CMN Un

Introduccion a C y a metodos numericos
Hector Manuel Mora Escobar

2004
A Hel`ene, Nicol
as y Sylvie
ii
INDICE GENERAL
Pr
ologo
ix
1 Introducci
on
2 Generalidades
2.1
El primer programa . . . . . . . . . . . . . . . . . . . . .
2.2
Editar, compilar, ejecutar . . . . . . . . . . . . . . . . . .
2.2.1
g++ . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2
bcc32 . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3
Turbo C++ . . . . . . . . . . . . . . . . . . . . . . 11
2.2.4
Visual C++ . . . . . . . . . . . . . . . . . . . . . . 12
2.2.5
Dev-C++ . . . . . . . . . . . . . . . . . . . . . . . 14
2.3
Comentarios . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4
Identificadores . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5
Tipos de datos . . . . . . . . . . . . . . . . . . . . . . . . 19
2.6
Operador de asignaci
on . . . . . . . . . . . . . . . . . . . 21
2.7
Operadores aritmeticos . . . . . . . . . . . . . . . . . . . . 22
2.8
Prioridad de los operadores aritmeticos . . . . . . . . . . . 25
2.9
Abreviaciones usuales . . . . . . . . . . . . . . . . . . . . 27
2.10 Funciones matem

aticas . . . . . . . . . . . . . . . . . . . 27
2.11 Entrada de datos y salida de resultados . . . . . . . . . . 30
2.12 Conversiones de tipo en expresiones mixtas . . . . . . . . 35
2.13 Moldes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
iii
INDICE GENERAL
3 Estructuras de control
41
3.1
if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2
Operadores relacionales y l
ogicos . . . . . . . . . . . . . . 45
3.3
for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4
while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5
do while . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6
switch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.7
break . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.8
continue . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.9
goto y exit . . . . . . . . . . . . . . . . . . . . . . . . 61
4 Funciones
67
4.1
Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2
Funciones recurrentes . . . . . . . . . . . . . . . . . . . . 75
4.3
Par
ametros por valor y por referencia . . . . . . . . . . . 76
4.4
Par
ametros por defecto
4.5
Variables locales y variables globales . . . . . . . . . . . . 82
4.6
Sobrecarga de funciones . . . . . . . . . . . . . . . . . . . 83
4.7
Biblioteca estandar . . . . . . . . . . . . . . . . . . . . . . 85
. . . . . . . . . . . . . . . . . . . 81
5 Arreglos
87
5.1
Arreglos unidimensionales . . . . . . . . . . . . . . . . . . 87
5.2
Arreglos multidimensionales . . . . . . . . . . . . . . . . . 94
5.3
Cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.4
Inicializaci
on de arreglos . . . . . . . . . . . . . . . . . . . 103
6 Apuntadores
109
6.1
Apuntadores y arreglos unidimensionales . . . . . . . . . . 111
6.2
Apuntadores a apuntadores . . . . . . . . . . . . . . . . . 116
6.3
Apuntadores y arreglos bidimensionales . . . . . . . . . . 116
6.4
Matrices y arreglos unidimensionales . . . . . . . . . . . . 117
6.5
Arreglos aleatorios . . . . . . . . . . . . . . . . . . . . . . 129
6.6
Asignaci
on din
amica de memoria . . . . . . . . . . . . . . 131
iv
INDICE GENERAL
6.7
Matrices y apuntadores dobles
6.8
Arreglos a partir de 1 . . . . . . . . . . . . . . . . . . . . 139
7 Lectura y escritura en archivos
. . . . . . . . . . . . . . . 135
143
7.1
fopen, fscanf, fclose, fprintf . . . . . . . . . . . . 144
7.2
feof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
7.3
Algunos ejemplos . . . . . . . . . . . . . . . . . . . . . . . 150
8 Temas varios
157
8.1
sizeof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.2
const . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.3
typedef . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.4
include . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
8.5
define . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
8.6
Apuntadores a funciones . . . . . . . . . . . . . . . . . . . 165
8.7
Funciones en lnea . . . . . . . . . . . . . . . . . . . . . . 169
8.8
Argumentos de la funcion
main . . . . . . . . . . . . . . 171
9 Estructuras
175
9.1
Un ejemplo con complejos . . . . . . . . . . . . . . . . . . 175
9.2
Un ejemplo tpico . . . . . . . . . . . . . . . . . . . . . . . 181
10 Algunas funciones elementales
183
10.1 C
odigo de algunas funciones . . . . . . . . . . . . . . . . . 184
10.2 Versiones con saltos . . . . . . . . . . . . . . . . . . . . . 190
10.3 Metodo burbuja . . . . . . . . . . . . . . . . . . . . . . . . 194
11 Soluci
on de sistemas lineales
199
11.1 Notacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199

11.2 Metodos ingenuos . . . . . . . . . . . . . . . . . . . . . . . 200
11.3 Sistema diagonal . . . . . . . . . . . . . . . . . . . . . . . 202
11.4 Sistema triangular superior . . . . . . . . . . . . . . . . . 202
11.4.1 N
umero de operaciones . . . . . . . . . . . . . . . 203
11.4.2 Implementaci
on en C
v
. . . . . . . . . . . . . . . . 204
INDICE GENERAL
11.5 Sistema triangular inferior . . . . . . . . . . . . . . . . . . 206

11.6 Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . 206
11.6.1 N
umero de operaciones . . . . . . . . . . . . . . . 211
11.6.2 Implementaci
on en C
. . . . . . . . . . . . . . . . 213
11.7 Factorizaci
on LU . . . . . . . . . . . . . . . . . . . . . . . 215
11.8 Metodo de Gauss con pivoteo parcial . . . . . . . . . . . . 217
11.9 Factorizaci
on LU =PA . . . . . . . . . . . . . . . . . . . . 223
11.10 Metodo de Cholesky . . . . . . . . . . . . . . . . . . . . 227
11.10.1 Matrices definidas positivas . . . . . . . . . . . . 227
11.10.2 Factorizaci
on de Cholesky . . . . . . . . . . . . . 229
11.10.3 N
umero de operaciones de la factorizacion . . . . 235
11.10.4 Solucion del sistema . . . . . . . . . . . . . . . . 237
11.11 Metodo de Gauss-Seidel . . . . . . . . . . . . . . . . . . 239
11.12 Solucion por mnimos cuadrados . . . . . . . . . . . . . . 245
11.12.1 Derivadas parciales . . . . . . . . . . . . . . . . . 246
11.12.2 Ecuaciones normales . . . . . . . . . . . . . . . . 247
12 Soluci
on de ecuaciones
255
12.1 Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . 257

12.1.1 Orden de convergencia . . . . . . . . . . . . . . . . 262
12.2 Metodo de la secante . . . . . . . . . . . . . . . . . . . . . 263
12.3 Metodo de la biseccion . . . . . . . . . . . . . . . . . . . . 267
12.4 Metodo de Regula Falsi . . . . . . . . . . . . . . . . . . . 268
12.5 Modificaci
on del metodo de Regula Falsi . . . . . . . . . . 270
12.6 Metodo de punto fijo . . . . . . . . . . . . . . . . . . . . . 272
12.6.1 Metodo de punto fijo y metodo de Newton
12.7 Metodo de Newton en
Rn
. . . . 278
. . . . . . . . . . . . . . . . . . 279
12.7.1 Matriz jacobiana . . . . . . . . . . . . . . . . . . . 280

12.7.2 Formula de Newton en Rn . . . . . . . . . . . . . . 280
13 Interpolaci
on y aproximaci
on
285
13.1 Interpolaci
on . . . . . . . . . . . . . . . . . . . . . . . . . 287
13.2 Interpolaci
on de Lagrange . . . . . . . . . . . . . . . . . . 289
vi
INDICE GENERAL
13.2.1 Algunos resultados previos . . . . . . . . . . . . . 289

13.2.2 Polinomios de Lagrange . . . . . . . . . . . . . . . 290
13.2.3 Existencia, unicidad y error . . . . . . . . . . . . . 291
13.3 Diferencias divididas de Newton . . . . . . . . . . . . . . . 293
13.3.1 Tabla de diferencias divididas . . . . . . . . . . . . 296
13.3.2 C
alculo del valor interpolado . . . . . . . . . . . . 298
13.4 Diferencias finitas . . . . . . . . . . . . . . . . . . . . . . . 302
13.4.1 Tabla de diferencias finitas . . . . . . . . . . . . . 302
13.4.2 C
alculo del valor interpolado . . . . . . . . . . . . 304
13.5 Aproximacion por mnimos cuadrados . . . . . . . . . . . 306
14 Integraci
on y diferenciaci
on
313
14.1 Integracion numerica . . . . . . . . . . . . . . . . . . . . . 313

14.2 Formula del trapecio . . . . . . . . . . . . . . . . . . . . . 314
14.2.1 Errores local y global
. . . . . . . . . . . . . . . . 317
14.3 Formula de Simpson . . . . . . . . . . . . . . . . . . . . . 319

14.3.1 Errores local y global
. . . . . . . . . . . . . . . . 320
14.4 Otras formulas de Newton-Cotes . . . . . . . . . . . . . . 325

14.4.1 Formulas de Newton-Cotes abiertas . . . . . . . . 325
14.5 Cuadratura de Gauss . . . . . . . . . . . . . . . . . . . . . 326
14.5.1 Polinomios de Legendre . . . . . . . . . . . . . . . 331
14.6 Derivaci
on numerica . . . . . . . . . . . . . . . . . . . . . 332
15 Ecuaciones diferenciales
337
15.1 Metodo de Euler . . . . . . . . . . . . . . . . . . . . . . . 338

15.2 Metodo de Heun . . . . . . . . . . . . . . . . . . . . . . . 341
15.3 Metodo del punto medio . . . . . . . . . . . . . . . . . . . 344
15.4 Metodo de Runge-Kutta . . . . . . . . . . . . . . . . . . . 347
15.5 Deducci
on de RK2 . . . . . . . . . . . . . . . . . . . . . . 350
15.6 Control del paso . . . . . . . . . . . . . . . . . . . . . . . 353
15.7 Orden del metodo y orden del error . . . . . . . . . . . . . 359
15.7.1 Verificacion numerica del orden del error . . . . . . 360
15.8 Metodos multipaso explcitos . . . . . . . . . . . . . . . . 362
vii
INDICE GENERAL
15.9 Metodos multipaso implcitos . . . . . . . . . . . . . . . . 366

15.10 Sistemas de ecuaciones diferenciales . . . . . . . . . . . . 371
15.11 Ecuaciones diferenciales de orden superior . . . . . . . . 373
15.12 Ecuaciones diferenciales con condiciones de frontera . . . 376
15.13 Ecuaciones lineales con condiciones de frontera . . . . . . 379
A Estilo en C
389
A.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . 389

A.2 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
A.3 Estructuras de control . . . . . . . . . . . . . . . . . . . . 395
viii
Pr
ologo
El prop
osito de este libro es presentar los conceptos m
as importantes
del lenguaje C y varios temas de metodos numericos. Tambien estan
algunos temas sencillos y muy u
tiles de C++.
Esta dirigido principalmente, pero no de modo exclusivo, para el
curso Programaci
on y Metodos Numericos que deben tomar los estudiantes de las carreras de Matem
aticas y de Estadstica en la Universidad
Nacional. Estos estudiantes ya han visto calculo diferencial y estan cursando, de manera simult
anea, calculo integral y algebra lineal. Adem
as
se supone que los lectores tienen nociones elementales sobre los computadores, en particular sobre el manejo de un editor de texto.
Los primeros 14 captulos se pueden cubrir en un semestre. En
tiempo, esto corresponde a cinco horas semanales durante quince semanas aproximadamente. Obtener un nivel medio de programaci
on no es
difcil pero requiere de manera indispensable bastante tiempo de practica
frente a un computador.
El captulo 15, sobre solucion numerica de ecuaciones diferenciales
ordinarias, no corresponde al programa del curso, pero est
a incluido para
no dejar por fuera un tema tan importante. Sin embargo, otro tema muy
u
til, solucion numerica de las ecuaciones diferenciales parciales, no esta
incluido. Tampoco se trata el tema del calculo de valores y vectores
propios.
En la pagina electr
onica del autor, se encontrar
a una fe de erratas del
libro, que se ir
a completando a medida que los errores sean detectados.
En esta pagina tambien esta el codigo para algunos metodos y otros
documentos relacionados con el tema. Actualmente la direccion es:
www.matematicas.unal.edu.co/~hmora/
ix
Si hay reorganizacion de las paginas de la Universidad, sera necesario

entrar a la pagina
www.unal.edu.co
dirigirse a Sede de Bogota, Facultad de Ciencias, Departamento de
Matem
aticas y pagina del autor.
Quiero agradecer especialmente a los profesores Fabio Gonzalez, Fernando Bernal, Luis Eduardo Giraldo, Felix Soriano, Humberto Sarria y
Hector L
opez quienes tuvieron la amabilidad y la paciencia de leer la
versi
on inicial de este libro. Tambien a los estudiantes del curso Programaci
on y Metodos Numericos de las carreras de Matem
aticas y Estadstica, en especial a Claudia Chica y Marcela Ewert. Las sugerencias,
comentarios y correcciones de todos ellos fueron muy u
tiles. Tambien
doy gracias al profesor Gustavo Rubiano, director de Publicaciones de
la Facultad de Ciencias, quien facilito la publicacion preliminar, en la
colecci
on Notas de Clase, de la primera versi
on de este documento.
El autor estara muy agradecido por los comentarios, sugerencias y
correcciones enviados a:
hmmorae@unal.edu.co
hectormora@yahoo.com
Deseo agradecer a la Universidad Nacional por haberme permitido
destinar parte de mi tiempo de trabajo a esta obra, este tiempo fue una
parte importante del necesario para la realizacion del libro.
El texto fue escrito en LATEX. Quiero agradecer al profesor Rodrigo
De Castro quien amablemente me ayud
o a resolver las inquietudes y los
problemas presentados.
Finalmente, y de manera muy especial, agradezco a Hel`ene, Nicol
as
y Sylvie. Sin su apoyo, comprensi
on y paciencia no hubiera sido posible
escribir este libro.
Introducci
on
El lenguaje de programaci
on m
as utilizado para calculos cientficos es el
Fortran, bien sea en sus versiones originales, en Fortran-77 o en Fortran90. Inicialmente Fortran fue el u
nico lenguaje empleado para calculo
cientfico. Posteriormente se utilizaron tambien otros lenguajes, como
Algol, PL-1, Pascal, C, C++...
Actualmente se sigue utilizando ampliamente Fortran en laboratorios de investigacion del m
as alto nivel pues, adem
as de sus buenas
cualidades, hay muchos programas y bibliotecas hechos en ese lenguaje.
Estos programas han sido probados muchas veces y por tanto su confiabilidad es muy grande. No son pues crebles las opiniones, salidas de
algunos sectores informaticos, sobre la obsolescencia del Fortran.
Sin embargo, actualmente una parte importante de programas para
calculo cientfico se hace en C y C++. Entre sus ventajas, algunas
compartidas tambien por Fortran, se pueden citar:
Disponibilidad: es posible encontrar facilmente diferentes compiladores de C y C++, para microcomputadores, minicomputadores,
estaciones de trabajo y computadores grandes (mainframes).
Portabilidad: los programas pueden moverse facilmente entre diferentes tipos de computadores; por ejemplo, un programa en C hecho en un microcomputador debe poder pasar sin problemas a una
estacion de trabajo.
Eficiencia.
1

1. INTRODUCCION
Bibliotecas: C y C++ permiten crear facilmente interfaces para

usar las bibliotecas hechas en Fortran.
En el medio estudiantil colombiano, donde fundamentalmente se
usan microcomputadores con plataforma Windows, es mucho m
as com
un
encontrar compiladores de C y C++ que de Fortran. Esta situacion no
tiene que ver con las bondades o defectos de los lenguajes, pero hace
que, en la practica, en muchos casos, sea m
as facil pensar en hacer un
programa en C o C++ que en Fortran. Actualmente esta creciendo el
uso de Linux, en el cual, casi siempre, todas las distribuciones tienen
compilador de C, C++ y Fortran.
Este libro, de alcance no muy extenso, es una introducci
on al lenguaje
C, a algunas de las caractersticas sencillas de C++ y al tema de los
metodos numericos. No contiene dos temas fundamentales de C++, que
estan relacionados entre s: las clases y la programaci
on orientada a
objetos.
El libro no pretende ser de referencia, es decir, los temas no se tratan
de manera exhaustiva; solamente estan los detalles y caractersticas m
as
importantes o m
as usados.
Se invita al lector a profundizar y complementar los temas tratados,
y a continuar con el estudio, aprendizaje y practica de algunos nuevos,
en particular clases y programaci
on orientada a objetos, en libros como
[BaN94], [Buz93], [Cap94], [DeD99], [ElS90], [Sch92].
C es considerado como un lenguaje de nivel medio; en cambio Pascal, Basic o Fortran se consideran de m
as alto nivel. Esto no es mejor
ni peor, simplemente quiere decir que C utiliza al mismo tiempo caractersticas de lenguajes de alto nivel y propiedades cercanas al lenguaje
de m
aquina. En C hay algunas funcionalidades parecidas al lenguaje
interno del computador, pero esto implica que el programador debe ser
mucho m
as cuidadoso. Por ejemplo, C no controla si los subndices de un
arreglo (algo semejante a un vector) salen fuera del rango de variacion
previsto.
Se puede considerar que C++ es como una ampliacion de C; por
tanto C++ acepta casi todo lo que es valido en C. A su vez, las ordenes
y caractersticas especficas de C++ no son validas en C.
En cuanto a metodos numericos, s
olo estan algunos de los temas
m
as importantes. Para cada tema o problema hay muchos metodos. De
2
nuevo este libro no es, y no podra serlo, exhaustivo. Los metodos tratados presentan un equilibrio entre eficiencia, facilidad de presentaci
on
y popularidad. Hay muy buenos libros de referencia para metodos
numericos y an
alisis numerico. Algunos de ellos son [GoV96], [IsK66],
[YoG72], [DaB74], [BuF85], [LaT87], [StB93], [Atk78].
Tambien hay libros que al mismo tiempo tratan los dos temas: C (o
C++) y metodos numericos; por ejemplo: [Pre93], [Kem87], [OrG98],
[Flo95], [ReD90].
Los ejemplos de programas de este libro han sido probados en varios compiladores. El autor espera que funcionen en la mayora. Para
algunos ejemplos, aparecen los resultados producidos por el programa.
Estos resultados pueden variar ligeramente de un compilador a otro; por
ejemplo, en el n
umero de cifras decimales desplegadas en pantalla.
En algunos ejemplos no estan todos los detalles ni instrucciones necesarias, aparecen u
nicamente las instrucciones m
as relevantes para ilustrar el tema en estudio. Usualmente aparecer
an puntos suspensivos indicando que hacen falta algunas instrucciones; por ejemplo, las instrucciones donde se leen, se definen o se les asigna un valor a las variables.

1. INTRODUCCION
Generalidades
Hacer un programa en C (o en C++) significa escribir o crear un archivo
texto o archivo ASCII (American Standard Code for Information Interchange) que este de acuerdo con la sintaxis de C y que haga lo que el
programador desea. Este archivo se denomina el programa fuente o el
c
odigo. Generalmente, tiene la extensi
on .c o .cpp, es decir, si el programa se va a llamar progr01, entonces el programa fuente se llamara
progr01.c o progr01.cpp.
El programa fuente se puede escribir con cualquier editor de texto;
por ejemplo, Edit de DOS, Notepad y emacs en Windows, vi, pico, emacs
en Unix y Linux, y muchos otros. Tambien puede ser escrito por medio
del editor del compilador, cuando lo tiene.
Algunos compiladores vienen con ambiente integrado de desarrollo,
IDE (Integrated Development Environment), es decir, un ambiente en
el que estan disponibles, al mismo tiempo, un editor, el compilador, el
ejecutor del programa, un depurador (debugger ) y otras herramientas.
Por ejemplo, Visual C++ (para Windows), Turbo C (para DOS), DevC++ (para Windows, software libre). En otros casos el compilador no
tiene IDE. Por ejemplo, el compilador bcc32 (software libre de la casa
Borland) o el compilador g++ (gcc) para Linux.
El programa fuente debe estar conforme a la sintaxis de C y debe
dar las
ordenes adecuadas para hacer lo que el programador desea. Una
vez construida una primera versi
on del programa fuente, es necesario
utilizar el compilador. El compilador revisa si el programa fuente esta
de acuerdo con las normas de C. Si hay errores, el compilador produce
5
2. GENERALIDADES
mensajes indicando el tipo de error y la lnea donde han sido detectados.

Entonces el programador debe corregir el programa fuente y volver a
compilar (utilizar el compilador). Este proceso se repite hasta eliminar
todos los errores.
Si no hay errores de compilaci
on, el compilador crea un programa
ejecutable, generalmente con la extensi
on .exe (en Windows o DOS);
por ejemplo, progr01.exe. Este programa ejecutable esta en lenguaje
de m
aquina y es el que realmente hace lo que el programador escribi
o
en el programa fuente.
En el mejor de los casos, el programa no presenta errores durante la
ejecuci
on y adem
as efectivamente hace lo que el programador quiere.
Tambien puede suceder que el programa no presenta errores de ejecucion, pero no hace lo que el programador quera, es decir, el programa
hace lo que esta en el programa fuente, pero no corresponde a lo que deseaba el programador. Entonces el programador debe revisar y modificar
el programa fuente y despues compilar de nuevo.
En un tercer caso hay errores durante la ejecuci
on del programa; por
ejemplo, se presenta el calculo de la raz cuadrada de un n
umero negativo
o una divisi
on por cero o el programa nunca termina (permanece en un
ciclo sin fin). Como en el caso anterior, el programador debe revisar y
modificar el programa fuente y despues compilar de nuevo.
Por el momento hemos pasado por alto el proceso de enlace o encadenamiento (link ). De manera muy esquem
atica se puede decir que
mediante este proceso se concatenan en un u
nico bloque varios m
odulos
que han sido compilados por separado.
2.1
El primer programa
Uno de los programas m

as sencillos y peque
nos puede ser el siguiente:
#include <stdio.h>
int main()
{
printf(" Este es mi primer programa.\n");
return 0;
}
6
2.1. EL PRIMER PROGRAMA
La primera lnea, #include ... , indica que se va a utilizar una biblioteca cuyo archivo de cabecera es stdio.h, es decir, la biblioteca standard
input output. En un archivo de cabecera hay informaci
on y declaraciones
necesarias para el uso correcto de las funciones de la biblioteca correspondiente.
En un programa en C hay una o varias funciones, pero siempre tiene
que estar la funcion main, es decir, la funcion principal. La palabra int,
que precede a main, indica que la funcion main devuelve un valor entero.
Justamente la funcion main, en este ejemplo, devuelve 0 por medio de
la instruccion return 0. Para la funcion main se usa la siguiente convencion: devuelve 0 si no hay errores; devuelve 1 u otro valor no nulo si
hubo errores.
Dentro de los parentesis despues de main no hay nada; esto quiere
decir que la funcion main no tiene par
ametros o argumentos.
Poco a poco el lector entendera el significado del valor devuelto por
una funcion, de los par
ametros o argumentos de una funcion. Por el
momento puede suponer que siempre se debe escribir int main().
El corchete izquierdo, {, indica el comienzo de la funcion main y el
corchete derecho, }, indica el final.
La funcion printf es propia de C y sirve para escribir o desplegar
en la pantalla alg
un resultado. Esta funcion esta definida en el archivo
de cabecera stdio.h . En este ejemplo, el programa ordena escribir en
la pantalla la cadena de caracteres Este es mi primer programa. La
cadena empieza con " y termina con ". Dentro de la cadena tambien
esta \n que sirve para crear una nueva lnea dentro de lo que aparece
en la pantalla. Observe lo que pasa, durante la ejecuci
on del programa,
al cambiar la lnea por una de las siguientes:
printf(" Este es
printf(" Este es
printf(" Este es
printf("\n\n\n\n
mi primer programa.");
mi primer programa.\n\n\n");
mi primer \n\n programa.\n");
Este es mi \n primer programa.\n");
Al final de las instrucciones u

ordenes de C siempre hay un punto y
coma. Este signo determina donde acaba la instruccion.
Este primer programa tambien se puede escribir con una funcion
especfica de C++.
#include <iostream.h>
7
2. GENERALIDADES
int main()
{
cout<<" Este es mi primer programa en C++."<<endl;
return 0;
}
Aqu se utiliza el archivo de cabecera iostream.h, en el cual esta la
funcion cout. Observe la diferencia de sintaxis entre printf y cout.
La orden para cambiar de lnea esta dada por endl. Tambien se puede
meter, dentro de la cadena, \n y se obtienen los mismos resultados.
cout<<" Este es mi primer programa.\n";
Para obtener cambios de lnea adicionales se puede utilizar varias veces
endl, por ejemplo:
cout<<"Este es mi primer programa."<<endl<<endl;
cout<<"Este es mi primer"<<endl<<"programa."<<endl;
cout<<endl<<"Este es mi"<<endl<<"primer programa.";
Algunos compiladores muy recientes no aceptan de buen gusto el anterior programa en C++; por ejemplo, el g++ (gcc) 3.2 de Linux. Lo
consideran anticuado (deprecated or antiquated ). El programa se debera
escribir as:
#include <iostream>
using namespace std;
int main()
{
cout<<" Este es mi primer programa en C++."<<endl;
return 0;
}
Observe que aparece simplemente iostream y no iostream.h. La segunda lnea, using ..., sirve para que no sea necesario escribir
std::cout<<...
sino simplemente
cout<<...
Cuando hay varios espacios seguidos, es lo mismo que si hubiera uno
solo. Las lneas en blanco no se tienen en cuenta, simplemente sirven
8
2.2. EDITAR, COMPILAR, EJECUTAR
para la presentaci
on del programa fuente. El programa del ejemplo
tambien se hubiera podido escribir como sigue, pero su lectura no es
facil.
#include <stdio.h>
int
main(){printf
(
" Este es mi primer programa.\n")
;
return
0;}
2.2
Editar, compilar, ejecutar
En esta secci
on hay algunas pautas generales para poder efectuar el proceso de edici
on, compilaci
on y ejecuci
on de un programa. Estas pautas
pueden variar de computador en computador o de configuraci
on en configuraci
on; adem
as, sirven para los casos m
as sencillos. Poco a poco,
el programador debera aprender a utilizar otras opciones y formas de
compilaci
on.
Suponga que el programa fuente se llama prog01.cpp. Tambien se
supone que el compilador que se va a usar ha sido instalado correctamente.
Para facilitar la escritura se utilizara la siguiente notaci
on:
orden
indica que se activa el bot
on (o parte de un men
u) llamado orden. Esto
se logra, generalmente, picando con el mouse dicho bot
on. En algunos
casos se logra el mismo objetivo mediante el desplazamiento con las
flechas y se finaliza oprimiendo la tecla Enter. Por ejemplo, File indica
que se activa el bot
on File.
La notaci
on Alt-f indica que se mantiene oprimida la tecla Alt
y despues se pulsa ligeramente la tecla f. Finalmente se suelta la tecla
Alt. De manera an
aloga se utiliza la misma notaci
on para la tecla Ctrl o
para la tecla que aqu se denotara por May (may
usculas); por ejemplo,
Ctrl-F5 o May-F2.
9
2. GENERALIDADES
2.2.1
g++
Este compilador esta en la mayora de las distribuciones de Linux, o

posiblemente en todas. Es en realidad el mismo compilador gcc.
Para editar el programa fuente, utilice el editor de su preferencia,
por ejemplo, Emacs, vi, pico. No olvide guardar los cambios hechos.
Se puede compilar mediante la orden
g++ prog01.cpp
En este caso, si no hay errores de compilaci
on, se produce un archivo
ejecutable llamado siempre a.out.
Para correr el programa se debe dar la orden
./a.out
Si se da la orden
g++ prog01.cpp -o algo
el compilador produce un archivo ejecutable llamado algo . Es m
as diciente que el nombre del archivo ejecutable sea semejante al del programa
fuente, por ejemplo,
g++ prog01.cpp -o prog01
As, para correr el programa, se da la orden
./prog01
Si desea que no aparezcan las advertencias que indican que el programa
esta escrito en un leguaje anticuado, digite
g++ prog01.cpp -o prog01 -Wno-deprecated
Para obtener informaci
on sobre g++
man g++
Para salir de la informaci
on, oprima q .
2.2.2
bcc32
Una manera sencilla de utilizar este compilador es en ambiente DOS,

es decir, estando en Windows es necesario abrir una ventana de DOS o
10
ventana de sistema.
La edici
on del archivo se hace con cualquier editor de texto de Windows (bloc de notas, Wordpad, Emacs para Windows...) o de DOS
(edit...).
Una vez editado y guardado el archivo, se compila mediante
bcc32 prog01.cpp
La orden anterior produce, si no hay errores, el archivo prog01.exe.
Este
es un archivo ejecutable. Generalmente no es necesario especificar
la extensi
on .cpp, el compilador la presupone, o sea, bastara con
bcc32 prog01
Para correr el programa basta con digitar
prog01
Como se observa, no es necesario escribir la extensi
on .exe.
2.2.3
Turbo C++
Este compilador para DOS viene con IDE (ambiente integrado). Sin
embargo tambien se puede utilizar u
nicamente el compilador de la misma
forma como se usa el compilador bcc32. Basta con cambiar bcc32 por
tcc.
Para utilizar el IDE, es necesario, como primer paso, disponer de
una ventana de DOS. Desde all, el compilador y su ambiente se activan
por medio de la orden
tc
Ya dentro de Turbo C++, el ambiente muestra directamente la ventana
del editor. Es necesario escribir el programa o hacer las modificaciones
deseadas.
Se tiene acceso a la barra de men
u, en la parte superior de la ventana, por medio del mouse o por medio de la tecla Alt acompa
nada
simult
aneamente de la primera letra de la orden o submen
u. Por ejemplo Alt-F para el submen
u File.
Para grabar el archivo o los cambios:
File Save
11
2. GENERALIDADES
Para algunas de estas secuencias de operaciones hay una tecla que reemplaza la secuencia. La secuencia File Save se puede reemplazar por F2.
Para compilar:
Compile Compile
Alt-F9
Para correr el programa

Run Run
Ctrl-F9
La secuencia anterior, cuando el programa (la u

ltima versi
on) no ha sido
compilado, en un primer paso lo compila y despues lo corre. Entonces,
en muchos casos, no es necesaria la secuencia Compile Compile.
Despues de correr el programa, el ambiente Turbo C++, vuelve inmediatamente a la pantalla donde esta el editor. Si el programa muestra
algunos resultados en pantalla, estos no se ven, pues la pantalla de resultados queda inmediatamente oculta por la pantalla del editor. Para
ver la pantalla de resultados:
Alt-F5
Para volver a la pantalla del editor, oprima cualquier tecla.
Para salir de Turbo C++
File Quit
2.2.4
Alt-x
Visual C++
En Visual C++, los programas son proyectos. Un proyecto puede abarcar varios archivos, algunos .cpp y algunos archivos de cabecera .h.
Supongamos que el proyecto se llama prog50, y que dentro del proyecto
prog50, hay u
nicamente un archivo .cpp, el archivo parte_a.cpp.
La primera vez es necesario crear el proyecto y agregarle archivos.
File New Projects Win32 Console Application Project Name
prog50 Create a new workspace OK
OK
An empty project Finish
Hasta aqu, se cre

o un proyecto con nombre prog50; esto quiere decir que hay una carpeta, con el nombre prog50, con la siguiente ruta
(posiblemente):
c:\Archivos de Programa\Microsoft Visual Studio\
12
My Projects\prog50\
Dentro de esa carpeta, Visual C++ cre

o la carpeta Debug y cuatro
archivos: prog50.dsp, prog50.dsw, prog50.ncb y prog50.opt. Ahora
es necesario agregar por lo menos un archivo fuente, un .cpp. Tambien
se pueden agregar otros archivos .cpp y archivos de cabecera .h:
Project Add To Project New C++ Source File
File name parte_a OK
Como se utilizo la opci
on de un archivo nuevo, inmediatamente Visual
C++ abre el editor para escribir en el archivo parte_a.cpp
Al finalizar la escritura en el archivo, la secuencia
Build Compile
Crtl-F7
guarda el archivo parte_a.cpp, lo compila y, si no hay errores, crea el

archivo parte_a.obj en la carpeta Debug .
La secuencia
Build Build
F7
hace la edici
on de enlaces (link) y, si no hay errores, crea el ejecutable
prog50.exe en la carpeta Debug . Si es necesario, esta secuencia tambien
guarda y compila.
La secuencia
Build Execute
Ctrl-F5
activa el ejecutable prog50.exe

Las otras veces ya no es necesario crear el proyecto, basta con abrir
el archivo adecuado. La secuencia
File Recent Workpaces
permite escoger el proyecto prog50 y hacer las modificaciones necesarias.
Para compilar, enlazar y correr se utilizan las mismas secuencias anteriores.
En Visual C++ y en Dev-C++, varias de estas secuencias se pueden
reemplazar por conos que aparecen en una de las barras superiores; por
ejemplo el cono del disquete para guardar, la carpeta semiabierta para
abrir un documento...
13
2. GENERALIDADES
2.2.5
Dev-C++
Este compilador para Windows es software libre, viene con IDE. Su direcci
on es www.bloodshed.net. Despues de instalado, para un programa
nuevo, se puede utilizar inicialmente la siguiente secuencia:
File New Source file
Entonces Dev-C++ abre un archivo predefinido que el programador debe
completar.
#include <stdlib.h>
int main()
{
system("PAUSE");
return 0;
}
Hay dos lneas nuevas: se incluye otro archivo de cabecera, el archivo
stdlib.h (standard library), precisamente para poder usar la orden del
sistema operativo system("PAUSE"). Esto sirve simplemente para que,
cuando el programa haya hecho todo lo que debe hacer, no cierre inmediatamente la pantalla de resultados, sino que haga una pausa.
Una vez que el programador ha escrito su programa, la secuencia
File Save unit
Ctrl-s
permite guardar el archivo. Si es la primera vez, es necesario dar el nombre, para nuestro ejemplo, prog01 . Las veces posteriores, la secuencia
anterior simplemente graba los cambios realizados en el archivo.
La secuencia
Execute Compile and Run
Ctrl-F10
encadena las tres acciones importantes: guardar, compilar y ejecutar.

Cuando en una ocasi
on anterior ya se hizo una parte del programa y se
desea modificarlo, se puede utilizar la secuencia
File Open project or file
o
14
Ctrl-o
2.3. COMENTARIOS
Con la secuencia anterior se puede escoger el archivo que se desea abrir.

Tambien se puede utilizar
File Reopen
La orden system("pause") tambien puede ser usada en Turbo C para
no salir de la pantalla de resultados, as no es necesario utilizar Alt-F5
para regresar a la pantalla de resultados. Con los compiladores bcc32,
Visual C++ y g++, no es necesaria.
2.3
Comentarios
Un comentario en C es una porci

on de texto que esta en el programa
fuente con el objetivo de hacerlo m
as claro, pero no influye en nada en
el programa ejecutable.
#include <stdio.h>
// Comentario de una linea, especifico de C++
/* Comentario en C. */
/*
Puede ser
de varias
lineas
*/
int main()
{
printf(" Este es mi primer programa.\n");
return 0;
}
Un comentario en C empieza con /* y acaba con */ . Un comentario

en C++ empieza con // y termina donde acaba la lnea. Un comentario en C puede abarcar una parte de una lnea, una lnea completa
o varias lneas. Un comentario en C++ no puede abarcar m
as de una
lnea, pero puede haber varios comentarios seguidos. Los comentarios
pueden estar despues de una instruccion.
// Primera linea de un comentario en C++
15
2. GENERALIDADES
// Segunda linea de
// Tercera linea de
// ...
printf(" HOLA.\n");
printf(" HOLA.\n");
un comentario en C++
un comentario en C++
// escribe HOLA
/* escribe HOLA */
Cuando el programador esta haciendo el programa tiene muy claro que

significa cada parte del programa. Sin embargo, al cabo de unas semanas, en especial si ha estado haciendo otros programas, el significado
de cada parte del programa empieza a hacerse difuso. M
as a
un, el programa fuente debe ser suficientemente claro para que pueda ser ledo
por otras personas. La inclusion de comentarios adecuados permite
hacer m
as claro un programa y facilita enormemente su correccion y
actualizacion posterior. Los comentarios tienen que ver con varios aspectos, por ejemplo: objetivos del programa, datos, resultados, metodo
empleado, significado de las variables...
2.4
Identificadores
Los identificadores sirven para el nombre de variables o de funciones.

La longitud m
axima de un identificador depende del compilador utilizado y del lenguaje (C o C++). Generalmente no es inferior a 32;
m
as a
un, puede ser muy grande. Los identificadores s
olo usan smbolos
alfanumericos, es decir, letras min
usculas, letras may
usculas, dgitos y
el smbolo de subrayado:
a b c... x y z A B C... X Y Z 0 1 2 3 4 5 6 7 8 9 _
El primer caracter no puede ser un dgito. No puede haber espacios
dentro de un identificador. Las min
usculas se consideran diferentes de
las may
usculas. Un identificador no puede ser una palabra clave. Las
palabras clave estan reservadas para C o C++. Usualmente la lista de
palabras clave es la siguiente:
asm
char
delete
extern
if
auto
class
do
float
inline
break
const
double
for
int
16
case
continue
else
friend
long
catch
default
enum
goto
new
2.4. IDENTIFICADORES
operator
return
struct
try
void
private
short
switch
typedef
volatile
protected
signed
template
union
while
public
sizeof
this
unsigned
register
static
throw
virtual
De los siguientes identificadores posibles, los cuatro primeros son correctos, los cinco u
ltimos son inadecuados. El primer identificador es
diferente del segundo.
a1
A1
peso_especifico_del_mercurio
b1j
peso especifico
peso-especifico
1a
pesoesp
float
Adem
as, para los identificadores, es preferible no utilizar los nombres de
las funciones usuales de C o de C++.
En los siguientes dos ejemplos, para los identificadores se utilizan
nombres de funciones de entrada y salida. En el primer ejemplo no hay
conflicto, pero de todas maneras es aconsejable no usar printf para un
identificador.
double printf = 4.5;
cout<<printf<<endl;
En el segundo ejemplo hay conflicto entre la funcion printf, usada en
la segunda lnea, y el identificador printf.
double printf = 4.5;
printf(" %lf\n", printf);
Los identificadores deben ser explicativos con respecto a la variable que
representan. El tercero, peso especifico del mercurio, es un buen
17
2. GENERALIDADES
ejemplo. Sin embargo es un poco largo. Si un identificador es muy

largo, no hay error; simplemente es ineficiente cuando hay que escribir
varias, o muchas, veces el identificador.
Buscar que sean muy cortos puede llevar a que sean poco o nada
explicativos; por ejemplo, usar
pem
es corto, y tal vez eficiente, pero dice poco con respecto al peso especfico
del mercurio.
Usualmente, cuando es necesario, se emplean las tres o cuatro primeras
letras de cada palabra. Para diferenciar visualmente las palabras, estas
se separan por el smbolo de subrayado o se escribe la primera letra de
cada palabra (a partir de la segunda) en may
usculas; por ejemplo, un
identificador para el peso especfico del mercurio puede ser
pesoEspHg
peso_esp_hg
Obviamente, si por tradicion las variables tienen nombres muy cortos,
entonces no se justifica utilizar identificadores largos. Por ejemplo, de
manera natural, los identificadores para los coeficientes de una ecuaci
on
cuadratica pueden ser
a
Adicionalmente, uno o varios comentarios adecuados pueden explicar lo

que hace un programa y el significado de cada identificador.
// Programa para la solucion de la ecuacion cuadratica
//
// a x x + b x + c = 0
//
En los comentarios es posible, dependiendo del sistema operativo, uti Sin embargo, estos caracteres se pueden
lizar letras tildadas, n
y N.
perder al pasar de un sistema operativo a otro, por ejemplo, al pasar de
DOS a Windows. Entonces es preferible usar letras sin tildes, no
importa que sea un error de ortografa.
18
2.5. TIPOS DE DATOS
En un programa hay, o debe haber, una correspondencia biunvoca

entre las variables y los identificadores. Por esta razon, de manera un
poco abusiva, algunas veces se utilizan indistintamente. Por ejemplo, en
lugar de decir la variable peso especfico del mercurio con identificador
pesoEspHg, se utilizar
a con frecuencia: la variable pesoEspHg .
2.5
Tipos de datos
Los principales tipos de datos son:

char
int
float
double
El primero, char, se usa para los caracteres, no s
olo los alfanumericos,
tambien para los otros caracteres usuales como + ( = ? [ * , etc. El tipo
int se usa para n
umeros enteros. Para los n
umeros reales (tienen una
parte entera y una parte fraccionaria no necesariamente nula) se usan
los tipos float y double.
Este u
ltimo es de mayor tama
no y permite almacenar m
as informacion, pero a su vez necesita m
as espacio para su almacenamiento y
un poco m
as de tiempo para las operaciones. En general, para hacer
calculos numericos, si no hay restricciones muy fuertes de disponibilidad
de memoria, es preferible utilizar double para los reales. Generalmente
se conoce el tipo float con el nombre de punto flotante en precisi
on
sencilla y double con el nombre de punto flotante en doble precisi
on o
simplemente doble precisi
on.
Antes de su uso en el programa, generalmente al comienzo de las
funciones, es necesario declarar el tipo de las variables, por ejemplo:
double a, b, c;
int i, denom;
int j;
La siguiente tabla muestra los tama
nos usuales en bytes (un byte, u
octeto, es una unidad de informaci
on compuesta por 8 bits; un bit,
acronimo de binary digit, es la unidad m
as sencilla de informaci
on y
19
2. GENERALIDADES
puede tomar los valores 0 o 1) de los tipos anteriores, y el rango de

variaci
on.
Tipo
char
int
float
double
Tama
no
(bytes)
2
2
4
8
Rango
32768 a 32767
3.4E-38 a 3.4E38
1.7E-308 a 1.7E308
La tabla anterior puede variar con el computador o con el compilador.

Con algunos compiladores el tipo entero usa cuatro bytes y tiene un
rango de variaci
on mucho m
as amplio
La notaci
on usada no es la del idioma espa
nol. Aqu la parte entera se
separa de la fraccionaria con punto y no con coma, como es lo correcto
en espa
nol; es decir, aqu 1.7 representa una unidad y siete decimas.
Consecuentemente no se utiliza punto para separar las unidades de mil de
las centenas, ni se utiliza la comilla para separar los millones. Tambien
se esta utilizando una convencion para la notaci
on cientfica, a saber,
3.45E42 :=
0.345E-38 :=
345
1042 ,
100
345
1038 .
1000
En la notaci
on cientfica de C tambien se puede utilizar la e min
uscula
en lugar de la may
uscula; por ejemplo, 3.45e42.
Para los tipos float y double, en la tabla esta escrito u
nicamente
el rango positivo. Es necesario sobrentender el cero y el rango negativo;
por ejemplo, el tipo float tambien puede ser cero o variar entre 3.4E38
y 3.4E-38 .
Mediante los modificadores
unsigned
long
20

2.6. OPERADOR DE ASIGNACION
se obtienen nuevos tipos. Los m

as usuales estan en la siguiente tabla.
Tipo
unsigned int
long int
long double
Tama
no
(bytes)
2
4
10
Rango
0 a 65535
2147483648 a 2147483647
3.4E-4932 a 3.4E4932
Los valores de la tabla anterior tambien pueden variar con el tipo de

computador o con el compilador.
El tipo long double debe ser manejado con mucho cuidado, pues
en varios compiladores aparentemente funciona bien la compilaci
on de
programas con variables long double, pero puede haber errores en los
resultados. Consulte detalladamente la documentaci
on del compilador
que usa, en lo referente al manejo de long double.
2.6
Operador de asignaci
on
Es el operador m
as utilizado. Mediante su uso se le asigna a una variable
un nuevo valor. La forma general es:
variable = expresi
on;
Lo anterior indica que la variable, que siempre esta a la izquierda del
signo igual, toma el valor dado por la expresi
on de la derecha. La asignaci
on no se debe confundir con el significado de una igualdad en una
expresi
on matem
atica. Algunos ejemplos permiten aclarar el uso y significado de la asignaci
on.
int a;
double x, y;
char c;
a
y
x
a
c
=
=
=
=
=
100;
9.0/4.0;
5.0 + y;
a+3;
A;
21
2. GENERALIDADES
Antes de la instruccion a = 100 la variable a tena un valor determinado, o tal vez ning
un valor especfico. De todas maneras, despues de
la instruccion a = 100 la variable entera a vale cien. Despues de la
instruccion y = 9.0/4.0 la variable y vale 2.25 . Como la variable
y corresponde a un n
umero real, es preferible que la expresi
on de la
derecha sea hecha explcitamente entre n
umeros reales; por esto en este
caso es preferible escribir 9.0/4.0 y no simplemente 9/4 . Como se vera
m
as adelante, el valor de 9/4 es el entero 2. Despues de la instruccion
x = 5.0 + y , la variable x vale 7.25 .
La instruccion a = a + 3 sera un error desde el punto de vista
matem
atico, trabajando en el conjunto de los n
umeros reales. En cambio
en C tiene un sentido preciso, toma el valor que tiene a, le adiciona 3
y el resultado es el nuevo valor de a. O sea, antes de la instruccion, a
vale 100 . Despues de la instruccion, a vale 103 .
En el momento en que se especifica el tipo de una variable, se puede
hacer una asignaci
on inicial. Por ejemplo, la instruccion
int i = 3, j = 5;
dice que las variables i, j son enteras y adem
as a i se le asigna el valor
3 y a j el valor 5 .
2.7
Operadores aritm
eticos
Los principales operadores aritmeticos son:

+
++
--
Como era de esperarse + - / indican la adicion, la sustraccion y

la divisi
on. Para la multiplicaci
on entre dos n
umeros se emplea * (el
asterisco). Por ejemplo
int i, j, k;
double x, y;
i = 27;
j = 4;
k = i+j;
22

2.7. OPERADORES ARITMETICOS
cout<<k<<endl;
x = 10.0;
y = 3.0;
cout<<x/y<<endl;
cout<<x*y<<endl;
cout<<i/j<<endl;
produce la escritura en pantalla de los resultados
31
3.33333
30
6
Es importante observar que al efectuar la divisi
on entre dos n
umeros
enteros i, j (j 6= 0), C da como resultado la parte entera de i/j cuando
i/j es positivo y menos la parte entera de i/j en caso contrario. En
resumen, el resultado es
signo(i/j)|i/j| .
Por ejemplo,
int i, j;
i = 27;
j = -4;
cout<<i/j<<endl;
produce la escritura en pantalla de -6 .
El operador - adem
as de representar la sustraccion, operacion
binaria, sirve para indicar el cambio de signo. La instruccion
x = -y;
asigna a la variable x el inverso aditivo del valor de y .
El operador % se aplica u
nicamente a enteros e indica el residuo
entero de la divisi
on. Por ejemplo,
int i, j, k;
23
2. GENERALIDADES
i = 25;
j = 7;
k = i%j;
cout<<k<<endl;
producira como resultado la escritura en pantalla del valor 4 .
El operador ++ es un operador unario, o sea, tiene un solo
argumento. Se aplica a variables enteras. Su efecto es aumentar en una
unidad. Hay dos formas de usarlo, antes o despues de la variable. El
resultado final, para la variable a la que se le aplica, es el mismo, pero
los valores intermedios pueden ser diferentes. En el ejemplo
int i = 4, j = 4, k;
k = i++;
cout<<i<<"
k = ++j;
cout<<j<<"
"<<k<<endl;
"<<k<<endl;
el resultado sera la escritura de

5
5
4
5
Tanto para i como para j el valor inicial resulto incrementado en una

unidad. En la primera asignaci
on, la variable k tom
o el valor de i antes
del incremento. En la segunda asignaci
on, la variable k tom
o el valor de
j despues del incremento.
En caso de duda, en lugar de utilizar una sola instruccion, se puede
realizar exactamente lo mismo mediante dos instrucciones que no presentan posibilidad de mala interpretacion.
k = i++;
es equivalente a
k = i;
i++;
k = ++j;
es equivalente a
j++;
k = j;
tambien es equivalente a
++j;
k = j;
24

2.8. PRIORIDAD DE LOS OPERADORES ARITMETICOS
El operador -de ++ .
2.8
es el operador de decremento. Su uso es an

alogo al
Prioridad de los operadores aritm

eticos
Cuando en una expresi

on hay varios operadores aritmeticos, existen reglas precisas de prioridad, llamada tambien precedencia, que indican
el orden en que el computador debe efectuar las operaciones.
En una expresi
on aritmetica puede haber parentesis redondos, es
decir ( , ). No estan permitidos, como parentesis, los rectangulares
[ , ], ni los corchetes { , }. Como se vera posteriormente, los
parentesis rectangulares [ , ] se utilizan para los subndices.
Los parentesis tienen prioridad sobre todos los operadores y deben
cumplir las reglas usuales de los parentesis, por ejemplo: deben ir
por parejas (uno izquierdo y uno derecho); en el orden usual, de
izquierda a derecha, no puede aparecer un parentesis derecho si no
va precedido de su correspondiente parentesis izquierdo; cuando
hay parentesis anidados, unos dentro de otros, los parentesis internos tienen prioridad sobre los parentesis externos.
on hay dos operadores iguales, sin parentesis,
es necesario conocer la clase de asociatividad, es decir, se requiere
saber si se asocia utilizando el orden de izquierda a derecha o el
orden de derecha a izquierda.
Al encontrar la expresi
on a/b/c , dado que la divisi
on es una operacion binaria, habra dos posibilidades. La primera consiste en efectuar primero el cociente a/b y dividir el resultado por c. La segunda
consiste en efectuar primero el cociente b/c y enseguida dividir el valor
a por el resultado. Utilizando parentesis, las dos posibilidades se pueden
expresar as:
(a/b)/c
a/(b/c)
La primera correspondera a asociatividad de izquierda a derecha y la
segunda de derecha a izquierda. Obviamente, cuando una operacion
25
2. GENERALIDADES
es asociativa, por ejemplo la adicion, no importa en que orden se haga

la asociaci
on. Para la divisi
on, el lenguaje C, como esta indicado en
la siguiente tabla, asocia de izquierda a derecha, entonces a/b/c es lo
mismo que (a/b)/c.
La siguiente tabla muestra la precedencia, de mayor a menor, y la
asociatividad de los operadores aritmeticos m
as usados.
Operador
++
-++
-*
/
%
+
=
posincremento
posdecremento
preincremento
predecremento
cambio de signo
multiplicaci
on
divisi
on
resto de la div. entera
adicion
sustraccion
asignaci
on
Asociatividad
izq. a derecha
izq. a derecha
derecha a izq.
derecha a izq.
derecha a izq.
izq. a derecha
izq. a derecha
izq. a derecha
izq. a derecha
izq. a derecha
derecha a izq.
Precedencia
mayor
menor
Por medio de parentesis, que tienen prioridad superior a los operadores

aritmeticos, los siguientes ejemplos muestran el orden en que se realizan
algunas operaciones.
double a = 1.2, b = 3.1, c = -2.5, d = 5.1, x;
x = a/b/c;
x = a*b+c/d-c*b;
x = a/-c;
// x = (a/b)/c;
// x = ( (a*b) + (c/d) ) - (c*b);
// x = a/(-c);
De todas maneras, en caso de duda o para facilitar la lectura, se recomienda el uso adecuado de parentesis o de espacios.
double a = 1.2, b = 3.1, c = -2.5, d = 5.1, x;
x = (a/b)/c;
x = a*b + c/d - c*b;
x = a/(-c);
26
2.9. ABREVIACIONES USUALES
2.9
Abreviaciones usuales
Una de las instrucciones frecuentes en los programas de computador es

la siguiente: se toma el valor de una variable y se le suma una constante
o una variable y el resultado se convierte en el nuevo valor de la variable.
Por ejemplo:
a = a + 2.0;
b = b + c;
En C, las dos asignaciones anteriores se pueden escribir de manera abreviada as:
a += 2.0;
b += c;
Al principio, parece un poco raro o difcil del leer, pero finalmente se
adquiere la costumbre. De manera an
aloga, se puede abreviar cuando
hay multiplicaciones, restas o divisiones. O sea, las instrucciones
a = a*3.0;
i = i - 2;
b = b/c;
se pueden abreviar por
a *= 3.0;
i -= 2;
b /= c;
2.10
Funciones matem
aticas
C tiene predefinidas en sus bibliotecas varias funciones matem

aticas cuyo
archivo de cabecera es math.h . Por ejemplo, la funcion sqrt permite
obtener la raz cuadrada. Su argumento es tipo double y su resultado
tambien.
El siguiente programa permite calcular las races de una ecuaci
on
cuadratica, solamente cuando estas son reales. M
as adelante se vera
27
2. GENERALIDADES
el caso general. Adem

as, hay otro inconveniente: este programa sirve
u
nicamente para los valores definidos en el programa. Tambien se vera
posteriormente como hacer para que el programa reciba otros valores y
trabaje con ellos.
// Calculo de las raices de una ecuacion cuadratica,
// cuando son reales.
#include <math.h>
int main()
{
double a = 7.0, b = 3.1, c = -5.72;
double raiz1, raiz2;
raiz1 = (-b + sqrt(b*b-4.0*a*c) )/(2.0*a);
raiz2 = (-b - sqrt(b*b-4.0*a*c) )/(2.0*a);
cout<<" Las raices son: "<<raiz1<<"
return 0;
"<<raiz2<<endl;
}
El programa anterior producira el siguiente resultado.
Las raices son: 0.709256 -1.15211
Al hacer un programa, la primera preocupacion es que funcione. La
segunda es que sea eficiente. En el programa anterior hay varios calculos
repetidos: b*b-4.0*a*c y 2.0*a . Hacer el programa anterior m
as
eficiente tendr
a una ganancia imperceptible, milesimas de segundo o
menos. Pero cuando se hace m
as eficiente un proceso que se realiza
millones de veces, la mejora puede ser notable.
#include <math.h>
28
2.10.
FUNCIONES MATEMATICAS
int main()
{
double a = 7.0, b = 3.1, c = -5.72;
double raiz1, raiz2, d, a2;
a2 = 2.0*a;
d = sqrt(b*b-4.0*a*c);
raiz1 = (-b + d )/a2;
raiz2 = (-b - d )/a2;
cout<<"\n\n "<<a<<" x*x + "<<b<<" x + "<<c<<endl;
cout<<"Las raices son: "<<raiz1<<" "<<raiz2<<endl;
return 0;
}
En la siguiente tabla estan las principales funciones matem
aticas de C.
Para todas, el resultado es tipo double. Todas, salvo pow , tienen un solo
argumento. pow(x,y) eval
ua xy , ambos argumentos son tipo double y
el resultado tambien lo es.
acos
asin
atan
ceil
cos
cosh
exp
fabs
floor
log
log10
pow
sin
sinh
sqrt
tan
tanh
arco coseno
arco seno
arco tangente
parte entera superior
coseno
coseno hiperb
olico
exponencial: ex
valor absoluto
parte entera inferior
logaritmo neperiano
logaritmo en base 10
xy
seno
seno hiperb
olico
raz cuadrada
tangente
tangente hiperb
olica
29
Argumentos
double
double
double
double
double
double
double
double
double
double
double
double, double
double
double
double
double
double
Resultado
double
double
double
double
double
double
double
double
double
double
double
double
double
double
double
double
double
2. GENERALIDADES
Si se utiliza alguna de estas funciones con un argumento fuera de su

conjunto de definicion, se producira un error durante la ejecuci
on del
programa, este se detendra y producira un peque
no aviso. Por ejemplo,
si se utiliza sqrt para un n
umero negativo, el aviso producido, dependiendo del compilador, puede ser:
sqrt: DOMAIN error
Es responsabilidad del programador verificar, antes del llamado a la
funcion, que se va a utilizar un argumento adecuado. De manera an
aloga,
cuando hay divisiones, se debe estar seguro de que el divisor no es nulo.
En caso contrario, debe haber un control previo para evitar una terminaci
on anormal del programa.
2.11
Entrada de datos y salida de resultados
La manera natural de entrar datos al programa, cuando hay pocos, es

por medio del teclado. En C, se hace mediante la funcion scanf. Los
siguientes ejemplos ilustran su uso.
#include <stdio.h>
#include <math.h>
int main()
{
double a, b, c, raiz1, raiz2, d, a2;
printf("\n Raices de
a*x*x + b*x + c = 0.\n\n");
printf(" a = ");
scanf("%lf", &a);
printf(" b = ");
scanf("%lf", &b);
printf(" c = ");
30
2.11.
ENTRADA DE DATOS Y SALIDA DE RESULTADOS
scanf("%lf", &c);
printf("\n %lf x*x + %lf x + %lf = 0\n\n", a, b, c);
a2 = 2.0*a;
raiz1 = (-b + d )/a2;
raiz2 = (-b - d )/a2;
printf(" Raices: %12.4lf
return 0;
%15.6lf\n", raiz1, raiz2);
}
Despues de que el programa escribe en la pantalla a = , sigue la orden
scanf . Entonces el usuario, por medio del teclado, debera digitar el
valor de a . Para finalizar esta orden el usuario debera oprimir la tecla
Return o Enter.
All, lo que esta entre comillas es la cadena de formato. Para este
caso, %lf es el formato para n
umeros tipo double. La siguiente lista
muestra otros tipos de formato. Algunos corresponden a conceptos
todava no presentados en este libro. Consulte la documentaci
on del
compilador que usa, sobre los formatos para n
umeros long int y long
double.
%d
%f
%lf
%u
%e
%i
%c
%s
%p
int
float
double
unsigned int
double, float en notaci
on cientfica
int
char
cadena de caracteres
puntero o apuntador
Es importante recalcar que en la lectura mediante scanf, la variable

debe ir precedida de & . Es un error muy com
un, especialmente en
programadores conocedores de otros lenguajes (Pascal, Fortran u otros),
no colocar este signo. No es un error de compilaci
on, pero el resultado
no sera el deseado en la lectura.
31
2. GENERALIDADES
Despues de la lectura de a, de manera an

aloga, el programa lee los
otros dos valores, el de b y el de c.
En la orden:
printf("\n %lf x*x + %lf x + %lf = 0\n\n", a, b, c);
la cadena de formato tiene tres veces el formato %lf, correspondientes
a las tres variables que aparecen despues de la cadena. De acuerdo con
la cadena de formato, el resultado producido sera:
un cambio de lnea,
un espacio,
el valor de a,
x*x +
el valor de b,
x +
el valor de c,
= 0
dos cambios de lnea.
Dicho de otra manera, el resultado es semejante a escribir la cadena
"\n
x*x +
x +
= 0\n\n"
insertando en el lugar adecuado los valores de a, b, c.

En la orden printf, las variables que van a ser escritas no van precedidas de signo & , como era el caso para scanf.
Es una buena costumbre escribir los datos, o una parte de ellos, tan
pronto han sido ledos, antes de efectuar los calculos, para verificar que
la lectura se desarroll
o de manera adecuada.
En los casos anteriores, al utilizar simplemente %lf, el programador
no tiene control sobre el n
umero de cifras decimales ni sobre la longitud
del campo (n
umero de columnas utilizadas para la escritura del n
umero).
En la u
ltima orden de escritura, hay modificadores para el formato.
Por ejemplo, el formato %12.4lf indica que el valor de raiz1 ocupara
12 columnas, de las cuales las cuatro u
ltimas son para escribir cuatro
cifras decimales. Por defecto, las salidas siempre estan ajustadas a la
32
2.11.
ENTRADA DE DATOS Y SALIDA DE RESULTADOS
derecha, entonces los espacios sobrantes aparecer

an a la izquierda en
blanco. Si raiz1 valiera -10.0/3.0 , entonces apareceran en pantalla
cinco espacios seguidos de -3.3333 . Cuando el n
umero no cabe en la
longitud de campo prevista, C toma el espacio necesario para la escritura
del n
umero.
Los modificadores tambien se pueden utilizar para otros tipos de
formato; por ejemplo:
%15.4f
%10.4e
%5d
La lectura de datos no tiene que hacerse necesariamente uno por uno,
como en el programa anterior. La lectura de las tres variables se podra
hacer tambien mediante:
printf(" Entre los coeficientes
scanf("%lf%lf%lf", &a, &b, &c);
c : ");
En este caso, durante la ejecuci

on del programa, despues de que sale en
pantalla el aviso Entre los coeficientes a b c : , el usuario
debe digitar los tres valores, separados entre s por uno o m
as espacios
en blanco, y finalizar oprimiendo la tecla Enter.
En C++, las entradas y salidas se hacen mediante cin y cout. El
programa anterior podra quedar de la siguiente manera:
#include <math.h>
int main()
{
double a, b, c, raiz1, raiz2, d, a2;
cout<<"\n Raices de
a*x*x + b*x + c = 0.\n\n";
cout<<" a = ";
33
2. GENERALIDADES
cin>>a;
cout<<" b = ";
cin>>b;
cout<<" c = ";
cin>>c;
cout<<"\n "<<a<<" x*x + "<<b<<" x + "<<c<<" = 0.\n\n";
a2 = 2.0*a;
raiz1 = (-b + d )/a2;
raiz2 = (-b - d )/a2;
cout<<" Las raices son: "<<raiz1<<"
return 0;
"<<raiz2<<endl;
}
En la entrada de datos mediante cin no se requiere colocar el signo &
antes de la variable. Tampoco hay que especificar el formato, no importa
que sea entero, punto flotante o doble precisi
on.
La utilizaci
on de modificadores de formato como longitud de campo
y n
umero de cifras decimales con las ordenes cin y cout, esta fuera del
alcance de este libro.
Tambien es posible hacer una sola orden para entrar varios datos al
tiempo. La entrada de los tres coeficientes se podra hacer mediante:
cout<<" Entre los coeficientes
cin>>a>>b>>c;
c : ";
C no controla explcitamente las entradas, ni por teclado ni desde archivo.

Por ejemplo, si el programa esta esperando leer un n
umero y el usuario
se equivoca y en lugar de digitar un cero digita la letra o, entonces el
programa hace alguna conversi
on y contin
ua con el proceso. En otros
lenguajes, cuando esto sucede, el programa se detiene e informa sobre el
error.
C puede controlar si la lectura se efectu
o de manera adecuada ya
que la funcion scanf devuelve un valor entero que indica el n
umero de
34
2.12.
CONVERSIONES DE TIPO EN EXPRESIONES MIXTAS
campos bien ledos y almacenados. Si no hubo almacenamiento, scanf

devuelve 0, en otros casos de error devuelve EOF (generalmente EOF
es lo mismo que 1). El control entonces se puede hacer con un if,
instruccion que se vera en el siguiente captulo. Una vez que el lector
conozca el manejo del if, puede volver a este parrafo para entender el
esquema siguiente que muestra como se podra hacer el control.
int result;
...
result = scanf("%lf", &a);
if( result <= 0 ){
...
...
}
else {
...
...
}
A lo largo de este libro se supondr
a que la entrada de datos se hace con
valores adecuados y por tanto no se controla su funcionamiento. Pero,
en un nivel m
as avanzado, un programador experimentado y cuidadoso
debera controlar siempre la entrada de datos.
2.12
Conversiones de tipo en expresiones

mixtas

on hay constantes o variables de distintos tipos, C
hace conversiones temporales de tipo, operacion (binaria) por operacion,
buscando el tipo que permita un mejor manejo de los operandos, es decir,
el tipo del operador de mayor nivel. Por ejemplo, en una operacion
binaria (como adicion, multiplicaci
on...)
double
y float
double
e int
float
e int
short int
e int
double,
double,
float,
int,
35
2. GENERALIDADES
long double y double long double,
long double y float

long double e int
long double,
long double.
En el ejemplo
int i = 8, j = 3;
double x = 1.5, u, z;
u = i/j*x;
z = i*x/j;
cout<<u<<endl;
cout<<z<<endl;
aparentemente u y z tienen el mismo valor, puesto que, seg
un el orden en
que se efect
uan las operaciones, en ambos casos se tiene (i x)/j. Pero
en realidad u vale 3.0 y z vale 4.0. En cada expresi
on hay dos operaciones
de igual prioridad, entonces el orden es de izquierda a derecha. Para u se
hace primero la divisi
on entera, con resultado 2, y enseguida el producto
doble precisi
on, y da 3.0. Para z se hace primero la multiplicaci
on doble
precisi
on, con resultado 12.0, y enseguida la divisi
on doble precisi
on, y
da 4.0.
2.13
Moldes
Algunas veces es necesario utilizar temporalmente el valor de una variable en otro tipo diferente de aquel con que fue definida. Supongamos
que la variable i se va a utilizar muchas veces como entera y por tanto
ha sido definida como entera, pero en alg
un momento se requiere usar
su valor como doble precisi
on. Esto se hace en C, anteponiendo el molde
(double). Por ejemplo:
int i, j;
double x, y;
i
j
y
x
=
=
=
=
3;
4;
(double)i;
y*y/(double)j;
36
2.13.
MOLDES
En el ejemplo anterior, no se requiere colocar el molde a j, puesto

que la multiplicaci
on y*y da doble precisi
on, y al hacer la divisi
on de un
valor doble precisi
on por un entero, se hace previamente la conversi
on
del valor entero a doble precisi
on.
De igual manera se pueden utilizar los moldes (float) e (int).
Al utilizar el molde (int) para valores float o double, C trunca al
entero m
as cercano comprendido entre 0 y el valor, o sea,
(int)x = signo(x)|x| .
En C++ los moldes tienen forma funcional, visualmente m
as clara.
Por ejemplo, el molde double( ) es una funcion cuyo argumento es
de cualquier tipo y el resultado es doble precisi
on. As, son ejemplos de
moldes en C++:
int i;
double y;
i = 3;
y = sqrt(double(i));
//y = sqrt(i);
cout<<y<<" "<<int(y)<<endl;
En este ejemplo tampoco se requiere el molde para i.
Ejercicios
Para cada uno de los enunciados siguientes, defina cu
ales son los datos
necesarios. Haga un programa que lea los datos, realice los calculos y
muestre los resultados.
2.1 Resuelva un sistema de dos ecuaciones lineales con dos incognitas.
Suponga que tiene una u
nica solucion.
2.2 Resuelva un sistema de tres ecuaciones lineales con tres incognitas.
Suponga que tiene una u
nica solucion.
2.3 Resuelva una ecuaci
on polin
omica (o polinomial) de tercer grado
por medio de la formula de Tartaglia y Cardano. Suponga que se
tiene el caso m
as sencillo.
37
2. GENERALIDADES
2.4 Calcule el coseno de un angulo medido en grados, minutos y segundos.

2.5 Dado un
angulo en radianes, conviertalo a grados, minutos y segundos.
2.6 Un objeto ha recorrido una distancia d (metros) en un tiempo t
(horas, minutos, segundos y milesimas de segundo). Calcule su
velocidad promedio en km/h y el n
umero de segundos necesarios
para recorrer un kilometro.
2.7 Calcule la cuota mensual fija para un prestamo por un monto de
M pesos, con una tasa de interes mensual i (en porcentaje) y con
un plazo de n meses.
2.8 Dadas las longitudes de los lados de un tri
angulo, calcule, en grados, los
angulos.
angulo, calcule su area.
2.10 Dadas las coordenadas, en R2 , de los vertices de un tri
angulo,
calcule, en grados, los tres angulos.
angulo,
calcule su
area.
angulo,
calcule el centro del crculo inscrito.
angulo,
calcule el centro del crculo circunscrito.
angulo,
calcule el ortocentro.
angulo,
calcule el baricentro.
angulo,
calcule, en grados, los 3 angulos.
angulo,
calcule su
area.
38
2.13.
MOLDES
2.18 Dadas las coordenadas de puntos puntos en R3 , calcule el volumen

del tetraedro y la
area total (suma de las cuatro areas).
2.19 Dadas las coordenadas de los vertices de un cuadrilatero convexo,
calcule su
area.
2.20 Dadas las coordenadas de los vertices de un cuadrilatero no convexo, calcule su
area.
2.21 Calcule la distancia de un punto a una recta y encuentre el punto
de la recta m
as cercano al punto dado.
2.22 Calcule la distancia de un punto a un plano y halle el punto del
plano m
as cercano al punto dado.
2.23 Dada una par
abola convexa (hacia arriba) y un punto x
, encuentre
el punto de la par
abola m
as cercano a x
.
2.24 Dado un plano y la recta que pasa por dos puntos u y v, halle el
punto de interseccion de la recta y el plano.
2.25 Dado un plano y la recta que pasa por un punto u y es paralela a
d, obtenga el punto de interseccion de la recta y el plano.
2.26 Dados dos vectores en R3 , calcule el producto interno (escalar), el
angulo entre ellos y el producto vectorial.
2.27 Hay dos maneras usuales de medir la eficiencia o la economa en

el consumo de combustible de un vehculo: n
umero de litros necesarios para 100 kilometros, y n
umero de kilometros por galon.
Dado el n
umero de litros para 100 kilometros, calcule el n
umero
de kilometros por galon.
2.28 Dado el n
umero de kilometros por galon, calcule n
umero de litros
para 100 kilometros.
39
2. GENERALIDADES
40
Estructuras de control
En los ejemplos vistos hasta ahora, los programas tienen una estructura lineal, es decir, primero se efect
ua la primera orden o sentencia,
enseguida la segunda, despues la tercera y as sucesivamente hasta la
u
ltima. Por el contrario, la mayora de los programas, dependiendo del
cumplimiento o no de alguna condici
on, toman decisiones diferentes.
Tambien es muy usual repetir una o varias instrucciones mientras sea
cierta una condici
on. Estas bifurcaciones y repeticiones se logran mediante las sentencias o estructuras de control.
3.1
if
En uno de los casos m

as sencillos el if tiene la siguiente forma:
sentencia 1;
if( condicion ) sentencia a;
else sentencia b;
sentencia 2;
La lneas primera y u
ltima no hacen parte del if, pero aparecen para
ver mejor la secuencia de realizacion de las ordenes. Tal como esta
presentado, las
ordenes de estas dos lneas siempre se realizan. Si la
condici
on se cumple, se realiza sentencia a, y si no se cumple, se realiza sentencia b. En resumen, dependiendo de que se cumpla o no la
41
3. ESTRUCTURAS DE CONTROL
condici
on, se realiza una de las dos secuencias siguientes:
sentencia 1;
sentencia a;
sentencia 2;
sentencia 1;
sentencia b;
sentencia 2;
El siguiente ejemplo, muy sencillo, permite asignar a c el m

aximo entre
a y b.
double a, b,
...
printf(" a =
if( a >= b )
else c = b;
printf(" c =
c;
%lf , b =
c = a;
%lf\n", a, b);
%lf\n", c);
En este ejemplo no estan todas las instrucciones necesarias para el funcionamiento correcto; aparecen u
nicamente las instrucciones m
as relevantes para ilustrar el tema en estudio. Los puntos suspensivos indican que hacen falta algunas instrucciones, por ejemplo, las instrucciones
donde se leen, se definen o se les asigna un valor a las variables a y b .
Mientras no se indique lo contrario, se usar
a la anterior convencion a lo
largo del libro.
En la estructura if no es necesaria la parte else. Se puede tener
una estructura de la siguiente forma.
sentencia 1;
if( condicion ) sentencia a;
sentencia 2;
En este caso, si la condici
on se cumple, se realiza sentencia a, y si no se
cumple, el programa no hace nada y salta a la siguiente sentencia. As,
las dos posibles secuencias de realizacion son:
sentencia 1;
sentencia a;
sentencia 2;
sentencia 1;
sentencia 2;
En el siguiente ejemplo, tambien se asigna a c el m

aximo entre a y b.
int a, b, c;
42
3.1. if
...
cout<<" a = "<<a<<" , b =
c = a;
if( b > a ) c = b;
cout<<" c = "<<c<<endl;
"<<b<<endl;
En el if, tanto sentencia a como sentencia b se pueden reemplazar por

bloques de sentencias. Un bloque de sentencias, o simplemente un
bloque, es una sucesion de sentencias encerradas entre llaves {, }.
sentencia 1;
if( condicion ) {
sentencia a1;
sentencia a2;
...
}
else {
sentencia b1;
sentencia b2;
...
}
sentencia 2;
Si la condici
on se cumple, se realiza el primer bloque; si no se cumple, se
realiza el segundo bloque. En resumen, dependiendo de que se cumpla
o no la condici
on, se realiza una de las dos secuencias siguientes:
sentencia 1;
sentencia a1;
sentencia a2;
..
.
sentencia 1;
sentencia b1;
sentencia b2;
..
.
sentencia 2;
sentencia 2;
Un if puede anidar (dentro de el), uno o varios if u otras estructuras

de control, que a su vez pueden anidar otras estructuras de control.
El siguiente programa considera las races reales y las races complejas de una ecuaci
on cuadratica, dependiendo del valor del discriminante
b2 4ac.
43
// Raices de una ecuacion cuadratica.

//#include <iostream.h>
#include <math.h>
#include <stdio.h>
int main()
{
double a, b, c, raiz1, raiz2, d, a2, pReal, pImag;
a*x*x + b*x + c = 0.\n\n");

c : ");
printf("\n %lf x*x + %lf x + %lf = 0.\n\n", a, b, c);

a2 = 2.0*a;
d = b*b-4.0*a*c;
if( d >= 0.0 ){
// raices reales
d = sqrt(d);
raiz1 = (-b + d )/a2;
raiz2 = (-b - d )/a2;
printf("\n Raices reales: %lf , %lf\n", raiz1,
raiz2);
}
else{
// raices complejas
d = sqrt(-d);
pReal = -b/a2;
pImag = d/a2;
printf("\n Raices complejas: ");
printf("%lf + %lf i , %lf - %lf i\n",
pReal, pImag, pReal, pImag);
}
return 0;
}
44

3.2. OPERADORES RELACIONALES Y LOGICOS
3.2
Operadores relacionales y l
ogicos
Los operadores relacionales mayor, menor, mayor o igual, menor o

igual, igual, diferente permiten comparar dos variables o valores generalmente numericos:
<
>
<=
>=
==
!=
menor
mayor
menor o igual
mayor o igual
igual
diferente
Los operadores l
ogicos son:
&&
||
!
y
o
no
Sus tablas de verdad son exactamente las mismas de la l

ogica elemental. Sean p, q dos proposiciones. La proposicion p y q es verdadera
u
nicamente cuando ambas son verdaderas; en los demas casos es falsa.
La proposicion p o q es verdadera cuando alguna de las dos es verdadera; es falsa u
nicamente cuando las dos son falsas. La negacion de
una proposicion verdadera es falsa; la negacion de una proposicion falsa
es verdadera.
Como en C no existe explcitamente un tipo de dato l
ogico o booleano,
entonces se usan los enteros. As, falso se hace equivalente a 0 y verdadero a cualquier valor no nulo, usualmente 1. Consecuentemente en
C, m
as que mirar si una condici
on es verdadera o falsa, se mira si la
expresi
on es no nula o nula.
Por ejemplo, es lo mismo escribir
if( i != 0 )...
que escribir
if( i )...
45
La primera expresi
on es, tal vez, m
as facil de entender, pues concuerda
con nuestra manera l
ogica de razonar. Es m
as claro decir si i es diferente de cero... que decir si i....
Tambien se puede escribir como condici
on del if (y de otras estructuras de control) expresiones menos simples.
if( a*c-b*d )...
M
as a
un, esa expresi
on puede ser de tipo doble precisi
on. Esto es
lcito aunque no muy usual. La condici
on sera falsa u
nicamente cuando
a*c-b*d fuera exactamente 0.0. Para otros valores, a
un muy cercanos a
cero, como 1.0E-20, la condici
on es verdadera. Lo anterior es un poco
inexacto, en realidad depende del compilador, del computador y del tipo
de la expresi
on. Para un valor doble precisi
on, en algunos compiladores,
los valores positivos menores a 2.4E-323 se consideran nulos.
Como las comparaciones dan como resultado un valor entero 0 o
1, se pueden hacer asignaciones con este valor. Esto quita un poco de
claridad, pero es completamente lcito. Por ejemplo, se puede escribir
n = x >= 0.0;
Si x es no negativo, entonces n toma el valor 1. Si x es negativo,
entonces n toma el valor 0. El programa anterior, prog04a, haca el
calculo de las races reales o complejas de una ecuaci
on cuadratica, pero
no consideraba algunos casos muy raros, pero posibles. Por ejemplo, a
puede ser cero, entonces la ecuaci
on no solamente no es cuadratica, sino
que el programa presenta una divisi
on por cero (situaci
on que un programador siempre debe evitar). El siguiente programa usa estructuras
if anidadas y considera todos los posibles casos.
// Raices de una ecuacion cuadratica.
// Considera los casos extremos: a=0, a=b=0...
#include <math.h>
#include <stdio.h>
int main()
{
46

3.2. OPERADORES RELACIONALES Y LOGICOS
double a, b, c, raiz1, raiz2, d, a2, pReal, pImag;

a*x*x + b*x + c = 0.\n\n");

c : ");
printf("\n %lf x*x + %lf x + %lf = 0.\n\n", a, b, c);

if( a != 0.0 ){
// ecuacion realmente cuadratica
a2 = 2.0*a;
d = b*b-4.0*a*c;
if( d >= 0.0 ){
// raices reales
d = sqrt(d);
raiz1 = (-b + d )/a2;
raiz2 = (-b - d )/a2;
printf("\n Raices reales: ");
printf(" %lf , %lf\n", raiz1, raiz2);
}
else{
// raices complejas
d = sqrt(-d);
pReal = -b/a2;
pImag = d/a2;
printf("\n Raices complejas: ");
printf("%lf +- %lf i\n", pReal, pImag);
}
}
else{
// ecuacion no cuadratica
if( b != 0.0 ){
// ecuacion lineal
printf("La ecuacion es lineal. Su raiz es: %lf\n",
-c/b);
}
else{
47
if( c == 0.0 )printf(" Todo real es solucion.\n");

else printf(" No hay solucion.\n");
}
}
return 0;
}
3.3
for
La estructura for permite repetir varias veces una sentencia o una

secuencia de sentencias. Esta estructura repetitiva recibe el nombre de
bucle, lo mismo que las estructuras while y do while que se veran m
as
adelante.
La aplicacion cl
asica del for consiste en hacer algo para i variando
desde 1 hasta n . En el siguiente ejemplo, se calcula la suma de 1 hasta
15 de 1/i con escritura de las sumas parciales.
double suma;
int i;
suma = 0.0;
for( i=1; i <= 15; i++){
suma += 1.0/i;
printf("%5d %12.6lf\n", i, suma);
}
Inicialmente i vale 1. Si i es menor o igual que 15, entonces se actualiza

suma y se hace la escritura. Enseguida se incrementa i en una unidad;
si todava i es menor o igual que 15 se repite el proceso. Al final se hace
el proceso para i con valor de 15. De nuevo se incrementa el valor de
i, su nuevo valor es 16. Ahora i no cumple la condici
on, entonces se
detiene el proceso.
48
3.3. for
La forma general del for es:

sentencia a;
for( IN IC ; CDC ; M ODIF ) {
sentencia 1;
sentencia 2;
..
.
}
sentencia b;
Si se necesita repetir una sola instruccion, la forma del for es:
sentencia a;
for( IN IC ; CDC ; M ODIF ) sentencia 1;
sentencia b;
Dentro de los parentesis del for hay tres partes:
inicializacion,
condici
on de continuaci
on,
modificaci
on.
Las partes estan separadas entre s por punto y coma. Usualmente,

pero no es obligatorio, hay una variable llamada de control; en el ejemplo
anterior es la variable i .
En la inicializacion se asigna a la variable de control su valor inicial.
Esto se hace una sola vez, no se vuelve a hacer en el for. Es lo primero
que se hace antes del resto del for.
Si la condici
on de continuaci
on se cumple (si la expresi
on es no nula),
entonces se realiza el cuerpo del for (lo que esta entre las llaves o la
u
nica instruccion presente). Si la primera vez no se cumple la condici
on,
entonces nunca se realiza el cuerpo del for.
Cada vez que se realiza el cuerpo del for, despues de realizar la
u
ltima instruccion, se efect
ua la modificaci
on que este indicada en la
tercera parte. En muchos casos lo que se hace es simplemente incrementar en una unidad la variable de control.
Ninguna de las tres partes es indispensable. Lo u
nico realmente indispensable es la presencia de los dos signos punto y coma. El siguiente
ejemplo no presenta errores de sintaxis, pero tiene un defecto muy desagradable, nunca acaba.
49
for( ; ; ) cout<<"Buenos dias\n";

En el siguiente ejemplo se calcula el factorial de n, cuando n es peque
no.
El resultado es un valor entero. Para valores de n mayores que 12 es
necesario que la variable nFact sea doble precisi
on.
int n, i, nFact;
cout<<" n = ";
cin>>n;
nFact = 1;
for( i = 2; i <= n; i++) nFact *= i;
cout<<nFact;
En la parte de inicializacion del for puede haber m
as de una inicializaci
on. En este caso deben estar separadas por una coma. De manera
an
aloga, puede haber m
as de una modificaci
on y tambien es necesario
separar con una coma. En el siguiente ejemplo, i empieza en 1 y j
empieza en 20; al final de cada repeticion i , aumenta en una unidad y
j disminuye en 2 unidades.
int n, i, j, suma;
n = 20;
suma = 0;
for( i=1, j=n; i<j && i*i<j*j-10*j ; i++, j -= 2){
suma += i+j;
printf(" %d %d \n",i,j);
}
printf(" suma = %d \n", suma);
El resultado producido sera la escritura de los valores de i y de j y al
final el valor de suma. Entonces escribir
a:
1 20
2 18
3 16
4 14
suma = 78
50
3.4. while
Despues de realizar el for con i=4 y j=14, se hacen las modificaciones

indicadas; i pasa a valer 5 y j valdra 12. Se cumple la condici
on i<j,
pero no la condici
on i*i<j*j-10*j. Entonces se acaba el for y se pasa
a la siguiente instruccion, es decir, la escritura de suma.
3.4
while
La estructura while permite repetir varias veces una sentencia o una

secuencia de sentencias. Es como una simplificacion del for. Aqu no
hay variable de control, no hay una parte explcita de inicializacion ni
de modificaci
on. Usualmente en el for se conoca por anticipado el
n
umero de veces que se iba a efectuar el cuerpo del for. En el while,
simplemente, cuando no se cumpla la condici
on se acaba el while. La
forma general del while es:
sentencia a;
while( condicion ) {
sentencia 1;
sentencia 2;
..
.
}
sentencia b;
Si se necesita repetir una sola instruccion, la forma del while es:
sentencia a;
while( condicion ) sentencia 1;
sentencia b;
Despues de sentencia a, para empezar el while se verifica la condici
on
de continuaci
on. Si se cumple, se realizan las sentencias dentro del
cuerpo del while: sentencia 1 , sentencia 2... Cada vez que se realiza
la u
ltima sentencia dentro del cuerpo del while, se pasa a verificar la
condici
on, y si se cumple, se vuelve a realizar el grupo de sentencias del
while. Si la primera vez no se cumple la condici
on, entonces nunca se
efect
uan las sentencias del while.
El desarrollo en serie de Taylor para la funcion exponencial esta dado
por:
X
x2 x3 x4
xn
x
e =1+x+
+
+
+ ... =
2
6
24
n!
n=0
51
La formula anterior es exacta, pero irrealizable para hacer una evaluaci

on numerica, puesto que no se puede efectuar un n
umero infinito de
operaciones (n vara desde 1 hasta infinito). Lo que se hace usualmente
es aplicar la formula hasta que el termino xn /n! sea muy peque
no comparado con la suma parcial. Sea
ak =
xk
,
k!
sn =
n
X
ak .
k=0
Dado un valor positivo cercano a cero, por ejemplo 0.00000001, el

calculo aproximado de ex se realiza hasta que
|an |
.
1 + |sn |
El 1 en el denominador se coloco simplemente para asegurar que el
denominador no sea nulo. Una salida m
as elegante y precisa sera evaluar
una cota para el resto y utilizar este valor para detener el proceso.
// Programa para calcular una aproximacion de exp(x).
#include <math.h>
#include <stdio.h>
int main()
{
double x, sn, an, nFact, eps;
int n;
printf("\n Calculo aproximado de exp(x).\n\n x = ");
scanf("%lf", &x);
eps = 1.0e-8;
sn = 1.0 + x;
nFact = 1;
n = 1;
an = x;
while( fabs(an)/( 1.0 + fabs(sn) ) > eps ){
n++;
nFact *= n;
52
3.4. while
an = pow(x,n)/nFact;
sn += an;
}
printf(" exp(x) = %lf\n", sn);
return 0;
}
Se puede lograr m
as eficiencia, se evita el uso de pow y el calculo explcito
de n!, si se tiene en cuenta que
an = an1
x
.
n
eps = 1.0e-8;
sn = 1.0 + x;
n = 1;
an = x;
n++;
an *= x/n;
sn += an;
}
Para la funcion coseno, su serie de Taylor, alrededor de cero, es:
cos x = 1
X
x2n
x6
x2 x4
(1)n
+
+ ... =
2
24 720
(2n)!
n=0
La (una) formula recursiva es:

an = an1
x2
.
2n(2n 1)
La porci
on de programa siguiente calcula una aproximacion del valor de
cos x.
double x, sn, an, eps, xx;
int n2; // 2*n
printf("\n Calculo aproximado de cos(x).\n\n x = ");
scanf("%lf", &x);
53
eps = 1.0e-8;
xx = x*x;
an = -xx/2.0;
sn = 1.0 + an;
n2 = 2;
n2 += 2;
an *= -xx/n2/(n2-1.0);
sn += an;
}
printf(" cos(x) = %lf\n", sn);
3.5
do while
Es muy parecida a la estructura while , pero el control se hace al final.

Esto hace que el cuerpo del do while siempre se realice por lo menos
una vez. La forma general del do while es:
sentencia a;
do {
sentencia 1;
sentencia 2;
..
.
} while( condicion );
sentencia b;
Si se necesita repetir una sola instruccion, la forma del do-while es:
sentencia a;
do sentencia 1;
while( condicion );
sentencia b;
Consideremos dos enteros positivos p y q. Su m
aximo com
un divisor se
puede calcular por el algoritmo de Euclides. Este es un proceso iterativo
en el que en cada iteraci
on, dados dos enteros positivos pk qk , se halla
el cociente ck y el residuo rk al dividir pk por qk :
pk = c k qk + rk .
54
3.5. do while
Para pasar a la nueva iteraci

on, el divisor pasa a ser dividendo y el
residuo pasa a ser divisor.
pk+1 = qk ,
qk+1 = rk .
El proceso se repite hasta que el residuo sea nulo. El m
aximo com
un
divisor estara dado por el u
ltimo divisor q. Por ejemplo, consideremos
p = 60, q = 18. La siguiente tabla muestra los pasos intermedios del
algoritmo
pk q k c k rk
60 18 3 6
18 6 3 0
Entonces el m
aximo com
un divisor es 6. Para p = 34, q = 15, los
siguientes son los resultados parciales.
pk q k c k rk
34 15 2 4
15 4 3 3
4 3 1 1
3 1 3 0
Entonces el m
aximo com
un divisor es 1, es decir, 34 y 15 son primos
relativos.
Este algoritmo es un ejemplo adecuado para ver la utilizaci
on de la
estructura de control do-while. Es necesario efectuar por lo menos una
divisi
on. Si ese primer residuo fuera nulo, el m.c.d. sera el menor de
los dos n
umeros.
// Maximo comun divisor de dos numeros
#include <math.h>
#include <stdio.h>
int main()
{
int p, q, c, r, temp;
printf("\n Maximo comun divisor de 2 enteros positivos");
55
printf("\n p = ");
scanf("%d", &p);
printf(" q = ");
scanf("%d", &q);
printf("\n\n p = %d ,
q = %d\n", p, q);
if( p < 1 || q < 1 ){

printf("\n\n Numeros inadecuados\n\n");
return;
}
// intercambio, si necesario, para que p > q
if( p < q ){
temp = p;
p = q;
q = temp;
}
do{
c = p/q;
r = p%q;
printf("%5d%5d%5d%5d\n", p, q, c, r);
p = q;
q = r;
} while( r!= 0);
printf(" m.c.d. = %d\n", p);
return 0;
}
Observe que, para que dos variables intercambien sus valores, se

necesita utilizar una variable intermedia que almacene temporalmente
uno de los dos valores.
La instruccion return permite salir inmediatamente de la funcion,
en este caso de la funcion main, es decir, permite salir del programa.
M
as adelante se vera que return tambien sirve para que las funciones
devuelvan un valor.
56
3.6. switch
3.6
switch
El if permite la bifurcacion en dos vas, dependiendo de la verdad o

falsedad de una expresi
on. Algunas veces se requiere que la bifurcacion
se haga en m
as de dos vas, dependiendo de que una variable de control tome un valor, otro valor, un tercer valor... Esto se podra hacer
mediante varios if, pero es poco elegante y pierde claridad. La estructura switch permite las bifurcaciones en varias vas dependiendo de una
variable de control, cuyo tipo debe ser necesariamente int o char. La
forma general es la siguiente:
switch( variable ){
case valor1 :
sentencia 1 1
sentencia 1 2
break;
case valor2 :
sentencia 2 1
break;
default :
sentencia d 1
}
sentencia b;
Si la variable de control tiene el primer valor, se efect
uan las sentencias
del primer grupo y despues el programa pasa a realizar sentencia b. Si
la variable de control tiene el segundo valor, se efect
uan las sentencias
del segundo grupo y despues el programa pasa a realizar sentencia b.
Si la variable de control no tiene ninguno de los valores previstos, el
programa realiza las sentencias de la parte default y en seguida efect
ua
sentencia b. La parte default no es indispensable desde el punto de
vista de la sintaxis, pero en la practica puede ser u
til o a veces necesaria.
Cuando para dos valores diferentes de la variable de control se tiene
que hacer el mismo grupo de sentencias, en lugar de hacer case valor i:
grupo de sentencias y case valor j: grupo de sentencias, se coloca simplemente case valor i: case valor j: grupo de sentencias.
57
En el siguiente ejemplo, a partir de una nota, valor entero entre 0 y

50, se escribe un aviso:
Aprueba. Muy bien.
Aprueba.
si 40 nota 50,
si 30 nota 39,
Puede habilitar. si 20 nota 29,
Reprueba.
si 0 nota 19,
La siguiente porci
on de programa hace la implementaci
on, basada
en la cifra de las decenas.
int nota, dec;
printf(" nota = ");
scanf("%d", &nota);
if( 0 <= nota && nota <= 50 ){
dec = nota/10;
switch( dec ){
case 5: case 4:
printf(" %2d Aprueba. Muy bien.\n", nota);
break;
case 3:
printf(" %2d Aprueba.\n", nota);
break;
case 2:
printf(" %2d Puede habilitar.\n", nota);
break;
default:
printf(" %2d Reprueba.\n", nota);
break;
}
}
else printf(" %d Nota inadecuada.\n", nota);
3.7
break
Adem
as del uso en la estructura switch, la instruccion break se puede
utilizar en las estructuras for, while, do while. En estos bucles el
control se hace siempre al comienzo o al final del cuerpo del bucle. En
58
3.7. break
algunos casos, en programas bastante complejos puede ser u

til salir del
bucle, mediante un if, en un sitio intermedio del bucle. Para esto se
usa la instruccion break.
sentencia a;
for( IN IC ; CDC ; M ODIF ){
sentencia 1;
sentencia 2;
if( condicion 2 ){
sentencia c 1;
sentencia c 2;
break;
}
}
sentencia b;
Si en una pasada del programa por el cuerpo del bucle, se cumple
la condici
on del if, condicion 2, entonces el programa realiza las instrucciones sentencia c 1, sentencia c 2, . . . , y salta a la instruccion
sentencia b.
La siguiente porci
on de programa calcula la suma de los enteros
entre n1 inclusive y n2 inclusive, menores que el mnimo m
ultiplo de 10
en ese mismo intervalo. Si en el conjunto {n1, n1+1..., n2 } no hay
m
ultiplos de 10, calcula la suma de todos ellos. Tambien calcula la suma
de los cuadrados de esos enteros.
int n1, n2, i, div, res;
double sx, sxx;
div = 10;
printf(" n1 n2 : ");
scanf("%d%d", &n1, &n2);
sx = 0.0;
sxx = 0.0;
for( i = n1; i <= n2; i++){
res = i%div;
59
if( !res ) break; // if( res == 0 ) break;

sx += i;
sxx += i*i;
printf("%5d\n", i);
}
printf(" suma x = %lf ,
suma x*x = %lf\n", sx, sxx);
Si hay varios bucles anidados, la instruccion for permite salir de un solo

bucle, del bucle m
as interno donde se encuentra el break.
3.8
continue
La instruccion continue permite saltar la parte restante del cuerpo de

un bucle for, while o do while y pasar a empezar una nueva
iteraci
on. Su uso en una parte intermediaria de un bucle va asociado
generalmente a un if.
sentencia a;
for( IN IC ; CDC ; M ODIF ) {
sentencia 1;
sentencia 2;
if( condicion 2 ){
sentencia c 1;
sentencia c 2;
continue;
}
sentencia 3;
sentencia 4;
}
sentencia b;
Si en una pasada del programa por el cuerpo del bucle, se cumple la
condici
on del if, condicion 2, entonces el programa realiza las instrucciones sentencia c 1, sentencia c 2, . . . , y vuelve a empezar una nueva
iteraci
on sin ejecutar las sentencias restantes del bloque for (sentencia 3,
60
3.9. goto y exit
sentencia 4... ). Como en el esquema anterior se trata de un for, entonces realiza la modificaci
on indicada en MODIF.
La siguiente porci
on de programa calcula la suma de los enteros no
m
ultiplos de 10, entre n1 inclusive y n2 inclusive. Tambien calcula la
suma de los cuadrados de esos enteros.
int n1, n2, i, div, res;
double sx, sxx;
div = 10;
printf(" n1 n2 : ");
scanf("%d%d", &n1, &n2);
sx = 0.0;
sxx = 0.0;
for( i = n1; i <= n2; i++){
res = i%div;
if( !res ) continue; // if( res == 0 ) continue;
sx += i;
sxx += i*i;
printf("%5d\n", i);
}
printf(" suma x = %lf , suma x*x = %lf\n", sx, sxx);
En el ejemplo anterior, cuando i es un m
ultiplo de 10, el programa pasa
a efectuar una nueva iteraci
on; entonces, antes de calcular res, como
esta indicado en este for, incrementa en una unidad el valor de i.
3.9
goto y exit
La instruccion goto no debera usarse en los programas llamados bien estructurados, pues permite salidas m
ultiples de un bucle y adem
as puede
transferir la secuencia del programa a instrucciones diferentes de la siguiente al bucle. Sin embargo, usado con moderacion y en casos de real
necesidad, puede ser u
til, por ejemplo, para salir de varios bucles anidados mediante una sola instruccion.
El goto debe estar seguido del nombre de una etiqueta. Una etiqueta
es simplemente un identificador seguido de dos puntos. La etiqueta debe
61
existir dentro de la misma funcion donde esta el goto. Hasta ahora s

olo
se ha visto la funcion main. El siguiente captulo corresponde justamente
al tema de las funciones.
{
...
... goto final1;
...
final1:
...
}
La funcion exit( ), en la biblioteca estandar, cuyo archivo de cabecera
es stdlib.h, permite salir anticipadamente de un programa. Generalmente se usa exit(0) para indicar que se trata de una terminaci
on
normal y exit(1) para indicar alg
un problema durante el programa
(tambien podra ser otro valor diferente de 0).
Una de las formas para saber si un entero n, mayor que 1, es primo,
consiste en averiguar si n es divisible por los enteros entre 2 y la raz
cuadrada de n. El siguiente programa implementa este sencillo algoritmo.
// Programa para saber si un entero mayor que
es primo
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
int main()
{
int n, i, nPrimo, res;
printf("\n Averigua si el entero
printf("\n n = ");
scanf("%d", &n);
printf("\n\n n = %d", n);
if( n <= 1 ){
62
n > 1
es primo.\n");
3.9. goto y exit
printf("\n\n Valor inadecuado.\n\n");

exit(1);
}
nPrimo = 1;
// 1 indica que n es primo, 0 indica que no.
// Inicialmente se supone que n es primo.
for( i=2; i*i <= n; i++){
res = n%i; // residuo
if( !res ){
nPrimo = 0;
break;
}
}
if( nPrimo ) printf(" es primo.\n");
else printf(" no es primo, es divisible por %d\n", i);
return 0;
}
Ejercicios
ales son los
datos necesarios. Haga un programa que lea los datos, verifique que
no hay inconsistencias (por ejemplo, distancias negativas o nulas; dos
vertices de un tri
angulo iguales; recta que pasa por un punto paralela
a d = 0...), estudie todas las posibilidades relajando algunas suposiciones (por ejemplo: solucion u
nica, sin solucion, n
umero infinito de
soluciones...), realice los calculos y muestre los resultados.
3.1 Considere los ejercicios del captulo anterior.
angulo, averig
ue si este
es acutangulo, rectangulo u obtus
angulo.
3.3 Escriba la expresi
on binaria, en orden inverso, de un entero no
negativo.
on en base p (p entero, 2 p 9), en orden
inverso, de un entero no negativo.
63

on hexadecimal, en orden inverso, de un entero
no negativo.
3.6 Escriba en letras un entero n, 31 n 99.
3.9 Calcule una aproximacion del valor de e utilizando parte de la serie
X
1
k!
k=0
3.10 Calcule por medio de la serie de Taylor truncada un valor aproximado de seno(x). Muestre el n
umero de terminos de la serie
necesarios para que el valor absoluto de la diferencia entre el valor
obtenido y el valor producido por la funcion sin sea menor que
1.0E-12.
3.11 Convierta coordenadas cartesianas en polares.
3.12 Convierta coordenadas cartesianas en esfericas.
3.13 Convierta coordenadas polares en cartesianas.
3.14 Convierta coordenadas esfericas en cartesianas.
3.15 Dados tres n
umeros, escrbalos en orden creciente.
3.16 Dados tres n
umeros, escrbalos en orden decreciente.
3.17 Dados cuatro n
umeros, escrbalos en orden creciente.
3.18 Dados cuatro n
umeros, escrbalos en orden decreciente.
3.19 Calcule el mnimo com
un m
ultiplo de dos enteros positivos.
3.20 Simplifique un racional.
3.21 Haga las cuatro operaciones entre dos racionales.
3.22 Haga las cuatro operaciones entre dos complejos.
3.23 Calcule z n , donde z es un complejo y n un entero positivo.
64
3.9. goto y exit
3.24 Dado un entero positivo n, escriba los primos menores o iguales a

n.
3.25 Dado un entero positivo n, calcule el n
umero de primos menores
o iguales a n.
3.26 Dado un entero positivo n, calcule su descomposicion canonica,
mk
1 m2
n = pm
1 p2 ...pk , donde los pi son primos diferentes y los mi son
enteros positivos.
3.27 Dado un entero positivo n, calcule la funcion de M
obius (n).
Recuerdese que (1) = 1, (n) = 0 si n es divisible por un
cuadrado distinto de 1; (n) = (1)k si 1 es el u
nico cuadrado
divisor de n y n tiene k divisores primos.
3.28 Dado un entero positivo n, calcule por conteo la funcion de Euler
(n). Recuerdese que (n) indica el n
umero de primos relativos
con n en el conjunto {0, 1, 2, ..., n 1}. Por convencion (1) = 1.
3.29 Dado un entero positivo n, calcule la funcion de Euler (n). Recuerdese
que (1) = 1 y para n > 1, si la descomposicion canonica es
mk
1 m2
n = pm
1 p2 ...pk , entonces
(n) = n(1
1
1
1
)(1 )...(1 )
p1
p2
pk
3.30 Dados tres enteros a, b y m positivos, halle todas las soluciones de

la congruencia ax b (m
od. m).
3.31 Dados un n
umero x y un entero no negativo n, calcule una aproximaci
on de la funcion de Bessel de primera clase y de grado n,
Jn (x) = xn
m=0
m=0
(1)m x2m
,
22m+n m! (n + m)!
x 2m+n
(1)m
m! (n + m)! 2
3.32 Halle, para el compilador y el computador que usted usa, el mayor

entero y el menor entero utilizables con variables tipo int. Compare con los valores de limits.h
65

entero y el menor entero utilizables con variables tipo long int.
Compare con los valores de limits.h
entero y el menor entero utilizables con variables tipo unsigned
int. Compare con los valores de limits.h
3.35 Dado un entero positivo n, escriba los primeros n n
umeros de
Fibonacci. Recuerdese que u1 = 1, u2 = 1, uk = uk1 + uk2 ,
k 3.
3.36 Dado un n
umero x y un entero no negativo n, calcule el polinomio
de Legendre de grado n evaluado en x. Recuerdese que P0 (x) = 1,
P1 (x) = x = 1,
Pk+1 (x) =
k
2k + 1
x Pk (x)
Pk1 (x) .
k+1
k+1
66
Funciones
Como se mencion
o anteriormente, de manera muy esquem
atica, se puede
decir que un programa fuente en C es una sucesion de funciones que se
llaman (se utilizan) entre s. Siempre tiene que estar la funcion main.
4.1
Generalidades
La forma general de una funcion en C es la que se presenta a continuaci

on. Posteriormente hay varios ejemplos que permiten un mejor
manejo de las las funciones.
tipo nombre f uncion(tipo argumento, tipo argumento, )
{
cuerpo de la f uncion
}
Considere el siguiente programa. En el hay una funcion que calcula el
factorial de un n
umero entero. Esta funcion es llamada varias veces
desde el programa principal.
// Factorial de los enteros entre 0 y 15.
// Usa una funcion.
//--------------------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
67
4. FUNCIONES
//--------------------------------------------------------double fact( int k );

//=========================================================
int main()
{
int n;
printf("\n Factorial de los enteros en [0,15]\n");
printf("\n\n
n
n!\n\n");
for( n = 0; n <= 15; n++){
printf("%5d%14.0lf\n", n, fact(n));
}
return 0;
}
//=========================================================
double fact( int k )
{
// calcula el factorial de k >= 0
// devuelve 0 si k < 0.
int n;
double kFact = 1.0;
if( k < 0 ){
printf(" %d : valor inadecuado para factorial\n");
return 0.0;
}
for( n = 2; n <= k; n++) kFact *= n;
return kFact;
}
Antes del comienzo de la funcion main esta el prototipo de la funcion

fact. Este prototipo es casi igual a la primera lnea del sitio donde
realmente se define la funcion, despues del final de la funcion main. La
u
nica diferencia es que al final del prototipo hay un punto y coma. El
prototipo informa que la funcion fact devuelve un valor doble precisi
on
y tiene un u
nico par
ametro (o argumento) tipo entero.
68
4.1. GENERALIDADES
El cuerpo de la funcion debe estar entre dos corchetes (entre { y } ).

La funcion usa dos variables, n de tipo entero y kFact de tipo doble
precisi
on. Esta variable n de la funcion fact es completamente distinta
de la variable n de la funcion main.
Como la funcion fact devuelve un valor (hay funciones que no
devuelven ning
un valor), en alguna parte del cuerpo de la funcion,
por lo menos una vez, debe estar return seguido de un valor adecuado. Adem
as, siempre la u
ltima instruccion en una salida normal de
la funcion, antes de que el programa regrese al sitio donde fue llamada
la funcion, debe ser un return. Por ejemplo, la siguiente modificaci
on
produce, durante su compilaci
on, advertencias (warnings) sobre posibles
errores.
double factMal( int k )
{
int n;
double kFact = 1.0;
if( k < 0 ){
printf(" %d : valor inadecuado para factorial\n");
return 0.0;
}
return kFact;
for( n = 2; n <= k; n++) kFact *= n;
}
La lnea for nunca se realizara pues el programa al pasar por return
kFact sale de la funcion.
La funcion del siguiente ejemplo tiene un u
nico par
ametro entero
y no devuelve ning
un valor. Esto se indica por medio de void. Esta
funcion simplemente escribe en la pantalla el n
umero indicado de lneas
en blanco (en realidad hace n saltos de lnea). Su llamado puede ser
lineas(2); o tambien lineas(j); .
void lineas( int n )
{
// escribe n lineas en blanco.
int i;
69
4. FUNCIONES
for( i = 1; i <= n; i++) printf("\n");

}
La siguiente funcion tiene dos par
ametros doble precisi
on y devuelve un
valor doble precisi
on. Devuelve el valor dominante entre dos valores. El
valor dominante es aquel cuyo valor absoluto es mayor.
double dominante( double a, double b )
{
// calcula el valor dominante.
if( fabs(a) >= fabs(b) ) return a;
else return b;
}
La funcion del siguiente ejemplo no tiene par
ametros ni devuelve un
valor. Su oficio es simplemente crear una detencion hasta que el usuario
oprima la tecla Enter. Su llamado es simplemente pausa();
void pausa(void)
{
char c;
printf(" Oprima ENTER para continuar ");
scanf("%c",&c);
}
En el ejemplo que sigue, tambien hay una pausa hasta que el usuario
oprima cualquier tecla. Requiere el uso de la funcion getch(), que no
hace parte de la norma ANSI C. Su archivo de cabecera es conio.h .
Viene con algunos compiladores, por ejemplo, los de la casa Borland.
void pausa2(void)
{
// necesita conio.h
printf(" Oprima una tecla para continuar ");
getch();
}
70
4.1. GENERALIDADES
Tambien se puede usar la funcion getchar(), de C estandar, con archivo

de cabecera stdio.h Sin embargo, algunos autores no son muy partidarios de su uso con compiladores como Turbo C. Ver [Sch92].
void pausa3(void)
{
int c;
printf(" Oprima ENTER para continuar. ");
c = getchar();
if( c*c >= 0 ) printf(" ");
}
La u
ltima lnea de la funcion es realmente tonta, ya que la condici
on
siempre es cierta. Si no existiera, el compilador hara una advertencia
(warning) indicando que a c se le asigna un valor y no se usa para
nada.
Una funcion de pausa puede ser u
til para hacer paradas en programas que producen bastantes resultados en pantalla, pues los resultados
desfilan r
apidamente por la pantalla y el usuario no los alcanza a leer.
Tambien es u
til cuando se usan ambientes integrados de edicion, compilacion y ejecuci
on. En estos casos, la mayor parte del tiempo el editor
esta activo; mediante un bot
on se activa la ejecuci
on y, acabada la ejecucion del programa, aparece de nuevo el editor y el usuario no alcanza
a ver los resultados del programa.
En C, como en casi todos o tal vez todos los lenguajes de programacion, una funcion puede llamar a otra y a su vez esta a otra, etc.
El siguiente programa permite hallar una raz de la ecuaci
on f (x) =
0, mediante el metodo de la biseccion o de dicotoma. El metodo es muy
sencillo y seguro. Si se conocen a y b, a < b, tales que f es continua
en [a, b] y f (a)f (b) < 0 (f cambia de signo por lo menos una vez en
[a, b]), entonces f tiene por lo menos una raz en [a, b]. Partiendo de este
intervalo se calcula m, el punto medio, y se tienen tres posibilidades
excluyentes:
f (m) = 0, en este caso m es una raz;
f (a)f (m) < 0, en este caso hay una raz en el intervalo [a, m];
f (a)f (m) > 0, en este caso hay una raz en el intervalo [m, b].
71
4. FUNCIONES
Si no se ha encontrado una raz, el proceso contin

ua con uno de los
dos intervalos [a, m] o [m, b]. En cada iteraci
on el tama
no del intervalo
se reduce a la mitad. Entonces, o se encuentra la raz, o se llega a
un intervalo muy peque
no donde hay una raz y cualquiera de los dos
extremos del intervalo se puede considerar como raz.
Por ejemplo, considere la ecuaci
on f (x) = x5 3x4 + 10x 8 = 0.
f (2) = 4,
f (3) = 22,
adem
as, f es continua en el intervalo [2, 3], luego se puede iniciar el
metodo de biseccion. Hay por lo menos una raz entre 2 y 3.
El punto medio es m = 2.5, f (2.5) = 2.531, f (a)f (m) > 0, luego el
nuevo intervalo sera [2.5, 3].
El punto medio es m = 2.75, f (2.75) = 5.202, f (a)f (m) < 0, luego el
nuevo intervalo sera [2.5, 2.75].
El punto medio es m = 2.625, f (2.625) = 0.445, f (a)f (m) < 0, luego el
nuevo intervalo sera [2.5, 2.625].
El punto medio es m = 2.562, f (2.562) = 1.239, f (a)f (m) > 0, luego
el nuevo intervalo sera [2.562, 2.625].
El punto medio es m = 2.594, f (2.594) = 0.449, f (a)f (m) > 0, luego
el nuevo intervalo sera [2.594, 2.625].
Los valores anteriores y otros m
as estan en la siguiente tabla. El
proceso se detuvo cuando el tama
no del intervalo fue menor que 0.0005 .
k
0
1
2
3
4
5
6
7
8
9
10
11
a
2.000
2.500
2.500
2.500
2.562
2.594
2.609
2.609
2.609
2.609
2.609
2.610
b
3.000
3.000
2.750
2.625
2.625
2.625
2.625
2.617
2.613
2.611
2.610
2.610
f (a)
-4.000
-2.531
-2.531
-2.531
-1.239
-0.449
-0.016
-0.016
-0.016
-0.016
-0.016
72
f (b)
22.000
22.000
5.202
0.445
0.445
0.445
0.445
0.211
0.097
0.040
0.012
m
2.500
2.750
2.625
2.562
2.594
2.609
2.617
2.613
2.611
2.610
2.610
f (m)
-2.531
5.202
0.445
-1.239
-0.449
-0.016
0.211
0.097
0.040
0.012
-0.002
4.1. GENERALIDADES
Entonces x = 2.610 es una raz (aproximadamente).

// Calcula una raiz de la funcion definida en f
// por el metodo de biseccion
//--------------------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
//--------------------------------------------------------double f( double x);
double bisec0(double a, double b, double eps);
//=========================================================
int main()
{
double a, b, raiz;
printf("\n Calcula una solucion de f(x) = 0\n");
printf("Se empieza con a, b tales que f(a)f(b) < 0\n");
do{
printf(" Entre los valores a b : ");
scanf( "%lf%lf", &a, &b);
} while ( a >= b || f(a)*f(b) >= 0.0 );
printf("\n raiz = %lf\n", bisec0(a, b, 0.000001) );
return 0;
}
//=========================================================
double f( double x )
{
// f(x) = x^5 - 3 x^4 + 10 x - 8
return x*x*x*x*x - 3.0*x*x*x*x + 10.0*x - 8.0;
}
//--------------------------------------------------------double bisec0(double a, double b, double eps)
{
double fa, fb, m, fm;
fa = f(a);
fb = f(b);
73
4. FUNCIONES
while( b-a > eps){

m = (a+b)/2.0;
fm = f(m);
if( fm == 0.0 ) return m;
if( fa*fm < 0.0 ){
// nuevo intervalo [a,m]
b = m;
fb = fm;
}
else{
// nuevo intervalo [m,b]
a = m;
fa = fm;
}
}
if( fabs(fa) <= fabs(fb) ) return a;
else return b;
}
Con respecto al programa anterior y a las funciones, es conveniente hacer

varios comentarios. El programa halla una raz de la funci
on definida en
f. Si se desea otra funcion, es necesario modificar el programa fuente y
compilar de nuevo.
La funcion bisec0 no controla si los par
ametros estan bien o mal.
Tal como aparece, la funcion supone que los par
ametros estan bien. Pero
es mejor que la funcion bisec0 controle que los par
ametros esten bien:
a < b,
f (a)f (b) < 0,
eps> 0 pero no muy grande.
Adem
as, desde el sitio donde se hace el llamado a bisec0, se debe
saber si hubo errores y de que clase. M
as adelante se vera, utilizando
par
ametros por referencia, que una funcion puede devolver varios valores
y as sobrepasar estos inconvenientes.
Ni en el programa principal ni en la funcion bisec0 se considero
el caso en que f (a)f (b) = 0, caso en que no es necesario continuar la
b
usqueda de una raz puesto que a o b son races.
74
4.2. FUNCIONES RECURRENTES
El programa principal llama de manera adecuada la funcion bisec0

pero se podran presentar casos problematicos, por ejemplo, si en la
evaluacion de f fuera necesario calcular et para alg
un valor muy grande
de t, se producira overflow.
El metodo de la biseccion es seguro para funciones continuas. El
programador o el usuario deben verificar que la funcion definida en f
sea realmente continua. El programa mismo no puede controlar la continuidad.
4.2
Funciones recurrentes
En C una funcion puede llamarse a s misma, se dice entonces que la

funcion es recurrente, a veces se usa el anglicismo recursiva (proveniente de recursive). Esto puede ser una solucion elegante pero debe
usarse con mucho cuidado. Un programa que usa funciones recurrentes
puede ser ineficiente (m
as lento). Adem
as la recurrencia crea una pila
(stack ), que puede ser muy grande si la recurrencia es muy profunda.
Para enteros no negativos, el factorial puede definirse de manera
recurrente:

1
si n = 0, 1
n! =
n(n 1)! si n 2.
A continuaci
on aparece una versi
on recurrente para el calculo de n!.
double
{
//
//
//
factRec( int n)
devuelve 0 si n es negativo,
en los demas casos devuelve n!
Version recurrente.
double i;
if( n < 0 ){
printf(" n = %d inadecuado.\n", n);
return 0.0;
}
if( n < 2 ) return 1.0;
else return( n*factRec(n-1) );
}
75
4. FUNCIONES
4.3
Par
ametros por valor y por referencia
Considere el siguiente programa y los resultados producidos por el.

Aunque aparentemente la funcion interc0 intercambia dos valores, finalmente no lo hace. Aunque parezca una contradicci
on, lo hace pero
no lo hace.
// Funcion que intercambia dos valores pero
// no lo hace definitivamente.
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
void interc0( int i, int j);
//=========================================================
int main()
{
int m, n;
m = 2;
n = 5;
printf(" MAIN1:
interc0(m, n);
printf(" MAIN2:
return 0;
m = %d ,
n = %d\n", m, n);
m = %d ,
n = %d\n", m, n);
}
//=========================================================
void interc0( int i, int j)
{
int t;
printf(" FUNC1:
t = i;
i = j;
j = t;
printf(" FUNC2:
i = %d ,
j = %d\n", i, j);
i = %d ,
j = %d\n", i, j);
}
76

4.3. PARAMETROS
POR VALOR Y POR REFERENCIA
Los resultados son:

MAIN1:
FUNC1:
FUNC2:
MAIN2:
m
i
i
m
=
=
=
=
2
2
5
2
,
,
,
,
n
j
j
n
=
=
=
=
5
5
2
5
Las tres primeras lneas concuerdan con lo esperado. Lo u

nico raro es la
cuarta lnea: los valores de m y de n, despues del llamado de la funcion,
no han sido intercambiados. Sin embargo, en la tercera lnea de los
resultados, se ve que en la funcion hubo intercambio. Entonces, donde
esta el error?
La razon es sencilla. En C y C++, por defecto, los par
ametros se
pasan por valor. Esto quiere decir que, al hacer el llamado a la funcion,
se manda una copia de los valores de los par
ametros. Entonces la funcion
interc0 intercambia una copia de los valores de los par
ametros, pero
no intercambia los originales.
Si se desea mandar el par
ametro original, esto se llama par
ametros
por referencia. En C se hace como en el siguiente ejemplo.
// Funcion que intercambia dos valores.
// Version a la manera de C.
//--------------------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
//--------------------------------------------------------void interc1( int *i, int *j);
//=========================================================
int main()
{
int m, n;
m = 2;
n = 5;
printf(" MAIN1: m = %d ,
interc1(&m, &n);
printf(" MAIN2: m = %d ,
return 0;
n = %d\n", m, n);
n = %d\n", m, n);
77
4. FUNCIONES
}
//=========================================================
void interc1( int *i, int *j)
{
int t;
t = *i;
*i = *j;
*j = t;
}
En C++ el paso de par
ametros por referencia es mucho m
as sencillo.
Por eso a continuaci
on hay u
nicamente explicaciones muy someras sobre
la forma de pasar par
ametros por referencia en C:
En el llamado a la funcion, el par
ametro pasado por referencia
debe ir precedido de & ; m
as adelante, cuando se vea el tema de
apuntadores, el lector entendera que eso significa que se pasa la
direccion del par
ametro.
En la definicion de la funcion, el par
ametro pasado por referencia
debe estar precedido de un asterisco. Esto indica (tema posterior)
que se trata de un apuntador.
A continuaci
on se presenta el ejemplo an
alogo, a la manera de C++.
// Funcion que intercambia dos valores.
// Version a la manera de C++.
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
void interc( int &i, int &j);
//=========================================================
int main()
{
int m, n;
78

4.3. PARAMETROS
POR VALOR Y POR REFERENCIA
m = 2;
n = 5;
printf(" MAIN1:
interc(m, n);
printf(" MAIN2:
return 0;
m = %d ,
n = %d\n", m, n);
m = %d ,
n = %d\n", m, n);
}
//=========================================================
void interc( int &i, int &j)
{
int t;
t = i;
i = j;
j = t;
}
Observe lo sencillo que es pasar par
ametros por referencia en C++.
Basta con colocar el signo & precediendo al par
ametro en la primera
lnea de definicion de la funcion. Consecuentemente debe hacerse lo
mismo donde esta el prototipo de la funcion.
En la funcion del siguiente ejemplo se utiliza el metodo de biseccion
visto anteriormente. Hay algunas diferencias con la funci
on bisec0. La
funcion bisec devuelve un valor que posiblemente corresponde a la raz;
adem
as, en un par
ametro por referencia, se tiene informaci
on sobre el
buen o mal desarrollo del proceso.
double bisec(double a, double b, int &indic,
double epsX, double epsF)
{
// Metodo de biseccion para f(x) = 0.
// f debe ser continua en [a,b] y f(a)f(b) < 0.
// Esta funcion calcula dos valores: r , indic
// Devuelve r, posiblemente una raiz.
// indic
es un parametro por referencia.
// indic
//
valdra:
1
si se obtuvo una raiz,
79
4. FUNCIONES
//
//
//
//
//
//
//
0
-1
-2
si f(a)f(b) > 0.0

si a >= b
si epsX <= 0 o epsF < 0.0
Si indic = 1, el valor devuelto sera una raiz.

En los demas casos el valor devuelto sera 0.0
Sea x una raiz exacta; r es raiz (aproximada)
si |f(r)| <= epsF o
si |r-x| <= epsX
double fa, fb, m, fm;

if( epsX <= 0.0 || epsF < 0.0 ){
indic = -2;
return 0.0;
}
fa = f(a);
fb = f(b);
if( fabs(fa) <= epsF ){
indic = 1;
return a;
}
if( fabs(fb) <= epsF ){
indic = 1;
return b;
}
if( a >= b ){
indic = -1;
return 0.0;
}
if( fa*fb > 0.0 ){
indic = 0;
return 0.0;
}
while( b-a > epsX){
m = (a+b)/2.0;
fm = f(m);
if( fabs(fm) <= epsF ){
indic = 1;
80

4.4. PARAMETROS
POR DEFECTO
return m;
}
if( fa*fm < 0.0 ){
// nuevo intervalo
b = m;
fb = fm;
}
else{
// nuevo intervalo
a = m;
fa = fm;
}
[a,m]
[m,b]
}
indic = 1;
if( fabs(fa) <= fabs(fb) ) return a;
else return b;
}
El llamado a la funcion bisec puede ser de la forma siguiente:
raiz = bisec(a, b, result, 1.0e-4, 1.0e-6);
if( result == 1 ) printf("\n raiz = %15.10lf\n", raiz);
else printf("result=%d: ERROR en llamado a bisec\n",
result);
4.4
Par
ametros por defecto
En C++ es posible pasar par

ametros por defecto. Esto quiere decir que
en el prototipo de la funcion se define para el u
ltimo par
ametro (o los
u
ltimos par
ametros) un valor predeterminado. El llamado de la funcion
se puede hacer con un valor especfico o utilizar el valor predeterminado.
En el siguiente ejemplo se retoma la funcion bisec y se definen los dos
u
ltimos par
ametros por defecto.
double bisec(double a, double b, int &indic,
double epsX = 1.0E-6, double epsF = 1.0E-8);
int main()
{
...
81
4. FUNCIONES
}
//--------------------------------------------------------int bisec(double a, double b, double &raiz, double epsX,
double epsF)
{
...
...
...
}
Si se hace el llamado bisec(a, b, ind, 1.0E-9, 1.0e-10), entonces
la funcion trabajar
a con esos dos valores pasados explcitamente, es decir, epsX = 1.0E-9, y epsF = 1.0E-10.
Si se hace el llamado bisec(a, b, ind, 1.0E-9), entonces la funcion
tomara para el par
ametro faltante, el u
ltimo, el valor predeterminado,
o sea, epsX = 1.0E-9, epsF = 1.0E-8.
Si se hace el llamado bisec(a, b, ind), entonces la funcion tomara
para los par
ametros faltantes, los dos u
ltimos, los dos valores predeterminados, o sea, epsX = 1.0E-6, epsF = 1.0E-8.
4.5
Variables locales y variables globales
En los ejemplos de programas vistos hasta ahora, todas las variables

usadas eran propias a cada funcion (recuerde que main tambien es una
funcion), es decir, son variables locales. Tambien se dice que tienen
ambito local. Si hay variables con el mismo nombre en diferentes

funciones, son cosas completamente distintas.
A veces es conveniente tener variables que se puedan usar en varias
funciones; en realidad se podran usar en todas las funciones. Estas
variables se llaman globales, pues tienen ambito global. Esto va un poco
en contrava de la filosofa de las funciones de tipo general, que deben
usar u
nicamente variables locales. Sin embargo, algunas veces puede ser
u
til. Para esto basta con declararlas antes de todas las funciones.
double PI = 3.141592654, RADIAN = 57.29577951;
int nLlamadasF;
... func1( ... );
82
4.6. SOBRECARGA DE FUNCIONES
int main(void)
{
...
...
nLlmadasF = 0;
...
... = sin(t/RADIAN);
}
//-------------------------------------... func1( ... )
{
...
nLlamadasF++;
...
... = 2.0*PI;
}
En el esquema anterior, los valores de las variables PI y RADIAN pueden
ser utilizados en cualquier funcion, sin tener que redefinirlos en cada
funcion. La variable nLlamadasF permite saber, en cualquier parte, el
n
umero de veces que la funcion func1 ha sido llamada. En algunos
metodos numericos, la eficiencia se mide por el n
umero de veces que
se realice una operacion (sumas o multiplicaciones) o por el n
umero de
veces que se haga un llamado a una funcion.
4.6
Sobrecarga de funciones
En C, dos funciones no pueden tener el mismo nombre. En C++ esta

permitido; esto se llama la sobrecarga de funciones. Pero, para poder
reconocer una u otra funcion, se necesita que el n
umero de par
ametros
sea diferente o que los tipos de los par
ametros sean diferentes. Dicho de
otra forma, en C++ no puede haber dos funciones con el mismo nombre,
con el mismo n
umero de par
ametros y con el mismo tipo de par
ametros.
El siguiente ejemplo es completamente lcito.
double maximo( double a, double b);
double maximo( double a, double b, double c);
83
4. FUNCIONES
int maximo( int a, int b);

int maximo( int a, int b, int c);
//================================================
int main(void)
{
double x, y, z;
int i, j;
...
... = max(x, y);
... = max(i, j);
... = max(x, y, z);
... = max(i, j, 4);
...
}
//================================================
double maximo( double a, double b)
{
if( a >= b ) return a;
else return b;
}
//-----------------------------------------------double maximo( double a, double b, double c)
{
if( a >= b && a >= c) return a;
if( b >= c ) return b;
else return c;
}
//-----------------------------------------------int maximo( int a, int b)
{
else return b;
}
//-----------------------------------------------int maximo( int a, int b, int c)
{
if( a >= b && a >= c) return a;
if( b >= c ) return b;
84

4.7. BIBLIOTECA ESTANDAR
else return c;
}
En cambio, el siguiente ejemplo no esta permitido:
int factorial( int n);
double factorial( int n);
//================================================
int main(void)
{
...
}
//================================================
int factorial( int n )
{
...
}
//-----------------------------------------------double factorial( int n )
{
...
}
4.7
Biblioteca est
andar
alloc.h
complex.h
ctype.h
errno.h
float.h
iostream.h
limits.h
math.h
stddef.h
stdio.h
stdlib.h
string.h
time.h
Asignaci
on din
amica de memoria.
N
umeros complejos. C++. No es estandar.
Manejo de caracteres.
C
odigos de error.
Definicion de constantes para punto flotante.
Flujo de entrada y salida. C++.
Lmites de enteros, depende de la implementaci
on.
Matem
aticas.
Constantes de uso com
un.
Entrada y salida (Input/Output) estandar.
Declaraciones varias.
Manejo de cadenas de caracteres.
Funciones de tiempo del sistema.
85
4. FUNCIONES
El estandar ANSI C provee varias funciones listas para usar. Tambien

hay funciones exclusivas de C++. Los principales archivos de cabecera
para funciones y valores predeterminados de ANSI C y de C++ son los
de la tabla anterior.
Dependiendo del compilador, existen muchos m
as archivos de cabecera
para C++. En [DeD99] hay una lista bastante completa de archivos de
cabecera para C++, los cuales no se utilizan en este libro.
Ejercicios
ales son los
datos necesarios. Haga un programa que lea los datos, llame la funci
on
que realiza los c
alculos y devuelve los resultados y, finalmente,
en la funcion main, muestre los resultados. La funcion debe analizar los
par
ametros, estudiar su consistencia o inconsistencia e informar sobre
ello por medio de los resultados devueltos. Tambien, cuando se justifica,
haga una funcion para la lectura de los datos. Puede ser u
til, cuando
el proceso es bastante complejo, hacer funciones m
as simples que hacen
partes especficas del proceso y son llamadas desde otra funcion que
coordina los calculos.
4.1 La gran mayora de los ejercicios de los dos captulos anteriores
pueden ser resueltos por medio de funciones.
4.2 Dado un n
umero x y un entero no negativo n, calcule xn . H
agalo
mediante un for. Verifique comparando con el resultado producido por la funcion pow.
4.3 Dado un n
umero x y un entero no negativo n, calcule xn . H
agalo
n
n1
mediante una funcion recurrente, x = x x
.
4.4 Dado un n
umero x y un entero no negativo n, calcule xn , tratando
de efectuar pocas multiplicaciones. Por ejemplo para calcular x8
se requiere calcular x2 = xx, x4 = x2 x2 y finalmente x8 = x4 x4 , o
sea, tres multiplicaciones. El calculo de x6 se puede hacer con tres
multiplicaciones. Aparentemente, para calcular x7 es necesario
hacer cuatro multiplicaciones. Adem
as de calcular xn , muestre el
n
umero de multiplicaciones realizadas entre n
umeros double.
86
Arreglos
Los arreglos (arrays) permiten almacenar vectores y matrices. Los arreglos unidimensionales sirven para manejar vectores y los arreglos
bidimensionales para matrices. Sin embargo, las matrices tambien se
pueden almacenar mediante arreglos unidimensionales y por medio de
apuntadores a apuntadores, temas que se veran en el captulo siguiente.
La palabra unidimensional no indica que se trata de vectores en
espacios de dimension uno; indica que su manejo se hace mediante un
subndice. El manejo de los arreglos bidimensionales se hace mediante
dos subndices.
5.1
Arreglos unidimensionales
El siguiente ejemplo muestra la definicion de tres arreglos, uno de 80

elementos doble precisi
on, otro de 30 elementos enteros y uno de 20
elementos tipo caracter.
double x[80];
int factores[30];
char codSexo[20];
Los nombres deben cumplir con las normas para los identificadores. La
primera lnea indica que se han reservado 80 posiciones para n
umeros
doble precisi
on. Estas posiciones son contiguas. Es importante recalcar
que en C, a diferencia de otros lenguajes, el primer elemento es x[0],
87
5. ARREGLOS
el segundo es x[1], el tercero es x[2], y as sucesivamente; el u

ltimo
elemento es x[79].
En x hay espacio reservado para 80 elementos, pero esto no obliga a
trabajar con los 80; el programa puede utilizar menos de 80 elementos.
C no controla si los subndices estan fuera del rango previsto; esto es
responsabilidad del programador. Por ejemplo, si en alg
un momento el
programa debe utilizar x[90], lo usa sin importar si los resultados son
catastroficos.
Cuando un par
ametro de una funcion es un arreglo, se considera
implcitamente que es un par
ametro por referencia. O sea, si en la
funcion se modifica alg
un elemento del arreglo, entonces se modifico realmente el valor original y no una copia. Pasar un arreglo como par
ametro
de una funcion y llamar esta funcion es muy sencillo. Se hace como en
el esquema siguiente.
... funcion(..., double x[], ...); // prototipo
//-----------------------------------------------int main(void)
{
double v[30];
...
... funcion(..., v, ...); // llamado a la funcion
...
}
//-----------------------------------------------... funcion(..., double x[],...)// definicion de la funcion
{
// cuerpo de la funcion
...
}
En el esquema anterior, el llamado a la funcion se hizo desde la funcion
main. Esto no es ninguna obligacion; el llamado se puede hacer desde
cualquier funcion donde se define un arreglo o donde a su vez llega un
arreglo como par
ametro.
Tambien se puede hacer el paso de un arreglo como par
ametro de la
siguiente manera. Es la forma m
as usual. Tiene involucrada la nocion
de apuntador que se vera en el siguiente captulo.
88
5.1. ARREGLOS UNIDIMENSIONALES
... funcion(..., double *x, ...); // prototipo

//-----------------------------------------------int main(void)
{
double v[30];
...
... funcion(..., v, ...); // llamado a la funcion
...
}
//-----------------------------------------------... funcion(..., double *x, ...)// definicion de la funcion
{
// cuerpo de la funcion
...
}
El programa del siguiente ejemplo lee el tama
no de un vector, lee los
elementos del vector, los escribe y halla el promedio. Para esto utiliza
funciones. Observe la manera como un arreglo se pasa como par
ametro.
// Arreglos unidimensionales
// Lectura y escritura de un vector y calculo del promedio
//-----------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
//-----------------------------------------------void lectX(double *x, int n, char c );
void escrX(double *x, int n );
double promX( double *x, int n);
//================================================
int main()
{
double v[40];
int n;
printf("\n Promedio de elementos de un vector.\n\n");
89
5. ARREGLOS
printf(" numero de elementos : ");

scanf( "%d", &n);
if( n > 40 ){
printf("\n Numero demasiado grande\n\n");
exit(1);
}
lectX(v, n, v);
printf(" v : \n");
escrX(v, n);
printf(" promedio = %lf\n", promX(v, n));
return 0;
}
//================================================
void lectX(double *x, int n, char c )
{
// lectura de los elementos de un "vector".
int i;
for( i = 0; i < n; i++){
printf(" %c(%d) = ", c, i+1);
scanf("%lf", &x[i] );
}
}
//-----------------------------------------------void escrX(double *x, int n )
{
// escritura de los elementos de un "vector".
int i;
int nEltosLin = 5; // numero de elementos por linea
for( i = 0; i < n; i++){
printf("%15.8lf", x[i]);
if( (i+1)%nEltosLin == 0 || i == n-1) printf("\n");
}
}
//------------------------------------------------
90
double promX( double *x, int n)

{
// promedio de los elementos del vector
int i;
double s = 0.0;
if( n <= 0 ){
printf(" promX: n = %d inadecuado\n", n);
return 0.0;
}
for( i = 0; i < n; i++) s += x[i];
return s/n;
}
La funcion lectX tiene tres par
ametros: el arreglo, el n
umero de elementos y una letra. Esta letra sirve para el peque
no aviso que sale antes
de la lectura de cada elemento. En el ejemplo, cuando se llama la
funcion, el tercer par
ametro es v; entonces en la ejecuci
on aparecer
an
los avisos:
v(1) =
v(2) =
...
Observe que en el printf de la funcion lectX aparece i+1; entonces
para el usuario el vector empieza en 1 y acaba en n. Internamente
empieza en 0 y acaba en n 1.
Es importante anotar que si durante la entrada de datos hay errores,

es necesario volver a empezar para corregir. Suponga que n = 50, que el
usuario ha entrado correctamente 40 datos, que en el dato cuadragesimo
primero el usuario digito mal algo y despues oprimio la tecla Enter. Ya
no puede corregir. Solo le queda acabar de entrar datos o abortar el
programa (parada forzada del programa desde el sistema operativo) y
volver a empezar. Esto sugiere que es m
as seguro hacer que el programa
lea los datos en un archivo. La entrada y salida con archivos se vera en
un captulo posterior.
Cuando un arreglo unidimensional es par
ametro de una funcion, no
importa que el arreglo haya sido declarado de 1000 elementos y se trabaje
91
5. ARREGLOS
con 20 o que haya sido declarado de 10 y se trabaje con 10. La funcion

es de uso general siempre y cuando se controle que no va a ser llamada
para usarla con subndices mayores que los previstos. En la siguiente
secci
on se trata el tema de los arreglos bidimensionales. All, el paso de
par
ametros no permite que la funcion sea completamente general.
En el siguiente ejemplo, dado un entero n 2 (pero no demasiado
grande), el programa imprime los factores primos. El algoritmo es muy
sencillo. Se busca d > 1, el divisor m
as peque
no de n. Este divisor es
necesariamente un primo. Se divide n por d y se contin
ua el proceso
con el u
ltimo cociente. El proceso termina cuando el cociente es 1. Si
n = 45, el primer divisor es 3. El cociente es 15. El primer divisor de
15 es 3. El cociente es 5. El primer divisor de 5 es 5 y el cociente es 1.
// Arreglos unidimensionales
// Factores primos de un entero >= 2
//-----------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
//-----------------------------------------------int primerDiv( int n);
int factoresPrimos( int n, int *fp, int &nf, int nfMax);
//================================================
int main()
{
int vFactPrim[40]; // vector con los factores primos
int n;
int nFact;
// numero de factore primos
int i;
printf("\n Factores primos de un entero >= 2.\n\n");
printf(" n = ");
scanf( "%d", &n);
if( factoresPrimos(n, vFactPrim, nFact, 40) ){
for(i = 0; i < nFact; i++) printf(" %d",
vFactPrim[i]);
printf("\n");
}
92
else printf(" ERROR\n");

return 0;
}
//================================================
int primerDiv( int n)
{
// n debe ser mayor o igual a 2.
// Calcula el primer divisor, mayor que 1, de n
// Si n es primo, devuelve n.
// Si hay error, devuelve 0.
int i;
if( n < 2 ){
printf(" primerDiv: %d inadecuado.\n", n);
return 0;
}
for( i = 2; i*i <= n; i++) if( n%i == 0 ) return i;
return n;
}
//================================================
int factoresPrimos( int n, int *fp, int &nf, int nfMax)
{
// factores primos de n
// devuelve 0 si hay error.
// devuelve 1 si todo esta bien.
// fp : vector con los factores primos
// nf : numero de factores primos
// nfMax : tamano del vector fp
int d, indic;
if( n < 2 ){
printf(" factoresPrimos: %d inadecuado.\n", n);
return 0;
}
nf = 0;
do{
93
5. ARREGLOS
if( nf >= nfMax ){

printf("factoresPrimos: demasiados factores.\n");
return 0;
}
d = primerDiv(n);
fp[nf] = d;
nf++;
n /= d;
} while( n > 1);
return 1;
}
5.2
Arreglos multidimensionales
La declaraci
on de los arreglos bidimensionales, caso particular de los
arreglos multidimensionales, se hace como en el siguiente ejemplo:
double a[3][4];
int pos[10][40];
char list[25][25];
En la primera lnea se reserva espacio para 3 4 = 12 elementos doble
precisi
on. El primer subndice vara entre 0 y 2, y el segundo vara entre
0 y 3. Usualmente, de manera an
aloga a las matrices, se dice que el
primer subndice indica la fila y el segundo subndice indica la columna.
Un arreglo tridimensional se declarara as:
double c[20][30][10];
Los sitios para los elementos de a estan contiguos en el orden fila por
fila, o sea, a[0][0], a[0][1], a[0][2], a[0][3], a[1][0], a[1][1],
a[1][2], a[1][3], a[2][0], a[2][1], a[2][2], a[2][3].
En el siguiente ejemplo, el programa sirve para leer matrices, escribirlas y calcular el producto. Lo hace mediante la utilizacion de funciones
que tienen como par
ametros arreglos bidimensionales.
// prog14
// Arreglos bidimensionales
94
5.2. ARREGLOS MULTIDIMENSIONALES
// Lectura y escritura de 2 matrices y calculo del producto

//-----------------------------------------------#include <math.h>
#include <stdio.h>
#include <stdlib.h>
//-----------------------------------------------void lectA0(double a[][40], int m, int n, char c );
void escrA0(double a[][40], int m, int n );
int prodAB0(double a[][40], int m, int n, double b[][40],
int p, int q, double c[][40]);
//================================================
int main()
{
double a[50][40], b[20][40], c[60][40];
int m, n, p, q;
printf("\n Producto de dos matrices.\n\n");
printf(" num. de filas de A
: ");
scanf( "%d", &m);
printf(" num. de columnas de A : ");
scanf( "%d", &n);
// es necesario controlar que m, n no son muy grandes
// ni negativos
printf(" num. de filas de B
: ");
scanf( "%d", &p);
printf(" num. de columnas de B : ");
scanf( "%d", &q);
// es necesario controlar que p, q no son muy grandes
// ni negativos
if( n != p ){
printf(" Producto imposible\n");
exit(1);
}
lectA0(a, m, n, A);
printf(" A : \n");
95
5. ARREGLOS
escrA0(a, m, n);
lectA0(b, n, q, B);
printf(" B : \n");
escrA0(b, n, q);
if( prodAB0(a,m,n, b,p,q, c) ){
printf(" C : \n");
escrA0(c, m, q);
}
else printf("\ ERROR\n");
return 0;
}
//================================================
void lectA0(double a[][40], int m, int n, char c )
{
// lectura de los elementos de una matriz.
int i, j;
for( i = 0; i < m; i++){
for( j=0; j < n; j++){
printf(" %c[%d][%d] = ", c, i+1, j+1);
scanf("%lf", &a[i][j] );
}
}
}
//-----------------------------------------------void escrA0(double a[][40], int m, int n )
{
// escritura de los elementos de una matriz
int i, j;
for( i = 0; i < m; i++){
for( j = 0; j < n; j++){
printf("%15.8lf", a[i][j]);
96
5.2. ARREGLOS MULTIDIMENSIONALES
if((j+1)%nEltosLin == 0 || j==n-1)printf("\n");
}
}
}
//-----------------------------------------------int prodAB0(double a[][40], int m, int n, double b[][40],
int p, int q, double c[][40])
{
// producto de dos matrices, a mxn, b pxq
// devuelve 1 si se puede hacer el producto
// devuelve 0 si no se puede
int i, j, k;
double s;
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;
for( i=0; i < m; i++){
for( j=0; j < q; j++){
s = 0.0;
for( k=0; k<n; k++) s += a[i][k]*b[k][j];
c[i][j] = s;
}
}
return 1;
}
Cuando en una funcion un par
ametro es un arreglo bidimensional, la
funcion debe saber, en su definicion, el n
umero de columnas del arreglo
bidimensional. Por eso en la definicion de las funciones esta a[][40].
Esto hace que las funciones del ejemplo sirvan u
nicamente para arreglos
bidimensionales definidos con 40 columnas. Entonces estas funciones no
son de uso general. Este inconveniente se puede resolver de dos maneras:
Mediante apuntadores y apuntadores dobles. Este tema se vera en
el siguiente captulo.
Almacenando las matrices en arreglos unidimensionales con la convencion de que los primeros elementos del arreglo corresponden a
la primera fila de la matriz, los que siguen corresponden a la segunda fila, y as sucesivamente. Esta modalidad es muy usada,
97
5. ARREGLOS
tiene algunas ventajas muy importantes. Se vera con m

as detalle
m
as adelante.
En resumen, los arreglos bidimensionales no son muy adecuados para
pasarlos como par
ametros a funciones. Su uso debera restringirse a
casos en que el arreglo bidimensional se usa u
nicamente en la funcion
donde se define.
En el ejemplo anterior, en la funcion lectA0, antes de la lectura del
elemento a[i][j], el programa escribe los valores i+1 y j+1, entonces
para el usuario el primer subndice empieza en 1 y acaba en m; el segundo
empieza en 1 y acaba en n.
5.3
Cadenas
Los arreglos unidimensionales de caracteres, adem

as de su manejo estandar como arreglo, pueden ser utilizados como cadenas de caracteres,
siempre y cuando uno de los elementos del arreglo indique el fin de la
cadena. Esto se hace mediante el caracter especial
\0
En el ejemplo
// Arreglo de caracteres como tal.
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
int main()
{
char aviso[30];
int i;
aviso[0]
aviso[1]
aviso[2]
aviso[3]
aviso[4]
aviso[5]
aviso[6]
=
=
=
=
=
=
=
C;
o;
m;
o;
;
e;
s;
98
5.3. CADENAS
aviso[7] = t;
aviso[8] = a;
aviso[9] = ?;
for(i=0; i<= 9; i++) printf("%c", aviso[i]);
return 0;
}
el arreglo aviso se considero como un simple arreglo de caracteres. El
programa escribe
Como esta?
En el siguiente ejemplo, el arreglo aviso es (o contiene) una cadena,
string, pues hay un fin de cadena. Para la escritura se usa el formato
%s. El resultado es el mismo.
// prog15b
// Cadena de caracteres
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
int main()
{
char aviso[30];
aviso[0] = C;
aviso[1] = o;
aviso[2] = m;
aviso[3] = o;
aviso[4] = ;
aviso[5] = e;
aviso[6] = s;
aviso[7] = t;
aviso[8] = a;
aviso[9] = ?;
aviso[10] =\0;
printf("%s", aviso);
return 0;
}
99
5. ARREGLOS
Si se modifica ligeramente de la siguiente manera:

char aviso[30];
aviso[0] = C;
aviso[1] = o;
aviso[2] = m;
aviso[3] = o;
aviso[4] = \0;
aviso[5] = e;
aviso[6] = s;
aviso[7] = t;
aviso[8] = a;
aviso[9] = ?;
aviso[10] =\0;
entonces u
nicamente escribe Como, ya que encuentra el fin de cadena (el
primero) despues de la segunda letra o.
La lectura de cadenas de hace mediante la funcion gets( ). Su
archivo de cabecera es stdio.h. Su u
nico par
ametro es precisamente la
cadena que se desea leer.
char nombre[81];
printf(" Por favor, escriba su nombre : ");
gets(nombre);
printf("\n Buenos dias %s\n", nombre);
En C++ se puede utilizar cin para leer cadenas que no contengan espacios. Cuando hay un espacio, es reemplazado por fin de cadena.
char nombre[81];
cout<<" Por favor, escriba su nombre : ";
cin>>nombre;
cout<<endl<<" Buenos dias "<<nombre<<endl;
Si el usuario escribe Juanito, el programa (la parte de programa) anterior escribir
a Buenos dias Juanito. Pero si el usuario escribe el nom100
5.3. CADENAS
bre de dos palabras Juan Manuel, el programa escribir

a Buenos dias
Juan.
En C++ es posible leer cadenas de caracteres con espacios mediante
cin.getline(). Este tema no se trata en este libro.
Para tener acceso a las funciones para el manejo de cadenas, se necesita el archivo de cabecera string.h. Las funciones m
as usuales son:
strcpy( , )
strcat( , )
strlen( )
El primer par
ametro de strcpy (string copy) debe ser un arreglo de caracteres. El segundo par
ametro debe ser una cadena constante o una cadena en un arreglo de caracteres. La funcion copia en el arreglo (primer
par
ametro) la cadena (el segundo par
ametro). Se presentan problemas
si el segundo par
ametro no cabe en el primero. En un manual de referencia de C puede encontrarse informaci
on m
as detallada sobre estas y
otras funciones relacionadas con las cadenas.
La funcion strlen (string length) da como resultado la longitud de
la cadena sin incluir el fin de cadena.
Una cadena constante es una sucesion de caracteres delimitada por
dos comillas dobles; por ejemplo: "Hola". No necesita explcitamente
el signo de fin de cadena, ya que C lo coloca implcitamente. La cadena
constante m
as sencilla es la cadena vaca: "". La cadena constante de
un solo caracter es diferente del caracter. Por ejemplo, "x" es diferente
de x.
El programa prog15b se puede escribir m
as rapidamente as:
#include
#include
#include
#include
<math.h>
<stdio.h>
<stdlib.h>
<string.h>
int main()
{
char aviso[30];
strcpy(aviso, "Como esta?");
101
5. ARREGLOS
printf("\n longitud = %d\n", strlen(aviso));
return 0;
}
Como era de esperarse, el programa anterior escribe Como esta? y

en la lnea siguiente longitud = 10. Efectivamente las diez primeras
posiciones del arreglo aviso, de la 0 a la 9, estan ocupadas. La posicion
10 esta ocupada con el fin de cadena. El arreglo aviso puede contener
cadenas de longitud menor o igual a 29, pues se necesita un elemento
para el signo de fin de cadena.
La funcion strcat sirve para concatenar dos cadenas. El primer
par
ametro de strcat debe ser una cadena en un arreglo de caracteres.
El segundo par
ametro debe ser una cadena constante o una cadena en un
arreglo de caracteres. La funcion pega la segunda cadena a la derecha de
la primera cadena. Aparecen problemas si en el primer arreglo no cabe
la concatenaci
on de la primera y la segunda cadenas. La concatenaci
on
se hace de manera limpia: la funcion quita el fin de cadena en el primer
arreglo y pega la segunda incluyendo su fin de cadena.
// funcion
strcat
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int main()
{
char nombre[41], apell[41], Nombre[81];
printf(" Por favor, escriba su nombre
: ");
gets(nombre);
printf(" Por favor, escriba su apellido : ");
gets(apell);
strcpy(Nombre, nombre);
strcat(Nombre, " ");
strcat(Nombre, apell);
printf("Buenos dias %s\n", Nombre);
102
DE ARREGLOS
5.4. INICIALIZACION
return 0;
}
5.4
Inicializaci
on de arreglos
Los arreglos peque

nos se pueden inicializar de la siguiente manera:
double x[4] = { 1.1, 1.2, 1.3, 1.4};
Esto es lo mismo que escribir:
double x[4];
x[0]
x[1]
x[2]
x[3]
=
=
=
=
1.1;
1.2;
1.3;
1.4;
Si dentro de los corchetes hay menos valores que el tama

no del arreglo,
generalmente C asigna 0.0 a los faltantes. El ejemplo
double x[4] = { 1.1, 1.2};
produce el mismo resultado que
double x[4];
x[0]
x[1]
x[2]
x[3]
=
=
=
=
1.1;
1.2;
0.0;
0.0;
Si no se precisa el tama
no del arreglo en una inicializacion, C le asigna
el tama
no dado por el n
umero de elementos. El ejemplo
double x[] = { 1.1, 1.2, 1.3};
es equivalente a
103
5. ARREGLOS
double x[3];
x[0] = 1.1;
x[1] = 1.2;
x[2] = 1.3;
En este otro ejemplo, con una cadena en un arreglo de caracteres,
char saludo[]= "Buenos dias";
resulta lo mismo que escribir
char saludo[12]= {B, u, e, n, o, s, ,
d, i, a, s, \0};
o igual que escribir
char saludo[12];
saludo[0]
saludo[1]
saludo[2]
saludo[3]
saludo[4]
saludo[5]
saludo[6]
saludo[7]
saludo[8]
saludo[9]
saludo[10]
saludo[11]
=
=
=
=
=
=
=
=
=
=
=
=
B;
u;
e;
n;
o;
s;
;
d;
i;
a;
s;
\0;
Para arreglos bidimensionales, basta con recordar que primero estan los
elementos de la fila 0, enseguida los de la fila 1, y as sucesivamente. La
inicializacion
double a[2][3] = { 1.1, 1.2, 1.3, 1.4, 1.5, 1.6};
produce el mismo resultado que
104
DE ARREGLOS
5.4. INICIALIZACION
double a[2][3];
a[0][0]
a[0][1]
a[0][2]
a[1][0]
a[1][1]
a[1][2]
=
=
=
=
=
=
1.1;
1.2;
1.3;
1.4;
1.5;
1.6;
La siguiente inicializacion tambien hubiera producido el mismo resultado

anterior:
double a[][3] = { 1.1, 1.2, 1.3, 1.4, 1.5, 1.6};
En el ejemplo anterior, C sabe que las filas tienen tres elementos, entonces en el arreglo a debe haber dos filas. En el ejemplo que sigue, C
asigna ceros a lo que queda faltando hasta obtener filas completas.
double a[][3] = { 1.1, 1.2, 1.3, 1.4};
Lo anterior es equivalente a
double a[2][3];
a[0][0]
a[0][1]
a[0][2]
a[1][0]
a[1][1]
a[1][2]
=
=
=
=
=
=
1.1;
1.2;
1.3;
1.4;
0.0;
0.0;
En las siguientes inicializaciones hay errores. Para los arreglos bidimensionales, C necesita conocer el tama
no de las filas (el n
umero de
columnas).
double a[][] = { 1.1, 1.2, 1.3, 1.4, 1.5, 1.6};
double b[2][] = { 1.1, 1.2, 1.3, 1.4, 1.5, 1.6};
Ejercicios
105
5. ARREGLOS

ales son los
datos necesarios. Elabore un programa que lea los datos, llame la funcion
(o las funciones) que realiza los calculos y devuelve los resultados, y
finalmente, haga que el programa principal (la funcion main) muestre
los resultados.
5.1 Intercambie los elementos de un vector: el primero pasa a la u
ltima
posicion y el u
ltimo a la primera posicion, el segundo pasa a la
pen
ultima posicion y viceversa...
5.2 Obtenga la expresi
on binaria de un entero no negativo.
on en base p (p entero, 2 p 9), de un entero
no negativo.
on hexadecimal de un entero no negativo.
5.5 Averig
ue si una lista de n
umeros esta ordenada de menor a mayor.
5.6 Averig
ue si una lista de n
umeros esta ordenada de manera estrictamente creciente.
5.7 Averig
ue si una lista tiene n
umeros repetidos.
5.8 Ordenar, de menor a mayor, los elementos de una lista.
5.9 Averig
ue si una lista ordenada de menor a mayor tiene n
umeros
repetidos.
5.10 Dada una lista de n n
umeros, averig
ue si el n
umero t esta en la
lista.
5.11 Dada una lista de n n
umeros, ordenada de menor a mayor, averig
ue
si el n
umero t esta en la lista.
5.12 Halle el promedio de los elementos de un vector.
5.13 Halle la desviacion estandar de los elementos de un vector.
5.14 Dado un vector con componentes (coordenadas) no negativas, halle
el promedio geometrico.
5.15 Halle la moda de los elementos de un vector.
106
DE ARREGLOS
5.4. INICIALIZACION
5.16 Halle la mediana de los elementos de un vector.

5.17 Dados un vector x de n componentes y una lista, v1 , v2 , ..., vm estrictamente creciente, averig
ue cuantos elementos de x hay en cada
uno de los m + 1 intervalos (, v1 ], (v1 , v2 ], (v2 , v3 ], ..., (vm1 , vm ],
(vm , ).
5.18 Dado un vector de enteros positivos, halle el m.c.d.
5.19 Dado un vector de enteros positivos, halle el m.c.m. (mnimo
com
un m
ultiplo).
5.20 Dado un polinomio definido por el grado n y los n + 1 coeficientes,
calcule el verdadero grado. Por ejemplo, si n = 4 y p(x) = 5 +
0x + 6x2 + 0x3 + 0x4 , su verdadero grado es 2.
5.21 Dado un polinomio halle su derivada.
5.22 Dado un polinomio p y un punto (a, b) halle su antiderivada q tal
que q(a) = b.
5.23 Dados dos polinomios (pueden ser de grado diferente), halle su
suma.
5.24 Dados dos polinomios, halle su producto.
5.25 Dados dos polinomios, halle el cociente y el residuo de la divisi
on.
5.26 Dados n puntos en R2 , P1 , P2 , ..., Pn . Verifique que la lnea
poligonal cerrada P1 P2 ...Pn P1 sea de Jordan (no tiene cruces).
5.27 Dados n puntos en R2 , P1 , P2 , ..., Pn , tal que la lnea poligonal cerrada P1 P2 ...Pn P1 es de Jordan, averig
ue si el polgono determinado
es convexo.
5.28 Dados n puntos en R2 , P1 , P2 , ..., Pn , tal que la lnea poligonal cerrada P1 P2 ...Pn P1 es de Jordan, halle el area del polgono
determinado.
5.29 Sea x un vector en Rn y A una matriz de tama
no m n definida
por una lista de p triplas de la forma (ik , jk , vk ) para indicar que
aik jk = vk y que las demas componentes de A son nulas; calcule
Ax.
107
5. ARREGLOS
5.30 Considere un conjunto A de n elementos enteros almacenados en

un arreglo a. Considere un lista de m parejas en A A. Esta lista
define una relaci
on sobre A. Averig
ue si la lista esta realmente
bien definida, si la relaci
on es simetrica, antisimetrica, reflexiva,
transitiva y de equivalencia.
5.31 Considere un conjunto A de n elementos y una matriz M de
tama
no nn que representa una operacion binaria sobre A. Averig
ue
si la operacion binaria esta bien definida, si es conmutativa, si es
asociativa, si existe elemento identidad, si existe inverso para cada
elemento de A.
108
Apuntadores
Los apuntadores, llamados tambien punteros, son variables que guardan
direcciones de memoria de variables doble precisi
on o de variables enteras o de variables de otro tipo. En el siguiente ejemplo, p y q estan
declaradas como apuntadores, p esta disponible para guardar una direcci
on de una variable doble precisi
on. Usualmente se dice que p apunta
a una variable doble precisi
on. El otro apuntador, q, apunta (puede
apuntar) a una variable entera.
double *p, x = 0.5;
int *q, i = 4;
Inicialmente estos dos apuntadores tienen un valor cualquiera. Para
realmente asignarles una direccion, se debe escribir algo de la forma:
p = &x;
q = &i;
Escribir p = &i es un error. El operador & es un operador unario (llamado algunas veces monario) que devuelve la direccion de memoria de
una variable. El otro operador para apuntadores es * , que devuelve
el valor contenido en una direccion. Estos dos operadores son inversos entre s. Por un lado, *(&x) es exactamente lo mismo que x .
An
alogamente, &(*p) es exactamente igual a p .
Considere el siguiente ejemplo:
double *p, x = 0.5, y, *r;
109
6. APUNTADORES
int *q, i = 4, j, *s;

p = &x;
q = &i;
y = *p;
j = *q;
r = p+1;
s = q+3;
printf("
printf("
printf("
printf("
%p
%p
%p
%p
%d %lf\n",
%d %d\n",
%d\n", r,
%d\n", s,
p, int(p), y);
q, int(q), j);
int(r));
int(s));
Estos son los resultados:

0064FDFC
0064FDF0
0064FE04
0064FDFC
6618620 0.500000
6618608 4
6618628
6618620
Los dos primeros resultados de la primera lnea corresponden al valor de

p, en formato %p (para apuntadores) y convertido a entero en formato entero. El primer valor esta en hexadecimal, es decir, en base 16. Recuerde
que se usan los dgitos 0, 1, ..., 9 y las letras A, B, C, D, E y F , cuyos
valores son A = 10, B = 11, C = 12, D = 13, E = 14, F = 15. Entonces
0064FDFC = 6165 +4164 +15163 +13162 +1516+12 = 6618620.
Este es el segundo valor de la primera lnea. Estos dos valores son simplemente la direccion de la variable doble precisi
on x. Esto quiere decir que
en los 8 bytes que empiezan en la direccion de memoria 0064FDFC esta
el valor de x. O sea, en los bytes con direccion 0064FDFC, 0064FDFD,
0064FDFE, 0064FDFF, 0064FE00, 0064FE01, 0064FE02, 0064FE03,
esta el valor de x.
La orden y = *p asigna a y el valor contenido en la direccion
apuntada por p. Como justamente p es la direccion de x, entonces a y se
le asigna el valor de x, es decir, 0.5 que es precisamente el u
ltimo valor
de la primera lnea.
En realidad, los dos primeros valores son validos durante cada corrida
del programa, pero pueden cambiar de corrida a corrida. Muy probable110
6.1. APUNTADORES Y ARREGLOS UNIDIMENSIONALES
mente cambien al compilar y correr el programa en otro computador o

con otro compilador. Obviamente el tercer valor siempre sera el mismo,
no importa el compilador ni el computador.
De manera an
aloga, en la segunda lnea esta el valor de q, en formato hexadecimal, y como entero. A la variable j se le asigno el valor
apuntado por q, o sea, el valor de i, es decir, 4.
Los valores de la tercera lnea son en apariencia sorprendentes. Simplemente estan los valores del apuntador r. Pero se esperara que apareciera
0064FDFD 6618621 ya que r fue definido como p+1. Lo que pasa es que
se usa la aritm
etica de apuntadores. El apuntador p tiene una direcci
on de memoria de una variable doble precisi
on; r es un apuntador
doble precisi
on y al hacer la asignaci
on r = p+1, la aritmetica de apuntadores le asigna lo que sera la direccion de la siguiente variable doble
precisi
on. Como una variable doble precisi
on utiliza 8 bytes, entonces
los valores se incrementaron en 8 unidades. Ahora s los valores de la
tercera lnea son comprensibles.
En la cuarta lnea aparece lo que sera la direccion de la tercera
variable entera, enseguida de i (q es la direccion de i). En este compilador los enteros utilizan 4 bytes; entonces, el valor del apuntador s
corresponde al valor de q m
as 12 unidades.
Las u
nicas operaciones permitidas a los apuntadores son:
sumar un entero; por ejemplo, p += 9;
restar un entero; por ejemplo, p -= 2;
operador de incremento; por ejemplo, q++;
operador de decremento; por ejemplo, p--;
En ellas se utiliza la aritmetica de operadores.
6.1
Apuntadores y arreglos unidimensionales
Considere el siguiente ejemplo:

double x[156] = {1.1, 1.2, 1.3, 1.4};
double *p;
cout<<" x = "<<x<<",
p = x;
dir. de x[0] = "<<&x[0]<<endl;
111
6. APUNTADORES
cout<<" p = "<<p<<endl;
El resultado es el siguiente:
x = 0x0064f924,
p = 0x0064f924
dir. de x[0] = 0x0064f924
La variable x es un arreglo unidimensional de 156 elementos doble precision, pero para ciertas cosas se considera como una direccion de memoria. Al escribir x, el resultado es una direccion de memoria. Observe
tambien que es exactamente la direccion del primer elemento del arreglo,
o sea, de x[0]. Usando cout la direccion aparece con min
usculas y hay
10 caracteres. En los ejemplos anteriores, con printf hay may
usculas
y 8 caracteres. Siendo p un apuntador, la asignaci
on p = x es correcta.
En la segunda lnea de resultados, aparece efectivamente la misma direcci
on.
En el siguiente ejemplo, a es un arreglo bidimensional; hay varias
coincidencias con el ejemplo anterior, pero la asignaci
on p = a es
incorrecta.
double a[10][20] = {1.1, 1.2, 1.3, 1.4};
double *p;
cout<<" a = "<<a<<" dir. de a[0][0] = "<<&a[0][0]<<endl;
// p = a;
// La instruccion anterior (en comentario) es incorrecta.
p = &a[0][0];
cout<<" p = "<<p<<endl;
El resultado es:
a = 0x0064f7c4
p = 0x0064f7c4
dir. de a[0][0] = 0x0064f7c4
En C los apuntadores y los arreglos estan ntimamente ligados. En el

siguiente ejemplo se ve que x[i] y *(p+i) son exactamente lo mismo.
double x[40] = {1.1, 1.2, 1.3}, *p, *q;
int i;
112
p = x;
q = x;
for( i=0; i <= 5; i++){
printf("%6.2lf%6.2lf%6.2lf\n", x[i], *(p+i), *q);
q++;
}
1.10
1.20
1.30
0.00
0.00
0.00
1.10
1.20
1.30
0.00
0.00
0.00
1.10
1.20
1.30
0.00
0.00
0.00
Es m
as facil ver la equivalencia entre x[i] y *(p+i) si esta u
ltima
expresi
on se escribe *(&x[0]+i), o sea, el contenido de la direccion de
x[0] incrementada en i.
En el ejemplo anterior, el uso del apuntador q sugiere el uso de apuntadores para el manejo de los arreglos. A continuaci
on hay varias formas
de una funcion que calcula el promedio de los primeros n elementos de
un arreglo.
double promX1( double *x, int n)
{
int i;
double s = 0.0;
// error si
n <= 0
for( i = 0; i < n; i++) s += x[i];

return s/n;
}
//-----------------------------------------------double promX2( double *x, int n)
{
113
6. APUNTADORES
double *p, *pFin;

double s = 0.0;
// error si
n <= 0
pFin = x+n;
for( p = x ; p < pFin; p++) s += *p;
return s/n;
}
{
// promedio de los elementos del vector x
double *p, *pFin;
double s = 0.0;
// error si
n <= 0
p = x;
pFin = x+n;
while( p < pFin){
s += *p;
p++;
}
return s/n;
}
{
// promedio de los elementos del vector x
double *p, *pFin;
double s = 0.0;
// error si
n <= 0
114
p = x;
pFin = x+n;
while( p < pFin) s += *p++;
return s/n;
}
En ciertos casos el manejo de un arreglo con apuntadores es m
as eficiente que el manejo con subndices. Sin embargo, para una persona
no muy acostumbrada a la utilizaci
on de los apuntadores, es m
as facil
escribir o leer un programa donde los arreglos se tratan por medio de
subndices. A lo largo de este libro habr
a ejemplos con los dos enfoques:
con subndices para tratar de ofrecer mayor claridad; con apuntadores
para buscar, posiblemente, mayor eficiencia y para ir acostumbrando al
lector a su comprensi
on y manejo. Un programador de nivel intermedio
puede facilmente traducir un programa con subndices a un programa
con apuntadores.
Considere ahora la siguiente porci
on de codigo donde se utiliza cualquiera
de las cuatro funciones que calculan el promedio.
double x[100] = { 0.1, 0.2, 0.3};
printf("%lf\n", promX1(x,4) );
printf("%lf\n", promX1( &x[2], 10) );
0.150000
0.030000
Es claro que el promedio de los primeros cuatro valores del arreglo x:
0.1, 0.2, 0.3 y 0.0, es 0.15 . En la segunda llamada a la funcion promX1,
el primer par
ametro es la direccion de memoria del elemento x[2] y
el segundo es el valor 10; entonces, la funcion promX1, que espera un
arreglo, considera un arreglo que empieza exactamente en esa direccion
y que tiene 10 elementos, o sea, los valores 0.3, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0; su promedio es 0.03. Esta manera de pasar como par
ametro
un arreglo que en realidad es parte de un arreglo m
as grande, es muy u
til
y eficiente para el manejo de vectores y matrices en metodos numericos.
115
6. APUNTADORES
6.2
Apuntadores a apuntadores
Un apuntador a apuntador, a veces llamado apuntador doble (diferente

de un apuntador a doble precisi
on), es una variable que contiene la
direccion de memoria de un apuntador. Se declara colocando doble
asterisco delante del nombre. Considere el siguiente ejemplo:
int i, *p, **q;
i = 16;
p = &i;
q = &p;
printf("%p %d %p %p %d\n", p, *p, q, *q, **q);
0064FE00 16 0064FDFC 0064FE00 16
p es un apuntador a entero; despues de la asignaci
on tiene la direccion
de i. q es un apuntador a apuntador a entero; dicho de otra forma, un
apuntador doble a entero. Despues de la asignaci
on q tiene la direccion
del apuntador p. La orden printf escribe cinco valores:
p, es decir, la direccion de i,
el contenido apuntado por p, es decir, el valor de i,
q, es decir, la direccion de p,
el contenido apuntado por q, es decir, el valor de p,
el contenido apuntado por lo apuntado por q, o sea, el valor de i.
El primero y el cuarto valor coinciden; tambien coinciden el segundo y

el quinto valor.
6.3
Apuntadores y arreglos bidimensionales
Como los arreglos bidimensionales almacenan las matrices fila por fila,
entonces se puede saber en que posicion, a partir del elemento a[0][0],
esta el elemento a[i][j]. Si n es el tama
no de una fila, es decir, el
n
umero de columnas, entonces el elemento a[i][j] esta i n + j posiciones despues de a[0][0].
El siguiente ejemplo produce como resultado dos valores iguales:
116
6.4. MATRICES Y ARREGLOS UNIDIMENSIONALES
double *p, c[4][3] = {.1,.2,.3,.4,.5,.6,

.7,.8,.9, 1.0, 1.1, 1.2};
int n, i, j ;
n
i
j
p
=
=
=
=
3;
2;
1;
&c[0][0];
printf("%lf %lf\n", c[i][j], *(p + i*n + j) );

Teniendo en cuenta los valores del ejemplo, el resultado es:
0.800000 0.800000
6.4
Matrices y arreglos unidimensionales
Anteriormente se vio que el paso de arreglos bidimensionales le quitaba

generalidad a las funciones. Una manera de resolver este inconveniente
es almacenando la matriz en un vector, fila por fila. Tambien se podra
hacer columna por columna; es menos usual, pero en algunos casos
especficos podra ser m
as conveniente. La formula para calcular la
posicion es la misma o an
aloga a la de los apuntadores y los arreglos
bidimensionales.
Si se considera una matriz, con elementos aij , donde 1 i m,
1 j n, almacenada en un arreglo unidimensional v, entonces
aij = v[(i-1)*n + j-1 ].
Si se considera una matriz, con elementos aij , donde 0 i m 1,
0 j n 1, almacenada en un arreglo unidimensional v, entonces
aij = v[i*n + j].
En el siguiente ejemplo, como en el programa prog14, se hace la lectura
y escritura de dos matrices, y luego el producto. El almacenamiento de
las matrices se hace fila por fila en arreglos unidimensionales.
// Matrices en arreglos unidimensionales
117
6. APUNTADORES
// Lectura y escritura de 2 matrices y calculo del producto

#include <math.h>
#include <stdio.h>
#include <stdlib.h>
void escrX(double *x, int n );
void lectA1(double *a, int m, int n, char c );
void escrA1(double *a, int m, int n );
int prodABsub1(double *a, int m, int n, double *b, int p,
int q, double *c);
//================================================
int main()
{
double a[1000], b[1000], c[1000];
int m, n, p, q;
printf("\n Producto de dos matrices.\n\n");
printf(" num. de filas de A
: ");
scanf( "%d", &m);
printf(" num. de columnas de A : ");
scanf( "%d", &n);
// es necesario controlar que m, n no son muy grandes
// ni negativos
printf(" num. de filas de B
: ");
scanf( "%d", &p);
printf(" num. de columnas de B : ");
scanf( "%d", &q);
// es necesario controlar que p, q no son muy grandes
// ni negativos
if( n != p ){
printf(" Producto imposible\n");
exit(1);
}
lectA1(a, m, n, A);
118
printf(" A : \n");
escrA1(a, m, n);
lectA1(b, n, q, B);
printf(" B : \n");
escrA1(b, n, q);
if( prodABsub1(a,m,n, b,p,q, c) ){
printf(" C : \n");
escrA1(c, m, q);
}
else printf("\ ERROR\n");
return 0;
}
//================================================
void lectA1(double *a, int m, int n, char c )
{
// lectura de los elementos de una matriz.
// almacenada en un "vector"
int i, j;
for( i = 0; i < m; i++){
for( j=0; j < n; j++){
printf(" %c[%d][%d] = ", c, i+1, j+1);
scanf("%lf", &a[i*n+j] );
}
}
}
//-----------------------------------------------void escrA1(double *a, int m, int n )
{
// escritura de los elementos de una matriz
// almacenada en un vector
// utiliza escrX
int i;
119
6. APUNTADORES
for(i=0;i<m;i++) escrX( &a[i*n], n);

}
//-----------------------------------------------void escrX(double *x, int n )
{
// escritura de los elementos de un "vector"
int j;
for( j = 0; j < n; j++){
printf("%15.8lf", x[j]);
if( (j+1)%nEltosLin == 0 || j == n-1) printf("\n");
}
}
//-----------------------------------------------int prodABsub1(double *a, int m, int n, double *b, int p,
int q, double *c)
{
// Las matrices estan almacenadas en "vectores"
// El manejo se hace mediante subindices
int i, j, k;
double s;
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;
for( i=0; i < m; i++){
for( j=0; j < q; j++){
s = 0.0;
for( k=0; k<n; k++) s += a[i*n+k]*b[k*q+j];
c[i*q+j] = s;
}
}
return 1;
}
120
Observe que la funcion que escribe la matriz, escrA1, lo hace fila por fila.
Para esto llama varias veces la funcion escrX que escribe los elementos
de un vector. O sea, cada fila de la matriz se considera como un vector
de n elementos que empieza en la direccion de a[i*n].
En el programa anterior, como en un ejemplo ya visto, durante la
lectura de la matriz, aparecen lo subndices i+1 y j+1. Entonces, para
el usuario, aparentemente los subndices empiezan en 1 y acaban en m
o en n.
A manera de ejemplo del paso de manejar los arreglos con subndices
al tratamiento mediante apuntadores, a continuaci
on hay una versi
on
de la funcion que calcula el producto entre matrices, almacenadas en
vectores, mediante el uso de apuntadores.
int prodABap1(double *a, int m, int n, double *b, int p,
int q, double *c)
{
// Las matrices estan almacenadas en "vectores"
// el producto se hace por medio de apuntadores
double
double
double
double
double
double
*cij,
*cmq;
*ciq;
*ai0;
*ain;
*b0j;
*aik, *bkj;// apuntadores a: Cij, Aik, Bkj

// apuntador a la direccion de c[m*q]
// apunt. a C(i+1,0) : c[i*q]
// apuntador a Ai0
// apunt. a A(i+1,0) : a[i*n]
// apuntador a B(0,j)
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;

cij = c;
cmq = c+m*q;
ai0 = a;
while( cij < cmq ){
ciq = cij + q;
b0j = b;
while( cij < ciq ){
aik = ai0;
121
6. APUNTADORES
ain = ai0+n;
bkj = b0j;
*cij = 0.0;
while( aik < ain ){
*cij += (*aik++)*(*bkj);
bkj += q;
}
cij++;
b0j++;
}
ai0 = ain;
}
return 1;
}
La elaboracion de la funcion prodABsub1 es m
as facil que la de la funcion
prodABap1. Su lectura, por otro programador, tambien es m
as facil. Sin
embargo, la funcion prodABsub1 tiene algunas ineficiencias claras.
Dentro de un bucle for (y dentro de los otros bucles) no se deben
realizar operaciones independientes de las variables que se modifican
dentro del for; es m
as eficiente usar una variable a la que se le asigna,
fuera del for, el valor de la operacion y, en lugar de efectuar la operaci
on
dentro del for, se usa la variable suplementaria. Por ejemplo, en la
funcion prodABsub1, dentro del bucle for(k=...) se realiza varias veces,
quizas muchas, la operacion i*n+k. Como las variables i , n no se
modifican dentro de este for, entonces es preferible utilizar una variable
entera adicional, por ejemplo llamada in, fuera de este for hacer la
asignaci
on in = i*n; y dentro del for(k=...) utilizar a[in+k].
La siguiente funcion, prodABsub2 , es una versi
on m
as eficiente de
la funcion prodABsub1 .
int q, double *c)
{
// ...
int i, j, k, in, iq;
double s;
122
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;

for( i=0; i < m; i++){
in = i*n;
iq = i*q;
for( j=0; j < q; j++){
s = 0.0;
for( k=0; k<n; k++) s += a[in+k]*b[k*q+j];
c[iq+j] = s;
}
}
return 1;
}
En la funcion anterior se observa que la variable de control para el primer
for es la variable i, pero ella no se utiliza sola dentro del for, sirve para
calcular in e iq. Se puede pensar que el for puede estar controlado
directamente por una de las dos variables. Tambien se puede pensar en
cambiar el for por while o viceversa. A manera de ilustraci
on, aparecen
a continuaci
on otras dos funciones que tambien realizan el producto de
dos matrices almacenadas en arreglos unidimensionales.
int q, double *c)
{
// ...
int i, j, k, in, iq, kq, ink, iqj;
double s;
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;
iq = 0;
for( in=0; in < n*m; in += n){
iqj = iq;
for( j=0; j < q; j++){
s = 0.0;
ink = in;
for( kq=0; kq<n*q; kq += q){
123
6. APUNTADORES
s += a[ink]*b[kq+j];
ink++;
}
c[iqj] = s;
iqj++;
}
iq += q;
}
return 1;
}
//--------------------------------------------------------int prodABap2(double *a, int m, int n, double *b, int p,
int q, double *c)
{
// ...
double
double
double
double
double
double
*cij,
*ai0;
*ain;
*b0j;
*amn;
*b0q;
*aik, *bkj;// apuntadores a: Cij, Aik, Bkj

// apuntador a Ai0
// apunt. a A(i+1,0) : a[i*n]
// apuntador a B(0,j)
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;

amn = a + m*n;
b0q = b+q;
cij = c;
ain = a+n;
for( ai0 = a; ai0 < amn; ai0 += n){
for( b0j = b; b0j < b0q; b0j++){
bkj = b0j;
*cij = 0.0;
for(aik = ai0; aik < ain; aik++ ){
*cij += (*aik)*(*bkj);
bkj += q;
}
cij++;
124
}
ain += n;
}
return 1;
}
Esta funciones pueden ser mejoradas dependiendo, parcialmente, de la
plataforma y del compilador. Todas tienen una eficiencia m
as o menos
semejante, salvo la primera, prodABsub1, que es un poco menos eficiente.
La siguiente tabla muestra los tiempos para el producto de matrices
500 500 y 1000 1000. Estos resultados corresponden a un compilador
Borland C++ 5.2 para Win32 en un microcomputador con procesador
Intel Pentium III MMX de 450 Mhz con 128 Mb de memoria RAM.
El n
umero de operaciones para el producto de dos matrices n n es
proporcional a n3 . Es interesante comprobar que, al duplicar el tama
no
3
de las matrices, el tiempo, aproximadamente, se multiplica por 2 = 8.
subndices
subndices
subndices
apuntadores
apuntadores
prodABsub1
prodABsub2
prodABsub3
prodABap1
prodABap2
n = 500
8.8
8.0
7.7
7.8
7.9
n = 1000
67.8
63.3
60.9
63.1
63.4
Otra manera de hacer el producto de dos matrices almacenadas en vectores, mediante el uso de apuntadores, que permite m
as claridad y que
brinda la posibilidad de tratar de optimizar cada parte por separado,
consiste en utilizar el hecho de que el elemento cij de la matriz producto es simplemente el producto escalar de la fila i de A y la columna
j de B. La fila i de A es simplemente el vector que empieza en la direcci
on del primer elemento de la fila y tiene n elementos, uno despues
del otro, de manera contigua. En la columna j de la matriz B hay un
ligero inconveniente, los elementos estan en un arreglo, pero no consecutivamente. Para pasar de un elemento al siguiente, hay que saltar q
posiciones (suponiendo que B es p q).
A continuaci
on hay dos funciones que hacen el producto escalar de
dos vectores de n elementos. El primero esta almacenado en el arreglo
x ; hay que saltar saltox posiciones para pasar de un elemento al siguiente. Es decir, son los elementos x[0], x[saltox], x[2*saltox], ...,
125
6. APUNTADORES
x[(n-1)*saltox]. De manera an
aloga, los elementos del segundo vector son: y[0], y[saltoy], y[2*saltoy], ..., y[(n-1)*saltoy]. La
primera funcion prodXYsub se hace de manera casi natural; la segunda,
prodXY, es posiblemente m
as eficiente, pero su programaci
on requiere
m
as tiempo. Se puede utilizar el siguiente criterio: es u
til gastar m
as
tiempo haciendo una funcion m
as eficiente si esta se va a usa muchas
veces. Como es m
as eficiente i++ que i += 1 , entonces esta u
ltima
funcion considera por aparte el caso salto == 1 y el caso salto != 1.
double prodXYsub( double *x, int saltox, double *y,

int saltoy, int n)
{
// producto escalar de dos vectores
// uso de subindices
// x[0], x[saltox], x[2*saltox], ..., x[(n-1)*saltox]
// y[0], y[saltoy], y[2*saltoy], ..., y[(n-1)*saltoy]
double s = 0.0;
int i;
if( n < 0 ){
printf("prodXY: n negativo\n");
return s;
}
if( n==0 ) return s;
for(i=0; i<n; i++) s += x[i*saltox]*y[i*saltoy];
return s;
}
//-----------------------------------------------double prodXY( double *x, int saltox, double *y,
int saltoy, int n)
{
// producto escalar de dos vectores
// uso de apuntadores
double s = 0.0;
126
double *xi, *yi, *xn, *yn;

if( n < 0 ){
printf("prodXY: n negativo\n");
return 0.0;
}
if( n==0 ) return 0.0;
if( saltox == 1 ){
if( saltoy == 1 ){
// saltox = saltoy = 1
xi = x;
xn = x + n;
yi = y;
while( xi < xn ) s += (*xi++)*(*yi++);
}
else{
// saltox = 1; saltoy != 1
xi = x;
xn = x + n;
yi = y;
while( xi < xn ){
s += (*xi++)*(*yi);
yi += saltoy;
}
}
}
else{
if( saltoy == 1 ){
// saltox > 1; saltoy = 1
yi = y;
yn = y + n;
xi = x;
while( yi < yn ){
s += (*xi)*(*yi++);
xi += saltox;
}
}
127
6. APUNTADORES
else{
// saltox != 1; saltoy != 1
xi = x;
xn = x + n*saltox;
yi = y;
while( xi < xn ){
s += (*xi)*(*yi);
xi += saltox;
yi += saltoy;
}
}
}
return s;
}
Utilizando la funcion prodXY, la funcion que calcula el producto de dos
matrices podra tener la siguiente forma:
int prodAB1(double *a, int m, int n, double *b, int p,
int q, double *c)
{
// Producto de dos matrices, A mxn, B pxq.
// Devuelve 1 si se puede hacer el producto,
// devuelve 0 si no se puede.
// Las matrices estan almacenadas en "vectores".
// El producto se hace por medio de apuntadores.
// Utiliza una funcion de producto escalar.
double
double
double
double
double
*cij;
*cmq;
*ciq;
*ai0;
*b0j;
//
//
//
//
//
apuntador
apuntador
apunt. a
apuntador
apuntador
a Cij
a la direccion de c[m*q]
C(i+1,0) : Ciq : c[i*q]
a Ai0
a B0j
if(m<0||n<0||p<0||q<0 || n!= p ) return 0;

cij = c;
cmq = c+m*q;
ai0 = a;
while( cij < cmq ){
128
6.5. ARREGLOS ALEATORIOS
ciq = cij + q;
b0j = b;
while( cij < ciq ){
*cij = prodXY(ai0, 1, b0j, q, n);
cij++;
b0j++;
}
ai0 += n;
}
return 1;
}
Normalmente una funcion es un poco menos eficiente cuando llama otra
funcion para hacer un proceso, que cuando directamente lo hace internamente. Pero, por otro lado, repartir el trabajo en funciones permite
revisar, depurar y tratar de optimizar m
as facilmente cada funcion por
aparte.
En el ejemplo del producto de matrices, resulto a
un m
as eficiente
esta u
ltima funcion prodAB1 que la funcion prodABap1. Esto se
debe tal vez a que la funcion prodXY es bastante eficiente y que muy
posiblemente la funcion prodABsub1 tiene varias partes susceptibles de
ser mejoradas. La siguiente tabla muestra los tiempos, en segundos, para
el producto de dos matrices cuadradas, con n = 500 y con n = 1000.
subndices
apuntadores
apuntadores + prod. escalar
6.5
prodABsub2
prodABap1
prodAB1
n = 500
8.0
7.8
7.0
n = 1000
63.3
63.1
56.0
Arreglos aleatorios
El lector podra preguntarse:

Como trabajar con matrices 500 500?
Entrando los valores por teclado? (el autor de este libro no lo
hizo).
Leyendo los datos en un archivo? Podra ser, pero todava no se
ha visto este tema.
129
6. APUNTADORES
Creando la matriz con alguna formula especfica? Podra ser, por

ejemplo, aij = 10000i + j.
Creando la matriz aleatoriamente? Porque no?
C provee una funcion para crear n
umeros aleatorios: rand(). Esta
funcion da como resultado enteros entre 0 y RAND_MAX, cuyo valor esta
definido en el archivo de cabecera stdlib.h. La siguiente funcion devuelve un valor doble precisi
on aleatorio, o seudoaleatorio, en el intervalo
[a, b]. Se utiliza el cambio de variable
t=a+
ba
r.
RAND MAX
Cuando r vale 0, entonces t vale a. Cuando r vale RAND_MAX, entonces t

vale b.
double aleat(double a, double b)
{
// calculo de un numero aleatorio en
[ a, b ]
double r;
r = a + rand()*(b-a)/RAND_MAX;
return r;
}
Utilizando la anterior funcion se puede hacer una funcion que da valores
aleatorios a los elementos de un arreglo unidimensional.
void aleatX( double *x, int n, double a, double b)
{
// vector aleatorio, valores entre a y b
int k;
for( k=0; k<n; k++) x[k] = aleat(a,b);
}
En el siguiente trozo de programa, se hace el llamado a la funcion anterior, primero para un vector, luego para una matriz almacenada en un
arreglo unidimensional.
130
DINAMICA
6.6. ASIGNACION
DE MEMORIA
double x[1000];
double a[250000]; // matriz A
int m, n;
...
m = 400;
n = 500;
...
aleatX(x, n, 0.0, 1.0);
aleatX(a, m*n, -1.0, 1.0);
...
6.6
Asignaci
on din
amica de memoria
Cuando se declara un arreglo en una funcion, por ejemplo en main, con

un tama
no determinado, C separa para el la memoria durante todo el
tiempo que el control del programa este en esa funcion (desde que entra
hasta que sale). Buscando que el programa sea general, es necesario
declarar el arreglo con un n
umero muy grande de elementos. Sin embargo, la mayora de las veces se va a usar ese arreglo con un n
umero
peque
no de elementos. La memoria reservada para ese arreglo no puede
ser utilizada por otro arreglo que podra necesitarla. Como la memoria es un recurso finito, no debe desperdiciarse. M
as a
un: si se trata
de utilizar arreglos demasiado grandes podra producirse un error, durante la compilaci
on, por memoria insuficiente. En algunos sistemas
operacionales, cuando se pide m
as memoria que la disponible, el sistema
utiliza el disco duro para reemplazar la memoria faltante, pero hay un
inconveniente: el acceso al disco duro es mucho menos rapido que el
acceso a la memoria.
C permite trabajar con arreglos del tama
no exactamente necesitado,
mediante la asignaci
on din
amica de memoria. Considere el siguiente
ejemplo, que usa las funciones anteriores escrX, aleat, aleatX.
double *x;
int n;
printf(" n = ");
scanf("%d", &n );
131
6. APUNTADORES
x = malloc( n*sizeof(double) );
if( x == NULL ){
printf(" Memoria insuficiente\n");
exit(1);
}
aleatX(x, n, -1.0, 1.0);
escrX(x, n);
free(x);
A lo largo de este libro se supondr
a que cuando un programa usa funciones definidas con anterioridad, para que funcione, es necesario agregar, al codigo presentado, el prototipo, la definicion y los archivos de
cabecera de cada una de las funciones utilizadas.
La funcion sizeof, del lenguaje C, da como resultado un entero
que indica el n
umero de bytes que utilizan las variables cuyo tipo es
el indicado por el par
ametro. En la mayora de las implementaciones
sizeof(double) es 8. La funcion malloc reserva el n
umero de bytes indicado por el par
ametro. Se hubiera podido escribir x = malloc(n*8),
pero podra no funcionar en un computador con un compilador de C
donde los n
umeros doble precisi
on utilicen un n
umero de bytes diferente
de 8. Cuando no hay suficiente memoria disponible, la funcion malloc
devuelve NULL, o sea, el apuntador valdra NULL. Es muy conveniente
controlar siempre si hubo suficiente memoria. La funcion free libera el
espacio que haba sido reservado para x.
El ejemplo anterior, hecho en C, y suponiendo que las funciones estan
estrictamente en C, puede presentar errores con algunos compiladores,
si se compila como programa C++. Este hecho es muy poco frecuente,
pero puede suceder.
El anterior inconveniente se puede solucionar colocando un molde
para el uso de malloc:
x = (double *)malloc( n*sizeof(double) );
La asignaci
on anterior es valida tanto en C como en C++.
La asignaci
on de memoria en C++ es m
as sencilla; se hace por medio
de new. La memoria que ya fue utilizada y que no se necesita m
as, se
libera mediante delete. Aunque a veces no es absolutamente indispens132
DINAMICA
6.6. ASIGNACION
DE MEMORIA
able liberar la memoria al salir de una funcion, de todas maneras s es

una buena costumbre de programaci
on el hacerlo.
Los ejemplos que siguen se refieren a la evaluacion de un polinomio
p en un valor dado t. Supongamos que en un arreglo p estan almacenados los coeficientes de un polinomio de grado n. Las siguientes lneas
permiten leer el grado del polinomio, asignar memoria din
amicamente
para almacenar los coeficientes, dar valores aleatorios a los coeficientes
e imprimirlos.
double *p;
int n;
printf(" n = ");
scanf("%d", &n );
p = new double[n+1];
if( p == NULL ){
exit(1);
}
aleatX(p, n+1, -10.0, 10.0);
escrX(p, n+1);
delete p;
La siguiente funcion muestra una manera sencilla, pero ineficiente, de
evaluar p(t).
double evalPol00( double *p, int n, double t)
{
// evaluacion simplista de p(t)
// p(x) = p[0] + p[1]*x + p[2]*x*x + ... + p[n]*x^n
int i;
double pt = 0.0;
for( i=0; i<= n; i++) pt += p[i]*pow(t,i);
return pt;
}
133
6. APUNTADORES
Una manera m
as eficiente de evaluar p(t) = a0 + a1 t + a2 t2 + + an tn
consiste en observar la siguiente manera de agrupar.
p(t) = ( (((an )t + an1 )t + an2 )t + + a1 )t + a0 .
Es decir, se empieza con el valor an . A continuaci
on se repite el proceso:
se multiplica por t y se adiciona el siguiente coeficiente (en orden decreciente). Esta manera de calcular se conoce con el nombre de esquema
de H
orner o tambien hace parte del proceso conocido como divisi
on
sintetica. La divisi
on sintetica permite evaluar p(t) y, al mismo tiempo,
proporciona el polinomio cociente al efectuar la divisi
on p(x)/(x t).
Como ejemplo, considere el polinomio p(x) = 3 4x + 5x2 16x3 + 7x4
dividido por x 2.
7
7
16
14
2
5
4
1
4
2
2
3
4
1
Entonces p(2) = 1 y 7x4 16x3 + 5x2 4x + 3 = (7x3 2x2 + x

2)(x 2) + (1).
La primera de las dos funciones que siguen, evalPol, eval

ua el polinomio en un valor t usando el esquema de H
orner. La segunda funcion
devuelve p(t) (que tambien es el residuo) y en el arreglo apuntado por q
estan los coeficientes del polinomio cociente de la divisi
on. El arreglo p
debe tener n+1 elementos; el cociente, de grado n1, tiene n elementos.
double evalPol( double *p, int n, double t)

{
// evaluacion de p(t) utilizando el esquema de Horner
// p(x) = p[0] + p[1]*x + p[2]*x*x + ... + p[n]*x^n
double pt, *pi, *pn;
pi = p + n;
pt = *pi;
pi--;
while( pi >= p ) pt = pt*t + *pi--;
return pt;
}
//-----------------------------------------------134
6.7. MATRICES Y APUNTADORES DOBLES
double
{
//
//
//
//
//
divSint( double *p, int n, double t, double *q)

division sintetica de p(x)/(x-t)
n es el grado del polinomio
p(x) = p[0] + p[1]*x + p[2]*x*x + ... + p[n]*x^n
devuelve el residuo
q contiene el cociente
double pt; // p(t) : residuo

double *pi, *pn, *qi;
pi = p + n;
pt = *pi;
pi--;
qi = q+n-1;
while( pi >= p ){
*qi-- = pt;
pt = pt*t + *pi--;
}
return pt;
}
Al utilizar las funciones evalPol00 y evalPol con polinomios creados
aleatoriamente, se ve una gran gran diferencia entre la eficiencia de los
dos metodos. La siguiente tabla muestra algunos tiempos en segundos.
n=
evalPol00
evalPol
6.7
500000
0.33
0.03
1000000
0.65
0.06
5000000
3.56
0.29
Matrices y apuntadores dobles
Otra de las maneras u

tiles para el manejo de matrices, que no quitan
generalidad a las funciones, es mediante apuntadores dobles (apuntadores a apuntadores).
Consideremos una matriz de m filas y n columnas. Cada fila tiene
n elementos y se puede considerar como un arreglo unidimensional de n
elementos. Para el manejo de cada fila, basta con conocer la direccion
135
6. APUNTADORES
del primer elemento de la fila. O sea, cada fila se maneja por medio
de un apuntador. Como hay m filas, entonces hay m apuntadores y se
necesita un arreglo con los m apuntadores. A su vez este arreglo de
apuntadores se puede manejar con la direccion del primer apuntador, o
sea, con un apuntador a apuntador.
Si a es un apuntador doble, entonces a[i] es la direccion de a[i][0]
y a es la direccion de a[0], es decir,
a[i] = &a[i][0],
a = &a[0].
En el siguiente ejemplo se hace un asignaci
on din
amica de memoria
para una matriz, se imprimen ciertas direcciones y valores y se libera la
memoria asignada.
double **a;
int m, n, i, j;
m = 4;
n = 3;
//-------------------------------------------// asignacion de memoria
a = new double *[m] ;
if( a == NULL ){
printf("Memoria insuficiente\n");
exit(1);
}
for( i=0; i<m; i++) {
a[i] = new double [n];
if( a[i] == NULL ){
printf("Memoria insuficiente\n");
exit(1);
}
}
//-------------------------------------------// algunos resultados
for( i = 0; i < m; i++){
136
6.7. MATRICES Y APUNTADORES DOBLES
for( j = 0; j < n; j++)

printf("&a[%d][%d]=%d ", i, j, &a[i][j] );
//printf("&a%d%d=%d ", i, j, &a[i][j]);
printf("\n");
}
printf("\n");
for(i=0; i<m; i++) printf("a[%d]=%d\n", i, a[i]);
printf("\n");
for(i=0; i<m; i++) printf("&a[%d]=%d\n", i, &a[i]);
printf("\n");
printf("a = %d\n", a);
//-------------------------------------------// liberacion de memoria
for( i=0; i<m; i++) delete a[i];
delete a;
Los resultados pueden ser los siguientes:
&a[0][0]=6695108
&a[1][0]=6695136
&a[2][0]=6695164
&a[3][0]=6695192
&a[0][1]=6695116
&a[1][1]=6695144
&a[2][1]=6695172
&a[3][1]=6695200
&a[0][2]=6695124
&a[1][2]=6695152
&a[2][2]=6695180
&a[3][2]=6695208
a[0]=6695108
a[1]=6695136
a[2]=6695164
a[3]=6695192
&a[0]=6695088
&a[1]=6695092
&a[2]=6695096
&a[3]=6695100
a = 6695088
Observe, en el ejemplo anterior, los siguientes hechos:
En la declaraci
on, el nombre del apuntador doble esta precedido
por dos asteriscos.
137
6. APUNTADORES
Primero se asigna memoria para un arreglo de apuntadores.

En la asignaci
on de memoria para un arreglo de apuntadores, se
coloca un asterisco antes del parentesis cuadrado izquierdo.
A cada uno de los apuntadores del arreglo de apuntadores se le
asigna memoria para los elementos de la fila correspondiente.
La liberacion de memoria se hace en el orden inverso, primero se
libera la memoria apuntada por cada uno de los apuntadores del
arreglo de apuntadores.
Despues se libera la memoria apuntada por el apuntador doble.
En los resultados se pueden comprobar varios hechos. El primer paquete muestra las direcciones de cada uno de los elementos de la matriz.
Observe que en cada fila las direcciones son consecutivas (de 8 en 8 por
tratarse de n
on). El primer elemento de una fila
no esta en la direccion siguiente a la direccion del u
ltimo elemento de
la fila anterior. El segundo paquete muestra los valores del arreglo de
apuntadores. Obviamente el valor de a[i] es exactamente la direccion
de a[i][0]. El tercer paquete de resultados muestra las direcciones de
los elementos del arreglo de apuntadores. Las direcciones son contiguas,
pero no de 8 en 8. El valor de a es exactamente la direccion del primer
elemento del arreglo de apuntadores.
La asignaci
on din
amica de memoria para una matriz en un apuntador
doble, y su liberacion, pueden hacerse por medio de las funciones que
aparecen a continuaci
on.
double
{
//
//
//
//
**creaA( int m, int n)

asigna dinamicamente memoria para una matriz
m >= 1, n >= 1
devuelve un valor de apuntador a apuntador
tipo doble precision
double **p;
int i;
p = new double *[m] ;
138
m x n
6.8. ARREGLOS A PARTIR DE 1
if( p == NULL
) return( NULL );
for( i=0; i<m; i++) {

p[i] = new double[n];
if( p[i] == NULL ) return( NULL );
}
return p;
}
//--------------------------------------------------------void libA( double **a, int m)
{
// libera memoria asignada a una matriz
// m : numero de filas
int i;
for( i = 0; i < m; i++) delete a[i];
delete a;
}
A continuaci
on aparece un ejemplo de la utilizaci
on de estas dos funciones.
double **a;
int m, n;
...
a = creaA(m, n);
...
libA( a, m);
Observe en la definicion de la funcion, que creaA devuelve un apuntador
doble, indicado por los dos asteriscos que preceden al nombre de la
funcion. Por supuesto en el llamado se necesita un apuntador doble.
6.8
Arreglos a partir de 1
Como se ha visto, los arreglos en C empiezan en 0. A veces por mayor

comodidad, o por necesidad, deben comenzar en el subndice 1. Medi139
6. APUNTADORES
ante un desplazamiento del valor del apuntador, se puede manejar un

apuntador con subndices entre 1 y n. M
as a
un, es posible hacer variar
el subndice entre dos valores enteros i1 <i2.
Considere la siguiente porci
on de programa.
double *x;
// arreglo entre 1 y n
int n, i;
n = 7;
x = new double[n];
x--;
for( i = 1; i <= n; i++) x[i] = i*i*i;
x++;
delete x;
Suponga que el valor de x , despues de la asignaci
on de memoria, es
la direccion 10328. Entonces las 7 direcciones para los 7 elementos del
arreglo son: 10328+08, 10328+18, 10328+28, ..., 10328+68. La
orden x-- hace que el valor de x se disminuya en una unidad de memoria
doble precisi
on, entonces x pasa a valer 10320. Las posiciones de
memoria para los 7 elementos siguen siendo las mismas, pero se pueden
ver como los valores 10320 + 1 8, 10320 + 2 8, 10320 + 3 8, ...,
10320 + 7 8. Es decir, a partir de ese nuevo valor de x, los elementos
del vector estaran en las posiciones 1 hasta 7.
Para liberar la memoria se requiere que x tenga el valor inicial, entonces es necesario incrementar su valor en una unidad (de memoria
doble precisi
on).
La siguiente porci
on de programa muestra como podra ser el manejo
de arreglos bidimensionales con asignaci
on din
amica de memoria, comenzando en el subndice 1.
double **a; // matriz
con subindices en [1,m], [1,n]
int m, n, i, j;
m = 3;
140
6.8. ARREGLOS A PARTIR DE 1
n = 4;
a = new double *[m];
if( a == NULL ){
exit(1);
}
a--;
for( i = 1; i <= m; i++){
a[i] = new double[n];
if( a[i] == NULL ){
exit(1);
}
a[i]--;
}
for( i = 1; i <= m; i++){
for( j = 1; j <= n; j++) a[i][j] = i*j;
}
// liberacion de la memoria
for( i = 1; i <= m; i++ ){
a[i]++;
delete a[i];
}
a++;
delete a;
Fue necesario disminuir en una unidad tanto a , como cada uno de los
a[i]. Para liberar la memoria se requiere el proceso inverso.
A fin de obtener un arreglo con subndice que vare entre i1 y i2,
i1<i2, se necesita asignar memoria para i2-i1+1 elementos y disminuir
el valor del apuntador en i1. El siguiente ejemplo ilustra lo anterior.
double *y;
// arreglo entre
int i, i1, i2;
141
i1 e i2, i1 < i2
6. APUNTADORES
i1 = -2;
i2 = 7;
y = new double[i2-i1+1];
y -= i1;
for( i =i1; i <= i2; i++) y[i] = rand();
y += i1;
delete y;
Ejercicios
ales son los datos
necesarios. Haga un programa que lea los datos, llame la funcion (o las
funciones) que realiza los calculos y devuelve los resultados, y finalmente
que el programa principal (la funcion main) muestre los resultados. En
todos los casos haga asignaci
on din
amica de memoria. Cuando se trate
de matrices, haga el programa de dos maneras, almacenando la matriz
mediante apuntadores sencillos y mediante apuntadores dobles.
6.1 Considere los ejercicios del captulo anterior.
6.2 Haga funciones que realicen las siguientes operaciones elementales
sobre las filas de una matriz: intercambiar dos filas; multiplicar
una fila por una constante; agregar a una fila un m
ultiplo de otra
fila.
6.3 Construya la traspuesta de una matriz.
6.4 Dada una matriz A, calcule AT A.
6.5 Averig
ue si una matriz es simetrica.
6.6 Averig
ue si una matriz es diagonal.
6.7 Averig
ue si una matriz es triangular superior.
142
Lectura y escritura en
archivos
Este captulo presenta las nociones de C sobre la lectura y escritura
en archivos de texto. La lectura de un archivo existente, se hace de
manera secuencial, es decir, lo que esta en el archivo se lee en el orden en
que aparece. No se puede leer un dato al principio del archivo, despues
al final y despues en la mitad. La escritura tambien es secuencial.
En realidad, de manera artificial, s se podra, por ejemplo, leer el
primer dato, leer los datos que siguen pero desechandolos hasta llegar
al final, leer el dato deseado, devolverse hasta el principio, leer datos
desechandolos y leer el dato deseado en un punto intermedio del archivo.
Sin embargo, en este libro, siempre se supondr
a que la lectura y escritura
se hacen de manera natural, es decir, secuencial.
Las principales funciones que se utilizan para la entrada y salida con
archivos estan a continuaci
on. La palabra entrada se refiere a lectura: la
informaci
on entra, desde un archivo, al programa. La palabra salida se
refiere a escritura: la informaci
on sale del programa hacia un archivo.
Observe que por convencion todas empiezan por la letra f (de file).
fopen,
fscanf,
fclose,
fprintf,
feof.
143
7. LECTURA Y ESCRITURA EN ARCHIVOS
7.1
fopen, fscanf, fclose, fprintf
El siguiente programa lee en un archivo el tama

no de un vector, lee
las componentes del vector, calcula el promedio y escribe este u
ltimo
resultado en otro archivo.
// lectura de un vector en un archivo
// escritura del promedio en otro archivo
#include...
int main()
{
double *x, prom;
FILE *archDat, *archRes;
int n, i;
archDat = fopen("datos1", "r");
if( archDat == NULL ){
printf("\n\n Archivo inexistente.\n\n");
exit(1);
}
fscanf(archDat, "%d", &n);
x = new double[n];
if( x == NULL ){
printf("\n\n Memoria insuficiente.\n\n");
exit(1);
}
for( i=0; i<n; i++) fscanf(archDat, "%lf", &x[i]);
fclose(archDat);
archRes = fopen("ejemplo.res", "w");
prom = promX(x, n);
fprintf(archRes, " promedio = %12.4lf\n", prom);
fclose(archRes);
return 0;
}
144
7.1. fopen, fscanf, fclose, fprintf
El programa usa las variables archDat y archRes. Estas variables apuntan a un FILE, que es el tipo de archivo que se va a utilizar, es decir,
un archivo de texto de acceso secuencial. Simplificando, se puede decir
que archDat es el nombre de un archivo dentro del programa.
El nombre externo del archivo, en el sistema operacional, es datos1.
La funcion fopen hace la correspondencia entre el nombre interno y el
nombre externo, y abre el archivo. El segundo par
ametro de fopen, o
sea la cadena de caracteres "r", indica que se trata de un archivo para
lectura.
Las maneras m
as usuales de manejo de archivos de texto mediante
fopen son:
"r"
"w"
"a"
"r+"
Para
Para
Para
Para
lectura.
escritura.
escritura, al final del archivo.
lectura y escritura.
Al abrir un archivo para lectura, necesariamente debe existir. Si la

funcion fopen no puede abrir el archivo, entonces devuelve NULL. Es
una buena costumbre verificar si el programa pudo abrir el archivo.
La lectura en un archivo se puede hacer mediante la funcion fscanf.
Su manejo es semejante al de scanf, pero tiene un par
ametro adicional,
antes de la cadena de formato. Este primer par
ametro indica en que
archivo (nombre interno dentro del programa) va a hacerse la lectura.
En el programa del ejemplo, la funcion fscanf se utilizo para leer n
(tama
no del vector) y para leer cada una de las componentes del vector.
Supongamos que el vector tiene cuatro componentes y sus valores son
1.2, 1.8, 3 y 4. Como la lectura es secuencial, cualquiera de los siguientes
tres ejemplos de archivo (hay muchos otros m
as) son adecuados.
Primer ejemplo del archivo datos1:
4
1.2 1.8 3 4
Segundo ejemplo del archivo datos1:
4
1.8
3
1.2
4
145
Tercer ejemplo del archivo datos1.

4
1.2
1.8
4 5.1
La funcion fclose permite cerrar los archivos de texto previamente

abiertos. Algunas veces no es absolutamente necesario cerrar los archivos,
pero es una buena costumbre de programaci
on cerrar los archivos abiertos cuando finaliza su uso. El u
nico par
ametro para la funcion fclose
es el nombre (interno) del archivo.
La escritura en un archivo se puede hacer con la funcion fprintf.
Su manejo es semejante al de printf, pero tiene un par
ametro adicional,
antes de la cadena de formato. Este primer par
ametro indica en que
archivo (nombre interno en el programa) va a hacerse la escritura.
Al tratar de abrir un archivo para escritura, en modo "w", pueden presentarse tres casos.
Existe el archivo con ese nombre, entonces fopen borra el existente
y crea uno nuevo, listo para empezar a escribir en el.
El nombre de archivo es adecuado pero no existe, entonces fopen
crea uno con ese nombre, listo para empezar a escribir en el.
El nombre del archivo es inadecuado, entonces fopen devuelve el
valor NULL.
El programa del ejemplo anterior hace uso de una funcion promX, que
calcula el promedio de los primeros n elementos de un arreglo. Puede
ser cualquiera de las cuatro funciones promX del captulo 5. Obviamente
hay que incluirla dentro del programa, lo mismo que su prototipo.
En el programa del ejemplo, el archivo de lectura se llama datos1 y
el archivo de escritura se llama ejemplo.res. Si se quiere modificar los
datos, basta con editar el archivo datos1, efectuar los cambios necesarios
y correr de nuevo el programa. En algunos casos esto puede ser u
til.
146
7.1. fopen, fscanf, fclose, fprintf
Pero en otros casos puede ser m

as flexible dar al programa, durante su
ejecuci
on, los nombres de los archivos que van a ser usados.
El siguiente programa, modificaci
on del anterior, permite que durante la ejecuci
on reciba los nombres de los archivos.
// Lectura y escritura en archivos
// lectura de los nombres de los archivos
#include...
int main()
{
// lectura de un vector en un archivo
// escritura del promedio en otro archivo
double *x, prom;
char nombre[41];
int n, i;
printf("\n Nombre del archivo con los datos: ");
gets(nombre);
archDat = fopen(nombre, "r");
exit(1);
}
x = new double[n];
if( x == NULL ){
exit(1);
}
for( i=0; i<n; i++) fscanf(archDat, "%lf", &x[i]);
fclose(archDat);
printf("\n Nombre del archivo para resultados: ");
gets(nombre);
archRes = fopen(nombre, "w");
147
if( archRes == NULL ){

printf("Nombre de archivo de resultados erroneo.\n");
exit(1);
}
prom = promX(x, n);
fprintf(archRes, " promedio = %12.4lf\n", prom);
fclose(archRes);
return 0;
}
La funcion fscanf, de manera an
aloga a la funcion scanf, devuelve un
valor entero que indica el n
umero de campos bien ledos y almacenados.
Si no hubo almacenamiento, fscanf devuelve 0; si encuentra el final del
archivo, devuelve EOF (generalmente EOF es lo mismo que 1).
7.2
feof
En los dos ejemplos anteriores, el primer dato indicaba el n

umero de
valores que el programa deba leer. En algunos casos se sabe que un
archivo contiene valores y es necesario leerlos, pero no se conoce por
anticipado el n
umero de valores. Entonces el programa debe leer hasta
que encuentre el final del archivo. Para esto se utiliza la funcion feof
(end of file). Esta funcion tiene como par
ametro un archivo (un apuntador a tipo FILE). Devuelve un valor no nulo si se ha alcanzado el fin
de archivo, y 0 en caso contrario.
Suponga que es necesario calcular el promedio y la desviaci
on estandar de los valores contenidos en un archivo. La definicion de desviacion
estandar
1/2
Pn
)2
i=1 (xi x
=
n
indicara que es necesario conocer primero el promedio, x
, para poder
calcular los valores (xi x
)2 , es decir, se necesitara leer dos veces el
archivo, la primera para poder calcular el promedio y la segunda para
los valores (xi x
)2 . Otra posibilidad consistira en almacenar todos
los valores en un arreglo y despues hacer todos los calculos necesarios.
Esto implicara el uso de mucha memoria, si el archivo es muy grande.
Finalmente, una solucion mucho m
as eficiente consiste en utilizar otra
148
7.2. feof
definicion equivalente de desviacion estandar:

Pn 2
1/2
x2
i=1 xi n
=
.
n
El siguiente programa lee valores numericos en un archivo, hasta que
encuentra el fin de archivo o hasta que detecta problemas en la lectura
mediante fscanf. Calcula el promedio y la desviacion estandar de los
valores ledos.
// Calculo de la desviacion estandar
// Utilizacion de feof
#include...
int main()
{
double xi, prom, sumax, sumaxx, desvEst;
char nombre[41];
int n, fin, res;
gets(nombre);
exit(1);
}
printf("\n Nombre del archivo para resultados: ");
gets(nombre);
archRes = fopen(nombre, "w");
exit(1);
}
sumax = 0.0;
sumaxx = 0.0;
n = 0;
149
fin = 0;
while( !fin ){
res = fscanf(archDat, "%lf", &xi);
if( feof(archDat) || res <= 0 ) fin = 1;
else{
fprintf(archRes, "%12.6lf\n", xi);
n++;
sumax += xi;
sumaxx += xi*xi;
}
}
fclose(archDat);
if( n > 0 ){
prom = sumax/n;
desvEst = sqrt( (sumaxx - n*prom*prom)/n );
fprintf(archRes, "promedio = %12.4lf\n", prom);
fprintf(archRes, "desviacion estandar = %12.4lf\n",
desvEst);
}
else {
fprintf(archRes, " No hay numeros.\n");
}
fclose(archRes);
return 0;
}
Si en el archivo solamente hay n
umeros bien escritos, el programa calcula
su promedio y desviacion estandar. Si antes del fin de archivo la funcion
fscanf detecta errores en la lectura, entonces el programa calcula el
promedio y desviacion estandar de los valores ledos hasta ese momento.
7.3
Algunos ejemplos
A continuaci
on aparecen varios ejemplos de funciones de lectura y de
escritura en archivos, de vectores y de matrices almacenadas en arreglos
unidimensionales o mediante el uso de apuntadores dobles.
int flectX(FILE *arch, double *x, int n)
150
7.3. ALGUNOS EJEMPLOS
{
// Lectura en un archivo de los primeros
// elementos de un arreglo
x.
// Devuelve 1
//
0
//
//
-1
//
si se efectuo la lectura normalmente,

si se encontro fin de archivo antes
de acabar la lectura,
si hubo un error durante la lectura
con fscanf.
int i, res;
for(i=0; i< n; i++){
res = fscanf(arch, "%lf", &x[i]);
if( feof(arch) ) return 0;
if( res <= 0 ) return -1;
}
return 1;
}
//--------------------------------------------------------void fescrX(FILE *arch, double *x, int n )
{
//escritura en un archivo de los elementos de un vector
int j;
for( j = 0; j < n; j++){
fprintf(arch, "%15.8lf", x[j]);
if((j+1)%nEltosLin == 0 || j== n-1)
fprintf(arch,"\n");
}
}
A continuaci
on se presenta un ejemplo esquem
atico de la utilizacion de
las dos funciones anteriores.
double *x;
151
int n, res;
...
archDat = fopen( ..., "r");
exit(1);
}
...
archRes = fopen( ..., "w");

x = new double[n];
res = flectX(archDat, x, n);
switch( res ){
case 1:
fprintf(archRes," x :\n");
fescrX(archRes, x, n);
break;
case 0:
fprintf(archRes,"Fin de archivo imprevisto.\n");
break;
case -1:
fprintf(archRes, "Error en lectura.\n");
break;
default:
fprintf(archRes, "RARISIMO.\n");
break;
}
Las siguientes funciones sirven para lectura y escritura en archivos de
matrices en arreglos unidimensionales o mediante apuntadores dobles.
int flectA1(FILE *arch, double *a, int m, int n)
{
// Lectura en un archivo de una matriz m x n
// almacenada en un arreglo unidimensional
152
// Devuelve 1
//
0
//
//
-1
//
// usa :

con fscanf.
flectX
int i, res;
for(i=0; i< m; i++){
res = flectX(arch, &a[i*n], n);
if( res <= 0 ) return res;
}
return 1;
}
//-----------------------------------------------void fescrA1(FILE *arch, double *a, int m, int n)
{
// Escritura en un archivo de una matriz m x n
// almacenada en un arreglo unidimensional
// usa :
fescrX
int i;
for(i=0; i< m; i++) fescrX(arch, &a[i*n], n);
}
//-----------------------------------------------int flectA(FILE *arch, double **a, int m, int n)
{
// Lectura en un archivo de una matriz m x n
// almacenada mediante un apuntador doble.
// Devuelve 1
//
0
//
//
-1
si
si
de
si
se efectuo la lectura normalmente,

se encontro fin de archivo antes
acabar la lectura,
hubo un error durante la lectura
153
//
con
// usa :
fscanf.
flectX
int i, res;
for(i=0; i< m; i++){
res = flectX(arch, a[i], n);
if( res <= 0 ) return res;
}
return 1;
}
//-----------------------------------------------void fescrA(FILE *arch, double **a, int m, int n)
{
// Escritura en un archivo de una matriz m x n
// almacenada mediante un apuntador doble.
// usa :
fescrX
int i;
for(i=0; i< m; i++) fescrX(arch, a[i], n);
}
Ejercicios
ales son los
datos necesarios. Haga un programa que lea los datos en un archivo,
llame la funcion que realiza los calculos y finalmente escriba los resultados en un archivo.
7.1 Considere los ejercicios de los captulos anteriores, especialmente
aquellos en que el n
umero de datos puede ser grande.
7.2 Considere un archivo que contiene u
nicamente n
umeros; por ejemplo:
3.141592
-342
154
1.5e-2
-32.1542
32.5E+02 +31 31.45 1000
0.31415E1
Haga un programa que detecte si hay errores. Si los hay, indique
el n
umero de la lnea donde esta el error (por lo menos el primero)
y muestre el trozo de lnea donde esta el error. Si no hay errores, habiendo averiguado el n
umero de n
umeros, asigne memoria din
amicamente y almacene los n
umeros. Sugerencia: lea cada
lnea del archivo como una cadena. En cada lnea determine la
subcadena correspondiente a un posible n
umero y conviertala, si
es posible, en un n
umero.
7.3 Considere un archivo de texto donde estan los resultados de una
encuesta. Defina la estructura del archivo; por ejemplo, de las
columnas 1 a 10 hay un codigo, 11-12 edad, 13 sexo, 14-20 sueldo,
21-22 n
umero de hijos, etc. Haga un programa que lea el archivo
y encuentre las posibles inconsistencias, no solo de cada campo
(edad, sueldo...) sino tambien entre campo y campo; por ejemplo,
en las columnas 14-20 no debe haber letras, la edad no puede ser
negativa, si la edad es 10 no puede tener 4 hijos...
7.4 Considere un archivo con restricciones (igualdades o desigualdades)
escrito de manera semejante al siguiente ejemplo:
2*escritorios + 3*sillas>=24
4.5*mesas+3.1*sillas <= 31.5
Defina las caractersticas que debe tener el archivo. Haga un programa que lea el archivo, detecte si esta bien hecho y escriba en
otro archivo el n
umero de variables, el n
umero de restricciones, la
lista de las variables y las restricciones por medio de una matriz
A, un vector de tipos de restricciones y un vector b de terminos
independientes.
155
156
Temas varios
Este captulo contiene varios temas sueltos, que no son indispensables
pero pueden ser muy u
tiles en algunos casos.
8.1
sizeof
La funcion sizeof sirve principalmente para conocer el n

umero de bytes
que utiliza un compilador especfico para los diferentes tipos de datos.
El siguiente ejemplo muestra su uso y los resultados con un compilador
y en un computador especfico. Con otro compilador o en otra clase de
computador los resultados pueden ser diferentes.
// sizeof
#include...
//------------------------------------------------int main()
{
double *x, y[10], a[10][10], *p;
x = new double[20];
printf("Tama~nos(bytes) de los
printf(" int
: %d \n",
printf(" float
: %d \n",
printf(" double
: %d \n",
157
diferentes tipos.\n\n");
sizeof(int));
sizeof(float));
sizeof(double));
8. TEMAS VARIOS
printf(" char
printf("
printf("
printf("
printf("
%d \n\n", sizeof(char));
short int : %d \n", sizeof(short int));

long int
: %d \n", sizeof(long int));
unsigned
: %d \n", sizeof(unsigned));
long double: %d \n\n", sizeof(long double));
p = y;
printf(" arreglo
printf(" arreglo
printf(" apuntador
printf(" apuntador
return 0;
y
a
x
p
:
:
:
:
%d\n",
%d\n",
%d\n",
%d\n",
sizeof(y) );
sizeof(a) );
sizeof(x));
sizeof(p));
}
El programa anterior produce los siguientes resultados:
Tama~nos (bytes) de los diferentes tipos.
int
float
double
char
:
:
:
:
4
4
8
1
short int : 2
long int
: 4
unsigned
: 4
long double: 10
arreglo
arreglo
apuntador
apuntador
y
a
x
p
:
:
:
:
80
800
4
4
En este caso, en el mismo computador con el mismo compilador, los

tipos int y long int tienen el mismo tama
no; entonces no se justifica
utilizar variables o constantes tipo long int. Al utilizar sizeof con
un arreglo, la respuesta es el n
umero total de bytes utilizados por el
arreglo; por ejemplo, para los arreglos y y a. Los arreglos y los apuntadores tienen, en general, una manejo casi identico, pero son en realidad
158
8.2. const
diferentes. Observe que utilizar sizeof para x, un apuntador al que se

le ha asignado memoria din
amicamente, no da como resultado el total
de memoria asignada. Tampoco devuelve el valor imaginado, es decir
80, la utilizaci
on de sizeof con el apuntador p al que se le asigno el
valor de y.
8.2
const
Si en la declaraci
on de algunas variables, el especificador const precede
al tipo, entonces el compilador sabe que esas variables no pueden ser
modificadas en el programa. M
as especficamente, no puede haber asignaciones donde el lado izquierdo sea una de esas variables. Adem
as, hace
m
as legible el programa fuente, al indicar que se trata de una constante.
const double c = 2.998E8, velSon = 331.0;
// velocidades de la luz y del sonido en m/s
const int nMax = 100;
El compilador producira un mensaje de error si posteriormente se trata
de hacer una asignaci
on. El mensaje de error puede ser an
alogo a
Error...: Cannot modify a const object in function main().
c *= 1.001;
nMax += 0;
Observe que realmente nMax += 0 no trata de modificar la variable nMax,
pero para el compilador es un error por estar en el lado izquierdo de una
asignaci
on.
8.3
typedef
La utilizaci
on de typedef simplemente introduce un sinonimo para un
tipo de datos. El esquema de su uso es el siguiente:
typedef tipo sin
onimo;
Por ejemplo,
typedef int entero;
159
8. TEMAS VARIOS
permite usar entero en lugar de int en las declaraciones de tipo de las

variables, como la siguiente declaraci
on:
entero i, j = 4, m;
En el siguiente ejemplo, referente al epsilon de la m
aquina, se usa la
palabra clave typedef. La representaci
on de un n
umero real en el computador tiene un n
umero finito de cifras significativas. Para conocer un
valor aproximado del n
umero de cifras significativas se utiliza el epsilon
de la m
aquina.
maq = min{ > 0 : 1 + > 1}.
En la definicion anterior, la comparacion 1+ > 1 no se hace en el sentido
matem
atico estricto; se hace seg
un la interpretacion del computador, es
decir, muy probablemente para el computador, en lenguaje C, 1+.001 >
1, pero 1 + 10100 lo considera igual a 1. Una manera aproximada de
calcular maq consiste en empezar con = 1 e ir disminuyendo su valor
hasta que no se detecte diferencia entre 1 + y 1. El siguiente ejemplo
calcula una aproximacion de maq cuando se trabaja con n
umeros doble
precisi
on.
// uso de
typedef
#include
#include
#include
#include
#include
#include
<math.h>
<stdio.h>
<stdlib.h>
<time.h>
"misfunc.h"
<iostream.h>
typedef double numero;

numero epsMaq(void);
//======================================
int main()
{
cout<<" eps de la maquina = "<<epsMaq()<<endl;
return 0;
}
160
8.4. include
//======================================
numero epsMaq(void)
{
// calculo aproximado del epsilon de la maquina
const numero uno = 1.0;
const numero divisor = 2.0;
numero eps, unoEps;
eps = 1.0;
unoEps = uno+eps;
while( unoEps > uno ){
eps /= divisor;
unoEps = uno+eps;
}
eps *= divisor;
return eps;
}
El resultado puede ser 2.22045e-16. Esto indica que los n
umeros doble
precisi
on utilizan aproximadamente 16 cifras significativas.
Si se desea calcular el epsilon de la m
aquina usando n
umeros de
precisi
on sencilla, basta con cambiar u
nicamente la lnea typedef, para
que quede
typedef float numero;
En este caso el resultado puede ser 1.19209e-07, lo que indica que
los n
umeros de precisi
on sencilla utilizan aproximadamente siete cifras
significativas.
8.4
include
En un programa fuente, adem

as de las ordenes y controles correspondientes al lenguaje C o C++, hay otras ordenes o directrices para el
preprocesador, quien las realiza antes de la compilaci
on. Las directrices
para el preprocesador, una u
nicamente por lnea, empiezan con # .
161
8. TEMAS VARIOS
Cuando aparece en el programa fuente #include <nombrearchivo>,

entonces el preprocesador reemplaza esta lnea por el archivo completo.
Su uso puede ser de dos formas:
#include <nombrearchivo>
#include "nombrearchivo"
En el primer caso, es un archivo de cabecera estandar o ha sido creado
por el programador, pero debe estar donde se encuentran los archivos
de cabecera.
En el segundo caso, el archivo debe estar en el directorio o carpeta de
trabajo, es decir, donde esta el programa fuente. Si no est
a en la misma
carpeta donde esta el programa fuente, entonces es necesario indicar la
direccion exacta del archivo. Generalmente el nombre de estos archivos
tiene al final .h o .hpp .
Cuando se trata de un proyecto peque
no, un archivo de cabecera
creado por el programador tiene generalmente los prototipos de las funciones y despues las definiciones de las funciones. Tambien puede tener
otras directrices para el preprocesador.
El siguiente es un ejemplo de un archivo de cabecera para una peque
na
biblioteca creada por el programador. Supongamos que el nombre de
este archivo es mibibl.h .
double min( double a, double b);
double max( double a, double b);
double min( double a, double b)
{
// minimo de {a, b}
if( a <= b ) return a;
else return b;
}
//-------------------------------------double max( double a, double b)
{
// maximo de {a, b}
162
8.4. include

else return b;
}
El siguiente ejemplo, muy sencillo, calcula el mnimo y el m
aximo de
tres n
umeros. Usa el archivo de cabecera mibibl.h .
// minimo y maximo de
numeros
#include "mibibl.h"
int main()
{
double a, b, c;
cout<<"\n\n Minimo y maximo de 3 numeros.\n\n";
cout<<" entre los 3 numeros : ";
cin>>a>>b>>c;
cout<<a<<" "<<b<<" "<<c<<endl;
cout<<" minimo = "<<min(a, min(b, c) )<<endl;
cout<<" maximo = "<<max(a, max(b, c) )<<endl;
return 0;
}
Para proyectos de mayor tama
no, el archivo de cabecera, un archivo .h,
tiene u
nicamente los prototipos de las funciones. En otro archivo, un
archivo .c o .cpp, estan las definiciones de las funciones. Este u
ltimo,
cuando ya esta depurado, se compila una sola vez y esta listo para el
enlace o link. El resultado es un archivo .obj. El archivo donde esta
la funcion main tiene un include para el archivo .h, no para el archivo
donde estan las definiciones. As, cuando se compila el programa principal (lo cual se hace muchas veces), este incluye el archivo .h, muy
peque
no, y despues se hace el enlace con el .obj que esta listo. Si el
include abarcara, en un todo, los prototipos y las definiciones, cada vez
que se compila el programa principal habra que recompilar las definiciones de las funciones.
163
8. TEMAS VARIOS
8.5
define
La directriz define tiene dos usos. El primero sirve para definir constantes. Por tradicion estas constantes se escriben en may
usculas. Por
ejemplo:
#define PI 3.14159265358979
Cuando el compilador encuentra el identificador definido por medio de
la directriz define, lo reemplaza por la cadena asociada. En define se
puede usar algo ya definido; por ejemplo,
#define PI 3.14159265358979
#define PI2 2.0*PI
Observe que, como en las otras directrices para el preprocesador, no hay
punto y coma al final de la instruccion. Actualmente se prefiere el uso
de const que explicita el tipo.
const double PI = 3.14159265358979;
El segundo uso de define permite definir macros. Su forma general es
la siguiente:
#define identificador(identificador, ..., identificador) cadena
El anterior esquema es poco diciente. Los dos ejemplos siguientes

muestran mejor el uso de define.
#include...
#define CUADRADO(x) (x)*(x)
#define CUADRADOB(x) x*x
#define NORMA(x, y) (sqrt((x)*(x)+(y)*(y)))
int main()
{
double x = 3.0, y = 4.0;
cout<<CUADRADO(x)<<endl;
cout<<CUADRADOB(x)<<endl;
164
8.6. APUNTADORES A FUNCIONES
cout<<CUADRADO(x+y)<<endl;
cout<<CUADRADOB(x+y)<<endl;
cout<<NORMA(x, y)<<endl;
return 0;
}
Los resultados producidos son:
9
9
49
19
5
En la definicion de CUADRADO, aparentemente, hay muchos parentesis;
parece m
as natural definir como se hace en CUADRADOB. Los dos
primeros resultados coinciden, lo cual es absolutamente normal. Sin
embargo, el tercero y el cuarto no coinciden, pero en apariencia deban
coincidir. La razon es la siguiente: cuando el compilador encuentra
CUADRADOB(x+y) , lo reemplaza por x+y*x+y , diferente de lo esperado,
es decir de (x+y)*(x+y). Ahora es comprensible el resultado 19. Algunos autores recomiendan, por seguridad, empezar y terminar la cadena
con parentesis, como en NORMA. Entonces CUADRADO quedara as:
#define CUADRADO(x) ((x)*(x))
8.6
Apuntadores a funciones
Antes de ver exactamente la utilidad y la manera de usar los apuntadores

a funciones, veamos un ejemplo de una funcion que efect
ua el calculo
aproximado de la integral definida por la formula del trapecio. Su uso
se puede mejorar y generalizar por medio de apuntadores a funciones.
Sea
I = I(f, a, b) =
f (x) dx.
a
El valor de I se puede aproximar as:

!
n1
f (b)
f (a) X
ba
f (xi ) +
+
, xi = a + ih.
Ih
, donde h =
2
2
n
i=1
165
8. TEMAS VARIOS
Considere el siguiente programa:

// formula del trapecio para integrales,
// SIN apuntadores a funciones.
#include...
double trapecio0( double a, double b, int n);
double f( double x);
double g( double x);
//======================================
int main()
{
double a, b;
int n;
cout<<"\n\n Calculo de la integral definida"
<<" por medio de la formula del trapecio\n\n";
cout<<" entre a
b
n : ";
cin>>a>>b>>n;
cout<<"\n\n integral ~= "<<trapecio0(a, b, n);
return 0;
}
//======================================
double trapecio0( double a, double b, int n)
{
// Calculo de la integral definida de la funcion f(x)
// en el intervalo [a,b], utilizando n subintervalos.
// f(x) esta definida en la funcion f
double s, h;
int i;
if( n <= 0 ){
cout<<"\n\n trapecio0: ERROR: n = "<<n<<endl;
return 0.0;
}
s = (f(a) + f(b))/2.0;
h = (b-a)/n;
166
8.6. APUNTADORES A FUNCIONES
for( i = 1; i <= n-1; i++) s += f( a + i*h );

return s*h;
}
//-----------------------------------------------double f( double x)
{
return exp(-x*x);
}
//-----------------------------------------------double g( double x)
{
const double DOSPI = 6.283185307179586;
return exp(-x*x/2.0)/sqrt(DOSPI);
}
El programa de este ejemplo calcula una aproximacion de I para la
funcion definida en double f( ... ), pero no puede calcular una
aproximacion de I para la funcion definida en double g( ... ). De
manera natural se desea que uno de los par
ametros de trapecio0 sea la
funcion. Esto se logra mediante los apuntadores a funciones. Veamos,
mediante una modificaci
on del ejemplo anterior, su uso.
// formula del trapecio para integrales,
// CON apuntadores a funciones.
#include...
double trapecio( double (*f)(double x), double a, double b,
int n);
double f1( double x);
double f2( double x);
//======================================
int main()
{
double a, b;
int n;
cout<<"\n\n Calculo de la integral definida"
167
8. TEMAS VARIOS
<<" por medio de la formula del trapecio\n\n";

cout<<" entre a
b
n : ";
cin>>a>>b>>n;
cout<<"\n\n integral de f1 ~= "<<trapecio(f1, a, b, n);
cout<<"\n\n integral de f2 ~= "<<trapecio(f2, a, b, n);
return 0;
}
//======================================
double trapecio(double (*f)(double x), double a, double b,
int n)
{
// Calculo de la integral definida de la funcion f(x)
// en el intervalo [a,b], utilizando n subintervalos.
double s, h;
int i;
if( n <= 0 ){
cout<<"\n\n trapecio: ERROR: n = "<<n<<endl;
return 0.0;
}
s = ( (*f)(a) + (*f)(b) )/2.0;
h = (b-a)/n;
for( i = 1; i <= n-1; i++) s += (*f)( a + i*h );
return s*h;
}
//-----------------------------------------------double f1( double x)
{
return exp(-x*x);
}
//-----------------------------------------------double f2( double x)
{
const double DOSPI = 6.283185307179586;
return exp(-x*x/2.0)/sqrt(DOSPI);
168
8.7. FUNCIONES EN LINEA
}
Este ejemplo muestra las principales caractersticas del uso de los apuntadores a funciones. En la definicion de la funcion trapecio, un par
ametro
es un apuntador a funcion. El identificador esta precedido de asterisco
y aparece entre parentesis: (*f). Adem
as estan el tipo devuelto por
la funcion y los par
ametros: double (*f)(double x). Esto implica
que trapecio se puede usar para cualquier funcion que devuelva un
n
umero doble precisi
on y que tenga un u
nico par
ametro tipo doble precision. Cuando se utiliza el apuntador dentro de trapecio para evaluar
la funcion en un valor especfico, tambien esta precedido de asterisco y
encerrado entre parentesis: (*f)(a).
8.7
Funciones en lnea
Cuando una funcion, por ejemplo la funcion main, llama a otra, hay
un peque
no incremento en el tiempo de ejecuci
on correspondiente al
llamado en s de la funcion y a la pasada de los par
ametros. Este incremento de tiempo se conoce como overhead, que se puede traducir por
gastos generales o sobrecosto. C++ permite utilizar funciones en lnea
cuyo objetivo es que el compilador coloque una copia de la funcion en
lnea en cada sitio del programa donde se utiliza la funcion. As, no hay
paso de par
ametros y se gana en eficiencia, pero usualmente el programa
ejecutable resulta m
as grande. Las funciones en lnea son aconsejables
para funciones peque
nas, de una o dos instrucciones.
El ejemplo siguiente tiene dos partes. En la primera se hace uso
de la funcion cosGrd, funcion com
un y corriente, que calcula el coseno,
cuando el
angulo esta dado en grados. En la segunda parte se hace uso
de una funcion en lnea con el mismo objetivo.
// coseno de un angulo en grados,
// SIN funciones en linea.
#include <math.h>
double cosGrd( double x);
//======================================
169
8. TEMAS VARIOS
int main()
{
double a;
cout<<"\n\n Calculo de cos(a), a en grados.\n\n";
cout<<" a = ";
cin>>a;
cout<<"\n\n cos("<<a<<") = "<<cosGrd(a);
return 0;
}
//======================================
double cosGrd( double x)
{
return cos(0.01745329251994*x);
}
// coseno de un angulo en grados,

// CON una funcion en linea.
#include <math.h>
inline double cosGrd(double x)return cos(.017453292519*x);}
//======================================
int main()
{
double a;
cout<<"\n\n Calculo de cos(a), a en grados.\n\n";
cout<<" a = ";
cin>>a;
cout<<"\n\n cos("<<a<<") = "<<cosGrd(a);
return 0;
}
Es usual que una funcion en lnea este escrita en una u
nica lnea, pero
no es obligatorio. La funcion en lnea cosGrd se hubiera podido escribir
as:
170

8.8. ARGUMENTOS DE LA FUNCION
MAIN
inline double cosGrd(double x)

{
// calculo del coseno de un angulo en grados
return cos(0.0174532925199433*x);
}
Otro ejemplo de una funcion en lnea puede ser el siguiente, que calcula
el m
aximo entre dos n
on.
inline double max(double x, double y)
{
if( x >= y ) return x;
else return y;
}
En varios libros el ejemplo cl
asico de funciones en lnea corresponde a
una funcion que hace el mismo trabajo que la anterior, pero esta escrita
de una forma mucho m
as compacta. El lector interesado debe consultar
en un manual de C sobre el uso del operador ?, pues esta funcion hace
uso de el.
inline double max(double x, double y){return((x>y) ? x:y);}
8.8
Argumentos de la funci
on
main
Hasta ahora se haba supuesto que la funcion main no tena argumentos.

En realidad, s puede tenerlos. Estos argumentos se usan en la lnea de
comandos donde se da la orden de ejecuci
on al programa; por ejemplo
en DOS o en Unix.
Supongamos que el programa se llama prog28. Normalmente, para
comenzar la ejecuci
on del programa, es necesario digitar prog28 y despues oprimir la tecla Enter. Supongamos adem
as que, empezando el
programa, este pregunta por el nombre del archivo de datos y el nombre
del archivo para resultados. En lugar de hacer lo anterior, se puede escribir enseguida de prog28, antes de oprimir Enter, el nombre del archivo
de datos y el nombre del archivo para los resultados; por ejemplo,
prog28
caso1.dat
result
171
8. TEMAS VARIOS
Los par
ametros para main son argc y argv.
El primero es de tipo
entero y sirve para contar el n
umero de palabras (o cadenas) en la lnea
de comandos. El nombre mismo del programa se cuenta como una palabra. En el ejemplo prog28 caso1.dat result hay tres palabras. El
par
ametro argv es un arreglo de cadenas donde se almacenan las cadenas dadas en la lnea de comandos. El siguiente ejemplo muestra un
esquema de su uso.
// prog28
// Parametros en la linea de comandos,
// uso de argc, argv
#include...
int main( int argc, char *argv[])
{
if( argc != 3 ){
cout<<"ERROR: el llamado debe ser:\n"
<<"progr28 nombre_arch_datos nombre_arch_result"
<<endl;
exit(1);
}
archDat = fopen(argv[1], "r");
exit(1);
}
archRes = fopen(argv[2], "w");
exit(1);
}
...
172

8.8. ARGUMENTOS DE LA FUNCION
MAIN
fclose(archDat);
fclose(archRes);
return 0;
}
Como argv es un arreglo de cadenas, entonces empieza en el subndice
cero. Supongamos que el llamado se hace
prog28
caso1.dat
result
entonces la primera palabra en la lnea de comandos sera argv[0], o sea

la cadena "prog28". La segunda palabra en la lnea de comandos, la
cadena "caso1.dat", quedar
a almacenada en argv[1] y finalmente la
cadena "result" quedar
a almacenada en argv[2].
Otros temas de C que no se presentan en este libro son: enumeraciones, uniones, el operador ?, static, extern. El lector interesado
podra encontrarlos en un manual de C y C++.
173
8. TEMAS VARIOS
174
Estructuras
Una estructura es un agrupamiento de variables, posiblemente de diferentes tipos, que se denomina con un solo nombre y constituye un nuevo
tipo de datos.
9.1
Un ejemplo con complejos
El siguiente ejemplo define una estructura para los n

umeros complejos.
Tiene dos elementos: la parte real y la parte imaginaria.
struct complejo {
double pReal;
double pImag;
};
// parte real
// parte imaginaria
La palabra clave struct dice que se trata de una estructura. La palabra

complejo es el nombre de este nuevo tipo de estructura (o simplemente
tipo de dato). Siguiendo con el ejemplo, ahora es permitido:
struct complejo z, w, c;
La instruccion anterior es de C y es reconocible por cualquier compilador
de C o de C++. En compiladores modernos de C++ se puede escribir
sencillamente:
complejo z, w, c;
175
9. ESTRUCTURAS
Para tener acceso a un elemento de una variable del tipo de la nueva

estructura es necesario dar el nombre de la variable seguido de punto y
del nombre del elemento; por ejemplo, z.pImag . El siguiente programa
muestra realiza el producto de dos complejos.
// Estructuras, ejemplo con complejos.
//-----------------------------------------------#include <stdlib.h>
#include <stdio.h>
//-----------------------------------------------struct complejo {
double pReal; // parte real
double pImag; // parte imaginaria
};
//================================================
int main( void )
{
complejo z, w, c;
z.pReal = 1.0;
z.pImag = 1.0;
w.pReal = 1.0;
w.pImag = -1.0;
c.pReal = z.pReal*w.pReal c.pImag = z.pReal*w.pImag +
printf(" parte real = %lf
c.pReal, c.pImag);
return 0;
z.pImag*w.pImag;
z.pImag*w.pReal;
parte imag. = %lf\n",
}
Una vez definida una estructura, esta puede servir para describir un
par
ametro de una funcion, para declarar arreglos cuyos elementos sean
estructuras, para declarar apuntadores, para asignar memoria din
amicamente,
para que una funcion devuelva una estructura.
El siguiente ejemplo usa la estructura complejo definida anteriormente. El programa lee en un archivo el valor de n. Asigna din
amicamente
176
9.1. UN EJEMPLO CON COMPLEJOS
memoria para n estructuras complejo, lee en el archivo n parejas de valores (correspondientes a la parte real y la parte imaginaria) y las guarda
en el arreglo de complejos, busca en el arreglo el complejo de mayor
norma y finalmente escribe el cuadrado de ese complejo.
// Estructuras pasadas como parametros,
// arreglos de estructuras,
// funciones que devuelven una estructura.
//-----------------------------------------------#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include <math.h>
//-----------------------------------------------struct complejo {
double pReal; // parte real
double pImag; // parte imaginaria
};
//-----------------------------------------------complejo prodCompl( complejo z1, complejo z2);
int flectXCompl(FILE *arch, complejo *x, int n);
double normaCompl(complejo x);
complejo complMaxNorma(complejo *x, int n);
//================================================
int main( void )
{
// Lee en un archivo n.
// Lee en el archivo n complejos. Para leer un
// complejo lee la parte real y la parte imaginaria.
// Busca el complejo de mayor norma y escribe su
// cuadrado.
complejo *z, w;
int n, resLect;
FILE *archDat;
char nombre[51];
gets(nombre);
177
9. ESTRUCTURAS

exit(1);
}
z = new complejo[n];
if( z == NULL ){
exit(1);
}
resLect = flectXCompl(archDat, z, n);
if( resLect != 1 ){
printf(" ERROR leyendo archivo.\n");
exit(1);
}
w = complMaxNorma(z, n);
w.pReal, w.pImag);
w = prodCompl(w, w);
w.pReal, w.pImag);
return 0;
}
//================================================
complejo prodCompl( complejo z1, complejo z2)
{
// producto de dos complejos
complejo z3;
z3.pReal = z1.pReal*z2.pReal z3.pImag = z1.pReal*z2.pImag +
178
z1.pImag*z2.pImag;
z1.pImag*z2.pReal;
9.1. UN EJEMPLO CON COMPLEJOS
return z3;
}
//-----------------------------------------------int flectXCompl(FILE *arch, complejo *x, int n)
{
// Lectura en un archivo de los primeros n
// elementos de un arreglo complejo x.
// Devuelve 1
//
0
//
//
-1
//

con fscanf.
int i, res;
for(i=0; i< n; i++){
res = fscanf(arch, "%lf", &x[i].pReal);
res = fscanf(arch, "%lf", &x[i].pImag);
}
return 1;
}
//-----------------------------------------------complejo complMaxNorma(complejo *x, int n)
{
// Devuelve el complejo de maxima norma
// en el arreglo de complejos x.
double normaMax = 0.0, normai;
int i, imax = -1;
for( i=0; i < n; i++){
normai = normaCompl( x[i] );
if( normai > normaMax ){
179
9. ESTRUCTURAS
imax = i;
normaMax = normai;
}
}
return x[imax];
}
//-----------------------------------------------double normaCompl(complejo x)
{
// Norma del complejo x
return sqrt(x.pReal*x.pReal + x.pImag*x.pImag);
}
Una vez definida la estructura complejo, esta se puede usar de varias
maneras. En el programa anterior se observa:
Los par
ametros de las funciones pueden ser del tipo complejo:
funciones flectXCompl, normaCompl, complMaxNorma, prodCompl.
Las funciones pueden devolver un complejo: funciones prodCompl,
complMaxNorma.
La variable z en la funcion main es un apuntador a complejo. Un
par
ametro de la funcion flectXCompl es un apuntador a complejo.
En la funcion main, utilizando z, apuntador a complejo, se hace
una asignaci
on din
amica de memoria para n elementos tipo complejo.
En la funcion flectXCompl el segundo par
ametro, x, es un vector de elementos tipo complejo. Para el i-esimo elemento, el
complejo x[i], su parte real es x[i].pReal y su parte imaginaria
es x[i].pImag.
Cuando se tiene un apuntador a una estructura, si se quiere acceder
directamente a uno de sus campos, se usa el operador -> de la siguiente
manera: apuntador->campo.
A modo de ejemplo, la funcion normaCompl anterior, se reescribe a
continuaci
on utilizando -> .
180
9.2. UN EJEMPLO TIPICO
double normaComplb(complejo x)
{
// Norma del complejo x
complejo *w;
w = &x;
return sqrt(w->pReal*w->pReal + w->pImag*w->pImag);
}
9.2
Un ejemplo tpico
En muchos libros de C el ejemplo tpico de estructura es semejante

al siguiente. Corresponde a la informaci
on de un empleado de una
compa
na.
struct empleado{
char nombres[20];
char apell[20];
char docIdent;
int numIdent;
char dirLin1[30];
char dirLin2[30];
char CiudDept[30];
char tel[10];
char dirElec[30];
float sueldo;
char fechaNac[8];
char fechaIng[8];
char cargo[20];
};
//
//
//
//
//
//
//
//
apellidos
clase de documento de identidad
numero de doc. identidad
primera linea de la direccion
segunda linea de la direccion
ciudad y departamento
numero de telefono
direccion electronica: e-mail
// fecha de nacimiento
// fecha de ingreso
Ejercicios
Los ejercicios de este captulo se pueden hacer definiendo explcitamente
una estructura por medio de struct , o sin su uso. Haga o estudie las
181
9. ESTRUCTURAS
dos alternativas y detecte ventajas y desventajas.

9.1 Defina una estructura para el manejo de n
umeros fraccionarios y
haga funciones para:
simplificar,
sumar,
multiplicar,
restar,
dividir,
suma de las coordenadas (fraccionarias) de un vector,
producto de las coordenadas (fraccionarias) de un vector,
En todos los casos controle que numerador y denominador permanecen dentro de los rangos permitidos.
9.2 Un grafo se puede representar por una lista de vertices y una lista
de arcos. Una red es un grafo donde adicionalmente cada arco
tiene un valor (costo o distancia). Defina una estructura para su
manejo. Haga funciones para:
agregar un arco con costo,
quitar un arco,
quitar un vertice de la lista de arcos,
quitar un vertice de la lista de arcos y de la lista de vertices,
modificar un costo,
buscar si un arco existe,
dada una sublista de vertices, averiguar si es un camino,

calcular su costo.
182
10
Algunas funciones
elementales
En este captulo hay algunas funciones elementales que seran u
tiles especialmente para el manejo de matrices, en particular para la solucion
de sistemas de ecuaciones. Sean x, y vectores (cuando sea necesario se
consideran como matrices columna), , k escalares. La tabla siguiente
muestra el nombre de la funcion y su efecto. Se usa la misma convencion
de C, el signo igual indica asignaci
on.
producto xT y
1
Pn
2 2
dist2
||x y||2 =
i=1 (xi yi )
alfaX
x = x
xMasAlfaY x = x + y
xIglY
x=y
xIglAlfY
x = y
xIglK
x = k, es decir, xi = k i
intercXY
intercambio de x , y
maxX
maxi {xi }
maxXPos
maxi {xi } e indica la posicion
maxAbsX
maxi {|xi |}
maxAbsXPos maxi {|xi |} e indica la posicion
ordBurb
ordenar, de menor a mayor, los xi
prodXY
Para cada una de ellas, esta la versi

on sin saltos y la versi
on con
saltos. Utilizando la sobrecarga de funciones permitida por C++, las
dos versiones tienen el mismo nombre.
183
10.
10.1
ALGUNAS FUNCIONES ELEMENTALES
C
odigo de algunas funciones
A continuaci
on se presenta el codigo en C (y algo de C++) de las funciones para vectores almacenados de manera consecutiva (sin salto).
Para vectores almacenados con salto, es decir, en x[0], x[salto], x[2*salto],
..., x[(n-1)*salto], esta el codigo completo de algunas de ellas. El
codigo de las demas se puede obtener en la pagina del autor. Actualmente la direccion es: www.matematicas.unal.edu.co/~hmora/. Si hay
reorganizacion de las paginas de la Universidad, sera necesario entrar a
la pagina de la Universidad www.unal.edu.co ir a Sede de Bogota, Facultad de Ciencias, Departamento de Matem
aticas y pagina del autor.
double prodXY(double *x, double *y, int n);
double prodXY(double *x, int saltox, double *y, int saltoy,
int n);
double dist2(double *x, double *y, int n);
double dist2(double *x, int saltox, double *y, int saltoy,
int n);
void alfaX(double alfa, double *x, int n);
void alfaX(double alfa, double *x, int salto, int n);
void xMasAlfaY(double *x, double alfa, double *y, int n);
void xMasAlfaY(double *x, int saltox, double alfa,
double *y, int saltoy, int n);
void xIglK(double *x, int n, double k);
void xIglK(double *x, int salto, int n, double k);
void xIglY(double *x, double *y, int n);
void xIglY(double *x, int saltox, double *y, int saltoy,
int n);
void xIglAlfY(double *x, double alfa, double *y, int n);
void xIglAlfY(double *x, int saltox, double alfa,
double *y, int saltoy, int n);
void intercXY(double *x, double *y, int n);
184

10.1. CODIGO
DE ALGUNAS FUNCIONES
void intercXY(double *x, int saltox, double *y, int saltoy,

int n);
double maxX(double *x, int n);
double maxX(double *x, int salto, int n);
double maxXPos(double *x, int n, int &posi);
double maxXPos(double *x, int salto, int n, int &posi);
double maxAbsX(double *x, int n);
double maxAbsX(double *x, int salto, int n);
double maxAbsXPos(double *x, int n, int &posi);
double maxAbsXPos(double *x, int salto, int n, int &posi);
void ordBurb(double *x, int n);
void ordBurb(double *x, int salto, int n);
//-----------------------------------------------double prodXY(double *x, double *y, int n)
{
// producto "interno" x.y
double s = 0.0;
double *pxi, *pyi, *pxn;
pxi = x;
pyi = y;
pxn = x + n;
while( pxi < pxn ) s += (*pxi++)*(*pyi++);
return s;
}
//-----------------------------------------------double dist2(double *x, double *y, int n)
{
// distancia euclideana (Holder, orden 2) entre
double s = 0.0;
double *pxi, *pyi, *pxn, xiyi;
185
10.
pxi = x;
pyi = y;
pxn = x + n;
while( pxi < pxn ){
xiyi = (*pxi++) - (*pyi++);
s += xiyi*xiyi;
}
return sqrt(s);
}
//--------------------------------------------------------void alfaX(double alfa, double *x, int n)
{
// x = alfa * x
double *pxi, *pxn;
pxi = x;
pxn = x + n;
while( pxi < pxn ) *pxi++ *= alfa;
}
//--------------------------------------------------------void xMasAlfaY(double *x, double alfa, double *y, int n)
{
// x = x + alfa * y
double *pxi, *pxn, *pyi;
pxi = x;
pyi = y;
pxn = x + n;
while( pxi < pxn ) *pxi++ += alfa*(*pyi++);
}
//--------------------------------------------------------void xIglK(double *x, int n, double k)
{
// x = k
186

10.1. CODIGO
double *pxi, *pxn;

pxi = x;
pxn = x + n;
while( pxi < pxn ) *pxi++ = k;
}
//--------------------------------------------------------void xIglY(double *x, double *y, int n)
{
// x = y
pxi = x;
pyi = y;
pxn = x + n;
while( pxi < pxn ) *pxi++ = *pyi++;
}
//--------------------------------------------------------void xIglAlfY(double *x, double alfa, double *y, int n)
{
// x = alfa * y
pxi = x;
pyi = y;
pxn = x + n;
while( pxi < pxn ) *pxi++ = alfa*(*pyi++);
}
//--------------------------------------------------------void intercXY(double *x, double *y, int n)
{
// intercambiar x y
double *pxi, *pxn, *pyi, t;
pxi = x;
187
10.
pyi = y;
pxn = x + n;
while( pxi < pxn ){
t = *pxi;
*pxi++ = *pyi;
*pyi++ = t;
}
}
//--------------------------------------------------------double maxX(double *x, int n)
{
// maximo xi
double *pxi, *pxn, maxi = -1.0E100, xi;
pxi = x;
pxn = x + n;
while( pxi < pxn ){
xi = *pxi++;
if( xi > maxi ) maxi = xi;
}
return maxi;
}
//--------------------------------------------------------double maxXPos(double *x, int n, int &posi)
{
// maximo xi
// posi contendra la posicion del maximo
double *pxi, *pxn, maxi = -1.0E100, xi;
int i;
posi = -1;
pxi = x;
pxn = x + n;
i = 0;
while( pxi < pxn ){
xi = *pxi++;
188

10.1. CODIGO
if( xi > maxi ){

maxi = xi;
posi = i;
}
i++;
}
return maxi;
}
//--------------------------------------------------------double maxAbsX(double *x, int n)
{
// maximo |xi|
double *pxi, *pxn, maxi = 0.0, axi;
pxi = x;
pxn = x + n;
while( pxi < pxn ){
axi = fabs(*pxi++);
if( axi > maxi ) maxi = axi;
}
return maxi;
}
//--------------------------------------------------------double maxAbsXPos(double *x, int n, int &posi)
{
// maximo |xi|
// posi contendra la posicion del maximo valor abs.
double *pxi, *pxn, maxi = 0.0, axi;
int i;
posi = -1;
pxi = x;
pxn = x + n;
i = 0;
while( pxi < pxn ){
axi = fabs(*pxi++);
189
10.
if( axi > maxi ){

maxi = axi;
posi = i;
}
i++;
}
return maxi;
}
10.2
Versiones con saltos
double dist2(double *x, int saltox, double *y, int saltoy,

int n)
{
// distancia euclideana (Holder, orden 2 ) entre x, y
//
double s = 0.0;
double *pxi, *pyi, *pxn, *pyn, xiyi;
if( n < 0 ){
printf("dist2: n negativo\n");
return 0.0;
}
if( n==0 ) return 0.0;
if( saltox == 1 ){
if( saltoy == 1 ){
pxi = x;
pxn = x + n;
pyi = y;
while( pxi < pxn ){
xiyi = (*pxi++) - (*pyi++);
s += xiyi*xiyi;
}
190
10.2. VERSIONES CON SALTOS
}
else{
pxi = x;
pxn = x + n;
pyi = y;
while( pxi < pxn ){
xiyi = (*pxi++) - (*pyi);
s += xiyi*xiyi;
pyi += saltoy;
}
}
}
else{
if( saltoy == 1 ){
pyi = y;
pyn = y + n;
pxi = x;
while( pyi < pyn ){
xiyi = (*pxi) - (*pyi++);
s += xiyi*xiyi;
pxi += saltox;
}
}
else{
pxi = x;
pxn = x + n*saltox;
pyi = y;
while( pxi < pxn ){
xiyi = (*pxi) - (*pyi);
s += xiyi*xiyi;
pxi += saltox;
pyi += saltoy;
}
}
}
191
10.
return sqrt(s);
}
//--------------------------------------------------------void alfaX(double alfa, double *x, int salto, int n)
{
// x = alfa * x
// x en x[0], x[salto], x[2*salto], ..., x[(n-1)*salto]
double *pxi, *pxn;
if( salto == 1 ){
pxi = x;
pxn = x + n;
while( pxi < pxn ) *pxi++ *= alfa;
}
else{
pxi = x;
pxn = x + n*salto;
while( pxi < pxn ){
*pxi *= alfa;
pxi += salto;
}
}
}
//-----------------------------------------------void xMasAlfaY(double *x, int saltox, double alfa,
double *y, int saltoy, int n)
{
// x = x + alfa y
// uso de apuntadores
double *pxi, *pyi, *pxn, *pyn;
if( n < 0 ){
printf("xMasAlfaY: n negativo\n");
192
10.2. VERSIONES CON SALTOS
return;
}
if( n==0 ) return;
if( saltox == 1 ){
if( saltoy == 1 ){
pxi = x;
pxn = x + n;
pyi = y;
while( pxi < pxn ) *pxi++ += alfa*(*pyi++);
}
else{
pxi = x;
pxn = x + n;
pyi = y;
while( pxi < pxn ){
*pxi++ += alfa*(*pyi);
pyi += saltoy;
}
}
}
else{
if( saltoy == 1 ){
pyi = y;
pyn = y + n;
pxi = x;
while( pyi < pyn ){
*pxi += alfa*(*pyi++);
pxi += saltox;
}
}
else{
pxi = x;
pxn = x + n*saltox;
193
10.
pyi = y;
while( pxi < pxn ){
*pxi += alfa*(*pyi);
pxi += saltox;
pyi += saltoy;
}
}
}
}
10.3
M
etodo burbuja
Para ordenar un arreglo, supongamos en orden creciente, existen numerosos metodos. Uno de ellos es el metodo burbuja, el cual cuenta con
una buena combinacion de sencillez y eficiencia para arreglos no muy
grandes.
Supongamos que se tiene un vector x Rn . En una primera iteracion (primera pasada) se mira si x1 , x2 estan ordenados; si no lo
estan se intercambian. Despues se mira x2 y x3 ; si no estan ordenados
se intercambian. Despues se mira x3 y x4 ; si no estan ordenados se intercambian. Finalmente, si xn1 y xn no estan ordenados, se intercambian.
Por convencion, xi indica el i-esimo elemento de x despues de la u
ltima
modificaci
on. Despues de esta primera pasada el mayor elemento queda
en la u
ltima posicion.
En una segunda pasada se hace un proceso semejante, pero la u
ltima
pareja que se compara es xn2 , xn1 . Al final de esta segunda pasada
los dos u
ltimos elementos estan bien ordenados (en sus posiciones definitivas).
En una tercera pasada se repite el proceso, pero la u
ltima pareja
que se compara es xn3 , xn2 . Al final de esta tercera pasada los tres
u
ltimos elementos estan bien ordenados.
Si en una pasada no hay intercambios, el vector esta ordenado.
Considere
x = (6, 1, 14, 0, 1, 2)
Como 6 y 1 no estan ordenados, se intercambian.

x = (1, 6, 14, 0, 1, 2)
194

10.3. METODO
BURBUJA
Como 6 y 14 estan ordenados, no se hace nada.

x = (1, 6, 14, 0, 1, 2)
x = (1, 6, 0, 14, 1, 2)
x = (1, 6, 0, 1, 14, 2)
x = (1, 6, 0, 1, 2, 14)
Al final de esta primera pasada el elemento mayor quedo en la u
ltima
posicion.
Segunda pasada. Como 1 y 6 estan ordenados, no se hace nada.
x = (1, 6, 0, 1, 2, 14)
x = (1, 0, 6, 1, 2, 14)
x = (1, 0, 1, 6, 2, 14)
x = (1, 0, 1, 2, 6, 14)
Finalizada esta segunda pasada, 6 y 14 estan en sus posiciones definitivas.
Tercera pasada. Como 1 y 0 estan ordenados, no se hace nada.
x = (1, 0, 1, 2, 6, 14)
x = (1, 0, 1, 2, 6, 14)
x = (1, 0, 1, 2, 6, 14)
En esta tercera etapa no hubo cambios, luego el vector esta ordenado.
195
10.
void ordBurb(double *x, int n)

{
// ordena, de manera creciente, el vector
// por el metodo burbuja
int nCamb, m;
double *pxi, *pxi1, *pxm, t;
for( m = n-1; m >= 0; m--){
nCamb = 0;
pxi = x;
pxi1 = x + 1;
pxm = x + m;
while( pxi < pxm ){
if( *pxi > *pxi1 ){
t = *pxi;
*pxi++ = *pxi1;
*pxi1++ = t;
nCamb++;
}
else{
pxi++;
pxi1++;
}
}
if( nCamb == 0 ) return;
}
}
196

10.3. METODO
BURBUJA
Ejercicios
Los ejercicios de este captulo no estan enfocados directamente a los
temas tratados en el; m
as bien, corresponden a varios temas y aparecen
aqu por tratarse del u
ltimo captulo sobre C.
10.1 Haga un programa que escriba en un archivo todas las combinaciones de enteros entre 1 y n.
10.2 Elabore un programa que escriba en un archivo todas las permutaciones de los enteros entre 1 y n.
10.3 Dado un entero n > 0 y 2n enteros u1 v1 , u2 v2 , ..., un vn ,
escriba todas la n-uplas (i1 , i2 , ..., in ) tales que uk ik vk para
todo k.
10.4 Utilice el ejercicio anterior para resolver por la fuerza bruta (estudio de todas las posibilidades) el problema del morral con cotas
inferiores y superiores. Sean n un entero positivo; C, p1 , p2 , ...,
pn , b1 , b2 , ..., bn n
umeros positivos; u1 v1 , u2 v2 , ..., un vn
enteros positivos. Encontrar enteros x1 , x2 , ..., xn para resolver el
siguiente problema de maximizaci
on con restricciones:
max b1 x1 + b2 x2 + + bn xn
p 1 x 1 + p 2 x 2 + + pn x n C
ui xi vi , i = 1, 2, ..., n.
197
10.
198
11
Soluci
on de sistemas
lineales
Uno de los problemas numericos m
as frecuentes, o tal vez el m
as frecuente, consiste en resolver un sistema de ecuaciones de la forma
Ax = b
(11.1)
donde A es una matriz cuadrada, de tama

no n n, invertible. Esto
quiere decir que el sistema tiene una u
nica solucion.
Se trata de resolver un sistema de ecuaciones de orden mucho mayor
que 2. En la practica se pueden encontrar sistemas de tama
no 20, 100,
1000 o mucho m
as grandes. Puesto que se trata de resolver el sistema
con la ayuda de un computador, entonces las operaciones realizadas
involucran errores de redondeo o truncamiento. La solucion obtenida no
es absolutamente exacta, pero se desea que la acumulacion de los errores
sea relativamente peque
na o casi despreciable.
11.1
Notaci
on
Sean A una matriz m n, con elementos aij , i = 1, ...m, j = 1, ..., n y

x = (x1 , x2 , ..., xn ). Para denotar filas o columnas, o partes de ellas, se
199
11.
DE SISTEMAS LINEALES
SOLUCION
usar
a la notaci
on de Matlab y Scilab.
parte de un vector: x(5 : 7) = (x5 , x6 , x7 ),
fila i-esima: Ai = A(i, :),
columna j-esima: Aj = A(:, j),
parte de la fila i-esima: A(i, 1 : 4) = [ ai1 ai2 ai3 ai4 ]
parte de la columna j-esima: A(2 : 4, j) = [ a2j a3j a4j ]T
submatriz: A(3 : 6, 2 : 5) .
Supongamos que se tiene una funcion, llamada prodEsc, que calcula el
producto escalar entre dos vectores (del mismo tama
no), o entre dos filas
de una matriz, o entre dos columnas, o entre una fila y una columna.
Supongamos que se tiene una funcion, llamada xMasAlfaY, que a
un vector le suma veces otro vector. Los valores del primer vector
desaparecen y quedan los correspondientes al resultado
xMasAlfaY(u, 3.5, v)
u u + 3.5v
Esta funcion tambien trabaja para filas o columnas de una matriz.
11.2
M
etodos ingenuos
Teoricamente, resolver el sistema Ax = b es equivalente a la expresi

on
x = A1 b.
Es claro que calcular la inversa de una matriz es mucho m
as dispendioso
que resolver un sistema de ecuaciones; entonces, este camino s
olo se
utiliza en deducciones te
oricas o, en muy raros casos, cuando A1 se
calcula muy facilmente.
Otro metodo que podra utilizarse para resolver Ax = b es la regla
de Cramer. Para un sistema de orden 3 las formulas son:
b1 a12 a13
a11 b1 a13
det b2 a22 a23
det a21 b2 a23
b3 a32 a33
a31 b3 a33
x1 =
, x2 =
,
det(A)
det(A)
200

11.2. METODOS
INGENUOS
a11 a12 b1
det a21 a22 b2
a31 a32 b3
x3 =
det(A)
Supongamos ahora que cada determinante se calcula por medio de cofactores. Este calculo se puede hacer utilizando cualquier fila o cualquier
columna; por ejemplo, si A es 3 3, utilizando la primera fila,

a22 a23
a21 a23
a21 a22
det(A) = a11 det
a12 det
+ a13 det
.
a32 a33
a31 a33
a31 a32
En general, sea Mij la matriz (n 1) (n 1) obtenida al suprimir de
A la fila i y la columna j. Si se calcula det(A) utilizando la primera fila,
det(A) = a11 det(M11 ) a12 det(M12 ) + + (1)(1+n) a1n det(M1n ).
Sea n el n
umero de multiplicaciones necesarias para calcular, por cofactores, el determinante de una matriz de orden n. La formula anterior
nos indica que
n > nn1 .
Como a su vez n1 > (n 1)n2 y n2 > (n 2)n3 , ..., entonces
n > n(n 1)(n 2) 2 = n(n 1)(n 2) 2,
n > n! .
Para resolver un sistema de ecuaciones por la regla de Cramer, hay que

calcular n + 1 determinantes, luego el n
umero total de multiplicaciones
necesarias para resolver un sistema de ecuaciones por la regla de Cramer,
calculando los determinantes por cofactores, es superior a (n + 1)!.
Tomemos un sistema, relativamente peque
no, n = 20,
21! = 5.1091E19.
Siendo muy optimistas (sin tener en cuenta las sumas y otras operaciones concomitantes), supongamos que un computador del a
no 2000
hace 1000 millones de multiplicaciones por segundo. Entonces, el tiempo
necesario para resolver un sistema de ecuaciones de orden 20 por la regla
de Cramer y el metodo de cofactores es francamente inmanejable:
tiempo > 5.1091E10 segundos = 16.2 siglos.
201
11.
11.3
SOLUCION
Sistema diagonal
El caso m
as sencillo de (11.1) corresponde a una matriz diagonal. Para
matrices triangulares, en particular para las diagonales, el determinante
es el producto de los n elementos diagonales. Entonces una matriz triangular es invertible si y solamente si todos los elementos diagonales son
diferentes de cero.
La solucion de un sistema diagonal se obtiene mediante
xi =
bi
, i = 1, ..., n.
aii
(11.2)
Como los elementos diagonales son no nulos, no hay ning

un problema
para efectuar las divisiones.
11.4
Sistema triangular superior
Resolver un sistema triangular superior (A es triangular superior) es

muy sencillo. Antes de ver el algoritmo en el caso general, veamos, por
medio de un ejemplo, como se resuelve un sistema de orden 4.
Ejemplo 11.1. Resolver el siguiente sistema:
4x1 + 3x2 2x3 + x4 =
0.25x2 + 2.5x3 + 4.25x4 = 11
45x3 + 79x4 = 203

2.8x4 = 5.6
De la cuarta ecuaci
on, se deduce que x4 = 5.6/2.8 = 2. A partir de
la tercera ecuaci
on
45x3 = 203 (79x4 )
203 (79x4 )
x3 =
45
Reemplazando x4 por su valor, se obtiene x3 = 1. A partir de la
segunda ecuaci
on
0.25x2 = 11 (2.5x3 + 4.25x4 )
11 (2.5x3 + 4.25x4 )
x3 =
0.25
202
11.4. SISTEMA TRIANGULAR SUPERIOR
Reemplazando x3 y x4 por sus valores, se obtiene x2 = 0. Finalmente,

utilizando la primera ecuaci
on,
4x1 = 4 (3x2 2x3 + x4 )
4 (3x2 2x3 + x4 )
x3 =
4
Reemplazando x2 , x3 y x4 por sus valores, se obtiene x1 = 1.
En general, para resolver un sistema triangular, primero se calcula
xn = bn /ann . Con este valor se puede calcular xn1 , y as sucesivamente.
Conocidos los valores xi+1 , xi+2 , ..., xn , la ecuaci
on i-esima es
aii xi + ai,i+1 xi+1 + ai,i+2 xi+2 + ... + ain xn = bi ,
aii xi + prodEsc(A(i, i + 1 : n), x(i + 1 : n)) = bi ,
bi prodEsc(A(i, i + 1 : n), x(i + 1 : n))
xi =
aii
Como se supone que A es regular (invertible o no singular), los elementos diagonales son no nulos y no se presentan problemas al efectuar la
divisi
on.
El esquema del algoritmo es el siguiente:
xn = bn /ann
para i = n 1, ..., 1
xi = (bi prodEsc(A(i, i + 1 : n), x(i + 1 : n)))/aii
fin-para
Si los subndices de A y de x van desde 0 hasta n1, entonces el esquema
del algoritmo queda as:
xn1 = bn1 /an1,n1
para i = n 2, ..., 0
xi = (bi prodEsc(A(i, i + 1 : n 1), x(i + 1 : n 1)))/aii
fin-para
11.4.1
N
umero de operaciones
Una de las maneras de medir la rapidez o lentitud de un metodo es

mediante el conteo del n
umero de operaciones. Usualmente se tienen
203
11.
SOLUCION
en cuenta las sumas, restas, multiplicaciones y divisiones entre n

umeros
de punto flotante, aunque hay m
as operaciones fuera de las anteriores,
por ejemplo las comparaciones y las operaciones entre enteros. Las cuatro operaciones se conocen con el nombre generico de operaciones de
punto flotante flops (floating point operations). Algunas veces se hacen
dos grupos: por un lado sumas y restas, y por otro multiplicaciones y
divisiones. Si se supone que el tiempo necesario para efectuar una multiplicaci
on es bastante mayor que el tiempo de una suma, entonces se
acostumbra a dar el n
umero de multiplicaciones (o divisiones). El dise
no
de los procesadores actuales muestra tendencia al hecho de que los dos
tiempos sean comparables. Entonces se acostumbra a evaluar el n
umero
de flops.
Sumas y restas
Multiplicaciones
y divisiones
calculo de xn
calculo de xn1
calculo de xn2
n2
n1
...
calculo de x2
calculo de x1
Total
n1
n2 /2 n/2
n2 /2 + n/2
N
umero total de operaciones de punto flotante: n2 .
11.4.2
Implementaci
on en C
Para la siguiente implementaci

on en C es necesario tener en cuenta estos
aspectos:
La matriz esta almacenada en un arreglo unidimensional. Por
tanto, la informaci
on referente a la matriz A se pasa a la funcion
por medio de la direccion del primer elemento de la matriz.
Se usa la funcion prodXY, definida en el captulo 10, que calcula el
producto escalar de dos vectores. Su prototipo es
double prodXY(double *x, double *y, int n);
204
11.4. SISTEMA TRIANGULAR SUPERIOR
Para utilizarla se requiere pasar las direcciones de cada uno de los

primeros elementos de los vectores en consideraci
on, o sea, las direcciones de ai,i+1 y de xi+1 . El elemento ai,i+1 es exactamente
a[i*n + i+1], o sea, con a[i*(n+1) + 1].
El n
umero de elementos de x(i + 1 : n 1) es n 1 i
Como prodXY devuelve 0 cuando n es menor o igual que cero,
entonces el calculo de xn1 se puede incluir dentro del ciclo for.
Para ahorrar memoria, la solucion del sistema, es decir el vector
x, estara a la salida de la funcion, en el arreglo b, que contena
inicialmente los terminos independientes.
int solTrSup(double *a, double *b, int n, double eps)
{
// Solucion del sistema triangular superior
//
A x = b.
// A almacenada en un arreglo unidimensional,
// Aij esta en a[i*n+j].
// Devuelve 1 si se resolvio el sistema.
//
0 si la matriz es singular o casi.
//
-1 si n es inadecuado
//
// Cuando hay solucion, esta quedara en b.
// A se considera singular si
// | Aii | <= eps para algun i.
int i, ii, n1, n_1;
if( n <= 0 ) return -1;
n1 = n+1;
n_1 = n-1;
for( i = n_1; i >= 0; i--){
ii = i*n1;
if( fabs( a[ii] ) <= eps ) return 0;
205
11.
SOLUCION
b[i] = (b[i]-prodXY(&a[ii+1], &b[i+1],n_1-i))/a[ii];

}
return 1;
}
11.5
Sistema triangular inferior
La solucion de un sistema triangular inferior Ax = b, A triangular inferior, es an

aloga al caso de un sistema triangular superior. Primero se
calcula x1 , despues x2 , enseguida x3 y as sucesivamente hasta xn .
bi
xi =
i1
X
aij xj
j=1
aii
(11.3)
El esquema del algoritmo es el siguiente:

para i = 1, ..., n
xi = (bi prodEsc(A(i, 1 : i 1), x(1 : i 1)))/aii
fin-para
El n
umero de operaciones es exactamente el mismo del caso triangular superior.
11.6
M
etodo de Gauss
El metodo de Gauss para resolver el sistema Ax = b tiene dos partes;

la primera es la triangularizacion del sistema, es decir, por medio de
operaciones elementales, se construye un sistema
A x = b ,
(11.4)
equivalente al primero, tal que A sea triangular superior. Que los sistemas sean equivalentes quiere decir que la solucion de Ax = b es exactamente la misma solucion de A x = b . La segunda parte es simplemente
la solucion del sistema triangular superior.
Para una matriz, con ndices entre 1 y n, el esquema de triangularizaci
on se puede escribir as:
206

11.6. METODO
DE GAUSS
para k = 1, ..., n 1
buscar ceros en la columna k, por debajo de la diagonal.
fin-para k
Afinando un poco m
as:
para k = 1, ..., n 1
para i = k + 1, ..., n
buscar ceros en la posicion de aik .
fin-para i
fin-para k
Ejemplo 11.2. Consideremos el siguiente sistema de ecuaciones:
4x1 + 3x2 2x3 + x4 =
3x1 + 2x2 + x3 + 5x4 = 8
2x1 + 3x2 + x3 + 2x4 = 7

5x1
+ x3 + x4 = 8
En forma matricial se puede escribir:
4
3
2
5
3 2
2
1
3
1
0
1
x1
1
x2
5
2 x3
x4
1
4
8
=
7
8
Es usual trabajar u
nicamente con los n
umeros, olvidando temporalmente
los xi . M
as a
un, se acostumbra trabajar con una matriz ampliada,
resultado de pegar a la derecha de A el vector b.
4
3
2
5
3 2
2
1
3
1
0
1
1
5
2
1
4
8
7
8
Inicialmente hay que buscar ceros en la primera columna. Para buscar cero en la posicion (2,1), fila 2 y columna 1, se hace la siguiente
operacion:
fila2nueva fila2vieja (3/4)fila1
207
11.
SOLUCION
Para hacer m
as sencilla la escritura la expresi
on anterior se escribir
a
simplemente:
fila2 fila2 (3/4)fila1
4
3
-2
1
4
0
-0.25
2.5
4.25
-11
-2
3
1
2
-7
-5
0
1
1
-8
Para buscar cero en la posicion (3,1) se hace la siguiente operacion:

0
-5
3
-0.25
4.5
0
-2
2.5
0
1
4
-11
-5
-8
1
4.25
2.5
1

4
0
0
0
3
-0.25
4.5
3.75
-2
2.5
0
-1.5
1
4.25
2.5
2.25
4
-11
-5
-3
Ahora hay que buscar ceros en la segunda columna. Para buscar cero
en la posicion (3,2) se hace la siguiente operacion:
fila3 fila3 (4.5/(0.25))fila2
4
0
0
0
3
-0.25
0
3.75
-2
2.5
45
-1.5
1
4.25
79
2.25
4
-11
-203
-3
Para buscar cero en la posicion (4,2) se hace siguiente operacion:

fila4 fila4 (3.75/(0.25))fila2
4
0
0
0
3
-0.25
0
0
-2
2.5
45
36
208
1
4.25
79
66
4
-11
-203
-168

11.6. METODO
DE GAUSS

4
0
0
0
3
-0.25
0
0
-2
2.5
45
0
1
4.25
79
2.8
-11
-203
-5.6
El sistema resultante ya es triangular superior. Entonces se calcula

primero x4 = 5.6/2.8 = 2. Con este valor, utilizando la tercera
ecuaci
on resultante, se calcula x3 , despues x2 y x1 .
x = (1, 0, 1, 2).
De manera general, cuando ya hay ceros por debajo de la diagonal,
en las columnas 1, 2, ..., k 1, para obtener cero en la posicion (i, k) se
hace la operacion
filai filai (aik /akk )filak
Lo anterior se puede reescribir as:
lik = aik /akk
A(i, :) = A(i, :) lik A(k, :)
bi = bi lik bk
Como en las columnas 1, 2, ..., k 1 hay ceros, tanto en la fila k como

en la fila i, entonces ai1 , ai2 , ..., ai,k1 seguir
an siendo cero. Adem
as,
las operaciones se hacen de tal manera que aik se vuelva cero. Entonces
aik no se calcula puesto que dar
a 0. Luego los calculos se hacen en la
fila i a partir de la columna k + 1.
lik = aik /akk
aik = 0
A(i, k + 1 : n) = A(i, k + 1 : n) lik A(k, k + 1 : n)
bi = bi lik bk
En resumen, el esquema de la triangularizacion es:

209
11.
SOLUCION
para k = 1, ..., n 1
para i = k + 1, ..., n
lik = aik /akk , aik = 0
A(i, k + 1 : n) = A(i, k + 1 : n)likA(k, k + 1 : n)
bi = bi likbk
fin-para i
fin-para k
Este esquema funciona, siempre y cuando no aparezca un pivote,

akk , nulo o casi nulo. Cuando aparezca es necesario buscar un elemento
no nulo en el resto de la columna. Si, en el proceso de triangularizacion,
toda la columna A(k : n, k) es nula o casi nula, entonces A es singular.
para k = 1, ..., n 1
para i = k + 1, ..., n
si |akk | ent
buscar m, k + 1 m n, tal que |amk | >
si no fue posible ent salir
intercambiar(A(k, k : n), A(m, k : n))
intercambiar(bk , bm )
fin-si
bi = bi likbk
fin-para i
fin-para k
si |ann | ent salir
Cuando en un proceso una variable toma valores enteros desde un

lmite inferior hasta un lmite superior, y el lmite inferior es mayor que
el lmite superior, el proceso no se efect
ua.
As, en el algoritmo anterior se puede hacer variar k, en el bucle
externo, entre 1 y n, y entonces no es necesario controlar si ann 0 ya
que, cuando k = n, no es posible buscar m entre n + 1 y n.
210

11.6. METODO
DE GAUSS
para k = 1, ..., n
para i = k + 1, ..., n
si |akk | ent
buscar m, k + 1 m n, tal que |amk | >
intercambiar(A(k, k : n), A(m, k : n))
fin-si
bi = bi likbk
fin-para i
fin-para k
El anterior algoritmo se adapta facilmente al caso de los subndices,
variando entre 0 y n 1.
para k = 0, ..., n 1
para i = k + 1, ..., n 1
si |akk | ent
buscar m, k + 1 m n 1, tal que |amk | >
intercambiar(A(k, k : n 1), A(m, k : n 1))
fin-si
A(i, k + 1 : n 1) = A(i, k + 1 : n 1)likA(k, k + 1 : n 1)
bi = bi likbk
fin-para i
fin-para k
11.6.1
N
En el metodo de Gauss hay que tener en cuenta el n

de cada uno de los dos procesos: triangularizacion y solucion del sistema
triangular.
Triangularizaci
on
Consideremos inicialmente la b
usqueda de cero en la posicion (2, 1). Para
efectuar A(2, 2 : n) = A(2, 2 : n) lik A(1, 2 : n) es necesario hacer
211
11.
SOLUCION
n 1 sumas y restas. Para b2 = b2 likb1 es necesario una resta. En

resumen n sumas (o restas). Multiplicaciones y divisiones: una divisi
on
para calcular lik; n 1 multiplicaciones para lik A(1, 2 : n) y una
para likb1 . En resumen, n + 1 multiplicaciones (o divisiones).
Para obtener un cero en la posicion (3, 1) se necesita exactamente
el mismo n
umero de operaciones. Entonces para la obtener ceros en la
primera columna:
Sumas y restas
cero en la posicion de a21
cero en la posicion de a31
...
cero en la posicion de an1
Total para la columna 1
n
n
n
(n 1)n
Multiplicaciones
y divisiones
n+1
n+1
n+1
(n 1)(n + 1)
Un conteo semejante permite ver que se requieren n 1 sumas y n

multiplicaciones para obtener un cero en la posicion de a32 . Para buscar
ceros en la columna 2 se van a necesitar (n 2)(n 1) sumas y (n 2)n
multiplicaciones.
Sumas y restas
ceros
ceros
ceros
...
ceros
ceros
en la columna 1
en la columna 2
en la columna 3
(n 1)n
(n 2)(n 1)
(n 3)(n 2)
Multiplicaciones
y divisiones
(n 1)(n + 1)
(n 2)n
(n 3)(n 1)
2(3)
1(2)
2(4)
1(3)
en la columna n 2
en la columna n 1
Es necesario utilizar el resultado

m
X
i2 =
i=1
m(m + 1)(2m + 1)
N
umero de sumas y restas:
n1
X
i=1
i(i + 1) =
n1
X
(i2 + i) =
i=1
212
n3 n
n3

3
3
3

11.6. METODO
DE GAUSS
N
umero de multiplicaciones y divisiones:
n1
X
i(i + 2) =
n1
X
(i2 + 2i) =
i=1
i=1
n3
n3 n2 5n
+
3
2
6
3
N
umero de operaciones:
n3 n n3 n2 5n
2n3 n2 7n
2n3
+
+
=
+
3
3
3
2
6
3
2
6
3
Proceso completo
El n
umero de operaciones para las dos partes, triangularizacion y solucion
del sistema triangular, es
2n3 3n2 7n
2n3
+
3
2
6
3
Para valores grandes de n el n
umero de operaciones de la solucion del
sistema triangular es despreciable con respecto al n
de la triangularizacion.
11.6.2
Implementaci
on en C
La implementaci
on hace uso de la funcion xMasAlfaY, definida en el
captulo 10, que adiciona a un vector un m
ultiplo de otro vector:
u u + 3.5 v
Su prototipo es:
void xMasAlfaY(double *x, double alfa, double *y, int n);
La siguiente implementaci
on en C es casi la traduccion a C del algoritmo
presentado. Hay algunas variables adicionales para no tener que efectuar
varias veces la misma operacion, por ejemplo, n + 1.
int gauss1( double *a, double *b, double *x, int n,
double eps)
{
// Metodo de Gauss SIN PIVOTEO parcial
// para resolver A x = b
213
11.
SOLUCION
// Intercambio de filas solo si el pivote es casi nulo.

// A almacenada en un arreglo unidimensional
// Aij esta en a[i*n+j]
// Devuelve 1 si se resolvio el sistema.
// 0 si la matriz es singular o casi.
// -1 si n es inadecuado
int k, i, n1, ik, n_1, kk, in, j, ii, m;
double lik, s;
if( n <= 0 ) return -1;
n1 = n+1;
n_1 = n-1;
// triangularizacion
for( k = 0; k < n; k++){
kk = k*n1;
if( fabs( a[kk] ) <= eps ){
for(m = k+1; m<n; m++)if(fabs(a[m*n+k]) >= eps)
break;
if( m >= n ) return 0;
intercXY(&a[kk], &a[m*n+k], n-k);
interc( b[k], b[m] );
}
for( i = k+1; i < n; i++){
// anular Aik
ik = i*n + k;
lik = a[ik]/a[kk];
xMasAlfaY( &a[ik+1], -lik, &a[kk+1], n_1-k);
b[i] -= lik*b[k];
a[ik] = 0.0;
}
}
solTrSup(a, b, x, n, eps);
214

11.7. FACTORIZACION
LU
return 1;
}
11.7
Factorizaci
on LU
Si durante el proceso del metodo de Gauss no fue necesario intercambiar

filas, entonces se puede demostrar que se obtiene facilmente la factorizaci
on A = LU , donde L es una matriz triangular inferior con unos
en la diagonal y U es una matriz triangular superior. La matriz U es
simplemente la matriz triangular superior obtenida al final del proceso.
Para el ejemplo anterior:
4
0
U =
0
0
3
-0.25
0
0
-2
2.5
45
0
1
4.25
79
2.8
La matriz L, con unos en la diagonal, va a estar formada simplemente

por los coeficientes lik= lik = aik /akk .
L=
..
.
0
0
0
..
.
ln1 ln2 ln3
l21
l31
..
.
0
1
l32
0
0
1
Siguiendo con el ejemplo:
0.75
L=
-0.5
-1.25
0
1
-18
-15
0
0
1
0.8
0
0
0
1
En este ejemplo, facilmente se comprueba que LU = A. Esta factorizaci

on es u
til para resolver otro sistema Ax = b, exactamente con la
misma matriz de coeficientes, pero con diferentes terminos independi215
11.
SOLUCION
entes.
Ax = b,
LU x = b,
Ly = b,
donde
U x = y.
En resumen:
Resolver Ly = b para obtener y.
Resolver U x = y para obtener x.
Ejemplo 11.3. Resolver
4x1 + 3x2 2x3 + x4 =
3x1 + 2x2 + x3 + 5x4 = 30
2x1 + 3x2 + x3 + 2x4 = 15

5x1
Al resolver
0.75
-0.5
-1.25
se obtiene y =
4
0
0
0
+ x3 + x4 =
0
1
-18
-15
0
0
1
0.8
8 24 451 11.2
3
-0.25
0
0
0
y1
y2
0
0 y3
y4
1
8
30
=
15
2
. Al resolver
x1
1
x2
4.25
x3
79
x4
2.8
-2
2.5
45
0
se obtiene la solucion final x =
T
1 2 3 4
T
8.0
24.0
=
451.0
11.2
Resolver un sistema triangular, con unos en la diagonal, requiere n2

n n2 operaciones. Entonces, para resolver un sistema adicional, con la
misma matriz A, se requiere efectuar aproximadamente 2n2 operaciones,
en lugar de 2n3 /3 que se requeriran si se volviera a empezar el proceso.
216

11.8. METODO
DE GAUSS CON PIVOTEO PARCIAL
La factorizaci
on A = LU es un subproducto gratuito del metodo
de Gauss; gratuito en tiempo y en requerimientos de memoria. No se
requiere tiempo adicional puesto que el calculo de los lik se hace dentro
del metodo de Gauss. Tampoco se requiere memoria adicional puesto
que los valores lik se pueden ir almacenando en A en el sitio de aik que
justamente vale cero.
En el algoritmo hay u
nicamente un peque
no cambio:
..
.
lik = aik /akk
aik = lik
A(i, k + 1 : n 1) = A(i, k + 1 : n 1)likA(k, k + 1 : n 1)
bi = bi likbk
..
.
En la matriz final A estara la
u11
l21
L = l31
..
.
ln1
informaci
on indispensable de L y de U .
u12 u13 u1n

u22 u23 u2n
l32 u31 u3n
..
..
.
.
ln2 ln3 unn
En el ejemplo anterior, la matriz final con informaci

on
4
3
-2
1
0.75
-0.25
2.5
4.25
-0.5
-18
45
79
-1.25
-15
0.8
2.8
11.8
de L y de U es:
M
etodo de Gauss con pivoteo parcial
En el metodo de Gauss cl
asico, u
nicamente se intercambian filas cuando
el pivote, akk , es nulo o casi nulo. Como el pivote (el elemento akk en la
iteraci
on k) va a ser divisor para el calculo de lik, y como el error de
redondeo o de truncamiento se hace mayor cuando el divisor es cercano
a cero, entonces es muy conveniente buscar que el pivote sea grande en
217
11.
SOLUCION
valor absoluto. Es decir, hay que evitar los pivotes que sin ser nulos son
cercanos a cero.
En el metodo de Gauss con pivoteo parcial se busca el elemento
dominante, o sea, el de mayor valor absoluto en la columna k de la
diagonal hacia abajo, es decir, entre los valores |akk |, |ak+1,k |, |ak+2,k |,
..., |akn |, y se intercambian la fila k y la fila del valor dominante. Esto
mejora notablemente, en muchos casos, la precisi
on de la solucion final
obtenida.
Se dice que el pivoteo es total si en la iteraci
on k se busca el mayor
valor de {|aij | : k i, j n}. En este caso es necesario intercambiar dos
filas y dos columnas. As se consigue mejorar un poco la precisi
on con
respecto al metodo de pivoteo parcial, pero a un costo nada despreciable.
En el metodo de pivoteo parcial se busca el mayor valor entre n k + 1
valores. En el pivoteo total se busca entre (n k + 1)2 valores. Si se
busca, de manera secuencial, el m
aximo entre p elementos, entonces
hay que hacer, adem
as de operaciones de asignaci
on, por lo menos p
1 comparaciones. Estas operaciones no son de punto flotante y son
m
as r
apidas que ellas, pero para n grande, el tiempo utilizado no es
despreciable. En el metodo de pivoteo parcial hay aproximadamente
n2 /2 comparaciones, en el pivoteo total aproximadamente n3 /6. En
resumen, con el pivoteo total se gana un poco de precisi
on, pero se gasta
bastante m
as tiempo. El balance aconseja preferir el pivoteo parcial.
Ejemplo 11.4. Resolver por el metodo de Gauss con pivoteo parcial el
siguiente sistema de ecuaciones.
4x1 + 3x2 2x3 + x4 =
3x1 + 2x2 + x3 + 5x4 = 8
2x1 + 3x2 + x3 + 2x4 = 7

5x1
La matriz aumentada es:
-2
-5
+ x3 + x4 = 8
3
2
3
0
-2
1
1
1
1
5
2
1
4
-8
-7
-8
El valor dominante de A(1 : 4, 1) es 5 y esta en la fila 4. Entonces se

218

11.8. METODO
intercambian las filas 1 y 4.
-5
0
3
2
-2
3
4
3
1
1
1
-2
1
5
2
1
-8
-8
-7
4
Buscar ceros en las posiciones de a21 , a31 , a41 se hace de la manera

habitual usando los valores de lik= 3/(5) = 0.6, 0.4 y 0.8. Se
obtiene
-5
0
1
1
-8
0
2
1.6
5.6
-12.8
0
3
0.6
1.6
-3.8
0
3
-1.2
1.8
-2.4
El valor dominante de A(2 : 4, 2) es 3
Entonces se intercambian las filas 2 y
-5
0
1
0
3
0.6
0
2
1.6
0
3
-1.2
Buscar ceros en las

lik= 2/3 = 0.6666
-5
0
0
y esta en la fila 3 (o en la fila 4).

3.
1
-8
1.6
-3.8
5.6
-12.8
1.8
-2.4
posiciones de a32 , a42 se hace usando los valores de

y 1. Se obtiene
0
1
1
-8
3
0.6
1.6
-3.8
0
1.2
4.5333
-10.2667
0
-1.8
0.2
1.4
Hay que intercambiar las filas 3 y 4.
-5
0
1
1
0
3
0.6
1.6
0
0
-1.8
0.2
0
0
1.2
4.5333
-8
-3.8
1.4
-10.2667
El valor de lik es 1.2/(1.8) = 0.6667. Se obtiene
-5
0
1
1
-8
0
3
0.6
1.6
-3.8
0
0
-1.8
0.2
1.4
0
0
0
4.6667
-9.3333
219
11.
SOLUCION
Al resolver el sistema triangular superior, se encuentra la solucion:

x = (1, 0, 1, 2) .
El ejemplo anterior sirve simplemente para mostrar el desarrollo del
metodo de Gauss con pivoteo parcial, pero no muestra sus ventajas. El
ejemplo siguiente, tomado de [Atk78], se resuelve inicialmente por el
metodo de Gauss sin pivoteo y despues con pivoteo parcial. Los calculos
se hacen con cuatro cifras decimales.
0.729x1 + 0.81x2 + 0.9x3 =
x1 +
x2 +
0.6867
x3 = .8338
1.331x1 + 1.21x2 + 1.1x3 = 1

Con la solucion exacta, tomada con cuatro cifras decimales, es
x = ( 0.2245, 0.2814, 0.3279 ).
Al resolver el sistema por el metodo de Gauss, con cuatro cifras decimales
y sin pivoteo, resultan los siguientes pasos:
0.7290
1.0000
1.3310
0.8100
1.0000
1.2100
0.9000
1.0000
1.1000
0.6867
0.8338
1.0000
Con lik = 1.3717 y con lik = 1.8258 se obtiene

0.8100
-0.1111
-0.2689
0.9000
-0.2345
-0.5432
0.6867
-0.1081
-0.2538
Con lik = 2.4203 se obtiene
0.7290
0.8100
0.0000
-0.1111
0.0000
0.0000
0.9000
-0.2345
0.0244
0.6867
-0.1081
0.0078
0.7290
0.0000
0.0000
La solucion del sistema triangular da:

x = ( 0.2163, 0.2979, 0.3197 ).
220

11.8. METODO
Sea x la solucion exacta del sistema Ax = b. Para comparar x1 y x2 ,

dos aproximaciones de la solucion, se miran sus distancias a x :
kx1 x k ,
kx2 x k.
Si kx1 x k < kx2 x k, entonces x1 es, entre x1 y x2 , la mejor aproximacion de x . Cuando no se conoce x , entonces se utiliza la norma del
vector residuo o resto, r = Ax b. Si x es la solucion exacta, entonces
la norma de su resto vale cero. Entonces hay que comparar
kAx1 bk ,
kAx2 bk.
Para la solucion obtenida por el metodo de Gauss, sin pivoteo,

kAx bk = 1.0357e-004 ,
kx x k = 0.0202 .
En seguida esta el metodo de Gauss con pivoteo parcial, haciendo calculos

con 4 cifras decimales.
0.7290
0.8100
0.9000
0.6867
1.0000
1.0000
1.0000
0.8338
1.3310
1.2100
1.1000
1.0000
Intercambio de las filas
1.3310
1.0000
0.7290
1 y 3.
Intercambio de las filas
1.3310
0.0000
0.0000
2 y 3.
1.2100
1.0000
0.8100
1.1000
1.0000
0.9000
1.0000
0.8338
0.6867
Con lik = 0.7513 y con lik = 0.5477 se obtiene
1.3310
1.2100
1.1000
1.0000
0.0000
0.0909
0.1736
0.0825
0.0000
0.1473
0.2975
0.1390
1.2100
0.1473
0.0909
1.1000
0.2975
0.1736
Con lik = 0.6171 se obtiene
1.3310
1.2100
0.0000
0.1473
0.0000
0.0000
1.0000
0.1390
0.0825
1.1000
0.2975
-0.0100
1.0000
0.1390
-0.0033
221
11.
SOLUCION
La solucion del sistema triangular da:

x = ( 0.2267, 0.2770, 0.3300 ).
El calculo del residuo y la comparacion con la solucion exacta da:
kAx bk = 1.5112e-004 ,
kx x k = 0.0053 .
Se observa que para este ejemplo la norma del residuo es del mismo orden de magnitud que la norma del residuo correspondiente a la solucion
obtenida sin pivoteo, aunque algo mayor. La comparacion directa con
la solucion exacta favorece notablemente al metodo de pivoteo parcial:
0.0053 y 0.0202, relaci
on de 1 a 4 aproximadamente. Adem
as, visualmente se observa la mejor calidad de la solucion obtenida con pivoteo.
A continuaci
on aparece una versi
on de la funcion que implementa el
metodo de Gauss con pivoteo parcial.
int gausspp( double *a, double *b, int n, double eps)
{
// Metodo de Gauss CON PIVOTEO parcial
// para resolver A x = b.
// Intercambio real de las filas.
// A almacenada en un arreglo unidimensional,
// Aij esta en a[i*n+j].
// Devuelve 1
//
0
//
-1
si se resolvio el sistema.
si la matriz es singular o casi.
si n es inadecuado
// Cuando hay solucion, esta quedara en
b.
int k, i, n1, ik, n_1, kk, in, j, ii, m, m0;

double lik, s, aamk, t;
if( n <= 0 ) return -1;
n1 = n+1;
n_1 = n-1;
222
LU =PA
11.9. FACTORIZACION
// triangularizacion
for( k = 0; k < n_1; k++){
kk = k*n1;
aamk = maxAbsXPos( &a[kk], n, n-k, m0);
if( aamk <= eps ) return 0;
if( m0 != 0 ){
m = k+m0;
intercXY( &a[kk], &a[m*n+k], n-k);
t = b[k]; b[k] = b[m]; b[m] = t;
}
for( i = k+1; i < n; i++){
// anular Aik
ik = i*n + k;
lik = a[ik]/a[kk];
xMasAlfaY( &a[ik+1], -lik, &a[kk+1], n_1-k);
b[i] -= lik*b[k];
a[ik] = 0.0;
}
}
if( fabs(a[n*n-1]) <= eps) return 0;
solTrSup(a, b, n, eps);
return 1;
}
11.9
Factorizaci
on LU =PA
Si se aplica el metodo de Gauss con pivoteo parcial muy probablemente

se hace por lo menos un intercambio de filas y no se puede obtener la
factorizaci
on A = LU , pero s se puede obtener la factorizacion
LU = P A.
Las matrices L y U tienen el mismo significado de la factorizacion LU . P
es una matriz de permutaci
on, es decir, se obtiene mediante permutacion
de filas de la matriz identidad I.
223
11.
SOLUCION
Si P y Q son matrices de permutaci

on, entonces:
P Q es una matriz de permutaci
on.
P 1 = P T (P es ortogonal).
P A es una permutaci
on de las filas de A.
AP es una permutaci
on de las columnas de A.
Una matriz de permutaci
on P se puede representar de manera m
as
compacta por medio de un vector p Rn con la siguiente convencion:
Pi = Ipi
En palabras, la fila i de P es simplemente la fila pi de I. Obviamente p
debe cumplir:
pi {1, 2, 3, ..., n} i
pi 6= pj i 6= j.
Por ejemplo, p = (2, 4, 3, 1) representa
0
1
0
0
P =
0
0
1
0
la matriz
0
0
1
0
0
1
.
0
0
De la misma forma que en la factorizacion LU , los valores lik se almacenan en el sitio donde se anula el valor aik . El vector p inicialmente
es (1, 2, 3, ..., n). A medida que se intercambian las filas de la matriz, se
intercambian las componentes de p.
Ejemplo 11.5. Obtener la factorizacion LU
4
3
-2
3
2
1
A=
-2
3
1
-5
0
1
= P A, donde
1
5
.
2
1
Inicialmente p = (1, 2, 3, 4). Para buscar el mejor pivote, se intercambian

las filas 1 y 4.
-5
0
1
1
3
2
1
5
.
p = (4, 2, 3, 1),
-2
3
1
2
4
3 -2
1
224
LU =PA
11.9. FACTORIZACION
Buscando ceros en la primera

lik se obtiene:
-5
-0.6
0.4
-0.8
columna y almacenando all los valores

0
2
3
3
1
1.6
0.6
-1.2
1
5.6
.
1.6
1.8
Para buscar el mejor pivote, se intercambian las filas 2 y 3.
-5
0
1
1
0.4
3
0.6
1.6
.
p = (4, 3, 2, 1),
-0.6
2
1.6
5.6
-0.8
3 -1.2
1.8
Buscando ceros en la segunda columna y almacenando all los valores

lik se obtiene:
-5
0
1
1
0.4
3
0.6
1.6
.
-0.6
0.6667
1.2
4.5333
-0.8
1
-1.8
0.2
Para buscar el mejor pivote, se intercambian las filas
-5
0
1
0.4
3
0.6
p = (4, 3, 1, 2),
-0.8
1
-1.8
-0.6
0.6667
1.2
3 y 4.
1.6
.
0.2
4.5333
Buscando ceros en la tercera columna y almacenando all los valores lik

se obtiene:
-5
0
1
1
0.4
3
0.6
1.6
.
-0.8
1
-1.8
0.2
-0.6
0.6667 -0.6667
4.6667
En esta u
ltima matriz y en el arreglo p esta toda la informaci
on necesaria
para obtener L, U , P . Entonces:
1
0
0
0
0.4
1
0
0
.
L=
-0.8
1
1
0
-0.6
0.6667 -0.6667
1
225
11.
SOLUCION
-5
0
U =
0
0
0
0
P =
1
0
0
3
0
0
1.6
.
0.2
4.6667
1
0.6
-1.8
0
0
0
0
1
1
0
.
0
0
0
1
0
0
Si se desea resolver el sistema Ax = b a partir de la descomposicion

P A = LU , se considera el sistema P 1 LU x = b, o sea, P T LU x = b.
Sean z = LU x y y = U x. La solucion de Ax = b tiene tres pasos:
Resolver P T z = b, o sea, z = P b.
Resolver Ly = z.
Resolver U x = y.
Ejemplo 11.6. Para la matriz A del ejemplo anterior, resolver Ax = b
con b = [4 8 7 8]T .
-8
-7
z = Pb =
4
-8
-8
-3.8
Ly = z , entonces y =
1.4
-9.3333
1
0
U x = y , entonces x =
-1
-2
226

METODO
DE CHOLESKY
11.10.
11.10
M
etodo de Cholesky
Este metodo sirve para resolver el sistema Ax = b cuando la matriz A

es definida positiva (tambien llamada positivamente definida). Este
tipo de matrices se presenta en problemas especficos de ingeniera y
fsica, principalmente.
11.10.1
Matrices definidas positivas
Una matriz simetrica es definida positiva si

xT Ax > 0,
x Rn , x 6= 0.
(11.5)
Para una matriz cuadrada cualquiera,
xT Ax =
x1 x2 . . .
x1 x2 . . .
n
n X
X
x1
a11 a12 . . . a1n
a21 a22 . . . a2n x2
xn
...
xn
an1 an2 . . . ann
a11 x1 + a12 x2 + + a1n xn

a21 x1 + a22 x2 + + a2n xn
xn
an1 x1 + an2 x2 + + ann xn
aij xi xj .
i=1 j=i
Si A es simetrica,
xT Ax =
n
X
i=1
aii x2i + 2
n1
X
n
X
aij xi xj .
i=1 j=i+1
Ejemplo 11.7. Sea I la matriz identidad de orden n. Entonces xT Ix =

xT x = kxk2 . Luego la matriz I es definida positiva.
Ejemplo 11.8. Sea A la matriz nula de orden n. Entonces xT 0 x = 0.
Luego la matriz nula no es definida positiva.
227
11.
SOLUCION
Ejemplo 11.9. Sea

A =
1 2
2 5
xT Ax = x21 + 5x22 + 4x1 x2

= x21 + 4x1 x2 + 4x22 + x22
= (x1 + 2x2 )2 + x22 .
Obviamente xT Ax 0. Adem
as xT Ax = 0 si y solamente si los dos
sumandos son nulos, es decir, si y solamente si x2 = 0 y x1 = 0, o sea,
cuando x = 0. Luego A es definida positiva.
Ejemplo 11.10. Sea

A =
1 2
2 4
xT Ax = x21 + 4x22 + 4x1 x2

= (x1 + 2x2 )2 .
Obviamente xT Ax 0. Pero si x = (6, 3), entonces xT Ax = 0. Luego
A no es definida positiva.
Ejemplo 11.11. Sea

A =
1 2
2 3
xT Ax = x21 + 3x22 + 4x1 x2

= (x1 + 2x2 )2 x22 .
Si x = (6, 3), entonces xT Ax = 9. Luego A no es definida positiva.
Ejemplo 11.12. Sea
A =
1 2
3 4
Como A no es simetrica, entonces no es definida positiva.

Sean 1 , 2 , . . . , n los valores propios de A. Si A es simetrica, entonces todos sus valores propios son reales.
228
11.10.
METODO
DE CHOLESKY
Sea i el determinante de la submatriz de A, de tama

no ii, obtenida
al quitar de A las filas i + 1, i + 2, ..., n y las columnas i + 1, i + 2, ...,
n. O sea,
1 = det([a11 ]) = a11 ,

a11 a12
,
2 = det
a21 a22
a11 a12 a13

3 = det a21 a22 a13 ,
a31 a32 a33
..
.
n = det(A).
La definicion 11.5 tiene relaci
on directa con el nombre matriz definida
positiva. Sin embargo, no es una manera facil o practica de saber cu
ando
una matriz simetrica es definida positiva, sobre todo si A es grande. El
teorema siguiente presenta algunas de las caracterizaciones de las matrices definidas positivas. Para matrices peque
nas (n 4) la caracterizacion por medio de los i puede ser la de aplicacion m
as sencilla.
La u
ltima caracterizaci
on, llamada factorizacion de Cholesky, es la m
as
adecuada para matrices grandes. En [Str86], [NoD88] y [Mor01] hay
demostraciones y ejemplos.
Teorema 11.1. Sea A simetrica. Las siguientes afirmaciones son equivalentes.
A es definida positiva.
i > 0, i.
i > 0, i.
Existe U matriz triangular superior e invertible tal que A = U T U .
11.10.2
Factorizaci
on de Cholesky
Antes de estudiar el caso general, veamos la posible factorizacion para

los ejemplos de la secci
on anterior.
229
11.
SOLUCION
La matriz identidad se puede escribir como I = I T I, siendo I triangular superior invertible. Luego existe la factorizacion de Cholesky para
la matriz identidad.
Si existe la factorizacion de Cholesky de una matriz, al ser U y U T
invertibles, entonces A debe ser invertible. Luego la matriz nula no tiene
factorizaci
on de Cholesky.
Sea
A=
1 2
2 5
Entonces
u11 0
u12 u22

u11 u12
0 u22
1 2
2 5
u211 = 1
u11 u12 = 2,
u212
+ u222 = 5
Se deduce que
u11 = 1
u12 = 2,
u22 = 1,

1 2
U =
.
0 1
Entonces existe la factorizacion de Cholesky de A.
Cuando se calcul
o u11 se hubiera podido tomar u11 = 1 y se hubiera
podido obtener otra matriz U . Se puede demostrar que si se escogen
los elementos diagonales uii positivos, entonces la factorizacion, cuando
existe, es u
nica.
Sea
A=
1 2
2 4
230
11.10.
METODO
DE CHOLESKY
Entonces

u11 0
u12 u22

u11 u12
0 u22
1 2
2 4
u211 = 1
u11 u12 = 2,
u212
+ u222 = 4
Se deduce que
u11 = 1
u12 = 2,
u22 = 0,

1 2
U =
.
0 0
Entonces, aunque existe U tal que A = U T U , sin embargo no existe la
factorizaci
on de Cholesky de A ya que U no es invertible.
Sea
A=
1 2
2 3
Entonces

u11 0
u12 u22

u11 u12
0 u22
1 2
2 3
u211 = 1
u11 u12 = 2,
u212
+ u222 = 3
Se deduce que
u11 = 1
u12 = 2,
u222 = 1.
Entonces no existe la factorizaci
on de Cholesky de A.
231
SOLUCION
11.
En el caso
u11
..
.
u1k
..
.
u1j
..
.
u1n
general,
ukk
ukj ujj
ukn ujn
u11 u1k u1j u1n
..
ukk ukj ukn
..
ujj ujn
..
.
unn
unn
El producto de la fila 1 de U T por la columna 1 de U da:

u211 = a11 .
Luego
u11 =
a11 .
(11.6)
El producto de la fila 1 de U T por la columna j de U da:

u11 u1j = a1j .
Luego
a1j
,
j = 2, ..., n.
(11.7)
u11
Al hacer el producto de la fila 2 de U T por la columna 2 de U , se puede
calcular u22 . Al hacer el producto de la fila 2 de U T por la columna j de
U , se puede calcular u2j . Se observa que el calculo de los elementos de
U se hace fila por fila. Supongamos ahora que se conocen los elementos
de las filas 1, 2, ..., k 1 de U y se desea calcular los elementos de la
fila k de U . El producto de la fila k de U T por la columna k de U da:
u1j =
k
X
u2ik = akk
i=1
k1
X
u2ik + u2kk = akk .
i=1
Luego
ukk
v
u
u
= ta
kk
k1
X
u2ik ,
i=1
232
k = 2, ..., n.
(11.8)
11.10.
METODO
DE CHOLESKY
El producto de la fila k de U T por la columna j de U da:

k
X
uik uij = akj .
i=1
Luego
ukj =
akj
k1
X
uik uij
i=1
ukk
k = 2, ..., n, j = k + 1, ..., n.
(11.9)
Si consideramos que el valor de la sumatoria es 0 cuando el lmite inferior

es m
as grande que el lmite superior, entonces las formulas 11.8 y 11.9
pueden ser usadas para k = 1, ..., n.
Ejemplo 11.13. Sea
16 12
8 16
12
18 6
9
.
A =
8 6
5 10
16
9 10
46
u11 = 16 = 4
12
= 3
4
8
=2
u13 =
4
16
u14 =
= 4
4
p
u22 = 18 (3)2 = 3
u12 =
6 (3)(2)
=0
3
9 (3)(4)
u24 =
= 1
3
p
u33 = 5 (22 + 02 ) = 1
u23 =
u34 =
10 ( 2(4) + 0(1) )
= 2
1
233
11.
u44 =
Entonces,
SOLUCION
p
46 ( (4)2 + (1)2 + (2)2 ) = 5 .
4 3 2 4
0
3 0 1
.
=
0
0 1 2
0
0 0
5
La factorizaci
on de Cholesky no existe cuando en la formula 11.8 la
cantidad dentro del radical es negativa o nula. Utilizando el producto
escalar, las formulas 11.8 y 11.9 se pueden reescribir as:
t = akk prodEsc( U (1 : k 1, k) , U (1 : k 1, k) ),
t,
ukk =
akj prodEsc( U (1 : k 1, k) , U (1 : k 1, j) )
ukj =
ukk
Para ahorrar espacio de memoria, los valores ukk y ukj se pueden almacenar sobre los antiguos valores de akk y akj . O sea, al empezar
el algoritmo se tiene la matriz A. Al finalizar, en la parte triangular
superior del espacio ocupado por A estara U .
t = akk prodEsc( A(1 : k 1, k) , A(1 : k 1, k) ),(11.10)
akk =
t,
(11.11)
akj prodEsc( A(1 : k 1, k) , A(1 : k 1, j) )
akj =
(11.12)
akk
El siguiente es el esquema del algoritmo para la factorizaci
on de Cholesky.
Si acaba normalmente, la matriz A es definida positiva. Si en alg
un momento t , entonces A no es definida positiva.
datos: A,
para k = 1, ..., n
calculo de t seg
un (11.10)
si t
ent salir
akk = t
para j = k + 1, ..., n
calculo de akj seg
un (11.12)
fin-para j
fin-para k
234
11.10.
METODO
DE CHOLESKY
La siguiente es la implementaci
on en C, casi la traduccion literal,
del algoritmo anterior. Obviamente los subndices de A varan entre 0 y
n 1.
int factChol(double *a, int n, double eps)
{
// Factorizacion de Cholesky de la matriz simetrica A
// almacenada por filas en el arreglo a.
// A = Ut U, U es triangular sup., invertible.
// Devuelve 0 si A no es definida positiva.
//
1 si A es definida positiva
//
en este caso U estara en
//
la parte triangular superior de A.
// Solamente se trabaja con la parte superior de A.
int j, k, n1, kk, kj;
double t;
n1 = n+1;
for( k = 0; k < n; k++){
kk = k*n1;
t = a[kk] - prodXY( &a[k], n, &a[k], n, k);
if( t <= eps ) return 0;
a[kk] = sqrt(t);
for( j = k+1; j < n; j++){
kj = kk + j-k;
a[kj] = (a[kj]-prodXY(&a[k], n, &a[j], n, k))/
a[kk];
}
}
return 1;
}
11.10.3
N
umero de operaciones de la factorizaci
on
Para el calculo del n

umero de operaciones supongamos que el tiempo
necesario para calcular una raz cuadrada es del mismo orden de magnitud que el tiempo de una multiplicaci
on.
235
SOLUCION
11.
Sumas y restas
calculo
calculo
calculo
calculo
calculo
calculo
...
calculo
de
de
de
de
de
de
u11
u12
u1n
u22
u23
u2n
0
0
0
1
1
1
de unn
Multiplicaciones,
divisiones y races
1
1
1
2
2
2
n1
Sumas y restas
Multiplicaciones,
divisiones y races
n(1)
(n 1)2
(n 2)3
Agrupando por filas:
calculo
calculo
calculo
...
calculo
de U1
de U2
de U3
n(0)
(n 1)1
(n 2)2
de Un
1(n 1)
1(n)
N
umero de sumas y restas:
n1
X
i=1
(n i)i =
n3 n
n3
.
6
6
N
umero de multiplicaciones, divisiones y races:
n
X
i=1
(n + 1 i)i =
n3
n3 n2 n
+
+
.
6
2
3
6
N
umero total de operaciones:
n3 n2 n
n3
+
+
.
3
2
6
3
236
11.10.
11.10.4
METODO
DE CHOLESKY
Soluci
on del sistema
Una vez obtenida la factorizaci

on de Cholesky, resolver Ax = b es lo
mismo que resolver U T U x = b. Al hacer el cambio de variable U x = y,
la solucion del sistema Ax = b se convierte en
resolver
U T y = b,
(11.13)
resolver
U x = y.
(11.14)
Resolver cada uno de los dos sistemas es muy facil. El primero es triangular inferior, el segundo triangular superior. El n
umero total de
operaciones para resolver el sistema esta dado por la factorizacion m
as
la solucion de dos sistemas triangulares.
N
n3
n3
+ 2 n2
3
3
Esto quiere decir que para valores grandes de n, resolver un sistema,

con A definida positiva, por el metodo de Cholesky, gasta la mitad del
tiempo requerido por el metodo de Gauss.
El metodo de Cholesky se utiliza para matrices definidas positivas.
Pero no es necesario tratar de averiguar por otro criterio si la matriz es
definida positiva. Simplemente se trata de obtener la factorizacion de
Cholesky de A simetrica. Si fue posible, entonces A es definida positiva
y se contin
ua con la solucion de los dos sistemas triangulares. Si no fue
posible obtener la factorizaci
on de Cholesky, entonces A no es definida
positiva y no se puede aplicar el metodo de Cholesky para resolver Ax =
b.
76
x1
16 12
8
12
18 6 x2 = 66 .
x3
46
8 6
8
La factorizaci
on de Cholesky es posible (A es definida positiva):
4 3
3
U= 0
0
0
237
2
0 .
2
11.
SOLUCION
Al resolver U T y = b se obtiene
y = (19, 3, 4).
Finalmente, al resolver U x = y se obtiene
x = (3, 1, 2).
Para la implementaci
on en C ya estan todos los elementos, solamente
basta ensamblarlos y tener en cuenta que no es necesario construir U T .
En la solucion del sistema triangular inferior U T y = b, es necesario
trabajar con partes de las filas de U T , o sea, con partes de las columnas
de U .
int solChol(double *a, double *b, int n, double eps)
{
// Solucion por el metodo de Cholesky
// del sistema A x = b.
// A debe ser simetrica.
//
//
//
//
//
Devuelve 0 si A no es definida positiva.

1 si A es definida positiva.
En este caso la solucion estara en b.
La parte superior de A queda modificada.
Alli quedara U tal que U U = A.
// Solamente se trabaja con la parte superior de A.

if( factChol(a, n, eps) == 0 ) return 0;
solUTy(a, b, n);
solTrSup(a, b, n, eps);
return 1;
}
//--------------------------------------------------------void solUTy(double *u, double *b, int n)
{
// Solucion del sistema triangular inferior
// U y = b,
238
11.11.
METODO
DE GAUSS-SEIDEL
// donde U es triangular superior y esta

// en el arreglo u.
// Los elementos diagonales deben ser no nulos.
// Uij
esta en
u[i*n+j].
// La solucion quedara en
b.
int i, n1;
n1 = n+1;
for( i = 0; i < n; i++){
b[i] = (b[i] - prodXY( &u[i], n, b, 1, i))/u[i*n1];
}
}
11.11
M
etodo de Gauss-Seidel
Los metodos de Gauss y Cholesky hacen parte de los metodos directos

o finitos. Al cabo de un n
umero finito de operaciones, en ausencia de
errores de redondeo, se obtiene x solucion del sistema Ax = b.
El metodo de Gauss-Seidel hace parte de los metodos llamados indirectos o iterativos. En ellos se comienza con x0 = (x01 , x02 , ..., x0n ),
una aproximacion inicial de la solucion. A partir de x0 se construye
una nueva aproximacion de la solucion, x1 = (x11 , x12 , ..., x1n ). A partir de
x1 se construye x2 (aqu el superndice indica la iteraci
on y no indica
una potencia). As sucesivamente se construye una sucesi
on de vectores
{xk }, con el objetivo, no siempre garantizado, de que
lim xk = x .
Generalmente los metodos indirectos son una buena opci

on cuando la
matriz es muy grande y dispersa o rala (sparse), es decir, cuando el
n
umero de elementos no nulos es peque
no comparado con n2 , n
umero
total de elementos de A. En estos casos se debe utilizar una estructura
de datos adecuada que permita almacenar u
nicamente los elementos no
nulos.
239
11.
SOLUCION
En cada iteraci
on del metodo de Gauss-Seidel, hay n subiteraciones.
En la primera subiteraci
on se modifica u
nicamente x1 . Las demas coordenadas x2 , x3 , ..., xn no se modifican. El calculo de x1 se hace de tal
manera que se satisfaga la primera ecuaci
on.
b1 (a12 x02 + a13 x03 + + a1n x0n )

,
a11
= x0i , i = 2, ..., n.
x11 =
x1i
En la segunda subiteraci
on se modifica u
nicamente x2 . Las demas coordenadas x1 , x3 , ..., xn no se modifican. El calculo de x2 se hace de tal
manera que se satisfaga la segunda ecuaci
on.
b2 (a21 x11 + a23 x13 + + a2n x1n )

,
a22
= x1i , i = 1, 3, ..., n.
x22 =
x2i
As sucesivamente, en la n-esima subiteraci

on se modifica u
nicamente
xn . Las demas coordenadas x1 , x2 , ..., xn1 no se modifican. El calculo
de xn se hace de tal manera que se satisfaga la n-esima ecuaci
on.
bn (an1 x1n1 + an3 x3n1 + + ann xnn1 )
,
ann
= xin1 , i = 1, 2, ..., n 1.
xnn =
xni
x1
10 2 1 0
1 20 2 3 x2
2 1 30 0 x3
x4
1 2
3 20
240
26
15
=
53
47
11.11.
METODO
DE GAUSS-SEIDEL
partiendo de x0 = (1, 2, 3, 4).

26 (2 2 + (1) 3 + 0 4)
= 2.5,
10
= (2.5, 2, 3, 4).
15 (1 2.5 + (2) 3 + 3 4)
=
= 1.175,
20
= (2.5, 1.175, 3, 4).
53 (2 2.5 + 1 (1.175) + 0 4)
= 1.9725,
=
30
= (2.5, 1.175, 1.9725, 4).
47 (1 2.5 + 2 (1.175) + 3 1.9725)
= 2.0466,
=
20
= (2.5, 1.175, 1.9725, 2.0466).
x11 =
x1
x22
x2
x33
x3
x44
x4
Una vez que se ha hecho una iteraci

on completa (n subiteraciones),
se utiliza el u
ltimo x obtenido como aproximacion inicial y se vuelve a
empezar; se calcula x1 de tal manera que se satisfaga la primera ecuaci
on,
luego se calcula x2 ... A continuaci
on estan las iteraciones siguientes para
el ejemplo anterior.
3.0323
3.0323
3.0323
3.0323
1.1750
1.0114
1.0114
1.0114
1.9725
1.9725
2.0025
2.0025
2.0466
2.0466
2.0466
1.9991
3.0025
3.0025
3.0025
3.0025
1.0114
0.9997
0.9997
0.9997
2.0025
2.0025
2.0002
2.0002
1.9991
1.9991
1.9991
1.9998
3.0000
3.0000
3.0000
3.0000
0.9997
1.0000
1.0000
1.0000
2.0002
2.0002
2.0000
2.0000
1.9998
1.9998
1.9998
2.0000
3.0000
3.0000
3.0000
3.0000
1.0000
1.0000
1.0000
1.0000
2.0000
2.0000
2.0000
2.0000
2.0000
2.0000
2.0000
2.0000
241
11.
SOLUCION
Teoricamente, el metodo de Gauss-Seidel puede ser un proceso infinito. En la practica el proceso se acaba cuando de xk a xk+n los cambios
son muy peque
nos. Esto quiere decir que el x actual es casi la solucion
x .
Como el metodo no siempre converge, entonces otra detenci
on del
proceso, no deseada pero posible, esta determinada cuando el n
umero
de iteraciones realizadas es igual a un n
umero m
aximo de iteraciones
previsto.
El siguiente ejemplo no es convergente, ni siquiera empezando de una
aproximacion inicial muy cercana a la solucion. La solucion exacta es
x = (1, 1, 1).
11
x1
1
2 10
11 1 2 x2 = 12
8
x3
1
5 2
partiendo de x0 = (1.0001, 1.0001, 1.0001).
1.0012
1.0012
1.0012
0.6863
0.6863
0.6863
83.5031
83.5031
83.5031
1.0001
1.0134
1.0134
1.0134
2.5189
2.5189
2.5189
926.4428
926.4428
1.0001
1.0001
0.9660
0.9660
0.9660
9.9541
9.9541
9.9541
2353.8586
Algunos criterios garantizan la convergencia del metodo de GaussSeidel. Por ser condiciones suficientes para la convergencia son criterios
demasiado fuertes, es decir, la matriz A puede no cumplir estos requisitos
y sin embargo el metodo puede ser convergente. En la practica, con
frecuencia, es muy dispendioso poder aplicar estos criterios.
Una matriz cuadrada es de diagonal estrictamente dominante
por filas si en cada fila el valor absoluto del elemento diagonal es mayor
242

METODO
DE GAUSS-SEIDEL
11.11.
que la suma de los valores absolutos de los otros elementos de la fila,

|aii | >
n
X
j=1,j6=i
|aij | , i.
Teorema 11.2. Si A es de diagonal estrictamente dominante por filas,

entonces el metodo de Gauss-Seidel converge para cualquier x0 inicial.
Teorema 11.3. Si A es definida positiva, entonces el metodo de GaussSeidel converge para cualquier x0 inicial.
Teoricamente el metodo de Gauss-Seidel se debera detener cuando kxk
x k < . Sin embargo la condici
on anterior necesita conocer x , que es
precisamente lo que se esta buscando. Entonces, de manera practica el
metodo de GS se detiene cuando kxk xk+n k < .
Dejando de lado los superndices, las formulas del metodo de GaussSeidel se pueden reescribir para facilitar el algoritmo y para mostrar que
kxk x k y kxk xk+n k estan relacionadas.
bi
xi
xi
xi
n
X
aij xj
j=1,j6=i
,
aii
n
X
aij xj + aii xi
bi
j=1
aii
bi Ai x
.
xi +
aii
Sean
ri = bi Ai x,
ri
i =
aii
El valor ri es simplemente el error, residuo o resto que se comete en la
i-esima ecuaci
on al utilizar el x actual. Si ri = 0, entonces la ecuaci
on
i-esima se satisface perfectamente. El valor i es la modificaci
on que
sufre xi en una iteraci
on.
Sean r = (r1 , r2 , ..., rn ), = (1 , 2 , ..., n ). Entonces xk+n = xk + .
Adem
as xk es solucion si y solamente si r = 0, o sea, si y solamente = 0.
243
11.
SOLUCION
Lo anterior justifica que el metodo de GS se detenga cuando

P kk .
La norma kk puede ser la norma euclidiana o max |i | o
|i |.
Si en el criterio de parada del algoritmo se desea enfatizar sobre los

errores o residuos, entonces se puede comparar kk con /k(a11 , ..., ann )k;
por ejemplo,
kk
max |aii |
El esquema del algoritmo para resolver un sistema de ecuaciones por el

metodo de Gauss-Seidel es:
datos: A, b, x0 , , maxit
x = x0
para k = 1, ...,maxit
nrmD 0
para i = 1, ..., n
i = (bi prodEsc(Ai , x))/aii
xi xi + i
nrmdnrmD+i
fin-para i
si nrmD ent x x, salir
fin-para k
La siguiente es la implementaci
on en C, casi la traduccion literal, del
algoritmo anterior.
int gaussSei(double *a, double *b, double *x, int n,
double eps, int maxit)
{
// Metodo de Gauss-Seidel para resolver A x = b
//
//
//
//
Devuelve:
1 : si se obtuvo aproximadamente la solucion.
0 : si hay un elemento diagonal nulo.
2 : si hubo demasiadas iteraciones, mas de maxit.
// Entrando a la funcion, x contiene la

// aproximacion inicial de la solucion.
// Saliendo x tendra la ultima aproximacion.
244
11.12.
POR MINIMOS CUADRADOS

SOLUCION
int i, n1, k;
double nrmD, di;
n1 = n+1;
for(i=0;i<n;i++)if(fabs(a[i*n1])<=1.e-40)return 0;
for( k=1; k <= maxit; k++){

nrmD = 0.0;
for( i=0; i<n; i++){
di = (b[i] - prodXY(&a[i*n], x, n))/a[i*n1];
nrmD += fabs(di);
x[i] += di;
}
if( nrmD <= eps ) return 1;
}
return 2;
}
11.12
Soluci
on por mnimos cuadrados
Consideremos ahora un sistema de ecuaciones Ax = b, no necesariamente

cuadrado, donde A es una matriz m n cuyas columnas son linealmente
independientes. Esto implica que hay m
as filas que columnas, m n, y
que adem
as el rango de A es n. Es muy probable que este sistema no
tenga solucion, es decir, tal vez no existe x que cumpla exactamente las
m igualdades. Se desea que
Ax = b,
Ax b = 0,
kAx bk = 0,
kAx bk2 = 0,
kAx bk22 = 0.
Es Posible que lo deseado no se cumpla, entonces se quiere que el incumplimiento (el error) sea lo m
as peque
no posible. Se desea minimizar
esa cantidad,
min kAx bk22 .
(11.15)
245
11.
SOLUCION
El vector x que minimice kAx bk22 se llama solucion por mnimos

cuadrados. Como se vera m
as adelante, tal x existe y es u
nico (suponiendo
que las columnas de A son linealmente independientes).
Con el
animo de hacer m
as clara la deduccion, supongamos que A
es una matriz 4 3. Sea f (x) = kAx bk22 ,
f (x) =(a11 x1 + a12 x2 + a13 x3 b1 )2 + (a21 x1 + a22 x2 + a23 x3 b2 )2 +
(a31 x1 + a32 x2 + a33 x3 b3 )2 + (a41 x1 + a42 x2 + a43 x3 b4 )2 .
11.12.1
Derivadas parciales
Este libro esta dirigido principalmente a estudiantes de segundo semestre,

quienes todava no conocen el calculo en varias variables. En este
captulo y en el siguiente se requiere saber calcular derivadas parciales.
A continuaci
on se presenta una breve introducci
on al calculo (mec
anico)
de las derivadas parciales.
Sea una funcion de varias variables con valor real, : Rn R.
Bajo ciertas condiciones de existencia, la derivada parcial de con respecto a xi se obtiene considerando las otras variables como constantes
y derivando (x1 , x2 , ..., xn ) u
nicamente con respecto a xi . Esta derivada
parcial se denota
xi
Evaluada en un punto especfico x
, se denota
(
x)
xi
Por ejemplo, si (x1 , x2 , x3 , x4 ) = (4x31 + 6x4 )9 + 5x1 x2 + 8x4 ,
x1
x2
x3
x4
= 9(4x31 + 6x4 )8 (12x21 ) + 5x2 ,

= 5x1 ,
= 0,
= 54(4x31 + 6x4 )8 + 8.
246
11.12.
11.12.2

SOLUCION
Ecuaciones normales
Para obtener el mnimo de f se requiere que las tres derivadas parciales,

f /x1 , f /x2 y f /x3 , sean nulas.
f
=2(a11 x1 + a12 x2 + a13 x3 b1 )a11
x1
+ 2(a21 x1 + a22 x2 + a23 x3 b2 )a21
+ 2(a31 x1 + a32 x2 + a33 x3 b3 )a31
+ 2(a41 x1 + a42 x2 + a43 x3 b4 )a41 .
Escribiendo de manera matricial,

f
=2(A1 x b1 )a11 + 2(A2 x b2 )a21 + 2(A3 x b3 )a31
x1
+ 2(A4 x b4 )a41 .
Si B es una matriz y u un vector columna, entonces (Bu)i = Bi u.
f
x1

= 2 ((Ax)1 b1 )a11 + ((Ax)2 b2 )a21 + ((Ax)3 b3 )a31

+((Ax)4 b4 a41 ,
= 2
= 2
4
X
i=1
4
X
i=1
= 2
4
X
i=1
(Ax b)i ai1 ,

(A1 )i (Ax b)i ,
(AT 1 )i (Ax b)i ,
= 2AT 1 (Ax b),

= 2 AT (Ax b) 1
De manera semejante
f
x2
f
x3
= 2 AT (Ax b)
= 2 AT (Ax b)
247

11.
SOLUCION
Igualando a cero las tres derivadas parciales

AT (Ax b) 1 =

AT (Ax b) 2 =

AT (Ax b) 3 =
y quitando el 2 se tiene
0,
0,
0
Es decir,
AT (Ax b) = 0,
AT A x = AT b .
(11.16)
Las ecuaciones (11.16) se llaman ecuaciones normales para la solucion

(o seudosolucion) de un sistema de ecuaciones por mnimos cuadrados.
La matriz AT A es simetrica de tama
no n n. En general, si A es
una matriz m n de rango r, entonces AT A tambien es de rango r
(ver [Str86]). Como se supuso que el rango de A es n, entonces AT A es
invertible. M
as a
un, AT A es definida positiva.
Por ser AT A invertible, hay una u
nica solucion de (11.16), o sea,
hay un solo vector x que hace que las derivadas parciales sean nulas.
En general, las derivadas parciales nulas son simplemente una condici
on
necesaria para obtener el mnimo de una funcion (tambien lo es para
m
aximos o para puntos de silla), pero en este caso, como AT A es definida
positiva, f es convexa, y entonces anular las derivadas parciales se convierte en condici
on necesaria y suficiente para el mnimo.
En resumen, si las columnas de A son linealmente independientes,
entonces la solucion por mnimos cuadrados existe y es u
nica. Para
obtener la solucion por mnimos cuadrados se resuelven las ecuaciones
normales.
Como AT A es definida positiva, (11.16) se puede resolver por el
metodo de Cholesky. Si m n y al hacer la factorizacion de Cholesky
resulta que AT A no es definida positiva, entonces las columnas de A son
linealmente dependientes.
Si el sistema Ax = b tiene solucion exacta, esta coincide con la
solucion por mnimos cuadrados.
Ejemplo 11.17. Resolver por mnimos cuadrados:
3.1
2
1
0
8.9
x1
1 2
3
x2 =
3.1
2
2
1
x3
0.1
5
4 2
248
11.12.

SOLUCION
Las ecuaciones normales dan:
4.0
x1
34
20 15
20
25 12 x2 = 20.5
x3
23.4
15 12
14
La solucion por mnimos cuadrados es:
x = (2.0252, 1.0132, 2.9728) .
El error, Ax b, es:
0.0628
0.0196
0.0039 .
0.0275
3
2
1
3
9
x1
1 2
0
x2 =
3
2
2 6
x3
0
5
4
6
3
x1
34 20 48
20 25 15 x2 = 21
27
x3
48 15 81
Al tratar de resolver este sistema de ecuaciones por el metodo de Cholesky;
no se puede obtener la factorizacion de Cholesky, luego AT A no es
definida positiva, es decir, las columnas de A son linealmente dependientes. Si se aplica el metodo de Gauss, se obtiene que AT A es singular
y se concluye que las columnas de A son linealmente dependientes.
2
1
3

1 2 x1
0
=
2
6
2 x2
5
4
6
249
11.
SOLUCION

x1
48
34 20
=
x2
15
20 25
La solucion por mnimos cuadrados es:
x = (2, 1) .
El error, Ax b, es:
0
0
.
0
0
En este caso, el sistema inicial tena solucion exacta y la solucion por

mnimos cuadrados coincide con ella.
La implementaci
on eficiente de la solucion por mnimos cuadrados,
va ecuaciones normales, debe tener en cuenta algunos detalles. No es
necesario construir toda la matriz simetrica AT A (n2 elementos). Basta
con almacenar en un arreglo de tama
no n(n + 1)/2 la parte triangular
T
superior de A A.
Este almacenamiento puede ser por filas, es decir, primero los n
elementos de la primera fila, enseguida los n 1 elementos de la segunda
fila a partir del elemento diagonal, despues los n 2 de la tercera fila a
partir del elemento diagonal y as sucesivamente hasta almacenar un solo
elemento de la fila n. Si se almacena la parte triangular superior de AT A
por columnas, se almacena primero un elemento de la primera columna,
enseguida dos elementos de la segunda columna y as sucesivamente.
Cada una de las dos formas tiene sus ventajas y desventajas. La solucion
por el metodo de Cholesky debe tener en cuenta este tipo de estructura
de almacenamiento de la informaci
on.
Otros metodos eficientes para resolver sistemas de ecuaciones por
mnimos cuadrados utilizan matrices ortogonales de Givens o de Householder.
250
11.12.

SOLUCION
Ejercicios
11.1 Resuelva el sistema Ax = b,
5 1
0
4
A=
0
0
0
0
donde
4
2
1
1 2
, b = 8 .
0
2
4
6
0
3
11.2 Resuelva por el metodo de Gauss con pivoteo parcial el sistema

Ax = b, donde
4 12 10
6
45
30 , b = 9 .
A = 12
10
30
41
31
11.3 Halle la factorizaci

on LU = P A para la matriz A del ejercicio
anterior. Resuelva el sistema Ax = c, con
36
c = 126 .
122

Ax = b, donde
18
4 12 10
45
30 , b = 63 .
A = 12
60
10
45
25

Ax = b, donde
42
4 15 10
45
15 , b = 96 .
A = 12
105
10 75/2
25
11.6 Resuelva por el metodo de Cholesky el sistema Ax = b, donde
6
4 12 10
45
30 , b = 9 .
A = 12
31
10
30
41
251
11.
SOLUCION
8
4
2
4 2
2
5
6 3
, b = 10 .
A=
14
4
6
8 4
6
2 3 4
3

4 2 2
4
5 1 , b = 4 .
A = 2
2
1 2
5
11.9 Resuelva por el metodo de Gauss-Seidel el sistema Ax = b, donde
9
5 1 1
1 , b = 20 .
A= 2 4
48
1 2 10
11.10 Resuelva por el metodo de Gauss-Seidel el sistema Ax = b, donde
6
4 12 10
45
30 , b = 9 .
A = 12
31
10
30
41
11.11 Resuelva por el metodo de Gauss-Seidel el
1 4 5
A = 6 2 7 , b =
8 9 3
sistema Ax = b, donde
10
15 .
20
11.12 Resuelva por mnimos cuadrados el sistema Ax = b, donde
10
1 2 3
15
4 5 6
A=
7 8 9 , b = 20 .
25
10 12 15
11.13 Resuelva por mnimos cuadrados el sistema Ax = b, donde
10
1 2 3
15
4 5 6
A=
7 8 9 , b = 20 .
25
10 11 12
252
11.12.

SOLUCION
11.14 Utilizando apuntadores dobles para almacenar la matriz A, elabore

un programa (y una funcion) que calcule el determinante de A.
11.15 Utilizando apuntadores dobles para almacenar la matriz A, haga
un programa (y una funcion) para resolver un sistema por el metodo
de Gauss con pivoteo parcial.
11.16 Utilizando apuntadores dobles para almacenar la matriz rectangular A, elabore un programa (y una funcion) que obtenga la forma
escalonada reducida por filas.
de Cholesky.
de Gauss-Seidel.
11.19 La informaci
on indispensable de una matriz simetrica es la parte
superior, o sea, n(n + 1)/2 datos. Esta

se puede almacenar, fila
por fila, en un vector
(a11 , a12 , a13 , ..., a1n , a22 , a23 , ..., a2n , ..., an1,n1 , an1,n , ann ),
que ocupa aproximadamente la mitad del espacio de los n2 elementos de la matriz completa. Haga un programa para almacenar de
Au
nicamente la parte superior, hacer la factorizacion de Cholesky
y resolver el sistema Ax = b.
8
4 2
2
0 0
0 0
12
2
5 1
2 0
0 0
8
2 1
5
4 6
0 0
, b = 12 .
0
2
4
6
5
2
0
A=
23
0
0
6
5 11
4 3
18
0
0
0 2 4 12 2
6
0
0
0
0 3
2 14
11.21 Se dice que una matriz simetrica es una matriz banda de ancho
2m1 si aij = 0 cuando |ji| m. Demuestre que si A es definida
253
11.
SOLUCION
positiva y la factorizacion de Cholesky es A = U T U , entonces U

es una matriz triangular superior banda, de ancho m: aij = 0 si
i > j y aij = 0 si j i m. En el ejercicio anterior m = 3.
11.22 La informaci
on indispensable de una matriz simetrica de ancho de
banda 2m 1 se puede almacenar en una matriz m n. Para la
matriz del pen
ultimo ejercicio,
4 2
2
5 1
2
5
4
6
6
5 2
.
11
4
3
12
2
14
Haga un programa para almacenar de A u
nicamente la banda superior, hacer la factorizacion de Cholesky y resolver el sistema
Ax = b.
11.23 Se define la densidad de una matriz de tama

no m n como el
porcentaje de componentes no nulos de una matriz
n
umero de aij no nulos
100.
mn
Una matriz, generalmente de tama
no muy grande, se llama dispersa o rala, (sparse), si su densidad es peque
na, es decir menor
que 10%, o menor que 5%, o 1%. Estas matrices se presentan con
frecuencia en problemas reales de fsica, ingeniera, economa, etc.
La informaci
on indispensable, los elementos no nulos, se puede
almacenar por una lista de triplas
densidad(A) =
(i1 , j1 , v1 )
(i2 , j2 , v2 )
..
.
(ik , jk , vk )
..
.
donde aik ,jk = vk . Haga un programa para almacenar de A u
nicamente
los elementos no nulos y resolver por el metodo de Gauss-Seidel el
sistema Ax = b.
254
12
Soluci
on de ecuaciones
Uno de los problemas m
as corrientes en matem
aticas consiste en resolver
una ecuaci
on, es decir, encontrar un valor x R que satisfaga
f (x) = 0,
donde f es una funcion de variable y valor real, o sea,
f : R R.
Este x se llama solucion de la ecuaci
on. A veces tambien se dice que
x es una raz. Algunos ejemplos sencillos de ecuaciones son:
x5 3x4 + 10x 8 = 0,
ex x3 + 8 = 0,
x2 + x
x = 0.
cos(x 1) + 2
En algunos casos no se tiene una expresi

on sencilla de f , sino que f (x)
corresponde al resultado de un proceso; por ejemplo:
Z x
2
et dt 0.2 = 0.
Lo mnimo que se le exige a f es que sea continua. Si no es continua en

todo R, por lo menos debe ser continua en un intervalo [a, b] donde se
busca la raz. Algunos metodos requieren que f sea derivable. Para la
255
12.
DE ECUACIONES
SOLUCION
aplicacion de algunos teoremas de convergencia, no para el metodo en

s, se requieren derivadas de orden superior.
Los metodos generales de solucion de ecuaciones sirven u
nicamente
para hallar races reales. Algunos metodos especficos para polinomios
permiten obtener races complejas.
Los metodos presuponen que la ecuaci
on f (x) = 0 tiene solucion.
Es necesario, antes de aplicar mecanicamente los metodos, estudiar la
funcion, averiguar si tiene races, ubicarlas aproximadamente. En algunos casos muy difciles no es posible hacer un an
alisis previo de la
funcion, entonces hay que utilizar de manera mecanica uno o varios
metodos, pero sabiendo que podran ser ineficientes o, simplemente, no
funcionar.
La mayora de los metodos parten de x0 , aproximacion inicial de x ,
a partir del cual se obtiene x1 . A partir de x1 se obtiene x2 , despues
x3 , y as sucesivamente se construye la sucesion {xk } con el objetivo,
no siempre cumplido, de que
lim xk = x .
El proceso anterior es te
oricamente infinito, y obtendra la solucion despues de haber hecho un n
umero infinito de calculos. En la practica el
proceso se detiene cuando se obtenga una aproximacion suficientemente
buena de x . Esto querra decir que el proceso se detendra cuando
|xk x | ,
para un dado. El anterior criterio supone el conocimiento de x , que es
justamente lo buscado. Entonces se utiliza el criterio, este si aplicable,
|f (xk )| .
En la mayora de los casos, cuanto m
as cerca este x0 de x , m
as rapidamente
se obtendr
a una buena aproximacion de x .
Otros metodos parten de un intervalo inicial [a0 , b0 ], en el cual se
sabe que existe una raz x . A partir de el, se construye otro intervalo
[a1 , b1 ], contenido en el anterior, en el que tambien esta x y que es de
menor tama
no. De manera an
aloga se construye [a2 , b2 ]. Se espera que
256

12.1. METODO
DE NEWTON
la sucesion formada por los tama

nos tienda a 0. Explcitamente,
x
[a0 , b0 ],
[ak+1 , bk+1 ] [ak , bk ], k = 1, 2, ...,

x
[ak , bk ], k = 1, 2, ...,
lim (bk ak ) = 0.
En este caso, el proceso se detiene cuando se obtiene un intervalo suficientemente peque

no,
|bk ak | .
Cualquiera de los puntos del u
ltimo intervalo es una buena aproximacion
de x .
12.1
M
etodo de Newton
Tambien se conoce como el metodo de Newton-Raphson. Dado x0 , se

construye la recta tangente en (x0 , f (x0 )). El valor de x donde esta
recta corta el eje x es el nuevo valor x1 . Ahora se construye la recta
tangente en el punto (x1 , f (x1 )). El punto de corte entre la recta y el
eje x determina x2 ...
y = f (x)
(x0 , f (x0 ))
(x1 , f (x1 ))
x2
Figura 12.1
x1
x0
Metodo de Newton.
257
DE ECUACIONES
SOLUCION
12.
En el caso general, dado xk , se construye la recta tangente en el

punto (xk , f (xk )),
y = f (xk )(x xk ) + f (xk ).
Para y = 0 se tiene x = xk+1 ,
0 = f (xk )(xk+1 xk ) + f (xk ).
Entonces
xk+1 = xk
f (xk )
f (xk )
(12.1)
Ejemplo 12.1. Aplicar el metodo de Newton a la ecuaci

on x5 3x4 +
10x 8 = 0, partiendo de x0 = 3.
k
0
1
2
3
4
5
6
xk
3.000000
2.758242
2.640786
2.611626
2.609930
2.609924
2.609924
f (xk )
2.200000E+01
5.589425E+00
9.381331E-01
4.892142E-02
1.590178E-04
1.698318E-09
-2.838008E-15
f (xk )
91.000000
47.587479
32.171792
28.848275
28.660840
28.660228
28.660227
Las races reales del polinomio x5 3x4 +10x8 son: 2.6099, 1.3566,
1. Tomando otros valores iniciales el metodo converge a estas races. Si
se toma x0 = 2.1, se esperara que el metodo vaya hacia una de las races
cercanas, 2.6099 o 1.3566 . Sin embargo, hay convergencia hacia 1.
k
0
1
2
3
4
5
xk
2.100000
0.942788
0.993484
0.999891
1.000000
1.000000
f (xk )
-4.503290e+00
-1.974259e-01
-1.988663e-02
-3.272854e-04
-9.509814e-08
-7.993606e-15
f (xk )
-3.891500
3.894306
3.103997
3.001745
3.000001
3.000000
El metodo de Newton es muy popular por sus ventajas:

258

12.1. METODO
DE NEWTON
Sencillez.
Generalmente converge.
En la mayora de los casos, cuando converge, lo hace rapidamente.
Tambien tiene algunas desventajas:
Puede no converger.
Presenta problemas cuando f (xk ) 0.
Requiere poder evaluar, en cada iteraci
on, el valor f (x).
La implementaci
on del metodo de Newton debe tener en cuenta varios aspectos. Como no es un metodo totalmente seguro, debe estar
previsto un n
umero m
aximo de iteraciones, llamado por ejemplo maxit.
Para una precisi
on f , la detencion deseada para el proceso iterativo se
tiene cuando |f (xk )| f . Otra detencion posible se da cuando dos
valores de x son casi iguales, es decir, cuando |xk xk1 | x . Se
acostumbra a utilizar el cambio relativo, o sea, |xk xk1 |/|xk | x .
Para evitar las divisiones por cero, se usa |xk xk1 |/(1 + |xk |) x .
Finalmente, siempre hay que evitar las divisiones por cero o por valores
casi nulos. Entonces, otra posible parada, no deseada, corresponde a
|f (xk )| 0 . El algoritmo para el metodo de Newton puede tener el
siguiente esquema:
datos: x0, maxit, f , x , 0
xk = x0
fx = f (xk), fpx = f (xk)
para k=1,...,maxit
si |fpx| 0 ent salir
= fx/fpx
xk = xk-
fx = f (xk), fpx = f (xk)
si |fx| f ent salir
si ||/(1+|xk|) x ent salir
fin-para k
on en C, es necesario determinar como se eval
ua
f y f . Fundamentalmente hay dos posibilidades:
259
12.
DE ECUACIONES
SOLUCION
Hacer una funcion de C para evaluar f y otra para evaluar f .

Hacer una funcion de C donde se eval
ue al mismo tiempo f y f .
Cada una de estas posibilidades puede hacerse con nombres fijos para
las funciones o por medio de apuntadores a funciones. En el metodo de
Newton, en cada iteraci
on se calcula una vez f (x) y una vez f (x).
Cuando se cambia f es necesario cambiar f . Por razones de sencillez
en la escritura, la siguiente implementaci
on en C utiliza un nombre fijo
para una funcion donde al mismo tiempo se eval
ua f y f .
double newton(double x0, int maxit, double epsF,
double epsX, double eps0, int &indic)
{
// Metodo de Newton para resolver f(x) = 0.
//
// f(x) esta definida en fxfpx.
// Esta ultima funcion tambien calcula f(x)
//
// indic valdra:
//
1 si | f(xk) | <= epsF
//
2 si | xk-xk1 |/( 1+ |xk| ) <= epsX
//
0 si | f(xk ) | <= eps0
//
3 si en maxit iteraciones no se ha tenido
//
convergencia
//
// Sea r el valor devuelto por newton.
// Si indic= 1, r es una buena aproximacion de una raiz
// Si indic= 2, r es una buena aproximacion de una raiz
//
o el ultimo xk calculado.
//
= 3, r es el ultimo xk calculado.
//
= 0, r es el ultimo xk calculado.
// x0 es una aproximacion inicial de la raiz.
int k;
double delta, xk, fx, fpx;
xk = x0;
fx = fxfpx(xk, fpx);
260

12.1. METODO
DE NEWTON
for( k=1; k<= maxit; k++){

if( fabs(fpx) <= eps0 ){
indic = 0;
return xk;
}
delta = fx/fpx;
xk = xk - delta;
fx = fxfpx(xk, fpx);
if( fabs(fx) <= epsF ){
indic = 1;
return xk;
}
if( fabs(delta)/( 1.0+fabs(xk) ) <= epsX ){
indic = 2;
return xk;
}
}
indic = 3;
return xk;
}
//--------------------------------------------------------double fxfpx(double x, double &fpx)
{
// Calculo de f(x) y f(x)
// Devuelve f(x)
// La variable fpx tendra el valor f(x)
double fx;
// f(x) = x^5 - 3x^4 + 10x - 8.
fx = x*x*x*x*x - 3.0*x*x*x*x + 10.0*x - 8.0;
fpx = 5.0*x*x*x*x - 12.0*x*x*x + 10.0;
return fx;
}
La llamada a la funcion newton puede ser semejante a

261
DE ECUACIONES
SOLUCION
12.
x = newton(3.0, 20, 1.0E-10, 1.0E-15, 1.0E-30, resul);

if( resul == 1 ) ...
12.1.1
Orden de convergencia
Definici
on 12.1. Sea {xk } una sucesion de n
umeros reales con lmite
L. Se dice que la convergencia tiene orden de convergencia p, si p es
el mayor valor tal que el siguiente lmite existe y es finito.
lim
|xk+1 L|
=<
|xk L|p
En este caso se dice que es la tasa de convergencia. Cuando el orden

es 1, se dice que la convergencia es lineal.
Cuando el orden es 2, se dice que la convergencia es cuadratica.
De acuerdo con la definicion, lo ideal es tener ordenes altos con tasas
peque
nas. Una convergencia lineal con tasa 1 es una convergencia muy
lenta; por ejemplo xk = 1/k. La convergencia de xk = 1/3k es m
as
r
apida, es lineal pero con tasa 1/3. La sucesion definida por x0 = 4/5,
xk+1 = x2k tiene convergencia cuadratica.
Cuando se tiene una sucesion {xk } en Rn , para la definicion del orden
de convergencia se usa
lim
||xk+1 L||
||xk L||p
Teorema 12.1. Sean a < b, I = ]a, b[, f : I R, x I, f (x ) = 0, f

y f existen y son continuas en I, f (x ) 6= 0, {xk } la sucesi
on definida
por 12.1. Si x0 est
a suficientemente cerca de x , entonces
lim xk = x ,
lim
|xk+1 x |
|xk x |2
|f (x )|
2|f (x )|
(12.2)
(12.3)
La demostraci
on de este teorema esta en varios libros; por ejemplo,
en [Atk78] o en [Sch91]. El primer resultado dice que la sucesion converge
a x . El segundo dice que la convergencia es cuadratica o de orden
superior. La frase x0 esta suficientemente cerca de x , entonces...
262

12.2. METODO
DE LA SECANTE
quiere decir que existe > 0 tal que si x0 [x , x + ] I,

entonces...
A manera de comprobacion, despues de que se calcul
o una raz, se
puede ver si la sucesion muestra aproximadamente convergencia cuadratica.
Sea ek = xk x . La sucesion |ek |/|ek1 |2 debera acercarse a |f (x )|/
(2|f (x )|). Para el ejemplo anterior |f (x )/(2|f (x )|) = 16/(2 3) =
2.6666 .
k
0
1
2
3
4
5
12.2
xk
2.1000000000000001
0.9427881279712185
0.9934841559110774
0.9998909365826297
0.9999999683006239
0.9999999999999973
|ek |
1.100000e+00
5.721187e-02
6.515844e-03
1.090634e-04
3.169938e-08
2.664535e-15
|ek |/|ek1 |2
4.728254e-02
1.990666e+00
2.568844e+00
2.664971e+00
2.651673e+00
M
etodo de la secante
Uno de los inconvenientes del metodo de Newton es que necesita evaluar

f (x) en cada iteraci
on. Algunas veces esto es imposible o muy difcil.
Si en el metodo de Newton se modifica la formula 12.1 reemplazando
f (xk ) por una aproximacion
f (xk )
f (xk ) f (xk1 )
,
xk xk1
entonces se obtiene
xk+1 = xk
f (xk )(xk xk1 )

f (xk ) f (xk1 )
(12.4)
En el metodo de Newton se utilizaba la recta tangente a la curva en el

punto (xk , f (xk )). En el metodo de la secante se utiliza la recta (secante)
que pasa por los puntos (xk , f (xk )) y (xk1 , f (xk1 )).
263
12.
DE ECUACIONES
SOLUCION
y = f (x)
(x0 , f (x0 ))
(x1 , f (x1 ))
b
x2 x1
Figura 12.2
x0
Metodo de la secante.
Ejemplo 12.2. Aplicar el metodo de la secante a la ecuaci

on x5 3x4 +
10x 8 = 0, partiendo de x0 = 3.
k
0
1
2
3
4
5
6
7
8
9
xk
3.000000
3.010000
2.761091
2.678210
2.625482
2.611773
2.609979
2.609925
2.609924
2.609924
f (xk )
2.200000e+01
2.292085e+01
5.725624e+00
2.226281e+00
4.593602e-01
5.317368e-02
1.552812e-03
5.512240e-06
5.747927e-10
-2.838008e-15
Mediante condiciones semejantes a las exigidas en el teorema 12.1

se muestra (ver [Sch91]), que el metodo de la secante tiene orden de
convergencia
1+ 5
1.618
2
Como el metodo de la secante es semejante al metodo de Newton,
entonces tienen aproximadamente las mismas ventajas y las mismas
desventajas, salvo dos aspectos:
264

12.2. METODO
DE LA SECANTE
La convergencia del metodo de la secante, en la mayora de los

casos, es menos r
apida que en el metodo de Newton.
El metodo de la secante obvia la necesidad de evaluar las derivadas.
El esquema del algoritmo es semejante al del metodo de Newton.
Hay varias posibles salidas, algunas deseables, otras no.
datos: x0, maxit, f , x , 0
x1 = x0 + 0.1, f0 = f(x0), f1 = f(x1)
para k=1,...,maxit
den = f1-f0
si |den| 0 ent salir
=f1*(x1-x0)/den
x2 = x1 - , f2 = f(x2)
si |f2| f ent salir
si ||/(1+|x2|) x ent salir
x0 = x1, f0 = f1, x1 = x2, f1 = f2
fin-para k
on en C, la evaluacion de f (x) puede hacerse en
una funcion con nombre fijo o por medio de un apuntador a funcion. En
la siguiente implementaci
on la evaluacion de f (x) se hace en la funcion
con prototipo double f(double x); .
double secante(double x0, int maxit, double epsF,
double epsX, double eps0, int &indic)
{
// Metodo de la secante para resolver f(x) = 0.
//
//
// indic valdra:
//
1 si | f(x2) | <= epsF
//
2 si | x2-x1 |/( 1+ |x2| ) <= epsX
//
0 si | f(x1) - f(x0) | <= eps0
//
3 si en maxit iteraciones no se ha tenido
//
convergencia
//
265
12.
//
//
//
//
//
//
//
DE ECUACIONES
SOLUCION
Sea r el valor devuelto por secante.

Si indic= 1, r es una buena aproximacion de una raiz
Si indic= 2, r es una buena aproximacion de una raiz
o el ultimo x2 calculado.
= 3, r es el ultimo x2 calculado.
= 0, r es el ultimo x2 calculado.
x0 es una aproximacion inicial de la raiz.
int k;
double delta, x1, x2, f0, f1, f2, den;
x1 =
f0 =
f1 =
for(
x0 + 0.01;
f(x0);
f(x1);
k=1; k<= maxit; k++){
den = f1 - f0;
if( fabs(den) <= eps0 ){
indic = 0;
return x1;
}
delta = f1*(x1-x0)/den;
x2 = x1 - delta;
f2 = f(x2);
if( fabs(f2) <= epsF ){
indic = 1;
return x2;
}
if( fabs(delta)/( 1.0+fabs(x2) ) <= epsX ){
indic = 2;
return x2;
}
x0 = x1; x1 = x2; f0 = f1; f1 = f2;
}
indic = 3;
return x2;
}
//--------------------------------------------------------double f(double x)
266
12.3. METODO
DE LA BISECCION
{
// Calculo de f(x)
// f(x) = x^5 - 3x^4 + 10x - 8.
return x*x*x*x*x - 3.0*x*x*x*x + 10.0*x - 8.0;
}
12.3
M
etodo de la bisecci
on
Si la funcion f es continua en el intervalo [a, b], a < b, y si f (a) y f (b)

tienen signo diferente,
f (a)f (b) < 0,
entonces f tiene por lo menos una raz en el intervalo. Este metodo ya
se vio en el captulo sobre funciones.
Usualmente se define el error asociado a una aproximacion como
ek = |xk x |.
En el metodo de la biseccion, dado el intervalo [ak , bk ], ak < bk , no se
tiene un valor de xk . Se sabe que en [ak , bk ] hay por lo menos una raz.
Cualquiera de los valores en el intervalo podra ser xk . Sea Ek el m
aximo
error que puede haber en la iteraci
on k,
e k E k = bk a k .
Como el tama
no de un intervalo es exactamente la mitad del anterior
1
bk ak = (bk1 ak1 ),
2
entonces
Finalmente

1
1
(bk2 ak2 ).
bk a k =
2
2
Obviamente Ek 0 y
k
1
bk a k =
(b0 a0 ).
2
Ek
1
1
= .
Ek1
2
2
267
12.
DE ECUACIONES
SOLUCION
Esto quiere decir que la sucesion de cotas del error tiene convergencia
lineal (orden 1) y tasa de convergencia 1/2.
En el metodo de la biseccion se puede saber por anticipado el n
umero
de iteraciones necesarias para obtener un tama
no deseado,
bk ak ,
k
1
(b0 a0 ) ,
2
k
,
2
b0 a 0
b0 a 0
2k
,
b0 a 0
,
k log 2 log
a0
log b0
log 2
Por ejemplo, si el tama
no del intervalo inicial es 3, si = 1.0E 6,
entonces en k = 22 ( 21.52) iteraciones se obtiene un intervalo suficientemente peque
no.
12.4
M
etodo de Regula Falsi
Igualmente se conoce con el nombre de falsa posicion. Es una modificacion del metodo de la biseccion. Tambien empieza con un intervalo
[a0 , b0 ] donde f es continua y tal que f (a0 ) y f (b0 ) tienen signo diferente.
En el metodo de biseccion, en cada iteraci
on, u
nicamente se tiene
en cuenta el signo de f (ak ) y de f (bk ), pero no sus valores: no se esta
utilizando toda la informaci
on disponible. Adem
as es de esperar que
si f (ak ) esta m
as cerca de 0 que f (bk ), entonces puede ser interesante
considerar, no el punto medio, sino un punto m
as cercano a ak . De
manera an
aloga, si f (bk ) esta m
as cerca de 0 que f (ak ), entonces puede
ser interesante considerar, no el punto medio, sino un punto m
as cercano
a bk .
En el metodo de Regula Falsi se considera el punto donde la recta
que pasa por (ak , f (ak )), (bk , f (bk )) corta el eje x. Como f (ak ) y f (bk )
tienen signo diferente, entonces el punto de corte ck queda entre ak y bk .
268

12.4. METODO
DE REGULA FALSI
y = f (x)
(bk , f (bk ))
b
ak c k
bk
b
Figura 12.3
Regula Falsi.
La ecuaci
on de la recta es:
y f (ak ) =
f (bk ) f (ak )
(x ak )
bk a k
Cuando y = 0 se tiene el punto de corte x = ck ,

c k = ak
f (ak )(bk ak )
f (bk ) f (ak )
(12.5)
Esta formula es semejante a la de la secante. Como f (ak ) y f (bk ) tienen

signo diferente, entonces f (bk ) f (ak ) tiene signo contrario al de f (ak ).
Entonces f (ak )/(f (bk ) f (ak )) > 0. Usando de nuevo que f (ak ) y
f (bk ) tienen signo diferente, entonces |f (ak )|/|f (bk ) f (ak )| < 1. Luego
0 < f (ak )/(f (bk ) f (ak )) < 1. Esto muestra que ak < ck < bk .
Partiendo de un intervalo inicial [a0 , b0 ], en la iteraci
on k se tiene
el intervalo [ak , bk ] donde f es continua y f (ak ), f (bk ) tienen diferente
signo. Se calcula ck el punto de corte y se tienen tres posibilidades
excluyentes:
f (ck ) 0; en este caso ck es, aproximadamente, una raz;
269
12.
DE ECUACIONES
SOLUCION
f (ak )f (ck ) < 0; en este caso hay una raz en el intervalo [ak , ck ] =
[ak+1 , bk+1 ];
f (ak )f (ck ) > 0; en este caso hay una raz en el intervalo [ck , bk ] =
[ak+1 , bk+1 ].
Ejemplo 12.3. Aplicar el metodo de Regula Falsi a la ecuaci
on x5
4
3x + 10x 8 = 0, partiendo de [2, 5].
k
0
1
2
3
4
5
10
20
30
335
ak
2.000000
2.009259
2.018616
2.028067
2.037610
2.047239
2.096539
2.198548
2.298673
2.609924
bk
5
5
5
5
5
5
5
5
5
5
f (ak )
-4.000000
-4.054857
-4.108820
-4.161744
-4.213478
-4.263862
-4.489666
-4.739498
-4.594020
-0.000001
f (bk )
1292
1292
1292
1292
1292
1292
1292
1292
1292
1292
ck
2.009259
2.018616
2.028067
2.037610
2.047239
2.056952
2.106594
2.208787
2.308244
2.609924
f (ck )
-4.054857
-4.108820
-4.161744
-4.213478
-4.263862
-4.312734
-4.528370
-4.744664
-4.554769
-0.000001
Como se ve, la convergencia es muy lenta. El problema radica en

que en el metodo de Regula Falsi no se puede garantizar que
lim (bk ak ) = 0.
Esto quiere decir que el metodo no es seguro. Entonces, en una implementaci

on, es necesario trabajar con un n
umero m
aximo de iteraciones.
12.5
Modificaci
on del m
etodo de Regula Falsi
Los dos metodos, biseccion y Regula Falsi, se pueden combinar en uno

solo de la siguiente manera. En cada iteraci
on se calcula mk y ck . Esto
define tres subintervalos en [ak , bk ]. En por lo menos uno de ellos se tiene
una raz. Si los tres subintervalos sirven, se puede escoger cualquiera,
o mejor a
un, el de menor tama
no. En un caso muy especial, cuando
mk y ck coinciden, se tiene simplemente una iteraci
on del metodo de
biseccion.
270
DEL METODO
12.5. MODIFICACION
DE REGULA FALSI
En cualquiera de los casos

1
bk+1 ak+1 (bk ak ),
2
entonces
k
1
bk a k
(b0 a0 ),
2
lo que garantiza que

lim (bk ak ) = 0.
Ejemplo 12.4. Aplicar la modificaci

on del metodo de Regula Falsi a la
5
4
ecuaci
on x 3x + 10x 8 = 0, partiendo de [2, 5].
k
0
1
2
3
4
5
6
7
8
9
a
2.0000
2.0093
2.0662
2.4104
2.5825
2.6033
2.6092
2.6099
2.6099
2.6099
b
5.0000
3.5000
2.7546
2.7546
2.7546
2.6686
2.6360
2.6226
2.6162
2.6131
f(a)
-4.00e+0
-4.05e+0
-4.36e+0
-3.80e+0
-7.44e-1
-1.87e-1
-2.00e-2
-9.73e-4
-2.33e-5
-2.81e-7
f(b)
1.29e+3
1.02e+2
5.42e+0
5.42e+0
5.42e+0
1.88e+0
7.84e-1
3.72e-1
1.83e-1
9.10e-2
c
2.0093
2.0662
2.3731
2.5523
2.6033
2.6092
2.6099
2.6099
2.6099
2.6099
f(c)
-4.0e+0
-4.4e+0
-4.2e+0
-1.5e+0
-1.9e-1
-2.0e-2
-9.7e-4
-2.3e-5
-2.8e-7
-1.7e-9
m
f(m)
3.5000 1.0e+2
2.7546 5.4e+0
2.4104 -3.8e+0
2.5825 -7.4e-1
2.6686 1.9e+0
2.6360 7.8e-1
2.6226 3.7e-1
2.6162 1.8e-1
2.6131 9.1e-2
La modificaci
on es mucho mejor que el metodo de Regula Falsi.
Adem
as, el n
umero de iteraciones de la modificaci
on debe ser menor
o igual que el n
umero de iteraciones del metodo de bisecci
on. Pero para
comparar equitativamente el metodo de biseccion y la modificaci
on de
Regula Falsi, es necesario tener en cuenta el n
umero de evaluaciones de
f (x).
En el metodo de biseccion, en k iteraciones, el n
umero de evaluaciones de f esta dado por:
nbisec = 2 + kbisec
En la modificaci
on de Regula Falsi,
nmodif = 2 + 2 kmodif
271
12.
12.6
DE ECUACIONES
SOLUCION
M
etodo de punto fijo
Los metodos vistos se aplican a la solucion de la ecuaci

on f (x) = 0. El
metodo de punto fijo sirve para resolver la ecuaci
on
g(x) = x.
(12.6)
Se busca un x tal que su imagen, por medio de la funcion g, sea el

mismo x . Por tal motivo se dice que x es un punto fijo de la funcion
g.
La aplicacion del metodo es muy sencilla. A partir de un x0 dado,
se aplica varias veces la formula
xk+1 = g(xk ).
(12.7)
Se espera que la sucesion {xk } construida mediante (12.7) converja hacia

x . En algunos casos el metodo, adem
as de ser muy sencillo, es muy
eficiente; en otros casos la eficiencia es muy peque
na; finalmente, en
otros casos el metodo definitivamente no sirve.
Ejemplo 12.5. Resolver x3 + x2 + 6x + 5 = 0. Esta ecuaci
on se puede
escribir en la forma
x3 + x2 + 5
x=
6
Aplicando el metodo de punto fijo a partir de x0 = 1 se tiene:
x0
x1
x2
x3
x4
x5
x6
x7
x8
=
=
=
=
=
=
=
=
=
-1
-0.833333
-0.852623
-0.851190
-0.851303
-0.851294
-0.851295
-0.851295
-0.851295
Entonces se tiene una aproximacion de una raz, x 0.851295. En

este caso el metodo funciono muy bien. Utilicemos ahora otra expresi
on
para x = g(x):
x3 + 6x + 5
x=
x
272

12.6. METODO
DE PUNTO FIJO
Aplicando el metodo de punto fijo a partir de x0 = 0.851, muy buena

aproximacion de la raz, se tiene:
x0
x1
x2
x3
x4
x5
x6
x7
=
=
=
=
=
=
=
=
-0.8510
-0.8488
-0.8294
-0.6599
1.1415
-11.6832
-142.0691
-2.0190e+4
En este caso se observa que, aun partiendo de una muy buena aproximaci
on de la solucion, no hay convergencia.
Antes de ver un resultado sobre convergencia del metodo de punto
fijo, observemos su interpretaci
on gr
afica. La solucion de g(x) = x esta
determinada por el punto de corte, si lo hay, entre las gr
aficas y = g(x)
y y = x.
y=x
y = g(x)
x
Figura 12.4 Punto fijo.
Despues de dibujar las dos funciones, la construcci

on de los puntos
x1 , x2 , x3 ... se hace de la siguiente manera. Despues de situar el valor
x0 sobre el eje x, para obtener el valor x1 , se busca verticalmente la
273
12.
DE ECUACIONES
SOLUCION
curva y = g(x). El punto obtenido tiene coordenadas (x0 , g(x0 )), o sea,
(x0 , x1 ). Para obtener x2 = g(x1 ) es necesario inicialmente resituar x1
sobre el eje x, para lo cual basta con buscar horizontalmente la recta
y = x para obtener el punto (x1 , x1 ). A partir de este punto se puede
obtener x2 buscando verticalmente la curva y = g(x). Se tiene el punto
(x1 , g(x1 )), o sea, (x1 , x2 ). Con desplazamiento horizontal se obtiene
(x2 , x2 ). En resumen, se repite varias veces el siguiente procedimiento:
a partir de (xk , xk ) buscar verticalmente en la curva y = g(x) el punto
(xk , xk+1 ), y a partir del punto obtenido buscar horizontalmente en la
recta y = x el punto (xk+1 , xk+1 ). Si el proceso converge, los puntos
obtenidos tienden hacia el punto (x , g(x )) = (x , x ).
Las figuras 12.5.a, 12.5.b, 12.5.c y 12.5.d muestran gr
aficamente la
utilizaci
on del metodo; en los dos primeros casos hay convergencia; en
los otros dos no hay, aun si la aproximacion inicial es bastante buena.
y=x
y = g(x)
x0 x1 x2 x3 x
Figura 12.5.a Metodo de punto fijo.
274

12.6. METODO
DE PUNTO FIJO
y=x
y = g(x)
x0
x2 x x3
Figura 12.5.b
x1
Metodo de punto fijo.
y=x
y = g(x)
x x0 x2
Figura 12.5.c
x3
x4
275
12.
DE ECUACIONES
SOLUCION
y=x
y = g(x)
x3
x1 x x0 x2
Figura 12.5.d
x4
En seguida se presentan dos teoremas (demostraci

on en [Atk78]) sobre la convergencia del metodo de punto fijo; el primero es m
as general
y m
as preciso, el segundo es una simplificacion del primero, de m
as facil
aplicacion para ciertos problemas.
Teorema 12.2. Sea g continuamente diferenciable en el intervalo [a, b],
tal que
g([a, b]) [a, b],
|g (x)| < 1, para todo x [a, b].
Entonces existe un u
nico x en [a, b] soluci
on de x = g(x) y la iteraci
on
de punto fijo (12.7) converge a x para todo x0 [a, b].
Teorema 12.3. Sea x soluci
on de x = g(x), g continuamente diferenciable en un intervalo abierto I tal que x I, |g (x )| < 1. Entonces
la iteraci
on de punto fijo (12.7) converge a x para todo x0 suficientemente cerca de x .
El caso ideal (la convergencia es m
as rapida) se tiene cuando g (x ) 0.
En los dos ejemplos numericos anteriores, para resolver x3 +x2 +6x+

5 = 0, se tiene: x = g(x) = (x3 + x2 + 5)/6, g (0.8513) = 0.0786.
Si se considera x = g(x) (x3 + 6x + 5)/x, g (0.8513) = 8.6020. Estos
resultados numericos concuerdan con el u
ltimo teorema.
276

12.6. METODO
DE PUNTO FIJO
Dos de los ejemplos gr

aficos anteriores muestran justamente que
cuando |g (x )| < 1 el metodo converge.
Ejemplo 12.6. Resolver x2 = 3, o sea, calcular 3.

x2 = 3,
x2 + x2 = x2 + 3,
x2 + 3
x =
,
2x
x + 3/x
x =
2
x0
x1
x2
x3
x4
x5
x6
=
=
=
=
=
=
=
3
2
1.75000000000000
1.73214285714286
1.73205081001473
1.73205080756888
1.73205080756888
Se observa que la convergencia es bastante rapida. Este metodo es

muy utilizado para calcular races cuadradas en calculadoras de bolsillo
y computadores.
Aplicando el teorema 12.3 y teniendo en cuenta que g (x ) = g ( 3)

= 1/2 1.5/x 2= 0, se concluye rapidamente que si x0 esta suficientemente cerca de 3, entonces el metodo converge.
La aplicacion del teorema 12.2 no es tan inmediata, pero se obtiene
informaci
on m
as detallada. La solucion esta en el intervalo [2, 3]; consideremos un intervalo a
un m
as grande: I = [1 + , 4] con 0 < < 1.
g(1) = 2,
g(4) = 2.375,
3
1
2,
g (x) =
2 2x
g ( 3) = 0,
g (1) = 1,
13
,
g (4) =
32
3
g (x) =
x3
277
12.
DE ECUACIONES
SOLUCION
Entonces g (x) > 0 para todo x positivo. Luego g (x) es creciente para
x > 0. Como g (1) = 1, entonces 1 < g (1 + ). De nuevo por
ser g (x) creciente, entonces 1 < g (x) 13/32 para todo x I. En
resumen, |g (x)| < 1 cuando x I.
Entre 3 y 4 el valor
Entre 1+ y 3 el valor de g (x) es negativo.
de g (x) es positivo.
3] ycrece en [ 3, 4]. En Luego g decrece
en [1+,
tonces g([1 + , 3]) = [g(1

+ ), 3] [2, 3] y g([ 3, 4]) = [ 3, 2.375].
En consecuencia g(I) =
[
3, 2.375] I. Entonces el metodo de punto
fijo converge a x = 3 para cualquier x0 ]1,
4]. Este resultado se
puede generalizar al intervalo [1 + , b] con b > 3.
Si se empieza con x0 = 1/2, no se cumplen las condiciones del teorema; sin embargo, el metodo converge.
12.6.1
M
etodo de punto fijo y m
etodo de Newton
Supongamos que c 6= 0 es una constante y que x es solucion de la
ecuaci
on f (x) = 0. Esta
se puede reescribir
0 = cf (x),
x = x + cf (x) = g(x).
(12.8)
Si se desea resolver esta ecuaci

on por el metodo de punto fijo, la convergencia es m
as r
apida cuando g (x ) = 0, o sea,
1 + cf (x ) = 0,
c =
1
f (x )
Entonces al aplicar el metodo de punto fijo a (12.8), se tiene la formula

xk+1 = xk
f (xk )
.
f (x )
(12.9)
Para aplicar esta formula se necesitara conocer f (x ) e implcitamente

el valor de x , que es precisamente lo que se busca. La formula del
metodo de Newton, (12.1), puede ser vista simplemente como la utilizacion de (12.9) reemplazando f (x ) por la mejor aproximacion conocida en ese momento: f (xk ).
278

12.7. METODO
DE NEWTON EN RN
12.7
M
etodo de Newton en Rn
Consideremos ahora un sistema de n ecuaciones con n incognitas; por

ejemplo,
x21 + x1 x2 + x3 3 = 0
2x1 + 3x2 x3 5 = 0
(12.10)
(x1 + x2 + x3 ) 10x3 + 1 = 0.
Este sistema no se puede escribir en la forma matricial Ax = b; entonces
no se puede resolver por los metodos usuales para sistemas de ecuaciones
lineales. Lo que se hace, como en el metodo de Newton en R, es utilizar
aproximaciones de primer orden (llamadas tambien aproximaciones lineales). Esto es simplemente la generalizaci
on de la aproximacion por
una recta.
Un sistema de n ecuaciones con n incognitas se puede escribir de la
forma
F1 (x1 , x2 , ..., xn ) = 0
F2 (x1 , x2 , ..., xn ) = 0
..
.
Fn (x1 , x2 , ..., xn ) = 0,
donde cada Fi es una funcion de n variables con valor real, o sea, Fi :
Rn R. Denotemos x = (x1 , x2 , ..., xn ) y
F1 (x)
F2 (x)
F (x) =
.
..
.
Fn (x)
As F es una funcion de variable vectorial y valor vectorial, F : Rn

Rn , y el problema se escribe de manera muy compacta:
F (x) = 0.
(12.11)
Este libro esta dirigido principalmente a estudiantes de segundo semestre,

quienes todava no conocen el calculo en varias variables, entonces no
habr
a una deduccion (ni formal ni intuitiva) del metodo, simplemente
se vera como una generalizaci
on del metodo en R.
279
12.
12.7.1
DE ECUACIONES
SOLUCION
Matriz jacobiana
La matriz jacobiana de la funcion F : Rn Rn , denotada por JF (

x) o
por F (
x), es una matriz de tama
no n n, en la que en la i-esima fila
estan las n derivadas parciales de Fi ,
JF (x) = F (x) =
F1
(x)
x1
F1
(x)
x2
F2
(x)
x1
F2
(x)
x2
..
.
..
Fn
(x)
x1
Fn
(x)
x2
F1
(x)
xn
F2
(x)
xn
Fn
(x)
xn
Para las ecuaciones (12.10), escritas en la forma F (x) = 0,
2x1 + x2
x1
1
F (x) =
2
3x3
3x2
2(x1 + x2 + x3 ) 2(x1 + x2 + x3 ) 2(x1 + x2 + x3 ) 10
F (2, 3, 4) = 2
12.7.2
12 9 .
6 4
F
ormula de Newton en Rn
La formula del metodo de Newton en R,

xk+1 = xk
f (xk )
,
f (xk )
se puede reescribir con superndices en lugar de subndices:

xk+1 = xk
280
f (xk )
.
f (xk )

12.7. METODO
DE NEWTON EN RN
De nuevo, es simplemente otra forma de escribir

xk+1 = xk f (xk )1 f (xk ).
Esta expresi
on s se puede generalizar
xk+1 = xk F (xk )1 F (xk ).
(12.12)
Su interpretaci
on, muy natural, aparece a continuaci
on. Sea x , un
vector de n componentes, solucion del sistema (12.11). Dependiendo de
la conveniencia se podra escribir

x1
x
2
x = (x1 , x2 , ..., xn )
o
x = . .
..
xn
El metodo empieza con un vector x0 = (x01 , x02 , ..., x0n ), aproximacion

inicial de la solucion x . Mediante (12.12) se construye una sucesion
de vectores {xk = (xk1 , xk2 , ..., xkn )} con el deseo de que xk x . En
palabras, el vector xk+1 es igual al vector xk menos el producto de la
inversa de la matriz jacobiana F (xk ) y el vector F (xk ). Para evitar el
calculo de una inversa, la formula se puede reescribir
dk = F (xk )1 F (xk )
xk+1 = xk + dk .
Premultiplicando por F (xk )
F (xk ) dk = F (xk )F (xk )1 F (xk ),

F (xk ) dk = F (xk ).
En esta u
ltima expresi
on se conoce (o se puede calcular) la matriz F (xk ).
Tambien se conoce el vector F (xk ). O sea, simplemente se tiene un
sistema de ecuaciones lineales. La solucion de este sistema es el vector
dk . Entonces las formulas para el metodo de Newton son:
resolver F (xk ) dk = F (xk ),
x
k+1
281
= x +d .
(12.13)
12.
DE ECUACIONES
SOLUCION
Ejemplo 12.7. Resolver el sistema

x21 + x1 x2 + x3 3 = 0
2x1 + 3x2 x3 5 = 0
(x1 + x2 + x3 )2 10x3 + 1 = 0
a partir de x0 = (2, 3, 4).
1 2
1
1
F (x0 ) = 37 , F (x0 ) = 2 12 9
6 6 4
30
2.5753
1
d1
1 2
1
resolver 2 12 9 d02 = 37 , d0 = 0.5890
2.7534
30
d03
6 6 4
4.5753
2.5753
2
x1 = 3 + 0.5890 = 2.4110
1.2466
2.7534
4
6.7397 4.5753
1.0000
8.1494
F (x1 ) = 4.8656 , F (x1 ) = 2.0000 3.7397 7.2329
6.8219 6.8219 3.1781
0.1689
4.4433
8.1494
d1
6.7397 4.5753 1.0000
2.0000 3.7397 7.2329 d12 = 4.8656 , d1 = 4.6537
0.5048
0.1689
d13
6.8219 6.8219 3.1781
0.1321
4.4433
4.5753
2
4.6537 = 2.2428
x = 2.4110 +
1.7514
0.5048
1.2466
A continuaci
on se presentan los resultados de F (xk ), F (xk ), dk , xk+1 .
k=2
0.7833
0.6513
2.5069 0.1321 1.0000
0.9350
7.0481 , 2.0000 5.2542 6.7283 , 0.8376 , 1.4052
1.1644
0.5870
8.2524 8.2524 1.7476
0.5116
k=3
0.9658
0.1824
2.9718 0.7833 1.0000
0.1213
1.4751 , 2.0000 3.4931 4.2156 , 0.3454 , 1.0598
1.0141
0.1502
6.7057 6.7057 3.2943
0.5981
282

12.7. METODO
DE NEWTON EN RN
k=4
0.9993
0.0335
2.9913 0.9658 1.0000
0.0297
0.1557 , 2.0000 3.0424 3.1793 , 0.0587 , 1.0011
1.0002
0.0139
6.0793 6.0793 3.9207
0.0981
k=5
1.0000
0.0007
2.9997 0.9993 1.0000
0.0008
0.0025 , 2.0000 3.0006 3.0033 , 0.0011 , 1.0000
1.0000
0.0002
6.0012 6.0012 3.9988
0.0015

1
0
, luego x 1 .
F (x ) 0
1
0
Ejercicios
Trate de resolver las ecuaciones propuestas, utilice metodos diferentes, compare sus ventajas y desventajas. Emplee varios puntos iniciales. Busque, si es posible, otras races.
12.1 x3 + 2x2 + 3x + 4 = 0.
12.2 x3 + 2x2 3x 4 = 0.
12.3 x4 4x3 + 6x2 4x + 1 = 0.
12.4 x4 4x3 + 6x2 4x 1 = 0.
12.5 x4 4x3 + 6x2 4x + 2 = 0.
12.6
3x 6
x2
cos(x) + 2 x2 + 1
+ x3 8 = 0.
x2 + x + 10
ex + x 2
12.7
1000000 i
(1 + i)12
= 945560.
(1 + i)12 1
283
12.
DE ECUACIONES
SOLUCION
12.8 x21 x1 x2 + 3x1 4x2 + 10 = 0,
2x21 + x22 + 3x1 x2 4x1 + 5x2 42 = 0.
12.9 x1 + x2 + 2x1 x2 31 = 0,
6x1 + 5x2 + 3x1 x2 74 = 0.
284
13
Interpolaci
on y
aproximaci
on
En muchas situaciones de la vida real se tiene una tabla de valores
correspondientes a dos magnitudes relacionadas; por ejemplo,
A
no
1930
1940
1950
1960
1970
1980
1985
1990
1995
Poblacion
3425
5243
10538
19123
38765
82468
91963
103646
123425
De manera m
as general, se tiene una tabla de valores
x0
x1
x2
..
.
f (x0 )
f (x1 )
f (x2 )
..
.
xn
f (xn )
285
13.
Y APROXIMACION
INTERPOLACION
y se desea obtener una funcion f, sencilla y facil de calcular, aproximacion de f , o en otros casos, dado un x
, se desea obtener f(
x) valor
aproximado de f (
x).
y
b
b
b
b
b
x
Figura 13.1
Los valores f (xi ) pueden corresponder a:
Datos o medidas obtenidos experimentalmente.
Valores de una funcion f que se conoce pero tiene una expresi
on
analtica muy complicada o de evaluacion difcil o lenta.
Una funcion de la que no se conoce una expresi
on analtica, pero se
puede conocer f (x) como solucion de una ecuaci
on funcional (por
ejemplo, una ecuaci
on diferencial) o como resultado de un proceso
numerico.
Cuando se desea que la funcion f pase exactamente por los puntos
conocidos,
f(xi ) = f (xi ) i,
se habla de interpolacion o de metodos de colocacion.

b
b
b
b
b
Figura 13.2
286

13.1. INTERPOLACION
En los demas casos se habla de aproximacion. En este captulo se

vera aproximacion por mnimos cuadrados.
b
b
b
b
b
Figura 13.3
13.1
Interpolaci
on
En el caso general de interpolacion se tiene un conjunto de n puntos

(x1 , y1 ), (x2 , y2 ), ..., (xn , yn ) con la condici
on de que los xi son todos
diferentes. Este conjunto se llama el soporte. La funcion f, que se
desea construir, debe ser combinacion lineal de n funciones llamadas
funciones de la base. Supongamos que estas funciones son 1 , 2 , ...,
n . Entonces,
f(x) = a1 1 (x) + a2 2 (x) + + an n (x).
Como las funciones de la base son conocidas, para conocer f basta conocer los escalares a1 , a2 , ..., an .
Las funciones de la base deben ser linealmente independientes. Si n 2, la independencia lineal significa que no es posible que
una de las funciones sea combinacion lineal de las otras. Por ejemplo, las
funciones 1 (x) = 4, 2 (x) = 6x2 20 y 3 (x) = 2x2 no son linealmente
independientes.
Los escalares a1 , a2 , ..., an se escogen de tal manera que f(xi ) = yi ,
para i = 1, 2, ..., n. Entonces
a1 1 (x1 ) + a2 2 (x1 ) + + an n (x1 ) = y1
a1 1 (x2 ) + a2 2 (x2 ) + + an n (x2 ) = y2

..
.
a1 1 (xn ) + a2 2 (xn ) + + an n (xn ) = yn

287
13.
Y APROXIMACION
INTERPOLACION
Las m igualdades anteriores se pueden escribir matricialmente:
1 (x1 ) 2 (x1 ) n (x1 )

a1
y1
1 (x2 ) 2 (x2 ) n (x2 ) a2 y2
.. = ..
..
. .
.
1 (xn ) 2 (xn )
n (xn )
an
yn
De manera compacta se tiene
a = y.
(13.1)
La matriz es una matriz cuadrada n n, a es un vector columna

n 1, y es un vector columna n 1. Son conocidos la matriz y
el vector columna y. El vector columna a es el vector de incognitas.
Como las funciones de la base son linealmente independientes, entonces
las columnas de son linealmente independientes. En consecuencia,
es invertible y (13.1) se puede resolver (numericamente).
Ejemplo 13.1. Dados los puntos (1, 1), (2, 2), (3, 5) y la base formada por las funciones 1 (x) = 1, 2 (x) = x, 3 (x) = x2 , encontrar la
funcion de interpolaci
on.
Al plantear a = y, se tiene
1
a1
1 1 1
1
2 4 a2 = 2
5
a3
1
3 9
Entonces
4
a = 3 , f(x) = 4 3x + 2x2 ,
2
que efectivamente pasa por los puntos dados.
Ejemplo 13.2. Dados los puntos mismos (1, 1), (2, 2), (3, 5) y la
base formada por las funciones 1 (x) = 1, 2 (x) = ex , 3 (x) = e2x ,
encontrar la funcion de interpolacion.
Al plantear a = y, se tiene
a1
1
1 0.3679
0.1353
1 7.3891 54.5982 a2 = 2
a3
5
1 20.0855 403.4288
288
DE LAGRANGE
13.2. INTERPOLACION
Entonces
1.2921
a = 0.8123 , f(x) = 1.2921 0.8123ex + 0.0496e2x ,
0.0496
que efectivamente tambien pasa por los puntos dados.
13.2
Interpolaci
on de Lagrange
En la interpolaci
on de Lagrange la funcion f que pasa por los puntos
es un polinomio, pero el polinomio se calcula sin resolver explcitamente
un sistema de ecuaciones. M
as precisamente, dados n + 1 puntos
(x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ),
donde yi = f (xi ) = fi , se desea encontrar un polinomio p Pn (el conjunto de polinomios de grado menor o igual a n), que pase exactamente
por esos puntos, es decir,
p(xi ) = yi , i = 0, 1, 2, ..., n.
(13.2)
Por ejemplo, se desea encontrar un polinomio de grado menor o igual a

2 que pase por los puntos
(1, 1), (2, 2), (3, 5).
Los valores xi deben ser todos diferentes entre s. Sin perder generalidad,
se puede suponer que x0 < x1 < x2 < < xn .
El problema 13.2 se puede resolver planteando n + 1 ecuaciones con

n + 1 incognitas (los coeficientes del polinomio). Este sistema lineal se
puede resolver y se tendra la solucion. Una manera m
as adecuada de
encontrar p es por medio de los polinomios de Lagrange.
13.2.1
Algunos resultados previos
Teorema 13.1. Sea p Pn . Si existen n+1 valores diferentes x0 , x1 , x2 ,

..., xn tales que p(xi ) = 0 i, entonces p(x) = 0 x, es decir, p es el
polinomio nulo.
289
13.
Y APROXIMACION
INTERPOLACION
Teorema 13.2. Teorema del valor medio. Sea f derivable en el

intervalo [a, b], entonces existe c [a, b] tal que
f (b) f (a)
= f (c).
ba
Corolario 13.1. Si f (a) = f (b) = 0, entonces existe c [a, b] tal que
f (c) = 0.
13.2.2
Polinomios de Lagrange
Dados n+1 valores diferentes x0 , x1 , x2 , ..., xn , se definen n+1 polinomios

de Lagrange L0 , L1 , L2 , ..., Ln de la siguiente manera:
Lk (x) =
n
Y
i=0,i6=k
n
Y
i=0,i6=k
(x xi )
(xk xi )
(13.3)
La construcci
on de los polinomios de Lagrange, para los datos del u
ltimo
ejemplo x0 = 1, x1 = 2, x2 = 3, da:
L0 (x) =
L1 (x) =
L2 (x) =
(x 2)(x 3)
x2 5x + 6
=
,
(1 2)(1 3)
12
x2 2x 3
(x 1)(x 3)
=
,
(2 1)(2 3)
3
(x 1)(x 2)
x2 x 2
=
.
(3 1)(3 2)
4
Es claro que el numerador de (13.3) es el producto de n polinomios de

grado 1; entonces el numerador es un polinomio de grado, exactamente,
n. El denominador es el producto de n n
umeros, ninguno de los cuales
es nulo, luego el denominador es un n
umero no nulo. En resumen, Lk
es un polinomio de grado n.
Reemplazando se verifica que Lk se anula en todos los xi , salvo en xk ,

0 si i 6= k,
(13.4)
Lk (xi ) =
1 si i = k.
290
DE LAGRANGE
13.2. INTERPOLACION
En el ejemplo, L2 (1) = 0, L2 (2) = 0, L2 (3) = 1.

Con los polinomios de Lagrange se construye inmediatamente p,
p(x) =
n
X
yk Lk (x).
(13.5)
k=0
Por construcci
on p es un polinomio en Pn . Reemplazando, facilmente
se verifica 13.2.
Para el ejemplo,
p(x) = 1L0 (x) 2L1 (x) + 5L2 (x) = 2x2 3x 4.
Ejemplo 13.3. Encontrar el polinomio, de grado menor o igual a 3, que
pasa por los puntos
(1, 1), (1, 5), (2, 2), (3, 5).
L0 (x) =
L1 (x) =
L2 (x) =
L3 (x) =
p(x) =
x3 6x2 + 11x 6
(x 1)(x 2)(x 3)
=
,
(1 1)(1 2)(1 3)
24
x3 4x2 + x + 6
,
4
x3 3x2 x + 3
,
3
x3 2x2 x + 2
,
8
2x2 3x 4.
En la practica se usa la interpolacion de Lagrange de grado 2 o 3,

m
aximo 4. Si hay muchos puntos, estos se utilizan por grupos de 3 o 4,
m
aximo 5 puntos.
13.2.3
Existencia, unicidad y error
El polinomio p Pn existe puesto que se puede construir. Sea q Pn

otro polinomio tal que
q(xi ) = yi , i = 0, 1, 2, ..., n.
Sea r(x) = p(x)q(x). Por construcci
on, r Pn , adem
as r(xi ) = 0, i =
0, 1, 2, n, o sea, r se anula en n + 1 valores diferentes, luego r(x) = 0, de
donde q(x) = p(x).
291
13.
Y APROXIMACION
INTERPOLACION
Teorema 13.3. Sean x0 , x1 , x2 , ..., xn reales distintos; t un real; It

(f
el menor intervalo que contiene a x0 , x1 , x2 , ..., xn , t; f CIn+1
t
tiene derivadas continuas de orden 0, 1, 2, ..., n + 1); pn el polinomio
de grado menor o igual a n que pasa por los n + 1 puntos (x0 , f (x0 )),
(x1 , f (x1 )), ..., (xn , f (xn )). Entonces E(t), el error en t, est
a dado por:
E(t) = f (t)pn (t) = (tx0 )(tx1 ) (txn )f (n+1) ()/(n+1)! (13.6)
para alg
u n It .
Demostraci
on. Si t = xi para alg
un i, entonces se tiene trivialmente el
resultado. Supongamos ahora que t
/ {x0 , x1 , x2 , ..., xn }. Sean
(x) = (x x0 )(x x1 ) (x xn ),
(x)
G(x) = E(x)
E(t).
(t)
Entonces
,
G CIn+1
t
(xi )
E(t) = 0,
(t)
(t)
G(t) = E(t)
E(t) = 0.
(t)
G(xi ) = E(xi )
Como G tiene por lo menos n + 2 ceros en It , aplicando el corolario del

teorema del valor medio, se deduce que G tiene por lo menos n + 2 1
ceros en It . As sucesivamente se concluye que G(n+1) tiene por lo menos
un cero en It . Sea tal que
G(n+1) () = 0.
De acuerdo con las definiciones
E (n+1) (x) = f (n+1) (x) p(n+1)
(x) = f (n+1) (x),
n
(n+1) (x) = (n + 1)!,
(n+1) (x)
E(t),
(t)
(n + 1)!
G(n+1) (x) = f (n+1) (x)
E(t),
(t)
(n + 1)!
G(n+1) () = f (n+1) ()
E(t) = 0.
(t)
G(n+1) (x) = E (n+1) (x)
292
13.3. DIFERENCIAS DIVIDIDAS DE NEWTON
Entonces
E(t) =
13.3
(t) (n+1)
f
().
(n + 1)!
Diferencias divididas de Newton
Esta es una manera diferente de hacer los calculos para la interpolacion

polin
omica. En la interpolaci
on de Lagrange se construye explcitamente
p, es decir, se conocen sus coeficientes. Por medio de las diferencias
divididas no se tiene explcitamente el polinomio, pero se puede obtener
facilmente el valor p(x) para cualquier x.
Supongamos de nuevo que tenemos los mismos n + 1 puntos,
(x0 , f0 ), (x1 , f1 ), (x2 , f2 ), . . . , (xn1 , fn1 ), (xn , fn ).
Con ellos se obtiene pn Pn . Si se consideran u
nicamente los primeros
n puntos
(x0 , f0 ), (x1 , f1 ), (x2 , f2 ), . . . , (xn1 , fn1 ),
se puede construir pn1 Pn1 . Sea c(x) la correccion que permite
pasar de pn1 a pn ,
pn (x) = pn1 (x) + c(x),
es decir, c(x) = pn (x) pn1 (x).
Por construcci
on, c es un polinomio en Pn . Adem
as,
c(xi ) = pn (xi ) pn1 (xi ) = 0, i = 0, 1, 2, ..., n 1.
La formula anterior dice que c tiene n races diferentes x0 , x1 , ..., xn1 ,
entonces
c(x) = n (x x0 )(x x1 )(x x2 ) (x xn1 ).
f (xn ) = p(xn ) = pn1 (xn ) + c(xn ),
f (xn ) = pn1 (xn ) + n (xn x0 )(xn x1 )(xn x2 ) (xn xn1 ).
De la u
ltima igualdad se puede despejar n . Este valor se define como
la diferencia dividida de orden n de f en los puntos x0 , x1 , x2 , ..., xn .
Se denota
n = f [x0 , x1 , ..., xn ] :=
f (xn ) pn1 (xn )
(xn x0 )(xn x1 )(xn x2 ) (xn xn1 )

293
13.
Y APROXIMACION
INTERPOLACION
El nombre diferencia dividida no tiene, por el momento, un significado

muy claro; este se vera m
as adelante. Una de las igualdades anteriores
se reescribe
pn (x) = pn1 (x) + f [x0 , x1 , ..., xn ](x x0 )(x x1 ) (x xn1 ). (13.7)
Esta formula es la que se utiliza para calcular pn (x), una vez que se sepa
calcular, de manera sencilla, f [x0 , x1 , ..., xn ].
Para calcular p(x), se empieza calculando p0 (x).
A partir de p0 (x), con el valor f [x0 , x1 ], se calcula p1 (x).
A partir de p1 (x), con el valor f [x0 , x1 , x2 ], se calcula p2 (x).
A partir de p2 (x), con el valor f [x0 , x1 , x2 , x3 ], se calcula p3 (x).
.
..
A partir de pn1 (x), con el valor f [x0 , x1 , ..., xn ], se calcula pn (x).
Obviamente
p0 (x) = f (x0 ).
(13.8)
Por definicion, consistente con lo visto antes,

f [x0 ] := f (x0 ),
que se generaliza a
f [xi ] := f (xi ), i.
Las demas diferencias divididas se deducen de (13.7),
Para x = x1 ,
p1 (x) = p0 (x) + f [x0 , x1 ](x x0 ),

p1 (x) po (x)
f [x0 , x1 ] =
x x0
f [x0 , x1 ] =
f [x0 , x1 ] =
f [x0 , x1 ] =
p1 (x1 ) po (x1 )
,
x1 x0
f (x1 ) f (x0 )
,
x1 x0
f [x1 ] f [x0 ]
.
x1 x0
294
(13.9)
La anterior igualdad se generaliza a

f [xi , xi+1 ] =
f [xi+1 ] f [xi ]
xi+1 xi
(13.10)
Deducci
on de f [x0 , x1 , x2 ] :
p2 (x) = p1 (x) + f [x0 , x1 , x2 ](x x0 )(x x1 ),
p2 (x) p1 (x)
f [x0 , x1 , x2 ] =
,
(x x0 )(x x1 )
x = x2 ,
p2 (x2 ) p1 (x2 )
f [x0 , x1 , x2 ] =
,
(x2 x0 )(x2 x1 )
= ...
f0 (x2 x1 ) f1 (x2 x0 ) + f2 (x1 x0 )
f [x0 , x1 , x2 ] =
(x2 x1 )(x2 x0 )(x1 x0 )

Por otro lado,
f [x1 , x2 ] f [x0 , x1 ]
x2 x0
f [x1 , x2 ] f [x0 , x1 ]
x2 x0
f2 f 1
f1 fo
x2 x1 x1 x0
=
,
x2 x0
= ...
f0 (x2 x1 ) f1 (x2 x0 ) + f2 (x1 x0 )
=
(x2 x1 )(x2 x0 )(x1 x0 )
Luego
f [x0 , x1 , x2 ] =
Generalizando,
f [xi , xi+1 , xi+2 ] =
f [x1 , x2 ] f [x0 , x1 ]
x2 x0
f [xi+1 , xi+2 ] f [xi , xi+1 ]
xi+2 xi
(13.11)
La generalizaci
on para diferencias divididas de orden j es:
f [xi , xi+1 , ..., xi+j ] =
f [xi+1 , ..., xi+j ] f [xi , ..., xi+j1 ]
xi+j xi
(13.12)
Las formulas anteriores dan sentido al nombre diferencias divididas.

Cuando no se preste a confusi
on, se puede utilizar la siguiente notaci
on:
Dj f [xi ] := f [xi , xi+1 , ..., xi+j ]
295
(13.13)
13.
Y APROXIMACION
INTERPOLACION
Entonces
D0 f [xi ] := f (xi ),
D0 f [xi+1 ] D0 f [xi ]
,
Df [xi ] = D1 f [xi ] =
xi+1 xi
D1 f [xi+1 ] D1 f [xi ]
,
D2 f [xi ] =
xi+2 xi
Dj f [xi ] =
13.3.1
Dj1 f [xi+1 ] Dj1 f [xi ]
xi+j xi
(13.14)
(13.15)
(13.16)
(13.17)
Tabla de diferencias divididas
Para ejemplos peque

nos, hechos a mano, se acostumbra construir la
tabla de diferencias divididas, la cual tiene el siguiente aspecto:
xi
x0
fi
f0
x1
f1
x2
f2
x3
f3
f [xi , xi+1 ]
f [xi , xi+1 , xi+2 ]
f [xi , xi+1 , xi+2 , xi+3 ]
f [x0 , x1 ]
f [x0 , x1 , x2 ]
f [x1 , x2 ]
f [x0 , x1 , x2 , x3 ]
f [x1 , x2 , x3 ]
f [x2 , x3 ]
f [x1 , x2 , x3 , x4 ]
f [x2 , x3 , x4 ]
f [x3 , x4 ]
x4
f4
En la tabla anterior, dados 5 puntos, estan las diferencias divididas

hasta de orden 3. Claro esta, se hubiera podido calcular tambien la
diferencia dividida de orden 4, que estara colocada en una columna
adicional a la derecha.
La elaboracion de la tabla es relativamente sencilla. Las dos primeras
columnas corresponden a los datos. La tercera columna, la de las diferencias divididas de primer orden, f [xi , xi+1 ], se obtiene mediante la resta
de dos elementos consecutivos de la columna anterior dividida por la
resta de los dos elementos correspondientes de la primera columna. Por
ejemplo, f [x3 , x4 ] = (f4 f3 )/(x4 x3 ). Observese que este valor se
coloca en medio de la fila de f3 y de la fila de f4 .
296
Para el calculo de una diferencia dividida de segundo orden, cuarta

columna, se divide la resta de dos elementos consecutivos de la columna
anterior por la resta de dos elementos de la primera columna, pero dejando uno intercalado. Por ejemplo, f [x1 , x2 , x3 ] = (f [x2 , x3 ]f [x1 , x2 ])/(x3
x1 ).
Para el calculo de una diferencia dividida de tercer orden, quinta
columna, se divide la resta de dos elementos consecutivos de la columna
anterior por la resta de dos elementos de la primera columna, pero dejando dos intercalados. Por ejemplo, f [x0 , x1 , x2 , x3 ] = (f [x1 , x2 , x3 ]
f [x0 , x1 , x2 ])/(x3 x0 ).
Ejemplo 13.4. Construir la tabla de diferencias divididas, hasta el
orden 3, a partir de los seis puntos siguientes:
(0, 0), (0.5, 0.7071), (1, 1), (2, 1.4142), (3, 1.7321), (4, 2).
xi
0
fi
0.0000
.5
0.7071
1.0000
1.4142
D2 f [xi ]
Df [xi ]
D3 f [xi ]
1.4142
0.5858
0.4142
0.3179
3
1.7321
0.2679
0.8284
0.1144
0.0482
0.3570
0.0265
0.0077
0.0250
2.0000
El valor 1.4142 es simplemente (0.70710)/(0.50). El valor 0.2679

es simplemente (2 1.7321)/(4 3). El valor 0.1144 es simplemente
(0.4142 .5858)/(2 .5). El valor 0.0077 es simplemente (0.0250
0.0482)/(4 1).
El esquema algortmico para calcular la tabla de diferencias divididas
hasta el orden m es el siguiente:
297
13.
Y APROXIMACION
INTERPOLACION
para i = 0, ..., n
D0 f [xi ] = f (xi )
fin-para i
para j = 1, ..., m
para i = 0, ..., n j
calcular Dj f [xi ] seg
un (13.17)
fin-para i
fin-para j
Si los datos f (xi ) corresponden a un polinomio, esto se puede deducir
mediante las siguientes observaciones:
Si para alg
un m todos los valores f [xk , xk+1 , ..., xk+m ] son iguales
(o aproximadamente iguales), entonces f es (aproximadamente)
un polinomio de grado m.
Si para alg
un r todos los valores f [xk , xk+1 , ..., xk+r ] son nulos
(o aproximadamente nulos), entonces f es (aproximadamente) un
polinomio de grado r 1.
13.3.2
C
alculo del valor interpolado
La formula (13.7) se puede reescribir a partir de un punto xk , pues no

siempre se debe tomar como valor de referencia x0 ,
pm (x) = pm1 (x)+Dm f [xk ](xxk )(xxk+1 ) (xxk+m1 ). (13.18)
Si se calcula pm1 (x) de manera an
aloga, queda en funcion de pm2 (x)
y as sucesivamente se obtiene:
i1
m
Y
X
Di f [xk ]
(x xk+j ) .
(13.19)
pm (x) =
j=0
i=0
El proceso para el calculo es el siguiente:
p0 (x) = fk
p1 (x) = p0 (x) + D1 f [xk ](x xk )
p2 (x) = p1 (x) + D2 f [xk ](x xk )(x xk+1 )
p3 (x) = p2 (x) + D3 f [xk ](x xk )(x xk+1 )(x xk+2 )
p4 (x) = p3 (x) + D4 f [xk ](x xk )(x xk+1 )(x xk+2 )(x xk+3 )
..
.
298
Se observa que para calcular pj (x) hay multiplicaciones que ya se hicieron

para obtener pj1 (x); entonces, no es necesario repetirlas sino organizar
el proceso de manera m
as eficiente.
0
1
2
3
4
..
.
= 1,
= 0 (x xk ),
= 1 (x xk+1 ),
= 2 (x xk+2 ),
= 3 (x xk+3 ),
p0 (x) = fk
p1 (x) = p0 (x) + D1 f [xk ] 1
p2 (x) = p1 (x) + D2 f [xk ] 2
p3 (x) = p2 (x) + D3 f [xk ] 3
p4 (x) = p3 (x) + D4 f [xk ] 4
Unicamente
queda por precisar la escogencia del punto inicial o de referencia xk . Si se desea evaluar pm (
x), cu
al debe ser xk ? Recordemos
que se supone que los puntos x0 , x1 , x2 , ..., xn estan ordenados y que
m, orden del polinomio de interpolacion, es menor o igual que n. Obviamente, aunque no es absolutamente indispensable, tambien se supone
que x
/ {x0 , x1 , ..., xn }.
Naturalmente se desea que x

[xk , xk+m ]. Pero no siempre se
cumple; esto sucede cuando x

/ [x0 , xn ]. En estos casos se habla de
extrapolaci
on y se debe escoger xk = x0 si x
< x0 . En el caso opuesto
se toma xk = xnm .
En los demas casos, se desea que x
este lo mas cerca posible del
intervalo [xk , xk+m ] o del conjunto de puntos xk , xk+1 , xk+2 , ..., xk+m .
Ejemplo 13.5. Considere los datos del ejemplo anterior para calcular por interpolaci
on cuadratica y por interpolacion c
ubica una aproximacion de f (1.69).
El primer paso consiste en determinar el xk . Para ello u
nicamente se
tienen en cuenta los valores xi .
xi
0
.5
1
2
3
4
Para el caso de la interpolacion cuadratica, una simple inspecci
on
visual determina que hay dos posibilidades para xk . La primera es xk =
299
13.
Y APROXIMACION
INTERPOLACION
0.5, intervalo [0.5, 2]. La segunda es xk = 1, intervalo [1, 3]. Cual es

mejor?
Para medir la cercana se puede usar la distancia de x
al promedio
de los extremos del intervalo (xi + xi+2 )/2 (el centro del intervalo) o la
distancia de x
al promedio de todos los puntos (xi + xi+1 + xi+2 )/3. En
general
xi + xi+m
,
2
xi + xi+1 + xi+2 + + xi+m
vi =
,
m+1
|
x uk | = min{|
x ui | : x
[xi , xi+m ]},
ui =
|
x vk | = min{|
x vi | : x
[xi , xi+m ]}.
i
(13.20)
(13.21)
(13.22)
(13.23)
Los valores ui y vi son, de alguna forma, indicadores del centro de

masa del intervalo [xi , xi+m ]. Con frecuencia, los dos criterios, (13.22)
y (13.23), definen el mismo xk , pero en algunos casos no es as. De
todas formas son criterios razonables y para trabajar se escoge un solo
criterio, lo cual da buenos resultados. Se puede preferir la utilizacion de
vi que, aunque requiere m
as operaciones, tiene en cuenta todos los xj
pertenecientes a [xi , xi+m ].
Los resultados numericos para la interpolacion cuadratica dan:
xi
0
.5
1
2
3
4
ui
1.25
2.00
|
x ui |
0.44
0.31
vi
1.1667
2.0000
|
x vi |
0.5233
0.3100
Para la interpolaci
on c
ubica hay tres posibilidades para xk : 0 , 0.5 y
1.
300
xi
ui
0
.5
1
2
3
4
1.00
1.75
2.50
|
x ui |
vi
0.69
0.06
0.81
0.875
1.625
2.500
|
x vi |
0.815
0.065
0.810
Una vez escogido xk = 1 para obtener la aproximacion cuadratica de

f (1.69), los calculos dan:
0 = 1,
p0 (x) = 1,
1 = 1(1.69 1) = 0.69,
p1 (x) = 1 + 0.4142(0.69) = 1.285798
2 = 0.69(1.69 2) = 0.2139, p2 (x) = 1.285798 0.0482(0.2139)
p2 (x) = 1.296097
Para la interpolaci
on c
ubica, xk = 0.5:
0 = 1,
1 = 1(1.690.5) = 1.19,
p0 (x) = 0.7071,
p1 (x) = 0.7071+0.5858(1.19)
p1 (x) = 1.404202
2 = 1.19(1.691) = 0.8211,
p2 (x) = 1.4042020.1144(0.8211)
p2 (x) = 1.310268
3 = 0.8211(1.692) =0.254541, p3 (x) = 1.310268+0.0265(0.254541)
p3 (x) = 1.303523.
El esquema del algoritmo para calcular pm (

x), a partir de la tabla
de diferencia divididas, es el siguiente:
determinar xk
px = f (xk )
gi = 1.0
para j = 1, ..., m
gi = gi (
x xk+j1 )
px = px + gi Dj f [xk ]
fin-para j
301
13.
13.4
Y APROXIMACION
INTERPOLACION
Diferencias finitas
Cuando los puntos (x0 , f (x0 )), (x1 , f (x1 )), (x2 , f (x2 )), ..., (xn , f (xn )),
estan igualmente espaciados en x, es decir, existe un h > 0 tal que
xi = x0 + ih, i = 1, ..., n
entonces se pueden utilizar las diferencias finitas, definidas por
0 fi = fi
(13.24)
fi = fi+1 fi
k+1
(13.25)
k
fi = (fi ) = fi+1 fi
(13.26)
Algunas de las propiedades interesantes de las diferencias finitas son:

k
X
j k
k
(1)
fi =
fi+kj ,
(13.27)
j
j=0
fi+k
k
X
k
=
j fi .
j
(13.28)
j=0
Las demostraciones se pueden hacer por induccion. La primera igualdad

permite calcular k fi sin tener explcitamente los valores k1 fj . La
segunda igualdad permite el proceso inverso al calculo de las diferencias
finitas (se obtienen a partir de los valores iniciales fp ), es decir, obtener
un valor fm a partir de las diferencias finitas.
Para valores igualmente espaciados, las diferencias finitas y las divididas estan estrechamente relacionadas.
D0 f [xi ] = f [xi ] = fi = 0 fi
fi+1 fi
1 fi
D1 f [xi ] = f [xi , xi+1 ] =
=
xi+1 xi
h
2 fi
f [xi+1 , xi+2 ] f [xi , xi+1 ]
= =
D2 f [xi ] = f [xi , xi+1 , xi+2 ] =
xi+2 xi
2h2
m
fi
Dm f [xi ] = f [xi , ..., xi+m ] =
(13.29)
m! hm
13.4.1
Tabla de diferencias finitas
La tabla de diferencias finitas tiene una estructura an

aloga a la tabla de
diferencias divididas. Se usa para ejemplos peque
nos hechos a mano.
302
13.4. DIFERENCIAS FINITAS
xi
x0
fi
f0
x1
f1
2 fi
fi
f0
2 f0
f1
x2
2 f
f2
f2
x3
2 f
f3
3 fi
3 f0
3 f1
f3
x4
f4
La elaboracion de la tabla es muy sencilla. Las dos primeras columnas corresponden a los datos. A partir de la tercera columna, para
calcular cada elemento se hace la resta de dos elementos consecutivos de
la columna anterior. Por ejemplo, f3 = f4 f3 . Observese que este
valor se coloca en medio de la fila de f3 y de la fila de f4 . Por ejemplo,
2 f1 = f2 f1 . De manera semejante, 3 f0 = 2 f1 2 f0 .
Ejemplo 13.6. Construir la tabla de diferencias finitas, hasta el orden
3, a partir de los seis puntos siguientes: (0, 0), (0.5, 0.7071), (1, 1),
(1.5, 1.2247), (2, 1.4142), (2.5, 1.5811).
xi
0
fi
0.0000
fi
2 fi
3 fi
0.7071
.5
0.7071
0.2929
1.0000
0.2247
1.5
1.2247
1.4142
0.1895
0.1669
2.5
0.4142
0.0682
0.0352
0.3460
0.0330
0.0126
0.0226
1.5811
El valor 0.1895 es simplemente 1.4142 1.2247. El valor 0.0330 es

simplemente 0.0352 0.0682.
El esquema algortmico para calcular la tabla de diferencias finitas
hasta el orden m es el siguiente:
303
13.
Y APROXIMACION
INTERPOLACION
para i = 0, ..., n
0 fi = f (xi )
fin-para i
para j = 1, ..., m
para i = 0, ..., n j
j fi = j1 fi+1 j1 fi
fin-para i
fin-para j
13.4.2
C
alculo del valor interpolado
Teniendo en cuenta la relaci

on entre diferencias divididas y finitas (13.29),
la igualdad (13.19) se puede escribir
m
i1
if Y
X
pm (x) =
(x xk+j ) .
i! hi
i=0
j=0
Q
El valor i! se puede escribir i1
as, sea s = (x xk )/h,
j=0 (j + 1). Adem
es decir, x = xk + sh. Entonces, x xk+j = xk + sh xk jh = (s j)h.
i1
m
i
Y
X
fk
(s j)h
pm (x) =
i! hi
j=0
i=0
m
i1
if Y
X
=
(s j)
i!
i=0
m
X
j=0
i fk
i=0
i1
Y
j=0
sj
j+1
Si a y b son enteros no negativos, a b, el coeficiente binomial esta

definido por

a!
a
=
.
b
(a b)! b!
Desarrollando los factoriales y simplificando se tiene

a(a 1)(a 2) (a b + 1)
a
a(a 1)(a 2) (a b + 1)
=
=
1 2 3 b
b!
b
304
13.4. DIFERENCIAS FINITAS
Esta u
ltima expresi
on sirve para cualquiervalor
real a y cualquier entero
a
= 1. Entonces,
no negativo b, con la convencion de que
0
i1
Y
sj
j+1
j=0

s
se puede denotar simplemente por
y as
i

m
X
s
i
fk
pm (x) =
.
(13.30)
i
i=0

s
guarda propiedades semejantes a las del coeficiente
Este coeficiente
i
binomial, en particular

s
s
si+1
.
=
i
i
i1
Esto permite su calculo de manera

s
=
0

s
=
1

s
=
2

s
=
3

s
=
4
..
.
recurrente
1,

s
s
0

s s1
2
1

s s2
3
2

s s3
4
3
Escoger el xk para interpolar por un polinomio de grado m, se hace

como en las diferencias divididas. Como los valores xi estan igualmente
espaciados los valores, ui y vi coinciden.
xi + xi+m
, i = 0, ..., n m,
2
|x uk | = min{|x ui | : i = 0, ..., n m}.
ui =
305
13.
Y APROXIMACION
INTERPOLACION
Definido el xk , es necesario calcular s:

s=
x xk
.
h
El esquema de los calculos es:

0
1
2
3
4
..
.
= 1,
= 0 s,
= 1 (s 1)/2,
= 2 (s 2)/3,
= 3 (s 3)/4,
p0 (x) = fk
p1 (x) = p0 (x) + 1 fk 1
p2 (x) = p1 (x) + 2 fk 2
p3 (x) = p2 (x) + 3 fk 3
p4 (x) = p3 (x) + 4 fk 4
Ejemplo 13.7. Calcular p3 (1.96) y p2 (1.96) a partir de los puntos

(0, 0), (0.5, 0.7071), (1, 1), (1.5, 1.2247), (2, 1.4142), (2.5, 1.5811).
La tabla de diferencias finitas es la misma del ejemplo anterior. Para
calcular p3 (1.96) se tiene xk = x2 = 1. Entonces s = (1.96 1)/0.5 =
1.92 .
0 = 1,
1 = 1(1.92) = 1.92,
2 = 1.92(1.92 1)/2 = .8832,
p0 (x) = f2 = 1
p1 (x) = 1 + .2247(1.92) = 1.431424
p2 (x) = 1.431424 .0352(.8832)
p2 (x) = 1.400335
3 = 2 (1.92 2)/3 = .023552, p3 (x) = 1.400335 + .0126(.023552)
p3 (x) = 1.400039
Para calcular p2 (1.96) se tiene xk = x3 = 1.5. Entonces s = (1.96

1.5)/0.5 = 0.92 .
0 = 1,
p0 (x) = f3 = 1.2247
1 = 1(0.92) = 0.92,
p1 (x) = 1.2247 + .1895(.92) = 1.39904
2 = 0.92(0.92 1)/2 = .0368, p2 (x) = 1.39904 .0226(0.0368)
p2 (x) = 1.399872
13.5
Aproximaci
on por mnimos cuadrados
Cuando hay muchos puntos no es conveniente buscar un u

nico polinomio
o una funcion que pase exactamente por todos los puntos. Entonces hay
dos soluciones: la primera, vista anteriormente, es hacer interpolacion
306

13.5. APROXIMACION
por grupos peque

nos de puntos. Para muchos casos es una solucion muy
buena. Sin embargo, en algunas ocasiones se desea una funci
on que sirva
para todos los puntos. La segunda solucion consiste en obtener una sola
funcion f que, aunque no pase por todos los puntos, pase relativamente
cerca de todos. Este es el enfoque de la aproximacion por mnimos
cuadrados.
Se supone que hay m puntos (x1 , y1 ), (x2 , y2 ), ..., (xm , ym ) y que
los xi son todos diferentes. La funcion f, que se desea construir, debe
ser combinacion lineal de n funciones llamadas funciones de la base.
Supongamos que estas funciones son 1 , 2 , ..., n . Entonces,
f(x) = a1 1 (x) + a2 2 (x) + + an n (x).
Como las funciones de la base son conocidas, para conocer f basta conocer los escalares a1 , a2 , ..., an .
Como se supone que hay muchos puntos (m grande) y como se desea
que f sea sencilla, es decir, n es relativamente peque
no, entonces se debe
tener que m n.
Las funciones de la base deben ser linealmente independientes. Los escalares a1 , a2 , ..., an se escogen de tal manera que
f(xi ) yi , para i = 1, 2, ..., m. Entonces,
a1 1 (x1 ) + a2 2 (x1 ) + + an n (x1 ) y1
a1 1 (x2 ) + a2 2 (x2 ) + + an n (x2 ) y2
a1 1 (x3 ) + a2 2 (x3 ) + + an n (x3 ) y3

..
.
a1 1 (xm ) + a2 2 (xm ) + + an n (xm ) ym .

Las m igualdades (aproximadas) anteriores se pueden escribir de manera
matricial:
1 (x1 ) 2 (x1 ) n (x1 )

y1
1 (x2 ) 2 (x2 ) n (x2 ) a1

y2
1 (x3 ) 2 (x3 ) n (x3 ) a2 y3

..
.
..
.
.
.
an
1 (xm ) 2 (xm ) n (xm )
ym
307
13.
Y APROXIMACION
INTERPOLACION
De manera compacta se tiene

a y.
(13.31)
La matriz es una matriz mn rectangular alta (m n), a es un vector

columna n 1, y es un vector columna m 1. Son conocidos la matriz
y el vector columna y. El vector columna a es el vector de incognitas.
Como las funciones de la base son linealmente independientes, entonces
las columnas de son linealmente independientes. En consecuencia,
(13.31) se puede resolver por mnimos cuadrados:
(T ) a = T y .
(13.32)
Recordemos del captulo 11 que para resolver por mnimos cuadrados el

sistema Ax = b, se minimiza ||Ax b||22 . Traduciendo esto al problema
de aproximacion por mnimos cuadrados, se tiene
2
n
m
X
X
min
aj j (xi ) yi .
i=1
es decir,
min
j=1
m
X
i=1
f(xi ) yi
2
Esto significa que se esta buscando una funcion f, combinacion lineal de

las funciones de la base, tal que minimiza la suma de los cuadrados de
las distancias entre los puntos (xi , f(xi )) y (xi , yi ).
Ejemplo 13.8. Dadas las funciones 1 (x) = 1, 2 (x) = x, 3 (x) = x2 ,
encontrar la funcion f que aproxima por mnimos cuadrados la funcion
dada por los puntos (0, 0.55), (1, 0.65), (1.5, 0.725), (2, 0.85), (3, 1.35).
Como las funciones de la base son 1, x, x2 , en realidad se esta buscando aproximar por mnimos cuadrados por medio de un par
abola. El
sistema inicial es
0.55
1 0
0
0.65
a1
1 1
1
1 1.5 2.25 a2 0.725
0.85
a3
1 2
4
1.35
1 3
9
308

13.5. APROXIMACION
a1
4.1250
5
7.5
16.25
7.5
16.25
39.375 a2 = 7.4875
a3
17.8313
16.25 39.375 103.0625
La solucion es:
0.56
a = 0.04 ,
0.10
f(x1 )
f(x2 )
f(x3 )
f(x4 )
f(x5 )
f(x) = 0.56 0.04x + 0.1x2 .
= a =
0.56
0.62
0.725
0.88
1.34
y=
0.55
0.65
0.725
0.85
1.35
Ejercicios
13.1 Halle, resolviendo el sistema de ecuaciones, el polinomio de interpolaci
on que pasa por los puntos
(1, 5),
(2, 4),
(4, 4).
13.2 Halle, por medio de los polinomios de Lagrange, el polinomio de
interpolaci
on que pasa por los puntos del ejercicio anterior.
13.3 Halle el polinomio de interpolacion que pasa por los puntos
(1, 5),
(1, 5),
(2, 2),
(4, 40).
309
13.
Y APROXIMACION
INTERPOLACION
13.4 Halle el polinomio de interpolacion que pasa por los puntos

(1, 10),
(1,
8),
(2,
4),
(4, 10).
13.5 Considere los puntos
(0.10, 11.0000),
(0.13, 8.6923),
(0.16, 7.2500),
(0.20, 6.0000),
(0.26, 4.8462),
(0.40, 3.5000),
(0.32, 4.1250),
(0.50, 3.0000).
Construya la tabla de diferencias dividas hasta el orden 3. Obtenga
p2 (0.11), p2 (0.08), p2 (0.25), p2 (0.12), p2 (0.33), p2 (0.6), p3 (0.25),
p3 (0.33), p3 (0.6).
(0.05, 21.0000),
(0.10, 11.0000),
(0.15, 7.6667),
(0.20, 6.0000),
(0.25, 5.0000),
(0.30, 4.3333),
(0.35, 3.8571),
(0.40, 3.5000).
Construya la tabla de diferencias divididas hasta el orden 3. Calcule p2 (0.11), p2 (0.08), p2 (0.25), p2 (0.12), p2 (0.33), p2 (0.6), p3 (0.25),
p3 (0.33), p3 (0.6).
13.7 Considere los mismos puntos del ejercicio anterior. Construya
la tabla de diferencias finitas hasta el orden 3. Halle p2 (0.11),
p2 (0.08), p2 (0.25), p2 (0.12), p2 (0.33), p2 (0.6), p3 (0.25),
p3 (0.33), p3 (0.6).
310

13.5. APROXIMACION

(0.05, 2.0513),
(0.10, 2.1052),
(0.15, 2.1618),
(0.20, 2.2214),
(0.25, 2.2840),
(0.30, 2.3499),
(0.35, 2.4191),
(0.40, 2.4918).
Obtenga la recta de aproximacion por mnimos cuadrados.
13.9 Considere los mismos puntos del ejercicio anterior. Obtenga la
par
abola de aproximacion por mnimos cuadrados.
13.10 Considere los mismos puntos de los dos ejercicios anteriores. Use
otra base y obtenga la correspondiente funcion de aproximacion
por mnimos cuadrados.
311
13.
Y APROXIMACION
INTERPOLACION
312
14
Integraci
on y diferenciaci
on
14.1
Integraci
on num
erica
Esta tecnica sirve para calcular el valor numerico de una integral definida,
es decir, parar obtener el valor
I=
f (x)dx.
a
y = f (x)
b
Figura 14.1
En la mayora de los casos no se puede calcular el valor exacto I;

simplemente se calcula I aproximacion de I.
De todas maneras primero se debe tratar de hallar la antiderivada.
Cuando esto sea imposible o muy difcil, entonces se recurre a la inte313
14.
Y DIFERENCIACION
INTEGRACION
gracion numerica. Por ejemplo, calcular una aproximaci

on de
Z
0.5
ex dx.
0.1
En este captulo hay ejemplos de integracion numerica con funciones

cuya antiderivada es muy facil de obtener y para los que no se debe
utilizar la integracion numerica; se usan solamente para comparar el
resultado aproximado con el valor exacto.
14.2
F
ormula del trapecio
La formula del trapecio, como tambien la formula de Simpson, hace

parte de las formulas de Newton-Cotes. Sean n + 1 valores igualmente
espaciados a = x0 , x1 , x2 , ..., xn = b, donde
xi = a + ih , i = 0, 1, 2, ..., n , h =
ba
,
n
y supongamos conocidos yi = f (xi ). Supongamos

adem
as que n es un
Rx
m
ultiplo de m, n = km. La integral x0n f (x)dx se puede separar en
intervalos m
as peque
nos:
Z
xn
f (x)dx =
x0
xm
f (x)dx +
x0
x0 x1 x2
a
xm
x2m
xm
f (x)dx + +
x2m
Figura 14.2
314
xnm
xn
f (x)dx.
xnm
xn
b

14.2. FORMULA
DEL TRAPECIO
En el intervalo [x0 , xm ] se conocen los puntos (x0 , y0 ), (x1 , y1 ), ...,

(xm , ym ) y se puede construirRel polinomio de interpolacion de Lagrange
x
pm (x). Entonces la integral x0m f (x)dx se aproxima por la integral de
pm ,
Z
xm
x0
f (x)dx
xm
pm (x)dx.
x0
Para m = 1 se tiene la formula del trapecio. Su deduccion es mucho

m
as sencilla si se supone que x0 = 0. Esto equivale a hacer el cambio
de variable x = x x0 .
x x0
x x1
+ y1
,
x0 x1
x1 x0
x
xh
+ y1
,
p1 (x) = y0
h
h
y1 y 0
.
p1 (x) = y0 + x
h
p1 (x) = y0
Entonces
x1
p1 (x)dx =
x0
(y0 + x
0
y1 y0
)dx
h
h2 y1 y0
,
= y0 h +
2
h
y1
y0
+
),
= h(
2
2
Z x1
y0 + y1
f (x)dx h
2
x0
(14.1)
De la formula (14.1) o de la gr
afica se deduce naturalmente el nombre
de formula del trapecio.
315
14.
Y DIFERENCIACION
INTEGRACION
y0
y1
x0
x1
Figura 14.3
Ejemplo 14.1.
Z 0.2
0
1
1
ex dx 0.2( e0 + e0.2 ) = 0.22214028 .
2
2
Aplicando la formula del trapecio a cada uno de los intervalos [xi1 , xi ]

se tiene:
Z x1
y1
y0
+
),
f (x)dx h(
2
2
x0
Z x2
y1
y2
f (x)dx h(
+
),
2
2
x1
..
..
.
.
Z xn
yn
yn1
+
).
f (x)dx h(
2
2
xn1
xn
y1
y1
y2
yn1
yn
y0
+
+
+
+
+
),
2
2
2
2
2
2
Zx0xn
yn
y0
+ y1 + y2 + + yn2 + yn1 +
),
f (x)dx h(
2
2
x0
Z xn
n1
X
yn
y0
yi +
+
).
f (x)dx h(
2
2
x0
Z
f (x)dx h(
(14.2)
i=1
Ejemplo 14.2.
Z 0.8
1
1
ex dx 0.2( e0 + e0.2 + e0.4 + e0.6 + e0.8 ) = 1.22962334 .
2
2
0
316

14.2. FORMULA
DEL TRAPECIO
14.2.1
Errores local y global
El error local de la formula del trapecio es el error proveniente de la

formula (14.1).
eloc = Iloc Iloc ,
Z x1
y1
y0
+
)
eloc =
f (x)dx h(
2
2
Z x1
Zx0x1
p1 (x)dx
f (x)dx
=
x0
x0
Z x1
=
(f (x) p1 (x))dx .
x0
Utilizando la formula del error para la interpolacion polin

omica 13.6,
Z x1
(x x0 )(x x1 )
eloc =
f (x )dx , x [x0 , x1 ].
2
x0
El teorema del valor medio para integrales dice: Sean f continua en
[a, b], g integrable en [a, b], g no cambia de signo en [a, b], entonces
Z
f (x)g(x)dx = f (c)
a
g(x)dx
a
para alg
un c en [a, b].
Teniendo en cuenta que (x x0 )(x x1 ) 0 en el intervalo [x0 , x1 ] y
aplicando el teorema del valor medio para integrales, existe z [x0 , x1 ]
tal que
Z
f (z) x1
(x x0 )(x x1 )dx , z [x0 , x1 ].
eloc =
2
x0
Mediante el cambio de variable t = x x0 , dt = dx,
Z
f (z) h
eloc =
t(t h)dt , z [x0 , x1 ],
2
0
f (z) h3
=
( ) , z [x0 , x1 ],
2
6
(z)
f
eloc = h3
, z [x0 , x1 ].
12
317
(14.3)
14.
Y DIFERENCIACION
INTEGRACION
La formula anterior, como muchas de las formulas de error, sirve principalmente para obtener cotas del error cometido.
h3
M,
12
|eloc |
M = max{|f (z)| : z [x0 , x1 ]}.
(14.4)
En el ejemplo 14.1, f (x) = ex , max{|f (z)| : z [0, 0.2]} = 1.22140276,

luego el m
aximo error que se puede cometer, en valor absoluto, es (0.2)3
1.22140276/12 = 8.1427104 . En este ejemplo, se conoce el valor exacto
I = e0.2 1 = 0.22140276, luego |e| = 7.3752 104 .
En algunos casos, la formula del error permite afinar un poco m
as.
Si f (x) > 0 (f estrictamente convexa) en [x0 , x1 ] y como I = I + eloc ,

entonces la formula del trapecio da un valor aproximado pero superior
al exacto.
En el mismo ejemplo, f (x) vara en el intervalo [1, 1.22140276]

cuando x [0, 0.2]. Luego
eloc [0.00081427, 0.00066667],
entonces
I [0.22132601, 0.22147361].
El error global es el error correspondiente al hacer la aproximacion de
la integral sobre todo el intervalo [x0 , xn ], o sea, el error en la formula
14.2,
eglob =
=
xn
x0
n
X
i=1
f (x)dx h(
(
yn
y0
+ y1 + y2 + + yn2 + yn1 +
)
2
2
f (zi ) h3
) , zi [xi1 , xi ]
12
n
h3 X
f (zi ) , zi [xi1 , xi ]
12
i=1
Sean
M1 = min{f (x) : x [a, b]} ,
318
M2 = max{f (x) : x [a, b]}.

14.3. FORMULA
DE SIMPSON
Entonces
M1 f (zi ) M2 , i
n
X
f (zi ) nM2 ,
nM1
i=1
n
1 X
f (zi ) M2 .
M1
n
i=1
2 ,
C[a,b]
entonces, aplicando el teorema del valor intermedio a f ,

Si f
existe [a, b] tal que
n
1 X
f () =
f (zi ) .
n
i=1
Entonces
eglob =
h3
nf () ,
12
[a, b].
Como h = (b a)/n, entonces n = (b a)/h.

eglob = h2
14.3
(b a)f ()
, [a, b].
12
(14.5)
F
ormula de Simpson
Es la formula de Newton-Cotes para m = 2,

Z x2
Z x2
f (x)dx
p2 (x)dx.
x0
x0
El polinomio de interpolaci
on p2 (x) se construye a partir de los puntos
(x0 , y0 ), (x1 , y1 ), (x2 , y2 ). Para facilitar la deduccion de la formula,
supongamos que p2 es el polinomio de interpolacion que pasa por los
puntos (0, y0 ), (h, y1 ), (2h, y2 ). Entonces
(x 0)(x 2h)
(x 0)(x h)
(x h)(x 2h)
+ y1
+ y2
,
(0 h)(0 2h)
(h 0)(h 2h)
(2h 0)(2h h)

1
= 2 y0 (x h)(x 2h) 2y1 x(x 2h) + y2 x(x h) ,
2h

1
= 2 x2 (y0 2y1 + y2 ) + hx(3y0 + 4y1 y2 ) + 2h2 y0 ,
2h
p2 (x) = y0
319
Y DIFERENCIACION
INTEGRACION
14.
Z
Z
2h
1 8h3
4h2
(y
2y
+
y
)
+
h
(3y0 + 4y1 y2 )
0
1
2
2h2 3
2

+ 2h2 (2h)y0 ,
p2 (x)dx =
0
2h
0
4
1
1
p2 (x)dx = h( y0 + y1 + y2 ).
3
3
3
Entonces
Z
x2
x0
f (x)dx
h
(y0 + 4y1 + y2 )
3
(14.6)
Suponiendo que n es par, al aplicar la formula anterior a cada uno de los

intervalos [x0 , x2 ], [x2 , x4 ], [x4 , x6 ], ..., [xn4 , xn2 ], [xn2 , xn ], se tiene:
Z
Z
xn
x0
f (x)dx
h
(y0 + 4y1 + 2y2 + 4y3 + + 4yn1 + yn )
3
f (x)dx
X
X
h
y2j + yn )
y2j1 + 2
( y0 + 4
3
xn
x0
k1
j=1
j=1
(14.7)
Ejemplo 14.3.
Z
0.8
0
ex dx
0.2 0
(e + 4(e0.2 + e0.6 ) + 2 e0.4 + e0.8 ) = 1.22555177 .
3
El valor exacto, con 8 cifras decimales, es 1.22554093, entonces el error

es 0.00001084 .
14.3.1
Errores local y global
Para facilitar la deduccion del error local, consideremos la integral entre

4
h y h. Sea f C[h,h]
.
e(h) = eloc (h) =
=
h
h
h
h
f (x) dx
f (x) dx
p2 (x) dx,
h

h
f (h) + 4f (0) + f (h) .
3
320

14.3. FORMULA
DE SIMPSON
Rh
Sea F tal que F (x) = f (x), entonces h f (x) dx = F (h) F (h). Al
derivar con respecto a h se tiene f (h) + f (h).

1
f (h) + 4f (0) + f (h)
3
f (h) + f (h) ,
e (h) = f (h) + f (h)
h
3
3e (h) = 2f (h) + 2f (h) 4f (0) h(f (h) f (h)).
3e (h) = 2f (h) 2f (h) f (h) + f (h) h(f (h) + f (h)),

= f (h) f (h) h(f (h) + f (h)).
3e (h) = f (h) + f (h) (f (h) + f (h)) h(f (h) f (h)),

= h(f (h) f (h)),
h
e (h) = ( f (h) f (h) ),
3
2h2 f (h) f (h)
e (h) =
.
3
2h
De los resultados anteriores se ve claramente que e(0) = e (0) = e (0) =

e (0) = 0. Adem
as, como f C 4 , entonces f C 1 . Por el teorema
del valor medio, existe [h, h], = h, [1, 1], tal que
f (h) f (h)
= f (4) (h) , [1, 1].
2h
Entonces
e (h) =
2h2 (4)
f (h) , [1, 1].
3
Sea
g4 (h) = f (4) (h).
e (h) =
2h2
g4 (h).
3
e (t) dt + e (0),
Z
2 h 2
e (h) =
t g4 (t) dt.
3 0
e (h) =
321
14.
Y DIFERENCIACION
INTEGRACION
Como g4 es continua, t2 es integrable y no cambia de signo en [0, h], se

puede aplicar el teorema del valor medio para integrales,
Z h
2
t2 dt ,
e (h) = g4 (4 )
3
0
2 3
e (h) = h g4 (4 ).
9
4 [0, h],
Sea
g3 (h) = g4 (4 ) = f (4) (3 h) ,
1 3 1,
entonces
2
e (h) = h3 g3 (h).
9
De manera semejante,
e (t) dt + e (0),
0
Z
2 h 3
t g3 (t) dt,
e (h) =
9 0
Z h
2
e (h) = g3 (3 )
t3 dt ,
9
0
1 4
e (h) = h g3 (3 ).
18
e (h) =
3 [0, h],
Sea
g2 (h) = g3 (3 ) = f (4) (2 h) ,
1
e (h) = h4 g2 (h).
18
322
1 2 1,

14.3. FORMULA
DE SIMPSON
e (t) dt + e(0),
0
Z h
1
t4 g2 (t) dt,
e(h) =
18 0
Z h
1
e(h) = g2 (2 )
t4 dt , 2 [0, h],
18
0
1
e(h) = h5 g2 (2 ),
90
h5 (4)
e(h) = f (1 h) , 1 1 1,
90
h5 (4)
e(h) = f (z) , h z h.
90
e(h) =
Volviendo al intervalo [x0 , x2 ],

eloc = h5
f (4) (z)
, z [x0 , x2 ].
90
(14.8)
La deduccion del error global se hace de manera semejante al error global

en la formula del trapecio. Sean n = 2k, M1 = min{f (4) (x) : x [a, b]},
M2 = max{f (4) (x) : x [a, b]}.
eglob =
b
a
k1
k
h

X
X
f (x) dx
y2j + yn ) ,
y2j1 + 2
( y0 + 4
3
k
X
j=1
j=1
h5
f (4) (zj )
,
90
zj [x2j2 , x2j ],
h5 X (4)
=
f (zj )
90
j=1
M1 f (4) (zj ) M2 , j
k
X
f (4) (zj ) kM2 ,
kM1
M1
j=1
k
X
1
k
j=1
j=1
f (4) (zj ) M2 ,
323
14.
Y DIFERENCIACION
INTEGRACION
Entonces, existe [a, b], tal que

k
1 X (4)
f (zj ) = f (4) (),
k
j=1
k
X
f (4) (zj ) = k f (4) (),
j=1
k
X
f (4) (zj ) =
n (4)
f (),
2
f (4) (zj ) =
b a (4)
f ().
2h
j=1
k
X
j=1
Entonces
eglob = h4
(b a)f (4) ()
, [a, b].
180
(14.9)
La formula de Simpson es exacta para polinomios de grado inferior o

igual a 3. El error global es del orden de h4 .
Pasando de una interpolacion lineal (formula del trapecio) a una
interpolaci
on cuadratica (formula de Simpson), el error global pasa de
O(h2 ) a O(h4 ), es decir, una mejora notable. Se puede ver que al utilizar
interpolaci
on c
ubica se obtiene
Z
x3
f (x)dx =
x0
3
h
(3y0 + 9y1 + 9y2 + 3y3 ) h5 f (4) (z) ,
8
80
z [x0 , x3 ],
llamada segunda formula de Simpson. Entonces el error local es O(h5 ) y

el error global es O(h4 ). La formula anterior es exacta para polinomios de
grado inferior o igual a 3. En resumen, la interpolacion c
ubica no mejora
la calidad de la aproximacion numerica, luego es preferible utilizar la
formula (14.7), m
as sencilla y de calidad semejante.
Sin embargo, cuando se tiene una tabla fija con un n
umero impar
de subintervalos (n impar, n
umero par de puntos), se puede aplicar la
(primera) formula de Simpson sobre el intervalo [x0 , xn3 ] y la segunda
formula sobre el intervalo [xn3 , xn ].
324

14.4. OTRAS FORMULAS
DE NEWTON-COTES
14.4
Otras f
ormulas de Newton-Cotes
Las formulas de Newton-Cotes se pueden clasificar en abiertas y cerradas. Las formulas del trapecio y de Simpson son casos particulares de
las formulas cerradas. En ellas se aproxima la integral en el intervalo
[x0 , xm ] usando el polinomio de interpolacion, de grado menor o igual a
m, construido a partir de los puntos (x0 , y0 ), (x1 , y1 ), ..., (xm1 , ym1 ),
(xm , ym ), igualmente espaciados en x.
Z
xm
x0
f (x)dx
xm
pm (x)dx.
x0
La siguiente tabla muestra las m

as importantes.
m
1
2
3
4
error
h
(y0 + y1 )
2
h
(y0 + 4y1 + y2 )
3
3h
(y0 + 3y1 + 3y2 + y3 )
8
2h
(7y0 + 32y1 + 12y2 + 32y3 + 7y4 )
45
f (z) 3
h
12
f (4) (z) 5
h
90
3 f (4) (z) 5
h
80
8 f (6) (z) 7
h
945
En todos los casos, z [x0 , xm ].
14.4.1
F
ormulas de Newton-Cotes abiertas
En estas formulas el polinomio de interpolacion se calcula sin utilizar los

extremos del intervalo de integracion,
Z
xm+2
x0
f (x)dx
xm+2
pm (x)dx,
x0
donde pm , polinomio de grado menor o igual a m, se construye utilizando

los puntos (x1 , y1 ), (x2 , y2 ), ..., (xm , ym ), (xm+1 , ym+1 ), igualmente es325
14.
Y DIFERENCIACION
INTEGRACION
paciados en x.
m
error
f (z) 3
h
3
3 f (z) 3
3h
(y1 + y2 )
+
h
2
4
4h
14 f (4) (z) 5
(2y1 y2 + 2y3 )
+
h
3
45
5h
95 f (4) (z) 5
(11y1 + y2 + y3 + 11y4 ) +
h
24
144
2h y1
1
2
3
En todos los casos z [x0 , xm+2 ].

Ejemplo 14.4.
Z
0.8
0
ex dx
4 0.2
(2 e0.2 e0.4 + 2 e0.6 ) = 1.22539158 .
3
El valor exacto, con 8 cifras decimales, es 1.22554093, entonces el error

es 0.00014935 .
En general, las formulas cerradas son m
as precisas que las abiertas,
entonces, siempre que se pueda, es preferible utilizar las formulas cerradas. Las formulas abiertas se usan cuando no se conoce el valor de la
funcion f en los extremos del intervalo de integracion; por ejemplo, en
la solucion numerica de algunas ecuaciones diferenciales ordinarias.
14.5
Cuadratura de Gauss
En las diferentes formulas de Newton-Cotes, los valores xi deben estar igualmente espaciados. Esto se presenta con frecuencia cuando se
dispone de una tabla de valores (xi , f (xi )). En la cuadratura de Gauss
se calcula la integral en un intervalo fijo [1, 1] mediante valores precisos pero no igualmente espaciados. Es decir, no se debe disponer de
una tabla de valores, sino que debe ser posible evaluar la funcion en
valores especficos.
326
14.5. CUADRATURA DE GAUSS
La formula de cuadratura de Gauss tiene la forma

Z 1
n
X
f (x) dx
wi f (xi ).
1
(14.10)
i=1
Los valores wi se llaman los pesos o ponderaciones y los xi son las abscisas. Si se desea integrar en otro intervalo,
Z b
() d
a
es necesario hacer un cambio de variable,

t=
2
( a) 1 ,
ba
Z
Z
Z
b
a
ba
() d =
2
() d
a
b
a
=
Z
(
1
n
baX
ba
(t + 1) + a ,
2
ba
dt
2
ba
(t + 1) + a) dt,
2
wi (
i=1
n
baX
d =
ba
(xi + 1) + a),
2
(14.11)
wi (i ),
(14.12)
ba
i =
(xi + 1) + a.
2
(14.13)
() d
i=1
En la cuadratura de Gauss se desea que la formula (14.10) sea exacta

para los polinomios de grado menor o igual que m = mn , y se desea que
este valor mn sea lo m
as grande posible. En particular,
Z 1
n
X
wi f (xi ) , si f (x) = 1, x, x2 , ..., xmn .
f (x) dx =
1
i=1
La anterior igualdad da lugar a mn + 1 ecuaciones con 2n incognitas (los

wi y los xi ). De donde mn = 2n 1, es decir, la formula (14.10) debe
ser exacta para polinomios de grado menor o igual a 2n 1.
Recordemos que
Z
1
1
xk dx =
si k es impar,
2
k+1
327
si k es par.
14.
Y DIFERENCIACION
INTEGRACION
Para n = 1, se debe cumplir

w1 =
w 1 x1 =
1 dx = 2,
1
Z 1
x dx = 0.
Se deduce inmediatamente que

w1 = 2 ,
x1 = 0.
(14.14)
Para n 2, se puede suponer, sin perder generalidad, que hay simetra

en los valores xi y en los pesos wi . M
as especficamente, se puede suponer
que:
x1 < x2 < ... < xn ,
xi = xn+1i ,
wi = wn+1i .
Para n = 2,
w1 + w2 =
w 1 x1 + w 2 x2 =
w1 x21 + w2 x22 =
w1 x31 + w2 x32 =
1 dx = 2,
1
Z 1
1
Z 1
1
1
x dx = 0,
x2 dx =
x3 dx = 0.
Por suposiciones de simetra,

x1 < 0 < x2 ,
x1 = x2 ,
w1 = w2 .
Entonces
2w1 = 2,
2
2w1 x21 =
.
3
328
2
,
3
Finalmente,
r
1
,
w1 = 1,x1 =
3
r
1
w2 = 1,x2 =
.
3
Para n = 3,
w1 + w2 + w3 = 2,
w1 x1 + w2 x2 + w3 x3 = 0,
2
w1 x21 + w2 x22 + w3 x23 = ,
3
w1 x31 + w2 x32 + w3 x33 = 0,
2
w1 x41 + w2 x42 + w3 x43 = ,
5
w1 x51 + w2 x52 + w3 x53 = 0.
Por suposiciones de simetra,
x1 < 0 = x2 < x3 ,
x1 = x3 ,
w1 = w3 .
Entonces
2w1 + w2 = 2,
2
,
2w1 x21 =
3
2
.
2w1 x41 =
5
Finalmente,
r
5
3
w1 = ,x1 =
,
9
5
8
w2 = ,x2 = 0,
9
r
3
5
w3 = ,x3 =
.
9
5
329
14.
Y DIFERENCIACION
INTEGRACION
La siguiente tabla contiene los valores wi , xi , para valores de n menores

o iguales a 4.
n
1
2
3
wi
xi
2
1
0.555555555555555
0.888888888888889
0.347854845137454
0.652145154862546
0
0.577350269189626
0.774596669241483
0
0.861136311594053
0.339981043584856
Tablas m
as completas se pueden encontrar en [Fro70] o en [AbS74].
Ejemplo 14.5. Calcular una aproximacion de
Z 0.8
ex dx
0.2
por cuadratura de Gauss con n = 3.

0.8 0.2
(0.774596669241483 + 1) + 0.2 = 0.26762099922756
2
0.8 0.2
(0 + 1) + 0.2 = 0.5
2 =
2
0.8 0.2
3 =
(0.774596669241483 + 1) + 0.2 = 0.73237900077244
2
1 =
0.8
0.2

0.8 0.2 5 1 8 2 5 3
e dx
e + e + e
2
9
9
9
1.00413814737559
x
El valor exacto es e0.8 e0.2 = 1.00413817033230, entonces el error es

0.00000002295671 2.3 108 . Si se emplea la formula de Simpson, que
tambien utiliza tres evaluaciones de la funcion, se tiene
Z 0.8

0.3 0.2
ex dx
e + 4 e0.5 + e0.8 = 1.00418287694532
3
0.2
El error es 0.00004470661302 4.5 105 .
330
La formula del error para 14.10 es:

en =
22n+1 (n!)4
f (2n) () ,
(2n + 1)((2n)!)3
1 < < 1 .
(14.15)
a < < b.
(14.16)
Para 14.12 el error esta dado por:

en =
(b a)2n+1 (n!)4 (2n)

f
() ,
(2n + 1)((2n)!)3
Comparemos el metodo de Simpson y la formula de cuadratura de Gauss

con n = 3, para integrar en el intervalo [a, b], con h = (b a)/2. En los
dos casos es necesario evaluar tres veces la funcion.
h5 (4)
f (z) ,
90
(2h)7 (3!)4 (6)
h7 (6)
=
f
()
=
f ().
7(6!)3
15750
eSimpson =
eGauss3
Se observa que mientras que la formula de Simpson es exacta para polinomios de grado menor o igual a 3, la formula de Gauss es exacta hasta
para polinomios de grado 5. Sea 0 < h < 1. No s
olo h7 < h5 , sino que
el coeficiente 1/15750 es mucho menor que 1/90.
En el ejemplo anterior, h = 0.3, y tanto f (4) como f (6) varan en el
intervalo [1.22, 2.23 ].
eSimpson = 2.7 105 f (4) (z) ,
eGauss3 = 1.39 108 f (6) () .
14.5.1
Polinomios de Legendre
Las formulas de cuadratura vistas son las formulas de Gauss-Legendre. En ellas estan involucrados los polinomios ortogonales de Legendre. Tambien hay cuadratura de Gauss-Laguerre, de Gauss-Hermite y
de Gauss-Chebyshev, relacionadas con los polinomios de Laguerre, de
Hermite y de Chebyshev.
Hay varias maneras de definir los polinomios de Legendre; una de ellas
es:
P0 (x) = 1,
Pn (x) =
(14.17)
1
2n n!
d
(x2 1)n .
dxn
331
(14.18)
14.
Y DIFERENCIACION
INTEGRACION
Por ejemplo,
P0 (x) = 1,
P1 (x) = x,
1
P2 (x) = (3x2 1),
2
1
P3 (x) = (5x3 x),
2
1
P4 (x) = (35x4 30x2 + 3).
8
Tambien existe una expresi
on recursiva:
P0 (x) = 1,
(14.19)
P1 (x) = x,
2n + 1
n
Pn+1 (x) =
x Pn (x)
Pn1 (x) .
n+1
n+1
(14.20)
(14.21)
Algunas de las propiedades de los polinomios de Legendre son:

Z 1
xk Pn (x) dx = 0 , k = 0, 1, 2, ..., n 1,
(14.22)
1
1
Pm (x)Pn (x) dx = 0 ,
1
Z 1
1
(Pn (x))2 dx =
m 6= n,
2n + 1
(14.23)
(14.24)
Las abscisas de las formulas de cuadratura de Gauss-Legendre son exactamente las races de Pn (x). Adem
as,
Z 1
Pn (x)
1
wi =
dx,
(14.25)
Pn (xi ) 1 x xi
1
2
wi =
(14.26)
(Pn (xi ))2 1 x2i
14.6
Derivaci
on num
erica
Dados los puntos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ) igualmente espaciados en

x, o sea, xi = x0 + ih, se desea tener aproximaciones de f (xi ) y f (xi ).
332
NUMERICA
14.6. DERIVACION
Como se vio anteriormente (13.6),

f (x) = pn (x) + (x x0 )(x x1 ) (x xn )f (n+1) ()/(n + 1)!.
Sea (x) = (x x0 )(x x1 ) (x xn ). Como depende de x, se puede
considerar F (x) = f (n+1) ((x))/(n + 1)!. Entonces
f (x) = pn (x) + (x)F (x)
f (x) = pn (x) + (x)F (x) + (x)F (x),
f (xi ) = pn (xi ) + (xi )F (xi ) + (xi )F (xi ),
f (xi ) = pn (xi ) + (xi )F (xi ).
Para n = 1
p1 (x) = y0 +
(y1 y0 )
(x x0 ) ,
h
(x) = (x x0 )(x x1 ) ,
p1 (x) =
(y1 y0 )
(x) = 2x 2x0 h
Entonces
(y1 y0 )
(y1 y0 ) h
+ (2x0 2x0 h)F (x0 ) =
f ((x0 )),
h
h
2
(y
y
)
h
(y
y
)
1
0
1
0
+ (2x1 2x0 h)F (x1 ) =
+ f ((x1 )).
f (x1 ) =
h
h
2
f (x0 ) =
En general,
(yi+1 yi )
h
f (), [xi , xi+1 ]
h
2
(y
y
)
h
i
i1
f (xi ) =
+ f (), [xi1 , xi ]
h
2
f (xi ) =
(14.27)
(14.28)
El primer termino despues del signo igual corresponde al valor aproximado. El segundo termino es el error. Se acostumbra decir que el error
es del orden de h. Esto se escribe
(yi+1 yi )
+ O(h),
h
(yi yi1 )
f (xi ) =
+ O(h).
h
f (xi ) =
333
14.
Y DIFERENCIACION
INTEGRACION
Para n = 2, sea s = (x x0 )/h,

s(s 1) 2 f0
,
2
2
x x0
x x 0 x x 0 h 2 f0
p2 (x) = y0 +
f0 +
,
h
h
h
2
f0 2x 2x0 h 2 f0
+
,
p2 (x) =
h
h2
2
f0 2 f0
p2 (x1 ) =
+
=
h
2h
y2 y0
p2 (x1 ) =
2h
p2 (x) = y0 + sf0 +
(x) = (x x0 )(x x0 h)(x x0 2h),
(x) = (x x0 )3 3h(x x0 )2 + 2h2 (x x0 ),
(x) = 3(x x0 )2 6h(x x0 ) + 2h2 ,
(x1 ) = 3h2 6h2 + 2h2 = h2 .

Entonces
f (x1 ) =
y2 y0 h2
f () , [x0 , x2 ].
2h
6
De manera general,
yi+1 yi1 h2
f () , [xi1 , xi+1 ],
2h
6
yi+1 yi1
+ O(h2 ).
f (xi ) =
2h
f (xi ) =
(14.29)
En [YoG72], pagina 357, hay una tabla con varias formulas para diferenciaci
on numerica. Para la segunda derivada, una formula muy empleada
es:
yi+1 2yi + yi1 h2 (4)
f () , [xi1 , xi+1 ],
h2
12
yi+1 2yi + yi1
f (xi ) =
+ O(h2 ).
h2
f (xi ) =
(14.30)
La deduccion de las formulas de derivaci

on numerica se hizo a partir
de una tabla de valores (xi , yi ), pero para el uso de estas solamente se
requiere conocer o poder evaluar f en los puntos necesarios. Por esta
334
NUMERICA
14.6. DERIVACION
razon, algunas veces las formulas aparecen directamente en funcion de

h:
f (x + h) f (x)
+ O(h),
h
f (x) f (x h)
f (x) =
+ O(h),
h
f (x + h) f (x h)
+ O(h2 ),
f (x) =
2h
f (x + h) 2f (x) + f (x h)
f (x) =
+ O(h2 ).
h2
Ejemplo 14.6. Dada f (x) = x, evaluar aproximadamente f (4) y

f (4), utilizando h = 0.2.
f (x) =
2.0494 2
= 0.2470
0.2
2 1.9494
= 0.2532
f (4)
0.2
2.0494 1.9494
f (4)
= 0.2501
2 0.2
2.0494 2 2 + 1.9494
f (4)
= 0.0313 .
0.22
f (4)
El error de las dos primeras aproximaciones no es el mismo, pero es

del mismo orden de magnitud O(h). La tercera aproximacion es mejor
que las anteriores; su error es del orden de O(h2 ). Los valores exactos
son f (4) = 0.25, f (4) = 0.03125.
Ejercicios
14.1 Calcule
ex dx
0.2
utilizando la formula del trapecio y de Simpson, variando el n

umero
de subintervalos. Tambien por medio de la cuadratura de Gauss
variando el n
umero puntos. Calcule los errores. Compare.
14.2 Calcule
ex dx
335
14.
Y DIFERENCIACION
INTEGRACION
utilizando la formula de Simpson. Utilice seis cifras decimales.

Tome los valores n = 2, 4, 8, 16, 32... hasta que no haya variacion.
Rb
14.3 Haga un programa para calcular a f (x)dx, siguiendo el esquema
del ejercicio anterior.
14.4 Observe, por ejemplo, que para n = 2 se eval
ua la funcion en a,
(a + b)/2, b. Para n = 4 se eval
ua la funcion en a, a + (b a)/4,
(a + b)/2, a + 3(b a)/4, b. Haga el programa eficiente para que
no eval
ue la funcion dos veces en el mismo punto.
Rb
14.5 Haga un programa para calcular a f (x)dx , partiendo [a, b] en
subintervalos y utilizando en cada subintervalo cuadratura de Gauss.
(0.05, 2.0513),
(0.10, 2.1052),
(0.15, 2.1618),
(0.20, 2.2214),
(0.25, 2.2840),
(0.30, 2.3499),
(0.35, 2.4191),
(0.40, 2.4918).
Calcule de la mejor manera posible
Z 0.40
Z 0.35
f (x)dx,
f (x)dx,
0.05
0.05
0.45
f (x)dx.
0.05
14.7 Considere los mismos puntos del ejercicio anterior. Calcule una
aproximacion de f (0.25), f (0.225), f (0.30).
14.8 Combine integracion numerica y solucion de ecuaciones para resolver
Z x
2
et dt = 0.1.
0
336
15
Ecuaciones diferenciales
Este captulo se refiere u
nicamente a ecuaciones diferenciales ordinarias. Generalmente una ecuaci
on diferencial ordinaria de primer orden
con condiciones iniciales, EDO1CI, se escribe de la forma
y = f (x, y) para a x b,
y(x0 ) = y0 .
(15.1)
Frecuentemente la condici
on inicial esta dada sobre el extremo izquierdo
del intervalo, o sea, a = x0 . Un ejemplo de EDO1CI es:
xy
+ 3x2 , x [2, 4],
1 + x2 + y 2
y(2) = 5.
y =
Temas importantsimos como existencia de la solucion, unicidad o estabilidad, no seran tratados en este texto. El lector debera remitirse a un
libro de ecuaciones diferenciales. Aqu se supondr
a que las funciones satisfacen todas las condiciones necesarias (continuidad, diferenciabilidad,
condici
on de Lipschitz... ) para que la solucion exista, sea u
nica...
Como en todos los otros casos de metodos numericos, la primera
opci
on para resolver una EDO1CI es buscar la solucion analtica. Si
esto no se logra, entonces se busca la solucion numerica que consiste en
encontrar valores aproximados y1 , y2 , ..., yn tales que
yi y(xi ), i = 1, ..., n, donde a = x0 < x1 < x2 < ... < xn = b.
337
15.
ECUACIONES DIFERENCIALES
En muchos casos los valores xi estan igualmente espaciados, o sea,

xi = a + ih, i = 0, 1, ..., n, con h =
ba
.
n
En varios de los ejemplos siguientes se aplicaran los metodos numericos

para ecuaciones diferenciales con solucion analtica conocida. Esto se
hace simplemente para comparar la solucion numerica con la solucion
exacta.
15.1
M
etodo de Euler
Se aplica a una EDO1CI como en (15.1) utilizando puntos igualmente

espaciados. Su deduccion es muy sencilla.
y (x0 )
y(x0 + h) y(x0 )
.
h
Por otro lado

y (x0 ) = f (x0 , y0 ).
Entonces
y(x0 + h) y0 + hf (x0 , y0 ).
Si denotamos por y1 la aproximacion de y(x0 + h), entonces la formula
del metodo de Euler es justamente
y1 = y0 + hf (x0 , y0 ).
Aplicando varias veces el mismo tipo de aproximaciones, se tiene la
formula general:
yi+1 = yi + hf (xi , yi ).
(15.2)
Gr
aficamente esto significa que y(xi + h) = y(xi+1 ) se aproxima por el
valor obtenido a partir de la recta tangente a la curva en el punto (xi , yi ).
338

15.1. METODO
DE EULER
(x1 , y1 )
y(x0 + h)
y0 = y(x0 )
b
x0 + h
x0
Figura 15.1 Metodo de Euler.

El valor y1 es una aproximacion de y(x1 ). A partir de y1 , no de y(x1 ),
se hace una aproximacion de y (x1 ). Es decir, al suponer que y2 es una
aproximacion de y(x2 ), se han hecho dos aproximaciones consecutivas y
el error pudo haberse acumulado. De manera an
aloga, para decir que
y3 es una aproximacion de y(x3 ), se han hecho tres aproximaciones, una
sobre otra.
Sea (t, h) definida para t1 t t2 y para valores peque
nos de h.
Se dice que
(t, h) = O(hp )
si para valores peque
nos de h existe una constante c tal que
|(t, h)| chp , t [t1 , t2 ].
Tambien se acostumbra decir que
(t, h) chp .
El error local tiene que ver con el error cometido para calcular y(xi+1 )
suponiendo que yi es un valor exacto, es decir, yi = y(xi ). El error
global es el error que hay al considerar yn como aproximacion de y(xn )
(n indica el n
umero de intervalos).
Los resultados sobre el error en el metodo de Euler son:
y1 = y(x1 ) + O(h2 )
(15.3)
yn = y(xn ) + O(h).
(15.4)
339
15.
Ejemplo 15.1. Resolver, por el metodo de Euler, la ecuaci

on diferencial
y = 2x2 4x + y
y(1) = 0.7182818
en el intervalo [1, 3], con h = 0.25.

La primera observaci
on es que esta ecuaci
on diferencial se puede rex
solver analticamente. Su solucion es y = e 2x2 . Luego no debera ser
resuelta numericamente. Sin embargo, el hecho de conocer su solucion
exacta permite ver el error cometido por el metodo numerico.
y1 = y0 + hf (x0 , y0 )
= 0.7182818 + 0.25f (1, 0.7182818)
= 0.7182818 + 0.25(0.7182818 + 2 12 4 1)
= 0.3978523
y2 = y1 + hf (x1 , y1 )
= 0.3978523 + 0.25f (1.25, 0.3978523)
= 0.3978523 + 0.25(0.3978523 + 2 1.252 4 1.25)
= 0.0285654
y3 = ...
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3978523
0.0285654
-0.3392933
-0.6428666
-0.8035833
-0.7232291
-0.2790364
0.6824545
340
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369

15.2. METODO
DE HEUN
2
1
b
b
b
0
b
b
b
b
b
Figura 15.2 Metodo de Euler.

En los primeros valores se observa que el error es muy peque
no. A
partir de x = 2 se empiezan a distanciar los valores y(x) y y(x). Si se
trabaja con h = 0.1 se obtiene y(3) = 1.4327409; con h = 0.01 se obtiene
y(3) = 2.0133187; con h = 0.001 se obtiene y(3) = 2.0782381.
15.2
M
etodo de Heun
Este metodo es una modificaci

on o mejora del metodo de Euler y se
utiliza para el mismo tipo de problemas. Tambien se conoce con el
nombre de metodo del trapecio. En el metodo de Euler se utiliza la
aproximacion
y(x + h) = y(x) + hy (x).
En el metodo de Heun se busca cambiar, en la aproximacion anterior,
la derivada en x por un promedio de la derivada en x y en x + h.
b
y(x0 + h)
y0 = y(x0 )
(x1 , y1 )
x0 + h
x0
Figura 15.3 Metodo de Heun.

341
15.
y(x + h) y(x) + h
y (x) + y (x + h)
2
y(x + h) y(x) + h
f (x, y(x)) + f (x + h, y(x + h))
o sea,
La formula anterior no se puede aplicar. Sirve para aproximar y(x + h)

pero utiliza y(x+h). Entonces, en el lado derecho, se reemplaza y(x+h)
por la aproximacion dada por el metodo de Euler
y(x + h) y(x) + h
f (x, y(x)) + f (x + h, y(x) + hf (x, y(x)))
La anterior aproximacion suele escribirse de la siguiente manera:

K1 = hf (xi , yi )
K2 = hf (xi + h, yi + K1 )
1
yi+1 = yi + (K1 + K2 ).
2
(15.5)
Ejemplo 15.2. Resolver, por el metodo de Heun, la ecuaci

on diferencial
y = 2x2 4x + y
y(1) = 0.7182818

342

15.2. METODO
DE HEUN
K1 = hf (x0 , y0 )
= 0.25f (1, 0.7182818)
= 0.320430
K2 = hf (x0 + h, y0 + K1 )
= 0.25f (1.25, 0.397852)
= 0.369287
y1 = y0 + (K1 + K2 )/2
= 0.3734236
K1 = hf (x1 , y1 )
= 0.25f (1.25, 0.3734236)
= 0.375394
K2 = hf (x1 + h, y1 + K1 )
= 0.25f (1.500000, 0.001971)
= 0.375493
y2 = y1 + (K1 + K2 )/2
= 0.0020198
K1 = ...
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3734236
-0.0020198
-0.3463378
-0.5804641
-0.6030946
-0.2844337
0.5418193
2.0887372
343
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369
15.
2
1
b
b
b
0
b
b
b
b
Figura 15.4 Metodo de Heun.

En este ejemplo los resultados son mucho mejores. Por un lado, el
metodo es mejor, pero, por otro, es natural tener mejores resultados pues
hubo que evaluar 16 veces la funcion f (x, y), 2 veces en cada iteraci
on.
En el ejemplo del metodo de Euler hubo simplemente 8 evaluaciones de la
funcion f (x, y). Al aplicar el metodo de Heun con h = 0.5 (es necesario
evaluar 8 veces la funcion) se obtiene y(3) = 2.1488885, resultado no
tan bueno como 2.0887372, pero netamente mejor que el obtenido por el
metodo de Euler. Si se trabaja con h = 0.1 se obtiene y(3) = 2.0841331;
con h = 0.01 se obtiene y(3) = 2.0855081; con h = 0.001 se obtiene
y(3) = 2.0855366.
15.3
M
etodo del punto medio
Tambien este metodo es una modificaci

on o mejora del metodo de Euler
y se utiliza para el mismo tipo de problemas. En el metodo de Euler se
utiliza la aproximacion
y(x + h) = y(x) + hy (x).
En el metodo del punto medio se busca cambiar, en la aproximacion
anterior, la derivada en x por la derivada en el punto medio entre x y
x + h, o sea, por la derivada en x + h/2.
344

15.3. METODO
DEL PUNTO MEDIO
y(x0 + h)
y0 = y(x0 )
(x1 , y1 )
x0 + h/2
x0
x0 + h
Figura 15.5 Metodo del punto medio.
y(x + h) y(x) + h y (x + h/2)

o sea,
y(x + h) y(x) + h f ( x + h/2, y(x + h/2) )
Como no se conoce y(x + h/2), se reemplaza por la aproximacion que
dara el metodo de Euler con un paso de h/2.
y(x + h/2) y(x) +
h
f (x, y)
2
y(x + h) y(x) + h f (x + h/2, y(x) +
h
f (x, y))
2
La anterior aproximacion suele escribirse de la siguiente manera:

K1 = hf (xi , yi )
K2 = hf (xi + h/2, yi + K1 /2)
(15.6)
yi+1 = yi + K2 .
Ejemplo 15.3. Resolver, por el metodo del punto medio, la ecuaci
on
diferencial
y = 2x2 4x + y
y(1) = 0.7182818
345
15.
K1 = hf (x0 , y0 )
= 0.25f (1, 0.7182818)
= 0.320430
K2 = hf (x0 + h/2, y0 + K1 /2)

= 0.25f (1.125, 0.558067)
= 0.352671
y1 = y0 + K2
= 0.3656111
K1 = hf (x1 , y1 )
= 0.25f (1.25, 0.3656111)
= 0.377347
K2 = hf (x1 + h/2, y1 + K1 /2)

= 0.25f (1.375, 0.176937)
= 0.385453
y2 = y1 + K2
= 0.0198420
K1 = ...
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3656111
-0.0198420
-0.3769851
-0.6275434
-0.6712275
-0.3795415
0.4121500
1.9147859
346
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369

15.4. METODO
DE RUNGE-KUTTA
2
b
1
b
b
b
0
b
b
b
Figura 15.6 Metodo del punto medio.

Tambien, en este ejemplo, los resultados son mucho mejores. De
nuevo hubo que evaluar 16 veces la funcion f (x, y), 2 veces en cada
iteraci
on. Al aplicar el metodo del punto medio con h = 0.5 (es necesario
evaluar 8 veces la funcion) se obtiene y(3) = 1.5515985, resultado no
tan bueno como 2.0887372, pero netamente mejor que el obtenido por el
metodo de Euler. Si se trabaja con h = 0.1 se obtiene y(3) = 2.0538177;
y(3) = 2.0855334.
15.4
M
etodo de Runge-Kutta
El metodo de Runge-Kutta o, m
as bien, los metodos de Runge-Kutta
se aplican a una EDO1CI como en (15.1) utilizando puntos igualmente
espaciados. La forma general del metodo RK de orden n es la siguiente:
K1 = hf (xi , yi )
K2 = hf (xi + 2 h, yi + 21 K1 )
K3 = hf (xi + 3 h, yi + 31 K1 + 32 K2 )
..
.
(15.7)
Kn = hf (xi + n h, yi + n1 K1 + n2 K2 + + n,n1 Kn1 )
yi+1 = yi + R1 K1 + R2 K2 + ... + Rn Kn .
Se ve claramente que los metodos vistos son de RK: el metodo de Euler

es uno de RK de orden 1, el metodo de Heun y el del punto medio son
metodos de RK de orden 2.
347
15.
Metodo de Euler:
K1 = hf (xi , yi )
yi+1 = yi + K1 .
Metodo de Heun:
K1 = hf (xi , yi )
K2 = hf (xi + h, yi + K1 )
1
1
yi+1 = yi + K1 + K2 .
2
2
Metodo del punto medio:
K1 = hf (xi , yi )
1
1
K2 = hf (xi + h, yi + K1 )
2
2
yi+1 = yi + 0K1 + K2 .
Un metodo muy popular es el siguiente metodo RK de orden 4:

K1 = hf (xi , yi )
K2 = hf (xi + h/2, yi + K1 /2)
K3 = hf (xi + h/2, yi + K2 /2)
(15.8)
K4 = hf (xi + h, yi + K3 )
yi+1 = yi + (K1 + 2K2 + 2K3 + K4 )/6.
Ejemplo 15.4. Resolver, por el metodo RK4 anterior, la ecuaci
on diferencial
y = 2x2 4x + y
y(1) = 0.7182818
348

15.4. METODO
DE RUNGE-KUTTA

K1 = hf (x0 , y0 )
= 0.25f (1, 0.7182818)
= 0.320430
K2 = hf (x0 + h/2, y0 + K1 /2)

= 0.25f (1.125, 0.558067)
= 0.352671
K3 = hf (x0 + h/2, y0 + K2 /2)

= 0.25f (1.125, 0.541946)
= 0.356701
K4 = hf (x0 + h, y0 + K3 )
= 0.25f (1.25, 0.361581)
= 0.378355
y1 = y0 + (K1 + 2K2 + 2K3 + K4 )/6

= 0.3653606
K1 = hf (x1 , y1 )
= 0.25f (1.25, 0.3653606)
= 0.377410
K2 = hf (x1 + h/2, y1 + K1 /2)

= 0.25f (1.375, 0.176656)
= 0.385524
K3 = hf (x1 + h/2, y1 + K2 /2)
= 0.25f (1.375, 0.172599)
= 0.386538
K4 = hf (x1 + h, y1 + K3 )
= 0.25f (1.5, 0.02117)
= 0.380294
y2 = y1 + (K1 + 2K2 + 2K3 + K4 )/6

= 0.0182773
349
15.
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3653606
-0.0182773
-0.3703514
-0.6108932
-0.6372210
-0.3174905
0.5175891
2.0853898
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369
2
1
b
b
b
0
b
b
b
b
Figura 15.7 Metodo de Runge-Kutta 4.

En este ejemplo, los resultados son a
un mejores. Hubo que evaluar
32 veces la funcion f (x, y), 4 veces en cada iteraci
on. Si se trabaja
y(3) = 2.0855369; con h = 0.001 se obtiene y(3) = 2.0855369.
15.5
Deducci
on de RK2
En secciones anteriores se hizo la deduccion, de manera m

as o menos
intuitiva, de los metodos de Heun y del punto medio. Los dos resultan
ser metodos de RK de orden 2. En esta secci
on veremos una deduccion
diferente y general de RK2.
350
DE RK2
15.5. DEDUCCION
El metodo RK2 tiene el siguiente esquema:

K1 = hf (xi , yi )
K2 = hf (xi + 2 h, yi + 21 K1 )
yi+1 = yi + R1 K1 + R2 K2 .
Como hay un solo coeficiente y un solo coeficiente , utilicemoslos sin
subndices:
K1 = hf (xi , yi )
K2 = hf (xi + h, yi + K1 )
yi+1 = yi + R1 K1 + R2 K2 .
Sea g una funcion de dos variables. Si g es diferenciable en el punto
(
u, v), entonces se puede utilizar la siguiente aproximacion de primer
orden:
g(
u + u, v + v) g(
u, v) + u
g
g
(
u, v) + v (
u, v).
u
v
(15.9)
La aproximacion de segundo orden para y(xi + h) es:

h2
y (xi ) + O(h3 )
2
h2
y(xi + h) y(xi ) + hy (xi ) + y (xi ).
2
y(xi + h) = y(xi ) + hy (xi ) +
(15.10)
(15.11)
En la aproximacion anterior, podemos tener en cuenta que y(xi ) = yi ,

y que y (xi ) = f (xi , yi ). Adem
as,
d
y (xi )
dx
d
=
f (xi , yi )
dx
f
y
f
f (xi , yi ) +
f (xi , yi ) (xi )
=
x
y
x
f
f
f (xi , yi ) + y (xi ) f (xi , yi ).
=
x
y
y (xi ) =
351
15.
Para acortar la escritura utilizaremos la siguiente notaci

on:
f := f (xi , yi )
f
f (xi , yi )
fx :=
x
f
f (xi , yi )
fy :=
y
y := y(xi )
y := y (xi ) = f (xi , yi ) = f
y := y (xi ).
Entonces
y = fx + f fy
y(xi + h) y + hf +
h2
h2
fx + f fy .
2
2
(15.12)
Por otro lado, el metodo RK2 se puede reescribir:

yi+1 = yi + R1 hf (xi , yi ) + R2 hf (xi + h, yi + K1 ).
Utilizando (15.9):
yi+1 = yi + R1 hf (xi , yi )

f
f
+ R2 h f (xi , yi ) + h (xi , yi ) + K1 (xi , yi ) .
x
y
Utilizando la notaci
on se obtiene:
yi+1 = y + R1 hf + R2 h (f + hfx + K1 fy )
yi+1 = y + (R1 + R2 )hf + R2 h2 fx + R2 hK1 fy .
Como K1 = hf , entonces
yi+1 = y + (R1 + R2 )hf + R2 h2 fx + R2 h2 f fy .
(15.13)
Al hacer la igualdad y(xi + h) = yi+1 , en las ecuaciones (15.12) y (15.13)

352
15.6. CONTROL DEL PASO
se comparan los coeficientes de hf , de h2 fx y de h2 f fy y se deduce:

R1 + R2 = 1,
1
R2 = ,
2
1
R2 = .
2
Entonces
= ,
1
R2 =
2
R1 = 1 R2 .
(15.14)
(15.15)
(15.16)
Si = 1, entonces = 1, R2 = 1/2 y R1 = 1/2, es decir, el metodo

de Heun. Si = 1/2, entonces = 1/2, R2 = 1 y R1 = 0, es decir,
el metodo del punto medio. Para otros valores de se tienen otros
metodos de RK de orden 2.
15.6
Control del paso
Hasta ahora se ha supuesto que para hallar la solucion numerica de una

ecuaci
on diferencial, los puntos estan igualmente espaciados, es decir,
xi xi1 = h para i = 1, 2, ..., n. Esta poltica no es, en general, adecuada. Es preferible utilizar valores de h peque
nos cuando es indispensable para mantener errores relativamente peque
nos, y utilizar valores
grandes de h cuando se puede.
Hay varios metodos para el control de h. En uno de ellos, se supone
conocido yi , una muy buena aproximacion de y(xi ), y se aplica un
metodo con un paso h para obtener y aproximacion de y(xi +h). Tambien
se aplica el mismo metodo dos veces con el paso h/2 para obtener y, otra
aproximacion de y(xi +h). Con estos dos valores se puede acotar el error
y as saber si es necesario trabajar con un paso m
as peque
no.
En otro enfoque, el que veremos en esta secci
on, se aplican dos
metodos diferentes, con el mismo h y con estas dos aproximaciones se
acota el error. As se determina la buena o mala calidad de las aproximaciones.
353
15.
Supongamos que tenemos dos metodos: el metodo A con error local

O(hp ) y el metodo B con error local O(hp+1 ) (o con error local O(hq ), q
p + 1). Partimos de yi , muy buena aproximacion de y(xi ). Aplicando los
dos metodos calculamos yA y yB , aproximaciones de y(xi +h). El control
de paso tiene dos partes: en la primera se obtiene una aproximacion del
posible error obtenido.
|error| e = 1 (yA , yB , h, p).
Si e es menor o igual que un valor dado, entonces se acepta yB
como buena aproximacion de y(x + h). En caso contrario, es necesario
utilizar un valor de h m
as peque
no. En ambos casos el valor de h se
puede modificar, bien sea por necesidad (e > ), bien sea porque, siendo
h aceptable, es conveniente modificarlo para el siguiente paso. Para ello
se calcula un coeficiente C0 que sirve para obtener C coeficiente de h
C0 = 2 (yA , yB , h, p)
C = (C0 , ...)
h = Ch.
Los diferentes algoritmos difieren en la manera de calcular e, C0 y
C (las funciones 1 , 2 y ). M
as a
un, para el mismo metodo A y el
mismo metodo B hay diferentes algoritmos.
Un metodo muy popular es el de Runge-Kutta-Fehlberg, construido a partir de un metodo de RK de orden 5 (el metodo A) y de un
metodo de RK de orden 6 (el metodo B). Una de sus ventajas esta dada
por el siguiente hecho: los valores K1 , K2 , K3 , K4 y K5 son los mismos
para los dos metodos. Teniendo en cuenta la forma general (15.7) del
metodo RK, basta con dar los valores i y ij . Recuerdese que siempre
K1 = hf (xi , yi ).
354
i
2
3
4
i1
1
4
3
8
12
13
1
4
3
32
1932
2197
439
216
8
27
1
2
i2
9
32
7200
2197
8
2
...
7296
2197
3680
513
3544
2565
845
4104
1859
4104
11
40
25
1408
2197
1
K1 + 0K2 +
K3 +
K4 K5
216
2565
4104
5
6656
28561
9
2
16
K1 + 0K2 +
K3 +
K4 K5 + K6
yB = yi +
135
12825
56430
50
55
(15.17)
yA = yi +
Los errores locales son respectivamente O(h5 ) y O(h6 ). Realmente hay

varias formulas RK5 y RK6; las anteriores estan en [BuF85] y [EnU96].
Hay otras formulas diferentes en [ChC99].
La aproximacion del error esta dada por
|error| e =
|yA yB |
.
h
(15.18)
El coeficiente para la modificaci

on del valor de h esta dado por:
C0 = 0.84
1/4
e
C = min{C0 , 4},
,
(15.19)
C = max{C, 0.1}.
Las formulas anteriores buscan que C no sea muy grande ni muy peque
no.
M
as especficamente, C debe estar en el intervalo [0.1, 4].
355
15.
En la descripci
on del algoritmo usaremos la siguiente notaci
on de
Matlab y de Scilab. La orden
u = [u; t]
significa que al vector columna u se le agrega al final el valor t y el
resultado se llama de nuevo u.
METODO
RUNGE-KUTTA-FEHLBERG
datos: x0 , y0 , b, h0 , , hmin
x = x0 , y = y0 , h = h0
X = [x0 ], Y = [y0 ]
mientras x < b
h = min{h, b x}
hbien = 0
mientras hbien = 0
calcular ya , yB seg
un (15.17)
e = |yA yB |/h
si e
x = x + h, y = yB
bienh = 1
X = [X; x], Y = [Y ; y]
fin-si
C0 = 0.84(/e)1/4
C = max{C0 , 0.1}, C = min{C, 4}
h = Ch
si h < hmin ent parar
fin-mientras
fin-mientras
La salida no deseada del algoritmo anterior se produce cuando h se
vuelve demasiado peque
no. Esto se produce en problemas muy difciles
cuando, para mantener el posible error dentro de lo establecido, ha sido
necesario disminuir mucho el valor de h, por debajo del lmite deseado.
En una versi
on ligeramente m
as eficiente, inicialmente no se calcula
yA ni yB . Se calcula directamente

1
128
2197
1
2

K1
K3
K4 + K5 + K6 .
e=
360
4275
75240
50
55
356
Cuando el valor de h es adecuado, entonces se calcula yB para poder

hacer la asignaci
on y = yB .
Ejemplo 15.5. Resolver, por el metodo RKF con control de paso, la
ecuaci
on diferencial
y = 2x2 4x + y
y(1) = 0.7182818
en el intervalo [1, 3], con h0 = 0.5 y = 106 .

yA = 0.01834063
yB = 0.01830704
e = 0.00006717
h = 0.5 no sirve.
C0 = 0.29341805
C = 0.29341805
h = 0.14670902
yA = 0.51793321
yB = 0.51793329
e = 0.00000057
h = 0.14670902 sirve.
x = 1.14670902
y = 0.51793329
C0 = 0.96535578
C = 0.96535578
h = 0.14162640
yA = 0.30712817
yB = 0.30712821
e = 0.00000029
357
15.
h = 0.14162640 sirve.
x = 1.28833543
y = 0.30712821
..
.
x
1.0000000
1.1467090
1.2883354
1.4505624
1.6192491
1.7525988
1.8855347
2.0046653
2.1139603
2.2163666
2.3134884
2.4062996
2.4954587
2.5814440
2.6646196
2.7452730
2.8236369
2.8999043
2.9742376
3.0000000
h
0.1467090
0.1416264
0.1622270
0.1686867
0.1333497
0.1329359
0.1191306
0.1092950
0.1024064
0.0971218
0.0928111
0.0891591
0.0859853
0.0831757
0.0806534
0.0783639
0.0762674
0.0743333
0.0257624
358
y(x)
0.7182818
0.5179333
0.3071282
0.0572501
-0.1946380
-0.3736279
-0.5206051
-0.6137572
-0.6566848
-0.6506243
-0.5948276
-0.4877186
-0.3273334
-0.1114979
0.1620898
0.4958158
0.8921268
1.3535162
1.8825153
2.0855366
y(x)
0.7182818
0.5179333
0.3071282
0.0572501
-0.1946380
-0.3736279
-0.5206051
-0.6137571
-0.6566847
-0.6506241
-0.5948275
-0.4877184
-0.3273332
-0.1114977
0.1620900
0.4958160
0.8921270
1.3535164
1.8825156
2.0855369

15.7. ORDEN DEL METODO
Y ORDEN DEL ERROR
2
b
1
b
b
b
b
b
b
b
b
b
b
b
b
Figura 15.8
15.7
Metodo de Runge-Kutta-Fehlberg.
Orden del m
etodo y orden del error
Para algunos de los metodos hasta ahora vistos, todos son metodos de
RK, se ha hablado del orden del metodo, del orden del error local y del
orden del error global.
El orden del metodo se refiere al n
umero de evaluaciones de la funcion
f en cada iteraci
on. As por ejemplo, el metodo de Euler es un metodo
de orden 1 y el metodo de Heun es un metodo de orden 2.
El orden del error local se refiere al exponente de h en el error te
orico
cometido en cada iteraci
on. Si la formula es
y(x + h) = y(x) + R1 k1 + R2 K2 + + Rn Kn + O(hp ),

se dice que el error local es del orden de hp , o simplemente, el error local
es de orden p.
El orden del error global se refiere al exponente de h en el error
obtenido al aproximar y(b) despues de hacer (b x0 )/h iteraciones.
Hemos visto seis metodos, Euler, Heun, punto medio, un RK4, un
RK5 y un RK6. La siguiente tabla presenta los ordenes de los errores.
359
15.
Metodo
Formula
Orden del
metodo
Error
local
Euler
(15.2)
O(h2 )
Heun
(15.5)
O(h3 )
Punto medio
(15.6)
O(h3 )
RK4
(15.8)
O(h5 )
RK5
(15.17)
O(h5 )
RK6
(15.17)
O(h6 )
El orden del error global es generalmente igual al orden del error

local menos una unidad. Por ejemplo, el error global en el metodo de
Euler es O(h).
A medida que aumenta el orden del metodo, aumenta el orden del
error, es decir, el error disminuye. Pero al pasar de RK4 a RK5 el
orden del error no mejora. Por eso es m
as interesante usar el RK4 que
el RK5 ya que se hacen solamente 4 evaluaciones y se tiene un error
semejante. Ya con RK6 se obtiene un error m
as peque
no, pero a costa
de dos evaluaciones m
as.
15.7.1
Verificaci
on num
erica del orden del error
Cuando se conoce la solucion exacta de una ecuaci

on diferencial, en muchos casos, se puede verificar el orden del error de un metodo especfico.
M
as a
un, se podra obtener el orden del error si este no se conociera.
Sea O(hp ) el error local del metodo. Se puede hacer la siguiente
aproximacion:
error = e chp .
Al tomar logaritmo en la aproximacion anterior se obtiene
log(e) log(c) + p log(h)
(15.20)
Para diferentes valores de h se eval

ua el error cometido y se obtienen
as varios puntos de la forma (log(hi ), log(ei ) ). Estos puntos deben
estar, aproximadamente, sobre una recta. La pendiente de esta recta
es precisamente p. El valor de p se puede obtener gr
aficamente o por
mnimos cuadrados.
360

15.7. ORDEN DEL METODO
Y ORDEN DEL ERROR
Ejemplo 15.6. Obtener numericamente el orden del error local del

metodo de Heun usando la ecuaci
on diferencial
y = 2x2 4x + y
y(1) = 0.7182818,
con h = 0.1, 0.12, 0.14, 0.16, 0.18 y 0.2.
h x0 + h y(x0 + h) y(x0 + h)
0.10 1.10
0.584701 0.584166
0.12 1.12
0.556975 0.556054
0.14 1.14
0.529024 0.527568
0.16 1.16
0.500897 0.498733
0.18 1.18
0.472641 0.469574
0.20 1.20
0.444304 0.440117
e
0.000535
0.000921
0.001456
0.002164
0.003067
0.004187
log(h)
-2.302585
-2.120264
-1.966113
-1.832581
-1.714798
-1.609438
log(e)
-7.532503
-6.989970
-6.532007
-6.135958
-5.787212
-5.475793
En la siguiente gr
afica, log(h) en las abscisas y log(e) en las ordenadas, los puntos estan aproximadamente en una recta.
5
b
b
b
b
7
8
2.5
2.0
1.5
Figura 15.9 Orden local.

Al calcular numericamente los coeficientes de la recta de aproximacion por mnimos cuadrados, se obtiene
log(e) 2.967325 log(h) 0.698893
e 0.497135h2.97 .
Estos resultados numericos concuerdan con el resultado te

orico.
361
15.
15.8
M
etodos multipaso explcitos
Los metodos RK son considerados como metodos monopaso (unipaso)

por la siguiente razon. El valor yi+1 se calcula u
nicamente a partir del
punto (xi , yi ). En los metodos multipaso se utilizan otros puntos anteriores, por ejemplo, para calcular yi+1 se utilizan los puntos (xi2 , yi2 ),
(xi1 , yi1 ) y (xi , yi ).
Veamos un caso particular. Supongamos que se conocen los valores
y0 = y(x0 ), y1 = y(x1 ) y y2 = y(x2 ). Por facilidad para la deduccion,
supongamos que x0 = h, x1 = h y x2 = 2h.
Sea p2 (x) el polinomio de grado menor o igual a 2 que interpola a f
en los valores 0, h y 2h, es decir, el polinomio pasa por los puntos (0, f0 ),
(h, f1 ) y (2h, f2 ), donde fi = f (xi , yi ). Este polinomio se puede obtener
utilizando polinomios de Lagrange:
p2 (x) = f0
(x 0)(x 2h)
(x 0)(x h)
(x h)(x 2h)
+ f1
+ f2
.
(0 h)(0 2h)
(h 0)(h 2h)
(2h 0)(2h h)
Despues de algunas factorizaciones se obtiene:
p2 (x) =

1
2
2
.
(f
2f
+
f
)x
+
(3f
+
4f
f
)hx
+
2h
f
0
1
2
0
1
2
0
2h2
Por otro lado, por el teorema fundamental del calculo integral
x3
x2
y (x)dx = y(x3 ) y(x2 )

Z x3
y(x3 ) = y(x2 ) +
y (x)dx
y(x3 ) = y(x2 ) +
362
x2
3h
f (x, y)dx.
2h

15.8. METODOS
MULTIPASO EXPLICITOS
Si se reemplaza f (x, y) por el polinomio de interpolacion, se tiene:

Z
3h
p2 (x)dx

Z 3h
1
(f0 2f1 + f2 )x2 +
y(x3 ) y(x2 ) +
2
2h 2h
y(x3 ) y(x2 ) +
2h
(3f0 + 4f1 f2 )hx + 2h f0 dx

1
19
y3 = y2 + 2 (f0 2f1 + f2 ) h3 +
2h
3

5 3
3
(3f0 + 4f1 f2 ) h + 2h f0
2
h
y3 = y2 + (5f0 16f1 + 23f2 )
12
(15.21)
La anterior igualdad se conoce con el nombre de formula de AdamsBashforth de orden 2 (se utiliza un polinomio de orden 2). Tambien
recibe el nombre de metodo multipaso explcito o metodo multipaso
abierto de orden 2.
Si los valores y0 , y1 y y2 son exactos, o sea, si y0 = y(x0 ), y1 = y(x1 )
y y2 = y(x2 ), entonces los valores fi son exactos, o sea, f (xi , yi ) =
f (xi , y(xi )) y el error esta dado por
y(x3 ) = y(x2 ) +
h
3
(5f0 16f1 + 23f2 ) + y (3) (z)h4 , z [x0 , x3 ].
12
8
(15.22)
La formula (15.21) se escribe en el caso general

yi+1 = yi +
h
(5fi2 16fi1 + 23fi ).
12
(15.23)
Para empezar a aplicar esta formula se requiere conocer los valores fj

anteriores. Entonces es indispensable utilizar un metodo RK el n
umero
de veces necesario. El metodo RK escogido debe ser de mejor calidad que
el metodo de Adams-Bashforth que estamos utilizando. Para nuestro
caso podemos utilizar RK4.
Ejemplo 15.7. Resolver, por el metodo de Adams-Bashforth de orden
363
15.
2, la ecuaci
on diferencial
y = 2x2 4x + y
y(1) = 0.7182818
Al aplicar el metodo RK4 dos veces se obtiene:

y1 = 0.3653606
y2 = 0.0182773.
Entonces
f0 = f (x0 , y0 ) = 1.2817182
f1 = f (x1 , y1 ) = 1.5096394
f2 = 1.5182773
y3 = y2 + h(5f0 16f1 + 23f2 )/12

= 0.3760843
f3 = f (x3 , y3 ) = 1.2510843
y4 = 0.6267238
..
.
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3653606
-0.0182773
-0.3760843
-0.6267238
-0.6681548
-0.3706632
0.4320786
1.9534879
364
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369

15.8. METODOS
MULTIPASO EXPLICITOS
2
b
1
b
b
b
0
b
b
b
b
1
Figura 15.10
Metodo de Adams-Bashforth 2.
En este caso hubo que evaluar 8 veces la funcion para los dos valores
de RK4 y en seguida 6 evaluaciones para un total de 14 evaluaciones de
la funcion f .
MULTIPASO EXPLICITO: ADAMS-BASHFORTH
n
error
1
2
2 y ()h
yi+1 = yi + hfi
yi+1 = yi +
h
(fi1 + 3fi )
2
5
3
12 y ()h
yi+1 = yi +
h
(5fi2 16fi1 + 23fi )
12
3 (4)
4
8 y ()h
yi+1 = yi +
h
(9fi3 + 37fi2 59fi1 + 55fi )
24
251 (5)
5
720 y ()h
yi+1 = yi +
h
(251fi4 1274fi3 + 2616fi2
720
95 (6)
6
288 y ()h
2774fi1 + 1901fi )
En la anterior tabla se muestran las principales formulas. All n
indica el grado del polinomio de interpolacion usado. En algunos li365
15.
bros, n esta asociado con n

umero de puntos utilizados para la interpolacion (igual al grado del polinomio m
as uno). Observese que la primera
formula es simplemente el metodo de Euler.
15.9
M
etodos multipaso implcitos
En estos metodos se utiliza un polinomio de interpolacion, el mismo de

los metodos explcitos, pero el intervalo de integracion vara.
Veamos un caso particular. Supongamos que se conocen los valores
y0 = y(x0 ), y1 = y(x1 ) y y2 = y(x2 ). Por facilidad para la deduccion,
supongamos que x0 = h, x1 = h y x2 = 2h.
Sea p2 (x) el polinomio de grado menor o igual a 2 que interpola a
f en los valores 0, h y 2h, es decir, el polinomio pasa por los puntos
(0, f0 ), (h, f1 ) y (2h, f2 ), donde fi = f (xi , yi ). Como se vio en la secci
on
anterior,

1
p2 (x) = 2 (f0 2f1 + f2 )x2 + (3f0 + 4f1 f2 )hx + 2h2 f0 .
2h
El teorema fundamental del calculo integral se usa de la siguiente manera:
Z
x2
x1
y (x)dx = y(x2 ) y(x1 )

Z x2
y(x2 ) = y(x1 ) +
y (x)dx
y(x2 ) = y(x1 ) +
x1
2h
f (x, y)dx.
h
Si se reemplaza f (x, y) por el polinomio de interpolacion se tiene:
y(x2 ) y(x1 ) +
y(x2 ) y(x1 ) +
2h
h
Z 2h
h
p2 (x)dx

1
(f0 2f1 + f2 )x2 +
2h2
2
(3f0 + 4f1 f2 )hx + 2h f0 dx

366

15.9. METODOS
MULTIPASO IMPLICITOS

7
1
y2 = y1 + 2 (f0 2f1 + f2 ) h3 +
2h
3

3 3
3
(3f0 + 4f1 f2 ) h + 2h f0
2
h
y2 = y1 + (f0 + 8f1 + 5f2 ).
12
(15.24)
La anterior igualdad se conoce con el nombre de formula de AdamsMoulton de orden 2 (se utiliza un polinomio de orden 2). Tambien
recibe el nombre de metodo multipaso implcito o metodo multipaso
cerrado de orden 2.
Si los valores y0 , y1 y y2 son exactos, o sea, si y0 = y(x0 ), y1 = y(x1 )
y y2 = y(x2 ), entonces los valores fi son exactos, o sea, f (xi , yi ) =
f (xi , y(xi )) y el error esta dado por
y(x2 ) = y(x1 ) +
h
1 (3)
(f0 + 8f1 + 5f2 )
y (z)h4 , z [x0 , x2 ].
12
24
(15.25)
La formula (15.24) se escribe en el caso general

h
(fi1 + 8fi + 5fi+1 ).
(15.26)
12
Para empezar a aplicar esta formula es indispensable conocer los valores
fj anteriores. Entonces se requiere utilizar un metodo RK el n
umero de
veces necesario. El metodo RK escogido debe ser de mejor calidad que
el metodo de Adams-Bashforth que estamos utilizando. Para nuestro
caso podemos utilizar RK4.
yi+1 = yi +
Una dificultad m
as grande, y especfica de los metodos implcitos,
esta dada por el siguiente hecho: para calcular yi+1 se utiliza fi+1 , pero
este valor es justamente f (xi+1 , yi+1 ). Como salir de este crculo vi0 , una primera aproximaci
on, por el
cioso? Inicialmente se calcula yi+1
0
0 )
metodo de Euler. Con este valor se puede calcular fi+1
= f (xi+1 , yi+1
1
1
1
y en seguida yi+1 . De nuevo se calcula fi+1 = f (xi+1 , yi+1 ) y en seguida
2 . Este proceso iterativo acaba cuando dos valores consecutivos, y k
yi+1
i+1
k+1
y yi+1
, son muy parecidos. Este metodo recibe tambien el nombre de
metodo predictor-corrector. La formula queda entonces as:
k+1
= yi +
yi+1
h
k
(fi1 + 8fi + 5fi+1
).
12
367
(15.27)
15.
El criterio de parada puede ser:

|yik+1 yik |
max{1, |yik+1 |}
Ejemplo 15.8. Resolver, por el metodo de Adams-Moulton de orden

2, la ecuaci
on diferencial
y = 2x2 4x + y
y(1) = 0.7182818
en el intervalo [1, 3], con h = 0.25 y = 0.0001.

Al aplicar el metodo RK4 una vez, se obtiene:
y1 = 0.3653606
Entonces
f0 = f (x0 , y0 ) = 1.2817182
f1 = f (x1 , y1 ) = 1.5096394
Aplicando Euler se obtiene una primera aproximacion de y2 :

y20 = 0.0120493
f20 = 1.5120493
Empiezan las iteraciones:
y21 = 0.0170487
f21 = 1.5170487
y22 = 0.0175694
f22 = 1.5175694
y23 = 0.0176237 = y2
Para calcular y2 se utilizan los valores:

f1 = 1.5096394
f2 = 1.5176237.
368

15.9. METODOS
MULTIPASO IMPLICITOS
Aplicando Euler se obtiene una primera aproximacion de y3 :
y30 = 0.3970296
f30 = 1.2720296
Empiezan las iteraciones:
y31 = 0.3716132
f31 = 1.2466132
y32 = 0.3689657
f32 = 1.2439657
y33 = 0.3686899
f33 = 1.2436899
y34 = 0.3686612 = y3
..
.
xi
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
y(xi )
0.7182818
0.3653606
-0.0176237
-0.3686612
-0.6076225
-0.6315876
-0.3084043
0.5316463
2.1065205
369
y(xi )
0.7182818
0.3653430
-0.0183109
-0.3703973
-0.6109439
-0.6372642
-0.3175060
0.5176319
2.0855369
15.
2
1
b
b
b
0
b
b
b
b
Figura 15.11 Metodo de Adams-Moulton 2.

En este caso hubo que evaluar 4 veces la funcion para el valor de
RK4 y en seguida, en cada uno de los otros 7 intervalos, una evaluacion
fija m
as las requeridas al iterar. En este ejemplo hubo, en promedio, 4
por intervalo, para un total de 32 evaluaciones de f . El valor final y8 es
m
as exacto que el obtenido por Adams-Bashforth, pero a costa de m
as
evaluaciones.
Teoricamente, los dos metodos multipaso de orden 2 tienen un error
local del mismo orden, O(h4 ), pero el coeficiente en el metodo multipaso explcito, 3/8, es nueve veces el coeficiente en el error del metodo
implcito, 1/24.
MULTIPASO IMPLICITO: ADAMS-MOULTON
n
error
h
(fi + fi+1 )
2
h
= yi + (fi1 + 8fi + 5fi+1 )
12
h
= yi + (fi2 5fi1 + 19fi + 9fi+1 )
24
h
= yi +
(19fi3 + 106fi2 264fi1
720
yi+1 = yi +
yi+1
yi+1
yi+1
+646fi + 251fi+1 )
370
1
y ()h3
12
1 (3)
24
y ()h4
19 (4)
y ()h5
720
27 (5)
y ()h6
1440
15.10.
SISTEMAS DE ECUACIONES DIFERENCIALES
La tabla anterior contiene las principales formulas. All n indica el

grado del polinomio de interpolacion usado. Observese que el metodo
de Heun corresponde a una iteraci
on (una sola) del metodo multipaso
implcito de orden 1.
15.10
Sistemas de ecuaciones diferenciales
Un sistema de m ecuaciones diferenciales de primer orden se puede escribir de la siguiente forma:

dy1
= f1 (x, y1 , y2 , ..., ym )
dx
dy2
= f2 (x, y1 , y2 , ..., ym )
dx
..
.
dym
= fm (x, y1 , y2 , ..., ym )
dx
para x0 x b, con las condiciones iniciales
y1 (x0 ) = y10
y2 (x0 ) = y20
..
.
0
ym (x0 ) = ym
.
Utilicemos la siguiente notaci

on:
y = (y1 , y2 , ..., ym )
0
)
y 0 = (y10 , y20 , ..., ym
f (x, y) = f (x, y1 , y2 , ..., ym )

= ( f1 (x, y1 , ..., ym ), f2 (x, y1 , ..., ym ), ..., fm (x, y1 , ..., ym ) ).
De esta manera, el sistema se puede escribir as:
y = f (x, y), x0 x b
y(x0 ) = y 0 .
371
15.
La solucion numerica del sistema de ecuaciones consiste en un conjunto de vectores y 0 , y 1 , y 2 , ..., y n ,

i
y i = (y1i , y2i , ..., ym
),
donde cada yji es una aproximacion:

yji yj (xk ).
Los metodos vistos anteriormente se pueden generalizar de manera
inmediata. Si se trata de los metodo RK, entonces los Ki dejan de ser
n
umeros y pasan a ser vectores K i . Para y se utiliza un superndice para
indicar el intervalo, ya que los subndices se usan para las componentes
del vector. Por ejemplo, las formulas de RK4 se convierten en:
K 1 = hf (xi , y i )
K 2 = hf (xi + h/2, y i + K 1 /2)
K 3 = hf (xi + h/2, y i + K 2 /2)
4
(15.28)
K = hf (xi + h, y + K )
y i+1 = y i + (K 1 + 2K 2 + 2K 3 + K 4 )/6.
Ejemplo 15.9. Resolver el siguiente sistema de ecuaciones por RK4:
2y1
+ x 3 y2 , 1 x 2
x
3
y2 = y2
x
y1 (1) = 1
y1 =
y2 (1) = 1
con h = 0.2.
La solucion (exacta) de este sencillo sistema de ecuaciones es:

y1 (x) = x
y2 (x) = x3 .
372
15.11.
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
Para la solucion numerica:
K 1 = (0.2, 0.6)
K 2 = (0.2136600, 0.3818182)
K 3 = (0.1871036, 0.4413223)
K 4 = (0.2026222, 0.2793388)
y 1 = (1.2006916, 0.5790634)
K 1 = (0.2001062, 0.2895317)
K 2 = (0.2093988, 0.2004450)
K 3 = (0.1912561, 0.2210035)
K 4 = (0.2011961, 0.1534542)
y 2 = (1.4011269, 0.3647495)
..
.
xi
1.0
1.2
1.4
1.6
1.8
2.0
15.11
y1 (xi )
-1.0
-1.2006916
-1.4011269
-1.6014497
-1.8017156
-2.0019491
y2 (xi )
1.0
0.5790634
0.3647495
0.2443822
0.1716477
0.1251354
y1 (xi )
-1.0
-1.2
-1.4
-1.6
-1.8
-2.0
y2 (xi )
1.0
0.5787037
0.3644315
0.2441406
0.1714678
0.125
Ecuaciones diferenciales de orden

superior
Una ecuaci
on diferencial ordinaria, de orden m, con condiciones iniciales,
se puede escribir de la siguiente manera:
373
15.
y (m) = f (x, y, y , y , ..., y (m1) ),

y(x0 ) = y0
x0 x b
y (x0 ) = y0
y (x0 ) = y0
..
.
(m1)
y (m1) (x0 ) = y0
Esta ecuaci
on diferencial se puede convertir en un sistema de ecuaciones
diferenciales de primer orden, mediante el siguiente cambio de variables:
u1 = y
u2 = y
u3 = y
..
.
um = y (m1)
Entonces la ecuaci
on diferencial se convierte en el siguiente sistema:
u1 = u2
u2 = u3
u3 = u4
..
.
um1 = um
um = f (x, u1 , u2 , ..., um )
u1 (x0 ) = y0
u2 (x0 ) = y0
u3 (x0 ) = y0
..
.
(m1)
um (x0 ) = y0
De forma m
as compacta,
u = F (x, u), x0 x b
u(x0 ) = 0 ,
374
15.11.
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
(m1)
donde 0 = [y0 y0 y0 ... y0

]T . Este sistema se puede resolver
por los metodos para sistemas de ecuaciones diferenciales de primer orden.
Ejemplo 15.10. Resolver la ecuaci
on diferencial
4y xy
, 1 x 2,
x2
y(1) = 3
y =
y (1) = 10,
por el metodo RK4, con h = 0.2.
Sean u1 = y, u2 = y .
u1 = u2
4u1 xu2
u2 =
, 1 x 2,
x2
u1 (1) = 3
u2 (1) = 10.
La solucion exacta es y = 4x2 x2 . Al aplicar el metodo RK4 se
obtiene:
K 1 = (2, 0.4)
K 2 = (2.04, 0.7900826)
K 3 = (2.0790083, 0.7678437)
K 4 = (2.1535687, 1.0270306)
u1 = (5.0652642, 10.7571472)
..
.
xi
1.0
1.2
1.4
1.6
1.8
2.0
u
1 (xi )
3.0
5.0652642
7.3293797
9.8488422
12.65069
15.749173
u
2 (xi )
10.0
10.757147
11.928367
13.287616
14.742141
16.249097
375
y(xi )
3.0
5.0655556
7.3297959
9.849375
12.651358
15.75
15.
15.12
Ecuaciones diferenciales con condiciones

de frontera
Una ecuaci
on diferencial de segundo orden con condiciones de frontera
se puede escribir de la forma
y = f (x, y, y ), a x b,
y(a) = ya
(15.29)
y(b) = yb .
Esta ecuaci
on diferencial se puede convertir en un sistema de dos ecuaciones diferenciales, pero para obtener su solucion numerica se presenta
un inconveniente: se debera conocer el valor ya = y (a). Esta dificultad
se supera mediante el m
etodo del disparo (shooting).
Como no se conoce ya , se le asigna un valor aproximado inicial.
Puede ser
yb ya
ya
.
ba
Con este valor inicial se busca la solucion numerica, hasta obtener
y(b) = y(b, ya ).
Este valor debera ser el valor conocido yb . Si no coinciden, es necesario
modificar la suposicion de ya hasta obtener el resultado deseado. Si
y(b, ya ) < yb , entonces se debe aumentar la pendiente inicial del disparo.
De manera an
aloga, si y(b, ya ) > yb , se debe disminuir la pendiente
inicial del disparo. Lo anterior se puede presentar como la solucion de
una ecuaci
on:
(ya ) = yb y(b, ya ) = 0.
Esta ecuaci
on se puede resolver, entre otros metodos, por el de la secante
o el de biseccion.
376
15.12.
ECUACIONES DIFERENCIALES CON CONDICIONES DE FRONTERA
Para facilitar la presentaci

on del metodo se considera el problema
P (v), donde:
v = aproximacion de ya ,
n = n
umero de intervalos para la solucion numerica,
y = (
y0 , y1 , ..., yn ) = solucion numerica del siguiente problema:
y = f (x, y), a x b
y(a) = ya
P(v)
y (a) = v,
(v) = yb yn = yb y(b, v).
(15.30)
Se desea encontrar v tal que (v ) = 0. Entonces la solucion numerica

de P (v ) es la solucion numerica de (15.29). Si se aplica el metodo de la
secante para resolver la ecuaci
on (v) = 0, el algoritmo es el siguiente:
METODO
DEL DISPARO
datos: f , a, b, ya , yb , , maxit, 0
r = max{1, |yb |}
v0 = (yb ya )/(b a)
y = solucion numerica de P(v0 )
0 = yb yn
si |0 | r ent parar
v1 = v0 + 0 /(b a)
1 = yb yn
si |1 | r ent parar
para k = 1, ...,maxit
= 1 0
si || 0 ent parar
v2 = v1 1 (v1 v0 )/
2 = yb yn
si |2 | r ent parar
v 0 = v 1 , v 1 = v 2 , 0 = 1 , 1 = 2
fin-para
OJO: no hubo convergencia.
377
15.
Ejemplo 15.11. Resolver la ecuaci

on diferencial
2 cos(2x) y 4x2 y
, 0.2 x 0.7
x2
y(0.2) = 0.3894183
y =
y(0.7) = 0.9854497,
con h = 0.1 y utilizando RK4 para la solucion del sistema de ecuaciones
diferenciales asociado.
La primera aproximacion de y (a) es
v0 = (0.9854497 0.3894183)/(0.7 0.2) = 1.19206278
Al resolver numericamente el problema P(1.19206278) se obtiene:
y5 = 0.94935663.
El disparo resulto muy bajo.
0 = 0.03609310
v1 = 1.19206278 + 0.03609310/(0.7 0.5) = 1.26424897
y5 = 0.95337713
1 = 0.03207260
Primera iteraci
on del metodo de la secante:
v2 = 1.84009748
y5 = 0.98544973
Este disparo fue preciso (no siempre se obtiene la solucion con una sola
iteraci
on de la secante). El u
ltimo vector y es la solucion. La solucion
exacta es y = sen(2x).
378
15.13.
ECUACIONES LINEALES CON CONDICIONES DE FRONTERA
xi
0.2
0.3
0.4
0.5
0.6
0.7
15.13
y(xi )
0.3894183
0.5647741
0.7174439
0.8415217
0.9320614
0.9854497
y(xi )
0.3894183
0.5646425
0.7173561
0.8414710
0.9320391
0.9854497
Ecuaciones diferenciales lineales con

condiciones de frontera
Una ecuaci
on diferencial lineal de segundo orden con condiciones de
frontera se puede escribir de la forma
p(x)y + q(x)y + r(x)y = s(x), a x b,
y(a) = ya
(15.31)
y(b) = yb .
Obviamente esta ecuaci
on se puede resolver por el metodo del disparo,
pero, dada la linealidad, se puede resolver usando aproximaciones numericas
(diferencias finitas) para y y y .
El intervalo [a, b] se divide en n 2 subintervalos de tama
no h =
(b a)/n. Los puntos xi estan igualmente espaciados (xi = a + ih). Se
utilizan las siguientes aproximaciones y la siguiente notaci
on:
yi1 2yi + yi+1
h2
yi1 + yi+1
yi
2h
pi := p(xi )
yi
qi := q(xi )
ri := r(xi )
si := s(xi ).
Entonces:
pi
yi1 2yi + yi+1

yi1 + yi+1
+ qi
+ ri yi = si , i = 1, ..., n 1.
2
h
2h
379
15.
Es decir, se tiene un sistema de n 1 ecuaciones con n 1 incognitas,

y1 , y2 , ..., yn1 .
yi1 + yi+1 2h2 ri yi
2h2 si
yi1 2yi + yi+1
+
hq
+
=
i
2h2
2h2
2h2
2h2
2
(2pi hqi )yi1 + (4pi + 2h ri )yi + (2pi + hqi )yi+1 = 2h2 si
2pi
Este sistema es tridiagonal.
d1 u1
l1 d2 u2
l2 d3 u3
y1
y2
y3
1
2
3
=
, (15.32)
un2
yn2
n2
ln3 dn2
ln2 dn1
yn1
n1
donde
di = 4pi + 2h2 ri ,
i = 1, ..., n 1,
li = 2pi+1 hqi+1 ,
i = 1, ..., n 2,
ui = 2pi + hqi ,
i = 1, ..., n 2,
1 = 2h2 s1 (2p1 hq1 )ya ,

i = 2h2 si ,
n1 = 2h2 sn1 (2pn1 + hqn1 )yb .
i = 2, ..., n 2,
Ejemplo 15.12. Resolver por diferencias finitas la ecuaci

on diferencial
x2 y + y + 4x2 y = 2 cos(2x), 0.2 x 0.7
y(0.2) = 0.3894183
y(0.7) = 0.9854497,
con n = 5, es decir, h = 0.1.
380
15.13.
Al calcular los coeficientes del sistema tridiagonal se obtiene:

d1 = 4p1 + 2h2 r1
d1 = 4(0.3)2 + 2(0.1)2 4(0.3)2 = 0.3528
u1 = 2p1 + hq1
u1 = 2(0.3)2 + 0.1(1) = 0.28

l1 = 2p2 hq2
l1 = 2(0.4)2 0.1(1) = 0.22
d = (0.3528, 0.6272, 0.98, 1.4112),
u = (0.28, 0.42, 0.6),
l = (0.22, 0.4, 0.62),

= (0.00186, 0.0278683, 0.0216121, 0.7935745).
Su solucion es
(y1 , y2 , y3 , y4 ) = (0.5628333, 0.7158127, 0.8404825, 0.9315998).
xi
0.2
0.3
0.4
0.5
0.6
0.7
y(xi )
0.3894183
0.5628333
0.7158127
0.8404825
0.9315998
0.9854497
y(xi )
0.3894183
0.5646425
0.7173561
0.8414710
0.9320391
0.9854497
Ejercicios
Escoja varias ecuaciones diferenciales (o sistemas de ecuaciones
diferenciales) de las que conozca la solucion exacta. Fije el intervalo de trabajo. Determine que metodos puede utilizar. Aplique
varios de ellos. Compare los resultados. Cambie el tama
no del
paso. Compare de nuevo.
Un procedimiento adecuado para obtener las ecuaciones diferenciales consiste en partir de la solucion (una funcion cualquiera) y
construir la ecuaci
on diferencial.
381
15.
La aplicacion de los metodos se puede hacer de varias maneras:

a mano con ayuda de una calculadora; parte a mano y parte con
ayuda de software para matem
aticas como Scilab o Matlab; haciendo un programa, no necesariamente muy sofisticado, para cada
metodo.
A continuaci
on se presentan algunos ejemplos sencillos.
15.1
y = ex
y
x
y(1) = 0.
Su solucion es y = ex
ex
x
15.2
y1 = 2y1 + y2 + 3
y2 = 4y1 y2 + 9
y1 (0) = 3
y2 (0) = 5.
Su solucion es y1 (t) = e2t 2, y2 (t) = 4e2t + 1.

15.3
2
y
x(2 x)
y(1) = 2
y =
y (1) = 1.
Su solucion es y = 2 ln(2 x) x 1. Tenga especial cuidado

con el intervalo de trabajo.
15.4
y + y + y + y = 4ex
y(0) = 1
y (0) = 2
y (0) = 1
y (0) = 0.
Su solucion es y = ex + sen(x).
382
15.13.
15.5
y y = e2x sen2 (x)
y(0) = 1
y() = e .
15.6
y + ex y + y = 2ex + 1 + ex cos(x)
y(0) = 1
y() = e .
383
15.
384
BIBLIOGRAFIA
[AbS74] Abramowitz Milton. y Stegun Irene A. (eds.), Handbook of
Mathematical Functions, Dover, New York, 1974.
[Atk98] Atkinson Kendall E., An Introduction to Numerical Analysis,
Wiley, New York, 1978.
[BaN94] Barton John J. y Nackman Lee R., Scientific and Engineering
C++, Addison-Wesley, Reading, 1994.
[Ber01] Berryhill John R., C++ Scientific Programming, Wiley, Nueva
York, 2001.
[Bra00] Braquelaire Jean-Pierre, Methodologie de la programmation en
C, Dunod, Pars, 2000.
[Bro00] Bronson Gary J., C++ para ingeniera y ciencias, Int. Thomson, Mexico, 2000.
[BuF85] Burden Richard L. y Faires J. Douglas, Numerical Analysis,
3a. ed., Prindle-Weber-Schmidt, Boston, 1985.
[Buz93] Buzzi-Ferraris Guido, Scientific C++, Building Numerical Libraries the Object-Oriented Way, Addison-Wesley, Wokingham,
Inglaterra, 1993.
[ChC99] Chapra Steven C. y Canale Raymond P., Metodos Numericos
para Ingenieros, 3 ed., McGraw-Hill, Mexico, 1999.
[Cap94] Capper Derek M., Introducing C++ for Scientists, Engineers
and Mathematicians, Springer-Verlag, Londres, 1994.
385
BIBLIOGRAFIA
[DaB74] Dahlquist Germund y Bj

ork Ake, Numerical Methods, Prentice
Hall, Englewood Cliffs, 1974.
[DeD99] Deitel H.M. y Deitel P.J., C++, c
omo programar, Prentice Hall
Hispanoamericana, Mexico, 1999.
[ElS90] Ellis Margaret A. y Stroustrup Bjarne, The Annotated C++
Reference Manual, Addison-Wesley, Reading, 1990.
[EnU96] Engeln-Muellges Giesela y Uhlig Frank, Numerical Algorithms
with C , Springer, Nueva York, 1996.
[Flo95] Flowers B.H., An Introduction to Numerical Methods in C++,
Clarendon Press, Oxford, 1995.
[Fro70] Fr
oberg Karl-Erik, An Introduction to Numerical Analysis, 2a.
ed. Addison-Wesley, Reading, 1970.
[Gla93] Glasey Robert, Numerical Computation Using C, Acedemic
Press, Boston, 1993.
[GoV96] Golub Gene H. y Van Loan Charles H., Matrix Computations,
3rd ed., Johns Hopkins University Press, Baltimore, 1996.
[IsK66] Isaacson Eugene y Keller Herbert B., Analysis of Numerical
Methods, Wiley, Nueva York, 1966, Dover, Nueva York, 1994.
[Kem87] Kempf James, Numerical Software Tools in C, Prentice Hall,
Englewood Cliffs, 1987.
[LaT87] Lascaux P. y Theodor R., Analyse numerique matricielle appliquee `
a lart de lingenieur, Tomos 1 y 2, Masson, Pars, 1987.
[LIH01] Liberty Jesse y Horvath David B., Aprendiendo C++ para
Linux en 21 das, Prentice Hall, Pearson, Mexico, 2001.
[Mor01] Mora Hector, Optimizaci
on no lineal y din
amica, Departamento de Matem
aticas, Universidad Nacional, Bogota, 1997.
[Nak93] Nakamura Shoichiro, Applied Numerical Methods in C, PTR
Prentice Hall, Englewood Cliffs, 1993.
[NoD88] Noble Ben y Daniel James W., Applied Linear Algebra 3rd ed.,
Prentice Hall, Englewood Cliffs, 1988.
386
BIBLIOGRAFIA
[OrG98] Ortega James M. y Grimshaw Andrew S., An Introduction to

C++ and Numerical Methods, Oxford University Press, Oxford,
1998.
[Pre93] Press Wiliam H. et al., Numerical Recipes in C, The Art of Scientific Computing, 2 ed., Cambridge University Press, Cambridge,
1993.
[Pre02] Press Wiliam H. et al., Numerical Recipes in C++, The Art
of Scientific Computing, 2 ed., Cambridge University Press, Cambridge, 2002.
[ReD90] Reverchon Alain y Ducamp Marc, Analyse numerique en C,
Armand Colin, Pars, 1990.
[ReD93] Reverchon Alain y Ducamp Marc, Mathematical Software Tools
in C++, Wiley, Chichester, 1993.
[Sch91] Schatzman Michelle, Analyse numerique, Cours et exercises
pour la licence, InterEditions, Pars, 1991.
[Sch92] Schildt Herbert, Turbo C/C++,
McGraw-Hill, Madrid, 1993.
Manual de referencia,
[StB93] Stoer J. y Bulirsch R., Introduction to Numerical Analysis, 2a.

ed., Springer-Verlag, Nueva York, 1993.
[Str02] Stroustrup Bjarne, El lenguaje de programaci
on C++, ed. especial, Addison Wesley, Madrid, 2002.
[Str86] Strang Gilbert, Algebra

lineal y sus aplicaciones, AddisonWesley Iberoamericana, Wilmington, 1986.
[Yan01] Yang Daoqi, C++ and Object-Oriented Numeric Computing for
Scientists and Engineers, Springer, Nueva York, 2001.
[YoG72] Young David M. y Gregory Rober T., A Survey of Numerical
Mathematics, vols. I y II, Addison-Wesley, Reading, 1974.
387
BIBLIOGRAFIA
388
Ap
endice A
Estilo en C
Para que la lectura de un programa en C sea m
as facil para el mismo
programador o para otros lectores, es conveniente tener ciertas reglas
sobre la manera de escribir, de hacer sangras, de separar las funciones,
etc. Esta reglas no son absolutamente fijas y cada programador establece
su propio estilo. Hay unos estilos que son m
as claros y dicientes que
otros. Algunos son ventajosos en ciertos aspectos y desventajosos en
otros. Otros son diferentes pero comparables. Algunas reglas son m
as
universales y populares que otras.
Las siguientes normas sirven de modelo o referencia y fueron utilizadas en la elaboracion de los ejemplos en C de este libro.
A.1
Generalidades
El corchete { de inicio del cuerpo de una funcion debe ir en la

primera columna y no debe haber nada m
as en la lnea.
El corchete } de finalizacion de una funcion debe ir en la primera
columna y no debe haber nada m
as en la lnea. Si se desea escribir
un comentario, este se puede colocar en la lnea anterior. Por
ejemplo:
double factorial( ... )
{
...
389

APENDICE
A. ESTILO EN C
...
// fin de factorial
}
El corchete de inicio de un bloque dentro de una estructura de
control debe ir en la misma lnea de la condici
on.
En la lnea de corchete correspondiente al final de un bloque en una
estructura de control no debe haber nada m
as, salvo un comentario
indicando que tipo de estructura finaliza o cu
al variable de control
se us
o, cuando la estructura de control tiene muchas lneas. Por
ejemplo:
...
for( i = ... ){
...
while( ... ){
...
...
for( j = ... ){
...
}
...
...
} // fin while
...
...
} // fin i
No escribir m
as all
a de la columna 72 (excepcionalmente, hasta la
80).
Las estructuras de control anidadas dentro de otras deben incrementar la sangra. Cada vez que hay incremento en la sangra,
esta debe estar dada siempre por un n
umero fijo de columnas a lo
largo de todo el programa. Este valor fijo puede ser 2, 3 o 4. Es
preferible hacerlo con espacios y no con el tabulador.
390
A.1. GENERALIDADES
Las declaraciones de variables van al principio de las funciones1 .

Antes de estas declaraciones puede haber solamente comentarios.
Dejar una interlnea despues de las declaraciones de variables.
Utilizar una lnea para cada una de las variables importantes, colocando un comentario explicativo. Por ejemplo,
double *factPrim;// apuntador para los factores primos
int maxFactPrim; // numero maximo de factores primos
int nFactPrim;
// numero de factores primos
Las variables menos importantes pueden ser declaradas en una sola
lnea, por ejemplo:
int i, j, k;
double temp1, temp2;
Separar de manera clara las funciones entre s, por ejemplo con
una lnea como
//--------------------------------------------------- Dejar un espacio despues de cada coma, por ejemplo,
int i, j, k;
x = maximo(a, b, c, d);
En las asignaciones, dejar un espacio antes y despues del signo = ,
pero la abreviaci
on += ( y las an
alogas) debe permanecer pegada.
Por ejemplo:
a = b+3;
d += a;
1
Libros importantsimos de C++ como [Str02] (libro obligado de referencia), aconsejan justamente lo contrario, es decir, sugieren declarar las variables en el momento
que se van a necesitar, por ejemplo, for( int i = 0; i < n; i++)...
391

APENDICE
A. ESTILO EN C
Los nombres de las variables, deben ser indicativos de su significado. Cuando hay varias palabras, estas se separan con el signo _
o por medio de una may
uscula al empezar la nueva palabra. Por
ejemplo, para el peso especfico:
pe
peso_esp
pesoEsp
no es muy diciente
puede ser
puede ser
Colocar comentarios adecuados para cada funcion. Deben indicar

la accion de la funcion y el significado de cada par
ametro.
void prodCompl( double a, double b, double x,

double y, double &u, double &v)
{
// producto de dos complejos
// u + iv = (a + ib)(x + iy)
...
}
El orden para el programa puede ser:

comentarios iniciales
include ...
prototipos
define
typedef
variables globales
main
definiciones de las funciones
392
A.2. EJEMPLO
A.2
Ejemplo
// Este programa calcula ....

// ...
#include <...>
#include <...>
#define N 20
#define ... ...
void funcion1( ..... );
double funcion2( ... );
int nMax = 10; // indica ....
double abc;
// es el ....
//================================================
int main(void)
{
int i, j, k;
double x, y;
...
...
for(...){
...
...
for(...){
...
...
if(...){
...
...
...
}
else{
393

APENDICE
A. ESTILO EN C
...
...
...
if(...){
...
...
...
}
...
}
}
}
}
//================================================
void funcion1( ... )
{
// comentarios
// mas comentarios
int m, n;
float u; // indica ...
...
...
}
//-----------------------------------------------double funcion2( ... )
{
// comentarios
// mas comentarios
int i, j;
double x; // x indica ...
double zz; // indica ...
394
A.3. ESTRUCTURAS DE CONTROL
...
...
}
A.3
Estructuras de control
if( ... ) {
...
...
...
}
else {
...
...
...
}
if( ... ) ... ;
else ... ;
if( ... ) ... ;
else {
...
...
...
}
if( ... ){
...
...
...
}
else ... ;
if( ... ){
...
...
395

APENDICE
A. ESTILO EN C
...
}
...
for( ... ) {
...
...
...
}
for( ... ) ...;
while( ... ) {
...
...
...
}
while( ... ) ... ;
do {
...
...
...
} while ( ... );
switch( i ) {
case 1:
...
...
...
break;
case 4:
...
396
A.3. ESTRUCTURAS DE CONTROL
...
...
break;
case 8: case 9:
...
...
...
break;
default:
...
...
...
}
397
INDICE ANALITICO
||, 45
&, 31, 78, 79, 109
&&, 45
\0, 98
(double), 36
(float), 37
(int), 37
*, 22, 78, 109
**, 116
*=, 27
+, 22
++, 22, 24
+=, 27
-, 22, 23
--, 22, 25
-=, 27
/, 22
/=, 27
<, 45
<<, 8
<=, 45
=, 21
==, 45
>, 45
>=, 45
>>, 33
?, 171, 173
%, 22, 23
%c, 31
%d, 31
%e, 31
%f, 31
%i, 31
%lf, 31
%p, 31, 110
%s, 31, 99
%u, 31
\n, 7
a, 145
abreviaciones, 27
acos, 29
Adams-Bashforth
formula de, 363
Adams-Moulton
formula de, 367
adicion, 22
algoritmo
de Euclides, 54
alloc.h, 85
ambito
global, 82
local, 82
ANSI C, 70
aproximacion, 285
aproximacion por mnimos cuadrados, 306
apuntador, 78
apuntadores, 109
a apuntadores, 116
a estructuras, 177, 180
398
INDICE ANALITICO
a funciones, 165
dobles, 116
dobles y matrices, 135
y arreglos bidimensionales, 116
y arreglos unidimensionales, 111
archivo
de texto, 145
texto, 145
argc, 172, 173
argumento, 68
argumentos de main, 171
argv, 172, 173
arreglos, 87
a partir de 1, 139
aleatorios, 129
bidimensionales, 87, 94
y apuntadores, 116
como par
ametros, 94, 97
como par
ametros, 88
de estructuras, 177, 180
multidimensionales, 94
unidimensionales, 87
y apuntadores, 111
y matrices, 117
ASCII, 5
asignaci
on din
amica de memoria,
131
para estructuras, 177, 180
asin, 29
asm, 17
asociatividad, 25
de derecha a izquierda, 25
de izquierda a derecha, 25
atan, 29
auto, 17
base, 287, 307
biblioteca estandar, 85
bloque, 43
bloque de sentencias, 43
Borland, 70
break, 17, 58
bucle, 48
burbuja, metodo, 194
%c, 31
cadena de formato, 31
cadenas, 98
cambio de signo, 23
caracteres, 19
case, 17, 57
catch, 17
ceil, 29
char, 17, 19, 20, 31, 158
cin, 33
class, 17
codigo, 5
comentario, 15
compilador, 5
complejo, 175
complejos, 176
complex.h, 85
condiciones de frontera
ecuaciones diferenciales con, 376
ecuaciones diferenciales lineales
con, 379
conio.h, 70
const, 17, 159
continue, 17, 60
control del paso, 353
convergencia
cuadratica, 262
lineal, 262
conversiones de tipo en expresiones
mixtas, 35
cos, 29
coseno, 53
cosh, 29
399
INDICE ANALITICO
cout, 8, 33
ecuaciones
ctype.h, 85
diferenciales ordinarias, 337
cuadratura
ecuaciones diferenciales
de Gauss, 326
con condiciones de frontera, 376
de Gauss-Legendre, vease cuadraturade orden superior, 373
de Gauss
lineales con condiciones de froncuerpo de una funcion, 69
tera, 379
sistemas de, 371
%d, 31
ecuaciones normales, 247
decremento, 25
else, 17, 41
default, 17
encadenamiento, 6
#define, 164
endl, 8
delete, 17, 132
enlace, 6
densidad, 254
entrada de datos, 30
derivaci
on
enum, 17
numerica, 332
EOF, 35, 148
derivadas parciales, 246
errno.h, 85
desviacion estandar, 148
error, 331
determinante, 229
de compilaci
on, 5
diagonal estrictamente dominante
de ejecuci
on, 6
por filas, 242
global, 317, 318, 320, 323, 339
diferencias
orden del, 359
divididas de Newton, 293
local, 317, 320, 339
finitas, 302
metodo de Euler, 360
diferencias finitas, 379
metodo de Heun, 360
diferente, 45
metodo del punto medio, 360
distancia entre dos vectores, 183
metodo RK4, 360
divisi
on, 22
metodo RK5, 360
entre enteros, 23
metodo RK6, 360
sintetica, 134
orden del, 359
do, 17
metodo de Euler, 339
do while, 54, 58, 60
orden del, 359
doble precisi
on, 19
escritura
double, 17, 19, 20, 31, 36, 158
de un vector, 89, 91, 117, 120
double( ), 37
en un archivo, 150152
(double), 36
de una matriz, 94, 97, 117, 120
en un archivo, 152, 154
%e, 31
ecuaci
on cuadratica, 43
en archivos, 143
400
INDICE ANALITICO
esquema de H
orner, 134
estructura
devuelta por una funcion, 177,
180
estructuras, 175
como par
ametros, 177, 180
estructuras de control, 41
Euler
metodo de, 338, 348
orden del metodo de, 360
exit, 61
exp, 29
extern, 17, 173
de Newton-Cotes, 314, 325

formulas
de Newton-Cotes, 319
abiertas, 325
cerradas, 325
Fortran, 1
fprintf, 143, 144
free, 131, 132
friend, 17
fscanf, 143, 144
funcion
exponencial, 51
funciones, 67
elementales, 183
%f, 31
en lnea, 169
fabs, 29
matem
aticas, 27
factores primos de un entero, 92, 94
recurrentes, 75
factorial, 50, 67, 75
funciones de la base, 287, 307
factorizaci
on
de Cholesky, 229, 235, 237
Gauss, vease metodo de Gauss
LU, 215
Gauss-Seidel, vease metodo de GaussPA=LU, 223
Seidel
fclose, 143, 144
getch, 70
feof, 143
getchar, 71
feof, 148150
gets, 147, 148
FILE, 144, 145
goto, 17, 61
float, 17, 19, 20, 31, 36, 158
(float), 37
Heun
float.h, 85
metodo de, 341, 348
floor, 29
fopen, 143145
%i, 31
for, 17, 48, 58, 60
identificador, 16
formato, 31
if, 17, 41
formula
igual, 45
de Adams-Bashforth, 363
#include, 7, 161
de Simpson, 319
incremento, 24
deAdams-Moulton, 367
inicializacion de arreglos, 103
del trapecio, 314
inline, 17, 170
formulas
401
INDICE ANALITICO
int, 17, 19, 20, 31, 36, 158

int( ), 37
(int), 37
integracion numerica, 313
intercambio, 78
de vectores, 183
interpolaci
on, 285287
de Lagrange, 289
por diferencias divididas, 298
por diferencias finitas, 304
iostream.h, 8, 85
de diagonal estrictamente dominante por filas, 242

de Givens, 250
de Householder, 250
definida positiva, 227, 229, 243
dispersa, 254
jacobiana, 280
positivamente definida, vease matriz definida positiva
m
aximo com
un divisor, 54
m
aximo de un vector, 183
mayor, 45
Lagrange, vease interpolacion de La- mayor o igual, 45
menor, 45
grange
menor o igual, 45
lectura
metodo
de un vector, 89, 91
burbuja, 194
en un archivo, 150152
de una matriz, 94, 97, 117, 120
de Cholesky, 227, 237239
en un archivo, 152, 154
de colocacion, 286
en archivos, 143
de Euler, 338, 348
%lf, 31
de Gauss, 206
limits.h, 85
de Gauss con pivoteo parcial,
log, 29
217, 222, 223
log10, 29
de Gauss-Seidel, 239
long, 17, 20
de Heun, 341, 348
long double, 21, 36, 158
de la biseccion, 71, 79, 267
long int, 21, 36, 158
de la secante, 263
de Newton, 257, 278
de Newton en Rn , 279, 280
main, 7, 171
de punto fijo, 272, 278
malloc, 131, 132
de Regula Falsi, 268
math.h, 27, 85
de Regula Falsi modificado, 270
Matlab, 200
de Runge-Kutta (RK), 347
matrices
ortogonales, 250
de Runge-Kutta-Fehlberg, 354,
356
y apuntadores dobles, 135
del disparo (shooting), 376, 377
y arreglos unidimensionales, 117
del punto medio, 344, 348
matriz
del trapecio, 341
banda, 253
402
INDICE ANALITICO
multipaso abierto, 363

multipaso cerrado, 367
multipaso explcito, 363
multipaso implcito, 367
orden del, 359
predictor-corrector, 367
RK, 347
RK2, 351
deduccion del, 350
RK4, 348
RK5, 354
RK6, 354
RKF, 354
metodos
de Runge-Kutta, 347
indirectos, 239
iterativos, 239
multipaso explcitos, 362
multipaso implcitos, 366
RK, 347
mnimos cuadrados, vease solucion
por...
modificadores, 20
modificadores de formato, 32
molde funcional, 37
moldes, 36
multiplicaci
on, 22
\n, 7
new, 17, 132
no, 45
norma
de un complejo, 177, 180
notaci
on de Matlab, 200
notaci
on de Scilab, 200
NULL, 131, 132, 145
n
umero
complejo, 175
de cifras decimales, 32
de columnas, 32
de operaciones, 203, 211, 235
n
umeros
enteros, 19
reales, 19
o, 45
operaciones elementales con vectores,
183
operador
de asignaci
on, 21
unario, 24
operadores
l
ogicos, 45
relacionales, 45
operadores aritmeticos, 22
operator, 17
orden
del error, 359
verificacion numerica, 360
del error global, 359
del error local, 359
del metodo, 359
de Euler, 360
de Heun, 360
del punto medio, 360
RK4, 360
RK5, 360
RK6, 360
orden de convergencia, 262, 264
ordenamiento, 194
overflow, 75
%p, 31, 110
palabra clave, 16
par
ametro, 68
por defecto, 81
por referencia, 7678, 88
por valor, 76, 77
403
INDICE ANALITICO
pausa, 70
pivote, 217
pivoteo
parcial, 217
total, 218
polinomios
de Legendre, 331
polinomios de Lagrange, 290
pow, 29
precedencia de los operadores
aritmeticos, 25
precisi
on
doble, 19
sencilla, 19
printf, 7
prioridad de los operadores aritmeticos, 25
private, 17
producto
de complejos, 177, 180
de matrices, 94, 97, 117, 120
123, 125, 128, 129
escalar, 126, 128, 183
programa
ejecutable, 6
fuente, 5
promedio, 89, 91, 113, 115, 148
protected, 17
prototipo, 68
public, 17
punteros, vease apuntadores
punto flotante, 19
punto medio
metodo del, 344, 348
r, 145
r+, 145
RAND_MAX, 130
404
rand(), 130
Raphson, vease metodo de NewtonRaphson
register, 17
residuo entero, 23
return, 17
RK, vease metodo de Runge-Kutta
RK4, vease metodo RK4
RKF, vease Runge-Kutta-Fehlberg
Runge-Kutta
metodo de, 347
Runge-Kutta-Fehlberg
metodo de, 354, 356
%s, 31, 99
salida de resultados, 30
scanf, 30, 34
Scilab, 200
Seidel, vease metodo de Gauss-Seidel
serie de Taylor, 51, 53
seudosolucion, 248
short, 17
short int, 36, 158
signed, 17
sin, 29
sinh, 29
sistema
diagonal, 202
triangular inferior, 206
triangular superior, 202
sistemas
de ecuaciones diferenciales, 371
sizeof, 17, 132, 157, 158
sobrecarga de funciones, 83
solucion
de ecuaciones, 255
de sistemas lineales, 199
de un sistema
diagonal, 202
INDICE ANALITICO
triangular inferior, 206

triangular superior, 202
por mnimos cuadrados, 245
sparse, 254
sqrt, 27, 29
static, 17, 173
stddef.h, 85
stdio.h, 7
stdio.h, 85
stdlib.h, 85, 130
strcat, 101, 102
strcpy, 101
string.h, 85, 101
strlen, 101
struct, 17, 175
sustraccion, 22
switch, 17, 57
devuelto, 69
dominante, 70
propio, 228
variables
globales, 82
locales, 82
vectores
almacenados con salto, 184, 190
virtual, 17
void, 7, 17
volatile, 17
w, 145
while, 17, 51, 58, 60
y, 45
tabla
de diferencias divididas, 296
de diferencias finitas, 302
tan, 29
tanh, 29
tasa de convergencia, 262
template, 17
this, 17
throw, 17
time.h, 85
tipos de datos, 19
triangularizacion, 206, 209, 211
try, 17
typedef, 17, 159
%u, 31
union, 17
unsigned, 17, 20
unsigned int, 21
valor
405

CMN Un

Cargado por

Copyright:

Formatos disponibles

CMN Un

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CMN Un

Cargado por

Copyright:

Formatos disponibles

Introduccion a C y a metodos numericos

Hector Manuel Mora Escobar

Editar, compilar, ejecutar . . . . . . . . . . . . . . . . . .

Prioridad de los operadores aritmeticos . . . . . . . . . . . 25

2.10 Funciones matem

Variables locales y variables globales . . . . . . . . . . . . 82

Apuntadores y arreglos unidimensionales . . . . . . . . . . 111

Apuntadores a apuntadores . . . . . . . . . . . . . . . . . 116

Apuntadores y arreglos bidimensionales . . . . . . . . . . 116

Matrices y arreglos unidimensionales . . . . . . . . . . . . 117

Arreglos aleatorios . . . . . . . . . . . . . . . . . . . . . . 129

Matrices y apuntadores dobles

Arreglos a partir de 1 . . . . . . . . . . . . . . . . . . . . 139

7 Lectura y escritura en archivos

fopen, fscanf, fclose, fprintf . . . . . . . . . . . . 144

Algunos ejemplos . . . . . . . . . . . . . . . . . . . . . . . 150

Apuntadores a funciones . . . . . . . . . . . . . . . . . . . 165

Funciones en lnea . . . . . . . . . . . . . . . . . . . . . . 169

Un ejemplo con complejos . . . . . . . . . . . . . . . . . . 175

Un ejemplo tpico . . . . . . . . . . . . . . . . . . . . . . . 181

10 Algunas funciones elementales

11.1 Notacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199

11.5 Sistema triangular inferior . . . . . . . . . . . . . . . . . . 206

12.1 Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . 257

12.7.1 Matriz jacobiana . . . . . . . . . . . . . . . . . . . 280

13.2.1 Algunos resultados previos . . . . . . . . . . . . . 289

14.1 Integracion numerica . . . . . . . . . . . . . . . . . . . . . 313

14.3 Formula de Simpson . . . . . . . . . . . . . . . . . . . . . 319

14.4 Otras formulas de Newton-Cotes . . . . . . . . . . . . . . 325

15.1 Metodo de Euler . . . . . . . . . . . . . . . . . . . . . . . 338

15.9 Metodos multipaso implcitos . . . . . . . . . . . . . . . . 366

A.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . 389

Si hay reorganizacion de las paginas de la Universidad, sera necesario

Bibliotecas: C y C++ permiten crear facilmente interfaces para

mensajes indicando el tipo de error y la lnea donde han sido detectados.

Uno de los programas m

2.1. EL PRIMER PROGRAMA

Al final de las instrucciones u

2.2. EDITAR, COMPILAR, EJECUTAR

Editar, compilar, ejecutar

Este compilador esta en la mayora de las distribuciones de Linux, o

Una manera sencilla de utilizar este compilador es en ambiente DOS,

2.2. EDITAR, COMPILAR, EJECUTAR

Para correr el programa

La secuencia anterior, cuando el programa (la u

An empty project Finish

Hasta aqu, se cre

2.2. EDITAR, COMPILAR, EJECUTAR

Dentro de esa carpeta, Visual C++ cre

guarda el archivo parte_a.cpp, lo compila y, si no hay errores, crea el

activa el ejecutable prog50.exe

encadena las tres acciones importantes: guardar, compilar y ejecutar.

Con la secuencia anterior se puede escoger el archivo que se desea abrir.

Un comentario en C es una porci

Un comentario en C empieza con /* y acaba con */ . Un comentario

Cuando el programador esta haciendo el programa tiene muy claro que

Los identificadores sirven para el nombre de variables o de funciones.

ejemplo. Sin embargo es un poco largo. Si un identificador es muy

axx + b*x + c = 0.\n\n");

axx + b*x + c = 0.\n\n";

axx + b*x + c = 0.\n\n");

axx + b*x + c = 0.\n\n");