables Num´ericas
Todas las variables hay que declararlas antes de usarlas en el programa,
es decir, dar su nombre, tipo y contenido. Por ejemplo:
36 3 Introducci´ on al lenguaje de programaci´ on C (I)
int x;
int lower, upper, step;
float factorial;
El contenido de la variables no es necesario darlo al principio del progra-
ma, pero s´ı antes del uso de dicha variable.
int x=0;
float factorial=1,0E-5 (que es lo mismo que 0.00001);
Variables Car´ acter
Las declaraciones son:
char respuesta;
char* nombre;
si adem´as las inicializamos:
char respuesta=‘s’; (la s es el valor simple que representa inicialmente la
variable respuesta)
char* nombre =”Jaime ”; (es una cadena de caracteres)
Cuando se inicializa as´ı, el ordenador entiende:
(‘J’‘a’‘i’‘m’‘e’‘¸0’)
Nota: ‘s’ representa el caracter simple s; mientras que ”s”es entendido
como una cadena de caracteres dada por (‘s’ ‘¸0’).
Variables Subindicadas (arrays)
EJEMPLO 1
int tabla [10];
define un vector de elementos enteros con 10 posiciones, (tabla [j], j=0,9).
tabla
2 5 200 520 3 0 1 850 1230 58
0 1 2 3 4 5 6 7 8 9
3.3 Variables escalares, subindicadas (arrays) y constantes 37
Se inicializar´ıa:
int tabla=¦2, 5, 200, 520, 3, 0, 1, 850, 1230, 58¦;
tabla[3]=520;
x=tabla[9]; /* el valor de la variable x es 58*/
EJEMPLO 2
char nombre [20];
define un vector de elementos de tipo car´ acter con 20 posiciones, (nombre[j],
j=0,19).
nombre

0 1 19
La inicializaci´ on es:
char nombre[20]=”Jaime”;
o bien;
char nombre[20]=¦‘J’ ,‘a’,‘i’,‘m’,‘e’,‘¸0’¦;
EJEMPLO 3
int tabla2 [10][20]; /* es una matriz 10x20 */
define una matriz de 10 filas y 20 columnas, de elementos enteros.
La inicializaci´ on para una casilla, ser´ıa:
tabla2 [1][3]=800;
tabla2
0
1 800


9
0 3 19
Variables Estructura
EJEMPLO 4
38 3 Introducci´ on al lenguaje de programaci´ on C (I)
struct persona
{ char nombre [20];
struct fecha
{ int dia, mes, a~ no; } fnacimiento;
int sueldo;
} empleado;
Todo esto define una estructura para cada persona. La variable es em-
pleado y est´a compuesta por tres tipos de datos: el nombre (de tipo car´acter),
la fecha de nacimiento (a su vez una estructura compuesta por tres datos
enteros), y el sueldo (una variable escalar de tipo entero).
Para inicializar esto:
empleado.nombre=”Pepito”;
empleado.fnacimiento.mes=10;
empleado.fnacimiento.a˜ no=72;
empleado.sueldo=150000;
O bien:
empleado=¦ ”Pepito”, ¦ 3,10,72¦,150000¦;
O agrupando los datos para la estructura fnacimiento:
empleado.fnacimiento=¦3, 10, 72¦;
3.4. Un ejemplo. El primer programa en C
El siguiente programa imprime la tabla de conversi´ on de temperatu-
ras Fahrenheit a grados cent´ıgrados o Celsius, utilizando la f´ ormula: C =
(5/9)(F −32).
0 -17.8
20 -6.7
40 4.4
3.4 Un ejemplo. El primer programa en C 39
60 15.6
... ...
260 126.7
280 137.8
300 148.9
El programa es
/* imprime la tabla Fahrenheit-Celsius
para f=0,20,...,300 */
main()
{
int lower, upper, step;
float fahr, celsius;
lower=0; /* l´ ımite inferior de la tabla de temperaturas*/
upper=300; /* l´ ımite superior */
step=20; /*tama~ no del incremento */
fahr=lower;
while (fahr<=upper){
celsius=(5.0/9.0) * (fahr-32.0);
printf("%4.0f %6.1f\n", fahr, celsius);
fahr=fahr+step;
}
}
Las dos primeras l´ıneas de programa son un comentario que, en este caso
explica lo que hace el programa. El compilador prescinde de los caracteres
comprendidos entre /∗ y ∗/.
A continuaci´ on comienza el cuerpo de programa, donde aparece la fun-
ci´on main. Todos los programas en C deben tener una funci´ on main en
alg´ un sitio. Normalmente main har´ a uso de otras funciones para efectuar su
trabajo. El cuerpo del programa est´ a dentro de unas llaves, que encierran el
bloque de todas las sentencias de que consta ´este.
A continuaci´ on aparece la lista de definiciones de las variables a utilizar
(su tipo) y su inicializaci´ on (valor inicial). Como hemos visto anteriormente
el tipo int implica que las variables de la lista son enteros; float indica punto
flotante, es decir n´ umeros que poseen parte fraccionaria. La precisi´ on, tanto
de int como de float depende de la m´ aquina que se est´e utilizando. En el
Cap´ıtulo 4 se especifican m´as detalles al respecto.
Las sentencias o proposiciones individuales se terminan con punto y co-
ma. Cada l´ınea de la tabla se calcula de la misma forma, para lo cual se utiliza
40 3 Introducci´ on al lenguaje de programaci´ on C (I)
un ciclo (bucle) que se repite una vez por cada l´ınea. Este es el prop´ osito
de la sentencia while. Se examina la condici´ on encerrada entre par´entesis.
Si es cierta (fahr es menor o igual que upper), se ejecuta el cuerpo del ciclo
(todas las sentencias encerradas entre llaves). A continuaci´on se vuelve a
evaluar la condici´ on y si es cierta se ejecuta de nuevo el cuerpo del ciclo.
Cuando la condici´ on es falsa, finaliza el ciclo y el control del programa pasa
a la sentencia que lo sigue.
M´ as adelante hablaremos de las reglas que rigen la conversi´on entre en-
teros y punto flotante. Por ahora basta observar, que tanto la asignaci´ on
fahr = lower; como la comprobaci´on while(fahr <= upper) trabajan co-
mo se esperaba: la variable de tipo int es convertida a float antes de realizar
la operaci´ on.
En el ejemplo tambien se muestra c´omo funciona la funci´ on printf.
printf es una funci´ on con formatos de conversi´ on de uso general que de-
tallaremos m´ as adelante. Su primer argumento es una cadena de caracteres
que imprimir, indicando cada signo % el lugar en que ha de sustituirse cada
uno de los restantes (segundo, tercero,...) argumentos y en qu´e forma ha
de ser impreso. Por ejemplo, en la sentencia escrita en el programa la es-
pecificaci´ on de conversi´ on %4,0f indica que se ha de imprimir un n´ umero
en punto flotante que ocupe un espacio de a lo sumo cuatro caracteres, sin
d´ıgitos despu´es del punto decimal. %6,1f pide otro n´ umero que ocupar´ a a
lo sumo 6 posiciones, con un d´ıgito despu´es del punto decimal. Despu´es de
la especificaci´ on de formato y separadas por comas, aparecen las variables
cuyos valores se van a imprimir.
Para terminar, hay que se˜ nalar que printf no forma parte del lenguaje.
En C no se define ni la entrada ni la salida. Es ´ unicamente una funci´ on
´ util de la biblioteca est´ andar de funciones de entrada/salida habitualmente
accesible desde los programas en C.
Evidentemente, hay muchas formas de escribir un programa en C. El
siguiente es una modificaci´ on del anterior:
/* imprime la tabla Fahrenheit-Celsius */
main()
{
int fahr;
for (fahr=0; fahr<= 300; fahr=fahr+20)
printf("%4d %6.1f\n", fahr, (5.0/9.0)*(fahr-32));
}
El programa anterior produce el mismo resultado, pero su aspecto es
diferente. Se han eliminado la mayor´ıa de las variables. La variable fahr
3.4 Un ejemplo. El primer programa en C 41
permanece como int, hasta que en la propia funci´ on printf se realiza la
conversi´on %4d.
Se ha utilizado una nueva expresi´ on iterativa, la proposici´ on for. Consta
de tres partes separadas por punto y coma. La primera se ejecuta una sola
vez, antes de entrar en el ciclo propiamente dicho. La segunda es el criterio
o condici´ on que controla la ejecuci´ on. Esta condici´ on se eval´ ua; si es cierta,
se ejecuta el cuerpo del ciclo, y a continuaci´on se ejecuta la tercera parte
que es la parte de reinicializaci´ on y se vuelve a evaluar la condici´ on. El ciclo
termina cuando la condici´ on se torna falsa. Como en while el cuerpo del
ciclo puede ser una sola sentencia o un grupo de ellas colocadas entre llaves.
La decisi´on de utilizar un while o un for es arbitraria.
Una ´ ultima observaci´ on es la siguiente. Es una mala costumbre sepultar
en el interior del programa n´ umeros como 0, 300 ´o 20 en el caso del programa
anterior. Siendo dif´ıcil cambiarlos sistem´aticamente si la ocasi´on lo merece.
Para ello se utilizan en C las sentencias #define y las constantes simb´oli-
cas. Mediante la construcci´ on #define, al comienzo del programa se puede
definir un nombre simb´ olico como una determinada cadena de caracteres y
darlas un valor.
#include <stlib.h>
#include <stdio.h>
#define LOWER 0
#define UPPER 300
#define STEP 20
/* imprime la tabla Fahrenheit-Celsius */
main()
{
int fahr;
for (fahr=LOWER; fahr<= UPPER; fahr=fahr+STEP)
printf("%4d %6.1f\n", fahr, (5.0/9.0)*(fahr-32));
exit(0);
}
Las tres cantidades definidas son constantes y por lo tanto no pueden
aparecer en las declaraciones. Obs´ervese adem´as que no hay punto y coma
despu´es de las definiciones.
42 3 Introducci´ on al lenguaje de programaci´ on C (I)
3.5. Operadores y funciones standard m´as usuales
Los operadores son las herramientas mediante las cuales se construyen
las expresiones que manipulan los datos. Una clasificaci´on inicial puede ser
la siguiente:
1. Unitarios: −(menos unitario, −x representa la negaci´ on de x) y + (m´ as
unitario, +x representa el valor de x, est´a disponible en compiladores
ANSI). Por ejemplo, si m es igual a 5, −m es igual a -5. No hay que
confundir estos operadores con los operadores binarios aritm´eticos de
diferencia y suma.
2. Aritm´eticos: + (suma), − (diferencia y tambi´en existe el − unitario;
p.e. −x representa la negaci´ on de x), ∗ (producto), / (cociente), %
(divisi´on entera: x%y produce el resto de dividir x entre y, y por
lo tanto es cero, si x es divisible entre y). El operador % no puede
utilizarse con datos de tipo float o double (reales).
Ejemplo 1: j = 3−−x, es interpretado como j = (3−(−x)). El primer
− se˜ nala una resta, el segundo es un − unitario.
Ejemplo 2: 3/4 da como resultado el valor 0, puesto que es una divisi´ on
entera (la parte fraccional se trunca). Si queremos realizar la divisi´ on,
hay que escribir 3,0/4,0.
3. Relacionales: == (igual), ! = (distinto), > (mayor que), < (menor
que), >= (mayor o igual que), <= (menor o igual que).
4. Asignaci´ on: = (Usado en inicializaciones), + = (suma-asignaci´ on),
− = (resta-asignaci´on), ∗ = (multiplica-asignaci´ on), / =(divide-asignaci´ on),
% = (resto-asignaci´on).
Ejemplo 3: a = b pon el valor de b en a.
Ejemplo 4: a+ = b pon el valor de a +b en a.
Ejemplo 5: a− = b pon el valor de a −b en a.
Ejemplo 6: a∗ = b pon el valor de a ∗ b en a.
Ejemplo 7: a/ = b pon el valor de a/b en a.
Ejemplo 8: a % = b pon el valor de a %b en a.
El t´ermino de la izquierda en las anteriores expresiones (a), puede
referirse a una posici´ on de memoria.
5. L´ ogicos: && (and), [[ (or), ! (not).
Ejemplo 9: a&&b vale 1 si a y b son no nulos, vale 0 en otro caso.
Ejemplo 10: a[[b vale 1 si a ´o b son no nulos, vale 0 en otro caso.
3.5 Operadores y funciones standard m´as usuales 43
Ejemplo 11: !b vale 1 si b es nulo, vale 0 en otro caso.
6. Acceso a miembros (Operadores de memoria): [] (usado en declaracio-
nes de arrays) , (usado en declaraciones de estructuras), → (acceso a
estructuras , cuando se dispone del puntero), () (para pasar par´ ame-
tros en funciones, & (pon un objeto en una direcci´ on de memoria), ∗
(obt´en el objeto situado en esa direcci´ on de memoria).
Ejemplo 12: &x obtiene la direcci´ on de x.
Ejemplo 13: ∗x obtiene el objeto situado en la direcci´ on x.
Ejemplo 14: x[5] obtiene el valor del vector x en la posici´ on 5.
Ejemplo 15: x.y obtiene el valor del miembro y en la estructura x.
Ejemplo 16: p → y obtiene el valor del miembro y en la estructura
punteada por p.
7. Operadores de incremento y decremento: C dispone de dos operadores
un poco raros, que incrementan y decrementan el valor de las variables.
El operador ++ le suma 1 a su operando; el operador −− le resta 1. La
caracter´ıstica especial de estos operadores es que pueden ser utilizados
como prefijos (antes de la variable, como en ++n) o bien como sufijos
(despu´es de la variable, n − −). En los dos casos ++ aumenta (−−
disminuye) en 1 el valor de la variable n, pero la expresi´ on + + n
incrementa n antes de utilizar su valor, mientras que n + + lo hace
despu´es de que se ha empleado su valor. Por ejemplo, si n = 5:
x = + +n; pone un 6 en x (incrementa primero el valor de n), pero
x = n + +; pone un 5 (toma primero el valor de n).
8. Operador condicional ? : que resulta ser una versi´ on abreviada de la
expresi´on if...else.... Por ejemplo: z = (x < y)?x : y), comprueba si
x < y, en cuyo caso asigna z = x, si x ≥ y, la asignaci´ on que hace es
z = y.
9. Operadores para la manipulaci´ on de bits: >>, <<, &, [, ∧, ∼.
10. Operador cast, de conversi´ on de tipo.
11. Operador sizeof, que devuelve el tama˜ no en bytes, de datos o expre-
siones.
3.5.1. Funciones m´as usuales
Una funci´ on es una colecci´on de componentes del lenguaje agrupadas
bajo un mismo nombre. Si la funci´ on est´a bien dise˜ nada, debe representar
44 3 Introducci´ on al lenguaje de programaci´ on C (I)
un peque˜ no n´ umero de operaciones, que son indicadas por el nombre de
la funci´ on. A menudo, una funci´ on aparece unas pocas l´ıneas m´ as abajo
de donde se la llama una sola vez, para clarificar una parte del programa.
Vamos a mostrar los mecanismos para la definici´ on de funciones escribiendo
la funci´ on power(m, n) que eleva el entero m a la potencia representada por
el entero positivo n.
/* prueba de la funcion power */
main()
{
int i;
for (i=0; i< 10; ++i)
printf("%d %d %d\n",i,power(2,i), power(-3,i));
}
power(x,n) /* elevar x a la n-´ esima potencia */
int x,n;
{
int i,p;
p=1;
for(i=1; i<=n; ++i)
p=p * x;
return(p);
}
Las funciones aparecen en cualquier orden, y en uno o m´ as archivos
fuente. Por el momento supondremos que est´ an en el mismo archivo, por lo
que se mantiene lo que hemos aprendido sobre ejecuci´ on de programas en
C.
En la l´ınea de impresi´on se llama dos veces a la funci´on power. En cada
llamada se pasan dos argumentos a power, que cada vez devuelve un entero
que se formatea e imprime. Los argumentos de la funci´on power se declaran
para que se conozca su tipo. La declaraci´on de los argumentos se realiza
entre la lista de argumentos y la llave de apertura. Cada declaraci´on debe
acabar con un punto y coma. Los nombre de los argumentos en power son
completamente locales a la funci´on. Esto tambi´en se aplica a las variables i
y p: la i de power no tiene nada que ver con la i de main.
El valor que calcula power se devuelve al programa principal main me-
diante la sentencia return. Puede aparecer cualquier expresi´ on entre los
par´entesis de una sentencia return. Una funci´ on no tiene por qu´e devolver
un valor; una sentencia return sin expresi´ on devuelve el control al programa
principal aunque no le devuelve un valor ´ util.
3.5 Operadores y funciones standard m´as usuales 45
En C todos los argumentos se pasan por valor. Esto significa que la fun-
ci´on recibe los valores de sus argumentos en variables temporales, en lugar
de recibir sus direcciones. La diferencia principal es que en C la funci´ on
llamada no puede alterar el valor de una variable de la funci´ on que llama,
´ unicamente puede cambiar el valor de su copia privada y temporal. Esto es
una ventaja y permite escribir programas m´ as compactos, con pocas varia-
bles externas, ya que los argumentos se tratan como variables locales a la
rutina llamada, si est´ an debidamente inicializadas. Veamos una versi´ on de
power que utiliza este hecho.
power(x,n) /* elevar x a la n-´ esima potencia. Versi´ on 2 */
int x,n;
{
int p;
for(p=1; n>=0; --n)
p=p * x;
return(p);
}
El argumento n se utiliza como variable temporal, siendo decrementada
hasta que llega a ser 0. Cualquier cosa que hagamos con n dentro de power
no tendr´ a ningun efecto sobre el argumento. Cuando sea necesario, es po-
sible hacer que una funci´ on modifique el valor de una variable en la rutina
llamante. Trataremos esto con m´as detalles cuando hablemos de direcciones
de memoria y paso de argumentos por referencia.
En C como en otros lenguajes de programaci´ on existen cientos de fun-
ciones prefabricadas almacenadas en librer´ıas. Algunas de las standard, apa-
recen a continuaci´ on:
Funci´ on Descripci´ on
fgetc() Lee un caracter de un fichero
fopen() Abre un fichero
fclose() Cierra un fichero
time() Calcula el tiempo actual
sin() Calcula el seno de un ´ angulo
log() Calcula el logaritmo de un n´ umero
Como hemos visto tambi´en es posible crear nuevas funciones. Por ejem-
plo, podr´ıamos definir una funci´ on para calcular el cuadrado de un n´ umero
entero. Ser´ıa un caso particular de la funci´ on power:
int square(int num)
{
46 3 Introducci´ on al lenguaje de programaci´ on C (I)
int answer;
answer=num*num;
return answer;
}
La funci´ on main()
Por otro lado, todo programa ejecutable debe contener una funci´ on espe-
cial denominada main(), que indica donde comienza la ejecuci´ on. Por ejem-
plo para invocar a la funci´ on square(), que eleva un n´ umero al cuadrado,
deber´ıamos escribir:
#include <stdlib.h>
int main(void)
{
extern int square(int);
int solution;
solution=square(5);
exit(0);
}
Este peque˜ no programa asigna el cuadrado de 5 a la variable denominada
solution. Las reglas de utilizaci´on de esta funci´ on son las mismas que las
de cualquier otra. Sin embargo, no hemos declarado el tipo de datos que
devuelve, ni los argumentos. Adoptaremos por ahora, que dicha funci´ on
main() genera un valor y trabaja con dos argumentos. Analizaremos este
detalle en el Tema 5.
La funci´ on exit() causa el final del programa, devolviendo el control
al sistema operativo. Si el argumento de exit() es el cero, significa que el
programa termina sin errores. Argumentos distintos del cero, denotan errores
en la ejecuci´on. La llamada de exit() dentro de una funci´ on main() hace
exactamente lo mismo que la sentencia return. Es decir exit(0); es lo mismo
que return 0;. Se debe incluir cualquiera de las dos, dentro de cada funci´ on
main().
Si se usa exit() debe incluirse al comienzo del programa el fichero stdlib.h,
que es donde est´a almacenada dicha funci´ on.
3.5 Operadores y funciones standard m´as usuales 47
En el caso anterior declaramos dos nombres en main(). El primero es
la funci´ on square(), que vamos a llamar. La palabra extern indica que di-
cha funci´ on est´a definida en cualquier sitio, posiblemente en otro fichero
fuente. La otra variable solution, es un entero que nosotros utilizamos para
almacenar el valor que devuelve la funci´ on square().
La siguiente sentencia es en la que se invoca a la funci´ on square(). El
argumento que aparece entre par´entesis, indica que es el valor pasado como
argumento a dicha funci´ on, esto es, es el valor del que se va a calcular el
cuadrado. El operador de asignaci´ on =, indica que el resultado que devuelve
dicha funci´ on ser´a almacenado en la variable solution.
La funci´ on printf()
El programa anterior es correcto pero poco operativo. Una de las razones
es que no nos deja ver su salida. Una soluci´ on para este problema es utilizar
la funci´ on printf().
#include <stdio.h> /*Fichero donde se encuentra printf()*/
#include <stdlib.h>
int main(void)
{
extern int square(int);
int solution;
solution=square(27);
printf("El cuadrado de 27 es %d \n", solution);
exit(0);
}
Se˜ nalar que hemos tenido que a˜ nadir en la cabecera el fichero stdio.h,
donde se encuentra la funci´ on de Input/Output printf(). Aunque describire-
mos dicha funci´ on con m´as detalle en otro cap´ıtulo, se˜ nalar que el s´ımbolo
%d indica que el argumento que va a imprimir es un entero decimal. La
secuencia ¸n indica a dicha funci´ on que salte de l´ınea (newline).
Si tienes almacenado el programa anterior en un fichero de nombre poten-
cia2.c y la funci´ on square() en otro denominado square.c, podr´ıas compilar
ambos programas mediante la sentencia:
48 3 Introducci´ on al lenguaje de programaci´ on C (I)
$ cc -o potencia2 potencia2.c square.c
que crea un ejecutable con nombre potencia2. Basta a continuaci´ on que
teclees
$ potencia2
y obtentr´ as
El cuadrado de 27 es 729
En la sentencia que aparece utilizada la funci´ on printf(), se utilizan dos
argumentos, el primero adem´ as de incluir un peque˜ no texto, especifica el
formato de la variable que se va a imprimir. As´ı %d, indica que la variable
solution es un entero decimal. Hay otros especificadores para otros tipos de
datos, por ejemplo:
Car´ acter Especificaci´ on
%s Vector caracter
%x Entero Hexadecimal
%f Dato real (punto flotante)
%o Entero octal
La versi´on general de la funci´ on printf(), debe contener tantas especifi-
caciones de formato como variables se van a imprimir:
printf(”Imprime tres valores: %d, %d, %d”, num1, num2, num3);
La funci´ on scanf()
Todav´ıa el programa anterior es poco operativo, ya que permite calcular
´ unicamente el cuadrado del n´ umero 27. Para obtener el cuadrado de otro
n´ umero, habr´ıa que modificar el fichero fuente potencia2.c, volver a compilar
y volver a ejecutar. Esto se puede evitar con el uso de la funci´ on scanf().
Dicha funci´ on realiza el trabajo contrario al de printf(), mientras ´esta escribe
la salida del programa en la pantalla, la funci´ on scanf() lee el valor del dato
introducido mediante el teclado y se lo asigna a una variable. Si a˜ nadimos
esta posibilidad al programa anterior:
#include <stdio.h> /*Fichero donde se encuentra printf()*/
#include <stdlib.h>
int main(void)
{
3.5 Operadores y funciones standard m´as usuales 49
extern int square(int);
int solution;
int input_val;
printf("Introduce un valor entero:");
scanf("%d", &input_val);
solution=square(input_val);
printf("El cuadrado de %d es %d\n", input_val, solution);
exit(0);
}
Ahora hemos declarado una nueva variable input val, que sirve para al-
macenar el valor entero introducido por el teclado, luego pasamos este valor
como argumento a square(). La expresi´ on &input val, significa ”la direcci´ on
de memoria de la variable imput val”. En realidad, la funci´ on scanf() alma-
cena el valor introducido directamente en dicha direcci´ on de memoria. La
ejecuci´on del programa tendr´ a el aspecto:
$ potencia2
Introduce un valor entero: 22
El cuadrado de 22 es 484
Hemos visto que la funci´on scanf() realiza la tarea contraria a printf().
Su sintaxis es similar. La diferencia es que en la funci´ on scanf(), los nombres
de variables, van precedidas del s´ımbolo &. Esto hace que el sistema lea el
dato de la terminal y lo coloque en una direcci´ on de memoria.
Sentencias #include
Esta sentencia hace que el compilador lea texto de otros ficheros, al
mismo tiempo que lee el fichero que est´a compilando. Una sentencia de este
tipo puede tener dos estructuras:
#include < fichero >
y
#include “fichero”
50 3 Introducci´ on al lenguaje de programaci´ on C (I)
En el primer caso, el compilador busca en alg´ un lugar designado por el
sistema operativo. En el segundo caso, el compilador busca en el directorio
donde se encuentre el fichero que est´a compilando.
Sentencias #define
Sirven para asociar una constante a una variable, que ocupa una direc-
ci´on de memoria. Por ejemplo:
#define var 1 34
asigna el valor 34 a la variable var 1, de manera que las sentencias
j = 1 + 34;
j = 1 +var 1;
dan el mismo resultado.
3.6. Ambito de definici´ on y validez de las varia-
bles. Variables externas
Las variables de main son privadas o locales a main. Lo anterior tam-
bi´en es v´alido para las variables de otras funciones. Cada variable local de
una rutina comienza a existir cuando se llama a la funci´ on, y desaparece
cuando la funci´ on acaba. Por esta raz´on, tales variables reciben el nombre
de autom´aticas.
Las variables autom´aticas aparecen y desaparecen con la invocaci´on de
la funci´ on, por eso no conservan su valor entre dos llamadas sucesivas, y se
les ha de dar un valor a la entrada de la funci´ on.
Como alternativa es posible definir variables externas a todas las fun-
ciones; esto es, variables globales a las que puede acceder cualquier funci´ on
mediante su nombre. Las variables externas son accesibles globalmente; por
ello pueden usarse en lugar de listas de argumentos para comunicar datos
entre funciones. Adem´ as mantienen sus valores, ya que existen permanente-
mente en lugar de aparecer y desaparecer, incluso despu´es de que finalizan
las funciones que las cambian.
Una variable externa ha de definirse fuera de las funciones. Esto les
asigna memoria real. La variable ha de ser declarada en toda funci´ on que
3.7 Precedencia y orden de evaluaci´ on entre operadores 51
quiera acceder a ella; esto puede hacerse mediante una declaraci´ on extern
expl´ıcita, o en forma impl´ıcita a trav´es del contexto. Veamos un ejemplo:
#include <stdio.h>
/* definici´ on de la variable global var1 */
int var1=50;
main(){ /* comienzo del programa */
printf("%d\n", var1); /* escribe 50 */
{ /* var1 y var2 variables locales al bloque 1 y 2*/
int var1=100, var2=200;
printf("%d %d\n", var1, var2); /* escribe 100 y 200 */
{ /* bloque 2*/
int var1=0;
printf("%d %d\n", var1, var2); /* escribe 0 y 200 */
}
printf("%d\n", var1); /* escribe 100 */
}
printf("%d\n", var1); /* escribe 50 */
} /* final de programa*/
3.7. Precedencia y orden de evaluaci´on entre ope-
radores
Los operadores tiene dos propiedades, precedencia y asociatividad. Las
dos est´an estrechamente relacionadas. Ve´amoslas en un ejemplo:
La expresi´on 2 +3 ∗ 4 evaluada por la m´ aquina es 14, igual que 3 ∗ 4 +2.
Sin embargo la m´ aquina hace la cuenta siempre en el mismo orden. Primero
eval´ ua 3 ∗ 4 y luego al resultado le suma un 2. Esto se resume diciendo que
el operador ∗ tiene una precedencia m´as alta que el operador +. Si se quiere
establecer otro orden hay que utilizar par´entesis. Por ejemplo, 3,0 −4,0/8,0
da como resultado 2,5, distinto al de la expresi´ on (3,0 − 4,0)/8,0 que da
−0,125.
Por otra parte, la expresi´ on de asignaci´on x = y = 3, es asociativa de
derecha a izquierda, es decir se eval´ ua comenzando por la derecha. En primer
lugar se asigna un 3 a la variable y, y posteriormente se asigna este mismo
valor a la variable x. Un operador puede ser asociativo de derecha a izquierda
o de izquierda a derecha.
52 3 Introducci´ on al lenguaje de programaci´ on C (I)
En la siguiente tabla aparecen clasificados los operadores de acuerdo a
su precedencia y asociatividad.
Clase de Operador Operadores en la clase Asociatividad Precedencia
Primario () [] → Izda. a dcha. Alta
Unitario cast
sizeof
& (direcci´on en memoria) Dcha. a izda.
∗ (de referencia)
− +
∼ ++ −− !
Aritm´etico multiplicativo ∗ / % Izda. a dcha.
Aritm´etico aditivo + − Izda. a dcha.
Manipulaci´ on de bytes << >> Izda. a dcha.
Relacional de desigual. < <= > >= Izda. a dcha.
Relacional de igual. == ! = Izda. a dcha.
Manipulaci´ on de bytes & Izda. a dcha.
Manipulaci´ on de bytes ∧ Izda. a dcha.
Manipulaci´ on de bytes [ Izda. a dcha.
L´ogico && Izda. a dcha.
L´ogico [[ Izda. a dcha.
Condicional ? : Dcha. a izda.
Asignaci´on = + = − = ∗ =
/ = % = >> n = <<= Dcha. a izda.
& = ∧ = Baja
Cap´ıtulo 4
Introducci´on al lenguaje de programaci´ on
C (II)
Un tipo de dato es una interpretaci´ on que da el compilador a una cadena
de bits. En el tema anterior vimos una clasificaci´ on de datos como simples (o
escalares) y compuestos (o agregados). Hay adem´as un tipo de dato -void-
que no es ni simple ni compuesto. En este tema vamos a describir los tipos
de datos escalares y el tipo void.
4.1. Declaraciones. Tipos de datos escalares: ente-
ros, car´acter, de coma flotante y enumeraci´ on
Todas las variables deben ser declaradas antes de utilizarlas, aunque cier-
tas declaraciones se realizan impl´ıcitamente por el contexto. La declaraci´ on
le dice al compilador c´ omo interpretar y almacenar una serie de bytes. Para
declarar la variable j como entera, debemos escribir:
int j;
La palabra int es una palabra reservada que especifica que el dato es
de tipo entero. Hay nueve palabras reservadas para especificar los tipos de
datos simples o escalares. Los cinco dados por: char, int, float, double,
enum son tipos b´ asicos. Los otros: short, long, signed y unsigned son
modificaciones calificadoras de datos simples.
53
54 4 Introducci´ on al lenguaje de programaci´ on C (II)
char un byte (octeto) capaz de contener un car´ acter del juego de
caracteres de la instalaci´ on local
int un entero, normalmente del tama˜ no de los enteros de la
instalaci´ on local
float un n´ umero en punto flotante de precisi´ on normal
double un n´ umero en punto flotante de doble precisi´ on
Adem´as hay una serie de calificadores que se aplican a los enteros: short,
long, signed y unsigned. short y long se refieren a diferentes tama˜ nos de
los n´ umeros. Algunos compiladores dedican cuatro bytes para almacenar un
entero, mientras que otros s´olo dedican dos. Por otra parte el tama˜ no de un
byte tampoco es constante. En la mayor´ıa de las m´ aquinas un byte son ocho
bits, pero hay excepciones.
Si no tienes inter´es en el tama˜ no del entero dentro de la m´ aquina, puedes
usar int. En otro caso debes especificar short o long. En la mayor´ıa de las
m´aquinas short int es un entero que ocupa dos bytes, mientras que long
int es un entero que ocupa cuatro bytes.
short int j;
long int k;
es lo mismo que
short j;
long k;
El n´ umero de bits utilizados para representar un entero determina el
rango de valores que pueden ser almacenados en ese tipo.
Tipo Tama˜ no (en bytes) Rango de valores
int 4 −2
31
a 2
31
−1
short int 2 −2
15
a 2
15
−1
long int 4 −2
31
a 2
31
−1
unsigned short int 2 0 a 2
16
−1
unsigned long int 4 0 a 2
32
−1
signed char 1 −2
7
a 2
7
−1
unsigned char 1 0 a 2
8
−1
Consideremos por ejemplo un entero short int (16 bits). Cada bit repre-
senta un valor de 2 elevado a la potencia n, donde n representa la posici´on
4.1 Declaraciones. Tipos de datos escalares: enteros, car´ acter, de coma flotante y enumeraci´on55
del bit:
2
15
2
14
2
13
2
12
2
11
2
10
2
9
2
8
2
7
2
6
2
5
2
4
2
3
2
2
2
1
2
0
Por ejemplo para expresar el n´ umero decimal 9 = 2
3
+ 2
0
= 8 + 1.
0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1
Adem´as en C existe la posibilidad de declarar una variable como no
negativa (unsigned). Para hacer ´esto se utiliza el calificador unsigned:
unsigned int k;
unsigned short j;
unsigned long m;
En los compiladores standard ANSI, existe la posibilidad de declarar a
los enteros signed, es decir, con valores positivos o negativos. Un calificador
de este tipo parece superfluo, dado que por defecto una variable no declarada
como unsigned, deber´ıa ser signed. La diferencia est´ a en las variables de tipo
car´acter, que pueden ser signed o unsigned por defecto. La mayor´ıa de los
compiladores utilizan signed char por defecto.
Vamos a ver ahora que la notaci´ on cient´ıfica usual
123,45e
−7
o bien
0,12E3
tambi´en es v´alida para valores float. Toda constante en punto flotante se
toma por defecto como double, por lo que la notaci´ on e sirve tanto para
float como para double. Si queremos declarar e inicializar una variable en
punto flotante
float eps = 1.5e-5;
(le estamos asignando a la variable real eps el valor inicial 0,000015 = 1,5 ∗
10
−5
).
Hay una notaci´ on para constantes octales y hexadecimales: un cero que
encabece una constante int indica octal; el grupo 0x (o bien OX) indica he-
56 4 Introducci´ on al lenguaje de programaci´ on C (II)
xadecimal. Por ejemplo, el decimal 31 de puede escribir como 037 en octal, o
como 0x1f (0X1F) en hexadecimal. Las constantes octales o hexadecimales
pueden acabar en L para hacerlas long. (Ver tabla de conversi´ on ASCII,
para las equivalencias entre los distintos tipos de representaci´ on).
Una constante car´ acter es un ´ unico car´ acter escrito entre ap´ostrofos. El
valor num´erico de una constante car´ acter es el valor num´erico del car´acter en
el conjunto de caracteres de la representaci´ on. Por ejemplo, en el conjunto
de caracteres ASCII, el car´acter cero, ‘0’, es 48, diferente del valor num´erico
0. Las constantes car´acter pueden participar en las operaciones num´ericas
como cualquier otro n´ umero, aunque es m´ as frecuente encontrarlas en com-
paraciones con otros car´acteres.
Ciertos caracteres no imprimibles se representan como constantes car´acter
mediante secuencia de escape como ¸n (nueva l´ınea), ¸t (tabulador); ¸0 (nu-
lo), ¸¸ (barra invertida), ¸

(ap´ ostrofo), etc. Aunque aparecen como dos
caracteres, en realidad son s´olo uno. La constante

¸0

representa el car´acter
con valor nulo.
El tipo de dato de enumeraci´ on enum, es particularmente ´ util, cuando
quieres crear un ´ unico conjunto de valores que pueden ser asociados con
una variable. En el siguiente ejemplo, vamos a declarar dos variables de
enumeraci´ on llamadas color e intensidad. A color le vamos a poder asignar
uno de los cuatro valores constantes rojo, azul, amarillo, verde. A intensidad
le vamos a poder asignar los valores brillante, media, oscura. La declaraci´ on
ser´ıa:
enum rojo, azul, amarillo,verde color;
enum brillante, media, oscura intensidad;
Este tipo de dato no forma parte de la versi´ on de C dada por Kernighan y
Ritchie, por lo que la implementaci´ on puede variar de un compilador a otro.
Un buen compilador, sin embargo, dar´ıa se˜ nal de problemas ante sentencias
como:
color=brillante;
intensidad= azul;
color=1;
color=azul+verde;
4.2 Conversiones de tipo 57
El tipo de dato void
Tampoco forma parte de la versi´ on de C dada por Kernighan y Ritchie.
El tipo dato void, tiene dos importantes usos. El primero es indicar que
una determinada funci´ on no devuelve un valor. Por ejemplo, puedes ver una
funci´ on definida como:
void func (a, b)
int a, b;
{
.
.
}
Esto indica que la funci´ on no devuelve ning´ un valor. Tambi´en pod´ıamos
haberlo utilizado en la llamada de func()
extern void func();
Esto informa al compilador de que no se puede asignar el valor de retorno
de dicha funci´ on, por ejemplo:
num=func(x,y);
dar´ıa un error.
El otro uso de void es declarar un puntero gen´erico. Lo veremos con m´as
detalle, m´as adelante.
4.2. Conversiones de tipo
Los operandos de tipos diferentes que aparecen en una expresi´ on se con-
vierten a un mismo tipo de acuerdo con unas cuantas reglas. Las ´ unicas
conversiones que se realizan autom´ aticamente son las que tiene sentido, co-
mo la conversi´ on de un entero a punto flotante antes de sumar dicho entero
con un n´ umero en punto flotante. (Por ejemplo: 3+2.5=5.5).
Por otra parte no est´ an permitidas expresiones que carecen de sentido,
por ejemplo, utilizar un n´ umero en punto flotante como sub´ındice.
Adem´as los caracteres y los enteros (char e int) se mezclan en expresiones
aritm´eticas: todo char de una expresi´ on se convierte autom´aticamente en int.
58 4 Introducci´ on al lenguaje de programaci´ on C (II)
Ejemplo 4.1: Uso de la funci´ on atoi() que convierte una cadena de
d´ıgitos en su valor num´erico correspondiente.
atoi(s) /* convierte el caracter s en entero*/
char s[];
{
int i,n;
n=0;
for(i=0; s[i] >= ‘0’ && s[i] <= ‘9’; ++i)
n=10*n+s[i]-‘0’;
return(n);
}
La comparaci´ on
s[i] >=‘0’ && s[i]<=‘9’
determina si el car´ acter que hay en s[i] es un d´ıgito. Si lo es, el valor num´eri-
co del d´ıgito es s[i] - ‘0’. Esto ´ ultimo funciona correctamente s´ olo si ‘0’, ‘1’,...
etc., son positivos y est´ an en orden creciente, y s´ olo si hay d´ıgitos entre los
caracteres ‘0’ y ‘9’. Afortunadamente esto es cierto para todos los juegos de
caracteres ordinarios.
Por definici´ on, toda aritm´etica en la que intervienen valores de tipo char
e int, se realiza convirtiendo los valores char al tipo int. Las variables y
constantes de tipo char son esencialmente id´enticas, en cuanto al tipo, a los
valores int en contextos aritm´eticos. Por ejemplo, s[i]-‘0’, es una expresi´ on
entera con un valor entre ‘0’ y ‘9’ seg´ un sea el car´ acter almacenado en s[i],
y dicha expresi´ on se puede utilizar como sub´ındice.
Por ´ ultimo la sentencia
n=10*n+s[i]-‘0’;
expresa el valor del d´ıgito s[i]-‘0’, en sistema decimal (base diez).
Otro ejemplo de conversi´ on de char a int, es la funci´ on lower(), que asigna
a cada letra may´ uscula su correspondiente min´ uscula. (V´ alido para caracte-
res ASCII). Si el car´ acter no es una letra may´ uscula, la funci´ on devuelve la
misma letra sin alteraciones.
lower(c) /* convierte c en min´ uscula, s´ olo para ASCII */
int c;
4.2 Conversiones de tipo 59
{
if( c >= ‘A’ && c <= ‘Z’)
return(c+‘a’- ‘A’);
else
return(c);
}
Esta funci´ on act´ ua correctamente en ASCII, ya que las letras may´ usculas
y min´ usculas correspondientes est´an situadas a una distancia fija, conside-
radas como valores num´ericos, y adem´as el alfabeto es continuo, es decir, no
contiene ning´ un otro car´ acter entre dichas letras.
Otra utilidad de la conversi´ on autom´ atica de tipos est´a relacionada con
expresiones como i > j y expresiones l´ogicas que utilizan && y [[, en las que
se ha establecido que devuelvan el valor 1, en caso de que el resultado sea
cierto y el valor 0 en caso contrario.
Las conversiones autom´ aticas se realizan de acuerdo con las siguientes
reglas. Si un operador como + o ∗ con dos operandos (un operador binario)
tiene los operandos de distinto tipo, el de tipo ”inferior”es ascendido al tipo
”superior”, antes de realizar la operaci´ on. El resultado es de tipo ”superior”.
En general los operandos que intervienen en una operaci´ on, son convertidos
al tipo del operando de precisi´ on m´ as alta.
Las reglas de conversi´on se resumen en las siguientes:
char y short se convierten en int, y float se convierte en double.
Si alg´ un operando es de tipo double, el otro se convierte en double
y el resultado es double.
Si no se aplica la regla anterior, y si alg´ un operando es de tipo
long, el otro se convierte en long y el resultado es long.
Si no se aplica la regla anterior y alg´ un operando es de tipo
unsigned, el otro se convierte en unsigned y el resultado es de
tipo unsigned.
Si no se puede aplicar ninguna de las reglas anteriores, los ope-
randos deben ser de tipo int y el resultado es de tipo int.
En C la aritm´etica del punto flotante se realiza en doble precisi´ on. Las
conversiones tambi´en tienen lugar en las asignaciones; el valor de la parte
derecha se convierte al de la izquierda, que es el tipo del resultado. De
float a int la conversi´ on provoca un truncamiento de la parte fraccionaria.
De double a float, un redondeo. Los enteros de mayor magnitud (long) se
60 4 Introducci´ on al lenguaje de programaci´ on C (II)
convierten en tipo short o en caracteres (char) por eliminaci´ on de los bits
de orden superior.
Los argumentos de una funci´ on son expresiones y por ello las reglas de
converi´ on de tipo tambi´en se aplican con ellos. Concretamente, char y short
se convierten en int y float se vuelve double. A esto se debe el que hayamos
declarado los argumentos de la funci´ on como int y double, incluso cuando
se llama a la funci´ on con char y float.
Por ´ ultimo se puede forzar la conversi´ on expl´ıcita de tipo ¸ coaccionada”de
una expresi´ on, mediante una construcci´ on denominada cast. En la construc-
ci´on
(nombre de tipo) expresi´ on
la expresi´on se convierte al tipo citado mediante las anteriores reglas de con-
versi´on. Por ejemplo, la rutina sqrt() espera que se le pase un argumento de
tipo double, con lo cual transmitir´ a mensajes de error si recibe argumentos
de otro tipo. Si n es entero,
sqrt((double) n)
convierte n al tipo double antes de pas´ arselo a sqrt. El operador cast tiene
la misma precedencia que cualquier otro operador unitario, seg´ un vimos en
la tabla del tema anterior.
4.3. Nociones sobre representaci´on de datos e im-
plicaciones sobre la precisi´ on num´erica
El ordenador digital representa los n´ umeros en base 2, de manera que
cada n´ umero se almacena en un n´ umero finito de d´ıgitos binarios. Hay dos
formas de almacenar estos n´ umeros, en punto fijo y en punto flotante.
La representaci´on en punto fijo es la que utilizamos normalmente. Por
ejemplo: −30,421 ´o 0,3245 son representaciones en punto fijo. Como hemos
dicho, el n´ umero de d´ıgitos de cada n´ umero que almacena un ordenador es
finito n = n
1
+n
2
, donde n
1
son los d´ıgitos de la parte entera y n
2
los de la
fraccionaria.
n
1
n
2
−30,421 − 0030 421000
0.3245 0000 324500
4.3 Nociones sobre representaci´ on de datos e implicaciones sobre la precisi´ on num´erica61
n
1
= 4, n
2
= 6 son valores fijos del ordenador. De esta forma hay valores
que se pueden representar de forma exacta y otros que no. Por ejemplo,
el n´ umero 31,8923467, en un ordenador con n
1
= 4 y n
2
= 6 puede ser
representado como
0031 892346
representaci´on que se denomina corte. O bien
0031 892347
en cuyo caso, la representaci´ on se denomina redondeo. En general la re-
presentaci´on de n´ umeros en punto fijo es muy poco ´ util, se utiliza s´ olo
para operaciones elementales (calculadoras,..). Por ejemplo, los errores de
representaci´on de n´ umeros como: 35420,87 ´ o 0,00000056, son brutales. En
el primer caso, el ordenador aproximar´ıa por 9999 y en el segundo por 0.
Para c´ alculos m´as ambiciosos, el ordenador debe operar en punto flotan-
te.
La representaci´on en punto flotante de un n´ umero x es x = ax10
b
con
0,1 ≤ [a[ < 1 y b entero.
Por ejemplo:
342,17 (en punto fijo) 0,34217x10
3
(en punto flotante)
x = (±.α
1
α
2
...α
n
)x10
±bm...b
0
donde (±.α
1
α
2
...α
n
) se denomina mantisa y ±b
m
...b
0
es el exponente. La
notaci´ on a emplear ser´a:
,34217E3
El n´ umero de d´ıgitos en la mantisa se denominan d´ıgitos significativos.
El n´ umero 0,0001423 = ,1423E-3 tiene cuatro d´ıgitos significativos. Con la
condici´ on α
1
> 0, la representaci´ on anterior es ´ unica.
En la representaci´ on num´erica en punto flotante, es necesario reservar
un n´ umero de d´ıgitos para la mantisa (t) y un n´ umero para el exponente (e).
Si t = 4 y e = 2, el n´ umero 0,00143 se puede expresar 0,00143 = ,1430E-2.
Los valores de t y e son caracter´ısticos de cada ordenador.
62 4 Introducci´ on al lenguaje de programaci´ on C (II)
Por ejemplo, si t = 12 y e ∈ (−500, 500) el rango de valores a representar
en pantalla es ±,999999999999E±499.
Existen valores que no se pueden representar de forma exacta. Para re-
presentar estos n´ umeros se pueden emplear dos t´ecnicas de aproximaci´on:
corte y redondeo.
Para t = 4: x = 3,87184 = 0,387184E1
fl(x) = 0,3871E1 corte (*)
fl(x) = 0,3872E1 redondeo.
Sea A el conjunto de n´ umeros m´aquina (representables de forma exacta
para un cierto valor de t). A es un conjunto finito.
Para cualquier n´ umero x, fl(x) ∈ A. Esta aplicaci´ on debe cumplir
[x −fl(x)[ ≤ [x −y[ ∀y ∈ A (4.1)
(observar que la aproximaci´ on por corte (*) no satisface esta condici´ on).
Si a = ±.α
1
α
2
...α
t
α
t+1
... [a[ = .α
1
...α
t+1
... y su representaci´on por re-
dondeo a

es:
a

=
_

1
α
2
...α
t
si α
t+1
≤ 4

1
α
2
...α
t
+ 10
−t
si α
t+1
≥ 5
fl(x) = signo(x)xa

x10
e
y esta aplicaci´ on s´ı satisface (4.1).
Si x ,= 0
¸
¸
¸
¸
x −fl(x)
x
¸
¸
¸
¸
=
¸
¸
¸
¸
[a[10
e
−a

10
e
[a[10
e
¸
¸
¸
¸
=
¸
¸
¸
¸
[a[ −a

[a[
¸
¸
¸
¸

5 10
−(t+1)
[a[ ≥ 10
−1
≤ 5 10
−t
(4.2)
Es decir [[a[ −a

[ ≤ 5 10
−(t+1)
. Esta segunda cantidad se denomina error
absoluto. No da idea de la proximidad de los n´ umeros. Por ejemplo:
Si x
1
= 5437,43215 y x
2
= 5437,43214, [x
1
−x
2
[ = 0,00001.
Si y
1
= 0,00005 y y
2
= 0,00004, [y
1
−y
2
[ = 0,00001.
La diferencia es la misma y s´ olo en el primer caso dir´ıamos que x
1
es
una buena aproximaci´ on de x
2
.
4.3 Nociones sobre representaci´ on de datos e implicaciones sobre la precisi´ on num´erica63
¸
¸
¸
x
1
−x
2
x
1
¸
¸
¸ = 0,183910341 10
−8
.
[
y
1
−y
2
y
1
[ = 0,2 > 5 10
−5
.
La cantidad (4.2) se denomina error relativo, que est´ a acotado como
vemos por 5 10
−t
.
Si
x−fl(x)
x
= , fl(x) = x(1 −) con [[ ≤ eps. eps se denomina precisi´on
del ordenador.
Por ejemplo si escribimos 3,1415 y decimos que tiene cuatro d´ıgitos sig-
nificativos correctos, significa que su error relativo es < 5 10
−5
.
4.3.1. Errores de redondeo en computaci´ on
Sean por ejemplo x = 0,845E7 e y = 0,324E −2. El resultado de sumar
estos dos n´ umeros es
845000 0
0.00324
845000 0.00324
con t = 8.
x ⊕y = x y en general si [y[ <
eps
10
[x[ ⇒ x ⊕y = x.
Se puede decir que en general la suma, resta, divisi´ on y multiplicaci´ on
de n´ umeros m´aquina no son operaciones asociativas y tampoco distributivas
una con respecto a la otra. El resultado de una serie de operaciones depende
del orden en que se realicen.
Ejemplo 4.2 (t = 8) a = 0,023371258E − 4, b = 0,33678429E2 y
c = −0,33677811E2. Veamos que (a ⊕b) ⊕c ,= a ⊕(b ⊕c).
0.000023 371258
33.678429
33.678452 371258
no aparece si t = 8 (= a ⊕b)
-33.677811
0.000641 371258 (a ⊕b) ⊕c = 0,641E −3
Por otra parte: b ⊕c = 0,000618. (b ⊕c) ⊕a = 0,64137E −3.
64 4 Introducci´ on al lenguaje de programaci´ on C (II)
Ejemplo 4.3 En sumas que involucran sumandos de distinta maginitud,
el orden es importante. Si sumamos de manera exacta estos tres n´ umeros:
(t = 8)
0.00000007
0.00000009
3
3.00000016
Si t = 8 = 0,30000001E1
Sin embargo si los sumamos en disntinto orden:
3
0.00000007
0.00000009
3.0000000
= 0,3000000E1
Este tipo de errores es caracter´ıstico de la suma de series.


i=1
a
i

n
i=1
a
i
.
En las series convergentes el t´ermino general tiende a 0 y los t´erminos
van de mayor a menor. El error relativo a la hora de sumar los t´erminos
peque˜ nos es m´ınimo si los t´erminos se suman de menor a mayor; de esa
forma, el valor de la suma va aumentando y se va aproximando al tama˜ no
de los ´ ultimos sumandos (los primeros t´erminos en la serie). Luego una serie
convergente hay que sumarla siempre en orden regresivo.
4.3.2. Error de cancelaci´ on
Aparece cuando restamos dos n´ umeros del mismo signo y muy pr´oximos:
x −y, x ≈ y.
Por ejemplo, con t = 8:
0.76545421 E1
-0.76545264 E1
0.00000157 E1
Hemos pasado de tener 8 d´ıgitos significativos correctos a tener 3, luego
hemos perdido 5 d´ıgitos correctos.
4.3 Nociones sobre representaci´ on de datos e implicaciones sobre la precisi´ on num´erica65
Ejemplo 4.4 Para resolver: ax
2
+bx +c = 0
x
1
x
2
=
−b±

b
2
−4ac
2a
Si ac << b
2
⇒ [b
2
− 4ac[ ≈ b
2
y uno de los signos ± da un error de
cancelaci´ on.
La forma de evitarlo ser´ıa:
x
1
= −signo(b)
[b[ +

b
2
−4ac
2a
x
2
=
c
ax
1
Con t = 5, al resolver: x
2
+ 111,1x + 1,2121 = 0
De la primera forma: x
1
= −111,10, x
2
= −0,01000.
De la segunda: x
1
= −111,10, x
2
= −0,010910, ´esta ´ ultima m´as pr´oxima
al valor real.
Las ra´ıces ser´ıan (con t = 9): x
1
= −111,09909..., x
2
= −0,01091008...
Recuerda la relaci´on de recurrencia utilizada en el Ejemplo 1.3. Repre-
senta, sin duda, un caso m´as en el que se pierde precisi´ on al restar dos
n´ umeros del mismo signo y magnitd comparable. Debes extremar precau-
ciones cuando utilices relaciones de recurrencia que envuelvan restas.
66 4 Introducci´ on al lenguaje de programaci´ on C (II)
Cap´ıtulo 5
Introducci´on al lenguaje de programaci´ on
C (III)
Las sentencias o proposiciones de control de flujo de un lenguaje especi-
fican el orden en que se realizan las computaciones.
5.1. Sentencias de control de flujo: for, if , do, whi-
le, switch. Ejemplos de uso
Una expresi´ on como x=0 o i++ o printf() se convierte en una proposi-
ci´on cuando va seguida de punto y coma, como en
x=0;
i++;
printf(...);
En el lenguaje C, el punto y coma es un terminador de sentencia, y
no un separador. Con las llaves se agrupan declaraciones y sentencias en
una proposici´ on compuesta o bloque, y son sint´ acticamente equivalentes a
una proposici´ on simple. Las llaves que rodean las proposiciones m´ ultiples
despu´es de if, else, while, o for son otro ejemplo. Nunca se pone punto y
coma despu´es de la llave derecha que cierra un bloque.
If-Else
La proposici´ on if-else sirve para tomar decisiones. Formalmente la sinta-
xis es
67
68 5 Introducci´ on al lenguaje de programaci´ on C (III)
if (expresi´ on)
proposici´ on-1
else
proposici´ on-2
donde la parte else es opcional. Se eval´ ua la expresi´ on; si es cierta (es decir,
si tiene un valor distinto de cero), se ejecuta la proposici´ on-1. Si es falsa,
(expresi´ on es cero) y existe parte else, se ejecuta proposici´on-2. Un if sim-
plemente comprobar´ a el valor num´erico de una expresi´on; por ello pueden
aplicarse abreviaciones. Lo m´as elemental es escribir
if (expresi´ on)
en lugar de
if (expresi´ on !=0)
Dado que la parte else de un if-else es opcional, hay ambig¨ uedad cuando
se omite un else en una secuencia de if anidados. Esto se resuelve asociando
el else al if sin el else m´as cercano. Por ejemplo:
if (n > 0)
if(a > b)
z=a;
else
z=b;
La parte else se asocia con el if m´as interior, como se indica en el sangrado.
Si no fuera as´ı, hay que utilizar llaves, como en:
if (n > 0){
if(a > b)
z=a;
}
else
z=b;
Else-if
La construcci´ on
if (expresi´ on)
proposici´ on
5.1 Sentencias de control de flujo: for, if , do, while, switch. Ejemplos de uso69
else if (expresi´ on)
proposici´ on
else if (expresi´ on)
proposici´ on
else
proposici´ on
es la forma m´as general de escribir una decisi´on m´ ultiple. Las expresiones se
eval´ uan en orden; si alguna es cierta, se ejecuta la proposici´ on asociada con
ellas y se acaba la cadena. El c´odigo para una proposici´ on puede ser simple
o un bloque entre llaves.
La ´ ultima parte else maneja el caso ”ninguno de los anteriores”, o el de
defecto, cuando no se sustituye ninguna de las otras condiciones. Si no hay
acci´on expl´ıcita para el defecto, se puede omitir el ´ ultimo else.
Ejemplo 5.1: Vamos a ver un programa que decribe una funci´ on de
b´ usqueda binaria, que decide si un valor concreto x aparece en un arreglo
ordenado v de dimensi´on n. Los elementos de v est´an ordenados en orden
creciente. La funci´ on devolver´ a la posici´ on (un n´ umero entre 0 y n − 1) si
x est´a en v, y un -1 si no est´ a.
binary(x,v,n) /* buscar x en v[0],...,v[n-1]*/
int x, v[], n;
{
int low, high, mid;
low=0;
high=n-1;
while( low<= high){
mid=(low+high) / 2.;
if(x < v[mid])
high = mid-1;
else if(x > v[mid])
low = mid+1;
else /* encontrado */
return(mid);
}
return(-1);
}
La decisi´ on b´asica es si x es menor, mayor o igual que el elemento central
v[mid] en cada paso.
Switch
70 5 Introducci´ on al lenguaje de programaci´ on C (III)
La proposici´ on switch es una herramienta especial para decisiones m´ ulti-
ples que comprueba si una expresi´ on iguala uno entre varios valores cons-
tantes, y se bifurca a partir de ellos.
int switch_example( char input_arg )
{
switch (input_arg)
{
case ‘A’: return 1;
case ‘B’: return 2;
case ‘C’: return 3;
case ‘D’: return 4;
default : return -1;
}
}
La misma funci´ on puede ser escrita con proposiciones if-else:
5.1 Sentencias de control de flujo: for, if , do, while, switch. Ejemplos de uso71
int switch_example( char input_arg )
{
if (input_arg ==‘A’)
return 1;
else if(input_arg == ‘B’)
return 2;
else if(input_arg == ‘C’)
return 3;
else if(input_arg == ‘D’)
return 4;
else
return -1;
}
La expresi´on switch debe de ir seguida de un par´entesis que encierra otra
expresi´on. Esta ´ ultima expresi´ on debe de ser entera, es decir, puede ser char,
long o short; pero no double, float o long double. En la versi´ on de Kernigham
y Ritchie, debe ser una expresi´on int. La proposici´ on default, es opcional.
Ejemplo 5.2:
/* Programma que imprime mensajes de error, basados en el
* valor de la variable error_code. La funci´ on es declarada
* void porque no devuelve ning´ un valor*/
#include <stdio.h>
#define ERR_INPUT_VAL 1
#define ERR_OPERAND 2
#define ERR_OPERATOR 3
#define ERR_TYPE 4
void print_error (int error_code )
{
switch (error_code)
{
case ERR_INPUT_VAL:
printf("Error: Valor inicial no v´ alido.\n");
break;
case ERR_OPERAND:
printf("Error: Operando no v´ alido.\n");
break;
case ERR_OPERATOR:
printf("Error: Operador no v´ alido.\n");
break;
case ERR_TYPE:
printf("Error: Dato incompatible.\n");
break;
default:
printf("Error: C´ odigo de error desconocido %d\n",
error_code");
break;
}
72 5 Introducci´ on al lenguaje de programaci´ on C (III)
}
La proposici´ on break, hace que se produzca una salida inmediata de la
instrucci´ on switch.
Iteraciones while y for
En
while ( expresi´ on )
proposici´ on
se eval´ ua una expresi´ on. Si es cierta (si no es cero), se ejecuta la proposici´on
y se vuelve a evaluar la expresi´ on. El ciclo contin´ ua hasta que la expresi´ on
vale cero, momento en que la ejecuci´on contin´ ua despu´es de la proposici´on.
La sintaxis en la proposici´ on for es:
for ( expr1; expr2; expr3 )
proposici´ on
que es equivalente a:
expr1;
while ( expr2 )
{
proposici´ on
expr3;
}
Ejemplo 5.3: La siguiente funci´ on devuelve el factorial del argumento:
long int factorial ( long val)
{
int j, fact=1;
for (j=2; j <= val; j++)
fact=fact*j;
return fact;
}
que escrita mediante la proposici´ on while es:
5.1 Sentencias de control de flujo: for, if , do, while, switch. Ejemplos de uso73
long int factorial ( long val)
{
int j, fact=1;
j=2;
while (j <= val)
{
fact=fact*j;
j++;
}
return fact;
}
Gramaticalmente las tres componentes de un for son expresiones. M´ as
com´ unmente, expr1 y expr3 son asignaciones o llamadas a funci´on y expr2
es una expresi´ on de relaci´on. Pueden omitirse cualquiera de las tres, aunque
deben mantenerse los puntos y coma. Si la comprobaci´ on expr2 no est´a se
supone que es cierta.
La elecci´on entre un ciclo while o for suele ser una cuesti´on de gusto.
Otro operador de C es la coma ”,”que casi siempre encuentra aplicaci´on
en la sentencia for. Una pareja de expresiones separadas por una coma se
eval´ ua de izquierda a derecha, y el tipo del resultado es el mismo que el de
operando derecho. Por tanto en una proposici´ on for es posible situar varias
expresiones en cada una de sus partes.
Iteraciones do-while
Las iteraciones while y for comparten la ´ util caracter´ıstica de comprobar
la condici´ on de terminaci´ on al comienzo en lugar de hacerlo al final. El tercer
tipo de iteraci´ on en C, do-while, hace la comprobaci´ on al final, despu´es de
la pasada sobre le cuerpo del ciclo. Y ´este se ejecuta al menos una vez. La
sintaxis es
do
proposici´ on
while ( expresi´ on);
Primero se ejecuta la proposici´on y luego se eval´ ua la expresi´ on. En caso
de ser cierta se ejecuta de nuevo y as´ı sucesivamente. La ejecuci´on termina
cuando la expresi´ on resulta falsa.
Break
A veces es necesario tener la posibilidad de salir de un ciclo por un lugar
distinto al de las comprobaciones del comienzo o del final. La sentencia break
74 5 Introducci´ on al lenguaje de programaci´ on C (III)
proporciona una salida forzada de for, while y do, en la misma forma que
de switch. Una sentencia break obliga a una salida inmediata del ciclo (o
switch) m´as interior.
Continue
La proposici´ on continue est´ a relacionada con break, pero se usa me-
nos. Obliga a ejecutar la siguiente iteraci´on del ciclo (for, while, do), que
la contiene. En while y do, significa que la parte de comprobaci´ on se eje-
cute inmediatamente; en for, el control pasa a la etapa de reinicializaci´ on
(continue se aplica s´olo a ciclos, no a switch).
Ejemplo 5.4:
for (i=0; i < N; i++){
if (a[i] < 0) /*salta los elementos negativos*/
continue;
.....; /* trata los positivos */
}
Notar que cada vez que se ejecuta la sentencia continue, el cuerpo del
for se abandona, inici´ andose la ejecuci´ on del mismo para un nuevo valor de
i.
Saltos (goto) y etiquetas
El lenguaje C contiene la infinitamente seductora sentencia goto, junto
a las etiquetas a las que saltar. Formalmente goto no es necesario nunca y
siempre se puede evitar. Sin embargo en algunas (pocas) ocasiones, puede
resultar ´ util. El uso m´ as normal consiste en abandonar el proceso en alguna
estructura profundamente anidada, tal como la salida de dos ciclos a la vez.
La proposici´ on break, no resulta efectiva en este caso, ya que s´olo abandona
el ciclo interno.
for(...)
for(...){
...
if (desastre)
goto error;
}
...
error: arregla el desatre
Ejemplos de uso
5.1 Sentencias de control de flujo: for, if , do, while, switch. Ejemplos de uso75
/******* Fichero salir.c *************/
#include <stdio.h>
main()
{
int c,f ;
int m[4][4]={2,4,3,1,2,-1,5,-1,-1,2,4,2,1,-1,-1,0};
for (f=0;f<=3;f++)
for(c=0; c<=3; c++)
if(m[f][c]==-1)
goto salir;
salir:
if(f<4 && c<4)
printf("(%d, %d)\n", f,c);
}
/***********Fichero salir2.c********/
#include <stdio.h>
main()
{
int c,f ;
int m[4][4]={2,4,3,1,2,-1,5,-1,-1,2,4,2,1,-1,-1,0};
for (f=0;f<=3;f++)
for(c=0; c<=3; c++)
if(m[f][c]==-1)
{
printf("(%d, %d)\n", f,c);
break;}
if(f<4 && c<4)
printf("(%d, %d)\n", f,c);
}
/**************Fichero salir 3.c ********/
#include <stdio.h>
main()
{
int c,f ;
int m[4][4]={2,4,3,1,2,-1,5,-1,-1,2,4,2,1,-1,-1,0};
for (f=0;f<=3;f++)
for(c=0; c<=3; c++)
if(m[f][c]==-1)
printf("(%d, %d)\n", f,c);
if(f<4 && c<4)
printf("(%d, %d)\n", f,c);
76 5 Introducci´ on al lenguaje de programaci´ on C (III)
}
Objetivo de los tres programas anteriores:
1. salir.c: lee la matriz por filas y en cuanto encuentra un −1, nos da su
posici´on y acaba.
2. salir2.c: lee la matriz por filas. Cuando encuentra en una fila el valor
−1, nos da su posici´ on y salta de fila.
3. salir3.c: nos indica la posici´ on de todos los −1 de la matriz.
5.2. Funciones: anatom´ıa y uso
Las funciones dividen grandes trabajos de computaci´ on en partes m´ as
breves y aprovechan la labor realizada por otras personas en lugar de par-
tir de cero. Los programas escritos e C normalmente constan de una gran
cantidad de peque˜ nas funciones en lugar de pocas y grandes. Un programa
puede residir en uno o m´ as ficheros fuente en cualquier forma conveniente;
los archivos fuente pueden compilarse por separado y enlazarse junto con
funciones de biblioteca compiladas con antelaci´ on.
En cuanto a sintaxis, hay dos formatos para definir una funci´ on. La nueva
sintaxis conocida como forma prototipo viene a ser
/* Prototipo de definici´ on de una funci´ on*/
int func_def(int a, int b, int c);
{
.
.
que es equivalente en la forma tradicional; a
/* Forma tradicional de definici´ on de una funci´ on*/
int func_def( a, b, c)
int a,b,c;
{
.
.
Es decir en la nueva sintaxis, dentro del par´entesis que recoge la lista
de argumentos, aparecen a la vez sus declaraciones, mientras que tradicio-
5.3 Convenciones sobre el paso de argumentos 77
nalmente, dichas declaraciones aparec´ıan a continuaci´ on. Posteriormente, el
cuerpo de la funci´ on aparece entre llaves.
El nombre de la funci´ on deber´ a ir precedido de un tipo, si la funci´ on
devuelve un valor no entero. Si la funci´ on no devuelve ning´ un valor, se
especifica el tipo void.
Un programa es entonces un conjunto de definiciones de funciones. La
comunicaci´on entre las funciones se efect´ ua (en este caso) a trav´es de ar-
gumentos y valores devueltos por la funci´ on. Tambi´en se pueden realizar
mediante variables externas.
Las funciones aparecen en cualquier orden en el fichero fuente, y el fichero
fuente puede estar dividido en varios ficheros. Sin embargo, las funciones son
indivisibles.
La sentencia return es el mecanismo para devolver un valor desde la
funci´ on llamada a su llamador; return puede ir seguido de una expresi´ on.
return (expresi´on);
Tanto la expresi´ on, como los par´entesis de ´esta son opcionales. Una fun-
ci´on puede contener cualquier n´ umero de sentencias return. Si no hay sen-
tencia return, el control del programa vuelve al programa llamador, cuando
se alcanza la llave ¦ que cierra el cuerpo de la funci´ on. En este caso el valor
devuelto es indefinido.
float f()
{
float f2;
int a;
char c;
f2=a; /* OK, convierte a float */
return a; /* OK, convierte a float */
f2=c; /* OK, convierte a float */
return c; /* OK, convierte a float */
}
5.3. Convenciones sobre el paso de argumentos
Hemos visto en el apartado anterior, los aspectos relacionados con la
definici´ on de una funci´ on. A lo largo de un programa, se van utilizando
78 5 Introducci´ on al lenguaje de programaci´ on C (III)
funciones, mediante su llamada o alusi´ on.
Una alusi´on a una funci´ on es una declaraci´ on de una funci´ on que est´a de-
finida en cualquier sitio, generalmente en otro fichero distinto. El prop´ osito
general de una alusi´ on es decir al compilador qu´e tipo de valor devuelve la
funci´ on, y declarar el n´ umero y tipo de argumentos que toma dicha funci´ on.
Se considera por defecto que todas las funciones devuelven un valor entero.
No es necesario declarar funciones que devuelven valores enteros, sin em-
bargo es una buena costumbre declarar todas las funciones que van a ser
llamadas.
En general hay dos tipos de alusiones: prototipo y no-prototipo. Una
alusi´ on no-prototipo a una funci´ on declara el tipo de retorno de la funci´ on,
pero no el n´ umero o tipo de argumentos que emplea:
extern old_function();
Las alusiones prototipo permiten a˜ nadir el n´ umero y tipo de argumento
empleado:
extern int new_function(int j, float x);
Para declarar una funci´ on que no toma argumentos se emplea el tipo
void.
extern int f(void);
T´ıpicamente aparecen las declaraciones de las funciones en la cabecera
del programa, junto a las declaraciones de las variables y antes de la llamada
a la correspondiente funci´ on.
Una llamada a una funci´ on es la invocaci´ on a dicha funci´ on. En este
punto el programa pasa el control a la correspondiente funci´ on. La sintaxis
general es
nombre_funci´on ( argumento1, argumento2,...,argumentok);
En las llamadas de una funci´ on debe haber el mismo n´ umero de argu-
mentos que en su declaraci´on. En cuanto al tipo, puede haber conversiones
autom´ aticas, con la consiguiente falta de precisi´on. Si la conversi´ on no es
posible, el compilador manda mensajes de error. Por ejemplo:
5.3 Convenciones sobre el paso de argumentos 79
{
extern void f(int *);
float x;
f(x); /* ilegal, no se puede convertir un float a un
puntero*/
...
Sin embargo en:
{
extern void f(float, short);
double x;
long j;
f(j,x); /* se convierte un long a float y double a short */
...
A menos que en la declaraci´on de la funci´ on aparezca que el tipo de
retorno es void, las funciones siempre devuelven un valor de retorno, que es
sustitu´ıdo por la llamada a la funci´ on. Por ejemplo, si f() devuelve un 1, la
sentencia
a=f()/3;
es equivalente a
a=1/3;
En el lenguaje de programaci´ on C, la funci´ on llamada recibe una copia
temporal, privada, de cada argumento. Esto significa que la funci´ on no puede
alterar el valor del argumento original en la funci´ on que la llama. En una
funci´ on, cada argumento es una variable temporal inicializada con el valor
con el que se llam´ o la funci´ on.
Cuando aparece el nombre de un arreglo como argumento de una funci´ on,
se pasa la direcci´ on de comienzo del mismo; no se copian los elementos. La
funci´ on puede alterar el valor de elementos del arreglo subindexando a partir
de esta posici´on. Ello hace que el arreglo se pase por referencia. M´ as adelante
veremos el uso de apuntadores para alterar el valor de argumentos que no
sean arreglos.
80 5 Introducci´ on al lenguaje de programaci´ on C (III)
5.4. Clases de almacenamiento
Hemos comentado ya alg´ un aspecto sobre el ´ambito definici´ on y validez
de las variables. Una variable puede ser limitada a un bloque, a un fichero,
a una funci´ on o a una declaraci´ on de una funci´ on prototipo.
Hay cuatro tipos de ´ ambito de validez de las variables en C: local o
bloque, global o fichero, funci´ on y estructura.
Por defecto todas las variables llevan asociada una clase de almacena-
miento que determina su accesibilidad y existencia. La clase de almacena-
miento puede alterarse con los calificadores:
1. auto (almacenamiento autom´atico, de ´ambito local).
2. register (almacenamiento en un registro, de ´ ambito local).
3. static (local, global o funci´ on).
4. extern (global o funci´ on).
Variables declaradas a nivel externo (fuera de toda definici´on
de funci´ on)
Las funciones y variables externas que constituyen un programa en C
no tienen que ser compiladas todas a la vez. El texto fuente del programa
puede mantenerse en varios archivos, y puede enlazarse.
El ´ ambito de validez de una variable externa abarca desde el punto de
su declaraci´ on en un archivo fuente hasta el fin del archivo.
Se pueden utilizar los calificadores static o extern o ninguno. La declara-
ci´on extern es obligatoria si se ha de hacer referencia a una variable externa
antes de su definici´ on o si est´a definida en un archivo fuente que no es aquel
en el que se usa.
Es importante distinguir entre la declaraci´ on de una variable externa y
su definici´ on. Una declaraci´ on da a conocer las propiedades de una variable
(su tipo, tama˜ no, etc.); una definici´ on produce tambien una asignaci´ on de
memoria. Si las l´ıneas:
int sp;
double val[MAXVAL];
5.4 Clases de almacenamiento 81
aparecen fuera de cualquier funci´ on definen las variables externas sp y val,
obligan a asignar memoria y sirven de declaraci´on al resto del archivo. Las
l´ıneas:
extern int sp;
extern double val[];
declaran para el resto del archivo fuente que sp es un entero y val un arreglo
double (cuyo tama˜ no se fija en otro lugar), pero no crean las variables ni les
asignan memoria. S´olo debe de haber un definici´ on de una variable externa
entre todos los archivos que constituyen el programa fuente. Los otros archi-
vos deber´ an contener declaraciones extern para acceder a ´el. La declaraci´on
de una variable externa inicializa la variable a 0 por defecto, o a un valor
especificado. Si se utiliza el calificador static, s´olo se puede acceder a ella
desde el propio fichero fuente.
Variables declaradas a nivel interno (dentro de un bloque)
Pueden ser:
1. no declarada o auto: en este caso s´olo es visible dentro del bloque. Hay
que inicializarlas expl´ıcitamente.
2. extern a nivel interno, hace accesible la variable a m´ odulos a los cuales
no lo es.
3. static: las variables est´aticas constituyen la tercera clase de almacena-
miento adem´ as de las extern y las autom´aticas, ya tratadas. El califi-
cativo static se puede utilizar a nivel externo o interno. Las variables
internas est´aticas son locales a una funci´on en la misma forma que las
autom´ aticas, pero a diferencia de ´estas, su existencia es permanente,
en lugar de aparecer y desaparecer al activar la funci´ on. Se iniciali-
zan por defecto a 0. El almacenamiento est´atico, interno o externo, se
especifica al prefijar la declaraci´on normal con la palabra static. La
variable es externa si se define fuera de las funciones e interna si se
define dentro de una funci´ on.
4. register es la cuarta y ´ ultima clase de almacenamiento. Una decla-
raci´on register avisa al compilador de que la variable en cuesti´on
ser´a muy usada. Si es posible, la variable register ser´ a almacenada
en los registros de la m´aquina, lo que producir´ a programas cortos y
r´ apidos. Este tipo de almacenamiento es v´alido para los tipos int char
y punteros. La declaraci´on es del tipo:
82 5 Introducci´ on al lenguaje de programaci´ on C (III)
register int x;
register char c;
La parte int puede omitirse; register s´olo se aplica a variables autom´ati-
cas y a los par´ametros formales de una funci´ on. La declaraci´ on ser´a:
f(c,n)
register int c,n;
{
register int i;
...
}
S´ olo unas pocas variables en cada funci´ on se pueden mantener en re-
gistros. La declaraci´ on se ignora si hay declaraciones excesivas o no
permitidas. Una variable register ha de ser inicializada expl´ıcitamen-
te.
Ejemplo de uso
main()
{
extern int var1;
static int var2;
register int var3=0;
int var4=0;
var1+=2;
printf("%d %d %d %d\n", var1, var2, var3, var4);
funcion_1();
}
int var1=5;
funcion_1()
{
int var1=15;
static var2=5;
var2+=5;
printf("%d %d \n", var1, var2);
}
¿Qu´e valores se imprimen en el programa anterior?
Soluci´ on: 7 0 0 0
15 10
5.5 Recursi´ on 83
(Si se llamase otra vez a la funci´ on funcion 1, var2 entrar´ıa valiendo 10).
extern int var;
main()
{
var++;
printf("%d \n", var); /* escribe 6*/
funcion_1();
}
int var=5;
funcion_1()
{
var++;
printf("%d \n", var); /*escribe 7*/
funcion_2();
}
---------------------------
/* En otro fichero*/
extern int var;
funcion_2()
{
var++;
printf("%d \n"; var); /* escribe 8*/
}
5.5. Recursi´on
Una funci´ on recursiva es una funci´ on que se llama a s´ı misma. Por ejem-
plo:
printd(int n) /* imprime n en decimal (recursiva) */
{
int i;
if ( n < 0 ){
putchar (‘-’);
n=-n;
}
if(( i=n/10)!= 0)
printd(i);
putchar(n % 10+‘0’);
}
84 5 Introducci´ on al lenguaje de programaci´ on C (III)
Cuando una funci´ on se llama a s´ı misma recursivamente, cada invocaci´ on
crea una nueva copia de todas las variables autom´ aticas, que es independien-
te de la anterior. Por tanto, en printd(), la primera vez n=123. Pasa 12 a
la segunda printd. La segunda printd pasa 1 a la tercera. La tercera toma n
igual a 1, hace i = 0 y escribe 1. En la vuelta hacia arriba la segunda printd
escribe un 2 y la primera escribe un 3.
La recursividad generalmente no ahorra memoria pues ha de mantenerse
una pila con los valores que est´ an siendo procesados. Tampoco ser´a m´as
r´ apida, pero el c´ odigo recursivo es m´as compacto y a menudo m´as senci-
llo de escribir y comprender. Est´a especialmente pensado para estructuras
definidas recursivamente, como los ´ arboles, que veremos m´as adelante.
Nota: Trata de escribir la funci´ on anterior, sin emplear su recursividad.
5.6. Funciones definidas en stdio y math
En stdio.h se encuentran las funciones I/O. Dicho fichero contiene las
declaraciones prototipo de todas las funciones I/O. Algunas de ellas son:
printf()
#include <stdio.h>
int printf (const char *formato[,argumento 1,...],...);
Salida con formato. Escribe los datos formateados en la cadena de salida
standard (stdout). El primer argumento es un vector car´ acter que puede con-
tener texto y expresiones de control de formato. Los siguientes argumentos
representan los datos a ser escritos.
Ejemplo de uso
#include <stdio.h>
main()
{
int a,b,c;
a=20;b=350;c=1991;
printf ("\n Los resultados son:\n");
printf ("a=%6d\t b=%6d\t c=%6d\n",a,b,c);
}
5.6 Funciones definidas en stdio y math 85
Resultado:
Los resultados son:
a = 20 b = 350 c = 1991
scanf()
#include <stdio.h>
int scanf (const char *formato[,argumento 1,..]...);
Entrada con formato. Lee datos de stdin en la forma especificada por
un vector de formato. La sintaxis y sem´ antica de scanf() es la inversa de la
de printf(), donde el argumento representa un puntero a la variable que se
quiere leer. Vimos esta funci´on en el primer cap´ıtulo dedicado a C.
Ejemplo de uso
#include <stdio.h>
main()
{
int a;float b; char c;
scanf ("%d %f %c", &a,&b, &c);
}
Resultado:
Lee de la pantalla, por ejemplo: 5 23.4 b y lo almacena en las variables
correspondientes: a, b, c.
getchar()
#include <stdio.h>
int getchar (void);
Entrada de caracteres. La funci´ on getchar() lee del fichero est´andar de
pantalla (stdin) un car´ acter y avanza una posici´ on. Cuando llega al final del
fichero lee el car´acter EOF.
Ejemplo de uso
#include <stdio.h>
main()
{
86 5 Introducci´ on al lenguaje de programaci´ on C (III)
int car;
car=getchar();
}
Resultado:
Lee un car´ acter y lo almacena en la variable car.
putchar()
#include <stdio.h>
int putchar (int c);
Salida de caracteres. Escribe su argumento en la cadena de salida stan-
dard (stdout) y devuelve el car´ acter escrito. La expresi´ on putchar (c), es
equivalente a putc(c, stdout).
Ejemplo de uso
#include <stdio.h>
main()
{
int car=4;
putchar(car);
}
Resultado:
Escribe en pantalla el valor 4.
Funciones est´andar de entrada/salida. Manipulando ficheros
Permiten escribir y leer datos a, y desde ficheros y dispositivos. La E/S,
en el procesamiento de ficheros, se realiza a trav´es de un buffer o memoria
intermedia. Esta t´ecnica, implementada en software, hace las operaciones de
entrada y salida m´ as eficientes. Dependiendo de los datos que se deseen leer
o escribir se utilizan las siguientes funciones:
1. Datos le´ıdos o escritos car´acter a car´acter:
fgetc(), fputc()
2. Datos le´ıdos o escritos palabra a palabra (palabra m´ aquina=valor
int(normalmente 2 bytes):
5.6 Funciones definidas en stdio y math 87
fgetw(), fputw()
3. Datos le´ıdos o escritos como cadena de caracteres:
fgets(), fputs()
4. Datos le´ıdos o escritos con formato:
fscanf(), fprintf()
5. Datos de longitud fija (estructuras o arrays) le´ıdos como registros o
bloques:
fread(), fwrite()
88 5 Introducci´ on al lenguaje de programaci´ on C (III)
Abrir y cerrar ficheros
fopen()
#include <stdio.h>
FILE *fopen (const char *nombrefichero, const char *modo de
acceso);
Abre el fichero identificado por nombrefichero y asocia una cadena con
dicho fichero. El segundo argumento es un puntero a una cadena de carac-
teres que identifica el tipo de acceso al fichero.
fclose()
#include <stdio.h>
int fclose (FILE *cadena);
Cierra el fichero asociado con la cadena especificada. Dicha funci´ on de-
vuelve un cero, si termina satisfactoriamente y un elemento nocero (EOF)
si sucede alg´ un error.
Salidas y entradas con formato
fprintf()
#include <stdio.h>
int fprintf (FILE *pf, const char *formato[,arg]...);
Escribe sus argumentos (arg) en el fichero apuntado por pf, con el formato
especificado. La descripci´on del formato es la misma que en printf.
fscanf()
#include <stdio.h>
int fscanf (FILE *pf, const char *formato[,arg]...);
Lee sus argumentos (arg) del fichero apuntado por pf, con el formato
especificado. Cada formato debe ser un puntero a una variable en la que
queremos almacenar el valor le´ıdo.
Ejemplo de escritura en un fichero de nombre resul
5.6 Funciones definidas en stdio y math 89
/* Este fichero realiza el mismo calculo que primos.c, pero escribe*/
/* el resultado en un fichero*/
/* Calculo de numeros primos mediante la criba de Eratostenes*/
#include <stdio.h>
main()
{
FILE *presul;
presul = fopen ("resul", "w");
if(presul != NULL)
{
#define SIZE 1000
char flags[SIZE+1];
int i, k, primo, cuenta;
cuenta = 0;
for(i=0; i<=SIZE; i++) /* contador */
flags[i]=1; /* inicio de la tabla a 1 */
for(i=0; i<=SIZE; i++) {
if(flags[i]) { /*primo encontrado */
primo=i+i+3;
fprintf (presul, "%d\n" , primo);
for (k=i+primo; k<= SIZE; k+= primo)
flags[k]=0; /* quitar todos los multiplos */
cuenta++;
}
}
fprintf (presul, "Hay %d numeros primos\n ", cuenta);
}
}
Nota: Extrae el algoritmo del programa anterior.
Funciones definidas en math.h
En < math.h > se encuentran las funciones matem´aticas, divididas en
tres grupos: trigonom´etricas e hiperb´ olicas, exponenciales y logar´ıtmicas y
miscel´aneas. Todas ellas operan con valores en double.
90 5 Introducci´ on al lenguaje de programaci´ on C (III)
Dentro de las trigonom´etricas, se encuentran: acos(), asin(), atan(),
cos(), cosh(), sin(), sinh(), tan(), tanh().
Dentro de las exponenciales y logar´ıtmicas: exp(), log(), log10(), sqrt()
entre otras.
Por ´ ultimo dentro de las miscel´ aneas: fabs(), fmod(), son quiz´ as las m´as
utilizadas.
Cap´ıtulo 6
Algoritmos iterativos
6.1. Introducci´ on
Las ra´ıces de la ecuaci´on no lineal f(x) = 0 no pueden obtenerse ge-
neralmente de forma exacta. Por ello, si queremos resolver ecuaciones no
lineales, nos veremos obligados a utilizar m´etodos aproximados. Estos m´eto-
dos se basan en ideas como la aproximaci´ on sucesiva o la linearizaci´ on. Tales
m´etodos son iterativos, esto es, comienzan en una aproximaci´on inicial a la
ra´ız y producen una sucesi´ on x
0
, x
1
,..., x
n
,... que presumiblemente converge
a la ra´ız deseada.
En determinados m´etodos, es suficiente (en t´erminos de convergencia)
conocer un intervalo [a, b] en el que se encuentra la ra´ız buscada. Otros
m´etodos requieren de una aproximaci´ on inicial que est´e cerca de la ra´ız
deseada, ello hace que converjan m´as r´apidamente.
Por simplicidad, nos dedicaremos a estudiar el problema de determinar
una ra´ız real simple, p, de la ecuaci´ on f(x) = 0; es decir, supondremos que
p ∈ R y f

(p) ,= 0.
Al final del cap´ıtulo, describiremos someramente algunos procedimientos
para la resoluci´ on de sistemas de ecuaciones no lineales. Veremos que aunque
los m´etodos utilizados para la resoluci´on de ecuaciones no lineales son gene-
ralizables a la resoluci´on de sistemas de ecuaciones, todos ellos presuponen
el conocimiento de una buena aproximaci´ on de la ra´ız. Se sabe muy poco,
de c´omo resolver el problema si no se dispone de informaci´ on a priori de la
localizaci´ on de las ra´ıces.
Una forma de obtener un aproximaci´ on inicial a la ra´ız de una ecuaci´ on
91
92 6 Algoritmos iterativos
Figura 6.1: y = senx −
x
2
4
, x ∈ [
π
2
, 2]
1.6 1.7 1.8 1.9
-0.1
0.1
0.2
0.3
f(x) = 0, es mediante su representaci´on gr´ afica. Para ello, se pueden con-
siderar las abscisas de los puntos de intersecci´on de la gr´ afica de la funci´ on
y = f(x) con el eje X.
A veces es aconsejable sustituir la ecuaci´on dada por otra ecuaci´ on equi-
valente (es decir con las mismas ra´ıces), ϕ(x) = ψ(x), donde las funciones
ϕ y ψ son m´as sencillas que f. Se representan entonces las gr´aficas de las
funciones y = ϕ(x) e y = ψ(x), y las ra´ıces buscadas ser´an entonces las
abscisas de los puntos de intersecci´on de dichas gr´ aficas.
Ejemplo 6.1 Obtener una aproximaci´ on de la ra´ız real positiva que tiene
la ecuaci´on:
x
2
4
−senx = 0
Expresando la ecuaci´on de forma equivalente:
x
2
4
= senx. Si se repre-
sentan gr´ aficamente las curvas y =
x
2
4
e y = senx, se observa que una ra´ız
queda en el intervalo (
π
2
, 2), posiblemente cerca de x = 1,9.
Otra posibilidad es dar valores a la funci´ on f(x) y observar los cambios
de signo de los resultados obtenidos.
6.2 Resoluci´ on de ecuaciones 93
x
x
2
4
senx(calculado en radianes) f(x)
1.6 0.64 0.9996 ¡0
1.8 0.81 0.974 ¡0
2.0 1.0 0.909 ¿0
De esta forma se puede concluir que p ∈ (1,8, 2,0).
En general, un resultado existente en este sentido es el siguiente:
Teorema del Valor Intermedio Si una funci´on f(x) ∈ ([a, b] y k es
un n´ umero cualquiera entre f(a) y f(b), entonces existe c ∈ (a, b), tal que
f(c) = k.
Corolario Si una funci´on f(x) ∈ ([a, b] y f(a) f(b) < 0, la ecuaci´ on
f(x) = 0 tiene al menos una ra´ız en el intervalo (a, b). Es decir, existe al
menos un n´ umero p ∈ (a, b), tal que f(p) = 0.
La ra´ız p ser´a ´ unica si f

(x) existe y mantiene el signo en el intervalo
(a, b).
6.2. Resoluci´ on de ecuaciones
A lo largo de esta secci´on mostraremos distintos m´etodos de resoluci´on
de la ecuaci´ on f(x) = 0. El problema consiste en encontrar los valores de la
variable x que satisfacen la ecuaci´ on f(x) = 0, para una funci´ on f dada.
El primer m´etodo basado en el Teorema del Valor Intermedio, se deno-
mina m´etodo de bisecci´ on, de b´ usqueda binaria o m´etodo de Bolzano.
6.2.1. M´etodo de bisecci´ on
Sea f(x) una funci´ on continua en el intervalo (a
0
, b
0
) tal que f(a
0
)f(b
0
) <
0. Determinaremos entonces, una secuencia de intervalos (a
1
, b
1
) ⊃ (a
2
, b
2
) ⊃
(a
3
, b
3
)..., tales que todos ellos contendr´an en su interior una ra´ız de la ecua-
ci´on f(x) = 0. Supongamos en particular que f(a
0
) < 0 y f(b
0
) > 0 (´esto
no supone ninguna limitaci´ on puesto que en otro caso se podr´ıa considerar
−f(x) = 0). Los intervalos I
k
= (a
k
, b
k
), k = 1, 2, ... son determinados de
manera recursiva de la siguiente forma. El punto medio del intervalo I
k−1
es:
m
k
=
1
2
(a
k−1
+b
k−1
)
94 6 Algoritmos iterativos
Podemos suponer que f(m
k
) ,= 0, puesto que en otro caso, tendr´ıamos
determinada la ra´ız de la ecuaci´ on. Computamos f(m
k
) y tenemos:
(a
k
, b
k
) =
_
(m
k
, b
k
), si f(m
k
) < 0
(a
k
, m
k
), si f(m
k
) > 0
De la construcci´ on de (a
k
, b
k
) se sigue inmediatamente que f(a
k
) < 0
y f(b
k
) > 0, y adem´ as cada intervalo I
k
contiene una ra´ız de la ecuaci´ on
f(x) = 0.
Despu´es de n pasos, tenemos la ra´ız dentro del intervalo (a
n
, b
n
) de lon-
gitud:
b
n
−a
n
=
1
2
(b
n−1
−a
n−1
) =
1
2
2
(b
n−2
−a
n−2
) = ... =
1
2
n
(b
0
−a
0
)
Tenemos adem´as que m
n+1
es un estimador de la ra´ız que buscamos, y
p = m
n+1
±d
n
, d
n
=
1
2
n+1
(b
0
−a
0
)
6.2 Resoluci´ on de ecuaciones 95
Algoritmo
Tolerancia = TOL. N´ umero de iteraciones= NUMITE. Valores
iniciales a
0
, b
0
.
Paso 1: Sea i = 1
Paso 2: Mientras que i ≤ NUMITE, hacer:
Paso 3: m
i
= a
i−1
+
1
2
(b
i−1
−a
i−1
)
Paso 4: Si f(m
i
) = 0, ´ o
¸
¸
¸
b
i−1
−a
i−1
2
¸
¸
¸ < TOL, STOP. La ra´ız
buscada es m
i
.
Paso 5: Si f(m
i
) < 0, a
i
= m
i
, b
i
= b
i−1
.
Si f(m
i
) > 0, a
i
= a
i−1
, b
i
= m
i
.
Hacer i = i + 1, e ir al Paso 3.
Paso 6: SALIDA. Despu´es de NUMITE iteraciones el proceso
ha terminado sin ´exito.
Ejemplo 6.2 El m´etodo de bisecci´ on aplicado a la ecuaci´ on
x
2
4
−senx = 0
con I
0
= (1,5, 2), genera la secuencia de intervalos:
k a
k−1
b
k−1
m
k
f(m
k
)
1 1.5 2 1.75 ¡0
2 1.75 2 1.875 ¡0
3 1.875 2 1.9375 ¿0
4 1.875 1.9375 1.90625 ¡0
5 1.90625 1.9375
6.2.2. M´etodo de Newton-Raphson
La idea b´ asica del m´etodo de Newton Raphson para la resoluci´ on de una
ecuaci´ on f(x) = 0, ha sido descrita en la introducci´ on del tema. A partir
de una aproximaci´ on inicial x
0
, se computa una secuencia x
1
, x
2
, ..., x
n
, ...
donde x
n+1
se determina como explicamos a continuaci´on:
Sea f(x) una funci´ on continuamente diferenciable dos veces en el inter-
valo [a, b], es decir f ∈ (
2
[a, b]. Sea x
0
una aproximaci´ on de la ra´ız p, tal que
f

(x
0
) ,= 0 y [x
0
−p[ peque˜ no. Si consideramos el desarrollo de Taylor hasta
grado dos, alrededor de x
0
:
f(x) = f(x
0
) + (x −x
0
)f

(x
0
) +
(x −x
0
)
2
2
f

(ψ(x)),
96 6 Algoritmos iterativos
donde ψ(x) est´a entre x y x
0
. Como f(p) = 0:
0 = f(x
0
) + (p −x
0
)f

(x
0
) +
(p −x
0
)
2
2
f

(ψ(p)), (6.1)
El m´etodo de Newton Rapson se deriva suponiendo que el t´ermino cua-
dr´ atico de la anterior expresi´ on es pr´ acticamente nulo y que:
0 ≈ f(x
0
) + (x −x
0
)f

(x
0
), (6.2)
Es decir, la funci´ on f(x) es aproximada por su tangente en el punto
(x
n
, f(x
n
)), y x
n+1
es la abscisa del punto de intersecci´ on de la tangente
con el eje X. Luego para determinar x
n+1
tenemos que resolver la siguiente
ecuaci´ on:
f(x
n
) + (x
n+1
−x
n
)f

(x
n
) = 0 (6.3)
El m´etodo de Newton-Raphson es definido por la siguiente f´ ormula ite-
rativa:
x
n+1
= x
n
+h
n
, h
n
=
−f(x
n
)
f

(x
n
)
(6.4)
Algoritmo
Tolerancia = TOL. N´ umero de iteraciones= NUMITE. Valor
inicial x
0
.
Paso 1: Sea i = 1.
Paso 2: Mientras que i ≤ NUMITE, hacer:
Paso 3: x
i
= x
0

f(x
0
)
f

(x
0
)
Paso 4: Si [x
i
−x
0
[ < TOL, STOP. La ra´ız buscada es x
i
.
Paso 5: Hacer x
0
= x
i
, i = i + 1, e ir al Paso 3.
Paso 6: SALIDA. Despu´es de NUMITE iteraciones el proceso
ha terminado sin ´exito.
Ejemplo 6.3 Dada f(x) = senx −
x
2
4
, f

(x) = cosx −
x
2
. Queremos
determinar una ra´ız positiva con cinco decimales correctos, i.e. TOL = 0,5
10
−5
. Dado el Ejemplo 2, tomamos, x
0
= 1,5.
6.2 Resoluci´ on de ecuaciones 97
i x
i
f(x
i
) f

(x
i
) h(x
i
)
0 1.5 0.434995 -0.67926 0.64039
1 2.14039 -0.303197 -1.60948 -0.18838
2 1.95201 -0.024372 -1.34805 -0.01826
3 1.93393 -0.000233 -0.00018 0.00018
4 1.93375 0.000005 -1.32191 < 0,5 10
−5
La ra´ız buscada es entonces p = 1,93375. S´ olo han sido necesarias 4 ite-
raciones, incluso teniendo en cuenta que la aproximaci´ on inicial es bastante
mala. Vemos tambi´en que [h
i
[ decrece m´as y m´as r´apidamente hasta que los
errores de redondeo empiezan a dominar. Sin embargo, cuando uno est´ a lejos
de la ra´ız, se puede evitar trabajar con tantos decimales. En el ejemplo ante-
rior, es ´ unicamente necesario trabajar con f(x
n
) con tantos decimales como
deber´ıan ser correctos en x
n+1
. En este caso, la derivada ha sido calculada
con una innecesaria precisi´ on. Entonces no es necesario calcular f

(x
n
) con
tanta precisi´ on como f(x
n
). Como la precisi´ on de f(x
n
) es la que nos dice
c´omo x
n
se aproxima a la ra´ız, se podr´ıa utilizar f

(x
2
) en las iteraciones
i = 3 ´ o 4.
6.2.3. M´etodo de la secante
El m´etodo de Newton Raphson es una t´ecnica extremadamente poderosa,
pero tiene una dificultad grande: la necesidad de conocer el valor de la
derivada de f en cada aproximaci´on de la ra´ız. Habitualmente la expresi´on
de f

(x) es todav´ıa m´as complicada y necesita m´as operaciones aritm´eticas
para su c´ alculo que f(x).
El m´etodo de la secante trata de evitar este problema, aproximando el
valor de la derivada f

(x
n
) por el cociente incremental
f(xn)−f(x
n−1
)
xn−x
n−1
. Esto ge-
nera el siguiente m´etodo. Calcular, a partir de dos aproximaciones iniciales,
x
0
y x
1
, la secuencia x
2
, x
3
, ..., a partir de la f´ ormula iterativa:
x
n+1
= x
n
+h
n
, h
n
= −f(x
n
)
x
n
−x
n−1
f(x
n
) −f(x
n−1
)
, f(x
n
) ,= f(x
n−1
)
La interpretaci´on geom´etrica de este m´etodo es que x
n+1
se calcula como
la abscisa del punto de intersecci´ on entre la secante a trav´es de (x
n−1
, f(x
n−1
))
y (x
n
, f(x
n
)) y el eje de las X. Se˜ nalar que el m´etodo de la secante a diferen-
cia del m´etodo de Newton Raphson requiere de dos aproximaciones iniciales,
pero s´olo se requiere de una evaluaci´on de la funci´ on en cada paso.
Los valores iniciales x
0
y x
1
, son los extremos del intervalo de referencia
en el que se encuentra la ra´ız buscada, de manera que se cumple: f(x
0
)
98 6 Algoritmos iterativos
f(x
1
) < 0. Como en el m´etodo de bisecci´ on consideraremos, por simplicidad
que f(x
0
) < 0 y f(x
1
) > 0. En caso de suceder lo contrario resolveremos la
ecuaci´ on −f(x) = 0.
Nota: La ecuaci´ on de la secante que pasa por (x
n−1
, f(x
n−1
)) y por
(x
n
, f(x
n
)) es:
x −x
n−1
x
n
−x
n−1
=
y −f(x
n−1
)
f(x
n
) −f(x
n−1
)
En el punto de intersecci´ on con el eje X, y = 0, de donde se deduce la
f´ ormula iterativa anterior.
Algoritmo
Tolerancia = TOL. N´ umero de iteraciones= NUMITE. Valores
iniciales x
0
y x
1
.
Paso 1: Sea i = 2.
Paso 2: Mientras que i ≤ NUMITE, hacer:
Paso 3: x
i
= x
i−1
−f(x
i−1
)
(x
i−1
−x
i−2
)
(f(x
i−1
)−f(x
i−2
))
Paso 4: Si [x
i
−x
i−1
[ < TOL, STOP. La ra´ız buscada es x
i
.
Paso 5: Hacer i = i + 1, e ir al Paso 3.
Paso 6: SALIDA. Despu´es de NUMITE iteraciones el proceso
ha terminado sin ´exito.
Ejemplo 6.4 Tomamos de nuevo la ecuaci´on f(x) = senx−
x
2
4
. Quere-
mos determinar una ra´ız positiva con cinco decimales correctos, i.e. TOL =
0,5 10
−5
. Tomamos, x
0
= 1, x
1
= 2. f(1) = 0,5915 > 0, f(2) = −0,0907 <
0. Por lo tanto trabajaremos con g(x) = −f(x) =
x
2
4
−senx.
i x
i
g(x
i
) h(x
i
)
0 1 -0.59147
1 2 0.090703
2 1.86704 -0.084980 -0.13296
3 1.93135 -0.003177 0.06431
4 1.93384 0.000114 0.00249
5 1.93375 -0.000005 -0.00009
6 1.93375
Este ejemplo, proporciona la misma precisi´on con el mismo n´ umero de
iteraciones en el m´etodo de Newton-Raphson que en el de la secante. Esto
6.2 Resoluci´ on de ecuaciones 99
puede ser debido a que una de las aproximaciones x
1
, estaba muy cerca de
la ra´ız. Cuando [x
n
−x
n−1
[ es peque˜ no, el cociente
(xn−x
n−1
)
f(xn)−f(x
n−1
)
ser´a deter-
minado en general con una pobre precisi´ on relativa. Si por ejemplo, elegimos
las aproximaciones iniciales x
0
, x
1
muy cerca de p, los errores de redondeo
pueden hacer que [x
n
− p[ sea grande. El an´ alisis de errores que haremos
posteriormente nos dir´ a que el m´etodo de la secante proporciona en general
una secuencia tal que [x
n
−x
n−1
[ >> [x
n
−p[.
Una an´ alisis m´as minucioso muestra que la contribuci´ on dominante al
error relativo de h
n
proviene del error cometido en el c´ alculo de f(x
n
), una
pobre precisi´ on en el otro factor, resulta ser de menor importancia.
Se˜ nalar, sin embargo, que la ecuaci´ on de recurrencia anterior puede ser
expresada de la forma:
x
n+1
=
x
n−1
f(x
n
) −x
n
f(x
n−1
)
f(x
n
) −f(x
n−1
)
, f(x
n
) ,= f(x
n−1
)
de manera que se puede obtener una cancelaci´ on cuando x
n
≈ x
n−1
y
f(x
n
)f(x
n−1
) > 0.
El m´etodo de Newton-Raphson o el de la secante se utilizan frecuente-
mente para refinar las respuestas obtenidas mediante otras t´ecnicas, como
el m´etodo de bisecci´ on. El motivo es que dan convergencia r´ apida, pero
necesitan una buena primera aproximaci´ on.
6.2.4. Regula Falsi
El m´etodo de regula falsi o de la falsa posici´ on entra dentro de los m´eto-
dos de interpolaci´ on, muy ´ utiles a la hora de determinar los ceros de una
funci´ on real f(x) cualquiera. A diferencia del m´etodo de Newton-Raphson,
en los m´etodos de interpolaci´ on no se necesita calcular la derivada de f, y
adem´as convergen m´as r´apidamente.
En este sentido, se puede considerar tambi´en como una variante del
m´etodo de la secante. En el m´etodo de regula falsi, se elige en cada iteraci´on
la secante entre (x
n
, f(x
n
)) y (x

n
, f(x

n
)), donde n

es el mayor ´ındice, n

< n,
para el cual f(x
n
)f(x

n
) < 0.
Las aproximaciones iniciales x
0
y x
1
, deben ser elegidas tambi´en, de
manera que f(x
0
) f(x
1
) < 0. La ventaja del m´etodo de regula falsi, al igual
que el de bisecci´ on, es que es siempre convergente para funciones continuas
f(x). En contraste con el m´etodo de la secante, sin embargo, el m´etodo
100 6 Algoritmos iterativos
de regula falsi es un m´etodo de primer orden (convergencia lineal). Esto lo
probaremos m´as adelante.
El m´etodo de regula falsi es considerado un buen m´etodo siempre que no
se utilice en un entorno muy pr´ oximo de la ra´ız. Puede ser utilizado como
parte de un m´etodo h´ıbrido que tendr´ıa buenas propiedades cerca de la ra´ız.
El planteamiento es similar al del m´etodo de bisecci´ on donde a partir
de un intervalo inicial [a
0
, b
0
] = [x
0
, x
1
], (f(x
0
) f(x
1
) < 0), se determina
en cada iteraci´ on un intervalo [a
n
, b
n
], de forma que f(a
n
) f(b
n
) < 0. El
intervalo [a
n
, b
n
] contiene entonces al menos un cero de f(x), y los valores
a
n
se determinan de manera que convergen hacia uno de estos ceros. En
general se sigue la siguiente f´ormula iterativa:
x
n
= a
n
−f(a
n
)
b
n
−a
n
f(b
n
) −f(a
n
)
= (6.5)
=
b
n
f(a
n
) −a
n
f(b
n
)
f(a
n
) −f(b
n
)
(6.6)
El hecho de que f(a
n
) f(b
n
) < 0, hace que f(a
n
) f(b
n
) ,= 0, luego x
n
est´a bien definido. Adem´ as, satisface a
n
< x
n
< b
n
´o b
n
< x
n
< a
n
. En este
caso, a menos que f(x
n
) = 0, se define:
a
n+1
= x
n
, b
n+1
= b
n
, si f(x
n
) f(a
n
) > 0
a
n+1
= a
n
, b
n+1
= x
n
, si f(x
n
) f(a
n
) < 0
El algoritmo termina cuando f(x
n
) = 0.
Ejercicio 1
Intenta especificar el algoritmo para el m´etodo de regula falsi, y probarlo
con la ecuaci´ on dada en los Ejemplos 1,2,3 y 4 anteriores. Comenta los
resultados que obtienes.
6.3. Comparaci´ on de los distintos ´ ordenes de con-
vergencia
6.3.1. Convergencia del m´etodo de bisecci´ on
El m´etodo de bisecci´ on, aunque conceptualmente claro, tiene inconve-
nientes importantes. Converge muy lentamente, (es decir NUMITE puede
6.3 Comparaci´on de los distintos ´ordenes de convergencia 101
ser muy grande antes de que [x
n
− p[ sea suficientemente peque˜ no) y, m´ as
a´ un, una buena aproximaci´ on intermedia puede ser desechada sin que nos
demos cuenta. Sin embargo, no debemos olvidar una propiedad importante
del m´etodo, y es que se trata de un m´etodo que converge siempre a una
soluci´ on.
Definici´on 1 Diremos que la sucesi´ on ¦α
n
¦

n=1
converge a α con rapidez
de convergencia O(β
n
), donde ¦β
n
¦

n=1
es otra sucesi´ on con β
n
,= 0 para cada
n, si

n
−α[

n
[
≤ K, para n suficientemente grande
donde K es una constante independiente de n. Esto se indica escribiendo
α
n
= α +O(β
n
), o bien α
n
→ α con una rapidez O(β
n
).
Teorema 2 Sea f ∈ ([a, b], tal que f(a) f(b) < 0. El procedimiento de
bisecci´ on genera una sucesi´ on x
n
que aproxima a p con la propiedad
[x
n
−p[ ≤
1
2
n
(b −a), n ≥ 1. (6.7)
Demostraci´on: para cada n ≥ 1, tenemos
b
n
−a
n
=
1
2
n−1
(b −a), y p ∈ (a, b)
Ya que x
n
=
1
2
(a
n
+b
n
), para todo n, se sigue que
[x
n
−p[ = [
1
2
(a
n
+b
n
) −p[ ≤ [
1
2
(a
n
+b
n
) −a
n
[ =
1
2
(b
n
−a
n
) = 2
−n
(b −a).•
De acuerdo con la definici´ on de rapidez de convergencia, la desigualdad
(6.7) implica que ¦x
n
¦

n=1
converge a p y est´a acotada por una sucesi´ on que
converge a 0 con una rapidez de convergencia O(2
−n
). Es importante hacer
notar que teoremas como ´este, ´ unicamente acotan superiormente los errores,
que en la pr´ actica pueden ser muy inferiores.
Ejemplo 6.5 Determinar aproximadamente el n´ umero de iteraciones
necesarias para resolver la ecuaci´ on f(x) = x
3
+ 4x
2
− 10 = 0 con una
precisi´ on de 10
−5
, tomando como intervalo inicial [a, b] = [1, 2].
Se trata de encontrar n tal que:
[x
n
−p[ = 10
−5

1
2
n
(b −a) = 2
−n
(6.8)
102 6 Algoritmos iterativos
Tomando logaritmos (en base diez, pues la tolerancia est´a dada en base 10),
tenemos que
log
10
(10
−5
) = −5 ≤ log
10
(2
−n
)
−nlog
10
2 ≥ −5 ⇒ n ≤
5
log
10
2
≈ 16,6
Seg´ un la expresi´ on anterior se requieren como mucho 16 iteraciones para
obtener una aproximaci´ on con precisi´on 10
−5
.
Otra caracter´ıstica a se˜ nalar de este m´etodo es que su velocidad de con-
vergencia es completamente independiente de la ecuaci´on a resolver.
6.3.2. Convergencia del m´etodo de Newton-Raphson
Definici´on 2 Sea ¦x
n
¦

n=0
una sucesi´ on que converge a p y e
n
= x
n
−p,
para cada n ≥ 0. Si existen dos n´ umeros positivos λ y α tales que
lim
n→∞
[x
n+1
−p[
[x
n
−p[
α
= lim
n→∞
[e
n+1
[
[e
n
[
α
= λ
entonces se dice que ¦x
n
¦

n=0
converge a p con orden α, con una constante
de error asint´otico λ, o que la convergencia es de orden α.
Si α = 1, el m´etodo se denomina lineal o de primer orden. Si α = 2, el
m´etodo se denomina cuadr´ atico o de segundo orden.
Teorema 3 Sea f ∈ (
2
[a, b]. Si f(a) f(b) < 0, y f

(x) y f

(x) son
no nulas y conservan el signo para a ≤ x ≤ b, entonces, a partir de una
aproximaci´on inicial x
0
∈ [a, b] que satisface f(x
0
) f

(x
0
) > 0, es posible
utilizando el m´etodo de Newton (f´ormula (6.2)), calcular una ra´ız ´ unica, p,
de la ecuaci´ on f(x) = 0 con cualquier grado de precisi´ on.
Por esta raz´on, al aplicar el m´etodo de Newton-Raphson, se debe aplicar
la siguiente regla: para el punto inicial x
0
el´ıjase el extremo del intervalo
(a, b) asociado con una ordenada del mismo signo que el de f

(x
0
).
Teorema 4 Sea f ∈ ((−∞, ∞), f(a) f(b) < 0, f

(x) ,= 0 para a ≤ x ≤
b. Si f

(x) existe en cualquier punto y conserva el signo, entonces puede
tomarse cualquier valor c ∈ [a, b] como valor inicial x
0
al utilizar el m´etodo
de Newton para hallar una ra´ız de la ecuaci´ on f(x) = 0, que caiga en el
intervalo [a, b]. Se puede tomar, por ejemplo, x
0
= a ´o x
0
= b.
6.3 Comparaci´on de los distintos ´ordenes de convergencia 103
N´otese que en la f´ ormula iterativa (6.3) est´ a claro que cuanto mayor sea
el valor num´erico de f

(x) en un entorno de la ra´ız, tanto menor ser´a la
correcci´on que ha de a˜ nadirse a la aproximaci´ on n-´esima para obtener la
aproximaci´on (n+1). El m´etodo de Newton, es por lo tanto, muy conveniente
cuando la gr´ afica de la funci´ on tiene una gran pendiente en un entorno de la
ra´ız dada, pero si el valor num´erico de la derivada es peque˜ no, las correciones
ser´an entonces mayores, y calcular la ra´ız mediante este procedimiento puede
ser un proceso largo o a veces imposible. Es decir: no utilices el m´etodo de
Newton para resolver una ecuaci´ on f(x) = 0, si la curva y = f(x) es casi
horizontal en un entorno del punto de intersecci´ on con el eje X.
La obtenci´ on de la f´ ormula iterativa del m´etodo de Newton, a partir de la
serie de Taylor, resalta la importancia de una buena aproximaci´ on inicial. La
hip´ otesis necesaria para pasar de (6.1) a (6.2) es que el t´ermino que contiene
a (p − x
0
)
2
puede ser eliminado. Esto, no se cumple a menos que x
0
sea
una buena aproximaci´ on de p. El siguiente resultado ilustra la importancia
te´orica de la elecci´on de x
0
.
Teorema 5 Sea f ∈ ([a, b]. Si p ∈ [a, b] es tal que f(p) = 0, f

(p) ,= 0,
entonces existe un δ > 0, tal que, el m´etodo de Newton-Raphson genera
una sucesi´ on ¦x
n
¦

n=1
que converge a p, para cualquier aproximaci´ on inicial
x
0
∈ [p −δ, p +δ].
Bajo las anteriores condiciones, vamos a obtener una f´ ormula que rela-
cione los errores absolutos de dos aproximaciones sucesivas. Obtendremos
entonces una relaci´on entre e
n
= x
n
− p y e
n+1
. Utilizando el desarrollo de
Taylor, en un entorno de la ra´ız:
0 = f(p) = f(x
n
) +f

(x
n
)(p −x
n
) +
1
2
f


n
)(p −x
n
)
2
, (6.9)
donde ψ
n
, est´a entre p y x
n
. Dividiendo por f

(x
n
) y despejando p:
p = x
n

f(x
n
)
f

(x
n
)

1
2

f


n
)
f

(x
n
)
(p −x
n
)
2
, (6.10)
y teniendo en cuenta la expresi´on (6.4), tenemos
p −x
n+1
= −
1
2

f


n
)
f

(x
n
)
(p −x
n
)
2
, (6.11)
Entonces
e
n+1
e
2
n
=
1
2

f


n
)
f

(x
n
)
(6.12)
104 6 Algoritmos iterativos
y cuando x
n
→ p,
e
n+1
e
2
n

1
2

f

(p)
f

(p)
(6.13)
Como e
n+1
es proporcional al cuadrado de e
n
, y de acuerdo con la De-
finici´ on 2, se dice que el m´etodo de Newton-Raphson tiene convergencia
cuadr´ atica, o que es un m´etodo de segundo orden.
Un razonamiento intuitivo que demuestra el teorema anterior es el si-
guiente:
Supongamos que I es un intervalo en torno a p, tal que
1
2

[f

(y)[
[f

(x)[
≤ m, ∀x, y ∈ I (6.14)
Si x
n
∈ I de (6.12), se tiene que [e
n+1
[ ≤ me
2
n
⇔ [me
n+1
[ ≤ (me
n
)
2
.
Supongamos que [me
0
[ < 1 y que el intervalo [p −[e
0
[, p +[e
0
[] ⊆ I. Por
inducci´ on podemos ver que x
n
∈ I ∀n y [e
n
[ ≤
1
m
(me
0
)
2
n
.
Por este motivo, puede probarse que el m´etodo de Newton-Raphson siem-
pre converge (a una ra´ız simple) si x
0
ha sido elegido lo suficientemente cerca
de la ra´ız p. (Si [me
0
[ = m[x
0
−p[ < 1).
Sin embargo en la pr´ actica p es desconocido y la condici´ on anterior es
dif´ıcil de comprobar. El teorema que damos a continuaci´ on da un criterio
m´as pr´ actico a la hora de demostrar la convergencia.
Teorema 6 Sea x
0
una aproximaci´ on inicial y definimos x
n
y h
n
tales
que x
n+1
= x
n
+ h
n
, h
n
=
−f(xn)
f

(xn)
. Sea I
0
el intervalo (x
0
, x
0
+ 2h
0
) y
supongamos que
2[h
0
[M ≤ [f

(x
0
)[, M = m´ax
x
0
∈I
0
[f

(x)[ (6.15)
Entonces, x
n
∈ I
0
, n = 1, 2, ..., y lim
n→∞
x
n
= p, donde p es la ´ unica
ra´ız de f(x) = 0 en I
0
.
Otro criterio que en ocasiones es m´as f´ acil de aplicar, viene dado por el
siguiente resultado.
Teorema 7 Supongamos que f

(x) ,= 0 y f

(x) no cambia de signo en
6.3 Comparaci´on de los distintos ´ordenes de convergencia 105
el intervalo [a, b], y que f(a) f(b) < 0. Si
¸
¸
¸
¸
f(a)
f

(a)
¸
¸
¸
¸
< b −a,
¸
¸
¸
¸
f(b)
f

(b)
¸
¸
¸
¸
< b −a (6.16)
entonces el m´etodo de Newton-Raphson converge a partir de una aproxima-
ci´ on inicial x
0
∈ [a, b].
6.3.3. Convergencia del m´etodo de la secante
Para probar la convergencia del proceso, consideraremos que la ra´ız
est´a separada y la segunda derivada f

(x) tiene signo constante en el in-
tervalo [a, b] = [x
0
, x
1
].
Supongamos que f

(x) > 0 para a ≤ x ≤ b. La curva y = f(x) en este
caso ser´a convexa hacia abajo y por lo tanto estar´ a localizada por debajo
de la secante que pasa por (a, f(a)), (b, f(b)). Si hemos supuesto en la des-
cripci´ on del m´etodo, f(a) < 0, el extremo b est´a fijo y las aproximaciones
sucesivas:
x
0
= a, x
n+1
= x
n
−f(x
n
)
(b −x
n
)
f(b) −f(x
n
)
, n = 0, 1, 2... (6.17)
forman una secuencia mon´ otona creciente y acotada:
x
0
< x
1
< ... < x
n
< x
n+1
< ... < p < b (6.18)
Resumiendo:
1. El extremo fijo es aquel para el cual el signo de la funci´ on f(x) coincide
con el signo de su segunda derivada f

(x).
2. Las aproximaciones sucesivas caen en el lado de la ra´ız p, donde el
signo de la ra´ız es opuesto al signo de su segunda derivada f

(x).
En cualquier caso, cada aproximaci´ on x
n+1
est´a m´as pr´ oxima a la ra´ız
p, que la precedente x
n
.
Supongamos que p = lim
n→∞
x
n
, a < p < b. Dicho l´ımite existe, puesto
que la sucesi´ on es mon´otona y est´ a acotada. Tomando l´ımites en la expresi´on
(6.17),
p = p −f(p)
(b −p)
f(b) −f(p)
, (6.19)
106 6 Algoritmos iterativos
de donde f(p) = 0. Como p es la ´ unica ra´ız de f(x) = 0 en el intervalo (a, b),
se deduce que p = p.
Se trata de un m´etodo que no converge globalmente. Al igual que en el
caso del m´etodo de Newton, tenemos convergencia local.
El siguiente resultado nos permite obtener el orden de convergencia.
Teorema 8 (de interpolaci´on) Sea f ∈ ([a, b], p, x
n−1
, x
n
, x
n+1

[a, b], tales que:
1. f

(x) ,= 0 ∀x ∈ [a, b]
2. f(p) = 0
3. x
n+1
= x
n
−f(x
n
)
xn−x
n−1
f(xn)−f(x
n−1
)
Entonces ∃ψ, ν ∈ (a, b) (ψ, ν entre p, x
n−1
, x
n
, x
n+1
), tal que:
(p −x
n+1
) =
f

(ψ)
2f

(ν)
(p −x
n
)(p −x
n−1
). (6.20)
Tenemos entonces que, para n suficientemente grande, bajo las hip´ otesis
del teorema anterior:
[e
n+1
[ ≈ C[e
n
[[e
n−1
[, C =
|f

(ψ)|
2|f

(ν)|
Intentamos determinar el orden de convergencia, haciendo uso de la si-
guiente conjetura:
[e
n+1
[ ≈ K[e
n
[
a
, [e
n
[ ≈ K[e
n−1
[
a
, ¿a?
Sustituyendo en la ecuaci´ on anterior:
K[e
n
[
a
≈ C[e
n
[K

1
a
[e
n
[
1
a
Esta relaci´on se mantiene s´olo si:
a = 1 +
1
a
⇔ a =
1
2
(1 ±

5)
C = K
1+
1
a
= K
a
La ra´ız a =
1
2
(1−

5) = −0,618 puede ser ignorada, pues [e
n+1
[ ≈ K[e
n
[
a
y en dicho caso el error cometido en la iteraci´ on n+1 ser´ıa superior al error
en la iteraci´ on n (o lo que es lo mismo el m´etodo no ser´ıa convergente).
6.3 Comparaci´on de los distintos ´ordenes de convergencia 107
Por lo tanto [e
n+1
[ ≈ C
1
a
[e
n
[
a
, a =
1
2
(1 +

5) = 1,618.
6.3.4. Convergencia del m´etodo de regula falsi
Para probar la convergencia del m´etodo de regula falsi, supondremos por
simplicidad que f

(x) existe y que para alg´ un valor i,
a
i
< b
i
, f(a
i
) < 0, f(b
i
) > 0 (6.21)
f

(x) ≥ 0, ∀x ∈ [a
i
, b
i
] (6.22)
Con ´estas hip´ otesis, ´o f(x
i+1
) = 0 ´ o f(x
i+1
) f(a
i
) > 0, y entonces
a
i
< a
i+1
= x
i
< b
i+1
= b
i
.
Adem´as es f´acil ver que las f´ ormulas (6.21), (6.22) son v´alidas para todo
i ≥ i
0
si lo son para i
0
. Entonces, b
i
= b, para i ≥ i
0
y las a
i
forman una
sucesi´on mon´ otona creciente y acotada, por lo tanto es convergente, es decir
existe p = lim
n→∞
a
i
. Por el hecho de ser f continua y por (6.21) y (6.22),
se tiene
f(b) > 0, f(p) ≤ 0 (6.23)
Adem´as tomando l´ımites en (6.6)
p =
bf(p) −pf(b)
f(p) −f(b)
(6.24)
que implica (p −b)f(p) = 0.
Pero p ,= b, y entonces f(p) = 0.
En el caso particular que estamos analizando, (6.22), se ve claramente
que las sucesivas iteraciones matienen fijo el extremo b, de manera que,
utilizando ´esto en la misma relaci´on obtenida para el m´etodo de la secante:
lim
n→∞
[e
n+1
[
[e
n
[
= C

(6.25)
puesto que:
p −x
n+1
=
f

(ψ)
2f

(ψ)
(p −x
n
)(p −x
n−1
) (6.26)
108 6 Algoritmos iterativos
Si x
n
= b;
[e
n+1
[
[e
n
[
→ [
f

(ψ)
2f

(ψ)
(p −b)[ = C

(6.27)
Entonces α = 1 y tenemos convergencia lineal. El m´etodo de regula falsi,
es en general un m´etodo de primer orden. Es convergente siempre que f sea
continua.
6.4. Teor´ıa general de los m´etodos iterativos. Ite-
raci´ on del punto fijo
El m´etodo de Newton-Raphson y el de la secante pueden ser conside-
rados como casos especiales de un m´etodo iterativo m´ as general. Sea x
n+1
determinado por el valor de una funci´ on y de su derivada en m puntos
x
n
, x
n−1
, ..., x
n−m+1
y sea
x
n+1
= ϕ(x
n
, x
n−1
, ..., x
n−m+1
)
Llamaremos a ϕ funci´ on de iteraci´on.
Ejemplo 6.6 En el m´etodo de Newton-Raphson:
ϕ(x) = x −
f(x)
f

(x)
, m = 1
En el de la secante:
ϕ(x) = x −f(x)
x −y
f(x) −f(y)
, m = 2
La teor´ıa general de los procesos iterativos es m´as simple cuando m = 1.
En este caso tenemos:
x
n+1
= ϕ(x
n
)
que se denomina m´etodo de iteraci´on uni-punto o del punto fijo. Nos dedi-
caremos a continuaci´ on al estudio de este tipo de procesos.
Supongamos ahora que tenemos una sucesi´ on ¦x
n
¦ generada a partir
de cierto valor inicial x
0
, y que lim
n→∞
x
n
= p. Si ϕ es continua, p =
6.4 Teor´ıa general de los m´etodos iterativos. Iteraci´on del punto fijo 109
lim
n→∞
x
n+1
= lim
n→∞
ϕ(x
n
) = ϕ(p); es decir el valor p es una ra´ız de la
ecuaci´ on x = ϕ(x).
Es decir, para construir un m´etodo iterativo para la resoluci´ on de f(x) =
0, podemos intentar escribir dicha expresi´ on de la forma x = ϕ(x), lo cual
define un m´etodo de iteraci´on: x
n+1
= ϕ(x
n
).
Ejemplo 6.7 Sea la ecuaci´ on: x
3
−x−5 = 0 que puede ser escrita como
x = ϕ
1
(x) = x
3
−5; x = ϕ
2
(x) =
3

x + 5; x = ϕ
3
(x) =
5
x
2
−1
es decir el m´etodo iterativo puede no ser ´ unico.
Tampoco podemos asegurar que todos ellos sean convergentes. Una con-
dici´ on suficiente para la convergencia la da el siguiente resultado:
Teorema 9 Supongamos que la ecuaci´ on x = ϕ(x) tiene una ra´ız p, y
que en el intervalo
J = ¦x : [x −p[ ≤ ρ¦
ϕ

(x) existe y satisface la condici´ on

(x)[ ≤ m < 1
Entonces, para todo x
0
∈ J:
1. x
n
∈ J, n = 0, 1, 2, 3....
2. lim
n→∞
x
n
= p.
3. p es la ´ unica ra´ız en J de x = ϕ(x).
Demostraci´on:
1. Por inducci´ on: sea x
0
∈ J y supongamos que x
n−1
∈ J. Por el teorema
del valor medio,
x
n
−p = ϕ(x
n−1
) −ϕ(p) = ϕ

(ψ)(x
n−1
−p), ψ ∈ J
[x
n
−p[ ≤ m[x
n−1
−p[ ≤ mρ < ρ ⇒ x
n
∈ J
110 6 Algoritmos iterativos
2. Utilizando la desigualdad anterior repetidas veces:
[x
n
−p[ ≤ m[x
n−1
−p[ ≤ ... ≤ m
n
[x
0
−p[
Como m < 1, se tiene el resultado.
3. Supongamos finalmente que x = ϕ(x) tiene otra ra´ız, β, en J. β ,= p.
Entonces:
p −β = ϕ(p) −ϕ(β) = ϕ

(ψ)(p −β), ψ ∈ J
[p −β[ ≤ m[p −β[ < [p −β[,
lo cual es absurdo.•
En el Teorema 9, hemos partido de suponer la existencia de una ra´ız p.
El teorema puede ser modificado y utilizado para probar la existencia de
una ra´ız de la ecuaci´ on x = ϕ(x).
Teorema 10 Sea J un intervalo cerrado en el cual ϕ

(x) existe y sa-
tisface la desigualdad [ϕ

(x)[ ≤ m < 1. Entonces la sucesi´ on ¦x
n
¦ definida
como x
n+1
= ϕ(x
n
), x
0
∈ J satisface los apartados 1,2 y 3 del Teorema 9 si
x
1
±
m
1 −m
[x
1
−x
0
[ ∈ J
El m´etodo iterativo x
n+1
= ϕ(x
n
) es en general un m´etodo de primer
orden, a menos que ϕ(x) sea elegida de manera especial. Si ϕ(x) es α veces
diferenciable y sus derivadas continuas ϕ ∈ (
α
, en un entorno de p, donde
p = ϕ(p), y ϕ
(j)
(p) = 0, j = 1, ..., α − 1, ϕ
(α)
(p) ,= 0. De acuerdo con el
teorema de Taylor tenemos:
x
n+1
= ϕ(x
n
) = p +
1
α!
ϕ
(α)
(ψ)(x
n
−p)
α
, ψ ∈ (x
n
, p)
Si lim
n→∞
x
n
= p,
lim
n→∞
[e
n+1
[
[e
n
[
α
=
1
α!

(α)
(p)[ , = 0,
n
= x
n
−p (6.28)
Luego el m´etodo de iteraci´on es de orden α para p.
6.5 Generalizaci´ on a sistemas de ecuaciones 111
Este argumento da una demostraci´ on alternativa del hecho de que el
m´etodo de Newton-Raphson sea al menos de segundo orden para ra´ıces
simples, ya que:
ϕ(x) = x −
f(x)
f

(x)
ϕ

(x) =
f(x) f

(x)
(f

(x))
2
= 1 −
[(f

(x))
2
−f(x) f

(x)]
(f

(x))
2
Si p es una ra´ız simple, f

(p) ,= 0 ⇒ ϕ

(p) = 0
6.5. Generalizaci´ on a sistemas de ecuaciones
Algunos de los m´etodos que hemos visto para resolver ecuaciones no li-
neales simples, pueden ser generalizados a sistemas de ecuaciones no lineales.
Consideremos un sistema general de n ecuaciones no lineales con n
inc´ ognitas.
f
i
(x
1
, ..., x
n
) = 0, i = 1, ..., n
Un m´etodo de iteraci´on uni-punto para la resoluci´ on de este sistema
puede ser constru´ıdo escribiendo el sistema de la forma:
x
i
= ϕ
i
(x
1
, ..., x
n
), i = 1, ..., n
que sugiere el m´etodo iterativo:
x
(k+1)
i
= ϕ
i
(x
(k)
1
, ..., x
(k)
n
), i = 1, ..., n
La similitud formal al caso n = 1 es m´as f´ acil de ver si utilizamos notaci´on
vectorial.
x = (x
1
, ..., x
n
)
t
, ϕ(x) = (ϕ
1
(x), ..., ϕ
n
(x))
t
El m´etodo iterativo puede entonces describirse como:
x
(k+1)
= ϕ(x
(k)
), k = 0, 1, ...
112 6 Algoritmos iterativos
Un criterio de convergencia similar al descrito en el Teorema 9 puede
utilizarse en este caso.
Supongamos que p = ϕ(p) y que las derivadas parciales
d
ij
(x) =
∂ϕ
i
∂x
j
(x), 1 ≤ i, j ≤ n
existen para x ∈ R, R = ¦x : [[x − p[[ < ρ¦. Sea D(x) una matriz nxn
cuyos elementos son d
ij
(x). En este caso una condici´ on suficiente para que
el m´etodo de iteraci´on anterior converja para cada x
0
∈ R es que para alguna
elecci´on de la norma se cumpla
[[D(x)[[ ≤ m < 1, x ∈ R (6.29)
Nota: Normas de vectores:
L
p
: [[x[[
p
= ([x
1
[
p
+... +[x
n
[
p
)
1
p
, 1 ≤ p ≤ ∞
p = 2 (norma eucl´ıdea) [[x[[
2
= ([x
1
[
2
+... +[x
n
[
2
)
1
2
p = ∞ [[x[[

= m´ax
i=1,...,n
[x
i
[
Norma matricial: [[A[[

= m´ax
i=1,..,n

n
j=1
[a
ij
[
Definici´on 3 Se dice que ϕ es una funci´ on de contracci´on cuando [[D(x)[[ ≤
m < 1, x ∈ R, puesto que
en este caso dicha condici´on implica la desigualdad
[[ϕ(x) −ϕ(y)[[ ≤ m[[x −y[[, ∀x, y ∈ R
Una condici´ on necesaria para que el proceso iterativo anterior converja
es que el radio espectral de D(p) sea menor o igual que 1. La velocidad de
convergencia depende linealmente de m y tenemos
[[x
(k+1)
−p[[ = [[ϕ(x
(k)
) −ϕ(p)[[ ≤ m[[x
(k)
−p[[, k = 0, 1, ...
Nota: En algunas aplicaciones nos puede interesar resolver un
sistema de la forma
x = a +hϕ(x)
6.5 Generalizaci´ on a sistemas de ecuaciones 113
donde a es un vector constante y h es un par´ ametro 0 < h << 1.
Si ϕ(x) tiene derivadas parciales acotadas, entonces el criterio
de convergencia anterior, (6.29), se satisface siempre para h su-
ficientemente peque˜ no y el m´etodo de iteraci´on es:
x
(k+1)
= a +hϕ(x
(k)
), k = 0, 1, ...
6.5.1. M´etodo de Newton-Raphson
Para n = 1 hemos deducido este m´etodo a partir de la f´ ormula de Taylor:
f(x) = f(x
k
) + (x −x
k
)f

(x
k
) +O([x −x
k
[
2
)
Si nos olvidamos del ´ ultimo t´ermino, obtenemos para f(x) = 0 el m´etodo
iterativo:
f(x
k
) + (x
k+1
−x
k
)f

(x
k
) = 0, k = 0, 1, ...
Utilizando la f´ ormula de Taylor en dimensi´ on n:
f(x) = f(x
(k)
) +f

(x
(k)
)(x −x
(k)
) +O([[x −x
(k)
[[
2
)
donde f

(x) es una matriz nxn, el jacobiano de f, denotado en ocasiones
por J, cuyos elementos son
f

ij
(x) =
∂f
i
∂x
j
(x), 1 ≤ i, j ≤ n
De esta forma el m´etodo de Newton-Raphson en dimensi´ on n es:
f(x
(k)
) + (x
(k+1)
−x
(k)
)f

(x
(k)
) = 0, k = 0, 1, ...
Este es un sistema de ecuaciones lineal para x
(k+1)
y si f

(x
(k)
) es no
singular puede ser resuelto como veremos m´as adelante.
El m´etodo de Newton en dimensi´ on n es de segundo orden, es decir existe
una constante C = C(ρ), tal que, ∀x
(k)
, [[x
(k)
−p[[ ≤ ρ, y se tiene
[[x
(k+1)
−p[[ ≤ C[[x
(k)
−p[[
2
Desigualdad que se sigue directamente de:
x
(k+1)
= f(x
(k)
) = p +
1
2!
f
(2)
(ψ)[[x
(k)
−p[[
2
, ψ ∈ (x
(k)
, p)
114 6 Algoritmos iterativos
De aqui se puede demostrar su convergencia supuesto que x
(0)
est´e lo
suficientemente cerca de p.
Como hemos visto cada iteraci´on del m´etodo de Newton-Raphson re-
quiere la resoluci´ on de un sistema de ecuaciones lineales el cual, cuando n es
grande puede ser dif´ıcil de resolver. Adem´as en cada paso hay que calcular
los n
2
elementos de f

(x
(k)
). Esto es imposible de hacer a menos que dichos
elementos tengan una forma funcional sencilla.
Existen m´etodos derivados de ´este, que proponen estimar f

(x), como el
m´etodo de la secante que lo aproxima por un cociente de diferencias. Una
aproximaci´on utilizada en le pr´ actica es:
∂f
i
∂x
j
(x) ≈ ∆
ij
(x, h) =
f
i
(x +h
j
e
j
) −f
i
(x)
h
j
donde e
j
= (0, ..., j, ..,0) y h es un par´ ametro n-dimensional con componentes
h
j
,= 0, j = 1, ..., n.
6.5.2. M´etodo de Gauss-Seidel
Otro m´etodo de resoluci´ on de un sistema no lineal f(x) = 0 consiste en
utilizar la i-´esima ecuaci´on a resolver para obtener x
(k+1)
i
, i = 1, 2, ..., n. De
esta forma en cada iteraci´on se utiliza la ecuaci´ on no lineal de dimensi´ on
uno:
f
i
(x
(k+1)
1
, ..., x
(k+1)
i−1
, x
i
, x
(k)
i+1
, ..., x
(k)
n
) = 0
para obtener x
(k+1)
i
.
Ejemplo de aplicaci´on Sea un sistema no lineal de dimensi´on n = 3.
f
1
(x
1
, x
2
, x
3
) = 0
f
2
(x
1
, x
2
, x
3
) = 0
f
3
(x
1
, x
2
, x
3
) = 0
En k = 0:
i = 1: f
1
(x
1
, x
(0)
2
, x
(0)
3
) = 0 → x
(1)
1
i = 2: f
2
(x
(1)
1
, x
2
, x
(0)
3
) = 0 → x
(1)
2
i = 3: f
3
(x
(1)
1
, x
(1)
2
, x
3
) = 0 → x
(1)
3
6.6 Ejercicios de aplicaci´ on 115
En k = 1:
i = 1: f
1
(x
1
, x
(1)
2
, x
(1)
3
) = 0 → x
(2)
1
i = 2: f
2
(x
(2)
1
, x
2
, x
(1)
3
) = 0 → x
(2)
2
i = 3: f
3
(x
(2)
1
, x
(2)
2
, x
3
) = 0 → x
(2)
3

6.6. Ejercicios de aplicaci´ on
Como aplicaci´on de los m´etodos anteriores, puedes intentar resolver las
siguientes ecuaciones:
1. x = tg(x) en [1, 2].
2. x
3
−x + 1 = 0 en [−2, 2].
3. x −senx −0,25 = 0 en [1, 2].
4. e
−3
= xe
−x
en [0, 1].
5. (1 +x)senx −1 = 0 en [0,5, 1].
6. senx −x + 2 = 0 en [2, 3].
Si tienes muchas inquietudes, intenta resolver el sistema:
x = 1 +h
2
(e
y

x
+ 3x
2
)
y = 0,5 +h
2
tang(e
x
+y
2
)
x
0
= 1, y
0
= 0,5
Prueba con valores de h = 0,1 ´o 0.01.
116 6 Algoritmos iterativos
Cap´ıtulo 7
M´etodos de ordenaci´ on
7.1. An´alisis te´ orico: orden de complejidad ´optimo
alcanzable para algoritmos internos
Definici´on 1
Un orden parcial en un conjunto S es una relaci´on R, tal que para cada
a, b, c en S:
1. aRa es verdad (R es reflexiva).
2. aRb y bRa implican a = b (antisim´etrica).
3. aRb y bRc implican aRc (transitiva).
La relaci´on R = ” ≤ ” entre enteros y la relaci´on R = ” ⊆ ” entre
conjuntos son dos ´ ordenes parciales.
Un orden total o lineal en un conjunto S es un orden parcial en el que
adem´as se cumple que para cada dos elementos a, b ∈ S o bien aRb o bRa.
La relaci´on ≤ sobre enteros es un orden total (lineal), ⊆ sobre conjuntos no
lo es.
El problema de la ordenaci´ on puede ser planteado como sigue. Dada una
sucesi´on de n elementos a
1
, ..., a
n
elegidos de un conjunto con orden total,
que usualmente denotaremos por ≤, vamos a encontrar una permutaci´ on π
de esos n elementos que describir´a la secuencia dada en forma no decreciente
a
π(1)
, ..., a
π(n)
, tal que a
π(i)
≤ a
π(i+1)
, para 1 ≤ i ≤ n − 1. Usualmente
daremos la secuencia ordenada en lugar de la permutaci´ on de ordenaci´ on π.
117
118 7 M´etodos de ordenaci´on
1 [tnpos=r]a < b 2 [tnpos=r]b < c 4 [tnpos=r]Orden:a b c
5 [tnpos=r]a < c 8 [tnpos=r]Orden: a c b 9 [tnpos=r]Orden:
c a b 3 [tnpos=r]a < c 6 [tnpos=r]Orden: b a c
7 [tnpos=r]b < c 10 [tnpos=r]Orden: b c a 11 [tnpos=r]Orden: c b a
Figura (a)
Los m´etodos de ordenaci´ on son clasificados como internos, donde los
datos residen en la propia memoria del ordenador, o externos (los datos est´ an
principalmente fuera de la memoria, almacenados en mecanismos como cd’s
o cintas).
Otra clasificaci´ on posible surge atendiendo a la estructura de los ele-
mentos que van a ser ordenados. La diferencia est´ a en si los elementos son
n´ umeros enteros con un rango fijo, o por el contrario son elementos de los
que no se conoce nada de su estructura en particular. Esta segunda clase de
algoritmos tiene como operaci´on b´ asica la comparaci´on entre distintos pares
de elementos. Con algoritmos de esta naturaleza veremos que se necesitan
al menos nlogn comparaciones para ordenar una secuencia de n elementos.
Arboles de decisi´on
Vamos a considerar un algoritmo en el que en cada paso se realiza una
bifurcaci´ on (ramificaci´ on en dos ramas) depeniendo de una comparaci´ on
realizada entre dos elementos. La representaci´on usual para un algoritmo
de este tipo es un ´arbol binario denominado ´ arbol de decisi´ on. Cada v´ertice
interior representa una decisi´ on. Es test que representa el nodo ra´ız es el
primero en realizarse, y luego el control pasa a uno de sus hijos, dependiendo
de la respuesta. En general, el control contin´ ua pasando de cada v´ertice a
uno de sus hijos, la elecci´ on en cada caso depende del resultado del test,
hasta que se llega a un final de rama (hoja). El resultado del algoritmo se
obtiene cuando se alcanza dicho nodo (final de rama).
Ejemplo 1 Vamos a ilustrar mediante un ´ arbol de decisi´ on el algoritmo
de ordenaci´on de tres elementos a, b y c en orden alfab´etico. Los tests est´an
indicados a la derecha del un c´ırculo que respresenta el nodo correspondiente.
El control se mueve hacia la izquierda si la respuesta es ”si”, y hacia la
derecha si la respuesta es ”no”.
La complejidad computacional (en cuanto a tiempo), de un ´ arbol de de-
7.1 An´alisis te´ orico: orden de complejidad ´ optimo alcanzable para algoritmos internos119
cisi´on es la altura del ´ arbol, como una funci´ on del tama˜ no del problema.
Normalmente deseamos contar el m´aximo n´ umero de comparaciones nece-
sarias para encontrar el camino de la ra´ız a un v´ertice de abandono (n´ umero
bifurcaciones). Es de destacar que el n´ umero total de v´ertices en el ´arbol
puede ser mucho mayor que su altura. En cualquier caso, podemos probar
un buen resultado acerca de la altura de un ´ arbol de decisi´on que ordena n
elementos.
Lema 1 Un ´arbol binario de altura h tiene a lo sumo 2
h
hojas.
Demostraci´on: Por inducci´ on sobre h. Se necesita simplemente obser-
var que un ´ arbol binario de altura h est´a compuesto por una ra´ız y a lo
sumo dos sub´ arboles de altura a lo m´ as h −1.
Teorema 2 Cualquier ´ arbol de decisi´ on que orden n elementos tiene de
altura al menos log
2
n!.
Demostraci´on: Como el resultado de la ordenaci´ on de n elementos
puede ser una de las n! permutaciones de los datos, debe haber al menos
n! hojas en el ´ arbol de decisi´ on. Por el Lema 1, la altura debe ser al menos
log
2
n!.
Corolario 1 Cualquier algoritmo que ordene mediante comparaciones
requiere al menos cnlogn comparaciones para ordenar n elementos, para
c > 0 y n suficientemente grande.
Demostraci´on: Para n > 1:
n! ≥ n(n −1)(n −2)...
_
¸
n
2
|
_

_
n
2
_n
2
de manera que
logn! ≥
n
2
log
_
n
2
_

n
4
logn para n ≥ 4
De la aproximaci´on de Stirling podemos obtener una aproximaci´ on m´ as
precisa de n! como
_
n
e
_
n
, de manera que n(log
2
n −log
2
e) = nlog
2
n −1,44n,
resulta ser una buena aproximaci´ on inferior del n´ umero de comparaciones
necesarias para ordenar n elementos.
120 7 M´etodos de ordenaci´on
7.2. M´etodos simples de complejidad O(n
2
): com-
paraci´ on, inserci´ on, burbuja
7.2.1. M´etodo de comparaci´ on (selecci´ on)
Es uno de los m´etodos de ordenaci´ on m´ as simples y trabaja de la si-
guiente forma:
1. Encontrar el elemento m´as grande del vector.
2. Intercambiarlo con el elemento de la ´ ultima posici´ on.
3. Encontrar el segundo mayor elemento.
4. Intercambiarlo con el elemento de la ante´ ultima posici´ on.
5. Continuar con dicho proceso hasta obtener el vector ordenado.
Tambi´en se denomina algoritmo de selecci´on porque trabaja repetida-
mente seleccionando el actual mayor elemento.
Algorithm selectsort
for index := n to 2, −1, do
largest := index
for loop := index − 1 to 1, −1, do
if k(loop) > k(largest) then largest := loop endif
enddo
//intercambio de posiciones de los dos elementos//
temp := k(largest)
k(largest) := k(index)
k(index) := temp
enddo
Para estimar el n´ umero de comparaciones es importante se˜ nalar que el
algoritmo se reduce a dos ciclos que est´an anidados y la comparaci´ on se
realiza una vez en cada paso del ciclo interior. El ciclo interior tiene j − 1
pasos por cada paso j en el ciclo exterior y hay n − 1 pasos en el ciclo
exterior, luego el n´ umero de comparaciones requerido por el algoritmo es:
(n −1) + (n −2) +... + (2) + (1) =
n(n −1)
2
7.2 M´etodos simples de complejidad O(n
2
): comparaci´ on, inserci´ on, burbuja121
Este n´ umero es constante sea cual sea la ordenaci´on inicial de los ele-
mentos.
En el algoritmo, el n´ umero de veces que los elementos cambian sus po-
siciones est´a dado por el n´ umero de veces S
n
, que se ejecuta la sentencia
largest := loop. Este n´ umero S
n
, depende de la ordenaci´ on inicial de los
elementos y puede describirse por sus valores m´ınimo, m´ aximo y medio.
Si el vector inicial est´a ordenado, dicha sentencia no se ejecuta nunca y
S
n,min
= 0. Si el vector inicial est´a ordenado en el orden decreciente, en
cada paso del ciclo exterior se intercambian dos elementos y la longitud del
vector desordenado es reducida en uno en cada paso. Esto nos da el m´aximo
valor para S
n,max
, que es:
(n −1) + (n −3) +... + 1 =
_
n
2
4
si n es par
(n
2
−1)
4
si n es impar
Para determinar el n´ umero medio de elementos intercambiados hay que
se˜ nalar que:
1. Si el algoritmo comienza con una permutaci´ on aleatoria de 1, 2, ..., n,
entonces el primer paso en el ciclo externo genera una permutaci´on
aleatoria de 1, ..., n−1 seguida por n, ya que la permutaci´ on q
1
, ..., q
n−1
, n
es producida por cada uno de los datos.
n q
2
q
3
q
n−1
q
n
q
1
n q
3
q
n−1
q
n

q
1
q
2
q
3
q
n−1
n
2. La ocurrencia de cada permutaci´ on de 1, 2, ..., n−1 en k(1), k(2), ..., k(n−
1) es igualmente probable y el n´ umero medio de veces que se ejecuta
la sentencia largest := loop durante el primer paso del ciclo externo
viene dada por H
n
−1 =
1
2
+
1
3
+... +
1
n
.
En general, el valor medio de S
n
, S
n
satisface la relaci´on de recurrencia
S
n
= H
n
−1 +S
n−1
, de manera que
S
n
=
n

j=2
H
j
−(n −1) = (n + 1)H
n
−2n
Nota: Hemos utilizado el resultado

n
j=1
H
j
= (n+1)H
n
−n, H
1
= 1,
que puede ser probado por inducci´ on.
122 7 M´etodos de ordenaci´on
En resumen, el n´ umero de comparaciones entre elementos es
n(n −1)
2
= O(n
2
)
y el n´ umero de intercambios es:
min = 0
media = (n + 1)H
n
− 2n = O(nlogn) (Notar que H
n
≈ log
2
n, para n
grande)
max =
_
n
2
4
si n es par
(n
2
−1)
4
si n es impar
= O(n
2
)
La complejidad total del algoritmo es entonces O(n
2
) y queda determi-
nada por el n´ umero de operaciones.
7.2.2. M´etodo de inserci´ on
Los m´etodos de ordenaci´ on por inserci´ on est´ an basados en la siguiente
idea:
Sea un vector ordenado de n elementos distintos
k(1) < k(2) < ... < k(n)
Queremos insertar un elemento X en el vector anterior compar´andolo
con los elementos del vector y situ´andolo en su posici´ on moviendo despu´es
los elementos posteriores un lugar a la derecha. Un algoritmo que realiza
´esto se denomina algoritmo de inserci´on.
Si queremos aplicar un algoritmo de este tipo a la ordenaci´on de un
vector de n elementos, tendremos que ir considerando elemento a elemento
y situ´ andolo en su propio lugar en un vector ya ordenado.
Un posible algoritmo ser´ıa:
Algorithm insertsort
k(0) := minvalue
for i := 2 to n, do
pivot := k(i)
7.2 M´etodos simples de complejidad O(n
2
): comparaci´ on, inserci´ on, burbuja123
j := i
while k(j − 1) > pivot do
k(j) := k(j − 1)
j := j − 1
enddo
k(j) := pivot
enddo
El algoritmo anterior requiere
n(n−1)
2
movimientos de elementos en el
peor caso. Esta alta complejidad es debida a que cada pasada del ciclo interno
produce ´ unicamente intercambios entre elementos adyacentes. Esto produce
muchos movimientos redundantes de elementos, porque, si por ejemplo, el
elemento m´as peque˜ no est´a situado en el extremo contrario del vector hacen
falta n pasos para moverle a la posici´on que le corresponde.
Una modificaci´ on de este algoritmo es el que se denomina Shellsort. (Ver
por ejemplo p´ ag. 231 y ss. de [9]).
7.2.3. M´etodo de intercambio (burbuja)
Otra familia de algoritmos de ordenaci´ on por comparaci´ on est´a basada
en la idea de que cada comparaci´ on entre dos elementos debe ser seguida
sistem´aticamente por el intercambio de pares de elementos desordenados,
hasta que no aparezcan mas pares a ordenar.
El algoritmo trabaja de la siguiente manera: dada una secuencia de
elementos desordenados k(1), ..., k(n), generalmente no todos distintos; el
m´etodo de la burbuja los ordena intercambiando elementos adyacentes, si es
necesario, en sucesivas pasadas. Cuando no es necesario ning´ un intercambio
m´as, la secuencia est´a ordenada.
Algorithm bubblesort
repeat
pivot := 1
for k := 2 to n do
if A(k − 1) > A(k) then
temp := A(k − 1)
A(k − 1) := A(k)
A(k) := temp
pivot := k − 1
endif
enddo
124 7 M´etodos de ordenaci´on
until pivot = 1
Ejemplo 2Vamos a ver como ordena la secuencia 3 4 2 1 7
3 4 2
3 2 4 1
3 2 1 4 7 pasada 1, pivot=4
3 2
2 3 1
2 1 3 4 7 pasada 2, pivot=3
2 1
1 2 3 4 7 pasada 3, pivot=1
Hay tres cantidades involucradas en el tiempo de desarrollo del m´etodo
de la burbuja: el n´ umero de comparaciones, el n´ umero de intercambios y
el n´ umero de pasadas a trav´es de los datos. Para estimar dichas cantida-
des podemos ver que el algoritmo se ha implementado utilizando dos ciclos
anidados. Un paso del ciclo exterior corresponde a una pasada a trav´es del
vector inicial, de manera que el n´ umero de pasadas corresponde al n´ umero
de pasos ejecutados en el ciclo exterior.
Si los elementos est´an ordenados, la pasada inicial ser´ a tambi´en la ´ ultima
y no har´ an falta intercambios de elementos. Entonces el valor m´ınimo para
el n´ umero de comparaciones, el n´ umero de intercambios y el n´ umero de
pasadas son n −1, 0 y 1 respectivamente.
Si los datos iniciales est´an en orden inverso, entonces en la primera pasa-
da se colocar´ a el elemento m´as grande en su propia posici´ on, y se utilizar´ an
n − 1 comparaciones y n − 1 intercambios. La segunda pasada colocar´ a el
segundo mayor elemento en su posici´on y utilizar´a para ello n −2 compara-
ciones y n−2 intercambios. Continuando con este argumento, concluiremos
que este m´etodo requiere de
n(n−1)
2
comparaciones e intercambios y n pasa-
das.
El an´ alisis de valores del n´ umero medio de comparaciones, pasadas e
intercambios no es f´acil de realizar. El motivo es que dicho c´ alculo requiere
de una interesante herramienta matem´ atica como son las tablas de inversi´on.
(Ver por ejemplo p´ ag. 220 y 223 de [9]). En cualquier caso podemos concluir
que la complejidad del m´etodo de la burbuja en media no es mejor que
O(n
2
).
7.3 M´etodos de complejidad O(nlogn): Quicksort y Heapsort 125
23 [tnpos=r]A(1) 19 [tnpos=r]A(2) 11 [tnpos=r]A(4) 1 [tnpos=r]A(8) 2 [tnpos=r]A(9)
7 [tnpos=r]A(5) 4 [tnpos=r]A(10) 6 [tnpos=r]A(11)
10 [tnpos=r]A(3) 5 [tnpos=r]A(6)
3 [tnpos=r]A(7)
Figura (b)
7.3. M´etodos de complejidad O(nlogn): Quicksort
y Heapsort
7.3.1. Heapsort
Es un elegante m´etodo de ordenaci´ on que utiliza la idea de una repeti-
da selecci´on de elementos. Fue inventado por Williams y Floyd (1964). El
proceso consiste en dos etapas: los primeros n pasos construyen un vector
con estructura de ”mont´ on”(o pila) y los siguientes n extraen los elementos
en orden decreciente y construyen la secuencia ordenada final, situada de
derecha a izquierda en un vector. En la etapa de creaci´ on del mont´ on, la
informaci´ on relativa al orden de los elementos que es obtenido despu´es de
cada comparaci´ on es implementada en forma de estructura de datos amon-
tonados. Veamos esto con el siguiente ejemplo.
Consideremos un vector A(1 : n). Asociamos a este vector una estructura
de ´ arbol binario. Un ´ arbol binario puede representarse gr´ aficamente de dife-
rentes formas. Normalmente se representa como si creciese hacia abajo, y el
nodo m´ as alto, A(1), se denomina ra´ız. Una forma usual de numerar todos
los nodos es de izquierda a derecha en cada nivel, de manera que si A(k) es
el nodo ra´ız de un sub´ arbol, A(2k) y A(2k+1) son los dos nodos inmediatos
colocados detr´ as de ´el, que son llamados nodos hijos. Inversamente A(k) es
el nodo padre de A(2k) y A(2k + 1).
Definimos la ra´ız de un ´ arbol como el nodo que est´ a en el nivel 1. Si A(k)
est´a en el nivel i, A(2k) y A(2k +1) est´an en el nivel i +1. Un nodo que no
tiene hijos se denomina nodo terminal (hoja), y si no es un nodo terminal, es
un nodo interno o de bifurcaci´ on. El n´ umero de nodos que hay que recorrer
desde la ra´ız hasta el nodo A(j), se denomina longitud del camino hasta
A(j). El nodo ra´ız es un nodo de longitud 1, sus hijos est´ an a una longitud
2 y as´ı sucesivamente. En general un nodo de nivel i tiene un camino de
longitud i hasta la ra´ız.
126 7 M´etodos de ordenaci´on
Definici´on 2
Una pila o mont´on es un ´ arbol binario con nodos A(1) a A(n) inclusive,
el cual tiene todos sus nodos terminales al mismo nivel, o en dos niveles
adyacentes a lo sumo; y tiene la propiedad de que el valor de un nudo padre
es mayor o igual que los valores de los hijos.
A(k) ≥ max(A(2k), A(2k + 1)), para 1 ≤ k ≤ ¸
n
2
|, n ≥ 2
La secuencia de elementos en el camino de la ra´ız a un nodo terminal
est´a linealmente ordenada. Por ejemplo: 23 > 19 > 11 > 1. El elemento m´as
grande en un sub´ arbol es siempre la ra´ız de ese ´arbol. El algoritmo heapsort
funciona de la siguiente forma: dado un vector desordenado de tama˜ no n:
A(1 : n), el algoritmo en una primera parte construye la pila o mont´ on y
luego sistem´aticamente selecciona la ra´ız actual y situa dicho elemento en
la ´ ultima posici´ on del vector A.
Algorithm createheap A(1 : n)
for r :=
n
2
to 1, −1 do
k := r
10 if A(k) < max(A(2k), A(2k + 1)) then
index :=´ındice del mayor elemento de A(2k), A(2k + 1) (si s´olo
hay un hijo, el ´ındice del mayor elemento es el de ese hijo)
temp := A(k)
A(k) := A(index)
A(index) := temp
if(index ≤
n
2
) (index no es una hoja)
k := index
goto 10
endif
endif
enddo
Ejemplo 3
7.3 M´etodos de complejidad O(nlogn): Quicksort y Heapsort 127
6 [tnpos=r] 19 [tnpos=r] 11 [tnpos=r] 1 [tnpos=r] 2 [tnpos=r]
7 [tnpos=r] 4 [tnpos=r] 23 [tnpos=r]
10 [tnpos=r] 5 [tnpos=r] 3 [tnpos=r] 19 [tnpos=r] 11 [tnpos=r] 6 [tnpos=r]
1 [tnpos=r] 2 [tnpos=r]
7 [tnpos=r] 4 [tnpos=r] 23 [tnpos=r]
10 [tnpos=r] 5 [tnpos=r] 3 [tnpos=r]
A(1) A(2) A(3) A(4) A(5) A(6) A(7) A(8) A(9) A(10) A(11)
11 2 3 1 4 5 10 23 19 7 6
k = 5 11 2 3 1 (7) 5 10 23 19 (4 6)
k = 4 11 2 3 (23) 7 5 10 (1 19) 4 6
k = 3 11 2 (10) 23 7 (5 3) 1 19 4 6
k = 2 11 (23) 10 (2 7) 5 3 1 19 4 6
11 23 10 (19) 7 5 3 (1 2) 4 6
k = 1 (23) (11 10) (19) 7 5 3 1 2 4 6
23 (19) 10 (11 7) 5 3 1 2 4 6
23 19 10 (11) 7 5 3 (1 2) 4 6
La ´ ultima fila de la tabla anterior, es la que estaba representada en el
´arbol binario de la Figura (b).
En la segunda etapa, Heapsort extrae el elemento m´as grande de la
ra´ız y lo almacena en A(n), intercambiando los elementos A(1) y A(n).
Adem´as la posici´on n no es considerada posteriormente parte del mont´ on.
Para reordenar los elementos en las posiciones 1, ..., n −1 en un mont´ on, el
elemento de A(1) es hundido tan abajo en el ´ arbol como es necesario. El
proceso de intercambiar A(1) y A(n − 1) se repite y adem´as el ´arbol ocupa
las posiciones de los elementos 1, ..., n −2.
Pasamos de:
6 19 10 11 7 5 3 1 2 4 23
a:
19 11 10 6 7 5 3 1 2 4 23
Algorithm updateheap A(1 : s)
(A(1 : s) es el nuevo vector amontonado, s > 1)
Intercambiamos el elemento m´as grande que est´a en A(1) con A(s)
pivot := A(1)
128 7 M´etodos de ordenaci´on
A(1) := A(s)
A(s) := pivot
k := 1
while 2k < (s − 1) do
index := ´ındice m´as grande de A(2k), A(2k + 1)
if A(k) < A(index) then
//intercambiar A(k) con A(index)//
pivot := A(index)
A(index) := A(k)
A(k) := pivot
k := index
else goto fin
endif
enddo
fin. Return (A)
El algoritmo Heapsort completo se implementa como sigue:
Algoritmo Heapsort
createheap A(1:n)
for s := n to 2, −1 do
updateheap A(1 : s)
enndo
N´ umero de comparaciones necesario en Heapsort
El primer algoritmo createheap consta de dos ciclos que est´an anidados.
El ciclo exterior tiene
n
2
pasos, mientras que el interior no se realiza mas
veces que la altura, h, que tiene el mont´ on considerado. Adem´ as en cada
paso del ciclo interior se realizan al menos dos comparaciones. El n´ umero de
comparaciones necesarias es O(
n
2
h) = O(nh).
El algoritmo updateheap contiene ´ unicamente un ciclo. Se realiza una
comparaci´ on por cada paso del ciclo y el ciclo se realiza al menos el n´ umero
de veces que corresponde a la altura del mont´ on. Es decir el n´ umero de
7.4 Quicksort 129
comparaciones es O(h), donde h representa la altura del mont´ on. Si el ´ arbol
tiene n elementos y en cada nodo se produce una bifurcaci´ on, h ≈ log
2
n.
El n´ umero total de comparaciones requeridas por el algoritmo completo
heapsort es:
O(nh) + (n −1)O(h) = O(nlog
2
n) +nO(log
2
n) = O(nlogn)
El n´ umero de intercambios de elementos requerido por heapsort para
cualquier vector inicial, es tambi´en O(nlogn).
7.4. Quicksort
Supongamos un vector de elementos desordenado K(1), ..., K(n). Quick-
sort trabaja particionando el vector en dos partes y ordenando cada una de
las partes independientemente. La posici´on ex´ acta de la partici´ on depende
de los datos. En la etapa en la que se realiza la partici´ on, el vector se ordena
de manera que se mantienen las siguientes condiciones:
1. El elemento que particiona K(k), est´a en su propia posici´ on.
2. Todos los elementos K(1), ..., K(k−1) son menores o iguales que K(k).
3. Todos los elementos K(k+1), ..., K(n) son mayores o iguales que K(k).
Esto puede ser implementado f´ acilmente utilizando la siguiente estrate-
gia. Declarar dos punteros i, j con i = 1, j = n inicialmente. Comparar
K(i) con K(j), K(j − 1), ..., K(s) hasta enontrar un elemento K(s) menor
que K(i). Intercambiar ambos elementos, incrementar i por 1 y continuar
la comparaci´ on despu´es de incrementar el valor de i y hasta que se produz-
ca otro intercambio. Despu´es del intercambio disminuir j en 1 y continuar
la comparaci´ on hasta que se produzca otro intercambio. Despu´es de dicho
intercambio incrementar i y as´ı sucesivamente hasta que i = j.
Para un mejor desarrollo del algoritmo, se produce un intercambio in-
cluso cuando para i ,= j, K(i) y K(j) son elementos con el mismo valor.
Cuando los punteros i, j alcanzan la misma posici´on, dicha posici´ on deter-
mina la partici´ on del vector en dos subvectores. Cada uno de los dos vectores
es ordenado independientemente. Esto significa que despu´es de cada parti-
ci´on del vector, una de las partes necesita ser almacenada temporalmente
mientras Quicksort ordena la otra parte. Esto requiere de alguna memoria
auxiliar por parte del algoritmo.
130 7 M´etodos de ordenaci´on
Una descripci´ on completa del algoritmo ser´ıa la siguiente:
Algorithm Quicksort (r, s)
i := r
j := s + 1
pivot := K(i)
if s > 1 then
repeat
repeat j := j − 1 until K(j) ≤ pivot
repeat i := i + 1 until K(i) ≥ pivot
if i < j
temp := K(i)
K(i) := K(j)
K(j) := temp
endif
until j ≤ i
K(r) := K(j)
K(j) := pivot (el elemento que determina la partici´on est´a en la posici´on j)
endif
if r < s then
quicksort(r, j − 1)
quicksort(j + 1, s)
endif
Tiempo medio requerido por Quicksort
Antes de calcular el tiempo medio de ejecuci´on de un algoritmo, vamos
a determinar c´ ual es la distribuci´ on de probabilidad de los datos. Para al-
goritmos de ordenaci´ on, una hip´ otesis natural, y que nosotros haremos, es
que cada permutaci´ on de la secuencia a ordenar es igualmente probable a
la hora de aparecer como datos. Bajo esta hip´ otesis, f´ acilmente se puede
acotar inferiormente el n´ umero de comparaciones necesarias para ordenar
una secuencia de n elementos.
7.4 Quicksort 131
El m´etodo general es asociar con cada hoja del ´arbol de decisi´ on ν, la
probabilidad de alcanzar dicha hoja, para unos datos dados. Si conocemos
la distribuci´ on de probabilidad de los datos, se pueden determinar las pro-
babilidades de cada una de las hojas. Entonces, se puede calcular el n´ umero
esperado de comparaciones realizado por un algoritmo de ordenaci´on parti-
cular, evaluando sobre todas las hojas del ´ arbol de decisi´on, la suma

i
p
i
d
i
,
donde p
i
es la probabilidad de alcanzar la hoja i y d
i
su altura. Esta suma
es la altura esperada de un ´ arbol de decisi´ on.
Teorema 3 Bajo la hip´ otesis de que todas las permutaciones de la se-
cuencia de n elementos son igualmente probables, cualquier ´arbol de decisi´ on
que ordene n elementos tiene una altura esperada de al menos logn!.
Demostraci´on: Sea D(T) la suma de las alturas de las hojas de un
´arbol binario T. Sea D(m) el valor m´as peque˜ no de D(T), elegido de entre
todos los ´arboles T con m hojas. Demostraremos por inducci´on sobre m,
que D(m) ≥ mlogm. Para m = 1 el resultado es trivial. Supongamos que
es cierto para valores de m menores que k y consideremos un ´ arbol T con
k hojas. T est´a formado por una ra´ız y por un ´ arbol a la izquierda T
i
con i
hojas y un ´ arbol a la derecha T
k−i
con k −i hojas (la ra´ız de T no pertenece
a ninguno de los dos sub´ arboles T
i
ni T
k−i
), para alg´ un i, 1 ≤ i ≤ k.
Claramente
D(T) = i +D(T
i
) + (k −i) +D(T
k−i
)
Adem´as, la suma m´ınima est´a dada por
D(k) = min
1≤i≤k
¦k +D(i) +D(k −i)¦
De la hip´ otesis inductiva, tenemos:
D(k) ≥ k +min
1≤i<k
[ilogi + (k −i)log(k −i)] = k +min
1≤i<k
f(i)
Derivando f

(i) = 0, se deduce que i =
k
2
con f

(
k
2
) > 0. El m´ınimo se
alcanza en i =
k
2
; luego:
D(k) ≥ k +klog
k
2
= k +klogk −klog2 = klogk
Conclu´ımos entonces que D(m) ≥ mlogm, ∀m ≥ 1.
Recordemos del Teorema 2, que un ´ arbol de decisi´ on T que ordene n
elementos cualesquiera tiene al menos n! hojas. M´ as a´ un, tiene ex´ actamente
132 7 M´etodos de ordenaci´on
n! hojas con probabilidad
1
n!
cada una, y las restantes con probabilidad
0. Podemos eliminar de T todos los nodos antecesores s´olo de hojas con
probabilidad 0, sin cambiar la altura esperada de T. Tenemos entonces un
´arbol T

con n! hojas, cada una de probabilidad
1
n!
. Como D(T

) ≥ n!logn!,
la altura esperada de T

y por lo tanto de T es al menos
1
n!
n!logn! = logn!.

Corolario 2 Cada algoritmo de ordenaci´on mediante comparaciones rea-
liza al menos cnlogn comparaciones en media, para alguna constante c > 0.
Veremos ahora que el algoritmo Quicksort tiene un tiempo medio de eje-
cuci´on acotado inferiormente por cnlogn para alguna constante c. El hecho
significativo es que el tiempo de ejecuci´ on para el peor caso en dicho algo-
ritmo es cuadr´ atico. Sin embargo no es un hecho importante en la mayor´ıa
de los casos.
Teorema 4 El algoritmo Quicksort ordena una secuencia de n elementos
en un tiempo esperado de O(nlogn).
Demostraci´on: Sea una secuencia de n elementos a
1
, ..., a
n
. Por simpli-
cidad supongamos que todos los elementos en S son distintos. Esta hip´ otesis
maximizar´a los tama˜ nos de los vectores resultantes de su partici´on.
Sea T(n) el tiempo medio necesario por Quicksort para ordenar una se-
cuencia de n elementos. Claramente T(0) = T(1) = b para alguna constante
b.
Supongamos que despu´es de la primera partici´on hemos creado dos vec-
tores en S. Denotamos por T(s) y T(n − s), respectivamente, los tiempos
medios requeridos por Quicksort para ordenar cada uno de los dos vectores.
Como s es iguamente probable al resto de valores entre 1 y n, y el tiempo
necesario para obtener la primera partici´on es cn, donde c es una constante,
1 < c < 2 (se sigue del hecho de que se necesitan n comparaciones y ≤ n
intercambios), tenemos:
T(0) = T(1) = b
T(n) =
1
n
n

s=1
(T(s) +T(n −s)) +cn, n ≥ 2
=
1
n
¦
n

s=1
T(s) +
n−1

j=0
T(j)¦ +cn
=
1
n
¦
n−1

s=1
T(s) +
n−1

j=0
T(j) +T(n)¦ +cn
7.4 Quicksort 133
=
2
n
n−1

s=1
T(s) +
1
n
T(n) +cn
o escrito de otro modo:
(n −1)T(n) = 2
n−1

s=1
T(s) +cn
2
, 1 < c < 2
Expresi´on que nos da una relaci´ on de recurrencia. Si la escribimos para
n + 1.
nT(n + 1) = 2
n

s=1
T(s) +c(n + 1)
2
, 1 < c < 2
(n −1)T(n) = 2
n−1

s=1
T(s) +cn
2
restando la segunda de la primera, se obtiene:
nT(n + 1) −(n −1)T(n) = 2T(n) +c(2n + 1)
o lo que es lo mismo:
nT(n + 1) = (n + 1)T(n) +c(2n + 1)
T(n + 1)
n + 1
=
T(n)
n
+c
(2n + 1)
n(n + 1)
que escrita recursivamente:
T(n + 1)
n + 1
=
T(n)
n
+c
(2n + 1)
n(n + 1)
=
T(n)
n
+c(
1
(n + 1)
+
1
n
)
T(n)
n
=
T(n −1)
n −1
+c(
1
n
+
1
n −1
)

T(2)
2
=
T(1)
1
+c(
1
2
+ 1)
De donde:
T(n + 1)
n + 1
=
b
1
+c
__
1
n + 1
+
1
n
+... +
1
2
_
+
_
1
n
+
1
n −1
+... + 1
__
=
= b +c
_
(H
n+1
−1) + (H
n+1

1
n + 1
)
_
=
= b + 2cH
n+1
−c
n + 2
n + 1
134 7 M´etodos de ordenaci´on
Si y s´ olo si:
T(n + 1) = (n + 1)b + 2c(n + 1)H
n+1
−c(n + 2) ⇔
T(n) = nb + 2cnH
n
−c(n + 1)
Donde:
H
n
≈ log
e
n =

n=1
1
n + 1
de manera que:
T(n) ≈ nb −c(n + 1) + 2cnlog
e
n = O(nlogn)
Notar que:
k = log
e
n ⇔ e
k
= n
l = log
2
n ⇔ 2
l
= n
2 < e, luego n = 2
l
< e
l
, de donde k < l y por tanto log
e
n < log
2
n.•
Cap´ıtulo 8
El lenguaje de programaci´on C (IV)
Los apuntadores o punteros son variables que contienen la direcci´ on de
otra variable. Son frecuentemente utilizados en C, puesto que son, en ocasio-
nes, la ´ unica forma de expresar algunos c´ alculos, mediante c´odigo compacto
y eficiente.
Los apuntadores se han comparado con la proposici´ on goto, como una
manera de crear programas imposibles de entender. Esto es completamente
cierto cuando se emplean sin cuidado. Sin embargo, con disciplina se pueden
emplear para conseguir claridad y simplicidad. Este es el aspecto que vamos
a intentar desarrollar en este tema.
8.1. Direccionamiento indirecto. Punteros: varia-
bles que contienen la ubicaci´ on en memoria
de otras variables
Puesto que un puntero contiene la direcci´ on de un objeto, se puede acce-
der al objeto “indirectamente” a trav´es de ´el. Sea x una variable de tipo int,
y px un puntero. El operador unitario & devuelve la direcci´ on de un objeto,
por lo que la proposici´ on
px = &x;
asigna la direcci´ on de x a la variable px; ahora se dice que px “apunta a” x.
El operador & s´ olo se puede aplicar a variables y elementos de un arreglo
(array). Construcciones como &(x + 1) o &3 son ilegales. Tambi´en es ilegal
obtener la direcci´ on de una variable register.
135
136 8 El lenguaje de programaci´ on C (IV)
El operador unitario ∗ toma su operando como una direcci´ on para obte-
ner su contenido. Si y tambi´en es de tipo int,
y=*px;
asigna a y el contenido de cualquier parte a la que apunte px. La secuencia
px = &x;
y = *px;
asigna a y el mismo valor de x.
Tambi´en es necesario declarar las variables que intervienen, la forma de
hacerlo es:
int x,y;
int *px;
Esta ´ ultima declaraci´ on se entiende como un mnemot´ecnico. Se quiere
indicar que la combinaci´ on ∗px es de tipo int, es decir si px aparece en
el contexto ∗px, ello equivale a una variable int. La sintaxis en la declara-
ci´on de una variable imita a la sintaxis de las expresiones en las que puede
aparecer la variable. Este razonamiento es ´ util cuando aparecen expresiones
complicadas. Por ejemplo:
double atof(), *dp;
indican que atof() y ∗dp toman valores de tipo double si aparecen en
una expresi´ on. Hay que se˜ nalar que en la declaraci´ on de un apuntador se
restringe el tipo de los objetos a los que puede apuntar. Los apuntadores
pueden aparecer en expresiones. Si px apunta al entero x, entonces ∗px
puede aparecer en cualquier contexto que pudiera hacerlo x.
A un puntero se le puede sumar o restar un entero. En el caso del ejemplo
anterior, px ha sido declarado como un puntero a un entero x. La expresi´on
y=*px+1;
asigna a y una unidad m´ as que x. La expresi´ on
8.1 Direccionamiento indirecto. Punteros: variables que contienen la ubicaci´on en memoria de otras variab
printf("%d\n", *px);
imprime el valor actual de x; y
d=sqrt((double)*px);
asigna a d la raiz cuadrada de x, variable que es convertida a double para
poder utilizar sqrt.
En expresiones como
y=*px+1;
los operadores unitarios ∗ y & tienen mayor precedencia que los opera-
dores aritm´eticos, por lo que al evaluar la expresi´ on se toma el valor del
objeto al que apunta px y se le suma 1, y el resultado es asignado a y. M´ as
adelante veremos el significado de ∗(px + 1).
Tambi´en pueden aparecer referencias a apuntadores en la parte izquierda
de una asignaci´ on. Si px apunta a x, entonces
*px=0;
pone x a 0, y
*px+=1;
incrementa en 1 el valor de x, al igual que
(*px)++;
En este ´ ultimo ejemplo se necesitan los par´entesis. En otro caso, se in-
crementar´ıa en 1 px y no el objeto al que apunta, ya que los operadores
unitarios como ∗ y ++ se eval´ uan de derecha a izquierda.
Adem´as como los apuntadores son variables, se pueden manipular igual
que cualquier variable. Si py es otro apuntador a enteros,
py=px;
copia el contenido de px en py, con lo que se consigue que ahora py
apunte al mismo objeto que px.
138 8 El lenguaje de programaci´ on C (IV)
8.2. Punteros y funciones: paso de argumentos de
referencia haciendo uso de punteros
Cuando hablamos de las funciones en C, dijimos que los argumentos se
pasaban por valor. Tambi´en es cierto que no hay forma directa de hacer que
la funci´ on llamada altere una variable de la funci´ on que la llama. ¿Qu´e hacer
entonces cuando realmente queremos modificar alguno de los argumentos?
Por ejemplo, un programa de clasificaci´ on podr´ıa intercambiar dos ele-
mentos no ordenados con una funci´ on llamada swap. La llamada ser´ıa
swap (a,b);
y la definici´ on (incorrecta, como veremos) ser´ıa:
swap(x,y)
int x,y;
{
int temp;
temp=x;
x=y;
y=temp;
}
Pero, por defecto de la llamada “por valor”, la funci´ on swap no puede
modificar los argumentos a y b. Sin embargo hay una forma de hacerlo, que
permite conseguir el f´ın deseado. En la llamada a la fuci´ on swap se utilizan
apuntadores a los valores que se desea cambiar:
swap (&a,&b);
El operador & devuelve la direcci´ on de una variable, por lo que &a es un
apuntador a a. En la definici´ on (correcta) de la funci´ on swap se tienen que
declarar los argumentos como apuntadores, a trav´es de los cuales se accede
a los operandos reales.
swap(px,py) /* intercambio de *px y *py */
int *px,*py;
{
int temp;
temp=*px;
8.2 Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros139
*px=*py;
*py=temp;
}
Los apuntadores como argumentos suelen emplearse en el caso de funcio-
nes que devuelven m´ as de un valor simple. Podr´ıa decirse que swap devuelve
dos valores: los nuevos valores de sus argumentos.
Ejemplo: Consideremos una funci´ on getint() que realice la conversi´ on
de una cadena de caracteres en valores enteros, sin formato y un entero por
llamada. getint debe devolver el valor hallado o una indicaci´ on de fin de
archivo, si no hay caracteres. Dichos valores hay que devolverlos en objetos
independientes, puesto que en otro caso, el valor empleado para EOF, podr´ıa
coincidir con el del entero hallado en la entrada.
Una soluci´ on consiste en que getint devuelva EOF si detecta el fin de
fichero o cualquier otro valor, para indicar un entero normal. El valor num´eri-
co del entero hallado se devuelve a trav´es del argumento, que deber´ a ser un
apuntador a un entero. Esta organizaci´ on diferencia la indicaci´on de fin de
archivo y los valores num´ericos.
Con las siguientes sentencias se consigue llenar un array con valores
enteros llamando a getint:
int n, v, array[SIZE];
for (n=0;n<SIZE && getint(&v)!=EOF;n++)
array[n]=v;
Cada llamada deja en v el entero hallado. Observa que es imprescindible
escribir &v en lugar de v, como argumento de getint. Si se utiliza v se puede
cometer un error de direccionamiento puesto que getint supone que se le
pasa un puntero como argumento. La definici´ on de getint es la siguiente:
getint(pn) /* toma el siguiente entero de la entrada */
int *pn;
{
int c, sign;
while((c=getch())==’ ’|| c==’\n’ || c==’\t’)
; /* salta espacios en blanco */
sign=1;
if(c==’+’ || c==’-’)
{ /* registra signo */
sign= (c==’+’) ? 1: -1;
c=getch();
}
140 8 El lenguaje de programaci´ on C (IV)
for(*pn=0; c>=’0’ && c<=’9’; c=getch())
*pn=10* *pn + c - ’0’;
*pn *= sign;
if(c != EOF)
ungetch(c);
return ();
}
∗pn se utiliza en getint como cualquier variable de tipo int.
Nota: ¿Qu´e hacen getch y ungetch? A menudo se da el caso
de que un programa que lee no puede determinar si ha le´ıdo
suficiente hasta que ha le´ıdo demasiado. Un ejemplo es la reco-
lecci´on de los caracteres que constituyen un n´ umero: mientras no
se encuentra el primer car´acter que no sea d´ıgito se sabe que el
n´ umero no est´a completo. Pero entonces el programa habr´ a le´ıdo
un car´ acter de m´as para el que no est´ a preparado.
El problema estar´ıa resuelto si fuera posible “desleer” el car´acter
no deseado. Entonces, cada vez que un programa leyera un car´ acter
de m´as, podr´ıa devolverlo a la entrada y el resto del c´odigo se
comportar´ıa como si nunca hubiera sido le´ıdo. Afortunadamen-
te es f´acil simular la devoluci´ on de un caracter con s´ olo escribir
un par de funciones cooperantes. getch toma un car´ acter de la
entrada y ungetch lo devuelve, para que la siguiente llamada
de getch pueda encontrarlo de nuevo. La forma de funcionar es
sencilla. ungetch sit´ ua el car´ acter devuelto en un buffer compar-
tido (un arreglo de caracteres). getch lee en el buffer, si contiene
algo. Llama a getchar si el buffer est´a vac´ıo. Tambi´en debe de
existir una variable ´ındice que recuerda la posici´ on siguiente del
car´acter en el buffer. Ya que el buffer y el ´ındice son compartidos
por getch y ungetch y deben conservar sus valores entre llama-
das, deber´ an ser externos a ambas. Una forma de escribir getch
y ungetch y sus variables compartidas es:
#define BUFSIZE 100
char buf[BUFSIZE]; /* buffer para ungetch */
int bufp=0; /* sigue posici´ on libre en buf */
getch() /* lee un (posiblemente devuelto) car´ acter */
{
return ((bufp > 0) ? buf[--bufp] : getchar());
}
ungetch(c) /* devuelve un car´ acter */
8.2 Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros141
int c;
{
if(bufp > BUFSIZE)
printf("ungetch: demasiados caracteres \n");
else
buf[bufp++]=c;
}
8.2.1. Punteros y arrays
En C existe entre punteros y arrays un relaci´ on tal que, cualquier opera-
ci´on que pueda realizarse mediante la indexaci´ on de un array se puede reali-
zar tambi´en con punteros. La versi´ on con ´estos ser´a m´as r´apida en t´erminos
generales, pero para los no iniciados, m´ as dif´ıcil de entender.
La declaraci´on
int a[10];
define un array de tama˜ no 10, es decir un bloque con diez objetos conse-
cutivos denominados a[0], a[1], ..., a[9]. La notaci´ on a[i] significa que el ele-
mento del array se encuentra a i posiciones del comienzo. Si pa es un puntero
a un entero, declarado como
int *pa;
entonces la asignaci´on
pa=&a[0];
hace que pa apunte al elemento 0 de a; es decir, pa contiene la direcci´ on
de a[0]. Ahora la asignaci´ on
x=*pa;
copiar´ a el contenido de a[0] en x.
Si pa apunta a un elemento particular de un arreglo a, entonces, por
definici´ on pa+1 apunta al siguiente elemento, y en general pa−i al elemento
situado i posiciones antes que pa, y pa + i apunta al elemento situado i
posiciones despu´es. Si pa apunta a a[0], entonces
142 8 El lenguaje de programaci´ on C (IV)
*(pa+1)
se refiere al contenido de a[1], pa +i es la direcci´on de a[i] y ∗(pa +i) es
el contenido de a[i]. Estos comentarios son ciertos cualquiera que sea el tipo
de variables del array a. Y por extensi´on, toda la aritm´etica de punteros
establece que el incremento se adec´ ua al tama˜ no en memoria del objeto
apuntado. En pa +i, i se multiplica por el tama˜ no de los objetos a los que
apunta pa antes de ser sumado a pa.
La correspondencia entre indexaci´ on y aritm´etica de punteros es eviden-
temente muy estrecha. El compilador convierte toda referencia a un array en
un puntero al comienzo del arreglo. El efecto es que el nombre de un array
es una expresi´on de tipo puntero. Este hecho tiene algunas implicaciones
muy ´ utiles. Puesto que el nombre de un arreglo es sin´ onimo de la posici´on
del elemento cero, la asignaci´on
pa=&a[0]
se puede escribir as´ı
pa=a
Del mismo modo, una referencia a a[i] se puede escribir tambi´en como
∗(a+i). Al aplicar & a los dos lados de esta equivalencia se deduce tambi´en
que &a[i] y a + i tambi´en son id´enticas. a + i es la direcci´on del i-´esimo
elemento de a. Por otra parte, si pa es un puntero, en las expresiones puede
aparecer como un sub´ındice: pa[i] es id´entico a ∗(pa+i). En suma, cualquier
expresi´on en que aparezca un array y un sub´ındice se puede escribir como un
puntero y un desplazamiento y viceversa, incluso en la misma proposici´ on.
Sin embargo, hay una diferencia entre el nombre de un array y un pun-
tero, que hay que tener en cuenta. Un puntero es una variable, por lo que
operaciones como pa = a y pa++ son correctas. Pero el nombre de un array
es una constante, no una variable; de manera que expresiones como a = pa
o a + + son ilegales.
Cuando se pasa el nombre de un array a una funci´ on, se pasa la direcci´on
del comienzo del array. En la funci´ on, este argumento es una variable, por lo
que el nombre de un array como argumento es un puntero, o sea una variable
que contiene una direcci´ on. Podemos ver ´esto en el siguiente ejemplo:
strlen(s) /* regresa la longitud de la cadena s */
8.2 Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros143
char *s;
{
int n;
for (n = 0; *s != ’\0’; s++)
n++;
return n;
}
Es perfectamente legal incrementar s, puesto que es un puntero; s + +
no modifica la cadena de caract´eres s, no hace m´as que incrementar la copia
privada de la direcci´ on.
Las definiciones de par´ ametros
char s[];
y
char *s;
son completamente equivalentes; la forma como debe escribirse depende
del tipo de expresiones en las que aparece. Cuando se pasa el nombre de un
array a una funci´ on, la funci´ on puede establecer a su conveniencia si va a
manejar un array o un puntero, y hacer las manipulaciones de acuerdo con
´esto. Incluso puede emplear los dos tipos de operaciones si le parece claro y
conveniente.
Tambi´en es posible pasar parte de un arreglo a una funci´ on, pasando un
puntero al comienzo del subarreglo. Por ejemplo si a es un array
f(&a[2]);
y
f(a+2);
pasan a la funci´ on f la direcci´ on del elemento a[2], ya que &a[2] y a +2
son expresiones de tipo puntero que apuntan al tercer elemento de a. En f,
la declaraci´ on de los argumentos podr´ıa ser
144 8 El lenguaje de programaci´ on C (IV)
f(arr)
int arr[];
{
...
}
o bien
f(arr)
int *arr;
{
...
}
8.3. Algebra de punteros
El lenguaje C es consistente y formal en su manejo de la aritm´etica de
direcciones; la integraci´on de punteros, arrays y aritm´etica de direcciones
es una de sus principales virtudes. Veremos a continuaci´ on algunas de sus
propiedades, escribiendo un rudimentario administrador de memoria. Hay
dos rutinas: alloc(n) devuelve un puntero p a n caracteres consecutivos;
free(p) libera la memoria adquirida de esa manera, para poder ser utiliza-
da posteriormente. Las rutinas son rudimentarias, en el sentido de que las
llamadas a free deben hacerse en orden inverso a las llamadas a alloc. Es
decir, la memoria administrada por alloc y free es una pila, o estructura
´ ultima-en-entrar, primera-en-salir. La biblioteca est´andar de C tiene funcio-
nes an´ alogas que no tienen las restricciones anteriores. Sin embargo, muchas
aplicaciones s´olo necesitan una sencilla funci´ on alloc que les proporcione pe-
que˜ nas zonas de memoria de tama˜ no impredecible y en instantes tambi´en
impredecibles.
La realizaci´ on m´ as sencilla consiste en que alloc devuelve trozos de un
gran array de caracteres que llamaremos allocbuf. Este array es exclusivo de
alloc y free. Puesto que se trabaja con punteros y no con sub´ındices, nin-
guna otra rutina necesita conocer el nombre del array, por lo que se declara
como externo y est´atico, es decir, local al archivo fuente que contenga alloc
y free e invisible fuera de ´el. En aplicaciones pr´ acticas, el array no necesita
nombre; en lugar de ello se puede obtener pidiendo al sistema operativo una
zona libre de memoria.
En cuanto a la manipulaci´ on del array allocbuf, se emplear´a un puntero
al primer elemento libre, llamado allocp. Cuando se le piden a alloc n ca-
8.3 Algebra de punteros 145
racteres, se comprueba si hay espacio suficiente en allocbuf (el comienzo de
un bloque libre) y se incrementa su valor en n para que apunte a la nueva
zona libre. free(p) le da el valor p a allocp, si p se encuentra en allocbuf.
#define NULL 0 /* valor del puntero para devolver errores */
#define ALLOCSIZE 1000 /* tama~ no del area disponible */
static char allocbuf[ALLOCSIZE]; /* espacio para alloc */
static char *allocp = allocbuf; /* siguiente posici´ on libre */
char *alloc(n) /* devuelve puntero a n caracteres */
int n;
{
if (allocp + n <= allocbuf+ALLOCSIZE){ /* se encontr´ o */
allocp += n;
return (allocp - n); /* p anterior */
}
else /* no hubo espacio suficiente */
return (NULL);
}
free(p) /* p apunta al ´ area libre */
char *p;
{
if(p >= allocbuf && p < allocbuf+ ALLOCSIZE)
allocp = p;
}
En general un apuntador se puede inicializar como cualquier otra varia-
ble, aunque normalmente los valores significativos son NULL o una expre-
si´on en que aparezcan direcciones de objetos del tipo apropiado definidas
previamente.
La declaraci´on
static char *allocp = allocbuf;
define allocp como un puntero a caracteres y lo inicializa para que apunte
a allocbuf, que es la zona libre cuando comienza el programa. Esto se pod´ıa
haber hecho escribiendo
static char *allocp = &allocbuf[0];
ya que el nombre del array es la direcci´ on del elemento cero.
La pregunta
146 8 El lenguaje de programaci´ on C (IV)
if (allocp + n <= allocbuf+ALLOCSIZE)
comprueba si hay espacio suficiente para satisfacer la petici´ on de n ca-
racteres; si lo hay, el nuevo valor de allocp ser´ıa como m´aximo una posici´ on
m´as all´a del fin de allocbuf. Si la petici´ on se puede satisfacer, alloc devuelve
un apuntador. En caso contrario, alloc debe devolver alguna indicaci´ on de
que no tiene espacio.
El lenguaje C garantiza que un apuntador que apunte a datos v´ alidos
nunca tendr´ a valor cero. Se puede emplear para se˜ nalar una condici´ on anor-
mal: en este caso, indica que no hay espacio. Se escribe NULL en lugar de
cero, para indicar que es un valor especial para punteros. En general no tiene
sentido asignar enteros a punteros, el cero es un caso especial.
Preguntas como las aparecidas en las sentencias if, del ejemplo anterior,
muestran diferentes facetas de la aritm´etica de punteros. Los punteros se
pueden comparar en ciertas circunstancias. Si p y q apuntan a miembros de
un mismo array, se pueden utilizar relaciones como <, >, =, etc.
Tambi´en se pueden utilizar relaciones como == y ! =. Todo puntero
se puede comparar con igualdad o desigualdad con el valor NULL. No se
pueden comparar punteros a distintos arreglos. (Esto puede funcionar en al-
gunas m´ aquinas, lo que puede hacer que nuestro programa deje de funcionar
misteriosamente cuando lo trasladamos de maquina).
Adem´as se pueden sumar o restar un puntero y un entero. La construc-
ci´on
p + n
significa el n-´esimo objeto a partir del que apunta p. Esto es cierto in-
dependientemente del objeto al que apunte p. Si p y q apuntan a miembros
del mismo array, tambi´en se pueden restar: p −q es el n´ umero de elementos
entre p y q. Esto nos permite escribir otra versi´on de la funci´ on strlen:
strlen(s) /* regresa la longitud de la cadena s */
char *s;
{
char *p = s;
while (*p != ’\0’)
p++;
return (p-s);
}
En esta versi´on p se inicializa con s, es decir, apunta al primer car´ acter.
En la iteraci´ on while se examina cada car´acter hasta encontrar el ¸0. Puesto
8.4 Punteros a caracteres 147
que ¸0 es cero y la iteraci´on while comprueba s´ olo si la expresi´on es cero,
se puede omitir la comprobaci´ on expl´ıcita, y escribir la iteraci´on como
while (*p)
p++;
Como p apunta a caracteres, p + + actualiza p para que apunte al si-
guiente car´acter cada vez, y p − s indica el n´ umero de caracteres tratados,
es decir la longitud de la cadena. Si estuvi´esemos apuntando a float, que
ocupan m´ as memoria que los char y si p fuese un puntero a float, p + + se
posicionar´ıa en el siguiente float.
No se pueden hacer m´as operaciones con punteros de las se˜ naladas aqu´ı.
No se permite sumar dos punteros, multiplicarlos, dividirlos, sumarles valo-
res float o double, etc.
8.4. Punteros a caracteres
Vamos a analizar inicialmente dos funciones de la biblioteca est´andar de
C, string.h. La primera strcpy(s, t) que copia la cadena t en la cadena s. La
versi´on con arrays es:
strcpy(s,t) /* copia t a s */
char s[], t[];
{
int i;
i = 0;
while((s[i] = t[i]) != ’\0’)
i++;
}
Mientras que la versi´ on con punteros es:
strcpy(s,t) /* copia t a s */
char *s, *t;
{
while((*s = *t) != ’\0’)
{
s++;
t++;
}
}
Como los argumentos se pasan por valor, strcpy puede usar s y t con
absoluta libertad. Son punteros que recorren el array car´ acter a car´acter
148 8 El lenguaje de programaci´ on C (IV)
hasta que el ¸0 con que termina t se ha copiado a s. La tercera versi´on m´ as
compacta es:
strcpy(s,t) /* copia t a s */
char *s, *t;
{
while(*s++ = *t++)
;
}
Por una parte se ha introducido los incrementos de s y de t en la parte de
comprobaci´ on de la iteraci´ on. El valor de ∗t++ es el car´acter al que apuntaba
t antes de ser incrementado; el operador sufijo ++ no se aplica hasta que se
ha obtenido ese car´ acter. De la misma manera el caracter se almacena en la
antigua posici´ on donde apuntaba s antes de ser incrementado. Este car´acter
es tambi´en el valor que se compara con ¸0 para controlar la iteraci´ on. El
efecto neto es la copia de los caracteres de t a s hasta copiar el ¸0 final.
Por otra parte se ha eliminado la comparaci´ on expl´ıcita con ¸0 por re-
sultar redundante.
La segunda rutina que vamos a examinar es strcmp(s, t), que compara
las cadenas de caracteres s y t, y devuelve un valor entero negativo, cero o
positivo, seg´ un que s sea lexicogr´aficamente menor, igual o mayor que t. El
valor se obtiene al restar los caracteres de la primera posici´on donde s y t
difieren.
strcmp(s,t) /* devuelve <0 si s<t, =0 si s=t, >0 si s>t */
char s[], t[];
{
int i;
i = 0;
while(s[i] == t[i])
if(s[i++] == ’\0’)
return 0;
return(s[i]-t[i]);
}
La versi´on con punteros es:
strcmp(s,t) /* devuelve <0 si s<t, =0 si s=t, >0 si s>t */
char *s, *t;
{
for( ; *s == *t; s++, t++ )
if(*s == ’\0’)
return 0;
return(*s - *t);
}
8.5 Ejemplos de utilizaci´ on de punteros 149
Generalmente se ha visto que en la mayor parte de las computadoras
se puede asignar un puntero a un entero y viceversa, sin que se altere el
puntero. Lamentablemente esto ha conducido a abusar de rutinas que de-
vuelven punteros que pasan posteriormente a otras rutinas. En ocasiones se
omiten declaraciones, de manera que el c´odigo resultante sigue funcionan-
do aunque arriesgadamente, puesto que su funcionamiento depende de la
particular arquitectura del ordenador empleado.
8.5. Ejemplos de utilizaci´ on de punteros
Vamos a considerar como primer ejemplo, el problema de la conversi´ on
de la fecha, del d´ıa del mes a d´ıa del a˜ no y viceversa. Por ejemplo, el 1 de
Marzo es el d´ıa 60 en un a˜ no no bisiesto, y el 61 de uno bisiesto. Veremos
dos funciones: day of year, que realizar´a la primera operaci´ on y month day,
que convertir´ a un d´ıa del a˜ no, en mes y d´ıa.
Ambas funciones necesitan de la misma informaci´on inicial, una tabla
con los d´ıas que tiene cada mes (treinta d´ıas tiene Junio, Septiembre,...).
Puesto que el n´ umero de d´ıas del mes de Febrero var´ıa entre a˜ nos bisiestos
y no bisiestos, mantendremos dicha informaci´on en el siguiente array de dos
filas:
static int day_tab[2][13]={
{0,31,28,31,30,31,30,31,31,30,31,30,31},
{0,31,29,31,30,31,30,31,31,30,31,30,31}
};
La primera funci´ on ser´a:
day_of_year(year, month, day) /* calcula el d´ ıa del a~ no
* a partir de mes y d´ ıa */
int year, month, day;
{
int i, bisiesto;
bisiesto= year % 4==0 && year % 100 != 0 || year % 400 == 0;
for(i=1; i < month ; i++)
day += day_tab[bisiesto][i];
return (day);
}
month_day(year, yearday, pmonth, pday) /* calcula mes, d´ ıa
150 8 El lenguaje de programaci´ on C (IV)
* a partir del d´ ıa y a~no */
int year, yearday, *pmonth, *pday;
{
int i, bisiesto;
bisiesto= year % 4==0 && year % 100 != 0 || year % 400 == 0;
for(i=1; yearday > day_tab[bisiesto][i]; i++)
yearday -= day_tab[bisiesto][i];
*pmonth= i;
*pday=yearday;
}
El array day tab ha de ser externo a ambas funciones para poder ser
utilizado por ambas.
day tab es el primer array bidimensional con el que trabajamos. En reali-
dad, en C, un array bidimensional es por definici´ on un array unidimensional,
en el que cada elemento vuelve a ser un array. Los sub´ındices se escriben
como
day_tab[i][j]
en lugar de
day_tab[i,j]
empleado en la mayor´ıa de los dem´as lenguajes. Por otra parte, los ele-
mentos se almacenan por filas, es decir, el sub´ındice m´as a la derecha var´ıa
m´as r´apidamente cuando se accede a los elementos por orden de almacena-
miento. La inicializaci´ on se realiza listando los valores entre llaves. Cada fila
se inicializa mediante la correspondiente sublista. En este caso se ha comen-
zado con una columna de ceros, para que los ´ındices correspondientes a los
distintos meses var´ıen entre 1 y 12.
En el caso de tener que transferir un array a una funci´ on, la declaraci´ on
del argumento en la funci´ on deber´ a incluir el n´ umero de columnas. El n´ umero
de filas es irrelevante, pudi´endose utilizar un apuntador para declarar este
dato. Son posibles las siguientes declaraciones de f:
f(day_tab)
int day_tab[2][13];
{
...
}
8.5 Ejemplos de utilizaci´ on de punteros 151
O bien:
int day_tab[][13];
o tambi´en
int (*day_tab)[13];
que indica que el argumento es un apuntador a un array de 13 ente-
ros. Los par´entesis son necesarios puesto que los corchetes [] tienen mayor
precedencia que el operador de indirecci´ on *. Sin par´entesis, la declaraci´on
int *day_tab[13];
declara un array de 13 apuntadores a enteros, como veremos en el si-
guiente ejemplo.
Vamos a ver ahora un ejemplo de un programa que ordene un conjunto
de l´ıneas de texto en orden alfab´etico, versi´ on reducida de la utiler´ıa sort de
UNIX.
La dificultad del ejemplo estriba en el hecho de trabajar con l´ıneas de
texto, de longitud variable, que exigen ser comparadas y movidas en m´ as de
una s´ola operaci´ on, a diferencia de lo que sucede con un n´ umero entero. Se
necesita por lo tanto una representaci´ on eficiente de los datos, que funcione
correctamente con l´ıneas de texto de longitud variable.
Utilizaremos en este caso un array de punteros. Si las l´ıneas a ordenar se
almacenan una tras otra en un gran array de caracteres, se podr´ a acceder a
cada l´ınea a trav´es de un puntero a su primer car´ acter. Los punteros pueden
almacenarse a su vez en un array. Se pueden comparar dos l´ıneas con s´ olo
pasar sus punteros a strcmp. Cuando tengamos que intercambiar dos l´ıneas
desordenadas, se intercambiar´an los punteros en el arreglo y no las l´ıneas.
Como siempre es mejor dividir el programa principal en funciones que
sigan esta divisi´ on y que la rutina principal controle las cosas.
Si comenzamos pensando en la entrada de datos, la rutina de entrada
ha de recoger y guardar los caracteres de cada l´ınea y construir un array
de punteros a las l´ıneas. Tambi´en tiene que contar el n´ umero de l´ıneas de
entrada, pues esta informaci´ on ser´a necesaria para el proceso de ordenaci´ on
152 8 El lenguaje de programaci´ on C (IV)
y el de salida. La funci´ on de entrada devolver´ a un -1, si existen demasiadas
l´ıneas. La funci´ on de salida s´olo tiene que imprimir las l´ıneas en el orden en
el que aparecen los correspondientes punteros.
#define NULL 0
#define MAXLINES 100 /* n´ umero m´ aximo de l´ ıneas a ordenar */
main() /* ordena las l´ ıneas */
{
char *lineptr[MAXLINES]; /* punteros a las l´ ıneas de texto */
int nlines; /* n´ umero de l´ ıneas le´ ıdas */
if((nlines = readlines (lineptr, MAXLINES)) >= 0)
{
sort(lineptr, nlines);
writelines(lineptr, nlines);
}
else
printf(" Demasiadas l´ ıneas a ordenar\n ");
}
Veamos las definiciones de las funciones utilizadas
#define MAXLEN 1000
readlines (lineptr, maxlines) /* lee l´ ıneas de entrada */
char *lineptr[];
int maxlines;
{
int len, nlines;
char *p, *alloc(), line[MAXLEN];
nlines=0;
while((len=getline(line, MAXLEN)) > 0)
if(nlines >= maxlines)
return -1;
else if((p=alloc(len) == NULL)
return -1;
else{
line[len-1] = ’\0’; /* quita el car´ acter nueva l´ ınea */
strcpy(p, line);
lineptr[nlines++]=p;
}
return nlines;
}
El car´ acter nueva l´ınea al final de cada l´ınea se elimina, pues no afecta
a la forma de ordenar.
8.5 Ejemplos de utilizaci´ on de punteros 153
writelines(lineptr, nlines) /* escribe l´ ıneas */
char *lineptr[];
int nlines;
{
int i;
for(i = 0; i < nlines; i++)
printf("%s \n", lineptr[i]);
}
la novedad es la declaraci´ on de lineptr.
char *lineptr[LINES];
indica que lineptr es un array de LINES elementos, cada uno de los
cuales es un puntero a un car´ acter y ∗lineptr[i] tiene acceso a un car´acter.
Una vez que la entrada y salida est´ an controladas, podemos proceder
a su ordenaci´ on. El m´etodo elegido en este caso, no ha sido desarrollado
previamente en teor´ıa, se denomina Shellsort.
sort(v,n) /* ordena las cadenas v[0],...v[n-1] *
* en orden creciente */
char *v[];
int n;
{
int gap, i,j;
char *temp;
for( gap = n/2; gap > 0; gap /= 2)
for(i = gap; i < n; i++)
for(j = i - gap; j >= 0; j -=gap){
if(strcmp(v[j], v[j+gap]) <= 0)
break;
temp=v[j];
v[j]=v[j+gap];
v[j+gap]=temp;
}
}
Debido a que los elementos de v son punteros, tambi´en debe serlo temp.
Podr´ıa mejorarse el programa sustituyendo el m´etodo de ordenaci´ on Shell
por ejemplo por Quicksort. Int´entalo como ejercicio.
El programa anterior ha sido implementado, junto con las funciones re-
adlines, writelines, sort, getline y alloc. El resultado es el fichero siguiente:
#include<stdio.h>
154 8 El lenguaje de programaci´ on C (IV)
#include<string.h>
#define NULL 0
#define MAXLINES 100 /*numero maximo de lineas a ordenar */
#define MAXLEN 1000
main(){
char *lineptr[MAXLINES];
int nlines; /* numero de lineas leidas */
if((nlines=readlines(lineptr, MAXLINES))>=0)
{
sort(lineptr, nlines);
writelines(lineptr, nlines);
}
else
printf("Demasiadas lineas a ordenar\n ");
}
readlines(lineptr, maxlines) /* lee las lineas de la entrada */
char *lineptr[];
int maxlines;
{
int len, nlines;
char *p, *alloc(), line[MAXLEN];
nlines=0;
while((len=getline(line,MAXLEN))>0)
if(nlines >= maxlines)
return (-1);
else if ((p=alloc(len)) == NULL)
return (-1);
else{
line[len-1]=’\0’; /* quita el caracter nueva linea */
strcpy(p,line);
lineptr[nlines++]=p;
}
return (nlines);
}
writelines(lineptr,nlines) /*escribe lineas */
char *lineptr[];
int nlines;
{
int i;
for (i=0; i < nlines; i++ )
printf("%s\n", lineptr[i]);
}
sort(v,n) /*ordena las cadenas v[0],...v[n-1] en orden creciente */
char *v[];
int n;
{
int gap,i,j;
char *temp;
8.5 Ejemplos de utilizaci´ on de punteros 155
for(gap=n/2; gap>0; gap/=2)
for(i=gap; i<n; i++)
for(j=i-gap; j>=0; j-=gap){
if(strcmp(v[j],v[j+gap])<=0)
break;
temp=v[j];
v[j]=v[j+gap];
v[j+gap]=temp;
}
}
getline(s,lim) /* para la cadena s da su longitud */
char s[];
int lim;
{
int c,i;
i=0;
while(--lim>0 && (c=getchar())!= EOF && c!= ’\n’)
s[i++]=c;
if(c==’\n’)
s[i++]=c;
s[i]=’\0’;
return(i);
}
#define ALLOCSIZE 1000 /*tama~ no del area disponible */
static char allocbuf[ALLOCSIZE];
static char *allocp=allocbuf;
char *alloc(n) /*devuelve apuntador a cadena de caracteres */
int n;
{
if(allocp+n<=allocbuf+ALLOCSIZE){
allocp+=n;
return(allocp-n);
}
else
return(NULL);
}
Observaciones sobre E/S
La entrada y salida del programa anterior est´ an sin especificar. Una
opci´on a utilizar desde el sistema operativo, es direccionar la entrada desde
un fichero, por ejemplo lineas.txt. Para ello basta teclear
$ a.out<lineas.txt
Si adem´ as queremos que la salida se escriba en un fichero, basta direc-
cionar la salida del programa a dicho fichero:
156 8 El lenguaje de programaci´ on C (IV)
$ a.out<lineas.txt>salida.txt
Por ejemplo si en lineas.txt, aparecen los nombres de los alumnos de
M´etodos Num´ericos del curso 98-99. El fichero salida.txt resultante ser´a:
Beato Unai
Blanco Maria Isabel
Cao Rosa Maria
Caracena Jose Antonio
Fuente Rosa Maria de la
Gomez Pedro Alberto
Guisasola Ainhoa
Herran Belen
Juan Mario de
Morillo Alberto
Nunez David
Quintela Monica
Rivas Silvia
Ruiz Diego
Otra forma de hacer lo mismo, esta vez desde dentro del programa, es
la que aparece a continuaci´ on:
/* este es el programa en el fichero fordena.c */
/* ordena alfabeticamente cadenas de caracteres */
/* que lee del fichero lineas.txt */
/* la salida va al fichero salida.txt */
#include<stdio.h>
#include<string.h>
#define MAXLINES 500
#define MAXLENGTH 100
main(){
char *lineptr[MAXLINES];
char linea[MAXLINES][MAXLENGTH];
int c,i,n;
FILE *fp;
FILE *fresul;
fp=fopen("lineas.txt","r");
fresul=fopen("salida.txt", "a");
i=1;
while((lineptr[i] = fgets(&linea[i][0], MAXLENGTH,fp))
!= NULL && (i<MAXLINES))
8.5 Ejemplos de utilizaci´ on de punteros 157
i++;
n=i-1;
for(i=1; i<=n; i++)
{
printf("%s", lineptr[i]);
}
sort(lineptr+1, n);
fprintf(fresul,"\n\n Lineas ordenadas lexicograficamente: \n\n");
for (i=1; i<=n; i++)
{
fprintf(fresul, "%s", lineptr[i]);
}
return 0;
}
sort(lineptr, n)
char *lineptr[];
int n;
{
int gap,i,j;
char *temp;
for ( gap=n/2; gap >0; gap/=2)
for (i=gap; i<n; i++)
for (j=i-gap; j>=0; j-=gap){
if(strcmp(lineptr[j],lineptr[j+gap])<=0)
break;
temp=lineptr[j];
lineptr[j]=lineptr[j+gap];
lineptr[j+gap]=temp;
}
}
El cambio de la entrada de datos a un programa tambi´en es invisible si la
entrada proviene de la salida de otro programa a trav´es de una interconexi´ on,
(pipe). En este caso, la linea de comando
$ prog1.out |prog2.out
ejecuta los programas prog1.out y prog2.out, y conecta la salida est´ andar
de prog1.out con la entrada est´ andar de prog2.out.
En la pr´actica muchos programas leen de un s´olo archivo y escriben en un
´ unico archivo. Para estos programas, la entrada/salida mediante getchar(),
putchar() y printf es totalmente adecuada.
Adem´as varios archivos se pueden unir usando por ejemplo la utiler´ıa
cat de UNIX. Ello hace innecesario aprender a acceder a los archivos desde
158 8 El lenguaje de programaci´ on C (IV)
dentro del programa.
Por ejemplo, con un sencillo programa como el siguiente:
#include<stdio.h>
main()
{
int c;
while((c=getchar())!=EOF)
putchar(issuper(c) ? tolower(c) :c );
}
se traduce la entrada a min´ usculas. Las funciones issuper y tolower son
macros definidas en stdio.h, que convierten en may´ uscula y min´ usculas, res-
pectivamente, el car´acter le´ıdo. Con la l´ınea de comando:
$ cat lineas.txt lineas2.txt | lower.out> output
se unen los ficheros lineas.txt y lineas2.txt y se ejecuta sobre el fichero
unido, el programa lower.out. La salida aparece en el archivo output.
Cap´ıtulo 9
El lenguaje de programaci´on C (V)
9.1. Tipos de datos definidos por el usuario: es-
tructuras
Una estructura es un conjunto de diversas variables, posiblemente de
distinto tipo, agrupadas bajo un mismo nombre, lo que hace m´ as eficiente
su manejo.
Las estructuras ayudan a organizar datos complicados, particularmen-
te en programas grandes, puesto que permiten considerar como unidad un
conjunto de variables relacionadas, en lugar de tratarlas como unidades in-
dependientes.
Una fecha tiene por ejemplo varios componentes, d´ıa, mes, a˜ no, d´ıa del
a˜ no y nombre del mes. Estas cinco variables se pueden agrupar bajo una
estructura como la siguiente:
struct date {
int day;
int month;
int year;
int yearday;
char mon_name[4];
};
La palabra clave struct introduce la declaraci´ on de una estructura, que
no es m´as que un conjunto de declaraciones encerradas entre llaves. Op-
cionalmente se puede a˜ nadir un nombre despu´es de la palabre clave struct
(como el date en el ejemplo anterior). A dicho nombre se le denomina nom-
bre de la estructura y se puede emplear en declaraciones posteriores como
159
160 9 El lenguaje de programaci´ on C (V)
abreviatura de la estructura.
Los elementos o variables citados en una estructura se denominan miem-
bros. Un miembro de una estructura, la propia estructura y una variable
ordinaria pueden tener el mismo nombre; siempre que se puedan distinguir
a trav´es del contexto.
La llave de cierre que termina la declaraci´ on de la lista de miembros
puede ir seguida de una lista de variables
struct{...} x, y, z;
en el sentido de que x, y, z son declaradas las tres como estructuras del
mismo tipo y se reserva la memoria correspondiente.
Si la declaraci´ on de una estructura no va seguida de una lista de variables,
no se reserva memoria, y se considera ´ unicamente descrita una plantilla de
la estructura. Posteriormente se puede utilizar dicha plantilla, para definir
estructuras del mismo tipo. Por ejemplo, una vez constru´ıda la plantilla de
la estructura date,
struct date d;
declara la variable d como una estructura de tipo date. Si la variable
estructura es de tipo externa o est´atica, se puede inicializar de la siguiente
forma:
struct date d={4 ,7 ,1776, 186, "Jul"};
Si nos queremos referir a un elemento de la estructura, tenemos que
utilizar una construcci´ on de la forma
nombre_de_estructura.miembro
El operador miembro de estructura ”¸conecta el nombre de la estructura
y el del miembro. Para dar un valor a la variable bisiesto a partir de la
estructura date se har´a:
bisiesto=d.year % 4 == 0 && d.year % 100 != 0
|| d.year % 400 == 0;
9.2 Operaciones con estructuras 161
o para comprobar el nombre del mes:
if (strcmp (d.mon_name, "Aug") == 0) . . .
o para convertir a min´ uscula el primer car´ acter del nombre del mes:
d.mon_name[0] = lower(d.mon_name[0]);
Por otra parte las estructuras se pueden anidar. Un registro de la n´ omina
puede ser por ejemplo:
struct person{
char name[NAMESIZE]; /* dimension = tama~no del nombre */
char address[ADRSIZE];
long zipcode;
long ss_number;
double salary;
struct date birthdate;
struct date hiredate;
};
La estructura persona tiene dos fechas. Si declaramos la variable emp
como una estructura del mismo tipo:
struct person emp;
entonces
emp.birthdate.month
se refiere al mes de nacimiento. El operador de miembro de una estruc-
tura es asociativo de izquierda a derecha.
9.2. Operaciones con estructuras
Con una variable declarada como una estructura pueden realizarse las
siguientes operaciones:
162 9 El lenguaje de programaci´ on C (V)
1. Tomar su direcci´on mediante el operador &.
2. Acceder a uno de sus miembros.
3. Asignar una estructura a otra con el operador de asignaci´ on.
Esta ´ ultima operaci´ on es posible s´olo en las nuevas versiones de C, pero
no en el C est´andar. En general si se desean hacer programas portables, hay
que tener cuidado con lo que no se puede hacer en C est´andar.
Si queremos copiar una estructura como una unidad, o pasarla como
argumento a una funci´ on, tendremos que utilizar punteros.
Por otra parte, las estructuras autom´ aticas no se pueden inicializar, s´ olo
pueden inicializarse estructuras externas o est´aticas.
Como ejemplos de uso, volveremos a escribir las funciones de conversi´ on
de fechas que vimos en el Tema 8, utilizando estructuras. Como no es po-
sible pasar una estructura a una funci´ on como argumento, pasaremos las
componentes por separado, o bien pasaremos un puntero a la estructura.
La primera alternativa emplea day of year igual que se escribi´ o en el
Tema 8.
d.yearday = day_of_year(d.year, d.month, d.day);
La otra alternativa es pasar un puntero. Si hemos declarado hiredate
(fecha de contrato) como una estructura del tipo date, es decir:
struct date hiredate;
hay que modificar la funci´ on day of year, para que su argumento sea un
puntero y no una lista de variables. La modificaci´ on puede ser:
day_of_year (pd) /* convertir en dia del a~ no */
struct date *pd;
{
int i, day, bisiesto;
day = pd -> day;
bisiesto=pd -> year % 4 == 0 && pd -> year % 100 != 0
|| pd -> year % 400 == 0;
for (i=1; i< pd -> month; i++)
day += day_tab[bisiesto][i];
return (day);
}
9.2 Operaciones con estructuras 163
con lo que la llamada a la funci´ on ser´ıa:
d.yearday = day_of_year(&hiredate);
La declaraci´on
struct date *pd;
especifica que pd es un puntero a una estructura de tipo date. La notaci´ on
pd− >year sirve para describir el operador de acceso al miembro de una
estructura. En este caso apunta al miembro denominado year. Puesto que
pd apunta a una estructura, el miembro year se puede referenciar mediante
(*pd).year
pero dada la frecuencia con la que se emplean los punteros a estructu-
ras, se ha introducido la notaci´ on − > m´as abreviada que la anterior. En
(∗pd).year hacen falta los par´entesis, ya que la precedencia del operador de
miembro de estructura es mayor que la del operador *. Tanto − > como
son asociativos de izquierda a derecha, de manera que
p -> q -> memb
emp.birthdate.month
equivalen a
(p -> q) -> memb
(emp.birthdate).month
Podemos modificar en el mismo sentido, la funci´on month day para uti-
lizar estructuras:
month_day (pd) /* convertir a mes y dia */
struct date *pd;
{
int i, bisiesto;
bisiesto=pd -> year % 4 == 0 && pd -> year % 100 != 0
|| pd -> year % 400 == 0;
pd -> day = pd -> yearday;
for (i=1; pd -> day > day_tab[bisiesto][i]; i++)
pd -> day -= day_tab[bisiesto][i];
pd -> month =i;
}
164 9 El lenguaje de programaci´ on C (V)
Los operadores de estructuras − > y junto con los par´entesis y los cor-
chetes tienen la m´axima precedencia entre todos los operadores. Por ejemplo,
dada la declaraci´ on
struct{
int x;
int *y;
} *p;
la sentencia
++p -> x
incrementa x en lugar de p, ya que los par´entesis impl´ıcitos son ++(p− >
x). Se deben utilizar par´entesis para alterar el orden de aplicaci´on de los
operadores. (+ + p)− > x incrementa p antes de acceder a x, mientras que
(p++)− > x lo incrementa despu´es. En este ´ ultimo caso, no se necesitar´ıan
par´entesis ¿verdad?
Las estructuras tienen una aplicaci´on bastante ´ util en arrays de variables
relacionadas entre s´ı. Vamos a analizar un ejemplo de aplicaci´ on en este
sentido.
Consid´erese un programa que intenta contar las veces que aparece una
palabra clave de C. En tal programa necesitar´ıamos un array de caracteres
para almacenar los nombres de las distintas palablas claves y otro para
contar el n´ umero de ocurrencias.
Una posibilidad consistir´ıa en mantener dos arreglos en paralelo keyword
y keycount
char *keyword[nkeys];
int keycount[nkeys];
Sin embargo el hecho de que los dos arreglos se vayan a manipular en
paralelo indica otra posible organizaci´ on. Cada palabra clave es en realidad
un par:
char *keyword;
int keycount;
9.2 Operaciones con estructuras 165
y se necesita un array de pares. Se puede entonces declarar una estructura
de la forma
struct key {
char *keyword;
int keycount;
}
keytab[nkeys];
que define un array keytab de estructuras de este tipo y le asigna me-
moria. Cada elemento del array es una estructura. Otra posible definici´ on
es:
struct key {
char *keyword;
int keycount;
};
struct key keytab[nkeys];
La estructura keytab puede inicializarse de una vez para siempre con el
conjunto de nombres de las palabras clave de C. En cuanto al n´ umero de
ocurrencias, se inicializa en todas ellas a 0.
struct key {
char *keyword;
int keycount;
} keytab[]={
"break", 0,
"case", 0,
"char", 0,
"continue", 0,
/* . . . */
"unsigned", 0,
"while", 0
};
Los inicializadores se agrupan por pares. Tambi´en se podr´ıan agrupar
entre llaves los inicializadores en cada fila.
{"break", 0},
{"case", 0},
. . .
166 9 El lenguaje de programaci´ on C (V)
Estas llaves no son necesarias si los inicializadores son variables simples
o cadenas de caracteres y si adem´as est´an todos presentes. La dimensi´ on del
array en el caso de que est´en todos presentes la calcula el compilador y [] se
deja vac´ıo.
Escribimos a continuaci´ on el programa que cuenta palabras clave. Se de-
fine inicialmente keytab. El programa principal lee datos llamando repetida-
mente a getword que busca en keytab mediante una funci´ on que implementa
un algoritmo de b´ usqueda binaria. (Dicha funci´ on de b´ usqueda necesita que
las palabras clave en keytab est´en ordenadas en orden creciente, o lo que es
lo mismo en orden alfab´etico).
#define MAXWORD 20
main() /*cuenta palabras clave de C */
{
int n, t;
char word[MAXWORD];
while ((t = getword(word,MAXWORD))!= EOF)
if(t == LETTER)
if ((n = binary(word, keytab, NKEYS)) >= 0)
keytab[n].keycount++;
for (n=0; n < NKEYS; n++)
if(keytab[n].keycount > 0)
printf("%4d %s\n",
keytab[n].keycount, keytab[n].keyword);
}
binary(word, tab, n) /*busca palabra en tab[0]...tab[n-1]*/
char *word;
struct key tab[];
int n;
{
int low, high, mid, cond;
low = 0;
high = n-1;
while (low <= high){
mid = (low+high) / 2;
if ((cond = strcmp(word, tab[mid].keyword)) < 0)
high = mid - 1;
else if (cond > 0)
low = mid + 1;
else
return(mid);
}
return(-1);
}
9.2 Operaciones con estructuras 167
La funci´ on getword la veremos un poco m´as adelante. De ella s´olo sabe-
mos por ahora, que devuelve LETTER cada vez que encuentra una palabra,
y copia la palabra en su primer argumento word.
La constante NKEY S es el n´ umero de palabras que caben en keytab.
Esta cantidad puede determinarse al contar las palabras clave en la tabla,
pero es m´as c´omodo y seguro que esta cantidad se calcule autom´aticamente,
puesto que adem´as dicha lista puede variar. Una posibilidad es utilizar el
hecho de que el tama˜ no del array se conoce en el momento de la compilaci´ on.
El n´ umero de elementos es
tama˜ no de keytab (40) / tama˜ no de struct key (2)
C tiene un operador unitario llamado sizeof que calcula el tama˜ no de
cualquier objeto en el momento de la compilaci´ on. La expresi´ on sizeof(objeto)
devuelve un entero igual al tama˜ no del objeto especificado. Dicho objeto
puede ser una variable, un array o una estructura, el nombre de un tipo
b´ asico como int o double, o el nombre de una estructura. En nuestro caso,
el n´ umero de palabras clave se obtiene de la siguiente manera.
#define NKEYS (sizeof(keytab) /sizeof(struct key)) /% (20) %/
Vamos a describir ahora la funci´ on getword. Dicha funci´ on devuelve la
constante LETTER si el s´ımbolo es una palabra (cadena de letras y d´ıgitos
que comienza con una letra, o bien un ´ unico car´ acter). Si se alcanza el final
del archivo, la funci´ on devuelve EOF.
getword(w, lim) /* leer la siguiente palabra */
char *w;
int lim;
{
int c, t;
if(type(c = *w++ = getch()) != LETTER){
*w = ’\0’;
return (c);
}
while (--lim >0) {
t = type(c = *w++ =getch());
if (t != LETTER && t != DIGIT) {
ungetch(c);
break;
}
}
*(w-1) = ’\0’;
return(LETTER);
}
168 9 El lenguaje de programaci´ on C (V)
getword utiliza las rutinas getch y ungetch que vimos en el Tema 8.
Cuando acaba la recolecci´on de una cadena alfanum´erica se llama a la rutina
ungetch para devolver el ´ ultimo car´ acter le´ıdo, que ser´ a el siguiente en ser
procesado en la pr´ oxima llamada.
getword llama a type para determinar el tipo de car´ acter de entrada.
La funci´ on type descrita a continuaci´ on, es v´alida s´ olo para el conjunto de
caracteres ASCII.
type(c) /*devuelve el tipo de un caracter ASCII*/
int c;
{
if(c >= ’a’ && c <= ’z’ || c >= ’A’ && c <= ’Z’)
return LETTER;
else if (c >= ’0’ && c <= ’9’)
return DIGIT;
else
return c;
}
Las constantes simb´olicas LETTER y DIGIT pueden tener cualquier
valor que no entre en conflicto con un car´ acter alfanum´erico o EOF; las
elecciones obvias son:
#define LETTER ’a’
#define DIGIT ’0’
El programa correspondiente est´ a implementado y su nombre es cuenta.c.
9.3. Punteros a estructuras y estructuras ligadas.
Arboles binarios. Ejemplos de uso
Vamos a volver a escribir un programa en C que cuente palabras clave.
Esta vez vamos a utilizar punteros en lugar de ´ındices del array. Hay que
cambiar main y binary, que quedar´ıan de la siguiente forma:
main() /*cuenta palabras clave de C */
{
int t;
char word[MAXWORD];
struct key *binary(), *p;
while ((t = getword(word,MAXWORD))!= EOF)
if(t == LETTER)
9.3 Punteros a estructuras y estructuras ligadas. Arboles binarios. Ejemplos de uso169
if ((p = binary(word, keytab, NKEYS)) != NULL)
p->.keycount++;
for (p = keytab; p < keytab + NKEYS; p++)
if(p -> keycount > 0)
printf("%4d %s\n", p->keycount, p ->keyword);
}
struct key *binary(word, tab, n) /*busca palabra en
tab[0]...tab[n-1]*/
char *word;
struct key tab[];
int n;
{
int cond;
struct key *low = &tab[0];
struct key *high = &tab[n-1];
struct key *mid;
while (low <= high){
mid = low + (high-low) / 2;
if ((cond = strcmp(word, mid -> keyword)) < 0)
high = mid - 1;
else if (cond > 0)
low = mid + 1;
else
return(mid);
}
return(NULL);
}
En la nueva versi´ on se aprecian varios cambios. La declaraci´on de binary
indica que devuelve un puntero a una estructura de tipo key, en lugar de
un entero; esta declaraci´ on hay que hacerla en main y en binary. Si binary
encuentra la palabra, devuelve un puntero a ella, en caso contrario devuelve
NULL.
Adem´as el acceso a los elementos de keytab se hace a trav´es de punteros.
Esto provoca bastante cambio en binary: el c´ alculo del elemento central no
puede hacerse como antes
mid =
(low+high)
2
ya que la suma de los punteros no produce ning´ un tipo de respuesta ´ util
(tampoco dividir por 2), que de hecho es ilegal. El c´ alculo hay que cambiarlo
por
mid = low +
(high−low)
2
que hace que mid apunte al elemento situado en la mitad de low y high.
170 9 El lenguaje de programaci´ on C (V)
Tambi´en hay que observar los inicializadores de low y high. Se puede
inicializar un puntero con la direcci´ on de un objeto definido previamente,
que es en este caso lo que se hace.
En main se tendr´a:
for (p = keytab; p < keytab + NKEYS; p++)
Si p es un puntero a una estructura, cualquier operaci´ on aritm´etica que
se realice con ´el tendr´ a en cuenta el tama˜ no de la estructura, por lo que
p + + incrementa p en la cantidad adecuada para acceder al siguiente ele-
mento del arreglo de estructuras. No se debe suponer que el tama˜ no de una
estructura es la suma de los tama˜ nos de cada uno de los miembros, ya que
los requerimientos de alineaci´ on de los diferentes objetos pueden ocasionar
huecos en la estructura.
Por ´ ultimo hay que comentar algo sobre el formato de un programa.
Cuando una funci´ on devuelve un tipo complicado como
struct key *binary(word, tab, n)
puede ser dif´ıcil encontrar el nombre de la funci´ on. Una forma alternativa
de escribirlo, quiz´a m´as clara puede ser
struct key *
binary(word, tab, n)
Vamos a analizar por ´ ultimo el siguiente ejemplo. Sup´ ongase que se de-
sea contar el n´ umero de ocurrencias de todas las palabras de alg´ un texto.
Dado que de entrada no se conoce la lista de palabras, no se pueden ordenar
para utilizar un algoritmo de b´ usqueda binaria. Tampoco ser´ıa correcta una
b´ usqueda lineal de cada palabra encontrada, puesto que ser´ıa un procedi-
miento muy lento. ¿C´ omo podemos organizar nuestros datos para controlar
eficientemente una lista de palabras arbitrarias?
Una soluci´ on es mantener en todo momento las palabras ordenadas, co-
locando en su sitio cada palabra que llega. Esto no es posible hacerlo, des-
plazando las palabras en un array lineal, pues se emplear´ıa mucho tiempo.
Lo que s´ı podemos utilizar es una estructura de datos denominada ´arbol
binario.
El ´ arbol va a contener un nodo por cada palabra diferente, en cada nodo
tendremos:
9.3 Punteros a estructuras y estructuras ligadas. Arboles binarios. Ejemplos de uso171
un puntero a los caracteres de la palabra
un contador del n´ umero de ocurrencias
un puntero a su hijo izquierdo (que es un nodo)
un puntero a su hijo derecho (que tambi´en es un nodo)
Ning´ un nodo puede tener m´ as de dos hijos, pero puede tener uno o
ninguno. La estructura del ´ arbol est´ a definida, de manera que: dado un
nodo, el sub´ arbol izquierdo contiene palabras que son (lexicogr´ aficamente)
menores que la palabra del nodo, y el sub´ arbol derecho contiene palabras que
son mayores que la palabra del nodo actual. Para averiguar si una palabra ya
est´a en el ´arbol, se comienza comparando dicha palabra con la almacenada
en el nodo ra´ız del ´arbol.
Si coinciden, es que la palabra ya est´ a en el ´arbol, en este caso se ac-
tualiza el contador de ocurrencias. Si la palabra es menor, se contin´ ua la
b´ usqueda por el sub´ arbol izquierdo; si la palabra es mayor, es investigada
en el sub´ arbol derecho. Si no existe descendiente en la direcci´on examinada
es que la palabra no est´a en el ´arbol, y su lugar es el del descendiente que
no existe.
Este proceso de b´ usqueda es claramente recursivo, puesto que la b´ usque-
da en cualquier nodo se realiza de igual manera en cualquiera de sus hijos.
La estructura de cada nodo, puede estar definida de la siguiente manera:
struct tnode{ /* el nodo*/
char *word; /* puntero a los caracteres */
int count;
struct tnode *left; /*hijo izquierdo */
struct tnode *right; /*hijo derecho */
};
Es ilegal que una estructura contenga un elemento que sea ella misma,
pero la sentencia
struct tnode *left; /*hijo izquierdo */
declara left como un puntero a un nodo, no como un nodo en s´ı.
El c´ odigo del programa es muy corto ya que utiliza funciones que han sido
definidas anteriormente. Dichas funciones son getword que lee la siguiente
palabra de la entrada y alloc que obtiene memoria para las palabras.
172 9 El lenguaje de programaci´ on C (V)
El programa principal lee palabras llamando a getword y las a˜ nade al
´arbol mediante la funci´ on tree que luego veremos:
#define MAXWORD 20
main() /* cuenta frecuencia de palabras*/
{
struct tnode *root, *tree();
char word[MAXWORD];
int t;
root=NULL;
while(( t=getword(word, MAXWORD))!= EOF)
if(t == LETTER)
root = tree(root, word);
treeprint(root);
}
main presenta una palabra a comparar comenzando por la ra´ız del ´ arbol.
En cada etapa, dicha palabra se compara con la almacenada en el nodo
y se prosigue la b´ usqueda por el sub´ arbol derecho o izquierdo mediante
una llamada recursiva a tree. Pueden darse dos posibilidades, si la palabra
coincide con una que est´ a en el ´arbol, se incrementa el contador, mientras
que si se encuentra un puntero nulo, esto quiere decir que hay que crear y
a˜ nadir un nodo al ´ arbol. Si se crea un nodo, tree devuelve su puntero para
poder instalarlo en el nodo padre.
struct tnode *tree(p,w) /*introduce w en p o a continuaci´ on de p */
struct tnode *p;
char *w;
{
struct tnode *talloc();
char *strsave();
int cond;
if(p == NULL)
{ /* llega una nueva palabra */
p=talloc();
p->word = strsave(w);
p->count = 1;
p->left = p->right = NULL;
}
else if ((cond = strcmp(w, p->word)) == 0)
p->count++; /*palabra repetida */
else if (cond < 0) /* las menores va al izdo.*/
p->left=tree(p->left, w);
else
p->right=tree(p->right, w);/*las mayores al dcho. */
return (p);
}
La memoria para crear el nuevo nodo se obtiene llamando a la rutina
talloc, adaptaci´ on de la rutina alloc vista anteriormente. Devuelve un pun-
9.3 Punteros a estructuras y estructuras ligadas. Arboles binarios. Ejemplos de uso173
tero a la zona de memoria donde almacenar el nodo.
La nueva palabra se copia a una zona vac´ıa mediante strsave, el contador
se inicializa y los dos hijos toman el valor NULL. Esta parte de la rutina se
ejecuta al alcanzar un extremo del ´arbol para a˜ nadir un nuevo nodo.
freeprint imprime el ´arbol en orden sim´etrico; dado un nodo, se imprime
el sub´ arbol izquierdo (todas las palabras menores que la del nodo), el propio
nodo, y luego el sub´ arbol derecho (todas las palabras mayores).
treeprint(p) /*imprime el ´ arbol recursivamente */
struct tnode *p;
{
if(p!= NULL)
{
treeprint(p->left);
printf("%4d %s\n", p->count, p->word);
treeprint(p->right);
}
}
Por ´ ultimo una observaci´ on pr´ actica: el ´arbol puede estar desequilibrado
o no balanceado, si las palabras no aparecen aleatoriamente y el tiempo
de ejecuci´on puede, entonces, ser muy alto. En el peor de los casos, si las
palabras ya est´ an en orden, el programa realiza una b´ usqueda lineal.
Antes de acabar con el ejemplo, vamos a realizar una peque˜ na reflexi´ on
sobre administradores de memoria. Parece deseable que a lo largo de un
programa exista un ´ unico administrador de memoria, aunque maneje dife-
rentes tipos de objetos. Pero si un gestor acepta peticiones de apuntadores
a char y a struct tnode se plantean dos cuestiones. En primer lugar ¿c´ omo
satisfacer los requerimientos de casi todas las computadoras que imponen
restricciones de alineaci´on a diferentes tipos de objetos? (por ejemplo, los
enteros a menudo suelen ubicarse en una direcci´ on par). En segundo lugar,
¿c´omo se puede expresar el hecho de que alloc devuelva diferentes tipos de
apuntadores?.
La declaraci´on del tipo en alloc puede ser un inconveniente para cualquier
lenguaje que realice una comprobaci´ on de tipos. En C, un procedimiento es
declarar que alloc devuelva un apuntador a caracteres y forzarlo mediante
una declaraci´ on encastrada “cast” al tipo deseado.
Si p se declara como
char *p;
174 9 El lenguaje de programaci´ on C (V)
(struct tnode *)p;
lo convierte en un puntero a la estructura tnode. De esta forma la rutina
talloc se escribe:
9.3 Punteros a estructuras y estructuras ligadas. Arboles binarios. Ejemplos de uso175
struct tnode *talloc()
{
char *alloc();
return((struct tnode *)alloc(sizeof(struct tnode)));
}
Observar que devuelve un puntero a estructura, de la posici´ on donde
puede empezar a ser almacenada una estructura de ese tama˜ no.
176 9 El lenguaje de programaci´ on C (V)
Cap´ıtulo 10
Soluci´ on de sistemas de ecuaciones
lineales
Un sistema de ecuaciones lineales con m ecuaciones y n inc´ ognitas (n ≤
m)
a
11
x
1
+ +a
1n
x
n
= b
1

a
m1
x
1
+ +a
mn
x
n
= b
m
puede escribirse con notaci´ on matricial como Ax = b. Si b = 0 el sistema
se dice homog´eneo. Un sistema homog´eneo siempre tiene la soluci´on trivial
x = 0. Si rang(A) = r < n, el sistema Ax = 0 tiene (n − r) soluciones
linealmente independientes.
El sistema anterior puede escribirse de la forma
x
1
a
·1
+ +x
n
a
·n
= b
que expresa el vector b como una combinaci´ on lineal de los vectores columna
de A. Con esta representaci´on, se puede ver que la condici´ on para que un
sistema lineal tenga soluci´on es que b ∈ R(A), donde R(A) es el subespacio
generado por todas las columnas de A. Esto puede escribirse diciendo que
rang(A, b) = rang(A)
Si m = n = r, entonces R(A) = R
n
y el sistema puede resolverse para
cualquier b. En este caso la soluci´on es ´ unica y se obtiene como x = A
−1
b.
Si sucede que rang(A) = r < n, entonces el sistema Ax = b tiene n − r
soluciones.
177
178 10 Soluci´ on de sistemas de ecuaciones lineales
10.1. M´etodos directos para la resoluci´ on de sis-
temas de ecuaciones lineales
Entenderemos como m´etodo directo aqu´el que necesita de un n´ umero
finito de pasos para obtener la soluci´ on, en este caso de un sistema de ecua-
ciones lineales. Resultan m´ as eficientes para sistemas Ax = b en los que la
matriz A es densa (la mayor´ıa de sus elementos son no nulos). Sin embar-
go, si la matriz es dispersa (una gran porci´ on de sus elementos son nulos)
suelen ser m´as apropiados los m´etodos iterativos. Dichos m´etodos propor-
cionan una sucesi´ on de soluciones aproximadas que converge a la verdadera
soluci´ on cuando el n´ umero de iteraciones tiende a infinito. En general, dan
buenas soluciones con pocas operaciones elementales (no hay casi error de
redondeo) y trabajan, principalmente con los elementos no nulos de la ma-
triz, lo que permite que sean aplicados a sistemas de dimensi´on mayor que
un m´etodo directo.
La elecci´on entre un m´etodo directo y un m´etodo iterativo depende nor-
malmente del tama˜ no del sistema y de la forma (densa o dispersa) de la
matriz A. En este cap´ıtulo y en el siguiente, nos dedicaremos a comentar
algunos de los m´etodos directos m´as habituales.
10.1.1. Sistemas triangulares
Los sistemas en los que la matriz A es triangular, son especialmente
sencillos de resolver.
Consideremos por ejemplo un sistema triangular superior:
u
11
x
1
+ + + u
1n
x
n
= b
1

u
n−1,n−1
x
n−1
+ u
n−1,n
x
n
= b
n−1
u
nn
x
n
= b
n
Si u
ii
,= 0, ∀i = 1, ..., n, entonces las inc´ognitas pueden ser despejadas y
obtenidas en el orden x
n
, x
n−1
, ..., x
1
.
x
n
=
b
n
u
nn
x
n−1
=
b
n−1
−u
n−1n
x
n
u
n−1,n−1

10.2 Eliminaci´ on gaussiana 179
x
1
=
b
1
−u
1n
x
n
− −u
12
x
2
u
11
sistema que puede ser escrito en forma compacta como:
x
i
=
b
i

n
k=i+1
u
ik
x
k
u
ii
, i = n, n −1, ..., 1
Como las inc´ognitas se obtienen en orden decreciente, el algoritmo se
denomina de sustituci´ on hacia atr´ as. Si el sistema fuese triangular inferior,
la resoluci´ on ser´ıa similar. Suponiendo los coeficientes en la diagonal prin-
cipal no nulos, l
ii
,= 0, ∀i = 1, ..., n, las variables, en este caso se obtienen
sustituyendo hacia adelante, a partir de la expresi´ on:
x
i
=
b
i

i−1
k=1
l
ik
x
k
l
ii
, i = 1, 2, ..., n
De las expresiones anteriores, se deduce que la obtenci´on de las n inc´ ogni-
tas necesita n divisiones. Adem´ as las sumas y multiplicaciones son
n

i=1
(i −1) =
n(n −1)
2

n
2
2
Podemos decir entonces que la complejidad computacional, para la ob-
tenci´ on de las soluciones en un sistema lineal triangular es O(
n
2
2
).
10.2. Eliminaci´ on gaussiana
Se trata del m´etodo m´as importante de resoluci´on de sistemas de ecua-
ciones lineales. La idea consiste en eliminar inc´ ognitas de forma sistem´atica
hasta que el sistema tenga forma triangular, y entonces resolverlo. Conside-
remos el sistema:
a
11
x
1
+ +a
1n
x
n
= b
1

a
n1
x
1
+ +a
nn
x
n
= b
n
o Ax = b, donde la matriz A = (a
ij
) es no singular. En este caso el sistema
anterior tiene soluci´on ´ unica.
Si a
11
,= 0, podemos eliminar x
1
de las (n−1) ´ ultimas ecuaciones restando
de la i-´esima ecuaci´on la primera multiplicada por m
i1
=
a
i1
a
11
, i = 2, ..., n
180 10 Soluci´ on de sistemas de ecuaciones lineales
Las n −1 ´ ultimas ecuaciones se pueden escribir despu´es de dicha opera-
ci´on como:
a
(2)
22
x
2
+ +a
(2)
2n
x
n
= b
(2)
2

a
(2)
n2
x
2
+ +a
(2)
nn
x
n
= b
(2)
n
donde los coeficientes:
a
(2)
ij
= a
ij
−m
i1
a
1j
b
(2)
i
= b
i
−m
i1
b
1
i = 2, ..., n
Este es un sistema de (n−1) ecuaciones con (n−1) inc´ ognitas. Si a
(2)
22
,= 0,
podemos eliminar de manera similar x
2
de las n −2 restantes ecuaciones.
Si llamamos m
i2
=
a
(2)
i2
a
(2)
22
, i = 3, ..., n, los coeficientes del sistema resultante
son:
a
(3)
ij
= a
(2)
ij
−m
i2
a
(2)
2j
b
(3)
i
= b
(2)
i
−m
i2
b
(2)
2
i = 3, ..., n
Los elementos a
11
, a
(2)
22
, a
(3)
33
, ... se denominan elementos de pivotaje o
pivotes. Si todos ellos son no nulos, podemos continuar la eliminaci´ on y
despu´es de (n −1) pasos llegar a:
a
(n)
nn
x
n
= b
(n)
n
Si escribimos el sistema triangular resultante:
a
(1)
11
x
1
+ + + a
(1)
1n
x
n
= b
(1)
1
a
(2)
22
x
2
+ + a
(2)
2n
x
n
= b
(2)
2

a
(n−1)
n−1,n−1
x
n−1
+ a
(n−1)
n−1,n
x
n
= b
(n−1)
n−1
a
(n)
nn
x
n
= b
(n)
n
Se˜ nalar que el t´ermino independiente b es transformado de la misma
forma que las columnas de A.
Adem´as la descripci´on de la eliminaci´ on se simplifica si expresamos b
como la ´ ultima columna de A
a
(k)
i,n+1
= b
(k)
i
, i, k = 1, 2..., n
10.2 Eliminaci´ on gaussiana 181
Entonces las f´ ormulas se pueden resumir como sigue: La eliminaci´ on se
realiza en (n −1) pasos, k = 1, ..., n −1. En el paso k los elementos a
(k)
ij
con
i, j > k, son transformados de acuerdo con:
m
ik
=
a
(k)
ik
a
(k)
kk
,
a
(k+1)
ij
= a
(k)
ij
−m
ik
a
(k)
kj
(10.1)
i = k + 1, ..., n j = k + 1, ..., n + 1
Por otra parte si tenemos distintos sistemas de ecuaciones con la misma
matriz A:
Ax
1
= b
1
, Ax
2
= b
2
, , Ax
p
= b
p
dichos sistemas pueden ser tratados simult´aneamente, adjuntando b
j
como
la n + j-´esima columna de A. La ´ unica diferencia con el algoritmo dado en
(10.1), es que el ´ındice j toma los valores k + 1, ..., n, ..., n + p. Despu´es de
la eliminaci´ on tendremos p sistemas triangulares para resolver.
182 10 Soluci´ on de sistemas de ecuaciones lineales
Coste operativo
Vamos a calcular el n´ umero de operaciones aritm´eticas necesario para
reducir mediante la eliminaci´ on gaussiana, un sistema con p t´erminos inde-
pendientes, a su forma triangular. De las ecuaciones (10.1) se sigue que en
el paso k se realizan (n−k) divisiones y (n−k)(n−k+p) multiplicaciones y
sumas. Si estamos interesados en ver el coste operativo para valores grandes
de n, podemos eliminar el n´ umero de divisiones, de manera que el n´ umero
total de operaciones es aproximadamente:
n−1

k=1
(n −k)(n −k +p) =
n−1

k=1
(n −k)
2
+p
n−1

k=1
(n −k) =
=
(n −1)n(2n −1)
6
+p
(n −1)n
2
=
=
n
2
(n −1)
3

n(n −1)
6
+
p
2
n(n −1) =
=
n
2
(n −1)
3
+ (3p −1)
n(n −1)
6

1
3
n
3
+
(3p −1)
6
n
2
donde cada operaci´ on es en realidad, una suma y una multiplicaci´ on. Si se
separan las sumas de las multiplicaciones el coste operativo var´ıa. Como el
n´ umero de operaciones necesario para resolver un sistema triangular es
n
2
2
,
tenemos que cuando p = 1 y n suficientemente grande, el trabajo principal
del algoritmo recae en la reducci´on del sistema a una forma triangular.
10.3. Estabilidad num´erica y su mejora. Pivotado
total y parcial. Complejidad algor´ıtmica
Hemos visto que el algoritmo de eliminaci´ on gaussiana es inoperativo si
alg´ un elemento a
(k)
kk
= 0.
Vamos a ver c´omo remodelar el m´etodo anterior para hacer el pro-
cedimiento operativo. La idea es buscar en este caso otro elemento a
(k)
ik
,
i = k + 1, ..., n, en la columna k que sea distinto de 0. Dicho elemento tie-
ne que existir, puesto que en otro caso, las k primeras filas de A ser´ıan
linealmente dependientes y recordemos que A es no singular. Sea a
(k)
rk
,= 0 el
elemento buscado, entonces podemos intercambiar las filas k y r y proceder
con la eliminaci´ on. De ´esto se sigue que cualquier sistema no singular de
ecuaciones puede ser reducido a una forma triangular mediante la elimina-
ci´on gaussiana combinada con un intercambio de filas.
Para asegurar la estabilidad num´erica, a menudo es necesario realizar el
10.3 Estabilidad num´erica y su mejora. Pivotado total y parcial. Complejidad algor´ıtmica183
intercambio de filas incluso cuando el pivote no es ex´ actamente 0, pero es
cercano a 0.
Ejemplo 10.1
x
1
+ x
2
+ x
3
= 1
x
1
+ 1,0001x
2
+ 2x
3
= 2
x
1
+ 2x
2
+ 2x
3
= 1
El sistema triangular que resulta es:
x
1
+ x
2
+ x
3
= 1
0,0001x
2
+ x
3
= 1
9999x
3
= 10000
Si realizamos las sustituci´on hacia atr´ as y permitimos tres decimales:
x
3
= 1, x
2
= 0, x
1
= 0
mientras que si permitimos cuatro decimales:
x
3
= 1,0001, x
2
= −1,0001, x
1
= 1
Si resolvemos el sistema con pivotaje, cambiando las filas 2 y 3, el sistema
triangular que obtenemos es:
x
1
+ x
2
+ x
3
= 1
x
1
+ 2x
2
+ 2x
3
= 1
x
1
+ 1,0001x
2
+ 2x
3
= 2

x
1
+ x
2
+ x
3
= 1
x
2
+ x
3
= 0
0,9999x
3
= 1
Resolviendo con tres decimales:
x
3
= 1, x
2
= −1, x
1
= 1
y si permitimos cuatro decimales:
x
3
= 1,0001, x
2
= −1,0001, x
1
= 1
De este modo para prevenir posibles errores, es necesario elegir el pivote
en el paso k, de una de las siguientes maneras:
Pivotaje parcial
184 10 Soluci´ on de sistemas de ecuaciones lineales
Elegir r como el menor entero para el que
[a
(k)
rk
[ = m´ax [a
(k)
ik
[, k ≤ i ≤ n
k = 1, ..., n −1 e intercambiar filas k y r
a
(k+1)
ij
=
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
a
(k)
ij
_
i = 1, ..., k, ∀j
i = k + 1, ..., n, j = 1, ..., k −1
0 i = k + 1, ..., n, j = k
a
(k)
ij
−m
ik
a
(k)
kj
j = k + 1, ..., n + 1
donde m
ik
=
a
(k)
ik
a
(k)
kk
, i = k + 1, ..., n
10.3 Estabilidad num´erica y su mejora. Pivotado total y parcial. Complejidad algor´ıtmica185
Pivotaje total
Elegir r y s como los menores enteros para los que
[a
(k)
rs
[ = m´ax [a
(k)
ij
[, k ≤ i, j ≤ n
k = 1, ..., n −1 e intercambiar filas k y r y las columnas k y s
a
(k+1)
ij
=
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
a
(k)
ij
_
i = 1, ..., k, ∀j
i = k + 1, ..., n, j = 1, ..., k −1
0 i = k + 1, ..., n, j = k
a
(k)
ij
−m
ik
a
(k)
kj
j = k + 1, ..., n + 1
donde m
ik
=
a
(k)
ik
a
(k)
kk
, i = k + 1, ..., n
En cuanto al coste operativo, hemos visto que en el m´etodo de elimina-
ci´on gaussiana sin pivotaje para un sistema de ecuaciones, necesita en torno
a
n
3
3
operaciones.
En el caso de pivotaje parcial, en cada paso k hay que a˜ nadir un nuevo
tipo de operaci´ on: b´ usqueda del m´ aximo de (n −k + 1) valores.
Una forma de determinar el m´ aximo de r elementos (v
1
, ..., v
r
) es:
Comparar v
1
con v
2
: obtenemos m´ax¦v
1
, v
2
¦.
Comparar m´ ax¦v
1
, v
2
¦ con v
3
: obtenemos m´ax¦v
1
, v
2
, v
3
¦.

Comparar m´ ax¦v
1
, ..., v
r−1
¦ con v
r
: obtenemos m´ax¦v
1
, ..., v
r
¦.
El n´ umero de comparaciones necesarias es r−1. De manera que el n´ umero
total de operaciones es aproximadamente:
n
3
3
+
n−1

k=1
(n −k) ≈
n
3
3
+
n
2
2
En el caso del pivotaje total, en cada paso k hay que realizar la b´ usqueda
del m´aximo de (n − k + 1)
2
elementos, de manera que el n´ umero total de
operaciones es:
n
3
3
+
n−1

k=1
[(n −k + 1)
2
−1] =
n
3
3
+ [n
2
+ (n −1)
2
+... + 2
2
] −(n −1) =

n
3
3
+
n
3
3
=
2n
3
3
es decir el n´ umero de operaciones se duplica.
186 10 Soluci´ on de sistemas de ecuaciones lineales
10.4. La variante de Gauss-Jordan
Se trata de un m´etodo tan eficiente como la eliminaci´ on gaussiana y m´ as
caro en cuanto a coste operativo. Se eliminan inc´ ognitas transformando el
sistema en diagonal. Dado el sistema Ax = b, A no singular, existe una ´ unica
soluci´ on.
a
11
x
1
+ +a
1n
x
n
= b
1

a
n1
x
1
+ +a
nn
x
n
= b
n
Si a
11
,= 0, podemos eliminar x
1
de las (n − 1) restantes ecuaciones
restando de la i-´esima ecuaci´on la primera multiplicada por m
i1
=
a
i1
a
11
,
i = 2, ..., n. De manera que el sistema resultante es:
a
11
x
1
+ a
12
x
2
+ +a
1n
x
n
= b
1
a
(2)
22
x
2
+ +a
(2)
2n
x
n
= b
(2)
2

a
(2)
n2
x
2
+ +a
(2)
nn
x
n
= b
(2)
n
Si a
(2)
22
,= 0, eliminamos x
2
de las (n −1) restantes ecuaciones.
-. Para eliminarla de la primera ecuaci´ on, restamos de dicha ecuaci´ on la
segunda multiplicada por:
m
12
=
a
12
a
(2)
22
-. Para eliminarla de las (n − 2) ´ ultimas, restamos de cada ecuaci´on la
segunda multiplicada por:
m
i2
=
a
(2)
i2
a
(2)
22
, i = 3, 4, ..., n
De nuevo a los elementos a
11
, a
(2)
22
, ..., a
(n)
nn
se les denomina pivotes. Si
todos ellos son no nulos, se realiza la eliminaci´ on, llegando despu´es de n
pasos al sistema:
a
(n+1)
11
x
1
= b
(n+1)
1
a
(n+1)
22
x
2
= b
(n+1)
2

a
(n+1)
nn
x
n
= b
(n+1)
n
10.4 La variante de Gauss-Jordan 187
que puede resolverse:
x
k
=
b
(n+1)
k
a
(n+1)
kk
, k = 1, ..., n
Es decir, la eliminaci´ on se realiza en n pasos, k = 1, ..., n. Si A
(1)
= A y
b
(1)
= b.
A
(1)
= A, b
(1)
= b
k = 1, ..., n a
(k+1)
ij
=
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
a
(k)
ij
_
j = 1, ..., k −1, ∀i
j = k, ..., n, i = k
0 j = k, i ,= k
a
(k)
ij
−m
ik
a
(k)
kj
j = k + 1, ..., n, i ,= k
donde m
ik
=
a
(k)
ik
a
(k)
kk
b
(k+1)
i
=
_
b
(k)
i
i = k
b
(k)
i
−m
ik
b
(k)
k
i ,= k
En cuanto al pivotaje, tanto el parcial como el total se realizan de manera
similar al realizado en la eliminaci´ on gaussiana. El pivote se busca entre los
elementos de la columna posteriores al elemento considerado, no entre los
anteriores.
Coste operativo
En cada paso k:
-. Divisiones: 1 por cada fila para calcular el multiplicador m
ik
, i ,= k.
(n −1) filas.
-. Multiplicaciones y sumas (contadas como un sola operaci´ on): 1 por
cada uno de los (n−k+1) elementos de cada fila y hay (n−1) filas. Adem´ as
1 por cada t´ermino independiente y hay (n −1).
En total:
n

k=1
[1 + (n −k + 1) + 1](n −1) =
= (n −1)
n

k=1
[2 + (n −k + 1)] =
= (n −1)[2n +
n

k=1
(n −k + 1) =
188 10 Soluci´ on de sistemas de ecuaciones lineales
= 2n(n −1) + (n −1)
n(n + 1)
2

n
3
2
Faltar´ıan las n divisiones necesarias para resolver el sistema diagonal.
Observaci´ on:
Eliminaci´ on gaussiana:
n
3
3
+
n
2
2
¡
n
3
2
+n en la variante de Gauss-Jordan.
Cap´ıtulo 11
Soluci´ on de sistemas de ecuaciones
lineales sin inversi´ on de la matriz de
coeficientes
11.1. La descomposici´ on LU
Hemos visto que el m´etodo de eliminaci´ on gaussiana permite tratar va-
rios sistemas con distintos t´erminos independientes. Sin embargo en muchas
ocasiones, todos los t´erminos independientes no se conocen al principio. Po-
demos querer resolver por ejemplo:
Ax
1
= b
1
, Ax
2
= b
2
, donde b
2
es funci´ on de x
1
Parece entonces que habr´ıa que repetir el proceso de eliminaci´ on desde
el principio, con un coste considerable en cuanto al n´ umero de operaciones.
Veremos c´omo evitar ´esto.
Supongamos que tenemos una descomposici´on de A en el producto de
una matriz triangular inferior y otra triangular superior. A = LU.
Entonces el sistema Ax = b ⇔ LUx = b, que se puede descomponer en
dos sistemas triangulares:
Ux = y, Ly = b
De manera que si conoci´eramos L y U podr´ıamos resolver Ax = b, con
2
1
2
n
2
= n
2
operaciones.
Teorema 11.1 Sea A una matriz nxn, y denotemos por A
k
la matriz
de orden kxk formada por la intersecci´ on de las k primeras filas y columnas
189
19011 Soluci´ on de sistemas de ecuaciones lineales sin inversi´on de la matriz de coeficientes
de A. Si det(A
k
) ,= 0, k = 1, ..., n − 1, entonces existe una ´ unica matriz
triangular inferior L = (l
ij
) con l
ii
= 1, i = 1, ..., n y una ´ unica matriz
triangular superior U = (u
ij
), tal que LU = A.
11.1 La descomposici´ on LU 191
Demostraci´on:
Por inducci´ on sobre n. Para n = 1, la descomposici´on a
11
= 1u
11
es
´ unica. Supongamos que el resultado es cierto para n = k − 1 y lo vamos a
probar para n = k.
Descomponemos A
k
, L
k
y U
k
de la siguiente forma:
A
k
=
_
A
k−1
b
c
T
a
kk
_
, L
k
=
_
L
k−1
0
l
T
1
_
, U
k
=
_
U
k−1
u
0 u
kk
_
donde b, c, l y u son vectores columna con n−1 componentes: si form´aramos
el producto L
k
U
k
y lo identificamos con A
k
:
L
k−1
U
k−1
= A
k−1
, L
k−1
u = b
l
T
U
k−1
= c
T
, l
T
u +u
kk
= a
kk
Por hip´ otesis de inducci´ on, L
k−1
y U
k−1
est´an determinadas de manera
´ unica y como det(A
k
) = det(L
k
)det(U
k
) ,= 0, son no singulares.
Se sigue que u y l quedan ´ unicamente determinadas por los sistemas
triangulares: L
k−1
u = b, l
T
U
k−1
= c
T
, s´ı y s´olo si U
T
k−1
l = c. Finalmente
u
kk
= a
kk
−l
T
u. Entonces L
k
y U
k
est´an ´ unicamente determinadas, lo cual
concluye la demostraci´ on. •
Ejemplo 1: Si para alg´ un k, det(A
k
) = 0, puede no existir la descom-
posici´ on LU de A. Por ejemplo si
A =
_
0 1
1 1
_
y suponemos que A = LU, donde
LU =
_
l
11
0
l
21
l
22
__
u
11
u
12
0 u
22
_
=
_
l
11
u
11
l
11
u
12
l
21
u
11
l
21
u
12
+l
22
u
22
_
=
_
0 1
1 1
_
Entonces forz´ osamente l
11
= 0 ´ o u
11
= 0, pero entonces la primera fila
de L o la primera columna de U son 0, por lo tanto A ,= LU.
Sin embargo si las filas de A se intercambian, entonces la matriz se con-
vierte en triangular (superior), y la descomposici´ on LU existe trivialmente.
En efecto, para cualquier matriz no singular A, las filas pueden ser reor-
denadas, de manera que exista una transformaci´ on LU. Esto se sigue de
la equivalencia entre la eliminaci´ on gaussiana y la descomposici´on LU que
veremos ahora.
19211 Soluci´ on de sistemas de ecuaciones lineales sin inversi´on de la matriz de coeficientes
Supongamos primero que la matriz A es tal que la eliminaci´ on gaussiana
puede ser llevada a cabo sin intercambio de filas ni columnas. Podemos
pensar en la eliminaci´ on como en la generaci´on de una sucesi´ on de matrices,
A = A
(1)
, A
(2)
, ..., A
(n)
, donde A
(k)
= (a
(k)
ij
) es la matriz que se obtiene antes
de realizar la eliminaci´ on de los coeficientes correspondientes a la variable
x
k
:
_
_
_
_
_
_
_
_
_
_
_
a
(1)
11
a
(1)
12
a
(1)
1k
a
(1)
1n
a
(2)
22
a
(2)
2k
a
(2)
2n

a
(k)
kk
a
(k)
kn

a
(k)
nk
a
(k)
nn
_
_
_
_
_
_
_
_
_
_
_
Consideremos ahora un cierto elemento a
ij
de A durante la eliminaci´ on.
Si a
ij
est´a en la diagonal principal o sobre ´esta (es decir i ≤ j), entonces:
a
(n)
ij
= ... = a
(i+1)
ij
= a
(i)
ij
, i ≤ j
Si a
ij
est´a bajo la diagonal principal, (i > j), entonces:
a
(n)
ij
= ... = a
(j+1)
ij
= 0, i > j
Adem´as los elementos a
ij
son transformados en cada iteraci´ on k =
1, ..., r, donde r = m´ın(i −1, j), de manera que
a
(k+1)
ij
= a
(k)
ij
−m
ik
a
(k)
kj
Si sumamos estas ecuaciones para k = 1, ..., r, obtenemos:
r

k=1
a
(k+1)
ij
=
r

k=1
a
(k)
ij

r

k=1
m
ik
a
(k)
kj

r

k=1
a
(k+1)
ij

r

k=1
a
(k)
ij
= −
r

k=1
m
ik
a
(k)
kj

a
(r+1)
ij
−a
(1)
ij
= −
r

k=1
m
ik
a
(k)
kj
expresi´on que puede ser escrita: (a
(1)
ij
= a
ij
)
a
ij
=
_
_
_
a
(i)
ij
+

i−1
k=1
m
ik
a
(k)
kj
, si i ≤ j, (r = i −1)
0 +

j
k=1
m
ik
a
(k)
kj
, si i > j, (r = j)
11.1 La descomposici´ on LU 193
o, si definimos m
ii
= 1, i = 1, ..., n:
a
ij
=
p

k=1
m
ik
a
(k)
kj
, p = m´ın¦i, j¦
Sin embargo, estas ecuaciones son equivalentes a la ecuaci´on A = LU,
donde los elementos no nulos de L y U son:
(L)
ik
= m
ik
, i ≥ k
(U)
kj
= a
(k)
kj
, j ≥ k
Conclu´ımos entonces que los elementos de L, son los multiplicadores
calculados en la eliminaci´ on gaussiana y la matriz U, la descomposici´on
final de A obtenida mediante eliminaci´ on gaussiana.
Entonces para obtener la matriz L, debemos guardar los multiplicadores,
m
ik
=
a
(k)
ik
a
(k)
kk
, en los lugares correspondientes a los elementos a
(k)
ik
. Adem´as los
elementos de la diagonal de L no necesitan ser almacenados.
Gr´ aficamente;
A =
_
_
_
_
_
a
11
a
1n


a
n1
a
nn
_
_
_
_
_

_
_
_
_
_
u
11
u
1n
m
21
u
22
u
2n

m
n1
m
nn−1
u
nn
_
_
_
_
_
= LU
Adem´as, como detL = 1, detA = a
(1)
11
a
(n)
nn
. En general:
det(L
k
) = 1 ⇒ det(A
k
) = a
(1)
11
a
(k)
kk
, k = 1, ..., n
Entonces, la eliminaci´ on gaussiana puede ser realizada sin intercambio de
filas o columnas, s´ı y s´olo si det(A
k
) ,= 0, k = 1, ..., n−1, que es la condici´ on
para la descomposici´on ´ unica en el Teorema 11.1.
Nota: Sabemos que la eliminaci´ on gaussiana puede resultar ines-
table sin pivotaje parcial, de manera que es usual el intercambio
de filas durante la eliminaci´ on. Es importante se˜ nalar que en este
19411 Soluci´ on de sistemas de ecuaciones lineales sin inversi´on de la matriz de coeficientes
caso, despu´es de los correspondientes intercambios obtendremos
una descomposici´on LU = A

, donde A

es la matriz que resul-
tar´ıa si los intercambios realizados en la eliminaci´ on, se realizan
en el mismo orden en la matriz A.
11.2. Escenas compactas en la eliminaci´ on gaus-
siana: m´etodos de Doolittle, Crout y Cho-
leski
Cuando resolvemos un sistema de ecuaciones lineales mediante elimina-
ci´on gaussiana tenemos que obtener aproximadamente
n
3
3
resultados inter-
medios, uno para cada operaci´ on. Incluso para valores peque˜ nos de n ´esto
resulta bastante tedioso, y en ocasiones da lugar a errores. Sin embargo,
es posible ordenar los c´alculos de manera que los elementos de L y U se
obtengan directamente. Como en la eliminaci´ on gaussiana, en el paso k se
determinan los elementos de la fila k-´esima de U y de la columna k-´esima
de L, pero en el m´etodo compacto, los elementos a
ij
, i, j > k est´an todav´ıa
sin intercambiar. La ecuaci´ on matricial A = LU es equivalente a
a
ij
=
r

p=1
m
ip
u
pj
, r = m´ın(i, j), m
ip
= l
ip
Esto puede suponer unas n
2
operaciones para las n(n +1) inc´ ognitas en
L y U. Para el k-´esimo paso utilizamos las siguientes ecuaciones:
a
kj
=
k

p=1
m
kp
u
pj
, j ≥ k,
a
ik
=
k

p=1
m
ip
u
pk
, i > k,
Si hacemos m
kk
= 1, entonces los elementos
u
kk
, u
kk+1
, ..., u
kn
, y m
k+1k
, ..., m
nk
pueden ser obtenidos en este orden de las expresiones:
u
kj
= a
kj

k−1

p=1
m
kp
u
pj
, j ≥ k
m
ik
=
a
ik

k−1
p=1
m
ip
u
pk
u
kk
, i > k
11.2 Escenas compactas en la eliminaci´ on gaussiana: m´etodos de Doolittle, Crout y Choleski195
Este se denomina m´etodo de Doolittle y da como resultado los mismos
factores L, U que la eliminaci´ on gaussiana. El m´etodo es incluso num´eri-
camente equivalente a la eliminaci´ on gaussiana, aunque para ordenadores
donde las sumas y los productos pueden ser acumuladas en doble precisi´ on,
´este m´etodo presenta ventajas computacionales sobre el m´etodo de elimina-
ci´on gaussiana.
Si en lugar de normalizar de manera que m
kk
= 1, lo hacemos de manera
que los elementos de la diagonal principal de U cumplan u
kk
= 1, k = 1, ..., n,
se obtiene el m´etodo de Crout. En este caso, las ecuaciones para el paso k
son:
m
ik
= a
ik

k−1

p=1
m
ip
u
pk
, i = k, k + 1, ..., n
u
kj
=
a
kj

k−1
p=1
m
kp
u
pj
m
kk
, j = k + 1, ..., n
En ambos casos hemos supuesto que no ha habido intercambio de filas
(pivotaje). Sin embargo es esencial pensar en ambos m´etodos como candi-
datos a ser combinados con estrategias de pivotaje (al menos parcial). M´as
dif´ıcil resulta, sin embargo, realizar pivotaje total en cualquiera de los dos
casos.
Caso de matrices sim´etricas definidas positivas
Sea A = (a
ij
) una matriz sim´etrica i.e. a
ij
= a
ji
, 1 ≤ i, j ≤ n. Proba-
remos que si la eliminaci´ on gaussiana se realiza, sin intercambio de filas ni
columnas (pivotaje), entonces:
a
(k)
ij
= a
(k)
ji
, k ≤ i, j ≤ n
es decir, los elementos transformados forman matrices sim´etricas de orden
(n + 1 −k), k = 2, ..., n. Esta afirmaci´ on se puede probar por inducci´ on. Es
cierta para k = 1. En el paso k, los elementos son transformados de acuerdo
con:
a
(k+1)
ij
= a
(k)
ij
−m
ik
a
(k)
kj
= a
(k)
ij

a
(k)
ik
a
(k)
kk
a
(k)
kj
Si la hip´ otesis de simetr´ıa es cierta para alg´ un k: (a
(k)
ij
= a
(k)
ji
)
a
(k+1)
ij
= a
(k+1)
ji
= a
(k)
ji
−m
jk
a
(k)
ki
= a
(k)
ji

a
(k)
jk
a
(k)
kk
a
(k)
ki
19611 Soluci´ on de sistemas de ecuaciones lineales sin inversi´on de la matriz de coeficientes
y se obtiene el resultado.
Hemos visto entonces, que si la eliminaci´ on gaussiana se realiza sin pi-
votaje, en una matriz sim´etrica, tenemos que computar ´ unicamente los ele-
mentos de A
(k)
, que est´an en la diagonal principal o sobre ella. Esto significa
que el n´ umero de operaciones realizado es aproximadamente
n
3
6
y se ahorra
aproximadamente la mitad del espacio en memoria.
Sin embargo, no es siempre posible realizar eliminaci´on gaussiana sin
pivotaje sobre matrices sim´etricas. La simetr´ıa se preserva si elegimos cual-
quier elemento de la diagonal principal como pivote y completamos el pivo-
taje, pero como muestra la matriz
_
0 1
1
_
, [[ << 1
a veces ´esto no resulta estable. Por otro lado, el intercambio de filas destruye
la simetr´ıa, lo cual se ve en el mismo ejemplo. De manera que la eliminaci´on
gaussiana anterior no se puede utilizar para cualquier matriz sim´etrica.
Para matrices sim´etricas definidas positivas, la eliminaci´ on gaussiana sin
pivotaje es siempre estable. Una forma de determinar si una matriz es defini-
da positiva es utilizar el siguiente criterio que enunciamos sin demostraci´on.
Teorema 11.2(Criterio de Sylvester) Una matriz sim´etrica de orden
nxn es definida positiva s´ı y s´ olo si det(A
k
) > 0, k = 1, ...n, donde A
k
es la
matriz kxk formada por las k primeras filas y columnas de A.
Es decir, todos los pivotes de A son positivos s´ı y s´ olo si A es definida
positiva y la eliminaci´ on gaussiana est´ a bien definida.
11.2 Escenas compactas en la eliminaci´ on gaussiana: m´etodos de Doolittle, Crout y Choleski197
Teorema 11.3 Para una matriz sim´etrica definida positiva A:
[a
ij
[
2
≤ a
ii
a
jj
y por lo tanto los mayores elementos de A est´an en la diagonal.
Demostraci´on:
Si la misma permutaci´ on se aplica a las filas y columnas de A, la ma-
triz resultante es sim´etrica y definida positiva. Para k = 2 y una cierta
permutaci´ on, el Terorema 11.2, da
0 < det
_
a
ii
a
ij
a
ji
a
jj
_
= a
ii
a
jj
−(a
ij
)
2
de donde se obtiene el resultado. •
Teorema 11.4 Sea A una matriz sim´etrica y definida positiva. Entonces
existe una ´ unica matriz triangular superior R con elementos positivos en la
diagonal principal tal que A = R
T
R.
Demostraci´on:
Del Teorema 11.1, tenemos que A = LU, donde u
11
= a
11
> 0 y
u
kk
=
det(A
k
)
det(A
k−1
)
> 0, k = 2, ..., n
Si introducimos la matriz diagonal D = diag(u
11
, ..., u
nn
), podemos es-
cribir:
A = LU = LDD
−1
U = LDU

, U

= D
−1
U
donde L y U

son matrices triangulares con unos en la diagonal principal y
est´an ´ unicamente determinadas.
Como A es sim´etrica:
A = A
T
= (U

)
T
DL
T
´o L
T
= U

= D
−1
U
Ahora, si hacemos R = D

1
2
U, donde D

1
2
tiene elementos positivos en
su diagonal (u

1
2
kk
), obtenemos:
R
T
R = U
T
D

1
2
D

1
2
U = U
T
D
−1
U = LU = A
19811 Soluci´ on de sistemas de ecuaciones lineales sin inversi´on de la matriz de coeficientes
Por lo tanto, podemos afirmar que la eliminaci´ on gaussiana sin pivotaje
es siempre posible y estable en matrices sim´etricas definidas positivas y
adem´as es posible elegir los elementos de la diagonal de L reales y de manera
que U = L
T
. •
As´ı, la eliminaci´ on compacta en este caso particular, nos dar´ıa expresio-
nes en las que u
kk
= m
kk
y u
pk
= m
kp
,
u
kk
= m
kk
= (a
kk

k−1

p=1
m
2
kp
)
1
2
u
ki
= m
ik
=
a
ik

k−1
p=1
m
ip
m
kp
m
kk
, i = k + 1, ..., n
Este m´etodo se denomina m´etodo de Choleski o de la ra´ız cuadrada. En
cuanto a coste operativo:
Son necesarias del orden de
n
2
2
operaciones hasta obtener la descompo-
sici´on LL
T
, +n ra´ıces cuadradas, (1 ra´ız cuadrada ≈ 6 operaciones). Luego
n
2
2
+ 6n operaciones.
LL
T
x = b
L
T
x = y → sistema triangular inferior (
n
2
2
operaciones).
Ly = b → sistema triangular superior (
n
2
2
operaciones).
Total:
n
2
2
+
n
2
2
+
n
2
2
+ 6n =
3n
2
2
(+6n de las ra´ıces cuadradas).

´ Indice general

1. Nociones b´sicas sobre algoritmos a 1.1. Introducci´n . . . . . . . . . . . . . . . . . . . . o 1.2. ¿Qu´ es un algoritmo? Medidas de eficiencia . . e 1.3. Complejidad. Complejidad computacional . . . 1.4. Complejidad agebr´ica y anal´ a ıtica . . . . . . . o e 1.5. Precisi´n num´rica . . . . . . . . . . . . . . . . 1.6. An´lisis de Algoritmos. L´ a ımites de complejidad

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

1 1 2 5 6 7 10

2. Introducci´n al lenguaje de programaci´n C (I) o o 13 2.1. Nociones sobre trabajo en el Sistema Operativo UNIX. El editor vi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.2. Compilado, ejecuci´n y depuraci´n de programas en C . . . . 20 o o 2.3. Variables escalares, subindicadas (arrays) y constantes . . . . 21 2.3.1. Nombres de variables . . . . . . . . . . . . . . . . . . . 22 2.3.2. Tipo y tama˜o de datos . . . . . . . . . . . . . . . . . 23 n 2.4. Un ejemplo. El primer programa en C . . . . . . . . . . . . . 26 2.5. Operadores y funciones standard m´s usuales . . . . . . . . . 30 a 2.5.1. Funciones m´s usuales . . . . . . . . . . . . . . . . . . 31 a 2.6. Ambito de definici´n y validez de las variables. Variables exo ternas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.7. Precedencia y orden de evaluaci´n entre operadores . . . . . . 39 o 3. Introducci´n al lenguaje de programaci´n C (II) o o 41 3.1. Declaraciones. Tipos de datos escalares: enteros, car´cter, de a coma flotante y enumeraci´n . . . . . . . . . . . . . . . . . . 41 o 3.2. Conversiones de tipo . . . . . . . . . . . . . . . . . . . . . . . 45 3.3. Nociones sobre representaci´n de datos e implicaciones sobre o la precisi´n num´rica . . . . . . . . . . . . . . . . . . . . . . . 48 o e 3.3.1. Errores de redondeo en computaci´n . . . . . . . . . . 51 o 3.3.2. Error de cancelaci´n . . . . . . . . . . . . . . . . . . . 52 o 4. Introducci´n al lenguaje de programaci´n C (III) o o 55 4.1. Sentencias de control de flujo: for, if , do, while, switch. Ejemplos de uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 i

ii 4.2. 4.3. 4.4. 4.5. 4.6. Funciones: anatom´ y uso . . . . . . . . . ıa Convenciones sobre el paso de argumentos Clases de almacenamiento . . . . . . . . . Recursi´n . . . . . . . . . . . . . . . . . . o Funciones definidas en stdio y math . . . . . . . . . . . . . . . . . . . . . . . . . . . .

´ Indice general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 65 68 71 72 79 79 81 81 83 85 87 88 88 90 93 95 96 99 101 102 103

5. Algoritmos iterativos 5.1. Introducci´n . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.2. Resoluci´n de ecuaciones . . . . . . . . . . . . . . . . . . . . . o 5.2.1. M´todo de bisecci´n . . . . . . . . . . . . . . . . . . . e o 5.2.2. M´todo de Newton-Raphson . . . . . . . . . . . . . . e 5.2.3. M´todo de la secante . . . . . . . . . . . . . . . . . . . e 5.2.4. Regula Falsi . . . . . . . . . . . . . . . . . . . . . . . . 5.3. Comparaci´n de los distintos ´rdenes de convergencia . . . . o o 5.3.1. Convergencia del m´todo de bisecci´n . . . . . . . . . e o 5.3.2. Convergencia del m´todo de Newton-Raphson . . . . . e 5.3.3. Convergencia del m´todo de la secante . . . . . . . . . e 5.3.4. Convergencia del m´todo de regula falsi . . . . . . . . e 5.4. Teor´ general de los m´todos iterativos. Iteraci´n del punto ıa e o fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5. Generalizaci´n a sistemas de ecuaciones . . . . . . . . . . . . o 5.5.1. M´todo de Newton-Raphson . . . . . . . . . . . . . . e 5.5.2. M´todo de Gauss-Seidel . . . . . . . . . . . . . . . . . e 5.6. Ejercicios de aplicaci´n . . . . . . . . . . . . . . . . . . . . . . o

6. M´todos de ordenaci´n e o 105 6.1. An´lisis te´rico: orden de complejidad optimo alcanzable para a o ´ algoritmos internos . . . . . . . . . . . . . . . . . . . . . . . . 105 o e 6.2. M´todos simples de complejidad O(n2 ): comparaci´n, inserci´n, burbuja . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 o 6.2.1. M´todo de comparaci´n (selecci´n) . . . . . . . . . . . 108 e o o 6.2.2. M´todo de inserci´n . . . . . . . . . . . . . . . . . . . 110 e o 6.2.3. M´todo de intercambio (burbuja) . . . . . . . . . . . . 111 e 6.3. M´todos de complejidad O(nlogn): Quicksort y Heapsort . . . 113 e 6.3.1. Heapsort . . . . . . . . . . . . . . . . . . . . . . . . . 113 6.4. Quicksort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 7. El lenguaje de programaci´n C (IV) o 125 7.1. Direccionamiento indirecto. Punteros: variables que contienen la ubicaci´n en memoria de otras variables . . . . . . . . . . . 125 o 7.2. Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros . . . . . . . . . . . . . . . . . . . . . . 128 7.2.1. Punteros y arrays . . . . . . . . . . . . . . . . . . . . . 131 7.3. Algebra de punteros . . . . . . . . . . . . . . . . . . . . . . . 134

. Eliminaci´n gaussiana . . . . . . . . . . . . . . . . . . . . . . . . e 12. . . . . . . . . . . Soluci´n de sistemas de ecuaciones lineales o 167 9. . La descomposici´n LU . . . . . . . . . . . 195 11. . . . . . Generadores multiplicativos: elecci´n del multiplicador. . . . . Generaci´n de variables no uniformes o o 12. . . . . . . . . . . . . 172 Complejidad algor´ 9. . .3.´ Indice general 1 7. Ejemplos de utilizaci´n de punteros . . Arboles binarios. Ejemplos de uso . . . . . . . . . . M´todos espec´ e ıficos . . Integraci´n num´riu e o e ca . . . . . . . . 168 9. . . . M´todo de rechazo. . . . . . . . . M´todo de inversi´n. . . Generaci´n de n´meros aleatorios o o u 189 11. . . .Soluci´n de sistemas de ecuaciones lineales sin inversi´n de o o la matriz de coeficientes 179 o 10. . . . . . .4. . . Otras aplicaciones . . . . . . . . . . . . . . . . . . . . Estabilidad num´rica y su mejora. . . . . . . . . . .1. e o 12. . .2. . . . . . . . Punteros a caracteres . e o 12. . . . . . . . . .2. . .1. . . . . . La variante de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . 179 o e 10. . . . . . M´todo de transformaci´n. m´duo o lo y semilla .3.Simulaci´n (I). . .4. .3. 198 12. . . . . . . . . . . . . . . . . 190 11. . . . . . . Ejemplos . . . . . . . . . . . . . . . . . . . 176 10.Simulaci´n (II). . . N´meros aleatorios y M´todo de Montecarlo. . . . . . . . . . . . . 139 o 8. . . . . . . . . . . 149 8. . . 205 205 207 210 211 . . . . . . . . .2.2. . Sistemas triangulares . . .1. . . . . . . . . . 184 11. . . 151 8. . Pivotado total y parcial. . . . . . . .5. . . . . . . . 169 o 9. 168 9. . . . .4.1. . . 195 o 11. . . . . . . . . . . Operaciones con estructuras . . El lenguaje de programaci´n C (V) o 149 8. . . . . . Punteros a estructuras y estructuras ligadas.1. . . . . . . . . . . .2. . . Generaci´n de observaciones pseudoaleatorias uniformes . . . Tipos de datos definidos por el usuario: estructuras . . . . . . . M´todos directos para la resoluci´n de sistemas de ecuaciones e o lineales . . . . . . e ıtmica . . . . . . . . . . . . .1. . . . . . . . . . . 137 7. . Escenas compactas en la eliminaci´n gaussiana: m´todos de Doolittle. . Crout y Choleski . . . . . . 158 9. . Ejemplos . . .1.3. . .4. Ejemplos . .

2 ´ Indice general .

Cap´ ıtulo 1 Nociones b´sicas sobre algoritmos a 1. la econom´ o las ciencias so´ ıa ciales. tal aproximaci´n no o es suficiente o incluso puede inducir a error. desarrollado en los ultimos cincuenta o ´ a˜os. o n u Dichas ideas han de ser combinadas de forma intuitiva con un conocimiento 3 .1. la e e ıa aplicaci´n de un peque˜o n´mero de ideas generales y relativamente simples. Sin embargo. la funci´n objetivo en un o o problema de optimizaci´n. se restringe a casos especiales o modelos demasiado simplificados que puedan ser analizados. utilizando el potencial del c´lculo num´rico. significa en la mayor´ de los casos. En la mayoria de los casos. por ejemplo. Introducci´n o Es evidente que las matem´ticas son utilizadas de una forma u otra en a la mayor´ de las areas de la ciencia y la industria. a veces. Desarrollar un m´todo num´rico. las aplicaciones generan problemas matem´ticos que por a su complejidad no pueden ser resueltos de manera exacta. las posibilidades de utilizar m´todos num´ricos han crecido enormen e e mente. se reduce el problema a un problema lineal. La cantidad de trabajo depender´ del grado de precisi´n demandada. A menudo. a o Con la utilizaci´n del ordenador. La alternativa que nosotros plateamos aqui. etc. es la de tratar un problema a e menos simplificado. ıa ´ Durante el siglo XX avanzados m´todos y modelos matem´ticos han sido e a aplicados en distintas areas como la medicina. una ecuaci´n diferencial. Uno entonces. Tal aproximaci´n puede ser muy efectiva y o o explicar conceptos y puntos de vista que al menos cualitativamente pueden ser aplicados al problema inicial.

2. El algoritmo debe llegar a la soluci´n del problema en un n´mero o u finito de pasos. La restricci´n general de necesitar un n´mero finito o u de pasos. Por algoritmo entenderemos un procedimiento formado por un conjunto finito de reglas que especifican una secuencia finita de operaciones. tambi´n definidos como cantidades. sino adem´s un n´mero razonable de pasos o u a u hasta obtener la soluci´n del problema. y los resultados (outputs). debe requerir ´ no s´lo un n´mero finito. Datos y resultados.y resultados (outputs). o bien. o 3. Cada paso de un algoritmo debe estar definido de manera precisa y sin ambig¨edad. Los datos (inputs) pueden ser definidos como cantidades. en ocasiones no es suficiente.4 1 · Nociones b´sicas sobre algoritmos a del problema que puede ser obtenido de distintas formas fundamentalmente con m´todos del an´lisis matem´tico. mediante las cuales se obtiene la soluci´n de un problema. 1. estar impl´ ıcita o expl´ ıcitamente representada. ya que dicho n´mero aunque u finito puede llegar a ser muy elevado. La relaci´n funcional o puede. ¿Qu´ es un algoritmo? Medidas de eficiencia e Por problema num´rico entenderemos una clara e inambigaa descripe ci´n de una relaci´n funcional entre datos (inputs) -es decir. ı Analizaremos algunos aspectos de esta ultima definici´n: ´ o 1.2. que le son dados al algoritmo inicialmente. que constituyen un conjunto finito de cantidades reales. antes de ser ejecutado. por su parte. Las acciones a llevar a cabo deben estar rigurosamente u especificadas en cada paso. Cada algoritmo posee cero o m´s datos y proporciona uno o m´s resula a tados. En este cap´ ıtulo comenzamos presentando conceptos y terminolog´ b´siıa a ca en el desarrollo de posteriores cap´ ıtulos. variables ino o dependientes en el problema. Normalmente dichos problemas aparecen como a subproblemas o detalles computacionales de problemas m´s grandes y coma plejos. de una o clase espec´fica de problemas. e a a A lo largo de la asignatura ilustratremos la utilizaci´n de las ideas geo nerales que se esconden detr´s de los m´todos num´ricos que resuelven los a e e problemas m´s habituales. Un algoritmo util. tienen algue .

Un algoritmo de este n tipo. basados en el m´todo de Newton Rapson.. La . que puede ser aproximado por un problema num´rico. en a e el sentido de que el resultado ser´ un conjunto de valores que aproximar´n a a a la funci´n y(x).1. a o A lo largo de la asignatura nos dedicaremos al estudio de algoritmos dise˜ados para ser ejecutados en un ordenador. para un problema num´rico dado se pueden e considerar distintos algoritmos. para x = h. aclarar que quiz´ la noci´n de algoritmo es muy general. aunque no necesaria. o Medidas de eficiencia Es muy f´cil inventar algoritmos. uno no a a quiere s´lo algoritmos. . El resultado es el valor de la ra´z buscada x. El objetivo entonces. a2 ). que est´ impl´citamente definida en funci´n de los datos. 3h.1 Determinar la ra´z real m´s grande de la ecuaci´n: ı a o x3 + a2 x2 + a1 x + a0 = 0 e con coeficientes reales a0 . a1 . es o inventar buenos algoritmos y probar que dichos algoritmos son buenos. quiere buenos algoritmos. Ejemplo 1. 5. y(5) = 1. El problema es entonces un prou blema matem´tico.. Es preferible que un algoritmo sea aplicable en la resoluci´n de cualo quier miembro de una clase de problemas y no unicamente en un ´ problema aislado. el o e de bisecci´n. etc. a1 .2 · ¿Qu´ es un algoritmo? Medidas de eficiencia e 5 na relaci´n con los datos y son proporcionados cuando se completa la o ejecuci´n del algoritmo. de acuerdo con la definici´n dada arriba un problema num´rico. Esta propiedad de generalidad es. debe ser implementado en un lenguaje de programaci´n y a la o larga constituir un programa o conjunto de programas. o 4. Como hemos mencionado. Existen distintos algoritmos para o la resoluci´n de este problema. que no puede ser especificada simpleo mente por un conjunto finito de n´meros. En la pr´ctica. Finalmente. sin embargo. El vector de datos ı a ı es (a0 .2 El problema de resolver la ecuaci´n diferencial o d2 x = x2 + y 2 d2 y con condiciones de contorno y(0) = 0. siempre deseable en un algoritmo. a2 es un problema num´rico. o Ejemplo 1. En este problema los datos o e (input) se reducen a una funci´n y. 2h.. no es. el de la secante.

o es una importante fuente de informaci´n. es el tiempo de ejecuci´n requerido por distintos algoritmos para la o resoluci´n de un mismo problema en un ordenador concreto. Sin embargo. Resolver un conjunto de ecuaciones lineales Ax = b. o bien el tiempo requerido n . As´ mientras la comparaci´n de programas corriendo en ordenadores ı. o o El tiempo de proceso de un algoritmo es una funci´n del tama˜o del proo n blema computacional a resolver. est´ fuertemente relacionada con el programa y con la m´quina a a utilizada en la implementaci´n del algoritmo. tal an´lisis proporciona una importante a medida de evaluaci´n del costo de ejecuci´n de un algoritmo. 1. variar´ con el ejemplo a particular a ser resuelto. es la realizaci´n de un an´lio a sis matem´tico de la dificultad intr´ a ınseca de la resoluci´n computacional del o problema. suponiendo que tenemos un programa de ordenador que eventualmente acaba. los resultados estar´n siempre o a ısticas de la m´quina como por la destreza a afectados tanto por las caracter´ y habilidad del programador. la resoluci´n de un probleo ma s´lo requiere de suficiente tiempo y suficiente memoria para almacenar o informaci´n.6 1 · Nociones b´sicas sobre algoritmos a “bondad” de un algoritmo puede ser valorada de acuerdo con varios criterios. Hay a tambi´n. primero en una m´quina y luego en otra. Uno e de ellos. si dos programas o a son comparados. Uno de los m´s importantes es el tiempo que tarda en ejecutarse. Pn (x) = b − k=0 ak xk en x = x0 . distintos aspectos dentro del criterio que controla el tiempo. donde A es una matriz real nxn y b es un vector real de longitud n. Ordenar en orden decreciente un vector de n n´meros enteros distintos. En cada uno de estos problemas. u 2. o De mayor inter´s son los algoritmos que pueden ser aplicados a una e colecci´n de problemas de un cierto tipo. Evaluar un polinomio de grado n. Un cambio en un programa o puede no representar un cambio significativo en el algoritmo correspondiente y. Adem´s. en el sentido de que. Juiciosamente utilizado. el par´metro n proporciona una medida a del tama˜o del problema. Esta medida o emp´ ırica. 3. u n 4. sin embargo. ambas comparaa ciones pueden generar diferentes conclusiones. afectar a su rapidez de ejecuci´n. Una alternativa util a esta medida emp´ ´ ırica. Veamos por ejemplo la siguiente clase de problemas. Encontrar el mayor elemento en una secuencia de n n´meros enteros. el tiempo y o el espacio de memoria requeridos por un programa. Para estos algoritmos.

es decir. en la que el algoritmo o no puede ejecutarse en un periodo razonable de tiempo.3 · 1030 > 10100 10 103 104 106 109 > 10100 > 10100 13. o ambos a la vez. o En general.3 10 0. sin ıa embargo. donde F (n) es una medida del tiempo requerido para ejecutar el algoritmo sobre un problema de tama˜o n. Complejidad computacional 7 para resolver cada problema o el espacio de memoria requerido por el algoritmo.3 104 1.3 · 105 108 1012 > 10100 > 10100 n: tama˜o del problema n F (n): funci´n de complejidad temporal o En la pr´ctica es importante controlar el comportamiento del algorita mo para valores grandes de n. definiremos una funci´n o o de complejidad (o costo) F . hablaremos o de la complejidad en cuanto a tiempo o de la complejidad en cuanto a memoria del algoritmo. Complejidad. de manera que a la elecci´n de un algoritmo para un problema peque˜o no es cr´ o n ıtico (a menos que el problema sea resuelto muchas veces). o . En la mayor´ de los casos. n = 102 n = 103 n = 104 F (n) n = 10 log2 n n nlog2 n n2 n3 2n n! 3. n. el costo de obtenci´n de una soluci´n crece de acuerdo con o o el incremento del tama˜o del problema. e simplemente como funci´n de complejidad (o costo) del algoritmo.7 · 102 104 106 1. De esta forma. Este punto se ilustra en la siguiente tabla. n n incluso un algoritmo ineficiente tardar´ poco en ejecutarse. Complejidad computacional Para medir el coste de ejecuci´n de un programa. Tambi´n podemos referirnos a cualquiera de las dos.6 102 0. se llega a una situaci´n.3 · Complejidad. el comportamiento asint´tico de la o funci´n de complejidad. crecen con n. Si el valor n es muy peque˜o.33 · 10 102 103 1024 3 · 106 6.1. al crecer n.3. al incrementar n. donde puede verse c´mo crecen las funciones de o complejidad de determinados algoritmos. 1. o una medida del n espacio de memoria requerido para tal ejecuci´n.

o Los algoritmos no num´ricos.8 1 · Nociones b´sicas sobre algoritmos a La complejidad asint´tica es el crecimiento en el l´ o ımite de la funci´n o de complejidad cuando crece el tama˜o del problema n. todos ellos para decir lo mismo: e 1. hablaremos en los siguientes t´rminos. en orden creciente o decreciente. Hay muchos ejemplos e de algoritmos num´ricos entre los que se encuentran los siguientes: e 1.4. 2. o en n cualquier caso no supera esta cantidad. El algoritmo es ejecutado en un tiempo O(nlogn). La complejidad temporal del algoritmo es de orden nlogn. En estos t´rminos diremos que la complejidad del algoritmo es O(nlogn) e y leeremos “de orden n logaritmo (en base dos) de n”. aunque en ocasiones se representa por un n´mero (o conjunto de u n´meros). Complejidad agebr´ica y anal´ a ıtica Entenderemos por algoritmo num´rico. 3. un algoritmo que resuelve un e problema en el que el contenido num´rico es esencial. mientras que si es un conjuntos de letras o palabras. en orden alfab´tico) y la e u b´squeda de un elemento en un conjunto. es de naturaleza no num´rica. resuelven problemas y la soluci´n de los e o mismos. En los Temas 5 y 6 del programa analizaremos algoritmos para resolver estos problemas. la n funci´n asint´tica (temporal o espacial) determina el tama˜ o m´ximo del o o n a problema a ser resuelto por el algoritmo. que puede ser expresado como O(nlogn). o bien de un sistema a o de ecuaciones no lineales. A lo largo de diferentes cap´ ıtulos. El c´lculo de las raices de una ecuaci´n no lineal. La cantidad de trabajo requerida por el algoritmo es proporcional a nlogn. si el tiempo de proceso del algoritmo para un ejemplo de tama˜o n es proporcional a nlogn. 1. En el an´lisis de la complejidad computacional de los algoritmos num´ria e cos es conveniente distinguir entre la medida de complejidad algebr´ica y a . De esta forma. 2. etc. o es O(nlogn). La evaluaci´n de un polinomio en un valor dado. la ordenaci´n de un conjunto de elementos dese o u ordenados (si es un conjunto de n´meros. Dos importantes ejemplos de prou e blemas no num´ricos son.

1. Precisi´n num´rica o e En el an´lisis de algoritmos que resuelven problemas num´ricos. la complejidad es e unicamente abgebr´ica. Esto implica que si no se tiene cuidado. Un aspecto importante de los algoritmos que son a utilizados para resolver estos problemas. Tambi´n intenta describir un algoritmo o e algoritmos que resuelvan un problema en un n´mero m´ u ınimo de operaciones.5. En el caso de los algoritmos no num´ricos. es el n´ mero finito de pasos que u son necesarios hasta la obtenci´n de la soluci´n del problema. o o evidentemente. donde ambas representan ramas de la propia complejidad computacional. Por una parte a u intenta estimar el n´mero de operaciones aritm´ticas requeridas por un algou e ritmo. que el n´mero de operaciones aritm´ticas necesarias tambi´n u e e es finito. la complejidad anal´ ıtica resuelve la cuesti´n de cu´nta o a o computaci´n ha de ser desarrollada hasta obtener un resultado con un detero a minado grado de precisi´n y se centra m´s en los procesos computacionales que en cierto sentido nunca terminan. ´ u ıa u incluso si son enteros. Por otra parte. e o 1. con un nivel de precisi´n prefijado. se redondean y s´lo una aproximaci´n finita a dicho n´mero es o o u almacenada en el ordenador. la prea e cisi´n de los resultados obtenidos es otro importante criterio a la hora de o distinguir entre un buen y un mal algoritmo. La mayor´ de los n´meros. La necesidad de examinar la precisi´n de los c´lculos matem´ticos viene del hecho de considerar que un o a a ordenador es una m´quina finita. en otro caso o la computaci´n contin´a hasta obtener un resultado satisfactorio.5 · Precisi´n num´rica o e 9 anal´ ıtica. que es capaz de representar los n´meros a u unicamente en un n´mero finito de posiciones. el proceso es interrumpido en un punto y. ´ a Los objetivos de la complejidad algebr´ica son m´ltiples. Los procesos iterativos son un evidente ejemplo. si el valor actual del resultado satisface el problema con un margen de error acotado. dicho resultado se toma como soluci´n del problema. Adem´s intenta estimar el n´mero m´ a u ınimo de operaciones necesario para resolver un problema dado. En este caso. si son muy grandes para ser representados en el ordenador. En este o u caso. Esto implica. algu- . La evaluaci´n de un polinomio en uno o varios valores dados y la resoluci´n o o de ecuaciones o sistemas de ecuaciones lineales mediante m´todos directos e son ejemplos de problemas que pueden ser estudiados en t´rminos de su e complejidad algebr´ica. uno estima el n´mero de operaciones aritm´ticas por paso en cada iteu e raci´n y un “buen” algoritmo en t´rminos de su complejidad computacional o e es definido como aqu´l que requiere el menor n´mero total de operaciones e u aritm´ticas para alcanzar un resultado.

182..05 y2 = 2 1 − 5y2 ≈ 0. Dicho valor es multiplicado por -5 . Este ejemplo ´ ser´ el primero en ilustrar este principio.165 absurdo!! y4 = 4 y3 > y2 La raz´n del absurdo resulta ser un error de redondeo en y0 cuya mago nitud puede ser como mucho de 5 · 10−4 . En general las relaciones de recurrencia son ubicuas en estad´stica computacional y probabilidad.. . a En nuestro caso la relaci´n de recurrencia viene dada por: o 1 − 5yn−1 n y se sigue directamente de la identidad: yn = 1 yn = 0 xn−1 (x + 5 − 5) dx = x+5 1 0 xn−1 dx − 5 1 0 1 xn−1 dx = − 5yn−1 x+5 n En teor´a esta relaci´n de recurrencia permitir´ crear un proceso iterativo ı o a 1 dx y computar yn a partir del valor inicial y0 = 0 x+5 = [ln(x + 5)]1 = ln6 − 0 ln5 = 0.3 Vamos a analizar el problema de computar para n = 0. Ejemplo 1.09 1 − 5y1 ≈ 0. con el siguiente ejemplo vamos a ver c´mo los o errores de redondeo pueden destrozar el resultado de un c´lculo si se elige a un mal algoritmo.10 1 · Nociones b´sicas sobre algoritmos a nos algoritmos num´ricos implementados en un ordenador pueden producir e aproximaciones al verdadero valor de la soluci´n.. y1 = 1 − 5y0 ≈ 0. la integral: 1 yn = 0 xn dx x+5 Vamos a utilizar un procedimiento iterativo basado en una relaci´n de o recurrencia. o Aunque todav´ no hemos introducido el concepto de error de redondeo ıa (lo haremos en el Cap´ ıtulo 3). En la mayor´a de los casos surgen ı ı de considerar el primero y el ultimo de una cadena de eventos. bastante imprecisas. 8.083 extra˜o que n y3 = 3 1 − 5y3 ≈ −0.

De esta forma el error en y4 es 625 que puede alcanzar el valor 625 · 5 · 10−4 = 0. En este caso sabemos que. a Otra forma de explicar dicha inestabilidad num´rica es utilizando conoe cimientos de an´lisis matem´tico. Dicho error produce a un error en y2 de 25 . una buena aproximaci´n de yn−1 ser´a: o yn−1 ≈ 1 1+5 1 0 xn−1 dx = 1 6n Es decir: yn ≈ 5 1 5 1 − = (1 − ) n 6n n 6 Por lo tanto perdemos precisi´n porque en cada iteraci´n restamos dos o o n´meros del mismo signo y parecida magnitud.1. 10 y9 ≈ 1 ≈ 0. etc. que entonces tiene un error de −5 . Podemos ver directamente de la definici´n que yn decrece cuando n crece.3125. a Si se comienza en y0 utilizando m´s decimales. Podremos evitar dicha inestabilidad num´rica eligiendo un e e algoritmo m´s adecuado. u Una soluci´n al problema en este caso. lo que sucede es que se retrasa la aparici´n del absurdo. la mayor´a de la masa de la integral se agrupa en torno ı ı a x = 1.019 45 5 . Por lo tanto. Se puede suponer entonces que yn o decrece suavemente cuando n es grande. De manera que y10 ≈ y9 . de donde: y9 + 5y9 ≈ 1 . o yn−1 = yn 1 − 5n 5 Pero necesitamos un valor inicial.017 60 De este modo: y8 = y9 1 − ≈ 0.5 · Precisi´n num´rica o e 11 en el c´lculo de y1 . o Este algoritmo es un ejemplo de un fen´meno denominado inestabilio dad num´rica. puede ser utilizar la f´rmula de o o recurrencia en la otra direcci´n. para n modea a radamente grande.

6. 1. En el an´lisis de un algoritmo en a a concreto deber´ ıamos probablemente investigar sus caracter´ ısticas m´s ima portantes tales como su complejidad temporal. es proporcionar un m´todo num´rico.058 y1 ≈ 0. a La aproximaci´n inicial es distinta pero el error se divide por 5 en cada o iteraci´n y a partir de y7 se obtienen los mismos resultados.043 y2 ≈ 0.025 y5 ≈ 0. As´ un m´todo o e e ı. Especificar la f´rmula de recursi´n que permite resolver una sue o o cesi´n de integrales. L´ a ımites de complejidad Es conveniente distinguir entre el an´lisis de un algoritmo en particular a y el an´lisis de una clase de algoritmos. por a otra parte. ´sto es. e num´rico es m´s general que un algoritmo y hace menos ´nfasis en detalles e a e computacionales.182 Correcto!! Este mismo algoritmo hacia atr´s puede elegir como valor inicial y10 = 0. esto no supone siempre una mejor alternativa. y en otros para resolver un problema a e num´rico. En el an´lisis de una clase de algoritmos.088 y0 ≈ 0. a En adelante utilizaremos el t´rmino m´todo num´rico para denotar e e e un procedimiento util en algunos casos para aproximar un problema ma´ tem´tico con un problema num´rico. An´lisis de Algoritmos.034 y3 ≈ 0. o Aunque en este caso la soluci´n ha sido elegir una f´rmula de recursi´n o o o hacia atr´s. estudiaremos la clase de algoritmos que resuelven un problema particular e intentaremos seleccionar el “mejor” algoritmo de la clase capaz de hacerlo. cu´ntas veces es conveniente a ejecutar cada parte del algoritmo y la complejidad espacial. . entonces intentaremos establecer l´ ımites de la complejidad de los algoritmos de dicha clase.028 y4 ≈ 0.12 y7 = y6 1 · Nociones b´sicas sobre algoritmos a y8 1 − ≈ 0.021 40 5 ≈ 0. Si tal algoritmo no se encuentra. cu´nta e a memoria va a ser necesaria.

La existencia de l´ ımites de la complejidad de algunos algoritmos nos puede servir como base para la clasificaci´n de algunos problemas. M´todos r´pidos e e a de multiplicaci´n de matrices pertencen a esta categor´ o ıa. o Hay algunos problemas para los que los l´ ımites de complejidad de su o resoluci´n pueden ser determinados utilizando teoremas apropiados.6 · An´lisis de Algoritmos. Este intervalo sugiere que la cota O(n2 ) no una complejidad de O(n es alcanzada en la pr´ctica.1. En algunos de estos casos las demostraciones de los teoremas no son constructivas en el sentido o de que no indican la forma de construir un algoritmo para la resoluci´n del o problema y ni siquiera nos dicen si es posible su construcci´n. a e . mucho tiempo despu´s. Finalmente. pero no se conoce algoritmo o capaz de alcanzar dicha cota.496 ). An´lisis del segundo tipo. se pueden construir algoritmos que satisfacen dichas cotas y sin embargo dichos algoritmos son num´ricamente inestables. donde una cota superior m´ lizada y sin embargo el m´s r´pido de todos los m´todos conocidos tiene a a e 2. a L´ ımites de Complejidad El an´lisis de la complejidad est´ relacionado entre otras cosas con la a a obtenci´n de l´ o ımites superiores e inferiores de la ejecuci´n de un algoritmo o o una clase de algoritmos que resuelve una clase de problemas. Para otros problemas ha sido posible acotar su complejidad. L´mites de complejidad a ı 13 An´lisis del primer tipo han sido realizados desde los comienzos de la proa gramaci´n en ordenador. a Otros problemas son tales que se conoce la cota inferior de su complejidad. hay problemas para los cuales los l´ ımites inferiores de complejidad son conocidos y los algoritmos que alcanzan dichas cotas pueden construirse y adem´s son num´ricamente estables. Un ejemplo de este caso es la multiplicaci´n a ınima de O(n2 ) es f´cilmente visuade matrices. o a salvo raras excepciones. sin la necesidad de construir el algoritmo para el problema. Es f´cil ver que an´lisis del e a a segundo tipo son bastante m´s potentes y utiles ya que permiten estudiar a ´ varios algoritmos simult´neamente. comienzan a realizarse.

14 1 · Nociones b´sicas sobre algoritmos a .

Sin embargo el segundo punto es el que ha experimentado un mayor desarrollo en los ultimos a˜os y ya domina en todos los campos de la ´ n tecnolog´ inform´tica. a e 2. en su mayor´ dentro de los ıa. Introducci´n o Las aplicaciones de un ordenador caen. C´lculo num´rico. b´squeda de s´ o a o u ıntomas en grandes bases de datos que ayudan al diagn´stico de enfermedades. no o son m´s que algunos ejemplos en los que interviene un ordenador. a 15 .1. que posean la habilidad y conocimientos necesarios para aplicar la inform´tica a ese campo. Facturaci´n y control de grandes compa˜´ edici´n y o o nıas.Cap´ ıtulo 2 Nociones sobre arquitectura de ordenadores 2. grupos: 1. Estamos sin duda en la era de la gesti´n inform´tica ıa a o a de la informaci´n. a El unico l´ ´ ımite existente proviene del n´mero de personas expertas en u un determinado campo. o El primer punto ha sido la causa por la que se invent´ y desarroll´ el o o ordenador. Almacenamiento. o composici´n editorial de las p´ginas en los peri´dicos. recuperaci´n procesamiento y an´lisis de datos o ino a formaci´n.

Por otra parte podremos representar los n´meros u en base 2 en lugar de utilizar la base de numeraci´n decimal como hacemos o normalmente. Si disponemos de muchos conmutadores. Podemos convertir de forma aproximada. poco fiables v´lvulas de vacio. Memoria. demasiado complicadas. cada una de las letras del abecedario. en o una serie de puntos cuyos valores de posici´n color e intensidad podremos o codificar y procesar o transmitir a trav´s de l´ e ıneas telef´nicas. ruido y consumo. e a a a A continuaci´n se introdujo el transistor. El e a n siguiente paso fue sustituir los ruidosos y poco fiables rel´s por calurosas y.16 2 · Nociones sobre arquitectura de ordenadores 2. podremos representar grandes cantidades de ceros y unos. Pero lo que ha hecho posible la revoluci´n n o inform´tica ha sido la aparici´n de los circuitos integrados. la informaci´n contenida en una imagen.2. o 2. u Adem´s de n´meros podemos representar otros tipos de datos en c´digo a u o binario. Por ejemplo. lo que supuso un gran avance (ya o estamos en los a˜ os sesenta). dispositivos de entrada/salida. el 372 se puede representar en base decimal 372 = 3(102 ) + 7(10) + 2(100 ) pero tambi´n podemos escribirlo como e 372 = 1(28 ) + 0(27 ) + 1(26 ) + 1(25 ) + 1(24 ) + 0(23 ) + 1(22 ) + 0(21 ) + 0(20 ) = = 1(256) + 0(128) + 1(64) + 1(32) + 1(16) + 0(8) + 1(4) + 0(2) + 0(1) o bien (372)2 = (101110100)2 es decir necesitaremos nueve posiciones para representar el n´ mero 372. en principio. a o . Representaci´n binaria de la informaci´n o o Las operaciones que realiza internamente un ordenador no son.1. unidad central de proceso o CPU En sus m´s remotos or´ a ıgenes cada uno de los conmutadores que constitu´ un ordenador era un dispositivo electromec´nico conocido como rel´. Los n´meros expresados en base dos solamente utilizan los u d´ ıgitos 0 y 1. e tambi´n. por lo menos eran m´s r´pidas. as´ que podemos representar un determinado n´mero por meı u dio del estado de una serie de conmutadores. por ejemplo. que.1. ıan a e El resultado fu´ una m´quina monstruosa en tama˜o. Desde hace siglos se sabe que un conmutador al tener dos estados (abierto y cerrado) puede representar los n´meros 0 y u 1.

de nuevo tendremos nuestro sistema de representaci´n de n´meros binarios. La longitud de la o o memoria ocupada por una dato nos limitar´ la precisi´n de los c´lculos a o a num´ricos y es una caracter´ e ıstica importante de cada ordenador. tiene una representaci´n peri´dica en base 2. Una suma se suele realizar en menos tiempo del necesario en buscar los sumandos en memoria.1. unidad central de proceso o CPU17 Existe un circuito b´sico formado por dos transistores llamado flip-flop a o biestable. Estos o avances tecnol´gicos han hecho posible que los ordenadores actuales sean o mucho m´s r´pidos.2 · Memoria. que nos permite acceder a ella. o formando un byte. no suele accederse o de forma individual a un bit.2. Si asignamos el valor 1 a uno de estos estados y el 0 al otro. a a La memoria principal de un ordenador consiste en varios millones de circuitos elementales biestables capaces de almacenar un cero o un uno. 16 o 32 bits. As´ los n´meros cuya a ı u representaci´n binaria sea ilimitada. Sin embargo. Gracias a la microelectr´nica se pueden colocar varias decenas de mio les de circuitos dentro de un chip. Cada unidad de informaci´n binaria es un bit. sino que suelen agruparse de ocho en ocho. Los dos unicos puntos importantes a considerar son los siguientes: ´ 1. El tiempo de acceso (tiempo necesario para leer informaci´n almacenao da en una direcci´n determinada) es un par´metro de importancia crucial o a en el funcionamiento de un ordenador. ser´n truncados al guardarse en o a una direcci´n de memoria. Las t´cnicas que permiten un grado de e empaquetamiento tan elevado de denominan tecnolog´ VLSI (Very Large ıa Scale of Integration). 2. Esto signin fica que dispondremos solamente de un n´mero finito de d´ u ıgitos para representar las cantidades durante su c´lculo. dispositivos de entrada/salida. mientras que ´ a en los grandes puede oscilar entre 12 y 64. Este circuito posee dos estados de funcionamiento estable. lo que da idea del grado de miniaturizaci´n del proceso. La unidad de informaci´n que se transfiere a o desde la memoria principal recibe el nombre de palabra. fiables. Hay dos valores asociados con cada elemento de memoria: Su contenido que ser´ su dato o instrucci´n en c´digo binario y la direcci´n de esa a o o o posici´n de memoria. El tama˜o resultante no suele superar el cent´ n ımetro cuadrado. Los detalles sobre o o la construcci´n y organizaci´n de la memoria principar de un odenador no suelen tener demasiada importancia a la hora de escribir un programa. y baratos que sus antecesores. Nos estamos refiriendo a los n´ meros cuya o u representaci´n binaria (no decimal) tiene infinitos decimales. o m´s. En los ordenadores personales la longitud de una palabra suele ser de 8. bits. El estado en el que o u se encuentra el circuito puede medirse (lectura) o alterarse (escritura). El tiempo . Por ejemo plo 0. o El tama˜o de la palabra de cualquier ordenador es finito.

Con este t´rmino se indica que el tiempo de acceso e a una determinada posici´n de memoria es pr´cticamente independiente de o a su direcci´n. a o 2. La idea es que los t´rminos utilizados n a e ultimamente tienen grandes probabilidades de ser necesarios de nuevo. La secci´n del ordenador que realiza las operaciones con los datos. o En una RAM la informaci´n no se guarda de forma secuencial. o mientras que la unidad de proceso de datos e instrucciones ser´ la respona sable de ejecutar las ´rdenes elementales que forman el programa. o La memoria principal no es el unico sitio en el que se almacena la in´ formaci´n. es la memoria cache. Control y observaci´n del sistema completo. sino que a deber´n pasar a la memoria principal. y suelen consistir en cintas magn´ticas. etc. Esta segunda secci´n recibe el nombre de unidad o o aritm´tico-l´gica (arithmetic-logic unit. La unidad de control se encarga de la realizaci´n de las tareas de control. puede reducirse n colocando los datos e instrucciones m´s recientes en otra memoria m´s pea a que˜a y r´pida. Estos diso positivos reciben el nombre de memoria secundaria o memoria masiva. sio guiendo las instrucciones almacenadas en la memoria principal. o ALU).18 2 · Nociones sobre arquitectura de ordenadores de acceso en una memoria de gran tama˜o es del orden de 5 · 10−7 segunn dos. Este consta de todos los o dispositivos de entrada y salida de informaci´n del ordenador junto o con el tr´fico de informaci´n interna al ordenador. Las instrucciones se traen de la memoria principal en el orden indicado por el programa. La CPU realiza dos tipos de tareas: 1. existen otros lugares donde a cambio de unos tiempos de acceso o mayores se pueden conservar grandes cantidades de informaci´n. Estas o o ´rdenes consisten principalmente en operaciones aritm´ticas y de compae raci´n entre dos datos. o CPU). discos fijos. as´ como del almao a ı cenamiento de ambos en registro de acceso inmediato. e o u La unidad de control es la responsable de la b´squeda de la siguiente instrucci´n y del c´lculo de las direcciones de los datos. Ejecuci´n de las instrucciones recibidas desde la memoria principal. aunque o puede ser c´modo imaginar las direcciones ordenadas consecutivamente. cd’s. o La CPU consta de dos secciones que realizan cada una de estas funciones. diskketes. La ´ memoria principal recibe el nombre de memoria de acceso aleatorio (random access memory. Los e datos de la memoria secundaria no son accesibles directamente. o RAM). Este tiempo aunque es extraordinariamente peque˜o. Si hay . es la unidad central de proceso (central processing unit.

Nota 2. por una parte. La transcripci´n del algoritmo en sentencias de o un lenguaje de programaci´n se denomina “codificaci´n” y constituye el o o “programa” inform´tico. son el teclado y la pantalla. la definibilidad de un algoritmo exige especificar de modo riguroso y sin ambig¨edades las acciones a realizar. las memorias principal y secundaria y los dispositivos de entrada E/S forman parte del llamado hardware del ordenador. Pr´cticamente todos los programas constan de tres fases: a introducci´n de los datos.2. Recuerda que todos los elementos procesados en la CPU. lenguajes de ensamblaa do. Los o o dispositivos de entrada m´s comunes son el teclado y los discos magn´ticos. Esta es la unica forma de comunicaa o ´ ci´n que puede entender el ordenador. de colocar el resultado o en la memoria principal.3 · Lenguaje de m´quina. a o 2. Los dispositivos m´s com´nmena u te usados. especialmente en los ordenadores personales. El conjunto de programas forman el software. ´stos se transfieren a la ALU o e junto con la orden de sumarlos. Lenguaje de m´quina. restarlos. lenguajes de ensamblado. se encarga. se puedan ejecutar por un ordenador. de o manera que. lenguajes de alto nivel Como se ha comentado anteriormente. y por otra. a e Los resultados de un programa pueden presentarse en una pantalla o en una impresora o bien guardarse en un disco. o El lenguaje de programaci´n es un medio de comunicaci´n entre el homo o . etc. una vez realizada la operaci´n. u Para ello se han creado los lenguajes de programaci´n definidos formalmente o para especificar algoritmos. lenguajes de alto nivel19 a que realizar alguna operaci´n con los datos. La met´fora del enano computador Lee atentamente este a art´ ıculo que te servir´ para comprender mejor lo descrito en esta secci´n. procesamiento e impresi´n de los resultados. Un lenguaje de programaci´n est´ formado por un a o a conjunto de c´digos que permiten describir los algoritmos y sus datos. datos e instrucciones. Los programas escritos de esta forma o reciben el nombre de programas en lenguaje m´quina o microprogramas. est´n escritos en c´digo binario. La unidad de control.1. a Dos de los errores m´s comunes son el de realizar una serie de operaa ciones con datos que no se han introducido en la memoria principal y el de ejecutar un programa que carece de las instrucciones para la impresi´n o de los resultados. Todos los componentes f´ ısicos tales como la CPU. su descripci´n sea comprensible por el usuario.3. compararlos.

Pero la verdadera evoluci´n la marcaron dos aspectos: o o a) La simbolizaci´n. el “lenguaje m´quina” es particular de cada ordenador en concreto a y aunque su base sea binaria existen entre unos y otros grandes diferencias. Ello presenta una gran inconveniente en la programaci´n. hay que disponer de las direcciones que los datos toman en la memoria central. etc.20 2 · Nociones sobre arquitectura de ordenadores bre y el ordenador. exigir´ la existencia de un “traductor” a a (escrito en el propio lenguaje m´quina”) para que convierta estos proa gramas al lenguaje m´quina. o a Un primer paso fue utilizar bases num´ricas superiores a dos para la e representaci´n de las instrucciones. es necesario formalizarlo adecuadamente para que lo pueda entender. o a 2. La utilizaci´n de un lenguaje m´s evolucionado y por lo tanto los proo a gramas escritos en ese lenguaje. b) La utilizaci´n de lenguajes intermedios. Dado que la circuiter´ del ordenador s´lo acepta. y por otra. Interesa precisar dos hechos: 1. Un ordenador s´lo entiende y acepta su propio lenguaje de m´quina. Para describir al ordenador un m´todo para resolver e un problema. o Al igual que se ha descrito en el art´ ıculo del enano computador. Como la palabra a lo dice. en el ordenador real se numeran las direcciones de memoria. decimal. Todo ello oblig´ a las empresas inform´ticas a desarrollar una forma de o a programaci´n m´s sencilla y plantearon distintas formas de automatizarla. en la entrada y la salida del ordenador: o octal. por el hecho de que el programador o o debe conocer en todo momento la ubicaci´n de sus datos en la memoria central. o . o a o L´gicamente el lenguaje m´quina es muy inc´modo de utilizar. Los lenguajes “simb´licos” obvian este inconveniente al permitir reemo plazar los c´digos de operaci´n y las direcciones num´ricas de memoria por o o e s´ ımbolos que representan esos c´digos y direcciones. el lenguaje binario es la base del “lenguaje m´quina”. hexadecimal. e interpreta ceros y ıa o unos. Por una o parte hay que conocer los c´digos de todas las operaciones.

tanto los c´digos de operaci´n como las direcciones o o de memoria. de e cargar alg´n dato inmediato en la memoria del ordenador. todos los lenguajes intermedios necesitan la presencia de un traductor. u Por su parte el lenguaje autocode tambi´n es un lenguaje muy pr´ximo e o .Los lenguajes de ensamblaje o ensambladores. La acci´n del ensamblador consiste en traducir todos los elementos simb´lio o cos del programa fuente. dos veces el programa fuente para obtener el programa en lenguaje m´quina (programa objeto).. y en ´l cada o a e orden corresponde directamente a una instrucci´n en c´digo m´quina. Por ello es necesario crear unas tablas de correspondencia a fin de traducir estos s´ ımbolos en c´digo de o operaci´n y direcciones num´ricas. el ensamblador crea en memoria una tabla. Esta funci´n la desarrolla un prograo e o ma particular que se denomina traductor. obligaci´n de que aparezca un car´cter en particular. ya que los s´mbolos no pueden ser ser a o interpretados directamente por el ordenador. Entre los lenguajes intermedios m´s importantes tenemos: a 1. Para las direcciones.. Con respecto a los c´digos de operaci´n. o a o o a la descripci´n de un dato elemental tal como se presenta en la memoria del o ordenador. etc. Por lo tanto. Es entonces preciso que el ensamblador lea. cargada en memoria en el momento del ensamblaje. cuya funci´n es la de o traducir el programa fuente en el programa-m´quina. a La funci´n del ensamblador no se reduce a estas operaciones que se o acaban de indicar. dando como resultado a un programa objeto que es directamente ejecutable por el ordenador. el c´digo simb´lico ser´ sustituido por su o o a correspondiente num´rico de la tabla. El lenguaje ensamblador es muy pr´ximo a la m´quina. el ensamblador como o para cada s´ ımbolo encontrado en el programa con los existentes en una tabla preestablecida. En la segunda pasada. lenguajes de ensamblado. el proceso es ale go diferente. por ejemplo: limitaci´n del n´mero o o u de caracteres. asignando una direcci´n real a cada direcci´n simb´lica que encueno o o tra. el ensamblador reexamina cada instrucci´n y o reemplaza los s´ ımbolos por las direcciones correspondientes de la tabla.Los lenguajes autocode. lenguajes de alto nivel21 a Los nombres simb´licos de las direcciones de memoria exigen la observano cia de determinadas reglas de formaci´n.2. o a Las instrucciones escritas de manera simb´lica deben ser transcritas en o instrucciones en lenguaje m´quina. etc. Tambi´n se encarga de reservar zonas de memoria. En una primera pasada. 2. Cuando se produzca la correspondencia. por lo menos.3 · Lenguaje de m´quina.

a) Lenguajes definidos para aplicaciones t´cnico-cient´ e ıficas: FORTRAN. Esto ultimo a ´ explica que la estructura de los lenguajes evolucionados sea completamente diferente al de los de ensamblaje. en principio o cualquier tipo de problema. y poder llamar a esta macroo instrucci´n. o a La llegada de los lenguajes de alto nivel marca una etapa importante en la evoluci´n de los lenguajes intermedios. Los lenguajes evolucionados tienden a una universalidad de empleo. Al ensamblador del autocode se le denomina macroensamblador. Tomando como criterio el tipo de aplicaci´n. o o a procedimiento o rutina. y el PASCAL y el lenguaje C que se desarrollaron posterioremente. son los m´s representativos en esta categor´ a ıa. Lenguajes de prop´sito general: que permiten resolver. la ventaja a de poder utilizar subprogramas ya existentes en el sistema. Se denomina as´ porque en el momento de la traducci´n o ı o genera varias instrucciones de c´digo m´quina. estando los primeros mucho m´s pr´ximos a o al lenguaje natural. o que nos realice esta operaci´n de lectura. cuando lo precisemos. con respecto al ensamblador. o bien porque los programas a construir son de ejecuci´n permanente o y precisan una gran optimizaci´n tanto de memoria como de tiempo de ejeo cuci´n. Los lenguajes intermedios se suelen utilizar. o En el lenguaje autocode. la t´cnica de ensamblaje es esencialmente la e misma que en el ensamblador.22 2 · Nociones sobre arquitectura de ordenadores al lenguaje m´quina. Se dividen en dos grupos dependiendo de fin para el que han sido desarrollados. Lo l´gico ser´ disponer de un conjunto o ıa de instrucciones independientes del resto del programa (macro-instrucci´n). los de alto nivel van orientados al problema. bien porque las operaciones que se desean programar no son posibles con los lenguajes m´s evolucionaa dos. entre 1954 y 1958. definidos por el programador o por otro usuario del equipo. casi. . Supongamos que en un programa se desea leer datos en diferentes puntos del mismo. permitiendo ser procesados. Se diferencia del ensamblador por la introducci´n de la a o macro-instrucci´n. se distinguen dos categor´ o ıas: 1. ALGOL y BASIC que fueron los primeros en ser desarrollados. o a La noci´n de macroinstrucci´n est´ ligada al concepto de subprograma. en 1970 y 1972 respectivamente. con independencia del tipo de ordenador. El autocode presenta adem´s. Mientras que ´stos est´n orientados o e a a la m´quina. Es es el caso de algunos sistemas operativos y procesadores b´sicos.

como el COBOL. o a S-plus o R. RPG. Lenguajes especializados: que han sido dise˜ados para un tipo especial n de aplicaci´n (por ejemplo. SIMULA. en instrucciones que comprenda e interprete el ordenador. lenguajes de ensamblado. se emplea ORACLE. El compilador es un programa complejo (normalmente escrito en ensamblador) que tiene como misi´n traducir expresiones y seno tencias.3 · Lenguaje de m´quina. Dentro de una especializaci´n m´s cercana. escritas en un lenguaje de alto nivel. dise˜o. M´s adelante. veremos con m´s detalle la forma a a de compilar un programa escrito en C. LISP.2. . manejo de m´quina herramienta. GPSS. etc 2. y la traducci´n se denomina compio laci´n. o Un compilador. un traductor de programas escritos en un lenguaje de alto nivel. etc. entre otros. etc). Son a t´ n ıtulo de ejemplo el CAD. En los lenguajes de alto nivel se sustituye el traductor (ensamblador o macroensamblador) por el compilador. ACCES. Hoy en d´ en la explotaci´n y tratamiento de o ıa o grandes bases de datos. El COBOL o ha sido b´sicamente estudiado y pensado para programar aplicaa ciones de gesti´n. o a n ense˜anza asistida. es pues. lenguajes de alto nivel23 a b) Lenguajes de gesti´n.

24 2 · Nociones sobre arquitectura de ordenadores .

esto es. C es relativamente peque˜o. Por el contrario es tremendamente vers´til y port´til. ensamblador y depurador. Ha sido y es utilizado o para escribir programas num´ricos. bloques y subprogramas. De hecho. que ıa u pueden ser combinados con los operadores aritm´ticos y l´gicos.Cap´ ıtulo 3 Introducci´n al lenguaje de programaci´n o o C (I) C es un lenguaje de programaci´n de uso general. de iteraci´n. El lenguaje es e a independiente de cualquier arquitectura de la m´quina en particular. paralelismo sincronizaci´n o corrutinas. Dentro de los lenguajes de alto nivel. pero no o o multiprogramaci´n. trabaja con la misma clase de objetos que la mayor´ de los ordenadores: caracteres. casi todas las aplicaciones de UNIX est´n escritas en C. De igual forma. puede escribirse en poco espacio y aprenderse con n facilidad. Los compiladores se escriben f´cilmente. o o La ausencia de estas caracter´ ısticas es lo que da ventajas al lenguaje. el software escrito en C es id´ntico en casi cualquier m´quina que soporte a C. secuenciales. Exceptuando a a los programas que necesariamente dependen en alguna forma de la m´quia na. es decir se a a puede hacer casi cualquier cosa y ejecutar sin cambios en una amplia variedad de m´quinas. como el compilador. a 25 . utilizados e o normalmente en las m´quinas. programas de procesamiento de textos y e bases de datos. n´meros y direcciones. de selecci´n. a El sistema operativo UNIX est´ escrito en su mayor parte en lenguaje a C. es clasificado como un lenguaje de relativo bajo nivel. Los programas en C tienden a ser lo suficientemente eficientes como para que no haya que escribirlos en lenguaje ensamblador. las sentencias de control de flujo en C son sencillas. que a deber´n siempre ser aportados por funciones llamadas expl´ a ıcitamente. No contiene elementos de alto nivel.

uniones y funciones. c. ciclos (bucles). C incluye apuntadores o punteros y capacidad e aritm´tica de direcciones. creados con apuntadores. con comprobaci´n de la condici´n de termio o naci´n al principio (while. Interactivo: El sistema acepta peticiones. En C los objetos fundamentales son caracteres. escrito e por Ken Thompson en 1970 para el primer sistema UNIX. hemos optado por describir la situaci´n del sistema o UNIX. arreglos estructuras. con entre otras funu ciones: . ıa Muchas de las ideas principales de C provienen de un lenguaje mucho m´s a antiguo pero a´n vigente: el lenguaje BCPL inventado por Martin Richars. pues dicho entorno de a trabajo es el habitual de la mayor´ de programadores de C. Mostraremos ´stos y otros elementos esenciales del lenguaje C en ´ste y e e los siguientes cap´ ıtulos.1.26 3 · Introducci´n al lenguaje de programaci´n C (I) o o En nuestro caso. C posee las construcciones fundamentales de control de flujo para escribir programas bien estructurados: agrupamiento de sentencias. de la HP9000 de nuestro Centro de C´lculo. KERNEL: Constituye el n´cleo central del S. for) o al final (do) y selecci´n entre un conjunto de casos posibles (switch). Para ello. a b.O. enteros de varios tama˜os y n´meros en punto flotante. u La influencia de BCPL le llega indirectamente a trav´s del lenguaje B. Nociones sobre trabajo en el Sistema Operativo UNIX. Multiprogramado: El sistema es capaz de realizar m´s de una a tarea para cada uno de los diversos usuarios. B´sicamente consta de los siguientes elementos: a 1. Multiusuario: El sistema permite atender a varios usuarios de forma simult´nea. El editor vi UNIX es un sistema operativo con las siguientes caracter´ ısticas: a. utiliza la t´cnica denominada de a e tiempo compartido. 3. toma de o o decisiones (if). las procesa en forma de di´logo con el usuario.. Existe tambien una jerarqu´ de tipos n u ıa de datos derivados.

3. HERRAMIENTAS Y UTILIDADES: Son un conjunto de programas que se entregan con el S. Mantenimiento del sistema de archivos. o 4. maneja ficheros los cuales son almacenados en distintas divisiones del disco duro. impresoras. Se puede decir que el SHELL es: a) Un int´rprete de comandos. o c) Edici´n de textos. UNIX es un sitema operativo orientado a ´ comandos: hay que escribir las ordenes. e b) Un lenguaje de programaci´n. Ficheros: guardan datos.O. o b) Manipulaci´n del contenido de los ficheros. d) 2. Nombre de ficheros: . El editor vi27 a) Control de los recursos del ordenador.. e) Gesti´n de ventanas. asign´ndolos entre los disa tintos usuarios.. Tanto los directorios como los ficheros poseen un nombre. c) Control de los dispositivos de hardware (discos. etc. 3. Los usuarios tienen unicamente acceso a su cuenta personal. y que realizan tareas m´s complicadas y a de diversa ´ ındole. a) Claves de acceso a tu cuenta personal. o d) Compilaciones de programas. Por ejemplo: a) Manipulaci´n de ficheros. Su misi´n es la de proporcionar u o un interface entre el usuario y el S. ´ login: etpgamaa password: ara2411 b) Estructura del arbol de directorios: ´ Como todo sistema operativo..). denominados directorios.O. b) Planificaci´n de la ejecuci´n de los distintos programas realizados o o por los usuarios. programas. o c) Un controlador de procesos. Normalmente hay un supervisor del sistema que tiene acceso a todas las cuentas. SHELL: Es la capa externa al n´cleo.1 · Nociones sobre trabajo en el Sistema Operativo UNIX.. Windows es por el contrario ´ un sistema visual: hay que seleccionar iconos.O. COMANDOS: Son un conjunto de expresiones prefijadas que permiten dar ordenes al S.

Es posible leer o incluso copiar..Cada usuario puede hacer lo que quiera por debajo. los ficheros fuente en FORTRAN tienen extensi´n . No guardan inforo o maci´n como tal.Para trabajar con distintos ficheros: Ejemplo 1: p* denota todos ficheros cuyo nombre comienza por p Ejemplo 2: p?pe denota todos los ficheros cuyo nombre comienza por p. .e.. ´ (4) mnt: montaje del arbol.Cada cuenta tiene el nombre de un usuario que cuelga de aqu´ ı. sino que sirven para estructurar dicha informaci´n. a dependiendo de los correspondientes permisos.. a (5) users: todos los usuarios del sistema est´n aqu´ a ı.f. Depende del mismo arbol y es quien orga´ niza el ´rbol (utilidades del montaje.). ficheros existentes en directorios ajenos a la cuenta del usuario. pero con un l´ ımite de espacio (p. en o C tienen extensi´n . ız: (1) bin: guarda los comandos del sistema. a . (3) lost+found: se va guardando lo que el sistema va perdiendo. ’. en mi caso 10 megas). ”) . o Directorios: guardan ficheros u otros directorios.Se pueden usar como m´ximo 14 caracteres (en versiones modernas. .28 3 · Introducci´n al lenguaje de programaci´n C (I) o o . ?.Hay caracteres prohibidos (/. luego cualquier cosa (incluso nada) y luego pe. a incluso m´s). o Por ejemplo. que coincide con el nombre de la cuenta a la que accedo. .c. Todo lo dem´s es accesible. etc.. Usualmente los nombres de ficheros tienen lo que se llama extensi´n. (0) Ra´ se denota por /.En mi caso etpgamaa es el directorio del usuario (directorio home). (2) etc: guarda los sistemas de arranque. .

. Las opciones siempre empiezan con un gui´n). cd a) ..>cd nombre-de-directorio Cambia al directorio nombre-de-directorio. Ejemplo 3:. se usan espacios en blanco (s´lo aqu´ y en ning´n sia o ı. mkdir. users pract p9mnu p9mnuaa p9mnuga ··· p9mnups Estructura de comandos: .>rmdir nombre-de-directorio Borra el directorio que se llame nombre-de-directorio... La mayor´ de las ordenes son en u u ıa ´ min´sculas. El editor vi29 / bin etc ls.>pwd D´nde estoy. UNIX o diferencia min´sculas y may´sculas.3. opciones. Para separar las distintas componentes (orden..1 · Nociones sobre trabajo en el Sistema Operativo UNIX. e e Ejemplo 4:... d) .>mkdir docencia metnu Crea ambos directorios.>rmdir docencia metnu Borra ambos directorios.. u tio m´s se usa y ´sto es la clave de numerosos errores que se suelen a e cometer). u par´metros . . dame el directorio activo.>mkdir nombre-de-directorio Crea un directorio que se llame nombre-de-directorio. rmdir... Comandos para manejar el arbol de directorios ´ pwd. o b) .>orden -[opciones] [par´metros] a ([] puede no estar.+fd.. Para ello se requieren dos condiciones: tiene que estar vacio y no tiene que estar activo (no estar en ´l ni por debajo de ´l)... c) ..

-enlaces (5) propiet.. datos)./Programas/nombre-de-fichero La orden .>cat pepe ana > alumnos mantiene el fichero alumnos (existente) y le a˜ade el contenido de pepe y ana.. ana y alumnos que contiene la uni´n de pepe y ana..>cat /users/etpgamaa/programas/nombre-de-fichero Esto es dar el path absoluto.fichero ordinario (Programa..>ls -l /users/etpgamaa informaci´n completa de dio cho directorio.30 3 · Introducci´n al lenguaje de programaci´n C (I) o o Ejemplo 5:. chmod.... Adem´s dicho comando permite concatenar: a . n .ls... o . . El resultado de ´sto: e (1) --(2) --(3) --(4) n. Otro modo de hacerlo es dar el path relativo. d directorio. La b´squeda la realiza en el directorio activo. (Sube uno hacia arriba) Ejemplo 6:.>cat pepe ana > alumnos existen tres ficheros pepe... pero no lo modifica (similar al comando TYPE de MS-DOS). • . Si el fichero no est´ en u a dicho directorio. b) >ls [-opciones] [directorios] lista el contenido del directorio en el que estoy. mv..>cat .... sube un paso hacia arriba. hay que dar el camino: . texto. . me encuentro en este ultimo y quiero que me ense˜e un fichero que est´ en ´ n a Programas. Si en mi directorio a tengo creados dos subdirectorios: Programas y Datos..>cd /users/etpgamaa/docencia/metnu 5.>cat p* > pruebas une todos los ficheros que empiezan por p creando uno de nombre pruebas. Comandos para manejar ficheros: cat. • .. (6) grupo (7) tama˜o n (8) fecha (9) n. • Sin opciones ni par´metros: informaci´n completa del a o directorio actual.-fichero (10) (1)Tipo de fichero: ..>cd . cp... lp..rm. me dir´ que no lo encuentra.>cd (Sube hasta el ra´ ız) Ejemplo 7:..vi a) >cat nombre-de-fichero visualiza el fichero nombre-de-fichero.>ls -R -l /users/etpgamaa informaci´n completa y o recursiva de todos los dicrectorios...

(10)N. Es conveniente pedir confirmaci´n. w Escritura: se puede modificar. cd-rom. o Ejemplo 9: .1 >mv fichero-origen fichero-destino Frente al comando cp. El editor vi31 c. >chmod [modo] fichero/directorio cambia los permisos de acceso. n ´ o (9)Fecha: Fecha y hora de la ultima modificaci´n del fichero.) Permisos: aparece en tres bloques de tres.>rm -r * borra todo lo que hay en el directorio. • -i: petici´n de confirmaci´n. o o Ejemplo 8: .>rm p* borra todos los ficheros cuyo nombre empieza por p.. >cp fichero-origen fichero-destino copia el fichero-origen en el fichero-destino.1 · Nociones sobre trabajo en el Sistema Operativo UNIX. >rm [-opciones] ficheros o directorios borra los ficheros indicados. este comando no mantiene el fichero-origen. su contenido est´ unicaa´ mente en el fichero-destino. modo: (1) usuario. Si hay cambio de ´ directorio hay que indicar el camino. modem...w..r controladores de dispositivos de e/s (impresora...-enlaces: n´mero de lugares (directorios) desde los que es u accesible el fichero (frente a lo que sucede con el MS-DOS.-fichero: nombre del fichero. machacando cualquier contenido que tuviera este ultimo y manteniendo intacto el fichero-origen. o (5)N. Puede tener como opciones: • -r: borrado recursivo dentro de un directorio.s.. (2) Propietario (3) Otros usuarios del mismo grupo que el propietario (4) Todos los dem´s usuarios del sistema a En cada grupo de tres: r Lectura: se puede ver pero no modificar. (3) permiso (1) u=user (2) + a˜adir (3) r lectura n g=group . Ejemplo 10: . un fichero en UNIX es accesible desde distintos lugares).3. (6)Propietario (7)Grupo: grupo del propietario (8)Tama˜o: memoria que ocupa el fichero..quitar w escritura o=other = asignar x ejecuci´n o a=all c) d) e) f) . (La tienen los ejecutables).. (2) operador. (Es similar al comando RENAME de MSDOS). x Ejecuci´n.>rm pepe ana borra los ficheros pepe y ana.. Ejemplo 11: .>cp pepe /users/etpgamma/alumnos/pepe..

ESCAPE :q! abandona. Para compilar el programa. moverse.32 3 · Introducci´n al lenguaje de programaci´n C (I) o o Ejemplo 12: . abrir l´ ıneas nuevas.>who am i s´lo de mi mismo..>who -a todos los usuarios. etc.2..c. ejecuci´n y depuraci´n de prograo o mas en C En entornos UNIX.... Aparece: Old password: New password: Re-enter new password: Para desconectarse en la terminal: CTRL+D o teclear EXIT 3. Es el comando de edici´n de textos o en UNIX.>chmod g+w pepe ana a˜ade a la gente del grupo n sobre los ficheros pepe y ana. o c) >passwd Sentencia para cambiar el password (palabra de paso). se invoca o al compilador desde el prompt de sistema operativo. • Sin opciones ni par´metros: usuarios conectados. Compilado. o Para salir: ESCAPE :wq sale guardando.c . Otros comandos: date. a Todo el texto o c´digo de un programa se almacena en un fichero de exo tensi´n .. e Se entra en modo EDICION tecleando i ´ a. pulsando la tecla ESCAPE. utilizando el comando cc. g+wx o-rwx pepe g=rx pepe g) >lp pepe imprime el fichero pepe. a o b) >who inf´rmame de los actuales usuarios del sistema. a • ... eliminar l´ ıneas. para posicionarse. denominado fichero fuente.>chmod el permiso de escritura Ejemplo 13: . Puede estar en modo COMANDO. los programas se editan utilizando los editores del sistema. para escribir.>chmod Ejemplo 14: .. Por ejemplo: $ cc programa1. h) >vi pepe crea el fichero pepe. seguido del nombre completo del fichero fuente. En nuestra m´quina el de uso habitual es vi. passwd a) >date dame la fecha que tiene registrada la m´quina. • . Tambi´n puede estar en modo EDICION. who..

sino que realiza una como o probaci´n muy estricta de tantos aspectos de un programa como puedan o ser comprobados durante la compilaci´n. pero con extensi´n . Detecta inconsistencias en los tio pos de datos. variables no utilizadas o no inicializadas. La forma de depurar un programa en nuestro entorno es mediante la sentencia lint. Si s´lo queremos que cree el objeto. el compilador crea el fichero objeto. uso incongruente de argumentos. $ lint programa1. etc. basta escribir su nombre $ programa En C existe adem´s lo que se denomina en ingl´s debugger. aparecen por pantalla todos ellos.c. Un debuger a e es un depurador de c´digo. y crea adem´s del fichero objeto el fichero ejecutable. Hay que volver al programa fuente y subsanar dichos errores.c programa2.c programa3. Si dicho programa no tiene errores. problemas potenciales de portabilidad.c Si existen distintos ficheros fuente. subindicadas (arrays) y constantes 33 Si el fichero fuente contiene errores. Si el fichero fuente era unico. No genera c´digo. Variables escalares. que tiene el mismo nombre que el fichero fuente.c 3. $ cc -o programa programa1. programa2. se pueden compilar todos ellos. programa1. Se vuelve a compilar el programa.c.c Para ejecutar el programa. crear los correspondientes programas objeto y linkarlos de manera que tengamos un unico ejecutable de nombre ´ programa.c.out. que por defecto a se llama a. hay que especificarlo: o $ cc -c programa1.o.3 · Variables escalares. hay que especificarlo tambi´n: e $ cc -o programa programa1. programa3. subindicadas (arrays) y constantes La sentencia . la sentencia cc produce tambi´n el o ´ e linkaje.c Si queremos que el ejecutable tenga otro nombre (por ejemplo programa).3.3.

por ejemplo en la 2486. Para que dicha expresi´n o o tenga sentido para un ordenador. o una direcci´n de memoria. En la lectura de la sentencia anterior. Una variable consigue su variabilidad representando una posici´n. es decir las dan un valor inicial. r´stale la constante 2 y almacena el resultado de nuevo en dicha e posici´n de memoria. o La variable j est´ localizada en alguna posici´n. Como sus propios nombres indican una constante es un valor que nunca cambia.34 j = 5 + 10. o Variable j Direcci´n o 2482 2486 2490 Memoria · · · · 4 bytes · · · · · · · · Las declaraciones iniciales en un programa indican las variables que se van a utilizar. a o De manera que la sentencia anterior. e incluso localizaciones en un programa. hay que decirle previamente el significado de cada uno de los s´ ımbolos mencionados. 3. j = j − 2. mientras que una variable puede representar distintos valores. lo cual significa que su valor puede cambiar. estamos suponiendo conocidos todos los s´ ımbolos involucrados. Para el ordenador. Nombres de variables En el lenguaje C. Esta es una de las funciones del compilador. 3 · Introducci´n al lenguaje de programaci´n C (I) o o significa lo siguiente: suma los valores 5 y 10 y asigna el resultado a la variable denominada j. funciones. Sabemos que 5 y 10 son valores enteros. sin embargo. es entendida entonces como: coge el contenido de la posici´n 2486 de la o memoria. Las variables y las constantes son los objetos b´sicos que se manipulan en a un programa.1. que + e = son operadores y que j es una variable. establecen su tipo y tal vez las inicializan. se puede poner nombre casi a cualquier cosa: variables. o La sentencia. Los nombres . para el ordenador significa: suma los valores 5 y 10 y coloca su resultado en la posici´n de memoria 2486. constantes.3. todos estos signos son una mera combinaci´n de ceros y unos.

o Variables Num´ricas e Todas las variables hay que declararlas antes de usarlas en el programa. 2. otros en 31. que a su vez pueden ser: a a) simples: char b) cadenas: char* 3. VAR son nombres diferentes. En general no existe l´ ımite en cuanto al n´mero de caracteres que puede tener un nombre en C. Estructuras: composici´n de datos de distinto tipo. intentar que los ocho primeros caracteres de cada nombre sean unicos.3 · Variables escalares. Var. Alu gunos compiladores antiguos lo fijan en 8 caracteres. Arrays: secuencia (vector) de datos simples del mismo tipo. o el car´cter barra baja . Car´cter.3. de manera que: u u var. No se pueden elegir como nombres las palabras reservadas.2. dar su nombre. subindicadas (arrays) y constantes 35 pueden contener letras. o El lenguaje C diferencia entre may´sculas y min´sculas. 2. Hay algunas otras restricciones en los nombres de las variables y constantes simb´licas.3. Es buena costumbre por la portabilidad del programa. dependiendo de su composici´n: o 1. Tipo y tama˜o de datos n La primera clasificaci´n que se puede hacer en cuanto al tipo de datos en o C es. Dentro de los datos compuestos. es decir. tenemos: 1. Por ejemplo: . n´meros. que a su vez pueden ser: e a) enteros: int o long (dependiendo de su tama˜o) n b) reales (en punto flotante): float o double. ´ 3. como simples y compuestos. (Hay una lista de ellas en casi cualquier manual de C). tipo y contenido. pero deben u a comenzar por una letra o por dicho caracter. Dentro de los datos simples. Num´ricos. Punteros: representan direcciones de memoria.

(‘J’‘a’‘i’‘m’‘e’‘\0’) Nota: ‘s’ representa el caracter simple s. mientras que ”s”es entendido como una cadena de caracteres dada por (‘s’ ‘\0’). (la s es el valor simple que representa inicialmente la variable respuesta) char* nombre =”Jaime ”. char* nombre.36 int x. step. Variables Subindicadas (arrays) EJEMPLO 1 int tabla [10]. pero s´ antes del uso de dicha variable. upper. Variables Car´cter a Las declaraciones son: char respuesta. float factorial. El contenido de la variables no es necesario darlo al principio del programa. j=0. define un vector de elementos enteros con 10 posiciones.9).00001). tabla 2 0 5 1 200 2 520 3 3 4 0 5 1 6 850 7 1230 8 58 9 . si adem´s las inicializamos: a char respuesta=‘s’. 3 · Introducci´n al lenguaje de programaci´n C (I) o o int lower. float factorial=1. (tabla [j]. ı int x=0. (es una cadena de caracteres) Cuando se inicializa as´ el ordenador entiende: ı.0E-5 (que es lo mismo que 0.

La inicializaci´n para una casilla. (nombre[j]. EJEMPLO 3 int tabla2 [10][20]. char nombre[20]={‘J’ . 1230. x=tabla[9]. nombre · 0 1 · · 19 La inicializaci´n es: o char nombre[20]=”Jaime”. 3. 1. /* es una matriz 10x20 */ define una matriz de 10 filas y 20 columnas. 200. 0 1 tabla2 9 0 Variables Estructura EJEMPLO 4 3 · · · · · · · · · · 19 800 .‘e’. ser´ o ıa: tabla2 [1][3]=800. 0. 37 define un vector de elementos de tipo car´cter con 20 posiciones. /* el valor de la variable x es 58*/ EJEMPLO 2 char nombre [20].‘a’. 520.‘m’.‘\0’}. a j=0.‘i’.19). 58}. 850. de elementos enteros. subindicadas (arrays) y constantes Se inicializar´ ıa: int tabla={2.3. tabla[3]=520.3 · Variables escalares. o bien. 5.

nombre=”Pepito”. n empleado.a˜o=72. utilizando la f´rmula: C = o (5/9)(F − 32). a~o. 10.fnacimiento. Un ejemplo.150000}.38 struct persona { char nombre [20]. { 3.sueldo=150000. Todo esto define una estructura para cada persona.4 . 72}.8 -6.mes=10. El primer programa en C El siguiente programa imprime la tabla de conversi´n de temperatuo ras Fahrenheit a grados cent´ ıgrados o Celsius.10. Para inicializar esto: empleado. } empleado. 0 20 40 -17.fnacimiento={3. empleado. O agrupando los datos para la estructura fnacimiento: empleado.fnacimiento. a a la fecha de nacimiento (a su vez una estructura compuesta por tres datos enteros).7 4. } fnacimiento. La variable es empleado y est´ compuesta por tres tipos de datos: el nombre (de tipo car´cter). empleado. 3.72}. mes.4. struct fecha 3 · Introducci´n al lenguaje de programaci´n C (I) o o { int dia. O bien: empleado={ ”Pepito”. y el sueldo (una variable escalar de tipo entero). n int sueldo.

e A continuaci´n aparece la lista de definiciones de las variables a utilizar o (su tipo) y su inicializaci´n (valor inicial).. Normalmente main har´ uso de otras funciones para efectuar su u a trabajo... 260 280 300 15. float fahr.9 39 El programa es /* imprime la tabla Fahrenheit-Celsius para f=0.300 */ main() { int lower. El cuerpo del programa est´ dentro de unas llaves. En el a e Cap´ ıtulo 4 se especifican m´s detalles al respecto.8 148. upper. while (fahr<=upper){ celsius=(5.. en este caso explica lo que hace el programa. tanto u o de int como de f loat depende de la m´quina que se est´ utilizando. que encierran el a bloque de todas las sentencias de que consta ´ste.0/9. Cada l´ ınea de la tabla se calcula de la misma forma.6 . /* l´mite inferior de la tabla de temperaturas*/ ı upper=300. a Las sentencias o proposiciones individuales se terminan con punto y coma. donde aparece la funo ci´n main.. /*tama~o del incremento */ n fahr=lower.. La precisi´n.4 · Un ejemplo.0f %6. Como hemos visto anteriormente o el tipo int implica que las variables de la lista son enteros.3. A continuaci´n comienza el cuerpo de programa. El primer programa en C 60 . /* l´mite superior */ ı step=20. fahr. celsius.0).0) * (fahr-32. f loat indica punto flotante.. El compilador prescinde de los caracteres comprendidos entre /∗ y ∗/. para lo cual se utiliza . } } Las dos primeras l´ ıneas de programa son un comentario que. 126. fahr=fahr+step.20. printf("%4.1f\n". es decir n´meros que poseen parte fraccionaria.. step.7 137. lower=0. Todos los programas en C deben tener una funci´n main en o o alg´n sitio. celsius).

1f\n". El siguiente es una modificaci´n del anterior: o /* imprime la tabla Fahrenheit-Celsius */ main() { int fahr.40 3 · Introducci´n al lenguaje de programaci´n C (I) o o un ciclo (bucle) que se repite una vez por cada l´ ınea. con un d´ la especificaci´n de formato y separadas por comas. o e Si es cierta (fahr es menor o igual que upper). fahr<= 300. que tanto la asignaci´n o f ahr = lower. Por ahora basta observar. (5. finaliza el ciclo y el control del programa pasa o a la sentencia que lo sigue. } El programa anterior produce el mismo resultado. fahr=fahr+20) printf("%4d %6. Despu´s de e e lo sumo 6 posiciones.0/9. fahr. Para terminar. Es unicamente una funci´n ´ o util de la biblioteca est´ndar de funciones de entrada/salida habitualmente ´ a accesible desde los programas en C. en la sentencia escrita en el programa la eso o u pecificaci´n de conversi´n %4. sin ıgitos despu´s del punto decimal. La variable f ahr ıa . M´s adelante hablaremos de las reglas que rigen la conversi´n entre ena o teros y punto flotante. pero su aspecto es diferente. Evidentemente.. Su primer argumento es una cadena de caracteres a que imprimir. hay muchas formas de escribir un programa en C. como la comprobaci´n while(f ahr <= upper) trabajan coo mo se esperaba: la variable de tipo int es convertida a f loat antes de realizar la operaci´n. for (fahr=0. o En el ejemplo tambien se muestra c´mo funciona la funci´n printf . A continuaci´n se vuelve a o evaluar la condici´n y si es cierta se ejecuta de nuevo el cuerpo del ciclo.0f indica que se ha de imprimir un n´mero en punto flotante que ocupe un espacio de a lo sumo cuatro caracteres. %6.) argumentos y en qu´ forma ha de ser impreso. indicando cada signo % el lugar en que ha de sustituirse cada e uno de los restantes (segundo. Por ejemplo. Este es el prop´sito o de la sentencia while. tercero.1f pide otro n´mero que ocupar´ a e u a d´ ıgito despu´s del punto decimal. Se examina la condici´n encerrada entre par´ntesis. o Cuando la condici´n es falsa. Se han eliminado la mayor´ de las variables. n En C no se define ni la entrada ni la salida.. hay que se˜alar que printf no forma parte del lenguaje. aparecen las variables o cuyos valores se van a imprimir. se ejecuta el cuerpo del ciclo (todas las sentencias encerradas entre llaves). o o printf es una funci´n con formatos de conversi´n de uso general que deo o tallaremos m´s adelante..0)*(fahr-32)).

3.4 · Un ejemplo. El primer programa en C

41

permanece como int, hasta que en la propia funci´n printf se realiza la o conversi´n %4d. o Se ha utilizado una nueva expresi´n iterativa, la proposici´n f or. Consta o o de tres partes separadas por punto y coma. La primera se ejecuta una sola vez, antes de entrar en el ciclo propiamente dicho. La segunda es el criterio o condici´n que controla la ejecuci´n. Esta condici´n se eval´a; si es cierta, o o o u se ejecuta el cuerpo del ciclo, y a continuaci´n se ejecuta la tercera parte o que es la parte de reinicializaci´n y se vuelve a evaluar la condici´n. El ciclo o o termina cuando la condici´n se torna falsa. Como en while el cuerpo del o ciclo puede ser una sola sentencia o un grupo de ellas colocadas entre llaves. La decisi´n de utilizar un while o un f or es arbitraria. o Una ultima observaci´n es la siguiente. Es una mala costumbre sepultar ´ o en el interior del programa n´meros como 0, 300 ´ 20 en el caso del programa u o anterior. Siendo dif´ cambiarlos sistem´ticamente si la ocasi´n lo merece. ıcil a o Para ello se utilizan en C las sentencias #def ine y las constantes simb´lio cas. Mediante la construcci´n #def ine, al comienzo del programa se puede o definir un nombre simb´lico como una determinada cadena de caracteres y o darlas un valor.

#include <stlib.h> #include <stdio.h> #define LOWER 0 #define UPPER 300 #define STEP 20 /* imprime la tabla Fahrenheit-Celsius */ main() { int fahr; for (fahr=LOWER; fahr<= UPPER; fahr=fahr+STEP) printf("%4d %6.1f\n", fahr, (5.0/9.0)*(fahr-32)); exit(0); }

Las tres cantidades definidas son constantes y por lo tanto no pueden aparecer en las declaraciones. Obs´rvese adem´s que no hay punto y coma e a despu´s de las definiciones. e

42

3 · Introducci´n al lenguaje de programaci´n C (I) o o

3.5.

Operadores y funciones standard m´s usuales a

Los operadores son las herramientas mediante las cuales se construyen las expresiones que manipulan los datos. Una clasificaci´n inicial puede ser o la siguiente: 1. Unitarios: − (menos unitario, −x representa la negaci´n de x) y + (m´s o a unitario, +x representa el valor de x, est´ disponible en compiladores a ANSI). Por ejemplo, si m es igual a 5, −m es igual a -5. No hay que confundir estos operadores con los operadores binarios aritm´ticos de e diferencia y suma. 2. Aritm´ticos: + (suma), − (diferencia y tambi´n existe el − unitario; e e p.e. −x representa la negaci´n de x), ∗ (producto), / (cociente), % o (divisi´n entera: x %y produce el resto de dividir x entre y, y por o lo tanto es cero, si x es divisible entre y). El operador % no puede utilizarse con datos de tipo float o double (reales). Ejemplo 1: j = 3 − −x, es interpretado como j = (3 − (−x)). El primer − se˜ala una resta, el segundo es un − unitario. n Ejemplo 2: 3/4 da como resultado el valor 0, puesto que es una divisi´n o entera (la parte fraccional se trunca). Si queremos realizar la divisi´n, o hay que escribir 3,0/4,0. 3. Relacionales: == (igual), ! = (distinto), > (mayor que), < (menor que), >= (mayor o igual que), <= (menor o igual que). o o 4. Asignaci´n: = (Usado en inicializaciones), + = (suma-asignaci´n), o o o − = (resta-asignaci´n), ∗ = (multiplica-asignaci´n), / =(divide-asignaci´n), o % = (resto-asignaci´n). Ejemplo 3: a = b pon el valor de b en a. Ejemplo 4: a+ = b pon el valor de a + b en a. Ejemplo 5: a− = b pon el valor de a − b en a. Ejemplo 6: a∗ = b pon el valor de a ∗ b en a. Ejemplo 7: a/ = b pon el valor de a/b en a. Ejemplo 8: a % = b pon el valor de a %b en a. El t´rmino de la izquierda en las anteriores expresiones (a), puede e referirse a una posici´n de memoria. o 5. L´gicos: && (and), || (or), ! (not). o Ejemplo 9: a&&b vale 1 si a y b son no nulos, vale 0 en otro caso. Ejemplo 10: a||b vale 1 si a ´ b son no nulos, vale 0 en otro caso. o

3.5 · Operadores y funciones standard m´s usuales a Ejemplo 11: !b vale 1 si b es nulo, vale 0 en otro caso. 6.

43

Acceso a miembros (Operadores de memoria): [] (usado en declaraciones de arrays) , · (usado en declaraciones de estructuras), → (acceso a estructuras , cuando se dispone del puntero), () (para pasar par´mea tros en funciones, & (pon un objeto en una direcci´n de memoria), ∗ o (obt´n el objeto situado en esa direcci´n de memoria). e o Ejemplo 12: &x obtiene la direcci´n de x. o Ejemplo 13: ∗x obtiene el objeto situado en la direcci´n x. o Ejemplo 14: x[5] obtiene el valor del vector x en la posici´n 5. o Ejemplo 15: x.y obtiene el valor del miembro y en la estructura x. Ejemplo 16: p → y obtiene el valor del miembro y en la estructura punteada por p.

7.

Operadores de incremento y decremento: C dispone de dos operadores un poco raros, que incrementan y decrementan el valor de las variables. El operador ++ le suma 1 a su operando; el operador −− le resta 1. La ıstica especial de estos operadores es que pueden ser utilizados caracter´ como prefijos (antes de la variable, como en + + n) o bien como sufijos e (despu´s de la variable, n − −). En los dos casos ++ aumenta (−− o disminuye) en 1 el valor de la variable n, pero la expresi´n + + n incrementa n antes de utilizar su valor, mientras que n + + lo hace e despu´s de que se ha empleado su valor. Por ejemplo, si n = 5: x = + + n; pone un 6 en x (incrementa primero el valor de n), pero x = n + +; pone un 5 (toma primero el valor de n).

8.

Operador condicional ? : que resulta ser una versi´n abreviada de la o expresi´n if...else.... Por ejemplo: z = (x < y)?x : y), comprueba si o x < y, en cuyo caso asigna z = x, si x ≥ y, la asignaci´n que hace es o z = y. Operadores para la manipulaci´n de bits: >>, <<, &, |, ∧, ∼. o Operador cast, de conversi´n de tipo. o Operador sizeof, que devuelve el tama˜o en bytes, de datos o expren siones.

9. 10. 11.

3.5.1.

Funciones m´s usuales a

Una funci´n es una colecci´n de componentes del lenguaje agrupadas o o bajo un mismo nombre. Si la funci´n est´ bien dise˜ada, debe representar o a n

44

3 · Introducci´n al lenguaje de programaci´n C (I) o o

un peque˜o n´mero de operaciones, que son indicadas por el nombre de n u la funci´n. A menudo, una funci´n aparece unas pocas l´ o o ıneas m´s abajo a de donde se la llama una sola vez, para clarificar una parte del programa. Vamos a mostrar los mecanismos para la definici´n de funciones escribiendo o la funci´n power(m, n) que eleva el entero m a la potencia representada por o el entero positivo n.

/* prueba de la funcion power */ main() { int i; for (i=0; i< 10; ++i) printf("%d %d %d\n",i,power(2,i), power(-3,i)); } power(x,n) /* elevar x a la n-´sima e int x,n; { int i,p; p=1; for(i=1; i<=n; ++i) p=p * x; return(p); } potencia */

Las funciones aparecen en cualquier orden, y en uno o m´s archivos a fuente. Por el momento supondremos que est´n en el mismo archivo, por lo a que se mantiene lo que hemos aprendido sobre ejecuci´n de programas en o C. En la l´ ınea de impresi´n se llama dos veces a la funci´n power. En cada o o llamada se pasan dos argumentos a power, que cada vez devuelve un entero que se formatea e imprime. Los argumentos de la funci´n power se declaran o para que se conozca su tipo. La declaraci´n de los argumentos se realiza o entre la lista de argumentos y la llave de apertura. Cada declaraci´n debe o acabar con un punto y coma. Los nombre de los argumentos en power son completamente locales a la funci´n. Esto tambi´n se aplica a las variables i o e y p: la i de power no tiene nada que ver con la i de main. El valor que calcula power se devuelve al programa principal main mediante la sentencia return. Puede aparecer cualquier expresi´n entre los o par´ntesis de una sentencia return. Una funci´n no tiene por qu´ devolver e o e un valor; una sentencia return sin expresi´n devuelve el control al programa o principal aunque no le devuelve un valor util. ´

apaıas. } potencia. La diferencia principal es que en C la funci´n o llamada no puede alterar el valor de una variable de la funci´n que llama. Cualquier cosa que hagamos con n dentro de power no tendr´ ningun efecto sobre el argumento. Ser´ un caso particular de la funci´n power: ıa o int square(int num) { . Esto significa que la funci´n recibe los valores de sus argumentos en variables temporales.n) /* elevar x a la n-´sima e int x. Veamos una versi´n de a o power que utiliza este hecho. Trataremos esto con m´s detalles cuando hablemos de direcciones a de memoria y paso de argumentos por referencia.5 · Operadores y funciones standard m´s usuales a 45 En C todos los argumentos se pasan por valor. o unicamente puede cambiar el valor de su copia privada y temporal. en lugar o de recibir sus direcciones. recen a continuaci´n: o Funci´n o fgetc() fopen() fclose() time() sin() log() Descripci´n o Lee un caracter de un fichero Abre un fichero Cierra un fichero Calcula el tiempo actual Calcula el seno de un angulo ´ Calcula el logaritmo de un n´mero u Como hemos visto tambi´n es posible crear nuevas funciones. podr´ ıamos definir una funci´n para calcular el cuadrado de un n´mero o u entero. En C como en otros lenguajes de programaci´n existen cientos de funo ciones prefabricadas almacenadas en librer´ Algunas de las standard. Por ejeme plo. return(p). es poa sible hacer que una funci´n modifique el valor de una variable en la rutina o llamante. ya que los argumentos se tratan como variables locales a la rutina llamada. Versi´n 2 */ o El argumento n se utiliza como variable temporal. { int p.n. power(x.3. Cuando sea necesario. for(p=1. n>=0. Esto es ´ una ventaja y permite escribir programas m´s compactos. si est´n debidamente inicializadas. con pocas variaa bles externas. --n) p=p * x. siendo decrementada hasta que llega a ser 0.

} Este peque˜o programa asigna el cuadrado de 5 a la variable denominada n solution. que dicha funci´n o main() genera un valor y trabaja con dos argumentos. solution=square(5). no hemos declarado el tipo de datos que devuelve. ni los argumentos. devolviendo el control o al sistema operativo. Las reglas de utilizaci´n de esta funci´n son las mismas que las o o de cualquier otra. Argumentos distintos del cero. } 3 · Introducci´n al lenguaje de programaci´n C (I) o o La funci´n main() o Por otro lado. que eleva un n´mero al cuadrado.h. Adoptaremos por ahora. La funci´n exit() causa el final del programa. return answer. Sin embargo. exit(0). o u deber´ ıamos escribir: #include <stdlib. denotan errores en la ejecuci´n. answer=num*num. dentro de cada funci´n o main(). Si el argumento de exit() es el cero. que es donde est´ almacenada dicha funci´n. Si se usa exit() debe incluirse al comienzo del programa el fichero stdlib. Analizaremos este detalle en el Tema 5.. Se debe incluir cualquiera de las dos. int solution. Es decir exit(0). a o .46 int answer. Por ejemo plo para invocar a la funci´n square(). que indica donde comienza la ejecuci´n. es lo mismo que return 0. todo programa ejecutable debe contener una funci´n espeo cial denominada main(). significa que el programa termina sin errores.h> int main(void) { extern int square(int). La llamada de exit() dentro de una funci´n main() hace o o exactamente lo mismo que la sentencia return.

La secuencia \n indica a dicha funci´n que salte de l´ o ınea (newline). La otra variable solution. o a La funci´n printf() o El programa anterior es correcto pero poco operativo. solution). Una de las razones es que no nos deja ver su salida.c. Aunque describireo mos dicha funci´n con m´s detalle en otro cap´ o a ıtulo. La palabra extern indica que dio cha funci´n est´ definida en cualquier sitio. posiblemente en otro fichero o a fuente. int solution. es un entero que nosotros utilizamos para almacenar el valor que devuelve la funci´n square(). n n donde se encuentra la funci´n de Input/Output printf(). indica que el resultado que devuelve o dicha funci´n ser´ almacenado en la variable solution. o #include <stdio. exit(0). se˜alar que el s´ n ımbolo %d indica que el argumento que va a imprimir es un entero decimal.h. esto es.h> int main(void) { extern int square(int). Una soluci´n para este problema es utilizar o la funci´n printf(). indica que es el valor pasado como e argumento a dicha funci´n.h> /*Fichero donde se encuentra printf()*/ #include <stdlib. El operador de asignaci´n =. podr´ compilar o ıas ambos programas mediante la sentencia: .c y la funci´n square() en otro denominado square. printf("El cuadrado de 27 es %d \n". Si tienes almacenado el programa anterior en un fichero de nombre potencia2. El primero es la funci´n square(). es el valor del que se va a calcular el o cuadrado. solution=square(27). El o argumento que aparece entre par´ntesis. que vamos a llamar.5 · Operadores y funciones standard m´s usuales a 47 En el caso anterior declaramos dos nombres en main(). o La siguiente sentencia es en la que se invoca a la funci´n square(). } Se˜alar que hemos tenido que a˜adir en la cabecera el fichero stdio.3.

Hay otros especificadores para otros tipos de datos. Basta a continuaci´n que o teclees $ potencia2 y obtentr´s a El cuadrado de 27 es 729 En la sentencia que aparece utilizada la funci´n printf(). num1. se utilizan dos o argumentos. num3). o Dicha funci´n realiza el trabajo contrario al de printf(). volver a compilar u ıa y volver a ejecutar. especifica el a n ı formato de la variable que se va a imprimir. ya que permite calcular ıa unicamente el cuadrado del n´mero 27. Esto se puede evitar con el uso de la funci´n scanf(). %d.c. %d”.c que crea un ejecutable con nombre potencia2. por ejemplo: Car´cter a %s %x %f %o Especificaci´n o Vector caracter Entero Hexadecimal Dato real (punto flotante) Entero octal La versi´n general de la funci´n printf(). habr´ que modificar el fichero fuente potencia2.48 3 · Introducci´n al lenguaje de programaci´n C (I) o o $ cc -o potencia2 potencia2.c square. As´ %d. la funci´n scanf() lee el valor del dato o introducido mediante el teclado y se lo asigna a una variable. La funci´n scanf() o Todav´ el programa anterior es poco operativo. debe contener tantas especifio o caciones de formato como variables se van a imprimir: printf(”Imprime tres valores: %d. indica que la variable solution es un entero decimal. Para obtener el cuadrado de otro u ´ n´mero. Si a˜adimos n esta posibilidad al programa anterior: #include <stdio. num2. el primero adem´s de incluir un peque˜o texto. mientras ´sta escribe o e la salida del programa en la pantalla.h> int main(void) { .h> /*Fichero donde se encuentra printf()*/ #include <stdlib.

van precedidas del s´ ımbolo &. int solution. exit(0). La diferencia es que en la funci´n scanf(). los nombres o de variables. que sirve para almacenar el valor entero introducido por el teclado. luego pasamos este valor o como argumento a square(). Esto hace que el sistema lea el dato de la terminal y lo coloque en una direcci´n de memoria. &input_val). o Sentencias #include Esta sentencia hace que el compilador lea texto de otros ficheros. printf("El cuadrado de %d es %d\n". o Su sintaxis es similar. al mismo tiempo que lee el fichero que est´ compilando. input_val. solution=square(input_val).5 · Operadores y funciones standard m´s usuales a extern int square(int). printf("Introduce un valor entero:"). En realidad. La expresi´n &input val. scanf("%d". int input_val. significa ”la direcci´n o o de memoria de la variable imput val”. la funci´n scanf() almacena el valor introducido directamente en dicha direcci´n de memoria.3. La o ejecuci´n del programa tendr´ el aspecto: o a $ potencia2 Introduce un valor entero: 22 El cuadrado de 22 es 484 Hemos visto que la funci´n scanf() realiza la tarea contraria a printf(). solution). Una sentencia de este a tipo puede tener dos estructuras: #include < fichero > y #include “fichero” . } 49 Ahora hemos declarado una nueva variable input val.

La variable ha de ser declarada en toda funci´n que o . a Sentencias #define Sirven para asociar una constante a una variable. Las variables externas son accesibles globalmente. Variables externas locales a main. variables globales a las que puede acceder cualquier funci´n o mediante su nombre. el compilador busca en el directorio donde se encuentre el fichero que est´ compilando. dan el mismo resultado. por eso no conservan su valor entre dos llamadas sucesivas. incluso despu´s de que finalizan e las funciones que las cambian. Una variable externa ha de definirse fuera de las funciones. de manera que las sentencias j = 1 + 34. el compilador busca en alg´n lugar designado por el u sistema operativo. por ello pueden usarse en lugar de listas de argumentos para comunicar datos entre funciones. En el segundo caso. Adem´s mantienen sus valores.6. o Como alternativa es posible definir variables externas a todas las funciones. y desaparece o tales variables reciben el nombre Las variables de main son privadas o bi´n es v´lido para las variables de otras e a una rutina comienza a existir cuando se cuando la funci´n acaba. ya que existen permanentea mente en lugar de aparecer y desaparecer. Esto les asigna memoria real. j = 1 + var 1. que ocupa una direcci´n de memoria. Cada variable local de llama a la funci´n. y se o les ha de dar un valor a la entrada de la funci´n. o o de autom´ticas. esto es. 3. a Las variables autom´ticas aparecen y desaparecen con la invocaci´n de a o la funci´n. Por esta raz´n. Por ejemplo: o #define var 1 34 asigna el valor 34 a la variable var 1. Ambito de definici´n y validez de las variao bles.50 3 · Introducci´n al lenguaje de programaci´n C (I) o o En el primer caso. Lo anterior tamfunciones.

0/8. main(){ /* comienzo del programa */ printf("%d\n". var1. es asociativa de o o derecha a izquierda. /* escribe 50 */ } /* final de programa*/ 3.0 − 4.0 que da o −0.7. /* escribe 100 y 200 */ { /* bloque 2*/ int var1=0. Por otra parte. o a Sin embargo la m´quina hace la cuenta siempre en el mismo orden. /* escribe 0 y 200 */ } printf("%d\n". var2).0 e da como resultado 2. esto puede hacerse mediante una declaraci´n extern o expl´ ıcita. es decir se eval´a comenzando por la derecha.0 − 4.0)/8.7 · Precedencia y orden de evaluaci´n entre operadores o 51 quiera acceder a ella.3. . Un operador puede ser asociativo de derecha a izquierda o de izquierda a derecha.125. 3. igual que 3 ∗ 4 + 2. printf("%d %d\n". var1). printf("%d %d\n".h> /* definici´n de la variable global var1 */ o int var1=50. Por ejemplo. var2=200. var1. distinto al de la expresi´n (3. En primer u lugar se asigna un 3 a la variable y. Esto se resume diciendo que u el operador ∗ tiene una precedencia m´s alta que el operador +. Precedencia y orden de evaluaci´n entre opeo radores Los operadores tiene dos propiedades. /* escribe 100 */ } printf("%d\n". /* escribe 50 */ { /* var1 y var2 variables locales al bloque 1 y 2*/ int var1=100. la expresi´n de asignaci´n x = y = 3.5. o en forma impl´ ıcita a trav´s del contexto. Si se quiere a establecer otro orden hay que utilizar par´ntesis. Primero a eval´a 3 ∗ 4 y luego al resultado le suma un 2. Las dos est´n estrechamente relacionadas. y posteriormente se asigna este mismo valor a la variable x. var1). var1). Veamos un ejemplo: e #include <stdio. Ve´moslas en un ejemplo: a a La expresi´n 2 + 3 ∗ 4 evaluada por la m´quina es 14. precedencia y asociatividad. var2).

Relacional de igual. Izda. a dcha. Izda. Dcha. Izda. Dcha. a dcha. a dcha. a dcha.52 3 · Introducci´n al lenguaje de programaci´n C (I) o o En la siguiente tabla aparecen clasificados los operadores de acuerdo a su precedencia y asociatividad. a dcha. a dcha. Izda. Izda. Clase de Operador Primario Unitario Operadores en la clase () [] → · cast sizeof & (direcci´n en memoria) o ∗ (de referencia) − + ∼ ++ −− ! ∗ / % + − << >> < <= > >= == ! = & ∧ | && || ?: = += −= ∗= / = % = >> n = <<= &= ∧= Asociatividad Izda. Precedencia Alta Dcha. a dcha. Izda. Izda. Izda. a dcha. a izda. a izda. a dcha. a dcha. Manipulaci´n de bytes o Manipulaci´n de bytes o Manipulaci´n de bytes o L´gico o L´gico o Condicional Asignaci´n o Izda. a dcha. a izda. Aritm´tico multiplicativo e Aritm´tico aditivo e Manipulaci´n de bytes o Relacional de desigual. Baja . Izda.

Hay nueve palabras reservadas para especificar los tipos de datos simples o escalares.Cap´ ıtulo 4 Introducci´n al lenguaje de programaci´n o o C (II) Un tipo de dato es una interpretaci´n que da el compilador a una cadena o de bits. Tipos de datos escalares: enteros. long. int. aunque ciertas declaraciones se realizan impl´ ıcitamente por el contexto. Para o declarar la variable j como entera. Declaraciones. La declaraci´n o le dice al compilador c´mo interpretar y almacenar una serie de bytes. double. La palabra int es una palabra reservada que especifica que el dato es de tipo entero. debemos escribir: int j. En el tema anterior vimos una clasificaci´n de datos como simples (o o escalares) y compuestos (o agregados).1. signed y unsigned son a modificaciones calificadoras de datos simples. 4. 53 . Los otros: short. enum son tipos b´sicos. float. Los cinco dados por: char. de coma flotante y enumeraci´n a o Todas las variables deben ser declaradas antes de utilizarlas. car´cter. Hay adem´s un tipo de dato -voida que no es ni simple ni compuesto. En este tema vamos a describir los tipos de datos escalares y el tipo void.

En la mayor´ de las m´quinas un byte son ocho ıa a bits. signed y unsigned. En la mayor´ de las ıa m´quinas short int es un entero que ocupa dos bytes. a long. Cada bit representa un valor de 2 elevado a la potencia n. Si no tienes inter´s en el tama˜o del entero dentro de la m´quina. En otro caso debes especificar short o long. puedes e n a usar int. long int k. El n´mero de bits utilizados para representar un entero determina el u rango de valores que pueden ser almacenados en ese tipo. mientras que long a int es un entero que ocupa cuatro bytes. normalmente del tama˜o de los enteros de la n instalaci´n local o un n´mero en punto flotante de precisi´n normal u o un n´mero en punto flotante de doble precisi´n u o Adem´s hay una serie de calificadores que se aplican a los enteros: short. Tipo int short int long int unsigned short int unsigned long int signed char unsigned char Tama˜o (en bytes) n 4 2 4 2 4 1 1 Rango de valores −231 a 231 − 1 −215 a 215 − 1 −231 a 231 − 1 0 a 216 − 1 0 a 232 − 1 −27 a 27 − 1 0 a 28 − 1 Consideremos por ejemplo un entero short int (16 bits). pero hay excepciones.54 char int float double 4 · Introducci´n al lenguaje de programaci´n C (II) o o un byte (octeto) capaz de contener un car´cter del juego de a caracteres de la instalaci´n local o un entero. short y long se refieren a diferentes tama˜os de n los n´meros. long k. mientras que otros s´lo dedican dos. Algunos compiladores dedican cuatro bytes para almacenar un u entero. donde n representa la posici´n o . Por otra parte el tama˜o de un o n byte tampoco es constante. short int j. es lo mismo que short j.

La mayor´ de los a ıa compiladores utilizan signed char por defecto. Vamos a ver ahora que la notaci´n cient´ o ıfica usual 123.4. dado que por defecto una variable no declarada como unsigned. es decir. el grupo 0x (o bien OX) indica he- .12E3 tambi´n es v´lida para valores float. unsigned short j.45e−7 o bien 0. La diferencia est´ en las variables de tipo ıa a car´cter. Si queremos declarar e inicializar una variable en punto flotante float eps = 1.1 · Declaraciones. Un calificador de este tipo parece superfluo. que pueden ser signed o unsigned por defecto. Tipos de datos escalares: enteros. deber´ ser signed. Para hacer ´sto se utiliza el calificador unsigned: e unsigned int k.000015 = 1.5 ∗ 10−5 ). existe la posibilidad de declarar a los enteros signed. Toda constante en punto flotante se e a toma por defecto como double.5e-5. car´cter. Hay una notaci´n para constantes octales y hexadecimales: un cero que o encabece una constante int indica octal. En los compiladores standard ANSI. (le estamos asignando a la variable real eps el valor inicial 0. de coma flotante y enumeraci´n55 a o del bit: 215 214 213 212 211 210 29 28 27 26 25 24 23 22 21 20 Por ejemplo para expresar el n´mero decimal 9 = 23 + 20 = 8 + 1. u 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 Adem´s en C existe la posibilidad de declarar una variable como no a negativa (unsigned). unsigned long m. con valores positivos o negativos. por lo que la notaci´n e sirve tanto para o float como para double.

A intensidad le vamos a poder asignar los valores brillante. diferente del valor num´rico a e 0. etc. color=1. o Una constante car´cter es un unico car´cter escrito entre ap´strofos. En el siguiente ejemplo. Aunque aparecen como dos a caracteres. azul. Por ejemplo. vamos a declarar dos variables de enumeraci´n llamadas color e intensidad. intensidad= azul. es particularmente util. o para las equivalencias entre los distintos tipos de representaci´n). \\ (barra invertida). ‘0’. amarillo. El a ´ a o valor num´rico de una constante car´cter es el valor num´rico del car´cter en e a e a el conjunto de caracteres de la representaci´n. verde. Las constantes car´cter pueden participar en las operaciones num´ricas a e como cualquier otro n´mero. El tipo de dato de enumeraci´n enum. \ (ap´strofo). media. a Ciertos caracteres no imprimibles se representan como constantes car´cter a mediante secuencia de escape como \n (nueva l´ ınea). en realidad son s´lo uno. color=azul+verde. \t (tabulador). Las constantes octales o hexadecimales pueden acabar en L para hacerlas long. oscura intensidad. enum brillante. (Ver tabla de conversi´n ASCII. por lo que la implementaci´n puede variar de un compilador a otro. . en el conjunto o de caracteres ASCII. o Un buen compilador. el decimal 31 de puede escribir como 037 en octal. \0 (nuo lo). La constante \0 representa el car´cter o con valor nulo. Por ejemplo. sin embargo. o como 0x1f (0X1F ) en hexadecimal. A color le vamos a poder asignar o uno de los cuatro valores constantes rojo. azul. es 48.56 4 · Introducci´n al lenguaje de programaci´n C (II) o o xadecimal. cuando o ´ quieres crear un unico conjunto de valores que pueden ser asociados con ´ una variable. amarillo. media.verde color. el car´cter cero. oscura. Este tipo de dato no forma parte de la versi´n de C dada por Kernighan y o Ritchie. dar´ se˜al de problemas ante sentencias ıa n como: color=brillante. aunque es m´s frecuente encontrarlas en comu a paraciones con otros car´cteres. La declaraci´n o ser´ ıa: enum rojo.

Las unicas ´ conversiones que se realizan autom´ticamente son las que tiene sentido. por ejemplo: o num=func(x. .5=5.y). Por ejemplo. b) int a. o El tipo dato void. } Esto indica que la funci´n no devuelve ning´n valor. ıa El otro uso de void es declarar un puntero gen´rico. e o a . (Por ejemplo: 3+2.2 · Conversiones de tipo El tipo de dato void 57 Tampoco forma parte de la versi´n de C dada por Kernighan y Ritchie. { . dar´ un error.4. Conversiones de tipo Los operandos de tipos diferentes que aparecen en una expresi´n se cono vierten a un mismo tipo de acuerdo con unas cuantas reglas. Lo veremos con m´s e a detalle.5). Adem´s los caracteres y los enteros (char e int) se mezclan en expresiones a aritm´ticas: todo char de una expresi´n se convierte autom´ticamente en int. El primero es indicar que una determinada funci´n no devuelve un valor. Tambi´n pod´ o u e ıamos haberlo utilizado en la llamada de func() extern void func(). m´s adelante. utilizar un n´mero en punto flotante como sub´ u ındice. coa mo la conversi´n de un entero a punto flotante antes de sumar dicho entero o con un n´mero en punto flotante. a por ejemplo.2. tiene dos importantes usos. puedes ver una o funci´n definida como: o void func (a. b. a 4. Esto informa al compilador de que no se puede asignar el valor de retorno de dicha funci´n. u Por otra parte no est´n permitidas expresiones que carecen de sentido.

s´lo para ASCII */ u o int c. Por definici´n. ‘1’. en cuanto al tipo. ı Otro ejemplo de conversi´n de char a int. lower(c) /* convierte c en min´scula. Si el car´cter no es una letra may´scula. la funci´n devuelve la a u o misma letra sin alteraciones. y s´lo si hay d´gitos entre los a o ı caracteres ‘0’ y ‘9’. Esto ultimo funciona correctamente s´lo si ‘0’. toda aritm´tica en la que intervienen valores de tipo char o e e int. n=0. (V´lido para caracteres ASCII). se realiza convirtiendo los valores char al tipo int. Por ejemplo.‘0’. ı ´ o etc. Las variables y e constantes de tipo char son esencialmente id´nticas. s[i]-‘0’. s[i] >= ‘0’ && s[i] <= ‘9’. Afortunadamente esto es cierto para todos los juegos de caracteres ordinarios. en sistema decimal (base diez). el valor num´ria ı e co del d´gito es s[i] . es una expresi´n u a entera con un valor entre ‘0’ y ‘9’ seg´n sea el car´cter almacenado en s[i]. { int i. o ı y dicha expresi´n se puede utilizar como sub´ndice. ı e atoi(s) /* convierte el caracter s en entero*/ char s[]... que asigna o o u u a a cada letra may´scula su correspondiente min´scula.1: Uso de la funci´n atoi() que convierte una cadena de o d´gitos en su valor num´rico correspondiente.58 4 · Introducci´n al lenguaje de programaci´n C (II) o o Ejemplo 4. ++i) n=10*n+s[i]-‘0’. son positivos y est´n en orden creciente.. } La comparaci´n o s[i] >=‘0’ && s[i]<=‘9’ determina si el car´cter que hay en s[i] es un d´gito. for(i=0. return(n).n.. . Por ultimo la sentencia ´ n=10*n+s[i]-‘0’. es la funci´n lower(). a los e o valores int en contextos aritm´ticos. expresa el valor del d´gito s[i]-‘0’. Si lo es.

y adem´s el alfabeto es continuo. u a Otra utilidad de la conversi´n autom´tica de tipos est´ relacionada con o a a expresiones como i > j y expresiones l´gicas que utilizan && y ||.2 · Conversiones de tipo { if( c >= ‘A’ && c <= ‘Z’) return(c+‘a’. Si un operador como + o ∗ con dos operandos (un operador binario) tiene los operandos de distinto tipo. un redondeo. En C la aritm´tica del punto flotante se realiza en doble precisi´n. o En general los operandos que intervienen en una operaci´n. no e a contiene ning´n otro car´cter entre dichas letras. ya que las letras may´sculas o u u y min´sculas correspondientes est´n situadas a una distancia fija. consideu a radas como valores num´ricos. en caso de que el resultado sea cierto y el valor 0 en caso contrario. es decir. El resultado es de tipo ”superior”. Las conversiones autom´ticas se realizan de acuerdo con las siguientes a reglas. Si no se aplica la regla anterior y alg´n operando es de tipo u unsigned. antes de realizar la operaci´n.‘A’). el otro se convierte en double u y el resultado es double. el de tipo ”inferior”es ascendido al tipo ”superior”. son convertidos o o a al tipo del operando de precisi´n m´s alta. Si no se puede aplicar ninguna de las reglas anteriores. } 59 Esta funci´n act´a correctamente en ASCII. o De double a float. el otro se convierte en long y el resultado es long. Los enteros de mayor magnitud (long) se . y float se convierte en double. que es el tipo del resultado. y si alg´n operando es de tipo u long. Si alg´n operando es de tipo double. Las e o conversiones tambi´n tienen lugar en las asignaciones. else return(c). el valor de la parte e derecha se convierte al de la izquierda. los operandos deben ser de tipo int y el resultado es de tipo int. Si no se aplica la regla anterior. en las que o se ha establecido que devuelvan el valor 1. el otro se convierte en unsigned y el resultado es de tipo unsigned. Las reglas de conversi´n se resumen en las siguientes: o char y short se convierten en int.4. De float a int la conversi´n provoca un truncamiento de la parte fraccionaria.

4. Por ejemplo.3. Los argumentos de una funci´n son expresiones y por ello las reglas de o converi´n de tipo tambi´n se aplican con ellos.3245 son representaciones en punto fijo.60 4 · Introducci´n al lenguaje de programaci´n C (II) o o convierten en tipo short o en caracteres (char) por eliminaci´n de los bits o de orden superior. en punto fijo y en punto flotante. El operador cast tiene a la misma precedencia que cualquier otro operador unitario. o Por ultimo se puede forzar la conversi´n expl´ ´ o ıcita de tipo coaccionada”de ¸ una expresi´n. donde n1 son los d´ fraccionaria.421 ´ 0.421 0. En la construco o ci´n o (nombre de tipo) expresi´n o la expresi´n se convierte al tipo citado mediante las anteriores reglas de cono versi´n. incluso cuando o se llama a la funci´n con char y float. Nociones sobre representaci´n de datos e imo plicaciones sobre la precisi´n num´rica o e El ordenador digital representa los n´meros en base 2. Hay dos formas de almacenar estos n´meros. Por o ejemplo: −30. mediante una construcci´n denominada cast. u La representaci´n en punto fijo es la que utilizamos normalmente. con lo cual transmitir´ mensajes de error si recibe argumentos a de otro tipo. A esto se debe el que hayamos declarado los argumentos de la funci´n como int y double. char y short o e se convierten en int y float se vuelve double. Como hemos o dicho. Si n es entero. la rutina sqrt() espera que se le pase un argumento de o tipo double. n1 0030 0000 n2 421000 324500 −30. seg´n vimos en u la tabla del tema anterior. Concretamente.3245 − . sqrt((double) n) convierte n al tipo double antes de pas´rselo a sqrt. de manera que u cada n´mero se almacena en un n´mero finito de d´ u u ıgitos binarios. el n´mero de d´ u ıgitos de cada n´mero que almacena un ordenador es u ıgitos de la parte entera y n2 los de la finito n = n1 + n2 .

4.3 · Nociones sobre representaci´n de datos e implicaciones sobre la precisi´n num´rica61 o o e n1 = 4, n2 = 6 son valores fijos del ordenador. De esta forma hay valores que se pueden representar de forma exacta y otros que no. Por ejemplo, el n´mero 31,8923467, en un ordenador con n1 = 4 y n2 = 6 puede ser u representado como 0031 892346

representaci´n que se denomina corte. O bien o 0031 892347

en cuyo caso, la representaci´n se denomina redondeo. En general la reo presentaci´n de n´meros en punto fijo es muy poco util, se utiliza s´lo o u ´ o para operaciones elementales (calculadoras,..). Por ejemplo, los errores de representaci´n de n´meros como: 35420,87 ´ 0,00000056, son brutales. En o u o el primer caso, el ordenador aproximar´ por 9999 y en el segundo por 0. ıa Para c´lculos m´s ambiciosos, el ordenador debe operar en punto flotana a te. La representaci´n en punto flotante de un n´mero x es x = ax10b con o u 0,1 ≤ |a| < 1 y b entero. Por ejemplo: 342,17 (en punto fijo) 0,34217x103 (en punto flotante)

x = (±.α1 α2 ...αn )x10±bm ...b0 donde (±.α1 α2 ...αn ) se denomina mantisa y ±bm ...b0 es el exponente. La notaci´n a emplear ser´: o a ,34217E3 El n´mero de d´ u ıgitos en la mantisa se denominan d´ ıgitos significativos. El n´mero 0,0001423 = ,1423E-3 tiene cuatro d´ u ıgitos significativos. Con la o ´ condici´n α1 > 0, la representaci´n anterior es unica. o En la representaci´n num´rica en punto flotante, es necesario reservar o e un n´mero de d´ u ıgitos para la mantisa (t) y un n´mero para el exponente (e). u Si t = 4 y e = 2, el n´mero 0,00143 se puede expresar 0,00143 = ,1430E-2. u Los valores de t y e son caracter´ ısticos de cada ordenador.

62

4 · Introducci´n al lenguaje de programaci´n C (II) o o

Por ejemplo, si t = 12 y e ∈ (−500, 500) el rango de valores a representar en pantalla es ±,999999999999E±499. Existen valores que no se pueden representar de forma exacta. Para representar estos n´meros se pueden emplear dos t´cnicas de aproximaci´n: u e o corte y redondeo. Para t = 4: x = 3,87184 = 0,387184E1 f l(x) = 0,3871E1 corte (*) f l(x) = 0,3872E1 redondeo. Sea A el conjunto de n´meros m´quina (representables de forma exacta u a para un cierto valor de t). A es un conjunto finito. Para cualquier n´mero x, f l(x) ∈ A. Esta aplicaci´n debe cumplir u o |x − f l(x)| ≤ |x − y| ∀y ∈ A (4.1)

(observar que la aproximaci´n por corte (*) no satisface esta condici´n). o o o Si a = ±.α1 α2 ...αt αt+1 ... |a| = .α1 ...αt+1 ... y su representaci´n por redondeo a es: a = .α1 α2 ...αt si αt+1 ≤ 4 .α1 α2 ...αt + 10−t si αt+1 ≥ 5

o ı f l(x) = signo(x)xa x10e y esta aplicaci´n s´ satisface (4.1). Si x = 0

5 · 10−(t+1) x − f l(x) |a|10e − a 10e |a| − a = = ≤ ≤ 5 · 10−t (4.2) x |a|10e |a| |a| ≥ 10−1 Es decir ||a| − a | ≤ 5 · 10−(t+1) . Esta segunda cantidad se denomina error absoluto. No da idea de la proximidad de los n´meros. Por ejemplo: u Si x1 = 5437,43215 y x2 = 5437,43214, |x1 − x2 | = 0,00001. Si y1 = 0,00005 y y2 = 0,00004, |y1 − y2 | = 0,00001. La diferencia es la misma y s´lo en el primer caso dir´ o ıamos que x1 es una buena aproximaci´n de x2 . o

4.3 · Nociones sobre representaci´n de datos e implicaciones sobre la precisi´n num´rica63 o o e
x1 −x2 x1

= 0,183910341 · 10−8 .

−y | y1y1 2 | = 0,2 > 5 · 10−5 .

La cantidad (4.2) se denomina error relativo, que est´ acotado como a −t . vemos por 5 · 10 o Si x−f l(x) = , f l(x) = x(1 − ) con | | ≤ eps. eps se denomina precisi´n x del ordenador. Por ejemplo si escribimos 3,1415 y decimos que tiene cuatro d´ ıgitos significativos correctos, significa que su error relativo es < 5 · 10−5 .

4.3.1.

Errores de redondeo en computaci´n o

Sean por ejemplo x = 0,845E7 e y = 0,324E − 2. El resultado de sumar estos dos n´meros es u

845000 845000

0 0.00324 con t = 8. 0.00324

x ⊕ y = x y en general si |y| <

eps 10 |x|

⇒ x ⊕ y = x.

Se puede decir que en general la suma, resta, divisi´n y multiplicaci´n o o de n´meros m´quina no son operaciones asociativas y tampoco distributivas u a una con respecto a la otra. El resultado de una serie de operaciones depende del orden en que se realicen. Ejemplo 4.2 (t = 8) a = 0,023371258E − 4, b = 0,33678429E2 y c = −0,33677811E2. Veamos que (a ⊕ b) ⊕ c = a ⊕ (b ⊕ c). 0.000023 33.678429 33.678452 -33.677811 0.000641 371258 371258 no aparece si t = 8

(= a ⊕ b)

371258 (a ⊕ b) ⊕ c = 0,641E − 3

Por otra parte: b ⊕ c = 0,000618. (b ⊕ c) ⊕ a = 0,64137E − 3.

64

4 · Introducci´n al lenguaje de programaci´n C (II) o o

Ejemplo 4.3 En sumas que involucran sumandos de distinta maginitud, el orden es importante. Si sumamos de manera exacta estos tres n´meros: u (t = 8) 0.00000007 0.00000009 Si t = 8 = 0,30000001E1 3 3.00000016 Sin embargo si los sumamos en disntinto orden: 3 0.00000007 = 0,3000000E1 0.00000009 3.0000000 Este tipo de errores es caracter´ ıstico de la suma de series.
n i=1 ai . ∞ i=1 ai

En las series convergentes el t´rmino general tiende a 0 y los t´rminos e e van de mayor a menor. El error relativo a la hora de sumar los t´rminos e peque˜os es m´ n ınimo si los t´rminos se suman de menor a mayor; de esa e forma, el valor de la suma va aumentando y se va aproximando al tama˜o n de los ultimos sumandos (los primeros t´rminos en la serie). Luego una serie ´ e convergente hay que sumarla siempre en orden regresivo.

4.3.2.

Error de cancelaci´n o

Aparece cuando restamos dos n´meros del mismo signo y muy pr´ximos: u o x − y, x ≈ y. Por ejemplo, con t = 8: 0.76545421 E1 -0.76545264 E1 0.00000157 E1 Hemos pasado de tener 8 d´ ıgitos significativos correctos a tener 3, luego hemos perdido 5 d´ ıgitos correctos.

e ´ a o De la segunda: x1 = −111... Las ra´ ıces ser´ (con t = 9): x1 = −111..2121 = 0 De la primera forma: x1 = −111. o La forma de evitarlo ser´a: ı √ b2 − 4ac 2a x1 = −signo(b) · c x2 = ax1 |b| + Con t = 5.01000. al resolver: x2 + 111.01091008. x2 = −0.4. sin duda.4 Para resolver: ax2 + bx + c = 0 x1 = x2 √ −b± b2 −4ac 2a Si ac << b2 ⇒ |b2 − 4ac| ≈ b2 y uno de los signos ± da un error de cancelaci´n. ıan Recuerda la relaci´n de recurrencia utilizada en el Ejemplo 1. Repreo senta.010910.10. ´sta ultima m´s pr´xima al valor real..1x + 1.3 · Nociones sobre representaci´n de datos e implicaciones sobre la precisi´n num´rica65 o o e Ejemplo 4.. Debes extremar precauu ciones cuando utilices relaciones de recurrencia que envuelvan restas.09909. un caso m´s en el que se pierde precisi´n al restar dos a o n´meros del mismo signo y magnitd comparable. x2 = −0.10. x2 = −0.3. .

66 4 · Introducci´n al lenguaje de programaci´n C (II) o o .

Cap´ ıtulo 5 Introducci´n al lenguaje de programaci´n o o C (III) Las sentencias o proposiciones de control de flujo de un lenguaje especifican el orden en que se realizan las computaciones. else.1. Formalmente la sintao xis es 67 . el punto y coma es un terminador de sentencia. Con las llaves se agrupan declaraciones y sentencias en una proposici´n compuesta o bloque. Las llaves que rodean las proposiciones m´ ltiples o u despu´s de if. switch.). while. e If-Else La proposici´n if-else sirve para tomar decisiones. while. if . Ejemplos de uso Una expresi´n como x=0 o i++ o printf () se convierte en una proposio ci´n cuando va seguida de punto y coma. i++. como en o x=0. o for son otro ejemplo. Nunca se pone punto y e coma despu´s de la llave derecha que cierra un bloque. 5. y son sint´cticamente equivalentes a o a una proposici´n simple. En el lenguaje C. Sentencias de control de flujo: for.. do. printf(. y no un separador..

Por ejemplo: if (n > 0) if(a > b) z=a. por ello pueden a e o aplicarse abreviaciones. Esto se resuelve asociando a el else al if sin el else m´s cercano. hay ambig¨edad cuando u se omite un else en una secuencia de if anidados. else z=b. La parte else se asocia con el if m´s interior. Else-if La construcci´n o if (expresi´n) o proposici´n o . como se indica en el sangrado. Un if simo o plemente comprobar´ el valor num´rico de una expresi´n. Lo m´s elemental es escribir a if (expresi´n) o en lugar de if (expresi´n !=0) o Dado que la parte else de un if-else es opcional. u o si tiene un valor distinto de cero). si es cierta (es decir. se ejecuta proposici´n-2. } else z=b. o (expresi´n es cero) y existe parte else. Si es falsa. a Si no fuera as´ hay que utilizar llaves.68 if (expresi´n) o proposici´n-1 o else proposici´n-2 o 5 · Introducci´n al lenguaje de programaci´n C (III) o o donde la parte else es opcional. if (n > 0){ if(a > b) z=a. Se eval´a la expresi´n. se ejecuta la proposici´n-1. como en: ı.

que decide si un valor concreto x aparece en un arreglo u ordenado v de dimensi´n n. } return(-1). Switch . do. if . La funci´n devolver´ la posici´n (un n´mero entre 0 y n − 1) si o a o u x est´ en v.v[n-1]*/ int x.1: Vamos a ver un programa que decribe una funci´n de o b´squeda binaria. while..5. mid. se ejecuta la proposici´n asociada con u o ellas y se acaba la cadena. low=0. se puede omitir el ultimo else.v. a a binary(x. while( low<= high){ mid=(low+high) / 2. high=n-1.1 · Sentencias de control de flujo: for. si alguna es cierta. n. Ejemplos de uso69 else if (expresi´n) o proposici´n o else if (expresi´n) o proposici´n o else proposici´n o es la forma m´s general de escribir una decisi´n m´ltiple. La ultima parte else maneja el caso ”ninguno de los anteriores”. Las expresiones se a o u eval´an en orden. } La decisi´n b´sica es si x es menor.n) /* buscar x en v[0]. ´ Ejemplo 5. Los elementos de v est´n ordenados en orden o a creciente. Si no hay acci´n expl´ o ıcita para el defecto. high.. { int low. switch. mayor o igual que el elemento central o a v[mid] en cada paso.. if(x < v[mid]) high = mid-1. else if(x > v[mid]) low = mid+1. o el de ´ defecto. v[]. cuando no se sustituye ninguna de las otras condiciones. y un -1 si no est´. El c´digo para una proposici´n puede ser simple o o o un bloque entre llaves... else /* encontrado */ return(mid).

default : return -1. case ‘B’: return 2.70 5 · Introducci´n al lenguaje de programaci´n C (III) o o La proposici´n switch es una herramienta especial para decisiones m´ ltio u ples que comprueba si una expresi´n iguala uno entre varios valores conso tantes. case ‘C’: return 3. case ‘D’: return 4. int switch_example( char input_arg ) { switch (input_arg) { case ‘A’: return 1. } } La misma funci´n puede ser escrita con proposiciones if-else: o . y se bifurca a partir de ellos.

1 · Sentencias de control de flujo: for. else if(input_arg == ‘B’) return 2. else if(input_arg == ‘D’) return 4. es decir. } La expresi´n switch debe de ir seguida de un par´ntesis que encierra otra o e expresi´n. do. if . case ERR_TYPE: printf("Error: Dato incompatible. debe ser una expresi´n int. a break. Esta ultima expresi´n debe de ser entera.\n").2: /* Programma que imprime mensajes de error. default: printf("Error: C´digo de error desconocido %d\n".5.h> #define ERR_INPUT_VAL 1 #define ERR_OPERAND 2 #define ERR_OPERATOR 3 #define ERR_TYPE 4 void print_error (int error_code ) { switch (error_code) { case ERR_INPUT_VAL: printf("Error: Valor inicial no v´lido. while. La funci´n es declarada o * void porque no devuelve ning´n valor*/ u #include <stdio. case ERR_OPERAND: printf("Error: Operando no v´lido. else if(input_arg == ‘C’) return 3. o error_code"). puede ser char. es opcional. a break. pero no double. case ERR_OPERATOR: printf("Error: Operador no v´lido. La proposici´n default. } . switch. o o Ejemplo 5. break. En la versi´n de Kernigham o y Ritchie.\n"). Ejemplos de uso71 int switch_example( char input_arg ) { if (input_arg ==‘A’) return 1. break. float o long double. o ´ o long o short. else return -1. basados en el * valor de la variable error_code. a break.\n").\n").

while ( expr2 ) { proposici´n o expr3. j++) fact=fact*j. momento en que la ejecuci´n contin´a despu´s de la proposici´n. j <= val.3: La siguiente funci´n devuelve el factorial del argumento: o long int factorial ( long val) { int j. fact=1. } que escrita mediante la proposici´n while es: o . expr3 ) proposici´n o que es equivalente a: expr1. for (j=2. hace que se produzca una salida inmediata de la o instrucci´n switch. expr2. return fact. } Ejemplo 5. Si es cierta (si no es cero). se ejecuta la proposici´n u o o y se vuelve a evaluar la expresi´n. o u e o La sintaxis en la proposici´n for es: o for ( expr1.72 } 5 · Introducci´n al lenguaje de programaci´n C (III) o o La proposici´n break. o Iteraciones while y for En while ( expresi´n ) o proposici´n o se eval´a una expresi´n. El ciclo contin´a hasta que la expresi´n o u o vale cero.

expr1 y expr3 son asignaciones o llamadas a funci´n y expr2 u o es una expresi´n de relaci´n. j=2. } return fact. Si la comprobaci´n expr2 no est´ se o a supone que es cierta. La e sintaxis es do proposici´n o while ( expresi´n).”que casi siempre encuentra aplicaci´n o en la sentencia for. do. o Primero se ejecuta la proposici´n y luego se eval´a la expresi´n. fact=1. o o Otro operador de C es la coma ”. Una pareja de expresiones separadas por una coma se eval´a de izquierda a derecha.1 · Sentencias de control de flujo: for. } Gramaticalmente las tres componentes de un for son expresiones. La ejecuci´n termina ı o cuando la expresi´n resulta falsa. j++. La sentencia break . hace la comprobaci´n al final. En caso o u o de ser cierta se ejecuta de nuevo y as´ sucesivamente. Por tanto en una proposici´n for es posible situar varias o expresiones en cada una de sus partes. M´s a com´nmente. Ejemplos de uso73 long int factorial ( long val) { int j. aunque o o deben mantenerse los puntos y coma. o Break A veces es necesario tener la posibilidad de salir de un ciclo por un lugar distinto al de las comprobaciones del comienzo o del final. La elecci´n entre un ciclo while o for suele ser una cuesti´n de gusto. Pueden omitirse cualquiera de las tres. despu´s de o o e la pasada sobre le cuerpo del ciclo. Iteraciones do-while Las iteraciones while y for comparten la util caracter´ ´ ıstica de comprobar la condici´n de terminaci´n al comienzo en lugar de hacerlo al final. if . switch. Y ´ste se ejecuta al menos una vez. El tercer o o tipo de iteraci´n en C. while (j <= val) { fact=fact*j. do-while. while. y el tipo del resultado es el mismo que el de u operando derecho.5.

.){ .... La proposici´n break. Sin embargo en algunas (pocas) ocasiones. tal como la salida de dos ciclos a la vez. Saltos (goto) y etiquetas El lenguaje C contiene la infinitamente seductora sentencia goto. o Ejemplo 5. en la misma forma que de switch. i < N..) for(. inici´ndose la ejecuci´n del mismo para un nuevo valor de a o i.74 5 · Introducci´n al lenguaje de programaci´n C (III) o o proporciona una salida forzada de for.4: for (i=0. i++){ if (a[i] < 0) /*salta los elementos negativos*/ continue. while.. Formalmente goto no es necesario nunca y siempre se puede evitar. El uso m´s normal consiste en abandonar el proceso en alguna ´ a estructura profundamente anidada. error: arregla el desatre Ejemplos de uso . junto a las etiquetas a las que saltar. En while y do. while y do.. significa que la parte de comprobaci´n se ejeo cute inmediatamente... que o la contiene. el cuerpo del for se abandona. . } . en for. for(. ya que s´lo abandona o o el ciclo interno. pero se usa meo a nos. no resulta efectiva en este caso. do). if (desastre) goto error. a Continue La proposici´n continue est´ relacionada con break. no a switch). Una sentencia break obliga a una salida inmediata del ciclo (o switch) m´s interior. puede resultar util. Obliga a ejecutar la siguiente iteraci´n del ciclo (for.. el control pasa a la etapa de reinicializaci´n o (continue se aplica s´lo a ciclos. /* trata los positivos */ } Notar que cada vez que se ejecuta la sentencia continue....

int m[4][4]={2. c<=3.5. %d)\n".-1.5.2.f<=3. %d)\n". c++) if(m[f][c]==-1) { printf("(%d.1. f.4.f<=3. int m[4][4]={2.1.c).3. for (f=0.c). %d)\n".-1.-1.0}.2.4.0}. } /**************Fichero salir 3.-1.2.-1.1.c ********/ #include <stdio.-1. c++) if(m[f][c]==-1) goto salir.c). salir: if(f<4 && c<4) printf("(%d. break. f.-1.f .-1.f++) for(c=0.5.-1.1. switch.f++) for(c=0.-1.h> main() { int c.f . int m[4][4]={2.1 · Sentencias de control de flujo: for.4. if(f<4 && c<4) printf("(%d. for (f=0.5. c<=3.f++) for(c=0.c).} if(f<4 && c<4) printf("(%d.c********/ #include <stdio.1.3.0}.1.-1.4. do. f. for (f=0.-1.c). f.-1.f<=3.h> main() { int c. %d)\n". Ejemplos de uso75 /******* Fichero salir.2.2. } /***********Fichero salir2.2. while. f.f . if .-1.h> main() { int c.c *************/ #include <stdio.4.2. .-1.2. c<=3.2. c++) if(m[f][c]==-1) printf("(%d.4. %d)\n".3.

b. La nueva o sintaxis conocida como forma prototipo viene a ser /* Prototipo de definici´n de una funci´n*/ o o int func_def(int a. Cuando encuentra en una fila el valor −1. .c: lee la matriz por filas.76 } 5 · Introducci´n al lenguaje de programaci´n C (III) o o Objetivo de los tres programas anteriores: 1. Funciones: anatom´ y uso ıa Las funciones dividen grandes trabajos de computaci´n en partes m´s o a breves y aprovechan la labor realizada por otras personas en lugar de partir de cero. salir2. . o 3.2. nos da su posici´n y acaba. salir3. Los programas escritos e C normalmente constan de una gran cantidad de peque˜as funciones en lugar de pocas y grandes. o En cuanto a sintaxis. mientras que tradicio- . que es equivalente en la forma tradicional. Es decir en la nueva sintaxis.c: nos indica la posici´n de todos los −1 de la matriz. nos da su posici´n y salta de fila. salir. a los archivos fuente pueden compilarse por separado y enlazarse junto con funciones de biblioteca compiladas con antelaci´n. hay dos formatos para definir una funci´n.b. a /* Forma tradicional de definici´n de una funci´n*/ o o int func_def( a. c) int a. { . dentro del par´ntesis que recoge la lista e de argumentos. int c).c. Un programa n puede residir en uno o m´s ficheros fuente en cualquier forma conveniente. o 5. int b. aparecen a la vez sus declaraciones.c: lee la matriz por filas y en cuanto encuentra un −1. o 2. { .

Si la funci´n no devuelve ning´n valor. convierte a float */ convierte a float */ OK. el ıan o cuerpo de la funci´n aparece entre llaves. el control del programa vuelve al programa llamador. /* } convierte a float */ OK. A lo largo de un programa. /* OK. si la funci´n o a o devuelve un valor no entero. char c. o Tanto la expresi´n. Tambi´n se pueden realizar o e mediante variables externas.3. /* f2=c. o o return (expresi´n). Si no hay seno u tencia return. cuando se alcanza la llave } que cierra el cuerpo de la funci´n. float f() { float f2. Un programa es entonces un conjunto de definiciones de funciones. return a.5. /* OK. se o u especifica el tipo void.3 · Convenciones sobre el paso de argumentos 77 nalmente. int a. f2=a. La comunicaci´n entre las funciones se efect´a (en este caso) a trav´s de aro u e gumentos y valores devueltos por la funci´n. o El nombre de la funci´n deber´ ir precedido de un tipo. como los par´ntesis de ´sta son opcionales. La sentencia return es el mecanismo para devolver un valor desde la funci´n llamada a su llamador. return puede ir seguido de una expresi´n. dichas declaraciones aparec´ a continuaci´n. Posteriormente. Las funciones aparecen en cualquier orden en el fichero fuente. En este caso el valor o devuelto es indefinido. convierte a float */ 5. los aspectos relacionados con la definici´n de una funci´n. return c. se van utilizando o o . las funciones son indivisibles. Sin embargo. y el fichero fuente puede estar dividido en varios ficheros. Convenciones sobre el paso de argumentos Hemos visto en el apartado anterior. Una funo e e ci´n puede contener cualquier n´mero de sentencias return.

El prop´sito o general de una alusi´n es decir al compilador qu´ tipo de valor devuelve la o e funci´n. En general hay dos tipos de alusiones: prototipo y no-prototipo. sin embargo es una buena costumbre declarar todas las funciones que van a ser llamadas. La sintaxis o general es nombre_funci´n ( argumento1. Si la conversi´n no es a o o posible. No es necesario declarar funciones que devuelven valores enteros. o u o Se considera por defecto que todas las funciones devuelven un valor entero. argumento2. o Una llamada a una funci´n es la invocaci´n a dicha funci´n. con la consiguiente falta de precisi´n. float x). puede haber conversiones o autom´ticas. generalmente en otro fichero distinto. Una alusi´n no-prototipo a una funci´n declara el tipo de retorno de la funci´n. y declarar el n´mero y tipo de argumentos que toma dicha funci´n. junto a las declaraciones de las variables y antes de la llamada a la correspondiente funci´n. el compilador manda mensajes de error. En cuanto al tipo.78 5 · Introducci´n al lenguaje de programaci´n C (III) o o funciones. Por ejemplo: ..argumentok). extern int f(void). mediante su llamada o alusi´n. o Una alusi´n a una funci´n es una declaraci´n de una funci´n que est´ deo o o o a finida en cualquier sitio.. Las alusiones prototipo permiten a˜adir el n´mero y tipo de argumento n u empleado: extern int new_function(int j. En este o o o punto el programa pasa el control a la correspondiente funci´n... Para declarar una funci´n que no toma argumentos se emplea el tipo o void. T´ ıpicamente aparecen las declaraciones de las funciones en la cabecera del programa. o o o pero no el n´mero o tipo de argumentos que emplea: u extern old_function(). o En las llamadas de una funci´n debe haber el mismo n´mero de arguo u mentos que en su declaraci´n.

f(j.. double x. la ıdo o sentencia a=f()/3. privada.5..3 · Convenciones sobre el paso de argumentos { extern void f(int *). es equivalente a a=1/3. 79 Sin embargo en: { extern void f(float. las funciones siempre devuelven un valor de retorno. En el lenguaje de programaci´n C. . de cada argumento. o o Cuando aparece el nombre de un arreglo como argumento de una funci´n. float x.x). f(x). si f () devuelve un 1. En una o funci´n. cada argumento es una variable temporal inicializada con el valor o con el que se llam´ la funci´n. /* ilegal. no se copian los elementos. no se puede convertir un float a un puntero*/ . /* se convierte un long a float y double a short */ . La o funci´n puede alterar el valor de elementos del arreglo subindexando a partir o de esta posici´n. que es sustitu´ por la llamada a la funci´n. Ello hace que el arreglo se pase por referencia. long j. Esto significa que la funci´n no puede o alterar el valor del argumento original en la funci´n que la llama. short).. o se pasa la direcci´n de comienzo del mismo. la funci´n llamada recibe una copia o o temporal. M´s adelante o a veremos el uso de apuntadores para alterar el valor de argumentos que no sean arreglos. Por ejemplo.. A menos que en la declaraci´n de la funci´n aparezca que el tipo de o o retorno es void.

o o Variables declaradas a nivel externo (fuera de toda definici´n de funci´n) o Las funciones y variables externas que constituyen un programa en C no tienen que ser compiladas todas a la vez. Clases de almacenamiento Hemos comentado ya alg´ n aspecto sobre el ´mbito definici´n y validez u a o de las variables. extern (global o funci´n).80 5 · Introducci´n al lenguaje de programaci´n C (III) o o 5. La clase de almacenamiento puede alterarse con los calificadores: 1. Es importante distinguir entre la declaraci´n de una variable externa y o su definici´n. de ambito local). static (local. Si las l´ ıneas: int sp. tama˜o. Una declaraci´n da a conocer las propiedades de una variable o o (su tipo. global o fichero. y puede enlazarse. o o o Hay cuatro tipos de ambito de validez de las variables en C: local o ´ bloque. . double val[MAXVAL]. ´ 3. Una variable puede ser limitada a un bloque. etc. auto (almacenamiento autom´tico. a a 2. o Por defecto todas las variables llevan asociada una clase de almacenamiento que determina su accesibilidad y existencia. o Se pueden utilizar los calificadores static o extern o ninguno.).4. funci´n y estructura. register (almacenamiento en un registro. de ´mbito local). a un fichero. La declaraci´n extern es obligatoria si se ha de hacer referencia a una variable externa o antes de su definici´n o si est´ definida en un archivo fuente que no es aquel o a en el que se usa. a una funci´n o a una declaraci´n de una funci´n prototipo. El ambito de validez de una variable externa abarca desde el punto de ´ su declaraci´n en un archivo fuente hasta el fin del archivo. o 4. El texto fuente del programa puede mantenerse en varios archivos. una definici´n produce tambien una asignaci´n de n o o memoria. global o funci´n).

Hay o que inicializarlas expl´ ıcitamente. Los otros archivos deber´n contener declaraciones extern para acceder a ´l. no declarada o auto: en este caso s´lo es visible dentro del bloque. 3.4 · Clases de almacenamiento 81 aparecen fuera de cualquier funci´n def inen las variables externas sp y val. La declaraci´n es del tipo: o 2. Las o l´ ıneas: extern int sp. static: las variables est´ticas constituyen la tercera clase de almacenaa miento adem´s de las extern y las autom´ticas. Si se utiliza el calificador static. o a un valor especificado. Las variables internas est´ticas son locales a una funci´n en la misma forma que las a o autom´ticas. o obligan a asignar memoria y sirven de declaraci´n al resto del archivo. 4. pero no crean las variables ni les n asignan memoria. pero a diferencia de ´stas. su existencia es permanente. Este tipo de almacenamiento es v´lido para los tipos int char a a y punteros. El califia a cativo static se puede utilizar a nivel externo o interno. o register es la cuarta y ultima clase de almacenamiento. interno o externo. hace accesible la variable a m´dulos a los cuales o no lo es. Una decla´ raci´n register avisa al compilador de que la variable en cuesti´n o o ser´ muy usada. Se inicialio zan por defecto a 0. extern double val[]. Si es posible. extern a nivel interno. Variables declaradas a nivel interno (dentro de un bloque) Pueden ser: 1.5. El almacenamiento est´tico. . ya tratadas. a e en lugar de aparecer y desaparecer al activar la funci´n. La o variable es externa si se define fuera de las funciones e interna si se define dentro de una funci´n. S´lo debe de haber un definici´n de una variable externa o o entre todos los archivos que constituyen el programa fuente. s´lo se puede acceder a ella o desde el propio fichero fuente. la variable register ser´ almacenada a a en los registros de la m´quina. declaran para el resto del archivo fuente que sp es un entero y val un arreglo double (cuyo tama˜o se fija en otro lugar). La declaraci´n a e o de una variable externa inicializa la variable a 0 por defecto. se a especifica al prefijar la declaraci´n normal con la palabra static. lo que producir´ programas cortos y a a r´pidos.

} S´lo unas pocas variables en cada funci´n se pueden mantener en reo o gistros. var1. La parte int puede omitirse. var3.82 5 · Introducci´n al lenguaje de programaci´n C (III) o o register int x. . register s´lo se aplica a variables autom´tio a cas y a los par´metros formales de una funci´n. funcion_1() { int var1=15.n.. La declaraci´n ser´: a o o a f(c. } int var1=5. var2).. Una variable register ha de ser inicializada expl´ ıcitamente. var2+=5. var1. } ¿Qu´ valores se imprimen en el programa anterior? e Soluci´n: 7 0 0 0 o 15 10 .n) register int c. funcion_1(). La declaraci´n se ignora si hay declaraciones excesivas o no o permitidas. var4). Ejemplo de uso main() { extern int var1. var1+=2. static var2=5. register int var3=0. printf("%d %d \n". int var4=0. { register int i. var2. static int var2. register char c. printf("%d %d %d %d\n".

} --------------------------/* En otro fichero*/ extern int var. if ( n < 0 ){ putchar (‘-’). } . var). /* escribe 6*/ funcion_1().5. } int var=5. putchar(n % 10+‘0’). /*escribe 7*/ funcion_2(). var). printf("%d \n". funcion_2() { var++. var2 entrar´ valiendo 10). o extern int var. funcion_1() { var++. Recursi´n o Una funci´n recursiva es una funci´n que se llama a s´ misma.5 · Recursi´n o 83 ıa (Si se llamase otra vez a la funci´n funcion 1. } if(( i=n/10)!= 0) printd(i). var). printf("%d \n". /* escribe 8*/ } 5. n=-n. main() { var++. Por ejemo o ı plo: printd(int n) /* imprime n en decimal (recursiva) */ { int i.5. printf("%d \n".

que es independiena te de la anterior.c.84 5 · Introducci´n al lenguaje de programaci´n C (III) o o Cuando una funci´n se llama a s´ misma recursivamente.].c=1991..).b.h se encuentran las funciones I/O. hace i = 0 y escribe 1.b.6.. o 5. como los arboles.. Est´ especialmente pensado para estructuras a definidas recursivamente. Tampoco ser´ m´s a a a r´pida. Por tanto.h> int printf (const char *formato[.h> main() { int a. que veremos m´s adelante. En la vuelta hacia arriba la segunda printd escribe un 2 y la primera escribe un 3. Algunas de ellas son: printf() #include <stdio. Ejemplo de uso #include <stdio. Dicho fichero contiene las declaraciones prototipo de todas las funciones I/O. pero el c´digo recursivo es m´s compacto y a menudo m´s sencia o a a llo de escribir y comprender. La tercera toma n igual a 1. La recursividad generalmente no ahorra memoria pues ha de mantenerse una pila con los valores que est´n siendo procesados. Salida con formato.b=350... El primer argumento es un vector car´cter que puede cona tener texto y expresiones de control de formato. Los siguientes argumentos representan los datos a ser escritos. ´ a Nota: Trata de escribir la funci´n anterior. cada invocaci´n o ı o crea una nueva copia de todas las variables autom´ticas. printf ("a=%6d\t b=%6d\t c=%6d\n".a. en printd().c). La segunda printd pasa 1 a la tercera. a=20. sin emplear su recursividad. Pasa 12 a la segunda printd.argumento 1. Escribe los datos formateados en la cadena de salida standard (stdout). printf ("\n Los resultados son:\n").. Funciones definidas en stdio y math En stdio. la primera vez n=123. } .

a Ejemplo de uso #include <stdio. Vimos esta funci´n en el primer cap´ o ıtulo dedicado a C.. Lee datos de stdin en la forma especificada por un vector de formato. Ejemplo de uso #include <stdio. La funci´n getchar() lee del fichero est´ndar de o a pantalla (stdin) un car´cter y avanza una posici´n..). } Resultado: Lee de la pantalla. char c. b. Entrada de caracteres.&b. &a. por ejemplo: 5 23.argumento 1.5..h> main() { int a. scanf ("%d %f %c".float b. Cuando llega al final del a o fichero lee el car´cter EOF.h> int getchar (void).6 · Funciones definidas en stdio y math Resultado: Los resultados son: a= 20 b = 350 c = 1991 85 scanf() #include <stdio. La sintaxis y sem´ntica de scanf() es la inversa de la a de printf().h> main() { .. c. Entrada con formato. getchar() #include <stdio. donde el argumento representa un puntero a la variable que se quiere leer.4 b y lo almacena en las variables correspondientes: a.]. &c).h> int scanf (const char *formato[.

h> main() { int car=4. Escribe su argumento en la cadena de salida standard (stdout) y devuelve el car´cter escrito. fputc() 2.86 int car. es a o equivalente a putc(c. y desde ficheros y dispositivos. La E/S. en el procesamiento de ficheros. car=getchar(). hace las operaciones de e entrada y salida m´s eficientes. Funciones est´ndar de entrada/salida. a putchar() #include <stdio. La expresi´n putchar (c). stdout). Salida de caracteres. } 5 · Introducci´n al lenguaje de programaci´n C (III) o o Resultado: Lee un car´cter y lo almacena en la variable car. Manipulando ficheros a Permiten escribir y leer datos a.h> int putchar (int c). putchar(car). Dependiendo de los datos que se deseen leer a o escribir se utilizan las siguientes funciones: 1. Ejemplo de uso #include <stdio. Datos le´ ıdos o escritos car´cter a car´cter: a a fgetc(). Datos le´ ıdos o escritos palabra a palabra (palabra m´quina=valor a int(normalmente 2 bytes): . implementada en software. Esta t´cnica. } Resultado: Escribe en pantalla el valor 4. se realiza a trav´s de un buffer o memoria e intermedia.

fputs() 4. fprintf() 5.5. Datos le´ ıdos o escritos como cadena de caracteres: fgets(). fwrite() .6 · Funciones definidas en stdio y math fgetw(). Datos le´ ıdos o escritos con formato: fscanf(). 87 Datos de longitud fija (estructuras o arrays) le´ ıdos como registros o bloques: fread(). fputw() 3.

con el formato especificado. Cierra el fichero asociado con la cadena especificada. Ejemplo de escritura en un fichero de nombre resul . Dicha funci´n deo vuelve un cero.h> int fprintf (FILE *pf.).h> int fscanf (FILE *pf.h> int fclose (FILE *cadena). El segundo argumento es un puntero a una cadena de caracteres que identifica el tipo de acceso al fichero. si termina satisfactoriamente y un elemento nocero (EOF) si sucede alg´ n error. Escribe sus argumentos (arg) en el fichero apuntado por pf.arg].). Abre el fichero identificado por nombrefichero y asocia una cadena con dicho fichero. o fscanf() #include <stdio.arg].. Lee sus argumentos (arg) del fichero apuntado por pf. La descripci´n del formato es la misma que en printf.. const char *modo de acceso).h> FILE *fopen (const char *nombrefichero. con el formato especificado..88 5 · Introducci´n al lenguaje de programaci´n C (III) o o Abrir y cerrar ficheros fopen() #include <stdio. fclose() #include <stdio. u Salidas y entradas con formato fprintf() #include <stdio. Cada formato debe ser un puntero a una variable en la que queremos almacenar el valor le´ ıdo. const char *formato[.. const char *formato[.

h> main() { FILE *presul.h a En < math. primo. for(i=0. fprintf (presul.6 · Funciones definidas en stdio y math /* Este fichero realiza el mismo calculo que primos. if(presul != NULL) { #define SIZE 1000 char flags[SIZE+1]. "Hay %d numeros primos\n ". "%d\n" . k+= primo) flags[k]=0. } } fprintf (presul. "w"). int i.h > se encuentran las funciones matem´ticas. divididas en tres grupos: trigonom´tricas e hiperb´licas. i++) { if(flags[i]) { /*primo encontrado */ primo=i+i+3. primo). cuenta++. i++) /* contador */ flags[i]=1. /* inicio de la tabla a 1 */ for(i=0.5. presul = fopen ("resul". cuenta. k<= SIZE. a . cuenta).c. i<=SIZE. i<=SIZE. Funciones definidas en math. cuenta = 0. Todas ellas operan con valores en double. exponenciales y logar´ e o ıtmicas y miscel´neas. pero escribe*/ /* el resultado en un fichero*/ /* Calculo de numeros primos mediante la criba de Eratostenes*/ 89 #include <stdio. k. for (k=i+primo. } } /* quitar todos los multiplos */ Nota: Extrae el algoritmo del programa anterior.

tanh(). sinh(). son quiz´s las m´s ´ a a a utilizadas. fmod(). Por ultimo dentro de las miscel´neas: fabs(). asin(). sin(). . sqrt() entre otras. atan(). se encuentran: acos(). log(). e cos(). Dentro de las exponenciales y logar´ ıtmicas: exp(). cosh(). log10().90 5 · Introducci´n al lenguaje de programaci´n C (III) o o Dentro de las trigonom´tricas. tan().

x1 . p.1. Otros ız m´todos requieren de una aproximaci´n inicial que est´ cerca de la ra´ e o e ız deseada. si queremos resolver ecuaciones no lineales. ello hace que converjan m´s r´pidamente. de la ecuaci´n f (x) = 0. es decir. a a Por simplicidad. xn . Al final del cap´ ıtulo. Veremos que aunque o los m´todos utilizados para la resoluci´n de ecuaciones no lineales son genee o ralizables a la resoluci´n de sistemas de ecuaciones.. Una forma de obtener un aproximaci´n inicial a la ra´ de una ecuaci´n o ız o 91 . Introducci´n o Las ra´ ıces de la ecuaci´n no lineal f (x) = 0 no pueden obtenerse geo neralmente de forma exacta. ız En determinados m´todos.Cap´ ıtulo 6 Algoritmos iterativos 6. Tales o o m´todos son iterativos. comienzan en una aproximaci´n inicial a la e o ra´ y producen una sucesi´n x0 .. supondremos que ız o p ∈ R y f (p) = 0. es suficiente (en t´rminos de convergencia) e e conocer un intervalo [a. todos ellos presuponen o el conocimiento de una buena aproximaci´n de la ra´ Se sabe muy poco. esto es... describiremos someramente algunos procedimientos para la resoluci´n de sistemas de ecuaciones no lineales. Estos m´toe e dos se basan en ideas como la aproximaci´n sucesiva o la linearizaci´n.. nos dedicaremos a estudiar el problema de determinar una ra´ real simple. o ız. de c´mo resolver el problema si no se dispone de informaci´n a priori de la o o localizaci´n de las ra´ o ıces... nos veremos obligados a utilizar m´todos aproximados. b] en el que se encuentra la ra´ buscada. Por ello. que presumiblemente converge ız o a la ra´ deseada.

1: y = senx − x ∈ [ π .7 1.9.2 0. donde las funciones ϕ y ψ son m´s sencillas que f . ϕ(x) = ψ(x). 2 .9 -0. Otra posibilidad es dar valores a la funci´n f (x) y observar los cambios o de signo de los resultados obtenidos. y las ra´ ıces buscadas ser´n entonces las a abscisas de los puntos de intersecci´n de dichas gr´ficas. es mediante su representaci´n gr´fica. se observa que una ra´ a 4 π queda en el intervalo ( 2 .8 1.92 x2 4 .3 0.1 1. se pueden cono a siderar las abscisas de los puntos de intersecci´n de la gr´fica de la funci´n o a o y = f (x) con el eje X.1 Obtener una aproximaci´n de la ra´z real positiva que tiene o ı la ecuaci´n: o x2 − senx = 0 4 Expresando la ecuaci´n de forma equivalente: x = senx.6 1. 6 · Algoritmos iterativos Figura 6. Se representan entonces las gr´ficas de las a a funciones y = ϕ(x) e y = ψ(x). 2). Para ello. A veces es aconsejable sustituir la ecuaci´n dada por otra ecuaci´n equio o valente (es decir con las mismas ra´ ıces). Si se repreo 4 2 ız sentan gr´ficamente las curvas y = x e y = senx. 2] 2 0. posiblemente cerca de x = 1.1 f (x) = 0. o a Ejemplo 6.

.64 0. b1 ) ⊃ (a2 . Resoluci´n de ecuaciones o A lo largo de esta secci´n mostraremos distintos m´todos de resoluci´n o e o de la ecuaci´n f (x) = 0.6 1. En general. Los intervalos Ik = (ak . b). b). . b). tal que u f (c) = k.974 0.. b] y f (a) · f (b) < 0.2. entonces existe c ∈ (a. b3 ).0 x2 4 93 f (x) ¡0 ¡0 ¿0 0. El punto medio del intervalo Ik−1 es: 1 mk = (ak−1 + bk−1 ) 2 . de b´squeda binaria o m´todo de Bolzano. b] y k es o un n´mero cualquiera entre f (a) y f (b). un resultado existente en este sentido es el siguiente: Teorema del Valor Intermedio Si una funci´n f (x) ∈ C[a. tal que f (p) = 0.. son determinados de manera recursiva de la siguiente forma. 2. existe al ı menos un n´mero p ∈ (a..0 senx(calculado en radianes) 0. El problema consiste en encontrar los valores de la o variable x que satisfacen la ecuaci´n f (x) = 0.2 · Resoluci´n de ecuaciones o x 1.0).909 De esta forma se puede concluir que p ∈ (1. o o El primer m´todo basado en el Teorema del Valor Intermedio.8. e o u e 6. bk ). o o Corolario Si una funci´n f (x) ∈ C[a.8 2. la ecuaci´n f (x) = 0 tiene al menos una ra´z en el intervalo (a. u La ra´ p ser´ unica si f (x) existe y mantiene el signo en el intervalo ız a ´ (a.1.9996 0. para una funci´n f dada. 6. b2 ) ⊃ a ız (a3 . Supongamos en particular que f (a0 ) < 0 y f (b0 ) > 0 (´sto o no supone ninguna limitaci´n puesto que en otro caso se podr´ considerar o ıa −f (x) = 0). k = 1. Determinaremos entonces. tales que todos ellos contendr´n en su interior una ra´ de la ecuae ci´n f (x) = 0. una secuencia de intervalos (a1 . se denoe mina m´todo de bisecci´n. 2.6. b0 ) tal que f (a0 )f (b0 ) < o 0.81 1. b).2. Es decir. M´todo de bisecci´n e o Sea f (x) una funci´n continua en el intervalo (a0 ..

y a p = mn+1 ± dn . tenemos la ra´ dentro del intervalo (an .94 6 · Algoritmos iterativos ıamos Podemos suponer que f (mk ) = 0.. tendr´ determinada la ra´ de la ecuaci´n. Computamos f (mk ) y tenemos: ız o (ak . puesto que en otro caso. y adem´s cada intervalo Ik contiene una ra´ de la ecuaci´n f (x) = 0. = n (b0 − a0 ) 2 2 2 ız Tenemos adem´s que mn+1 es un estimador de la ra´ que buscamos. si f (mk ) < 0 (ak . bk ) se sigue inmediatamente que f (ak ) < 0 o a ız o y f (bk ) > 0. bn ) de lone ız gitud: bn − an = 1 1 1 (bn−1 − an−1 ) = 2 (bn−2 − an−2 ) = . Despu´s de n pasos. si f (mk ) > 0 De la construcci´n de (ak . dn = 1 2n+1 (b0 − a0 ) . bk ) = (mk . mk ). bk )..

.2 · Resoluci´n de ecuaciones o Algoritmo 95 Tolerancia = T OL. Paso 1: Sea i = 1 Paso 2: Mientras que i ≤ N U M IT E.75 1. o buscada es mi . hacer: Paso 3: mi = ai−1 + 1 (bi−1 − ai−1 ) 2 ´ Paso 4: Si f (mi ) = 0. es decir f ∈ C 2 [a.. b0 .5. tal que n f (x0 ) = 0 y |x0 − p| peque˜o.90625 f (mk ) ¡0 ¡0 ¿0 ¡0 =0 6.875 1. .875 1.. e x2 4 −senx Ejemplo 6. bi = bi−1 .9375 1.6. e ir al Paso 3. Despu´s de NUMITE iteraciones el proceso e ha terminado sin ´xito.. bi = mi .9375 1. bi−1 −ai−1 2 < T OL. Si f (mi ) > 0. Paso 6: SALIDA.2 El m´todo de bisecci´n aplicado a la ecuaci´n e o o con I0 = (1. se computa una secuencia x1 . 2). ai = ai−1 .5 1. Si consideramos el desarrollo de Taylor hasta grado dos. La ra´ ız Paso 5: Si f (mi ) < 0. 2 .2. xn . M´todo de Newton-Raphson e La idea b´sica del m´todo de Newton Raphson para la resoluci´n de una a e o ecuaci´n f (x) = 0. N´mero de iteraciones= N U M IT E.2.. alrededor de x0 : f (x) = f (x0 ) + (x − x0 )f (x0 ) + (x − x0 )2 f (ψ(x)). genera la secuencia de intervalos: k 1 2 3 4 5 ak−1 1. ha sido descrita en la introducci´n del tema. Valores u iniciales a0 . . b].90625 bk−1 2 2 2 1. A partir o o de una aproximaci´n inicial x0 .9375 mk 1. o o donde xn+1 se determina como explicamos a continuaci´n: Sea f (x) una funci´n continuamente diferenciable dos veces en el intero o ız valo [a.875 1. Sea x0 una aproximaci´n de la ra´ p.75 1. ai = mi . Hacer i = i + 1. b]. x2 . STOP.

Paso 2: Mientras que i ≤ N U M IT E. e Ejemplo 6.3 Dada f (x) = senx − x . la funci´n f (x) es aproximada por su tangente en el punto o o (xn . Valor u inicial x0 . hn = −f (xn ) f (xn ) (6. 2 (6. i = i + 1.1) El m´todo de Newton Rapson se deriva suponiendo que el t´rmino cuae e dr´tico de la anterior expresi´n es pr´cticamente nulo y que: a o a 0 ≈ f (x0 ) + (x − x0 )f (x0 ). f (x) = cosx − x . ız Paso 5: Hacer x0 = xi . Luego para determinar xn+1 tenemos que resolver la siguiente ecuaci´n: o f (xn ) + (xn+1 − xn )f (xn ) = 0 (6. (6.2) Es decir. T OL = 0. Paso 6: SALIDA. f (xn )). Dado el Ejemplo 2.3) El m´todo de Newton-Raphson es definido por la siguiente f´rmula itee o rativa: xn+1 = xn + hn . hacer: Paso 3: xi = x0 − f (x0 ) f (x0 ) Paso 4: Si |xi − x0 | < T OL. STOP.e. La ra´ buscada es xi . Despu´s de NUMITE iteraciones el proceso e ha terminado sin ´xito. i. tomamos. x0 = 1.96 donde ψ(x) est´ entre x y x0 . N´mero de iteraciones= N U M IT E.5.5 · ı 10−5 . Como f (p) = 0: a 0 = f (x0 ) + (p − x0 )f (x0 ) + 6 · Algoritmos iterativos (p − x0 )2 f (ψ(p)). Queremos 4 2 determinar una ra´z positiva con cinco decimales correctos.4) Algoritmo Tolerancia = T OL. 2 . y xn+1 es la abscisa del punto de intersecci´n de la tangente con el eje X. e ir al Paso 3. Paso 1: Sea i = 1.

18838 -0. Se˜alar que el m´todo de la secante a diferencia del m´todo de Newton Raphson requiere de dos aproximaciones iniciales.95201 1. En el ejemplo anteız. incluso teniendo en cuenta que la aproximaci´n inicial es bastante o a a a mala..32191 h(xi ) 0. Entonces no es necesario calcular f (xn ) con o o tanta precisi´n como f (xn ). a partir de dos aproximaciones iniciales. hn = −f (xn ) · xn − xn−1 . M´todo de la secante e El m´todo de Newton Raphson es una t´cnica extremadamente poderosa.5 · 10−5 97 La ra´ buscada es entonces p = 1. es unicamente necesario trabajar con f (xn ) con tantos decimales como ´ deber´ ser correctos en xn+1 . . cuando uno est´ lejos a de la ra´ se puede evitar trabajar con tantos decimales.93375 f (xi ) 0.01826 0. ıa c´mo xn se aproxima a la ra´ se podr´ utilizar f (x2 ) en las iteraciones o i = 3 o 4. o o o Los valores iniciales x0 y x1 .60948 -1. f (xn )) y el eje de las X.2. x3 .00018 < 0. S´lo han sido necesarias 4 iteız o raciones. ´ 6. a partir de la f´rmula iterativa: xn+1 = xn + hn . f (xn−1 )) o e n e y (xn .000233 0. la secuencia x2 . e o x0 y x1 . aproximando el e n )−f (xn−1 valor de la derivada f (xn ) por el cociente incremental f (xxn −xn−1 ) . o ıa a a e de f (x) es todav´ m´s complicada y necesita m´s operaciones aritm´ticas para su c´lculo que f (x). de manera que se cumple: f (x0 ) · ız .303197 -0. son los extremos del intervalo de referencia en el que se encuentra la ra´ buscada. rior. la derivada ha sido calculada ıan con una innecesaria precisi´n. Calcular.14039 1. e pero s´lo se requiere de una evaluaci´n de la funci´n en cada paso.93393 1. Sin embargo. e e pero tiene una dificultad grande: la necesidad de conocer el valor de la derivada de f en cada aproximaci´n de la ra´ Habitualmente la expresi´n o ız.93375..67926 -1.024372 -0.2 · Resoluci´n de ecuaciones o i 0 1 2 3 4 xi 1. a El m´todo de la secante trata de evitar este problema. f (xn ) = f (xn−1 ) f (xn ) − f (xn−1 ) La interpretaci´n geom´trica de este m´todo es que xn+1 se calcula como o e e la abscisa del punto de intersecci´n entre la secante a trav´s de (xn−1 .000005 f (xi ) -0. Vemos tambi´n que |hi | decrece m´s y m´s r´pidamente hasta que los e errores de redondeo empiezan a dominar.. Como la precisi´n de f (xn ) es la que nos dice o ız. Esto genera el siguiente m´todo. En este caso.3.5 2.64039 -0.6.00018 -1.34805 -0.434995 -0.

Paso 6: SALIDA. Paso 2: Mientras que i ≤ N U M IT E.93384 1.5915 > 0. Por lo tanto trabajaremos con g(x) = −f (x) = x − senx.59147 0.93375 1. e Ejemplo 6. e ir al Paso 3.5 · 10−5 . f (1) = 0.0907 < 2 0.000114 -0.000005 h(xi ) 2 -0. Valores u iniciales x0 y x1 .00009 Este ejemplo.e. N´mero de iteraciones= N U M IT E. x1 = 2. Quereo 4 mos determinar una ra´z positiva con cinco decimales correctos.084980 -0. La ra´ buscada es xi .86704 1. por simplicidad que f (x0 ) < 0 y f (x1 ) > 0. o Algoritmo Tolerancia = T OL. de donde se deduce la o f´rmula iterativa anterior. x0 = 1.98 6 · Algoritmos iterativos e o f (x1 ) < 0. T OL = ı 0.13296 0.4 Tomamos de nuevo la ecuaci´n f (x) = senx − x .00249 -0. En caso de suceder lo contrario resolveremos la ecuaci´n −f (x) = 0.93135 1. y = 0. f (2) = −0. i.93375 g(xi ) -0.090703 -0. f (xn−1 )) y por o (xn . Esto e .003177 0. Como en el m´todo de bisecci´n consideraremos. hacer: (xi−1 −xi−2 ) Paso 3: xi = xi−1 − f (xi−1 ) (f (xi−1 )−f (xi−2 )) Paso 4: Si |xi − xi−1 | < T OL. o Nota: La ecuaci´n de la secante que pasa por (xn−1 . f (xn )) es: y − f (xn−1 ) x − xn−1 = xn − xn−1 f (xn ) − f (xn−1 ) En el punto de intersecci´n con el eje X. ız Paso 5: Hacer i = i + 1. proporciona la misma precisi´n con el mismo n´mero de o u iteraciones en el m´todo de Newton-Raphson que en el de la secante.06431 0. 4 i 0 1 2 3 4 5 6 xi 1 2 1. Tomamos. STOP. Despu´s de NUMITE iteraciones el proceso e ha terminado sin ´xito. Paso 1: Sea i = 2.

estaba muy cerca de (x n a la ra´ Cuando |xn − xn−1 | es peque˜o. En el m´todo de regula falsi. una pobre precisi´n en el otro factor. e Las aproximaciones iniciales x0 y x1 . A diferencia del m´todo de Newton-Raphson. o 6. deben ser elegidas tambi´n.2 · Resoluci´n de ecuaciones o 99 puede ser debido a que una de las aproximaciones x1 . los errores de redondeo pueden hacer que |xn − p| sea grande. Regula Falsi El m´todo de regula falsi o de la falsa posici´n entra dentro de los m´toe o e dos de interpolaci´n. es que es siempre convergente para funciones continuas o f (x). )−f (xn−1 minado en general con una pobre precisi´n relativa. elegimos o las aproximaciones iniciales x0 . f (xn ) = f (xn−1) f (xn ) − f (xn−1) de manera que se puede obtener una cancelaci´n cuando xn ≈ xn−1 y o f (xn )f (xn−1 ) > 0. x1 muy cerca de p.2. muy utiles a la hora de determinar los ceros de una o ´ funci´n real f (x) cualquiera. o e en los m´todos de interpolaci´n no se necesita calcular la derivada de f . La ventaja del m´todo de regula falsi. El an´lisis de errores que haremos a posteriormente nos dir´ que el m´todo de la secante proporciona en general a e una secuencia tal que |xn − xn−1 | >> |xn − p|. En contraste con el m´todo de la secante. El m´todo de Newton-Raphson o el de la secante se utilizan frecuentee mente para refinar las respuestas obtenidas mediante otras t´cnicas. Si por ejemplo. como e el m´todo de bisecci´n. donde n es el mayor ´ para el cual f (xn )f (xn ) < 0. sin embargo. f (xn )) y (xn . la secante entre (xn .4. se elige en cada iteraci´n e e o ındice. sin embargo. a a a En este sentido. pero e o a necesitan una buena primera aproximaci´n. que la ecuaci´n de recurrencia anterior puede ser n o expresada de la forma: xn+1 = xn−1 f (xn ) − xn f (xn−1) . n < n. y e o adem´s convergen m´s r´pidamente. resulta ser de menor importancia. o Se˜alar. se puede considerar tambi´n como una variante del e m´todo de la secante. El motivo es que dan convergencia r´pida. Una an´lisis m´s minucioso muestra que la contribuci´n dominante al a a o a error relativo de hn proviene del error cometido en el c´lculo de f (xn ). el m´todo e e .6. al igual que el de bisecci´n. f (xn )). de e manera que f (x0 ) · f (x1 ) < 0. el cociente f (xnn −xn−1 ) ) ser´ deterız.

bn ] contiene entonces al menos un cero de f (x). si f (xn ) · f (an ) > 0 an+1 = an . hace que f (an ) · f (bn ) = 0. luego xn est´ bien definido. satisface an < xn < bn ´ bn < xn < an . El o intervalo [an . Comenta los o resultados que obtienes. En este a a o caso. b0 ] = [x0 . (es decir NUMITE puede . 6. se determina en cada iteraci´n un intervalo [an .2. y probarlo e con la ecuaci´n dada en los Ejemplos 1.3. a menos que f (xn ) = 0. aunque conceptualmente claro.1. En general se sigue la siguiente f´rmula iterativa: o xn = an − f (an ) = bn − an = f (bn ) − f (an ) bn f (an ) − an f (bn ) f (an ) − f (bn ) (6. bn ]. El planteamiento es similar al del m´todo de bisecci´n donde a partir e o de un intervalo inicial [a0 . bn+1 = xn . Ejercicio 1 Intenta especificar el algoritmo para el m´todo de regula falsi. Adem´s. Comparaci´n de los distintos ordenes de cono ´ vergencia Convergencia del m´todo de bisecci´n e o 6. Converge muy lentamente. de forma que f (an ) · f (bn ) < 0. Esto lo e probaremos m´s adelante. y los valores an se determinan de manera que convergen hacia uno de estos ceros. x1 ].3 y 4 anteriores.3. El m´todo de bisecci´n. si f (xn ) · f (an ) < 0 El algoritmo termina cuando f (xn ) = 0.6) El hecho de que f (an ) · f (bn ) < 0.100 6 · Algoritmos iterativos de regula falsi es un m´todo de primer orden (convergencia lineal). parte de un m´todo h´ e ıbrido que tendr´ buenas propiedades cerca de la ra´ ıa ız. (f (x0 ) · f (x1 ) < 0). tiene inconvee o nientes importantes. bn+1 = bn . se define: an+1 = xn .5) (6. a El m´todo de regula falsi es considerado un buen m´todo siempre que no e e se utilice en un entorno muy pr´ximo de la ra´ Puede ser utilizado como o ız.

para n suficientemente grande |βn | donde K es una constante independiente de n. no debemos olvidar una propiedad importante del m´todo. para todo n. a Ejemplo 6. o Se trata de encontrar n tal que: |xn − p| = 10−5 ≤ 1 (b − a) = 2−n 2n (6. n ≥ 1. y es que se trata de un m´todo que converge siempre a una e e soluci´n. la desigualdad o a o (6. Teorema 2 Sea f ∈ C[a.• 2 2 2 De acuerdo con la definici´n de rapidez de convergencia. b) Ya que xn = 1 (an + bn ). 2].7) Demostraci´n: para cada n ≥ 1. se sigue que 2 1 1 1 |xn − p| = | (an + bn ) − p| ≤ | (an + bn ) − an | = (bn − an ) = 2−n (b − a).6. una buena aproximaci´n intermedia puede ser desechada sin que nos u o demos cuenta. si |αn − α| ≤ K. b] = [1. y p ∈ (a. tomando como intervalo inicial [a. Es importante hacer converge a 0 con una rapidez de convergencia O(2 notar que teoremas como ´ste. e ´ que en la pr´ctica pueden ser muy inferiores. tenemos o bn − an = 1 2n−1 (b − a). o bien αn → α con una rapidez O(βn ). Sin embargo. o Definici´n 1 Diremos que la sucesi´n {αn }∞ converge a α con rapidez o o n=1 de convergencia O(βn ). donde {βn }∞ es otra sucesi´n con βn = 0 para cada o n=1 n. El procedimiento de bisecci´n genera una sucesi´n xn que aproxima a p con la propiedad o o |xn − p| ≤ 1 (b − a). unicamente acotan superiormente los errores.8) .3 · Comparaci´n de los distintos ´rdenes de convergencia o o 101 n a ser muy grande antes de que |xn − p| sea suficientemente peque˜o) y. Esto se indica escribiendo αn = α + O(βn ). 2n (6. tal que f (a) · f (b) < 0. b]. m´s a´n.5 Determinar aproximadamente el n´mero de iteraciones u necesarias para resolver la ecuaci´n f (x) = x3 + 4x2 − 10 = 0 con una o precisi´n de 10−5 .7) implica que {xn }∞ converge a p y est´ acotada por una sucesi´n que n=1 −n ).

b]. o 6. que caiga en el ı o o intervalo [a. o Si α = 1. x0 = a ´ x0 = b. f (a) · f (b) < 0. entonces. o o n=0 para cada n ≥ 0. entonces puede e tomarse cualquier valor c ∈ [a.6 log10 2 Seg´n la expresi´n anterior se requieren como mucho 16 iteraciones para u o obtener una aproximaci´n con precisi´n 10−5 . Si f (a) · f (b) < 0. Teorema 4 Sea f ∈ C(−∞. calcular una ra´z unica. y f (x) y f (x) son no nulas y conservan el signo para a ≤ x ≤ b. o que la convergencia es de orden α. Convergencia del m´todo de Newton-Raphson e Definici´n 2 Sea {xn }∞ una sucesi´n que converge a p y en = xn − p. o o Otra caracter´ ıstica a se˜alar de este m´todo es que su velocidad de conn e vergencia es completamente independiente de la ecuaci´n a resolver. b]. Si α = 2. el m´todo se denomina lineal o de primer orden. con una constante n=0 de error asint´tico λ.3. es posible o utilizando el m´todo de Newton (f´rmula (6. Se puede tomar. por ejemplo. pues la tolerancia est´ dada en base 10). b] que satisface f (x0 ) · f (x0 ) > 0. e a Teorema 3 Sea f ∈ C 2 [a. Si existen dos n´meros positivos λ y α tales que u limn→∞ |xn+1 − p| |en+1 | = limn→∞ =λ α |xn − p| |en |α entonces se dice que {xn }∞ converge a p con orden α. e o ı ´ de la ecuaci´n f (x) = 0 con cualquier grado de precisi´n. el e m´todo se denomina cuadr´tico o de segundo orden. al aplicar el m´todo de Newton-Raphson. . b] como valor inicial x0 al utilizar el m´todo de Newton para hallar una ra´z de la ecuaci´n f (x) = 0. a partir de una aproximaci´n inicial x0 ∈ [a. a tenemos que log10 (10−5 ) = −5 ≤ log10 (2−n ) 5 −nlog10 2 ≥ −5 ⇒ n ≤ ≈ 16. se debe aplicar o e ıjase el extremo del intervalo la siguiente regla: para el punto inicial x0 el´ (a. Si f (x) existe en cualquier punto y conserva el signo. p. f (x) = 0 para a ≤ x ≤ b. o o Por esta raz´n. ∞).102 6 · Algoritmos iterativos Tomando logaritmos (en base diez. b) asociado con una ordenada del mismo signo que el de f (x0 ).2)).2.

9) y teniendo en cuenta la expresi´n (6.3 · Comparaci´n de los distintos ´rdenes de convergencia o o 103 N´tese que en la f´rmula iterativa (6. las correciones ız e n ser´n entonces mayores. El siguiente resultado ilustra la importancia o te´rica de la elecci´n de x0 . pero si el valor num´rico de la derivada es peque˜o. resalta la importancia de una buena aproximaci´n inicial. Si p ∈ [a.1) a (6. para cualquier aproximaci´n inicial o una sucesi´n {xn }n=1 o x0 ∈ [p − δ. El m´todo de Newton.2) es que el t´rmino que contiene o e a (p − x0 )2 puede ser eliminado.4). Dividiendo por f (xn ) y despejando p: p = xn − 1 f (ψn ) f (xn ) − · (p − xn )2 . no se cumple a menos que x0 sea una buena aproximaci´n de p. a partir de la o o e serie de Taylor. si la curva y = f (x) es casi o horizontal en un entorno del punto de intersecci´n con el eje X.11) . es por lo tanto. el m´todo de Newton-Raphson genera e ∞ que converge a p. p − xn+1 = − · 2 f (xn ) Entonces 1 f (ψn ) en+1 = · 2 en 2 f (xn ) (6. en un entorno de la ra´ ız: 1 0 = f (p) = f (xn ) + f (xn )(p − xn ) + f (ψn )(p − xn )2 .6. o o Teorema 5 Sea f ∈ C[a. b] es tal que f (p) = 0. y calcular la ra´ mediante este procedimiento puede a ız ser un proceso largo o a veces imposible. muy conveniente o e cuando la gr´fica de la funci´n tiene una gran pendiente en un entorno de la a o ra´ dada. 2 a donde ψn . tenemos o 1 f (ψn ) (p − xn )2 . f (p) = 0. Esto. a el valor num´rico de f (x) en un entorno de la ra´ tanto menor ser´ la e correcci´n que ha de a˜adirse a la aproximaci´n n-´sima para obtener la o n o e aproximaci´n (n+1).3) est´ claro que cuanto mayor sea o o a ız.10) (6. tal que.12) (6. Bajo las anteriores condiciones. b]. o La obtenci´n de la f´rmula iterativa del m´todo de Newton. entonces existe un δ > 0. La o hip´tesis necesaria para pasar de (6. Obtendremos entonces una relaci´n entre en = xn − p y en+1 . vamos a obtener una f´rmula que relao cione los errores absolutos de dos aproximaciones sucesivas. p + δ]. Es decir: no utilices el m´todo de e Newton para resolver una ecuaci´n f (x) = 0. est´ entre p y xn . f (xn ) 2 f (xn ) (6. Utilizando el desarrollo de o Taylor.

104 y cuando xn → p.. tal que 1 |f (y)| · ≤ m. ∀x.15) ´ Entonces.12). .. El teorema que damos a continuaci´n da un criterio ıcil o m´s pr´ctico a la hora de demostrar la convergencia. y ∈ I 2 |f (x)| (6. (Si |me0 | = m|x0 − p| < 1). se tiene que |en+1 | ≤ me2 ⇔ |men+1 | ≤ (men )2 . p + |e0 |] ⊆ I. ı Otro criterio que en ocasiones es m´s f´cil de aplicar. viene dado por el a a siguiente resultado. puede probarse que el m´todo de Newton-Raphson sieme pre converge (a una ra´ simple) si x0 ha sido elegido lo suficientemente cerca ız de la ra´ p. donde p es la unica ra´z de f (x) = 0 en I0 . 2. ız Sin embargo en la pr´ctica p es desconocido y la condici´n anterior es a o dif´ de comprobar. n = 1.. Por n 1 inducci´n podemos ver que xn ∈ I ∀n y |en | ≤ m (me0 )2 . Sea I0 el intervalo (x0 . hn = f (xn ) . xn ∈ I0 . a e Un razonamiento intuitivo que demuestra el teorema anterior es el siguiente: Supongamos que I es un intervalo en torno a p. o que es un m´todo de segundo orden.14) Si xn ∈ I de (6.13) Como en+1 es proporcional al cuadrado de en . Teorema 7 Supongamos que f (x) = 0 y f (x) no cambia de signo en . 1 f (p) en+1 → · e2 2 f (p) n 6 · Algoritmos iterativos (6. a a o Teorema 6 Sea x0 una aproximaci´n inicial y definimos xn y hn tales −f (xn ) que xn+1 = xn + hn . o Por este motivo. se dice que el m´todo de Newton-Raphson tiene convergencia o e cuadr´tica. y limn→∞ xn = p. y de acuerdo con la Definici´n 2. n Supongamos que |me0 | < 1 y que el intervalo [p − |e0 |. x0 + 2h0 ) y supongamos que a 2|h0 |M ≤ |f (x0 )|. M = m´x |f (x)| x0 ∈I0 (6.

o 6. Tomando l´ o o a ımites en la expresi´n o (6. 2. consideraremos que la ra´ ız est´ separada y la segunda derivada f (x) tiene signo constante en el ina tervalo [a. Dicho l´ que la sucesi´n es mon´tona y est´ acotada.16) entonces el m´todo de Newton-Raphson converge a partir de una aproximae ci´n inicial x0 ∈ [a. f (b) − f (xn ) (6.17) forman una secuencia mon´tona creciente y acotada: o x0 < x1 < .. El extremo fijo es aquel para el cual el signo de la funci´n f (x) coincide o con el signo de su segunda derivada f (x). a < p < b.3.18) a a o ız En cualquier caso..3. Supongamos que f (x) > 0 para a ≤ x ≤ b. b] = [x0 . xn+1 = xn − f (xn ) (b − xn ) . Si f (a) < b − a. 1. f (b)). que la precedente xn . ız (6. b]. (b. 2. b]. cada aproximaci´n xn+1 est´ m´s pr´xima a la ra´ o p. f (a)).. puesto Supongamos que p = limn→∞ xn . < p < b Resumiendo: 1. f (a) < 0.. donde el ız signo de la ra´ es opuesto al signo de su segunda derivada f (x). el extremo b est´ fijo y las aproximaciones o e a sucesivas: x0 = a.19) . < xn < xn+1 < . La curva y = f (x) en este caso ser´ convexa hacia abajo y por lo tanto estar´ localizada por debajo a a de la secante que pasa por (a. y que f (a) · f (b) < 0. n = 0. ımite existe.. f (b) − f (p) (6. Si hemos supuesto en la descripci´n del m´todo. p = p − f (p) (b − p) . Las aproximaciones sucesivas caen en el lado de la ra´ p. Convergencia del m´todo de la secante e Para probar la convergencia del proceso..3 · Comparaci´n de los distintos ´rdenes de convergencia o o el intervalo [a. x1 ]. f (a) f (b) < b−a f (b) 105 (6.6.17).

2f (ν) (6. Como p es la unica ra´ de f (x) = 0 en el intervalo (a. b).20) Tenemos entonces que. 2. b].618 puede ser ignorada. f (x) = 0 ∀x ∈ [a. haciendo uso de la siguiente conjetura: |en+1 | ≈ K|en |a . ¿a? Sustituyendo en la ecuaci´n anterior: o K|en |a ≈ C|en |K − a |en | a Esta relaci´n se mantiene s´lo si: o o √ 1 1 a = 1 + ⇔ a = (1 ± 5) a 2 1 C = K 1+ a = K a √ La ra´ a = 1 (1− 5) = −0. xn−1 . para n suficientemente grande. bajo las hip´tesis o del teorema anterior: |en+1 | ≈ C|en ||en−1 |. xn+1 ). p. tales que: 1. xn . tal que: (p − xn+1 ) = f (ψ) (p − xn )(p − xn−1 ). se deduce que p = p. ν entre p. b) (ψ. tenemos convergencia local. |en | ≈ K|en−1 |a . b] f (p) = 0 xn+1 = xn − f (xn ) · xn −xn−1 f (xn )−f (xn−1 ) Entonces ∃ψ. e El siguiente resultado nos permite obtener el orden de convergencia.106 6 · Algoritmos iterativos ´ ız de donde f (p) = 0. xn+1 ∈ o [a. xn−1 . C = |f (ψ)| 2|f (ν)| Intentamos determinar el orden de convergencia. Al igual que en el e caso del m´todo de Newton. o e ıa 1 1 . 3. ν ∈ (a. b]. pues |en+1 | ≈ K|en |a ız 2 y en dicho caso el error cometido en la iteraci´n n + 1 ser´ superior al error o ıa en la iteraci´n n (o lo que es lo mismo el m´todo no ser´ convergente). xn . Se trata de un m´todo que no converge globalmente. Teorema 8 (de interpolaci´n) Sea f ∈ C[a.

f (bi ) > 0 (6. En el caso particular que estamos analizando. Pero p = b.21) y (6.23) .3. se ve claramente que las sucesivas iteraciones matienen fijo el extremo b. a = 1 (1 + 2 1 107 √ 5) = 1. Por el hecho de ser f continua y por (6. Adem´s tomando l´ a ımites en (6.618.22).22). de manera que.4. ´ f (xi+1 ) = 0 o f (xi+1 ) · f (ai ) > 0. supondremos por e u simplicidad que f (x) existe y que para alg´n valor i.21).21) f (x) ≥ 0. ∀x ∈ [ai . (6. se tiene f (b) > 0. 6. bi = b.6. Convergencia del m´todo de regula falsi e Para probar la convergencia del m´todo de regula falsi.22) son v´lidas para todo a a o a i ≥ i0 si lo son para i0 .6) p= que implica (p − b)f (p) = 0. y entonces e o o ai < ai+1 = xi < bi+1 = bi . ai < bi . Adem´s es f´cil ver que las f´rmulas (6. f (ai ) < 0.24) f (p) ≤ 0 (6. bi ] (6. utilizando ´sto en la misma relaci´n obtenida para el m´todo de la secante: e o e limn→∞ puesto que: p − xn+1 = f (ψ) (p − xn )(p − xn−1 ) 2f (ψ) (6. Entonces. para i ≥ i0 y las ai forman una sucesi´n mon´tona creciente y acotada. y entonces f (p) = 0.22) ´ Con ´stas hip´tesis. por lo tanto es convergente. es decir o o existe p = limn→∞ ai .25) bf (p) − pf (b) f (p) − f (b) (6.3 · Comparaci´n de los distintos ´rdenes de convergencia o o Por lo tanto |en+1 | ≈ C a |en |a .26) |en+1 | =C |en | (6. (6.

27) Entonces α = 1 y tenemos convergencia lineal. . f (x) m=1 En el de la secante: ϕ(x) = x − f (x) · x−y . 6. f (ψ) |en+1 | →| (p − b)| = C |en | 2f (ψ) 6 · Algoritmos iterativos (6. Sea xn+1 e a determinado por el valor de una funci´n y de su derivada en m puntos o xn . . xn−m+1 y sea xn+1 = ϕ(xn .. Iteıa e raci´n del punto fijo o El m´todo de Newton-Raphson y el de la secante pueden ser considee rados como casos especiales de un m´todo iterativo m´s general. o o e Ejemplo 6. y que limn→∞ xn = p.... Nos dedie o caremos a continuaci´n al estudio de este tipo de procesos.4.. Teor´ general de los m´todos iterativos. xn−1 . o Supongamos ahora que tenemos una sucesi´n {xn } generada a partir o de cierto valor inicial x0 . f (x) − f (y) m=2 La teor´ general de los procesos iterativos es m´s simple cuando m = 1. xn−m+1 ) Llamaremos a ϕ funci´n de iteraci´n. xn−1 . Es convergente siempre que f sea e continua. ıa a En este caso tenemos: xn+1 = ϕ(xn ) que se denomina m´todo de iteraci´n uni-punto o del punto fijo.108 Si xn = b.6 En el m´todo de Newton-Raphson: ϕ(x) = x − f (x) . El m´todo de regula falsi. Si ϕ es continua.. e es en general un m´todo de primer orden. p = .

limn→∞ xn = p. e ´ Tampoco podemos asegurar que todos ellos sean convergentes. 3. para todo x0 ∈ J: 1. Por el teorema o del valor medio. Por inducci´n: sea x0 ∈ J y supongamos que xn−1 ∈ J. o Es decir.. x = ϕ2 (x) = √ 3 x + 5.. lo cual o define un m´todo de iteraci´n: xn+1 = ϕ(xn ).. podemos intentar escribir dicha expresi´n de la forma x = ϕ(x).6. para construir un m´todo iterativo para la resoluci´n de f (x) = e o 0. p es la unica ra´z en J de x = ϕ(x). Una condici´n suficiente para la convergencia la da el siguiente resultado: o Teorema 9 Supongamos que la ecuaci´n x = ϕ(x) tiene una ra´z p. es decir el valor p es una ra´ de la ecuaci´n x = ϕ(x). Iteraci´n del punto fijo 109 ı e o ız limn→∞ xn+1 = limn→∞ ϕ(xn ) = ϕ(p). x = ϕ3 (x) = 5 x2 −1 es decir el m´todo iterativo puede no ser unico.7 Sea la ecuaci´n: x3 − x − 5 = 0 que puede ser escrita como o x = ϕ1 (x) = x3 − 5. ψ ∈ J |xn − p| ≤ m|xn−1 − p| ≤ mρ < ρ ⇒ xn ∈ J . n = 0. ´ ı Demostraci´n: o 1. e o Ejemplo 6. 1. 2.4 · Teor´a general de los m´todos iterativos. y o ı que en el intervalo J = {x : |x − p| ≤ ρ} o ϕ (x) existe y satisface la condici´n |ϕ (x)| ≤ m < 1 Entonces. xn − p = ϕ(xn−1 ) − ϕ(p) = ϕ (ψ)(xn−1 − p). 3. 2. xn ∈ J.

El teorema puede ser modificado y utilizado para probar la existencia de una ra´ de la ecuaci´n x = ϕ(x).. p) α! 1 |en+1 | = |ϕ(α) (p)| = 0. j = 1. x0 ∈ J satisface los apartados 1. en J. se tiene el resultado. en un entorno de p...• ız En el Teorema 9. limn→∞ 1 (α) ϕ (ψ)(xn − p)α . De acuerdo con el teorema de Taylor tenemos: xn+1 = ϕ(xn ) = p + Si limn→∞ xn = p. 3. α − 1. ϕ(α) (p) = 0.. e o .110 6 · Algoritmos iterativos 2.28) Luego el m´todo de iteraci´n es de orden α para p. hemos partido de suponer la existencia de una ra´ p. Supongamos finalmente que x = ϕ(x) tiene otra ra´ β. ψ ∈ (xn . y ϕ(j) (p) = 0. Entonces la sucesi´n {xn } definida como xn+1 = ϕ(xn ).2 y 3 del Teorema 9 si x1 ± m |x1 − x0 | ∈ J 1−m e El m´todo iterativo xn+1 = ϕ(xn ) es en general un m´todo de primer e orden. β = p. lo cual es absurdo.. donde p = ϕ(p). Utilizando la desigualdad anterior repetidas veces: |xn − p| ≤ m|xn−1 − p| ≤ . a menos que ϕ(x) sea elegida de manera especial. ≤ mn |x0 − p| Como m < 1. ız. ız o Teorema 10 Sea J un intervalo cerrado en el cual ϕ (x) existe y sao tisface la desigualdad |ϕ (x)| ≤ m < 1. Entonces: p − β = ϕ(p) − ϕ(β) = ϕ (ψ)(p − β). α |en | α! n = xn − p (6. ψ ∈ J |p − β| ≤ m|p − β| < |p − β|. . Si ϕ(x) es α veces diferenciable y sus derivadas continuas ϕ ∈ C α .

Consideremos un sistema general de n ecuaciones no lineales con n inc´gnitas. xn ) = 0. . .. ϕ(x) = (ϕ1 (x). x = (x1 .. Generalizaci´n a sistemas de ecuaciones o Algunos de los m´todos que hemos visto para resolver ecuaciones no lie neales simples..... .. pueden ser generalizados a sistemas de ecuaciones no lineales. i = 1. n (k) La similitud formal al caso n = 1 es m´s f´cil de ver si utilizamos notaci´n a a o vectorial. i = 1. f (p) = 0 ⇒ ϕ (p) = 0 ız 6.. xn )t ..6. ... k = 0. ..5 · Generalizaci´n a sistemas de ecuaciones o 111 Este argumento da una demostraci´n alternativa del hecho de que el o m´todo de Newton-Raphson sea al menos de segundo orden para ra´ e ıces simples.5. n que sugiere el m´todo iterativo: e xi (k+1) (k) = ϕi (x1 .. ya que: ϕ(x) = x − ϕ (x) = f (x) f (x) f (x) · f (x) [(f (x))2 − f (x) · f (x)] =1− (f (x))2 (f (x))2 Si p es una ra´ simple. ϕn (x))t El m´todo iterativo puede entonces describirse como: e x(k+1) = ϕ(x(k) )... .. . . .. i = 1. xn )... n Un m´todo de iteraci´n uni-punto para la resoluci´n de este sistema e o o puede ser constru´ escribiendo el sistema de la forma: ıdo xi = ϕi (x1 .... o fi (x1 .. .... 1. xn ).

R = {x : ||x − p|| < ρ}. k = 0. Nota: En algunas aplicaciones nos puede interesar resolver un sistema de la forma x = a + hϕ(x) . Supongamos que p = ϕ(p) y que las derivadas parciales dij (x) = ∂ϕi (x).n n j=1 |aij | 1 x∈R (6. p = ∞ ||x||∞ = m´xi=1.n |xi | a a Norma matricial: ||A||∞ = m´xi=1.... En este caso una condici´n suficiente para que el m´todo de iteraci´n anterior converja para cada x0 ∈ R es que para alguna e o elecci´n de la norma se cumpla o ||D(x)|| ≤ m < 1. 1. j ≤ n ∂xj existen para x ∈ R.29) 1≤p≤∞ 1 p = 2 (norma eucl´ ıdea) ||x||2 = (|x1 |2 + . La velocidad de convergencia depende linealmente de m y tenemos ||x(k+1) − p|| = ||ϕ(x(k) ) − ϕ(p)|| ≤ m||x(k) − p||. x ∈ R. . y ∈ R Una condici´n necesaria para que el proceso iterativo anterior converja o es que el radio espectral de D(p) sea menor o igual que 1. Nota: Normas de vectores: Lp : ||x||p = (|x1 |p + . + |xn |2 ) 2 Definici´n 3 Se dice que ϕ es una funci´n de contracci´n cuando ||D(x)|| ≤ o o o m < 1. Sea D(x) una matriz nxn o cuyos elementos son dij (x). ∀x....112 6 · Algoritmos iterativos Un criterio de convergencia similar al descrito en el Teorema 9 puede utilizarse en este caso. 1 ≤ i. puesto que en este caso dicha condici´n implica la desigualdad o ||ϕ(x) − ϕ(y)|| ≤ m||x − y||........ + |xn |p ) p .

.. (6. k = 0. ||x(k) − p|| ≤ ρ..29).5. ∀x(k) . j ≤ n ∂xj De esta forma el m´todo de Newton-Raphson en dimensi´n n es: e o f (x(k) ) + (x(k+1) − x(k) )f (x(k) ) = 0. 1.. entonces el criterio de convergencia anterior. M´todo de Newton-Raphson e Para n = 1 hemos deducido este m´todo a partir de la f´rmula de Taylor: e o f (x) = f (xk ) + (x − xk )f (xk ) + O(|x − xk |2 ) Si nos olvidamos del ultimo t´rmino. obtenemos para f (x) = 0 el m´todo ´ e e iterativo: f (xk ) + (xk+1 − xk )f (xk ) = 0. Este es un sistema de ecuaciones lineal para x(k+1) y si f (x(k) ) es no singular puede ser resuelto como veremos m´s adelante. se satisface siempre para h suficientemente peque˜o y el m´todo de iteraci´n es: n e o x(k+1) = a + hϕ(x(k) ). 113 6.. .5 · Generalizaci´n a sistemas de ecuaciones o donde a es un vector constante y h es un par´metro 0 < h << 1. el jacobiano de f . k = 0. 1. p) 2! . Utilizando la f´rmula de Taylor en dimensi´n n: o o f (x) = f (x(k) ) + f (x(k) )(x − x(k) ) + O(||x − x(k) ||2 ) donde f (x) es una matriz nxn. y se tiene ||x(k+1) − p|| ≤ C||x(k) − p||2 Desigualdad que se sigue directamente de: x(k+1) = f (x(k) ) = p + 1 (2) f (ψ)||x(k) − p||2 . 1 ≤ i.1. es decir existe e o una constante C = C(ρ). denotado en ocasiones por J. . tal que. ψ ∈ (x(k) . . k = 0. a El m´todo de Newton en dimensi´n n es de segundo orden. 1.6. cuyos elementos son fij (x) = ∂fi (x). a Si ϕ(x) tiene derivadas parciales acotadas..

Existen m´todos derivados de ´ste.. Una e aproximaci´n utilizada en le pr´ctica es: o a ∂fi fi (x + hj ej ) − fi (x) (x) ≈ ∆ij (x. j = 1.. h) = ∂xj hj donde ej = (0. De utilizar la i-´sima ecuaci´n a resolver para obtener xi e o esta forma en cada iteraci´n se utiliza la ecuaci´n no lineal de dimensi´n o o o uno: fi (x1 para obtener xi (k+1) (k+1) (k) . x3 ) = 0 En k = 0: i = 1: f1 (x1 . .. xi . x3 ) = 0 → x2 i = 3: f3 (x1 . x2 . xi−1 . .. Adem´s en cada paso hay que calcular ıcil a 2 elementos de f (x(k) ). x3 ) = 0 → x1 i = 2: f2 (x1 . M´todo de Gauss-Seidel e Otro m´todo de resoluci´n de un sistema no lineal f (x) = 0 consiste en e o (k+1) ... x2 . .. 6.5.. n.. que proponen estimar f (x). x3 ) = 0 f3 (x1 . . . x2 . o o f1 (x1 . x3 ) = 0 f2 (x1 . i = 1. como el e e m´todo de la secante que lo aproxima por un cociente de diferencias. x2 . x3 ) = 0 → x3 (1) (1) (1) (0) (0) (0) (1) (1) (1) . 2.. Ejemplo de aplicaci´n Sea un sistema no lineal de dimensi´n n = 3. xi+1 ... x2 . j. Esto es imposible de hacer a menos que dichos los n elementos tengan una forma funcional sencilla. . n. xn ) = 0 (k+1) (k) . cuando n es o grande puede ser dif´ de resolver. x2 ...0) y h es un par´metro n-dimensional con componentes a hj = 0....114 6 · Algoritmos iterativos e De aqui se puede demostrar su convergencia supuesto que x(0) est´ lo suficientemente cerca de p. Como hemos visto cada iteraci´n del m´todo de Newton-Raphson reo e quiere la resoluci´n de un sistema de ecuaciones lineales el cual.2.

1 ´ 0.6. 5. 2].6. o . y0 = 0. 3].5 + h2 tang(ex + y 2 ) x0 = 1. x − senx − 0. x = tg(x) en [1.5. intenta resolver el sistema: x = 1 + h2 (ey √ x + 3x2 ) y = 0. 3.25 = 0 en [1. e−3 = xe−x en [0. x2 . puedes intentar resolver las o e siguientes ecuaciones: 1. 1]. 1]. x3 ) = 0 → x1 i = 2: f2 (x1 . x2 . 4. Ejercicios de aplicaci´n o Como aplicaci´n de los m´todos anteriores. x2 .6 · Ejercicios de aplicaci´n o En k = 1: i = 1: f1 (x1 . 6. x3 ) = 0 → x2 i = 3: f3 (x1 . senx − x + 2 = 0 en [2. (1 + x)senx − 1 = 0 en [0. 2. Si tienes muchas inquietudes. 2].5 Prueba con valores de h = 0. x3 − x + 1 = 0 en [−2. x3 ) = 0 → x3 ··· (2) (2) (2) (1) (1) (1) (2) (2) (2) 115 6. 2].01.

116 6 · Algoritmos iterativos .

. e aRb y bRc implican aRc (transitiva).. vamos a encontrar una permutaci´n π o de esos n elementos que describir´ la secuencia dada en forma no decreciente a aπ(1) . aRa es verdad (R es reflexiva). Usualmente daremos la secuencia ordenada en lugar de la permutaci´n de ordenaci´n π.. para 1 ≤ i ≤ n − 1. ... 3. b.. ⊆ sobre conjuntos no o lo es. b ∈ S o bien aRb o bRa. La relaci´n R = ” ≤ ” entre enteros y la relaci´n R = ” ⊆ ” entre o o conjuntos son dos ordenes parciales. que usualmente denotaremos por ≤. 2. Dada una o o sucesi´n de n elementos a1 . tal que aπ(i) ≤ aπ(i+1) . El problema de la ordenaci´n puede ser planteado como sigue.. An´lisis te´rico: orden de complejidad ´ptimo a o o alcanzable para algoritmos internos Definici´n 1 o Un orden parcial en un conjunto S es una relaci´n R. o o 117 .1.Cap´ ıtulo 7 M´todos de ordenaci´n e o 7. c en S: 1. aπ(n) . ´ Un orden total o lineal en un conjunto S es un orden parcial en el que adem´s se cumple que para cada dos elementos a. aRb y bRa implican a = b (antisim´trica). a La relaci´n ≤ sobre enteros es un orden total (lineal). an elegidos de un conjunto con orden total. tal que para cada o a.

El resultado del algoritmo se obtiene cuando se alcanza dicho nodo (final de rama). La complejidad computacional (en cuanto a tiempo).118 7 · M´todos de ordenaci´n e o 1 [tnpos=r]a < b 2 [tnpos=r]b < c 4 [tnpos=r]Orden:a b c 5 [tnpos=r]a < c 8 [tnpos=r]Orden: a c b 9 [tnpos=r]Orden: c a b 3 [tnpos=r]a < c 6 [tnpos=r]Orden: b a c 7 [tnpos=r]b < c 10 [tnpos=r]Orden: b c a 11 [tnpos=r]Orden: c b a Figura (a) Los m´todos de ordenaci´n son clasificados como internos. almacenados en mecanismos como cd’s o cintas). b y c en orden alfab´tico. Es test que representa el nodo ra´ es el o ız primero en realizarse. Otra clasificaci´n posible surge atendiendo a la estructura de los eleo mentos que van a ser ordenados. donde los e o datos residen en la propia memoria del ordenador. o externos (los datos est´n a principalmente fuera de la memoria. Con algoritmos de esta naturaleza veremos que se necesitan al menos nlogn comparaciones para ordenar una secuencia de n elementos. de un arbol de de´ . Los tests est´n o e a indicados a la derecha del un c´rculo que respresenta el nodo correspondiente. Arboles de decisi´n o Vamos a considerar un algoritmo en el que en cada paso se realiza una o o o bifurcaci´n (ramificaci´n en dos ramas) depeniendo de una comparaci´n o realizada entre dos elementos. la elecci´n en cada caso depende del resultado del test. y luego el control pasa a uno de sus hijos. ı El control se mueve hacia la izquierda si la respuesta es ”si”. y hacia la derecha si la respuesta es ”no”. En general. el control contin´a pasando de cada v´rtice a u e uno de sus hijos. La representaci´n usual para un algoritmo de este tipo es un ´rbol binario denominado arbol de decisi´n. Ejemplo 1 Vamos a ilustrar mediante un arbol de decisi´n el algoritmo ´ o de ordenaci´n de tres elementos a. Esta segunda clase de algoritmos tiene como operaci´n b´sica la comparaci´n entre distintos pares o a o de elementos. o hasta que se llega a un final de rama (hoja). Cada v´rtice a ´ o e interior representa una decisi´n. o por el contrario son elementos de los u que no se conoce nada de su estructura en particular. dependiendo de la respuesta. La diferencia est´ en si los elementos son a n´meros enteros con un rango fijo.

Por el Lema 1. a a Teorema 2 Cualquier arbol de decisi´n que orden n elementos tiene de ´ o altura al menos log2 n!.. para c > 0 y n suficientemente grande. Se necesita simplemente obsero o var que un arbol binario de altura h est´ compuesto por una ra´ y a lo ´ a ız sumo dos sub´rboles de altura a lo m´s h − 1. podemos probar un buen resultado acerca de la altura de un arbol de decisi´n que ordena n ´ o elementos. n 2 ≥ n 2 de manera que logn! ≥ n n log 2 2 ≥ n logn 4 para n ≥ 4 o o a De la aproximaci´n de Stirling podemos obtener una aproximaci´n m´s n n precisa de n! como e .1 · An´lisis te´rico: orden de complejidad optimo alcanzable para algoritmos internos119 a o ´ cisi´n es la altura del arbol. Es de destacar que el n´mero total de v´rtices en el ´rbol u e a puede ser mucho mayor que su altura. Demostraci´n: Como el resultado de la ordenaci´n de n elementos o o puede ser una de las n! permutaciones de los datos. de manera que n(log2 n − log2 e) = nlog2 n − 1. Lema 1 Un ´rbol binario de altura h tiene a lo sumo 2h hojas. . resulta ser una buena aproximaci´n inferior del n´mero de comparaciones o u necesarias para ordenar n elementos. a Demostraci´n: Por inducci´n sobre h. debe haber al menos n! hojas en el arbol de decisi´n. como una funci´n del tama˜o del problema. la altura debe ser al menos ´ o log2 n!.44n.. Demostraci´n: Para n > 1: o n 2 n! ≥ n(n − 1)(n − 2). o ´ o n Normalmente deseamos contar el m´ximo n´mero de comparaciones necea u sarias para encontrar el camino de la ra´ a un v´rtice de abandono (n´mero ız e u bifurcaciones). Corolario 1 Cualquier algoritmo que ordene mediante comparaciones requiere al menos cnlogn comparaciones para ordenar n elementos. En cualquier caso.7.

a 2..2. El ciclo interior tiene j − 1 pasos por cada paso j en el ciclo exterior y hay n − 1 pasos en el ciclo exterior.. M´todos simples de complejidad O(n2 ): come paraci´n. + (2) + (1) = n(n − 1) 2 .2. Algorithm selectsort for index := n to 2.1. 4. u o 5. inserci´n. Encontrar el segundo mayor elemento. −1. burbuja o o M´todo de comparaci´n (selecci´n) e o o 7. luego el n´mero de comparaciones requerido por el algoritmo es: u (n − 1) + (n − 2) + . Tambi´n se denomina algoritmo de selecci´n porque trabaja repetidae o mente seleccionando el actual mayor elemento. Encontrar el elemento m´s grande del vector. do largest := index for loop := index − 1 to 1. Intercambiarlo con el elemento de la ante´ltima posici´n. −1. ´ o 3.120 7 · M´todos de ordenaci´n e o 7. Continuar con dicho proceso hasta obtener el vector ordenado. Es uno de los m´todos de ordenaci´n m´s simples y trabaja de la sie o a guiente forma: 1. do if k(loop) > k(largest) then largest := loop endif enddo //intercambio de posiciones de los dos elementos// temp := k(largest) k(largest) := k(index) k(index) := temp enddo Para estimar el n´mero de comparaciones es importante se˜ alar que el u n algoritmo se reduce a dos ciclos que est´n anidados y la comparaci´n se a o realiza una vez en cada paso del ciclo interior. Intercambiarlo con el elemento de la ultima posici´n.

.7. . k(2). .min = 0.. el n´mero de veces que los elementos cambian sus pou siciones est´ dado por el n´mero de veces Sn . Esto nos da el m´ximo a valor para Sn.. que es: (n − 1) + (n − 3) + . + n . n.max . dicha sentencia no se ejecuta nunca y a a Sn.. n o es producida por cada uno de los datos.. En el algoritmo. en cada paso del ciclo exterior se intercambian dos elementos y la longitud del vector desordenado es reducida en uno en cada paso... S n satisface la relaci´n de recurrencia S n = Hn − 1 + S n−1 . 2. de manera que n Sn = j=2 Hj − (n − 1) = (n + 1)Hn − 2n Nota: Hemos utilizado el resultado n Hj = (n + 1)Hn − n. + 1 = n2 4 (n2 −1) 4 si n es par si n es impar Para determinar el n´mero medio de elementos intercambiados hay que u se˜alar que: n 1. n−1 en k(1). . m´ximo y medio.. . qn−1 . Este n´mero Sn . 2 3 o En general. Si el vector inicial est´ ordenado en el orden decreciente.. depende de la ordenaci´n inicial de los u o elementos y puede describirse por sus valores m´ ınimo. k(n− o 1) es igualmente probable y el n´mero medio de veces que se ejecuta u la sentencia largest := loop durante el primer paso del ciclo externo 1 viene dada por Hn − 1 = 1 + 1 + .... H1 = 1.. o entonces el primer paso en el ciclo externo genera una permutaci´n o aleatoria de 1. el valor medio de Sn . n q1 ··· q1 2.. ... 2. ya que la permutaci´n q1 . a Si el vector inicial est´ ordenado. inserci´n.. j=1 que puede ser probado por inducci´n. Si el algoritmo comienza con una permutaci´n aleatoria de 1. burbuja121 e o o Este n´mero es constante sea cual sea la ordenaci´n inicial de los eleu o mentos.. n−1 seguida por n. que se ejecuta la sentencia a u largest := loop. o .2 · M´todos simples de complejidad O(n2 ): comparaci´n. q2 n q2 q3 q3 q3 ··· ··· ··· qn−1 qn−1 qn−1 qn qn ··· n La ocurrencia de cada permutaci´n de 1..

do pivot := k(i) . Un algoritmo que realiza ´sto se denomina algoritmo de inserci´n. u 7. a Un posible algoritmo ser´ ıa: Algorithm insertsort k(0) := minvalue for i := 2 to n. < k(n) Queremos insertar un elemento X en el vector anterior compar´ndolo a con los elementos del vector y situ´ndolo en su posici´n moviendo despu´s a o e los elementos posteriores un lugar a la derecha.2..2. el n´mero de comparaciones entre elementos es u n(n − 1) = O(n2 ) 2 y el n´mero de intercambios es: u min = 0 media = (n + 1)Hn − 2n = O(nlogn) (Notar que Hn ≈ log2 n. e o Si queremos aplicar un algoritmo de este tipo a la ordenaci´n de un o vector de n elementos. M´todo de inserci´n e o Los m´todos de ordenaci´n por inserci´n est´n basados en la siguiente e o o a idea: Sea un vector ordenado de n elementos distintos k(1) < k(2) < .122 7 · M´todos de ordenaci´n e o En resumen.. tendremos que ir considerando elemento a elemento y situ´ndolo en su propio lugar en un vector ya ordenado. para n grande) max = n2 4 (n2 −1) 4 si n es par = O(n2 ) si n es impar La complejidad total del algoritmo es entonces O(n2 ) y queda determinada por el n´mero de operaciones.

si por ejemplo. inserci´n. (Ver o por ejemplo p´g. Cuando no es necesario ning´n intercambio u m´s. el elemento m´s peque˜o est´ situado en el extremo contrario del vector hacen a n a falta n pasos para moverle a la posici´n que le corresponde. a a Algorithm bubblesort repeat pivot := 1 for k := 2 to n do if A(k − 1) > A(k) then temp := A(k − 1) A(k − 1) := A(k) A(k) := temp pivot := k − 1 endif enddo . a 7.2. burbuja123 e o o j := i while k(j − 1) > pivot do k(j) := k(j − 1) j := j − 1 enddo k(j) := pivot enddo El algoritmo anterior requiere n(n−1) movimientos de elementos en el 2 peor caso.3. porque. en sucesivas pasadas. o Una modificaci´n de este algoritmo es el que se denomina Shellsort. k(n). . M´todo de intercambio (burbuja) e Otra familia de algoritmos de ordenaci´n por comparaci´n est´ basada o o a en la idea de que cada comparaci´n entre dos elementos debe ser seguida o sistem´ticamente por el intercambio de pares de elementos desordenados. el m´todo de la burbuja los ordena intercambiando elementos adyacentes. 231 y ss. la secuencia est´ ordenada. El algoritmo trabaja de la siguiente manera: dada una secuencia de elementos desordenados k(1). si es e necesario.. generalmente no todos distintos. Esta alta complejidad es debida a que cada pasada del ciclo interno produce unicamente intercambios entre elementos adyacentes.7. Esto produce ´ muchos movimientos redundantes de elementos... de [9]). a hasta que no aparezcan mas pares a ordenar.2 · M´todos simples de complejidad O(n2 ): comparaci´n.

220 y 223 de [9]). Para estimar dichas cantidau e des podemos ver que el algoritmo se ha implementado utilizando dos ciclos anidados. el n´mero de intercambios y el n´mero de pasadas son n − 1. Si los elementos est´n ordenados. entonces en la primera pasaa da se colocar´ el elemento m´s grande en su propia posici´n. pasadas e a u intercambios no es f´cil de realizar. 0 y 1 respectivamente. a o (Ver por ejemplo p´g. el n´mero de intercambios y u u el n´mero de pasadas a trav´s de los datos. Un paso del ciclo exterior corresponde a una pasada a trav´s del e vector inicial. y se utilizar´n a a o a n − 1 comparaciones y n − 1 intercambios. . Si los datos iniciales est´n en orden inverso. El an´lisis de valores del n´mero medio de comparaciones. de manera que el n´mero de pasadas corresponde al n´mero u u de pasos ejecutados en el ciclo exterior. La segunda pasada colocar´ el a segundo mayor elemento en su posici´n y utilizar´ para ello n − 2 comparao a ciones y n − 2 intercambios. En cualquier caso podemos concluir a que la complejidad del m´todo de la burbuja en media no es mejor que e O(n2 ). pivot=3 pasada 3. la pasada inicial ser´ tambi´n la ultima a a e ´ a ınimo para y no har´n falta intercambios de elementos. El motivo es que dicho c´lculo requiere a a de una interesante herramienta matem´tica como son las tablas de inversi´n.124 until pivot = 1 7 · M´todos de ordenaci´n e o Ejemplo 2Vamos a ver como ordena la secuencia 3 3 3 3 3 2 2 2 1 4 2 2 2 3 1 1 2 2 4 1 1 3 3 4 2 1 7 1 4 7 pasada 1. pivot=4 4 4 7 7 pasada 2. concluiremos que este m´todo requiere de n(n−1) comparaciones e intercambios y n pasae 2 das. Continuando con este argumento. Entonces el valor m´ u u u el n´mero de comparaciones. pivot=1 Hay tres cantidades involucradas en el tiempo de desarrollo del m´todo e de la burbuja: el n´mero de comparaciones.

A(2k) y A(2k + 1) est´n en el nivel i + 1. que son llamados nodos hijos. nodo m´s alto. y si no es un nodo terminal. Definimos la ra´ de un arbol como el nodo que est´ en el nivel 1.3 · M´todos de complejidad O(nlogn): Quicksort y Heapsort e 125 23 [tnpos=r]A(1) 19 [tnpos=r]A(2) 11 [tnpos=r]A(4) 1 [tnpos=r]A(8) 2 [tnpos=r]A(9) 7 [tnpos=r]A(5) 4 [tnpos=r]A(10) 6 [tnpos=r]A(11) 10 [tnpos=r]A(3) 5 [tnpos=r]A(6) 3 [tnpos=r]A(7) Figura (b) 7. situada de derecha a izquierda en un vector.7. la o o informaci´n relativa al orden de los elementos que es obtenido despu´s de o e cada comparaci´n es implementada en forma de estructura de datos amono tonados. Veamos esto con el siguiente ejemplo. A(2k) y A(2k + 1) son los dos nodos inmediatos ız a colocados detr´s de ´l. Asociamos a este vector una estructura ´ a de arbol binario. es o u un nodo interno o de bifurcaci´n. Es un elegante m´todo de ordenaci´n que utiliza la idea de una repetie o da selecci´n de elementos. El o proceso consiste en dos etapas: los primeros n pasos construyen un vector con estructura de ”mont´n”(o pila) y los siguientes n extraen los elementos o en orden decreciente y construyen la secuencia ordenada final. se denomina longitud del camino hasta ız A(j). Fue inventado por Williams y Floyd (1964). se denomina ra´ Una forma usual de numerar todos los nodos es de izquierda a derecha en cada nivel.1. Consideremos un vector A(1 : n). Inversamente A(k) es a e el nodo padre de A(2k) y A(2k + 1). Normalmente se representa como si creciese hacia abajo. Un nodo que no a a tiene hijos se denomina nodo terminal (hoja).3. M´todos de complejidad O(nlogn): Quicksort e y Heapsort Heapsort 7. El nodo ra´ es un nodo de longitud 1. El n´mero de nodos que hay que recorrer desde la ra´ hasta el nodo A(j). . En la etapa de creaci´n del mont´n. Un arbol binario puede representarse gr´ficamente de dife´ rentes formas. y el a ız. En general un nodo de nivel i tiene un camino de ı longitud i hasta la ra´ ız.3. de manera que si A(k) es el nodo ra´ de un sub´rbol. A(1). Si A(k) ız ´ a est´ en el nivel i. sus hijos est´n a una longitud ız a 2 y as´ sucesivamente.

Por ejemplo: 23 > 19 > 11 > 1. −1 do index :=´ ındice del mayor elemento de A(2k). A(k) ≥ max(A(2k). El algoritmo heapsort a ız a funciona de la siguiente forma: dado un vector desordenado de tama˜o n: n A(1 : n). o ´ el cual tiene todos sus nodos terminales al mismo nivel. y tiene la propiedad de que el valor de un nudo padre es mayor o igual que los valores de los hijos. ´ o Algorithm createheap A(1 : n) for r := k := r 10 if A(k) < max(A(2k). A(2k + 1)) then n 2 to 1. A(2k + 1)). el ´ ındice del mayor elemento es el de ese hijo) temp := A(k) A(k) := A(index) A(index) := temp n ) 2 if(index ≤ k := index goto 10 endif (index no es una hoja) endif enddo Ejemplo 3 . el algoritmo en una primera parte construye la pila o mont´n y o luego sistem´ticamente selecciona la ra´ actual y situa dicho elemento en a ız la ultima posici´n del vector A. 2 n≥2 La secuencia de elementos en el camino de la ra´ a un nodo terminal ız est´ linealmente ordenada. para 1 ≤ k ≤ n . A(2k + 1) (si s´lo o hay un hijo. El elemento m´s a a grande en un sub´rbol es siempre la ra´ de ese ´rbol. o en dos niveles adyacentes a lo sumo.126 Definici´n 2 o 7 · M´todos de ordenaci´n e o Una pila o mont´n es un arbol binario con nodos A(1) a A(n) inclusive.

3 · M´todos de complejidad O(nlogn): Quicksort y Heapsort e 127 6 [tnpos=r] 19 [tnpos=r] 11 [tnpos=r] 1 [tnpos=r] 2 [tnpos=r] 7 [tnpos=r] 4 [tnpos=r] 23 [tnpos=r] 10 [tnpos=r] 5 [tnpos=r] 3 [tnpos=r] 19 [tnpos=r] 11 [tnpos=r] 6 [tnpos=r] 1 [tnpos=r] 2 [tnpos=r] 7 [tnpos=r] 4 [tnpos=r] 23 [tnpos=r] 10 [tnpos=r] 5 [tnpos=r] 3 [tnpos=r] k k k k =5 =4 =3 =2 k=1 A(1) 11 11 11 11 11 11 (23) 23 23 A(2) 2 2 2 2 (23) 23 (11 (19) 19 A(3) 3 3 3 (10) 10 10 10) 10 10 A(4) 1 1 (23) 23 (2 (19) (19) (11 (11) A(5) 4 (7) 7 7 7) 7 7 7) 7 A(6) 5 5 5 (5 5 5 5 5 5 A(7) 10 10 10 3) 3 3 3 3 3 A(8) 23 23 (1 1 1 (1 1 1 (1 A(9) 19 19 19) 19 19 2) 2 2 2) A(10) 7 (4 4 4 4 4 4 4 4 A(11) 6 6) 6 6 6 6 6 6 6 La ultima fila de la tabla anterior. . s > 1) Intercambiamos el elemento m´s grande que est´ en A(1) con A(s) a a pivot := A(1) ... Pasamos de: 6 a: 19 11 10 6 7 5 3 1 2 4 23 19 10 11 7 5 3 1 2 4 23 Algorithm updateheap A(1 : s) (A(1 : s) es el nuevo vector amontonado. En la segunda etapa. n − 1 en un mont´n.. .. n − 2. Heapsort extrae el elemento m´s grande de la a ra´ y lo almacena en A(n). ız Adem´s la posici´n n no es considerada posteriormente parte del mont´n. El ´ proceso de intercambiar A(1) y A(n − 1) se repite y adem´s el ´rbol ocupa a a las posiciones de los elementos 1. el o elemento de A(1) es hundido tan abajo en el arbol como es necesario. intercambiando los elementos A(1) y A(n). a o o Para reordenar los elementos en las posiciones 1. es la que estaba representada en el ´ a ´rbol binario de la Figura (b)...7.

2 El algoritmo updateheap contiene unicamente un ciclo. Es decir el n´mero de o u . mientras que el interior no se realiza mas 2 veces que la altura. Adem´s en cada o a paso del ciclo interior se realizan al menos dos comparaciones. −1 do updateheap A(1 : s) enndo N´ mero de comparaciones necesario en Heapsort u El primer algoritmo createheap consta de dos ciclos que est´n anidados.128 A(1) := A(s) A(s) := pivot k := 1 while 2k < (s − 1) do index := ´ ındice m´s grande de A(2k). a El ciclo exterior tiene n pasos. h. El n´mero de u comparaciones necesarias es O( n · h) = O(nh). que tiene el mont´n considerado. Return (A) 7 · M´todos de ordenaci´n e o El algoritmo Heapsort completo se implementa como sigue: Algoritmo Heapsort createheap A(1:n) for s := n to 2. Se realiza una ´ comparaci´n por cada paso del ciclo y el ciclo se realiza al menos el n´ mero o u de veces que corresponde a la altura del mont´n. A(2k + 1) a if A(k) < A(index) then //intercambiar A(k) con A(index)// pivot := A(index) A(index) := A(k) A(k) := pivot k := index else goto fin endif enddo fin.

una de las partes necesita ser almacenada temporalmente o mientras Quicksort ordena la otra parte. . o El n´mero total de comparaciones requeridas por el algoritmo completo u heapsort es: O(nh) + (n − 1)O(h) = O(nlog2 n) + nO(log2 n) = O(nlogn) El n´mero de intercambios de elementos requerido por heapsort para u cualquier vector inicial. Cada uno de los dos vectores o es ordenado independientemente.. K(j − 1).. j alcanzan la misma posici´n. El elemento que particiona K(k). Quicksort Supongamos un vector de elementos desordenado K(1).. Despu´s de dicho o e intercambio incrementar i y as´ sucesivamente hasta que i = j. K(n) son mayores o iguales que K(k). el vector se ordena o de manera que se mantienen las siguientes condiciones: 1.. . Declarar dos punteros i. En la etapa en la que se realiza la partici´n. K(i) y K(j) son elementos con el mismo valor. Comparar K(i) con K(j)... K(k−1) son menores o iguales que K(k).. K(s) hasta enontrar un elemento K(s) menor que K(i). ı Para un mejor desarrollo del algoritmo. Intercambiar ambos elementos. j = n inicialmente.4 · Quicksort 129 comparaciones es O(h). se produce un intercambio incluso cuando para i = j. h ≈ log2 n. donde h representa la altura del mont´n.. .. 2. La posici´n ex´cta de la partici´n depende o a o de los datos. Si el arbol o ´ tiene n elementos y en cada nodo se produce una bifurcaci´n.4. incrementar i por 1 y continuar la comparaci´n despu´s de incrementar el valor de i y hasta que se produzo e ca otro intercambio. Todos los elementos K(k+1). Despu´s del intercambio disminuir j en 1 y continuar e la comparaci´n hasta que se produzca otro intercambio. dicha posici´n determina la partici´n del vector en dos subvectores. j con i = 1. K(n)..7. Quicksort trabaja particionando el vector en dos partes y ordenando cada una de las partes independientemente. Esto significa que despu´s de cada partie ci´n del vector. Esto puede ser implementado f´cilmente utilizando la siguiente estratea gia. est´ en su propia posici´n. e 7. Esto requiere de alguna memoria auxiliar por parte del algoritmo. 3. . a o Todos los elementos K(1). . es tambi´n O(nlogn)... o o Cuando los punteros i.

Bajo esta hip´tesis. una hip´tesis natural. vamos o a determinar c´al es la distribuci´n de probabilidad de los datos. y que nosotros haremos.130 7 · M´todos de ordenaci´n e o Una descripci´n completa del algoritmo ser´ la siguiente: o ıa Algorithm Quicksort (r. es o o que cada permutaci´n de la secuencia a ordenar es igualmente probable a o la hora de aparecer como datos. Para alu o goritmos de ordenaci´n. j − 1) quicksort(j + 1. s) endif Tiempo medio requerido por Quicksort Antes de calcular el tiempo medio de ejecuci´n de un algoritmo. . s) i := r j := s + 1 pivot := K(i) if s > 1 then repeat repeat j := j − 1 until K(j) ≤ pivot repeat i := i + 1 until K(i) ≥ pivot if i < j temp := K(i) K(i) := K(j) K(j) := temp endif until j ≤ i K(r) := K(j) K(j) := pivot (el elemento que determina la partici´n est´ en la posici´n j) o a o endif if r < s then quicksort(r. f´cilmente se puede o a acotar inferiormente el n´mero de comparaciones necesarias para ordenar u una secuencia de n elementos.

Supongamos que es cierto para valores de m menores que k y consideremos un arbol T con ´ k hojas. Si conocemos la distribuci´n de probabilidad de los datos. tenemos: o D(k) ≥ k + min1≤i<k [ilogi + (k − i)log(k − i)] = k + min1≤i<k f (i) Derivando f (i) = 0. tiene ex´ctamente a u a .4 · Quicksort 131 El m´todo general es asociar con cada hoja del ´rbol de decisi´n ν. se puede calcular el n´mero u esperado de comparaciones realizado por un algoritmo de ordenaci´n partio cular. que un arbol de decisi´n T que ordene n ´ o elementos cualesquiera tiene al menos n! hojas. ´ o donde pi es la probabilidad de alcanzar la hoja i y di su altura. T est´ formado por una ra´ y por un arbol a la izquierda Ti con i a ız ´ ız hojas y un arbol a la derecha Tk−i con k − i hojas (la ra´ de T no pertenece ´ u a ninguno de los dos sub´rboles Ti ni Tk−i ). Demostraremos por inducci´n sobre m. se pueden determinar las proo babilidades de cada una de las hojas. la suma i pi di . Para m = 1 el resultado es trivial. ∀m ≥ 1. Esta suma es la altura esperada de un arbol de decisi´n. ´ o Teorema 3 Bajo la hip´tesis de que todas las permutaciones de la seo cuencia de n elementos son igualmente probables. la suma m´ a ınima est´ dada por a D(k) = min1≤i≤k {k + D(i) + D(k − i)} De la hip´tesis inductiva. Sea D(m) el valor m´s peque˜o de D(T). a Claramente D(T ) = i + D(Ti ) + (k − i) + D(Tk−i ) Adem´s. El m´ ınimo se 2 k = k + klogk − klog2 = klogk 2 Conclu´ ımos entonces que D(m) ≥ mlogm. 1 ≤ i ≤ k. para unos datos dados. evaluando sobre todas las hojas del arbol de decisi´n. se deduce que i = alcanza en i = k . Entonces. cualquier ´rbol de decisi´n a o que ordene n elementos tiene una altura esperada de al menos logn!. luego: 2 D(k) ≥ k + klog k 2 con f ( k ) > 0. la e a o probabilidad de alcanzar dicha hoja. M´s a´n. Demostraci´n: Sea D(T ) la suma de las alturas de las hojas de un o arbol binario T . a o que D(m) ≥ mlogm. elegido de entre ´ a n todos los ´rboles T con m hojas.7. Recordemos del Teorema 2. para alg´n i.

Tenemos entonces un 1 a ´rbol T con n! hojas. los tiempos medios requeridos por Quicksort para ordenar cada uno de los dos vectores. 1 la altura esperada de T y por lo tanto de T es al menos n! n!logn! = logn!. Podemos eliminar de T todos los nodos antecesores s´lo de hojas con o probabilidad 0. an . Veremos ahora que el algoritmo Quicksort tiene un tiempo medio de ejecuci´n acotado inferiormente por cnlogn para alguna constante c. Como s es iguamente probable al resto de valores entre 1 y n. El hecho o significativo es que el tiempo de ejecuci´n para el peor caso en dicho algoo ritmo es cuadr´tico. Esta hip´tesis o maximizar´ los tama˜os de los vectores resultantes de su partici´n. Supongamos que despu´s de la primera partici´n hemos creado dos vece o tores en S. donde c es una constante. Claramente T (0) = T (1) = b para alguna constante b. Teorema 4 El algoritmo Quicksort ordena una secuencia de n elementos en un tiempo esperado de O(nlogn). • Corolario 2 Cada algoritmo de ordenaci´n mediante comparaciones reao liza al menos cnlogn comparaciones en media... y el tiempo necesario para obtener la primera partici´n es cn. Por simplio cidad supongamos que todos los elementos en S son distintos. Demostraci´n: Sea una secuencia de n elementos a1 . Como D(T ) ≥ n!logn!. respectivamente. para alguna constante c > 0. cada una de probabilidad n! ..132 7 · M´todos de ordenaci´n e o 1 n! hojas con probabilidad n! cada una. tenemos: T (0) = T (1) = b T (n) = = 1 n (T (s) + T (n − s)) + cn. y las restantes con probabilidad 0. sin cambiar la altura esperada de T . n ≥ 2 n s=1 n−1 1 n { T (s) + T (j)} + cn n s=1 j=0 n−1 1 n−1 { T (s) + T (j) + T (n)} + cn n s=1 j=0 = . Sin embargo no es un hecho importante en la mayor´ a ıa de los casos. a n o Sea T (n) el tiempo medio necesario por Quicksort para ordenar una secuencia de n elementos. . Denotamos por T (s) y T (n − s). o 1 < c < 2 (se sigue del hecho de que se necesitan n comparaciones y ≤ n intercambios).

7. 1 < c < 2 Expresi´n que nos da una relaci´n de recurrencia. + 1 n n−1 = = b + c (Hn+1 − 1) + (Hn+1 − = b + 2cHn+1 − c n+2 n+1 1 ) = n+1 ..4 · Quicksort = 1 2 n−1 T (s) + T (n) + cn n s=1 n 133 o escrito de otro modo: n−1 (n − 1)T (n) = 2 s=1 T (s) + cn2 ... se obtiene: nT (n + 1) − (n − 1)T (n) = 2T (n) + c(2n + 1) o lo que es lo mismo: nT (n + 1) = (n + 1)T (n) + c(2n + 1) T (n) (2n + 1) T (n + 1) = +c n+1 n n(n + 1) que escrita recursivamente: T (n) (2n + 1) T (n) 1 1 T (n + 1) = +c = + c( + ) n+1 n n(n + 1) n (n + 1) n T (n − 1) 1 1 T (n) = + c( + ) n n−1 n n−1 · · · T (1) 1 T (2) = + c( + 1) 2 1 2 De donde: T (n + 1) n+1 = b +c 1 1 1 1 + + . Si la escribimos para o o n + 1. + n+1 n 2 + 1 1 + + .. 1 < c < 2 n−1 (n − 1)T (n) = 2 s=1 T (s) + cn2 restando la segunda de la primera. n nT (n + 1) = 2 s=1 T (s) + c(n + 1)2 .

134 Si y s´lo si: o 7 · M´todos de ordenaci´n e o T (n + 1) = (n + 1)b + 2c(n + 1)Hn+1 − c(n + 2) ⇔ T (n) = nb + 2cnHn − c(n + 1) Donde: Hn ≈ loge n = de manera que: T (n) ≈ nb − c(n + 1) + 2cnloge n = O(nlogn) Notar que: k = loge n ⇔ ek = n l = log2 n ⇔ 2l = n 2 < e.• 1 n+1 n=1 ∞ . luego n = 2l < el . de donde k < l y por tanto loge n < log2 n.

El operador unitario & devuelve la direcci´n de un objeto. Los apuntadores se han comparado con la proposici´n goto. Sin embargo. puesto que son. Este es el aspecto que vamos a intentar desarrollar en este tema. con disciplina se pueden emplear para conseguir claridad y simplicidad.Cap´ ıtulo 8 El lenguaje de programaci´n C (IV) o Los apuntadores o punteros son variables que contienen la direcci´n de o otra variable. o por lo que la proposici´n o px = &x. e e y px un puntero. Tambi´n es ilegal e obtener la direcci´n de una variable register. como una o manera de crear programas imposibles de entender. Son frecuentemente utilizados en C. o El operador & s´lo se puede aplicar a variables y elementos de un arreglo o (array). Sea x una variable de tipo int. 8. se puede acceo der al objeto “indirectamente” a trav´s de ´l. o 135 . asigna la direcci´n de x a la variable px. Construcciones como &(x + 1) o &3 son ilegales. mediante c´digo compacto ´ a o y eficiente.1. Esto es completamente cierto cuando se emplean sin cuidado. en ocasiones. Punteros: variables que contienen la ubicaci´n en memoria o de otras variables Puesto que un puntero contiene la direcci´n de un objeto. Direccionamiento indirecto. la unica forma de expresar algunos c´lculos. ahora se dice que px “apunta a” x.

*dp. la forma de e hacerlo es: int x. Se quiere ´ o e indicar que la combinaci´n ∗px es de tipo int. Esta ultima declaraci´n se entiende como un mnemot´cnico. A un puntero se le puede sumar o restar un entero. y = *px. entonces ∗px puede aparecer en cualquier contexto que pudiera hacerlo x. px ha sido declarado como un puntero a un entero x. Los apuntadores pueden aparecer en expresiones. Si y tambi´n es de tipo int. La sintaxis en la declaraci´n de una variable imita a la sintaxis de las expresiones en las que puede o aparecer la variable. Hay que se˜alar que en la declaraci´n de un apuntador se o n o restringe el tipo de los objetos a los que puede apuntar. Tambi´n es necesario declarar las variables que intervienen. asigna a y el contenido de cualquier parte a la que apunte px. asigna a y una unidad m´s que x.136 8 · El lenguaje de programaci´n C (IV) o El operador unitario ∗ toma su operando como una direcci´n para obteo ner su contenido. e y=*px.y. Por ejemplo: double atof(). es decir si px aparece en o el contexto ∗px. La expresi´n o y=*px+1. indican que atof () y ∗dp toman valores de tipo double si aparecen en una expresi´n. asigna a y el mismo valor de x. int *px. En el caso del ejemplo anterior. ello equivale a una variable int. Este razonamiento es util cuando aparecen expresiones ´ complicadas. La expresi´n a o . La secuencia px = &x. Si px apunta al entero x.

Tambi´n pueden aparecer referencias a apuntadores en la parte izquierda e o de una asignaci´n. variable que es convertida a double para poder utilizar sqrt. Punteros: variables que contienen la ubicaci´n en memoria de otras variab o printf("%d\n". copia el contenido de px en py. al igual que (*px)++. incrementa en 1 el valor de x.8. los operadores unitarios ∗ y & tienen mayor precedencia que los operadores aritm´ticos. y d=sqrt((double)*px). Si px apunta a x.1 · Direccionamiento indirecto. con lo que se consigue que ahora py apunte al mismo objeto que px. En expresiones como y=*px+1. y el resultado es asignado a y. En otro caso. *px). asigna a d la raiz cuadrada de x. . py=px. y *px+=1. se pueden manipular igual a que cualquier variable. En este ultimo ejemplo se necesitan los par´ntesis. por lo que al evaluar la expresi´n se toma el valor del e o objeto al que apunta px y se le suma 1. se in´ e crementar´ en 1 px y no el objeto al que apunta. pone x a 0. Si py es otro apuntador a enteros. ya que los operadores ıa unitarios como ∗ y ++ se eval´an de derecha a izquierda. imprime el valor actual de x. u Adem´s como los apuntadores son variables. entonces *px=0. M´s a adelante veremos el significado de ∗(px + 1).

&b). por defecto de la llamada “por valor”.y. El operador & devuelve la direcci´n de una variable. temp=*px.py) /* intercambio de int *px. y la definici´n (incorrecta. a trav´s de los cuales se accede e a los operandos reales. la funci´n swap no puede o modificar los argumentos a y b. La llamada ser´ o ıa swap (a.b). { int temp. Sin embargo hay una forma de hacerlo.*py. temp=x. { int temp. *px y *py */ . x=y. como veremos) ser´ o ıa: swap(x.y) int x.2. En la llamada a la fuci´n swap se utilizan ın o apuntadores a los valores que se desea cambiar: swap (&a. ¿Qu´ hacer o o e entonces cuando realmente queremos modificar alguno de los argumentos? Por ejemplo. swap(px. En la definici´n (correcta) de la funci´n swap se tienen que o o declarar los argumentos como apuntadores. Tambi´n es cierto que no hay forma directa de hacer que e la funci´n llamada altere una variable de la funci´n que la llama. dijimos que los argumentos se pasaban por valor. que permite conseguir el f´ deseado. } Pero. Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros Cuando hablamos de las funciones en C.138 8 · El lenguaje de programaci´n C (IV) o 8. un programa de clasificaci´n podr´ intercambiar dos eleo ıa mentos no ordenados con una funci´n llamada swap. y=temp. por lo que &a es un o apuntador a a.

sin formato y un entero por llamada. El valor num´rie co del entero hallado se devuelve a trav´s del argumento. Con las siguientes sentencias se consigue llenar un array con valores enteros llamando a getint: int n. como argumento de getint. Esta organizaci´n diferencia la indicaci´n de fin de o o e archivo y los valores num´ricos.n++) array[n]=v. para indicar un entero normal. array[SIZE]. while((c=getch())==’ ’|| c==’\n’ || c==’\t’) . Si se utiliza v se puede cometer un error de direccionamiento puesto que getint supone que se le pasa un puntero como argumento. getint debe devolver el valor hallado o una indicaci´n de fin de o archivo. Observa que es imprescindible escribir &v en lugar de v. Ejemplo: Consideremos una funci´n getint() que realice la conversi´n o o de una cadena de caracteres en valores enteros. c=getch().8. Dichos valores hay que devolverlos en objetos independientes. el valor empleado para EOF. si no hay caracteres. Cada llamada deja en v el entero hallado. que deber´ ser un e a apuntador a un entero. for (n=0. } Los apuntadores como argumentos suelen emplearse en el caso de funciones que devuelven m´s de un valor simple. *py=temp. v. puesto que en otro caso. /* salta espacios en blanco */ sign=1. } . La definici´n de getint es la siguiente: o getint(pn) /* toma el siguiente entero de la entrada */ int *pn.2 · Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros139 *px=*py. sign.n<SIZE && getint(&v)!=EOF. Podr´ decirse que swap devuelve a ıa dos valores: los nuevos valores de sus argumentos. if(c==’+’ || c==’-’) { /* registra signo */ sign= (c==’+’) ? 1: -1. Una soluci´n consiste en que getint devuelva EOF si detecta el fin de o fichero o cualquier otro valor. { int c. podr´ ıa coincidir con el del entero hallado en la entrada.

Afortunadamente es f´cil simular la devoluci´n de un caracter con s´lo escribir a o o un par de funciones cooperantes. Nota: ¿Qu´ hacen getch y ungetch? A menudo se da el caso e de que un programa que lee no puede determinar si ha le´ ıdo suficiente hasta que ha le´ demasiado. return (). } ungetch(c) /* devuelve un car´cter */ a . ungetch sit´a el car´cter devuelto en un buffer comparu a tido (un arreglo de caracteres). e existir una variable ´ ındice que recuerda la posici´n siguiente del o car´cter en el buffer. para que la siguiente llamada de getch pueda encontrarlo de nuevo. *pn *= sign. cada vez que un programa leyera un car´cter a de m´s. Ya que el buffer y el ´ a ındice son compartidos por getch y ungetch y deben conservar sus valores entre llamadas. getch toma un car´cter de la a entrada y ungetch lo devuelve. Pero entonces el programa habr´ le´ u a a ıdo un car´cter de m´s para el que no est´ preparado. c>=’0’ && c<=’9’. podr´ devolverlo a la entrada y el resto del c´digo se a ıa o comportar´ como si nunca hubiera sido le´ ıa ıdo.140 8 · El lenguaje de programaci´n C (IV) o for(*pn=0. /* sigue posici´n libre en buf */ o getch() /* lee un (posiblemente devuelto) car´cter */ a { return ((bufp > 0) ? buf[--bufp] : getchar()). /* buffer para ungetch */ int bufp=0. getch lee en el buffer. Llama a getchar si el buffer est´ vac´ Tambi´n debe de a ıo. deber´n ser externos a ambas. c=getch()) *pn=10* *pn + c . Entonces. } ∗pn se utiliza en getint como cualquier variable de tipo int. La forma de funcionar es sencilla. Un ejemplo es la recoıdo lecci´n de los caracteres que constituyen un n´mero: mientras no o u se encuentra el primer car´cter que no sea d´ a ıgito se sabe que el n´mero no est´ completo.’0’. si contiene algo. a a a El problema estar´ resuelto si fuera posible “desleer” el car´cter ıa a no deseado. if(c != EOF) ungetch(c). Una forma de escribir getch a y ungetch y sus variables compartidas es: #define BUFSIZE 100 char buf[BUFSIZE].

Ahora la asignaci´n o x=*pa. define un array de tama˜o 10. hace que pa apunte al elemento 0 de a. entonces la asignaci´n o pa=&a[0]. { if(bufp > BUFSIZE) printf("ungetch: demasiados caracteres \n"). pa contiene la direcci´n o de a[0]. declarado como int *pa. y pa + i apunta al elemento situado i posiciones despu´s. . por definici´n pa+1 apunta al siguiente elemento.. a[1]. a[9]. Si pa apunta a a[0]. y en general pa−i al elemento o situado i posiciones antes que pa. entonces. La notaci´n a[i] significa que el eleo mento del array se encuentra a i posiciones del comienzo.8.2 · Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros141 int c. es decir un bloque con diez objetos consen cutivos denominados a[0]. La versi´n con ´stos ser´ m´s r´pida en t´rminos e o e a a a e generales. m´s dif´ de entender. es decir. } 8.. a Si pa apunta a un elemento particular de un arreglo a. pero para los no iniciados. a ıcil La declaraci´n o int a[10]. Punteros y arrays En C existe entre punteros y arrays un relaci´n tal que. cualquier operao ci´n que pueda realizarse mediante la indexaci´n de un array se puede realio o zar tambi´n con punteros. Si pa es un puntero a un entero. entonces e ..2. copiar´ el contenido de a[0] en x.1. else buf[bufp++]=c.

se pasa la direcci´n o o del comienzo del array. por lo o que el nombre de un array como argumento es un puntero. Al aplicar & a los dos lados de esta equivalencia se deduce tambi´n e que &a[i] y a + i tambi´n son id´nticas. cualquier e expresi´n en que aparezca un array y un sub´ o ındice se puede escribir como un puntero y un desplazamiento y viceversa. Un puntero es una variable. de manera que expresiones como a = pa o a + + son ilegales. no una variable. En suma. incluso en la misma proposici´n. si pa es un puntero. la asignaci´n pa=&a[0] se puede escribir as´ ı pa=a Del mismo modo. i se multiplica por el tama˜o de los objetos a los que n apunta pa antes de ser sumado a pa. El compilador convierte toda referencia a un array en un puntero al comienzo del arreglo. Estos comentarios son ciertos cualquiera que sea el tipo de variables del array a. Pero el nombre de un array es una constante.142 *(pa+1) 8 · El lenguaje de programaci´n C (IV) o se refiere al contenido de a[1]. El efecto es que el nombre de un array es una expresi´n de tipo puntero. Este hecho tiene algunas implicaciones o muy utiles. que hay que tener en cuenta. Puesto que el nombre de un arreglo es sin´nimo de la posici´n ´ o o o del elemento cero. este argumento es una variable. Y por extensi´n. por lo que operaciones como pa = a y pa + + son correctas. pa + i es la direcci´n de a[i] y ∗(pa + i) es o el contenido de a[i]. en las expresiones puede aparecer como un sub´ ındice: pa[i] es id´ntico a ∗(pa + i). Podemos ver ´sto en el siguiente ejemplo: strlen(s) /* regresa la longitud de la cadena s */ . Cuando se pasa el nombre de un array a una funci´n. hay una diferencia entre el nombre de un array y un puntero. a + i es la direcci´n del i-´simo e e o e elemento de a. o sea una variable o e que contiene una direcci´n. Por otra parte. o Sin embargo. La correspondencia entre indexaci´n y aritm´tica de punteros es evideno e temente muy estrecha. En la funci´n. una referencia a a[i] se puede escribir tambi´n como e ∗(a + i). En pa + i. toda la aritm´tica de punteros o e establece que el incremento se adec´a al tama˜o en memoria del objeto u n apuntado.

o Las definiciones de par´metros a char s[]. return n. la declaraci´n de los argumentos podr´ ser o ıa . *s != ’\0’. Por ejemplo si a es un array f(&a[2]).2 · Punteros y funciones: paso de argumentos de referencia haciendo uso de punteros143 char *s. } Es perfectamente legal incrementar s. la forma como debe escribirse depende del tipo de expresiones en las que aparece. En f . s + + no modifica la cadena de caract´res s. { int n. s++) n++. pasando un e o puntero al comienzo del subarreglo. la funci´n puede establecer a su conveniencia si va a o o manejar un array o un puntero. no hace m´s que incrementar la copia e a privada de la direcci´n. Cuando se pasa el nombre de un array a una funci´n. puesto que es un puntero. pasan a la funci´n f la direcci´n del elemento a[2]. y hacer las manipulaciones de acuerdo con ´sto. ya que &a[2] y a + 2 o o son expresiones de tipo puntero que apuntan al tercer elemento de a. son completamente equivalentes. y char *s.8. y f(a+2). for (n = 0. Incluso puede emplear los dos tipos de operaciones si le parece claro y e conveniente. Tambi´n es posible pasar parte de un arreglo a una funci´n.

en lugar de ello se puede obtener pidiendo al sistema operativo una zona libre de memoria. o estructura ultima-en-entrar.3. Es decir. En cuanto a la manipulaci´n del array allocbuf . Hay dos rutinas: alloc(n) devuelve un puntero p a n caracteres consecutivos. En aplicaciones pr´cticas. } 8 · El lenguaje de programaci´n C (IV) o 8. primera-en-salir. para poder ser utilizada posteriormente. } o bien f(arr) int *arr. en el sentido de que las llamadas a f ree deben hacerse en orden inverso a las llamadas a alloc. Cuando se le piden a alloc n ca- . ninguna otra rutina necesita conocer el nombre del array. llamado allocp. La biblioteca est´ndar de C tiene funcio´ a nes an´logas que no tienen las restricciones anteriores. muchas a aplicaciones s´lo necesitan una sencilla funci´n alloc que les proporcione peo o que˜as zonas de memoria de tama˜o impredecible y en instantes tambi´n n n e impredecibles. Puesto que se trabaja con punteros y no con sub´ ındices.144 f(arr) int arr[]. por lo que se declara como externo y est´tico. el array no necesita e a nombre. local al archivo fuente que contenga alloc a y f ree e invisible fuera de ´l. { .. Este array es exclusivo de alloc y f ree. escribiendo un rudimentario administrador de memoria. la integraci´n de punteros. La realizaci´n m´s sencilla consiste en que alloc devuelve trozos de un o a gran array de caracteres que llamaremos allocbuf . es decir. arrays y aritm´tica de direcciones o e es una de sus principales virtudes. Algebra de punteros El lenguaje C es consistente y formal en su manejo de la aritm´tica de e direcciones. Veremos a continuaci´n algunas de sus o propiedades. Sin embargo. { . f ree(p) libera la memoria adquirida de esa manera... se emplear´ un puntero o a al primer elemento libre.. la memoria administrada por alloc y f ree es una pila. Las rutinas son rudimentarias.

/* siguiente posici´n libre */ o char *alloc(n) /* devuelve puntero a n caracteres */ int n. #define NULL 0 /* valor del puntero para devolver errores */ #define ALLOCSIZE 1000 /* tama~o del area disponible */ n static char allocbuf[ALLOCSIZE]. f ree(p) le da el valor p a allocp. Esto se pod´ ıa haber hecho escribiendo static char *allocp = &allocbuf[0]. aunque normalmente los valores significativos son NULL o una expresi´n en que aparezcan direcciones de objetos del tipo apropiado definidas o previamente. si p se encuentra en allocbuf . { if (allocp + n <= allocbuf+ALLOCSIZE){ /* se encontr´ */ o allocp += n. /* espacio para alloc */ static char *allocp = allocbuf. define allocp como un puntero a caracteres y lo inicializa para que apunte a allocbuf.n). { if(p >= allocbuf && p < allocbuf+ ALLOCSIZE) allocp = p. return (allocp . } free(p) /* p apunta al area libre */ ´ char *p. ya que el nombre del array es la direcci´n del elemento cero.3 · Algebra de punteros 145 racteres. } En general un apuntador se puede inicializar como cualquier otra variable. /* p anterior */ } else /* no hubo espacio suficiente */ return (NULL). La declaraci´n o static char *allocp = allocbuf.8. que es la zona libre cuando comienza el programa. se comprueba si hay espacio suficiente en allocbuf (el comienzo de un bloque libre) y se incrementa su valor en n para que apunte a la nueva zona libre. o La pregunta .

return (p-s). Si p y q apuntan a miembros de un mismo array. while (*p != ’\0’) p++.146 8 · El lenguaje de programaci´n C (IV) o if (allocp + n <= allocbuf+ALLOCSIZE) comprueba si hay espacio suficiente para satisfacer la petici´n de n cao racteres. alloc debe devolver alguna indicaci´n de o que no tiene espacio. >. o a En la iteraci´n while se examina cada car´cter hasta encontrar el \0. Adem´s se pueden sumar o restar un puntero y un entero. Si p y q apuntan a miembros del mismo array. Preguntas como las aparecidas en las sentencias if . En general no tiene sentido asignar enteros a punteros. el nuevo valor de allocp ser´ como m´ximo una posici´n ıa a o m´s all´ del fin de allocbuf . La construca ci´n o p + n significa el n-´simo objeto a partir del que apunta p. lo que puede hacer que nuestro programa deje de funcionar misteriosamente cuando lo trasladamos de maquina). No se pueden comparar punteros a distintos arreglos. El lenguaje C garantiza que un apuntador que apunte a datos v´lidos a nunca tendr´ valor cero. del ejemplo anterior. Se puede emplear para se˜alar una condici´n anora n o mal: en este caso. el cero es un caso especial. En caso contrario. Los punteros se e pueden comparar en ciertas circunstancias. { char *p = s. (Esto puede funcionar en ala gunas m´quinas. si lo hay. =. Tambi´n se pueden utilizar relaciones como == y ! =. etc. Se escribe NULL en lugar de cero. alloc devuelve a a o un apuntador. Todo puntero e se puede comparar con igualdad o desigualdad con el valor NULL. indica que no hay espacio. } */ En esta versi´n p se inicializa con s. apunta al primer car´cter. se pueden utilizar relaciones como <. es decir. para indicar que es un valor especial para punteros. tambi´n se pueden restar: p − q es el n´mero de elementos e u entre p y q. Si la petici´n se puede satisfacer. Puesto o a . muestran diferentes facetas de la aritm´tica de punteros. Esto es cierto ine dependientemente del objeto al que apunte p. Esto nos permite escribir otra versi´n de la funci´n strlen: o o strlen(s) /* regresa la longitud de la cadena s char *s.

o o o se puede omitir la comprobaci´n expl´ o ıcita. multiplicarlos. Punteros a caracteres Vamos a analizar inicialmente dos funciones de la biblioteca est´ndar de a C.h. } */ Mientras que la versi´n con punteros es: o strcpy(s. Como p apunta a caracteres.t) /* copia t a s char s[]. strcpy puede usar s y t con absoluta libertad. que e ocupan m´s memoria que los char y si p fuese un puntero a float.t) /* copia t a s char *s. No se permite sumar dos punteros. i = 0. Si estuvi´semos apuntando a float.8. t++. ıa No se pueden hacer m´s operaciones con punteros de las se˜aladas aqu´ a n ı. a u es decir la longitud de la cadena. sumarles valores float o double. 8. etc. string. { while((*s = *t) != ’\0’) { s++. p + + actualiza p para que apunte al siguiente car´cter cada vez. dividirlos. t[].4 · Punteros a caracteres 147 que \0 es cero y la iteraci´n while comprueba s´lo si la expresi´n es cero. } } */ Como los argumentos se pasan por valor. y p − s indica el n´mero de caracteres tratados. while((s[i] = t[i]) != ’\0’) i++. p + + se a posicionar´ en el siguiente float. t) que copia la cadena t en la cadena s. Son punteros que recorren el array car´cter a car´cter a a . y escribir la iteraci´n como o while (*p) p++. { int i. *t.4. La primera strcpy(s. La versi´n con arrays es: o strcpy(s.

148

8 · El lenguaje de programaci´n C (IV) o

hasta que el \0 con que termina t se ha copiado a s. La tercera versi´n m´s o a compacta es:
strcpy(s,t) /* copia t a s char *s, *t; { while(*s++ = *t++) ; } */

Por una parte se ha introducido los incrementos de s y de t en la parte de comprobaci´n de la iteraci´n. El valor de ∗t++ es el car´cter al que apuntaba o o a t antes de ser incrementado; el operador sufijo ++ no se aplica hasta que se ha obtenido ese car´cter. De la misma manera el caracter se almacena en la a antigua posici´n donde apuntaba s antes de ser incrementado. Este car´cter o a es tambi´n el valor que se compara con \0 para controlar la iteraci´n. El e o efecto neto es la copia de los caracteres de t a s hasta copiar el \0 final. Por otra parte se ha eliminado la comparaci´n expl´ o ıcita con \0 por resultar redundante. La segunda rutina que vamos a examinar es strcmp(s, t), que compara las cadenas de caracteres s y t, y devuelve un valor entero negativo, cero o positivo, seg´n que s sea lexicogr´ficamente menor, igual o mayor que t. El u a valor se obtiene al restar los caracteres de la primera posici´n donde s y t o difieren.
strcmp(s,t) /* devuelve <0 si s<t, =0 si s=t, >0 si s>t */ char s[], t[]; { int i; i = 0; while(s[i] == t[i]) if(s[i++] == ’\0’) return 0; return(s[i]-t[i]); }

La versi´n con punteros es: o
strcmp(s,t) /* devuelve <0 si s<t, =0 si s=t, >0 si s>t */ char *s, *t; { for( ; *s == *t; s++, t++ ) if(*s == ’\0’) return 0; return(*s - *t); }

8.5 · Ejemplos de utilizaci´n de punteros o

149

Generalmente se ha visto que en la mayor parte de las computadoras se puede asignar un puntero a un entero y viceversa, sin que se altere el puntero. Lamentablemente esto ha conducido a abusar de rutinas que devuelven punteros que pasan posteriormente a otras rutinas. En ocasiones se omiten declaraciones, de manera que el c´digo resultante sigue funcionano do aunque arriesgadamente, puesto que su funcionamiento depende de la particular arquitectura del ordenador empleado.

8.5.

Ejemplos de utilizaci´n de punteros o

Vamos a considerar como primer ejemplo, el problema de la conversi´n o de la fecha, del d´ del mes a d´ del a˜o y viceversa. Por ejemplo, el 1 de ıa ıa n Marzo es el d´ 60 en un a˜o no bisiesto, y el 61 de uno bisiesto. Veremos ıa n a o dos funciones: day of year, que realizar´ la primera operaci´n y month day, que convertir´ un d´ del a˜o, en mes y d´ a ıa n ıa. Ambas funciones necesitan de la misma informaci´n inicial, una tabla o con los d´ que tiene cada mes (treinta d´ tiene Junio, Septiembre,...). ıas ıas Puesto que el n´mero de d´ del mes de Febrero var´ entre a˜os bisiestos u ıas ıa n y no bisiestos, mantendremos dicha informaci´n en el siguiente array de dos o filas:

static int day_tab[2][13]={ {0,31,28,31,30,31,30,31,31,30,31,30,31}, {0,31,29,31,30,31,30,31,31,30,31,30,31} }; La primera funci´n ser´: o a
day_of_year(year, month, day) /* calcula el d´a del a~o ı n * a partir de mes y d´a */ ı int year, month, day; { int i, bisiesto; bisiesto= year % 4==0 && year % 100 != 0 || for(i=1; i < month ; i++) day += day_tab[bisiesto][i]; return (day); } month_day(year, yearday, pmonth, pday) /* calcula mes, d´a ı year % 400 == 0;

150

8 · El lenguaje de programaci´n C (IV) o

* a partir del d´a y a~o */ ı n int year, yearday, *pmonth, *pday; { int i, bisiesto; bisiesto= year % 4==0 && year % 100 != 0 || year % 400 == 0; for(i=1; yearday > day_tab[bisiesto][i]; i++) yearday -= day_tab[bisiesto][i]; *pmonth= i; *pday=yearday; }

El array day tab ha de ser externo a ambas funciones para poder ser utilizado por ambas. day tab es el primer array bidimensional con el que trabajamos. En realidad, en C, un array bidimensional es por definici´n un array unidimensional, o en el que cada elemento vuelve a ser un array. Los sub´ ındices se escriben como day_tab[i][j] en lugar de day_tab[i,j] empleado en la mayor´ de los dem´s lenguajes. Por otra parte, los eleıa a mentos se almacenan por filas, es decir, el sub´ ındice m´s a la derecha var´ a ıa m´s r´pidamente cuando se accede a los elementos por orden de almacenaa a miento. La inicializaci´n se realiza listando los valores entre llaves. Cada fila o se inicializa mediante la correspondiente sublista. En este caso se ha comenzado con una columna de ceros, para que los ´ ındices correspondientes a los distintos meses var´ entre 1 y 12. ıen En el caso de tener que transferir un array a una funci´n, la declaraci´n o o del argumento en la funci´n deber´ incluir el n´mero de columnas. El n´mero o a u u de filas es irrelevante, pudi´ndose utilizar un apuntador para declarar este e dato. Son posibles las siguientes declaraciones de f :
f(day_tab) int day_tab[2][13]; { ... }

8.5 · Ejemplos de utilizaci´n de punteros o O bien: int day_tab[][13]; o tambi´n e int (*day_tab)[13];

151

que indica que el argumento es un apuntador a un array de 13 enteros. Los par´ntesis son necesarios puesto que los corchetes [] tienen mayor e o e o precedencia que el operador de indirecci´n *. Sin par´ntesis, la declaraci´n int *day_tab[13]; declara un array de 13 apuntadores a enteros, como veremos en el siguiente ejemplo. Vamos a ver ahora un ejemplo de un programa que ordene un conjunto de l´ ıneas de texto en orden alfab´tico, versi´n reducida de la utiler´ sort de e o ıa UNIX. La dificultad del ejemplo estriba en el hecho de trabajar con l´ ıneas de texto, de longitud variable, que exigen ser comparadas y movidas en m´s de a una s´la operaci´n, a diferencia de lo que sucede con un n´mero entero. Se o o u necesita por lo tanto una representaci´n eficiente de los datos, que funcione o correctamente con l´ ıneas de texto de longitud variable. Utilizaremos en este caso un array de punteros. Si las l´ ıneas a ordenar se almacenan una tras otra en un gran array de caracteres, se podr´ acceder a a cada l´ ınea a trav´s de un puntero a su primer car´cter. Los punteros pueden e a almacenarse a su vez en un array. Se pueden comparar dos l´ ıneas con s´lo o pasar sus punteros a strcmp. Cuando tengamos que intercambiar dos l´ ıneas desordenadas, se intercambiar´n los punteros en el arreglo y no las l´ a ıneas. Como siempre es mejor dividir el programa principal en funciones que sigan esta divisi´n y que la rutina principal controle las cosas. o Si comenzamos pensando en la entrada de datos, la rutina de entrada ha de recoger y guardar los caracteres de cada l´ ınea y construir un array de punteros a las l´ ıneas. Tambi´n tiene que contar el n´mero de l´ e u ıneas de entrada, pues esta informaci´n ser´ necesaria para el proceso de ordenaci´n o a o

152

8 · El lenguaje de programaci´n C (IV) o

y el de salida. La funci´n de entrada devolver´ un -1, si existen demasiadas o a l´ ıneas. La funci´n de salida s´lo tiene que imprimir las l´ o o ıneas en el orden en el que aparecen los correspondientes punteros.

#define NULL 0 #define MAXLINES 100 /* n´mero m´ximo de l´neas a ordenar */ u a ı main() /* ordena las l´neas */ ı { char *lineptr[MAXLINES]; /* punteros a las l´neas de texto */ ı int nlines; /* n´mero de l´neas le´das */ u ı ı if((nlines = readlines (lineptr, MAXLINES)) >= 0) { sort(lineptr, nlines); writelines(lineptr, nlines); } else printf(" Demasiadas l´neas a ordenar\n "); ı }

Veamos las definiciones de las funciones utilizadas
#define MAXLEN 1000

readlines (lineptr, maxlines) /* lee l´neas de entrada */ ı char *lineptr[]; int maxlines; { int len, nlines; char *p, *alloc(), line[MAXLEN]; nlines=0; while((len=getline(line, MAXLEN)) > 0) if(nlines >= maxlines) return -1; else if((p=alloc(len) == NULL) return -1; else{ line[len-1] = ’\0’; /* quita el car´cter nueva l´nea */ a ı strcpy(p, line); lineptr[nlines++]=p; } return nlines; }

El car´cter nueva l´ a ınea al final de cada l´ ınea se elimina, pues no afecta a la forma de ordenar.

8.5 · Ejemplos de utilizaci´n de punteros o
writelines(lineptr, nlines) /* escribe l´neas ı char *lineptr[]; int nlines; { int i; for(i = 0; i < nlines; i++) printf("%s \n", lineptr[i]); } */

153

la novedad es la declaraci´n de lineptr. o
char *lineptr[LINES];

indica que lineptr es un array de LINES elementos, cada uno de los cuales es un puntero a un car´cter y ∗lineptr[i] tiene acceso a un car´cter. a a Una vez que la entrada y salida est´n controladas, podemos proceder a a su ordenaci´n. El m´todo elegido en este caso, no ha sido desarrollado o e previamente en teor´ se denomina Shellsort. ıa,

sort(v,n) /* ordena las cadenas v[0],...v[n-1] * * en orden creciente */ char *v[]; int n; { int gap, i,j; char *temp; for( gap = n/2; gap > 0; gap /= 2) for(i = gap; i < n; i++) for(j = i - gap; j >= 0; j -=gap){ if(strcmp(v[j], v[j+gap]) <= 0) break; temp=v[j]; v[j]=v[j+gap]; v[j+gap]=temp; } }

Debido a que los elementos de v son punteros, tambi´n debe serlo temp. e Podr´ mejorarse el programa sustituyendo el m´todo de ordenaci´n Shell ıa e o por ejemplo por Quicksort. Int´ntalo como ejercicio. e El programa anterior ha sido implementado, junto con las funciones readlines, writelines, sort, getline y alloc. El resultado es el fichero siguiente:
#include<stdio.h>

154
#include<string.h>

8 · El lenguaje de programaci´n C (IV) o

#define NULL 0 #define MAXLINES 100 /*numero maximo de lineas a ordenar */ #define MAXLEN 1000 main(){ char *lineptr[MAXLINES]; int nlines; /* numero de lineas leidas */ if((nlines=readlines(lineptr, MAXLINES))>=0) { sort(lineptr, nlines); writelines(lineptr, nlines); } else printf("Demasiadas lineas a ordenar\n "); } readlines(lineptr, maxlines) /* lee las lineas de la entrada */ char *lineptr[]; int maxlines; { int len, nlines; char *p, *alloc(), line[MAXLEN]; nlines=0; while((len=getline(line,MAXLEN))>0) if(nlines >= maxlines) return (-1); else if ((p=alloc(len)) == NULL) return (-1); else{ line[len-1]=’\0’; /* quita el caracter nueva linea */ strcpy(p,line); lineptr[nlines++]=p; } return (nlines); } writelines(lineptr,nlines) char *lineptr[]; int nlines; { int i; for (i=0; i < nlines; i++ ) printf("%s\n", lineptr[i]); } /*escribe lineas */

sort(v,n) /*ordena las cadenas v[0],...v[n-1] en orden creciente */ char *v[]; int n; { int gap,i,j; char *temp;

8.5 · Ejemplos de utilizaci´n de punteros o
for(gap=n/2; gap>0; gap/=2) for(i=gap; i<n; i++) for(j=i-gap; j>=0; j-=gap){ if(strcmp(v[j],v[j+gap])<=0) break; temp=v[j]; v[j]=v[j+gap]; v[j+gap]=temp; } } getline(s,lim) /* para la cadena s da su longitud */ char s[]; int lim; { int c,i; i=0; while(--lim>0 && (c=getchar())!= EOF && c!= ’\n’) s[i++]=c; if(c==’\n’) s[i++]=c; s[i]=’\0’; return(i); } #define ALLOCSIZE 1000 /*tama~o del area disponible */ n static char allocbuf[ALLOCSIZE]; static char *allocp=allocbuf; char *alloc(n) /*devuelve apuntador a cadena de caracteres */ int n; { if(allocp+n<=allocbuf+ALLOCSIZE){ allocp+=n; return(allocp-n); } else return(NULL); }

155

Observaciones sobre E/S La entrada y salida del programa anterior est´n sin especificar. Una a opci´n a utilizar desde el sistema operativo, es direccionar la entrada desde o un fichero, por ejemplo lineas.txt. Para ello basta teclear $ a.out<lineas.txt Si adem´s queremos que la salida se escriba en un fichero, basta direca cionar la salida del programa a dicho fichero:

txt Por ejemplo si en lineas.out<lineas.c */ ordena alfabeticamente cadenas de caracteres */ que lee del fichero lineas.156 8 · El lenguaje de programaci´n C (IV) o $ a."r").txt */ #include<stdio.h> #include<string.h> #define MAXLINES 500 #define MAXLENGTH 100 main(){ char *lineptr[MAXLINES]. fp=fopen("lineas.txt resultante ser´: e e a Beato Unai Blanco Maria Isabel Cao Rosa Maria Caracena Jose Antonio Fuente Rosa Maria de la Gomez Pedro Alberto Guisasola Ainhoa Herran Belen Juan Mario de Morillo Alberto Nunez David Quintela Monica Rivas Silvia Ruiz Diego Otra forma de hacer lo mismo. int c. FILE *fp. "a").txt>salida.txt".fp)) != NULL && (i<MAXLINES)) .n.i. i=1. esta vez desde dentro del programa. es la que aparece a continuaci´n: o /* /* /* /* este es el programa en el fichero fordena.txt". char linea[MAXLINES][MAXLENGTH]. while((lineptr[i] = fgets(&linea[i][0].txt */ la salida va al fichero salida. FILE *fresul. aparecen los nombres de los alumnos de M´todos Num´ricos del curso 98-99. MAXLENGTH.txt. El fichero salida. fresul=fopen("salida.

lineptr[i]).out con la entrada est´ndar de prog2. n).8. a En la pr´ctica muchos programas leen de un s´lo archivo y escriben en un a o unico archivo. gap >0. for ( gap=n/2. i<=n. i++) for (j=i-gap.i.out."\n\n Lineas ordenadas for (i=1. j-=gap){ if(strcmp(lineptr[j]. lineptr[j]=lineptr[j+gap]. int n. lineptr[j+gap]=temp. temp=lineptr[j]. "%s". 157 El cambio de la entrada de datos a un programa tambi´n es invisible si la e entrada proviene de la salida de otro programa a trav´s de una interconexi´n. } } lexicograficamente: \n\n"). { int gap. n) char *lineptr[].lineptr[j+gap])<=0) break. i++) { printf("%s". Ello hace innecesario aprender a acceder a los archivos desde . } sort(lineptr+1. gap/=2) for (i=gap. Adem´s varios archivos se pueden unir usando por ejemplo la utiler´ a ıa cat de UNIX.5 · Ejemplos de utilizaci´n de punteros o i++. i<n.out. e o (pipe). y conecta la salida est´ndar a de prog1. j>=0.out ejecuta los programas prog1.out y prog2. la entrada/salida mediante getchar(). i<=n. n=i-1. for(i=1. char *temp.j. i++) { fprintf(fresul. } sort(lineptr. ´ putchar() y printf es totalmente adecuada. fprintf(fresul.out |prog2. lineptr[i]). la linea de comando $ prog1. } return 0. Para estos programas. En este caso.

Las funciones issuper y tolower son u macros definidas en stdio.out. La salida aparece en el archivo output.txt | lower.158 dentro del programa. . con un sencillo programa como el siguiente: #include<stdio.h.txt y se ejecuta sobre el fichero unido. que convierten en may´scula y min´sculas. el car´cter le´ a ıdo.h> main() { int c. while((c=getchar())!=EOF) putchar(issuper(c) ? tolower(c) :c ). resu u pectivamente.txt lineas2. Con la l´ ınea de comando: $ cat lineas. } se traduce la entrada a min´sculas.txt y lineas2.out> output se unen los ficheros lineas. el programa lower. 8 · El lenguaje de programaci´n C (IV) o Por ejemplo.

posiblemente de distinto tipo. d´ del ıa. char mon_name[4]. particularmente en programas grandes.1. que o no es m´s que un conjunto de declaraciones encerradas entre llaves. A dicho nombre se le denomina nombre de la estructura y se puede emplear en declaraciones posteriores como 159 . lo que hace m´s eficiente a su manejo. Las estructuras ayudan a organizar datos complicados. La palabra clave struct introduce la declaraci´n de una estructura. a˜o. int month. n ıa a˜o y nombre del mes. int year. d´ mes. puesto que permiten considerar como unidad un conjunto de variables relacionadas. int yearday. Tipos de datos definidos por el usuario: estructuras Una estructura es un conjunto de diversas variables. agrupadas bajo un mismo nombre. }.Cap´ ıtulo 9 El lenguaje de programaci´n C (V) o 9. Opa cionalmente se puede a˜adir un nombre despu´s de la palabre clave struct n e (como el date en el ejemplo anterior). Una fecha tiene por ejemplo varios componentes. en lugar de tratarlas como unidades independientes. Estas cinco variables se pueden agrupar bajo una n estructura como la siguiente: struct date { int day.

y.} x.. . Un miembro de una estructura. o no se reserva memoria. struct date d.. una vez constru´ la plantilla de ıda la estructura date.year % 400 == 0. Para dar un valor a la variable bisiesto a partir de la estructura date se har´: a bisiesto=d.year % 4 == 0 && d. z son declaradas las tres como estructuras del mismo tipo y se reserva la memoria correspondiente. "Jul"}. 186.1776. siempre que se puedan distinguir a trav´s del contexto. 9 · El lenguaje de programaci´n C (V) o Los elementos o variables citados en una estructura se denominan miembros. Si la variable estructura es de tipo externa o est´tica. Por ejemplo. tenemos que utilizar una construcci´n de la forma o nombre_de_estructura.7 . Si la declaraci´n de una estructura no va seguida de una lista de variables.year % 100 != 0 || d.miembro El operador miembro de estructura ”·¸onecta el nombre de la estructura c y el del miembro. para definir estructuras del mismo tipo. Posteriormente se puede utilizar dicha plantilla. Si nos queremos referir a un elemento de la estructura. y. se puede inicializar de la siguiente a forma: struct date d={4 . y se considera unicamente descrita una plantilla de ´ la estructura. la propia estructura y una variable ordinaria pueden tener el mismo nombre.160 abreviatura de la estructura. e La llave de cierre que termina la declaraci´n de la lista de miembros o puede ir seguida de una lista de variables struct{. z. en el sentido de que x. declara la variable d como una estructura de tipo date.

. double salary. "Aug") == 0) .month se refiere al mes de nacimiento.mon_name[0]).mon_name[0] = lower(d. o para convertir a min´scula el primer car´cter del nombre del mes: u a d.birthdate. struct date hiredate. Si declaramos la variable emp como una estructura del mismo tipo: struct person emp. struct date birthdate. 9. La estructura persona tiene dos fechas.mon_name.2 · Operaciones con estructuras o para comprobar el nombre del mes: if (strcmp (d. long zipcode. }. . entonces emp. long ss_number.2. 161 Por otra parte las estructuras se pueden anidar. El operador de miembro de una estructura es asociativo de izquierda a derecha. Un registro de la n´mina o puede ser por ejemplo: struct person{ char name[NAMESIZE]. Operaciones con estructuras Con una variable declarada como una estructura pueden realizarse las siguientes operaciones: .9. /* dimension = tama~o del nombre */ n char address[ADRSIZE].

En general si se desean hacer programas portables. pero ´ o o no en el C est´ndar. es decir: struct date hiredate. i++) day += day_tab[bisiesto][i]. Como no es poo sible pasar una estructura a una funci´n como argumento. las estructuras autom´ticas no se pueden inicializar. o bien pasaremos un puntero a la estructura. s´lo a o pueden inicializarse estructuras externas o est´ticas. day. Si hemos declarado hiredate (fecha de contrato) como una estructura del tipo date.month. for (i=1.day).162 9 · El lenguaje de programaci´n C (V) o 1. day = pd -> day. o Por otra parte. o La primera alternativa emplea day of year igual que se escribi´ en el Tema 8. hay a que tener cuidado con lo que no se puede hacer en C est´ndar. d. Acceder a uno de sus miembros. pasaremos las componentes por separado. volveremos a escribir las funciones de conversi´n o de fechas que vimos en el Tema 8. utilizando estructuras. { int i. 3. La otra alternativa es pasar un puntero. bisiesto=pd -> year % 4 == 0 && pd -> year % 100 != 0 || pd -> year % 400 == 0. d. a Si queremos copiar una estructura como una unidad. Tomar su direcci´n mediante el operador &. Asignar una estructura a otra con el operador de asignaci´n. tendremos que utilizar punteros. d. o 2. La modificaci´n puede ser: o day_of_year (pd) /* convertir en dia del a~o */ n struct date *pd. i< pd -> month. a Como ejemplos de uso.yearday = day_of_year(d. bisiesto. o pasarla como argumento a una funci´n.year. para que su argumento sea un o puntero y no una lista de variables. hay que modificar la funci´n day of year. } . o Esta ultima operaci´n es posible s´lo en las nuevas versiones de C. return (day).

de manera que p -> q -> memb emp.birthdate. pd -> day > day_tab[bisiesto][i]. se ha introducido la notaci´n − > m´s abreviada que la anterior. } . 163 especifica que pd es un puntero a una estructura de tipo date. pd -> month =i. ya que la precedencia del operador de e miembro de estructura es mayor que la del operador *. La notaci´n o pd− >year sirve para describir el operador de acceso al miembro de una estructura. el miembro year se puede referenciar mediante (*pd). En o a (∗pd). la funci´n month day para utio lizar estructuras: month_day (pd) /* convertir a mes y dia */ struct date *pd.9.month equivalen a (p -> q) -> memb (emp. bisiesto. { int i.birthdate).year pero dada la frecuencia con la que se emplean los punteros a estructuras.2 · Operaciones con estructuras con lo que la llamada a la funci´n ser´ o ıa: d. for (i=1.month Podemos modificar en el mismo sentido. Tanto − > como · son asociativos de izquierda a derecha.yearday = day_of_year(&hiredate). En este caso apunta al miembro denominado year. pd -> day = pd -> yearday. i++) pd -> day -= day_tab[bisiesto][i].year hacen falta los par´ntesis. Puesto que pd apunta a una estructura. bisiesto=pd -> year % 4 == 0 && pd -> year % 100 != 0 || pd -> year % 400 == 0. La declaraci´n o struct date *pd.

164 9 · El lenguaje de programaci´n C (V) o Los operadores de estructuras − > y · junto con los par´ntesis y los core chetes tienen la m´xima precedencia entre todos los operadores. int *y. . u Una posibilidad consistir´ en mantener dos arreglos en paralelo keyword ıa y keycount char *keyword[nkeys]. En este ultimo caso. la sentencia ++p -> x incrementa x en lugar de p. } *p. Por ejemplo. o sentido. int keycount[nkeys]. a dada la declaraci´n o struct{ int x. e Consid´rese un programa que intenta contar las veces que aparece una palabra clave de C. Se deben utilizar par´ntesis para alterar el orden de aplicaci´n de los operadores. int keycount. ya que los par´ntesis impl´ e ıcitos son ++(p− > e o x). mientras que e ´ ıan (p + +)− > x lo incrementa despu´s. no se necesitar´ e par´ntesis ¿verdad? Las estructuras tienen una aplicaci´n bastante util en arrays de variables o ´ relacionadas entre s´ Vamos a analizar un ejemplo de aplicaci´n en este ı. Sin embargo el hecho de que los dos arreglos se vayan a manipular en paralelo indica otra posible organizaci´n. Cada palabra clave es en realidad o un par: char *keyword. En tal programa necesitar´ ıamos un array de caracteres para almacenar los nombres de las distintas palablas claves y otro para contar el n´mero de ocurrencias. (+ + p)− > x incrementa p antes de acceder a x.

2 · Operaciones con estructuras 165 y se necesita un array de pares. {"case". La estructura keytab puede inicializarse de una vez para siempre con el conjunto de nombres de las palabras clave de C. . . 0}. 0. Cada elemento del array es una estructura. {"break". Se puede entonces declarar una estructura de la forma struct key { char *keyword. "while". int keycount. 0. } keytab[nkeys]. . */ "unsigned". }. . /* . 0. Tambi´n se podr´ agrupar e ıan entre llaves los inicializadores en cada fila. . 0 }. int keycount. 0. Los inicializadores se agrupan por pares. int keycount. se inicializa en todas ellas a 0. Otra posible definici´n o es: struct key { char *keyword. que define un array keytab de estructuras de este tipo y le asigna memoria.9. En cuanto al n´mero de u ocurrencias. } keytab[]={ "break". 0. 0}. struct key { char *keyword. . "case". struct key keytab[nkeys]. "continue". "char".

keytab[n].keyword). high. int n. while (low <= high){ mid = (low+high) / 2. } .1. NKEYS)) >= 0) keytab[n]. n) /*busca palabra en tab[0]. La dimensi´n del a a o array en el caso de que est´n todos presentes la calcula el compilador y [] se e deja vac´ ıo. if ((cond = strcmp(word. else return(mid). low = 0. high = n-1. while ((t = getword(word..keycount++. tab[mid]. struct key tab[]. n++) if(keytab[n]. o lo que es e lo mismo en orden alfab´tico).keycount. e #define MAXWORD 20 main() /*cuenta palabras clave de C */ { int n. (Dicha funci´n de b´squeda necesita que u o u las palabras clave en keytab est´n ordenadas en orden creciente. { int low. Escribimos a continuaci´n el programa que cuenta palabras clave. El programa principal lee datos llamando repetidamente a getword que busca en keytab mediante una funci´n que implementa o un algoritmo de b´squeda binaria. } binary(word. n < NKEYS. Se deo fine inicialmente keytab.tab[n-1]*/ char *word. char word[MAXWORD].MAXWORD))!= EOF) if(t == LETTER) if ((n = binary(word.166 9 · El lenguaje de programaci´n C (V) o Estas llaves no son necesarias si los inicializadores son variables simples o cadenas de caracteres y si adem´s est´n todos presentes. } return(-1). keytab. tab. else if (cond > 0) low = mid + 1. for (n=0. cond.keycount > 0) printf("%4d %s\n".keyword)) < 0) high = mid . mid. t. keytab[n]..

} while (--lim >0) { t = type(c = *w++ =getch()). } } *(w-1) = ’\0’. Si se alcanza el final ´ a del archivo. un array o una estructura. Dicha funci´n devuelve la o o constante LET T ER si el s´ ımbolo es una palabra (cadena de letras y d´ ıgitos que comienza con una letra. Dicho objeto puede ser una variable. break. o bien un unico car´cter). La constante N KEY S es el n´mero de palabras que caben en keytab. lim) /* leer la siguiente palabra */ char *w. a o a puesto que adem´s dicha lista puede variar. if(type(c = *w++ = getch()) != LETTER){ *w = ’\0’. la funci´n devuelve EOF. o getword(w. if (t != LETTER && t != DIGIT) { ungetch(c). n o El n´mero de elementos es u tama˜o de keytab (40) / tama˜o de struct key (2) n n C tiene un operador unitario llamado sizeof que calcula el tama˜o de n cualquier objeto en el momento de la compilaci´n. La expresi´n sizeof (objeto) o o n devuelve un entero igual al tama˜o del objeto especificado. u Esta cantidad puede determinarse al contar las palabras clave en la tabla. int lim.9. { int c. pero es m´s c´modo y seguro que esta cantidad se calcule autom´ticamente. y copia la palabra en su primer argumento word. o el nombre de una estructura. el nombre de un tipo a b´sico como int o double. Una posibilidad es utilizar el a hecho de que el tama˜o del array se conoce en el momento de la compilaci´n. #define NKEYS (sizeof(keytab) /sizeof(struct key)) /% (20) %/ Vamos a describir ahora la funci´n getword. En nuestro caso. t. } . return(LETTER).2 · Operaciones con estructuras 167 La funci´n getword la veremos un poco m´s adelante. return (c). u el n´mero de palabras clave se obtiene de la siguiente manera. De ella s´lo sabeo a o mos por ahora. que devuelve LETTER cada vez que encuentra una palabra.

o getword llama a type para determinar el tipo de car´cter de entrada. char word[MAXWORD].c.MAXWORD))!= EOF) if(t == LETTER) . que ser´ el siguiente en ser a procesado en la pr´xima llamada. Punteros a estructuras y estructuras ligadas. { if(c >= ’a’ && c <= ’z’ || c >= ’A’ && c <= ’Z’) return LETTER. struct key *binary(). *p. else return c. Cuando acaba la recolecci´n de una cadena alfanum´rica se llama a la rutina o e ungetch para devolver el ultimo car´cter le´ ´ a ıdo. a 9. las a e elecciones obvias son: #define LETTER ’a’ #define DIGIT ’0’ El programa correspondiente est´ implementado y su nombre es cuenta. Arboles binarios. Ejemplos de uso Vamos a volver a escribir un programa en C que cuente palabras clave. Esta vez vamos a utilizar punteros en lugar de ´ ındices del array. a La funci´n type descrita a continuaci´n. } Las constantes simb´licas LETTER y DIGIT pueden tener cualquier o valor que no entre en conflicto con un car´cter alfanum´rico o EOF.3. que quedar´ de la siguiente forma: ıan main() /*cuenta palabras clave de C */ { int t. es v´lida s´lo para el conjunto de o o a o caracteres ASCII. while ((t = getword(word. Hay que cambiar main y binary.168 9 · El lenguaje de programaci´n C (V) o getword utiliza las rutinas getch y ungetch que vimos en el Tema 8. else if (c >= ’0’ && c <= ’9’) return DIGIT. type(c) /*devuelve el tipo de un caracter ASCII*/ int c.

. } return(NULL). } struct key *binary(word. p++) if(p -> keycount > 0) printf("%4d %s\n". tab. que de hecho es ilegal. Si binary o encuentra la palabra. mid -> keyword)) < 0) high = mid . else return(mid)..keycount++. struct key *mid. struct key tab[]. devuelve un puntero a ella. int n. for (p = keytab. struct key *low = &tab[0]. NKEYS)) != NULL) p->.3 · Punteros a estructuras y estructuras ligadas. p->keycount. } En la nueva versi´n se aprecian varios cambios. p < keytab + NKEYS. Adem´s el acceso a los elementos de keytab se hace a trav´s de punteros. { int cond. while (low <= high){ mid = low + (high-low) / 2. .1.tab[n-1]*/ char *word. keytab. else if (cond > 0) low = mid + 1. Ejemplos de uso169 if ((p = binary(word. Arboles binarios. n) /*busca palabra en tab[0]. El c´lculo hay que cambiarlo a por mid = low + (high−low) 2 que hace que mid apunte al elemento situado en la mitad de low y high. en lugar de un entero. struct key *high = &tab[n-1].9. esta declaraci´n hay que hacerla en main y en binary. La declaraci´n de binary o o indica que devuelve un puntero a una estructura de tipo key. p ->keyword). if ((cond = strcmp(word. en caso contrario devuelve NULL. a e Esto provoca bastante cambio en binary: el c´lculo del elemento central no a puede hacerse como antes mid = (low+high) 2 ya que la suma de los punteros no produce ning´n tipo de respuesta util u ´ (tampoco dividir por 2).

´ Cuando una funci´n devuelve un tipo complicado como o struct key *binary(word. Por ultimo hay que comentar algo sobre el formato de un programa. puesto que ser´ un procediu ıa miento muy lento. tab.170 9 · El lenguaje de programaci´n C (V) o Tambi´n hay que observar los inicializadores de low y high. Tampoco ser´ correcta una u ıa b´squeda lineal de cada palabra encontrada. ıa Lo que s´ podemos utilizar es una estructura de datos denominada ´rbol ı a binario. o que es en este caso lo que se hace. pues se emplear´ mucho tiempo. u u Dado que de entrada no se conoce la lista de palabras. Esto no es posible hacerlo. quiz´ m´s clara puede ser a a struct key * binary(word. no se pueden ordenar para utilizar un algoritmo de b´squeda binaria. p < keytab + NKEYS. Se puede e inicializar un puntero con la direcci´n de un objeto definido previamente. p++) Si p es un puntero a una estructura. Una forma alternativa ıcil o de escribirlo. Sup´ngase que se de´ o sea contar el n´mero de ocurrencias de todas las palabras de alg´n texto. desplazando las palabras en un array lineal. en cada nodo ´ tendremos: . ya que n los requerimientos de alineaci´n de los diferentes objetos pueden ocasionar o huecos en la estructura. n) Vamos a analizar por ultimo el siguiente ejemplo. No se debe suponer que el tama˜o de una n estructura es la suma de los tama˜os de cada uno de los miembros. tab. por lo que e a n p + + incrementa p en la cantidad adecuada para acceder al siguiente elemento del arreglo de estructuras. En main se tendr´: a for (p = keytab. ¿C´mo podemos organizar nuestros datos para controlar o eficientemente una lista de palabras arbitrarias? Una soluci´n es mantener en todo momento las palabras ordenadas. n) puede ser dif´ encontrar el nombre de la funci´n. coo locando en su sitio cada palabra que llega. El arbol va a contener un nodo por cada palabra diferente. cualquier operaci´n aritm´tica que o e se realice con ´l tendr´ en cuenta el tama˜o de la estructura.

/*hijo izquierdo */ declara lef t como un puntero a un nodo. se comienza comparando dicha palabra con la almacenada a a ız a en el nodo ra´ del ´rbol. Es ilegal que una estructura contenga un elemento que sea ella misma. se contin´a la u b´squeda por el sub´rbol izquierdo. Si no existe descendiente en la direcci´n examinada a o es que la palabra no est´ en el ´rbol. Arboles binarios. La estructura de cada nodo. en este caso se aca a tualiza el contador de ocurrencias. no como un nodo en s´ ı. y su lugar es el del descendiente que a a no existe. y el sub´rbol derecho contiene palabras que a son mayores que la palabra del nodo actual. Para averiguar si una palabra ya est´ en el ´rbol. pero la sentencia struct tnode *left. el sub´rbol izquierdo contiene palabras que son (lexicogr´ficamente) a a menores que la palabra del nodo.3 · Punteros a estructuras y estructuras ligadas. puede estar definida de la siguiente manera: struct tnode{ /* el nodo*/ char *word. Dichas funciones son getword que lee la siguiente palabra de la entrada y alloc que obtiene memoria para las palabras. es investigada u a en el sub´rbol derecho. La estructura del arbol est´ definida. Si coinciden. pero puede tener uno o u a ninguno. si la palabra es mayor. /*hijo izquierdo */ struct tnode *right. El c´digo del programa es muy corto ya que utiliza funciones que han sido o definidas anteriormente. Ejemplos de uso171 un puntero a los caracteres de la palabra un contador del n´mero de ocurrencias u un puntero a su hijo izquierdo (que es un nodo) un puntero a su hijo derecho (que tambi´n es un nodo) e Ning´n nodo puede tener m´s de dos hijos. /* puntero a los caracteres */ int count. puesto que la b´squeu u da en cualquier nodo se realiza de igual manera en cualquiera de sus hijos. Este proceso de b´squeda es claramente recursivo. struct tnode *left.9. es que la palabra ya est´ en el ´rbol. . /*hijo derecho */ }. Si la palabra es menor. de manera que: dado un ´ a nodo.

MAXWORD))!= EOF) if(t == LETTER) root = tree(root. } La memoria para crear el nuevo nodo se obtiene llamando a la rutina talloc. Si se crea un nodo. } main presenta una palabra a comparar comenzando por la ra´ del arbol. else p->right=tree(p->right. */ return (p). char word[MAXWORD].*/ p->left=tree(p->left. /*palabra repetida */ else if (cond < 0) /* las menores va al izdo. struct tnode *tree(p. w). *tree(). root=NULL. { struct tnode *talloc(). adaptaci´n de la rutina alloc vista anteriormente. dicha palabra se compara con la almacenada en el nodo y se prosigue la b´squeda por el sub´rbol derecho o izquierdo mediante u a una llamada recursiva a tree. Pueden darse dos posibilidades. p->left = p->right = NULL. char *strsave(). int t. tree devuelve su puntero para n ´ poder instalarlo en el nodo padre. esto quiere decir que hay que crear y a˜adir un nodo al arbol. if(p == NULL) { /* llega una nueva palabra */ p=talloc(). treeprint(root). p->word)) == 0) p->count++. word). ız ´ En cada etapa. } else if ((cond = strcmp(w. se incrementa el contador. while(( t=getword(word. si la palabra coincide con una que est´ en el ´rbol. int cond.172 9 · El lenguaje de programaci´n C (V) o El programa principal lee palabras llamando a getword y las a˜ade al n a ´rbol mediante la funci´n tree que luego veremos: o #define MAXWORD 20 main() /* cuenta frecuencia de palabras*/ { struct tnode *root. mientras a a que si se encuentra un puntero nulo. w)./*las mayores al dcho. Devuelve un puno . char *w. p->count = 1.w) /*introduce w en p o a continuaci´n de p */ o struct tnode *p. p->word = strsave(w).

el contador ıa se inicializa y los dos hijos toman el valor NULL. dado un nodo. { if(p!= NULL) { treeprint(p->left).9. Ejemplos de uso173 tero a la zona de memoria donde almacenar el nodo. } } Por ultimo una observaci´n pr´ctica: el ´rbol puede estar desequilibrado ´ o a a o no balanceado. En segundo lugar. a n f reeprint imprime el ´rbol en orden sim´trico. treeprint(p->right). printf("%4d %s\n". En primer lugar ¿c´mo o satisfacer los requerimientos de casi todas las computadoras que imponen restricciones de alineaci´n a diferentes tipos de objetos? (por ejemplo. p->word). Parece deseable que a lo largo de un programa exista un unico administrador de memoria. o Si p se declara como char *p. En C. p->count. a treeprint(p) /*imprime el arbol recursivamente */ ´ struct tnode *p. vamos a realizar una peque˜a reflexi´n n o sobre administradores de memoria. Pero si un gestor acepta peticiones de apuntadores a char y a struct tnode se plantean dos cuestiones. si las palabras no aparecen aleatoriamente y el tiempo de ejecuci´n puede. un procedimiento es o declarar que alloc devuelva un apuntador a caracteres y forzarlo mediante una declaraci´n encastrada “cast” al tipo deseado. En el peor de los casos. Arboles binarios. aunque maneje dife´ rentes tipos de objetos. el programa realiza una b´squeda lineal. o ¿c´mo se puede expresar el hecho de que alloc devuelva diferentes tipos de o apuntadores?. La nueva palabra se copia a una zona vac´ mediante strsave. los o enteros a menudo suelen ubicarse en una direcci´n par). a u Antes de acabar con el ejemplo.3 · Punteros a estructuras y estructuras ligadas. se imprime a e el sub´rbol izquierdo (todas las palabras menores que la del nodo). entonces. ser muy alto. La declaraci´n del tipo en alloc puede ser un inconveniente para cualquier o lenguaje que realice una comprobaci´n de tipos. y luego el sub´rbol derecho (todas las palabras mayores). . el propio a nodo. Esta parte de la rutina se ejecuta al alcanzar un extremo del ´rbol para a˜adir un nuevo nodo. si las o palabras ya est´n en orden.

174 (struct tnode *)p. De esta forma la rutina talloc se escribe: . 9 · El lenguaje de programaci´n C (V) o lo convierte en un puntero a la estructura tnode.

9. } Observar que devuelve un puntero a estructura. return((struct tnode *)alloc(sizeof(struct tnode))). Ejemplos de uso175 struct tnode *talloc() { char *alloc(). Arboles binarios. de la posici´n donde o puede empezar a ser almacenada una estructura de ese tama˜o. n .3 · Punteros a estructuras y estructuras ligadas.

176 9 · El lenguaje de programaci´n C (V) o .

o ´ Si sucede que rang(A) = r < n. b) = rang(A) Si m = n = r. entonces R(A) = Rn y el sistema puede resolverse para cualquier b.Cap´ ıtulo 10 Soluci´n de sistemas de ecuaciones o lineales Un sistema de ecuaciones lineales con m ecuaciones y n inc´gnitas (n ≤ o m) a11 x1 + ··· am1 x1 + ··· ··· ··· +a1n xn ··· +amn xn = b1 ··· = bm puede escribirse con notaci´n matricial como Ax = b. Con esta representaci´n. el sistema Ax = 0 tiene (n − r) soluciones linealmente independientes. 177 . donde R(A) es el subespacio o generado por todas las columnas de A. El sistema anterior puede escribirse de la forma x1 a·1 + · · · + xn a·n = b que expresa el vector b como una combinaci´n lineal de los vectores columna o de A. Esto puede escribirse diciendo que rang(A. se puede ver que la condici´n para que un o o sistema lineal tenga soluci´n es que b ∈ R(A). Un sistema homog´neo siempre tiene la soluci´n trivial e e o x = 0. Si rang(A) = r < n. entonces el sistema Ax = b tiene n − r soluciones. Si b = 0 el sistema o se dice homog´neo. En este caso la soluci´n es unica y se obtiene como x = A−1 b.

lo que permite que sean aplicados a sistemas de dimensi´n mayor que o un m´todo directo.1.n−1 ··· ··· xn = . Sistemas triangulares Los sistemas en los que la matriz A es triangular. ∀i = 1.1. si la matriz es dispersa (una gran porci´n de sus elementos son nulos) o suelen ser m´s apropiados los m´todos iterativos.n xn unn xn = b1 ··· = bn−1 = bn Si uii = 0.n−1 xn−1 + u1n xn ··· un−1. Dichos m´todos propora e e cionan una sucesi´n de soluciones aproximadas que converge a la verdadera o soluci´n cuando el n´mero de iteraciones tiende a infinito. M´todos directos para la resoluci´n de sise o temas de ecuaciones lineales Entenderemos como m´todo directo aqu´l que necesita de un n´mero e e u finito de pasos para obtener la soluci´n..1.. en este caso de un sistema de ecuao ciones lineales. xn−1 . dan o u buenas soluciones con pocas operaciones elementales (no hay casi error de redondeo) y trabajan. En este cap´ ıtulo y en el siguiente. entonces las inc´gnitas pueden ser despejadas y o obtenidas en el orden xn . nos dedicaremos a comentar algunos de los m´todos directos m´s habituales. e a 10.... bn unn bn−1 − un−1n xn xn−1 = un−1. . e La elecci´n entre un m´todo directo y un m´todo iterativo depende noro e e malmente del tama˜o del sistema y de la forma (densa o dispersa) de la n matriz A.178 10 · Soluci´n de sistemas de ecuaciones lineales o 10. Sin embarıa go. . son especialmente sencillos de resolver. x1 . Resultan m´s eficientes para sistemas Ax = b en los que la a matriz A es densa (la mayor´ de sus elementos son no nulos). Consideremos por ejemplo un sistema triangular superior: u11 x1 + ··· ···+ ··· ···+ ··· un−1.. En general. principalmente con los elementos no nulos de la matriz. n.

n e o . . las variables. i = n.10. para la ob2 tenci´n de las soluciones en un sistema lineal triangular es O( n ). . i = 1. donde la matriz A = (aij ) es no singular. n..2. o a la resoluci´n ser´ similar.... 1 Como las inc´gnitas se obtienen en orden decreciente..2 · Eliminaci´n gaussiana o x1 = b1 − u1n xn − · · · − u12 x2 u11 179 sistema que puede ser escrito en forma compacta como: xi = bi − n k=i+1 uik xk uii . La idea consiste en eliminar inc´gnitas de forma sistem´tica o a hasta que el sistema tenga forma triangular. ∀i = 1. en este caso se obtienen sustituyendo hacia adelante. Consideremos el sistema: a11 x1 + ··· an1 x1 + ··· ··· ··· +a1n xn ··· +ann xn = b1 ··· = bn o Ax = b. el algoritmo se o denomina de sustituci´n hacia atr´s. Eliminaci´n gaussiana o Se trata del m´todo m´s importante de resoluci´n de sistemas de ecuae a o ciones lineales. y entonces resolverlo. a partir de la expresi´n: o xi = bi − i−1 k=1 lik xk lii . Suponiendo los coeficientes en la diagonal prino ıa cipal no nulos.. n De las expresiones anteriores. o 2 10. podemos eliminar x1 de las (n−1) ultimas ecuaciones restando ai1 de la i-´sima ecuaci´n la primera multiplicada por mi1 = a11 . En este caso el sistema anterior tiene soluci´n unica. Adem´s las sumas y multiplicaciones son a n (i − 1) = i=1 n2 n(n − 1) ≈ 2 2 Podemos decir entonces que la complejidad computacional. n − 1. o ´ ´ Si a11 = 0. . Si el sistema fuese triangular inferior.. 2.. se deduce que la obtenci´n de las n inc´gnio o tas necesita n divisiones... lii = 0. i = 2... .

Si todos ellos son no nulos. i = 3. Si a22 = 0..n xn (n) ann xn (1) = b1 (2) = b2 ··· (n−1) = bn−1 (n) = bn (1) Se˜alar que el t´rmino independiente b es transformado de la misma n e forma que las columnas de A. se denominan elementos de pivotaje o pivotes.180 10 · Soluci´n de sistemas de ecuaciones lineales o Las n − 1 ultimas ecuaciones se pueden escribir despu´s de dicha opera´ e ci´n como: o a22 x2 + ··· (2) an2 x2 + (2) ··· ··· ··· +a2n xn ··· (2) +ann xn (2) (2) (2) = b2 ··· (2) = bn (2) donde los coeficientes: aij bi i = 2. Si llamamos mi2 = son: ai2 (2) (2) = aij − mi1 a1j = bi − mi1 b1 (2) a22 . o podemos eliminar de manera similar x2 de las n − 2 restantes ecuaciones.. a22 .n+1 = bi . Adem´s la descripci´n de la eliminaci´n se simplifica si expresamos b a o o como la ultima columna de A ´ ai... n Este es un sistema de (n−1) ecuaciones con (n−1) inc´gnitas. k = 1.... . ..... n Los elementos a11 . .n−1 xn−1 + a1n xn (2) a2n xn ··· (n−1) an−1... . n .. n. (k) (k) i. los coeficientes del sistema resultante aij bi (3) (3) = aij − mi2 a2j = bi − mi2 b2 (2) (2) (2) (2) i = 3. a33 . 2. podemos continuar la eliminaci´n y o despu´s de (n − 1) pasos llegar a: e a(n) xn = b(n) nn n Si escribimos el sistema triangular resultante: a11 x1 + ··· (1) (2) (3) ···+ (2) a22 x2 + ··· ···+ ···+ ··· (n−1) an−1.

. (k) akk = aij − mik akj (k) (10. . n + p. n j = k + 1.. . Axp = bp dichos sistemas pueden ser tratados simult´neamente. En el paso k los elementos aij con i... k = 1.. es que el ´ ındice j toma los valores k + 1.. Despu´s de e la eliminaci´n tendremos p sistemas triangulares para resolver. Ax2 = b2 . · · · ... j > k.. La unica diferencia con el algoritmo dado en e ´ (10. ... o .. son transformados de acuerdo con: mik = aij (k+1) aik (k) (k) .. .10. adjuntando bj como a la n + j-´sima columna de A. n. n − 1.. .2 · Eliminaci´n gaussiana o 181 Entonces las f´rmulas se pueden resumir como sigue: La eliminaci´n se o o (k) realiza en (n − 1) pasos.1).1) i = k + 1.. n + 1 Por otra parte si tenemos distintos sistemas de ecuaciones con la misma matriz A: Ax1 = b1 .

De ´sto se sigue que cualquier sistema no singular de o e ecuaciones puede ser reducido a una forma triangular mediante la eliminaci´n gaussiana combinada con un intercambio de filas. una suma y una multiplicaci´n. Complejidad algor´ ıtmica Hemos visto que el algoritmo de eliminaci´n gaussiana es inoperativo si o (k) alg´n elemento akk = 0.. La idea es buscar en este caso otro elemento aik . n.3. . Estabilidad num´rica y su mejora.. u 2 tenemos que cuando p = 1 y n suficientemente grande.1) se sigue que en el paso k se realizan (n − k) divisiones y (n − k)(n − k + p) multiplicaciones y sumas. a su forma triangular. el trabajo principal del algoritmo recae en la reducci´n del sistema a una forma triangular. Pivotado e total y parcial. o Para asegurar la estabilidad num´rica. en la columna k que sea distinto de 0. a menudo es necesario realizar el e . de manera que el n´mero u u total de operaciones es aproximadamente: n−1 n−1 k=1 (n − k)(n − k + p) = k=1 (n − k)2 + p n−1 (n − k) = k=1 = = = (n − 1)n (n − 1)n(2n − 1) +p = 6 2 n2 (n − 1) n(n − 1) p − + n(n − 1) = 3 6 2 n(n − 1) 1 (3p − 1) 2 n2 (n − 1) + (3p − 1) ≈ n3 + n 3 6 3 6 donde cada operaci´n es en realidad.182 Coste operativo 10 · Soluci´n de sistemas de ecuaciones lineales o Vamos a calcular el n´mero de operaciones aritm´ticas necesario para u e reducir mediante la eliminaci´n gaussiana. Dicho elemento tiene que existir. puesto que en otro caso. u Vamos a ver c´mo remodelar el m´todo anterior para hacer el proo e (k) cedimiento operativo. 2 n´mero de operaciones necesario para resolver un sistema triangular es n . Si se o o separan las sumas de las multiplicaciones el coste operativo var´ Como el ıa. o 10. Si estamos interesados en ver el coste operativo para valores grandes de n. entonces podemos intercambiar las filas k y r y proceder con la eliminaci´n. podemos eliminar el n´mero de divisiones. un sistema con p t´rminos indeo e pendientes.. De las ecuaciones (10. i = k + 1. las k primeras filas de A ser´ ıan (k) linealmente dependientes y recordemos que A es no singular. Sea ark = 0 el elemento buscado.

0001. x2 = −1.0001. Ejemplo 10. x1 = 1 y si permitimos cuatro decimales: x3 = 1.9999x3 =1 =0 =1 Resolviendo con tres decimales: x3 = 1.0001.0001x2 + x3 x3 9999x3 =1 =1 = 10000 Si realizamos las sustituci´n hacia atr´s y permitimos tres decimales: o a x3 = 1.3 · Estabilidad num´rica y su mejora.10.0001x2 + 2x2 + x3 2x3 2x3 =1 =2 =1 El sistema triangular que resulta es: x1 + x2 + 0. es necesario elegir el pivote en el paso k.0001x2 + x3 2x3 2x3 =1 =1 =2 ⇒ x1 + x2 + x2 + x3 x3 0. el sistema triangular que obtenemos es: x1 + x1 + x1 + x2 + 2x2 + 1.1 x1 + x1 + x1 + x2 + 1. x2 = −1. pero es a cercano a 0.0001. x2 = 0. de una de las siguientes maneras: Pivotaje parcial . cambiando las filas 2 y 3. x1 = 0 mientras que si permitimos cuatro decimales: x3 = 1. x1 = 1 Si resolvemos el sistema con pivotaje. x2 = −1. Complejidad algor´tmica183 e ı intercambio de filas incluso cuando el pivote no es ex´ctamente 0. Pivotado total y parcial. x1 = 1 De este modo para prevenir posibles errores.

n + 1  ij ik kj        k = 1... n − 1 donde mik = aik (k) (k) akk . n ......184 10 · Soluci´n de sistemas de ecuaciones lineales o Elegir r como el menor entero para el que (k) (k) |ark | = m´x |aik |.. ∀j    aij   i = k + 1. k.. . n. .. . j = k aij =  a(k) − m a(k) j = k + 1. ... i = k + 1. k ≤ i ≤ n a e intercambiar filas k y r   (k) i = 1... ..... j = 1. ... . n. k − 1    (k+1) 0 i = k + 1..

v2 }. en cada paso k hay que realizar la b´squeda u u del m´ximo de (n − k + 1)2 elementos. vr−1 } con vr : obtenemos m´x{v1 ... n + 1  ij ik kj        k = 1. n.. a Comparar m´x{v1 . . o u a Una forma de determinar el m´ximo de r elementos (v1 ... k.. . j = 1. vr }. a El n´mero de comparaciones necesarias es r−1. u ... j = k aij =  a(k) − m a(k) j = k + 1. n En cuanto al coste operativo. + 22 ] − (n − 1) = 3 2n3 n3 n3 + = ≈ 3 3 3 es decir el n´mero de operaciones se duplica. . Complejidad algor´tmica185 e ı Pivotaje total Elegir r y s como los menores enteros para los que (k) (k) |ars | = m´x |aij |. . vr ) es: a a Comparar v1 con v2 : obtenemos m´x{v1 ... v2 } con v3 : obtenemos m´x{v1 .. a ··· ··· a Comparar m´x{v1 . n − 1 donde mik = aik (k) (k) akk . 3 En el caso de pivotaje parcial.. v2 . ∀j   a  ij   i = k + 1.....10. ..3 · Estabilidad num´rica y su mejora. .. en cada paso k hay que a˜adir un nuevo n tipo de operaci´n: b´squeda del m´ximo de (n − k + 1) valores..... . hemos visto que en el m´todo de eliminae ci´n gaussiana sin pivotaje para un sistema de ecuaciones. .. De manera que el n´mero u u total de operaciones es aproximadamente: n3 n2 n3 n−1 + + (n − k) ≈ 3 3 2 k=1 En el caso del pivotaje total.... v3 }. .. j ≤ n a e intercambiar filas k y r y las columnas k y s   (k) i = 1. i = k + 1.. k − 1    (k+1) 0 i = k + 1.. necesita en torno o 3 a n operaciones... Pivotado total y parcial. n. k ≤ i.. de manera que el n´mero total de a operaciones es: n3 n−1 + [(n − k + 1)2 − 1] = 3 k=1 n3 + [n2 + (n − 1)2 + . .

. llegando despu´s de n o e pasos al sistema: a11 ··· (n+1) (2) (n) x1 a22 ··· (n+1) x2 ··· (n+1) ann xn ··· = b1 (n+1) = b2 ··· (n+1) = bn (n+1) . se realiza la eliminaci´n. Para eliminarla de la primera ecuaci´n.. ann se les denomina pivotes. a22 .. n. podemos eliminar x1 de las (n − 1) restantes ecuaciones ai1 restando de la i-´sima ecuaci´n la primera multiplicada por mi1 = a11 . existe una unica ´ soluci´n. . restamos de cada ecuaci´n la ´ o segunda multiplicada por: mi2 = ai2 (2) (2) . 4. Dado el sistema Ax = b.. n a22 De nuevo a los elementos a11 . eliminamos x2 de las (n − 1) restantes ecuaciones. Si todos ellos son no nulos..186 10 · Soluci´n de sistemas de ecuaciones lineales o 10... o a11 x1 + ··· an1 x1 + ··· ··· ··· +a1n xn ··· +ann xn = b1 ··· = bn Si a11 = 0. La variante de Gauss-Jordan Se trata de un m´todo tan eficiente como la eliminaci´n gaussiana y m´s e o a caro en cuanto a coste operativo. -. Se eliminan inc´gnitas transformando el o sistema en diagonal. . . e o i = 2. De manera que el sistema resultante es: a11 x1 + a12 x2 + (2) a22 x2 + ··· (2) an2 x2 + ··· ··· ··· ··· +a1n xn (2) +a2n xn ··· (2) +ann xn = b1 (2) = b2 ··· (2) = bn Si a22 = 0. Para eliminarla de las (n − 2) ultimas.4. A no singular... i = 3. restamos de dicha ecuaci´n la o o segunda multiplicada por: m12 = a12 a22 (2) (2) -.

. n. no entre los anteriores. n.. la eliminaci´n se realiza en n pasos. i = k donde mik = i=k i=k aik (k) (k) akk bi (k+1) = − (k) mik bk En cuanto al pivotaje. -. Divisiones: 1 por cada fila para calcular el multiplicador mik . i = k j = k + 1. n akk Es decir. k = 1. (n − 1) filas. n aij (k+1) = 0  a(k) − m a(k)  ij ik kj        (k) bi (k) bi j = 1.10. . b A(1) = A... k − 1. i = k. .. Multiplicaciones y sumas (contadas como un sola operaci´n): 1 por o cada uno de los (n − k + 1) elementos de cada fila y hay (n − 1) filas... tanto el parcial como el total se realizan de manera similar al realizado en la eliminaci´n gaussiana. . Adem´s a 1 por cada t´rmino independiente y hay (n − 1).. Si A(1) = A y o (1) = b.4 · La variante de Gauss-Jordan que puede resolverse: xk = bk (n+1) (n+1) 187 . El pivote se busca entre los o elementos de la columna posteriores al elemento considerado. . n.. i=k j = k. ∀i j = k.... .. . k = 1.. e En total: n [1 + (n − k + 1) + 1](n − 1) = k=1 n = (n − 1) [2 + (n − k + 1)] = k=1 n = (n − 1)[2n + (n − k + 1) = k=1 .... b(1) = b   (k)   a  ij      k = 1.. Coste operativo En cada paso k: -.

188 10 · Soluci´n de sistemas de ecuaciones lineales o = 2n(n − 1) + (n − 1) n3 n(n + 1) ≈ 2 2 Faltar´ las n divisiones necesarias para resolver el sistema diagonal. ıan Observaci´n: o Eliminaci´n gaussiana: o n3 3 + n2 n3 2 ¡ 2 + n en la variante de Gauss-Jordan. .

Cap´ ıtulo 11 Soluci´n de sistemas de ecuaciones o lineales sin inversi´n de la matriz de o coeficientes 11. donde b2 es funci´n de x1 o Parece entonces que habr´ que repetir el proceso de eliminaci´n desde ıa o el principio. Poe demos querer resolver por ejemplo: Ax1 = b1 . con un coste considerable en cuanto al n´mero de operaciones. o e Supongamos que tenemos una descomposici´n de A en el producto de o una matriz triangular inferior y otra triangular superior. y denotemos por Ak la matriz de orden kxk formada por la intersecci´n de las k primeras filas y columnas o 189 . Ax2 = b2 . La descomposici´n LU o Hemos visto que el m´todo de eliminaci´n gaussiana permite tratar vae o rios sistemas con distintos t´rminos independientes. Entonces el sistema Ax = b ⇔ LU x = b.1 Sea A una matriz nxn. Ly = b 2 1 n2 2 De manera que si conoci´ramos L y U podr´ e ıamos resolver Ax = b. que se puede descomponer en dos sistemas triangulares: U x = y. =n Teorema 11. con 2 operaciones. u Veremos c´mo evitar ´sto. todos los t´rminos independientes no se conocen al principio.1. Sin embargo en muchas e ocasiones. A = LU .

i = 1... Si det(Ak ) = 0.. n − 1. k = 1. . tal que LU = A... n y una unica matriz triangular superior U = (uij ).. entonces existe una unica matriz ´ triangular inferior L = (lij ) con lii = 1. . .19011 · Soluci´n de sistemas de ecuaciones lineales sin inversi´n de la matriz de coeficientes o o ´ de A.

y la descomposici´n LU existe trivialmente. • o Ejemplo 1: Si para alg´n k. Supongamos que el resultado es cierto para n = k − 1 y lo vamos a ´ probar para n = k. la descomposici´n a11 = 1u11 es o o unica. Lk−1 u cT . Sin embargo si las filas de A se intercambian. puede no existir la descomu posici´n LU de A. para cualquier matriz no singular A. donde LU = l11 0 l21 l22 u11 u12 0 u22 = l11 u11 l11 u12 l21 u11 l21 u12 + l22 u22 = 0 1 1 1 Entonces forz´samente l11 = 0 o u11 = 0. Uk = Uk−1 u 0 ukk donde b. o En efecto. lT Uk−1 = cT . lo cual concluye la demostraci´n. ´ Se sigue que u y l quedan unicamente determinadas por los sistemas ´ T ı o triangulares: Lk−1 u = b. Descomponemos Ak . Finalmente a ´ ukk = akk − lT u. Lk y Uk de la siguiente forma: Ak = Ak−1 b akk cT . Para n = 1. Esto se sigue de o la equivalencia entre la eliminaci´n gaussiana y la descomposici´n LU que o o veremos ahora. pero entonces la primera fila o ´ de L o la primera columna de U son 0. son no singulares. s´ y s´lo si Uk−1 l = c. . de manera que exista una transformaci´n LU . las filas pueden ser reordenadas. Lk−1 y Uk−1 est´n determinadas de manera o o a unica y como det(Ak ) = det(Lk )det(Uk ) = 0. entonces la matriz se convierte en triangular (superior). Entonces Lk y Uk est´n unicamente determinadas. Por ejemplo si o A= 0 1 1 1 y suponemos que A = LU . l y u son vectores columna con n − 1 componentes: si form´ramos a el producto Lk Uk y lo identificamos con Ak : Lk−1 Uk−1 T = Ak−1 . Lk = Lk−1 0 1 lT .11. det(Ak ) = 0. c.1 · La descomposici´n LU o Demostraci´n: o 191 Por inducci´n sobre n. por lo tanto A = LU . lT u =b l Uk−1 = + ukk = akk Por hip´tesis de inducci´n.

..19211 · Soluci´n de sistemas de ecuaciones lineales sin inversi´n de la matriz de coeficientes o o Supongamos primero que la matriz A es tal que la eliminaci´n gaussiana o puede ser llevada a cabo sin intercambio de filas ni columnas. . Podemos pensar en la eliminaci´n como en la generaci´n de una sucesi´n de matrices. A(2) .. donde r = m´ − 1.. . (i > j)... ij k=1 ik kj aij =  0 + j mik a(k) . A(n) .. r.. j). o o o (1) . si i > j.. i>j o Adem´s los elementos aij son transformados en cada iteraci´n k = a 1. r.. k=1 kj (r = i − 1) (r = j) . si i ≤ j. de manera que ın(i aij (k+1) = aij − mik akj (k) (k) Si sumamos estas ecuaciones para k = 1. donde A(k) = (a(k) ) es la matriz que se obtiene antes A=A ij de realizar la eliminaci´n de los coeficientes correspondientes a la variable o xk :      ···      ···  a11 (1) a12 · · · a1k (2) (2) a22 · · · a2k ··· ··· ··· (k) akk ··· ··· ··· (k) ank (1) (1) ··· ··· ··· ··· ··· ··· a1n (2) a2n ··· (k) akn ··· (k) ann (1)            Consideremos ahora un cierto elemento aij de A durante la eliminaci´n.. = aij (n) (i+1) = aij . = aij (n) (j+1) = 0. o a e Si aij est´ en la diagonal principal o sobre ´sta (es decir i ≤ j). obtenemos: r k=1 r k=1 aij aij (k+1) r (k+1) r = k=1 aij − k=1 r (k) (k) r mik akj ⇔ (k) − k=1 aij (k) = − k=1 r mik akj ⇔ mik akj k=1 (k) aij (r+1) − aij (1) = − (1) expresi´n que puede ser escrita: (aij = aij ) o   a(i) + i−1 m a(k) .. entonces: aij = . . (i) i≤j a Si aij est´ bajo la diagonal principal.. entonces: aij = .

.1. k = 1. o ´ Nota: Sabemos que la eliminaci´n gaussiana puede resultar ineso table sin pivotaje parcial.11. Adem´s los a (k) A=    a11 ··· ··· an1 ··· ··· ··· ··· · · · a1n ··· ··· ··· ··· · · · ann     ⇒   u11 · · · ··· u1n m21 u22 ··· u2n ··· ··· ··· ··· mn1 · · · mnn−1 unn (1) (n) Adem´s. En general: a det(Lk ) = 1 ⇒ det(Ak ) = a11 · · · akk . . si definimos mii = 1. .. o donde los elementos no nulos de L y U son: (L)ik = mik .. son los multiplicadores calculados en la eliminaci´n gaussiana y la matriz U . como detL = 1. de manera que es usual el intercambio de filas durante la eliminaci´n. estas ecuaciones son equivalentes a la ecuaci´n A = LU . mik = aik (k) (k) elementos de la diagonal de L no necesitan ser almacenados. en los lugares correspondientes a los elementos aik . la eliminaci´n gaussiana puede ser realizada sin intercambio de o o filas o columnas. la descomposici´n o o final de A obtenida mediante eliminaci´n gaussiana. que es la condici´n ı o para la descomposici´n unica en el Teorema 11.. a        = LU  akk . s´ y s´lo si det(Ak ) = 0. n − 1. i = 1.. Es importante se˜alar que en este o n . o Entonces para obtener la matriz L. i≥k j≥k Conclu´ ımos entonces que los elementos de L. j} Sin embargo.. (U )kj = (k) akj . detA = a11 · · · ann . n Entonces.. Gr´ficamente.1 · La descomposici´n LU o o.. n: p 193 aij = k=1 mik akj . debemos guardar los multiplicadores. (1) (k) k = 1. (k) p = m´ ın{i...

despu´s de los correspondientes intercambios obtendremos e una descomposici´n LU = A . i. y mk+1k . mip = lip Esto puede suponer unas n2 operaciones para las n(n + 1) inc´gnitas en o L y U . i > k.. k−1 p=1 mip upk j≥k .. . j > k est´n todav´ e sin intercambiar. r = m´ ın(i. aik = Si hacemos mkk = 1.19411 · Soluci´n de sistemas de ecuaciones lineales sin inversi´n de la matriz de coeficientes o o caso. j). mnk pueden ser obtenidos en este orden de las expresiones: k−1 ukj = akj − p=1 mkp upj . p=1 j ≥ k. y en ocasiones da lugar a errores. Escenas compactas en la eliminaci´n gauso siana: m´todos de Doolittle. en el paso k se o determinan los elementos de la fila k-´sima de U y de la columna k-´sima e e a ıa de L. entonces los elementos ukk . Para el k-´simo paso utilizamos las siguientes ecuaciones: e k akj = p=1 k mkp upj . Como en la eliminaci´n gaussiana. .. ukn . Incluso para valores peque˜os de n ´sto o n e resulta bastante tedioso... La ecuaci´n matricial A = LU es equivalente a o r aij = p=1 mip upj . donde A es la matriz que resulo tar´ si los intercambios realizados en la eliminaci´n. se realizan ıa o en el mismo orden en la matriz A. Sin embargo. mip upk . i>k mik = aik − ukk . ukk+1 . uno para cada operaci´n. los elementos aij .2. Crout y Choe leski Cuando resolvemos un sistema de ecuaciones lineales mediante elimina3 ci´n gaussiana tenemos que obtener aproximadamente n resultados intero 3 medios. 11. es posible ordenar los c´lculos de manera que los elementos de L y U se a obtengan directamente. pero en el m´todo compacto..

.e. sin intercambio de filas ni o columnas (pivotaje). (k) (k) k ≤ i. sin embargo. 1 ≤ i. k = 2. U que la eliminaci´n gaussiana. n.. El m´todo es incluso num´rio e e camente equivalente a la eliminaci´n gaussiana. Esta afirmaci´n se puede probar por inducci´n. Caso de matrices sim´tricas definidas positivas e e Sea A = (aij ) una matriz sim´trica i. se obtiene el m´todo de Crout. ... n En ambos casos hemos supuesto que no ha habido intercambio de filas (pivotaje). o ´ste m´todo presenta ventajas computacionales sobre el m´todo de eliminae e e ci´n gaussiana..2 · Escenas compactas en la eliminaci´n gaussiana: m´todos de Doolittle. k + 1. o Si en lugar de normalizar de manera que mkk = 1. . k = 1. En este caso. aunque para ordenadores o donde las sumas y los productos pueden ser acumuladas en doble precisi´n.. realizar pivotaje total en cualquiera de los dos ıcil casos. j ≤ n. entonces: aij = aji . aij = aji . En el paso k. M´s a dif´ resulta.. Sin embargo es esencial pensar en ambos m´todos como candie datos a ser combinados con estrategias de pivotaje (al menos parcial). j = k + 1. . los elementos son transformados de acuerdo con: aij (k+1) = aij − mik akj = aij − (k) (k) (k) (k) a (k) kj akk (k) (k) aik (k) Si la hip´tesis de simetr´ es cierta para alg´ n k: (aij = aji ) o ıa u aij (k+1) = aji (k+1) = aji − mjk aki = aji − (k) (k) (k) (k) a (k) ki akk ajk (k) . Es o o cierta para k = 1.. Probaremos que si la eliminaci´n gaussiana se realiza. n ukj = akj − mkk .. los elementos transformados forman matrices sim´tricas de orden e (n + 1 − k).. k−1 p=1 mkp upj i = k. n.. j ≤ n es decir. lo hacemos de manera que los elementos de la diagonal principal de U cumplan ukk = 1... las ecuaciones para el paso k e son: k−1 mik = aik − p=1 mip upk .11. Crout y Choleski195 o e Este se denomina m´todo de Doolittle y da como resultado los mismos e factores L.

Sin embargo. k = 1. Es decir.2(Criterio de Sylvester) Una matriz sim´trica de orden e nxn es definida positiva s´ y s´lo si det(Ak ) > 0. De manera que la eliminaci´n ıa. el intercambio de filas destruye e la simetr´ lo cual se ve en el mismo ejemplo. o a .19611 · Soluci´n de sistemas de ecuaciones lineales sin inversi´n de la matriz de coeficientes o o y se obtiene el resultado. . no es siempre posible realizar eliminaci´n gaussiana sin o pivotaje sobre matrices sim´tricas. o Teorema 11.. Hemos visto entonces. Una forma de determinar si una matriz es definida positiva es utilizar el siguiente criterio que enunciamos sin demostraci´n. tenemos que computar unicamente los elee ´ (k) . la eliminaci´n gaussiana sin e o pivotaje es siempre estable. e Para matrices sim´tricas definidas positivas. todos los pivotes de A son positivos s´ y s´lo si A es definida ı o positiva y la eliminaci´n gaussiana est´ bien definida. o gaussiana anterior no se puede utilizar para cualquier matriz sim´trica. | | << 1 a veces ´sto no resulta estable.n. que est´n en la diagonal principal o sobre ella. Esto significa a mentos de A 3 que el n´mero de operaciones realizado es aproximadamente n y se ahorra u 6 aproximadamente la mitad del espacio en memoria. pero como muestra la matriz 0 1 1 . Por otro lado. que si la eliminaci´n gaussiana se realiza sin pio votaje. donde Ak es la ı o matriz kxk formada por las k primeras filas y columnas de A.. La simetr´ se preserva si elegimos cuale ıa quier elemento de la diagonal principal como pivote y completamos el pivotaje. en una matriz sim´trica.

da o 0 < det aii aij aji ajj = aii ajj − (aij )2 de donde se obtiene el resultado.1.. tenemos que A = LU .. Crout y Choleski197 o e Teorema 11. podemos escribir: A = LU = LDD−1 U = LDU . donde u11 = a11 > 0 y ukk = det(Ak ) > 0. la mao triz resultante es sim´trica y definida positiva... U = D−1 U donde L y U son matrices triangulares con unos en la diagonal principal y est´n unicamente determinadas.4 Sea A una matriz sim´trica y definida positiva. obtenemos: RT R = U T D− 2 D− 2 U = U T D−1 U = LU = A 1 1 1 1 −1 . • Teorema 11. .3 Para una matriz sim´trica definida positiva A: e |aij |2 ≤ aii ajj y por lo tanto los mayores elementos de A est´n en la diagonal. n Si introducimos la matriz diagonal D = diag(u11 . det(Ak−1 ) k = 2. Entonces e existe una unica matriz triangular superior R con elementos positivos en la ´ diagonal principal tal que A = RT R.11. unn ). . a Demostraci´n: o Si la misma permutaci´n se aplica a las filas y columnas de A.2 · Escenas compactas en la eliminaci´n gaussiana: m´todos de Doolittle. el Terorema 11.. Demostraci´n: o Del Teorema 11. Para k = 2 y una cierta e permutaci´n. a ´ Como A es sim´trica: e o A = AT = (U )T DLT ´ LT = U = D−1 U Ahora. donde D− 2 tiene elementos positivos en su diagonal (ukk2 ). si hacemos R = D− 2 U .2..

.. i = k + 1.. Luego o n2 2 + 6n operaciones.19811 · Soluci´n de sistemas de ecuaciones lineales sin inversi´n de la matriz de coeficientes o o Por lo tanto. 2 Ly = b → sistema triangular superior ( n operaciones). (1 ra´ cuadrada ≈ 6 operaciones). . o ıa nes en las que ukk = mkk y upk = mkp .. k−1 ukk = mkk = (akk − p=1 m2 ) 2 kp . 2 Total: n2 2 2 2 2 + n2 2 + n2 2 + 6n = 3n2 2 (+6n de las ra´ ıces cuadradas). nos dar´ expresioı. En e e ız cuanto a coste operativo: Son necesarias del orden de n operaciones hasta obtener la descompo2 ıces ız sici´n LLT . LLT x = b LT x = y → sistema triangular inferior ( n operaciones). +n ra´ cuadradas. podemos afirmar que la eliminaci´n gaussiana sin pivotaje o es siempre posible y estable en matrices sim´tricas definidas positivas y e adem´s es posible elegir los elementos de la diagonal de L reales y de manera a que U = LT . • As´ la eliminaci´n compacta en este caso particular. n 1 uki = mik = aik − k−1 p=1 mip mkp mkk Este m´todo se denomina m´todo de Choleski o de la ra´ cuadrada.

Sign up to vote on this title
UsefulNot useful