Algoritmos y Programación Pascal

Algoritmos y Programaci on en Pascal
Crist obal Pareja Flores Manuel Ojeda Aciego Angel Andeyro Quesada Carlos Rossi Jim enez
Algoritmos y Programaci on en Pascal
A nuestros compa neros y alumnos
Indice
Presentaci on Tema I
Cap tulo 1 1.1 1.2
xix 1
3 3 5 6 8 11 11 14 15 16 18 20 20 21 23 23 24 24 25 27 28
Algoritmos e introducci on a Pascal

Problemas, algoritmos y programas
Soluci on de problemas mediante programas . . . . . . . . . . . . Concepto de algoritmo . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1 1.2.2 Una denici on de algoritmo . . . . . . . . . . . . . . . . . Una denici on formal de algoritmo . . . . . . . . . . . . . Computabilidad . . . . . . . . . . . . . . . . . . . . . . . Correcci on de algoritmos . . . . . . . . . . . . . . . . . . Complejidad de algoritmos . . . . . . . . . . . . . . . . .
1.3
Aspectos de inter es sobre los algoritmos . . . . . . . . . . . . . . 1.3.1 1.3.2 1.3.3
1.4 1.5 1.6 1.7 1.8
Lenguajes algor tmicos y de programaci on . . . . . . . . . . . . . Desarrollo sistem atico de programas . . . . . . . . . . . . . . . . Conclusi on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Referencias bibliogr acas
Cap tulo 2 2.1 2.2 2.3 2.4
El lenguaje de programaci on Pascal
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Otros detalles de inter es . . . . . . . . . . . . . . . . . . . . . . . Origen y evoluci on del lenguaje Pascal . . . . . . . . . . . . . . . Pascal y Turbo Pascal . . . . . . . . . . . . . . . . . . . . . . . . Tipos de datos b asicos
Cap tulo 3 3.1
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
viii 3.2 3.3 3.4 3.5 3.6 3.7 3.8
Indice El tipo integer . . . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo char . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo boolean . . . . . . . . . . . . . . . . . . . . . . . . . . . . Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo de una expresi on . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Elementos b asicos del lenguaje 28 32 35 36 39 43 43 47 47 48 52 52 52 54 57 59 59 60 62 63 63 67 68 68 69 69 71 73 73 78 79 81
Cap tulo 4 4.1 4.2 4.3
Un ejemplo introductorio . . . . . . . . . . . . . . . . . . . . . . Vocabulario b asico . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 4.3.1 4.3.2 4.3.3 Constantes y variables . . . . . . . . . . . . . . . . . . . . Asignaci on . . . . . . . . . . . . . . . . . . . . . . . . . . Instrucciones de escritura . . . . . . . . . . . . . . . . . . Instrucciones de lectura . . . . . . . . . . . . . . . . . . . Encabezamiento . . . . . . . . . . . . . . . . . . . . . . . Declaraciones y deniciones . . . . . . . . . . . . . . . . . Cuerpo del programa . . . . . . . . . . . . . . . . . . . . . Conclusi on: estructura general de un programa . . . . . . Instrucciones b asicas . . . . . . . . . . . . . . . . . . . . . . . . .
4.4
Partes de un programa . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 4.4.2 4.4.3 4.4.4
4.5
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Primeros programas completos Dibujo de la letra C . . . . . . . . . . . . . . . . . . . . Suma de dos n umeros . . . . . . . . . . . . . . . . . . . .
Cap tulo 5 5.1 5.1.1 5.1.2 5.2 5.3 5.4
Algunos programas sencillos . . . . . . . . . . . . . . . . . . . . .
Programas claros programas de calidad . . . . . . . . . . . . . Desarrollo descendente de programas . . . . . . . . . . . . . . . . Estado de los c omputos . . . . . . . . . . . . . . . . . . . Desarrollo descendente con especicaciones . . . . . . . . Desarrollo de programas correctos . . . . . . . . . . . . . . . . . 5.4.1 5.4.2
5.5 5.6
Observaciones nales . . . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Indice
ix
Tema II
Cap tulo 6 6.1 6.2
Programaci on estructurada
Instrucciones estructuradas
83
85 86 88 88 92 94 94 98
Composici on de instrucciones . . . . . . . . . . . . . . . . . . . . Instrucciones de selecci on . . . . . . . . . . . . . . . . . . . . . . 6.2.1 6.2.2 La instrucci on if-then-else . . . . . . . . . . . . . . . . . La instrucci on case . . . . . . . . . . . . . . . . . . . . . La instrucci on while . . . . . . . . . . . . . . . . . . . . . La instrucci on repeat . . . . . . . . . . . . . . . . . . . .
6.3
Instrucciones de iteraci on . . . . . . . . . . . . . . . . . . . . . . 6.3.1 6.3.2 6.3.3
La instrucci on for . . . . . . . . . . . . . . . . . . . . . . 100 Elecci on de instrucciones iterativas . . . . . . . . . . . . . 103 Terminaci on de un bucle . . . . . . . . . . . . . . . . . . . 105 Uso correcto de instrucciones estructuradas . . . . . . . . 106 M etodo de bipartici on . . . . . . . . . . . . . . . . . . . . 113 M etodo de Newton-Raphson . . . . . . . . . . . . . . . . 115 Inversi on de funciones . . . . . . . . . . . . . . . . . . . . 117
6.4
Dise no y desarrollo de bucles . . . . . . . . . . . . . . . . . . . . 103 6.4.1 6.4.2 6.4.3
6.5
Dos m etodos num ericos iterativos . . . . . . . . . . . . . . . . . . 113 6.5.1 6.5.2 6.5.3
6.6
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Programaci on estructurada 123
Cap tulo 7 7.1 7.2
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Aspectos te oricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 7.2.1 7.2.2 7.2.3 7.2.4 7.2.5 7.2.6 Programas y diagramas de ujo . . . . . . . . . . . . . . . 125 Diagramas y diagramas propios . . . . . . . . . . . . . . . 126 Diagramas BJ (de B ohm y Jacopini) . . . . . . . . . . . . 130 Equivalencia de diagramas . . . . . . . . . . . . . . . . . . 135 Teoremas de la programaci on estructurada . . . . . . . . 137 Recapitulaci on . . . . . . . . . . . . . . . . . . . . . . . . 138 Seudoc odigo . . . . . . . . . . . . . . . . . . . . . . . . . . 139 Dise no descendente . . . . . . . . . . . . . . . . . . . . . . 141
7.3
Aspectos metodol ogicos . . . . . . . . . . . . . . . . . . . . . . . 139 7.3.1 7.3.2
7.4
Renamiento correcto de programas con instrucciones estructuradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
x 7.4.1 7.4.2 7.5 7.6 7.7 Un ejemplo detallado
Indice . . . . . . . . . . . . . . . . . . . . 147
Recapitulaci on . . . . . . . . . . . . . . . . . . . . . . . . 150 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 . . . . . . . . . . . . . . . . . . . . . . 153
Conclusi on
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Referencias bibliogr acas
Tema III
Cap tulo 8 8.1 8.2
Subprogramas
Procedimientos y funciones
155
157
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Subprogramas con par ametros . . . . . . . . . . . . . . . . . . . . 162 8.2.1 8.2.2 8.2.3 8.2.4 Descripci on de un subprograma con par ametros . . . . . . 162 Par ametros formales y reales . . . . . . . . . . . . . . . . 165 Mecanismos de paso de par ametros . . . . . . . . . . . . . 165 Consistencia entre denici on y llamada . . . . . . . . . . 168
8.3 8.4 8.5
Estructura sint actica de un subprograma . . . . . . . . . . . . . . 169 Funcionamiento de una llamada . . . . . . . . . . . . . . . . . . . 170 Ambito y visibilidad de los identicadores . . . . . . . . . . . . . 174 8.5.1 8.5.2 8.5.3 8.5.4 Tipos de identicadores seg un su ambito . . . . . . . . . . 174 Estructura de bloques . . . . . . . . . . . . . . . . . . . . 175 Criterios de localidad . . . . . . . . . . . . . . . . . . . . 181 Efectos laterales . . . . . . . . . . . . . . . . . . . . . . . 181 Par ametros por valor y por referencia . . . . . . . . . . . 183 Par ametros por referencia y funciones . . . . . . . . . . . 183 Funciones con resultados m ultiples . . . . . . . . . . . . . 184
8.6
Otras recomendaciones sobre el uso de par ametros . . . . . . . . 183 8.6.1 8.6.2 8.6.3
8.7 8.8
Desarrollo correcto de subprogramas . . . . . . . . . . . . . . . . 184 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 Aspectos metodol ogicos de la programaci on con subprogramas
Cap tulo 9 9.1 9.2 9.3
189
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189 Un ejemplo de referencia . . . . . . . . . . . . . . . . . . . . . . . 190 Metodolog a de la programaci on con subprogramas . . . . . . . . 192 9.3.1 Dise no descendente con subprogramas . . . . . . . . . . . 193
Indice 9.3.2 9.3.3 9.3.4 9.3.5 9.4 9.5 9.6 9.7
xi Programa principal y subprogramas . . . . . . . . . . . . 194 Documentaci on de los subprogramas . . . . . . . . . . . . 195 Tama no de los subprogramas . . . . . . . . . . . . . . . . 196 Renamiento con subprogramas y con instrucciones estructuradas . . . . . . . . . . . . . . . . . . . . . . . . . 197
Estructura jer arquica de los subprogramas . . . . . . . . . . . . . 199 Ventajas de la programaci on con subprogramas . . . . . . . . . . 201 Un ejemplo detallado: representaci on de funciones . . . . . . . . 203 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 211
Cap tulo 10 Introducci on a la recursi on
10.1 Un ejemplo de referencia . . . . . . . . . . . . . . . . . . . . . . . 212 10.2 Conceptos b asicos . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.3 Otros ejemplos recursivos . . . . . . . . . . . . . . . . . . . . . . 216 10.3.1 La sucesi on de Fibonacci . . . . . . . . . . . . . . . . . . 216 10.3.2 Torres de Hanoi . . . . . . . . . . . . . . . . . . . . . . . 216 10.3.3 Funci on de Ackermann . . . . . . . . . . . . . . . . . . . . 219 10.4 Correcci on de subprogramas recursivos . . . . . . . . . . . . . . . 219 10.4.1 Principios de inducci on . . . . . . . . . . . . . . . . . . . 220 10.5 Recursi on mutua . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 10.6 Recursi on e iteraci on . . . . . . . . . . . . . . . . . . . . . . . . . 226 10.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 10.8 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 228
Tema IV
Tipos de datos denidos por el programador
231
233
Cap tulo 11 Tipos de datos simples y compuestos
11.1 Tipos ordinales denidos por el programador . . . . . . . . . . . 234 11.1.1 Tipos enumerados . . . . . . . . . . . . . . . . . . . . . . 235 11.1.2 Tipo subrango . . . . . . . . . . . . . . . . . . . . . . . . 238 11.2 Denici on de tipos . . . . . . . . . . . . . . . . . . . . . . . . . . 240 11.2.1 Observaciones sobre la denici on de tipos . . . . . . . . . 242 11.3 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244 11.3.1 Operaciones sobre el tipo conjunto . . . . . . . . . . . . . 245 11.3.2 Observaciones sobre el tipo conjunto . . . . . . . . . . . . 247
xii
Indice 11.3.3 Un ejemplo de aplicaci on . . . . . . . . . . . . . . . . . . 248 11.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Cap tulo 12 Arrays
253
12.1 Descripci on del tipo de datos array . . . . . . . . . . . . . . . . . 253 12.1.1 Operaciones del tipo array y acceso a sus componentes . . 257 12.1.2 Caracter sticas generales de un array . . . . . . . . . . . . 260 12.2 Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 12.3 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 12.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268 Cap tulo 13 Registros 271
13.1 Descripci on del tipo de datos registro . . . . . . . . . . . . . . . . 271 13.1.1 Manejo de registros: acceso a componentes y operaciones . 273 13.1.2 Registros con variantes . . . . . . . . . . . . . . . . . . . . 276 13.2 Arrays de registros y registros de arrays . . . . . . . . . . . . . . 279 13.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282 Cap tulo 14 Archivos 285
14.1 Descripci on del tipo de datos archivo . . . . . . . . . . . . . . . . 285 14.2 Manejo de archivos en Pascal . . . . . . . . . . . . . . . . . . . . 286 14.2.1 Operaciones con archivos . . . . . . . . . . . . . . . . . . 288 14.3 Archivos de texto . . . . . . . . . . . . . . . . . . . . . . . . . . . 294 14.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 Cap tulo 15 Algoritmos de b usqueda y ordenaci on 301
15.1 Algoritmos de b usqueda en arrays . . . . . . . . . . . . . . . . . 301 15.1.1 B usqueda secuencial . . . . . . . . . . . . . . . . . . . . . 302 15.1.2 B usqueda secuencial ordenada . . . . . . . . . . . . . . . 304 15.1.3 B usqueda binaria . . . . . . . . . . . . . . . . . . . . . . . 304 15.2 Ordenaci on de arrays . . . . . . . . . . . . . . . . . . . . . . . . . 306 15.2.1 Selecci on directa . . . . . . . . . . . . . . . . . . . . . . . 307 15.2.2 Inserci on directa . . . . . . . . . . . . . . . . . . . . . . . 309 15.2.3 Intercambio directo . . . . . . . . . . . . . . . . . . . . . . 310 15.2.4 Ordenaci on r apida (Quick Sort ) . . . . . . . . . . . . . . 312 15.2.5 Ordenaci on por mezcla (Merge Sort ) . . . . . . . . . . . . 316
Indice
xiii 15.2.6 Vectores paralelos . . . . . . . . . . . . . . . . . . . . . . 318
15.3 Algoritmos de b usqueda en archivos secuenciales . . . . . . . . . 320 15.3.1 B usqueda en archivos arbitrarios . . . . . . . . . . . . . . 321 15.3.2 B usqueda en archivos ordenados . . . . . . . . . . . . . . 321 15.4 Mezcla y ordenaci on de archivos secuenciales . . . . . . . . . . . 322 15.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 15.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 330
Tema V
Memoria din amica
333
335
Cap tulo 16 Punteros
16.1 Introducci on al uso de punteros . . . . . . . . . . . . . . . . . . . 336 16.1.1 Denici on y declaraci on de punteros . . . . . . . . . . . . 337 16.1.2 Generaci on y destrucci on de variables din amicas . . . . . 338 16.1.3 Operaciones b asicas con datos apuntados . . . . . . . . . 339 16.1.4 Operaciones b asicas con punteros . . . . . . . . . . . . . . 341 16.1.5 El valor nil . . . . . . . . . . . . . . . . . . . . . . . . . . 343 16.2 Aplicaciones no recursivas de los punteros . . . . . . . . . . . . . 344 16.2.1 Asignaci on de objetos no simples . . . . . . . . . . . . . . 345 16.2.2 Funciones de resultado no simple . . . . . . . . . . . . . . 346 16.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348 Cap tulo 17 Estructuras de datos recursivas 351
17.1 Estructuras recursivas lineales: las listas enlazadas . . . . . . . . 351 17.1.1 Una denici on del tipo lista . . . . . . . . . . . . . . . . . 352 17.1.2 Inserci on de elementos . . . . . . . . . . . . . . . . . . . . 353 17.1.3 Eliminaci on de elementos . . . . . . . . . . . . . . . . . . 355 17.1.4 Algunas funciones recursivas . . . . . . . . . . . . . . . . 355 17.1.5 Otras operaciones sobre listas . . . . . . . . . . . . . . . . 358 17.2 Pilas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362 17.2.1 Denici on de una pila como lista enlazada . . . . . . . . . 363 17.2.2 Operaciones b asicas sobre las pilas . . . . . . . . . . . . . 363 17.2.3 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 365 17.3 Colas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370 17.3.1 Denici on del tipo cola . . . . . . . . . . . . . . . . . . . 371
xiv
Indice 17.3.2 Operaciones b asicas . . . . . . . . . . . . . . . . . . . . . 371 17.3.3 Aplicaci on: gesti on de la caja de un supermercado . . . . 374 17.4 Arboles binarios . . . . . . . . . . . . . . . . . . . . . . . . . . . 376 17.4.1 Recorrido de un arbol binario . . . . . . . . . . . . . . . . 378 17.4.2 Arboles de b usqueda . . . . . . . . . . . . . . . . . . . . . 379 17.4.3 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 383 17.5 Otras estructuras din amicas de datos . . . . . . . . . . . . . . . . 387 17.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389 17.7 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 391
Tema VI
Aspectos avanzados de programaci on
393
395
Cap tulo 18 Complejidad algor tmica
18.1 Conceptos b asicos . . . . . . . . . . . . . . . . . . . . . . . . . . 396 18.2 Medidas del comportamiento asint otico . . . . . . . . . . . . . . 402 18.2.1 Comportamiento asint otico . . . . . . . . . . . . . . . . . 402 18.2.2 Notaci on O may uscula (una cota superior) . . . . . . . . 404 18.2.3 Notaci on may uscula (una cota inferior) . . . . . . . . . 405 18.2.4 Notaci on may uscula (orden de una funci on) . . . . . . 405 18.2.5 Propiedades de O, y . . . . . . . . . . . . . . . . . . 406 18.2.6 Jerarqu a de ordenes de frecuente aparici on . . . . . . . . 407 18.3 Reglas pr acticas para hallar el coste de un programa . . . . . . . 408 18.3.1 Tiempo empleado . . . . . . . . . . . . . . . . . . . . . . 408 18.3.2 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . 411 18.3.3 Espacio de memoria empleado . . . . . . . . . . . . . . . 417 18.4 Utiles matem aticos . . . . . . . . . . . . . . . . . . . . . . . . . . 418 18.4.1 F ormulas con sumatorios . . . . . . . . . . . . . . . . . . 419 18.4.2 Sucesiones de recurrencia lineales de primer orden . . . . 419 18.4.3 Sucesiones de recurrencia de orden superior . . . . . . . . 421 18.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 18.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 425 427
Cap tulo 19 Tipos abstractos de datos
19.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 19.2 Un ejemplo completo . . . . . . . . . . . . . . . . . . . . . . . . . 429
Indice
xv 19.2.1 Desarrollo de programas con tipos concretos de datos . . 430 19.2.2 Desarrollo de programas con tipos abstractos de datos . . 431 19.2.3 Desarrollo de tipos abstractos de datos . . . . . . . . . . . 434
19.3 Metodolog a de la programaci on de TADs . . . . . . . . . . . . . 440 19.3.1 Especicaci on de tipos abstractos de datos . . . . . . . . 440 19.3.2 Implementaci on de tipos abstractos de datos . . . . . . . 441 19.3.3 Correcci on de tipos abstractos de datos . . . . . . . . . . 443 19.4 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446 19.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447 19.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 448 449
Cap tulo 20 Esquemas algor tmicos fundamentales
20.1 Algoritmos devoradores . . . . . . . . . . . . . . . . . . . . . . . 450 20.1.1 Descripci on . . . . . . . . . . . . . . . . . . . . . . . . . . 450 20.1.2 Adecuaci on al problema . . . . . . . . . . . . . . . . . . . 451 20.1.3 Otros problemas resueltos vorazmente . . . . . . . . . . . 452 20.2 Divide y vencer as . . . . . . . . . . . . . . . . . . . . . . . . . . . 453 20.2.1 Equilibrado de los subproblemas . . . . . . . . . . . . . . 454 20.3 Programaci on din amica . . . . . . . . . . . . . . . . . . . . . . . 455 20.3.1 Problemas de programaci on din amica . . . . . . . . . . . 455 20.3.2 Mejora de este esquema . . . . . . . . . . . . . . . . . . . 457 20.3.3 Formulaci on de problemas de programaci on din amica . . 460 20.4 Vuelta atr as . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 462 20.4.1 Mejora del esquema de vuelta atr as . . . . . . . . . . . . 466 20.5 Anexo: algoritmos probabilistas . . . . . . . . . . . . . . . . . . . 468 20.5.1 B usqueda de una soluci on aproximada . . . . . . . . . . . 468 20.5.2 B usqueda de una soluci on probablemente correcta . . . . 469 20.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470 20.7 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 473
Ap endices
Ap endice A Aspectos complementarios de la programaci on
475
477
A.1 Subprogramas como par ametros . . . . . . . . . . . . . . . . . . . 477 A.1.1 Ejemplo 1: derivada . . . . . . . . . . . . . . . . . . . . . 479
xvi
Indice A.1.2 Ejemplo 2: bipartici on . . . . . . . . . . . . . . . . . . . . 480 A.1.3 Ejemplo 3: transformaci on de listas . . . . . . . . . . . . 482 A.2 Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . 482 A.2.1 Generaci on de n umeros aleatorios en Turbo Pascal . . . . 483 A.2.2 Simulaci on de variables aleatorias . . . . . . . . . . . . . . 484 A.2.3 Ejemplos de aplicaci on . . . . . . . . . . . . . . . . . . . . 486 A.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488 A.4 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 490 491
Ap endice B El lenguaje Turbo Pascal
B.1 Elementos l exicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 492 B.2 Estructura del programa . . . . . . . . . . . . . . . . . . . . . . . 492 B.3 Datos num ericos enteros . . . . . . . . . . . . . . . . . . . . . . . 492 B.4 Datos num ericos reales . . . . . . . . . . . . . . . . . . . . . . . . 493 B.5 Cadenas de caracteres . . . . . . . . . . . . . . . . . . . . . . . . 494 B.5.1 Declaraci on de cadenas . . . . . . . . . . . . . . . . . . . 494 B.5.2 Operadores de cadenas . . . . . . . . . . . . . . . . . . . . 495 B.5.3 Funciones de cadenas . . . . . . . . . . . . . . . . . . . . 496 B.5.4 Procedimientos de cadenas . . . . . . . . . . . . . . . . . 496 B.6 Tipos de datos estructurados . . . . . . . . . . . . . . . . . . . . 498 B.7 Instrucciones estructuradas . . . . . . . . . . . . . . . . . . . . . 498 B.8 Paso de subprogramas como par ametros . . . . . . . . . . . . . . 499 B.9 Archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500 B.10 Memoria din amica . . . . . . . . . . . . . . . . . . . . . . . . . . 501 B.11 Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501 B.11.1 Unidades predenidas de Turbo Pascal . . . . . . . . . . . 502 B.11.2 Unidades denidas por el usuario . . . . . . . . . . . . . . 503 B.11.3 Modularidad incompleta de Turbo Pascal . . . . . . . . . 505 Ap endice C El entorno integrado de desarrollo C.2 Desarrollo completo de un programa en Turbo Pascal 507 . . . . . . 508
C.1 Descripci on del entorno . . . . . . . . . . . . . . . . . . . . . . . 507 C.2.1 Arranque del entorno . . . . . . . . . . . . . . . . . . . . 508 C.2.2 Edici on del programa fuente . . . . . . . . . . . . . . . . . 510 C.2.3 Grabar el programa fuente y seguir editando . . . . . . . 510
Indice C.2.4 Compilaci on
xvii . . . . . . . . . . . . . . . . . . . . . . . . . 512
C.2.5 Ejecuci on . . . . . . . . . . . . . . . . . . . . . . . . . . . 514 C.2.6 Depuraci on . . . . . . . . . . . . . . . . . . . . . . . . . . 514 C.2.7 Salida de Turbo Pascal . . . . . . . . . . . . . . . . . . . . 516 C.3 Otros men us y opciones . . . . . . . . . . . . . . . . . . . . . . . 517 C.3.1 Search (B usqueda) . . . . . . . . . . . . . . . . . . . . . . 517 C.3.2 Tools (Herramientas) . . . . . . . . . . . . . . . . . . . . . 517 C.3.3 Options (Opciones) . . . . . . . . . . . . . . . . . . . . . . 517 C.3.4 Window (Ventana) . . . . . . . . . . . . . . . . . . . . . . 519 C.3.5 Help (Ayuda) . . . . . . . . . . . . . . . . . . . . . . . . . 519 C.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519 C.5 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . . . . . 520
Bibliograf a Indice alfab etico
521 527
Presentaci on
Este libro trata sobre m etodos de resoluci on de problemas mediante el desarrollo de algoritmos y estructuras de datos, desde el principio y paso a paso, y su materializaci on en programas de computador. Desde luego, no es el primer libro sobre este tema; de hecho, ha habido en los u ltimos quince a nos un gran aluvi on de textos sobre algoritmos y sobre programaci on. La raz on para ello ha sido sin lugar a dudas doble: por un lado, la difusi on que estos temas han tenido y siguen teniendo, integr andose en los estudios m as diversos; por otro, la evoluci on que est a experimentando el desarrollo de algoritmos y programas, pasando de ser un arte (reinventado por cada programador a base de t ecnicas personales, estrechamente vinculadas con su lenguaje de programaci on) a una actividad m as cient ca, metodol ogica y disciplinada. Por consiguiente, resulta necesario aclarar cu al es el enfoque adoptado en este libro. Examinando la bibliograf a existente actualmente sobre programaci on a un nivel introductorio permite armar las siguientes conclusiones: Una parte importante de los libros existentes han adoptado un enfoque pr actico puro, no metodol ogico, que es el m as tradicional, y a un subsiste en demasiados libros. Se confunde la ense nanza de la programaci on con la de un lenguaje concreto, ofreciendo muchas veces un mero manual de referencia del lenguaje elegido. Bajo el atractivo de los llamativos resultados inmediatos (programas que funcionan), este enfoque ignora la base conceptual y metodol ogica necesaria, y propicia los peores h abitos de programaci on, que son adem as dif ciles de erradicar. Otra postura extrema se centra en el an alisis y desarrollo de soluciones algor tmicas puras, de forma independiente de cualquier lenguaje de programaci on. Esta independencia permite ignorar las peculiaridades de los lenguajes reales, yendo a los conceptos; sin embargo, esa independencia de los lenguajes de programaci on es a nuestro entender innecesaria e inconveniente en los primeros pasos, ya que obliga al aprendiz de la programaci on a estudiar aparte los detalles concretos del lenguaje de programaci on con que necesariamente debe desarrollar sus pr acticas.
xx
n Presentacio En cambio, encontramos este enfoque interesante en niveles superiores de la ense nanza de la programaci on, donde interesa concentrarse en los conceptos, m as dif ciles y donde ya no supone obst aculo alguno expresar las ideas en cualquier lenguaje de programaci on.
El enfoque adoptado en este libro recoge ambos aspectos: por un lado, viene a cubrir la necesidad de un enfoque metodol ogico en el aprendizaje y en el ejercicio de la programaci on, pero tambi en la necesidad de experimentar con programas concretos, expresarlos en un lenguaje real y hacerlos funcionar con un traductor concreto. En resumen, intentamos compaginar las ventajas de los enfoques anteriores, presentando la base conceptual y metodol ogica necesaria para desarrollar los algoritmos de forma razonada y disciplinada, sin olvidar por ello la conveniencia de expresarlos en un lenguaje de programaci on, materializ andolos y experimentando con ellos, y que el lector ha de ser instruido tambi en en esta tarea. En relaci on con el enfoque metodol ogico que se impone actualmente, se considera necesario atender a la correcci on de los programas. El tratamiento que se le da en la literatura ha llevado nuevamente a dos posturas articialmente extremas: Algunos autores ignoran completamente el estudio de la correcci on, content andose con algunas comprobaciones para deducir que un programa es correcto. En cambio, otros adoptan un tratamiento exhaustivo, utilizando t ecnicas formales de especicaci on o vericaci on. A nuestro entender, es incuestionable la importancia de garantizar que los programas desarrollados funcionar an de la forma deseada. Sin embargo, la vericaci on formal de los programas de cierto tama no es impracticable. Por ello, asumimos de nuevo una posici on intermedia y realista consistente en los siguientes planteamientos: Plantear el desarrollo de programas correctos con el empleo de t ecnicas semiformales. Limitar el estudio de la correcci on a los elementos que resulten delicados, bien por su dicultad o por su novedad. Atender a la correcci on de los algoritmos durante su desarrollo en lugar de a posteriori. Esta idea resulta ser una ayuda esencial en el aprendizaje de la programaci on.
n Presentacio
xxi
En resumidas cuentas, este libro va dirigido a aqu ellos que desean introducirse en la programaci on, con una base s olida, con una buena metodog a de dise no y desarrollo de programas correctos y con h abitos disciplinados desde una perspectiva realista y pragm atica. Se presentan las t ecnicas con un cierto nivel de abstracci on para identicar los conceptos esenciales e independientes del lenguaje de programaci on empleado, y al mismo tiempo se aterriza expresando estas t ecnicas en un lenguaje concreto. El lenguaje escogido para estas implementaciones ha sido Pascal. Esta elecci on se debe a que este lenguaje es simple y tiene una sintaxis sencilla, que hace que sea f acil de aprender, y al mismo tiempo es lo bastante completo como para plasmar las diferentes t ecnicas y m etodos necesarios en programas de complejidad media-alta. Esto lo hace una herramienta pedag ogica id onea para el aprendizaje de la programaci on. A todo esto hay que sumar las numerosas implementaciones existentes y su accesibilidad, as como su evoluci on y continua puesta al d a para permitir t ecnicas de programaci on actuales (por ejemplo, modular u orientada a los objetos) y su gran difusi on y aceptaci on en el ambito acad emico.
Organizaci on del libro

El libro est a estructurado en siete partes. En cada una de ellas se estudian las t ecnicas y mecanismos nuevos, conceptualmente primero, detallando luego su tratamiento en Pascal y, nalmente, compaginando ambas facetas con el aspecto metodol ogico. Cada tema se ha dividido en varios cap tulos para evitar una excesiva fragmentaci on. En cada cap tulo se ha incluido una lista de ejercicios propuestos de dicultad aproximadamente creciente. Al nal de cada tema se desarrolla un ejemplo completo pensado para mostrar a la vez los aspectos m as destacados del mismo, as como unas pocas referencias comentadas que se sugieren como lecturas complementarias o de consulta.
Contenido
El contenido se ha seleccionado partiendo de las directrices se naladas en [DCG+ 89] y [Tur91]. Incluye los contenidos cursos CS1 y CS2 [GT86, KSW85] salvo los aspectos de organizaci on de computadores, que se estudian en [PAO94], de los mismos autores que este libro. En el primer tema se presentan, entre otros, los conceptos esenciales de algoritmo, dato y programa. Se introduce el lenguaje Pascal y la estructura de los programas escritos en el, as como los elementos b asicos del lenguaje. Se incluyen
xxii
n Presentacio
algunos programas sencillos, y se adelantan la t ecnica descendente de dise no de programas y algunos apuntes sobre la correcci on. El segundo tema se dedica a la programaci on estructurada. Se pone especial enfasis en el dise no descendente o por renamientos sucesivos partiendo de especicaciones escritas en pseudoc odigo, y se muestra c omo compaginar esta t ecnica con la derivaci on de programas correctos. En el tercer tema se estudian los subprogramas. Al igual que en el tema anterior, se detalla c omo enfocar la correcci on en el uso de esta t ecnica. Se concluye con un cap tulo de introducci on a la recursi on. En la mayor a de los programas no basta con los tipos de datos b asicos, sino que es necesario que el programador dena otros m as complejos. A ello se dedica el cuarto tema. El quinto tema estudia las t ecnicas propias de la gesti on de memoria din amica. Se justica su necesidad, y se presenta su principal aplicaci on, que es la denici on de estructuras de datos recursivas. El sexto tema introduce tres aspectos avanzados: la programaci on con tipos abstractos de datos, el coste de los algoritmos y los principales esquemas de dise no de algoritmos. Aunque, ciertamente, su estudio en profundidad rebasa un primer curso, es frecuente introducir o siquiera mencionar sus ideas b asicas. Por supuesto, siempre es altamente recomendable consultar otras referencias (nosotros mismos las seleccionamos para cada tema), pero tambi en es cierto que el alumno se ve obligado con frecuencia a usar varios textos b asicos para cubrir diferentes partes de la materia. Justamente, estos u ltimos cap tulos se incluyen para que el lector interesado se pueda asomar a ellos sin verse obligado a consultar los cap tulos introductorios de otros libros. Finalmente se incluyen tres ap endices: en el primero se introducen un par de aspectos complementarios para un primer curso de programaci on (el paso de subprogramas como par ametros y el uso de variables aleatorias); el segundo es un prontuario de uso del entorno integrado de desarrollo Turbo Pascal; y el tercero indica algunos detalles de Turbo Pascal en que se separa del est andar, pero que son de uso frecuente.
Notaci on empleada
En la lectura de este texto se encontrar an fragmentos escritos en distintos lenguajes: En castellano puro, donde se ha usado este tipo de letra. En Pascal, para lo que se ha elegido el teletipo, salvo las palabras reservadas, que van en negrita.
n Presentacio
xxiii
Tambi en se ha empleado el teletipo para indicar las salidas y entradas de datos, porque es el tipo de letra m as parecido al que aparece en el monitor. En seudoc odigo, que se expresa con letra cursiva. En lenguaje matem atico, en que se usan los s mbolos usuales. Otros s mbolos especiales: ; El espacio en blanco (v ease la p agina 206) Uno o m as pasos al evaluar una expresi on (v ease la p agina 30) Fin de archivo (v ease la p agina 57) Fin de l nea (v ease la p agina 57)
Advertencia para el alumno

No existe un m etodo general para resolver problemas mediante algoritmos; por ello, es de gran importancia estudiar las t ecnicas de forma gradual, yendo de lo f acil a lo dif cil y vincul andolas con situaciones ampliamente conocidas. Nosotros pretendemos haber cumplido con este objetivo, proporcionando ejemplos de f acil comprensi on y ejercicios a la medida de lo explicado. Y eso es lo bueno. Lo malo es que el alumno puede percibir la sensaci on de comprenderlo todo a la velocidad que lee. . . y aqu reside el peligro. Porque una mera lectura del texto, o incluso una lectura atenta, no basta para asimilarlo, adquiriendo las t ecnicas necesarias para resolver otros problemas de dicultad similar a la de los planteados. Es preciso adoptar una actitud cr tica durante la lectura, trabajar minuciosamente con los problemas propuestos e incluso tatar de imaginar soluciones alternativas a los ejemplos dados. Y cuanto antes se acepte esa realidad, mejor que mejor.
Agradecimientos
Muchas personas han contribuido de diferentes maneras a que este libro sea lo que es. En primer lugar, debemos a nuestros alumnos de estos a nos su ayuda, aun sin saberlo, porque ellos han sido la raz on de que emprendi eramos este trabajo, y porque sus preguntas y comentarios, d a a d a, tienen una respuesta en las p aginas que siguen. En segundo lugar, debemos a muchos de nuestros compa neros su aliento y apoyo, tan necesario cuando uno se enfrenta a un trabajo de esta envergadura. Y por ello, lo dedicamos a ambos, alumnos y compa neros. De un modo muy especial, deseamos expresar nuestro agradecimiento a Juan Falgueras Cano, Luis Antonio Gal an Corroto y Yolanda Ortega y Mall en por su cuidadosa lectura de la primera versi on completa del manuscrito, y por sus
xxiv
n Presentacio
valiosos comentarios y sugerencias. No podemos olvidar tampoco la ayuda de Manuel Enciso Garc a-Oliveros en los u ltimos retoques, as como su proximidad y apoyo durante todo el tiempo que nos ha ocupado este trabajo. Por u ltimo, deseamos expresar nuestra gratitud y cari no a Jos e Luis Gal an Garc a, que ha dejado en este libro muchas horas.
Tema I
Algoritmos e introducci on a Pascal
Cap tulo 1
Problemas, algoritmos y programas
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
Soluci on de problemas mediante programas . . . . . . Concepto de algoritmo . . . . . . . . . . . . . . . . . . . Aspectos de inter es sobre los algoritmos . . . . . . . . Lenguajes algor tmicos y de programaci on . . . . . . . Desarrollo sistem atico de programas . . . . . . . . . . Conclusi on . . . . . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . Referencias bibliogr acas . . . . . . . . . . . . . . . . . .
3 5 11 16 18 20 20 21
En este primer cap tulo se trata la resoluci on de problemas por medio de un computador. Puesto que este no es m as que un mero ejecutor de tareas, es fundamental conocer un m etodo de resoluci on del problema en cuesti on, esto es, un algoritmo. La escritura de este algoritmo como un conjunto de ordenes comprensibles por el computador es lo que se llama programa.
1.1
Soluci on de problemas mediante programas
Los computadores desempe nan una gran variedad de tareas, liberando as al hombre de tener que realizarlas personalmente. Para ello, es preciso ense nar al computador cu al es su trabajo y c omo llevarlo a cabo, esto es, programarlo,
Cap tulo 1. Problemas, algoritmos y programas
d andole instrucciones precisas (programas) en un lenguaje que comprenda (Pascal, Modula-2, C, etc.). Una vez aprendido el programa, el computador seguir a ciegamente sus instrucciones cuantas veces sea requerido. Precisamente, la tarea de la programaci on consiste en describir lo que debe hacer el computador para resolver un problema concreto en un lenguaje de programaci on. Sin embargo, el programa es solamente el resultado de una serie de etapas que no se pueden pasar por alto. Hablando en t erminos muy amplios, se identican de momento las siguientes fases: 1. An alisis del problema, estableciendo con precisi on lo que se plantea. 2. Soluci on conceptual del problema, describiendo un m etodo (algoritmo) que lo resuelva. 3. Escritura del algoritmo en un lenguaje de programaci on. En la primera fase es corriente partir de un problema denido vagamente, y el an alisis del mismo consiste en precisar el enunciado, identicando los datos de partida y los resultados que se desean obtener. La descripci on precisa de un problema se llama especicaci on. Con frecuencia, el lenguaje natural no basta para lograr la precisi on deseada, por lo que se recurre en mayor o menor medida a lenguajes formales, como la l ogica o las matem aticas. Supongamos por ejemplo que se plantea el problema de dividir dos n umeros. En primer lugar, se necesita saber si se trata de la divisi on entera o de aproximar el resultado con decimales y, en ese caso, hasta d onde. Pongamos por caso que interesa la divisi on eucl dea. Una descripci on precisa deber a tener en cuenta que los datos son dos enteros (llam emosles dividendo y divisor, como es usual), de los que el segundo es no nulo. El resultado es tambi en un par de enteros (llam emosles cociente y resto, como siempre) tales que dividendo = divisor cociente + resto Pero eso no es todo: si nos contentamos con ese enunciado, para todo par de enteros (dividendo, divisor), el par (0, dividendo) siempre es una soluci on. Por eso, hay que a nadir que resto debe ser adem as tal que 0 resto < divisor.
Con este peque no ejemplo se pretende resaltar la importancia de analizar bien el problema planteado, deniendo con precisi on los requisitos que deben vericar los datos y las condiciones en que deben estar los resultados.
Sin embargo, en esta fase s olo se ha estudiado qu e se desea obtener, y no c omo lograrlo. Este es el cometido de la segunda etapa: describir un m etodo (algoritmo) tal que partiendo de datos apropiados lleve sistem aticamente a los resultados descritos en la especicaci on. Del concepto de algoritmo nos ocupamos
1.2. Concepto de algoritmo
1 Principio 2 4 Comprar impresos de matriculaci on 5 7 Rellenar el sobre y pagar en el banco 8 Est a abierto el plazo de matr cula? s 4 no 3
2 Esperar a ma nana 2
5 Leer instrucciones. Tengo alguna duda? s 6 no 7 8 Entregar el sobre 9
6 Preguntar dudas en Secretar a 7 9 Fin
Figura 1.1.
en el siguiente apartado. Es evidente que s olo se puede conar en un algoritmo si ha superado con exito determinado control de calidad: la primera e inexcusable exigencia es que sea correcto; esto es, que resuelva el problema especicado. Cuando un problema admita varios algoritmos como soluci on, convendr a disponer de criterios para escoger; y cuando un problema no tenga soluci on, no resulta sensato buscar un algoritmo para resolverlo. Estos aspectos los estudiamos en el apartado 1.3. Finalmente, para que un computador resuelva problemas hay que escribir el algoritmo en un lenguaje de programaci on; de ello hablaremos en el apartado 1.4.
1.2
Concepto de algoritmo
Los conceptos de algoritmo y de m etodo son parecidos: los m etodos para efectuar procesos forman parte de las costumbres o rutinas que el hombre aprende un d a y luego repite de manera inconsciente, sin reparar ya en las acciones, m as sencillas, que integran el proceso (por ejemplo andar, leer o conducir). Por eso el concepto de algoritmo suele compararse a otros como m etodo o rutina de acciones. La secuencia de pasos de la gura 1.1 describe un m etodo para efectuar la matr cula en la universidad. Sin embargo, el t ermino algoritmo tiene connotaciones m as formales que cualquier otro debido a su origen: se trata de una acomodaci on al castellano del
nombre de Muh us a al-Jw ar zm , matem atico persa que populariz o . ammad ibn M su descripci on de las cuatro reglas (algoritmos) de sumar, restar, multiplicar y dividir.
1.2.1
Una denici on de algoritmo
Hablando informalmente, un algoritmo es la descripci on precisa de los pasos que nos llevan a la soluci on de un problema planteado. Estos pasos son, en general, acciones u operaciones que se efect uan sobre ciertos objetos. La descripci on de un algoritmo afecta a tres partes: entrada (datos), proceso (instrucciones) y salida (resultados).1 En este sentido, un algoritmo se puede comparar a una funci on matem atica: + : Z ZZ Z Z Z (algoritmo) (entrada) (proceso) (salida) Incluso en algoritmos no matem aticos es f acil identicar las tres partes: entrada, proceso y salida. As ocurre, por ejemplo, en las instrucciones para hacer la declaraci on de la renta. Caracter sticas de los algoritmos La descripci on de algoritmo que se ha dado es algo imprecisa. Una caracterizaci on m as completa deber a incluir adem as los siguientes requisitos: 1. Precisi on Un algoritmo debe expresarse de forma no ambigua. La precisi on afecta por igual a dos aspectos: (a) Al orden (encadenamiento o concatenaci on) de los pasos que han de llevarse a cabo. (b) Al contenido de las mismas, pues cada paso debe saberse realizar con toda precisi on, de forma autom atica. Por lo tanto, una receta de cocina puede ser considerada como un m etodo, pero carece de la precisi on que requieren los algoritmos debido al uso de expresiones como a nadir una pizca de sal, porque qu e debe entenderse por una pizca?
Es habitual llamar datos a la entrada y resultados a la salida, aunque el concepto de dato es m as amplio, y abarca a toda la informaci on que maneja un algoritmo, ya sea inicialmente o a su t ermino, as como tambi en durante el transcurso de su utilizaci on.
1
1.2. Concepto de algoritmo
Principio
1
a
2
a = 0
NO
4
a a-1
b b+1
6 SI
b
7
Fin
Figura 1.2. Diagrama de ujo de la suma lenta.
2. Determinismo Todo algoritmo debe responder del mismo modo ante las mismas condiciones. Por lo tanto, la acci on de barajar un mazo de cartas no es un algoritmo, ya que es y debe ser un proceso no determinista. 3. Finitud La descripci on de un algoritmo debe ser nita. Un primer ejemplo Consideremos el ejemplo que, expresado gr acamente,2 aparece en la gura 1.2. El algoritmo descrito tiene por objetivo sumar dos cantidades enteras. Si se anotan esas cantidades inicialmente en sendas casillas (a las que llamaremos a y b para abreviar), este m etodo consiste en ir pasando de a a b una unidad cada vez, de forma que, cuando a = 0, el resultado ser a el valor de b. Vemos un ejemplo de su funcionamiento con los datos 2 y 3 en la gura 1.3. (Los n umeros se han incluido para seguir mejor la evoluci on de los c alculos.) Se observa que la descripci on del algoritmo que se ha dado es, en efecto, precisa (cada paso est a exento de ambig uedad, as como el orden en que se debe efectuar) y determinista (el efecto de cada paso es siempre el mismo para unos datos concretos cualesquiera). Estas dos caracter sticas son una consecuencia del lenguaje escogido para expresar el algoritmo.
El lenguaje empleado es el de los diagramas de ujo, que estudiaremos en el cap tulo 7, apartado 7.2.1. Esperamos que, debido a su sencillez, el funcionamiento de este ejemplo resulte comprensible directamente.
2
8 Posici on 1 2 3 4 5 3 4 5 3 6 7
Cap tulo 1. Problemas, algoritmos y programas Datos pendientes [2, 3] [3] [] [] [] [] [] [] [] [] [] Resultados emitidos [] [] [] [] [] [] [] [] [] [] [5] Var a ? 2 2 2 1 1 1 0 0 0 0 Var b ? ? 3 3 3 4 4 4 5 5 5
Figura 1.3. Ejecuci on de la suma lenta con los datos 2 y 3.
En cambio, si bien es cierto que, con los datos del ejemplo, se ha obtenido una soluci on, si se examina con detenimiento se ver a que ese algoritmo no siempre termina para dos cantidades enteras cualesquiera (v. g. 3 y 1). De hecho, la terminaci on es una caracter stica escurridiza de la que hablaremos m as tarde (v ease el apartado 1.3.1).
1.2.2
Una denici on formal de algoritmo
La caracterizaci on hecha hasta ahora de los algoritmos es satisfactoria a efectos pr acticos. M as concreta a un resulta a la vista de un lenguaje algor tmico como el de los diagramas de ujo, que deja entrever dos aspectos: El mantenimiento de unas variables (a y b) y de unas posiciones (1, . . . , 7), a lo que llamamos estado. Por ejemplo, cada la de la tabla de la gura 1.3 representa un estado en la evoluci on del algoritmo 1.2. La descripci on de transiciones entre estados, que vienen dadas por el propio diagrama. Estos aspectos de los algoritmos est an ausentes de la primera denici on, por lo que puede resultar a un algo incompleta; surge pues la necesidad de una denici on m as formal: Denici on: mentos: Un algoritmo es una cu adrupla que comprende los siguientes ele-
1. El conjunto de los estados (llam emosle E ) que pueden presentarse en todo momento durante el c alculo.
1.2. Concepto de algoritmo Un estado viene dado por una tupla, incluyendo: los valores de las variables que entran en juego; los datos sin leer y los resultados emitidos, y
la marca, identicando la posici on del algoritmo en la que se da este estado de los c alculos.
Es decir, un estado se puede expresar as : <Datos por leer; Resultados emitidos; Variables; Posici on> 2. La identicaci on de los estados iniciales, I E , o estados posibles al comienzo del algoritmo. 3. La identicaci on de los estados nales, F E , como posibles estados al terminar el algoritmo. 4. Una funci on de transici on entre estados, t : E E que describe el efecto de cada paso del c omputo asociado al algoritmo. Esta funci on deber a: Estar denida dentro de E , esto es, para cualquier e E debemos tener que t(e) E . As , las transiciones entre estados son precisas y deterministas. A partir de cualquier estado inicial, la funci on de transici on t debe llevar a un estado nal en un n umero nito de pasos, formalmente: para cualquier e I existe un k IN tal que
t se aplica k veces
t(t( t(e) )) F y, adem as, no tiene efecto alguno sobre los estados nales, es decir: para cualquier e F ocurre que t(e) = e. De aqu se obtiene la caracter stica de nitud. Siguiendo con el algoritmo del diagrama de ujo de la gura 1.2, identicamos los siguientes estados: E = { < 1 ; [ d1 , d2 ] ; [ ] ; < 2 ; [ d2 ] [] [] ; [] ; < p ; < 7 ; a a0 > > > }
; [r ] ;
; [ ] ; a a 0 , b b0 >
10
donde d1 , d2 , a, b, r IN, p {3, . . . , 6}, y siendo I = {< 1; [d1 , d2 ]; [ ]; >} y F = {< 7; [ ]; [r]; >}. La funci on de transici on t es la siguiente: t(< 1; [d1 , d2 ]; [ ]; >) t(< 2; [d2 ]; [ ]; a d1 >) = < 2; [d2 ]; [ ]; a d1 >
= < 3; [ ]; [ ]; a d1 , b d2 > < 6; [ ]; [ ]; b b0 > si a = 0 t(< 3; [ ]; [ ]; a a0 , b b0 >) = < 4; [ ]; [ ]; a a0 , b b0 > si a = 0 t(< 4; [ ]; [ ]; a a0 , b b0 >) = < 5; [ ]; [ ]; a a0 1, b b0 > t(< 5; [ ]; [ ]; a a0 , b b0 >) = < 3; [ ]; [ ]; a a0 , b b0 + 1 > t(< 6; [ ]; [ ]; b b0 >) t(< 7; [ ]; [r]; >) = < 7; [ ]; [b0 ]; > = < 7; [ ]; [r]; >
Desde el punto de vista del usuario de un algoritmo, se puede considerar un algoritmo como una caja opaca cuyos detalles internos se ignoran, aorando s olo la lectura de los datos y la escritura de los resultados. Estos aspectos observables desde el exterior se llaman frecuentemente la interfaz externa. No obstante, el mecanismo interno interesa al autor de algoritmos, esto es, al programador. Para atender esta necesidad, algunos entornos de programaci on permiten trazar programas, con lo que el programador puede ver evolucionar el estado interno durante la marcha de su programa con el grado de detalle que desee (v eanse los apartados 5.4.1 y C.2.6). Esta posibilidad es interesante para depurar los programas, esto es, para buscar los posibles errores y subsanarlos. Para terminar este apartado, debemos decir que el esquema de funcionamiento descrito a base de transiciones entre estados se conoce con el nombre de modelo de von Neumann (v ease el apartado 7.2.1 de [PAO94]). Se dice que este modelo es secuencial, en el sentido de que los pasos se efect uan uno tras otro. De hecho, no es posible acelerar el proceso efectuando m as de un paso a un tiempo, porque cada paso tiene lugar desde el estado dejado por el paso anterior. Este cuello de botella es un defecto propio de las m aquinas de von Neumann. Cualidades deseables de un algoritmo Es muy importante que un algoritmo sea sucientemente general y que se ejecute ecientemente. Veamos con m as detalle qu e se entiende por general y por eciente:
s sobre los algoritmos 1.3. Aspectos de intere 1. Generalidad
11
Es deseable que un algoritmo sirva para una clase de problemas lo m as amplia posible. Por ejemplo, la clase de problemas resolver una ecuaci on de segundo grado, a + bx + cx2 = 0 es m as general que la consistente en resolver ecuaciones de primer grado, a + bx = 0. 2. Eciencia Hablando en t erminos muy generales, se considera que un algoritmo es tanto m as eciente cuantos menos pasos emplea en llevar a cabo su cometido. Por ejemplo, para hallar la suma de dos n umeros naturales, la regla tradicional que se aprende en ense nanza primaria es m as eciente que el rudimentario procedimiento de contar con los dedos, de uno en uno. Este tema se revisar a en el apartado 1.3.3, y ser a tratado con mayor detalle en el cap tulo 18. Estas dos cualidades no son siempre conciliables, por lo que frecuentemente hay que optar por una soluci on en equilibrio entre ambas cuando se dise na un algoritmo. Por ejemplo, un algoritmo que estudia y resuelve sistemas de ecuaciones es m as general que uno que resuelve sistemas de ecuaciones lineales, y este a su vez es m as general que otro que s olo considera sistemas de dos ecuaciones lineales con dos inc ognitas. Sin embargo, a mayor generalidad se tiene tambi en una mayor complejidad puesto que hay que tratar m as casos y no se pueden aplicar algoritmos espec cos. Por consiguiente, si un buen n umero de situaciones puede resolverse con un algoritmo r apido aunque poco general, es preferible adoptar este.
1.3
1.3.1
Aspectos de inter es sobre los algoritmos

Computabilidad
Con el aumento de potencia y el abaratamiento de los computadores, cada vez se plantean aplicaciones m as sorprendentes y de mayor envergadura, capaces de resolver problemas m as generales. Da la impresi on de que cualquier problema que se plantee ha de ser computable (esto es, ha de tener una soluci on algor tmica), sin otra limitaci on que la potencia de la m aquina ejecutora. Sin embargo, esto no es as . Por rotunda que pueda parecer esta armaci on, se debe aceptar que hay problemas no computables La cuesti on que se plantea es algo delicada: advi ertase que, si no se conoce algoritmo que resuelva un problema planteado, s olo se puede asegurar que no
12
se conoce algoritmo que resuelva ese problema; en cambio, establecer que un problema no es computable requiere demostrar que nunca se podr a encontrar ning un algoritmo para resolver el problema planteado. Los siguientes son ejemplos de problemas no computables: D ecimo problema de Hilbert.
Resolver una ecuaci on diof antica con m as de una inc ognita. Esto signica encontrar soluciones enteras de una ecuaci on de la forma P (x1 , x2 , . . .) = 0, donde P es un polinomio con coecientes enteros.
Problema de la parada.
Determinar si un algoritmo a naliza o no cuando opera sobre una entrada de datos d: si a(d) S Stop(a, d) = No si a(d)
donde a(d) (resp. a(d) ) expresa que el algoritmo a, aplicado al dato d, s para (resp. no para).
Examinaremos con m as atenci on el problema de la parada, y despu es veremos cu an escurridizo puede resultar determinar si un algoritmo particular para o no considerando un sencillo ejemplo. Claro est a que esto no demuestra nada salvo, en todo caso, nuestra incapacidad para analizar este algoritmo en concreto. Por ello, incluimos seguidamente una demostraci on de que es imposible hallar un algoritmo capaz de distinguir entre los algoritmos que paran y los que no. Obs ervese que se plantea aqu estudiar algoritmos que operan sobre algoritmos, vistos como datos. Por extra no que parezca al principio, en Computaci on se desarrollan frecuentemente programas que manejan otros programas con diversos nes. El problema de la parada no es computable El problema de la parada, denido m as arriba, se puede expresar como sigue: se puede examinar cualquier algoritmo y decidir si para? Demostraremos que no existe, ni puede existir, el algoritmo Stop que distinga si un algoritmo a para cuando se aplica a los datos d. Procederemos por reducci on al absurdo: Suponiendo que existe ese algoritmo (descrito m as arriba como Stop), a partir de el es posible construir otro similar, Stop, que averig ue si un algoritmo a para cuando se aplica a su propio texto: Stop(p) = Stop(p, p) = S No si p(p) si p(p)
s sobre los algoritmos 1.3. Aspectos de intere
13
Y entonces, tambi en se puede denir el siguiente algoritmo a partir del anterior: Raro(p) = No si Stop(p) = S si Stop(p) = No = No si p(p) si p(p)
Veamos que el algoritmo Raro tiene un comportamiento verdaderamente extra no cuando se aplica a s mismo: No No si Stop(Raro) = S si Stop(Raro) = No si Raro(Raro) si Raro(Raro)
Raro(Raro) = =
lo que resulta obviamente imposible. La contradicci on a que hemos llegado nos lleva a rechazar la hip otesis inicial (la existencia de un algoritmo para el problema de la parada), como quer amos demostrar. N umeros pedrisco Como ejemplo de la dicultad de examinar un algoritmo y decidir si concluir a tarde o temprano, consideremos la siguiente funci on t: IN IN: 3n + 1 si n es impar t( n ) = n/2 si n es par Partiendo de un n umero natural cualquiera, le aplicamos t cuantas veces sea necesario, hasta llegar a 1. Por ejemplo, 3 10 5 16 8 4 2 1 Esta sencilla sucesi on genera n umeros que saltan un n umero de veces impredecible, de manera que cabe preguntarse si todo natural n alcanza el 1 tras una cantidad nita de aplicaciones de t, o por el contrario existe alguno que genera t erminos 3 que saltan indenidamente. Se ha comprobado, por medio de computadores, que la sucesi on llega a 1 si 40 12 se comienza con cualquier n umero natural menor que 2 10 , pero a un no se ha podido demostrar para todo n.
3
27 1
t111
Este problema tambi en se conoce como problema 3n+1.
14
1.3.2
Correcci on de algoritmos
El aspecto de la correcci on es de crucial importancia para quien desarrolla un algoritmo. Sin embargo, es imposible detectar los posibles errores de una forma sistem atica. Con frecuencia, la b usqueda de errores (depuraci on) consiste en la comprobaci on de un algoritmo para unos pocos juegos de datos. Sin embargo, eso no garantiza nada m as que el buen funcionamiento del algoritmo para esos juegos de datos y no para todos los posibles. Volviendo al algoritmo de la suma lenta, la comprobaci on con los juegos de datos [2, 3] y [3, -1] ofrecer a resultados correctos, y sin embargo el algoritmo u nicamente termina cuando el primer sumando es (un entero) positivo. Frente a la comprobaci on, la vericaci on consiste en la demostraci on del buen funcionamiento de un algoritmo con respecto a una especicaci on. Esto es, la vericaci on trata de garantizar que, para todos los datos considerados (descritos en la especicaci on), el algoritmo lleva a los resultados (tambi en descritos en la especicaci on) deseados. Por eso, aunque frecuentemente se habla de correcci on de un algoritmo, sin m as, en realidad hay que decir correcci on de un algoritmo con respecto a una especicaci on. Por lo general, la vericaci on se basa en establecer aserciones (propiedades) del estado de la m aquina en cada paso del algoritmo. Se profundizar a en esta idea a lo largo de todo el texto. Por ejemplo, para vericar el funcionamiento del algoritmo de suma lenta, consideremos que se hace funcionar sobre dos enteros gen ericos m y n. Claramente, al llegar a la posici on 3 por vez primera, a = m y b = n. Por otra parte, en la posici on 3 se tiene invariablemente la propiedad a+b=m+n independientemente de las vueltas que se den y de las modicaciones que se efect uen sobre a y b,4 ya que cada unidad que se reste a a se le suma a b. Ahora bien, cuando se pasa de la posici on 3 a la 6 es por ser a = 0, con lo que se tiene, simult aneamente, el invariante a + b = m + n y a = 0, es decir: b=m+n lo que asegura que la salida es correcta. . . cuando esta se produzca. Un algoritmo que ofrece una soluci on correcta cuando para, pero del que no sepamos si para o no, se dice parcialmente correcto. Ese es el caso de la suma lenta de n umeros enteros. Adem as, si inicialmente a es un n umero natural, es seguro que el algoritmo para, ya que la operaci on a a 1 lo llevar a a cero, precisamente en a vueltas del bucle. Si se asegura que un algoritmo es parcialmente correcto y que para
4
Por ello, esta propiedad se conoce como invariante.
s sobre los algoritmos 1.3. Aspectos de intere
15
es el en un tiempo nito, se dice que el algoritmo es (totalmente) correcto. Ese caso de la suma lenta de pares de n umeros, siendo el primero de ellos entero y positivo. La vericaci on de algoritmos no es una tarea f acil. Al contrario, vericar completamente un algoritmo involucra el uso de l ogica matem atica, y con frecuencia resulta incluso m as complicado que desarrollarlo. De ah el inter es que tiene esmerarse, desde el principio, en escribir algoritmos correctos, adquiriendo un buen estilo y esforz andose en emplear metodolog as apropiadas para ello.
1.3.3
Complejidad de algoritmos
Resulta de gran inter es poder estimar los recursos que un algoritmo necesita para resolver un problema. En m aquinas secuenciales, estos recursos son el tiempo y la memoria.5 Muchas veces, un algoritmo tarda tanto en ofrecer el resultado que resulta, en realidad, in util. Un ejemplo de esta situaci on se da en sistemas de control de procesos, en donde la respuesta a determinadas circunstancias debe disparar mecanismos de seguridad en un tiempo cr tico (por ejemplo, en centrales nucleares). An alogamente para el espacio, es posible que la m aquina en que ha de funcionar un programa disponga de una capacidad de memoria limitada y nos veamos obligados a elegir algoritmos que usen poca memoria. Por lo tanto, existen situaciones en las que si disponemos de varios algoritmos para un mismo problema, deberemos decidir cu al es el m as r apido o el que menos cantidad de memoria requiere. En el cap tulo 18 se ahondar a en esta idea. Como el tiempo requerido por los programas depende en gran medida de la potencia de la m aquina ejecutora, es frecuente medir en pasos (de coste jo) el coste del algoritmo correspondiente. Para concretar un poco, y siguiendo con el ejemplo de la suma lenta, consideremos que cada bloque o caja del diagrama es un paso y, por tanto, cuesta una unidad. Entonces, es f acil deducir que sumar los naturales m y n lleva 3m + 4 pasos. En efecto, llamando tm al coste de sumar m y n, se tiene que t0 = 4 pasos tm = tm1 + 3, si n 1 pues para sumar 0 y n hay que realizar cuatro pasos (v ease la gura 1.2) y si m = 0 hay que realizar tres pasos para reducir m en una unidad; resumiendo t0 = 4
En los u ltimos a nos, tambi en est a interesando medir el n umero de procesadores en m aquinas de procesamiento en paralelo (v ease el apartado 3.5 de [PAO94]).
5
16
Cap tulo 1. Problemas, algoritmos y programas t1 = t0 + 3 = 4 + 3 1
t2 = t1 + 3 = 4 + 3 2 . . . . . . . . .
tm = tm1 + 3 = 4 + 3 m independientemente de n. Por otra parte, es frecuente concentrar el inter es en el coste para datos grandes estudiando el comportamiento asint otico. De este modo, es posible redondear el tiempo despreciando t erminos dominados por otros: 3m + 4 3m Tambi en es frecuente despreciar factores de proporcionalidad, absorbidos por las velocidades de proceso de m aquinas con distinta potencia, con lo cual 3m m de manera que, en resumen, se dir a que el algoritmo estudiado tiene coste lineal. Naturalmente, podemos encontrarnos algoritmos con coste constante, logar tmico, lineal, cuadr atico, exponencial, etc. Hallar el coste de un algoritmo no es en general una tarea f acil. Con frecuencia requiere una fuerte base matem atica. Sin embargo, tambi en es u til comprender, desde el principio, que la potencia de los computadores no es ilimi es el inter tada, y que la ejecuci on de los programas consume sus recursos. Ese es de que merezca la pena esforzarse por estudiar y encontrar algoritmos ecientes, aunque ello requiere muchas veces sacricar su simplicidad.
m
1.4
Lenguajes algor tmicos y de programaci on
La descripci on de un algoritmo incluye organizar los datos que intervienen en el mismo, as como las acciones que se deben llevar a cabo sobre ellos. Una vez ideado el algoritmo, el modo m as natural e inmediato (y tambi en el menos formal) de expresar esa organizaci on es redact andolo con palabras y frases del lenguaje cotidiano. En el extremo opuesto se sit uan, por su rigidez, los lenguajes de programaci on. Entre la libertad, exibilidad y ambig uedad de los lenguajes naturales y la precisi on, rigidez y limitaciones de expresividad de los lenguajes de programaci on se sit uan los lenguajes algor tmicos. Estos tienen las siguientes cualidades: 1. Tienden un puente entre la forma humana de resolver problemas y su resoluci on mediante programas de computador.
n 1.4. Lenguajes algor tmicos y de programacio
17
2. Tienen cierta independencia de los lenguajes de programaci on particulares, de modo que est an libres de sus limitaciones y as los algoritmos escritos en ellos se pueden traducir indistintamente a un lenguaje de programaci on u otro. Por ello, los lenguajes algor tmicos constituyen una herramienta expresiva con una libertad y exibilidad pr oxima a la de los naturales y con el rigor de los de programaci on. En realidad, las u nicas restricciones que deber an imponerse a estos lenguajes proceden de las caracter sticas que tienen los algoritmos: expresar sus acciones (qu e deben realizar y cu ando ) con la precisi on necesaria, y que estas acciones sean deterministas. Por consiguiente, todo lenguaje algor tmico debe poseer mecanismos con que expresar las acciones as como el orden en que han de llevarse a cabo. Las acciones, se expresan mediante instrucciones (tambi en llamadas ordenes o sentencias), que son comparables a verbos en innitivo: asignar. . , leer. . , escribir. . . y otras. La concatenaci on de las instrucciones expresa en qu e orden deben sucederse las acciones; esto es, c omo se ensamblan unas tras otras. Los modos m as usados para ensamblar ordenes son la secuencia, la selecci on y la repetici on, y los estudiaremos en el cap tulo 7. A la vista de las observaciones anteriores es l ogico cuestionar que los lenguajes naturales sean algor tmicos (debido sobre todo a la ambig uedad que es inherente a ellos). Adem as, resulta m as pr actico utilizar medios de expresi on normalizados, facilit andose la comunicaci on entre dise nadores y usuarios de los algoritmos y las personas que los desarrollan. Los diagramas de ujo constituyen uno de los lenguajes algor tmicos que mayor difusi on han alcanzado, aunque su uso est a menguando dr asticamente en los u ltimos a nos en favor de otros m etodos m as apropiados desde el punto de vista formativo.6 Entre ellos, debe citarse el seudoc odigo, que aportar a valiosas ideas para la adquisici on de un buen estilo de programaci on y, en denitiva, para aprender c omo enfocar la resoluci on de problemas complicados. Seguidamente, describimos el algoritmo de la suma lenta mediante seudoc odigo:
Sean a, b Z Z Leer a y b Mientras a = 0, hacer Escribir b
6
aa1 bb+1
De hecho, nosotros desaconsejamos su uso como lenguaje de desarrollo de algoritmos, limitando su estudio a mostrar, precisamente, lo que no es la programaci on estructurada (v ease el apartado 7.2.1).
18
En la pr actica, el seudoc odigo se usa como un medio expresivo de camino hacia un lenguaje de programaci on concreto. Por tanto, es l ogico que los algoritmos seudocodicados tengan un parecido notorio con los programas escritos en ese lenguaje. En concreto, comp arese por ejemplo el seudoc odigo anterior con el programa siguiente, escrito en Pascal:
Program SumaLenta (input, output); {Se suman dos enteros, pasando unidades de uno a otro} {PreC.: input = [m n], enteros} var a, b: integer; begin ReadLn (a, b); {Inv.: a + b = m + n} while a <> 0 do begin a:= a-1; b:= b+1 end; {while} WriteLn(b) end. {SumaLenta}
1.5
Desarrollo sistem atico de programas
En los u ltimos a nos, las aplicaciones comerciales se han hecho cada vez m as grandes y complejas y, por tanto, su desarrollo resulta cada vez m as caro, lento y sujeto a numerosos errores. Este problema fue tremendamente importante hacia los a nos sesenta (se hablaba entonces de crisis del software ), y para tratar de solucionarlo surgi o entonces la Ingenier a del software, que considera el desarrollo de programas y aplicaciones como un proceso productivo donde se aplican t ecnicas de ingenier a. El desarrollo del software se organiza en fases, que en conjunto se conocen como el ciclo de vida.7 Son las siguientes: Planicaci on: En esta fase inicial hay que constatar la verdadera necesidad del producto que se va a desarrollar y valorar los recursos humanos y t ecnicos que precisa su desarrollo. Esta valoraci on se traduce en coste econ omico y tiempo de elaboraci on. Si se aprueba el proyecto, se pasa a la fase siguiente.
La organizaci on de estas fases da lugar a diversas variantes del ciclo de vida, siendo uno de los m as aplicados el conocido como ciclo de vida cl asico . Existen cr ticas importantes a este, b asicamente por su car acter secuencial y por la dicultad de establecer inicialmente todas las especicaciones. En respuesta a estas cr ticas se han creado otros modelos de desarrollo como son la utilizaci on de prototipos y de lenguajes de cuarta generaci on (4GL) y el llamado modelo en espiral.
7
tico de programas 1.5. Desarrollo sistema
19
An alisis: En la fase de an alisis se establecen cu ales deben ser la funciones que debe cumplir la aplicaci on y c omo debe realizarse el trabajo conjunto de los diferentes m odulos en que se va a dividir. Dentro de esta fase se determina un sistema de pruebas que permita detectar los posibles errores y asegurar el funcionamiento correcto de la aplicaci on y las condiciones para unir los m odulos de forma able. Como resultado de esta fase se redactan las especicaciones detalladas del funcionamiento general del software . Dise no: En esta fase se dise na el conjunto de bloques, se dividen en partes y se asignan a los equipos de programadores. Cada equipo elabora su parte, escribi endola en un lenguaje algor tmico y prob andola de forma manual. Como resultado de esta fase se obtienen algoritmos escritos en lenguaje algor tmico. Codicaci on: La fase de codicaci on se confunde muchas veces con la programaci on y consiste en escribir los algoritmos en un lenguaje de programaci on. Es un proceso casi autom atico. Validaci on: La fase de validaci on consiste en aplicar el sistema de pruebas a los m odulos, a las conexiones entre ellos (prueba de integraci on) y, por u ltimo, a la totalidad de la aplicaci on (prueba de validaci on). Como resultado de esta fase se genera la aplicaci on habiendo corregido todos los errores detectados en las pruebas. Mantenimiento: En la fase de mantenimiento se redacta la documentaci on actualizada, tanto para el programador como para el usuario. Se inicia la explotaci on de la aplicaci on y se detectan y corrigen los errores y deciencias no advertidas en las fases anteriores, lo que puede suponer un coste a nadido importante. El resultado de esta fase es una aplicaci on en explotaci on. Evidentemente, en un curso como este, los programas que vamos a desarrollar no requieren, por su reducido tama no, la ejecuci on de todas estas fases. Sin embargo, conviene advertir que la tarea de la programaci on no consiste en la codicaci on (escritura de un programa) directa, ni siquiera para programas sencillos, sino que incluye otras fases: es necesario comprender primero el problema que se plantea; si se puede dividir en subproblemas, esto reduce la complejidad, aunque en ese caso hace falta acoplar los diferentes m odulos (por el momento, digamos que se trata de fragmentos de programa); y, por supuesto, es ineludible que el programa sea correcto, de forma que este requisito necesario merece toda nuestra atenci on.
20
1.6
Conclusi on
La importancia de los algoritmos y de los lenguajes algor tmicos reside en su capacidad para expresar procesos, encaminados a ofrecer la soluci on a problemas planteados, con independencia de los lenguajes de programaci on, y aun de la m aquina, siendo as posible el desarrollo de algoritmos para computadores todav a no creados: de hecho, muchos de los programas actuales responden a algoritmos concebidos mucho antes de que apareciera el primer computador: consid erese por ejemplo el m etodo que ide o Euclides en el siglo iv a. C. para hallar el m aximo com un divisor de dos n umeros naturales. Los lenguajes de programaci on son tambi en importantes, ya que permiten materializar los algoritmos, raz on por la que se ha avanzado tanto en el estudio de estos en las u ltimas d ecadas. Por otra parte, tratar el m etodo (algoritmo ) como objeto de estudio supone un salto de nivel en la resoluci on de problemas, ya que ahora no s olo se requiere la aplicaci on de un determinado procedimiento de resoluci on, sino que cobra importancia la invenci on y descripci on del mismo. Es decir, para resolver un problema habr a que identicar qu e acciones conducen a la soluci on, y c omo describirlas y organizarlas. En otras palabras, en este cap tulo, nuestro modus operandi ha consistido en: 1. Disponer de un problema y un m etodo. 2. Resolverlo; es decir, aplicar el m etodo al problema. mientras que, a partir de ahora, s olo disponemos de un problema y no del m etodo que debemos aplicar, por lo que deberemos dise nar y desarrollar el mismo para poder aplicarlo al problema planteado. En resumidas cuentas, la resoluci on de un problema general requerir a: 1. Dise nar un algoritmo apropiado. 2. Escribir el programa correspondiente en un lenguaje de computador. 3. Ejecutar el programa correspondiente para el juego de datos del problema.
1.7
Ejercicios
(i) Resolver una ecuaci on de primer grado de la forma a + bx = 0. (ii) Sumar dos fracciones. (iii) Interpretar una partitura al viol n.
1. Considere la relaci on de problemas:
ficas 1.8. Referencias bibliogra

(iv) Hacer la cuenta atr as, desde 10 hasta 0. Para cada uno de ellos, se pide que: (a) Identique cu ales son los datos y los resultados. (b) Describa un problema m as general y, si se puede, otro menos general.
21
(c) Distinga cu ales de esos problemas pueden resolverse mediante algoritmos y cu ales no. (d) Esboce, con sus propias palabras o en seudoc odigo, un algoritmo para los problemas (i), (ii) y (iv). 2. El problema de restar dos enteros positivos se puede resolver por un procedimiento an alogo al de la suma lenta: en vez de pasar unidades de una cantidad a la otra, (2, 3) (1, 4) (0, 5) 5 se van restando unidades a ambas a la vez: (9, 2) (8, 1) (7, 0) 7 Se pide que: (a) Escriba un diagrama de ujo para este problema. (b) Examine c omo evoluciona para el c alculo de 5 2. (c) Estudie su complejidad. (d) Estudie su correcci on. (e) Exprese el algoritmo en seudoc odigo. (f) Redacte el programa correspondiente en Pascal bas andose en el programa presentado para la suma lenta.
1.8
Referencias bibliogr acas
Muchos de los conceptos que se estudian en este cap tulo (y en algunas otras partes de este libro) pueden consultarse tambi en en [GL86], que ofrece una introducci on clara y amena a diversos aspectos te oricos y pr acticos sobre los algoritmos y programas, su desarrollo y ejecuci on, as como sus implicaciones sociales. La formalizaci on de los algoritmos dada aqu es una adaptaci on de la presentada en [FS87]. El apartado de los lenguajes algor tmicos se ampl a un poco en el cap tulo 7 de este mismo libro, donde se introducen el seudoc odigo y los diagramas de ujo. Debe advertirse sin embargo que esta referencia no anima al lector a estudiar los diagramas de ujo ahora, sino m as bien a esperar su momento y limitar su estudio al cometido con que all se introducen. A pesar del t tulo del ep grafe lenguajes algor tmicos y de programaci on, no se ha dicho mucho sobre estos u ltimos: en realidad, la idea es establecer un primer v nculo entre ellos. Para ampliar lo dicho aqu sobre los lenguajes de programaci on, remitimos al cap tulo 5 de [PAO94] y a la bibliograf a que all se reere.
Cap tulo 2
El lenguaje de programaci on Pascal
2.1 2.2 2.3 2.4
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . Otros detalles de inter es . . . . . . . . . . . . . . . . . . Origen y evoluci on del lenguaje Pascal . . . . . . . . . Pascal y Turbo Pascal . . . . . . . . . . . . . . . . . . . .
23 24 24 25
En este breve cap tulo se presenta el lenguaje de programaci on Pascal, resaltando algunas de sus caracter sticas m as importantes, como la sencillez de sus instrucciones, la estructuraci on de estas y su capacidad expresiva, que permite implementar algoritmos de muy diversa ndole. Estas caracter sticas, entre otras, son las que justican que Pascal sea el lenguaje de programaci on utilizado en este libro.
2.1
Introducci on
Pascal es un lenguaje de alto nivel : se parece m as al lenguaje natural hablado, o al matem atico, que al lenguaje de m aquina (v ease el cap. 5 de [PAO94]). Este nivel se alcanza gracias a una peque na colecci on de mecanismos simples pero de una gran potencia: unos permiten estructurar acciones (secuencia, selecci on e iteraci on), otros datos (arrays, registros, cheros), y otros hacen posible extender el lenguaje, dot andolo en general con conceptos (datos y operaciones) semejantes a los empleados en el razonamiento humano sobre los problemas, como se mostr o en el apartado 1.4.
24
n Pascal Cap tulo 2. El lenguaje de programacio
La gran expresividad debida a la particular estructuraci on de sus datos y de su peque na colecci on de instrucciones evita la necesidad de recurrir a otros mecanismos (probablemente enrevesados, dif ciles de expresar y de analizar, como por ejemplo la instrucci on de bifurcaci on incondicional goto); por todo esto decimos que es un lenguaje estructurado (v ease el cap tulo 7). Por otra parte, permite crear m odulos que extienden el lenguaje (por lo que se dice que es modular ; ver el cap tulo 9); esta caracter stica permite desarrollar programas dividi endolos en partes (m odulos o subprogramas) m as peque nas, independientes, que se pueden desarrollar por separado. Una caracter stica positiva de Pascal es su reducido conjunto de instrucciones, lo que lo hace relativamente compacto y f acil de aprender. En resumen, el lenguaje Pascal facilita la adquisici on de buenos h abitos de programaci on y proporciona los instrumentos que permiten adaptarse a los principales m etodos de desarrollo de algoritmos: programaci on estructurada y modular y denici on y uso de tipos de datos. Estas t ecnicas han convertido en las u ltimas d ecadas a la programaci on en una actividad disciplinada y guiada por una cierta metodolog a, y el lenguaje Pascal ha contribuido enormemente a su difusi on y utilizaci on. Por ello, es adem as id oneo como primer lenguaje de programaci on, facilitando el aprendizaje posterior de otros. As lo prueba su fuerte implantaci on.
2.2
Otros detalles de inter es
La mayor a de los traductores del Pascal son compiladores (v ease el apartado 5.3.1 de [PAO94]): el programa en Pascal se traduce de una sola vez a lenguaje m aquina antes de ser ejecutado, y en ese proceso se detectan gran cantidad de errores de forma autom atica, permitiendo al programador enmendarlos antes de la ejecuci on. Como ejemplo de las vericaciones que se efect uan durante la compilaci on, una de las m as importantes consiste en la compatibilidad de los tipos de los objetos. Antes de la aparici on de Pascal exist an lenguajes dirigidos a la programaci on cient ca (como Fortran) y otros dirigidos a la de gesti on (como Cobol). El lenguaje Pascal trata de conciliar los dos tipos de programaci on, por lo que suele decirse que Pascal es un lenguaje de prop osito general.
2.3
Origen y evoluci on del lenguaje Pascal
Es obvio decir que Pascal toma el nombre del matem atico franc es Blaise Pascal (16231662) que en 1642 invent o la primera m aquina de calcular para ayudar a su padre en su trabajo de tasador de impuestos.
2.4. Pascal y Turbo Pascal
25
El lenguaje Pascal fue concebido por Niklaus Wirth en 1968 y denido en 1970 en el Instituto Polit ecnico de Zurich para ense nar la programaci on a sus alumnos. Desde que comenz o a utilizarse (1971), ha tenido un enorme desarrollo y difusi on, adapt andose a la mayor a de los computadores, grandes y peque nos. Actualmente es uno de los lenguajes m as usados en las universidades de muchos pa ses del mundo. Gracias a esta difusi on, junto con los compiladores de este lenguaje, se han desarrollado potentes entornos de programaci on de gran calidad y bajo precio. Algunas de las implementaciones del lenguaje son Turbo Pascal c (que funciona en computadores compatibles PC, bajo el sistema operativo DOS y bajo Windows), Macintosh Pascal c , VAX Pascal c , Microsoft Pascal c y Quick Pascal c . Es un lenguaje estandarizado, estando recogido en el Pascal User Manual and Report de K. Jensen y N. Wirth [JW85]. Por lo general, las distintas versiones se adaptan al est andar y lo extienden. Por lo tanto, un programa escrito en Pascal est andar (seg un el Pascal User Manual and Report ) debe funcionar en la mayor a de las versiones; en cambio, si una versi on contiene extensiones, lo m as probable es que no funcione en las otras. En cualquier caso, es ciertamente comprensible que las caracter sticas presentadas aqu , sin conocer el lenguaje, pueden sonar a hueco, ya que el momento apropiado para una valoraci on cabal es a posteriori , despu es de un conocimiento m as completo de este lenguaje e incluso otros: s olo as puede apreciarse su elegancia conceptual, la enorme inuencia que ha tenido en el desarrollo de otros, en la ense nanza de la programaci on y en la metodolog a de desarrollo de programas y, naturalmente, tambi en sus limitaciones. Quienes ya conozcan este lenguaje en mayor o menor medida, o quienes deseen ampliar el contenido de este libro, pueden encontrar en [Wir93] una visi on panor amica, escrita por el propio Wirth.
2.4
Pascal y Turbo Pascal
La posici on que se adopta en este libro acerca del lenguaje de programaci on utilizado es intermedia, entre el est andar ideado inicialmente (lo que es conveniente para que los programas sean transportables) y un compilador real (lo que tiene la ventaja de permitir la pr actica en el desarrollo de programas). El compilador concreto adoptado es Turbo Pascal, potente, r apido, de amplia difusi on y dotado con un entorno muy bien desarrollado que facilita la tarea del programador. El inconveniente consiste en que Turbo Pascal, como la mayor a de los compiladores existentes, incluye diferencias con respecto a Pascal est andar, aunque
26
n Pascal Cap tulo 2. El lenguaje de programacio
estas son m nimas: debe decirse que casi no tiene limitaciones, y que en cambio ofrece una gran cantidad de extensiones. Nuestra decisi on ha sido trabajar con este compilador1 para que sea posible al alumno desarrollar sus pr acticas, haciendo uso de las m nimas herramientas extendidas del mismo y se nalando en todo caso las diferencias con respecto al est andar. Adem as se incluye un ap endice sobre Turbo Pascal donde se presentan las caracter sticas y diferencias m as importantes con Pascal est andar.
Para nuestros prop ositos es v alida cualquier versi on de Turbo Pascal desde la 4.0 hasta la 7.0, as como Turbo Pascal para Windows y Borland Pascal.
Cap tulo 3
Tipos de datos b asicos
3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo integer . . . . . . . . . . . . . . . . . . . . . . . . El tipo real . . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo char . . . . . . . . . . . . . . . . . . . . . . . . . . El tipo boolean . . . . . . . . . . . . . . . . . . . . . . . . Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . El tipo de una expresi on . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28 28 32 35 36 39 43 43
Es preciso adquirir desde el principio el concepto de dato, puesto que los algoritmos (y por lo tanto los programas) los manejan constantemente,1 desde la entrada (que puede considerarse como la colecci on inicial de datos) hasta la salida (o conjunto de datos resultantes), pasando frecuentemente por un sinf n de resultados provisionales que intervienen en los c alculos intermedios (tales como las cifras de acarreo en una operaci on de multiplicar). Este cap tulo se dedica al estudio de los tipos de datos elementales de Pascal, explicando sus dominios y operaciones, as como la construcci on de expresiones con datos de dichos tipos.
1
De hecho, en un algoritmo se organizan dos aspectos inseparables: acciones y datos.
28
sicos Cap tulo 3. Tipos de datos ba
3.1
Introducci on
Un dato es simplemente la representaci on de un objeto mediante s mbolos manejables por el computador. El uso de n umeros (enteros y reales), caracteres y valores l ogicos es corriente en programaci on. De hecho, casi todos los lenguajes disponen de ellos a priori, por lo que se les llama tambi en tipos de datos predenidos o tambi en est andar. Ciertamente, es posible ampliar nuestro lenguaje con otros objetos a la medida de los problemas que se planteen, tales como vectores o conjuntos (v eanse los cap tulos 11 y 12). Estos se construyen usando los datos predenidos como las piezas m as elementales, por lo que tambi en se les llama tipos de datos b asicos a los tipos de datos predenidos. Sin embargo, lo cierto es que, en principio, s olo se puede contar con los tipos de datos mencionados, que en Pascal se llaman respectivamente integer, real, char y boolean, y que estudiamos a continuaci on.2 Los tipos de datos se caracterizan mediante sus dominios (conjuntos de valores) y las operaciones y funciones denidas sobre esos dominios.
3.2
El tipo integer
Dominio Su dominio, denotado Z , incluye valores enteros positivos o negativos. Debido a las limitaciones de representaci on (v ease el apartado 2.2.3 de [PAO94]), el dominio de integer est a acotado por la constante predenida MaxInt, propia de cada versi on: en Turbo Pascal por ejemplo, MaxInt vale 32767, y el dominio de integer es {-32768,..., 32767}. Los n umeros integer se escriben literalmente sin espacios ni puntos entre sus cifras, posiblemente precedidos por el signo m as o menos, por ejemplo: 174, -273, +17, etc. El diagrama sint actico (v ease apartado 5.2.1 de [PAO94]) de la gura 3.1 resume estos detalles.
Operaciones y funciones Asociadas al tipo integer, se tienen las siguientes operaciones aritm eticas:
En adelante, usaremos letra de molde para escribir el texto en Pascal, excepto las palabras reservadas (v ease el apartado 4.2) que aparecer an en negrilla.
2
3.2. El tipo integer
29
Nmero Entero + Entero sin signo -Entero sin signo Dgito
Dgito ... 0 1 ... ... 9
Figura 3.1.
30 + * div mod
sicos Cap tulo 3. Tipos de datos ba suma resta multiplicaci on divisi on entera resto de la divisi on entera
Su funcionamiento es similar al que tienen en Matem aticas: son operaciones binarias (tienen dos argumentos, salvo la operaci on -, usada tambi en para hallar el opuesto de un entero) e injas (en las expresiones, se sit uan entre sus dos argumentos). Emplearemos la notaci on matem atica div : Z Z Z para expresar que los dos argumentos son de tipo entero y su resultado tambi en lo es. Todas las operaciones presentadas responden a este esquema. Las operaciones div y mod expresan respectivamente el cociente y el resto de la divisi on entera:3 7 7 -7 -7 div 2 ; 3 div -2 ; -3 div 2 ; -3 div -2 ; 3 7 7 7 7 mod 2 ; 1 mod 2 ; 1 mod 2 ; 1 mod 2 ; 1
Obs ervese que verican la conocida regla: dividendo = divisor cociente + resto Adem as, existen las siguientes funciones predenidas: Abs Sqr Pred Succ valor absoluto del entero cuadrado del entero entero predecesor entero sucesor
que son monarias (se aplican a un argumento u nico) y se aplican en forma preja (preceden a su argumento, dado entre par entesis). Estas operaciones y funciones son internas, puesto que convierten argumentos integer en integer: Abs : Z Z Sin embargo, debe observarse que las limitaciones que pesan sobre el tipo integer afectan a las operaciones y funciones, cuyo resultado ser a correcto s olo cuando no rebase los l mites del dominio.
3
Usaremos el s mbolo ; para expresar la evaluaci on de una operaci on o funci on.
3.2. El tipo integer Expresiones
31
Al igual que ocurre en Matem aticas, es posible escribir expresiones combinando los n umeros con esas operaciones y funciones: 2 + 3 * Sqr(2) Entonces, tiene sentido preguntarse en qu e orden se reducir an las operaciones involucradas, ya que el resultado puede depender de ello. Para deshacer la ambig uedad se conviene en evaluar las operaciones *, div y mod antes que + y -, como se hace en Matem aticas; esta idea se expresa habitualmente diciendo que la precedencia de unas operaciones (*, div y mod) es mayor que la de otras. Por ejemplo, la expresi on anterior se calcular a en tres pasos: 2 + 3 * Sqr(2) ; 2 + 3 * 4 ; 2 + 12 ; 14 Similarmente, una expresi on puede resultar ambigua cuando sea posible aplicar dos operaciones con la misma precedencia. Por ejemplo: 7 div 2 * 2 En este caso, se efectuar a la valoraci on de las operaciones asumiendo la asociatividad a la izquierda: 7 div 2 * 2 ; 3 * 2 ; 6 Como ocurre en Matem aticas, es posible forzar un orden de evaluaci on distinto del convenido mediante el uso de par entesis: (2 + 3) * 4 ; 5 * 4 ; 20 7 div (2 * 2) ; 7 div 4 ; 1 Aunque las operaciones anteriores resultan sencillas, combin andolas apropiadamente es posible lograr expresiones que resuelven directamente un gran n umero de problemas. Por ejemplo, si n representa una cierta cantidad (entera) de dinero, en pesetas, n div 25 expresar a su cambio en monedas de cinco duros; n mod 25 el n umero de pesetas restantes, que se podr an cambiar por n mod 25 div 5 duros y n mod 5 pesetas. Con el uso de las funciones, las expresiones adquieren una gran potencia. Como ejemplo, la expresi on (a + b + 1) div 2 + Abs(a - b) div 2 calcula el m aximo de dos cantidades enteras representadas por a y b. Por otra parte, el orden de aplicaci on de las funciones est a exento de ambig uedad debido al uso obligatorio de los par entesis.
32
3.3
El tipo real
Dominio Su dominio, en adelante R, incluye valores num ericos con parte decimal. Las limitaciones en la representaci on de cantidades reales afectan ahora al dominio en dos aspectos (v ease el apartado 2.2.3 de [PAO94]): la magnitud de los valores incluidos (en Turbo Pascal por ejemplo, el dominio de real est a comprendido 38 aproximadamente entre 1.7 10 ) y la precisi on (hacia 10 cifras signicativas en Turbo Pascal). Hay dos modos de escribir los n umeros reales en Pascal: usando el punto decimal (que debe tener alg un d gito a su izquierda y a su derecha), o bien usando la llamada notaci on cient ca o exponencial. A continuaci on tenemos ejemplos de n umeros reales en notaci on decimal y cient ca, respectivamente: 3.1415926 6.023E+23
El diagrama sint actico de la expresi on de n umeros reales es el de la gura 3.2.
Operaciones y funciones Existen las siguientes operaciones aritm eticas relacionadas con el tipo real: + * / suma resta multiplicaci on divisi on
y las siguientes funciones predenidas: Abs Sqr SqRt Sin Cos ArcTan Ln Exp valor absoluto cuadrado ra z cuadrada seno coseno arcotangente logaritmo neperiano funci on exponencial
En las funciones trigonom etricas, el angulo se expresa en radianes. Las funciones logar tmica y exponencial son de base e.
3.3. El tipo real
33
Nmero Real + Real sin signo -Real sin signo .
cifras
cifras
+
E cifras
--
Cifras Dgito
Figura 3.2.
34 Reales y enteros
Se observa que los s mbolos de las operaciones +, -, y *, as como las funciones Abs y Sqr, coinciden con las correspondientes a los n umeros enteros, por lo que las siguientes descripciones resultan ambas correctas, + : Z Z Z + : R R R as como las siguientes para el caso de las funciones: Abs : Z Z Abs : R R Este multiuso de ciertas operaciones y funciones se llama sobrecarga de operadores, y de el aparecer an nuevos casos m as adelante. Otro aspecto en que el lenguaje se muestra exible consiste en reconocer la inclusi on Z R, y obrar en consecuencia: as , toda operaci on o funci on que requiera expresamente una cantidad real aceptar a una de tipo entero, realizando autom aticamente la correspondiente conversi on. La descripci on siguiente + : Z R R es una consecuencia de ello, producida al convertir el primer argumento en un real. En cambio, la conversi on en sentido inverso no se realiza autom aticamente. Para ello, el lenguaje est a dotado con funciones para convertir reales en enteros: Trunc Round Por ejemplo, Round(-3.6) Trunc(-99.9) -Round(99.9) -Round(-99.9)
4
truncamiento (eliminaci on de la parte decimal) redondeo al entero m as pr oximo4
; ; ; ;
-4 -99 -100 100
Inferior o superior.
3.4. El tipo char Expresiones
35
La precedencia de las operaciones aditivas (+ y -) es menor que la de las multiplicativas (* y /), igual que en Matem aticas. El juego de operaciones y funciones predenidas en Pascal tiene carencias notables, tales como la potencia, la tangente, el arcoseno o los logaritmos de base decimal o arbitraria. Sin embargo, combinando las presentadas anteriormente, se logra f acilmente expresar las operaciones mencionadas, entre otras muchas. Por ejemplo, en la siguiente tabla se dan algunas expresiones equivalentes (salvo errores de precisi on)5 a algunas funciones usuales: funci on xy tg (x) arcsen(x) logb (x) expresi on equivalente Exp(y * Ln(x)) Sin(x)/Cos(x) ArcTan(x/SqRt(1 - Sqr(x)) Ln(x)/Ln(b) para x > 0 para x =
2
+ k
para 0 < x < 1 para b > 1, x > 0
Como ejemplo nal de la potencia de las operaciones y funciones presentadas, damos la expresi on Trunc (Ln(n)/Ln(10)) + 1 que halla el n umero de cifras de un entero n > 0.
3.4
El tipo char
Dominio El dominio de este tipo de datos, abreviadamente C , incluye el juego de caracteres disponibles en el computador, que var a entre las diferentes versiones desarrolladas, todas tienen en com un el respeto al orden alfab etico ingl es y al orden entre d gitos; por ejemplo, en Turbo Pascal se utiliza una codicaci on en ASCII de 8 bits, por lo que existen hasta 256 posibles caracteres que se recogen en la correspondiente tabla de c odigos (v ease el apartado 2.2.4 de [PAO94]). Los valores de tipo char se escriben entre ap ostrofes (por ejemplo, A) excepto el car acter ap ostrofe (), que se escribe mediante .
Debe tenerse en cuenta que la imprecisi on cometida al tratar con n umeros reales puede hacerse m as importante a medida que se suceden las operaciones.
5
36 Funciones
No existen operaciones internas entre caracteres; en cambio, s se tienen las siguientes funciones internas predenidas: Pred Succ car acter anterior car acter sucesor
Adem as, existen las siguientes funciones de conversi on entre char e integer: Ord Chr n umero de orden del car acter en el juego adoptado car acter asociado a un n umero de orden dado
El esquema de estas funciones es el siguiente: Pred, Succ Ord Chr Por ejemplo, Pred(Z) Pred(z) Succ(7) Chr(Ord(1) + 4) ; ; ; ; Y y 8 5 : : : C C Z C Z C
3.5
El tipo boolean
Dominio Este tipo proviene del algebra de Boole, como indica su nombre. Su dominio, denotado mediante B en adelante, contiene solamente los dos valores l ogicos predenidos: False y True. El tipo boolean es particularmente u til en tareas de control de bucles y selecciones. Operaciones y funciones internas Asociadas al tipo boolean, se tienen las siguientes operaciones: not and or negaci on l ogica (con la precedencia m as alta) conjunci on l ogica (precedencia multiplicativa) disyunci on l ogica (predecencia aditiva)
3.5. El tipo boolean Son internas (convierten valores l ogicos en valores l ogicos): not and or : : : B B B B B B B B
37
y su funcionamiento viene dado por la siguiente tabla de verdad: A B A and B A or B not A False False False False True False True False True True True False False True False True True True True False Adem as, se tienen predenidas las funciones sucesor, predecesor y orden, que operan como sigue: Succ(False) ; True Pred(True) ; False Ord(False) ; 0 Ord(True) ; 1 Operadores relacionales Son las operaciones binarias de comparaci on siguientes: = <> < <= > >= igual distinto menor menor o igual mayor mayor o igual
Estas operaciones est an sobrecargadas : permiten la comparaci on entre dos valores de cualquiera de los tipos b asicos, resultando de ello un valor l ogico: Es decir, si representamos los cuatro tipos introducidos mediante Z , R, C y B respectivamente, se tiene >= >= >= >= : : : : Z R C B Z R C B B B B B
para cada una de las operaciones relacionales.
38
Con respecto a la comparaci on de n umeros reales, debemos remitirnos al apartado 2.2.3 de [PAO94], de donde se deduce la escasa abilidad de estas operaciones cuando los argumentos est an muy pr oximos, como consecuencia de las limitaciones de precisi on en los sistemas de representaci on de estos n umeros. En cuanto a la comparaci on de datos no num ericos, el s mbolo < signica anterior y no menor que, obviamente, no tiene sentido en tales casos. En el caso concreto de char, esta anterioridad viene dada por sus posiciones en la tabla adoptada (v.g. ASCII), y en el de boolean, se considera False anterior a True. Algunas operaciones relacionales reciben nombres especiales cuando trabajan sobre valores booleanos: = <> <= equivalencia l ogica o exclusivo implicaci on
El funcionamiento de estas operaciones viene dado por las siguientes tablas de verdad: A False False True True B False True False True A = B True False False True A <> B False True True False A <= B True True False True
Las operaciones relacionales tienen menor precedencia que las aditivas. Por ejemplo: ; ; ; 3 + 1 >= 7 - 2 * 3 3 + 1 >= 7 - 6 4 >= 1 False {ops. multiplicativos} {ops. aditivos} {ops. relacionales}
Finalmente, se tiene la funci on de conversi on que indica si un entero es impar: Odd : Z B Odd(n) ;
True
si n es impar
False en otro caso
Aunque la funci on Odd(n) es equivalente a n mod 2 = 1, su uso es preferible al de esta, ya que opera m as ecientemente.
3.6. Observaciones Circuito largo-corto
39
Sea la expresi on booleana P and Q. Un modo de valorarla consiste en hallar primero el valor de P, luego el valor de Q, y entonces deducir el valor de la expresi on de las tablas de la verdad. No obstante, si P hubiera resultado valer False, el valor de la expresi on ser a False, tanto si Q resulta ser True como si resulta ser False, de manera que podr amos haber evitado hallar Q. Estos dos modos de evaluar las expresiones booleanas se llaman respectivamente con circuito largo y con circuito corto. Su importancia no radica u nicamente en la eciencia conseguida al evitar evaluar ciertos t erminos, sino que a veces el modo de evaluaci on tiene nes algo m as sutiles. Consideremos la valoraci on de la expresi on siguiente, donde den resulta valer 0: (den <> 0) and (num/den = 0) Si el modo de evaluaci on es con circuito corto, el resultado nal es False, para lo cual s olo se necesita hallar el valor de den <> 0 En cambio, si se valora con circuito largo, el c alculo del segundo t ermino produce un error (divisi on por cero), y la ejecuci on del programa fracasa. Pascal est andar establece que la evaluaci on se produce con circuito largo, pero Turbo Pascal ofrece la posibilidad de escoger entre ambos modos (v ease el apartado C.3).
3.6
Observaciones
Tipos ordinales En los cuatro tipos de datos simples predenidos existe una ordenaci on, de manera que todos ellos son comparables con los operadores relacionales. Por otra parte, es posible enumerar f acilmente los dominios Z , C y B , asignando a sus elementos su n umero de posici on: ese es el cometido de la funci on Ord, que est a denida para estos tres tipos de datos, y no para R. Por ello, decimos que los tipos integer, char y boolean son ordinales, mientras que real no lo es. Adem as de Ord, las funciones Succ y Pred son exclusivas de los tipos ordinales, por lo que no es posible ni razonable obtener el siguiente (o el anterior) de un n umero real dado.
40
Resumen de expresiones con los tipos de datos b asicos Las expresiones en programaci on son similares a las empleadas en Matem aticas, aunque sus elementos constituyentes no s olo son n umeros, como hemos visto. Las expresiones pueden consistir en una constante, una variable, una funci on aplicada a una expresi on o una operaci on entre expresiones. Aunque en principio puede resultar extra no denir expresiones en t erminos de expresiones, debe observarse que estas u ltimas son componentes (esto es, m as peque nas), con lo que nalmente, una expresi on est a compuesta por constantes o variables, piezas b asicas de las expresiones. En las guras 3.3 y 3.4 se completa lo explicado hasta ahora sobre la estructura sint actica que tienen las expresiones v alidas6 en Pascal. Como se indic o anteriormente, las operaciones se aplican en las expresiones por orden, seg un su precedencia, como se indica en la tabla de la gura 3.5. Si coinciden en una expresi on dos o m as operaciones de la misma precedencia se asocian de izquierda a derecha. El orden de aplicaci on de precedencias puede alterarse mediante el par entesis, igual que en Matem aticas. Las funciones se aplican a sus argumentos entre par entesis, por lo que no existe ambig uedad posible.
Cadenas de caracteres Si se observa la sintaxis de los literales, se ve que una posibilidad consiste en escribir una cadena de ning un car acter, uno o m as. Aunque este literal no pertenece a ninguno de los tipos de datos b asicos presentados, esta posibilidad nos permitir a desde el principio emitir mensajes claros (v ease 4.3.2). Es v alido por tanto escribir literales como los siguientes: Yo tengo un t o en Am erica Carlos ODonnell para representar las frases encerradas entre ap ostrofes, sin estos, que act uan s olo como delimitadores, y expresando el ap ostrofe simple mediante dos de ellos. As por ejemplo, los literales anteriores representan respectivamente la frase Yo tengo un t o en Am erica, la cadena vac a y Carlos ODonnell.
En realidad, se consideran s olo las expresiones v alidas por el momento. A medida que se introduzcan posibilidades nuevas, se completar an los diagramas sint acticos.
6
3.6. Observaciones
41
Expresin Miembro
Op. relacional Miembro

+
Miembro
Trmino
--
Trmino Trmino Factor
Op. aditivo
Factor Factor
Op. multiplicativo
Literal sin signo

Identificador Id. de funcin ( Expresin , ( Expresin ) )
not
Factor
Figura 3.3. Diagrama sint actico de las expresiones (1).
42
Literal sin signo
Real sin signo
Entero sin signo
Carcter
Op. relacional
<
<=
<>
>
>=
Op. aditivo
or
Op. multiplicativo
div
mod
and
Figura 3.4. Diagrama sint actico de las expresiones (2).
op. monarios op. multiplicativos op. aditivos ops. de relaci on
cambio de signo, not *, /, div, mod, and +, -, or =, <>, <, >, <=, >=
Figura 3.5. Cuadro-resumen de prioridades.
n 3.7. El tipo de una expresio
43
3.7
El tipo de una expresi on
El resultado de cada expresi on tiene un tipo determinado, independiente de su valor, y que puede conocerse aun ignorando los valores de sus elementos componentes, teniendo en cuenta s olo sus tipos. As por ejemplo, pueden existir expresiones num ericas, bien enteras (como 2 + 3) o reales (como 3.14 * Sqr(2.5) por ejemplo), booleanas (como 2 + 2 = 5) y de caracteres (como Succ(a)). La informaci on sobre el tipo de una expresi on (y el de sus subexpresiones componentes) juega en Pascal un importante papel: una vez escrito un programa, el compilador comprueba que las expresiones que intervienen en el son correctas sint acticamente y que los tipos de las componentes de las mismas son consistentes. Por ejemplo, la expresi on siguiente podr a ser analizada as : ( ( ( ( (6 (Z + + Z 8) Z) R * * * 3.14 R R B < < < < B Ord ( Ord ( a C Z Z ) ) ) ) ) ) or or or or or True B B B B
acept andose la comparaci on siguiente: True = ((6 + 8) * 3.14 < Asc(a)) or False y rechaz andose en cambio esta otra: 2 = ((6 + 8) * 3.14 < Asc(a)) or True
3.8
Ejercicios
1. De las siguientes expresiones en Pascal, detecte las err oneas; en las que son correctas, indique qu e tipo deben tener los identicadores, y deduzca su tipo y su valor resultante, si es posible. (a) (c) (e) (g) x = y p = True p > Succ(p) Odd(n * (n - 1)) (b) (d) (f) (h) Odd(k) or Odd(Succ(k)) 10 div 3 = 10 / 3 P = Q or R Ord(b) - Ord(a) > 0
2. Sea un angulo, dado en grados. Escriba una expresi on en Pascal que halle: (a) el n umero de vueltas completas que da, (b) el angulo entre 0 y 359 al que equivale,
44

(c) el n umero del cuadrante en que se encuentra (numerados estos en sentido inverso al de las agujas del reloj), (d) el angulo en radianes al que equivale, (e) su tangente. 3. Eval ue las siguientes expresiones en el dominio de integer: (2 * 2) div 4 = 2 * (2 div 4) (10000 * 4) div 4 = 10000 * (4 div 4) 4. Usando el operador mod, escriba en Pascal una expresi on que, para un entero n, d e el n umero correspondiente al d a de la semana; esto es, para n = 1, 2, . . . , 7, 8, 9, . . . esa expresi on resulte valer 1, 2, . . . , 7, 1, 2, . . . 5. Halle el valor de la expresi on Ord(C) - Ord(0), donde C es de tipo char y representa, sucesivamente, los valores 0, 1, . . . , 9. 6. Considere la correspondencia siguiente entre los caracteres alfab eticos y los n umeros naturales: A ... Z 1 26
D e expresiones que pasen del car acter C, supuesto que es una may uscula, al n umero correspondiente, y del n umero N, supuestamente entre 1 y 26, a su car acter asociado. 7. Exprese la condici on que deben cumplir las coordenadas de un punto del plano (x, y ) para: (a) que su distancia al punto (1, 1) sea inferior a 5 unidades, (b) estar en el primer cuadrante del plano, (c) estar por debajo de la recta x + y = 6, (d) cumplir simult aneamente los apartados anteriores. 8. Dados los catetos c1 y c2 de un tri angulo rect angulo, escriba una expresi on que sirva para hallar la correspondiente hipotenusa. 9. Se sabe que la relaci on entre la temperatura, expresada en grados Farenheith (F ) y cent grados (C ) viene expresada por la f ormula F = 1 8C + 32. (a) Escriba una expresi on que sirva para calcular F a partir de C . Deducir el tipo de la misma suponiendo primero que C es integer y luego que es real. (b) Escriba una expresi on que sirva para calcular C a partir de F ofreciendo un resultado integer. 10. Encuentre una expresi on en Pascal para cada uno de los siguientes apartados: (b) log10 (x), para x IR, x > 0 (a) 10x , para x IR
3.8. Ejercicios
(c) (1)n , para n Z Z
5
45
(d) xy , para x, y IR (e)

1 n
, para n IR
(f) Dado un entero n, quitarle las c u ltimas cifras (g) Dado un entero n, dejar de el s olo sus u ltimas c cifras (h) Dado un entero n, hallar la cifra c- esima 11. Sea f : IR IR una funci on derivable. La expresi on f ( x + ) f ( x ) proporciona una aproximaci on de la derivada de f en x, para valores peque nos de . Tomando = 103 , escriba expresiones en Pascal que aproximen las derivadas de las siguientes funciones (a) f (x) = sen(x), en x =
3
(b) g (x) = 2x2 + 3x 4, en x = e
Cap tulo 4
Elementos b asicos del lenguaje
4.1 4.2 4.3 4.4 4.5
Un ejemplo introductorio Vocabulario b asico . . . . . Instrucciones b asicas . . . Partes de un programa . . Ejercicios . . . . . . . . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
47 48 52 59 63
En este cap tulo se presentan los rudimentos m nimos necesarios para poder construir programas elementales en Pascal. El lector debe esforzarse aqu por tener al t ermino del mismo una visi on global de las partes de un programa, as como del modo en que los programas captan los datos, los manipulan y, nalmente, dan los resultados.
4.1
Un ejemplo introductorio
Consideremos el problema de hallar el area de un c rculo a partir de su radio. Un procedimiento sencillo para ello consiste en aplicar la conocida f ormula 2 A = r , donde A y r son dos n umeros reales que representan el area y el radio del c rculo respectivamente. Para llevar a cabo el procedimiento, necesitaremos conocer el valor de la constante , a la que llamaremos pi (si no se necesita una gran precisi on, puede bastar con 3.14). Entonces, el c alculo consiste en averiguar el valor del radio r y aplicar la f ormula para hallar A, que se ofrece como el resultado.
48
sicos del lenguaje Cap tulo 4. Elementos ba Estas ideas pueden organizarse como se indica a continuaci on:
Manera de hallar el area de un c rculo: Sean: pi = 3.14 r, A IR (radio y area resp.) Pasos que hay que llevar a cabo: Averiguar el valor del radio r Hallar el valor del area A, que es pi r2 El area resulta ser el valor de A
La transcripci on de este algoritmo en un programa en Pascal es casi directa:

Program AreaCirculo (input, output); {Se halla el area de un c rculo conociendo su radio} const Pi = 3.14; var r, A: real; {radio y area} begin Write(Cu al es el radio?: ); ReadLn(r); A:= Pi * Sqr(r); WriteLn( Area = , A) end. {AreaCirculo}
4.2
Vocabulario b asico
En castellano las letras se agrupan para formar palabras, y estas se combinan entre s y con los signos de puntuaci on para construir frases; an alogamente, en Pascal, se parte de un juego de caracteres b asico (ASCII por ejemplo) para componer los diferentes elementos de su vocabulario: las palabras reservadas, los identicadores, los s mbolos especiales, los literales y los comentarios. Palabras reservadas Las palabras reservadas son componentes con signicado jo usadas en los constructores del lenguaje. Se suelen escribir en negrita, facilitando as la lectura de los programas. Las palabras reservadas de Pascal est andar son las siguientes: and, array, begin, case, const, div, do, downto, else, end, le, for, forward, function, goto, if, in, label, mod, nil, not, of, or,
sico 4.2. Vocabulario ba packed, procedure, program, record, repeat, set, then, to, type, until, var, while, with.
49
Adem as, en este libro se usar an las siguientes, a nadidas en los compiladores de Turbo Pascal: implementation, interface, string, unit, uses Cada palabra reservada tiene un cometido espec co que es inalterable; dicho de otro modo, las palabras reservadas no son redenibles. Identicadores Los identicadores desempe nan un papel similar al de los sustantivos (representando objetos), adjetivos (representando tipos, que calican los objetos) y verbos (representando acciones) en las oraciones. Los identicadores que est an disponibles antes de empezar a escribir un programa se llaman predenidos ; damos la siguiente clasicaci on: 1. Archivos est andar de entrada/salida: input, output. 2. Constantes: False, MaxInt, True. 3. Tipos: boolean, char, integer, real, text. 4. Funciones: Abs, ArcTan, Chr, Cos, EoF, EoLn, Exp, Ln, Odd, Ord, Pred, Round, Sin, Sqr, SqRt, Succ, Trunc. 5. Procedimientos: Dispose, Get, New, Pack, Page, Put, Read, ReadLn, Reset, Rewrite, Unpack, Write, WriteLn. La posibilidad de extensi on del lenguaje permite la creaci on de identicadores (denidos por el programador) para representar archivos, constantes, variables, tipos, funciones y procedimientos a la medida de nuestras necesidades (v ease la gura 4.1).
50
Identificador
sicos del lenguaje Cap tulo 4. Elementos ba
LetraAZ LetraAZ Dgito
LetraAZ ... a A ... ... z Z
Figura 4.1.
Cualquier cadena de caracteres no resulta v alida como identicador: existen razones para limitarlas. Los identicadores deber an estar formados por las letras1 y los d gitos,2 empezando por letra y sin espacios en blanco. En los identicadores, las letras may usculas y min usculas son indistinguibles para el compilador. Ejemplos de identicadores admitidos son: max, LimSup, anno, MaxCoorY, EsPrimo, EsValido, Seat600D En cambio, no son correctos: primero-F, Primero F, 600D Por otra parte, se recomienda la elecci on de identicadores mnemot ecnicos, que facilitan su uso al estar relacionados con el objeto que se nombra adem as de aumentar la legibilidad de nuestros programas. Por ello, no es conveniente que los identicadores sean excesivamente cortos (probablemente sin signicado) ni excesivamente largos (lo que incomoda su escritura e interpretaci on, y puede
En Pascal est andar (y tambi en en Turbo Pascal) se excluyen la ~ n y las vocales acentuadas. En Turbo Pascal tambi en se permite el car acter de subrayado, luego son v alidos los identia su uso en este libro. cadores Max x o Area circulo. No obstante, se evitar
2 1
sico 4.2. Vocabulario ba
51
provocar errores). A prop osito de esto, en el apartado 5.2 se ampl an estas recomendaciones. El lenguaje permite tambi en dotar a los identicadores predenidos con un nuevo signicado; sin embargo, este cambio es en general poco recomendable, por lo que no consideraremos esta posibilidad. S mbolos especiales Son similares a los signos de puntuaci on de las oraciones: + ( ) * [ / ] := (* . *) , { ; } : (. = < > <= >= <>
.) ..
Los que est an formados por varios caracteres deben escribirse sin espacios en blanco entre ellos. Literales En el curso de un programa, con frecuencia necesitamos escribir directamente elementos del dominio de un tipo b asico para expresar cantidades num ericas enteras (como 365) o reales (como 3.141592), caracteres (como &) o cadenas de caracteres (como 1 a~ no = 365 d as, en las que es posible intercalar espacios en blanco, as como el car acter ~ n, las vocales acentuadas y otros s mbolos, pero sin poderse partir una cadena entre m as de una l nea). Esos valores escritos directamente se llaman literales. Entre los tipos b asicos, los valores extremos del dominio de integer no se suelen expresar directamente con literales, sino mediante identicadores con un valor constante (por ejemplo MaxInt). Por otra parte, los literales que expresan cadenas de caracteres no pertenecen obviamente a ninguno de los tipos b asicos, aunque existe la posibilidad de construir objetos apropiados (v eanse los cap tulos 11 y siguientes), y su uso es tan frecuente que algunas versiones concretas de Pascal proporcionan ese tipo ya predenido (v ease el ap endice B sobre Turbo Pascal). Comentarios Para facilitar la lectura de los programas, es una buena costumbre intercalar comentarios en castellano. Se distinguen del texto en Pascal por los delimitadores { y }, o bien (* y *). Por ejemplo:
52

{Programa que halla la hipotenusa de un tri angulo rect angulo} {Autor: Pit agoras, presumiblemente} {Fecha: hacia el s. VI a. C.}
Cuando se encuentra un s mbolo { o (*, todos los caracteres que lo siguen hasta el primer s mbolo } o *), respectivamente, son ignorados, emparej andose { con } y (* con *). El texto recorrido entre esos delimitadores es un comentario , y se interpreta como un espacio en blanco. Por consiguiente, no ser a correcto interrumpir una palabra reservada, un identicador o un literal con un comentario. Los comentarios en Pascal no pueden anidarse, es decir, no se puede poner un comentario dentro de otro.
4.2.1
Constantes y variables
En el ejemplo del apartado 4.1, se deni o el valor de Pi: decimos que Pi es una constante para expresar que su valor no ser a alterado en el curso del programa; tambi en se dice que es una constante con nombre para diferenciarla de las constantes expresadas literalmente, a las que tambi en se llama constantes an onimas. En contraposici on, los objetos r (radio) y A ( area) pueden representar diferentes valores, por lo que se llaman variables. En los objetos constantes y variables mencionados se pueden considerar los siguientes aspectos: el identicador (Pi, r y A), que es el t ermino con el que pueden referirse; su tipo (real, en los tres casos) y el valor (3.14 constantemente para pi, y desconocidos de antemano para r y A, variables en el transcurso del programa). Para resaltar estos aspectos de los objetos constantes (con nombre) y variables, es corriente representarlos as : pi 3.14 entendiendo que el tipo determina el espacio en donde reside el valor, de forma que s olo son aceptables valores del correspondiente dominio.
4.3
4.3.1
Instrucciones b asicas
Asignaci on
La instrucci on de asignaci on se utiliza para dar un valor inicial a las variables o para modicar el que ya tienen.
sicas 4.3. Instrucciones ba
53
En algunos compiladores, una variable declarada presenta un valor indenido al iniciarse el programa; en efecto, se trata de un valor basura, representado por el contenido de la memoria reservado cuando se declar o la variable. L ogicamente, un programa que depende de valores indenidos tiene un comportamiento indeterminado; por ello es necesario evitar el operar con tales variables, asign andoles valores iniciales. Una variable con valor indeterminado se puede representar as : x1 ? La asignaci on graba un valor en la memoria y destruye su valor previo, tanto si es un valor concreto como si es indeterminado. Consideremos la siguiente sentencia de asignaci on: x1:= (-b + SqRt(Sqr(b) - 4 * a * c))/(2 * a) Consta de un identicador de variable (x1), el s mbolo de la asignaci on (que es :=) y una expresi on. El proceso de asignaci on se produce de la siguiente forma: en primer lugar se eval ua la expresi on, calcul andose el valor nal, y a continuaci on se almacena el valor en la memoria. Si asignamos un valor (1.74, por ejemplo) a la variable, esta pasar a a representarse as : x1 1.74 Ejemplos de instrucciones de asignaci on: base:= 10.0 altura:= 20.0 area:= base * altura / 2 contador:= contador + 1 acumulador:= acumulador + valor La sintaxis de una instrucci on de asignaci on viene dada por el diagrama de la gura 4.2. Subrayamos que, sem anticamente, el identicador debe representar una variable, y que el resultado de la expresi on debe ser del mismo tipo que la variable.3
Salvo que la expresi on sea integer y la variable real. (V ease lo comentado en el apartado 3.3.)
3
54
Identificador
:=
Expresin
Figura 4.2. Instrucci on de asignaci on. e re r
Obs ervese la gran diferencia que existe entre una asignaci on (que es una acci on y tiene el efecto de alterar el valor de una variable) y una igualdad, que es una proposici on que arma una relaci on entre objetos. Por ejemplo, la asignaci on contador:= contador + 1 es una instrucci on que tiene por objeto incrementar en una unidad el valor de la variable contador, mientras que la igualdad contador = contador + 1 es una expresi on booleana de una relaci on que, por cierto, es falsa cualquiera que sea el valor de contador.
4.3.2
Instrucciones de escritura
En todo programa se tienen entradas y salidas de datos con las que el programa se comunica con el exterior. La lectura o entrada de datos se realiza a trav es de dispositivos tales como el teclado, una unidad de disco, o chas perforadas en los computadores antiguos, etc. La escritura o salida de resultados se realiza a trav es de dispositivos como la pantalla o la impresora. Es habitual asumir un medio de entrada y uno de salida impl citos, que se utilizan mientras no se indique otro distinto. Frecuentemente en los computadores personales se adopta la consola como medio est andar, de manera que los datos se introducen a trav es del teclado y los resultados se escriben en el monitor. La salida de resultados se expresa en Pascal con las ordenes Write y WriteLn, que pueden tener varios argumentos consistentes en expresiones de diferentes tipos: Write(1 + 2 + 3) WriteLn(Un tigre, dos tigres, tres tigres, ...) WriteLn(1234, 56, 7) WriteLn(El doble de , n , es , 2 * n) El efecto de ambas se lleva a cabo en dos pasos sucesivos para cada uno de sus argumentos: en primer lugar se eval ua la expresi on; en segundo se escribe el
sicas 4.3. Instrucciones ba
55
Write WriteLn ( Expresin , )
Figura 4.3. Instrucci on de escritura.
resultado en el dispositivo de salida est andar. Los resultados de sus expresiones se escriben sin espacio de separaci on, a no ser que se d e expl citamente. Estas instrucciones se diferencian en que la orden WriteLn genera un salto de l nea, situando el cursor en el principio de la l nea siguiente, listo para seguir la siguiente instrucci on de escritura. Por ejemplo, si se efectuaran las cuatro instrucciones del ejemplo consecutivamente, la salida ser a as : 6Un tigre, dos tigres, tres tigres, ... 1234567 El doble de 15 es 30 suponiendo que n es el entero 15. El cursor salta y se queda en la cuarta l nea, listo para continuar la escritura. Ambas instrucciones pueden utilizarse sin argumentos: la instrucci on Write no produce efecto alguno, mientras que WriteLn provoca un salto de l nea. Por lo tanto, la secuencia de instrucciones Write; Write(Hola); WriteLn equivale a la instrucci on WriteLn(Hola) La sintaxis de estas instrucciones se describe en la gura 4.3. Par ametros de formato de salida Con datos de tipo integer:
La salida de resultados mediante Write y WriteLn est a bastante limitada: incluso mediante el espaciado, los n umeros quedan desalineados. Para resolver este problema se utilizan las salidas con formato a nadiendo un
56
sicos del lenguaje Cap tulo 4. Elementos ba n umero entero a cada una de las expresiones por escribir, que indica al procedimiento Write o WriteLn en qu e espacio debe justicar (por la derecha) cada uno de los valores num ericos. Por ejemplo, las instrucciones siguientes sit uan sus resultados correctamente sangrados:4 WriteLn(1234:5,56:5,7:5) WriteLn(12:5,345:5,67:5) La salida puede rebasar el espacio reservado: WriteLn(12345:3) Con datos reales: 12345 1234 12 56 345 7 67
Mientras no se indique lo contrario, la salida de valores reales se escribe en notaci on cient ca, que es bastante ilegible. Por ejemplo: 2.7315190000E+02 Como primera mejora de esta presentaci on, podemos justicar el resultado a la derecha, como se ha hecho con los datos integer: Write(a:15) 2.73151900E+02
a nadiendo a la izquierda los espacios en blanco necesarios. A un mejor es a nadir un doble formato, mostr andose el real en notaci on decimal: el primer par ametro indica las posiciones totales, como se ha visto, y el segundo el n umero de decimales Write(a:10:3) redondeando las cifras visibles si es preciso. Con caracteres y cadenas de caracteres: 273.152
Los valores de tipo car acter pueden justicarse mediante un par ametro de formato que expresa el espacio m nimo total, justicando la salida a la derecha: WriteLn(A:8) WriteLn(AEIOU:8) A AEIOU
Indicamos de este modo las instrucciones (a la izquierda) junto con la salida que producen en el output (derecha). Usaremos el s mbolo para precisar el espacio ocupado por el car acter blanco.
sicas 4.3. Instrucciones ba Con datos de tipo boolean:
57
Se puede a nadir un par ametro de salida a las expresiones booleanas que justica el resultado por la derecha: WriteLn(ok:5) TRUE
donde se ha supuesto que el valor de ok es True. El diagrama sint actico de la gura 4.3 se puede completar trivialmente para que admita la posibilidad de incluir par ametros de formato. El archivo output Los resultados de un programa se escriben en el output, que frecuentemente es el monitor. En realidad, el archivo output consiste en una secuencia de caracteres (v ease el apartado 14.3), por lo que los resultados num ericos se convierten en los caracteres que representan el correspondiente valor. Entre esos caracteres existe una marca especial que representa el salto de l nea (que suele representarse mediante ), as como otra para indicar el nal del archivo (que representaremos mediante ). Por ejemplo, el nal del output de los ejemplos anteriores puede representarse as : ... A AEIOU TRUE . . .
En los dispositivos usuales el car acter se interpreta como un retorno de carro y un avance de l nea, conri endole a la salida el aspecto global de una sucesi on de l neas, de interpretaci on visual mucho m as f acil que una sucesi on de caracteres sin m as.
4.3.3
Instrucciones de lectura
Las operaciones de entrada se realizan en Pascal mediante los procedimientos Read y ReadLn, cuya sintaxis se muestra en la gura 4.4. Como ejemplo de estas instrucciones tenemos: Read(x,y,z) ReadLn(u) que act uan sobre una o m as variables, estando separadas por comas cuando se trata de m as de una. Al llegar a esta instrucci on, el computador lee los valores introducidos y los asigna por orden a las variables argumento indicadas. Debe se nalarse que cada valor le do debe tener un tipo compatible con el de la variable en la que se almacena.
58
Read ReadLn ( Id.Variable , )
Figura 4.4. Instrucci on de lectura.
El archivo input Los datos del programa se leen del input, que frecuentemente es el teclado. Surgen ahora tres cuestiones que deben aclararse. En primer lugar, el archivo input tambi en consiste en realidad en una secuencia de l neas de caracteres (v ease el apartado 14.3), que deben convertirse en n umeros cuando las variables correspondientes sean de tipo num erico. Cuando haya varias variables num ericas, se pueden escribir en una sola l nea separadas con espacios en blanco. En el ejemplo5 ReadLn(var1, var2, var3) 123 456 789
se asignar a 123 a var1, 456 a var2 y 789 a var3, manteniendo el orden de lectura. Por lo tanto, la introducci on de datos, sean del tipo que sean, se realiza a trav es de una secuencia de caracteres. Es posible que esta conversi on no se pueda llevar a cabo por incompatibilidad de tipos, produci endose un error de ejecuci on. As ocurrir a en el ejemplo Read(var1) si la variable var1 fuera de tipo num erico. En segundo lugar, el efecto de la sentencia ReadLn consiste en captar los datos del input y avanzar hasta rebasar el siguiente salto de n de l nea. As por ejemplo, siendo las variables a, b y c de tipo num erico, en la siguiente situaci on ReadLn(a, b); Read(c)
5
1 2 3 4 5 6 7 8
Ahora, la parte de la derecha representa el input.
4.4. Partes de un programa
59
las variables a, b y c tomar an los valores 1, 2 y 6, respectivamente. Cuando se leen variables num ericas se saltan los blancos anteriores, que as act uan como separadores; en cambio, los caracteres se leen de uno en uno, sin separaci on de ning un tipo. Subrayamos que, en realidad, el input consiste en una u nica tira de caracteres: 1 2 3 4 5 6 7 8 . . . Finalmente, usaremos en adelante el s mbolo para expresar el n del archivo de entrada de datos. Conviene indicar que, cuando se trabaja en el sistema operativo DOS, el s mbolo representa a la vez el avance de l nea (A. L.) y el retorno de carro (R. C.), tal como reeja su s mbolo usual: A. L.
R. C. Sin embargo, en algunos traductores de Pascal para computadores personales, a veces se le atribuye el papel adicional de la cesi on del control al computador (desde el teclado) para que reanude su actividad (v ease el ap endice C). Esta coincidencia de papeles diculta a veces observarlos aisladamente cuando el input es el teclado.
4.4
Partes de un programa
En este apartado se re unen las ideas expuestas en los anteriores, present andose las partes o secciones componentes de los programas en Pascal: encabezamiento, declaraciones y bloque o cuerpo de acciones. Al n disponemos de todos los elementos necesarios para escribir los primeros programas, aunque se trata de programas muy simples, carentes por supuesto de muchos mecanismos del lenguaje. Por otra parte, adem as de reunir las ideas introducidas hasta ahora, el estudiante deber a en este punto conseguir poner a punto sus primeros programas en un entorno de programaci on real.
4.4.1
Encabezamiento
El encabezamiento de un programa establece una identicaci on del mismo. En cierto modo equivale al t tulo de un libro e incluye informaci on sobre los
60
Program

Identificador Identificador ,
Figura 4.5. Encabezamiento de un programa.
objetos, externos al programa, con que este intercambia informaci on: la inclusi on de estos en el encabezamiento establece la comunicaci on correspondiente desde el programa. En los primeros programas estos objetos son s olo los archivos est andar: el de entrada de datos (input) y el de salida (output), que en los computadores personales representan a la consola (teclado y monitor respectivamente); ambos archivos se incluir an siempre que el programa deba realizar operaciones de entrada y salida respectivamente, aunque conviene que el archivo output est e siempre presente, para indicar al computador d onde comunicar las eventuales situaciones de error. M as adelante, se ver a c omo el programa podr a recibir informaci on de otra procedencia (por ejemplo, una tabla estad stica situada en un archivo de disco), o dirigir su salida a otros dispositivos (tales como la impresora). El encabezamiento es obligatorio en Pascal est andar pero optativo en Turbo Pascal y en otros traductores; sin embargo, es recomendable utilizarlo siempre, para que los programas sean m as claros y se puedan usar en otros entornos. El encabezamiento empieza con la palabra reservada Program, seguida del nombre del programa, que debe ser un identicador v alido de Pascal y, entre par entesis, la lista de par ametros del programa. El encabezamiento se separa de las siguientes secciones con un punto y coma (;). Por ejemplo:
Program AreaCirculo (input, output); Program DeclaracRenta (input, output, tablaRetenciones);
As pues, la sintaxis del encabezamiento responde al diagrama de la gura 4.5.
4.4.2
Declaraciones y deniciones
Adem as de los identicadores predenidos, el usuario casi siempre va a necesitar el uso de otros nuevos, en cuyo caso debe introducirlos y describirlos (excepto el identicador del programa) antes de usarlos; este protocolo se corresponde conceptualmente con la sentencia siguiente, de uso com un en Matem aticas Sean n Z Z, x IR, p = 3.14 y f : IR IR tal que f (x) = pxn
4.4. Partes de un programa

literal const Identificador ;
+ --
61
= Identificador
Figura 4.6. Denici on de constantes.
legitimando el posterior uso de los identicadores n, x, p y f . En Pascal, esta informaci on de partida permite al compilador hacer las correspondientes asignaciones de memoria y vericar que el uso de todos esos objetos se ajusta a sus caracter sticas, avisando al programador en caso contrario. La obligaci on de incluir declaraciones s olo se da cuando el programador necesite incluir objetos nuevos para usarlos en el programa. Estos objetos responden a varias categor as: etiquetas, constantes, tipos, variables, procedimientos y funciones. Veremos con detalle cada una de ellas en su momento; por ahora, basta con introducir la denici on de constantes y la declaraci on de variables. Denici on de constantes El diagrama sint actico de la denici on de constantes aparece en la gura 4.6. En el apartado 4.2.1 se explic o la posibilidad de usar constantes literalmente, escribiendo su valor; a menudo interesa expresar constantes mediante identicadores (v.g. Pi). Para utilizar constantes con nombre, hay que denirlas previamente usando la palabra reservada const, del modo siguiente:
const TempCongelaAgua = 0; TempHierveAgua = 100; Pi = 3.14; MenosPi = - Pi; PrimeraLetra = A; Vocales = aeiou;
Una vez denidas las constantes, pueden intervenir en expresiones al igual que los literales. Por ejemplo: Pi * Sqr(7.5). En general, siempre que en un programa existan valores constantes, se recomienda su presentaci on mediante constantes con nombre. De este modo, resulta el programa m as legible (v.g. Pi, E, AnchoPantalla, AltoPantalla).
62

Identificador , Tipo
var
Figura 4.7. Declaraci on de variables.
Adem as, cuando una constante se repita en varios puntos de un programa, bastar a con escribir una sola vez su valor, siendo as muy f acil modicar el programa adapt andolo a nuevos valores de las constantes. Declaraci on de variables La declaraci on de variables sigue el diagrama sint actico de la gura 4.7, donde la palabra Tipo es (por el momento) un identicador de entre integer, real, char y boolean. Como ya se ha dicho, las variables son objetos cuyo valor no se conoce a priori, o bien puede cambiar a lo largo del programa. En cambio, el tipo de las variables permanece inalterable desde que se establece al principio del programa; los traductores de Pascal utilizan esta informaci on para determinar la cantidad de espacio reservado en la memoria para cada objeto y la forma en que se har a la representaci on, as como realizar las vericaciones aludidas en el apartado 3.7. Para poder utilizar una variable es preciso declararla:
var indice, contador, edad: integer; altura, peso: real; esPrimo, hayDatos: boolean; inicial: char;
Deben recordarse las recomendaciones para elegir identicadores mnemot ecnicos que guarden relaci on con el objeto al que dan nombre y que no sean excesivamente largos ni cortos.
4.4.3
Cuerpo del programa
En el cuerpo del programa es donde se relacionan las sucesivas sentencias o instrucciones ejecutables que componen el programa. Va precedido por la palabra reservada begin y termina con la palabra reservada end y un punto nal, y las instrucciones se separan con puntos y comas (v ease la gura 4.8).
4.5. Ejercicios
Instruccin ;
63
begin
end
Figura 4.8. Cuerpo de un programa.
Encabezamiento
Declaraciones
Cuerpo
Figura 4.9. Estructura b asica de un programa
Los principales tipos de sentencias ejecutables son los siguientes: instrucciones de asignaci on, de entrada o salida, estructuradas y llamadas a procedimientos. Estas dos u ltimas las estudiaremos en cap tulos posteriores.
4.4.4
Conclusi on: estructura general de un programa
Sintetizando lo dicho hasta ahora, un programa tiene tres partes: encabezamiento, declaraciones y cuerpo, seg un la gura 4.9 1. El encabezamiento del programa se considerar a obligatorio. 2. T engase en cuenta que la secci on de declaraciones, en realidad, s olo tiene componentes optativas, por lo que puede haber programas sin declaraci on alguna. 3. Finalmente, el cuerpo o bloque es tambi en obligatorio.
4.5
Ejercicios
(a) Se nale en el algunas palabras reservadas, s mbolos especiales, identicadores predenidos y denidos por el programador, literales y comentarios. (b) Localice las constantes que aparecen, ya sea con nombre o literales. (c) Delimite asimismo las tres secciones: encabezamiento, declaraciones y cuerpo.
1. Considerando el primer programa del cap tulo,
2. Consid erese el programa inicial de este cap tulo. En el cuerpo de instrucciones, es posible cambiar entre s los identicadores Pi y r?
64

3. De las siguientes instrucciones de asignaci on, detecte las err oneas; averig ue el efecto de realizar las correctas y d e el tipo que deben tener las variables que intervienen en ellas para que sean aceptables. (a) (c) (e) (g) (i) (k) a:= 5 1:= a b:= 5 a:= a p:= 2 x:= (b) (d) (f) (h) (j) (l) l:= 2 < 1 p:= Sqr(2) = Sqr(2.0) MaxInt:= 32767 c:= 2 <= 7 c1:= c2 p:= q = r = s
* a + 1 * r y
4. Cu al es el efecto de llevar a cabo la siguiente lista de instrucciones sucesivamente? (a)a := 2 (b)b := 3 (c)a := b (d)b := a
5. Efect ue lo siguiente, paso a paso, con varios pares a y b de tipo integer. (a) a:= a + b (b) b:= a - b (c) a:= a - b
qu e conclusi on podemos extraer? 6. Consid erese la siguiente f ormula (debida a Her on de Alejandr a), que expresa el valor de la supercie S de un tri angulo cualquiera en funci on de sus lados, a, b y c: a+b+c a+b+c a+b+c a+b+c S= a b c 2 2 2 2 D e una secuencia de instrucciones para obtenerla, evitando el c alculo repetido del b+ c y almacenando el resultado nalmente en la variable semiper metro, sp = a+2 S. 7. Escriba una instrucci on tal que, siendo i una variable integer con valor 10 y x una variable real con valor 1 234567 103 , ofrezca la salida v(10) = 1234.57 haciendo referencia a i y x. 8. Sean a, b, c, d, e y f variables reales. Escriba instrucciones de escritura que ofrezcan los valores de las siguientes variables y su suma: + a b a+b c d c+d e f e+f
donde los valores de a y b est an comprendidos entre 0 y 105, y su columna debe mostrarse redondeada, sin decimales; c y d est an comprendidos entre 0 y 3, y su columna debe mostrarse redondeada con 2 decimales; e y f est an comprendidos entre 0 y 3, y su columna debe mostrarse con un d gito, despreciando la parte decimal. Obs ervese que el resultado ofrecido puede parecer err oneo, debido al redondeo o al truncamiento. D e un ejemplo de ello.
4.5. Ejercicios
9. Sean las instrucciones de lectura: ReadLn(i1, c1, r1) ReadLn(i2)
65
donde i1, i2 son variables integer, c1 es de tipo char y r1 es real. Dados los inputs (a) 1A1 2 3 . . . (b) 1 A1 2 . . .
diga cu ales son correctos y en su caso cu ales son los valores recibidos por las distintas variables. Explique por qu e se producen los errores y la forma de subsanarlos. 10. Sean las variables m y n de tipo integer. (a) Analice la compatibilidad de tipos en la siguiente expresi on: m < n or m = n (b) Coloque los par entesis necesarios para que sea correcta. (c) Puede ser correcta si m y n son de alg un otro tipo?
(c) 1.2 A1.2 1.2 . . . (d) -1123 0.5 8 13 . . .
Cap tulo 5
Primeros programas completos
5.1 5.2 5.3 5.4 5.5 5.6
Algunos programas sencillos . . . . . . . . . . . . . . . . Programas claros programas de calidad . . . . . . Desarrollo descendente de programas . . . . . . . . . . Desarrollo de programas correctos . . . . . . . . . . . . Observaciones nales . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68 69 71 73 79 81
Con el conocimiento que ya se tiene de las instrucciones b asicas de Pascal es posible desarrollar algunos programas completos que servir an para resaltar aspectos importantes que hay que tener en cuenta desde que se empieza a programar. A continuaci on se presentan algunos programas sencillos, con los que se podr an efectuar las primeras pr acticas, depurar errores y poner a punto los primeros programas, integrando las distintas fases que intervienen en la resoluci on de problemas mediante programas. Los problemas presentados como ejemplo y propuestos como ejercicios nos permitir an descubrir la necesidad de desarrollar los programas con naturalidad, afrontando las dicultades que planteen una a una y con una metodolog a que nos permita garantizar que el programa desarrollado es correcto. A pesar de la simplicidad conceptual de los problemas resueltos en este cap tulo, no debe desde narse una lectura sosegada del mismo para adquirir bien la base que se necesita para los cap tulos posteriores.
68
Cap tulo 5. Primeros programas completos
5.1
5.1.1
Algunos programas sencillos

Dibujo de la letra C
El siguiente ejemplo es de lo m as simple, aunque su efecto no produce tres l neas de asteriscos, como parecen indicar los identicadores denidos, sino una sola. Por la misma raz on, los identicadores son inapropiados, ya que inducen a pensar que el programa escribe tres l neas distintas.
Program LetraC (output); {Dibujo de la letra C} const {Definici on de constantes, que puede mejorarse} linea1 = ***; linea2 = *; linea3 = ***; begin {Cuerpo del programa} Write(linea1); Write(linea2); Write(linea3) end. {LetraC}
Es f acil modicarlo para que produzca efectivamente tres l neas (en vez de una sola) con 3, 1 y 3 asteriscos respectivamente, sustituyendo las instrucciones Write por WriteLn. Una mejora trivial consiste en dejarlo con s olo dos constantes, evitando repetirlas. M as a un, un programa tan sencillo no requiere denir esas constantes, pudiendo usarse directamente los literales.
e re r Disposici on clara de los programas. El programa anterior podr a haberse escrito igualmente como sigue: Program LetraC (output); {Dibujo de la letra C} const {Definici on de constantes, que puede mejorarse} Linea1 = ***; Linea2 = *; Linea3 = ***; begin {Cuerpo del programa} Write(Linea1); Write(Linea2); Write(Linea3) end. Sin embargo, la presentaci on inicial tiene ventajas indiscutibles: el programa inicial est a dispuesto con claridad, con lo que leer, revisar y analizar el programa resulta m as f acil. Asimismo, permite distinguir las componentes del programa y su estructura.
Como se ve, Pascal es muy exible en cuanto a la disposici on del texto de los programas, por lo que decimos que es un lenguaje de formato libre.
5.2. Programas claros programas de calidad
69
La misma nalidad tiene la colocaci on adecuada de los comentarios, que no tienen efecto alguno en el funcionamiento del programa y nos permiten en cambio incluir explicaciones sobre la nalidad del programa o sobre su funcionamiento. En el mismo sentido, no est a de m as volver a recordar que se recomienda introducir identicadores mnemot ecnicos, que sugieren el papel que juegan, facilitando tambi en la lectura del programa. El uso apropiado de una clara disposici on del texto, la inclusi on de comentarios apropiados, y una buena elecci on de los identicadores, se conoce como autodocumentaci on, y no es ning un lujo superuo. Por el contrario, se considera preciso adquirir desde el principio el h abito de desarrollar programas claros y bien autodocumentados.
5.1.2
Suma de dos n umeros
El siguiente programa halla la suma de dos n umeros enteros:

Program Suma (input, output); {Pide dos enteros y halla su suma} var a, b: integer; {los sumandos} begin {Lectura de los datos:} Write(Primer n umero: ); ReadLn(a); Write(Segundo n umero: ); ReadLn(b); {C alculos y resultados:} WriteLn(a, + ,b, = ,a + b) end. {Suma} e re r Entradas y salidas claras. Adem as de la documentaci on interna del programa, otra recomendaci on que debe tenerse en cuenta desde el principio es que las lecturas de los datos y la salida de los resultados sean claras, incluyendo para ello los mensajes necesarios y ofreciendo comprobaciones de que los datos se han le do correctamente.
5.2
Programas claros programas de calidad
Una recomendaci on de gran importancia para lograr que los programas sean correctos consiste en habituarse a escribirlos de forma clara, diferenciando bien sus distintos fragmentos para que sean f acilmente identicables y legibles. Otra
70
raz on para que los programas sean claros es que un programa se escribe una vez, pero se lee muchas, bien para depurar sus posibles errores o para efectuar en el modicaciones. Se ha dicho que un programa bien escrito debe poderse leer tan f acilmente como una novela y, aunque esto puede resultar excesivo a veces, conviene esmerarse desde el principio en intentarlo antes incluso que perseguir la eciencia. En este sentido, conviene indicar que, de cara a mejorar la legibilidad de un programa, tambi en es esencial una buena estructuraci on y organizaci on de las acciones que lo componen, como se explica en los cap tulos 6 y 7. En la documentaci on de un programa se pueden observar, entre otros, los aspectos siguientes: El sangrado o encolumnado,1 facilitando la identicaci on de fragmentos con distinto cometido o subordinados a otros, etc. Los comentarios, aclarando los siguientes detalles: El cometido de los objetos introducidos. El funcionamiento del programa. Las condiciones requeridas o garantizadas en un determinado punto del programa. A este respecto, v ease el apartado 5.4. La elecci on adecuada de identicadores, de forma que reejen su contenido. Las siguientes indicaciones contribuyen a su r apida interpretaci on: Como las constantes, variables y funciones representan objetos, suelen nombrarse con sustantivos (Pi, x, sucesor) o sintagmas nominales (MaxInt m aximo entero), excepto cuando representan valores l ogicos, en que desempe nan el papel de sentencias (esPrimo es primo), posiblemente abreviadas (primo, Odd, ok, EoLn). Los procedimientos representan acciones, por lo que se les suele nombrar con verbos en innitivo (Escribir, Write) Por otra parte, no debe escatimarse la longitud de los identicadores (aunque tampoco debe abusarse), cuando ello aclare el objeto identicado (AreaTotal, PagaExtra, DistTierraSol) incluso usando varias palabras para ello. En este caso, resulta aconsejable escribir con may uscula la inicial de cada palabra. Esta recomendaci on es v alida para los identicadores predenidos (WriteLn, SqRt).
1
En algunos manuales puede leerse indentado, palabra que no existe en castellano.
5.3. Desarrollo descendente de programas
71
Tambi en se suelen usar las may usculas y las min usculas con un criterio uniforme, para que resulte sencillo interpretar la entidad de un identicador. Concretamente, la tipograf a que seguimos para cada identicador es la siguiente: Constantes denidas, empezando con may uscula: Pi, N, Maximo. Variables, empezando con min uscula: x, miEdad. Funciones y procedimientos, empezando con may uscula: SqRt, Write. Tipos, empezando con min uscula. Los denidos por el programador, empezar an por t y luego seguir a una may uscula. Otra importante cualidad de los programas consiste en que las entradas de los datos y las salidas de resultados se efect uen tambi en de forma clara, con mensajes concisos y apropiados, conrmando los datos capturados cuando su lectura sea delicada, haciendo uso de los par ametros de formato, etc.
5.3
Desarrollo descendente de programas
En este apartado desarrollaremos un programa que tiene por objeto hallar la hipotenusa de un tri angulo rect angulo a partir de las longitudes de sus catetos. Procederemos en tres pasos: 1. Obtenci on de los catetos. 2. C alculo de la hipotenusa. 3. Escritura del resultado. Esta primera aproximaci on puede expresarse en un estilo muy pr oximo a Pascal:
Program C alculo de hipotenusa begin Obtener los catetos, catA , catB Hallar la hipotenusa, hipo Escribir el resultado, hipo end.
Ahora, en una primera fase se desarrollan un poco estas acciones. Algunas son tan sencillas que pueden transcribirse directamente en Pascal, aunque pueden mantenerse los comentarios para indicar el cometido de cada segmento de programa:
72

Program Hipotenusa (input, output); begin {Obtenci on de datos} Write(Catetos: ); ReadLn(catA, catB); Hallar la hipotenusa, hipo {Escritura de resultados} WriteLn( Hipotenusa = , hipo) end. {Hipotenusa}
a nadiendo entonces los identicadores que van surgiendo:

var catA, catB, {catetos} hipo : real; {hipotenusa}
Otras instrucciones en cambio son algo m as complicadas, pudiendo descomponerse en varias m as sencillas. As por ejemplo, el paso Hallar la hipotenusa puede llevarse a cabo en dos:
Hallar la suma de los cuadrados de los catetos (SumCuadr) Hallar la ra z de SumCuadr, que es ya la hipotenusa
que pueden escribirse directamente como las instrucciones siguientes:

sumCuadr:= Sqr(catA) + Sqr(catB) hipo:= SqRt(sumCuadr)
requiri endose a nadir la variable sumCuadr, de tipo real. Finalmente, este desarrollo desemboca en un programa en Pascal:
Program Hipotenusa (input, output); {Este programa pide las longitudes de los catetos de un tri angulo rect angulo y halla la correspondiente hipotenusa} var catA, catB, {longitudes de los catetos} sumCuadr, {para guardar CatA2 + CatB2 } hipo : real; {longitud de la hipotenusa} begin {Prog. hipotenusa} {Obtenci on de los datos y su comprobaci on:} Write (Introduce las longitudes de los catetos: ); ReadLn (catA, catB); WriteLn (un cateto mide , catA:8:4, y el otro , catB:8:4);
5.4. Desarrollo de programas correctos

{C alculos:} sumCuadr:= Sqr(catA) + Sqr(catB); hipo:= SqRt(sumCuadr); {Resultados:} WriteLn (La hipotenusa mide: , hipo:8:4) end. {Prog. Hipotenusa}
73
Resumen El programa Hipotenusa se ha desarrollado en fases sucesivas, a partir de un boceto a grandes rasgos del mismo. En esta primera versi on aparecen acciones y datos escritos en los t erminos del propio problema. Entonces empieza un proceso de renamiento por pasos sucesivos, desarrollando esas acciones en cada fase: las m as sencillas podr an escribirse directamente en Pascal; otras requerir an varios pasos en esa direcci on. En ambos casos pueden aparecer nuevos objetos que ser a preciso incluir en las secciones de constantes o variables. Este modo de proceder se llama dise no descendente y renamiento por pasos sucesivos, ya que el desarrollo de un programa se lleva a cabo identicando primero grandes acciones y descendiendo a sus detalles progresivamente. En el apartado 7.3 se desarrollan estas ideas ampliamente.
5.4
Desarrollo de programas correctos
En este apartado se establece la base necesaria para razonar sobre la correcci on de los programas durante su desarrollo, en vez de hacerlo a posteriori. Por el momento, atendemos al efecto que tienen las instrucciones elementales sobre los datos manejados por el programa. De hecho, se puede garantizar que un programa es correcto cuando el efecto que produce a partir de unos datos gen ericos consiste en desembocar en los resultados deseados. En suma, un programa es correcto si cumple con su cometido para unos datos cualesquiera, o sea, gen ericos. Nuestra propuesta consiste en habituarse, desde el principio, a concentrar la dosis de atenci on necesaria para estar seguro de que un programa es correcto. Para ello, se debe seguir este principio durante todas las fases del desarrollo.
5.4.1
Estado de los c omputos
El modelo de programaci on adoptado en este libro es el imperativo (v ease el apartado 5.1.3 de [PAO94]). En el, el efecto concreto de una instrucci on en
74
un momento dado puede variar dependiendo del conjunto de valores asociados a los objetos (constantes y variables) en ese instante. Esos valores (as como el conjunto de los datos de entrada y los resultados producidos) constituyen la noci on de estado de un programa, que se altera mediante cualquiera de las sentencias b asicas a medida que avanza la ejecuci on del programa. Por ejemplo, si consideramos declaradas a, b: integer, el efecto de la instrucci on Write(a + b) depende del estado (valor) de ambas variables, a y b, por lo que su interpretaci on en los puntos del programa donde aparezca
... ReadLn(a, b); WriteLn(a + b); a:= a + b; WriteLn(a + b); b:= Sqr(a); WriteLn(a + b); ...
requiere una interpretaci on hist orica basada en los sucesivos estados precedentes. En concreto, si el input consiste en una l nea con los n umeros 2 3 , las instrucciones WriteLn(a + b) producen tres salidas distintas: 5, 8 y 30. Trazado y depuraci on de un programa Una forma de comprobar el comportamiento de un programa para un juego concreto de datos de entrada consiste en simular su funcionamiento a mano y seguir la evoluci on de los estados por los que atraviesa. T picamente, esos estados incluyen informaci on sobre el input por leer, el output emitido, los valores de las variables que intervienen y el punto en que estamos en un momento dado (v ease el apartado 1.2.2). Siguiendo con el fragmento de programa anterior, el estado de los c omputos se puede mantener en una tabla como la de la gura 5.1, en la que las posiciones representan los estados sucesivos entre las instrucciones. As , resulta f acil analizar c omo las instrucciones modican el valor de las variables. Sin embargo, este sencillo m etodo se vuelve inviable a poco que un programa se complique. Por ello, algunos entornos de desarrollo de programas incorporan facilidades para efectuar este seguimiento de forma autom atica, permitiendo establecer las variables o expresiones de nuestro inter es, as como las posiciones en que deseamos que se produzca una suspensi on moment anea de los c omputos para examinar su estado. Entre esos entornos se encuentra Turbo Pascal (v ease el apartado C.2.6).
75
Posici on
Input ...
Output
1 2 3 4 5
[2 3 ] [] [] [] []
[] [] [5 ]
5
? 2 2
? 3 3 3 3
[5 ]
5 5
[]
[]
8 5 ...
8
8 5

5 25
30
5 25
Figura 5.1.
76
Precondiciones, postcondiciones y especicaciones Otro inconveniente del seguimiento descrito es que s olo nos permite examinar el funcionamiento de un programa para un juego de datos concreto, de donde no podemos concluir que un programa es correcto para cualquier juego de datos de entrada. Para examinar la correcci on de un programa, debemos caracterizar en general los puntos delicados, aportando una descripci on (m as o menos formal) del estado de los c omputos en ese punto. En general, si tras la instrucci on de lectura los valores de las variables x e y son x0 e y0 respectivamente, tenemos:
...; {x =?, y =?} Write(N umeros: ); ReadLn(x, y); {x = x0 , y = y0 } x:= x + y; {x = x0 + y0 , y = y0 } WriteLn(x,y); {x = x 0 + y 0 , y = y 0 } y:= Sqr(x); {x = x0 + y0 , y = (x0 + y0 )2 } WriteLn(x,y); {x = x 0 + y 0 , y = ( x 0 + y 0 ) 2 } ...
Los comentarios insertados ahora constituyen armaciones sobre el estado de los c alculos en un momento dado, y tienen una funci on doble: Nos permiten analizar con detalle el funcionamiento de un programa o un fragmento de programa. Por ejemplo, consideremos el programa siguiente, cuyo objeto consiste en intercambiar el valor de dos variables de tipo char entre s :
Program Intercambio (input, output); var c1, c2: char; {los dos caracteres} begin Write (Caracteres: ); ReadLn(c1, c2); c1:= c2; c2:= c1; WriteLn (Invertidos: , c1, c2) end. {Intercambio}
77
Si llamamos a y b a los caracteres le dos del input, se pueden insertar los siguientes predicados:
{c1 = a, c2 = b} c1:= c2; {c1 = b, c2 = b} c2:= c1; {c1 = b, c2 = b}
con lo que no se obtiene el resultado deseado. En cambio, el siguiente programa s consigue llevar a cabo el intercambio de dos caracteres cualesquiera. La prueba de ello se da en el propio programa:
Program Intercambio (input, output); var c1, c2, {los dos caracteres} aux : char; {variable auxiliar} begin Write (Caracteres: ); ReadLn(c1, c2); {c1 = a, c2 = b} aux:= c1; {c1 = a, c2 = b, aux = a} c1:= c2; {c1 = b, c2 = b, aux = a} c2:= aux; {c1 = b, c2 = a, aux = a} WriteLn (Invertidos: , c1, c2) end. {Intercambio}
En el razonamiento anterior, se ha partido de un programa y, para vericar su funcionamiento, se han incluido aserciones sobre el estado de los c alculos, averiguando as el efecto que tienen una o varias instrucciones sobre los mismos. Rec procamente, se puede partir del efecto que un (fragmento de) programa debe producir para buscar instrucciones que lo logren. Por ejemplo, se puede plantear la b usqueda de un fragmento de programa I que modique el valor de las variables x, y, z: integer del siguiente modo: {x = x0 , y = y0 , z = z0 } I {x = y0 , y = z0 , z = x0 }
78
Cap tulo 5. Primeros programas completos Las situaciones del estado inmediatamente anterior a la ejecuci on de una instrucci on e inmediatamente posterior a la misma se llaman precondici on y postcondici on respectivamente. El planteamiento anterior es la especicaci on formal de un problema en forma de ecuaci on, que puede leerse as : se pide un algoritmo I tal que, si se ejecuta cuando x = x0 , y = y0 , z = z0 , a su t ermino se obtiene x = y0 , y = z0 , z = x0 . Para interpretar correctamente una especicaci on deben tenerse en cuenta adem as las declaraciones de los objetos involucrados.
En resumen, pueden entenderse las instrucciones como funciones que convierten un estado en otro. Las condiciones por las que atraviesa la ejecuci on de un programa pueden especicarse m as o menos formalmente como comentarios, ayud andonos a comprender el funcionamiento de un algoritmo y a vericar su correcci on. Rec procamente, es posible plantear un problema especicando las condiciones inicial y nal que el algoritmo soluci on debe vericar. Este modo de proceder nos lleva a desarrollar algoritmos correctos, ya que el razonamiento sobre su funcionamiento no surge a posteriori, sino durante el proceso de desarrollo. Por supuesto, encontrar algoritmos que veriquen una especicaci on dada requiere cierta experiencia en el desarrollo de los mismos; precisamente en ello consiste la programaci on. Un medio aconsejable para adquirir el h abito de desarrollar algoritmos disciplinadamente consiste en esforzarse por razonar sobre la correcci on de los programas desde el principio, como se ha indicado en el punto primero, incluyendo posteriormente la especicaci on de las condiciones necesarias en el desarrollo de los algoritmos.
5.4.2
Desarrollo descendente con especicaciones
Incorporando aserciones en el proceso descendente de programaci on, resulta que tambi en las especicaciones van ren andose, indicando el cometido de cada parte del programa y las condiciones iniciales en que se ejecuta cada pieza del programa y las nales a su t ermino. As por ejemplo, el paso Obtener los catetos, catA y catB, tiene por objeto cambiar el valor de las variables catA y catB, que es desconocido, y anotar en ellas los valores (digamos que a y b son los valores verdaderos dados en el input), lo que se expresa as :
{CatA =?, catB =?} Obtener los catetos, CatA y catB {CatA = a, catB = b }
5.5. Observaciones finales
79
De hecho, la frase Obtener los catetos, CatA y catB reeja precisamente el cometido de su especicaci on. De esta forma, la primera fase del desarrollo del programa anterior puede escribirse as :
Program C alculo de hipotenusa begin {CatA =?, catB =?} Obtener los catetos, CatA y catB {CatA = a, catB = b } Hallar la hipotenusa, Hipo {Hipo = a2 + b2 } Escribir el resultado, Hipo {Output = a2 + b2 } end.
En las fases sucesivas se ir a renando el algoritmo, que se va convirtiendo poco a poco en un programa.
5.5
e re r
Observaciones nales
Limitaciones del tipo integer. Se ha escrito y ejecutado el programa siguiente en un compilador en que MaxInt es 32767. La ejecuci on del mismo est a representada en la columna de la derecha: Program LimitacionesDeInteger (output); {se asume la constante MaxInt = 32767} var n: integer; begin n:= 10000; WriteLn(n); {10000} n:= n*4; WriteLn(n); {-25536} n:= n div 4; WriteLn(n) {-6384} end. {LimitacionesDeInteger} Se observa aqu que al ser Z , el dominio de integer, distinto de Z Z, las operaciones correspondientes tambi en tienen sus limitaciones. En el ejemplo anterior, se produce un desbordamiento en la segunda instrucci on del programa.
80
e re r

Limitaciones del tipo real. El siguiente programa tiene un resultado imprevisto: aunque la expresi on Ln(Exp(1)) = 1 es cierta, su evaluaci on produce el valor False en el siguiente programa: Program LimitacionesDeReal (output); begin ... WriteLn(Ln(Exp(1)) = 1) { False} ... end. {LimitacionesDeInteger} Ello se debe a que los n umeros del tipo real se representan s olo aproximadamente: a t tulo de ejemplo, la cantidad 0.1 es en binario un decimal peri odico, por lo que se truncan cifras en su representaci on (v ease el apartado 2.2.3 de [PAO94]). En esta referencia se identican los peligros m as frecuentes que surgen al trabajar con n umeros reales, como es en concreto la comparaci on de cantidades reales.
e re r
Variables sin valor inicial. En el siguiente programa se hace uso de variables a las que no se ha dado valor alguno. Program VariablesSinValorInicial (output); var x, y: real; begin {x =?, y =?} WriteLn(x); WriteLn(y); WriteLn(x+y) end. {VariablesSinValorInicial} Por lo tanto, su funcionamiento produce resultados arbitrarios, como se muestra a continuaci on, donde cada columna representa una ejecuci on distinta. 3.4304031250E+04 9.2923334062E+18 2.6086154722E-04 2.0689620625E-36 1.6805384925E+24 -0.0000000000E+00 0.0000000000E+00 8.5444437667E+37 1.9225485289E-17
La conclusi on es esta: si no se da a las variables valor inicial, estas toman valores arbitrarios.
5.6. Ejercicios
81
5.6
Ejercicios
1. Escriba programas que den cada una de las siguientes salidas: ***** ***** ***** ***** ***** * * * * * * *** ***** ******* *
2. Enmiende los errores cometidos en la escritura del siguiente programa: program Par-o-impar (imput); {Este programa pide un entero: si es par contesta "TRUE", y si no, "FALSE" } beguin {datos} Write(Dame un entero y averig uar e si es par); ReadLn(n); {c alculos} esPar:= not odd n {resultados} WriteLn(Soluci on: esPar); end 3. Escriba un programa para cada uno de los siguientes problemas, document andolo debidamente. Incluir adem as bajo el encabezamiento la informaci on concerniente al autor (c odigo, grupo, nombres, etc.), as como la fecha de realizaci on. Una vez acabados, obt engase una copia escrita de ellos. (a) Soluci on de una ecuaci on de la forma ax + b = 0, supuesto a=0. (b) Lectura de los coecientes a, b y c de una ecuaci on de segundo grado ax2 + bx + c = 0 y c alculo de sus ra ces, en los siguientes casos: i. Suponiendo que las ra ces son reales. Ejecutarlo con los siguientes juegos de datos: 1 2 1 1 0 -1 1 0 0 ii. Suponiendo que son imaginarias. Ejecutarlo con el siguiente juego de datos: 1 1 1 (c) Desarrolle un programa que, para una cierta cantidad de dinero (en pesetas), da el cambio apropiado, en billetes de mil, monedas de quinientas, de cien, de veinticinco, de duro y de peseta. bill1000 mon100 cantidad resto1000 resto100 . . . 3817 segundos = 1 horas, 3 minutos y 37 segundos
(d) Convierta una cantidad de tiempo (en segundos, Z Z), en la correspondiente en horas, minutos y segundos, con arreglo al siguiente formato:
82

4. Escriba un programa que, en primer lugar, lea los coecientes a2 , a1 y a0 de un polinomio de segundo grado a2 x2 + a1 x + a0 y escriba ese polinomio. Y, en segundo, lea el valor de x y escriba qu e valor toma el polinomio para esa x. Para facilitar la salida, se supondr a que los coecientes y x son enteros. Por ejemplo, si los coecientes y x son 1, 2, 3 y 2, respectivamente, la salida puede ser 1x^2 + 2x + 3 p(2) = 9 5. Razone, informalmente, la correcci on o falsedad de los siguientes fragmentos de programa, cuyo cometido se indica a continuaci on. (a) Intercambio del valor de dos variables enteras. x:= x+y; y:= x-y; x:= x-y (b) Dado un entero n, hallar el menor m n que es par. m:= n div 2 * 2 6. Los t erminos de la sucesi on de Fibonacci2 se denen as : Los dos primeros son unos.
Cada t ermino es igual a la suma de los dos anteriores
Es decir: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, . . . Suponiendo que a y b son dos t erminos consecutivos de esa sucesi on, razone la correcci on de los siguientes fragmentos de programa desarrollados para hacer avanzar un paso esos t erminos: (a) Siendo aux: integer una variable auxiliar para hacer el trasvase de valores: aux:= a; a:= b; b:= aux + a (b) Sin usar variable auxiliar alguna: b:= a+b; a:= b-a
Descubierta por Leonardo da Pisa (1180-1250) y publicada en su Liber Abacci, en 1202.
Tema II
Cap tulo 6
6.1 6.2 6.3 6.4 6.5 6.6
Composici on de instrucciones . . . . . . . . . . . . . . . Instrucciones de selecci on . . . . . . . . . . . . . . . . . Instrucciones de iteraci on . . . . . . . . . . . . . . . . .
86 88 94
Dise no y desarrollo de bucles . . . . . . . . . . . . . . . 103 Dos m etodos num ericos iterativos . . . . . . . . . . . . 113 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
En el cap tulo anterior se ha visto una breve introducci on a Pascal donde se han presentado algunos tipos de datos e instrucciones b asicas. Hasta ahora todos los ejemplos estudiados han sido de estructura muy simple: cada instrucci on se ejecuta una s ola vez y adem as en el mismo orden en el que aparecen en el listado del programa. Para escribir programas que traten problemas m as arduos es necesario combinar las acciones primitivas para producir otras acciones m as complejas. Este tipo de acciones combinadas se componen a partir de otras, m as sencillas, mediante tres m etodos fundamentales: la secuencia o composici on, la selecci on y la repetici on . Estos tres m etodos se describen informalmente como sigue: - La forma m as simple de concatenar acciones es la composici on, en ella se describe una tarea compleja como una sucesi on de tareas m as elementales. - La selecci on de una alternativa tras valorar una determinada circunstancia se reeja mediante las instrucciones if (en sus dos formas) y case.
86
Cap tulo 6. Instrucciones estructuradas - Finalmente, las instrucciones repetitivas (while, for y repeat) permiten expresar en Pascal la repetici on de acciones, ya sea un n umero de veces prejado o no.
En los siguientes apartados estudiamos cada una de las construcciones anteriores junto con m etodos que permiten estudiar su correcci on.
6.1
Composici on de instrucciones
En bastantes ocasiones una tarea concreta se especica como una serie de tareas que se ejecutan secuencialmente. Por ejemplo, si alg un d a alguien nos pregunta c omo llegar a alg un sitio, la respuesta podr a ser parecida a esta: 1. Tuerza por la segunda a la derecha. 2. Siga caminando hasta un quiosco. 3. Tome all el autob us. En el cap tulo anterior se us o, a un impl citamente, la composici on de instrucciones simples para obtener una acci on m as compleja; en este apartado se presenta su estudio completo. En Pascal la composici on de instrucciones se realiza concatenando las instrucciones y separ andolas con el car acter punto y coma (;). La construcci on de una instrucci on compleja como una sucesi on de instrucciones simples se muestra en el siguiente segmento de programa, que intercambia los valores de dos variables num ericas a y b sin hacer uso de ninguna variable auxiliar:
begin a:= a + b ; b:= a - b ; a:= a - b end
Una composici on de instrucciones indica que las instrucciones citadas son ejecutadas secuencialmente siguiendo el mismo orden en el que son escritas. El diagrama sint actico de una instrucci on compuesta aparece en la gura 6.1, y su descripci on usando notaci on EBNF (v ease [PAO94], pg. 132134) es la siguiente: begin instruccion {; instruccion } end
n de instrucciones 6.1. Composicio

begin
Instruccin
87
end
Figura 6.1. Diagrama sint actico de una instrucci on compuesta. e re r
T engase en cuenta que la interpretaci on del punto y coma es la de nexo o separador de sentencias; por lo tanto no debe aparecer despu es de la u ltima sentencia de la sucesi on. Obs ervese adem as que el signicado de las palabras reservadas begin y end es el de principio y n de la composici on, esto es, act uan como delimitadores de la misma. Despu es de esta interpretaci on es sencillo deducir que la agrupaci on de una sola instrucci on, por ejemplo begin x:= x + 1 end, es redundante, y equivalente a la instrucci on simple x:= x + 1. Asimismo, resulta superuo anidar pares begin. . . end como en el programa de la izquierda (que resulta ser equivalente al de la derecha). begin Read(x); Read(y); begin x:= x + 1; y:= y + 2 end; WriteLn(x * y) end
begin Read(x); Read(y); x:= x + 1; y:= y + 2; WriteLn(x * y) end
Para facilitar la legibilidad del programa es aconsejable mantener el sangrado dentro de cada par begin-end, as como la inclusi on de comentarios que informen sobre el cometido de cada segmento de c odigo, como se indic o en el apartado 5.2. Por ejemplo, en el programa anterior podr an haberse incluido comentarios indicando los segmentos de lectura de datos, c alculo y resultado del programa:
begin {Lectura de datos:} Read(x); Read(y); {C alculos:} x:= x + 1; y:= y + 2;
88
Cap tulo 6. Instrucciones estructuradas
if
Expr. bool.
then
Instruccin
else
Instruccin
Figura 6.2. Diagrama sint actico de if-then-else. {Resultados:} WriteLn(x * y) end
6.2
6.2.1
Instrucciones de selecci on
La instrucci on if-then-else
Esta instrucci on es el equivalente en Pascal a una expresi on condicional del tipo si apruebo entonces ir e de vacaciones y si no tendr e que estudiar en verano, con la cual se indica que dependiendo del cumplimiento o no de una condici on se har a una cosa u otra. En Pascal, la instrucci on if-then-else (en adelante, if) es la m as importante instrucci on de selecci on. Su diagrama sint actico aparece en la gura 6.2. La interpretaci on de la sentencia de selecci on gen erica if expresion booleana then instruccion-1 else instruccion-2 se puede deducir directamente de la traducci on del ingl es de sus t erminos:1 si la expresi on booleana es evaluada a True entonces se ejecuta la instruccion-1 y en caso contrario (se eval ua a False) se ejecuta la instruccion-2 . Un ejemplo t pico en el que aparece una instrucci on de selecci on podr a ser el siguiente segmento de programa que calcula el m aximo de dos n umeros, x e y, y lo almacena en la variable max:
if x > y then max:= x else max:= y
Es importante sangrar adecuadamente el texto del programa para mantener la legibilidad del c odigo obtenido. Por otra parte, nada nos impide que las acciones que se emprendan tras evaluar el predicado sean acciones compuestas; en tal
Hay que advertir que, si bien en ingl es se preere el uso de otherwise al de else, aqu el resulta ciertamente m as propenso a ser escrito incorrectamente.
1
n 6.2. Instrucciones de seleccio
89
caso la instrucci on compuesta se pondr a entre las palabras begin y end como se se nal o en el apartado anterior. Como muestra consid erese el renamiento del c odigo anterior:
if x > y then begin max:= x; WriteLn(El m aximo es , x) end else begin max:= y; WriteLn(El m aximo es , y) end
Es aconsejable evitar la introducci on de c odigo redundante dentro de las posibles alternativas, ya que se facilita en gran manera el mantenimiento del programa. El segmento anterior es un agrante ejemplo de redundancia que puede ser evitada f acilmente colocando el WriteLn una vez realizada la selecci on:
if x > y then max:= x else max:= y; {Fin del if} WriteLn(El m aximo es , max) e re r
A efectos de la colocaci on de los puntos y comas debe tenerse en cuenta que toda la construcci on if-then-else corresponde a una sola instrucci on, y no es una composici on de las instrucciones if, then y else; en particular, la aparici on de un punto y coma justo antes de un then o de un else dar a como resultado un error sint actico (bastante frecuente, por cierto).
Una particularidad de esta instrucci on es que la rama else es opcional; en caso de no ser incluida se ha de interpretar que cuando la expresi on booleana resulta ser falsa entonces no se realiza ninguna acci on. Por esta raz on, la forma if-then es u til como sentencia para controlar excepciones que pudieran afectar el procesamiento posterior. Por ejemplo, en el siguiente fragmento de programa se muestra el uso de la forma if-then como sentencia de control.
ReadLn(year); feb:= 28; {No siempre, ya que puede ser a~ no bisiesto} if year mod 4 = 0 then feb:= 29; WriteLn(Este a~ no Febrero tiene ,feb, d as)
90
El programa asigna a la variable feb el n umero de d as del mes febrero, en 2 general este n umero es 28 salvo para a nos bisiestos.
e re r Obs ervese el uso de los puntos y comas en el ejemplo anterior: la instrucci on de selecci on acaba tras la asignaci on feb:= 29 y, al estar en una secuencia de acciones, se termina con punto y coma.
Aunque, en principio, la instrucci on if s olo permite seleccionar entre dos alternativas, es posible usarla para realizar una selecci on entre m as de dos opciones: la idea consiste en el anidamiento, esto es, el uso de una instrucci on if dentro de una de las ramas then o else de otra instrucci on if. Como ejemplo sup ongase que se quiere desarrollar un programa que asigne a cada persona una etiqueta en funci on de su altura (en cm), el siguiente fragmento de c odigo realiza la selecci on entre tres posibilidades: que la persona sea de estatura baja, media o alta.
if altura < 155 then WriteLn(Estatura Baja) else if altura < 185 then WriteLn(Estatura Media) else WriteLn(Estatura Alta)
En el segmento anterior se asigna la etiqueta de estatura baja a quien mida menos de 155 cm, de estatura media a quien est e entre 156 y 185 cm y de estatura alta a quien mida 186 cm o m as. El anidamiento de instrucciones if puede dar lugar a expresiones del tipo if C1 then if C2 then I2 else I3 (6.1)
que son de interpretaci on ambigua en el siguiente sentido: a cu al de las dos instrucciones if pertenece la rama else? En realidad, la ambig uedad s olo existe en la interpretaci on humana, ya que la sem antica de Pascal es clara: El convenio que se sigue para eliminar la ambig uedad consiste en emparejar cada rama else con el then soltero m as pr oximo. Siguiendo el convenio expuesto, la expresi on anterior se interpreta sin ambig uedad como se indica a continuaci on: if C1 then begin if C2 then I2 else I3 end
El criterio empleado para detectar si un a no es o no bisiesto ha sido comprobar si el a no es m ultiplo de 4; esto no es del todo correcto, ya que de los a nos m ultiplos de 100 s olo son bisiestos los m ultiplos de 400.
2
91
Si, por el contrario, se desea forzar esa construcci on de modo que sea interpretada en contra del convenio, entonces se puede usar un par begin-end para aislar la instrucci on if anidada del siguiente modo: if C1 then begin if C2 then I2 end else I3 Otro modo de lograr la misma interpretaci on consiste en a nadir la rama else con una instrucci on vac a, esto es
e re r En la explicaci on del convenio sobre la interpretaci on del anidamiento de instrucciones if se ha escrito el c odigo linealmente, en lugar de usar un formato vertical (con sangrado), para recordar al programador que la sem antica de Pascal es independiente del formato que se d e al c odigo. Es conveniente recordar que el sangrado s olo sirve para ayudar a alguien que vaya a leer el programa, pero no indica nada al compilador.
if C1 then if C2 then I2 else else I3
Por ejemplo, en relaci on con la observaci on anterior, un programador poco experimentado podr a escribir la instrucci on (6.1) dentro de un programa del siguiente modo
if C1 then if C2 then I2 else I3 {Cuidado!!}
interpretando err oneamente que la rama else est a ligada con el primer if. Como consecuencia, obtendr a un programa sint acticamente correcto que arrojar a resultados imprevisibles debido a la interpretaci on incorrecta, por parte del programador, del anidamiento de instrucciones if. La soluci on del problema reside en forzar la interpretaci on del anidamiento para que el compilador entienda lo que el programador ten a en mente, esto ser a escribir if C1 then begin if C2 then I2 end else I3 if C1 then if C2 then I2 else else I3
o bien
Con frecuencia, aunque no siempre, puede evitarse el anidamiento para elegir entre m as de dos opciones, pues para ello se dispone de la instrucci on de selecci on m ultiple case, que permite elegir entre un n umero arbitrario de opciones con una sintaxis mucho m as clara que la que se obtiene al anidar instrucciones if.
92
case
Expresin
of
Constante
Instruccin
end
Figura 6.3. Diagrama sint actico de la instrucci on case.
6.2.2
La instrucci on case
La instrucci on case permite la selecci on entre una cantidad variable de posibilidades, es decir, es una sentencia de selecci on m ultiple. Un ejemplo de esta selecci on en lenguaje natural podr a ser el siguiente men u semanal: seg un sea el d a de la semana, hacer lo siguiente: lunes, mi ercoles y viernes tomar pescado, martes, jueves y s abado tomar carne, el domingo comer fuera de casa. Esta instrucci on consta de una expresi on (llamada selector ) y una lista de sentencias etiquetadas por una o varias constantes del mismo tipo que el selector; al ejecutarse esta instrucci on se eval ua el valor actual del selector y se ejecuta la instrucci on que tenga esa etiqueta, si no existe ninguna instrucci on con esa etiqueta se produce un error.3 El diagrama sint actico de la instrucci on case aparece en la gura 6.3.
e re r La expresi on selectora de una instrucci on case as como las etiquetas deben ser de un tipo ordinal (v ease el apartado 3.6).
Como ejemplo de aplicaci on de la instrucci on case consid erese el siguiente segmento de c odigo que asigna la calicaci on literal seg un el valor almacenado en la variable nota de tipo integer:
var nota: real; ... ReadLn(nota); case Round(nota) of 0..4: WriteLn(SUSPENSO); 5,6: WriteLn(APROBADO);
Esto es lo que ocurre en Pascal est andar; en Turbo Pascal no se produce ning un error, simplemente se pasa a la siguiente instrucci on.
3

7,8: WriteLn(NOTABLE); 9: WriteLn(SOBRESALIENTE); 10: WriteLn(MATRICULA de HONOR) end {case}
93
Otra situaci on en la que es frecuente el uso de la instrucci on case es cuando algunos programas se controlan mediante men us , es decir, aparecen en pantalla las diferentes acciones que se pueden ejecutar dentro del programa y el usuario elige, mediante un n umero o una letra, aqu ella que quiere utilizar. Por ejemplo, supongamos un programa de gesti on de una biblioteca. Tal programa proporcionar a en pantalla un men u con las siguientes acciones: B. B usqueda. P. Petici on pr estamo. D. Devoluci on pr estamo. S. Salir. En un primer nivel de renamiento, el programa podr a escribirse de la siguiente forma:
var opcion: char; ... Mostrar el men u Leer opcion case opcion of B: B usqueda. P: Petici on Pr estamo. D: Devoluci on Pr estamo. S: Salir. end
Si las acciones son complejas, pueden aparecer submen us donde se seleccionan ciertas caracter sticas de la acci on. Por ejemplo, al elegir la opci on de b usqueda puede aparecer un segundo men u con las distintas opciones disponibles: A. B usqueda por Autores. M. B usqueda por Materias. I. B usqueda por ISBN. S. Salir.
94
Se deduce f acilmente que este fragmento de programa debe repetir las acciones de b usqueda, petici on y devoluci on hasta que se elija la opci on de salida. El cometido de este fragmento consiste en mostrar el men u al usuario y leer un valor, que se asigna a la variable opci on. Este valor determina la opci on elegida y se utiliza en una instrucci on case para activar las acciones correspondientes. Por lo tanto, la instrucci on case abunda en este tipo de programas al determinar las acciones que hay que ejecutar en cada opci on.
6.3
Instrucciones de iteraci on
Las instrucciones iterativas permiten especicar que ciertas acciones sean ejecutadas repetidamente; esto es lo que se llama usualmente un bucle. Se dispone en Pascal de tres construcciones iterativas (while, repeat y for), no obstante se puede demostrar que todas ellas pueden ser especicadas s olo con la instrucci on while (v ease el apartado 7.2). En los siguientes apartados se estudia detenidamente cada una de las instrucciones de iteraci on y se realiza una comparaci on entre las caracter sticas de cada una de ellas para ayudarnos a escoger la que m as se adecua al bucle que se desea desarrollar.
6.3.1
La instrucci on while
En algunas ocasiones es necesario especicar una acci on que se repite siempre que se cumpla una determinada condici on; una frase en lenguaje natural tal como mientras haga calor usar manga corta es un ejemplo de este tipo de construcciones. En Pascal esta construcci on se hace mediante la instrucci on while. Su diagrama sint actico aparece en la gura 6.4, que se corresponde con el esquema while Expresion booleana do Instruccion cuya interpretaci on es: mientras que la expresi on booleana sea cierta se ejecutar a la instrucci on, que se suele llamar cuerpo del bucle, indicada tras el do. A continuaci on tenemos un fragmento de programa que calcula la suma de los n primeros n umeros naturales:
ReadLn(n); suma:= 0; contador:= 1; while contador <= n do begin suma:= suma + contador; contador:= contador + 1 end; {while} WriteLn(suma)
n 6.3. Instrucciones de iteracio

Expresin Booleana
Instruccin
95
while
do
Figura 6.4. Diagrama sint actico de la instrucci on while.
La ejecuci on de una instrucci on while comienza con la comprobaci on de la condici on (por esto a los bucles while se les llama bucles preprobados ); si esta es falsa entonces se naliza la ejecuci on, esto es, se salta la sentencia que aparece tras el do; si la condici on es verdadera entonces se ejecuta la instrucci on, se vuelve a comprobar la condici on y as sucesivamente. Para una correcta utilizaci on de la instrucci on while es necesario que la instrucci on modique las variables que aparecen en la condici on, ya que en caso contrario, si la condici on es verdadera siempre permanecer a as y el bucle no terminar a nunca. Una situaci on en que se puede producir este error surge cuando el cuerpo del bucle es una secuencia de instrucciones y se olvida utilizar los delimitadores begin y end. Por ejemplo, el siguiente segmento de c odigo no calcula la suma de los enteros desde el 1 hasta el n:
ReadLn(n); suma:= 0; contador:= 0; while contador <= n do suma:= suma + contador; contador:= contador + 1; WriteLn(suma)
{OJO: Fin de while}
Al olvidar delimitar el cuerpo del bucle, la instrucci on por iterar termina antes de actualizar el valor del contador, con lo cual el bucle se repite sin cesar y el programa se cuelga. La correcci on de tal error se reduce a incluir un par begin-end para delimitar la sentencia interior del bucle.
e re r La instrucci on while admite s olo una instrucci on tras el do, con lo que para iterar una acci on m ultiple se ha de emplear la composici on de instrucciones con su correspondiente par begin-end. La sintaxis de Pascal permite escribir un punto y coma inmediatamente despu es del do. Sin embargo, cuando se entre en el bucle, esta construcci on dar a lugar a un bucle innito, puesto que se interpreta que el interior del bucle es la instrucci on vac a que, obviamente, no modica los par ametros de la condici on del bucle. Por lo tanto, a efectos pr acticos no se debe escribir un punto y coma detr as del do.
96
Antes de continuar con m as ejemplos de bucles while vamos a introducir un par de funciones booleanas que aparecen muy frecuentemente en el uso de bucles: EoLn y EoF.4 La funci on EoLn se hace verdadera cuando se alcanza una marca de n de l nea y falsa en otro caso, mientras que la funci on EoF se hace verdadera cuando se alcanza una marca de n de archivo y falsa en otro caso. As , el siguiente fragmento de programa cuenta y escribe los caracteres de una l nea:
var c: char; numCar: integer; ... numCar:= 0; while not EoLn do begin Read(c); numCar:= numCar + 1 end; {while} WriteLn(numCar)
y este otro fragmento cuenta el n umero de l neas del input

var numLin: integer; ... numLin:= 0; while not EoF do begin ReadLn; numLin:= numLin + 1 end; {while} WriteLn(numLin) e re r
Obs ervese c omo se usa la caracter stica de preprobado en los ejemplos anteriores para asegurarse de que no ha terminado la l nea (resp. el archivo) antes de leer el siguiente car acter (resp. l nea).5
Las instrucciones while se pueden anidar y obtener instrucciones del siguiente tipo
Estas funciones ser an estudiadas en mayor profundidad en el apartado 14.3. En la versi on 7.0 de Turbo Pascal se puede marcar el n de la entrada de datos con la combinaci on de teclas [Control] + [z].
5

while condici on 1 do begin Instrucciones while condici on 2 do Instrucci on ; Instrucciones end {while}
97
simplemente escribiendo el while interior como una instrucci on m as dentro del cuerpo de otro bucle while. Si el bucle while exterior no llega a ejecutarse, por ser falsa su condici on, tampoco lo har a el while interior. Si, por el contrario, el while exterior se ejecutara por ser su condici on verdadera, entonces se evaluar a la condici on del while interior y, si tambi en es verdadera, se ejecutar an sus instrucciones interiores hasta que su condici on se vuelva falsa, tras lo cual el control vuelve al while exterior. Un ejemplo de frecuente aplicaci on de anidamiento de instrucciones while puede ser la gesti on de cheros de texto, en el siguiente fragmento de c odigo se cuenta el n umero de caracteres del input, que est a compuesto a su vez por varias l neas
var c:char; numCar:integer; ... numCar:= 0; while not EoF do begin while not EoLn do begin Read(c); numCar:= numCar + 1 end; {while not EoLn} ReadLn end; {while not EoF} WriteLn(numCar)
Las propiedades principales de la instrucci on while que se deben recordar son las siguientes: 1. La condici on se comprueba al principio del bucle, antes de ejecutar la instrucci on; por eso se le llama bucle preprobado. 2. El bucle termina cuando la condici on deja de cumplirse. 3. Como consecuencia de los puntos anteriores la instrucci on se ejecuta cero o m as veces; por lo tanto puede no ejecutarse.
98
repeat
Instruccin
until
Expresin Booleana
Figura 6.5. Diagrama sint actico de la instrucci on repeat.
6.3.2
La instrucci on repeat
Comenzamos este apartado retomando el ejemplo en lenguaje natural con el que se present o la instrucci on while: mientras haga calor usar manga corta. La caracter stica de pre probado de while hace que este consejo s olo sea v alido para gente pre visora que comprueba el tiempo que hace antes de salir de casa. C omo se podr a modicar el ejemplo anterior para que fuera v alido tambi en para quien no sabe qu e tiempo hace fuera hasta que ya es demasiado tarde? Una forma ser a llevar un jersey puesto hasta que haga calor ; de este modo se evitar an bastantes enfriamientos indeseados. La instrucci on repeat permite la construcci on de bucles similares al de este u ltimo ejemplo, con caracter sticas ligeramente distintas a la del bucle while. El diagrama sint actico de la instrucci on repeat aparece en la gura 6.5. La forma general de la instrucci on repeat obedece al esquema repeat Lista de instrucciones until Expresion booleana donde
Lista de instrucciones:= instruccion {; instruccion }
por lo tanto, la interpretaci on de una instrucci on repeat es: repetir las instrucciones indicadas en el cuerpo del bucle hasta que se verique la condici on que aparece tras until.
e re r En este tipo de bucles las palabras reservadas repeat y until funcionan como delimitadores, no siendo necesario usar begin-end para delimitar la lista de instrucciones.
En la ejecuci on de una instrucci on repeat se comienza ejecutando la lista de instrucciones y despu es se comprueba si se cumple la condici on (por eso el bucle es postprobado ); si la condici on a un no se cumple entonces se repite el bucle, ejecutando la lista de instrucciones y comprobando la condici on. La iteraci on
99
termina cuando la condici on se hace verdadera, en cuyo caso se pasa a la siguiente instrucci on externa al bucle. Como ejemplo de utilizaci on del bucle repeat, se incluye otra versi on de la suma de los n primeros n umeros naturales.
ReadLn(n); {Supuesto que n >= 1} suma:= 0; contador:= 0; repeat contador:= contador + 1; suma:= suma + contador until contador = n
Obs ervese que la condici on n >= 1 es imprescindible para que el resultado nal sea el esperado. En general, siempre es conveniente comprobar el comportamiento del bucle en valores extremos; en este ejemplo, para n = 0 se generar a un bucle innito, lo cual se evitar a sustituyendo la condici on contador = n por contador >= n. En este caso, dada la caracter stica de postprobado del bucle repeat, las instrucciones interiores se ejecutar an al menos una vez, por lo que la suma valdr a al menos 1 y el resultado arrojado ser a incorrecto para n <= 0. Un caso frecuente de utilizaci on de repeat se produce en la lectura de datos:
{lectura de un n umero positivo:} repeat WriteLn(Introduzca un n umero positivo); ReadLn(numero) until numero > 0
donde si alguno de los datos introducidos no es positivo entonces la condici on resultar a ser falsa, con lo cual se repite la petici on de los datos. Podemos mejorar el ejemplo de aplicaci on a la gesti on de una biblioteca mostrado en el apartado 6.2.2 usando la instrucci on repeat para controlar el momento en el que se desea terminar la ejecuci on.
Mostrar el men u {Elegir una acci on seg un la opci on elegida:} WriteLn(Elija su opci on: ); ReadLn(opcion); repeat case opcion of B: B usqueda. P: Petici on Pr estamo. D: Devoluci on Pr estamo.
100

S: Salir. end until (opcion = S) or (opcion = s)
El anidamiento de instrucciones repeat se realiza de la forma que cabe esperar. Como ejemplo se introduce un programa que determina el m aximo de una secuencia de n umeros positivos procedentes del input terminada con el cero.
Program MaximoDelInput (input, output); {Calcula el m aximo de una secuencia de n umeros terminada en 0} var max, n: integer; begin max:= 0; repeat {Lee un n umero positivo, insistiendo hasta lograrlo:} repeat Write(Introduzca un n umero positivo: ); ReadLn(n) until n >= 0; if n > max then max:= n until n = 0; WriteLn(El m aximo es: ,max) end. {MaximoDelInput}
Las propiedades principales de la instrucci on repeat son las siguientes: 1. La instrucci on repeat admite una lista de instrucciones interiores, no siendo necesario utilizar los delimitadores begin-end. 2. Este bucle se llama postprobado; es decir, la condici on se comprueba despu es de ejecutar la lista de instrucciones, por lo que esta se ejecuta al menos una vez. 3. El bucle termina cuando se cumple la condici on. 4. Como consecuencia de los puntos anteriores la lista de instrucciones siempre se ejecuta una o m as veces.
6.3.3
La instrucci on for
La instrucci on de repetici on for se utiliza para crear bucles con un n umero predeterminado de repeticiones. Un ejemplo sencillo en lenguaje natural podr a on del ascensor, seg un ser para los bloques desde el A hasta el K hacer la inspecci
101
to
for
Identif.
:=
Expresin downto
Expresin
do
Instruccin
Figura 6.6. Diagrama de ujo de las instrucciones for.
el cual se especica una tarea repetitiva (la inspecci on) que ha de realizarse exactamente en 11 ocasiones (para los bloques A,. . . , K ). La sentencia for admite dos variantes: la for-to-do (instrucci on for ascendente) y la for-downto-do (instrucci on for descendente). El diagrama sint actico de estas sentencias aparece en la gura 6.6. De otro modo: for variable:= expresion ordinal (to|downto) expresion ordinal do instruccion donde se acostumbra a llamar variable de control o ndice del bucle a la variable variable. El funcionamiento del bucle for es el siguiente: primero se comprueba si el ndice rebasa el l mite nal, con lo que es posible que el cuerpo del bucle no llegue a ejecutarse ninguna vez, en caso positivo se le asigna el valor inicial a la variable de control vble, se ejecuta la instrucci on interior una vez y se incrementa (o decrementa, seg un se trate de to o downto respectivamente) una unidad el valor de vble, si este nuevo valor est a comprendido entre el valor inicial y el valor nal, entonces se vuelve a ejecutar la instrucci on interior, y as sucesivamente hasta que vble alcanza el valor nal. En particular, si en una instrucci on for-to-do el valor inicial de la variable es posterior al valor nal entonces no se ejecutan las instrucciones interiores y se sale del bucle. La instrucci on for-downto-do tiene un comportamiento an alogo cuando el valor inicial de la variable es anterior al valor nal.
e re r En teor a, nada impide que en el cuerpo de un bucle for se modique el valor de la variable de control o las expresiones inicial y nal del bucle; sin embargo, debe ponerse el mayor cuidado en evitar que esto ocurra. En particular, conviene recordar que la variable de control se actualiza autom aticamente. El siguiente fragmento de c odigo es un ejemplo sint acticamente correcto for i:= 1 to 5 do begin Write(i); i:= i - 1 end {for}
102

pero genera un bucle innito dando como resultado una sucesi on innita de unos.6
Como ejemplo de aplicaci on de la instrucci on for podemos considerar, una vez m as, la suma de los primeros n umeros naturales 1, 2, . . . , n.
var n, i, suma: integer; ... ReadLn(n); suma:= 0; for i:= 1 to n do suma:=suma + i; WriteLn(suma)
Otro ejemplo interesante es el siguiente, con el que se halla una tabulaci on de la funci on seno para los valores 0 , 5 , . . . , 90 .
const Pi = 3.1416; var r: real; n: integer; ... r:= 2 * Pi/360; {El factor r pasa de grados a radianes} for n:= 0 to 18 do WriteLn(Sin(5 * n * r))
Es conveniente recordar que la variable de control puede ser de cualquier tipo ordinal; por ejemplo, la siguiente instrucci on imprime, en una l nea, los caracteres desde la A a la Z:
for car:= A to Z do Write(car)
Como ejemplo de anidamiento de bucles for podemos considerar el siguiente fragmento que escribe en la pantalla los elementos de la matriz de tama no n m i + j denida por aij = 2 :
const N = 3; M = 5;
6
En realidad, ese es el comportamiento en Turbo Pascal.
o y desarrollo de bucles 6.4. Disen

var i,j: integer; ... for i:= 1 to N do for j:= 1 to M do WriteLn(El elemento (,i,,,j,) es ,(i + j)/2)
103
Las siguientes caracter sticas de la instrucci on for merecen ser recordadas: 1. Las expresiones que denen los l mites inicial y nal se eval uan una sola vez antes de la primera iteraci on. 2. El bucle se repite un n umero predeterminado de veces (si se respeta el valor del ndice en el cuerpo del bucle). 3. El valor de la variable de control se comprueba antes de ejecutar el bucle. 4. El incremento (o decremento) del ndice del bucle es autom atico, por lo que no se debe incluir una instrucci on para efectuarlo. 5. El bucle termina cuando el valor de la variable de control sale fuera del intervalo de valores establecido.
6.4
6.4.1
Dise no y desarrollo de bucles

Elecci on de instrucciones iterativas
Para poder elegir la instrucci on iterativa que mejor se adapta a una situaci on particular es imprescindible conocer las caracter sticas m as importantes de cada instrucci on iterativa, as como las similitudes y diferencias entre ellas. El primero de todos los criterios para elegir una u otra instrucci on iterativa es la claridad : se ha de elegir aquella instrucci on que exprese las acciones por repetir con la mayor naturalidad. Adem as, la elecci on de la instrucci on adecuada depende de las caracter sticas del problema. En el caso en que se conozca previamente el n umero de repeticiones que van a ser necesarias, es recomendable usar la instrucci on for. Por ejemplo, el siguiente fragmento de c odigo calcula la media aritm etica de 5 n umeros le dos del input:
Program Media5 (input, output); {Calcula la media de cinco n umeros} var entrada, total, media: real;
104

begin total:= 0; {Entrada de datos y c alculo de la suma total:} for i:= 1 to 5 do begin ReadLn(entrada); total:= total + entrada end; {for} {C alculo de la media:} media:= total / 5; {Salida de datos:} WriteLn(La media es , media:10:4) end. {Media5}
Si no se conoce previamente cu antas repeticiones se necesitar an entonces se usar a bien while o bien repeat; para saber cu ando conviene usar una u otra ser a conveniente recordar sus similitudes y diferencias. 1. Si no se sabe si se ha de ejecutar el cuerpo del bucle al menos una vez entonces el bucle ha de ser preprobado, con lo cual se usar a la instrucci on while. 2. Si, por el contrario, el cuerpo del bucle se ha de ejecutar al menos una vez entonces se usar a repeat, pues nos basta con un bucle postprobado. Por ejemplo, sup ongase que estamos desarrollando un programa de gesti on de un cajero autom atico, la primera tarea que se necesita es la de identicar al usuario mediante su n umero personal; si tenemos en cuenta la posibilidad de error al teclear el n umero lo mejor ser a colocar este fragmento de c odigo dentro de un bucle. Puesto que, obviamente, es necesario que el usuario teclee su n umero de identicaci on al menos una vez, se usar a la instrucci on repeat.
var codigo, intentos: integer; ... intentos:= 0; repeat Read(codigo); intentos:= intentos + 1 until C odigo correcto or (intentos > 3)
donde se ha expresado en seudoc odigo la comprobaci on de la validez del n umero tecleado y, adem as, se incluye un contador para no permitir m as de tres intentos fallidos. En caso de duda, si no se sabe muy bien si el cuerpo del bucle se ha de repetir al menos una vez o no, se ha de usar while, pero debemos asegurarnos de que
105
la condici on est a denida en la primera comprobaci on. El siguiente ejemplo muestra un caso en el que esto no ocurre: supongamos que dada una l nea de caracteres se desea averiguar el primer car acter que es una letra min uscula, el siguiente fragmento de programa es err oneo
var car: char; ... while not ((a <= car) and (car <= z)) do Read(car)
en el supuesto de que a car no se le haya dado un valor inicial, ya que entonces el valor de car es desconocido en la primera comprobaci on.
6.4.2
Terminaci on de un bucle
El buen dise no de un bucle debe asegurar su terminaci on tras un n umero nito de repeticiones. Los bucles for no crean problemas en este aspecto siempre que se respete la variable de control dentro del cuerpo del bucle. Precisamente el uso de for est a indicado cuando se conoce previamente el n umero de repeticiones necesarias; sin embargo, para los bucles condicionales (while y repeat) se ha de comprobar que en su cuerpo se modican algunas de las variables que aparecen en su condici on P de entrada (resp. salida) de manera que, en las condiciones supuestas antes del bucle, P llega a ser falsa (resp. cierta) en un n umero nito de iteraciones. Consid erese el siguiente fragmento de programa:
var n: integer; ... Read(n); while n <> 0 do begin WriteLn(n); n:= n div 2 end {while}
se observa que en el cuerpo del bucle se modica el valor de la variable, n, que aparece en su condici on. En este caso, para cualquier n entero se puede demostrar que el bucle termina siempre en log2 |n| + 1 pasos;7 de hecho, estos c alculos forman parte del algoritmo para pasar a base dos (v ease [PAO94], p agina 32). A continuaci on se muestra un ejemplo de bucle que, a pesar de modicar en su cuerpo la variable de la condici on del bucle, no siempre termina.
7
La notaci on x representa el mayor entero menor que x.
106
var n: integer; ... ReadLn(n); repeat WriteLn(n); n:= n - 2 until n = 0
Obviamente, este programa s olo termina en el caso de que el valor proporcionado para n sea par y positivo, dando n/2 vueltas, y no termina en caso contrario.
6.4.3
Uso correcto de instrucciones estructuradas
No basta con construir un programa para desempe nar una tarea determinada, hay que convencerse de que el programa que se ha escrito resuelve correctamente el problema. El an alisis de la correcci on de un programa puede hacerse a posteriori, como se explic o en el apartado 5.4, aplicando la llamada vericaci on de programas. Sin embargo, es mucho m as recomendable usar una t ecnica de programaci on que permita asegurar que el programa construido es correcto. En este apartado se indica c omo probar la correcci on de un fragmento de c odigo en el que aparecen instrucciones estructuradas. El estudio de la secuencia, la selecci on y la iteraci on se realiza por separado en los siguientes apartados. En general, se expresa un fragmento de programa mediante
Precondici on Instrucciones Postcondici on
para expresar que, si la precondici on es cierta al comienzo de las instrucciones, entonces a su t ermino la postcondici on se verica. La precondici on (abreviadamente PreC.) representa los requisitos para que trabajen las instrucciones, y la postcondici on (abreviadamente PostC.) representa los efectos producidos por las mismas. As pues, decir que las instrucciones son correctas equivale a decir que, si en su comienzo se verican sus requisitos, a su t ermino se han logrado sus objetivos; en suma, cumplen correctamente con su cometido. Uso correcto de una secuencia de instrucciones Para estudiar la correcci on de una secuencia de instrucciones se incluyen aserciones entre ellas y se analiza la correcci on de cada instrucci on individualmente.
107
Como ejemplo vamos a comprobar la correcci on del fragmento de c odigo que altera los valores de las variables a, b y c seg un se indica:
{PreC.: a = X, b = Y, c = Z} a:= a + b + c; b:= a - b; c:= a - c; a:= 2 * a - b - c {PostC.: a = Y + Z, b = X + Z, c = X + Y}
Para la vericaci on de la secuencia de instrucciones hemos de ir incluyendo aserciones que indiquen el efecto de cada instrucci on, tal como se present o en el apartado 5.4:
{PreC.: a = X, b = Y, c = Z} a:= a + b + c; {a = X+Y Z, b = Y, c = Z} b:= a - b; {a = X+Y+Z, b = (X+Y+Z) - Y = X+Z, c = Z} c:= a - c; {a = X+Y+Z, b = X+Z, c = (X+Y+Z) - Z = X+Y} a:= 2 * a - b - c {a = 2*(X+Y+Z) - (X+Z) - (X+Y) = Y+Z, b = X+Z, c = X+Y} {PostC.: a = Y+Z, b = X+Z, c = X+Y}
En el desarrollo anterior se aprecia c omo, partiendo de la precondici on, va cambiando el estado de las variables a, b y c hasta llegar a la postcondici on. Uso correcto de una estructura de selecci on Las estructuras de selecci on incluyen dos tipos de instrucciones, if y case; en ambos casos el proceso de vericaci on es el mismo: se ha de vericar cada una de las posibles opciones individualmente, haciendo uso de la precondici on y de la expresi on que provoca la elecci on de tal opci on. Puesto que la vericaci on se realiza de modo similar tanto para if como para case consideraremos s olo el siguiente ejemplo, con el que se pretende calcular el m aximo de las variables a y b:
{PreC.: a = X, b = Y} if a >= b then m:= a else m:= b {PostC.: a = X, b = Y, m = max(X,Y)}
108
Para vericar este fragmento se estudiar a separadamente cada una de las dos ramas (la then y la else)
{PreC.: a = X, b = Y} if a >= b then {a = X, b = Y y X >= Y } m:= a {a = X, b = Y, X >= Y y m = X = m ax(X,Y)} else {a = X, b = Y y X < Y} m:= b {a = X, b = Y, X < Y y m = Y = m ax(X,Y)} {Postc.: a = X, b = Y y m = m ax(X,Y)}
Se observa que cada una de las ramas verica la postcondici on, con lo cual la selecci on descrita es correcta. Uso correcto de estructuras iterativas Despu es de conocer las instrucciones de Pascal que permiten codicar bucles, en particular tras estudiar los distintos ejemplos incluidos, se puede tener la sensaci on de que construir bucles correctamente necesita grandes dosis de inspiraci on, ya que un bucle escrito a la ligera puede dar m as o menos vueltas de lo necesario, no detenerse nunca o, cuando lo hace, dar un resultado incorrecto. En este apartado se pretende demostrar que no es necesario apelar a las musas para escribir bucles correctos, ya que basta con dise nar el bucle mediante una metodolog a adecuada que se presenta a continuaci on. Como primer ejemplo se considerar a el algoritmo de la divisi on entera mediante restas sucesivas; este algoritmo se esboza a continuaci on mediante un sencillo ejemplo: Para hallar el cociente de la divisi on de 7 entre 2 hay que ver cu antas veces cabe 2 dentro de 7 (en este caso 7 = 2 + 2 + 2 + 1 con lo que el cociente ser a 3 y el resto 1) y, para ello, a 7 (el dividendo) se le va restando 2 (el divisor) repetidamente hasta que se obtenga un n umero menor que 2 (el divisor); este n umero ser a el resto de la divisi on, y el n umero de repeticiones realizadas ser a el cociente. No es conveniente comenzar a escribir directamente el bucle, aun habiendo comprendido perfectamente c omo trabaja el algoritmo. Antes conviene meditar qu e tipo de bucle usar, especicar las variables m nimas necesarias, expresar el resultado deseado en t erminos de variables declaradas y especicar qu e se espera que el bucle realice en cada repetici on.
o y desarrollo de bucles 6.4. Disen ddo dsor coc resto 7 2 0 7 7 2 1 5 7 2 2 3 7 2 3 1
109
Paso Paso Paso Paso
0: 1: 2: 3:
7 7 7 7
= = = =
7 2+5 2+5 2+2+2+1
= = = =
20+7 21+5 21+5 23+1

Figura 6.7.
1. Para decidir qu e tipo de bucle usar debemos observar que, en principio, no sabemos cu antas repeticiones van a ser necesarias en cada caso (no nos sirve for); por otro lado, no siempre va a ser necesaria al menos una repetici on del cuerpo del bucle, como por ejemplo al dividir 5 entre 7 (no nos sirve repeat). En consecuencia tendremos que usar un bucle while. 2. Las variables que necesitaremos para codicar el bucle deben ser al menos cuatro: para el dividendo, el divisor, el cociente y el resto, que llamaremos respectivamente ddo, dsor, coc y resto. 3. Dados ddo y dsor, el resultado que deseamos obtener son valores para coc y resto tales que ddo = dsor * coc + resto vericando que 0 resto dsor. 4. Por u ltimo, qu e se realiza en cada iteraci on? Sencillamente, reducir resto (en dsor unidades) e incrementar coc (en 1 unidad): o sea, tantear que ha cabido una vez m as el divisor en el dividendo. Si detallamos la divisi on de 7 entre 2 (v ease la gura 6.7) podemos ver c omo cambian las variables coc y resto y observar que: (a) En cada iteraci on del bucle existe una relaci on que permanece constante: ddo = dsor * coc + resto. (b) Se naliza cuando resto<dsor. Al escribir el programa usaremos esta aserci on para asegurar la correcci on del c odigo. Ya podemos dar una primera aproximaci on al programa usando seudoc odigo y aserciones:
var ddo, dsor, coc, resto: integer; ... {Entrada de datos:} Leer los valores de dividendo y divisor (positivos no nulos) {C alculos:} {PreC.PreC.: ddo > 0 y dsor > 0} Dar valor inicial a las variables cociente y resto
110

{La relaci on ddo = dsor * coc + resto debe cumplirse siempre} Comenzar el bucle {PostC.: ddo = dsor * coc + resto y 0 <= resto < dsor} {Salida de datos:} Imprimir el resultado
Las tareas de entrada y salida de datos no presentan demasiada dicultad, pero hay que tener cuidado al codicar los c alculos, especialmente el bucle. Con la informaci on obtenida al estudiar el bucle se observa que este debe repetirse mientras que la variable resto sea mayor que el divisor: el valor de resto comienza siendo el del dividendo; en cada iteraci on, del resto se sustrae el dsor hasta que, nalmente, se obtenga un valor para resto menor que el dsor; al mismo tiempo, la variable coc aumenta una unidad cada vez que se ejecuta una iteraci on.
e re r Un vistazo a la tabla de la gura 6.7 basta para convencerse de que hay que operar sobre la variable resto y no sobre la que contiene el dividendo. Por otra parte, es importante no confundir los conceptos resto y cociente con los valores de las variables resto y coc, ya que s olo al nal del proceso los valores de estas variables son realmente el resto y el cociente de la divisi on entera.
Este razonamiento nos permite escribir el siguiente programa:

Program Cociente (input, output); var ddo, dsor, coc, resto: integer; begin {Entrada de datos:} repeat Write(Introduzca el dividendo: ); ReadLn(ddo); Write(Introduzca el divisor: ); ReadLn(dsor) until (ddo > 0) and (dsor > 0); {Se tiene ddo > 0 y dsor > 0} {C alculos:} coc:= 0; resto:= ddo; {Inv.: ddo = dsor * coc + resto y resto 0} while resto >= dsor do begin resto:= resto - dsor; coc:= coc + 1 end; {while} {PostC.: ddo = dsor * coc + resto y 0 <= resto < dsor}

{Salida de datos:} WriteLn(El cociente es, coc, y el resto es , resto) end. {Cociente}
111
En el programa anterior se ha destacado una aserci on que permanece constante antes, durante y tras la ejecuci on del bucle; tal aserci on recibe el nombre de invariante del bucle (abreviadamente Inv.). En general, para la construcci on de cualquier bucle conviene buscar un invariante que reeje la acci on del bucle en cada iteraci on, pues esto facilitar a la programaci on y la vericaci on posterior. El invariante de un bucle debe vericarse en cuatro momentos: Comienzo: El invariante debe cumplirse justo antes de ejecutar el bucle por primera vez. Conservaci on: Si el invariante y la condici on del bucle se cumplen antes de una iteraci on y se ejecuta el cuerpo del bucle, entonces el invariante seguir a siendo cierto tras su ejecuci on. Salida: El invariante, junto con la falsedad de la condici on (que se tiene a la salida del bucle), nos permitir a deducir el resultado, que es la postcondici on del bucle. Terminaci on: El cuerpo del bucle deber a avanzar hacia el cumplimiento de la condici on de terminaci on del bucle, de forma que se garantice la nalizaci on del mismo. Para vericar cualquier bucle hay que comprobar estas tres etapas, donde la parte generalmente m as dif cil es la comprobaci on de conservaci on del invariante. Para el bucle anterior tenemos que 1. Las asignaciones a las variables coc y resto antes del bucle hacen que el invariante se cumpla antes de la primera iteraci on. 2. Supuesto que el invariante se cumple antes de una iteraci on, esto es ddo = dsor * coc + resto, hay que demostrar que el cuerpo del bucle conserva el invariante. En nuestro caso, debemos comprobar que los nuevos valores para coc y resto siguen cumpliendo el invariante, pero esto es trivial ya que dsor * (coc + 1) + (resto - dsor) = dsor * coc + dsor + resto - dsor = dsor * coc + resto = ddo
112
3. La terminaci on del bucle la tenemos asegurada, ya que en el cuerpo del bucle se va disminuyendo el valor de resto, con lo que la condici on de entrada resto < dsor siempre se va a alcanzar tras un n umero nito de iteraciones. La correcci on del bucle se deduce del invariante y de la condici on de entrada del bucle: tras la u ltima iteraci on, seg un el invariante, tenemos ddo = dsor * coc + resto y adem as, seg un la condici on del bucle, se tiene que resto < dsor con lo cual el bucle es correcto. Dependiendo del programa en particular, aparecen distintos tipos de bucles; no todos los invariantes tienen por qu e ser expresables como relaciones num ericas entre variables. En el siguiente ejemplo tenemos que localizar la posici on del primer car acter blanco (un espacio) que aparece en una frase terminada por un punto. La idea consiste en recorrer la frase car acter por car acter teniendo en cuenta la posici on del car acter rastreado. Las variables necesarias son dos: car y pos, para almacenar el car acter le do y su posici on. El cuerpo del bucle, en cada iteraci on, debe leer el siguiente car acter y actualizar la posici on; y se volver aa ejecutar a menos que se haya le do un blanco o un punto, con lo cual, el invariante ha de ser que Pos contiene la posici on del u ltimo car acter le do. El recorrido se va a realizar leyendo caracteres del input, y se supone que este contiene alg un car acter blanco o alg un punto. En estas condiciones tendremos el siguiente bucle:
var car: char; pos: integer; ... pos:= 0; {Inv.: pos indica la posici on del ultimo car acter rastreado} repeat Read(car); pos:= pos + 1 until (car = ) or (car = .) ...
La correcci on de este bucle se deja como ejercicio para el lector.

e re r Se acaba de introducir, de manera informal, el concepto de invariante de un bucle para analizar su correcci on. Sin embargo, no debe pensarse que los invariantes son herramientas para vericar bucles a posteriori, esto es, despu es de haberlos escrito: es conveniente extraer el invariante antes de escribir nada, pues de esta manera la tarea de programaci on del bucle se facilita enormemente.
todos nume ricos iterativos 6.5. Dos me
113
c3 a
c4 b c2 c1
Figura 6.8. Aproximaci on por bipartici on.
6.5
Dos m etodos num ericos iterativos
Dada una funci on f : IR IR, se considera el problema de hallar aproximadamente un cero de la misma, esto es, un valor x IR tal que f (x) = 0. En un computador no es posible representar todos los n umeros reales, por lo cual ser a necesario conformarse con aproximaciones a un cero de f , esto es, con un x tal que f (x) 0. Los siguientes m etodos son ampliamente conocidos por su f acil aplicaci on y eciencia. El tercer apartado no es m as que una aplicaci on directa de los mismos.
6.5.1
M etodo de bipartici on
En este primer m etodo, aceptaremos un valor x como aproximaci on aceptable de un cero x0 de f si | x x0 |< , para una cierta tolerancia prejada (por ejemplo, = 106 ). Este m etodo se basa en el teorema de Bolzano que dice que, cuando f es continua en un intervalo [a, b] y los signos de f (a) y de f (b) son distintos, entonces existe alg un cero de f en ese intervalo. Aunque no hay modo de hallarlo en general, una posibilidad consiste en b hallar el signo de f (c), siendo c = a+ 2 el punto central del intervalo [a, b] y, seg un sea igual al de f (a) o al de f (b), quedarnos con el intervalo [c, b] o [a, c], respectivamente. Iterando este proceso, tendremos un intervalo tan peque no como deseemos, y siempre con un cero de f encerrado en el. En concreto, bastar a con repetir el proceso hasta que el ancho del intervalo sea menor que 2 para que su punto medio se pueda considerar una aproximaci on aceptable. En la gura 6.8 se muestra c omo se va aproximando el cero de la funci on f mediante la bipartici on sucesiva del intervalo.
114
La codicaci on de este algoritmo es bastante simple: En primer lugar, conocida la funci on a la que queremos calcular un cero, debemos solicitar el m aximo error permitido, epsilon, y los extremos del intervalo donde buscar el cero de la funci on, a y b. Despu es habr a que reducir el intervalo hasta que sea menor que 2 * epsilon; en la reducci on del intervalo se ir an cambiando los valores de los extremos del intervalo, para lo cual se usar an las variables izda y dcha. La primera aproximaci on en seudoc odigo es la siguiente:
Program Biparticion (input, output); var epsilon, a, b, izda, dcha: real; begin Leer el error permitido, epsilon; Leer los extremos del intervalo, a,b; izda:= a; dcha:= b; Reducir el intervalo Imprimir el resultado end. {Biparticion}
La lectura y salida de datos no presenta mayor dicultad, por su parte la tarea reducir el intervalo requiere la utilizaci on de una variable adicional, c, para almacenar el valor del punto central del intervalo. Podemos renar esta tarea mediante un bucle while, ya que no sabemos si ser a necesario ejecutar al menos una reducci on del intervalo de partida (aunque es lo previsible):
while (dcha - izda) > 2 * epsilon do begin {Inv.: signo(f (izda)) = signo(f (dcha))} c:= (dcha + izda) / 2; if f (dcha) * f (c) < 0 then {El cero se encuentra en [c,dcha]} izda:= c else {El cero se encuentra en [izda,c]} dcha:= c; end {while} {PostC.: c es la aproximaci on buscada}
Lo u nico que queda por completar, dejando aparte la entrada y salida de datos, consiste en la comprobaci on de la condici on de la instrucci on if-then-else, es decir f (dcha) * f (c) < 0, cuya codicaci on se realizar a una vez conocida la funci on f . El programa nal del m etodo es el siguiente:
todos nume ricos iterativos 6.5. Dos me

Program Biparticion (input, output); var epsilon, a, b, c, izda, dcha: real; begin {Entrada de datos} WriteLn(Error permitido?); ReadLn(epsilon); WriteLn(Extremos del intervalo?); ReadLn(a,b); izda:= a; dcha:= b; {Reducci on del intervalo} while (dcha - izda) > 2 * epsilon do begin {Inv.: signo(f (izda)) = signo(f (dcha))} c:= (dcha + izda) / 2; if f (dcha) * f (c) < 0 then {El cero se encuentra en [c,dcha]} izda:= c else {El cero se encuentra en [izda,c]} dcha:= c; end; {while} {PostC.: c es la aproximaci on buscada} WriteLn(Un cero de la funci on es ,c) end. {Biparticion}
115
6.5.2
M etodo de Newton-Raphson
Sea nuevamente f : IR IR una funci on continua que ahora tiene, adem as, derivada continua y no nula en todo IR. Si tiene un valor c que anula a f se sabe que, para cualquier x0 IR, el valor x1 = x0 f ( x0 ) f ( x0 )
es una aproximaci on hacia c mejor que x0 , y que la sucesi on de primer elemento x0 y de t ermino general f ( xn ) xn+1 = xn f ( xn ) converge r apidamente hacia el valor c. El m etodo de Newton-Raphson consiste en lo siguiente: dado un x0 , se trata de recorrer la sucesi on denida anteriormente hasta que dos valores consecutivos xk y xk1 satisfagan la desigualdad |xk xk+1 | < . En este caso xk es la aproximaci on buscada.
116
x2
x1
x0
Figura 6.9. Aproximaci on por el m etodo de Newton-Raphson.
En la gura 6.9 se muestra c omo se va aproximando el cero de la funci on f mediante la sucesi on x 0 , x 1 , x 2 , . . . , x n , . . . La codicaci on del m etodo de Newton-Raphson no diere demasiado de la de bipartici on, ya que, esencialmente, ambas consisten en construir iterativamente una sucesi on de aproximaciones a un cero de la funci on; la u nica diferencia estriba en la forma de construir la sucesi on: en bipartici on simplemente se calculaba el punto medio del intervalo de trabajo, mientras que en el m etodo de NewtonRaphson, conocido xn , el siguiente t ermino viene dado por xn+1 = xn f ( xn ) f ( xn )
Para este algoritmo disponemos, al menos, de dos posibilidades que se enumeran a continuaci on: 1. Codicar directamente cada paso de iteraci on usando expl citamente la expresi on de la funci on derivada f (puesto que f es conocida es posible hallar f usando las reglas de derivaci on), o bien 2. Usar el ejercicio 11 del cap tulo 3 para aproximar el valor de f cada vez que sea necesario. Desde el punto de vista de la correcci on del resultado obtenido resulta conveniente usar directamente la expresi on de f para evitar el posible efecto negativo causado por los errores acumulados tras cada aproximaci on de f (xi ). La implementaci on de este algoritmo se deja como ejercicio.
6.6. Ejercicios
117
6.5.3
Inversi on de funciones
Una aplicaci on del c alculo de ceros de funciones consiste en la inversi on puntual de funciones, esto es, dada una funci on g y un punto a en su dominio calcular g 1 (a). Un ejemplo en el que se da esta necesidad podr a ser el siguiente: Sup ongase que se quiere poner en orbita un sat elite de comunicaciones a una altura de 25 kil ometros, sup ongase tambi en que se conoce h(t), la altura de la lanzadera espacial en metros en cada instante de tiempo t, entonces, el instante de tiempo preciso t0 en el que se debe soltar el sat elite de la lanzadera es tal que h(t0 ) = 25000, esto es, t0 = h1 (25000). La inversi on puntual de funciones consiste simplemente en un peque no ardid que permite expresar la inversa puntual como el cero de cierta funci on: el m etodo se basa en que calcular un valor8 de g 1 (a) equivale a hallar un cero de la funci on f denida como f (x) = g (x) a.
6.6
Ejercicios
(a) Pedir los dos t erminos de una fracci on y dar el valor de la divisi on correspondiente, a no ser que sea nulo el hipot etico denominador, en cuyo caso se avisar a del error. (b) Pedir los coecientes de una ecuaci on de segundo grado y dar las dos soluciones correspondientes, comprobando previamente si el discriminante es positivo o no. (c) Pedir los coecientes de la recta ax + by + c = 0 y dar su pendiente y su ordenada en el origen en caso de que existan, o el mensaje apropiado en otro caso. (d) Pedir un n umero natural n y dar sus divisores.
1. Escriba un programa apropiado para cada una de las siguientes tareas:
2.
(a) Escriba un programa que estudie la naturaleza de las soluciones del sistema de ecuaciones siguiente: a 1 x + b1 y = c 1 a 2 x + b2 y = c 2 y lo resuelva en el caso de ser compatible determinado. (b) Apl quelo a los siguientes sistemas: 2x + 3y 3 x 2y = = 5 1 6x + 3y 2x + y = = 12 1 4x + 2y 6x + 3y = = 8 12
Pues puede haber varios.
118
3. Escriba un programa que lea un car acter, correspondiente a un d gito hexadecimal: 0, 1,..., 9, A, B,..., F y lo convierta en el valor decimal correspondiente: 0, 1,..., 9, 10, 11,..., 15 4. Para hallar en qu e fecha cae el Domingo de Pascua de un anno cualquiera, basta con hallar las cantidades a y b siguientes: a:= (19 * (anno mod 19) + 24) mod 30 b:= (2 * (anno mod 4) + 4 * (anno mod 7) + 6 * a + 5) mod 7 y entonces, ese Domingo es el 22 de marzo + a + b d as, que podr a caer en abril. Escriba un programa que realice estos c alculos, produciendo una entrada y salida claras. 5. Considere el siguiente fragmento de programa v alido en Pascal: ... if P then if Q then if x < 5 then WriteLn(a) else WriteLn(b) else if x < y then WriteLn(c) else WriteLn(d) else if x < 0 then if Q then WriteLn(e) else WriteLn(f) else if Q then WriteLn(g) else WriteLn(h) ... siendo P, Q: boolean y x, y: integer. (a) Reescr balo usando una disposici on m as clara. (b) Siendo P x < 3 y Q y < x, detecte y suprima las condiciones redundantes. (c) Detecte y suprima las condiciones redundantes, asumi endose que en la entrada la siguiente sentencia es cierta: (P = Q) (x < y < 0) 6. El cuadrado de todo entero positivo impar se puede expresar como 8k + 1, donde k es entero positivo; por ejemplo ..., 32 = 8 1 + 1, 52 = 8 3 + 1, ...
Sin embargo, algunos valores de k no producen cuadrados, como k = 2 que da 17. Se pide un programa que lea un n umero entero y lo clasique seg un las posibilidades de los siguientes ejemplos,
6.6. Ejercicios
4 es par 5 es impar, pero no es de la forma 8k+1 17 es impar y de la forma 8k+1 (para k = 2), pero no es un cuadrado perfecto. 25 es impar, de la forma 8k+1 (para k = 3), y cuadrado perfecto de 5 dando una salida como las indicadas. 7. Qu e hace el siguiente programa? Program Letras (output); var fila, col: char; begin for fila:= A to Z do begin for col:= A to fila do Write(fila); WriteLn end {for} end. {Letras} 8. Consid erese la funci on 3n + 1 P ( n) = n/2 si n es par y sea N un n umero natural arbitrario. La sucesi on num erica {N, P (N ), P (P (N )), P (P (P (N ))), . . . , P (P (. . . P (N ) . . .)), . . .} si n es impar
119
son los llamados n umeros pedrisco (v ease el apartado 1.3.1) generados por N . Por ejemplo, para N = 5 su sucesi on de n umeros pedrisco es {5, 16, 8, 4, 2, 1, 4, 2, 1, . . .} donde, a partir del sexto t ermino, los valores 4, 2 y 1 se repiten indenidamente. Construya un programa que, dado un natural N , escriba su sucesi on de n umeros pedrisco y cuente las iteraciones necesarias para llegar a 1 (y entrar en el bucle 1, 4, 2, 1, . . . ). Aplicarlo a todos los enteros menores que 30. Se observa algo especial para N = 27? 9. Escriba un programa cuyos datos son dos n umeros naturales y una operaci on (suma, resta, multiplicaci on o divisi on), y cuyo resultado es la cuenta correspondiente en el siguiente formato: * 1234 25 -----30850
Complete el programa anterior de manera que, antes de efectuar la operaci on seleccionada, verique que va a ser calculada sin conicto.
120

n k
10. Escriba un programa para hallar (a) mediante la f ormula
, donde n y k son datos enteros positivos,
n! (n k )!k ! n(n 1) . . . (k + 1) (b) mediante la f ormula (n k )! Qu e ventajas presenta la segunda con respecto a la primera? 11. Integraci on denida. Sea la funci on f : IR IR. Se puede dar un c alculo aproximado de su integral denida dividiendo el intervalo [a, b] en n trozos, de a base = b areas de los n rect angulos de base y alturas n , y sumando las f (x + i):
b n
f (x)dx
a i=1
f (x + i)
Escriba un programa que utilice esta expresi on para calcular una aproximaci on de 0 sen(x)dx y compruebe el grado de precisi on del programa, comparando su resultado con el ofrecido por los m etodos anal ticos. 12. Los dos primeros t erminos de la sucesi on de Fibonacci (v ease el ejercicio 6 del tema 5) valen 1, y los dem as se hallan sumando los dos anteriores: 1, 1, 2, 3, 5, 8, 13, 21, . . . Confeccione un programa que lea una cota entera positiva, N , y genere t erminos de la citada sucesi on hasta superar la cota jada. 13. Cifras de n umeros. (a) Escriba un programa que averig ue cu antos d gitos tiene un n umero natural n. Concrete en qu e condiciones debe estar ese dato para que el programa funcione correctamente. (b) Escriba el programa pasa pasa, que lee dos n umeros enteros positivos, a y b, y transere la u ltima cifra de a a b: (1234, 5678) (123, 56784) (c) Escriba un programa que invierta un n umero natural, dato, transriendo todas sus cifras a otro, resultado, que inicialmente vale 0: (1234, 0) (123, 4) (12, 43) (1, 432) (0, 4321) (d) Escriba un programa que lea del input un literal entero positivo, expresado en el sistema de numeraci on hexadecimal, y halle la cantidad que representa expres andola en el sistema decimal usual. 14. Primos y divisores. Escriba un programa que realice las siguientes tareas: (a) Que pida un n umero entero estrictamente mayor que uno y, una vez comprobada esa condici on, busque su mayor divisor distinto de el. (b) Que averig ue si un n umero n es primo, tanteando divisores a partir de 2 hasta dar con uno, o deteniendo la b usqueda al llegar al propio n.
6.6. Ejercicios
121
(c) Que averig ue si un n umero n es primo, pero parando la b usqueda (a lo m as) al llegar a n . 2 (d) Que averig u e si un n umero n es primo, pero parando la b usqueda (a lo m as) n . al llegar a 15. N umero perfecto es el que es igual a la suma de sus divisores, excluido el mismo. Ejemplo: Contraejemplo: 6=1+2+3 12 = 1 + 2 + 3 + 4 + 6
(a) Escriba un programa que d e los n umeros perfectos de 1 a 200. (b) Escriba un programa que busque el primer n umero perfecto a partir de 200 (supuesto que, en efecto, hay alguno). 16. Escriba un programa que aplique el procedimiento de bipartici on en el c alculo de un cero de la funci on f denida como: f ( x) = x4 en [0, 3], con una tolerancia menor que una millon esima. (Obs ervese que el resultado es una aproximaci on de 4 .)
1 17. Aplicar el m etodo de bipartici on en el c alculo aproximado de arcsen( 5 ), a trav es de un cero de la funci on f , denida as :
f (x) = sen(x) con la misma tolerancia.
1 5
18. Aplicar el m etodo de bipartici on en el c alculo aproximado de f (x) = ex 10. Obs ervese que el resultado es una aproximaci on de loge (10). 19. Usar el m etodo de Newton-Raphson para cada uno de los apartados anteriores. Qu e m etodo requiere menos iteraciones?
Cap tulo 7
7.1 7.2 7.3 7.4 7.5 7.6 7.7
Introducci on . . . . . . . . . . . . . . . . Aspectos te oricos . . . . . . . . . . . . . Aspectos metodol ogicos . . . . . . . . Renamiento correcto de programas Conclusi on . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . Referencias bibliogr acas . . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
123 125 139 146 151 151 153
En este cap tulo se explican los aspectos necesarios para aplicar de una forma adecuada las instrucciones estructuradas presentadas en el cap tulo anterior, de forma que los programas obtenidos sean claros, correctos y ecientes. En particular, se presentan los resultados te oricos que fundamentan la programaci on estructurada, y la metodolog a que permite la construcci on de programas seg un este estilo de programaci on.
7.1
Introducci on
Durante la corta historia de los computadores, el modo de programar ha sufrido grandes cambios. La programaci on era en sus comienzos todo un arte (esencialmente cuesti on de inspiraci on); posteriormente diversas investigaciones te oricas han dado lugar a una serie de principios generales que permiten confor mar el n ucleo de conocimientos de una metodolog a de la programaci on. Esta
124
n estructurada Cap tulo 7. Programacio
consiste en obtener programas de calidad. Esto se puede valorar a trav es de diferentes caracter sticas que se exponen a continuaci on, no necesariamente en orden de importancia: La correcci on del programa que, obviamente, es el criterio indispensable, en el sentido de que se desean obtener programas correctos que resuelvan el(los) problema(s) para los que est an dise nados. La comprensibilidad, que incluye la legibilidad y la buena documentaci on, caracter sticas que permiten una mayor facilidad y comodidad en el mantenimiento de los programas. La eciencia, que expresa los requerimientos de memoria y el tiempo de ejecuci on del programa. La exibilidad o capacidad de adaptaci on del programa a variaciones del problema inicial, lo cual permite la utilizaci on del programa durante mayor tiempo. La transportabilidad , que es la posibilidad de usar el mismo programa sobre distintos sistemas sin realizar cambios notables en su estructura. Teniendo en cuenta que un programa, a lo largo de su vida, es escrito s olo una vez, pero le do, analizado y modicado muchas m as, cobra una gran importancia adquirir t ecnicas de dise no y desarrollo adecuadas para obtener programas con las caracter sticas rese nadas en la introducci on. En este libro estudiamos dos t ecnicas, conocidas como programaci on estructurada y programaci on con subprogramas. El objetivo que las t ecnicas anteriores se proponen es que los programas sean comprensibles, correctos, exibles y transportables . Ambas t ecnicas no son excluyentes; m as bien al contrario, un buen estilo de programaci on las integra, enfocando los problemas desde los dos puntos de vista simult aneamente. Para evitar la confusi on que podr a surgir entre ellas, en este cap tulo nos centraremos en los principios de la programaci on estructurada, dejando los de la programaci on con subprogramas para los cap tulos 8, 9 y 10. Las ideas que dieron lugar a la programaci on estructurada ya fueron expuestas por E.W. Dijkstra en 1965, aunque el fundamento te orico (teoremas de la programaci on estructurada) est a basado en los trabajos de B ohm y Jacopini publicados en 1966. La programaci on estructurada es una t ecnica de programaci on cuyo objetivo es, esencialmente, la obtenci on de programas ables y f acilmente mantenibles. Su estudio puede dividirse en dos partes bien diferenciadas: por un lado su estudio conceptual te orico, y por otro su aplicaci on pr actica.
ricos 7.2. Aspectos teo
125
Por una parte, el estudio conceptual se centra en ver qu e se entiende por programa estructurado para estudiar con detalle sus caracter sticas fundamentales. Por otra parte, dentro del enfoque pr actico se presentar a la metodolog a de renamientos sucesivos que permite construir programas estructurados paso a paso, detallando cada vez m as sus acciones componentes.
7.2
Aspectos te oricos
En este apartado se introducen los diagramas de ujo como medio para explicar lo que no es la programaci on estructurada. Estos diagramas han sido profusamente utilizados hasta hace bien poco. Un par de ejemplos nos demostrar an el caos que puede producir la falta de una organizaci on adecuada. Un uso m as racional de los diagramas de ujo exige introducir condiciones que nos permitan hablar de programas razonables1 y cu ales son los mecanismos cuya combinaci on permite expresar de forma ordenada cualquier programa que satisfaga estas condiciones. Adem as se expone c omo se pueden reescribir en forma estructurada algunos programas razonables no estructurados. Ello permitir a deducir la gran aportaci on de esta metodolog a.
7.2.1
Programas y diagramas de ujo
Una pr actica muy com un de programaci on ha sido la utilizaci on de diagramas de ujo (tambi en llamados organigramas ) como una descripci on gr aca del algoritmo que se pretende programar. Sin embargo, esta popularidad ha ido menguando debido al d ebil (o nulo) soporte riguroso de su utilizaci on; nosotros presentaremos los diagramas de ujo precisamente para mostrar lo que no es programaci on estructurada. Para comprender mejor los problemas que surgen del uso incorrecto de los diagramas de ujo es necesario conocerlos un poco. Un diagrama de ujo se compone de bloques (que representan las acciones y las decisiones) y de l neas (que indican el encadenamiento entre los bloques). Los bloques de un diagrama de ujo pueden ser de cuatro clases distintas: S mbolos terminales, que indican el principio y el nal del algoritmo. Se representan usando ovalos, como se indica a continuaci on:
Principio
1
fin
El sentido de este adjetivo se explicar a en el apartado 7.2.2.
126
S mbolos de entrada y salida de datos. Respectivamente, signican lectura y escritura, y se representan como se indica:
Bloques de procesamiento de datos, que realizan operaciones con los datos le dos o con datos privados. Se representan mediante rect angulos que encierran la especicaci on del proceso, como por ejemplo:
a - b
Nudos de decisi on, en los que se elige entre dos o m as alternativas. Seg un las alternativas sean dos (generalmente dependiendo de una expresi on l ogica) o m as de dos se usa uno u otro de los siguientes s mbolos:
Cierto
Falso
A modo de ejemplo, en la gura 7.1 se muestra un sencillo diagrama de ujo que indica el procedimiento de multiplicar dos n umeros enteros positivos mediante sumas sucesivas. Sin embargo, no todos los diagramas de ujo son tan claros como el anterior. Como muestra consid erese el diagrama de ujo de la gura 7.2: si un diagrama de ujo se escribe de cualquier manera, aun siendo correcto desde el punto de vista de su funcionamiento, puede resultar engorroso, cr ptico, ilegible y casi imposible de modicar. Por otra parte, en la gura 7.3 se observa una disposici on mucho m as clara del mismo programa que favorece su comprensi on y facilita su codicaci on.
7.2.2
Diagramas y diagramas propios
El ejemplo anterior resalta la necesidad de una metodolog a que sirva para evitar diagramas tan confusos como el de la gura 7.2. Para formalizar esta
...
127
Principio
s0
a=0
NO
S I
fin
a a-1 s s+b
Figura 7.1. Diagrama de ujo para el producto de n umeros naturales.
Principio
fin
S I
a = b
NO
a < b
NO
a a - b
S I
bb - a
S I
a = b
NO
Figura 7.2. Un diagrama de ujo algo confuso.
128
Principio
S I
a = b
b b - a
NO
a < b
aa - b
S I
NO
fin
Figura 7.3. Versi on bien organizada del diagrama anterior.
129
metodolog a ser a necesario disponer de una cierta clase de diagramas permitidos a partir de los cuales construir la teor a. Entre estos se destaca la subclase de los diagramas propios , que representan, desde cierto punto de vista, a los programas correctamente estructurados. En este apartado se restringe el concepto de diagrama, que ser a utilizado m as adelante en la denici on de programa estructurado. Consideraremos que un diagrama se construye usando como elementos b asicos u nicamente las tres siguientes piezas: Acci on, que sirve para representar una instrucci on (por ejemplo de lectura, escritura, asignaci on. . . ).
A
Condici on, que sirve para bifurcar el ujo del programa dependiendo del valor (verdadero o falso) de una expresi on l ogica.
Cierto
p
Falso
Agrupamiento, que sirve, como su nombre indica, para agrupar l neas de ujo con distintas procedencias.
A continuaci on se denen y se dan ejemplos de diagramas propios, que ser a lo que consideraremos como programa razonable. El lector puede juzgar tras leer la denici on y los ejemplos lo acertado del calicativo. Denici on: Se dice que un diagrama, construido con los elementos citados arriba, es un diagrama propio (o limpio ) si re une las dos condiciones siguientes: 1. Todo bloque posee un u nico punto de entrada y otro u nico punto de salida. 2. Para cualquier bloque, existe al menos un camino desde la entrada hasta el y otro camino desde el hasta la salida.
130
Cierto
Cierto
A B
p
Falso
p
B
Falso
Figura 7.4. Un diagrama no propio y un diagrama propio.
C
Cierto Cierto
A
Falso
p
Falso
Figura 7.5. Un diagrama no propio.
Estas condiciones restringen el concepto de diagrama de modo que s olo se permite trabajar con aqu ellos que est an dise nados mediante el uso apropiado del agrupamiento y sin bloques superuos o formando bucles sin salida. En el diagrama de la izquierda de la gura 7.4 se muestra un ejemplo de un diagrama que no es propio por no tener una u nica salida. Agrupando las salidas se obtiene un diagrama propio (a la derecha de la gura). En la gura 7.5 se observa otro diagrama que no es propio, ya que existen bloques (los A y C y q) que no tienen un camino hasta la salida; si el programa llegara hasta esos bloques se colapsar a, pues no es posible terminar la ejecuci on. Finalmente, en la gura 7.6 aparece un diagrama que contiene bloques inaccesibles desde la entrada del diagrama. Algunos autores exigen una condici on adicional a un diagrama para considerarlo propio : no contener bucles innitos. Sin embargo esta propiedad est a m as estrechamente relacionada con la vericaci on que con el dise no de programas.
7.2.3
Diagramas BJ (de B ohm y Jacopini)
Los diagramas BJ son tres diagramas especialmente importantes; esta importancia se debe a que pueden considerarse esquemas de acciones muy naturales y completamente expresivos, en el sentido de que cualquier programa razonable
131
B p
Cierto
Falso
Figura 7.6. Un diagrama con elementos inaccesibles.
se puede reorganizar de forma ordenada combinando s olo estos esquemas. Esta caracter stica tiene bastante utilidad a la hora del dise no de programas, ya que arma que cualquier programa razonable (por ejemplo, el de la gura 7.2) puede escribirse de forma ordenada (como en la gura 7.3). Estas ideas se desarrollar an con m as precisi on en el apartado 7.2.4. Denici on: Un diagrama se dice que es un diagrama BJ (diagrama de B ohm y Jacopini o diagrama privilegiado ), si est a construido a partir de los siguientes esquemas: 1. La secuencia de dos acciones A y B, ya sean simples o compuestas:
A B
(7.1) La secuencia se suele denotar como Bloque(A,B). El equivalente en Pascal de este diagrama es la composici on de instrucciones. 2. La selecci on entre dos acciones A y B dependiendo de un predicado p. Los subprogramas, como es obvio, pueden consistir en acciones simples o compuestas (obs ervese que el agrupamiento posterior es esencial).
Cierto
p
Falso
B
(7.2)
El signicado de esta construcci on es si p es cierto entonces se ejecuta A y si no se ejecuta B.
132
n estructurada Cap tulo 7. Programacio En Pascal este diagrama se corresponde con la instrucci on if-then-else.
3. La iteraci on repite una acci on A dependiendo del valor de verdad de un predicado de control p.
A Cierto
Falso
(7.3) El signicado de este tipo de iteraci on es mientras que p es cierto hacer A y se denota mediante DoWhile(p,A). En esta construcci on, el predicado p act ua como un control sobre la iteraci on, esto es, si se verica p entonces se ejecuta A. Observando el diagrama (7.3) se observa que se comprueba el valor del predicado antes de ejecutar la acci on (el bucle es preprobado), con lo cual en Pascal este diagrama de iteraci on se corresponde con la instrucci on while. Otros diagramas de uso frecuente Ya se ha comentado antes que es posible expresar todo diagrama propio usando solamente los tres esquemas anteriores (esto es consecuencia de los resultados matem aticos de B ohm y Jacopini); sin embargo, con vistas a obtener una representaci on m as agradable, se pueden considerar tambi en algunos tipos adicionales de esquemas que son versiones modicadas de la secuencia, la selecci on y la repetici on. As , el esquema de la secuencia se puede generalizar para representar una secuencia de n subprogramas A1, . . . , An:
A1 A2 ... An
Si hacemos uso de la acci on vac a (que se corresponde con una instrucci on que no hace nada) se puede considerar la siguiente variante de la selecci on:
Cierto p Falso A
(7.4)
133
que se representa con la f ormula IfThen(p,A), y que en Pascal se corresponde con la instrucci on if-then-else cuando se omite la rama opcional else. Una generalizaci on interesante de la estructura de selecci on consiste en una ramicaci on en n ramas (en lugar de dos) tras evaluar una condici on. Esta generalizaci on se representa mediante el diagrama
a
fa fb
s . . .
n
. . .
fn
(7.5)
que se suele leer como:

seg un s valga a hacer fa . . . n hacer fn
y se corresponde con la instrucci on case en Pascal. Este esquema permite en muchas ocasiones expresar situaciones que s olo podr an especicarse usando un anidamiento m ultiple de instrucciones de selecci on. Este hecho se hace patente en la gura 7.7. Por otra parte, a veces resulta conveniente usar un esquema de iteraci on alternativo al preprobado, en el que el predicado no act ue como condici on de entrada a la iteraci on sino como una condici on que tiene que ser cierta para salir de la iteraci on. Esta construcci on puede expresarse as :
Cierto
Falso
(7.6) y se denota como DoUntil(p,A). La interpretaci on de esta estructura consiste en repetir la acci on A hasta que la condici on p se haga falsa. En Pascal este diagrama se corresponde con los bucles repeat.
134
S I
fa
s = a
NO
S I
fb
s = b
NO . . .
S I
fn
s = n
NO
. . .
Figura 7.7. Expresi on de CaseOf en funci on de IfThenElse.
Programas estructurados Denici on: Diremos que un diagrama representa a un programa estructurado si est a formado combinando los diagramas privilegiados de secuencia (7.1), selecci on (7.2) y/o repetici on (7.3). Como consecuencia de lo expuesto en el apartado anterior, un diagrama representa un programa estructurado si se puede expresar haciendo uso de cualesquiera de los diagramas (7.1) . . . (7.6); por lo tanto, todo programa estructurado presenta una descomposici on arborescente en la que cada nodo se corresponde directamente con una instrucci on de Pascal o con una condici on. Cualquier acci on (instrucci on o subprograma) de un programa estructurado puede ser sustituida por su descomposici on arborescente y viceversa. Esta propiedad simplica el razonamiento sobre el programa al hacerlo mucho m as legible, adem as de facilitar su mantenimiento (lo m as probable es que s olo haya que realizar modicaciones en sub arboles de la estructura general). Seg un la denici on, un programa estructurado P no tiene por qu e estar expresado como diagrama privilegiado, sin embargo, es obvio que precisamente esta expresi on es la realmente importante. Para obtener programas estructurados se introduce la metodolog a de dise no descendente de programas en la cual se hace bastante uso del seudoc odigo; todo esto se ver a en el apartado 7.3.
135
7.2.4
Equivalencia de diagramas
Tras denir lo que se entiende por programa estructurado cabe plantearse si un programa dado en forma no estructurada puede expresarse de forma equivalente mediante un programa estructurado. En este apartado se detalla el concepto de equivalencia de diagramas, que ser a usado m as adelante al enunciar los teoremas de la programaci on estructurada.
Dos diagramas propios se dice que son equivalentes si designan los mismos c alculos; esto es, si para una misma entrada de datos las l neas de ujo llevan a bloques id enticos.
Como ejemplo, consid erense los diagramas de las guras 7.2 y 7.3: no resulta dif cil comprobar que, para una misma entrada de datos, los c alculos especicados por cada diagrama son exactamente los mismos y, por lo tanto, ambos diagramas son equivalentes.
Los teoremas de la programaci on estructurada (v ease el apartado 7.2.5) arman que todo diagrama propio se puede expresar equivalentemente como un diagrama privilegiado. El problema es la construcci on del diagrama privilegiado equivalente.
Para realizar esta transformaci on se pueden usar, entre otras, las operaciones de agrupamiento, inversi on de predicados y desdoblamiento de bucles. A continuaci on se describir an estas operaciones y veremos algunos ejemplos que aclarar an estos conceptos.
Mediante el agrupamiento podemos evitar la multiplicidad de salidas de un programa, o que un bloque tenga m as de una echa de entrada. En el ejemplo de la gura 7.4 se mostr o un programa no propio porque tiene dos salidas; haciendo uso del agrupamiento se convierte en un programa estructurado. Un caso similar se muestra en el siguiente ejemplo, en el que tambi en se hace uso de un
136
agrupamiento tras una selecci on.

Cierto
f h g
p
Falso
Cierto
f h g
p
Falso
La inversi on de un predicado consiste en negar la condici on de una selecci on de modo que se intercambien las etiquetas de las ramas.
Cierto
A no p B
Falso
Falso
Cierto
Esta transformaci on es especialmente u til en casos de iteraci on: a veces es necesario invertir el bucle para que aqu ella se realice s olo cuando la condici on es cierta.2 Por ejemplo, el diagrama de la izquierda se puede modicar mediante la inversi on del predicado p y expresarlo como aparece a la derecha
f Falso p Cierto f Cierto no p DoWhile(no p,f) Falso
que es un diagrama estructurado del tipo DoWhile(no p,f).

2
V ease la denici on del bloque de iteraci on.
137
Finalmente, las dos equivalencias siguientes de desdoblamiento de bucles pueden hacer m as compacto el diagrama con el que se est e trabajando:
f
Cierto p Cierto
f
Cierto p Falso
Falso
Falso
Cierto
Cierto
Falso
Falso
7.2.5
Teoremas de la programaci on estructurada
En este apartado se enuncian los resultados m as importantes de la programaci on estructurada y se comentan sus consecuencias. El primero de todos ellos es el teorema de estructura, que dice que todo programa propio admite una expresi on estructurada. M as formalmente, en t erminos de diagramas, se enuncia as : Teorema 7.1 (de estructura) Todo diagrama propio es equivalente a un diagrama privilegiado. Puesto que todos los diagramas privilegiados admiten una expresi on arborescente, como consecuencia de este teorema se obtiene que todo programa propio es equivalente a un programa que tiene alguna de las siguientes formas: - Bloque(A,B), - IfThenElse(p,A,B), - DoWhile(p,A), donde p es un predicado del programa original y las acciones A y B son bien instrucciones o bien (sub)programas privilegiados.
138
e re r Teniendo en cuenta que todo diagrama propio se puede codicar mediante instrucciones estructuradas, del enunciado del teorema se deduce que IfThen, DoUntil, CaseOf y DoFor se pueden expresar en t erminos de las construcciones Bloque, IfThenElse y DoWhile.
El segundo teorema de la programaci on estructurada es el teorema de correcci on (o validaci on). Teorema 7.2 (de correcci on) La correcci on de un programa estructurado se puede estudiar mediante pasos sucesivos, examinando cada esquema (nodo) de su estructura arborescente y validando localmente la descomposici on realizada en ese nodo. La importancia de este teorema reside en que permite, al menos te oricamente, validar (o comprobar la correcci on de) un programa a la vez que este se est a construyendo. La t ecnica de dise no descendente facilita la vericaci on, ya que basta con validar cada uno de los renamientos realizados; esta t ecnica se muestra en el apartado 7.3.2.
7.2.6
Recapitulaci on
Una vez presentados los aspectos te oricos de la programaci on estructurada, merece la pena extraer algunas consecuencias de utilidad pr actica de lo visto hasta ahora, en especial de los diagramas privilegiados. En el primer p arrafo del apartado 7.2.3 se adelantaban aproximadamente las siguientes ideas: Los diagramas BJ representan acciones muy naturales; tanto, que se reejan en frases corrientes de cualquier lenguaje natural, como: Hacer primero esto, luego eso y luego aquello (secuencia). Si llueve ir e en coche, si no caminando (selecci on). Mientras tenga fuerzas seguir e luchando (iteraci on). Esta naturalidad permite construir diagramas con organizaci on clara y sencilla que facilita el estudio de la correcci on de los programas. Los diagramas BJ son sucientemente expresivos como para, combin andose entre s , expresar cualquier programa razonable. Por lo tanto, resulta ser altamente recomendable habituarse a desarrollar programas estructurados. Precisamente, en el siguiente apartado se comienzan a estudiar las repercusiones de la programaci on estructurada en la metodolog a de la programaci on.
gicos 7.3. Aspectos metodolo
139
7.3
Aspectos metodol ogicos
Hasta ahora se ha estudiado la programaci on estructurada, pero apenas se han incluido las implicaciones de esta teor a en el proceso de programaci on. En este apartado comienza la exposici on de la t ecnica de dise no descendente, que permite aplicar la teor a introducida para construir programas estructurados. La t ecnica de dise no descendente (en ingl es, top-down ) est a basada en un proceso de aproximaci on sucesiva a la soluci on del problema planteado. El apelativo de dise no descendente surge del hecho de que se parte de una especicaci on abstracta del problema por resolver para, mediante renamientos sucesivos, ir descendiendo hasta cubrir todos los detalles y describir el programa en un lenguaje de programaci on. Tambi en existe la t ecnica contraria, llamada dise no ascendente (en ingl es, bottom-up ), que parte de soluciones concretas disponibles para diferentes partes del problema y las integra para generar la soluci on total. En los cap tulos anteriores ya se ha usado el seudoc odigo en varias ocasiones; este apartado comienza con un repaso de sus cualidades y su papel dentro del dise no descendente de programas.
7.3.1
Seudoc odigo
El seudoc odigo es un lenguaje intermedio que sirve de puente entre un lenguaje natural (como el espa nol, por ejemplo) y ciertos lenguajes de programaci on (como Pascal). Es u til como primera aproximaci on, y es muy apropiado para describir renamientos progresivos de un programa, permitiendo al programador prescindir de los detalles y limitaciones que tienen los lenguajes espec cos y as poder concentrarse s olo en la l ogica del programa. Puesto que el seudoc odigo no es un lenguaje formal, existe una gran libertad en el uso de recursos, lo cual permite muchas veces dejar sin detallar algunos fragmentos de programa. Esta caracter stica hace que el seudoc odigo facilite el abordar un problema mediante el dise no descendente (v ease el apartado 7.3.2). A continuaci on se describe un fragmento de seudoc odigo con la potencia expresiva suciente para expresar las instrucciones estructuradas principales: la secuencia, la selecci on y la iteraci on, con sus principales variantes. La secuencia de bloques de programa se denota mediante una lista de acciones consecutivas. Por ejemplo, la secuencia de tareas que hay que seguir para realizar una llamada desde un tel efono p ublico se puede expresar en seudoc odigo del modo siguiente:
Buscar una cabina libre
140
Insertar monedas Marcar el n umero deseado
Para expresar una selecci on del tipo IfThenElse(p,A,B) o IfThen(p,A) se usar a su equivalente en espa nol. En el ejemplo anterior pudiera ocurrir que no recordemos el n umero al que deseamos marcar, en ese caso se presenta una selecci on: si se recuerda el n umero se marca, y si no se pide informaci on.
Buscar una cabina libre Insertar monedas si se recuerda el n umero entonces Marcar el n umero deseado si no Pedir informaci on y marcar
En este caso, la tarea de pedir informaci on se descompone como una secuencia: marcar el 003 y pedir el n umero deseado. Esta secuencia de tareas puede interferir en la secuencia primitiva (la de realizar la llamada); para evitar este posible conicto se hace uso de un nivel m as de anidamiento, con su correspondiente sangrado, como se muestra a continuaci on:
Buscar una cabina libre Insertar monedas si se recuerda el n umero entonces Marcar el n umero deseado si no Marcar el 003 Pedir el n umero deseado Marcar el n umero obtenido
Las iteraciones del tipo DoUntil(p,A) se ilustran a continuaci on con el m etodo de estudio m as perfecto que existe para aprender una lecci on de forma autodidacta.
repetir Estudiar detenidamente la lecci on Intentar todos los ejercicios hasta que las t ecnicas se dominen perfectamente
El seudoc odigo relativo a las iteraciones del tipo DoWhile(p,f) se muestra a continuaci on; en este caso se presenta un m etodo alternativo al ejemplo anterior.
mientras no se dominen las t ecnicas hacer Estudiar detenidamente la lecci on Intentar todos los ejercicios
141
Obs ervese el distinto matiz de cada ejemplo. Este matiz reeja la distinci on, resaltada anteriormente, entre los bucles DoWhile y DoUntil: para el estudio autodidacta es necesario estudiar al menos una vez la lecci on, mientras que si se atiende en clase3 este paso puede no ser necesario.
7.3.2
Dise no descendente
La t ecnica de programaci on de dise no descendente que se comenta en este apartado est a basada en el empleo de renamientos sucesivos para la obtenci on de programas que resuelvan un cierto problema. En cierto modo, la t ecnica de renamiento progresivo se puede comparar con la actitud de un escultor ante un bloque de m armol con el objetivo de obtener un desnudo humano: para empezar, usando el cincel y el martillo grandes, proceder a a esbozar sin mucho miramiento una gura humanoide con cabeza, tronco y extremidades; posteriormente, y ya con u tiles de precisi on, comenzar a la labor de renamiento y la obtenci on de detalles espec cos. En el dise no descendente, se parte de una especicaci on en lenguaje natural del problema que se quiere resolver y, sucesivamente, se va depurando poco a poco, perl andose mejor las distintas partes del programa, apareciendo unos detalles acabados y otros a medio camino. El proceso de renamiento contin ua hasta que nalmente se obtiene una versi on en la que el nivel de detalle de los objetos y las acciones descritos puede expresarse de forma comprensible por el computador. A continuaci on se muestran algunos ejemplos de renamiento progresivo: Un ejemplo num erico: tablas de multiplicar Apliquemos la t ecnica de dise no descendente al problema de escribir una tabla de multiplicar de tama no n n. Por ejemplo, para n = 10 tendr amos 1 2 3 . . . 2 4 6 . . . 3 6 9 . . . .. . 10 20 30 . . .
10 20 30 100 Una primera versi on (burda) del programa podr a ser

Principio
3
Leer n
Construir Tabla nxn
fin
. . . y se dispone de un buen profesor. . .
142
donde el programa se plantea como la secuencia de dos acciones: la primera consiste en conocer el tama no de la tabla deseada, Leer n, y la segunda en construir tal tabla. La primera de las acciones est a sucientemente renada (se puede traducir directamente a un lenguaje de programaci on) pero no as la segunda. La construcci on de la tabla se puede realizar f acilmente escribiendo en una la los m ultiplos de 1, en la la inferior los m ultiplos de 2. . . hasta que lleguemos a los m ultiplos de n. Esta es la idea subyacente al siguiente renamiento de la funci on que construye la tabla de tama no n n
ii+1 i1 in
NO
S I
Escribir Fila i
donde aparece la acci on Escribir Fila i, que escribe cada una de las las de la tabla (no se debe olvidar a nadir un salto de l nea detr as del u ltimo n umero de la la). Esta funci on aparece especicada con mayor detalle a continuaci on
jj+1 j1 jn
NO
S I
Escribir i*j
Saltar L nea
en esta funci on todos los bloques aparecen completamente renados, con lo cual se habr a terminado. El desarrollo descendente de programas no suele hacerse mediante diagramas como hemos hecho en este ejemplo, aunque se ha presentado as para ilustrar de forma gr aca los conceptos estudiados en este cap tulo. En la pr actica, lo que se hace es renar progresivamente usando seudoc odigo, de modo que al llegar al u ltimo renamiento la traducci on a un lenguaje de programaci on sea pr acticamente inmediata. La primera aproximaci on en seudoc odigo al programa que calcula la tabla de n n podr a ser la siguiente:

Leer n Construir la tabla n
143
A continuaci on se muestra el primer renamiento, en el que se especica la funci on que construye la tabla como la aplicaci on sucesiva de la acci on que construye cada una de las las de la tabla:
Leer n {Construir la tabla:} para i1 hasta n hacer Escribir la l nea i- esima
El paso siguiente consiste en depurar la especicaci on de la funci on que construye las las.
Leer n para i1 hasta n hacer {Escribir la l nea i- esima:} para j1 hasta n hacer Escribir i*j Salto de l nea
Y esta versi on admite una traducci on directa a Pascal como la siguiente:

Program Tabla (input, output); var n, i, j: integer; begin {Petici on de datos:} Write(Escriba el valor de n y pulse intro: ); ReadLn(n); {Construcci on de la tabla:} for i:= 1 to n do begin {Escribir la l nea i- esima:} for j:= 1 to n do Write(i * j:6); {Elemento i-j- esimo} WriteLn {Salto de l nea} end {for i:= 1} end. {Tabla}
Es de resaltar que la idea del renamiento progresivo consiste simplemente en caminar desde el seudoc odigo hasta, por ejemplo, el Pascal; por esta raz on, durante el renamiento se puede escribir directamente en Pascal lo que se traduce trivialmente, por ejemplo, escribir a:= b en lugar de ab. En el siguiente ejemplo utilizaremos esta observaci on.
144
Otro ejemplo num erico: suma parcial de una serie En este caso pretendemos aplicar las t ecnicas de dise no descendente para obtener un programa que realice el c alculo de
n i=1
i+1 i!
La primera versi on de este programa podr a ser la siguiente:

Leer n Calcular la suma Escribir la suma
En este fragmento de seudoc odigo simplemente se descompone la tarea encomendada en tres subtareas: la entrada de informaci on, su manipulaci on y la salida de informaci on buscada. El siguiente renamiento ha de ser realizado sobre la manipulaci on de la informaci on, esto es, habr a que especicar c omo se calcula la suma buscada. La suma se puede calcular mediante una variable acumulador suma y un bucle del tipo DoFor que en la iteraci on i- esima calcule el t ermino i- esimo y lo a nada a la suma parcial suma. Este renamiento aparece reejado en el siguiente fragmento:
{Calcular la suma:} suma:= 0 para i:= 1 hasta n hacer Hallar t ermino i- esimo, t A nadir t a suma
S olo queda por renar la acci on de calcular el t ermino i- esimo, ya que, conocido este, a nadirlo a suma no plantea mayores problemas. 1 Conocido i, para calcular el t ermino ti = i + a con calcular (iteratii! bastar vamente) el denominador y realizar la asignaci on correspondiente
{Hallar t ermino i- esimo:} Hallar denominador , denom = i! term:= (i + 1)/denom
El renamiento del c alculo del denominador vuelve a ser un bucle del tipo DoFor, que usando seudoc odigo se puede escribir as :

{Hallar denominador, denom = i!} denom:= 1; para j:= 1 hasta i hacer denom:= denom * j
145
Agrupando todos los renamientos nalmente tendr amos el siguiente programa en Pascal:
Program Sumatorio (input, output); var denom, n, i, j: integer; suma, term: real; begin {Entrada de datos:} Write(Escriba el valor de n y pulse intro: ); ReadLn(n); {C alculo de la suma:} suma:= 0; for i:= 1 to n do begin {C alculo del t ermino i- esimo: (i + 1)/i!} denom:= 1; for j:= 1 to i do denom:= denom * j; term:= (i + 1)/denom; {Acumularlo:} suma:= suma + term end; {for i:= 1} {Salida de resultados:} WriteLn(Suma = ,suma:12:10) end. {Sumatorio}
Mejora de repeticiones innecesarias El ejemplo anterior es correcto, aunque sensiblemente mejorable. En efecto, se observa que los factoriales hallados en cada vuelta, 1!, 2!, . . . , (i 1)!, i!, . . . , n! pueden hallarse m as r apidamente simplemente actualizando el precedente. As pues, en vez de
{Hallar denom = i!} denom:= 1; for j:= 1 to i do denom:= denom * j
146 se puede hacer, simplemente,

{Actualizar denom = i! denom:= denom * i
(desde denom=(i-1)!}
con el mismo efecto e indudablemente m as r apido. En este caso se requiere establecer el denominador inicialmente a uno antes de entrar en el bucle. En resumen,
suma:= 0; denom:= 1; for i:= 1 to n do begin {C alculo del t ermino i- esimo: denom:= denom * i; term:= (i + 1)/denom; {Acumular al t ermino:} suma:= suma + term end {for}
(i + 1)/i!}
Este m etodo se basa en la posibilidad de calcular cierta(s) (sub)expresi on(es) reciclando otras anteriores, economizando as los c alculos. Precisamente, el nombre de diferenciaci on nita procede de la actualizaci on de las expresiones necesarias hallando s olo la diferencia con respecto a las anteriores.4 En el ejercicio 5f del cap tulo 18 se comprueba c omo esta segunda versi on constituye una mejora importante en cuanto al tiempo de ejecuci on del programa.
7.4
Renamiento correcto de programas con instrucciones estructuradas
La idea de este apartado es aplicar la metodolog a anterior para resolver, con garant as, un problema mediante un programa descomponiendo el problema en subproblemas y renando (resolviendo) estos posteriormente. Para que el renamiento sea correcto habr a que denir con precisi on el cometido de cada subproblema, garantizar su correcci on y organizar (estructurar) bien entre s los (sub)algoritmos respectivos. Dicho de otro modo, para lograr programas correctos mediante el m etodo de los renamientos progresivos, debe asegurarse la correcci on en cada paso del
El esquema de mejora ejemplicado tiene su origen en la tabulaci on de polinomios de forma eciente por el m etodo de las diferencias (Briggs, s. xvi).
4
7.4. Refinamiento correcto de programas
147
desarrollo:5 en la denici on rigurosa de los subalgoritmos (encargados de resolver problemas parciales) y en el correcto ensamblaje (estructurado) de los mismos. Concretaremos estas ideas con un ejemplo detallado. Despu es de estudiarlo, recomendamos releer los dos p arrafos anteriores.
7.4.1
Un ejemplo detallado
Se plantea resolver el siguiente problema: dado el natural N , deseamos averiguar si es un cuadrado perfecto o no; esto es, si existe un natural k tal que k2 = N . Dejando de lado la soluci on trivial, Sqr(Round(SqRt(N))) = N operaremos buscando el n umero natural k (si existe) tal que k 2 = N , o parando la b usqueda cuando sepamos con seguridad que no existe tal n umero k . Las dos soluciones que explicamos a continuaci on se basan en buscar el 2 m nimo k IN tal que k N . Llamemos m a esa cantidad, m = m n {k IN tal que k 2 N } que existe con seguridad para cualquier N IN y es u nico. Entonces, se puede asegurar que Todo natural k < m verica que k 2 < N Todo natural k > m verica que k 2 > N Por lo tanto, hay dos posibilidades: Que m2 = N , en cuyo caso N s es un cuadrado perfecto. Que m2 > N , en cuyo caso N no es un cuadrado perfecto. En otros t erminos, tenemos en un nivel de renamiento intermedio:
var n, {Dato} m : integer; {N umero buscado} ... ReadLn(n); {Sup. n>=0} Buscar el n umero m descrito
5
En vez de razonar (vericar), a posteriori, la correcci on de un programa ya desarrollado.
148
{m = m n k if Sqr(m) = n WriteLn(n, else WriteLn(n,

IN tal que k 2 n} then s es cuadrado perfecto) no es cuadrado perfecto)
La garant a de que el mensaje emitido es correcto se tiene porque: La rama then se ejecuta cuando resulta cierta la condici on (m2 = N ), lo que basta para que N sea un cuadrado perfecto. La rama else se ejecuta cuando la condici on m2 = N es falsa. Como, adem as, m = m n {k IN tal que k 2 N } es seguro que ning un natural k elevado al cuadrado da N . Por consiguiente, N no es un cuadrado perfecto. El desarrollo de este procedimiento nos lleva a renar la acci on Buscar el n umero m descrito de manera tal que, a su t ermino, se verique la (post)condici on m = m n k IN tal que k2 N La b usqueda de m descrita puede llevarse a cabo de diversas maneras. En los subapartados siguientes desarrollamos con detalle dos posibilidades. B usqueda secuencial Una primera forma de buscar el m nimo k IN tal que k 2 N consiste en tantear esa condici on sucesivamente para los valores de i = 0, 1, . . . hasta que uno la verique. Como el tanteo se realiza ascendentemente, el primer i encontrado que verique el test ser a, evidentemente, el m nimo m buscado. El m etodo de b usqueda descrito se puede expresar directamente en Pascal con un bucle: i:= 0; while Sqr(i) < N do (7.7) i:= i+1; {i = m} Es importante resaltar una propiedad (invariante) de ese bucle: ning un na2 tural k < i verica la propiedad k N , de m; esto es, m i. Por otra parte,
7.4. Refinamiento correcto de programas
149
como los bucles while terminan cuando su condici on de entrada (en nuestro caso, Sqr(i) < N) es falsa, a la salida del mismo se verica que i m. Esto, junto con el invariante, nos garantiza que, a la salida del mismo el valor de i es el m nimo en esas condiciones, esto es, m. Por consiguiente, bastar a con hacer m:= i para tener en m el valor descrito. B usqueda dicot omica Partiendo del intervalo {0, . . . , N } en que est a m, se trata de reducir ese intervalo (conservando m dentro) cuantas veces sea preciso hasta lograr que sea unitario, con lo que su u nico valor nal ser a m. En otras palabras, siendo
var izda, dcha: integer;
los extremos del intervalo, y estableciendo

izda:= 0; dcha:= N
se logra que izda m dcha, y ahora se trata de hacer

while not izda = dcha do Reducir {izda, . . . , dcha}, manteniendo izda m dcha
A la salida de este bucle ser a izda m dcha y izda = dcha, con lo que, efectivamente, izda = m = dcha. Y entonces bastar a con a nadir m:= izda. Debe se nalarse adem as que, como el tama no del intervalo disminuye en cada vuelta, la terminaci on del bucle es segura. El siguiente paso es renar la reducci on del intervalo de la forma descrita, esto es: manteniendo m en su interior y de forma que la reducci on sea efectiva. Siendo c el valor central entero del intervalo, c= izda + dcha 2
el m etodo6 que escogemos para reducirlo consiste en comparar c2 con N , para ver si m est a a la izquierda de c, a su derecha o es el propio c:
Y de aqu procede el nombre de b usqueda dicot omica, comp arese con el m etodo de bipartici on para aproximar una ra z real de una ecuaci on.
6
150

var c: integer; {el valor central} ... c:= (a + b) div 2 Seg un c2 sea: = N, hacer izda:= c; dcha:= c < N, hacer izda:= c + 1 > N, hacer dcha:= c
Veamos ahora si esta reducci on es v alida, es decir, si, sea cual sea sea el valor de c2 en comparaci on con N , las asignaciones consecuentes mantienen m entre izda y dcha y adem as la reducci on es efectiva. El primer caso cumple trivialmente esas exigencias, al ser c2 = N , y adem as produce la u ltima reducci on del intervalo. En los otros dos casos, debe tenerse en cuenta que izda m dcha (invariante) y que el valor de c cumple que izda c < dcha, por ser a = b. En el segundo caso adem as, al ser c2 < N , es seguro que m c + 1. Por consiguiente, tras la asignaci on izda:= c + 1, se puede asegurar que izda m y que izda dcha: {izda m dcha y izda c < dcha y c2 < N } izda:= c + 1 {izda m dcha}
El tercer caso se deja como ejercicio. Trivialmente se observa que, al ser izda c < dcha, cualquiera de los intervalos producidos por las tres ramas (c, c), (c +1, dcha) y (izda, c) es estrictamente m as peque no que (izda, dcha), lo que asegura la terminaci on del bucle while.
7.4.2
Recapitulaci on
A tenor de lo expuesto en este cap tulo podr a parecer que el uso renamiento progresivo y el uso de aserciones para comprobar la correcci on de un programa es algo excesivo porque, en general, se suelen escribir m as l neas de seudoc odigo y aserciones que de codicaci on propiamente dicha. La ventaja es que se propicia el dise no correcto de algoritmos complejos. Por otro lado, es cierto que no todo programa se puede vericar, con lo cual de qu e nos sirve todo esto? Nuestra propuesta consiste en adoptar un punto intermedio entre la formalizaci on absoluta que requiere la vericaci on rigurosa, y la ausencia total de an alisis sobre la correcci on, esto es: 1. Durante el proceso de aprendizaje, examinar con detalle cada constructor que se aprenda, para habituarse a desarrollar algoritmos con garant as sucientes de que son correctos.
n 7.5. Conclusio
151
2. En la pr actica, se deben examinar aquellas fases del desarrollo que, por ser novedosas o complicadas, no presenten todas las garant as de funcionar correctamente. En resumen, se trata de dedicar, en cada fase del desarrollo, el grado de atenci on que se requiera y con el rigor necesario para convencernos de que el algoritmo desarrollado es correcto.
7.5
Conclusi on
La programaci on estructurada es una disciplina de programaci on desarrollada sobre los siguientes principios b asicos: 1. La percepci on de una estructura l ogica en el problema. Esta estructura debe reejarse en las acciones y datos involucrados en el algoritmo dise nado para la soluci on. 2. La realizaci on de esa estructura mediante un proceso de renamiento progresivo, abordando en cada momento u nicamente un aspecto del problema. 3. El uso de una notaci on que asista al renamiento progresivo de la estructura requerida. Los benecios de la programaci on estructurada se orientan hacia la limitaci on de la complejidad en el dise no, en la validaci on y en el mantenimiento de los programas. Asimismo, la metodolog a de dise no descendente facilita la tarea de programaci on en equipo, puesto que en las distintas etapas de renamiento se pueden emplear distintas personas para que se dediquen al renamiento de distintos bloques del programa. Esta metodolog a de trabajo, llevada hasta las u ltimas consecuencias, nos dirige hacia el concepto de programaci on con subprogramas, que se estudiar a en los cap tulos siguientes.
7.6
Ejercicios
1. Construya el diagrama nal resultante para el problema de las tablas de multiplicar estudiado en este cap tulo. 2. Se llaman n umeros triangulares a los obtenidos como suma de los n primeros n umeros naturales, esto es 1, 1 + 2, 1 + 2 + 3,. . . Use seudoc odigo y la t ecnica de dise no descendente para desarrollar programas que: (a) calculen el n- esimo n umero triangular,
152
Cierto Falso
Figura 7.8. (b) dado un n umero natural decir si es triangular, y si no lo fuera decir entre qu e dos n umeros triangulares se encuentra. 3. (a) Los bucles repeat se pueden simular haciendo uso de bucles while, c omo? (b) Por el contrario, los bucles while no pueden expresarse haciendo uso u nicamente de bucles repeat. Puede encontrar una raz on simple que justique esta armaci on? (c) En cambio, while puede simularse combinando repeat con la instrucci on condicional if. C omo? (d) Sim ulese la instrucci on if C then I1 else I2 mediante instrucciones for. 4. Una estructura de repetici on que aparece en algunos textos tiene la condici on en el interior del bucle. Su diagrama aparece en la gura 7.8. (a) Es propio? Justicar la respuesta. (b) Es BJ? Justicar la respuesta. (c) Se puede convertir a BJ? H agase si es posible considerando que la salida del bucle tiene la etiqueta Cierto (resp. Falso). 5. Consid erese de nuevo el bucle (7.7) de la p agina 148 para la b usqueda secuencial: (a) Por qu e se ha escogido la instrucci on while para codicar el bucle? (b) En las condiciones de entrada de este, se puede armar que termina para cualquier valor de N? 6. Halle una aproximaci on de (a) mediante la f ormula de Wallis 2 2 4 4 6 6 8 8 = ... 2 1 3 3 5 5 7 7 9 multiplicando los 50 primeros factores.

(b) mediante la f ormula de Leibnitz 1 1 1 1 = + + ... 4 1 3 5 7 hasta incluir un t ermino menor que = 104 en valor absoluto. (c) mediante la f ormula de Vieta = 2 2 2 2+ 2 2 2+ 2 2+ 2
153
...
sabiendo que, para obtener un error menor que , debemos iterar hasta incluir un factor mayor que 1 2 . Nota: obs ervese que cada t ermino se puede hallar r apidamente a partir del anterior siguiendo el m etodo de la diferenciaci on nita. 7. Halle una aproximaci on de sen( 6 ), mediante su desarrollo de Taylor x x3 x5 + ... 3! 5!
sumando los diez primeros t erminos. (Apl quese la diferenciaci on nita para evitar la repetici on innecesaria de c alculos.) 8. En el ejemplo de b usqueda dicot omica, razonar por qu e en la tercera posibilidad (c2 > N ), despu es de la correspondiente instrucci on (dcha:= c) se tiene que izda m dcha. 9. Siguiendo los pasos de los ejemplos explicados, desarrolle el siguiente ejercicio: dado el entero positivo N , se trata de hallar su ra z cuadrada entera, es decir, el N . Naturalmente, no se trata de escribir la expresi on entero Trunc(SqRt(N))) sino de seguir los pasos de los ejemplos explicados. Por lo tanto, se puede desarrollar con dos tipos de b usqueda: secuencial y dicot omica.
7.7
En ocasiones, la programaci on estructurada ha sido considerada como programaci on sin goto, en alusi on directa al art culo de Dijkstra [Dij68] en el que hizo la primera advertencia al mundo de la computaci on sobre el peligro potencial que para la programaci on supon a el uso irreexivo de ordenes de bifurcaci on incondicional del tipo goto. Cerca del origen de la programaci on estructurada puede ser situada la referencia [DDH72], que contiene tres art culos sobre la programaci on estructurada, la estructuraci on de datos y las estructuras jer arquicas de programas. El primero, que es el m as interesante para los contenidos de este cap tulo, explica los diagramas de secuencia, selecci on e iteraci on y desarrolla varios ejemplos con renamientos progresivos.
154
Un n umero especial de la revista [dat73] se dedic o s olo a la programaci on estructurada. En el podemos encontrar art culos que resaltan distintos aspectos de la programaci on estructurada, desde el dise no descendente hasta la programaci on sin goto. Como muestra de la importancia suscitada por aquellas fechas citamos textualmente unas palabras de McCracken [McC73]: Este n umero de Datamation es importante! Lean atentamente cada art culo, porque se describe un movimiento que va a cambiar su futuro. Un texto reciente de programaci on estructurada en Pascal es [CGL+ 94], que contiene un acercamiento gradual a las t ecnicas de programaci on estructurada, con numerosos ejercicios y ejemplos con el compilador Turbo Pascal de Borland. A un nivel m as elevado que el presente texto y con un gran enfasis en la correcci on y vericaci on de programas podemos citar [AA78]. Por lo que respecta a la vericaci on de programas cabe destacar el cap tulo 4 de [Ben86] en el que, mediante un sencillo ejemplo, se muestra que la escritura del c odigo nal resulta una tarea f acil despu es de una correcta denici on del problema, dise no del algoritmo y elecci on de las estructuras de datos. Se han escrito muchos art culos en los que se reconoce la importancia de la introducci on de los invariantes de bucle desde los primeros contactos con las instrucciones iterativas, como ejemplo podemos destacar [Arn94, Tam92, Col88]. Para profundizar en los m etodos num ericos presentados, bipartici on y NewtonRaphson, as como disponer de un gran surtido de m etodos iterativos para resolver problemas matem aticos, se recomienda leer [DM84]. El problema de los n umeros pedrisco se comenta en [Hay84]. En este art culo se presenta el problema, su historia y experimentos con computador llevados a cabo. En particular, se se nala que se han ensayado todos los valores de N hasta 240 (aproximadamente un bill on y cien mil millones) y en todos los casos el resultado ha sido el mismo: nalmente se cae en el bucle 1, 4, 2, 1. A pesar de todo, a un no se ha encontrado una demostraci on general de que ocurre lo mismo para cada N . La versi on dicot omica del problema propuesto acerca de la ra z cuadrada entera se puede leer en [Hig93].
Tema III
Subprogramas
Cap tulo 8
Procedimientos y funciones
8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Subprogramas con par ametros . . . . . . . . . . . . . . 162 Estructura sint actica de un subprograma . . . . . . . 169 Funcionamiento de una llamada . . . . . . . . . . . . . 170 Ambito y visibilidad de los identicadores . . . . . . . 174 Otras recomendaciones sobre el uso de par ametros . 183 Desarrollo correcto de subprogramas . . . . . . . . . . 184 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
Para la construcci on de programas de tama no medio o grande es necesario disponer de herramientas que permitan organizar el c odigo. Por una parte, las t ecnicas de la programaci on estructurada hacen posible relacionar las acciones por realizar mediante constructores de secuencia, selecci on e iteraci on, tal y como se vio en los cap tulos anteriores. Por otra parte, la programaci on con subprogramas permite al programador separar partes de c odigo con un cometido bien determinado, los subprogramas, que pueden ser invocados desde diferentes puntos del programa principal. As se extiende el juego de instrucciones b asicas con otras nuevas a la medida del problema que se est a resolviendo. Una elecci on adecuada de subprogramas, entre otras ventajas, hace que los programas sean m as legibles y que su c odigo sea m as f acilmente reutilizable. De esta forma se facilita en gran medida el paso de los algoritmos a los programas, especialmente cuando se sigue un m etodo de dise no descendente.
158
Cap tulo 8. Procedimientos y funciones
8.1
Introducci on
La presentaci on de los principales contenidos de este cap tulo se har a en base al ejemplo que se describe a continuaci on. Supongamos que queremos escribir un programa que pida al usuario el valor de un cierto angulo en grados sexagesimales, calcule su tangente y escriba su valor con dos decimales. En una primera aproximaci on podr amos escribir:
Sean a, t IR Leer el valor del angulo a (en grados) Calcular la tangente, t, de a Escribir el valor de t con dos decimales
Este nivel de renamiento1 se puede escribir en Pascal, dejando sin denir la expresi on tangente de a (dado en grados) y la acci on Escribir un valor dado, con dos decimales:
Program CalculoTangente (input, output); {Se halla la tangente de un angulo, dado en grados} var a, { angulo} t: real; {su tangente} begin Leer el valor del angulo a (en grados) t:= tangente de a; Escribir el valor de t, con 2 decimales end. {CalculoTangente}
Desde el punto de vista del seudoprograma principal, tanto la lectura del ngulo a, como la expresi a on tangente de a y la acci on Escribir el valor de t, con dos decimales son abstractas: se ignora su particular modo de operar. Por otra parte, al no estar predenidas, es necesario concretarlas, usando recursos del lenguaje (predenidos o a nadidos por el programador), para que puedan ser ejecutadas. Como se puede ver, resulta u til empezar utilizando acciones o expresiones abstractas, aun sin estar denidas todav a. En principio, basta con saber qu e tiene que hacer (o calcular) cada acci on (o expresi on) abstracta e introducir un nombre adecuado para ellas, por ejemplo
LeerGrados(a); t:= TanGrados(a); EscrDosDec(t)
En la presentaci on de estos primeros ejemplos seguiremos un proceso de renamiento, pero sin detallar las especicaciones, para no entorpecer la exposici on de los contenidos del cap tulo.
1
n 8.1. Introduccio
159
De esta forma, se puede proceder al dise no general del algoritmo en ese nivel posponiendo el desarrollo de cada acci on abstracta. Cuando, m as tarde, se concreten sus detalles, el lenguaje de programaci on se habr a ampliado (en el ambito de nuestro programa, v ease el apartado 8.5) con esta acci on o expresi on, legitimando entonces su uso. En Pascal, una acci on se introduce mediante un procedimiento. Por ejemplo, la lectura del angulo se puede hacer as :
procedure LeerGrados(var angulo: begin Write( angulo en grados?: ); ReadLn(angulo); end; {LeerGrados} real);
En Pascal, una expresi on abstracta se introduce mediante una funci on. En nuestro ejemplo, vamos a crear una funci on IR IR, a la que llamaremos TanGrados, que recibe un argumento real, lo pasa a radianes y devuelve el valor de la tangente, calculado a partir de las funciones predenidas Sin y Cos:2
function TanGrados(angSexa: real): real; {Dev. la tangente de angSexa, en grados} const Pi = 3.141592; var angRad: real; begin {Conversi on de grados en radianes:} angRad:= angSexa * Pi/180; {C alculo de la tangente:} TanGrados:= Sin(angRad)/Cos(angRad) end; {TanGrados}
Ahora, la asignaci on de t en el programa principal denitivo:

t:= TanGrados(a)
es v alida. Finalmente, en nuestro ejemplo utilizaremos otro procedimiento al que llamaremos EscrDosDec, que recibe un valor de tipo real y lo muestra con dos decimales.
En adelante emplearemos Dev. como abreviatura de Devuelve en las especicaciones de las funciones.
2
160

procedure EscrDosDec(valor: real); {Efecto: escribe valor, con dos decimales} begin WriteLn(El valor es: , valor:14:2) end; {EscrDosDec}
Una vez denido el procedimiento EscrDosDec, es posible sustituir la acci on abstracta Escribir el valor de t con dos decimales por la siguiente llamada:
EscrDosDec(t)
y, de esta forma, si ensamblamos todos estos trozos obtenemos el programa completo:
Program CalculoTangente (input, output); var a, { angulo} t: real; {su tangente} procedure LeerGrados(var angulo: begin Write( angulo en grados?: ); ReadLn(angulo); end; {LeerGrados} real);
function TanGrados(angSexa: real): real; {Dev. la tangente de angSexa, en grados} const Pi = 3.141592; var angRad: real; begin {Conversi on de grados en radianes:} angRad:= angSexa * Pi/180; {C alculo de la tangente:} TanGrados:= Sin(angRad)/Cos(angRad) end; {TanGrados} procedure EscrDosDec(valor: real); {Efecto: escribe valor, con dos decimales} begin WriteLn(El valor es: , valor:14:2) end; {EscrDosDec}
n 8.1. Introduccio
begin LeerGrados(a); t:= TanGrados(a); EscrDosDec(t) end. {CalculoTangente}
161
Concretando algunas de las ideas introducidas en el ejemplo, se observa lo siguiente: Pascal proporciona mecanismos para ampliar los procedimientos y funciones predenidos (tales como WriteLn y Sin), deniendo otros nuevos (como EscrDosDec y TanGrados) a la medida de las necesidades del programador. Cada procedimiento o funci on es, en s mismo, un peque no programa,3 tanto por su estructura sint actica (con encabezamiento, declaraciones y cuerpo) como por su cometido (resolver un problema concreto con los datos recibidos y ofrecer los resultados obtenidos). En nuestro ejemplo hemos tenido que incluir como declaraciones propias (locales, v ease la secci on 8.5) la constante Pi y la variable angRad. Existen dos puntos de consideraci on de estos subprogramas: su denici on, donde se introducen, y su llamada, donde se utilizan. En su denici on, ambas clases de subprogramas operan sobre datos gen ericos, sus par ametros, que tomar an valores en cada llamada, esto es, cuando se hace uso de los subprogramas para unos datos particulares. En nuestro ejemplo el valor de la variable a pasa a la funci on TanGrados a trav es del par ametro angSexa, y el valor de t pasa al procedimiento EscrDosDec por medio del par ametro valor. Un procedimiento es un subprograma que desempe na el papel de una instrucci on, mientras que una funci on es un subprograma que desempe na el de una expresi on, puesto que calcula un valor, que se reemplaza por la llamada a la funci on. Este distinto cometido se reeja en su llamada: los procedimientos se usan como las dem as instrucciones,
WriteLn(...); EscrDosDec(t); a:= a + 1
3
Por eso se conocen como subprogramas, o tambi en subrutinas.
162
Cap tulo 8. Procedimientos y funciones mientras que las funciones representan un valor, por lo que tienen sentido como expresiones:
t:= TanGrados(a); WriteLn (La medida buscada es: , radio * TanGrados(a) - 1); x:= 2 * TanGrados(a)/(y - 1)
Por el contrario, no est a permitido ni tiene sentido llamar a una funci on como un procedimiento:
WriteLn(...); TanGrados(a); a:= a + 1
ni tampoco llamar a un procedimiento como una funci on:

x:= 4 * EscrDosDec(t)
Una vez denido un subprograma, queda incorporado al lenguaje para ese programa, siendo posible usarlo en el mismo tantas veces como sea necesario.
8.2
Subprogramas con par ametros
Los par ametros permiten que el programa y los procedimientos y funciones puedan comunicarse entre s intercambiando informaci on. De esta forma las instrucciones y expresiones componentes de los subprogramas se aplican sobre los datos enviados en cada llamada ofreciendo una exibilidad superior a los subprogramas sin par ametros. Al mismo tiempo, si la ejecuci on de los subprogramas produce resultados necesarios en el punto de la llamada, los par ametros pueden actuar como el medio de transmisi on de esos resultados.
8.2.1
Descripci on de un subprograma con par ametros
Veamos en primer lugar un ejemplo sencillo de un procedimiento sin par ametros:

procedure TrazarLinea; {Efecto: traza una l nea de 10 guiones} var i: integer;
metros 8.2. Subprogramas con para

begin for i:= 1 to 10 do Write (-); WriteLn end; {TrazarLinea}
163
La llamada al procedimiento ser a:

TrazarLinea
El procedimiento anterior realiza siempre una acci on ja y totalmente determinada; traza una l nea formada por diez guiones. La u nica relaci on existente entre el programa y el procedimiento es la llamada. Si se quisiera trazar una l nea de 15 guiones habr a que escribir un nuevo procedimiento; en cambio, si a nadimos un par ametro para determinar la longitud en caracteres de la l nea por trazar:
procedure TrazarLineaLong(longitud: integer); {Efecto: traza una l nea de guiones, con la longitud indicada} var i: integer; begin for i:=1 to longitud do Write(-); WriteLn end; {TrazarLineaLong}
Al efectuar la llamada hay que indicar la longitud de la l nea por trazar, por ejemplo:
TrazarLineaLong(15)
que trazar a una l nea formada por quince guiones. Otra posible llamada ser a:
largo:= 10; TrazarLineaLong(largo + 5)
que trazar a una l nea id entica a la anterior. En resumen, mediante la inclusi on de un par ametro, se ha pasado de un procedimiento que traza una l nea de longitud ja y determinada a otro que puede trazar una l nea de cualquier longitud aumentando la exibilidad y el grado de abstracci on del procedimiento.
164
En Pascal, es obligatorio indicar el tipo de los par ametros que pasan como argumentos a los subprogramas. En el caso de una funci on, se debe indicar adem as el tipo del resultado que se devuelve al programa principal o subprograma que efectu o la llamada.4 Hemos visto que la funci on TanGrados, que es una aplicaci on de IR en IR, recibe un argumento real y devuelve un resultado tambi en real. Veamos otro ejemplo de una funci on para calcular el factorial de un n umero entero positivo:
function Fac(n: integer): integer; {Dev. n!} var i, prodAcum: integer; begin prodAcum:= 1; for i:= 2 to n do prodAcum:= prodAcum * i; Fac:= prodAcum end; {Fac}
Como podemos ver, la funci on Fac tiene un argumento entero y devuelve un resultado tambi en entero. Los sucesivos productos 2 3 ... n se van almacenando en la variable prodAcum tantas veces como indica el bucle for. Una vez terminado, el valor del factorial presente en prodAcum se asigna al nombre de la funci on reemplazando su llamada. Por ejemplo, la instrucci on
WriteLn(Fac(4))
escribe el valor 24. No es obligado que el(los) argumento(s) de una funci on sea(n) del mismo tipo que su resultado. El siguiente ejemplo de funci on que determina si un n umero es o no es primo recibe un argumento entero positivo y devuelve un valor booleano: True si el n umero es primo y False en caso contrario.
function EsPrimo(n: integer): boolean; {Dev. True si n es primo y False en caso contrario} var divisor: integer; conDivisores: boolean;
En Pascal, el resultado de una funci on s olo puede ser un objeto simple. Sin embargo, esta limitaci on se supera f acilmente (v ease el apartado 8.6.3).
4

begin divisor:= 2; conDivisores:= False; repeat if n mod divisor = 0 then conDivisores:= True; divisor:= divisor + 1 until conDivisores or (divisor > n - 1); EsPrimo:= not conDivisores end; {EsPrimo}
165
En su funcionamiento se supone inicialmente que el n umero es primo, ya que a un no se ha encontrado divisor alguno del mismo; a continuaci on, se avanza desde 2, tanteando posibles divisores, hasta dar con uno (en cuyo caso la condici on conDivisores se hace cierta), o llegar al propio n, sin haber hallado divisor alguno del mismo (en cuyo caso el n umero es primo).5
8.2.2
Par ametros formales y reales
Recordando los dos aspectos de denici on y llamada que encontramos en los subprogramas, tenemos que distinguir dos tipos de par ametros. Cuando se dene un subprograma es necesario dar nombres a los par ametros para poder mencionarlos. A los par ametros utilizados en la denici on de procedimientos y funciones se les denomina par ametros formales. A veces se llaman tambi en cticios, pues se utilizan solamente a efectos de la denici on pero no con valores reales. En nuestro ejemplo de referencia, angSexa y valor son par ametros formales de la funci on TanGrados y del procedimiento EscrDosDec respectivamente. En cambio, a los argumentos concretos utilizados en la llamada de un subprograma se les llama par ametros reales.6 Por ejemplo, a y t son los par ametros reales de la funci on TanGrados y del procedimiento EscrDosDec, respectivamente, en las llamadas que se hacen en el ejemplo anterior.
8.2.3
Mecanismos de paso de par ametros
Antes de entrar en materia conviene que nos jemos en los procedimientos Read y Write que vamos a aplicar a una cierta variable entera a la que llamaremos a.
5 En realidad, no es necesario comprobar todos los divisores desde 2 hasta n 1, sino que bastar a con comprobar hasta la ra z cuadrada de n, como puede conrmar f acilmente el lector. 6 En ingl es, actual parameters, lo que ha dado lugar en ocasiones a la traducci on err onea par ametros actuales en castellano.
166
Supongamos, en primer lugar, que esta variable tiene un valor que le ha sido asignado previamente en el programa, por ejemplo 10, y a continuaci on esta variable es pasada como par ametro al procedimiento Write. Este procedimiento recibe el valor de a y lo escribe en la pantalla. La acci on de Write no modica el valor de a, que sigue siendo 10. El proceso seguido es el siguiente:
a:= 10; {a = 10} Write(a) {aparece el valor de a en la pantalla} {a = 10}
En cambio, supongamos ahora que utilizamos el procedimiento Read con la misma variable a, y que el usuario escribe por el teclado un valor distinto al que ten a a, por ejemplo 20. Como consecuencia de la llamada, el valor de la variable a es modicado, de 10 a 20. Esquem aticamente tenemos que:
a:= 10; {a = 10} Read(a) {el usuario da el valor 20 por el teclado} {a = 20}
Estas diferencias se deben a que en Pascal existen dos formas de pasar par ametros que se diferencian en la forma en que se sustituyen los par ametros formales por los reales al efectuarse la llamada. Estos mecanismos se conocen como: Par ametros por valor :
En este caso, se calcula el valor de los par ametros reales y despu es se copia su valor en los formales, por lo tanto los par ametros reales deben ser expresiones cuyo valor pueda ser calculado. Este mecanismo se llama paso de par ametros por valor y tiene como consecuencia que, si se modican los par ametros formales en el cuerpo del subprograma, los par ametros reales no se ven afectados. Dicho de otra forma, no hay transferencia de informaci on desde el subprograma al programa en el punto de su llamada. Por lo tanto, los par ametros por valor act uan s olo como datos de entrada al subprograma.
Par ametros por referencia (o por direcci on o por variable ):
En este otro caso, se hacen coincidir en el mismo espacio de memoria los par ametros reales y los formales, luego los par ametros reales han de ser
167
variables. Este segundo mecanismo se denomina paso de par ametros por referencia (tambi en por direcci on o por variable ), y tiene como consecuencia que toda modicaci on de los par ametros formales se efect ua directamente sobre los par ametros reales, y esos cambios permanecen al nalizar la llamada. Es decir, que se puede producir una transferencia de informaci on desde el subprograma al programa, o dicho de otro modo, que los par ametros por referencia no s olo act uan como datos de entrada, sino que tambi en pueden representar resultados de salida del procedimiento. Para distinguir los par ametros pasados por valor de los pasados por variable, estos u ltimos van precedidos de la palabra reservada var en la denici on del subprograma. Veamos las diferencias entre par ametros por valor y referencia mediante un ejemplo consistente en un procedimiento que incrementa el valor de una variable en una unidad. En el caso de par ametros por valor, el incremento tiene efectos u nicamente dentro del procedimiento, mientras que en el caso de par ametros por referencia los efectos se extienden tambi en al programa principal. En el paso de par ametros por valor,
procedure EscribirSiguiente (v: integer); {Efecto: escribe en la pantalla v + 1} begin v:= v + 1; WriteLn(v) end; {EscribirSiguiente}
la siguiente secuencia de instrucciones produce la salida que se muestra a la derecha: w:= 5; WriteLn(w); EscribirSiguiente(w); WriteLn(w) 5 6 5
En este ejemplo, la variable w que hace de par ametro real tiene inicialmente el valor 5, como puede verse en la salida. Este valor se copia en el par ametro formal v y dentro del procedimiento v se incrementa en una unidad. Sin embargo, por tratarse de par ametros por valor, este cambio en v no tiene efecto sobre el par ametro real w, lo que comprobamos al volver al programa principal y escribir su valor que sigue siendo 5.
168
Cap tulo 8. Procedimientos y funciones En el paso de par ametros por referencia,

procedure IncrementarYescribir (var v: integer); begin v:= v + 1; WriteLn(v) end; {IncrementarYescribir}
la siguiente llamada produce esta salida: w:= 5 WriteLn(w); IncrementarYescribir(w); WriteLn(w)
5 6 6
En este segundo caso, al tratarse de par ametros por referencia, el espacio en memoria de w coincide durante la llamada con el de v; por ello, el incremento de v se efect ua tambi en sobre w. Al terminar el procedimiento, w tiene el valor 6.
8.2.4
Consistencia entre denici on y llamada
Es imprescindible que la denici on y la llamada a un subprograma encajen: para ello, la llamada debe efectuarse utilizando el mismo identicador denido para el subprograma, seguido entre par entesis de los par ametros, separados por comas. Estos argumentos reales deber an coincidir con los par ametros formales en n umero y ser respectivamente del mismo tipo. Como dijimos antes, los argumentos reales correspondientes a par ametros formales por valor podr an ser expresiones cualesquiera (con el requisito, ya mencionado, de tener el mismo tipo):
WriteLn(n + 2)
En cambio, los argumentos correspondientes a par ametros formales por referencia deber an ser necesariamente variables, para que las modicaciones efectuadas en el subprograma repercutan en el espacio de memoria asociado a las variables argumentos. Como contraejemplo, obs ervese la siguiente llamada imposible:
ReadLn(n + 2)
En el caso de las funciones, el tipo del resultado devuelto debe, adem as, encajar en la llamada efectuada.
ctica de un subprograma 8.3. Estructura sinta

Programa:
Encabezamiento de programa
169
Funcin:
Procedimiento:
Encabezamiento de procedimiento
Encabezamiento de funcin
Declaraciones
Declaraciones
Declaraciones
Cuerpo de instrucciones
Figura 8.1. Diagramas sint acticos generales de programa, procedimiento y funci on.
8.3
Estructura sint actica de un subprograma
Como es norma en Pascal, es necesario denir cualquier componente del programa, en particular los diferentes subprogramas, antes de poder utilizarlos. La estructura de un subprograma es semejante a la del programa principal: tanto los procedimientos como las funciones constan de un encabezamiento, una parte de declaraciones y deniciones y una parte de instrucciones, como se muestra en la gura 8.1. En el encabezamiento del programa y los subprogramas, se da su identicador y la lista de sus par ametros. Recordemos que para un programa los par ametros representan los archivos, externos al mismo, con los que intercambia informaci on con el exterior: input como archivo de datos y output para los resultados. En el caso de los subprogramas, debe especicarse el tipo de los par ametros y su mecanismo de paso, y para las funciones se debe incluir adem as el tipo del resultado. Las guras 8.2 y 8.3 muestran los diagramas sint acticos correspondientes a los encabezamientos de procedimiento y funci on, respectivamente. La parte de declaraciones y deniciones de un subprograma (v ease la gura 8.4) es id entica a la de un programa. En ella se pueden declarar y denir constantes, variables e incluso procedimientos y funciones, propios de cada sub-
170
var procedure Identificador ( Identificador ,

;
tipo
Figura 8.2. Diagrama sint actico del encabezamiento de procedimiento.

var function Identificador ( Identificador ,
;
tipo
tipo
Figura 8.3. Diagrama sint actico del encabezamiento de funci on.
programa y a los que s olo desde el se tiene acceso (v ease el apartado 8.5). Estos objetos y los propios par ametros son elementos locales del subprograma, se crean al producirse la llamada al subprograma y permanecen solamente mientras se ejecuta esta. De ello tratamos en el siguiente apartado. En la parte de instrucciones se concreta la acci on o expresi on que desempe na el programa o el subprograma mediante una instrucci on compuesta. Estas instrucciones se ejecutan cuando se llama al subprograma.
8.4
Funcionamiento de una llamada
Veamos c omo se realiza la llamada a un subprograma y c omo se produce el paso de par ametros utilizando un ejemplo con un procedimiento para la lectura de n umeros enteros y con la conocida funci on Fac dentro de un programa completo:
Program DemoParametros (input,output); var numero: integer;
8.4. Funcionamiento de una llamada

... Definicin de constantes ... Declaracin de variables ... Definicin de subprogramas ...
171
Figura 8.4. Diagrama sint actico de las declaraciones y deniciones. procedure LeerNumPos(var n: integer); {Efecto: solicita un entero hasta obtener uno positivo} begin {2A} repeat Write(Escriba un entero positivo: ); ReadLn(n) until n >= 0 {2B} end; {LeerNumPos} function Fac(num: integer): integer; {Dev. num!} var i, prodAcum: integer; begin {4A} prodAcum:= 1; for i:= 2 to num do prodAcum:= prodAcum * i; Fac:= prodAcum {4B} end; {Fac} begin {1} LeerNumPos(numero); {num >= 0}
172

{3} WriteLn(El factorial de , numero, es , Fac(numero)) {5} end. {DemoParametros}
Al comienzo del programa s olo se dispone de la variable numero que est a indenida en el punto {1} del programa (y en su correspondiente estado de memoria). El programa llama al procedimiento LeerNumPos y le pasa por referencia el par ametro real numero. Al producirse la llamada, la ejecuci on del programa principal queda suspendida y se pasan a ejecutar las instrucciones del procedimiento LeerNumPos. Como numero se ha pasado por referencia, en la llamada, numero y n, que es el par ametro formal de LeerNumPos, coinciden en memoria. Dado que inicialmente numero est a indenido tambi en lo estar a n en el estado {2A}, al principio de LeerNumPos.
Una vez activado LeerNumPos, este pide al usuario un n umero entero positivo, que queda asignado a n. Supongamos que el valor introducido ha sido, por ejemplo, 5. En el punto {2B}, este valor es el que queda asignado a n y a numero al coincidir ambos. Al terminar el procedimiento LeerNumPos, se reanuda la ejecuci on del programa principal, con lo cual n desaparece de la memoria (estado {3}).
Le llega el turno a la instrucci on de escritura, que hace una llamada a Fac pas andole por valor el contenido de numero. De nuevo, al producirse la llamada, la ejecuci on del programa principal queda suspendida, hasta que Fac termine y devuelva el resultado. La funci on dispone del par ametro formal num, que recibe el contenido de numero, y de dos variables propias i y prodAcum, que al comenzar la funci on (estado {4A}) est an indenidas.
Al terminar el bucle for, se ha acumulado en prodAcum el producto 2 * 3 * 4 * 5 sucesivamente, por lo que su valor es 120. Dicho valor, que corresponde al del factorial pedido, es asignado al nombre de la funci on (estado {4B}), quien lo devuelve al programa principal.
e re r El nombre de la funci on se utiliza como un almacenamiento temporal del resultado obtenido para transferirlo al programa principal. Aunque puede ser asignado como una variable, el parecido entre ambas termina aqu . El nombre de la funci on no es una variable y no puede ser utilizado como tal (es decir sin par ametros) a la derecha de la instrucci on de asignaci on.
Al terminar la funci on, su valor se devuelve al programa principal, termina la escritura y nalmente termina el programa (estado {5}).
8.4. Funcionamiento de una llamada
173
Program . . . Declaraciones y deniciones begin ... llamada al proc. P ... end.
procedure P (par ametros ); Declaraciones y deniciones begin ... instrucciones ... end;
Figura 8.5. Llamada a un subprograma.
on de la memoria en los Con la entrada de datos 5 por ejemplo, la evoluci distintos estados ser a la siguiente:
Estado 1: Estado 2A, al principio de la llamada a LeerNumPos: Estado 2B, al nal de la llamada a LeerNumPos: Estado 3, tras la llamada a LeerNumPos en el programa principal: Estado 4A, al comienzo de la llamada a Fac: Estado 4B, al comienzo de la llamada a Fac: Estado 5, al terminar el programa principal: num 5 num 5 i ? i 6 num ? num ? num 5 num 5 prodAcum ? prodAcum 120 num 5 Fac ? Fac 120 n ? n 5
En la gura 8.5 se esquematiza el orden de ejecuci on de las distintas instrucciones.

e re r En Pascal el funcionamiento de los par ametros es el mismo tanto para procedimientos como para funciones. Sin embargo, el cometido de las funciones es calcular un valor, por lo que no tiene sentido que estas utilicen par ametros por referencia.
174
8.5
Ambito y visibilidad de los identicadores
Como sabemos, en un programa en Pascal hay que declarar los identicadores que nombran los diferentes objetos utilizados en el programa. De esta forma se declaran, entre otros, las constantes, tipos, variables y los propios identicadores de procedimientos y funciones. A su vez, dentro de un procedimiento o funci on se pueden declarar sus propios identicadores, de forma similar al programa principal, e incluso pueden declararse otros procedimientos o funciones que contengan asimismo sus propios identicadores, y as sucesivamente, sin m as limitaciones que las propias de la memoria disponible. En esta secci on vamos a estudiar c omo se denomina a los diferentes identicadores seg un el lugar en que se hayan declarado y cu al es la parte del programa en que tienen vigencia.
8.5.1
Tipos de identicadores seg un su ambito
Recordemos el programa ejemplo que desarrollamos al principio del cap tulo:

Program CalculoTangente (input, output); var a, { angulo} t: real; {su tangente} procedure LeerGrados(var angulo: begin Write( angulo en grados?: ); ReadLn(angulo); end; {LeerGrados} real);
function TanGrados(angSexa: real): real; {Dev. la tangente de angSexa, en grados} const Pi = 3.141592; var angRad: real; begin {Conversi on de grados en radianes:} angRad:= angSexa * Pi/180; {C alculo de la tangente:} TanGrados:= Sin(angRad)/Cos(angRad) end; {TanGrados}
8.5. Ambito y visibilidad de los identificadores

procedure EscrDosDec(valor: real); {Efecto: escribe valor, con dos decimales} begin WriteLn(El valor es: , valor:14:2) end; {EscrDosDec} begin LeerGrados(a); t:= TanGrados(a); EscrDosDec(t) end. {CalculoTangente}
175
Los identicadores declarados o denidos en el programa principal, como a y t, se denominan globales, y su ambito es (son visibles en) todo el programa, incluso dentro de los subprogramas (excepto si en estos se declara una variable con el mismo identicador, la cual ocultar a a la variable global hom onima, como se detalla en el apartado 8.5.2). Los identicadores declarados o denidos dentro de subprogramas, como Pi y angRad y el identicador de la funci on TanGrados, y sus propios par ametros formales, como angSexa de TanGrados y valor de EscrDosDec, se denominan locales, s olo son v alidos dentro de los subprogramas a los que pertenecen y, por tanto, no son reconocidos fuera de ellos (es decir, quedan ocultos al resto del programa). Si dentro de un subprograma se dene otro, se dice que los par ametros locales del subprograma superior se denominan no locales con respecto al subprograma subordinado y son visibles dentro de ambos subprogramas. Los objetos globales se crean al ejecutarse el programa y permanecen denidos hasta que este termina. En cambio, los objetos locales se crean en el momento de producirse la llamada al subprograma al que pertenecen y se destruyen al terminar este. La gesti on de los objetos locales suele efectuarse con una estructura de tipo pila (v ease el cap tulo 17 y el apartado 3.4 de [PAO94]), donde se introducen los identicadores de los objetos y el espacio necesario para almacenar sus valores cuando los haya, y de donde se extraen una vez que este termina. El proceso de reserva y liberaci on de memoria para los objetos se prepara de forma autom atica por el compilador del lenguaje.
8.5.2
Estructura de bloques
De las deniciones anteriores se deduce que el programa principal, los procedimientos y funciones en el declarados, y los que a su vez pudieran declararse dentro de ellos, constituyen un conjunto de bloques anidados que determinan el ambito de validez de los identicadores.
176
MultiplicaCifras
LeerNumPos
ProductoCifras
QuitarUltimaCifra
Figura 8.6.
Veamos un ejemplo algo m as complejo que el anterior para explicar esta estructura de bloques. El problema que se plantea consiste en multiplicar las cifras de un n umero positivo. Para ello, se hace la siguiente descomposici on:
Obtener un n umero entero positivo numPosit; Calcular el producto p de las cifras de numPosit; Mostrar p.
A su vez, Calcular el producto p de las cifras de numPosit podr a descomponerse as :

Repetir Tomar una cifra c de numPosit; Multiplicar por c el producto acumulado de las restantes cifras hasta que no queden m as cifras
El programa consta de un procedimiento LeerNumPos, que lee un n umero positivo distinto de cero y de una funci on ProductoCifras que calcula el producto de sus cifras. Para ello, la funci on dispone de un procedimiento local QuitaUltimaCifra que, dado un n umero, elimina su u ltima cifra y la devuelve junto con el n umero modicado. ProductoCifras llama repetidamente a QuitaUltimaCifra obteniendo las sucesivas cifras del n umero y calculando su producto. El n umero se va reduciendo hasta que no quedan m as cifras, con lo que nalizan las repeticiones. En la gura 8.6 puede verse la estructura jer arquica del programa. Para diferenciar los distintos ambitos de visibilidad de los identicadores hemos rodeado con l neas los distintos bloques del programa en la gura 8.7. El programa utiliza una variable global numPosit, que es pasada como par ametro a los dos subprogramas, a LeerNumPos por referencia y a ProductoCifras
177
Program MultiplicaCifras (input, output); var numPosit: integer; procedure LeerNumPos (var n: integer); {Efecto:Solicita un numero hasta obtener uno positivo} begin repeat Write(Escriba un entero mayor que cero: ); ReadLn(n) until n > 0 end; {LeerNumPos} function ProductoCifras (numero: integer): integer; var acumProd, cifrUnidades: integer; procedure QuitarUltimaCifra (var n, ultima: integer); { Efecto: Elimina la ultima cifra de numero y la almacena en ultima } begin ultima:= n mod 10; n:= n div 10 end; begin; {ProductoCifras} acumProd:= 1; repeat QuitarUltimaCifra(numero,cifrUnidades); acumProd:= acumProd * cifrUnidades until numero = 0; ProductoCifras:= acumProd end; {ProductoCifras}
begin LeerNumPos (numPosit); WriteLn (El producto de las cifras de , numPosit, vale , ProductoCifras (numPosit)) end.
Figura 8.7. El programa MultiplicaCifras.
178
por valor. El procedimiento LeerNumPos le da su valor inicial, que despu es se pasa a ProductoCifras para su procesamiento. La funci on ProductoCifras tiene dos variables locales acumProd (en la que se acumula el producto de las cifras del n umero) y cifrUnidades (donde se anotan los valores de dichas cifras). Estas variables se utilizan solamente dentro de ProductoCifras, no teniendo ninguna utilidad fuera de la funci on, por lo que se han declarado como locales. Quedan ocultas al programa principal y al procedimiento LeerNumPos, pero son visibles desde el procedimiento QuitaUltimaCifra para el que son no locales. La funci on tiene tambi en un par ametro por valor llamado numero, a trav es del cual se recibe el dato inicial, y que act ua adem as como variable, que se va modicando al ir quit andole cifras. El procedimiento QuitaUltimaCifra se ha denido dentro del procedimiento ProductoCifras, por lo que es local a esta funci on y tiene sentido s olo dentro de la misma, que es donde se necesita, quedando oculto al resto del programa. No tiene variables locales, pero utiliza los par ametros por referencia n y ultima. En el primero se recibe el n umero sobre el que operar y devuelve el n umero sin la u ltima cifra, actuando como dato y como resultado. La cifra de las unidades se devuelve en el par ametro ultima, que representa s olo este resultado. Ambos son locales por ser par ametros, y se pasan por referencia para enviar los resultados a ProductoCifras. Hay que observar que el identicador n se ha utilizado como par ametro de LeerNumPos y de QuitaUltimaCifra, sin provocar ning un conicto. Cada uno de estos bloques trazados en el programa representa el ambito en el cual est an denidos los identicadores del bloque. Existe un bloque exterior en el que son reconocidos todos los identicadores predenidos de Pascal. Dentro de este bloque universal se encuentra el bloque del programa, correspondiente a los identicadores globales. Si dentro del bloque del programa se denen subprogramas, cada uno constituye un bloque local, si bien su nombre es global, lo que permite que sea llamado desde el programa. Sin embargo, si se denen subprogramas dentro de otros subprogramas, los primeros constituyen bloques locales, si bien los identicadores del bloque exterior son no locales al bloque interior, mientras que sus par ametros formales son locales y no tienen vigencia en el bloque del programa principal. Los identicadores globales y los no locales son reconocidos en la totalidad de su bloque incluso dentro de los bloques interiores. Solamente hay una excepci on: cuando dentro del bloque local existe un identicador con el mismo nombre. En este caso, el identicador global queda oculto por el local, y toda menci on a ese identicador en el ambito m as interno corresponde al objeto m as local.
179
Adem as, el orden en que se denen los subprogramas es relevante, ya que los denidos en primer lugar pueden ser usados por los siguientes. Como ejemplo, vamos a modicar los identicadores de nuestro programa MultiplicaCifras de forma que coincidan sus nombres en los diferentes bloques. Llamaremos numero a numPosit del programa principal, a n de LeerNumPos y a n de QuitaUltimaCifra. El programa quedar a de la siguiente forma: Program MultiplicaCifras (input, output); var numero: integer; procedure LeerNumPos(var numero: integer); {Efecto: solicita un numero hasta obtener uno positivo} begin repeat Write(Escriba un entero mayor que cero: ); ReadLn(numero) until numero > 0 end; {LeerNumPos} function ProductoCifras(numero: integer): integer; {Dev. el producto de las cifras de numero} var acumProd, cifrUnidades: integer; procedure QuitaUltimaCifra(var numero, ultima: integer); {Efecto: elimina la ultima cifra de numero y la almacena en ultima} begin ultima:= numero mod 10; numero:= numero div 10 end; {QuitaUltimaCifra} begin acumProd:= 1; repeat QuitaUltimaCifra(numero, cifrUnidades); acumProd:= acumProd * cifrUnidades until numero = 0; ProductoCifras:= acumProd end; {ProductoCifras}
180
begin LeerNumPos(numero); WriteLn (El producto de las cifras de , numero, vale , ProductoCifras(numero)) end. {MultiplicaCifras} Si nos situamos dentro de LeerNumPos, la variable global numero, que en principio est a denida en todo el programa, no es accesible, porque es ocultada por el par ametro formal numero de LeerNumPos que es local. Por el mismo motivo, si nos situamos en QuitaUltimaCifra, el par ametro formal numero de ProductoCifras, que en principio estar a denido dentro de QuitaUltimaCifra por ser no local a dicho procedimiento, no es accesible, al ser ocultado por su par ametro formal numero, que es local. A veces se diferencia entre los bloques en que un identicador podr a ser v alido si no hubiera otros identicadores con el mismo nombre, lo que se conoce como alcance del identicador, de los bloques en que verdaderamente el identicador es accesible, al existir otros con el mismo nombre, lo que se denomina visibilidad del identicador. En el ejemplo anterior, los subprogramas LeerNumPos, ProductoCifras y QuitaUltimaCifra est an dentro del alcance de la variable global numero y sin embargo no pertenecen a su visibilidad. En resumen, para saber a qu e identicador nos referimos en cada caso y si su utilizaci on es correcta, enunciamos las siguientes reglas de a mbito: 1. No se puede declarar un identicador m as de una vez en el mismo bloque, pero s en bloques diferentes aunque uno est e anidado en otro. Ambos identicadores representan dos objetos distintos. 2. Para saber a qu e objeto se reere un cierto identicador, hay que buscar el bloque m as interior que contenga su declaraci on. 3. Un identicador s olo se puede utilizar en el bloque en que se ha declarado y en los que est an contenidos en este.7
Es conveniente destacar que, como consecuencia inmediata de esta regla, el identicador de un subprograma es visible en su propio cuerpo de instrucciones. Por consiguiente, en cualesquiera de sus instrucciones pueden estar contenidas llamadas del subprograma a s mismo. Si esto ocurre, el subprograma se llama recursivo. Este tipo de subprogramas se estudia en profundidad en el cap tulo 10.
7
181
8.5.3
Criterios de localidad
Los diferentes ambitos de validez de los identicadores, correctamente utilizados, permiten alcanzar una gran independencia entre el programa principal y sus subprogramas, y entre estos y los subprogramas en ellos contenidos. De esta forma se puede modicar un subprograma sin tener que cambiar los dem as, facilitando tanto el dise no del programa como posteriormente su depuraci on y mantenimiento. Adem as, facilitan la utilizaci on de subprogramas ya creados (bibliotecas de subprogramas ) dentro de nuevos programas, eliminando las posibles interferencias entre los objetos del programa y los de los subprogramas. Para lograr estos efectos es necesario comprender primero con claridad cu al es el ambito de los identicadores y seguir en lo posible unos sencillos criterios de localidad. Los identicadores locales se deben utilizar para nombrar objetos utilizados dentro de un subprograma, incluyendo sus par ametros formales. Para conseguir el m aximo grado de independencia es recomendable que se cumplan las siguientes condiciones: Principio de m axima localidad
Todos los objetos particulares de un subprograma, necesarios para que desempe ne su cometido, deben ser locales al mismo.
Principio de autonom a de los subprogramas
La comunicaci on con el exterior debe realizarse exclusivamente mediante par ametros, evit andose dentro de los subprogramas toda referencia a objetos globales.
Si se cumplen ambas condiciones, en el punto de la llamada el subprograma se compara con una caja negra de paredes opacas cuyo contenido no puede verse desde fuera del mismo. Obs ervese que ambos principios est an relacionados, pues una mayor localidad implica una mayor ocultaci on de la informaci on al quedar m as objetos invisibles al resto del programa. De este modo, la independencia del subprograma con respecto al programa que lo invoca es m axima.
8.5.4
Efectos laterales
Hemos visto distintos mecanismos por los cuales un procedimiento o funci on pueden devolver o enviar resultados al programa principal (o a otro procedimiento o funci on). En el caso de las funciones existe un mecanismo espec co de transmisi on a trav es del propio nombre de la funci on, aunque limitado a tipos
182
simples. Tanto para los procedimientos como para las funciones, dichos valores pueden enviarse mediante par ametros por referencia. Una tercera v a consiste en utilizar las variables globales (o las no locales), porque dichas variables son reconocidas en cualquier lugar del bloque. En consecuencia, si dentro de un procedimiento o funci on se hace referencia a una variable global (o no local), asign andole un nuevo valor, dicha asignaci on es correcta, al menos desde el punto de vista sint actico. Sin embargo, esta u ltima posibilidad merma la autonom a de los subprogramas, y es perjudicial porque puede introducir cambios en variables globales y errores dif ciles de detectar. Asimismo, resta independencia a los subprogramas, reduciendo la posibilidad de reutilizarlos en otros programas.
e re r Si se evita sistem aticamente el uso de los objetos globales en los subprogramas, los cambios que efect ua un subprograma se identican inspeccionando la lista de par ametros por referencia. Por ello, se recomienda adquirir esta costumbre desde el principio. Si por el contrario se suelen escribir subprogramas que emplean objetos globales, para conocer los efectos de un subprograma se tendr a que repasar cuidadosamente la totalidad del procedimiento o funci on. Por ello, esta pr actica es desaconsejable y debe evitarse siempre.
Como norma general, debe evitarse toda alusi on a las variables globales dentro de los subprogramas. No obstante, se incluir an como par ametros cuando sea preciso. Es importante que la comunicaci on se realice exclusivamente a trav es de los par ametros para garantizar la independencia de los subprogramas. A los cambios en variables globales producidos por subprogramas se les denomina efectos laterales o secundarios. Veamos un ejemplo de una funci on cuya ejecuci on modica una variable global de la que depende el propio resultado de la funci on.
Program ConDefectos (output); var estado: boolean; function Fea (n: integer): integer; begin if estado then Fea:= n else Fea:= 2 * n + 1; estado:= not estado end; {Fea}
metros 8.6. Otras recomendaciones sobre el uso de para

begin estado:= True; WriteLn(Fea(1), , Fea(1)); WriteLn(Fea(2), , Fea(2)); WriteLn(Fea(Fea(5))) end. {ConDefectos}
183
La salida obtenida al ejecutar el programa es la siguiente: 1 3 2 5 11 Como puede apreciarse, sucesivas llamadas con los mismos par ametros devuelven resultados diferentes al estar ligados al valor de variables externas. Una buena costumbre (posible en Turbo Pascal) es denir las variables despu es de los subprogramas. As se evita el peligro de producir efectos laterales.
8.6
8.6.1
Otras recomendaciones sobre el uso de par ametros

Par ametros por valor y por referencia
Se recomienda emplear par ametros por valor siempre que sea posible (asegurando que los argumentos no se alteran) y reservar los par ametros por referencia para aquellos casos en que sea necesario por utilizarse como par ametros de salida. Cuando se trabaja sobre datos estructurados grandes, como pueden ser vectores o matrices (v ease el cap tulo 12), puede estar justicado pasar dichas estructuras por referencia, aunque solamente se utilicen como par ametros de entrada, porque de esta forma no hay que duplicar el espacio en la memoria para copiar la estructura local, sino que ambas comparten la misma posici on de memoria. Tambi en se ahorra el tiempo necesario para copiar de la estructura global a la local. Algunos compiladores modernos disponen de mecanismos de optimizaci on que detectan los par ametros por valor no modicados en los subprogramas, evitando el gasto innecesario de tiempo y memoria invertido en efectuar su copia. Ello evita al programador alterar el mecanismo de paso, manteni endolo por valor (lo que reeja el comportamiento del programa, que deja intacto al argumento) y a la vez se lleva a cabo ecientemente, usando el mecanismo de referencia.
8.6.2
Par ametros por referencia y funciones
En Pascal, tanto los procedimientos como las funciones pueden utilizar par ametros por valor y por referencia. Sin embargo la utilizaci on de los par ametros
184
por referencia no es apropiada en las funciones, porque su cometido natural consiste s olo en hallar el valor que representan.
8.6.3
Funciones con resultados m ultiples
Ya se ha dicho que las funciones tienen en Pascal la limitaci on de devolver u nicamente valores pertenecientes a tipos simples. Si queremos que un subprograma devuelva valores m ultiples, se recomienda utilizar procedimientos. Por ejemplo, si quisi eramos descomponer una cantidad de dinero en monedas de 100, de 25, duros y pesetas:
procedure Descomponer(cantDinero: integer; var mon100, mon25, mon5, mon1: integer);
Igualmente, en aquellos casos en que, adem as del valor de la funci on, interese hallar alg un valor adicional (por ejemplo, un c odigo que indique si la funci on ha podido calcularse correctamente o si se ha producido alg un error), se debe usar un procedimiento en su lugar m as en consonancia con ese cometido.
8.7
Desarrollo correcto de subprogramas
De la misma forma que se ha expuesto para otros mecanismos del lenguaje, en esta secci on estudiamos los elementos necesarios para lograr desarrollar subprogramas correctos. Hay dos aspectos de inter es, la llamada es la que efect ua un cierto encargo, y la denici on la que debe cumplimentarlo. Por eso, estos aspectos son complementarios. El necesario acuerdo entre denici on y llamada se garantiza por medio de la especicaci on, m as o menos formalmente. En lo que respecta a la denici on, para asegurar la correcci on de un subprograma lo consideraremos como lo que es: un peque no programa. As , la tarea esencial en cuanto al estudio de su correcci on consistir a en considerar sus instrucciones componentes y garantizar que cumple con su cometido, que es el descrito en la especicaci on. As , por ejemplo:
function Fac(n: integer): integer; {Dev. n!} var i, prodAcum: integer; begin prodAcum:= 1; {Inv.: i n y prodAcum = i!} for i:= 2 to n do prodAcum:= prodAcum * i;
8.7. Desarrollo correcto de subprogramas

{ prodAcum = n!} Fac:= prodAcum {F ac = n!} end; {Fac} e re r
185
En el caso de que en el c odigo de nuestro subprograma aparezcan llamadas a otros subprogramas, la vericaci on depender a, naturalmente, de la correcci on de estos. Nuestra tarea en este caso consistir a en comprobar que esas llamadas son correctas de la forma que se detallar a a continuaci on. En el caso particular de que las llamadas sean al mismo subprograma (subprogramas recursivos) habr a que recurrir a t ecnicas de vericaci on espec cas que ser an explicadas en el cap tulo 10.
Adem as, para cada subprograma especicaremos su interfaz de una forma semi-formal. Para ello explicitaremos al principio de cada subprograma una precondici on que describa lo que precisa el subprograma para una ejecuci on correcta y una postcondici on que indique los efectos que producir a. As , en nuestro ejemplo:8
function Fac(n: integer): integer; {PreC.: 0 n 7 y n MaxInt} {Devuelve n!} var i, prodAcum: integer; begin prodAcum:= 1; {Inv.: i n y prodAcum = i! } for i:= 2 to n do prodAcum:= prodAcum * i; {prodAcum = n!} Fac:= prodAcum {F ac = n!} end; {Fac}
M as precisamente consideraremos que la precondici on de un subprograma es una descripci on informal de los requisitos que se deben cumplir para su correcto funcionamiento. La postcondici on es una descripci on m as o menos formal del resultado o del comportamiento del subprograma. La l nea que proponemos es, pues, incluir las precondiciones y postcondiciones como parte de la documentaci on del subprograma. Visto desde un punto m as formal, consideraremos que la especicaci on del subprograma est a formada por
8
n debe ser menor que 8 para que n! MaxInt, ya que 8! = 40320 > MaxInt.
186
el encabezamiento (con el nombre del subprograma y su correspondiente lista de par ametros), y las precondiciones y postcondiciones. Por otra parte, es necesario vericar tambi en la correcci on de las llamadas a subprogramas. Para ello nos basaremos en que estas llamadas son s olo instrucciones (en el caso de los procedimientos) o expresiones (en el caso de las funciones). Por lo tanto, la vericaci on de la llamada se har a estudiando la precondici on y la postcondici on de la instrucci on en la que aparece (la misma llamada en el caso de los procedimientos). Estas precondiciones y postcondiciones se extraer an, a su vez, de las precondiciones y postcondiciones del subprograma llamado. As , si comprobamos que las expresiones que se pasan como par ametros cumplen la precondici on, podemos deducir que los par ametros que devuelven los resultados vericar an lo especicado en la postcondici on del subprograma. Las propiedades heredadas por los par ametros de salida constituir an la postcondici on de la llamada. Por ejemplo:
ReadLn(a); {a = a 0 } f:= Fac(a); {f = a0 !} WriteLn(El factorial de ,a:4, es ,f:6)
Con este tratamiento de la correcci on de subprogramas se contin ua en la l nea adoptada por los autores: buscar un compromiso entre un estudio riguroso de los programas y una visi on pr actica de la programaci on.
8.8
Ejercicios
1. Escriba una lista de los identicadores que hay en el programa MultiplicaCifras, indicando el tipo de objetos de que se trata, su ambito y, si son par ametros, su modo de paso. 2. Dena el subprograma EscribirFecha que, aplicado a los datos D, 18, 9 y 60, d e lo siguiente: Domingo, 18 de septiembre de 1.960 3. Dena la funci on mannana que halle el d a de la semana, siguiente a uno dado, (a) Representando los d as de la semana como los enteros {1, ..., 7}.
(b) Representando los d as de la semana como los caracteres {L, M, X, J, V, S, D}. 4. Dena un subprograma que intercambie los valores de dos variables enteras. 5. Dena un subprograma que averig ue si un car acter es o no:
8.8. Ejercicios
(a) una letra min uscula (b) una letra may uscula (c) una letra, haciendo uso de las funciones anteriores
187
6. Escriba funciones para calcular las expresiones de los apartados (a)-(g) del ejercicio 10 del cap tulo 3. 7. Dena el subprograma RepetirCaracter que escriba un car acter dado tantas veces como se indique. (a) Con el, escriba un programa que dibuje las guras del ejercicio 1 del cap tulo 5. (b) Escriba un programa que dibuje la siguiente gura, consistente en n las, donde la la j es la secuencia de 2j grupos formados cada uno por 2nj 1 blancos y el mismo n umero de estrellas:
******************************** **************** **************** ******** ******** ******** ******** **** **** **** **** **** **** **** **** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
8. Escriba un procedimiento PasaPasa que manipule dos n umeros enteros suprimiendo la u ltima cifra del primero y a nadi endola al nal del segundo. Incluya ese procedimiento en un programa que invierta un n umero num (partiendo del propio num y de otro, con valor inicial cero), (12345, 0) (1234, 5) (123, 54) (12, 543) (1, 5432) (0, 54321) a base de repetir la operaci on PasaPasa cuantas veces sea preciso. 9. Desarrolle un subprograma, procedure QuitarDivisor(var ddo: integer; dsor: integer);
que divida al dividendo (ddo) por el divisor (dsor) cuantas veces sea posible, dando la l nea de la descomposici on correspondiente de la manera usual: dividendo | divisor Usar el procedimiento descrito en un programa que realice la descomposici on de un n umero en sus factores primos. 10. Escriba un subprograma que halle el m aximo com un divisor de dos n umeros enteros. Para ello, se pueden usar los m etodos de Nic omaco o de las diferencias (descrito en la gura 7.3) y el de Euclides, a base de cambiar el mayor por el resto de la divisi on entera (v ease el ejercicio 2 del apartado 1.6 de [PAO94]). (a) Qu e requisitos deben exigirse a los datos para poder garantizar que los subprogramas denidos parar an?
188

(b) Pru ebelos para distintos pares de enteros y compare la eciencia de los mismos.
11. Escriba funciones para hallar las siguientes cantidades: (a) Las cifras que tiene un entero. (b) La cifra k- esima de un entero, siendo la de las unidades la 0- esima. (c) La suma de las cifras de un entero.9 12. Desarrolle un programa que busque el primer n umero perfecto10 a partir de un cierto entero dado por el usuario haciendo uso de la funci on l ogica EsPerfecto, que a su vez se apoya en la funci on SumCifras denida en el ejercicio anterior. 13. Desarrolle un programa que escriba todos los primos del 1 al 1000 haciendo uso de la funci on l ogica EsPrimo. Esta funci on se denir a como en el apartado 8.2.1. 14. Dena la funci on SerieArmonica : Z R denida as : SerieArmonica(n) = 1 + 1 1 1 + + ... + 2 3 n
A esta cantidad se le llama ra z digital. Un n umero es perfecto si la suma de sus divisores (excluido el mismo) es igual al propio n umero.
10
Cap tulo 9
Aspectos metodol ogicos de la programaci on con subprogramas
9.1 9.2 9.3 9.4 9.5 9.6 9.7
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . Un ejemplo de referencia . . . . . . . . . . . . . . . . . Metodolog a de la programaci on con subprogramas Estructura jer arquica de los subprogramas . . . . . Ventajas de la programaci on con subprogramas . . Un ejemplo detallado: representaci on de funciones Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
189 190 192 199 201 203 207
En este cap tulo se exponen los aspectos metodol ogicos necesarios para que el programador aplique de una forma adecuada las t ecnicas de la programaci on con subprogramas. Puesto que estas no deben ser empleadas de forma aislada, tambi en se explica c omo combinarlas con otras t ecnicas presentadas con anterioridad, como la programaci on estructurada o el renamiento correcto de programas. En la parte nal del cap tulo se destacan las ventajas aportadas por la correcta utilizaci on de la programaci on con subprogramas.
9.1
Introducci on
Los primeros computadores dispon an de una memoria limitada, lo que obligaba a dividir un programa extenso en partes m as peque nas llamadas m odulos
190
n con subprogramas Cap tulo 9. Programacio
que constituyeran unidades l ogicas del programa. Una parte era cargada en memoria y ejecutada, almacen andose los resultados o soluciones parciales obtenidos. A continuaci on, otra parte era cargada y ejecutada, accediendo a los resultados parciales, y as sucesivamente hasta alcanzar la soluci on nal. Esta forma de operar, conocida como segmentaci on o memoria virtual segmentada (v ease el apartado 4.2.6 de [PAO94]), representa una primera aplicaci on del concepto de modularidad. A partir de los a nos setenta, se habla de un nuevo concepto de modularidad que no deriva de las limitaciones de memoria, sino de la creciente extensi on de los programas, lo que diculta su desarrollo, depuraci on y mantenimiento. En efecto, las necesidades crecientes de los usuarios generan programas cada vez m as extensos y por lo tanto m as dif ciles de comprender. Por ello, es aconsejable dividirlos en partes para resolverlos en vez de intentar hacerlo en su totalidad, de una forma monol tica. En este sentido se pronuncian diversos estudios emp ricos realizados sobre la capacidad humana para resolver problemas. Este nuevo concepto de programaci on con subprogramas, que es el vigente en nuestros d as, complementa las t ecnicas de programaci on estructurada y est a relacionado estrechamente con las t ecnicas de dise no descendente y de renamientos sucesivos. En resumen, la idea esencial de la programaci on con subprogramas se puede expresar as : Una forma de resolver algor tmicamente un problema complejo consiste en descomponerlo en problemas m as sencillos, bien especicados e independientes entre s , dise nar por separado los subalgoritmos correspondientes a estos subproblemas y enlazarlos correctamente mediante llamadas a los mismos. La programaci on con subprogramas presenta dos aspectos inseparables: la descomposici on de un programa en partes, formadas por acciones y datos. En este cap tulo vamos a estudiar el primero de esos aspectos: la descomposici on de las acciones involucradas en un programa en otras m as sencillas, que en Pascal se realiza mediante los subprogramas y su estructura de bloques. El aspecto de los datos se abordar a despu es de estudiar la denici on de tipos por el programador, complet andose entonces el concepto de programaci on con subprogramas y su aplicaci on a la construcci on de tipos abstractos de datos (v ease el cap tulo 19).
9.2
Un ejemplo de referencia
Supongamos que tratamos de hacer un programa para sumar dos fracciones representadas cada una por su numerador y su denominador, ambos enteros. Veamos una posible descomposici on:
9.2. Un ejemplo de referencia

Sean n1 y n2 las fracciones que deseamos sumar d1 d2 Hallar la fracci on n suma d Simplicar n , obteni endose n que es el resultado. d d
191
A su vez, Hallar la fracci on n d suma consiste en:

Calcular d = d1*d2 Calcular n = n1*d2+d1*n2
y la acci on Simplicar n endose n se puede renar como sigue: d , obteni d

Calcular mcd = m aximo com un divisor de n y d Calcular n = n div mcd Calcular d = d div mcd
Ahora solamente faltar a desarrollar Calcular mcd = m aximo com un divisor de n y d. Este es un c alculo muy frecuente y que aparece resuelto f acilmente de distintas formas en la mayor a de los manuales de programaci on (v ease el ejercicio 2 del primer cap tulo de [PAO94], y tambi en el ejercicio 10 del cap tulo anterior):
Sean n, d, r IN mientras d = 0 hacer r n mod d nd dr El m aximo com un divisor es n
Si decidimos escribir un programa en Pascal (al que podr amos llamar por ejemplo SumaDeFracciones), tenemos que tomar algunas decisiones. En primer lugar hay que observar que el algoritmo consta de dos partes claramente diferenciadas: en la primera se efect ua la suma y en la segunda se simplica la fracci on. Este reparto de tareas se puede concretar en forma de dos procedimientos, que podr amos llamar SumarFracciones y SimplificarFraccion. El primero recibir a las dos fracciones dadas (par ametros por valor) y devolver a la fracci on suma (par ametros por referencia). El segundo actuar a sobre la fracci on suma simplic andola (par ametros por referencia). A su vez, el procedimiento SimplificarFraccion, y solamente el, ha de disponer del m aximo com un divisor del numerador y denominador de la fracci on, por lo que es preciso denir una funci on MCD local a SimplificarFraccion.
192
SumaDeFracciones SumarFracciones SimplificarFraccion M.C.D.
Figura 9.1. Estructura de bloques de SumaDeFracciones.
Por otra parte, SumarFracciones y SimplificarFraccion constituyen bloques locales e independientes entre s . El programa principal no tiene acceso al interior de dichos bloques, sino que ha de llamarlos mediante sus nombres. En resumen, la estructura de bloques del programa ser a la de la gura 9.1.
9.3
Metodolog a de la programaci on con subprogramas
La programaci on con subprogramas consiste en un conjunto de t ecnicas que permiten y facilitan la descomposici on de un algoritmo en partes m as simples enlazadas entre s para su ejecuci on mediante llamadas realizadas por el programa principal o por otros subprogramas. En el ejemplo de referencia, la acci on correspondiente al programa principal SumaDeFracciones se descompone en dos m as simples: SumarFracciones y SimplificarFraccion. El programa principal estar a formado por una llamada a cada una de estas acciones, obteni endose la soluci on buscada. Un subprograma est a formado por una agrupaci on de acciones y datos, de las cuales una parte (a la que llamamos interfaz ) es visible fuera del mismo y permite su comunicaci on con el exterior, y la otra queda oculta al resto del programa. La interfaz est a constituida por el identicador del subprograma y el tipo de sus par ametros. Esta parte tiene que ser conocida all donde se efect ua la llamada. En cambio, el contenido de los subprogramas es privado y permanece oculto. As , en el ejemplo, el programa principal no puede acceder a la funci on MCD porque es un objeto local del procedimiento SimplificarFraccion. Cada subprograma debe desempe nar una acci on espec ca e independiente de los dem as de forma que sea posible aislar un subprograma determinado y concentrarnos en las acciones que desempe na sin preocuparnos por las posibles interferencias con los restantes. Las acciones expresadas en los subprogramas
n con subprogramas 9.3. Metodolog a de la programacio
193
SumarFracciones y SimplificarFraccion son totalmente independientes entre s , de manera que ambas pueden usarse y vericarse por separado. Se facilita as la legibilidad del programa y la posibilidad de modicar alguna de sus partes sin preocuparnos por los efectos o la repercusi on de estas sobre otros subprogramas. Supongamos que en vez de sumar hubiera que multiplicar fracciones; bastar a entonces con sustituir SumarFraccion por un nuevo procedimiento MultiplicarFraccion, quedando el resto del programa inalterado. Tambi en se facilita el mantenimiento del programa, puesto que las modicaciones necesarias afectar an solamente a algunos subprogramas. En la programaci on con subprogramas debe atenderse a los siguientes aspectos: El cometido de cada subprograma, que se reeja en la interfaz y en la especicaci on. El desarrollo del subprograma en s , que es un aspecto privado, oculto al exterior. Los objetos que surjan en este desarrollo son particulares del subprograma, por lo que deben ocultarse al exterior. Esta ocultaci on de la informaci on consiste en que los objetos y acciones particulares de los subprogramas sean inaccesibles desde el exterior. Cada subprograma pasa a constituir una caja negra en la que se introducen unos datos y de la que se extraen unos resultados pero sin poder ver lo que pasa dentro. Como consecuencia, toda la comunicaci on con los subprogramas se debe realizar u nicamente a trav es de los par ametros, alcanz andose entonces la independencia de los subprogramas entre s . La independencia es deseable al facilitar el desarrollo del programa, su comprensi on y vericaci on, su mantenimiento y reutilizaci on posterior. En el desarrollo de subprogramas es corriente que surja la necesidad de crear nuevos subprogramas . . , dando lugar a una estructura jer arquica derivada de la aplicaci on de las t ecnicas de dise no descendente.
9.3.1
Dise no descendente con subprogramas
La divisi on de un algoritmo en subprogramas requiere un proceso de abstracci on por el que se usan, como si existieran, subalgoritmos sin concretar todav a. Debe entonces establecerse la interfaz y el cometido (especicaci on) de ese subprograma, que constituye su enunciado y que ser a u til para su posterior concreci on y vericaci on seg un las ideas dadas en el apartado 8.7.
194
SumaDeFracciones
SumarFracciones
SimplificarFraccion
M.C.D.
Figura 9.2. Estructura jer arquica del programa.
En fases sucesivas los subprogramas se van renando alcanz andose un nivel inferior de abstracci on. Cada una de estas fases puede determinar una nueva divisi on en partes apareciendo nuevos subprogramas subordinados a los del nivel superior. Al descender en la estructura de subprogramas disminuye el nivel de abstracci on y, al alcanzar el nivel inferior, el algoritmo queda totalmente concretado. Durante las etapas iniciales del proceso de dise no descendente por renamientos sucesivos ciertas acciones quedan sin formalizar, determinadas solamente por su nombre, por los objetos sobre los que act uan y por su cometido, expresado m as o menos formalmente. En la programaci on con subprogramas se nombran estas acciones, se establecen los par ametros necesarios para su correcto funcionamiento y se desarrollan con detalle en los siguientes niveles de renamiento. Por este motivo, las t ecnicas de la programaci on con subprogramas son muy adecuadas para aplicar la metodolog a de dise no descendente. Esta descomposici on de un problema en partes suele representarse gr acamente mediante una estructura jer arquica de tipo arborescente, como la de la gura 9.2, que muestra las relaciones y dependencias entre los subprogramas. En general, los subprogramas pertenecientes a los niveles superiores ejercen el control del ujo del programa, al efectuar llamadas a los de niveles inferiores, mientras que estos realizan las acciones y calculan las expresiones. En otras palabras, se puede entender que los niveles superiores expresan la losof a general del algoritmo, mientras que los inferiores o subordinados se ocupan de los detalles.
9.3.2
Programa principal y subprogramas
Al desarrollar el programa principal, lo fundamental es determinar correctamente cada una de las acciones y expresiones que lo componen y cu ales de
195
ellas se convertir an en subprogramas. A tal n se denir an con precisi on las especicaciones de los subprogramas (o sea, su cometido) y las condiciones que deben cumplir sus par ametros, pero no se entrar a a detallar las acciones que los integran. En consecuencia, el programa principal expresa una soluci on del problema con un elevado nivel de abstracci on. En el se relacionan los nombres de las distintas acciones y expresiones abstractas simples en que se descompone el algoritmo, enlaz andolas entre s mediante instrucciones estructuradas. Desde el se activan dichas acciones y expresiones, y a el retorna el control de la ejecuci on del programa una vez que el subprograma llamado naliza. La descomposici on de un problema en partes m as sencillas para constituir el programa principal se puede hacer atendiendo a las distintas acciones necesarias para obtener la soluci on del problema (descomposici on por acciones) o bien considerando cu al es la estructura de los datos, y una vez establecida, pasar a considerar las acciones que se aplicar an a dichos datos (descomposici on por datos). En nuestro ejemplo de referencia se ha realizado una descomposici on por acciones: SumarFracciones, SimplificarFraccion y MCD porque no se ha utilizado una estructura de datos para representar las fracciones, y por ser m as natural. En el cap tulo 19 estudiaremos la descomposici on por datos. Cu ando debe considerarse la creaci on de un nuevo subprograma? Si durante el desarrollo del programa principal es necesario empezar a profundizar en detalles sobre datos o instrucciones es porque en ese punto se necesita un subprograma. Por consiguiente, se dar a nombre al nuevo subprograma, se denir a su cometido y se incluir a dentro del programa principal. El programa principal depende directamente del problema por resolver, por lo tanto ser a diferente para cada problema, y no es reutilizable, aunque s adaptable. La jerarqu a de la estructura del programa es, entre otros aspectos, una jerarqu a de control, por lo que los efectos de un subprograma determinado deben afectar a sus subprogramas subordinados y en ning un caso a un subprograma superior. Deber a repasarse la estructura, subordinando aquellos subprogramas cuyo control sea ejercido por subprogramas inferiores.
9.3.3
Documentaci on de los subprogramas
Se ha dicho que, cuando surge la necesidad de un subprograma, debe denirse con precisi on su cometido, incluyendo la informaci on necesaria como documentaci on del subprograma. Para ello, deben tenerse en cuenta las siguientes posibilidades: El identicador es el primer descriptor de su cometido: suelen emplearse verbos en innitivo para los procedimientos (LeerDatos, por ejemplo) y
196
n con subprogramas Cap tulo 9. Programacio sustantivos para las funciones (como LetraMayuscula), salvo las booleanas, que se indican con predicados (por ejemplo EsDiaLaborable). Tambi en en el encabezamiento, los par ametros deben nombrarse adecuadamente, y su tipo y modo ya ofrecen una informaci on sobre los datos y resultados. Adem as del tipo, frecuentemente los datos deben acogerse a ciertos requisitos (precondici on del subprograma), lo que se indicar a en forma de comentario:
function Division (numerador, denominador: {PreC.: denominador <> 0} integer): integer;
Cuando el identicador del subprograma deje lugar a dudas sobre su cometido, se indicar a con otro comentario. En el caso de las funciones, indicando el valor que calculan:
function Division (numerador, denominador: integer): integer; {Dev. el cociente de la divisi on entera entre numerador y denominador}
ya sea informal o formalmente. Y en el caso de los procedimientos, se indicar a qu e efecto tienen y qu e par ametros se modican cuando sea necesario:
procedure Dividir (num, den: integer; var coc, resto: integer); {Efecto: coc:= cociente entero de la divisi on num/den resto:= resto de la divisi on entera num/den}
9.3.4
Tama no de los subprogramas
En general, el tama no depende de lo complicado que sea el problema, siendo aconsejable descomponer un problema de complejidad considerable en subproblemas. Si los subprogramas obtenidos en una primera descomposici on son excesivamente complejos, pueden descomponerse a su vez en nuevos subprogramas auxiliares que son llamados por los subprogramas de los que proceden. Sin embargo, esta divisi on no puede proseguir indenidamente, puesto que tambi en aumenta el esfuerzo necesario para enlazarlas. Se debe parar la descomposici on cuando el problema por resolver no presente especial dicultad o afronte una tarea de dif cil descomposici on en partes.1
Aunque es dif cil hablar de tama no f sico, rara vez se requieren subprogramas que supere una p agina de extensi on (en Pascal), si bien este es un valor relativo que depende adem as de la expresividad del lenguaje adoptado.
1
197
Ambito de la modificacin Lneas de cdigo afectadas

Figura 9.3.
Si la descomposici on del problema es correcta, cada subprograma se tiene que corresponder con una cierta acci on abstracta funcionalmente independiente de las dem as que puede ser desarrollada y probada por separado. Para conseguirlo se debe analizar la estructura del programa, disminuyendo la dependencia mediante la integraci on de aquellos subprogramas que utilicen espacios o estructuras comunes de datos y fraccionando aqu ellos que agrupen tareas diferentes. El tama no de los subprogramas es uno de los aspectos que m as inuyen en el esfuerzo requerido por las operaciones de mantenimiento de un programa. Si un programa est a formado por subprogramas de tama no reducido los efectos de una modicaci on afectar an a menos l neas de c odigo, aunque probablemente aumente el n umero de subprogramas a los que estas pertenecen, como se ve en la gura 9.3.
9.3.5
Renamiento con subprogramas y con instrucciones estructuradas
Aplicando todo esto a nuestro ejemplo, y una vez que los distintos niveles han quedado renados, pasamos a desarrollar las acciones y expresiones abstractas que componen los subprogramas utilizando las instrucciones estructuradas, como en el c alculo del m aximo com un divisor seg un Euclides:
function MCD(n, d: integer): integer; {PreC.: n = 0 y d = 0} {Dev. el m.c.d. de n y d}
198

var r: integer; begin while d <> 0 do begin r:= n mod d; n:= d; d:= r end; {while} MCD:= n end; {MCD}
Las t ecnicas de programaci on estructurada descomponen las acciones complejas mediante instrucciones estructuradas que controlan acciones m as sencillas o realizan llamadas a subprogramas. En este caso, los subprogramas realizan acciones abstractas denidas mediante sus especicaciones. Recordemos, por ejemplo, el esquema de un programa controlado por men u:
repetir Mostrar men u Leer opcion en caso de que opcion sea 0: Salir 1: Entrada de datos por teclado 2: Lectura de datos de archivo 3: Listado de datos ... n: Ejecutar la opci on n- esima hasta opcion = 0
La instrucci on estructurada Repetir. . . hasta est a controlando la ejecuci on de las acciones Mostrar men u y Leer opci on, y la instrucci on de seleccion m ultiple En caso de que. . . sea controla las acciones Entrada de datos por teclado, Lectura de datos de archivo, etc. correspondientes a las sucesivas opciones del programa cuyo desarrollo est a todav a por hacer. Estas acciones posiblemente pertenecer an a subprogramas con uno o m as niveles inferiores cuando sean renadas. En consecuencia, el dise no por renamientos sucesivos genera una estructura jer arquica de tipo arborescente en la que las llamadas a los subprogramas se controlan mediante instrucciones estructuradas (secuencia, selecci on y repetici on) y, a su vez, los distintos subprogramas se desarrollan internamente mediante instrucciones estructuradas.
rquica de los subprogramas 9.4. Estructura jera
199
A B C D Secuencialidad: (B, C) (D, E) Anidamiento: A(B) A(C(D)) A(C(E))
Figura 9.4. Subordinaci on de bloques.
9.4
Estructura jer arquica de los subprogramas
En este apartado se ofrece una visi on m as te orica y menos t ecnica de los conceptos explicados en el apartado 8.5 del cap tulo anterior. Al objeto de poder expresar la estructura arborescente que reeja la jerarqu a entre subprogramas y las caracter sticas deseables de ocultaci on de la informaci on e independencia funcional, ciertos lenguajes de programaci on (como Pascal) utilizan una estructura de bloques que permite dividir el programa en partes con sus propias instrucciones y datos. La disposici on de los bloques se puede hacer en forma secuencial (sin que esta secuencia tenga nada que ver con el orden de ejecuci on de los bloques, que vendr a dado por la disposici on de las llamadas respectivas), para los bloques situados en un mismo nivel, o en forma anidada, para representar la subordinaci on de los bloques con distintos niveles de anidamiento, como puede verse en la gura 9.4. Los lenguajes de programaci on con estructura de bloques facilitan el cumplimiento de las condiciones necesarias para alcanzar un elevado nivel de ocultaci on de la informaci on: Cada bloque subordinado puede contar con sus propios objetos, llamados objetos locales, a los que los subprogramas superiores no tienen acceso. La activaci on de un subprograma subordinado por la llamada de otro superior o de su mismo nivel es la u nica forma posible para ejecutar sus instrucciones. La comunicaci on entre un bloque y su subordinado puede y debe efectuarse solamente mediante los par ametros.
200
. . . F
. . . G
... H F
H . . .
(Subrutina)
G ...
Figura 9.5.
Los objetos propios del programa principal se llaman globales y los objetos de un bloque que tiene otro anidado son no locales con respecto a este u ltimo. Desde los subprogramas subordinados de un determinado nivel se puede acceder a los objetos globales y no locales, permitiendo la utilizaci on de espacios comunes de datos, en cuyo caso disminuir a la deseable independencia funcional de los subprogramas. En general debe evitarse este tipo de acceso, aunque en ciertos casos pueda estar justicado. Supongamos, por ejemplo, que dos o m as subprogramas situados en un mismo nivel tengan un mismo subprograma subordinado, como se muestra en la gura 9.5. En este caso, el subprograma subordinado no puede estar anidado dentro de uno de los subprogramas superiores, pues no podr a ser llamado por el otro. Tiene que estar al mismo nivel que los subprogramas que lo llaman. Algunos autores denominan subrutinas a este tipo de subprogramas con grado de entrada mayor que uno para diferenciarlos de los subprogramas. El uso de subrutinas puede justicar la vulneraci on del principio de m axima localidad (v ease el apartado 8.5.3). Los par ametros son objetos locales de los subprogramas a trav es de los cu ales se comunican con sus subprogramas superiores. Cuando el subprograma superior efect ua una llamada a su subordinado, adem as de su nombre debe incluir aquellos objetos cuyos valores van a ser utilizados por el subprograma subordinado. Este proceso se conoce como paso de par ametros y puede hacerse b asicamente de dos formas: En la primera, el subprograma recibe u nicamente el valor de los objetos, por lo que no puede modicarlos. En la segunda, el subprograma recibe la direcci on de los objetos, por lo
n con subprogramas 9.5. Ventajas de la programacio que puede modicarlos.2
201
La primera forma es la que presenta una mayor independencia, por lo que debe utilizarse siempre que sea posible. La segunda tiene una dependencia mayor, pues el subprograma subordinado y el superior comparten el mismo espacio de datos, pero permite que el subprograma subordinado env e resultados al superior, por lo que su uso estar a justicado en dichos casos. Cuando es necesario pasar una estructura de datos extensa desde un subprograma a otro, el paso por valor exige m as tiempo y m as espacio de almacenamiento que el paso por direcci on, y por motivos de eciencia, se suele hacer una excepci on a esta regla.
9.5
Ventajas de la programaci on con subprogramas
En este apartado se van a comentar las ventajas de la programaci on con subprogramas, que han hecho esta metodolog a imprescindible para abordar cualquier problema no trivial. Programas extensos Las t ecnicas de la programaci on con subprogramas facilitan la construcci on de programas extensos y complejos al permitir su divisi on en otros m as sencillos, formados por menos instrucciones y objetos, haci endolos abarcables y comprensibles para el intelecto humano. El desarrollo del programa principal de un problema extenso no es una tarea f acil, por lo que requiere programadores con gran experiencia y capacitaci on. Sin embargo, la creaci on de los restantes subprogramas es m as sencilla, lo que permite la intervenci on de programadores noveles. En este sentido, la programaci on con subprogramas favorece el trabajo en grupo y permite la creaci on de las grandes aplicaciones tan frecuentes hoy en d a, lo que ser a una misi on imposible para individuos aislados. C odigo reutilizable La estructura del programa principal representa la l nea l ogica del algoritmo, por lo que es diferente en cada caso. No sucede lo mismo con los restantes subprogramas, que pueden ser reutilizados en otros algoritmos distintos de aqu el en que fue dise nado siempre que se requieran las mismas acciones simples.
Estas dos formas de paso de par ametros se corresponden con el paso de par ametros por valor y por referencia que hemos estudiado en Pascal. (V ease el apartado 8.2.3.)
2
202
En consecuencia, el c odigo generado aplicando los principios de la programaci on con subprogramas es reutilizable, por lo que puede ser incorporado en otros programas, lo que signica un importante ahorro de tiempo y trabajo. De hecho, es frecuente la creaci on de bibliotecas compuestas por subprogramas especializados para ciertas aplicaciones, como c alculo num erico, estad stica, gr acos, etc. Dichas bibliotecas est an disponibles en ciertas instituciones de forma gratuita o comercial; de ellas, se toman aquellos subprogramas que se precisen y se introducen dentro del programa. Las t ecnicas de programaci on con subprogramas facilitan la utilizaci on de las bibliotecas y garantizan que no se produzcan incompatibilidades entre los subprogramas debido, esencialmente, a su independencia. Cuando se dispone de los subprogramas m as elementales, procedentes de bibliotecas o de otros programas creados con anterioridad, y se integran para realizar acciones m as complejas, y estas se integran a su vez para efectuar otras m as complejas, y as sucesivamente, hasta obtener la soluci on de un problema, se dice que se ha seguido una metodolog a de dise no ascendente (bottom-up ). Depuraci on y vericaci on Un subprograma puede comprobarse por separado, mediante un programa de prueba que efect ue la llamada al subprograma, le pase unos datos de prueba y muestre los resultados. Una vez que se hayan comprobado separadamente los subprogramas correspondientes a una secci on del programa, pueden comprobarse conjuntamente, y por u ltimo probar el programa en su totalidad. La comprobaci on de un programa dividido en subprogramas es m as f acil de realizar y por su propia estructura m as exhaustiva que la de un programa monol tico. Tambi en puede utilizarse la llamada estrategia incremental de pruebas, consistente en codicar en primer lugar los subprogramas de los niveles superiores, utilizando subprogramas subordinados provisionales (que realicen su tarea lo m as simplicadamente posible). De esta forma se dispone de una versi on previa del sistema funcionando continuamente durante todo el proceso de pruebas, facilitando as la intervenci on del usuario en estas. Igualmente, el proceso de vericaci on formal ser a tambi en m as llevadero sobre un programa dividido en partes que sobre la totalidad. Como se explic o en el apartado 8.7, la vericaci on de un programa con subprogramas consistir a en vericar cada uno de estos, as como su correcto ensamblaje (mediante llamadas). Ninguna de estas tareas ser a complicada, y se simplicar a notablemente la comprobaci on de la correcci on con respecto a la de un programa de una sola pieza. Por consiguiente, un programa construido mediante subprogramas tendr a menos errores y estos ser an m as f aciles de detectar y subsanar.
n de funciones 9.6. Un ejemplo detallado: representacio Mantenimiento
203
Por otra parte, la programaci on con subprogramas sirve de gran ayuda en el mantenimiento y modicaci on de los programas, ya que si se ha respetado la independencia funcional entre subprogramas, introducir cambios o subsanar errores tendr a unos efectos nulos o m nimos sobre el resto del programa.
9.6
Un ejemplo detallado: representaci on de funciones
Se trata de representar funciones reales de una variable real en la pantalla del computador de forma aproximada. La funci on representada es ja para el programa; en nuestro ejemplo, se ha tomado f (x) = sen(x), aunque puede cambiarse f acilmente aprovechando las ventajas de la programaci on con subprogramas. Los datos solicitados por el programa determinan el fragmento del plano XY que se desea representar: [xm nima , xma xima ] [ym nima , yma xima ] En nuestro ejemplo representaremos el fragmento [0.5, 6.5] [0.9, 0.9] que es bastante ilustrativo acerca del comportamiento de la funci on seno. Por otra parte, como el tama no de la pantalla es jo, la representaci on se efect ua sobre una cuadr cula de tama no jo, formada por nu mX nu mY puntos, que estar a representado por sendas constantes del programa:
const NumX=15; NumY=50;
Por comodidad, el eje de abscisas ser a vertical y avanzar a descendentemente, y el de ordenadas ser a horizontal y avanzar a hacia la derecha de la pantalla, como se ve en la gura 9.6. Como podemos ver se ha trazado una cabecera con los l mites de la representaci on de las ordenadas (en la gura -0.90 y 0.90), el nombre de la funci on representada (y = sen (x) en el ejemplo) y una l nea horizontal de separaci on. Debajo, para cada l nea, se ha escrito el valor de la abscisa (0.50, 0.90, . . . ) correspondiente, una l nea vertical para representar un fragmento de eje y un asterisco para representar la posici on de la funci on. Si la funci on se sale fuera de la zona de representaci on, se ha escrito un s mbolo < o >, seg un caiga por la izquierda o por la derecha, respectivamente. As pues, el programa consta de cuatro pasos:
204
-0.90 y = sen (x) 0.90 ------+--------------------------------------------------> 0.50 | * 0.90 | * 1.30 | > 1.70 | > 2.10 | * 2.50 | * 2.90 | * 3.30 | * 3.70 | * 4.10 | * 4.50 | < 4.90 | < 5.30 | * 5.70 | * 6.10 | * 6.50 | * | x V
Figura 9.6.
n de funciones 9.6. Un ejemplo detallado: representacio

Pedir los datos xm nima , xma xima , ym nima , yma xima Trazar la cabecera de la gr aca Trazar las l neas sucesivas Trazar el pie de la gr aca
205
La lectura de los datos es trivial:

procedure PedirDatos(var xMin, xMax, yMin, yMax: real); {Efecto: lee el fragmento del plano que se desea ver} begin Write(xM nimo, xM aximo: ); ReadLn(xMin, xMax); Write(yM nimo, yM aximo:); ReadLn(yMin, yMax) end; {PedirDatos}
La cabecera de la representaci on gr aca debe reejar el intervalo de las ordenadas elegido y escribir un eje del tama no numY :
procedure TrazarCabecera(yMin, yMax: real); {Efecto: Traza la cabecera centrada dependiendo del tama~ no de la pantalla} begin WriteLn(yMin:9:2, {a la izquierda} y = sen (x): NumY div 2-1, {en el centro} yMax:(NumY div 2-1):2); {a la derecha} Write(------+); for i:= 1 to NumY do Write(-); WriteLn(>) end; {TrazarCabecera}
siendo NumX, NumY las constantes (globales) descritas al principio. (Los par ametros de formato tienen por misi on centrar el nombre de la funci on de manera que no haya que redenir este procedimiento si cambia el tama no de la pantalla.) El trazado de cada l nea consiste en lo siguiente:
Hallar la abscisa xi Hallar la posici on (en la pantalla) de la ordenada f (xi ) Escribir la l nea (comprobando si cae fuera de la zona)
lo que se detalla a continuaci on. La abscisa xi se halla f acilmente: xi = xm n + i xma x xm n , NumX i {0, . . . , NumX}
206
Para cada ordenada yi = f (xi ), su posici on (que ser a un entero de {0, . . . NumY} cuando yi [ym , yma x ]: [ym n , y ma x ] {0, . . . , NumY} Ello se consigue sencillamente as : posYi = Round NumY yi ym n y ma y x m n
Un valor de posYi negativo o nulo indica que la funci on se sale por la izquierda del fragmento del plano representado, mientras que un valor mayor que NumY signica que se sale por la derecha, con lo que la l nea i- esima se traza como 3 sigue:
procedure TrazarLinea(i: integer; xMin, xMax, yMin, yMax: real); {Efecto: se imprime la l nea i- esima} var xi: real; {el valor de abscisa} posYi: integer; {el valor redondeado de la funci on en xi} begin xi:= xMin + i * (xMax - xMin)/NumX; posYi:= Round(NumY * ((Sin(xi)-yMin)/(yMax-yMin))); Write(xi:5:2, | ); if posYi <= 0 then WriteLn(<) else if posYi > NumY then WriteLn(>:NumY) else {dentro de la zona} WriteLn(*:posYi) end; {TrazarLinea}
Finalmente, el pie de la gr aca se dibuja as :

procedure TrazarPie; begin WriteLn( |); WriteLn( x V) end; {TrazarPie}
En resumen, el programa consta de lo siguiente:

Dadas las especiales caracter sticas gr acas de este ejemplo, se indican mediante el s mbolo los espacios en blanco en las instrucciones de escritura.
3
9.7. Ejercicios
Program ReprGrafica (input, output); const NumX = 15; NumY = 50; var xMinimo, xMaximo, yMinimo, yMaximo: i: integer; procedure procedure procedure procedure PedirDatos(...); TrazarCabecera(...); TrazarLinea(...); TrazarPie; {... {... {... {...
207
real;
descrito descrito descrito descrito
antes antes antes antes
... ... ... ...
} } } }
begin PedirDatos(xMinimo, xMaximo, yMinimo, yMaximo); TrazarCabecera(yMinimo, yMaximo); for i:= 0 to NumX do TrazarLinea (i, xMinimo, xMaximo, yMinimo, yMaximo); TrazarPie end. {ReprGrafica}
9.7
Ejercicios
1. Escriba un programa en Pascal para el ejemplo de referencia del apartado 9.2. 2. Utilice la independencia de subprogramas en el programa anterior para sustituir el c alculo del m aximo com un divisor mediante el m etodo de Euclides por otro que utilice las siguientes propiedades debidas a Nic omaco de Gersasa, tambi en llamado m etodo de las diferencias: si a>b, entonces m.c.d.(a, b) = m.c.d.(ab, b) si a<b, entonces m.c.d.(a, b) = m.c.d.(a, ba) si a=b, entonces m.c.d.(a, b) = m.c.d.(b, a) = a = b Por ejemplo, el c alculo del m.c.d. de 126 y 56 seguir a la siguiente evoluci on: (126, 56) ; (70, 56) ; (14, 56) ; (14, 42) ; (14, 28) ; (14, 14) 3. Escriba un programa que pida dos fracciones, las simplique y las sume, hallando para ello el m nimo com un m ultiplo de los denominadores y simplicando nuevamente el resultado. Organ ce los subprogramas de acuerdo con el siguiente diagrama de la gura 9.7.4
Obs ervese que, tanto la funci on MCM como el procedimiento para Simplificar, se apoyan en la funci on MCD. Puesto que M CM (a, b) M CD(a, b) = a b, se tiene que M CM (a, b) = ab M CD(a, b)
4
(Util cese el subprograma denido en el ejercicio 2 para el c alculo del MCD.)
208
n con subprogramas Cap tulo 9. Programacio SumaDeFracciones

c
LeerFrac
C
SumarFracc
c MCM rr r j r
SimplFrac

MCD
Figura 9.7. 4. Desarrolle una funci on Producto Producto(a, b) = a * (a+1) * ... * (b-1) * b y, bas andose en ella, escriba funciones para hallar las cantidades n! y ( n k ). Incluya esta u ltima funci on en un programa que tabule los coecientes binomiales (n ) de la siguiente forma: k 1 1 1 1 1 4 3 6 ... 2 3 4 1 1 1 1
hasta la l nea numLnea, dato extra do del input. 5. Dena distintas versiones de la funci on arcsen seg un las siguientes descripciones: (a) arcsen(x) = arctg 1x x2 (b) arcsen(x) = x +
1 x3 2 3
(c) Como arcsen(a) es un cero de la funci on f (x) = sen(x) a, llegar a este
13 x5 24 5
135 x7 246 7
+ ...
por bipartici on, es decir, siguiendo el teorema de Bolzano (v ease el apartado 6.5.1) por el m etodo de la tangente (v ease el apartado 6.5.2)
6. Cada a no, el 10% de la gente que vive en la ciudad emigra al campo huyendo de los ruidos y la contaminaci on. Cada a no, el 20% de la poblaci on rural se traslada a la ciudad huyendo de esa vida mon otona. Desarrolle un subprograma EmigracionAnual que modique las poblaciones rural y urbana con arreglo a lo explicado.
9.7. Ejercicios
209
Desarrolle un programa que muestre la evoluci on de las migraciones, partiendo de unas poblaciones rural y urbana iniciales de cinco y cuatro millones de habitantes respectivamente, hasta que se estabilicen esas migraciones, esto es, cuando un a no la poblaci on rural (por ejemplo) no sufra variaci on alguna. 7. Realice una descomposici on en subprogramas y escriba el correspondiente programa para el Juego de Nic omaco para dos jugadores, en el que se parte de un par de n umeros positivos, por ejemplo (124, 7), y se van restando alternativamente por cada jugador m ultiplos del n umero m as peque no al n umero m as grande. As , del par inicial se puede pasar al (103, 7), restando 21 (=7*3) a 124, o incluso al (5, 7) al restar 119 (7*17). A continuaci on se restar a 5 de 7 obteni endose (5, 2) y as sucesivamente hasta que un jugador consiga hacer cero uno de los n umeros, ganando la partida.
Cap tulo 10
Introducci on a la recursi on
10.1 Un ejemplo de referencia . . . . . . . . . . . . . . . . . . 212 10.2 Conceptos b asicos . . . . . . . . . . . . . . . . . . . . . . 213 10.3 Otros ejemplos recursivos . . . . . . . . . . . . . . . . . 216 10.4 Correcci on de subprogramas recursivos . . . . . . . . 219
10.5 Recursi on mutua . . . . . . . . . . . . . . . . . . . . . . . 222 10.6 Recursi on e iteraci on . . . . . . . . . . . . . . . . . . . . 226 10.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 10.8 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . 228
En este cap tulo se estudia una t ecnica de programaci on que tiene su origen en ciertos c alculos matem aticos y que consiste en describir los c alculos o las acciones de una manera autoalusiva, esto es, resolver problemas describi endolos en t erminos de ejemplares m as sencillos de s mismos. Esta t ecnica puede entenderse como un caso particular de la programaci on con subprogramas en la que se planteaba la resoluci on de un problema en t erminos de otros subproblemas m as sencillos. El caso que nos ocupa en este cap tulo es aquel en el que al menos uno de los subproblemas es una instancia del problema original.
212
n a la recursio n Cap tulo 10. Introduccio
10.1
Un ejemplo de referencia
Consideremos el c alculo del factorial de un entero positivo n que se dene de la siguiente forma: n! = n (n 1) (n 2) ... 1 Como, a su vez, (n 1)! = (n 1) (n 2)... 1 tenemos que n! se puede denir en t erminos de (n 1)!, para n > 0, as : n! = n (n 1)! siendo por denici on 0! = 1, lo que permite terminar correctamente los c alculos. Por ejemplo, al calcular el factorial de 3: 3! = 3 2! = 3 2 1! = 3 2 1 0! = 3 2 1 1 = 6 Por lo tanto, si n es distinto de cero tendremos que calcular el factorial de n 1, y si es cero el factorial es directamente 1: n! =
1
si n = 0 si n 1
n (n 1)!
Observamos en este ejemplo que en la denici on de factorial interviene el propio factorial. Este tipo de deniciones en las que interviene lo denido se llaman recursivas. La denici on anterior se escribe en Pascal directamente como sigue:1
function Fac(num: integer): integer; {PreC.: num 0} {Dev. num!} begin if num = 0 then Fac:= 1 else Fac:= num * Fac(num - 1) end; {Fac}
En estos primeros ejemplos obviaremos algunos detalles de correcci on que ser an explicados m as adelante.
1
sicos 10.2. Conceptos ba
213
La posibilidad de que la funci on Fac se llame a s misma existe, porque en Pascal el identicador Fac es v alido dentro del bloque de la propia funci on (v ease el apartado 8.5). Al ejecutarlo sobre el argumento 4, se produce la cadena de llamadas sucesivas a Fac(4), Fac(3), Fac (2), Fac(1) y a Fac(0), as : Fac(4) ; 4 * Fac(3) ; 4 * (3 * Fac (2)) ; 4 * (3 * (2 * Fac(1))) ; 4 * (3 * (2 * (1 * Fac(0)))) ; ... y, como Fac(0) = 1, este valor es devuelto a la llamada anterior Fac(1) multiplic andose 1 * Fac(0), que a su vez es devuelto a Fac(2), donde se multiplica 2 * Fac(1) y as sucesivamente, deshaci endose todas las llamadas anteriores en orden inverso: 2 ... ; 4 * (3 * (2 * (1 * 1))) ; 4 * (3 * (2 * 1)) ; 4 * (3 * 2) ; 4 * 6 ; 24
10.2
Conceptos b asicos
En resumen, los subprogramas recursivos se caracterizan por la posibilidad de invocarse a s mismos. Debe existir al menos un valor del par ametro sobre el que se hace la recursi on, llamado caso base, que no provoca un nuevo c alculo recursivo, con lo que naliza y puede obtenerse la soluci on; en el ejemplo del factorial, es el cero. Si este valor no existe, el c alculo no termina. Los restantes se llaman casos recurrentes, y son aqu ellos para los que s se produce un nuevo c alculo recursivo; en el ejemplo, se trata de los valores positivos 1, 2, 3. . . En las sucesivas llamadas recursivas los argumentos deben aproximarse a los casos base, n n 1 ... 1 0
2 La mayor a de los entornos de desarrollo (como Turbo Pascal) integran un m odulo depurador que permite observar los valores adoptados por los diferentes par ametros y variables que intervienen en un programa durante su ejecuci on (v ease el apartado C.2.6). Esto es particularmente u til para la comprensi on y el desarrollo de subprogramas recursivos.
214
Fac(4) . . . else Fac:=4*Fac(3) Fac 24 Fac(3) . . . else Fac:=3*Fac(2) Fac 6
Fac(2) . . . else Fac:=2*Fac(1) Fac 2
Fac(1) . . . else Fac:=1*Fac(0) Fac 1 Fac(0) . . . then Fac:= 1 Fac 1
Figura 10.1. Esquema de llamadas de Fac.
para que el proceso concluya al alcanzarse estos. De lo contrario, se produce la llamada recursi on innita. Por ejemplo, si se aplicase la denici on de factorial a un n umero negativo, 3 4 5 . . . los c alculos sucesivos nos alejan cada vez m as del valor cero, por lo que nunca dejan de generarse llamadas. El proceso de ejecuci on de un subprograma recursivo consiste en una cadena de generaci on de llamadas (suspendi endose los restantes c alculos) y reanudaci on de los mismos al t ermino de la ejecuci on de las llamadas, tal como se recoge en la gura 10.1. Para comprender mejor el funcionamiento de un subprograma recursivo, recordemos el proceso de llamada a un subprograma cualquiera: Se reserva el espacio en memoria necesario para almacenar los par ametros y los dem as objetos locales del subprograma. Se reciben los par ametros y se cede la ejecuci on de instrucciones al subprograma, que comienza a ejecutarse. Al terminar este, se libera el espacio reservado, los identicadores locales dejan de tener vigencia y pasa a ejecutarse la instrucci on siguiente a la de llamada.

Programa begin
215
... ...
llamada a subprograma
Subprograma begin
... ...
llamada a subprograma
Subprograma begin
end.
... ... ...

end.
end.
Figura 10.2. Esquema de llamadas de subprogramas.
En el caso de un subprograma recursivo, cada llamada genera un nuevo ejemplar del subprograma con sus correspondientes objetos locales. Podemos imaginar cada ejemplar como una copia del subprograma en ejecuci on. En este proceso (resumido en la gura 10.2) destacamos los siguientes detalles:
El subprograma comienza a ejecutarse normalmente y, al llegar a la llamada, se reserva espacio para una nueva copia de sus objetos locales y par ametros. Estos datos particulares de cada ejemplar generado se agrupan en la llamada tabla de activaci on del subprograma. El nuevo ejemplar del subprograma pasa a ejecutarse sobre su tabla de activaci on, que se amontona sobre las de las llamadas recursivas anteriores formando la llamada pila recursiva (v ease el apartado 17.2.3). Este proceso termina cuando un ejemplar no genera m as llamadas recursivas por consistir sus argumentos en casos b asicos. Entonces, se libera el espacio reservado para la tabla de activaci on de ese ejemplar, reanud andose las instrucciones del subprograma anterior sobre la tabla pen ultima. Este proceso de retorno naliza con la llamada inicial.
216
10.3
10.3.1
Otros ejemplos recursivos

La sucesi on de Fibonacci
Un c alculo con denici on recursiva es el de la sucesi on de n umeros de Fi3 bonacci: 1, 1, 2, 3, 5, 8, 13, 21, 34, . . . (v ease el ejercicio 6). Si llamamos bn al t ermino en esimo de la secuencia de Fibonacci, la secuencia viene descrita recurrentemente as : b0 = 1 b1 = 1 bn = bn2 + bn1 , si n 2 La correspondiente funci on en Pascal es una transcripci on trivial de esta denici on:
function Fib(num: integer): integer; {PreC.: num 0} {Dev. f ibnum } begin if (num = 0) or (num = 1) then Fib:= 1 else Fib:= Fib(num - 1) + Fib(num - 2) end; {Fib}
Los casos base son los n umeros 0 y 1, y los recurrentes los naturales siguientes: 2, 3, . . .
10.3.2
Torres de Hanoi
En la exposici on mundial de Par s de 1883 el matem atico franc es E. Lucas 4 present o un juego llamado Torres de Hanoi, que tiene una soluci on recursiva relativamente sencilla y que suele exponerse como ejemplo de la potencia de la recursi on para resolver ciertos problemas cuya soluci on es m as compleja en forma iterativa.
Descubierta por Leonardo da Pisa (1180-1250) y publicada en su Liber Abaci en 1202. Seg un reza la leyenda, en la ciudad de Hanoi, a orillas del r o Rojo, descansa una bandeja de cobre con tres agujas verticales de diamante. Al terminar la creaci on, Dios ensart o en la primera de ellas sesenta y cuatro discos de oro puro de tama nos decrecientes. Esta es la torre de Brahma. Desde entonces, los monjes empe nan su sabidur a en trasladar la torre hasta la tercera aguja, moviendo los discos de uno en uno y con la condici on de que ninguno de ellos se apoye en otro de menor tama no. La leyenda arma que el t ermino de esta tarea coincidir a con el n del mundo, aunque no parece que, por el momento, est en cerca de lograrlo.
4 3
10.3. Otros ejemplos recursivos
217
Figura 10.3. Las torres de Hanoi.
El juego estaba formado por una base con tres agujas verticales, y en una de ellas se encontraban engarzados unos discos de tama no creciente formando una torre, seg un se muestra en la gura 10.3. El problema por resolver consiste en trasladar todos los discos de una aguja a otra, movi endolos de uno en uno, pero con la condici on de que un disco nunca descanse sobre otro menor. En distintas fases del traslado se deber an usar las agujas como almac en temporal de discos. Llamaremos A, B y C a cada una de las agujas sin importar el orden siempre que se mantengan los nombres. Consideremos inicialmente dos discos en A que queremos pasar a B utilizando C como auxiliar. Las operaciones por realizar son sencillas:
Mover un disco de A a C Pasar dos discos de A a B = Mover un disco de A a B Mover un disco de C a B
Ahora supongamos que tenemos tres discos en A y queremos pasarlos a B. Haciendo algunos tanteos descubrimos que hay que pasar los dos discos superiores de A a C, mover el u ltimo disco de A a B y por u ltimo pasar los dos discos de C a B. Ya conocemos c omo pasar dos discos de A a B usando C como auxiliar, para pasarlos de A a C usaremos B como varilla auxiliar y para pasarlos de C a B usaremos A como auxiliar:
218
En general, Pasar n discos de A a B (siendo n 1), consiste en efectuar las siguientes operaciones,
Pasar n1 discos de A a C Pasar n discos de A a B = Mover 1 disco de A a B Pasar n1 discos de C a B
Mover 1 Pasar dos de A a C = Mover 1 Mover 1 Pasar 3 discos de A a B = Mover un disco de A a B Mover 1 Pasar dos de C a B = Mover 1 Mover 1
disco de A a B disco de A a C disco de B a C
disco de C a A disco de C a B disco de A a B
siendo 1 el caso base, que consiste en mover simplemente un disco sin generar llamada recursiva. Ahora apreciamos claramente la naturaleza recursiva del proceso, pues para pasar n discos es preciso pasar n-1 discos (dos veces), para n-1 habr a que pasar n-2 (tambi en dos veces) y as sucesivamente. Podemos escribir un procedimiento para desplazar n discos directamente:
procedure PasarDiscos(n: integer; inicial, final, auxiliar: char); {PreC.: n 0} {Efecto: se pasan n discos de la aguja inicial a la final} begin if n > 0 then begin PasarDiscos (n - 1,inicial, auxiliar, final); WriteLn(mover el disco , n:3, desde , inicial, a , final); PasarDiscos (n - 1,auxiliar, final, inicial) end {if} end; {PasarDiscos}
Como ejemplo de funcionamiento, la llamada PasarDiscos(4, A, B, C) produce la siguiente salida:5 Cu antos discos: 4 mover disco 1 desde mover disco 2 desde mover disco 1 desde mover disco 3 desde mover disco 1 desde mover disco 2 desde mover disco 1 desde
5
A A C A B B A
a a a a a a a
C B B C A C C
mover mover mover mover mover mover mover mover
disco disco disco disco disco disco disco disco
4 1 2 1 3 1 2 1
desde desde desde desde desde desde desde desde
A C C B C A A C
a a a a a a a a
B B A A B C B B
Como puede apreciarse los n umeros de los discos indican su tama no.
n de subprogramas recursivos 10.4. Correccio
219
10.3.3
Funci on de Ackermann
Otro interesante ejemplo recursivo es la funci on de Ackermann que se dene recurrentemente as : Ack (0, n) = n + 1 Ack (m, 0) = Ack (m 1, 1), si m > 0 Ack (m, n) = Ack (m 1, Ack (m, n 1)) si m, n > 0 La funci on correspondiente en Pascal se escribe as :
function Ack(m, n: integer): integer; {PreC.: m, n 0} {Dev. Ack (m, n)} begin if m = 0 then Ack:= n + 1 else if n = 0 then Ack:= Ack(m - 1, 1) else Ack:= Ack(m - 1, Ack(m, n - 1)) end; {Ack}
10.4
Correcci on de subprogramas recursivos
En este apartado presentaremos los conceptos y t ecnicas necesarias para la vericaci on (o derivaci on) de subprogramas recursivos. En este sentido, la pauta viene dada por la consideraci on de que un subprograma recursivo no es m as que un caso particular de subprograma en el que aparecen llamadas a s mismo. Esta peculiaridad hace que tengamos que recurrir a alguna herramienta matem atica, de aplicaci on no demasiado complicada en la mayor a de los casos, que encontraremos en este libro. El proceso de an alisis de la correcci on de subprogramas recursivos puede ser dividido, a nuestro entender, en dos partes: una primera, en la que consideraremos los pasos de la vericaci on comunes con los subprogramas no recursivos, y una segunda con los pasos en los que se aplican t ecnicas espec cas de vericaci on de la recursi on. De acuerdo con esta divisi on, incluiremos en primer lugar, y tal como se ha hecho hasta ahora, las precondiciones y postcondiciones de cada subprograma que, junto con el encabezamiento, formar an su especicaci on (semi-formal). Recordemos que las precondiciones y postcondiciones act uan como generalizaciones de las precondiciones y postcondiciones, respectivamente, de las instrucciones simples, explicitando los requisitos y los efectos del subprograma.
220
Asimismo, la vericaci on de las llamadas a subprogramas recursivos se har a igual que en el resto de los subprogramas, estableciendo las precondiciones y postcondiciones de estas en base a las precondiciones y postcondiciones de los subprogramas llamados. Por otra parte estudiaremos la correcci on de la denici on del subprograma. En esta tarea lo natural es plantearse el proceso de vericaci on (o correcci on, seg un el caso) habitual, es decir, especicar las precondiciones y postcondiciones de cada una de las instrucciones implicadas, y en base a ellas y a su adecuado encadenamiento demostrar la correcci on. Pero en el caso de un subprograma recursivo nos encontramos que, para al menos una de las instrucciones (aqu ella en la que aparece la llamada recursiva), no se tiene demostrada la correcci on (de hecho es esa correcci on la que intentamos demostrar). Para salir de este ciclo recurrimos a t ecnicas inductivas de demostraci on.
10.4.1
Principios de inducci on
Informalmente, podemos decir que estos principios permiten armar una propiedad para todo elemento de un conjunto (pre)ordenado, si se dan ciertas condiciones. As , si suponiendo el cumplimiento de la propiedad para los elementos del conjunto menores que uno dado podemos demostrar la propiedad para el elemento en cuesti on, armaremos que todo elemento del conjunto verica la propiedad. La formalizaci on m as simple y conocida del Principio de Inducci on se hace sobre el conjunto de los n umeros naturales y es la siguiente: Si tenemos que Hip otesis de inducci on: 0 cumple la propiedad P Paso inductivo: Para todo x > 0, si x 1 cumple la propiedad P , entonces x cumple la propiedad P Entonces Para todo y IN, y cumple la propiedad P . La relaci on entre inducci on y recursi on queda clara: la hip otesis de inducci on se corresponde con el caso base, y el paso inductivo con el caso recurrente. Por ejemplo, este principio se puede aplicar para demostrar que el n umero N de elementos del conjunto P (E ), donde E representa un conjunto nito de n elementos y P (E ) es el conjunto de las partes de E , es 2n . Como caso base tenemos que para n = 0, es decir, para E = , se tiene que P (E ) = , y por tanto N = 1 = 20 .
n de subprogramas recursivos 10.4. Correccio
221
Supongamos ahora que para n 1, es decir, para E = {x1 , x2 , . . . , xn1 } se cumple que N = 2n1 y veamos si se puede demostrar que para n tambi en se tiene que N = 2n . Distribuyamos las partes de E = {x1 , x2 , . . . , xn } en dos clases: una con las que no contienen al elemento xn , y otra con las que s lo contienen. La hip otesis de inducci on expresa que la primera est a constituida por 2n1 subconjuntos, mientras que los subconjuntos de la segunda son los que resultan de la uni on de {xn } con cada uno de los subconjuntos de la primera clase. Por tanto, el n umero total de subconjuntos es N = 2n1 + 2n1 = 2n . En consecuencia, aplicando el principio de inducci on se puede armar que n para todo n IN se cumple que P (E ) tiene 2 elementos.
Aunque esta formalizaci on del Principio de Inducci on es suciente para un gran n umero de casos, en otros se puede requerir otra en la que tomamos como hip otesis la vericaci on de la propiedad por todos los elementos menores que x: Es decir, Si para cualquier x IN se tiene que, si todo y < x tiene la propiedad P , entonces x tambi en tiene la propiedad P entonces todo z IN tiene la propiedad P Disponemos ya de la herramienta necesaria para retomar la vericaci on de nuestro subprograma recursivo. Recordemos que nos encontr abamos con el problema de comprobar la correcci on de una llamada al propio subprograma que estamos vericando, lo cual nos hace entrar, aparentemente, en un ciclo sin n. La clave para salir de este ciclo es darnos cuenta de que, si la recursi on est a bien denida, la llamada que intentamos vericar tiene como par ametro de llamada un valor menor (o, en otras palabras, m as cercano al caso base de la recursi on). Por ejemplo, en el caso de la funci on factorial, la estructura de selecci on que controla la recursi on es:
if num = 0 then Fac:= 1 else Fac:= num * Fac(num - 1)
En este punto es donde entra en juego el Principio de Inducci on, ya que, bas andonos en el, si 1. el subprograma es correcto en el caso base (en nuestro caso es obvio que Fac(0) = 1 = 0!), y
222
2. demostramos que la construcci on del paso recursivo es correcta, suponiendo que lo es la llamada al subprograma para valores menores del par ametro sobre el que se hace la recursi on. En este caso tenemos asegurada la correcci on de nuestro subprograma para cualquier valor del par ametro de entrada. En el ejemplo, basta con demostrar que, si suponemos que Fac(num 1) = (num 1)! entonces Fac(num) = num Fac(num 1) = num (num 1)! = num!
En resumen, para demostrar la correcci on de un subprograma recursivo hemos de comprobar: La correcci on del caso base. La correcci on de los casos recurrentes. Para ello, se supone la de las llamadas subsidiarias, como ocurre en el paso inductivo con la hip otesis de inducci on. Que las llamadas recursivas se hacen de manera que los par ametros se acercan al caso base; por ejemplo, en el c alculo del factorial, en las sucesivas llamadas los par ametros son n, n 1, . . ., que desembocan en el caso base 0, siempre que n > 0, lo cual se exige en la condici on previa de la funci on.
10.5
Recursi on mutua
Cuando un subprograma llama a otro y este a su vez al primero, se produce lo que se denomina recursi on mutua o cruzada, que consiste en que un subprograma provoque una llamada a s mismo, indirectamente, a trav es de otro u otros subprogramas. En estos casos, se presenta un problema para denir los subprogramas, porque uno de ellos tendr a que ser denido antes del otro, y la llamada que haga al segundo se hace a un identicador desconocido, contraviniendo la norma de Pascal por la que un identicador tiene que ser declarado antes de usarlo. No obstante, el mismo lenguaje nos da la soluci on mediante el uso de la palabra reservada forward. Con su uso, el identicador del subprograma denido
n mutua 10.5. Recursio
223
en segundo lugar es predeclarado, escribiendo su encabezamiento seguido por forward, y por lo tanto es reconocido en el subprograma denido en primer lugar. Al denir el segundo subprograma no es necesario repetir sus par ametros. El esquema de implementaci on en Pascal de dos procedimientos mutuamente recursivos es el siguiente:
procedure Segundo(par ametros); forward; procedure Primero(par ametros); ... begin {Primero} ... Segundo (...) ... end; {Primero} procedure Segundo(par ametros); ... begin {Segundo} ... Primero (...) ... end; {Segundo}
A continuaci on se muestra un ejemplo en el que se aplica el concepto de recursi on mutua. Se trata de un programa que comprueba el correcto equilibrado de par entesis y corchetes en expresiones introducidas por el usuario.6 As , si se da como entrada la expresi on [3 (2 + 1) 5] + 7, el programa debe dar un mensaje que indique que los par entesis y los corchetes est an equilibrados, y, en cambio, si la entrada proporcionada por el usuario es la expresi on (a + [b 5) c], debe dar al menos un mensaje de error en el equilibrado. Con este objetivo, un primer paso en el dise no del programa Equilibrado puede ser:
repetir Leer car acter c en caso de que c sea (: Cerrar par entesis ): Tratar par entesis de cierre [: Cerrar corchete ]: Tratar corchete de cierre hasta n de la entrada
Se considera que la expresi on viene dada en una sola l nea del input, para simplicar la codicaci on.
6
224
En el caso en que se encuentre en el input un par entesis o un corchete abierto, hay que seguir leyendo caracteres hasta encontrar (si es que existe) el correspondiente s mbolo de cierre. En caso de encontrarlo se dar a un mensaje de exito, y en caso contrario, dependiendo del s mbolo encontrado, se tomar a la acci on correspondiente: si es un s mbolo de cierre equivocado, se dar a un mensaje de error. si es un par entesis o corchete abierto, se har a una llamada recursiva. si es el n del input, tambi en se dar a un mensaje indic andolo. Teniendo en cuenta estas indicaciones, el siguiente nivel de renamiento de Cerrar par entesis puede ser:
Repetir Leer car acter c en caso de que c sea (: Cerrar par entesis ): Dar mensaje de exito [: Cerrar corchete ]: Dar mensaje de error hasta c = ) o n de la entrada Si n de la entrada entonces Dar mensaje de error
Y simplemente cambiando los corchetes por par entesis y viceversa, puede el lector obtener el siguiente nivel de Cerrar corchete. Ya en este nivel de dise no se puede observar que las tareas Cerrar par entesis y Cerrar corchete son mutuamente recursivas, y como tales deben ser tratadas en la codicaci on en Pascal que se da a continuaci on:
Program Equilibrado (input, output); {Estudia el equilibrado de par entesis y corchetes en secuencias de caracteres} var c: char; procedure CierraCorchete; forward; procedure CierraPar; {PreC.: se ha le do un car acter ( y no EoLn} {Efecto: se ha recorrido la entrada hasta encontrar un car acter ) o el fin de la entrada, dando los mensajes adecuados si se ha le do un s mbolo inapropiado}
n mutua 10.5. Recursio

var c: char; begin repeat Read(c); case c of (: CierraPar; {Llamada recursiva para tratar una pareja de par entesis anidados} ): WriteLn(cuadra el par entesis); [: CierraCorchete; {Llamada recursiva para tratar una pareja de corchetes anidados} ]: WriteLn(error: cierra par entesis con corchete) end {case} until (c = )) or EoLn; if EoLn and (c <> )) then {Se llega al fin de la entrada sin encontrar el cierre de par entesis} WriteLn(error: se queda un par entesis abierto) end; {CierraPar}
225
procedure CierraCorchete; {PreC.: se ha le do un car acter [ y no EoLn} {Efecto: se ha recorrido la entrada hasta encontrar un caracter ] o el fin de la entrada, dando los mensajes adecuados si se ha le do un s mbolo inapropiado} var c: char; begin repeat Read(c); case c of (: CierraPar; {Llamada recursiva para tratar una pareja de par entesis anidados} ): WriteLn(error: cierra corchete con par entesis); [: CierraCorchete; {Llamada recursiva para tratar una pareja de corchetes anidados} ]: WriteLn(cuadra el corchete) end {case} until (c = ]) or EoLn; if EoLn and (c <> ]) then {Se llega al fin de la entrada sin encontrar el cierre de corchete} WriteLn(error: se queda un corchete abierto)
226
end; {CierraCorchete}
begin {Equilibrado} repeat Read(c); case c of (: if not EoLn then CierraPar {Se intenta equilibrar el par entesis} else {La entrada acaba en (} WriteLn(error: se queda un par entesis abierto); ): WriteLn(error: par entesis cerrado incorrectamente); [: if not EoLn then CierraCorchete {Se intenta equilibrar el corchete} else {La entrada acaba en { } ]: WriteLn(error: se queda un corchete abierto) end {case} until EoLn end. {Equilibrado}
10.6
Recursi on e iteraci on
Si un subprograma se llama a s mismo se repite su ejecuci on un cierto n umero de veces. Por este motivo, la recursi on es una forma especial de iteraci on y, de hecho, cualquier proceso recursivo puede expresarse de forma iterativa, con m as o menos esfuerzo, y viceversa. Un ejemplo de ello es el c alculo del factorial (v eanse los apartados 8.2.1 y 10.1). Sabiendo que un determinado problema puede resolverse de las dos maneras, cu ando se debe usar una u otra? Como norma general, debe adoptarse siempre (al menos en un primer momento) la soluci on que resulte m as natural, concentrando los esfuerzos en la correcci on del algoritmo desarrollado. Por ejemplo, los problemas que vienen descritos en forma recurrente se prestan m as f acilmente a una soluci on recursiva. Un ejemplo es el problema de las torres de Hanoi, cuya versi on iterativa es bastante m as complicada que la recursiva. Por otra parte el mecanismo de la recursi on produce, adem as de la iteraci on, la creaci on autom atica de nuevos par ametros y objetos locales en cada llamada (apil andose estos). Por consiguiente, se tiene un gasto adicional de memoria (el de la pila recursiva, para almacenar las sucesivas tablas de activaci on), adem as del tiempo necesario para realizar esas gestiones. Todo esto puede hacer que ciertos programas recursivos sean menos ecientes que sus equivalentes iterativos.
10.7. Ejercicios
227
Por ello, cuando sean posibles soluciones de ambos tipos,7 es preferible la iterativa a la recursiva, por resultar m as econ omica su ejecuci on en tiempo y memoria.
10.7
Ejercicios
1. Escriba una funci on recursiva para calcular el t ermino n- esimo de la secuencia de Lucas: 1, 3, 4, 7, 11, 18, 29, 47, ... 2. Dado el programa Program Invertir (input, output); {Se lee una l nea del input y se escribe invertida} procedure InvertirRec; var c: char; begin Read(c); if c <> . then begin InvertirRec; Write(c) end end; {InvertirRec} begin {Invertir} WriteLn(Teclee una cadena de caracteres ("." para finalizar)); InvertirRec end. {Invertir} Analice su comportamiento y estudie qu e resultado dar a para la secuencia de entrada aeiou., describiendo la evoluci on de la pila recursiva (v ease el apartado 10.2). Obs ervese que el uso de esta pila recursiva nos permite recuperar los caracteres en orden inverso al de su lectura. 3. Escriba una funci on recursiva para calcular el m aximo com un divisor de dos n umeros enteros dados aplicando las propiedades recurrentes del ejercicio 2 del cap tulo 9. 4. Escriba una versi on recursiva del c alculo del m aximo com un divisor de dos n umeros enteros por el m etodo de Euclides. 5. Dena subprogramas recursivos para los siguientes c alculos: (a) (1 +
7
1 2
1 + ... + n ) = (1 +
1 2
+ ... +
1 n 1 )
1 n
Como es, por ejemplo, el caso de la funci on factorial.
228

(b) La potencia de un real elevado a un entero positivo: x0 xn xn = = = 1 n ( x x) 2 , x ( x n 1 ) , si n > 0 y es par si n > 0 y es impar
(c) La cifra i- esima de un entero n; es decir, la u ltima, si i = 0 la cifra (i-1)- esima de n div 10, en otro caso.
n (n 0) = (n) = 1 n 1 n 1 (n k ) = ( k ) = ( k 1 )
(d) El coeciente binomial, denido recurrentemente:
6. Sabiendo que, para inf, sup Z , tales que inf sup, se tiene
sup
ai =
i=inf
ai ,
med i=inf
ai +
sup i=med+1
ai
si inf = sup si inf < sup,

sup 1 i=inf i2 ,
(siendo med = (inf + sup) div 2) dena una funci on recursiva para 100 1 incl uyala en un programa que halle i=1 i2 , 7. Use el hecho de que
b m b
f (x)dx =
a a
f (x)dx +
m
f (x)dx
b on recursiva que halle aproximada(siendo m = a+ 2 ) para desarrollar una funci mente la integral denida de la funci on sen(x) a base de dividir el intervalo [a, b] en dos hasta que sea lo bastante peque no (| b a |< ), en cuyo caso aceptamos b que a f (x)dx (b a) f (m).
8. Sabiendo que 0 es par, es decir, EsPar(0) ; true EsImpar(0) ; false y que la paridad de cualquier otro entero positivo es la opuesta que la del entero anterior, desarrolle las funciones l ogicas, mutuamente recursivas, EsPar y EsImpar, que se complementen a la hora de averiguar la paridad de un entero positivo.
10.8
En [Sal93] y [CCM+ 93] se ofrecen buenos enfoques de la programaci on con subprogramas. El primero de ellos introduce los subprogramas antes incluso que las instrucciones estructuradas. El segundo ofrece una concreci on de los conceptos de programaci on modular explicados en los lenguajes C y Modula-2.
229
El libro de Alagic y Arbib [AA78] es una referencia obligada entre los libros orientados hacia la vericaci on con un enfoque formal. Algunos de los conceptos contenidos en el tema provienen de la ingenier a del software. Para ampliar estos conceptos recomendamos un texto sobre esta disciplina, como es [Pre93]. En [PJ88] se describen con detalle las t ecnicas para obtener dise nos de jerarqu as de subprogramas de la mayor calidad apoy andose en los criterios de independencia funcional, caja negra, tama no de los m odulos y muchos otros. La recursi on es un concepto dif cil de explicar y comprender, que se presenta frecuentemente relacion andolo con la iteraci on, a partir de ejemplos que admiten versiones iterativas y recursivas similares. En [Wie88] y [For82] se ofrece este enfoque. En el libro [RN88] puede leerse la historia completa sobre las torres de Hanoi y los grandes logros del famoso matem atico franc es E. Lucas, entre otros muchos temas matem aticos, que se presentan con una peque na introducci on hist orica. Existe un problema similar al de las Torres de Hanoi, llamado de los anillos chinos, cuya soluci on est a desarrollada en [ES85] y en [Dew85b]
Tema IV
Tipos de datos denidos por el programador
Cap tulo 11
Tipos de datos simples y compuestos
11.1 11.2 11.3 11.4
Tipos ordinales denidos Denici on de tipos . . . . Conjuntos . . . . . . . . . Ejercicios . . . . . . . . . .
por el programador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . . .
. . . .
234 240 244 250
Ya hemos visto que los programas se describen en t erminos de acciones y datos. En cuanto a las acciones, se ha mostrado que admiten un tratamiento estructurado, pudi endose combinar mediante unos pocos esquemas: la secuencia, la selecci on y la repetici on. De igual forma se pueden estructurar los datos. Hasta ahora s olo hemos trabajado con los tipos de datos que est an predenidos en Pascal (integer, real, char y boolean), pero en muchas situaciones se manejan unidades de informaci on que necesitan algo m as que un dato predenido, por ejemplo: Un color del arco iris, (rojo, naranja, amarillo, verde, azul, a nil, violeta) cuya representaci on mediante un car acter o un entero ser a forzosamente articiosa. El valor de un d a del mes, que en realidad no es un entero cualquiera, sino uno del intervalo [1,31], por lo que ser a impreciso usar el tipo integer. El conjunto de letras necesarias para formar una cierta palabra.
234
Cap tulo 11. Tipos de datos simples y compuestos Un vector del espacio IRn , un crucigrama o un mazo de la baraja espa nola. Una cha de un alumno donde se recoja su nombre, direcci on, edad, tel efono, calicaci on, D.N.I. y cualquier otro tipo de informaci on necesaria. Una carta.
Para poder tratar con datos como los descritos y otros muchos, Pascal permite introducir tipos de datos denidos por el programador. As , podemos clasicar los datos en dos grandes grupos: 1. Los tipos de datos simples que son aqu ellos cuyos valores representan un dato at omico. Dentro de estos tipos de datos se encuentran los tipos predenidos integer, real, boolean y char junto con los nuevos tipos enumerado y subrango, los cuales permiten recoger datos como, por ejemplo, los colores del arco iris y los d as del mes, respectivamente. 2. Los tipos de datos compuestos que son aqu ellos cuyos valores pueden englobar a varios datos simult aneamente. Los tipos de datos compuestos son: el tipo conjunto (que permite expresar el caso del conjunto de letras de una palabra), el tipo array1 (que recoge los ejemplos de vectores, crucigramas o una baraja), el tipo registro (con cuyos valores se pueden representar chas de alumnos), y el tipo archivo (en uno de cuyos valores se puede almacenar una carta). Una vez vista la necesidad de ampliar la gama de tipos de datos disponibles, vamos a estudiar cada uno de los tipos de datos denidos por el programador (tanto los simples como los compuestos) mencionados anteriormente. Como en todo tipo de datos, tendremos que precisar su dominio (los valores que pertenecen a el) y las operaciones sobre este. En este cap tulo se van a estudiar los tipos de datos m as sencillos (enumerado, subrango y conjunto) y, junto con ellos, algunos conceptos generales, v alidos para todos los tipos de datos denidos por el programador.
11.1
Tipos ordinales denidos por el programador
Los tipos de datos simples que el programador puede denir son los tipos enumerado y subrango. Estos, junto con los tipos de datos predenidos, son la base para construir los tipos de datos compuestos.
No existe una traducci on clara al castellano del t ermino array, por lo que seguiremos usando este nombre en lo que sigue.
1
11.1. Tipos ordinales definidos por el programador

Identificador
235
Figura 11.1.
Veamos un ejemplo en el que se nalaremos la utilidad y necesidad de ampliar los tipos de datos predenidos con estos dos nuevos tipos de datos: supongamos que deseamos hacer un horario de estudio para todos los d as de la semana durante todo un a no. En este caso ser au til denir tipos de datos que contengan los meses (al que llamaremos tipo tMeses), los d as de cada mes (tipo tDiasMes) y los d as de la semana (tipo tDiasSemana) para poder hacer planes del tipo: Mi ercoles 1 de Junio: estudiar los temas 12 y 13 de Matem aticas Nuestro inter es es denir los tipos tDiasSemana y tMeses enumerando uno a uno todos sus posibles valores y, limitar el rango del tipo integer a los n umeros enteros comprendidos entre 1 y 31 para denir el tipo tDiasMes. Veamos que Pascal permite crear estos tipos de una forma muy c omoda.
11.1.1
Tipos enumerados
Un problema puede precisar de un determinado tipo de dato cuyos valores no est an denidos en Pascal (como ocurre en el ejemplo anterior con los d as de la semana). Podr amos optar por numerar los valores haciendo corresponder a cada valor un n umero entero que lo represente (por ejemplo, identicar los d as de la semana con los n umeros del 1 al 7), pero esta soluci on no es muy comprensible y, adem as, podr a f acilmente conducirnos a errores dif ciles de encontrar por la posibilidad de mezclarlos con los enteros de verdad y la posibilidad de aplicar operaciones sin sentido. Para solucionar este problema, Pascal nos proporciona la posibilidad de denir los datos de tipo enumerado. Es importante se nalar que una vez que denamos un tipo de datos que contenga los d as de la semana, este tipo va a ser completamente distinto del tipo predenido integer. El diagrama sint actico para la descripci on de un tipo enumerado aparece en la gura 11.1. Por ejemplo, para denir un tipo compuesto por los d as de la semana incluimos:
type tDiasSemana = (lun, mar, mie ,jue, vie, sab, dom);
que se situar a antes de la declaraci on de variables.
236
e re r
Cap tulo 11. Tipos de datos simples y compuestos

Obs ervese que los valores de un tipo enumerado son identicadores, y no cadenas de caracteres (es decir, no son literales de Pascal, como los descritos en el apartado 3.6).
Como se puede observar, basta con enumerar los valores del tipo uno a uno, separ andolos por comas y encerr andolos entre par entesis. A partir de este momento Pascal reconoce el identicador tDiasSemana como un nuevo nombre de tipo de datos del cual se pueden declarar variables:
var ayer, hoy, mannana:
tDiasSemana;
Como se podr a esperar, el dominio de un tipo enumerado est a formado por los valores incluidos en su descripci on. Para asignar valores de tipo enumerado a las variables, se usa el operador de asignaci on habitual:
ayer:= dom; hoy:= lun;
Operaciones de los tipos enumerados En todo tipo enumerado se tiene un orden establecido por la descripci on del tipo y, por lo tanto, los tipos enumerados son tipos ordinales al igual que los tipos predenidos integer, char y boolean (v ease el apartado 3.6). De este modo, los operadores relacionales son aplicables a los tipos enumerados, y el resultado de su evaluaci on es el esperado: lun < mie ; True jue = sab ; False (mar > lun) = (lun < mar) ; True Adem as de los operadores relacionales, son tambi en aplicables las funciones ya conocidas Ord, Pred y Succ: Succ(jue) ; vie Succ(lun) = Pred(mie) ; True Pred(lun) ; error (ya que no existe el anterior del primer valor)
11.1. Tipos ordinales definidos por el programador Succ(dom) ; error (ya que no existe el siguiente al u ltimo valor) Ord(jue) ; 3
237
Como en todo tipo ordinal, salvo en el caso de los enteros, el n umero de orden comienza siempre por cero. Observaciones sobre los tipos enumerados Dado que los tipos enumerados son ordinales, se pueden utilizar como ndices en instrucciones for:
var d: tDiasSemana; for d:= lun to dom do
Pueden pasarse como par ametros en procedimientos y funciones. Incluso, por tratarse de un tipo simple, puede ser el resultado de una funci on:
function DiaMannana(hoy: tDasSemana): tDiasSemana; {Dev. el d a de la semana que sigue a hoy} begin if hoy = dom then DiaMannana:= lun else DiaMannana:= Succ(hoy) end; {DiaMannana}
Los valores de un tipo enumerado no se pueden escribir directamente. Para resolver este problema hay que emplear un procedimiento con una instrucci on case que escriba, seg un el valor de la variable del tipo enumerado, la cadena de caracteres correspondiente al identicador del valor. El c odigo de dicho procedimiento podr a ser:
procedure EscribirDiaSemana(dia: tDiasSemana); {Efecto: escribe en el output el nombre de dia} begin case dia of lun: WriteLn(Lunes); mar: WriteLn(Martes);
238
constante
..
constante
Figura 11.2. dom: WriteLn(Domingo) end {case} end; {EscribirDiaSemana}
De igual forma, tampoco se puede leer directamente un valor de un tipo enumerado, por lo que, en caso necesario, habr a que desarrollar una funci on an aloga al procedimiento EscribirDiaSemana que lea un valor de un tipo enumerado devolvi endolo como resultado de la funci on. No se pueden repetir valores en distintas descripciones de tipos enumerados ya que, en tal caso, su tipo ser a ambiguo. As , el siguiente fragmento es err oneo:
type tAmigos = (pepe, juan, pedro, miguel); tEnemigos = (antonio, pedro, enrique);
En este caso, la ambig uedad se reeja en que no se puede saber si el valor de Succ(pedro) es miguel o enrique ni si Ord(pedro) es 1 o 2.
11.1.2
Tipo subrango
El tipo de datos subrango se utiliza cuando se quiere trabajar con un intervalo de un dominio ordinal ya existente, bien de un tipo predenido, o bien de un tipo creado con anterioridad. A este dominio ordinal lo denominamos tipo base, ya que va a ser el tipo sobre el que se dene el tipo subrango. La descripci on de un tipo subrango se hace seg un el diagrama sint actico de la gura 11.2 Los valores de las constantes tienen que ser de un mismo tipo ordinal y son los que van a delimitar el intervalo con el que se trabajar a. Tienen que estar en orden creciente, esto es, Ord(constante1) Ord(constante2), para que el intervalo tenga sentido. Como ejemplo, consideremos las siguientes descripciones:
11.1. Tipos ordinales definidos por el programador

type tNaturales = 1..MaxInt; tDiasMes = 1..31; tContador = 1..20;
239
El uso de tipos subrango es muy aconsejable debido a que: El compilador puede comprobar que el valor almacenado en una variable de un tipo subrango se encuentra en el intervalo de denici on, produciendo el correspondiente error en caso contrario (v ease el apartado C.3.3). Proporcionan una mayor claridad, ya que el compilador verica la consistencia de los tipos usados, lo que obliga al programador a una disciplina de trabajo clara y natural. Como es l ogico, el dominio de un tipo subrango estar a formado por la parte del dominio de su tipo base que indique el intervalo considerado en la descripci on. Operaciones del tipo subrango Un tipo subrango hereda todas las funciones y operaciones de su tipo base, por lo tanto se permiten realizar asignaciones, comparaciones, pasar como par ametros en procedimientos y funciones e incluso ser el resultado de una funci on. As , aunque el procedimiento EscribirDiaSemana ten a como parametro una variable de tipo tDiasSemana, la herencia recibida por el tipo subrango permite realizar la siguiente instrucci on:
type tDiasSemana = (lun, mar, mie, jue, vie, sab, dom); tLaborables = lun..vie; var d: tLaborables; ... EscribirDiaSemana(d)
Observaciones sobre el tipo subrango El tipo base puede ser cualquier tipo ordinal, es decir, char, integer, boolean o un tipo enumerado denido anteriormente, como ocurre en el tipo tLaborables y en el siguiente ejemplo:
240

type tMeses = (ene, feb, mar, abr, may, jun, jul, ago, sep, oct, nov, dic); tVerano = jul..sep;
Los valores de un tipo subrango conservan el orden de su tipo base. Turbo Pascal verica las salidas de rangos siempre que se le indique que lo haga (v ease el apartado C.3.3).
11.2
Denici on de tipos
Como hemos visto, Pascal permite al programador utilizar tipos de datos propios y para ello es necesario que este dena los tipos que quiere crear. La denici on de un tipo consiste, b asicamente, en dar nombre al nuevo tipo y especicar cu ales ser an sus valores, esto es, nombrar el tipo y denir su dominio. Una vez que se haya denido un tipo, ya podremos declarar variables no s olo de los tipos predenidos, sino tambi en de este nuevo tipo denido por el programador. Naturalmente, la denici on de tipos debe situarse antes de la declaraci on de variables. Aunque en la mayor a de los casos se puede obviar la denici on de tipos, esta es muy recomendable para desarrollar programas m as legibles, claros y no redundantes. Este hecho ser a explicado m as adelante. Las deniciones de tipo se sit uan entre las deniciones de constantes y de variables, como se muestra en la gura 11.3. El diagrama sint actico para la denici on de tipos es el de la gura 11.4, donde la palabra reservada type indica el comienzo de la denici on de tipos, identificador2 es el nombre que deseamos ponerle y Tipo es la descripci on del tipo que vamos a nombrar. Por ejemplo, en el caso de los tipos simples la descripci on del tipo puede ser: 1. Una enumeraci on de sus valores (tipos enumerados ):
type tColores = (rojo, azul, amarillo, negro, blanco);
pudiendo entonces hacer declaraciones de variables como:

En este texto se seguir a el convenio de anteponer la letra t en los identicadores de los tipos de datos.
2
n de tipos 11.2. Definicio
241
Encabezamiento
constantes
tipos variables subprogramas
Figura 11.3.
type
Identificador
tipo
Figura 11.4.
242
var color:
tColores;
2. Un intervalo de un tipo ordinal existente, sea predenido o enumerado (es decir, cualquier tipo subrango ):
type tColores = (rojo, azul, amarillo, negro, blanco); tNatural = 0..MaxInt; tPrimarios = rojo..amarillo;
pudiendo entonces declarar variables como:

var color: tPrimarios; contador: tNatural;
Como veremos m as adelante, para poder denir tipos compuestos, se usar an palabras reservadas (tales como set, array, record o le) para los tipos de datos conjunto, array, registro y archivo respectivamente.
11.2.1
Observaciones sobre la denici on de tipos
Adem as de las caracter sticas se naladas anteriormente para las deniciones de tipos, podemos hacer las siguientes observaciones: 1. Hasta ahora, hemos estado utilizando variables de los tipos predenidos o bien de tipos denidos anteriormente con una instrucci on type. Sin embargo, existe otra forma de declarar variables de tipo enumerado o subrango sin necesidad de denir el tipo previamente. Para ello se incluye directamente la descripci on del tipo enumerado o subrango en la zona de declaraci on de variables. Por ejemplo:
var dia : (lun, mar, mie, jue, vie, sab, dom); diasMes : 1..31;
Esta forma de denici on de tipo recibe el nombre de tipos an onimos y las variables declaradas as reciben el nombre de variables de tipo an onimo. En cualquier caso, su utilizaci on no es recomendable, sobre todo si se van a utilizar varias variables de un mismo tipo an onimo en distintos subprogramas del mismo programa, ya que habr a que denir el tipo cada vez que necesitemos alguna variable local de estos tipos.
n de tipos 11.2. Definicio 2. Se pueden renombrar los tipos predenidos en una denici on de tipos:
type tEntero = integer;
243
El renombramiento, aunque no es recomendable, puede ser u til para evitar memorizar alg un tipo predenido; as , en el ejemplo anterior, podremos hacer declaraciones de variables de tipo tEntero y no necesitaremos recordar que en Pascal ser a integer:
var n, i, j :
tEntero;
3. Pascal permite redenir los tipos predenidos:

type boolean = (falso, verdadero);
De todas formas, no es recomendable redenir un tipo predenido, ya que el c odigo resultante puede ser confuso y dif cil de entender o modicar por otra persona distinta de la que lo ha escrito. 4. No se pueden redenir palabras reservadas como valores de un tipo enumerado ni como nombres de tipo:
type notas = (do, re, mi, fa, sol, la, si); while = (nada, poco, bastante, mucho);
En el ejemplo anterior, la primera denici on de tipo enumerado es incorrecta porque uno de sus valores (do) es una palabra reservada; tampoco es posible hacer la segunda denici on porque el nombre (while) utilizado para el tipo es una palabra reservada. 5. Es muy importante, como se ha comentado anteriormente, la elecci on del identicador de tipo a la hora de denir un tipo subrango o enumerado de forma que permita identicar claramente lo que queremos denir. 6. No se puede poner la denici on de un tipo (an onimo) en el encabezamiento de un subprograma, por lo que el siguiente encabezamiento ser a incorrecto:
function MannanaMes(d: 1..31) : 1..31;
244

tipo ordinal
set
of
Figura 11.5.
Es preciso denir previamente el tipo y hacer referencia a su identicador en el encabezamiento, como se muestra a continuaci on:
type tDiaMes = 1..31; function MannanaMes(d: tDiaMes): tDiaMes;
11.3
Conjuntos
El primer tipo de datos compuesto que vamos a estudiar en Pascal es el tipo conjunto, que intenta representar el concepto de los conjuntos utilizados en Matem aticas. As , podemos denir un conjunto como una colecci on de objetos de un tipo ordinal. En efecto, los elementos de un conjunto no ocupan en el una posici on determinada;3 simplemente, se puede decir que pertenecen o no al mismo. El tipo de los elementos que integran el conjunto se llama tipo base, que en Pascal debe ser ordinal (v ease el apartado 3.6). La denici on de un tipo de datos conjunto se hace seg un el diagrama sint actico de la gura 11.5.
e re r No hay que confundir los elementos de un conjunto C con el dominio del tipo set of C, que ser a P (C), es decir el conjunto formado por todos los posibles subconjuntos de C.
El cardinal m aximo de un conjunto en Pascal depende del compilador que estemos utilizando. Por ejemplo, en Turbo Pascal se admiten conjuntos de hasta 256 elementos (con ordinales comprendidos entre 0 y 255), por lo que no podremos denir:
type tConjunto1 = set of 1..2000; tConjunto2 = set of integer;
Nosotros vamos a considerar los conjuntos como datos compuestos (por ninguno o m as elementos) aunque sin estructura, por carecer de organizaci on entre sus elementos. Sin embargo, algunos autores clasican los conjuntos como un dato estructurado.
3
11.3. Conjuntos
245
En nuestros programas utilizaremos conjuntos con una cardinalidad menor. Por ejemplo:
type tConjuntoCar = set of char;
Una vez denido, podemos declarar variables de dicho tipo:

var vocales, letras, numeros, simbolos, vacio: tConjuntoCar;
Para asignar valores a un conjunto se utiliza la instrucci on usual de asignaci on, represent andose los elementos del conjunto entre corchetes. Dentro del conjunto podemos expresar los valores uno a uno o indicando un intervalo abreviadamente (con una notaci on similar a la utilizada para denir un tipo subrango):
vocales:= [A,E,I,O,U]; letras:= [A..Z]; simbolos:= [#..&,?]; vacio:= []
11.3.1
Operaciones sobre el tipo conjunto
Las operaciones que se pueden realizar con los conjuntos son las que normalmente se utilizan con los conjuntos matem aticos, es decir: uni on, intersecci on, diferencia, igualdad, desigualdad, inclusi on y pertenencia. Pasamos ahora a ver la descripci on y efecto de cada una de ellas: 1. Uni on de conjuntos (): se expresa con el signo +, y su resultado es el conjunto formado por todos los elementos que pertenecen al menos a uno de los conjuntos dados: [A..C] + [B..D,G] + [A,E,I,O,U] ; [A,B,C,D,E,G,I,O,U] 2. Intersecci on de conjuntos (): se expresa con el signo *, y su resultado es el conjunto formado por los elementos comunes a todos los conjuntos dados: [A..C] * [B..F] ; [B,C] 3. Diferencia de conjuntos (\): se expresa con el signo -, y su resultado es el conjunto formado por los elementos que pertenecen al primer conjunto y no pertenecen al segundo: [A..C] - [B..F] ; [A]
246
4. Igualdad de conjuntos (=): se utiliza el s mbolo = y representa la relaci on de igualdad de conjuntos (iguales elementos): [A..D] = [A,B,C,D] ; True 5. Desigualdad de conjuntos (=): se utiliza el s mbolo <> que representa la relaci on de desigualdad de conjuntos: [A..D] <> [A,B,C,D] ; False 6. Inclusi on de conjuntos (, ): se utilizan dos s mbolos: El s mbolo <= que representa relaci on de inclusi on contenido en: [A..D] <= [A,C,D,E] ; False El s mbolo >= que representa la relaci on de inclusi on contiene a: [A..Z] >= [A,H,C] ; True 7. Pertenencia (): se utiliza para saber si un elemento pertenece a un conjunto. Para ello se utiliza la palabra reservada in: A in [A..D] * [A,D,F] ; True Las operaciones uni on, intersecci on, diferencia y los operadores relacionales y el de pertenencia se pueden combinar en una misma sentencia, en cuyo caso se mantienen las reglas de prioridad descritas en el apartado 3.5. Estas prioridades se pueden cambiar mediante el uso de par entesis: [A..D] + [A..C] * [B..H] ; [A..D] mientras que ([A..D] + [A..C]) * [B..H] ; [B..D] Un ejemplo t pico de aplicaci on de conjuntos es simplicar las condiciones de un repeat o un if :
type tDiasSemana = (lun, mar, mie, jue, vie, sab, dom); procedure LeerDiaSemana(var dia: tDiasSemana); {Efecto: dia es el d a de la semana cuya inicial se ha leido en el input} var inicial : char; begin repeat Write(Escriba la inicial del d a de la semana: ); ReadLn(inicial) until inicial in [L,l,M,m,X,x,J,j,V,v, S,s,D,d];
11.3. Conjuntos
case inicial of L,l: dia:= lun; M,m: dia:= mar; X,x: dia:= mie; J,j: dia:= jue; V,v: dia:= vie; S,s: dia:= sab; D,d: dia:= dom end {case} end; {LeerDiaSemana}
247
Piense el lector c omo se complicar a el c odigo de este procedimiento en caso de no usar conjuntos.
11.3.2
Observaciones sobre el tipo conjunto
Adem as de lo anteriormente dicho sobre el tipo de datos conjunto, cabe considerar las siguientes observaciones: 1. Podemos denir un conjunto de forma an onima, en el sentido explicado anteriormente:
var vocales, letras, numeros, simbolos, vacio:
set of char;
2. Al igual que para el tipo de datos enumerado, los conjuntos no se pueden leer o escribir directamente, por lo que se tendr an que desarrollar procedimientos para tal n como los que se muestran a continuaci on:
type tLetrasMayusculas = A..Z; tConjuntoLetras = set of tLetrasMayusculas; procedure EscribirConjunto(letras: tConjuntoLetras); {Efecto: se muestran en la pantalla los elementos del conjunto letras} var car: char; begin for car:= A toZ do if car in letras then Write(car, ) end; {EscribirConjunto}
248

procedure LeerConjunto(var conj: tConjuntoLetras); {Efecto: conj contiene las letras le das del input} var car: char; begin conj:= []; WriteLn(Escribe las letras que forman el conjunto: ); while not EoLn do begin Read(car); if car in [A..Z] then conj:= conj + [car] end; {while} ReadLn end; {LeerConjunto}
El primer procedimiento muestra en la pantalla todos los elementos de un conjunto formado por letras may usculas. Para ello recorre los valores del tipo base y comprueba la pertenencia de cada uno de ellos al conjunto, escribi endolo en su caso. El segundo procedimiento lee del input los elementos de un conjunto de letras may usculas. Para ello recorre los caracteres de una l nea (hasta la marca ), incluyendo en el conjunto los del tipo base (A..Z) e ignorando los dem as.
11.3.3
Un ejemplo de aplicaci on
Es conveniente concretar todas estas ideas mediante un ejemplo. En este caso vamos a utilizar el tipo de datos conjunto para implementar un programa que escriba los n umeros primos menores que 256 (esta cota viene dada por la limitaci on del cardinal de un conjunto en Pascal) usando el conocido m etodo 4 de la criba de Erat ostenes. La idea de esta implementaci on es disponer de un conjunto inicial con todos los enteros positivos menores que 256 e ir eliminando del conjunto aquellos n umeros que se vaya sabiendo que no son primos (por ser m ultiplos de otros menores). De acuerdo con esta descripci on, una primera etapa de dise no del programa podr a ser:
Calcular los n umeros primos menores que 256 Escribir los n umeros primos menores que 256
4 Erat ostenes, conocido astr onomo y ge ografo griego (siglo iii a. C.), es reconocido por haber ideado este m etodo para elaborar una tabla de n umeros primos. El nombre de criba se debe a que el algoritmo va eliminando los n umeros que son m ultiplos de otros menores, siendo los primos aquellos que quedan tras realizar esta criba.
11.3. Conjuntos
249
Y en un segundo renamiento de Calcular los n umeros primos menores que 5 256 se obtendr a:
Generar el conjunto inicial primos para cada elemento elem mayor que 1 y menor o igual que 16 Eliminar del conjunto todos sus m ultiplos
Y en un nivel de renamiento inferior, Eliminar del conjunto todos sus m ultiplos se puede desarrollar as :
Dar valor inicial (igual a 2) al coeciente k repetir Eliminar elem * k del conjunto primos Incrementar k en una unidad hasta que elem * k sea mayor o igual que 256
Desde este nivel de renamiento es f acil pasar a una implementaci on en Pascal, como puede ser la siguiente:
Program Criba (output); {Halla y escribe los primeros n umeros primos} const N = 255; type tConjuntoPositivos = set of 1..N; var primos: tConjuntoPositivos; elem, k: integer; procedure EscribirConjuntoPositivos(c: tConjuntoPositivos); {Efecto: se muestran en la pantalla los elementos del conjunto c} var i: integer; begin for i:= 1 to N do if i in c then WriteLn(i : 3, es primo) end; {EscribirConjuntoPositivos}
Como se coment o en el apartado 8.2.1, basta con eliminar los m ultiplos de los n umeros naturales menores o iguales que la ra z cuadrada de la cota (en nuestro ejemplo, los menores o iguales que 256 = 16).
250
begin {Criba} primos:= [1..N]; {Se genera el conjunto inicial} elem:= 2; while elem < SqRt(N) do begin {Inv.: Para todo i primos tal que 1 i < elem, se tiene que i es primo} if elem in primos then begin k:= 2; repeat primos:= primos - [elem * k]; {Se eliminan los n umeros no primos del conjunto} k:= k + 1 until elem * k > N end; {if} elem:= elem + 1 end; {while} WriteLn(Los primos menores que , N, son); EscribirConjuntoPositivos(primos) end. {Criba}
11.4
Ejercicios
1. Se desea averiguar qu e letras intervienen en un texto (sin distinguir entre letras may usculas y min usculas ni importar su frecuencia), y cu ales se han omitido. (a) Dena un tipo apropiado para controlar las letras que van apareciendo. (b) Escriba un subprograma que lea el input, formado por varias l neas, ofreciendo como resultado el conjunto de las letras encontradas. (c) Escriba un subprograma de escritura de conjuntos de letras. (d) Escriba un subprograma que averig ue el cardinal de un conjunto de letras. (e) Integre los apartados anteriores en un programa que averig ue cu ales y cu antas son las letras distintas encontradas y las omitidas en el input. 2. Dados los conjuntos conjN um {1, . . . , 25} y conjLet { A , . . . , Z }, escriba un subprograma que escriba en la pantalla el producto cartesiano conjN um conjLet. 3. Un modo de calcular el m aximo com un divisor de dos n umeros m y n, enteros estrictamente positivos no superiores a 50, consiste en hallar los conjuntos de sus divisores, divisDeM y divisDeN, luego su intersecci on, divisComunes, y despu es el mayor elemento de este conjunto. Desarrolle un programa que realice estos pasos dando una salida detallada del proceso seguido. 4. Los meses del a no se conocen por su nombre, aunque a veces tambi en se abrevian por su n umero. Desarrolle los siguientes apartados para ambas representaciones.
11.4. Ejercicios
251
(a) Dena un tipo para representar los meses del a no, as como subprogramas apropiados para su lectura, mediante sus letras iniciales, y escritura, ofreciendo siempre su nombre (o su n umero). (b) Dena la funci on ProximoMes, y empl eela en un programa que, a partir de un mes dado, ofrece los siguientes n meses. (c) Dena la funci on MesAnterior, con un argumento esteMes, que repasa la lista de los meses posibles hasta dar con uno, mesAnt, de manera que se obtenga ProximoMes(mesAnt) ; esteMes. Ignore la existencia de la funci on est andar Pred. (d) Integre los apartados anteriores en un programa que escriba una tabla con los meses del a no, y para cada uno, su mes anterior y siguiente. 5. Escriba un programa que lea los caracteres del input hasta su nal, desprecie los que no son letras may usculas y, con estas, forme el conjunto de las que no aparecen, el de las que aparecen una vez y el de las que aparecen m as de una. 6. Partes de un conjunto (a) Dado un conjunto C , desarrolle un programa que escriba en la pantalla todos los posibles subconjuntos de C , esto es, el conjunto de sus partes, P (C ).
(b) Escriba un programa para mostrar que todo conjunto C tiene 2n subconjuntos, siendo n = card(C ). Para ello, modique el programa anterior de manera que genere las partes de C y las cuente en vez de escribirlas en la pantalla. 7. Combinaciones de un conjunto (a) Dado un conjunto C , de cardinal m, desarrolle un programa que escriba en la pantalla todas las posibles combinaciones que pueden formarse con n elementos de C , siendo n m.
(b) Escriba un programa que cuente el n umero de combinaciones descritas en el apartado anterior.
Cap tulo 12
Arrays
12.1 Descripci on del tipo de datos array . . . . . . . . . . . 253 12.2 Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 12.3 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 12.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
En el cap tulo anterior, vimos la diferencia entre tipos de datos simples y compuestos. Dentro de los datos compuestos, se estudiaron los m as sencillos (los conjuntos), pero, adem as de estos, existen otros datos compuestos que se construyen dotando de una estructura a colecciones de datos pertenecientes a tipos m as b asicos, y por esto se llaman tipos estructurados. En este cap tulo se presenta el tipo de datos estructurado array, que ser au til para trabajar con estructuras de datos como, por ejemplo, vectores, matrices, una sopa de letras rectangular, una tabla de multiplicar, o cualquier otro objeto que necesite una o varias dimensiones para almacenar su contenido.
12.1
Descripci on del tipo de datos array
Los arrays son tipos de datos estructurados ampliamente utilizados, porque permiten manejar colecciones de objetos de un mismo tipo con acceso en tiempo constante, y tambi en porque han demostrado constituir una herramienta de enorme utilidad.
254
Cap tulo 12. Arrays
Consideremos los siguientes ejemplos en los que veremos la necesidad y la utilidad de usar el tipo de datos array: Imaginemos que queremos calcular el producto escalar, u v , de dos vectores u y v de IR3 mediante la conocida f ormula: u v = u1 v1 + u2 v2 + u3 v3 . Con los datos simples que conocemos hasta ahora, tendr amos que denir una variable para cada una de las componentes de los vectores, es decir, algo parecido a:
var u1, u2, u3, v1, v2, v3:
real;
y a la hora de calcular el producto escalar tendr amos que realizar la operaci on:
prodEscalar:= u1 * v1 + u2 * v2 + u3 * v3;
Para este caso ser a m as natural disponer de una variable estructurada que agrupe en un solo objeto las componentes de cada vector. El tipo array de Pascal permite resolver este problema. Imaginemos que una constructora acaba de nalizar un grupo de 12 bloques de pisos (numerados del 1 al 12), cada uno de los cuales tiene 7 plantas (numeradas del 1 al 7) y en cada planta hay 3 viviendas (A, B y C). Supongamos que el encargado de ventas quiere llevar un control lo m as sencillo posible sobre qu e viviendas se han vendido y cu ales no. Para ello, podr amos utilizar 12 7 3 = 252 variables de tipo boolean de la forma: bloqueiPlantajLetraX asign andole un valor True para indicar que la vivienda del bloque i, planta j, letra X est a vendida o bien False para indicar que no lo est a. En este caso, ser a mucho m as c omodo utilizar alg un tipo de datos estructurado para almacenar esta informaci on de forma m as compacta y manejable (por medio de instrucciones estructuradas). La estructura m as adecuada ser a la de una matriz tridimensional: la primera dimensi on indicar a el n umero del bloque, la segunda dimensi on la planta, y la tercera la letra de la vivienda. As , para indicar que en el bloque 3, el piso 5o a vendido, A est asignaremos un valor True el elemento que ocupa la posici on [3,5,A] de este dato estructurado; mientras que si en el bloque 5, el 1o C sigue estando disponible, asignaremos un valor False a la posici on [5,1,C].
n del tipo de datos array 12.1. Descripcio
255
El tipo array ofrece la posibilidad de referirnos a las componentes de un modo gen erico, por su posici on, lo que hace m as c omodo y comprensible el desarrollo de programas. El tipo estructurado array captura la idea de los vectores y matrices del algebra (como podr an ser IR3 , M25 (Z Z)), aunque sus elementos componentes no tienen que ser n umeros: pueden ser de cualquier tipo. A semejanza de estas estructuras matem aticas, los arrays se pueden manipular f acilmente, debido a su organizaci on regular (es f acil verlos como hileras, tablas, estructuras c ubicas, etc.): 1 2 3 4 5 m= v = 0.24 3.14 3.56 6 7 8 9 0 a c= c e b d f
El diagrama sint actico de la denici on de un array es:
array
Tipondice
of
TipoBase
Por lo tanto, su denici on en Pascal es de la siguiente forma:

array [TipoIndice1, TipoIndice2, ..., TipoIndiceL] of TipoBase
o equivalentemente:
array [TipoIndice1] of array [TipoIndice2] of ... ... array [TipoIndiceL] of TipoBase
Los tipos TipoIndice1, TipoIndice2 ... TipoIndiceL tienen que ser de un tipo simple ordinal, es decir integer, char, boolean, enumerado o subrango. L es el n umero de dimensiones del array. Por ejemplo, se pueden realizar las siguientes deniciones de tipos y declaraciones de variables:
type tPlanetas = (mercurio, venus, tierra, marte, jupiter, saturno, urano, neptuno, pluton); tVector = array[1..3] of real; tMatriz = array[1..2, 1..5] of integer;
256
Cap tulo 12. Arrays

tCubo = array[1..2, 1..2, 1..3] of char; tDistancia = array[tPlanetas, tPlanetas] of real; tUrbanizacion = array[1..12, 1..7,A..C] of boolean; var u, v: tVector; m: tMatriz; c: tCubo; d: tDistancia; costaMar: tUrbanizacion;
El dominio de un array es el producto cartesiano de los dominios de los tipos de los ndices. Como se ha visto en la denici on gen erica anterior, los arrays multidimensionales se pueden denir de varias formas (lo vemos para el caso de dos dimensiones): 1. Como un vector de vectores:
type tMatriz = array[1..8] of array[A..E] of real;
2. Como un vector de un tipo denido anteriormente que ser a otro array:

type tVector = array[A..E] of real; tMatriz = array[1..8] of tVector;
3. Introduciendo los ndices dentro de los corchetes separados por comas:

type tMatriz = array[1..8, A..E] of real;
Esta u ltima es la forma m as recomendable de denir un array multidimensional, ya que evita posibles errores en el orden de los ndices. Si se quiere denir una variable de tipo tMatriz se realiza de la forma usual y es igual para cualquiera de las tres deniciones anteriores, esto es:
var m : tMatriz;
con lo que estaremos declarando una variable que ser a una matriz de tama no 8 5. Otra posibilidad es la siguiente:
var m : array[1..8, A..E] of real;
257
12.1.1
Operaciones del tipo array y acceso a sus componentes
Las operaciones permitidas con los componentes de un array son las mismas que las permitidas a su tipo base. Acceso y asignaci on a componentes de un array Se accede a sus elementos mediante el uso de tantos ndices como dimensiones tenga el array, siguiendo el siguiente esquema:
idArray [expres1, expres2, ..., expresL]
o, equivalentemente:
idArray [expres1][expres2]...[expresL]
donde expres1, expres2, ..., expresL son expresiones del tipo de los L ndices de idArray, respectivamente. Por ser expresiones, pueden ser literales de los tipos de los ndices:
v[3] m[2,3] m[2][4] c[1,2,1] c[1][2][1] d[venus, tierra] costaMar[12,3,B]
o resultados de alguna operaci on; as , por ejemplo, si i = 2, las siguientes expresiones son equivalentes a las anteriores:
v[i+1] m[i,2*i-1] m[i][2*i-1] c[i-1,i,1] c[i-1][i][1] d[Succ(mercurio), Pred(marte)] costaMar[6 * i,i + 1,B]
Para dar valores a las componentes de un array se usa la instrucci on de asignaci on:
v[2]:= 3.14 m[i,2 * i - 1]:= 8 c[1][2][1]:= b d[mercurio, pluton]:= 3.47E38 costaMar[12,3,B]:= True
Al igual que ocurre con las variables de tipo simple, una referencia a una componente de un array puede representar la posici on de memoria donde se almacena su valor (como en los ejemplos anteriores), o su valor, si se utiliza dentro de una expresi on (como ocurre en la instrucci on Write(v[2])).
258 Asignaci on y operaciones de arrays completos
Cap tulo 12. Arrays
Adem as de la asignaci on a las componentes de un array, se pueden realizar asignaciones directas de arrays siempre que sean del mismo tipo. Por ejemplo, dadas las deniciones
type tDiasSemana = (lun, mar, mie, jue, vie, sab, dom); tIndice1 = -11..7; tIndice2 = A..Z; tIndice3 = lun..vie; tMatrizReal = array[Indice1, Indice2, Indice3] of real; var i: tIndice1; j: tIndice2; k: tIndice3; m1, m2: tMatrizReal;
la asignaci on:
m2:= m1
es equivalente a la instrucci on:

for i:= -11 to 7 do for j:= A to Z do for k:= lun to vie do m2[i,j,k]:= m1[i,j,k]
Tambi en se pueden realizar asignaciones por las o columnas siempre que se hayan denido las las o columnas como tipos con nombre. Por ejemplo,
type tVector = array[1..3] of real; tMatriz = array[1..5] of tVector; var v: tVector; m: tMatriz; ... m[4]:= v ...
En Pascal no es posible comparar arrays completos aunque sean del mismo tipo. Para realizar esta operaci on es necesario comparar elemento a elemento, comprobando la igualdad entre ellos. Por ejemplo, suponiendo que m1 y m2 son matrices de tipo tMatriz, la comprobaci on de su igualdad se puede hacer as :

var i, j: integer; ... iguales := True; i:= 0; while iguales and (i <= 3) do begin j:= 0; while iguales and (j <= 5) do begin iguales := m1[i,j] = m2[i,j]; j := Succ(j) end; i := Succ(i) end {PostC.: iguales indica si m1 = m2 o no}
259
Por otra parte, en cuanto a las operaciones de entrada y salida, solamente se pueden leer y escribir arrays completos cuando se trata de arrays de caracteres. En este caso, y por lo que respecta a la lectura, la cadena le da debe coincidir en longitud con el n umero de componentes del vector. En los restantes tipos de componentes de arrays, se deben leer y escribir los valores de las componentes una a una siempre que sean de tipo simple. En el siguiente ejemplo se denen procedimientos para la lectura y escritura de un array de una dimensi on:
const Tamanno = 5; type tRango = 1..Tamanno; tVector = array[tRango] of real; procedure LeerVector(var vec: tVector); var i: tRango; begin for i:= 1 to Tamanno do begin Write(Introduzca v(,i,)= ); ReadLn(vec[i]) end end; {LeerVector} procedure EscribirVector(vec: vector); var i: tRango; begin for i:= 1 to Tamanno do WriteLn(v(,i,)= ,vec[i]); WriteLn end; {EscribirVector}
260
Cap tulo 12. Arrays
12.1.2
Caracter sticas generales de un array
Adem as de las operaciones permitidas con un array y la forma de acceder a sus elementos, hay que destacar las siguientes caracter sticas comunes al tipo array, independientemente de su tama no o de su dimensi on: Los arrays son estructuras homog eneas, en el sentido de que sus elementos componentes son todos del mismo tipo. El tama no del array queda jado en la denici on y no puede cambiar durante la ejecuci on del programa, al igual que su dimensi on. As , el tama no de cualquier variable del tipo
type vector = array[1..3] of real;
ser a de 3 elementos, mientras que su dimensi on ser a 1. Como estos valores no podr an variar, si necesit asemos utilizar un vector de IR4 tendr amos que denir otro tipo array con tama no 4 y dimensi on 1. Los datos de tipo array se pueden pasar como par ametro en procedimientos y funciones, pero el tipo que devuelve una funci on no puede ser un array (ya que un array es un tipo de datos compuesto). Para solucionar este problema, se debe utilizar un procedimiento con un par ametro por variable de tipo array en vez de una funci on. Este par ametro adicional va a ser el resultado que pretend amos devolver con la funci on (se incluyen ejemplos de esto en los apartados siguientes). Cuando los arrays son grandes y se pasan como par ametro por valor a los subprogramas, se duplica el espacio en memoria necesario para su almacenamiento, puesto que hay que guardar el array original y la copia local (v ease el apartado 8.2.3). Adem as, el proceso de copia requiere tambi en un cierto tiempo, tanto mayor cuanto m as grande es el array. Por estos motivos, cuando el array no se modica en el cuerpo del subprograma, es aconsejable pasarlo como par ametro por referencia, pues de esta forma no hay duplicaci on de espacio ni tiempo ocupado en la copia (v ease el apartado 8.6.1). En cualquier caso, el programador debe cuidar extremadamente las eventuales modicaciones de esa estructura en el subprograma, ya que repercutir an en el par ametro real. Usualmente, los arrays de una dimensi on se suelen denominar vectores, mientras que los de m as de una dimensi on reciben el nombre gen erico de matrices. En los siguientes apartados se presentan algunas de sus particularidades.
12.2. Vectores
261
12.2
Vectores
En t erminos generales, un vector es una secuencia, de longitud ja, formada por elementos del mismo tipo. Teniendo en cuenta que un vector es un array de dimensi on 1, su denici on es sencilla. Por ejemplo:
type tNumeros = 1..10; tDiasSemana = (lun,mar,mie,jue,vie,sab,dom); tVectorDeR10 = array[tNumeros] of real; tFrase = array[1..30] of char; tVectorMuyGrande = array[integer] of real;
Hay que observar que el u ltimo vector llamado vectorMuyGrande s olo se podr a denir si dispusi eramos de mucha memoria. 1 Con las deniciones anteriores se pueden realizar operaciones como:
var v: tVectorDeR10; refran: tFrase; ... v[4]:= 3.141516; v[2 * 4 - 1]:= 2.7172 * v[4]; refran:= Al que madruga, Dios le ayuda. ...
Ejemplo Veamos ahora un ejemplo de manejo de vectores en Pascal. Para indicar cu antos viajeros van en cada uno de los 15 vagones de un tren (con una capacidad m axima de 40 personas por vag on), en lugar de utilizar 15 variables enteras (una para cada vag on), se puede y se debe utilizar un vector de la siguiente forma:
const CapacidadMax = 40; type tCapacidad = 0..CapacidadMax; tVagones = array[1..15] of tCapacidad; var vagon : tVagones;
Por otra parte, se debe se nalar que Turbo Pascal facilita un tratamiento m as c omodo y directo de las cadenas de caracteres por medio de los llamados strings (v ease el apartado B.5).
1
262
Cap tulo 12. Arrays
As , haremos referencia al n umero de pasajeros del vag on i- esimo mediante vagon[i], mientras que el total de viajeros en el tren ser a
15
vagon[i]
i=1
que en Pascal se calcula como sigue:

total:= 0; for i:= 1 to 15 do total:= total + vagon[i]
Como todo array, un vector se puede pasar como par ametro en procedimientos y funciones:
const Tamanno = 5; type tVector = array[1..Tamanno] of real; function Norma(vec:
T amanno i=1
tVector) : vec2 i
real;
} {Dev. var i: 1..Tamanno; sumaCuad: real; begin sumaCuad:= 0.0; for i:= 1 to Tamanno do sumaCuad:= sumaCuad + Sqr(vec[i]); Norma:= SqRt(sumaCuad) end; {Norma}
La funci on anterior devuelve la norma de un vector de IRTamanno . Supongamos ahora que queremos desarrollar una funci on tal que, dado un vector, devuelva el vector unitario de su misma direcci on y sentido. En este caso no podremos utilizar una funci on, ya que un vector no puede ser el resultado de una funci on. Por esta raz on tendremos que utilizar un procedimiento cuyo c odigo podr a ser el siguiente:
procedure HallarUnitario(v: tVector; var uni: tVector); {PostC.: para todo i, si 1 i Tamanno, entonces uni[i] = var norm: real; i: 1..Tamanno;
vi Norma(v) }
12.3. Matrices
263
function Norma(vec: {Dev. ... end; {Norma}

T amanno i=1
tVector): vec2 i }
real;
begin norm:= Norma(v); for i:= 1 to Tamanno do uni[i]:= v[i]/norm end; {HallarUnitario}
12.3
Matrices
Como ya se dijo, los arrays multidimensionales reciben el nombre gen erico de matrices. En este apartado se presentan algunos ejemplos de utilizaci on de matrices. Evidentemente, la forma de denir los tipos de datos para las matrices es la misma de todos los arrays, as como el modo de declarar y manipular variables de estos tipos. As , por ejemplo:
type tMeses = (ene, feb, mar, abr, may, jun, jul, ago, sep, oct, nov, dic); tDiasMes = 1..31; tHorasDia = 0..23; tFrase = array[1..30] of char; tMCuadrada = array[1..5, 1..5] of real; tFiestas95 = array[tDiasMes, tMeses] of boolean; tAgenda95 = array[tDiasMes, tMeses, tHorasDia] of tFrase; var m: tMCuadrada; festivos: tFiestas95; agenda: tAgenda95; begin m[1,2]:= SqRt(2); m[2,3-2]:= 2.43 * m[1,2]; festivos[25,dic]:= True; festivos[28,dic]:= False; agenda[18,mar,17]:= Boda de Jose Luis y Mavi. ... end.
264
Cap tulo 12. Arrays
En el siguiente ejemplo, que calcula el producto de dos matrices reales, se utilizan las operaciones permitidas a los arrays, haciendo uso del hecho de que las matrices se pueden pasar como par ametros en funciones y procedimientos. En un primer nivel de dise no se tiene:
Leer matrices a y b Multiplicar matrices a y b, hallando la matriz producto prod Mostrar la matriz prod
Dada la simplicidad y familiaridad de los subprogramas a implementar, no se considera necesario un nivel inferior de dise no, raz on por la cual se presenta directamente la codicaci on en Pascal:
Program MultiplicacionDeMatrices (input,output); {El programa lee dos matrices cuadradas de dimensi on N y de componentes reales y las multiplica, mostrando la matriz producto en la pantalla} const N = 10; type tMatriz = array[1..N, 1..N] of real; var a, b, prod: tMatriz; procedure LeerMatriz(var mat : tMatriz); {Efecto: Este procedimiento lee del input una matriz cuadrada mat MN ( IR), componente a componente} var fil, col: 1..N; begin for fil:= 1 to N do for col:= 1 to N do begin Write(Introduzca la componente , fil, ,, col, de la matriz: ); ReadLn(mat[fil,col]) end end; {LeerMatriz} procedure MultiplicarMat(m1, m2: tMatriz; var resul: tMatriz); {Efecto: resul:= m1 * m2} var i, j, k: 1..N; {i recorre las filas de m1 y de resul, j recorre las columnas de m1 y las filas de m2 y k recorre las columnas de m2 y las de resul}
12.3. Matrices
begin for i:= 1 to N do for k:= 1 to N do begin resul[i,k]:= 0; for j:= 1 to N do resul[i,k]:= resul[i,k] + m1[i,j] * m2[j,k] end {for k} end; {MultiplicarMat} procedure EscribirMatProd(m: tMatriz); {Efecto: escribe en la pantalla los elementos de la matriz m} var i, j: 1..N; begin for i:= 1 to N do for j:= 1 to N do {Escribe mij } WriteLn(m(, i, ,, j, ) = , m[i,j]); end; {EscribirMatProd} begin WriteLn(Lectura de la matriz A); LeerMatriz(a); WriteLn(Lectura de la matriz B); LeerMatriz(b); MultiplicarMat(a,b,prod); EscribirMatProd(prod) end. {MultiplicacionDeMatrices}
265
Un ejemplo completo El siguiente ejemplo utiliza todos los tipos de datos denidos por el programador vistos hasta ahora, es decir, los tipos enumerado, subrango y array. Se trata de construir un almanaque del siglo xx, asignando en una matriz con tres ndices correspondientes a los d as del mes (1 al 31), meses (ene, feb, etc.), y a nos desde el 1901 al 2000, los d as de la semana. El punto de partida es el d a 31 de diciembre de 1900 que fue lunes. A partir de esta fecha se van recorriendo consecutivamente todos los d as del siglo asign andoles el d a de la semana correspondiente, teniendo especial cuidado en determinar cu antos d as tiene cada mes, para lo cual se ha de comprobar si el a no es bisiesto. En un primer nivel de renamiento podr amos escribir el siguiente seudoc odigo:
266
El d a 31 de diciembre de 1900 fue lunes Para todos los a nos del siglo hacer Para todos los meses del a no hacer Asignar el d a de la semana a cada d a del mes
Cap tulo 12. Arrays
donde, la acci on Asignar el d a de la semana a cada d a del mes puede ser renada en un nivel inferior de la siguiente forma:
Calcular cu antos d as tiene el mes Para todos los d as del mes hacer asignar al d a actual el ma nana de ayer asignar a ayer el d a actual
Los bucles correspondientes a los a nos y los meses no presentan dicultad, sin embargo, los d as del mes dependen del propio mes, y en el caso de febrero, de que el a no sea o no bisiesto. Por eso hay que calcular CuantosDias tiene el mes y para ello es necesario conocer el mes y el a no. Durante el c alculo de CuantosD as se har a una llamada a EsBisiesto, una funci on que determina el n umero de d as de febrero.2 Se usa tambi en una funci on Mannana para el c alculo correcto del d a siguiente, de forma que al domingo le siga el lunes. El programa completo es el siguiente:
Program AlmanaqueSigloXX (input,output); {Calcula el d a de la semana correspondiente a cada d a del siglo XX} type tMeses = (ene, feb, mar, abr, may, jun, jul, ago, sep, oct, nov, dic); tDiasSemana = (lun, mat, mie, jue, vie, sab, dom); tAnnos = 1901..2000; tDiasMes = 1..31; tCalendarioSigloXX = array[tDasMes, tMeses, tAnnos] of tDasSemana; var almanaque: tCalendarioSigloXX; mes: tMeses; ayer: tDiasSemana; contAnnos: tAnnos; dias, contaDias: tDiasMes;
En el desarrollo de esta funci on se tendr a en cuenta que los a nos m ultiplos de 100 no son bisiestos, salvo que sean m ultiplos de 400.
2
12.3. Matrices
267
function Mannana(hoy: tDiasSemana): tDiasSemana; {Dev. el d a de la semana que sigue a hoy} begin if hoy = dom then Mannana:= lun {se evita Succ(dom) ; error} else Mannana:= Succ(hoy) end; {Mannana} function EsBisiesto(anno: tAnnos): boolean; {Efecto: Averigua si un a~ no es bisiesto o no} begin EsBisiesto:= ((anno mod 4 = 0) and (anno mod 100 <> 0)) or (anno mod 400 = 0) end; {EsBisiesto} function CuantosDias(unmes: tMeses, anno: tAnnos): tDiasMes; {Dev. el numero de d as del mes unmes del a~ no anno} begin case unmes of abr,jun,sep,nov : CuantosDias:= 30; feb : if EsBisiesto(anno) then CuantosDias:= 29 else CuantosDias:= 28; ene,mar,may,jul,ago,oct,dic : CuantosDias:= 31 end {case} end; {CuantosDias} begin {AlmanaqueSigloXX} {Crea un almanaque del siglo XX} ayer:= lun; {El dia 31 de diciembre de 1900 fue lunes} for contAnnos:= 1901 to 2000 do for mes:= ene to dic do begin das:= CuantosDias (mes, contAnnos); {n umero de d as del mes actual} for contaDias:= 1 to dias do begin almanaque[contaDias, mes, contAnnos]:= Mannana(ayer); ayer:= almanaque[contaDias,mes,contAnnos] end {for contaDias} end {for mes} end {for contAnnos} end. {AlmanaqueSigloXX}
268
Cap tulo 12. Arrays
Para saber qu e d a de la semana fue el 12 de enero de 1925, se mirar a la posici on almanaque[12,ene,1925] (cuyo valor es lun).
12.4
Ejercicios
1. Complete adecuadamente los interrogantes de la denici on que sigue, const n = ?; {un entero positivo} var i, j: 1..n; a : array[1..n, 1..n] of ? e indique cu al es el efecto de la siguiente instrucci on: for i:= 1 to n do for j:= 1 to n do a[i, j]:= i=j 2. Consid erese que los N primeros t erminos de una sucesi on est an registrados en un array de N componentes reales. Dena el subprograma Sumar, que transforma los elementos del array en los de la correspondiente serie:
n
an
ai
i=1
3. Escriba un programa que realice la suma de dos n umeros positivos muy grandes (de 50 cifras, por ejemplo). 4. Para vectores de IR3 , dena subprogramas para calcular (a) el m odulo: IR3 IR
(b) un vector unitario con su misma direcci on (d) el producto escalar: IR3 IR3 IR (c) la suma: IR3 IR3 IR3
(e) el producto vectorial: IR3 IR3 IR3
(f) el producto mixto: IR3 IR3 IR3 IR
Usando en lo posible los subprogramas anteriores, dena otros para averiguar lo siguiente: (a) dados dos vectores de IR3 , ver si uno de ellos es combinaci on lineal del otro. (b) dados tres vectores de IR3 , ver si uno de ellos es combinaci on lineal de los otros dos.
12.4. Ejercicios
269
5. Escriba un subprograma que mezcle dos vectores (de longitudes m y n respectivamente), ordenados ascendentemente, produciendo un vector (de longitud m + n), tambi en ordenado ascendentemente. 6. Escriba un subprograma que averig ue si dos vectores de N enteros son iguales. (La comparaci on deber a detenerse en cuanto se detecte alguna diferencia.) 7. Dados dos vectores de caracteres del mismo tipo, escriba un subprograma que averig ue si el primero de ellos precede al segundo en orden alfab etico. 8. Escriba un subprograma que desplace todas las componentes de un vector de N enteros un lugar a la derecha, teniendo en cuenta que la u ltima componente se ha de desplazar al primer lugar. General cese el subprograma anterior para desplazar las componentes k lugares. 9. Escriba un subprograma que lea una secuencia de caracteres del teclado registr andola en un vector de caracteres. Cuando el n umero de caracteres escritos sea inferior a la longitud del vector, se deber a rellenar con espacios en blanco por la derecha; y cuando haya m as caracteres de los que caben, se eliminar an los u ltimos. 10. Si representamos la ecuaci on de una recta en el plano como un vector de tres componentes, Ax + By + C = 0, escriba subprogramas para determinar: (a) La ecuaci on de la recta que pasa por dos puntos dados. (b) La ecuaci on de la recta que pasa por un punto dado y tiene una cierta pendiente. (c) El angulo que forman dos rectas dadas. (d) La distancia de un punto dado a una recta dada. 11. Dena una funci on que averig ue el m aximo elemento de una matriz de M N enteros. 12. Se tiene un sistema de ecuaciones lineales representado mediante una matriz de 3 4, donde las tres primeras columnas contienen los coecientes del sistema (con determinante distinto de cero) y la cuarta los t erminos independientes. Escriba un subprograma para calcular la soluci on del sistema por la regla de Cramer. 13. Se tiene ahora un sistema de N ecuaciones con N inc ognitas, supuestamente compatible determinado. Escriba un subprograma para calcular la soluci on del sistema por el m etodo de Gauss. 14. Dena el tipo de una matriz cuadrada de dimensi on N de elementos reales, y escriba un subprograma Trasponer que intercambie los elementos de posiciones (i, j ) y (j, i) entre s , i, j {1, . . . N }. 15. Dena un procedimiento para descomponer una matriz cuadrada M en otras dos, A y B , con sus mismas dimensiones, de manera que M =S+A y tales que S es sim etrica y A antisim etrica. Ello se consigue forzando que Si,j = Sj,i = Mi,j + Mj,i , i, j {1, . . . N } 2
270
y Ai,j = Aj,i =
Cap tulo 12. Arrays
Mi,j Mj,i , i, j {1, . . . N } 2
16. Dena subprogramas para determinar si una matriz es sim etrica y si es triangular inferior, parando cuando se detecte que no lo es. 17. (a) Escriba un programa que lea los caracteres del input y efect ue una estad stica de las letras que aparecen, contando la frecuencia de cada una de ellas sin tener en cuenta si es may uscula o min uscula. (b) Modique el programa del apartado (a) de manera que calcule cu antas veces aparece cada par de letras contiguas en el texto. (c) Modique el programa del apartado anterior para que se muestre tambi en cu antas veces aparece cada tr o de letras contiguas en el texto. 18. Dada una matriz real de 33, escriba un programa que calcule: (a) Su determinante. (b) Su matriz adjunta. (c) Su matriz inversa. 19. (a) Escriba un subprograma para hallar el producto de dos matrices de m n y de n l.
(b) Escriba un subprograma que calcule la potencia de una matriz cuadrada de orden n. (Obs ervese que este problema admite un algoritmo iterativo y otro recursivo, como ocurre con la potencia de n umeros.)
20. Un modo de averiguar el m aximo elemento de un vector V de tama no n es el siguiente: si el vector consta de un solo elemento, ese es el m aximo; de lo contrario, se consideran los fragmentos V1,...,pm y Vpm+1,...,n y se averigua el m aximo en cada una de sus mitades (mediante este mismo procedimiento), resultando que el mayor de tales n umeros es el de V . Desarrolle un subprograma que halle el m aximo elemento de un vector en un fragmento dado mediante el procedimiento descrito. 21. Se tiene una frase en un array de caracteres. Desarrolle subprogramas para averiguar los siguientes resultados: (a) El n umero de palabras que contiene. (b) La longitud de la palabra m as larga. (c) De todas las palabras, la que aparece antes en el diccionario. (Se entiende por palabra la secuencia de letras seguidas, delimitadas por un car acter que no es una letra o por los l mites del array.)
Cap tulo 13
Registros
13.1 Descripci on del tipo de datos registro
. . . . . . . . . 271
13.2 Arrays de registros y registros de arrays . . . . . . . . 279 13.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
En el cap tulo anterior se ha estudiado c omo se trabaja en Pascal con colecciones de datos del mismo tipo. Pero en los problemas relacionados con la vida real es necesario agrupar con frecuencia datos de distintos tipos: por ejemplo, el documento nacional de identidad contiene, entre otros, un entero (el n umero) y cadenas de caracteres (el nombre, los apellidos, etc.); una cha de art culo en un almac en debe contener datos num ericos (c odigo, n umero de unidades en stock, precio, etc.), booleanos (para indicar si se le aplica o no descuento) y cadenas de caracteres (la descripci on del art culo, el nombre del proveedor, etc.). En este cap tulo presentamos un nuevo tipo de datos, los registros, que nos van a permitir almacenar y procesar este tipo de informaci on.
13.1
Descripci on del tipo de datos registro
Los registros1 son otro tipo de datos estructurados muy utilizados en Pascal. Su principal utilidad reside en que pueden almacenar datos de distintos tipos, a diferencia de los dem as datos estructurados. Un registro estar a formado por
1
En ingl es record.
272
Identificador
, ;
Cap tulo 13. Registros

Tipo
record
end
Figura 13.1.
varios datos (simples o estructurados) a los que llamaremos campos del registro y que tendr an asociado un identicador al que llamaremos nombre de campo. La denici on de un registro se hace seg un el diagrama sint actico de la gura 13.1 y, por tanto, la denici on de un registro gen erico en Pascal es:
type tNombReg = record idenCampo1: idTipo1; idenCampo2: idTipo2; ... idenCampoN: idTipoN end; {tNombReg}
Por ejemplo, supongamos que un encargado de obra quiere tener registrados varios datos de sus trabajadores, tales como: nombre, direcci on, edad y n umero de D.N.I. Con los tipos de datos que conocemos resultar a bastante dif cil, ya que tendr amos que indicar que las variables direccion, edad y dni est an relacionadas con el nombre de un trabajador en concreto. Para solucionarlo, se utiliza el tipo de datos estructurado registro, de la siguiente forma:
type tEdades = 16..65; tDigitos = 0..9; tFicha = record nombre: array[1..30] of char; direccion: array[1..50] of char; edad: tEdades; dni: array[1..8] of tDigitos end; {tFicha}
Como se puede observar, en este ejemplo se utilizan datos estructurados en la denici on de otro dato estructurado (dentro de la estructura del dato registro
n del tipo de datos registro 13.1. Descripcio
273
se utilizar a un vector de caracteres para almacenar el nombre y la direccion de un empleado). Es conveniente destacar que el tipo de datos registro, al igual que el tipo array, es un tipo estructurado de tama no jo; sin embargo se diferencian de ellos principalmente en que los componentes de un array son todos del mismo tipo, mientras que los componentes de un registro pueden ser de tipos distintos.
13.1.1
Manejo de registros: acceso a componentes y operaciones
El dominio de un registro estar a formado por el producto cartesiano de los dominios de sus campos componentes. Para poder trabajar con el tipo de datos registro es necesario saber c omo acceder a sus campos, c omo asignarles valores y que tipo de operaciones podemos realizar con ellos: Para acceder a los campos de los registros se utilizan construcciones de la forma nomVarRegistro.nomCampo, es decir, el nombre de una variable de tipo registro seguido de un punto y el nombre del campo al que se quiere acceder. Por ejemplo, si la variable f es de tipo tFicha, para acceder a sus campos nombre, direccion, edad y dni se utilizar an, respectivamente, las construcciones:
f.nombre f.direccion f.edad f.dni
En este punto se debe se nalar que, a diferencia de los arrays, en los cuales el acceso se realiza por medio de ndices (tantos como dimensiones tenga el array, que pueden ser el resultado de una expresi on y por tanto calculables), en los registros se accede por medio de los identicadores de sus campos, que deben darse expl citamente. Los tipos de los campos pueden ser tipos predenidos o denidos por el programador mediante una denici on de tipo previa. Incluso un campo de un registro puede ser de tipo registro. As , por ejemplo, si queremos almacenar para cada alumno, su nombre, fecha de nacimiento y nota, podr amos denir tipos y variables de la siguiente forma:
274

type tMeses = (ene, feb, mar, abr, may, jun, jul, ago, sep, oct, nov, dic); tCalificaciones = (NP, Sus, Apr, Notab, Sob, MH); tNombre = array[1..50] of char; tFecha = record dia: 1..31; mes: tMeses; anno: 1900..2000 end; {tFecha} tFicha = record nombre: tNombre; fechaNac: tFecha; nota: tCalificaciones end; {tFicha} var alumno: tFicha;
La asignaci on de valores a los campos se har a dependiendo del tipo de cada uno de ellos. As , en el ejemplo anterior, para iniciar los datos de la variable Alumno tendr amos que utilizar las siguientes asignaciones:
alumno.nombre:= Mario Aguilera alumno.fechaNac.dia:= 3; alumno.fechaNac.mes:= feb; alumno.fechaNac.anno:= 1973; alumno.nota:= Notab ;
Las operaciones de lectura y escritura de registros han de hacerse campo por campo, empleando procedimientos o funciones especiales si el tipo del campo as lo requiere. Por ejemplo:
procedure EscribirFicha(unAlumno: tFicha); {Efecto: Escribe en la pantalla el contenido del registro unAlumno} begin WriteLn(Nombre: , unAlumno.nombre); Write(Fecha de nacimiento: ,unAlumno.fechaNac.dia); EscribirMes(unAlumno.fechaNac.mes); WriteLn(unAlumno.fechaNac.anno); Write(Nota: ); EscribirNota(unAlumno.nota) end; {EscribirFicha}
Obs ervese que los campos fecha.mes y nota son de tipo enumerado y necesitar an dos procedimientos especiales (EscribirMes y EscribirNota, respectivamente) para poder escribir sus valores por pantalla.

Instruccin
275
with
vbleRegistro
do
Figura 13.2.
Al igual que todos los tipos de datos compuestos, un registro no puede ser el resultado de una funci on. Para solucionar este problema actuaremos como de costumbre, transformando la funci on en un procedimiento con un par ametro por variable adicional de tipo registro que albergue el resultado de la funci on. As , por ejemplo:
procedure LeerFicha(var unAlumno: tFicha); {Efecto: lee del input el contenido del registro unAlumno} begin Write(Nombre del alumno:); LeerNombre(unAlumno.nombre); Write(D a de nacimiento: ); ReadLn(unAlumno.fechaNac.dia); Write(Mes de nacimiento: ); LeerMes(unAlumno.fechaNac.mes); Write(A~ no de nacimiento: ); ReadLn(unAlumno.fechaNac.anno); Write(Calificaci on: ); LeerNota(unAlumno.nota) end; {LeerFicha}
Como puede observarse, es inc omodo estar constantemente repitiendo el identicador unAlumno. Para evitar esta repetici on Pascal dispone de la instrucci on with que se emplea siguiendo la estructura descrita en el diagrama sint actico de la gura 13.2. Por ejemplo, para el procedimiento LeerFicha se podr an utilizar dos instrucciones with anidadas de la siguiente forma:
procedure LeerFicha(var unAlumno: tFicha); {Efecto: lee del input el contenido del registro unAlumno} begin with unAlumno do begin WriteLn(Introduce el nombre del alumno:); LeerNombre(nombre); with fechaNac do begin
276
Write(D a de nacimiento: ReadLn(dia); Write(Mes de nacimiento: LeerMes(mes); Write(A~ no de nacimiento: ReadLn(anno) end; {with fechaNac} Write(Calificaci on: ); LeerNota(nota) end {with unAlumno} end; {LeerFicha} ); ); );
Al igual que los arrays, si dos variables r1 y r2 son del mismo tipo registro, se pueden realizar asignaciones de registros completos (con la instrucci on r1:= r2) evitando as tener que ir copiando uno a uno todos los campos del registro.
13.1.2
Registros con variantes
En ciertos casos es conveniente poder variar el tipo y nombre de algunos de los campos existentes en un registro en funci on del contenido de uno de ellos. Supongamos, por ejemplo, que en el registro tFicha denido anteriormente queremos incluir informaci on adicional dependiendo de la nacionalidad. Si es espa nola, a nadiremos un campo con el D.N.I., y si no lo es, a nadiremos un campo para el pa s de origen y otro para el n umero del pasaporte. Con este objetivo se pueden denir en Pascal los registros con variantes, que constan de dos partes: la primera, llamada parte ja, est a formada por aquellos campos del registro que forman parte de todos los ejemplares; la segunda parte, llamada parte variable, est a formada por aquellos campos que s olo forman parte de algunos ejemplares. En la parte ja, debe existir un campo selector mediante el cual se determina la parte variable que se utilizar a. Este campo selector debe ser u nico, es decir, s olo se permite un campo selector. El diagrama sint actico de la denici on de un registro con variantes es el de la gura 13.3. Para resolver el problema del ejemplo anterior se puede emplear un registro con variantes de la siguiente forma:
277
Lista de campos
Parte variante
record
end
Lista de campos:
Identificador ,
Tipo
; Parte variante: case
Identificador
Tipo
of ;
...
, ... Constante : ( Lista de Campos
Figura 13.3.
278
type... tNombre = array[1..50] of char; tDNI = array[1..8] of 0..9; tPais = array[1..20] of char; tPasaporte = array[1..15] of 0..9; tFicha = record nombre: tNombre; fechaNac: tFecha; nota: tCalificaciones; case espannol : boolean of True : (dni : tDNI; False : (pais : tPais; pasaporte : tPasaporte end; {tFicha}
Con la denici on anterior, el procedimiento LeerFicha queda como sigue:

procedure LeerFicha(var unAlumno: tFicha); {Efecto: lee del input el contenido del registro unAlumno} var c: char; begin with unAlumno do begin Write(Introduce el nombre del alumno:); ReadLn(nombre); with fechaNac do begin Write(D a de nacimiento: ); ReadLn(dia); Write(Mes de nacimiento: ); LeerMes(mes); Write(A~ no de nacimiento: ); ReadLn(anno) end; {with fechaNac} Write(Calificacion: ); LeerNota(nota); repeat Write(Es ,nombre, espa~ nol? (S/N)); ReadLn(c) until c in [s,S,n,N]; case c of s,S : begin {el alumno es espa~ nol} espannol:= True; Write(DNI: );
13.2. Arrays de registros y registros de arrays

Campos comunes
279
...
Campos variantes
Figura 13.4. LeerDNI(dni) end; n,N : begin {el alumno es extranjero} espannol:= False; Write(pa s: ); LeerPais(pais); Write(pasaporte: ); LeerPasaporte(pasaporte) end end {case} end {with unAlumno} end; {LeerFicha}
La utilizaci on de registros con campos variantes relaja en parte la condici on de tipos fuertes de Pascal al permitir que una variable de esta clase almacene valores de diferentes tipos. Sin embargo, debe tenerse cuidado con el uso de la parte variante, ya que los compiladores no suelen comprobar que esa parte se utiliza correctamente. Al implementar los registros con variantes el compilador hace reserva de memoria para la variante m as grande, aunque no se aproveche en el caso de las variantes m as peque nas, como se muestra en la gura 13.4.
13.2
Arrays de registros y registros de arrays
Dado que los registros permiten almacenar datos de diferentes tipos correspondientes a una persona u objeto y que los arrays agrupan datos de un mismo
280
tipo, es frecuente combinarlos formando arrays de registros que permitan almacenar y gestionar la informaci on relativa a un grupo de personas u objetos. Por ejemplo, una vez denido el tipo tFicha del apartado 13.1.1 donde almacenamos los datos de un alumno, podemos denir el tipo siguiente:
type tVectorFichas = array[1..40] of tFicha;
y declarar las variables:

var alumno: tFicha; clase: tVectorFichas;
De esta forma, en el vector clase podemos almacenar los datos de los alumnos de una clase. Para acceder al a no de nacimiento del alumno n umero 3, tendr amos que utilizar la siguiente expresi on: clase[3].fecha.anno mientras que para acceder a su nota usar amos: clase[3].nota Los arrays tienen un tama no jo, sin embargo, hay casos en los que el n umero de datos no se conoce a priori, pero para los que puede suponerse un m aximo. En este caso, se puede denir un registro que contenga a un vector del tama no m aximo y una variable adicional para llevar la cuenta de la parte utilizada. Por otra parte, hay casos en los que puede resultar u til denir registros de arrays. Supongamos, por ejemplo, que queremos calcular el valor medio de una variable estad stica real de una muestra cuyo tama no no supera los cien individuos. Para ello se podr an hacer las siguientes deniciones y declaraciones:
const MaxCompo = 100; type tVector = array [1..MaxCompo] of real; tRegistro = record vector: tVector; ocupado: 0..MaxCompo endtRegistro; var indice: 1..MaxCompo; reg: tRegistro; valor, suma, media: real; fin: boolean;
13.2. Arrays de registros y registros de arrays
281
reg.ocupado=0
0<reg.ocupado<MaxCompo
reg.ocupado=MaxCompo
ocupado lleno vaco
Figura 13.5.
Para introducir los datos hay que comprobar si el vector est a lleno y, en caso contrario, se pide el dato y se incrementa el valor de reg.ocupado, que almacena el ndice del u ltimo elemento introducido. Si reg.ocupado vale cero, el vector est a vac o, si 0 < reg.ocupado < MaxCompo tiene reg.ocupado datos y quedan MaxCompo reg.ocupado espacios libres, y por u ltimo, cuando reg.ocupado = MaxCompo, el vector est a lleno. Todas estas situaciones se recogen en la gura 13.5. Para introducir los valores en el vector podr amos escribir un fragmento de programa como el siguiente:
reg.ocupado:= 0; fin:= False; while (reg.ocupado < MaxCompo) and not(fin) do begin Write(Introduzca el valor del individuo , reg.ocupado + 1) Write( o un valor negativo para terminar ); ReadLn(valor); if valor >= 0 then begin reg.ocupado:= reg.ocupado + 1; reg.vector[reg.ocupado]:= valor end else fin:= True end {while}
Para calcular la media se recorre la parte ocupada del vector acumulando sus valores, como se muestra a continuaci on:
for indice:= 1 to reg.ocupado do suma:= suma + reg.vector[indice]; media:= suma/reg.ocupado
282
13.3
Ejercicios
1. Dena un tipo de datos para manejar fechas, incluyendo la informaci on usual para un d a cualquiera del calendario: el n umero de d a dentro del mes, el d a de la semana, el mes y el a no, y con el, los siguientes subprogramas: (a) Lectura y escritura. (b) Avance (que pasa de un d a al siguiente), con ayuda de una funci on que indica el n umero de d as de un mes de un cierto a no. (c) Distancia entre fechas, usando la funci on avance. 2. Consid erese una representaci on de los n umeros reales mediante su signo, positivo o negativo, su parte entera, formada por N d gitos (por ejemplo, 25) de cero a nueve y por su parte decimal, formada por NDEC cifras (por ejemplo, 5). (a) Dena en Pascal este tipo de datos. (b) Dena procedimientos apropiados para su lectura y escritura. (c) Dena un subprograma para sumar reales, controlando el posible desbordamiento. (d) Dena un subprograma para comparar reales. 3. (a) Dena un tipo de datos registro que permita almacenar un punto del plano real y un tipo vector formado por tres registros del tipo anterior.2 (b) Escriba un subprograma que determine si los tres puntos almacenados en una variable del tipo vector forman un tri angulo. (c) Escriba un subprograma tal que, si tres puntos forman un tri angulo, calcule su area aplicando la f ormula de Her on (v ease el ejercicio 6 del cap tulo 4). 4. (a) Dena un tipo registro que permita almacenar un angulo dado en forma de grados (sexagesimales), minutos y segundos. (b) Escriba dos subprogramas, el primero para convertir un angulo dado en radianes en una variable del tipo registro anterior, y el segundo para realizar la conversi on inversa. En el primero se tendr a en cuenta que el resultado debe tener el n umero de grados inferior a 360o , el de minutos inferior a 60 y el de segundos inferior a 60. 5. La posici on de un objeto lanzado con velocidad inicial v y con angulo con respecto a la horizontal, transcurrido un cierto tiempo t, puede expresarse (despreciando el rozamiento) con las siguientes ecuaciones: x = vt cos 1 y = vt sen gt2 2
donde g es la aceleraci on de la gravedad (9.8m/seg 2 ). (a) Dena un registro que almacene la velocidad inicial y el angulo .
Obs ervese que esta es una denici on alternativa a la de arrays, tal vez m as apropiada por ser las componentes del mismo tipo.
2
13.3. Ejercicios
283
(b) Dena un registro que almacene las coordenadas x, y y el tiempo t transcurrido desde el lanzamiento. (c) Escriba un subprograma que utilice un registro de cada uno de los tipos anteriores y calcule la posici on del objeto a partir de v, y t. (d) Escriba un subprograma que calcule la altura m axima aproximada alcanzada por el objeto utilizando intervalos de tiempo peque nos, por ejemplo d ecimas o cent esimas de segundo. (e) Escriba un subprograma que calcule la distancia m axima aproximada alcanzada por el objeto, con la misma t ecnica del apartado anterior. Indicaci on: la distancia m axima se alcanza cuando la altura se hace cero. (f) Redena los registros de los apartados anteriores para utilizar angulos en forma de grados (sexagesimales), minutos y segundos, realizando las conversiones con los subprogramas del apartado 4b. 6. Un comercio de alimentaci on almacena los siguientes datos de sus productos: producto (nombre del producto), marca (nombre del fabricante), tama no (un n umero que indica el peso, volumen, etc. de un determinado envase del producto), precio (del tama no correspondiente) y unidades (cantidad existente en inventario). (a) Dena un tipo de datos registro que permita almacenar dichos campos. (b) Dena un vector sucientemente grande de dichos registros. (c) Dena un registro que incluya el vector y un campo adicional para indicar la parte ocupada del vector de acuerdo con la t ecnica expuesta en el apartado 13.2. (d) Escriba los subprogramas necesarios para realizar las siguientes operaciones: Altas: Consiste en introducir nuevos productos con todos sus datos. Normalmente se efectuar an varias altas consecutivas, deteniendo el proceso cuando se introduzca un producto cuyo nombre comience por una clave especial (un asterisco, por ejemplo). Bajas: Se introduce el nombre del producto a eliminar, se muestran sus datos y se pide al usuario conrmaci on de la baja. Para eliminar el producto se desplazan desde el producto inmediato siguiente una posici on hacia delante los sucesivos productos, y se reduce en una unidad la variable que indica la posici on ocupada. Indicaci on: se deben tratar de forma especial los casos en que no hay productos, cuando s olo hay uno y cuando se elimina el u ltimo. Modicaciones: Se introduce el nombre del producto, se muestra y se piden todos sus datos. Consultas: Pueden ser de dos tipos: por producto, pidiendo el nombre y mostrando todos sus datos, y total, mostrando el listado de todos los productos con sus datos. Se puede a nadir el coste total por producto y el coste total del inventario. Se puede mostrar por pantalla y por impresora.
284

(e) Escriba un programa completo comandado por un men u con las operaciones del apartado anterior.
7. Construya un tipo registro para manejar una hora del d a, dada en la forma de horas (entre 0 y 23), minutos y segundos (entre 0 y 59). Utilizando este tipo, escriba subprogramas para: (a) Leer correctamente un instante dado. (b) Mostrar correctamente una hora del d a. (c) Dado un tiempo del d a, pasarlo a segundos. (d) Dados dos tiempos del d a, calcular su diferencia, en horas, minutos y segundos. (e) Dado un tiempo del d a, calcular el instante correspondiente a un segundo despu es. (f) Dado un tiempo del d a, mostrar un reloj digital en la pantalla durante un n umero de segundos predeterminado. (El retardo se puede ajustar con bucles vac os.) 8. La posici on de un punto sobre la supercie de la tierra se expresa en funci on de su longitud y latitud. La primera mide el angulo que forma el meridiano que pasa por el punto con el meridiano que pasa por el observatorio de Greenwich, y toma valores angulares comprendidos entre 0 y 180o , consider andose longitud Este (E) cuando el angulo se mide hacia el Este y longitud Oeste (W) en caso contrario. La segunda mide el angulo que forma la l nea que pasa por el punto y por el centro de la tierra con el plano que contiene al ecuador, y toma valores angulares comprendidos entre 0 y 90o , consider andose latitud Norte (N) cuando el punto est a situado al Norte del ecuador y latitud Sur (S) en caso contrario. En ambos casos los valores angulares se miden en grados, minutos y segundos. Dena un tipo registro que permita almacenar los datos anteriores. Escriba subprogramas para leer y escribir correctamente variables del tipo anterior, en grados, minutos y segundos. 9. Escriba dos tipos registro, uno para almacenar las coordenadas cartesianas de un punto del plano y otro para almacenarlo en coordenadas polares con el angulo en radianes. Escriba subprogramas para pasar de unas coordenadas a otras. Escriba un subprograma que calcule la distancia entre dos puntos en coordenadas cartesianas, polares y ambas. 10. Dada una lista de puntos del plano, en un vector no completo (v ease el apartado 13.2) que se supone que denen los v ertices de un pol gono, determine el area del mismo mediante la f ormula siguiente: A= 1 ((X2 Y1 X1 Y2 ) + (X3 Y2 X2 Y3 ) + (X4 Y3 X3 Y4 ) + . . . + (X1 YN XN Y1 )) 2
Cap tulo 14
Archivos
14.1 Descripci on del tipo de datos archivo . . . . . . . . . . 285 14.2 Manejo de archivos en Pascal . . . . . . . . . . . . . . . 286 14.3 Archivos de texto . . . . . . . . . . . . . . . . . . . . . . 294 14.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
Como se dijo en [PAO94] (v eanse los apartados 4.2.2 y 6.1.1) los archivos se pueden entender como un conjunto de datos que se almacenan en un dispositivo de almacenamiento, por ejemplo, una unidad de disco. Para expresar este concepto, Pascal dispone del tipo de datos estructurado le (archivo en ingl es), que se explica en los apartados siguientes.
14.1
Descripci on del tipo de datos archivo
Un archivo en Pascal se estructura como una secuencia homog enea de datos, de tama no no jado de antemano, la cual se puede representar como una la de celdas en las que se almacenan los datos componentes del archivo. Una marca especial llamada n de archivo se nala el n de la secuencia. La estructura del archivo se muestra gr acamente en la gura 14.1. De hecho, hemos trabajado con archivos en Pascal desde el principio de este texto, ya que, como sabemos, los programas que producen alguna salida por pantalla necesitan el archivo est andar output, que se incluye en el encabezamiento
286
Cap tulo 14. Archivos
comp
comp
comp
comp
...
comp
Fin de archivo
Figura 14.1.
de la siguiente forma:1
Program NombrePrograma (output);
Si el programa requiere, adem as, que se introduzca alg un valor por teclado, necesitaremos tambi en el archivo est andar input que debe entonces declararse en el encabezamiento del programa:
Program NombrePrograma (input, output);
En este apartado se detalla c omo utilizar otros archivos que sirvan para la lectura y escritura de datos. Estos nuevos tipos de archivos de entrada y salida se asociar an a archivos almacenados en unidades de disco. Pascal permite acceder a ellos para guardar datos que posteriormente podr an ser le dos por el mismo o por otro programa. Imaginemos que se ejecuta el programa AlmanaqueSigloXX que aparece como ejemplo en el apartado 12.3. Una vez que hemos ejecutado dicho programa ser a de gran utilidad almacenar los resultados obtenidos en un archivo y, as , poder utilizarlos posteriormente sin tener que generar nuevamente el almanaque, con el consiguiente ahorro de tiempo. En los siguientes apartados se presentan los archivos de Pascal en general, y se detalla el caso particular de los archivos de texto, por su frecuente utilizaci on. Los archivos tienen como limitaci on el que sus elementos no pueden ser archivos. Por lo tanto, no es posible la declaraci on
tArchivo = le of le of ...;
14.2
Manejo de archivos en Pascal
Un archivo es un tipo de datos estructurado que permitir a almacenar en una unidad de disco informaci on homog enea, es decir, datos de un mismo tipo, ya sea
Es conveniente incluir siempre en el encabezamiento del programa el archivo de salida output aunque no se vaya a realizar ninguna salida por pantalla, ya que esto permitir a al programa escribir en pantalla los mensajes de error que pudieran originarse.
1
14.2. Manejo de archivos en Pascal

tipoBase
287
file
of
Figura 14.2.
b asico o estructurado, por lo que las componentes del archivo van a ser valores de este tipo. Como es natural, antes de trabajar con el tipo de datos archivo es necesario conocer su denici on. El diagrama sint actico de la denici on de archivos es el de la gura 14.2. Por ejemplo, si queremos trabajar con un archivo cuyos elementos sean arrays de caracteres, utilizaremos la siguiente denici on:
type tTarjeta = array[1..50] of char; tArchivo = le of tTarjeta; var unaTarjeta: tTarjeta; archivoTarjetas: tArchivo;
Si en un programa Pascal se va a utilizar un archivo externo, es necesario incluir el identicador del archivo (por ejemplo nombreArchivo) en el encabezamiento. Por tanto, un programa que maneje el archivo nombreArchivo, debe ser declarado como sigue:
Program TratamientoDeArchivo (input, output, nombreArchivo);
Con esta declaraci on el programa ya reconocer a al archivo con el que vamos a trabajar y estar a preparado para poder realizar operaciones de acceso a dicho archivo.2 As , en el ejemplo anterior debemos realizar la siguiente declaraci on de programa:
Program TratamientoDeTarjetas (input, output, archivoTarjetas);
Adem as, es necesario asociar el archivo l ogico (declarado en el programa) con un archivo f sico en el disco (v ease el apartado B.9). Para realizar esta operaci on en Turbo Pascal se utiliza la instrucci on Assign (nombreArchivoLogico, NombreArchivoFisico). Por ejemplo, la instrucci on Assign (archivoTarjetas, C:\TARJETAS\DATOS.TXT) indica que los datos de archivoTarjetas se almacenar an en el archivo de disco DATOS.TXT dentro del subdirectorio TARJETAS de la unidad C:.
2
288
comp1
comp
comp 3
comp
...
comp
Fin de archivo
nombreArchivo^ comp
Figura 14.3.
Para acceder a las componentes de un archivo se utiliza el llamado cursor del archivo. Este cursor se puede entender como una ventana por la cual vemos una componente del archivo (aqu ella a la que apunta), como se muestra en la gura 14.3. La notaci on utilizada en Pascal para referenciar el cursor de un archivo es:3
nombreArchivo^
Como se cit o al comienzo de este cap tulo, todo archivo tiene asociada una marca de n de archivo. En Pascal se dispone de una funci on booleana llamada EoF.4 Para utilizarla tendremos que indicarle el nombre del archivo. As , EoF(nombreArchivo) devuelve el valor False si no se ha alcanzado el nal del archivo o True en caso contrario (en cuyo caso el contenido del cursor nombreArchivo^ es indeterminado). Hemos de destacar en este momento que, como se puede comprobar, el manejo de archivos en Pascal no es muy eciente debido a que s olo se dispone de archivos secuenciales.
14.2.1
Operaciones con archivos
Las operaciones m as importantes que se pueden realizar con los archivos son la escritura y lectura de sus componentes. Estas operaciones se van a llevar a cabo de forma muy similar a la lectura y escritura usual (con las instrucciones Read y Write), salvo que se redireccionar an al archivo adecuado. Un archivo se crea o se ampl a escribiendo en el. Cada vez que se realice una operaci on de escritura, se a nadir a una nueva componente al nal del archivo
3 En Turbo Pascal no se puede utilizar directamente el cursor nombreArchivo^ ni las operaciones Put y Get que se presentan m as adelante; posiblemente esta es la raz on por la que esta notaci on ha ca do en desuso. (V ease el apartado B.9 para ver las operaciones equivalentes.) 4 Del ingl es End Of File (n de archivo).
289
Rewrite(nombreArchivo) Fin de archivo
nombreArchivo^
???
EoF(nombreArchivo) = true
Figura 14.4.
secuencial. El cursor del archivo avanzar a una posici on cada vez que se escriba o se lea en el archivo. La creaci on de un archivo se hace mediante la siguiente instrucci on:
Rewrite(nombreArchivo)
que sit ua el cursor al principio del archivo nombreArchivo y, adem as, destruye cualquier posible informaci on existente en el, como se muestra en la gura 14.4. Una vez ejecutada la instrucci on anterior, el archivo est a preparado para recibir operaciones de escritura como la siguiente:
Put(nombreArchivo)
que a nade una componente m as al archivo en la posici on que indique el cursor y avanza este un lugar en el archivo nombreArchivo, como puede verse en la representaci on gr aca de la gura 14.5. Despu es de ejecutar dicha instrucci on, nombreArchivo^ queda indenido. As , teniendo en cuenta la declaraci on hecha anteriormente y suponiendo que la variable unaTarjeta posee la informaci on que queremos almacenar en el archivo archivoTarjetas, realizaremos las siguientes instrucciones para a nadir una nueva componente al archivo:
archivoTarjetas^:= unaTarjeta; Put(archivoTarjetas)
Estas dos instrucciones son equivalentes a la instrucci on:
290
Fin de archivo nombreArchivo^ = componente
nombreArchivo^
componente
Put(nombreArchivo)
componente
Fin de archivo
nombreArchivo^
???
En la ejecucin de Put(nombreArchivo) se hace hueco para una componente y se copia su valor desde nombreArchivo^
EoF(nombreArchivo) = true
Figura 14.5.
291
Reset(nombreArchivo)
comp1
comp 2
comp
...
comp n
Fin de archivo
nombreArchivo^
comp1
EoF(nombreArchivo) = false
Figura 14.6. Write(archivoTarjetas, unaTarjeta);
Dado que Pascal trabaja con archivos secuenciales, el cursor est a siempre situado al nal del archivo cuando se va a realizar una operaci on de escritura. Las sucesivas componentes se van a nadiendo por el nal del archivo, desplazando la marca de n de archivo. Una vez que hemos creado un archivo, es importante poder leer sus componentes. Dado que el acceso se hace de forma secuencial, hay que situar, nuevamente, el cursor al principio del archivo. Para ello, se ejecutar a la instrucci on:
Reset(nombreArchivo)
Con esta instrucci on tambi en se coloca el cursor en la primera componente del archivo. Si el archivo no est a vac o, su primera componente est a disponible en la variable nombreArchivo^, como puede comprobarse en la gura 14.6.
e re r Obs ervese que las funciones Rewrite y Reset son muy parecidas, ya que ambas sit uan el cursor al principio del archivo. La diferencia existente entre ambas es que la primera prepara el archivo exclusivamente para escritura (destruyendo la informaci on existente), mientras que la segunda lo prepara exclusivamente para lectura.
Una vez que el cursor apunte a la primera componente, se puede mover el cursor a la siguiente posici on y copiar la informaci on de la siguiente componente de nombreArchivo utilizando la instrucci on
292
Get(nombreArchivo)
comp
comp
comp
comp
...
compn
Fin de archivo
nombreArchivo^
comp 2
...
Fin de archivo
nombreArchivo^
???
EoF(nombreArchivo) = false
Figura 14.7. Get(nombreArchivo)
Su efecto se muestra en la gura 14.7. Siguiendo con el ejemplo anterior, si deseamos leer el contenido de la componente del archivo apuntada por el cursor realizaremos las siguientes instrucciones:
unaTarjeta:= archivoTarjetas^; Get(archivoTarjetas)
o, equivalentemente,
Read(archivoTarjetas, unaTarjeta)
Es muy importante tener en cuenta que antes de leer de un archivo se ha de comprobar, mediante la funci on EoF, que quedan componentes por leer. Esta
293
funci on es imprescindible para realizar la lectura de archivos en los que desconocemos a priori el n umero de componentes o para detectar archivos vac os. En el siguiente ejemplo se presenta el esquema de un programa que lee un archivo completo controlando el nal de archivo con EoF:
Program LeerArchivo (input, output, archivoTarjetas); type tTarjeta = array[1..50] of char; tArchivo = le of tTarjeta; var archivoTarjetas: tArchivo; una Tarjeta: tTarjeta begin {LeerArchivo} ... Reset(archivoTarjetas); while not EoF(archivoTarjetas) do begin Read(archivoTarjetas, unaTarjeta); Procesar unaTarjeta end; {while} end. {LeerArchivo}
El principal inconveniente que presentan los archivos en Pascal es que no se pueden alternar las operaciones de lectura y escritura en un archivo. Por tanto, si deseamos escribir y leer un archivo, en primer lugar se tendr a que escribir en el, y posteriormente situar el cursor al principio del archivo para leerlo. Para realizar una copia de un archivo no se puede utilizar la asignaci on, a diferencia de los dem as tipos de datos. Para poder copiar un archivo en otro se debe desarrollar un procedimiento cuyo c odigo podr a ser:
type tTarjeta = array[1..50] of char; {por ejemplo} tArchivoTarjetas = le of tTarjeta; ... procedure CopiarArchivo(var archiEnt, archiSal: tArchivoTarjetas); {Efecto: archiSal:= archiEnt} var unaTarjeta: tTarjeta; begin Reset(archiEnt); Rewrite(archiSal); while not EoF(archiEnt) do begin Read(archiEnt, unaTarjeta); Write(archiSal, unaTarjeta) end {while} end; {CopiarArchivo}
294
14.3
Archivos de texto
Son muy frecuentes los programas en los que es necesario manejar textos, entendidos como secuencias de caracteres de una longitud usualmente grande, como, por ejemplo, una carta, un formulario, un informe o el c odigo de un programa en un lenguaje de programaci on cualquiera. Estos textos se almacenan en archivos de caracteres que reciben el nombre de archivos de texto. Los archivos de texto en Pascal se denen utilizando el tipo predenido text. Este tipo de datos es un archivo con tipo base char al que se a nade una marca de n de l nea. La generaci on y tratamiento del n de l nea se realiza con los procedimientos WriteLn(archivoDeTexto) y ReadLn(archivoDeTexto) y la funci on EoLn(archivoDeTexto), que no se pueden utilizar con el tipo le. El tipo text es un tipo est andar predenido en Pascal, como integer o char, y por lo tanto, se pueden declarar variables de este tipo de la siguiente forma:
var archivoDeTexto: text;
En particular, los archivos input y output son de texto y representan la entrada y salida est andar, que en vez de emplear un disco utilizan, normalmente, el teclado y la pantalla como origen y destino de las secuencias de caracteres. Siempre que se utiliza una instrucci on Read o Write sin indicar el archivo, se asume que dichas operaciones se realizan sobre los archivos input y output, respectivamente. Ambos archivos, como es sabido, deben ser incluidos en el encabezamiento de todo programa sin redeclararlos dentro del programa, ya que se consideran declarados impl citamente como:
var input, output : text;
Adem as de esta declaraci on impl cita se asumen, para los archivos input y output, las instrucciones Reset(input) y ReWrite(output) efectuadas al empezar un programa. Debido a que los archivos de texto son muy utilizados, Pascal proporciona, adem as de las instrucciones comunes a todos los archivos con tipo gen erico, funciones espec cas de gran utilidad para los archivos de texto. Si archivoDeTexto es una variable de tipo text, seg un lo que vimos en el apartado anterior, s olo podr amos realizar instrucciones de la forma Read(archivoDeTexto, c) o bien Write(archivoDeTexto, c) siempre que c fuese de tipo char. Sin embargo, para los archivos input y output se permite que c pueda ser tambi en de tipo integer, real o incluso boolean5 o un array de caracteres para el caso de
5
S olo para archivos de salida.
14.3. Archivos de texto
295
Write.6 Pascal permite este hecho no s olo a los archivos input y output, sino a todos los archivos de tipo text. Pascal tambi en permite que las instrucciones Read y Write tengan varios par ametros cuando se usan archivos de texto. As , la instrucci on
Read(archivoDeTexto, v1, v2, ..., vN)
es equivalente a:
Read(archivoDeTexto, v1); Read(archivoDeTexto, v2); ... Read(archivoDeTexto, vN)
y la instrucci on
Write(archivoDeTexto, e1, e2, ..., eM)
es equivalente a:
Write(archivoDeTexto, e1); Write(archivoDeTexto, e2); ... Write(archivoDeTexto, eM)
donde archivoDeTexto es un archivo de tipo text, los par ametros v1, v2,..., vN pueden ser de tipo integer, real o char y los par ametros e1,e2,...,eM pueden ser de tipo integer, real, char, boolean o un array de caracteres. Las operaciones de lectura y escritura en archivos de texto son similares a los de input o output (v eanse los apartados 4.3.2 y 4.3.3, donde se detalla su funcionamiento). Los archivos de texto pueden estructurarse por l neas. Para manejar este tipo de organizaci on existen la funci on EoLn(archivoDeTexto) para detectar el n de l nea y las instrucciones de lectura y escritura ReadLn(archivoDeTexto) y WriteLn(archivoDeTexto). Su funcionamiento se describe a continuaci on: La funci on booleana EoLn7 devuelve el valor True si se ha alcanzado la marca de n de l nea o False en otro caso. Cuando EoLn(ArchivoDeTexto) ; True el valor de la variable apuntado por el cursor (archivoDeTexto^)
6 7
En estos casos se ejecutar an autom aticamente subprogramas de conversi on. Del ingl es End Of LiNe (n de l nea.)
296
ArchivoDeTexto
Fin de lnea
EoLn(ArchivoDeTexto) = false
Fin de lnea
EoLn(ArchivoDeTexto) = true
Figura 14.8.
es un caracter especial de n de l nea.8 En la gura 14.8 puede verse una representaci on gr aca. La instrucci on ReadLn(archivoDeTexto, v) lee el siguiente elemento del archivo, lo almacena en v y salta todos los caracteres hasta llegar al car acter especial de n de l nea, es decir, la instrucci on es equivalente a:
Read(archivoDeTexto, v); while not EoLn(archivoDeTexto) do Get(archivoDeTexto); {se avanza el cursor hasta encontrar el fin de l nea} Get(archivoDeTexto) {se salta el fin de l nea}
con lo que con la siguiente llamada a Read se leer a el primer car acter de la siguiente l nea. El par ametro v es opcional. Si se omite, el efecto de la instrucci on Read(archivoDeTexto) ser a el mismo salvo que no se almacena la componente que est e actualmente apuntada por el cursor. De la misma forma que Read, la instrucci on ReadLn puede utilizarse con el formato:
8 En realidad este car acter especial depende del compilador que se utilice. As , por ejemplo, en Pascal est andar se devuelve un espacio en blanco, mientras que Turbo Pascal devuelve el car acter de alimentaci on de l nea (Line Feed, n umero 10 del juego de caracteres ASCII) seguido de un retorno de carro (Carriage Return, n umero 13 del juego de caracteres ASCII).
14.3. Archivos de texto

ReadLn(archivoDeTexto, v1, v2, ..., vN)
297
que es equivalente a:
Read(archivoDeTexto, v1); Read(archivoDeTexto, v2); ... ReadLn(archivoDeTexto, vN)
La instrucci on WriteLn(archivoDeTexto, expresi on) se usa para escribir el valor de expresi on en el archivoDeTexto y poner la marca de n de l nea. Asimismo, podemos omitir la expresi on, produci endose entonces simplemente un salto de l nea. Existe tambi en la posibilidad de utilizar la instrucci on:
WriteLn(archivoDeTexto, e1, e2, ..., eM)
que es equivalente a:
Write(archivoDeTexto, e1); Write(archivoDeTexto, e2); ... WriteLn(archivoDeTexto, eM)
Como una generalizaci on de lo dicho en este tema sobre el uso de las funciones EoLn y EoF, se observa que la estructura general de los programas que procesan archivos de texto constan frecuentemente de dos bucles anidados: uno controlado por EoF y otro por EoLn, como se muestra a continuaci on, en un programa gen erico de procesamiento de archivos de texto.
Program LecturaArchivoTexto (input, output, archivoDeTexto); Denici on de tipos y declaraci on de variables begin {Proceso de archivo de texto} ... Reset(archivoDeTexto); while not EoF(archivoDeTexto) do begin while not EoLn(archivoDeTexto) do begin Read(archivoDeTexto, dato);
298
Procesar dato end; {while not EoLn} ReadLn(archivoDeTexto) end {while not EoF} ... end. {LecturaArchivoTexto}
En cualquiera de los casos considerados anteriormente, si se omite el archivo archivoDeTexto se supondr a por defecto el archivo input para el caso de Read o el archivo output para el caso de Write, produci endose, en tal caso, una lectura por teclado o una escritura por pantalla respectivamente. Finalmente se debe destacar que los archivos, al igual que todo tipo de datos compuesto, se pueden pasar como par ametros en funciones y procedimientos, pero no pueden ser el resultado de una funci on. No obstante, siempre se deben pasar como par ametros por variable.
14.4
Ejercicios
1. Bas andose en el ejercicio 2 del cap tulo 10 desarrolle un programa para las siguientes tareas: (a) Invertir una serie de l neas, manteniendo su orden. (b) Copiar una serie de l neas en orden inverso. ease el ejerci2. Escriba un programa que tabule los coecientes binomiales n k (v cio 10 del cap tulo 6), confeccionando el archivo BINOM.TXT de la siguiente forma: 1 1 1 1 2 1 3 1 4 1 5 ...
1 3 1 6 4 1 10 10 5 1
n k
Escriba una funci on que, en vez de hallar el coeciente creada.
, lo consulte en la tabla
3. Se desea tabular los valores de la funci on de distribuci on normal f ( t) = 1 1 + 2 2

t 0
ex
/2
dx
para los valores de t entre 0 00 y 1 99, aumentando a pasos de una cent esima (v ease el ejercicio 11 del cap tulo 6).
14.4. Ejercicios
299
Desarrolle un programa que construya un archivo de texto NORMAL.TXT con veinte las de diez valores, as : f (0.00) f (0.10) ... f (1.90) f (0.01) f (0.11) ... f (1.91) ... ... ... ... f (0.09) f (0.19) ... f (1.99)
Escriba una funci on que extraiga de la tabla NORMAL.TXT creada el valor correspondiente en vez de calcularlo. 4. Se ha efectuado un examen de tipo test, con 20 preguntas, a los alumnos de un grupo. En el archivo EXAMENES.TXT se hallan las respuestas, con arreglo al siguiente formato: en los primeros 25 caracteres se consigna el nombre, a continuaci on sigue un espacio en blanco y, en los 20 siguientes, letras de la A a la E, correspondientes a las respuestas. En la primera l nea del archivo SOLUCION.TXT se hallan las soluciones correctas consignadas en las 20 primeras casillas. Se considera que una respuesta v alida suma cuatro puntos, una incorrecta resta un punto y un car acter distinto a los posibles anula esa pregunta, no puntuando positiva ni negativamente. La nota se halla usando la expresi on Round(puntuaci on/8). Escriba un programa que confeccione otro archivo RESULT.TXT con la lista de aprobados junto con la puntuaci on obtenida. 5. (a) Partiendo del conjunto de los primos entre 2 y 256 creado mediante el algoritmo de la criba de Erat ostenes (v ease el apartado 11.3.3), escriba un programa que los guarde en un archivo de disco, PRIMOS.TXT. (b) Dena una funci on que compruebe si un n umero menor que 256 es primo, simplemente consultando la tabla PRIMOS.TXT. (Al estar ordenada ascendentemente, con frecuencia ser a innecesario llegar al nal de la misma.) (c) Dena una funci on que compruebe si un n umero n entre cien y 2562 es primo, tanteando como posibles divisores los n umeros de la tabla PRIMOS.TXT entre n que sea necesario. 2y (d) Integre los apartados anteriores que convengan en un programa que genere los primos menores que 2562 . 6. Escriba un programa que convierta en archivo de texto, de nombre dado, las l neas introducidas desde el input, de forma similar al funcionamiento de la orden copy ... con: del DOS. Escriba igualmente un programa que muestre un archivo de texto, de nombre dado, por pantalla, tal como hace la orden type del DOS. 7. Escriba un subprograma que reciba dos archivos de texto y los mezcle, car acter a car acter, en un tercer archivo de texto. Si alguno de los archivos origen terminara antes que el otro, el subprograma a nadir a al archivo destino lo que quede del otro archivo origen. 8. A nada al programa del ejercicio 6 del cap tulo anterior una opci on que permita almacenar y recuperar los datos de los productos en un archivo de texto o con tipo.
Cap tulo 15
Algoritmos de b usqueda y ordenaci on
15.1 Algoritmos de b usqueda en arrays . . . . . . . . . . . . 301 15.2 Ordenaci on de arrays . . . . . . . . . . . . . . . . . . . . 306 15.3 Algoritmos de b usqueda en archivos secuenciales . . 320 15.4 Mezcla y ordenaci on de archivos secuenciales . . . . . 322 15.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 15.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . 330
Una vez vistos los distintos tipos de datos que el programador puede denir, se presentan en este cap tulo dos de las aplicaciones m as frecuentes y u tiles de los tipos de datos denidos por el programador: la b usqueda y la ordenaci on. En particular, estas aplicaciones afectan directamente a los dos tipos de datos estudiados hasta ahora que permiten el almacenamiento de datos: los arrays, para datos no persistentes en el tiempo, y los archivos, para datos que deben ser recordados de una ejecuci on a otra de un determinado programa.
15.1
Algoritmos de b usqueda en arrays
Es evidente que, si tenemos datos almacenados, es interesante disponer de alg un mecanismo que permita saber si un cierto dato est a entre ellos, y, en caso armativo, localizar la posici on en que se encuentra para poder trabajar con
302
squeda y ordenacio n Cap tulo 15. Algoritmos de bu
el. Los mecanismos que realizan esta funci on son conocidos como algoritmos de b usqueda. El problema que se plantea a la hora de realizar una b usqueda (concretamente en un array) puede ser enunciado de la siguiente forma: Supongamos que tenemos un vector v con n elementos (los ndices son los 1. . . n) y pretendemos construir una funci on Busqueda que encuentre un ndice i de tal forma que v[i] = elem, siendo elem el elemento que se busca. Si no existe tal ndice, la funci on debe devolver un cero, indicando as que el elemento elem buscado no est a en el vector v. En resumen, Busqueda : Vn (tElem) tElem {0, 1, . . . , n} de forma que
i {1, . . . , n} 0
si existe i tal que elem = vi en otro caso
Busqueda(v, elem) =
En todo el cap tulo se denen los elementos del vector con el tipo tElem:
const N = 100; {tama~ no del vector} type tIntervalo = 0..N; tVector = array [1..N] of tElem;
Para simplicar, digamos por ahora que tElem es un tipo ordinal, siendo por tanto comparables sus valores. Los algoritmos m as usuales que se pueden desarrollar para tal n son los algoritmos de b usqueda secuencial y b usqueda binaria.1
15.1.1
B usqueda secuencial
La b usqueda secuencial consiste en comparar secuencialmente el elemento deseado con los valores contenidos en las posiciones 1, . . . , n hasta que, o bien encontremos el ndice i buscado, o lleguemos al nal del vector sin encontrarlo, concluyendo que el elemento buscado no est a en el vector. La b usqueda secuencial es un algoritmo v alido para un vector cualquiera sin necesidad de que est e ordenado. Tambi en se puede aplicar con muy pocas
1
Conocida tambi en con los nombres de b usqueda dicot omica o por bipartici on.
squeda en arrays 15.1. Algoritmos de bu
303
variaciones a otras estructuras secuenciales, como, por ejemplo, a los archivos (v ease el apartado 15.3). El primer nivel en el dise no de la funci on BusquedaSec puede ser:
ind:= 0; Buscar elem en v; Devolver el resultado de la funci on
Renando Buscar elem en v, se tiene:

repetir ind:= ind + 1 hasta que v[ind] = elem o ind = n
Por u ltimo, renando Devolver el resultado de la funci on se obtiene:

si v[ind] = elem entonces BusquedaSec:= ind si no BusquedaSec:= 0
Una posible implementaci on de la funci on BusquedaSec siguiendo el esquema de este algoritmo secuencial es:
function BusquedaSec(v: tVector; elem: tElem): tIntervalo; {Dev. 0 (si elem no est a en v) o i (si v[i] = elem)} var i: tIntervalo; begin i:= 0; {se inicia el contador} repeat {Inv.: j, 0 j i v[j] = elem} i:= i + 1 until (v[i] = elem) or (i = N); {v[i] = elem if v[i] = elem then {se ha encontrado el elemento elem} BusquedaSec:= i else BusquedaSec:= 0 end; {BusquedaSec}
304
15.1.2
B usqueda secuencial ordenada
El algoritmo de b usqueda secuencial puede ser optimizado si el vector v est a ordenado (supongamos que de forma creciente). En este caso, la b usqueda secuencial desarrollada anteriormente es ineciente, ya que, si el elemento buscado elem no se encuentra en el vector, se tendr a que recorrer todo el vector, cuando se sabe que si se llega a una componente con valor mayor que elem, ya no se encontrar a el valor buscado. Una primera soluci on a este nuevo problema ser a modicar la condici on de salida del bucle repeat cambiando v[i]=elem por v[i]>=elem, debido a que el vector se encuentra ordenado de forma creciente:
function BusquedaSecOrd(v: tVector; elem: tElem): tIntervalo; {PreC.: v est a ordenado crecientemente} {Dev. 0 (si elem no est a en v) o i (si v[i] = elem)} var i: tIntervalo; begin i:= 0; repeat {Inv.: j, 0 j i, v[j] = elem} i:= i + 1 until (v[i]>=elem) or (i=N); {v[i]=elem if v[i] = elem then {se ha encontrado el elemento elem} BusquedaSecOrd:= i else BusquedaSecOrd:= 0 end; {BusquedaSecOrd}
Esta soluci on tambi en se puede aplicar a archivos secuenciales ordenados (v ease el apartado 15.3).
15.1.3
B usqueda binaria
El hecho de que el vector est e ordenado se puede aprovechar para conseguir una mayor eciencia en la b usqueda planteando el siguiente algoritmo: comparar elem con el elemento central; si elem es ese elemento ya hemos terminado, en otro caso buscamos en la mitad del vector que nos interese (seg un sea elem menor o mayor que el elemento mitad, buscaremos en la primera o segunda mitad del vector, respectivamente). Posteriormente, si no se ha encontrado el elemento repetiremos este proceso comparando elem con el elemento central del subvector seleccionado, y as sucesivamente hasta que o bien encontremos el valor elem o bien podamos concluir que elem no est a (porque el subvector de b usqueda est a
squeda en arrays 15.1. Algoritmos de bu
305
vac o). Este algoritmo de b usqueda recibe el nombre de b usqueda binaria, ya que va dividiendo el vector en dos subvectores de igual tama no. Vamos ahora a realizar una implementaci on de una funci on siguiendo el algoritmo de b usqueda binaria realizando un dise no descendente del problema, del cual el primer renamiento puede ser:
Asignar valores iniciales extInf, extSup, encontrado; Buscar elem en v[extInf..extSup]; Devolver el resultado de la funci on
Renando Asignar valores iniciales se tiene:

extInf:= 1; extSup:= N; {se supone que N es el tama~ no del array inicial} encontrado:= False;
En un nivel m as renado de Buscar elem en v[extInf..extSup] se tiene:

mientras el vector no sea vac o y no se ha encontrado el valor c hacer calcular el valor de posMed; si v[posMed] = elem entonces actualizar el valor de encontrado si no actualizar los valores extInf o extSup seg un donde est e elem
Renando devolver el resultado de la funci on obtenemos:

si se ha encontrado el valor entonces BusquedaBinaria:= posMed; si no BusquedaBinaria:= 0;
Con todo esto, una posible implementaci on ser a:

function BusquedaBinaria(v: tVector; elem: tElem): tIntervalo; {PreC.: v est a ordenado crecientemente} {Dev. 0 (si elem no est a en v) o i (si v[i] = elem)} var extInf, extSup, {extremos del intervalo} posMed: tIntervalo; {posici on central del intervalo} encontrado: boolean;
306

begin extInf:= 1; extSup:= N; encontrado:= False; while (not encontrado) and (extSup >= extInf) do begin {Inv.: si elem est a en v, v[extInf] elem v[extSup]} posMed:= (extSup + extInf) div 2; if elem = v[posMed] then encontrado:= True else if elem > v[posMed] then {se actualizan los extremos del intervalo} extInf:= posMed + 1 else extSup:= posMed - 1 end; {while} if encontrado then BusquedaBinaria:= palMed else BusquedaBinaria:= 0 end; {BusquedaBinaria}
La necesidad de acceder de forma directa a las componentes intermedias no permite la aplicaci on de este tipo de soluciones a archivos secuenciales.
15.2
Ordenaci on de arrays
En muchas situaciones se necesita tener ordenados, seg un alg un criterio, los datos con los que se trabaja para facilitar su tratamiento. As , por ejemplo, en un vector donde se tengan almacenados los alumnos de cierta asignatura junto con la calicaci on obtenida, ser a interesante ordenar los alumnos por orden alfab etico, o bien, ordenar el vector seg un la calicaci on obtenida para poder sacar una lista de Aprobados y Suspensos. En este apartado se presentan los algoritmos de ordenaci on m as usuales, de los muchos existentes. Su objetivo com un es resolver el problema de ordenaci on que se enuncia a continuaci on: Sea v un vector con n componentes de un mismo tipo, tElem. Denimos la funci on ordenaci on como: ordenaci on : Vn (tElem) Vn (tElem) de tal forma que ordenaci on(v) = v donde v=(v1 ,..., vn ) es una permutaci on de v=(v1 ,..., vn ) tal que v1 v2 . . . vn donde es la relaci on de orden elegida para clasicar los elementos de v.
n de arrays 15.2. Ordenacio

e re r En todos los algoritmos que se van a estudiar a continuaci on, se supondr a que la ordenaci on se llevar a a cabo en forma creciente. Es obvio que las modicaciones que se tendr an que realizar para ordenar un vector con otra relaci on de orden son inmediatas y se dejan para el lector.
307
15.2.1
Selecci on directa
Este algoritmo resuelve el problema de la ordenaci on recorriendo el vector y seleccionando en cada recorrido el menor elemento para situarlo en su lugar correspondiente. El esquema b asico del algoritmo de selecci on directa es: 1. Se sit ua en v1 el menor valor entre v1 , . . . , vn . Para ello se intercambian los valores de v1 y vm siendo vm = m n {vk }.
k =1,...,n
Por ejemplo, para el vector (4, 5, 7, 1, 9, 8, 2), este primer paso produce el intercambio representado en la siguiente gura:
4 _
1 _
2. Se sit ua en v2 el menor valor entre v2 , . . . , vn . Para ello se intercambian los valores de v2 y vm siendo vm = m n {vk }.
k =2,...,n
En el ejemplo, se produce el intercambio:
5 _
8 2 _
... (j-1). Se sit ua en vj1 el menor valor entre vj1 , . . . , vn . Para ello se intercambian los valores de vj1 y vm siendo vm = m n {vk }.
k =j 1,...,n
... (n-1). Se sit ua en vn1 el menor valor entre vn1 y vn . Para ello se intercambian los valores de vn1 y vn si es necesario.
308
squeda y ordenacio n Cap tulo 15. Algoritmos de bu La situaci on nal en el ejemplo es representada en la siguiente gura:
1 2 4 5 7 _ 8_ 9
El primer nivel de dise no del algoritmo es:

para cada i entre 1 y n - 1 hacer Colocar en vi el menor entre vi , . . . , vn ; Devolver v, ya ordenado
donde Colocar en vi el menor entre vi , . . . , vn es:

valMenor:= v[i]; posMenor:= i; para cada j entre i + 1 y n hacer si v[j] < valMenor entonces valMenor:= v[j]; posMenor:= j n {si} n {para} Intercambiar v[i] con v[PosMenor];
Por lo tanto, una posible implementaci on de ordenaci on de un vector, siguiendo el algoritmo de selecci on directa, podr a ser la siguiente:
procedure SeleccionDirecta(var v: tVector); {Efecto: se ordena v ascendentemente} var i, j, posMenor: tIntervalo; valMenor, aux: integer; begin for i:= 1 to N-1 do begin {Inv.: j, 1 j i 1, v[j] v[j+1] y adem as todos los v[i]...v[N] son mayores que v[i-1]} valMenor:= v[i]; {se dan valores iniciales} posMenor:= i; for j:= i + 1 to n do if v[j] < valMenor then begin {se actualiza el nuevo valor menor y la posici on donde se encuentra} valMenor:= v[j]; posMenor:= j end {if}

if posMenor <> i then begin {Si el menor no es v[i], se intercambian los valores} aux:= v[i]; v[i]:= v[posMenor]; v[posMenor]:= aux end {if} end; {for i} end; {SeleccionDirecta}
309
15.2.2
Inserci on directa
Este algoritmo recorre el vector v insertando el elemento vi en su lugar correcto entre los ya ordenados v1 , . . . , vi1 . El esquema general de este algoritmo es: 1. Se considera v1 como primer elemento. 2. Se inserta v2 en su posici on correspondiente en relaci on a v1 y v2 . 3. Se inserta v3 en su posici on correspondiente en relaci on a v1 , . . . , v3 . ... i. Se inserta vi en su posici on correspondiente en relaci on a v1 , . . . , vi . ... n. Se inserta vn en su posici on correspondiente en relaci on a v1 , . . . , vn . En el diagrama de la gura 15.1 se muestra un ejemplo de aplicaci on de este algoritmo. Atendiendo a esta descripci on, el dise no descendente de este algoritmo tiene como primer nivel el siguiente:
para cada i entre 2 y N hacer Situar v[i] en su posici on ordenada respecto a v[1],. . . , v[i-1]
Donde Situar v[i] en su posici on ordenada respecto a v[1],. . . , v[i-1] puede renarse de la siguiente forma:
Localizar la posici on j entre 1 e i-1 correspondiente a v[i]; Desplazar una posici on las componentes v[j+1],. . . , v[i-1]; v[j]:= v[i]
Por lo tanto, una implementaci on de este algoritmo ser a:
310
4 2 2 2 2 2 1
2 4 3 3 3 3 2
3 3 4 4 4 4 3
9 9 9 9 5 5 4
5 5 5 5 9 8 5
8 8 8 8 8 9 8
1 1 1 1 1 1 9
Figura 15.1. procedure InsercionDirecta(var v: tVector); {Efecto: se ordena v ascendentemente} var i, j: tIntervalo; aux: tElem; begin for i:= 2 to N do begin {Inv.: j, 1 j < i, v[j] v[j+1]} aux:= v[i]; {se dan los valores iniciales} j:= i - 1; while (j >= 1) and (v[j] > aux) do begin v[j+1]:= v[j]; {Desplazamiento de los valores mayores que v[i]} j:= j-1 end; {while} v[j+1]:= aux end {for} end; {InsercionDirecta}
15.2.3
Intercambio directo
El algoritmo por intercambio directo recorre el vector buscando el menor elemento desde la u ltima posici on hasta la actual y lo sit ua en dicha posici on. Para ello, se intercambian valores vecinos siempre que est en en orden decreciente. As se baja, mediante sucesivos intercambios, el valor menor hasta la posici on deseada. M as concretamente, el algoritmo consiste en: 1. Situar el elemento menor en la primera posici on. Para ello se compara el u ltimo elemento con el pen ultimo, intercambiando sus valores si est an
311
4 4 4 4 4 4
El menor est colocado
9 9 9 9 9 1 4
7 7 7 7 1 9 9
1 1 1 1 7 7 7
8 8 2 2 2 2 2
7 2 8 8 8 8 8
2 7 7 7 7 7 7
1 _
Figura 15.2.
en orden decreciente. A continuaci on se comparan el pen ultimo elemento con el anterior, intercambi andose si es necesario, y as sucesivamente hasta llegar a la primera posici on. En este momento se puede asegurar que el elemento menor se encuentra en la primera posici on. As , para el vector (4, 9, 7, 1, 8, 7, 2), se realiza el proceso representado en la gura 15.2. 2. Situar el segundo menor elemento en la segunda posici on. Para ello se procede como antes nalizando al llegar a la segunda posici on, con lo que se sit ua el elemento buscado en dicha posici on. En el ejemplo, se obtiene en este paso el vector (1, 2, 4, 9, 7, 7, 8). . . . Se repite el proceso para las posiciones intermedias. (n-1). Se comparan los dos u ltimos valores, intercambi andose si est an en orden decreciente, obteniendose as el vector ordenado. En el caso del ejemplo se obtiene el vector (1, 2, 4, 7, 7, 8, 9). El seudoc odigo correspondiente al primer nivel de dise no de este algoritmo es:
para i entre 1 y n-1 hacer Desplazar el menor valor desde vn hasta vi , intercambiando pares vecinos, si es necesario Devolver v, ya ordenado
Por lo tanto, una implementaci on del algoritmo puede ser:
312

procedure OrdenacionPorIntercambio(var v: tVector); {Efecto: se ordena v ascendentemente} var i, j: tIntervalo; aux: tElem; begin for i:= 1 to N-1 do {Inv.: j, 1 j < i, v[j] v[k], k tal que j k < N} for j:= N downto i + 1 do {Se busca el menor desde atr as y se sit ua en vi } if v[j-1] > v[j] then begin {intercambio} aux:= v[j]; v[j]:= v[j-1]; v[j-1]:= aux end {if} end; {OrdenacionPorIntercambio}
15.2.4
Ordenaci on r apida (Quick Sort )
El algoritmo de ordenaci on r apida 2 debido a Hoare, consiste en dividir el vector que se desea ordenar en dos bloques. En el primer bloque se sit uan todos los elementos del vector que son menores que un cierto valor de v que se toma como referencia (valor pivote), mientras que en el segundo bloque se colocan el resto de los elementos, es decir, los que son mayores que el valor pivote. Posteriormente se ordenar an (siguiendo el mismo proceso) cada uno de los bloques, uni endolos una vez ordenados, para formar la soluci on. En la gura 15.3 se muestran gr acamente las dos fases de ordenaci on. Evidentemente, la condici on de parada del algoritmo se da cuando el bloque que se desea ordenar est e formado por un u nico elemento, en cuyo caso, obviamente, el bloque ya se encuentra ordenado. Tambi en se puede optar por detener el algoritmo cuando el n umero de elementos del bloque sea sucientemente peque no (generalmente con un n umero aproximado de 15 elementos), y ordenar este siguiendo alguno de los algoritmos vistos anteriormente (el de inserci on directa, por ejemplo).
e re r El n umero elegido de 15 elementos es orientativo. Se deber a elegir dicha cantidad mediante pruebas de ensayo para localizar el valor optimo.
Aunque cualquier algoritmo de ordenaci on visto anteriormente sea m as lento (como veremos en el cap tulo de complejidad algor tmica) que el Quick Sort , este u ltimo pierde gran cantidad de tiempo en clasicar los elementos en
2
Quick Sort en ingl es.
313
sort izq der
Separar
Pivote
Ordenar izq < l < p
v[l] < p
v[n] > p
k < n < der sort
sort
Figura 15.3.
los dos bloques, por lo que, cuando el n umero de elementos es peque no, no es rentable utilizar Quick Sort . En este apartado vamos a desarrollar el algoritmo Quick Sort con la primera condici on de parada, dejando al lector el desarrollo de la segunda versi on. Este algoritmo sigue el esquema conocido con el nombre de divide y vencer as (v ease el apartado 20.2) que, b asicamente, consiste en subdividir el problema en dos iguales pero de menor tama no para posteriormente combinar las dos soluciones parciales obtenidas para producir la soluci on global. El seudoc odigo correspondiente al primer nivel en el dise no descendente del algoritmo Quick Sort es:
si v es de tama no 1 entonces v ya est a ordenado si no Dividir v en dos bloques A y B con todos los elementos de A menores que los de B n {si} Ordenar A y B usando Quick Sort Devolver v ya ordenado como concatenaci on de las ordenaciones de A y de B
314
izq
der
v[l] < p
izq < l < i
v[m] = p
< m <
v[n] > p
k < n < der
Figura 15.4.
Donde Dividir v en dos bloques A y B se puede renar en:

Elegir un elemento p (pivote) de v para cada elemento del vector hacer si elemento < p entonces Colocar elemento en A, el subvector con los elementos de v menores que p en otro caso Colocar elemento en B, el subvector con los elementos de v mayores que p e re r
De cara a la implementaci on, y por razones de simplicidad y ahorro de memoria, es preferible situar los subvectores sobre el propio vector original v en lugar de generar dos nuevos arrays.
Con todo lo anterior, una implementaci on de este algoritmo podr a ser:

procedure QuickSort(var v: tVector); {Efecto: se ordena v ascendentemente} procedure SortDesdeHasta(var v: tVector; izq,der: tIntervalo); {Efecto: v[izq..der] est a ordenado ascendentemente} var i,j: tIntervalo; p,aux: tElem; begin i:= izq; j:= der; {se divide el vector v[izq..der] en dos trozos eligiendo como pivote p el elemento medio del array} p:= v[(izq + der) div 2]; {si i >= d el subvector ya est a ordenado} {Inv.: s, izq s < i, v[s] < p y t tal que j < t der v[s] > p}

while i < j do begin {se reorganizan los dos subvectores} while v[i] < p do i:= i + 1; while p < v[j] do j:= j - 1; if i <= j then begin {intercambio de elementos} aux:= v[i]; v[i]:= v[j]; v[j]:= aux; {ajuste de posiciones} i:= i + 1; j:= j - 1 end {if} end; {while} if izq < j then SortDesdeHasta(v,izq,j); if i < der then SortDesdeHasta(v,i,der) end; {SortDesdeHasta} begin {QuickSort} SortDesdeHasta(v,1, n) end; {QuickSort}
315
Para facilitar la comprensi on del m etodo, se ha realizado un ejemplo de su funcionamiento provocando algunas llamadas sobre el vector inicial v= [0, 3, 86, 20, 27] y mostrando el vector tras cada llamada: v v v v = = = = [0, [0, [0, [0, 3, 3, 3, 3, 86, 27, 27, 27, 20, 20, 20, 20, 27] 86] 86] 86]
SortDesdeHasta(v,1,5) SortDesdeHasta(v,1,4) SortDesdeHasta(v,1,4)
A prop osito de este algoritmo, es necesaria una observaci on sobre su eciencia. El mejor rendimiento se obtiene cuando el pivote elegido da lugar a dos subvectores de igual tama no, dividi endose as el vector en dos mitades. Este algoritmo tambi en proporciona un coste m nimo cuando los elementos del vector se distribuyen aleatoriamente (equiprobablemente). Sin embargo, puede ocurrir que los elementos est en dispuestos de forma que, cada vez que se elige el pivote, todos los elementos queden a su izquierda o todos a su derecha. Entonces, uno de los dos subvectores es vac o y el otro carga con todo el trabajo. En este caso, el algoritmo da un p esimo rendimiento, comparable a
316
sort izq centro der
v sort izq Divisin sort centro centro + 1 ... ...
der
Mezcla ordenada
...
Figura 15.5.
los algoritmos de selecci on, inserci on e intercambio. Un ejemplo de esta situaci on se tiene cuando el vector por ordenar tiene los elementos inicialmente dispuestos en orden descendente y el pivote elegido es, precisamente, el primer (o el u ltimo) elemento.
15.2.5
Ordenaci on por mezcla (Merge Sort )
Al igual que Quick Sort , el algoritmo de ordenaci on Merge Sort va a utilizar la t ecnica divide y vencer as. En este caso la idea clave del algoritmo consiste en dividir el vector v en dos subvectores A y B (de igual tama no, si es posible), sin tener en cuenta ning un otro criterio de divisi on. Posteriormente se mezclar an ordenadamente las soluciones obtenidas al ordenar A y B (aplicando nuevamente, a cada uno de los subvectores, el algoritmo Merge Sort ). En la gura 15.5 se muestra un esquema de este algoritmo. Para Merge Sort tambi en se pueden considerar las condiciones de parada descritas en el apartado anterior para el algoritmo Quick Sort , desarroll andose a continuaci on el dise no descendente y la implementaci on para el primer caso de parada (cuando se llega a subvectores de longitud 1). Se deja como ejercicio para el lector el desarrollo de la implementaci on de Merge Sort con la segunda condici on de parada, es decir, la combinaci on de Merge Sort con otro algoritmo de ordenaci on cuando se llega a subvectores de una longitud dada.
n de arrays 15.2. Ordenacio El algoritmo Merge Sort puede esbozarse como sigue:
si v es de tama no 1 entonces v ya est a ordenado si no Dividir v en dos subvectores A y B n {si} Ordenar A y B usando Merge Sort Mezclar las ordenaciones de A y B para generar el vector ordenado.
317
En este caso, el paso Dividir v en dos subvectores A y B consistir a en:

Asignar a A el subvector [v1 , . . . , vn div 2 ] Asignar a B el subvector [vn div 2+1 , . . . , vn ]
mientras que Mezclar las ordenaciones de A y B consistir a en desarrollar un procedimiento (que llamaremos Merge) encargado de ir entremezclando adecuadamente las componentes ya ordenadas de A y de B para obtener el resultado buscado. De acuerdo con este dise no se llega a la implementaci on que se muestra a continuaci on. Al igual que en la implementaci on de Quick Sort , se sit uan los subvectores sobre el propio vector original v en lugar de generar dos nuevos arrays.
procedure MergeSort(var vector: tVector); {Efecto: se ordena vector ascendentemente} procedure MergeSortDesdeHasta(var v: vector; izq, der: {Efecto: se ordena v[izq..der] ascendentemente} var centro : tIntervalo;
integer);
procedure Merge(vec: tVector; iz, ce, de: tIntervalo; var w: tVector); {Efecto: w := mezcla ordenada de los subvectores v[iz..ce] y v[ce+1..de]} var i,j,k: 1..N; begin {Merge} i:= iz; j:= ce + 1; k:= iz; {k recorre w, vector que almacena la ordenaci on total} while (i <= ce) and (j <= de) do begin {Inv.: m, iz m < k, w[m] w[m+1]} if vec[i] < vec[j] then begin
318

w[k]:= vec[i]; i:= i + 1 end {Then} else begin w[k]:= vec[j]; j:= j + 1 end; {Else} k:= k + 1; end; {While} for k:= j to de do w[k]:= vec[k] for k:= i to ce do w[k+de-ce]:= vec[k] end; {Merge} begin {MergeSortDesdeHasta} centro:= (izq + der) div 2; if izq < centro then MergeSortDesdeHasta(v, izq, centro); if centro < der then MergeSortDesdeHasta(v, centro+1, der); Merge(v, izq, centro, der, v) end; {MergeSortDesdeHasta} begin {MergeSort} MergeSortDesdeHasta(vector, 1, N) end; {MergeSort}
Para facilitar la comprensi on del m etodo se ha realizado un ejemplo, provocando algunas llamadas sobre el vector inicial v= [8, 5, 7, 3] y mostrando el vector tras cada llamada: v v v v = = = = [8, [5, [5, [3, 5, 8, 8, 5, 7, 7, 3, 7, 3] 3] 7] 8]
MergeSortDesdeHasta(v,1,2) MergeSortDesdeHasta(v,3,4) Merge(v,1,2,4,v)
15.2.6
Vectores paralelos
Sup ongase que se desea ordenar un vector vectFich de la forma array[1..N] of tFicha siendo el tipo tFicha de un gran tama no.

1 2 3 4 5 rsula Enrique Orlando Adrin Isabel ... ... ... ... ... 1 Adrin Enrique Isabel Orlando rsula ... ... ... ... ...
319
Ordenacin
2 3 4 5
Figura 15.6.
Una posibilidad interesante consiste en crear otro vector vectPosic de la forma array[1..N] of [1..N] cuyas componentes reeren una cha completa, mediante su posici on, siendo inicialmente vectPosic[i] = i i {1, . . . N }
El inter es de esta representaci on indirecta reside en aplicar este m etodo a cualquiera de los algoritmos de ordenaci on estudiados, con la ventaja de que la ordenaci on se puede efectuar intercambiando las posiciones en vez de los registros (extensos) completos. Por ejemplo, supongamos que el tipo de datos tFicha es un registro con datos personales, entre los que se incluye el nombre. La gura 15.6 muestra el vector vectFich antes y despu es de la ordenaci on. Si no se emplea el m etodo de los vectores paralelos, el algoritmo de ordenaci on empleado deber a incluir instrucciones como las siguientes:
if vectFich[i].nombre > vectFich[j].nombre then begin {Intercambiar vectFich[i], vectFich[j]} elemAux:= vectFich[i]; vectFich[i]:= vectFich[j]; vectFich[j]:= elemAux end
Como se puede comprobar, en las instrucciones de intercambio es necesario mantener tres copias de elementos del tipo tElemento. Sin embargo, si se utiliza un vector paralelo (como se muestra en la gura 15.7), s olo se producen cambios en el vector de posiciones. El fragmento de c odigo correspondiente a los intercambios quedar a como sigue:
320
Pos 1 2 3 4 5 1 2 3 4 5
v 1 rsula 2 Enrique ... ... Ordenacin de los ndices 1 2 3 4 5
Pos 4 2 5 3 1 1
v rsula . . .
2 Enrique . . . 3 4 5 Orlando . . . Adrin . . . Isabel ...
3 Orlando . . . 4 Adrin 5 Isabel ... ...
Figura 15.7. if vectFich[vectPosic[i]].nombre > vectFich[vectPosic[j]].nombre then begin {Intercambiar vectPosic[i], vectPosic[j] [1..N]} posAux:= vectPosic[i]; vectPosic[i]:= vectPosic[j]; vectPosic[j]:= posAux end
As se manipulan u nicamente tres copias de posiciones, que son de tipo integer, con el consiguiente ahorro de tiempo y espacio, ya que es m as eciente intercambiar dos ndices que dos elementos (siempre y cuando estos sean grandes). Adem as, el m etodo de los vectores paralelos tiene la ventaja a nadida de que permite mantener varios ndices, que en el ejemplo permitir an realizar ordenaciones por nombre, DNI, etc. Finalmente, tambi en conviene indicar que la idea de manejar las posiciones en lugar de los elementos mismos se explota ampliamente en programaci on din amica (v eanse los cap tulos 16 y 17).
15.3
Algoritmos de b usqueda en archivos secuenciales
La variedad de algoritmos de b usqueda en archivos se ve muy restringida en Pascal por la limitaci on a archivos de acceso secuencial. Este hecho obliga a que la localizaci on del elemento buscado se haga examinando las sucesivas
squeda en archivos secuenciales 15.3. Algoritmos de bu
321
componentes del archivo. Por tanto, la estrategia de b usqueda ser a la misma que se emplea en los algoritmos de b usqueda secuencial en arrays (v eanse los apartados 15.1.1 y 15.1.2). En este breve apartado nos limitaremos a mostrar la adaptaci on directa de estos algoritmos de b usqueda para archivos arbitrarios y para archivos ordenados.
15.3.1
B usqueda en archivos arbitrarios
Supongamos que se dispone de un archivo denido de la siguiente forma:

type tElem = record clave: tClave; resto de la informaci on end; tArchivoElems = le of tElem;
Con esto, el procedimiento de b usqueda queda como sigue (por la simplicidad de la implementaci on se han obviado los pasos previos de dise no y algunos aspectos de la correcci on):
procedure Buscar(var f: tArchivoElems; c: tClave; var elem: var encontrado: boolean); {PostC: si c est a en f entonces encontrado = True y elem es el elemento buscado; en otro caso encontrado = False} begin encontrado:= False; while not EoF(f) and not encontrado do begin Read(f, elem); if c = elem.clave then encontrado:= True end {while} end; {Buscar} tElem;
15.3.2
B usqueda en archivos ordenados
Al igual que ocurre con la b usqueda secuencial en arrays, el algoritmo puede mejorarse si las componentes del archivo est an ordenadas por sus claves. En este caso, se puede evitar recorrer in utilmente la parte nal del archivo si hemos detectado una clave mayor que la buscada, ya que entonces tendremos la certeza de que el elemento no est a en el archivo. La modicaci on en el c odigo es muy sencilla, puesto que basta con variar la condici on de salida del bucle while para que contemple la ordenaci on del archivo. El nuevo procedimiento es el siguiente:
322

procedure BuscarOrd(var f: tArchivoElems; c: clave; var elem: tElem; var encontrado: boolean); {PostC.: si c est a en f entonces encontrado = True y elem es el elemento buscado; en otro caso encontrado = False} var ultimaClave: clave; begin encontrado:= False; ultimaClave:= cota superior de las claves; while not EoF(f) and ultimaClave > c do begin Read(f, elem); if c = elem.clave then encontrado:= True; ultimaClave:= elem.clave end {while} end; {BuscarOrd}
15.4
Mezcla y ordenaci on de archivos secuenciales
Una de las operaciones fundamentales en el proceso de archivos es el de su ordenaci on, de forma que las componentes contiguas cumplan una cierta relaci on de orden. Cuando los archivos tengan un tama no peque no pueden leerse y almacenarse en un array, pudi endose aplicar las t ecnicas de ordenaci on estudiadas para arrays. Estas t ecnicas son tambi en aplicables a archivos de acceso directo (v ease el apartado B.9). Por u ltimo, cuando el u nico acceso permitido a los archivos es el secuencial, como en los archivos de Pascal, es necesario recurrir a algoritmos espec cos para dicha ordenaci on. El m etodo m as frecuente de ordenaci on de archivos secuenciales es en realidad una variante no recursiva del algoritmo Merge Sort estudiado para arrays en el apartado anterior. Consiste en dividir el archivo origen en dos archivos auxiliares y despu es mezclarlos ordenadamente sobre el propio archivo origen, obteniendo de esta forma, al menos, pares de valores ordenados. Si ahora se vuelve a dividir el archivo origen y se mezclan otra vez, se obtienen, al menos, cu adruplas de valores ordenados, y as sucesivamente hasta que todo el archivo est e ordenado. A este proceso que usa dos archivos auxiliares se le denomina de mezcla simple. Si se usan m as archivos auxiliares, se llama de mezcla m ultiple, con el que se puede mejorar el tiempo de ejecuci on.
n de archivos secuenciales 15.4. Mezcla y ordenacio
323
sort
Particin por tramos ... aux1 Mezcla ordenada
arch
... aux2
arch
Figura 15.8.
Por lo tanto se tienen dos acciones diferentes: por una parte hay que dividir el archivo original en otros dos, y por otra hay que mezclar ordenadamente los dos archivos auxiliares sobre el archivo original, como se puede ver en la gura 15.8. Vamos a concentrarnos primero en esta segunda acci on de mezcla ordenada, ya que tiene entidad propia dentro del proceso de archivos: en el caso de disponer de dos archivos ordenados, situaci on que se da con relativa frecuencia, la mezcla ordenada garantiza que el archivo resultante tambi en est e ordenado. Para realizar la mezcla se ha de acceder a las componentes de los dos archivos, utilizando el operador , que aplicaremos a los archivos aux1 y aux2. Si la primera componente de aux1 es menor que la de aux2, se escribe en el archivo arch y se accede al siguiente valor de aux1. En caso contrario, se escribe en arch la primera componente de aux2 avanzando en este archivo. En el caso de que se llegara, por ejemplo, al nal del archivo aux1, hay que copiar las restantes componentes de aux2 en arch. Si por el contrario, terminara aux2, habremos de copiar las restantes componentes de aux1 en arch. Dados los valores de aux1 y aux2, la secuencia de lecturas y escrituras ser a la que se muestra el al gura 15.9.
324

... ...
aux1
aux2
arch
...
Figura 15.9.
Veamos el dise no descendente de Mezcla:

mientras no se acabe si aux1^ < aux2^ arch^:= aux1^ Avanzar aux1 Poner en arch n {si} si aux2^ < aux1^ arch^:= aux2^ Avanzar aux2 Poner en arch n {si} n {mientras} mientras no se acabe arch^:= aux1^ Avanzar aux1 Poner en arch n {mientras} mientras no se acabe arch^:= aux2^ Avanzar aux2 Poner en arch n {mientras} aux1 y no se acabe aux2 hacer entonces
entonces
aux1 hacer
aux2 hacer
A continuaci on se ha escrito el procedimiento Mezcla en Pascal:

procedure Mezcla(var aux1, aux2, arch: archivo); {Efecto: arch := mezcla ordenada de aux1 y aux2} begin Reset(aux1); Reset(aux2); ReWrite(arch);

while not EoF(aux1) and not EoF(aux2) do if aux1^ < aux2^ then begin arch^:= aux1^; Put(arch); Get(aux1) end {if} else begin arch^:= aux2^; Put(arch); Get(aux2) end; {else} while not EoF(aux1) do begin {Se copia en arch el resto de aux1, si es necesario} arch^:= aux1^; Put(arch); Get(aux1) end; {while} while not EoF(aux2) do begin {Se copia en arch el resto de aux2, en caso necesario} arch^:= aux2^; Put(arch); Get(aux2) end; {while} Close(arch); Close(aux1); Close(aux2) end; {Mezcla}
325
Como puede apreciarse el procedimiento Mezcla que se propone utiliza el cursor de archivo, lo que no est a permitido en Turbo Pascal (v ease el apartado B.9). Para poder utilizar dicho procedimiento en Turbo Pascal hay que modicarlo, utilizando en su lugar el procedimiento Mezcla que se detalla seguidamente. El nuevo procedimiento Mezcla dispone, a su vez, de dos procedimientos anidados: el primero, llamado LeerElemDetectandoFin, comprueba si se ha alcanzado el nal del archivo, y en caso contrario lee una componente del archivo. El segundo, PasarElemDetectando, escribe una componente dada en el archivo de destino, y utiliza el procedimiento LeerElemDetectandoFin para obtener una nueva componente. A continuaci on se muestra el procedimiento Mezcla modicado:
procedure Mezcla(var aux1, aux2, arch: tArchivo); {Efecto: arch := mezcla ordenada de aux1 y aux2} var c1,c2: tComponente; finArch1, finArch2: boolean;
326
procedure LeerElemDetectandoFin(var arch: tArchivo; var comp: tComponente; var finArch: boolean); begin finArch:= EoF(arch); if not finArch then Read(arch, comp) end; {LeerElemDetectandoFin} procedure PasarElemDetectandoFin(var archOrigen, archDestino: tArchivo; var comp: tComponente; var finArchOrigen: boolean); begin Write(archDestino, comp); LeerElemDetectandoFin(archOrigen, comp, finArchOrigen) end; {PasarElemDetectandoFin} begin {Mezcla} Reset(aux1); Reset(aux2); Rewrite(arch); LeerElemDetectandoFin(aux1, c1, finArch1); LeerElemDetectandoFin(aux2, c2, finArch2); while not finArch1 and not finArch2 do if c1 < c2 then PasarElemDetectandoFin (aux1, arch, c1, finArch1) else PasarElemDetectandoFin (aux2, arch, c2, finArch2); while not finArch1 do PasarElemDetectandoFin (aux1, arch, c1, finArch1); while not finArch2 do PasarElemDetectandoFin (aux2, arch, c2, finArch2); Close(arch); Close(aux1); Close(aux2) end; {Mezcla}
Abordamos ahora el desarrollo de la otra acci on a realizar en este algoritmo, que es la divisi on de arch en los dos archivos auxiliares aux1 y aux2. Para optimizar esta tarea conviene tener en cuenta los posibles tramos ordenados que existan ya en arch para no desordenarlos. As , mientras los sucesivos valores que se van leyendo de arch est en ordenados, los vamos escribiendo, por ejemplo, en aux1. En el momento en que una componente de arch est e desordenada pasamos a escribir en aux2 donde seguiremos escribiendo los sucesivos valores de arch que formen otro tramo ordenado. Al aparecer un nuevo valor fuera de orden cambiamos de nuevo a aux2.

...
327
arch
aux1
...
aux2
...
Figura 15.10.
Dados los valores de arch, un ejemplo de divisi on ser a la que aparece en la gura 15.10. Este m etodo de divisi on hace que los archivos tengan el mismo n umero de tramos o a lo sumo que dieran en uno, por lo que su mezcla se denomina mezcla equilibrada. Adem as, se detecta inmediatamente si arch est a ordenado, ya que existir a un u nico tramo que se escribir a en aux1, quedando aux2 vac o. Para saber cu ando cambiar de archivo auxiliar hay que comprobar si el valorAnterior le do es mayor que el valorActual, lo que obliga a realizar una lectura inicial, sin comparar, para tener un valor asignado a valorAnterior, y a almacenar en una variable booleana cambio el destino actual. Al escribir al menos una componente en aux2, este ya no est a vac o, lo que se nalizaremos con una variable booleana esVacio2. Veamos c omo podr a ser un primer esbozo de Division:
si no se ha acabado arch entonces Leer valorActual de arch Escribir valorActual en aux1 valorAnterior:= valorActual n {si} mientras no se acabe arch hacer Leer valorActual de arch si valorAnterior > valorActual entonces Cambiar cambio si cambio entonces Escribir valorActual en aux1 si no Escribir valorActual en aux2 esVacio2:= False n {si no} valorAnterior:= valorActual n {mientras}
328
A continuaci on se ha implementado el procedimiento Division en Pascal:

procedure Division(var arch, aux1, aux2: tArchivo; var esVacio2: boolean); {Efecto: arch se divide en dos archivos aux1 y aux2, copiando alternativamente tramos ordenados maximales} var valorActual, valorAnterior: tComponente; cambio: boolean; {conmuta la escritura en aux1 y aux2} begin Reset(arch); ReWrite (aux1); ReWrite (aux2); cambio:= True; esVacio2:= True; if not EoF(arch) then begin Read(arch, valorActual); Write(aux1, valorActual); valorAnterior:= valorActual end; while not EoF(arch) do begin {se buscan y copian los tramos ordenados} Read(arch, valorActual); if valorAnterior > valorActual then cambio:= not cambio; if cambio then Write(aux1, valorActual) else begin Write(aux2, valorActual); esVacio2:= False end; valorAnterior:= valorActual end; {while} Close(arch); Close(aux1); Close(aux2) end; {Division}
15.5. Ejercicios
329
15.5
Ejercicios
1. Se desea examinar el funcionamiento del m etodo de b usqueda por bipartici on del siguiente modo: N umero buscado: 27 1 4 5 12 25 27 31 42 43 56 73 76 78 80 99 [ < ] [ > ] [ = ] El 27 est a en la 6â posici on Modique el programa dado en el apartado 15.1.3 para que d e su salida de esta forma. 2. Para examinar igualmente la evoluci on de los m etodos de ordenaci on por intercambio, tambi en se pueden insertar los siguientes subprogramas: (a) Uno de escritura que muestre el contenido de un vector (que, supuestamente, cabe en una l nea) despu es de cada intercambio que se produzca. (b) Otro que sit ue las marcas > y < debajo de las componentes que se intercambian para facilitar su seguimiento visual. Desarrolle los subprogramas descritos e incorp orelos en un programa que muestre de este modo los intercambios que lleve a cabo. 3. Ordenaci on por el m etodo de la burbuja Un m etodo de ordenaci on consiste en examinar todos los pares de elementos contiguos (intercambi andolos si es preciso), efectuando este recorrido hasta que, en una pasada, no sea preciso ning un intercambio. Desarrolle un procedimiento para ordenar un vector siguiendo este algoritmo. 4. Desarrolle un procedimiento para ordenar una matriz de m n considerando que el u ltimo elemento de cada la y el primero de la siguiente son contiguos. 5. Dados dos archivos secuenciales ordenados ascendentemente, escriba un programa que los intercale, produciendo otro con los componentes de ambos ordenados ascendentemente. 6. Ordenaci on por separaci on Sea un archivo de texto compuesto por una l nea de enteros separados por espacios. (a) Escriba un subprograma que construya otro archivo a partir del original aplicando la siguiente operaci on a cada l nea: Si la l nea est a vac a, se ignora. Si la l nea tiene un solo elemento, se copia. De lo contrario, se extrae su primer elemento y se construyen tres l neas en el archivo nuevo: la primera formada por los elementos menores que el primero, en la segunda el primero, y en la tercera los mayores que el primero.
330

(b) Escriba un programa que repita el proceso anterior hasta obtener un archivo formado tan s olo por l neas unitarias, copi andolas entonces en una sola l nea. (c) Establezca las semejanzas que encuentre entre este algoritmo y uno de ordenaci on de vectores.
7. Ordenaci on por mezcla Sea un archivo de texto compuesto por una l nea de enteros separados por espacios. (a) Escriba un subprograma que construye otro archivo, a partir del original, de la siguiente forma: Primero se separan los enteros, situando uno en cada l nea. Luego se intercalan las l neas de dos en dos (v ease el ejercicio 5). Este paso se repetir a hasta llegar a un archivo con una sola l nea. (b) Establezca las semejanzas que encuentre entre este algoritmo y uno de ordenaci on de vectores. 8. Complete el programa del ejercicio 6 con las siguientes opciones: (a) Ordenar Inventario: que ordene el vector donde se almacenan los productos, utilizando alguno de los m etodos de ordenaci on presentados en el cap tulo, de las siguientes formas: De forma ascendente por su nombre, y en caso de que el nombre coincida, por su marca, y en caso de que esta tambi en coincidiera, de forma descendente por su tama no. De forma descendente por el valor obtenido al multiplicar su precio por el n umero de unidades inventariadas. (b) Ordenar Archivo: que ordene un archivo dado, donde se almacenan los productos, utilizando el m etodo de Divisi on y Mezcla, en las formas se naladas en el apartado primero
15.6
Con relaci on al contenido de esta parte del libro, en [Aho88] encontramos un tratamiento a un nivel elevado del tipo compuesto conjunto y de los algoritmos de b usqueda y ordenaci on; en particular, se recomienda la lectura del cap tulo 8 donde se abordan los principales esquemas de clasicaci on interna, y el cap tulo 11 donde se recogen los de clasicaci on externa. Otro texto interesante es [Coll87], con una clara orientaci on a Pascal. Los cap tulos de mayor inter es son el 4 dedicado a los conjuntos, el 5 dedicado a la estructura vectorial, el 12 sobre ordenaci on de vectores y el 14 que trata sobre archivos. El texto presenta un enfoque moderno y utiliza especicaciones formales. En esta bibliograf a no podemos dejar de citar el texto cl asico [Wir86], y en particular sus dos primeros temas sobre estructuras fundamentales de datos y ordenaci on de vectores y archivos. Utiliza t ecnicas de renamientos progresivos, pero no las especicaciones formales.
331
Otro de los textos m as utilizados sobre estos temas es [Dale89], que se caracteriza por la gran cantidad de ejemplos resueltos. Los cap tulos 9 y del 11 al 15 son los que tratan sobre tipos de datos. Un texto m as reciente es [Sal93], que en su parte cuatro reeja las estructuras de datos. Hace una presentaci on progresiva de los contenidos con ejercicios de complejidad creciente. Faltan por concretar algunos m etodos de ordenaci on de vectores y de archivos secuenciales. El m etodo de los vectores paralelos (apartado 15.2.6) no es nuevo; por ejemplo, se estudia en [DL89], aunque con el nombre de punteros de ordenaci on.
Tema V
Memoria din amica
Tema V
Memoria din amica
Cap tulo 16
Punteros
16.1 Introducci on al uso de punteros . . . . . . . . . . . . . 336 16.2 Aplicaciones no recursivas de los punteros . . . . . . . 344 16.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
Las estructuras de datos estudiadas hasta ahora se almacenan est aticamente en la memoria f sica del computador. Cuando se ejecuta un subprograma, se destina memoria para cada variable global del programa y tal espacio de memoria permanecer a reservado durante toda su ejecuci on, se usen o no tales variables; por ello, en este caso hablamos de asignaci on est atica de memoria. Esta rigidez presenta un primer inconveniente obvio: las estructuras de datos est aticas no pueden crecer o menguar durante la ejecuci on de un programa. Obs ervese sin embargo que ello no implica que la cantidad de memoria usada por un programa durante su funcionamiento sea constante, ya que depende, por ejemplo, de los subprogramas llamados. Y, m as a un, en el caso de subprogramas recursivos se podr a llegar f acilmente a desbordar la memoria del computador. Por otra parte, la representaci on de ciertas construcciones (como las listas) usando las estructuras conocidas (concretamente los arrays) tiene que hacerse situando elementos consecutivos en componentes contiguas, de manera que las operaciones de inserci on de un elemento nuevo o desaparici on de uno ya existente requieren el desplazamiento de todos los posteriores para cubrir el vac o producido, o para abrir espacio para el nuevo. Estos dos aspectos, tama no y disposici on r gidos, se superan con las llamadas estructuras de datos din amicas. La denici on y manipulaci on de estos objetos
336
Cap tulo 16. Punteros
se efect ua en Pascal mediante un mecanismo nuevo (el puntero), que permite al programador referirse directamente a la memoria. Adem as estas estructuras de datos son m as exibles en cuanto a su forma: rboles de tama a nos no acotados y con ramicaciones desiguales, redes (como las ferroviarias por ejemplo), etc. No obstante, esta nueva herramienta no est a exenta de peligros en manos de un programador novel, que deber a tratar con mayor cuidado las estructuras creadas, atender especialmente al agotamiento del espacio disponible, etc. En este cap tulo se estudia el concepto de puntero o apuntador (en ingl es pointer ) as como sus operaciones asociadas. Este es pues un cap tulo t ecnico, que muy bien podr a dar como primera impresi on que las aportaciones de este nuevo mecanismo son sobre todo dicultades y peligros. Naturalmente, no es as : una vez identicados los peligros y superados los detalles t ecnicos (cap tulo presente), el siguiente cap tulo lograr a sin duda convencer de que las m ultiples ventajas superan con creces los inconvenientes mencionados.
16.1
Introducci on al uso de punteros
Un puntero es una variable que sirve para se nalar la posici on de la memoria en que se encuentra otro dato almacenando como valor la direcci on de ese dato. Para evitar confusi on entre la variable puntero y la variable a la que apunta (o variable referida ) conviene imaginar gr acamente este mecanismo. En la siguiente gura se muestra la variable puntero ap, almacenada en la direcci on 012345, y la celda de memoria que contiene la variable a la que apunta.
Direccin 012345
ap
136520 Direccin 136520 dato
Puesto que no es el contenido real de la variable puntero lo que nos interesa, sino el de la celda cuya direcci on contiene, es m as com un usar el siguiente diagrama
n al uso de punteros 16.1. Introduccio
337
tipo
Figura 16.1. Denici on de un tipo puntero.
ap
dato
que explica por s mismo el porqu e de llamar puntero a la variable ap. Este u ltimo diagrama muestra que un puntero tiene dos componentes: la direcci on de memoria a la que apunta (contenido del puntero) y el elemento referido (contenido de la celda de memoria cuya direcci on est a almacenada en el puntero).
e re r Al usar punteros conviene tener muy claro que la variable puntero y la variable a la que apunta son dos variables distintas y, por lo tanto, sus valores son tambi en distintos. A lo largo del cap tulo se tendr a ocasi on de diferenciar claramente entre ambas.
16.1.1
Denici on y declaraci on de punteros
Antes de poder usar punteros en un programa es necesario declararlos: en primer lugar habr a que denir el tipo del dato apuntado y, posteriormente, declarar la(s) variable(s) de tipo puntero que se usar a(n). Por consiguiente, una variable puntero s olo puede se nalar a objetos de un mismo tipo, establecido en la declaraci on. As por ejemplo, un puntero podr a se nalar a caracteres, otro a enteros y otro a vectores pero, una vez que se declara un puntero, s olo podremos usarlo para se nalar variables del tipo para el cual ha sido denido. Esta exigencia permite al compilador mantener la consistencia del sistema de tipos, as como conocer la cantidad de memoria que debe reservar o liberar para el dato apuntado. El tipo puntero es un tipo de datos simple. El diagrama sint actico de su denici on aparece en la gura 16.1, en la que hay que resaltar que el circunejo (^) indica que se est a declarando un puntero a variables del tipo tipo.
338
Naturalmente, para usar punteros en un programa, no basta con denir el tipo puntero: es necesario declarar alguna variable con este tipo. En este fragmento de programa se dene el tipo tApuntChar como un puntero a variables de tipo char y, posteriormente, se declara la variable apCar de tipo puntero a caracteres.
type tApuntChar = ^char; var apCar: tApuntChar
Una variable de tipo puntero ocupa una cantidad de memoria ja, independientemente del tipo del dato se nalado, ya que su valor es la direcci on en que reside este. Por otra parte, si bien el tipo de la variable apCar es tApuntChar, el dato se nalado por apCar se denota mediante apCar^, cuyo tipo es por lo tanto char. Como ocurre con las otras variables, el valor de un puntero estar a en principio indenido. Pero, adem as, los objetos se nalados no tienen existencia inicial, esto es, ni siquiera existe un espacio en la memoria destinado a su almacenamiento. Por ello, no es correcto efectuar instrucciones como WriteLn(apCar1^) hasta que se haya creado el dato apuntado. Estas operaciones se estudian en el siguiente apartado.
16.1.2
Generaci on y destrucci on de variables din amicas
En la introducci on del tema se destac o la utilidad de la memoria din amica, de variables que se generan cuando se necesitan y se destruyen cuando han cumplido su cometido. La creaci on y destrucci on de variables din amicas se realiza por medio de los procedimientos predenidos New y Dispose, respectivamente. As pues, la instrucci on
New(apCar)
tiene un efecto doble: 1. Reserva la memoria para un dato del tipo apropiado (en este caso del tipo char). 2. Coloca la direcci on de esta nueva variable en el puntero.
n al uso de punteros 16.1. Introduccio que, gr acamente, se puede expresar as :

apCar
339
????
e re r
Obs ervese que la operaci on de generaci on New ha generado el dato apuntado por apCar, pero este contiene por el momento una informaci on desconocida.
Para destruir una variable din amica se usa el procedimiento est andar Dispose. La instrucci on
Dispose(apCar)
realiza las dos siguientes acciones 1. Libera la memoria asociada a la variable referida apCar^ (dej andola disponible para otros nes). 2. Deja indenido el valor del puntero. Gr acamente, esos efectos llevan a la siguiente situaci on:
apCar ????
En resumen, una variable din amica s olo se crear a cuando sea necesario (lo que ocasiona la correspondiente ocupaci on de memoria) y, previsiblemente, se destruir a una vez haya cumplido con su cometido (con la consiguiente liberaci on de la misma).
16.1.3
Operaciones b asicas con datos apuntados
Recu erdese que el dato referido por el puntero apCar se denota apCar^, que es de tipo char. Por consiguiente, son v alidas las instrucciones de asignaci on, lectura y escritura y dem as operaciones legales para los caracteres:
340
apCar apNum1

apNum2
Figura 16.2. type tApCaracter = ^char; var apCar: tApCaracter; ... New(apCar); ReadLn(apCar^); {supongamos que se da la letra B} apCar^:= Pred(apCar^); WriteLn(apCar^);
escribi endose en el output la letra A. Igualmente, suponiendo que se ha declarado

type tApNumero = înteger; var apNum1, apNum2: tApNumero;
el siguiente fragmento de programa es v alido:

New(apNum1); New(apNum2); apNum1^:= 2; apNum2^:= 4; apNum2^:= apNum1^ + apNum2^; apNum1^:= apNum2^ div 2;
y ambos fragmentos de instrucciones llevan a la situaci on de la gura 16.2, que ser a referida varias veces en este apartado. En general, las operaciones v alidas con un dato apuntado dependen de su tipo. Por ejemplo, el fragmento de programa siguiente
341
apNum1
apNum2
apVect
45
30
20 [1]
40 [2]
...
10240 [10]
Figura 16.3. type tVector10 = array[1..10] of real; tApNumero = înteger; tApVector10 = ^tVector10; var apNum1, apNum2: ApNumero; apVect: tApVector10; i: integer; ... New(apNum1); New(apNum2); New(apVect); apNum1^:= 45; apNum2^:= 30; apVect^[1]:= 2; for i:= 2 to 10 do apVect^[i]:= apVect^[i-1] * 2;
deja el estado de la memoria como se indica en la gura 16.3. Por su parte, las operaciones siguientes, por ejemplo, no ser an legales:
ReadLn(apVect^); {Lectura de un array de un solo golpe} apNum1^:= apNum2^ + apVect^[1]; {Tipos incompatibles}
16.1.4
Operaciones b asicas con punteros
S olo las operaciones de comparaci on (con la igualdad) y asignaci on est an permitidas entre punteros. En la situaci on de la gura 16.2, la comparaci on apNum1 = apNum2 resulta ser falsa. M as a un, tras ejecutar las instrucciones
342
apCar apNum1

apNum2
Figura 16.4.
apNum1^:= 6; apNum2^:= 6;
la comparaci on:
apNum1 = apNum2
seguir a siendo False, ya que las direcciones apuntadas no coinciden, a pesar de ser iguales los datos contenidos en dichas direcciones. Tambi en es posible la asignaci on
apNum1:= apNum2
cuyo resultado puede verse en la gura 16.4 en la que se observa que ambos punteros se nalan a la misma direcci on, resultando ahora iguales al compararlos:
apNum1 = apNum2
produce un resultado True y, como consecuencia, apNum1^ y apNum2^ tienen el mismo valor, 6. Adem as, esta coincidencia en la memoria hace que los cambios efectuados sobre apNum1^ o sobre apNum2^ sean indistintos:
ApNum1^:= 666; WriteLn(ApNum2^);
{666}

e re r Obs ervese que el espacio de memoria reservado inicialmente por el puntero apNum1 sigue situado en la memoria. Lo adecuado en este caso habr a sido liberar ese espacio con Dispose antes de efectuar esa asignaci on.
343
En ambos casos, asignaci on y comparaci on, es necesario conservar la consistencia de los tipos utilizados. Por ejemplo, en la situaci on representada en la gura 16.2, la siguiente asignaci on es err onea
apCar:= apNum1
porque, aunque ambas variables sean punteros, en su declaraci on queda claro que no apuntan a variables del mismo tipo.
e re r Obs ervese que las instrucciones apNum1:= apNum2 y apNum1^:= apNum2^ tienen distinto efecto. A continuaci on se muestra gr acamente el resultado de cada una de las instrucciones anteriores, partiendo de la situaci on de la gura 16.2,
Supuesto que apNum1^=3 y apNum2^=6 sean True apNum1 apNum2 apNum1 apNum2
3 apNum1 := apNum2
apNum1^ := apNum2^
donde se observa que, al asignar los punteros entre s , se comparte la variable referida; en nuestro caso la celda de memoria que conten a a apNum1^ se pierde, sin posibilidad de recuperaci on (a menos que otro puntero se nalara a esta celda). Por otra parte, al asignar las variables referidas se tiene el mismo valor en dos celdas distintas y los punteros permanecen sin variar.
16.1.5
El valor nil
Un modo alternativo para dar valor a un puntero es, simplemente, diciendo que no apunta a ning un dato. Esto se puede conseguir utilizando la constante predenida nil.
344
o bien
Figura 16.5. puntero iniciado en nil.
Por ejemplo, la siguiente asignaci on dene el puntero apCar:

apCar:= nil
Gr acamente, el hecho de que una variable puntero no apunte a nada se representa cruzando su celda de memoria con una diagonal, o bien mediante el s mbolo (prestado de la Electricidad) de conexi on a tierra, como se indica en la gura 16.5. En cuanto al tipo del valor nil es de resaltar que esta constante es com un a cualquier tipo de puntero (sirve para todos), pues s olo indica que el puntero est a anulado. En el cap tulo siguiente se pondr a de maniesto la utilidad de esta operaci on. Por el momento, digamos solamente que es posible saber si un puntero est a anulado, mediante la comparaci on con nil, por ejemplo mediante apNum1 = nil.
e re r Obs ervese que no es necesario iniciar los punteros apuntando a nil. En el ejemplo anterior se inician usando New, esto es, creando la variable referida.
16.2
Aplicaciones no recursivas de los punteros
Se ha comentado en la introducci on que las aplicaciones m as importantes de los punteros, est an relacionadas con las estructuras de datos recursivas, que estudiaremos en el cap tulo siguiente. El apartado que pone cierre a este presenta algunas situaciones con estructuras no recursivas en las que los punteros resultan u tiles. El hecho de que los punteros sean objetos de tipo simple es interesante y permite, entre otras cosas: 1. La asignaci on de objetos no simples en un solo paso. 2. La denici on de funciones cuyo resultado no es simple.
16.2. Aplicaciones no recursivas de los punteros
345
16.2.1
Asignaci on de objetos no simples
Esta aplicaci on adquiere mayor relevancia cuando se consideran registros de gran tama no en los que el problema es el elevado coste al ser necesaria la copia de todas sus componentes. Por ejemplo, en la situaci on
type tFicha = record nombre: ... direccion: ... ... end; {tFicha} var pers1, pers2: tFicha;
la asignaci on pers1:= pers2 es altamente costosa si el tipo tFicha tiene grandes dimensiones. Una forma de economizar ese gasto consiste en usar s olo su posici on, haciendo uso de punteros:
var p1, p2: ^tFicha;
en vez de las variables pers1 y pers2. Entonces, la instrucci on

p1:= p2
es casi instant anea, por consistir tan s olo en la copia de una direcci on. El articio anterior resulta u til, por ejemplo, cuando hace falta intercambiar variables de gran tama no. Si se dene el tipo
type tApFicha = ^tFicha;
el procedimiento siguiente efect ua el intercambio r apidamente, con independencia del tama no del tipo de datos fichas:
procedure Intercambiar(var p1, p2: tApFicha); var aux: tApFicha; begin aux:= p1; p1:= p2; p2:= aux end; {Intercambiar}
346
pDestino
n ta dist*Sin(ang) s di angulo a ci
(x,y)
dist*Cos(ang)
Figura 16.6.
La ordenaci on de vectores de elementos grandes es un problema en el que la aplicaci on mostrada demuestra su utilidad. Por ejemplo, la denici on
type tListaAlumnos = array [1..100] of tFicha;
se puede sustituir por un array de punteros,

type tListaAlumnos = array [1..100] of tApFicha;
de este modo la ordenaci on se realizar a de una manera mucho m as r apida, debido esencialmente al tiempo que se ahorra al no tener que copiar literalmente todas las chas que se cambian de posici on.
16.2.2
Funciones de resultado no simple
Esta aplicaci on tiene la misma base que la anterior, cambiar el objeto por el puntero al mismo. A continuaci on vemos un sencillo ejemplo en el que se aprovecha esta caracter stica. Supongamos, por ejemplo, que hemos de denir un programa que, dado un punto del plano, un angulo y una distancia, calcule un nuevo punto, alcanzado al recorrer la distancia seg un el rumbo dado, seg un la gura 16.6. Una primera aproximaci on al dise no del programa podr a ser la siguiente:
Lectura de datos: punto base, distancia y angulo C alculo del punto nal Escritura de resultados
Naturalmente, en primer lugar se deben denir los tipos, constantes y variables que se usar an en el programa: se denir a un tipo tPunto como un registro
16.2. Aplicaciones no recursivas de los punteros
347
de dos componentes de tipo real y un tipo din amico tApPunto que se nalar a al tipo punto, adem as se necesitar an dos variables distancia y angulo para leer los valores de la distancia y el angulo del salto, una de tipo punto para el origen del salto y otra de tipo tApPunto para el punto de destino.
type tPunto = record x, y: real end; {tPunto} tApPunto = ^tPunto; var angulo, distancia: real; origen: tPunto; pDestino: tApPunto;
El c alculo del punto nal se puede realizar mediante la denici on (y posterior aplicaci on) de una funci on. Esta tendr a que devolver un punto, formado por dos coordenadas; dado que esto no es posible, se devolver a un puntero al tipo tPunto (de ah la necesidad del tipo tApPunto). Dentro de la funci on utilizaremos el puntero pPun para generar la variable apuntada y realizar los c alculos, asign andolos nalmente a Destino para devolver el resultado de la funci on. La denici on de la funci on es absolutamente directa:
function Destino(orig: tPunto; ang, dist: real): tApPunto; var pPun: tApPunto; begin New(pPun); pPun^.x:= orig.x + dist * Cos(ang); pPun^.y:= orig.y + dist * Sin(ang); Destino:= pPun end; {Destino}
Finalmente, si se a naden los procedimientos de lectura de datos y escritura de resultados tenemos el siguiente programa:
Program Salto (input, output); type tPunto = record x, y: real end {tPunto}; tApPunto = ^tPunto;
348
var angulo, distancia: real; origen: tPunto; pDestino: tApPunto;
function Destino(orig: tPunto; ang, dist: real): tApPunto; var pPun: tApPunto; begin New(pPun); pPun^.x:= orig.x + dist * Cos(ang); pPun^.y:= orig.y + dist * Sin(ang) Destino:= pPun end; {Destino} begin Write(Introduzca la x y la y del punto origen: ); ReadLn(origen.x, origen.y); Write(Introduzca el rumbo y la distancia: ); ReadLn(angulo, distancia); pDestino:= Destino(origen, angulo, distancia); WriteLn(El punto de destino es:); WriteLn(X = , pDestino^.x:20:10, Y = , pDestino^.y:20:10) end. {Salto}
La idea m as importante de este programa estriba en que la funci on devuelve un valor de tipo puntero, que es un tipo simple, y por lo tanto correcto, como resultado de una funci on. Sin embargo, la variable referenciada por el puntero es estructurada, y almacena las dos coordenadas del punto de destino. Mediante esta estratagema, conseguimos obtener un resultado estructurado de una funci on.
16.3
Ejercicios
1. Implementar alg un algoritmo de ordenaci on de registros (por ejemplo, chas de alumnos), mediante un array de punteros, tal como se propone en el apartado 16.2.1. 2. Complete los tipos de datos apropiados para que sea correcta la siguiente instrucci on: for i:= 1 to n do begin New(p); p^:= i end {for}
16.3. Ejercicios
(a) Cu al es el efecto de ejecutarla?
349
(b) Cu al es el efecto de a nadir las siguientes instrucciones tras la anterior? WriteLn(p); WriteLn(p^); Dispose(p) (c) De qu e forma se pueden recuperar los valores 1...N 1 generados en el bucle for? 3. Escriba una funci on que reciba una matriz cuadrada de 3 3 y calcule (si es posible) su inversa, devolviendo un puntero a dicha matriz.
Cap tulo 17
Estructuras de datos recursivas
17.1 17.2 17.3 17.4 17.5 17.6 17.7
Estructuras recursivas lineales: Pilas . . . . . . . . . . . . . . . . . Colas . . . . . . . . . . . . . . . . Arboles binarios . . . . . . . . . Otras estructuras din amicas de Ejercicios . . . . . . . . . . . . . . Referencias bibliogr acas . . . .
las listas . . . . . . . . . . . . . . . . . . datos . . . . . . . . . . . . . .
enlazadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . .
351 362 370 376 387 389 391
En este cap tulo se introducen, a un nivel elemental, las estructuras de datos recursivas como la aplicaci on m as importante de la memoria din amica. Se presentan las listas , el tipo de datos recursivo m as sencillo y que tiene m ultiples aplicaciones, y los casos particulares de las pilas y las colas , como listas con un acceso controlado. Tambi en se introducen los arboles binarios como ejemplo de estructura de datos no lineal, y se termina apuntando hacia otras estructuras cuyo estudio queda fuera de nuestras pretensiones.
17.1
Estructuras recursivas lineales: las listas enlazadas
Las representaciones para listas que introducimos en este cap tulo nos permitir an insertar y borrar elementos m as f acil y ecientemente que en una implementaci on est atica (para listas acotadas) usando el tipo de datos array.
352
Cap tulo 17. Estructuras de datos recursivas
lista
Figura 17.1. Representaci on de una lista enlazada din amica.
A medida que desarrollemos las operaciones de inserci on y borrado, centraremos nuestra atenci on en las acciones necesarias para mantener diferentes clases particulares de listas: las pilas y las colas. Por lo com un, son las distintas operaciones requeridas las que determinar an la representaci on m as apropiada para una lista.
17.1.1
Una denici on del tipo lista
Una lista es una colecci on lineal de elementos que se llaman nodos. El t ermino colecci on lineal debe entenderse de la siguiente manera: tenemos un primer y un u ltimo nodo, de tal manera que a cada nodo, salvo el u ltimo, le corresponde un u nico sucesor, y a cada nodo, salvo el primero, le corresponde un u nico predecesor. Se trata, pues, de una estructura de datos cuyos elementos est an situados secuencialmente. Una denici on del tipo listas se puede realizar usando punteros y registros. Para ello consideramos que cada nodo de la lista es un registro con dos componentes: la primera almacena el contenido del nodo de la lista y, la segunda, un puntero que se nala al siguiente elemento de la lista, si este existe, o con el valor nil en caso de ser el u ltimo. Esta construcci on de las listas recibe el nombre de lista enlazada din amica. En la gura 17.1 se muestra gr acamente esta idea. Esencialmente, una lista ser a representada como un puntero que se nala al principio (o cabeza) de la lista. La denici on del tipo tLista de elementos de tipo tElem se presenta a continuaci on, junto con la declaraci on de una variable del tipo lista:
type tElem = char; {o lo que corresponda} tLista = ^tNodo; tNodo = record contenido: tElem; siguiente: tLista end; {tNodo}
17.1. Estructuras recursivas lineales: las listas enlazadas

lista 1) lista 2) lista 3) nuevoDato nuevoDato ?? ???? ??
353
Figura 17.2. Inserci on de un elemento en una lista vac a. var lista : tLista;
Sobre el c odigo anterior debe se nalarse que se dene tLista como un puntero a un tipo no denido todav a. Esto est a permitido en Pascal (supuesto que tal tipo es denido posteriormente, pero en el mismo grupo de deniciones) precisamente para poder construir estructuras recursivas.
17.1.2
Inserci on de elementos
Sup ongase que nuestra lista est a iniciada con el valor nil. Para introducir un elemento nuevoDato en ella, habr a que completar la siguiente secuencia de pasos, que se muestra gr acamente en la gura 17.2: 1. En primer lugar, habr a que generar una variable del tipo tNodo, que ha de contener el nuevo eslab on: esto se hace mediante la sentencia New(lista). 2. Posteriormente, se asigna nuevoDato al campo contenido del nodo reci en generado. La forma de esta asignaci on depender a del tipo de datos de la variable nuevoDato. 3. Y por u ltimo, hay que anular (con el valor nil) el campo siguiente del nodo para indicar que es el u ltimo de la lista. Para insertar un nuevoDato al principio de una lista no vac a, lista, se ha de proceder como se indica (v ease la gura 17.3): 1. Una variable auxiliar listaAux se usa para apuntar al principio de la lista con el n de no perderla. Esto es:
354
1)
lista
2) lista ???? A A listaAux ??
listaAux 3) 4) lista nuevoDato ?? lista
A listaAux
nuevoDato
listaAux
Figura 17.3. Adici on de un elemento al principio de una lista. listaAux:= lista
2. Despu es se asigna memoria a una variable del tipo tNodo (que ha de contener el nuevo elemento): esto se hace mediante la sentencia New(lista). 3. Posteriormente, se asigna nuevoDato al campo contenido del nuevo nodo:
lista^.contenido:= nuevoDato
4. Y, por u ltimo, se asigna la listaAux al campo siguiente del nuevo nodo para indicar los dem as elementos de la lista, es decir:
lista^.siguiente:= listaAux
A continuaci on se van a denir algunas de las operaciones relativas a listas. Para empezar, se desarrolla un procedimiento para a nadir un elemento al principio de una lista, atendiendo al dise no descrito por los pasos anteriores:

procedure AnnadirPrimero(var lista: tLista; nuevoDato: tElem); {Efecto: se a~ nade nuevoDato al comienzo de lista} var listaAux: tLista; begin listaAux:= lista; New(lista); lista^.contenido:= nuevoDato; lista^.siguiente:= listaAux end; {AnnadirPrimero}
355
Obs ervese que este procedimiento sirve tanto para cuando lista es vac a como para cuando no lo es.
17.1.3
Eliminaci on de elementos
A continuaci on se presenta el procedimiento Eliminar que sirve para eliminar el primer elemento de una lista no vac a. La idea es bastante simple: s olo hay que actualizar el puntero para que se nale al siguiente elemento de la lista (si existe).
procedure EliminarPrimero(var lista: tLista); {PreC.: la lista no est a vac a} {Efecto: el primer nodo ha sido eliminado} var listaAux: tLista; begin listaAux:= lista; lista:= lista^.siguiente; Dispose(listaAux) end; {EliminarPrimero}
17.1.4
Algunas funciones recursivas
La longitud de una lista La naturaleza recursiva de la denici on dada del tipo lista permite denir f acilmente funciones que trabajen usando un proceso recursivo. Por ejemplo, la funci on Longitud de una lista se puede denir recursivamente (es evidente que el caso base es Longitud(nil) = 0) siguiendo la l nea del siguiente ejemplo: Longitud ([a,b,c]) ; 1 + Longitud ([b,c]) ; 1 + (1 + Longitud([c])) ; 1 + (1 + (1 + Longitud(nil))) ; 1 + (1 + (1 + 0)) ; 3
356
De aqu se deduce que, si lista no est a vac a, y llamamos Resto(lista) a la lista sin su primer elemento, tenemos:
Longitud (lista) = 1 + Longitud (Resto(lista))
Por lo tanto, en resumen,

0 Longitud(lista) = 1 + Longitud (Resto(lista)) en otro caso si lista = nil
Finalmente, Resto(lista) se representa en Pascal como lista^.siguiente. Por lo tanto, la denici on recursiva en Pascal de la funci on Longitud es la siguiente:
type natural = 0..MaxInt; ... function Longitud(lista: tLista): natural; {Dev. el n umero de nodos de lista} begin if lista = nil then Longitud:= 0 else Longitud:= 1 + Longitud(lista^.siguiente) end; {Longitud}
El uso de la recursividad subyacente en la denici on del tipo de datos lista hace que la denici on de esta funci on sea muy simple y clara, aunque tambi en es posible y sencilla una versi on iterativa, que se deja como ejercicio. Evaluaci on de polinomios: La regla de Horner Supongamos que se plantea escribir un programa para evaluar en un punto dado x un polinomio con coecientes reales P ( x ) = a 0 x n + a 1 x n 1 + a 2 x n 2 + + a n 1 x + a n , Conocido x, un posible modo de evaluar el polinomio es el siguiente:
Conocido x Dar valor inicial 0 a valor para cada i entre 0 y N A nadir aNi * xi a valor Devolver valor
357
La regla de Horner consiste en disponer el polinomio de forma que su evaluaci on se pueda hacer simplemente mediante la repetici on de operaciones aritm eticas elementales (y no tener que ir calculando los valores de las potencias sucesivas de x). No es dif cil observar que P ( x) = ((a0 x + a1 )x + a2 )x + a3 x + an1 x + an
y que, con esta expresi on, el valor del polinomio se puede calcular de acuerdo con el siguiente dise no:
Dar valor inicial a0 a valor para cada i entre 1 y N hacer valor:= ai + x * valor Devolver valor
En este apartado volvemos a considerar la representaci on de polinomios en un computador una vez que se han introducido algunas herramientas de programaci on din amica. Hay dos formas de representar un polinomio conocida la lista de sus coecientes: de m as signicativo a menos, o viceversa. A saber:
P1 ( x ) = a 0 x n + a 1 x n 1 + a 2 x n 2 + + a n 1 x + a n = ((a0 x + a1 )x + a2 )x + a3 x + an1 x + an P2 ( x ) = b 0 + b 1 x + b 2 x 2 + + b n 1 x n 1 + b n x n = b0 + x b1 + x b2 + x(b3 + + x(bn1 + xbn ) ) En el supuesto de que tengamos los coecientes ordenados de grado menor a mayor (si lo est an del otro modo la modicaci on del programa es m nima) seg un su grado y almacenados en una lista (lCoef), es posible dar una versi on recursiva de la funci on anterior. La recursividad de la regla de Horner se aprecia mejor si consideramos la siguiente tabla, en la que se renombra el resultado de cada uno de los par entesis de la expresi on de Horner: c 0 = a0 c1 = a1 + xc0
358
Cap tulo 17. Estructuras de datos recursivas c2 = a2 + xc1 c3 = a3 + xc2 . . . . . = . cn1 = an1 + xcn2 cn = an + xcn1
Claramente se observa que bn = P (x) y, en consecuencia, ya podemos escribir su expresi on recursiva.

Horner(x,lCoef) = lCoef^.contenido + x * Horner(x,lCoef^.siguiente)
El caso base se da cuando la lista de coecientes se queda vac a (nil). Un sencillo ejemplo nos muestra que, en este caso, la funci on debe valer cero. Supongamos que queremos evaluar un polinomio constante P (x) = K , entonces su lista de coecientes es [K], usando la expresi on recursiva anterior tendr amos que
Horner(x,nil) = 0 Horner(x,[K]) = K + x * Horner(x,nil)
Una vez conocidos el caso base y la expresi on recursiva deniremos una funci on Horner2 con dos variables: el punto donde evaluar y una lista de reales que representan los coecientes del polinomio ordenados de mayor a menor grado.
function Horner2(x: real; lCoef: tLista): real; {Dev. P(x), siendo P el polinomio de coeficientes lCoef} begin if lCoef = nil then Horner2:= 0 else Horner2:= lCoef^.contenido + x * Horner2(x,lCoef^.siguiente) end; {Horner2}
17.1.5
Otras operaciones sobre listas
A continuaci on se enumeran algunas de las operaciones que m as frecuentemente se utilizan al trabajar con listas: 1. Determinar el n umero de elementos de una lista.
17.1. Estructuras recursivas lineales: las listas enlazadas 2. Leer o modicar el k - esimo elemento de la lista. 3. Insertar o eliminar un elemento en la k - esima posici on. 4. Insertar o eliminar un elemento en una lista ordenada. 5. Combinar dos o m as listas en una u nica lista. 6. Dividir una lista en dos o m as listas. 7. Ordenar los elementos de una lista de acuerdo con un criterio dado.
359
8. Insertar o eliminar un elemento en la k - esima posici on de una lista de acuerdo con un criterio dado. 9. Buscar si aparece un valor dado en alg un lugar de una lista. Como ejemplo de implementaci on de algunas de estas operaciones, a continuaci on se presentan procedimientos que eliminan o insertan un nuevo elemento en una lista. El procedimiento EliminarK En primer lugar, se presenta un procedimiento que elimina el k- esimo elemento de una lista (que se supone de longitud mayor que k). En el caso en que k = 1, podemos utilizar el procedimiento EliminarPrimero desarrollado anteriormente, por lo que en este apartado nos restringimos al caso k > 1. El primer esbozo de este procedimiento es muy sencillo:
Localizar el nodo (k-1)- esimo de lista Asociar el puntero siguiente del nodo (k-1)- esimo al nodo (k+1)- esimo
El proceso se describe gr acamente en la gura 17.4. Emplearemos un m etodo iterativo para alcanzar el (k 1)- esimo nodo de la lista, de modo que se ir a avanzando nodo a nodo desde la cabeza (el primer nodo de la lista) hasta alcanzar el (k 1)- esimo usando un puntero auxiliar apAux.
Para alcanzar el nodo (k 1)- esimo, se empezar a en el primer nodo, mediante la instrucci on
listaAux:= lista;
y luego se avanzar a iterativamente al segundo, tercero, . . . , (k 1)- esimo ejecutando
360
lista
...
Nodo k-1 x
Nodo k y
Nodo k+1 z
...
...
Nodo k-1 x
Nodo k y
Nodo k+1 z
...
lista
Figura 17.4. Eliminaci on del k- esimo nodo de una lista. for i:= 2 to k - 1 do apAux:= apAux^.siguiente
Una vez hecho esto, s olo hace falta saltarse el nodo k- esimo, liberando despu es la memoria que ocupa. Con esto, el c odigo en Pascal de este procedimiento podr a ser:
procedure EliminarK(k: integer; var lista: tLista); {PreC.: 1 < k longitud de la lista} {Efecto: se elimina el elemento k- esimo de lista} var apAux, nodoSupr: tLista; i: integer; begin apAux:= lista; {El bucle avanza apAux hasta el nodo k-1} for i:= 2 to k-1 do apAux:= apAux^.siguiente; {Actualizar punteros y liberar memoria} nodoSupr:= apAux^.siguiente; apAux^.siguiente:= nodoSupr^.siguiente; Dispose(nodoSupr) end; {EliminarK}
361
lista
...
Nodo k x
Nodo k+1 z
...
...
Nodo k x
Nodo k+1 z
...
y lista
Figura 17.5. Inserci on de un nodo tras el k- esimo nodo de una lista.
Obs ervese que el procedimiento anterior funciona tambi en cuando el nodo eliminado es el u ltimo nodo de la lista. El procedimiento InsertarK Otro procedimiento importante es el de inserci on de un elemento tras cierta posici on de la lista. En particular, a continuaci on se implementar a la inserci on de un nuevo nodo justo despu es del k- esimo nodo de una lista (de longitud mayor que k). Puesto que la inserci on de un nuevo nodo al comienzo de una lista ya se ha presentado, nos restringiremos al caso k 1. De nuevo el primer nivel de dise no es f acil:
Localizar el nodo k- esimo de lista Crear un nuevoNodo y asignarle el contenido nuevoDato Asociar el puntero siguiente del nodo k- esimo a nuevoNodo Asociar el puntero siguiente de nuevoNodo al nodo (k+1)- esimo
En la gura 17.5 se pueden observar las reasignaciones de punteros que hay que realizar. Tambi en en este caso es necesario usar un puntero auxiliar para localizar el nodo tras el cual se ha de insertar el nuevo dato y se volver a a hacer uso del bucle for. La creaci on del nuevo nodo y la reasignaci on de punteros es bastante directa, una vez que apAux se nala al nodo k- esimo. El c odigo correspondiente en Pascal podr a ser:
362

New(nuevoNodo); nuevoNodo^.contenido:= nuevoDato; nuevoNodo^.siguiente:= apAux^.siguiente; apAux^.siguiente:= nuevoNodo
Uniendo el bucle, para alcanzar el k- esimo nodo, con las asignaciones anteriores se obtiene la implementaci on completa del procedimiento InsertarK:
procedure InsertarK(k: integer; nuevoDato: tElem; var lista: tLista); {PreC.: k 1 y lista tiene al menos k nodos} {Efecto: nuevoDato se inserta tras el k- esimo nodo de lista} var nuevoNodo, apAux: tLista; i: integer; begin apAux:= lista; {El bucle avanza apAux hasta el nodo k} for i:= 1 to k-1 do apAux:= apAux^.siguiente; {Actualizaci on de punteros} New(nuevoNodo); nuevoNodo^.contenido:= nuevoDato; nuevoNodo^.siguiente:= apAux^.siguiente; apAux^.siguiente:= nuevoNodo end; {InsertarK}
Son muy frecuentes las situaciones en las que se accede a una lista s olo a trav es de su primer o u ltimo elemento. Por esta raz on tienen particular inter es las implementaciones de listas en las que el acceso est a restringido de esta forma, siendo las m as importantes las pilas y las colas. A continuaci on se denen estos tipos de listas junto con determinadas operaciones asociadas: se dar a su representaci on y las operaciones de modicaci on y acceso b asicas, y se presentar an ejemplos donde se vea el uso de las mismas.
17.2
Pilas
Una pila es un tipo de lista en el que todas las inserciones y eliminaciones de elementos se realizan por el mismo extremo de la lista. El nombre de pila procede de la similitud en el manejo de esta estructura de datos y la de una pila de objetos. Estas estructuras tambi en son llamadas 1 listas LIFO, acr onimo que reeja la caracter stica m as importante de las pilas.
1
Del ingl es Last-In-First-Out, es decir, el u ltimo en entrar es el primero en salir.
17.2. Pilas
pila
363
Figura 17.6. Representaci on gr aca del concepto de pila.
Es f acil encontrar ejemplos de pilas en la vida real: hay una pila en el aparato dispensador de platos de un autoservicio, o en el cargador de una pistola autom atica, o bien en el tr aco en una calle sin salida. En todos estos casos, el u ltimo tem que se a nade a la pila es el primero en salir. Gr acamente, podemos observar esto en la gura 17.6. Dentro del contexto inform atico, una aplicaci on importante de las pilas se encuentra en la implementaci on de la recursi on, que estudiaremos con cierto detalle m as adelante.
17.2.1
Denici on de una pila como lista enlazada
Puesto que una pila es una lista en la cual s olo se insertan o eliminan elementos por uno de sus extremos, podr amos usar la declaraci on dada de las listas y usarlas restringiendo su acceso del modo descrito anteriormente.
type tElem = char; {o lo que corresponda} tPila = ^tNodoPila; tNodoPila = record contenido: tElem; siguiente: tPila end; {tNodoPila}
17.2.2
Operaciones b asicas sobre las pilas
Entre las operaciones b asicas del tipo pila se encuentran la creaci on de una pila, la consulta del contenido del primer elemento de la pila, la inserci on de
364
un nuevo elemento sobre la pila (que se suele llamar push), y la eliminaci on del 2 elemento superior de la pila (tambi en llamada pop).
Creaci on de una pila vac a El primer procedimiento que consideramos es el de crear una pila vac a. La idea es bien simple: s olo hay que asignar el valor nil a su puntero.
procedure CrearPila(var pila: tPila); {PostC.: pila es una pila vac a} begin pila:= nil end; {CrearPila}
Averiguar si una pila est a vac a Se trata sencillamente de la siguiente funci on

function EsPilaVacia(pila: tPila): boolean; begin EsPilaVacia:= pila = nil end; {EsPilaVacia}
Consulta de la cima de una pila Una funci on especialmente importante es la que permite consultar el contenido del primer nodo de la pila. En esta implementaci on s olo hay que leer el campo contenido del primer nodo de la pila. La funci on tiene como argumento una variable de tipo tPila y como rango el tipo de sus elementos tElem. Est a implementada a continuaci on bajo el nombre de Cima.
function Cima(pila: tPila): tElem; {PreC.: pila no est a vac a} {Dev. el contenido del primer nodo de pila} begin Cima:= pila^.contenido end; {Cima}
Los nombres de estas funciones proceden de los verbos usados en ingl es para colocar o coger objetos apilados.
2
17.2. Pilas A nadir un nuevo elemento en la cima de la pila
365
Este procedimiento toma como par ametros una pila y la variable que se va a apilar; la acci on que realiza es la de insertar el objeto como un nuevo nodo al principio de la pila. La denici on de este procedimiento es directa a partir del m etodo de inserci on de un nodo al principio de una lista visto en el apartado anterior.
procedure Apilar(nuevoDato: tElem; var pila: tPila); {Efecto: nuevoDato se a~ nade sobre pila} var pilaAux: tPila; begin pilaAux:= pila; New(pila); pila^.contenido:= nuevoDato; pila^.siguiente:= pilaAux end; {Apilar}
Eliminar la cima de la pila Para quitar un elemento de la pila s olo debemos actualizar el puntero. La denici on del procedimiento no necesita mayor explicaci on, ya que es id entica a la del procedimiento Eliminar presentado en el apartado 17.1.3.
procedure SuprimirDePila(var pila: tPila); {PreC.: pila no est a vac a} {Efecto: se suprime el dato de la cima de la pila} var pilaAux: tPila; begin pilaAux:= pila; pila:= pila^.siguiente; Dispose(pilaAux) end; {SuprimirDePila}
17.2.3
Aplicaciones
Pilas y recursi on Una aplicaci on importante de las pilas surge al tratar la recursi on (v ease el cap tulo 10). En efecto, en cada llamada recursiva se a nade una tabla de activaci on en una pila (denominada pila recursiva). Dicha tabla incorpora los argumentos y objetos locales con su valor en el momento de producirse la llamada.
366
Dicho de otro modo, la recursi on se puede transformar en un par de bucles que se obtienen apilando las llamadas recursivas (primer bucle) para despu es ir evalu andolas una a una (con el segundo bucle). Un ejemplo servir a para aclarar estas ideas; supongamos que tenemos una funci on denida recursivamente, como, por ejemplo, la funci on factorial (v ease el apartado 10.1):
function Fac(num: integer): integer; {PreC.: num 0} {Dev. num!} begin if num = 0 then Fac:= 1 else Fac:= num * Fac(num - 1) end; {Fac}
Consideremos c omo se ejecuta la funci on Fac aplicada a un entero, por ejemplo el 3:
Fac(3) = 3 Fac(2) = 3 2 Fac(1)
= 3 2 1 Fac(0) = 3 2 1 1 = 3!
El primer bucle de los comentados m as arriba consistir a en ir apilando los argumentos sucesivos de Fac hasta llegar al caso base, en este ejemplo tenemos 3, 2, 1; el segundo bucle es el encargado de completar las llamadas recursivas usando la parte recursiva de Fac, esto es, se parte del caso base Fac(0) = 1 y se van multiplicando los distintos valores apilados. Atendiendo a esta descripci on, un primer nivel de dise no para la versi on iterativa del factorial podr a ser el siguiente:
para cada n entre num y 1 Apilar n en pilaRec Dar valor inicial 1 a fac mientras que pilaRec no est e vac a hacer fac:= Cima(pilaRec) * fac SuprimirDePila(pilaRec) Devolver fac
La implementaci on iterativa en Pascal de la funci on factorial se ofrece a continuaci on:
17.2. Pilas
Caso base 0 1 2 . . . n-2 n-1 n Primer bucle Fac := 1 (= q(x)) Fac := 1 * 1 Fac := 2 * 1 * 1 = 2! . . . Fac := (n - 2) * Fac = (n - 2)! Fac := (n - 1) * Fac = (n - 1)! Fac := n * Fac = n! Segundo bucle
367
Figura 17.7. Expresi on en dos bucles de la funci on factorial. function FacIter (num: integer): integer; {PreC.: num 0} {Dev. num!} var pilaRec: tPila; {de enteros} n, fac: integer; begin n:= num; CrearPila(pilaRec); {Primer bucle: acumulaci on de las llamadas} for n:= num downto 1 do Apilar (n, pilaRec); {Segundo bucle: resoluci on de las llamadas} fac:= 1; {Caso base} while pilaRec <> nil do begin fac:= Cima(pilaRec) * fac; SuprimirDePila(pilaRec) end; {while} FacIter:= fac end; {FacIter}
En la gura 17.7 puede verse gr acamente el signicado de los dos bucles que aparecen en el programa anterior. La descomposici on anterior de la funci on factorial no es m as que un ejemplo del caso general de transformaci on de recursi on en iteraci on que se expone seguidamente. Supongamos que se tiene una funci on denida recursivamente, de la siguiente manera:
368

function F(x: tdato): tResultado; begin if P(x) then F:= Q(x) else F:= E(x, F(T(x))) end; {F}
donde P(x) es una expresi on booleana para determinar el caso base (en el factorial es x = 0, Q(x) es el valor de la funci on en el caso base, T es una funci on que transforma el argumento x en el de la siguiente llamada (en el factorial es T(x) = x - 1), y, nalmente, E(x, y) es la expresi on que combina el argumento x con el resultado y devuelto por la llamada recursiva subsiguiente (en el factorial se tiene E(x, y) = x * y). En resumen, cualquier funci on de la forma de la funci on F puede ser descrita mediante un par de bucles de forma que: 1. El primero almacena los par ametros de las sucesivas llamadas recursivas al aplicar la funci on T hasta llegar al caso base. 2. El segundo deshace la recursi on aplicando la expresi on E(x, F(T(x)) repetidamente desde el caso base hasta el argumento inicial. La descripci on general de estos dos bucles se muestra a continuaci on:
function F(x: tDato): tResultado; var pilaRec: tPila; acum: tDato; begin CrearPila(pilaRec); {Primer bucle} while not P(x) do begin Apilar(x, pilaRec); x:= T(x) end; {while} acum:= Q(x); {Aplicaci on de F al caso base} {Segundo bucle} while pilaRec <> nil do begin acum:= E(Cima(pilaRec), acum); SuprimirDePila(pilaRec) end; {while} F:= acum end; {F}
17.2. Pilas
369
El proceso descrito anteriormente para una funci on recursiva puede llevarse a cabo tambi en para procedimientos recursivos. En el apartado de ejercicios se propone su generalizaci on a un procedimiento recursivo. Evaluaci on postja de expresiones Qui en no ha perdido alg un punto por olvidarse un par entesis realizando un examen? Este hecho, sin duda, le habr a llevado a la siguiente pregunta: No ser a posible eliminar estos molestos signos del ambito de las expresiones aritm eticas? La respuesta es armativa: existe una notaci on para escribir expresiones aritm eticas sin usar par entesis, esta notaci on recibe el nombre de notaci on postja o notaci on polaca inversa. El adjetivo postja o inversa se debe a que, en contraposici on a la notaci on habitual (o inja) los operadores se ponen detr as de (y no entre) los argumentos. Por ejemplo, en lugar de escribir a + b se ha de escribir a b +, y en vez de a (b + c) se escribir a a b c + . Para entender una expresi on postja hay que leerla de derecha a izquierda; la expresi on anterior, por ejemplo, es un producto, si seguimos leyendo encontramos un +, lo cual indica que uno de los factores del producto es una suma. Siguiendo con la lectura vemos que tras el signo + aparecen c y b, luego el primer factor es b + c; nalmente hallamos a, de donde la expresi on inja del miembro de la izquierda es a (b + c). Aunque es probable que el lector no se encuentre a gusto con esta notaci on y comience a a norar el uso de par entesis, la ventaja de la notaci on postja reside en que es f acilmente implementable en un computador,3 al no hacer uso de par entesis ni de reglas de precedencia (esto es, convenios tales como que a b + c representa (a b) + c y no a (b + c)). La gura 17.8 muestra gr acamente el proceso de evaluaci on de la expresi on 2 4 3 +. M as detalladamente, haciendo uso de una pila, un computador interpretar a esa expresi on de la siguiente forma: 1. Al leer los dos primeros s mbolos, 2 y 4, el computador a un no sabe qu e ha de hacer con ellos, as que los pone en una pila. 2. Al leer el siguiente s mbolo, , saca dos elementos de la pila, los multiplica, y pone en ella su valor, 8. 3. El siguiente s mbolo, 3, se coloca en la pila, pues no tenemos ning un operador que aplicar.
De hecho, los compiladores de lenguajes de alto nivel traducen las expresiones aritm eticas a notaci on postja para realizar las operaciones. Hay lenguajes que usan siempre notaci on postja, como, por ejemplo, el lenguaje de descripci on de p agina PostScript.
3
370
*
Entrada
4 2
Pendientes
3
Entrada
8
Pendientes
+
Entrada
3 8
Pendientes
EoLn
Entrada
11
Pendientes
EoLn
Entrada Pendientes
11
Resultado
Figura 17.8. Evaluaci on postja de una expresi on.
4. Despu es se lee el s mbolo +, con lo que se toman dos elementos de la pila, 3 y 8, se calcula su suma, 11, y se pone en la pila. 5. Para terminar, ya no hay ning un s mbolo que leer y s olo queda el resultado de la operaci on. Una vez visto el ejemplo anterior, la evaluaci on postja de expresiones aritm eticas es muy sencilla de codicar: s olo se necesita una pila para almacenar los operandos y las operaciones b asicas de las pilas. La codicaci on en Pascal se deja como ejercicio.
17.3
Colas
Una cola es una lista en la que todas las inserciones se realizan por un extremo y todas las eliminaciones se realizan por el otro extremo de la lista. El ejemplo m as importante de esta estructura de datos, del cual recibe el nombre, es el de una cola de personas ante una ventanilla. En esta situaci on, el primero en llegar es el primero en ser servido; por esto, las colas tambi en se llaman listas FIFO.4 Un ejemplo m as interesante, dentro de un contexto inform atico, resulta al considerar la gesti on de trabajos de una impresora conectada en red. Todos los archivos por imprimir se van guardando en una cola y se ir an imprimiendo seg un el orden de llegada (ser a ciertamente una ruindad implementar esta lista como una pila).
4
Del ingl es First-In-First-Out , es decir, el primero en entrar es el primero en salir.
17.3. Colas
371
17.3.1
es:
Denici on del tipo cola
Las colas, como listas que son, podr an denirse de la manera habitual, esto
type tElem = char; {o lo que corresponda} tCola = ^tNodoCola; tNodoCola = record contenido: tElem; siguiente: tCola end; {tNodoCola}
Sin embargo, algunas operaciones, como poner un elemento en una cola, no resultan ecientes, debido a que debe recorrerse la lista en su totalidad para llegar desde su primer elemento hasta el u ltimo. Por ello, suele usarse otra denici on, considerando una cola como un par de punteros:
type tElem = char; {o lo que corresponda} tApNodo = ^tNodoCola; tNodoCola = record contenido: tElem; siguiente: tApNodo end; {tNodoCola} tCola = record principio: tApNodo; final: tApNodo end; {tCola}
Con esta denici on de colas, cualquier operaci on que altere la posici on de los nodos extremos de la lista deber a actualizar los punteros principio y final; sin embargo, esto resulta ventajoso en comparaci on con la obligatoriedad de recorrer toda la cola para a nadir un nuevo elemento.
17.3.2
Operaciones b asicas
Veamos c omo implementar las operaciones b asicas con colas siguiendo la denici on anterior. Creaci on de una cola vac a Para crear una cola se necesita iniciar a nil los campos principio y final del registro. Nada m as f acil:
372

procedure CrearCola(var cola: tCola); begin cola.principio:= nil; cola.final:= nil end; {CrearCola}
Por eciencia en la implementaci on de los siguientes procedimientos resultar a conveniente considerar una lista vac a a aquella cuyo puntero final tiene el valor nil; esto permitir a que para comprobar si una cola es o no vac a s olo se necesite evaluar la expresi on l ogica cola.final = nil. Es trivial escribir el subprograma que efect ua esta comprobaci on. Consulta del primer elemento Esta operaci on es id entica a Cima de una pila, puesto que nos interesa el contenido del primer nodo de la cola. Para vericar el nivel de comprensi on sobre el tema, es un buen ejercicio intentar escribirla (sin mirar el an alogo para pilas, como es natural). A nadir un elemento En las colas, los elementos nuevos se sit uan al nal y por esta raz on es necesario actualizar el puntero final (y tambi en principio si la cola est a vac a). Un simple gr aco servir a para convencerse c omo. El dise no de este procedimiento es el siguiente:
si cola no est a vac a entonces Crear y dar valores al nuevoNodo Actualizar los punteros y el final de cola en otro caso Crear y dar valores al nuevoNodo Actualizar principio y final de cola
La codicaci on en Pascal de este dise no podr a ser la siguiente:

procedure PonerEnCola(dato: tElem; var cola: tCola); {Efecto: dato se a~ nade al final de cola} var nuevoNodo: tApNodo; begin New(nuevoNodo); nuevoNodo^.contenido:= dato; nuevoNodo^.siguiente:= nil;
17.3. Colas
if cola.final <> nil then begin {Si la cola no est a vac a se actualizan los punteros} cola.final^.siguiente:= nuevoNodo; cola.final:= nuevoNodo end {then} else begin {Actualizaci on de punteros:} cola.principio:= nuevoNodo; cola.final:= nuevoNodo end {else} end; {PonerEnCola}
373
Suprimir el primer elemento Para denir SacarDeCola tenemos que considerar dos casos distintos: 1. Que la cola sea unitaria, pues al sacar su u nico elemento se queda vac a, con lo que hay que actualizar tanto su principio como su final. 2. Que la cola tenga longitud mayor o igual a dos, en cuyo caso s olo hay que actualizar el campo principio. A continuaci on se muestra la implementaci on del procedimiento:
procedure SacarDeCola(var cola: tCola); {PreC.: cola es no vac a} {Efecto.: se extrae el primer elemento de cola} var apuntaAux : tApNodo; begin if cola.principio = cola.final then begin {La cola es unitaria} apuntaAux:= cola.principio; Dispose(apuntaAux); cola.principio:= nil; cola.final:= nil end {then} else begin {Si Longitud(cola) >= 2:} apuntaAux:= cola.principio; cola.principio:= apuntaAux^.siguiente; Dispose(apuntaAux) end {else} end; {SacarDeCola}
374
17.3.3
Aplicaci on: gesti on de la caja de un supermercado
Con la ayuda del tipo cola se presenta a continuaci on un programa de simulaci on del ujo de clientes en una caja de supermercado. Una cantidad prejada de clientes se va incorporando a la cola en instantes discretos con una cierta probabilidad tambi en jada de antemano;5 cada cliente lleva un m aximo de art culos, de forma que cada art culo se contabiliza en una unidad de tiempo. Cuando a un cliente le han sido contabilizados todos los art culos, es eliminado de la cola. En cada instante se muestra el estado de la cola. Un primer esbozo en seudoc odigo de este programa ser a el siguiente:
Leer valores iniciales Iniciar contadores repetir Mostrar la cola Procesar cliente en caja Procesar cliente en cola hasta que se acaben los clientes y los art culos
La lectura de los valores iniciales consiste en pedir al usuario del programa el n umero de clientes, numClientes, la probabilidad de que aparezca un cliente por unidad de tiempo, probLlegada, y el n umero m aximo de art culos por cliente, maxArti. Tras denir los valores iniciales de los contadores de tiempo t, y de clientes puestos en cola, contClientes, s olo hay que renar las acciones del bucle del dise no anterior. As , en un nivel de dise no m as detallado Procesar cliente en caja se descompondr a en
si el cliente ya no tiene art culos entonces Retirarlo de la cola en otro caso Reducir el n umero de art culos del cliente
Mientras que el renamiento de Procesar cliente en cola ser a

si quedan clientes y random < probabilidad prejada entonces A nadir un cliente e incrementar el contador de clientes
A partir del renamiento anterior ya podemos pasar a la implementaci on en Pascal de este programa.
Para incluir factores de aleatoriedad se hace uso de Randomize y Random de Turbo Pascal (v ease el apartado A.2.1).
5
17.3. Colas
375
El u nico tipo que se necesita denir para este programa es el tipo tCola. Las variables que almacenar an los datos del programa son el n umero de personas que llegar an a la caja, numClientes, el n umero m aximo de art culos que cada persona puede llevar, maxArti, y la probabilidad de que una persona se una a la cola, probLlegada. Adem as se usar a la variable t para medir los distintos instantes de tiempo, la variable contClientes para contar el n umero de personas que se han puesto en la cola y la variable caja, que es de tipo tCola. El encabezamiento del programa es el siguiente:
Program SimuladorDeColas (input, output); type tElem = integer; tApNodo = ^tNodo; tNodo = record contenido: tElem; siguiente: tApNodo end; {tNodo} tCola = record principio, final: tApNodo end; {tCola} var t, contClientes, numClientes, maxArti: integer; probLlegada: real; caja: tCola;
Se usar an los siguientes procedimientos est andar del tipo tCola: CrearCola, PonerEnCola, SacarDeCola, y adem as MostrarCola que, como su nombre indica, muestra todos los elementos de la cola. Su implementaci on se presenta a continuaci on:
procedure MostrarCola(cola: tCola); {Efecto: muestra en pantalla todos los elementos de cola} var apuntaAux: tApNodo; begin if cola.final= nil then WriteLn(La caja est a desocupada) else begin apuntaAux:= cola.principio; repeat WriteLn(apuntaAux^.contenido); apuntaAux:= apuntaAux^.siguiente until apuntaAux= nil end {else} end; {MostrarCola}
376
En el cuerpo del programa, tal como se especica en el dise no, tras la lectura de datos, se realiza la siguiente simulaci on en cada instante t: se procesa un art culo en la caja (se anota su precio), cuando se acaban todos los art culos de un determinado cliente este se elimina de la cola (paga y se va); por otra parte se comprueba si ha llegado alguien (si su n umero aleatorio es menor o igual que probLlegada), si ha llegado se le pone en la cola y se actualiza el contador de personas. Finalmente, el cuerpo del programa es el siguiente:
begin Randomize; CrearCola(caja); t:= 0; contClientes:= 0; WriteLn(Simulador de Colas); WriteLn(Introduzca n umero de personas); ReadLn(numClientes); WriteLn(Introduzca la probabilidad de llegada); ReadLn(probLlegada); WriteLn(Introduzca m aximo de art culos); ReadLn(maxArti); repeat Writeln(Tiempo t =,t); MostrarCola(caja); t:= t + 1; if caja.principio^.contenido= 0 then SacarDeCola(caja) else with caja.principio^ do contenido:= contenido - 1; if (Random <= probLlegada) and (contClientes < numClientes) then begin PonerEnCola (Random(maxArti) + 1, caja); contClientes:= contClientes + 1 end; {if} until (contClientes = numClientes) and (caja.principio= nil) end. {SimuladorDeColas}
17.4
Arboles binarios
Es posible representar estructuras de datos m as complejas que las listas haciendo uso de los punteros. Las listas se han denido como registros que contienen datos y un puntero al siguiente nodo de la lista; una generalizaci on del concepto de lista es el arbol, donde se permite que cada registro del tipo de dato din amico tenga m as de un enlace. La naturaleza lineal de las listas hace
17.4. Arboles binarios
377
datos
...
...
Figura 17.9.
H
Figura 17.10.
posible, y f acil, denir algunas operaciones de modo iterativo; esto no ocurre con los arboles, que son manejados de forma natural haciendo uso de la recursi on. Los arboles son estructuras de datos recursivas m as generales que una lista y son apropiados para aplicaciones que involucran alg un tipo de jerarqu a (tales como los miembros de una familia o los trabajadores de una organizaci on), o de ramicaci on (como los arboles de juegos), o de clasicaci on y/o b usqueda. La denici on recursiva de arbol es muy sencilla: Un arbol o es vac o o consiste en un nodo que contiene datos y punteros hacia otros arboles. Es decir, la representaci on gr aca de un arbol es una de las dos que aparecen en la gura 17.9. En este apartado s olo trataremos con arboles binarios, que son arboles en los que cada nodo tiene a lo sumo dos descendientes. En la gura 17.10 vemos la representaci on gr aca de un arbol binario.
378
La terminolog a usada cuando se trabaja con arboles es, cuando menos, curiosa. En ella se mezclan conceptos bot anicos como ra z y hoja y conceptos geneal ogicos tales como hijo, ascendientes, descendientes, hermanos, padres, etc. En el arbol de la gura 17.10, el nodo A es la ra z del arbol, mientras que los nodos D, E, F y H son las hojas del arbol; por otra parte, los hijos de la ra z son los nodos B y C, el padre de E es B, . . . La denici on en Pascal del tipo arbol binario es sencilla: cada nodo del arbol va a tener dos punteros en lugar de uno.
type tElem = char; {o el tipo que corresponda} tArbol = ^tNodoArbol; tNodoArbol = record hIzdo, hDcho: tArbol; contenido: tElem end; {tNodoArbol}
La creaci on de un arbol vac o, a estas alturas, no representa problema alguno. Sin embargo no ocurre lo mismo para realizar una consulta, ya que debemos saber c omo movernos dentro del arbol.
17.4.1
Recorrido de un arbol binario
Denir un algoritmo de recorrido de un arbol binario no es una tarea directa ya que, al no ser una estructura lineal, existen distintas formas de recorrerlo. En particular, al llegar a un nodo podemos realizar una de las tres operaciones siguientes: (i) Leer el valor del nodo. (ii) Seguir por el hijo izquierdo. (iii) Seguir por el hijo derecho. El orden en el que se efect uen las tres operaciones anteriores determinar a el orden en el que los valores de los nodos del arbol son le dos. Si se postula que siempre se leer a antes el hijo izquierdo que el derecho, entonces existen tres formas distintas de recorrer un arbol: Preorden: Primero se lee el valor del nodo y despu es se recorren los sub arboles. Esta forma de recorrer el arbol tambi en recibe el nombre de recorrido primero en profundidad. El arbol de la gura 17.10 recorrido en preorden se leer a as : ABDECFGH.
379
Inorden: En este tipo de recorrido, primero se recorre el sub arbol izquierdo, luego se lee el valor del nodo y, nalmente, se recorre el sub arbol derecho. El arbol de la gura 17.10 recorrido en inorden se leer a as : DBEAFCHG. Postorden: En este caso, se visitan primero los sub arboles izquierdo y derecho y despu es se lee el valor del nodo. El arbol de la gura 17.10 recorrido en postorden se leer a as : DEBFHGCA. Ahora, escribir un procedimiento recursivo para recorrer el arbol (en cualquiera de los tres ordenes reci en denidos) es tarea f acil, por ejemplo:
procedure RecorrerEnPreorden(arbol: tArbol); begin if arbol <> nil then begin Visitarnodo(arbol); {por ejemplo, Write(arbol^.contenido)} RecorrerEnPreorden(arbol^.hIzdo); RecorrerEnPreorden(arbol^.hDcho); end {if} end; {RecorrerEnPreorden}
para utilizar otro orden en el recorrido s olo hay que cambiar el orden de las acciones Visitarnodo y las llamadas recursivas.
17.4.2
Arboles de b usqueda
Como un caso particular de arbol binario se encuentran los arboles binarios de b usqueda (o arboles de b usqueda binaria ), que son aquellos arboles en los que el valor de cualquier nodo es mayor que el valor de su hijo izquierdo y menor que el de su hijo derecho. Seg un la denici on dada, no puede haber dos nodos con el mismo valor en este tipo de arbol.
e re r Obs ervese que los nodos de un arbol binario de b usqueda se pueden enumerar en orden creciente siguiendo un recorrido en inorden.
La utilidad de los arboles binarios de b usqueda reside en que si buscamos cierta componente, podemos decir en qu e mitad del arbol se encuentra comparando solamente con el nodo ra z. N otese la similitud con el m etodo de b usqueda binaria.
380
e re r

Una mejora de los arboles de b usqueda consiste en a nadir un campo clave en cada nodo y realizar las b usquedas comparando los valores de dichas claves en lugar de los valores del campo contenido. De esta forma, pueden existir en el arbol dos nodos con el mismo valor en el campo contenido pero con clave distinta. En este texto se implementan los arboles de b usqueda sin campo clave para simplicar la presentaci on; la modicaci on de la implementaci on para incluir un campo clave es un ejercicio trivial.
Operaciones b asicas Las operaciones b asicas para el manejo de arboles de b usqueda son la consulta, la inserci on y la eliminaci on de nodos. Las dos primeras son de f acil implementaci on, haciendo uso de la natural recursividad de los arboles. La operaci on de eliminaci on de nodos es, sin embargo, algo m as compleja, como se detalla a continuaci on. B usqueda de un nodo Debido al orden intr nseco de un arbol de b usqueda binaria, es f acil implementar una funci on que busque un determinado valor entre los nodos del arbol y, en caso de encontrarlo, proporcione un puntero a ese nodo. La versi on recursiva de la funci on es particularmente sencilla, todo consiste en partir de la ra z y rastrear el arbol en busca del nodo en cuesti on, seg un el siguiente dise no:
si arbol es vac o entonces Devolver fallo en otro caso si arbol^.contenido = dato entonces Devolver el puntero a la ra z de arbol en otro caso si arbol^.contenido > dato entonces Buscar en el hijo izquierdo de arbol en otro caso si arbol^.contenido < dato entonces Buscar en el hijo derecho de arbol
La codicaci on en Pascal es directa:

function Encontrar(dato: tElem; arbol: tArbol): tArbol; {Dev. un puntero al nodo con dato, si dato est a en arbol, o nil en otro caso} begin if arbol = nil then Encontrar:= nil else with arbol^ do if dato < contenido then

Encontrar:= Encontrar (dato, hIzdo) else if datos > contenido then Encontrar:= Encontrar (dato, hDcho) else Encontrar:= arbol end; {Encontrar}
381
Inserci on de un nuevo nodo El siguiente procedimiento inserta un nuevo nodo en un arbol binario de b usqueda arbol; la inserci on del nodo es tarea f acil, todo consiste en encontrar el lugar adecuado donde insertar el nuevo nodo, esto se hace en funci on de su valor de manera similar a lo visto en el ejemplo anterior. El seudoc odigo para este procedimiento es:
si arbol es vac o entonces crear nuevo nodo en otro caso si arbol^.contenido > datoNuevo entonces Insertar ordenadamente en el hijo izquierdo de arbol en otro caso si arbol^.contenido < datoNuevo entonces Insertar ordenadamente en el hijo derecho de arbol
Y la implementaci on en Pascal es:

procedure Insertar(datoNuevo: tElem; var arbol: tArbol); {Efecto: se a~ nade ordenadamente a arbol un nodo de contenido datoNuevo} begin if arbol = nil then begin New(arbol); with arbol^ do begin hIzdo:= nil; hDcho:= nil; contenido:= datoNuevo end {with} end {then} else with arbol^ do if datoNuevo < contenido then Insertar(datoNuevo,hIzdo) else if datoNuevo > contenido then Insertar(datoNuevo,hDcho) else {No se hace nada: entrada duplicada} end; {Insertar}
La forma resultante de un arbol binario de b usqueda depende bastante del orden en el que se vayan insertando los datos: si estos ya est an ordenados el arbol degenera en una lista (v ease la gura 17.11).
382
2 4 5 10 8 11 12 6 8 10 11 12
Datos: 6, 4, 2, 10, 5, 12, 8, 11
Datos: 2, 4, 5, 6, 8, 10, 11, 12
Figura 17.11.
Supresi on de un nodo Eliminar un nodo en un arbol de b usqueda binaria es la u nica operaci on que no es f acil de implementar: hay que considerar los distintos casos que se pueden dar, seg un el nodo por eliminar sea 1. Una hoja del arbol, 2. Un nodo con un s olo hijo, o 3. Un nodo con dos hijos. Los dos primeros casos no presentan mayor problema; sin embargo, el tercero requiere un an alisis detallado para suprimir el nodo de modo que el arbol resultante siga siendo un arbol binario de b usqueda. En primer lugar hay que situarse en el nodo padre del nodo por eliminar; despu es procederemos por pasos, analizando qu e se necesita hacer en cada caso: 1. Si el nodo por eliminar es una hoja, entonces basta con destruir su variable asociada (usando Dispose) y, posteriormente, asignar nil a ese puntero. 2. Si el nodo por eliminar s olo tiene un sub arbol, se usa la misma idea que al eliminar un nodo interior de una lista: hay que saltarlo conectando directamente el nodo anterior con el nodo posterior y desechando el nodo por eliminar. 3. Por u ltimo, si el nodo por eliminar tiene dos hijos no se puede aplicar la t ecnica anterior, simplemente porque entonces habr a dos nodos que
383
conectar y no obtendr amos un arbol binario. La tarea consiste en eliminar el nodo deseado y recomponer las conexiones de modo que se siga teniendo un arbol de b usqueda. En primer lugar, hay que considerar que el nodo que se coloque en el lugar del nodo eliminado tiene que ser mayor que todos los elementos de su sub arbol izquierdo, luego la primera tarea consistir a en buscar tal nodo; de este se dice que es el predecesor del nodo por eliminar (en qu e posici on se encuentra el nodo predecesor?). Una vez hallado el predecesor el resto es bien f acil, s olo hay que copiar su valor en el nodo por eliminar y desechar el nodo predecesor. A continuaci on se presenta un esbozo en seudoc odigo del algoritmo en cuesti on; la implementaci on en Pascal del procedimiento se deja como ejercicio indicado.
Determinar el n umero de hijos del nodo N a eliminar si N no tiene hijos entonces eliminarlo en otro caso si N s olo tiene un hijo H entonces Conectar H con el padre de N en otro caso si N tiene dos hijos entonces Buscar el predecesor de N Copiar su valor en el nodo a eliminar Desechar el nodo predecesor
17.4.3
Aplicaciones
Recorrido en anchura de un arbol binario El uso de colas resulta u til para describir el recorrido en anchura de un rbol. Hemos visto tres formas distintas de recorrer un a arbol binario: recorrido en preorden, en inorden y en postorden. El recorrido primero en anchura del arbol de la gura 17.10 nos da la siguiente ordenaci on de nodos: ABCDEFGH. La idea consiste en leer los nodos nivel a nivel, primero la ra z, luego (de izquierda a derecha) los nodos de profundidad 1, los de profundidad 2, etc. Analicemos c omo trabaja el algoritmo que hay que codicar, para ello seguimos el recorrido en anchura sobre el arbol de la gura 17.10: 1. En primer lugar se lee la ra z de arbol: A. 2. Luego hay que leer los hijos de la ra z, B y C. 3. Despu es, se leen D y E (hijos de B) y F y G (hijos de C). 4. Finalmente se lee G, el u nico nodo de profundidad 3.
384
A T1 B C T3 D E F G T2
Figura 17.12.
Teniendo en cuenta que los hijos de un nodo son las ra ces de sus sub arboles hijos se observa que existe una tarea repetitiva, la visita del nodo ra z de un arbol. Lo u nico que resta es ordenar adecuadamente los sub arboles por visitar. En este punto es donde las colas juegan su papel, pues se va a considerar una cola de sub arboles pendientes de visitar, este proceso se representa en la gura 17.12: 1. Tras leer el nodo ra z A se colocan sus dos sub arboles hijos en la cola de espera. 2. Se toma el primer arbol de la cola y se visita su ra z, en este caso B, tras lo que se a naden sus sub arboles hijos a la cola. 3. . . . La tabla 17.1 muestra, paso a paso, c omo va avanzando el recorrido en anchura y c omo va cambiando el estado de la cola de espera (usando la notaci on de la gura 17.12 para nombrar a los distintos sub arboles con los que se trabaja). Para la codicaci on de este recorrido ser a necesario denir el tipo cola de rboles (el tipo tCola por razones de eciencia) y declarar una variable enEspera a para almacenar los arboles en espera de ser visitados. Una primera aproximaci on en seudoc odigo es la siguiente:
Crear una cola con el arbolDato en ella Procesar los arboles de esa cola
La primera acci on se rena directamente as :
17.4. Arboles binarios Recorrido [] [A] [A,B] [A,B,C] [A,B,C,D] [A,B,C,D,E] [A,B,C,D,E,F] [A,B,C,D,E,F,G] [A,B,C,D,E,F,G,H] Cola de espera [T] [T1, T2] [T2,D,E] [D,E,F,T3] [E,F,T3] [F,T3] [T3] [H] []
385
Tabla 17.1. var arbolesEnEspera: cola de arboles ... CrearCola(arbolesEnEspera); PonerEnCola(arbolDato, arbolesEnEspera);
donde una cola de arboles se concreta mediante el tipo tApNodo (v ease el apartado 17.3), siendo sus elementos tElem del tipo tArbol. La segunda acci on consiste en la serie de pasos de la gura 17.13. Naturalmente, todo el peso del procedimiento recae en el procesado de los rboles en espera. Para ello hay que leer la ra a z del primer arbol de la cola (mientras esta no est e vac a), sacarlo de ella y a nadir al nal de la cola sus sub arboles hijos. Por tanto, la acci on Procesar los arboles en espera se puede renar de la siguiente forma:
mientras arbolesEnEspera <> nil hacer Sacar el primer arbol de la cola Procesar su nodo ra z Poner en cola los sub arboles no vac os
El renamiento de cada una de las tareas anteriores es directa haciendo uso de las operaciones descritas para el tipo cola.
386
1) Punto de partida
2) Procesado de A
A D
B E F
C G H
... 3) Procesado de B
...
4) Procesado de C
C F H G
F H
Figura 17.13.
Arboles de expresiones aritm eticas Mediante un arbol binario pueden expresarse las expresiones aritm eticas habituales: suma, resta, producto y cociente. En tal representaci on cada nodo interior del arbol est a etiquetado con el s mbolo de una operaci on aritm etica (cuyos argumentos son los valores de las expresiones aritm eticas que representan sus sub arboles hijos), y s olo las hojas est an etiquetadas con valores num ericos. Es interesante observar la relaci on entre los distintos tipos de recorrido de un arbol binario con las distintas notaciones para las expresiones aritm eticas. Por ejemplo, la siguiente expresi on dada en notaci on habitual (esto es, en notaci on inja): 3 (4 + 5) (7 : 2) : 6 tiene el arbol sint actico de la gura 17.14. Si se recorre el arbol en in orden entonces se obtiene la notaci on in ja (habitual) de la expresi on. Si se realiza un recorrido en post orden entonces la ordenaci on de los nodos es la siguiente: 345+72:6: que coincide con la expresi on en notaci on post ja.
micas de datos 17.5. Otras estructuras dina
387
: 6
*
3 4
: +
5 7 2
Figura 17.14. Arbol sint actico de una expresi on aritm etica. e re r El lector atento habr a observado que esta notaci on postja no coincide con la denida en el apartado 17.2.3; los argumentos de las operaciones aparecen cambiados de orden, esto no es problema con operaciones conmutativas (suma y producto) pero s en las que no lo son. Este problema se subsana deniendo un recorrido en postorden en el que se visita antes el hijo derecho que el izquierdo.
Finalmente, si se recorre el arbol en pre orden se obtiene una expresi on pre ja de la expresi on, en este caso: :3+45:726
17.5
Otras estructuras din amicas de datos
En este u ltimo apartado damos una idea de otras aplicaciones de la memoria din amica sin pasar al estudio de la implementaci on de las mismas. Listas doblemente enlazadas La implementaci on de listas din amicas mostrada en este cap tulo adolece de la imposibilidad de acceder directamente al predecesor de un nodo. Este problema caus o la inclusi on de varios casos especiales en la implementaci on de algunas operaciones sobre listas, como la inserci on o eliminaci on de nodos intermedios (v ease el apartado 17.1.5). Una lista doblemente enlazada o de doble enlace se dene de modo similar al de las listas de enlace simple, s olo que cada nodo dispone de dos punteros que apuntan al nodo anterior y al nodo siguiente:
388
lista enlazada
Figura 17.15. Una lista doblemente enlazada.
type tElem = char; {o lo que corresponda} tListaDobleEnlace = ^tNodo; tNodo = record contenido : tElem; anterior, siguiente: tListaDobleEnlace end; {tNodo}
La gura 17.15 representa una lista doblemente enlazada. Con los nodos primero y u ltimo de la lista se pueden tomar dos posturas: 1. Considerar que el anterior del primer nodo es nil, y que el siguiente al u ltimo tambi en es nil. En este caso resulta u til considerar la lista como un registro con dos componentes: principio y nal. Del mismo modo que en la implementaci on de tCola. 2. Considerar que el anterior del primero es el u ltimo y que el siguiente al u ltimo es el primero. En este caso, estrictamente hablando, no se obtiene una lista, sino un anillo o lista circular que carece de principio y de nal. Un an alisis m as profundo de esta estructura rebasa los l mites de este libro; no obstante, en el apartado de comentarios bibliogr acos se citan algunas referencias con las que profundizar en el estudio de este tipo de datos.
17.6. Ejercicios Arboles generales
389
En el apartado 17.4 se han estudiado los arboles binarios; esta estructura se puede generalizar a estructuras en las que los nodos pueden tener m as de dos sub arboles hijos. Esta generalizaci on puede hacerse de dos formas distintas: 1. Pasando a arboles n-arios, en los que cada nodo tiene a lo sumo n sub arboles hijos. Un arbol arbol n-ario se puede representar como un arbol de registros de n componentes, o bien como un vector de sub arboles. 2. Considerando arboles generales, en los que no existe limitaci on en el n umero de sub arboles hijo que puede tener. Los a rboles generales se implementan mediante un arbol de listas (puesto que no se sabe el n umero m aximo de hijos de cada nodo). La elecci on de un tipo de arbol o de otro depende del problema particular que se est e tratando: el uso de registros acelera el acceso a un hijo arbitrario; sin embargo, un n umero elevado de registros puede consumir buena parte de la memoria disponible. El otro enfoque, el de un arbol general, resulta apropiado para evitar el derroche de memoria si no se usa la mayor a de los campos de los registros con la contrapartida de un mayor tiempo de acceso a los nodos. Entre las aplicaciones t picas de los arboles generales se encuentran los arboles de juegos o los arboles de decisi on. Veamos brevemente qu e se entiende por un arbol de juego (de mesa, como, por ejemplo, las damas o el ajedrez): La ra z de un arbol de juegos es una posici on de las chas en el tablero; el conjunto de sus hijos lo forman las distintas posiciones accesibles en un movimiento desde la posici on anterior. Si no es posible realizar ning un movimiento desde una posici on, entonces ese nodo no tiene descendientes, es decir, es una hoja; como ejemplo de arbol de juegos, en la gura 17.16 se muestra un arbol para el juego del tres en raya, representando una estrategia que permite ganar siempre al primero en jugar. Conviene saber que no es corriente razonar sobre juegos desarrollando expl citamente todo el arbol de posibilidades, sino que suele recorrerse impl citamente (hasta cierto punto) al efectuarse llamadas de subprogramas recursivos.
17.6
Ejercicios
1. Escriba una versi on iterativa de la funci on longitud de una lista. 2. Se denomina pal ndromo una palabra o frase que se lee igual de izquierda a derecha que de derecha a izquierda. Por ejemplo,
390
Negras
Blancas
Negras
Blancas
Blancas pierden
Negras
Blancas
Blancas pierden
Negras Las negras hacen tres en raya en su siguiente turno
Figura 17.16. Estrategia ganadora para el juego del tres en raya.

DABALE ARROZ A LA ZORRA EL ABAD
391
Escriba un programa que lea una cadena de caracteres (terminada por el car acter de n de l nea) y determine si es o no un pal ndromo. (Indicaci on: un m etodo sencillo consiste en crear una lista de letras y su inversa y compararlas para ver si son iguales). 3. Completar el programa de simulaci on de colas, calculando el tiempo que permanece la caja desocupada y el tiempo medio de espera de los clientes. 4. La funci on de b usqueda de un dato en un arbol binario de b usqueda se present o de forma recursiva. Escribir una versi on iterativa de dicha funci on. 5. Escriba un procedimiento que halle el nodo predecesor de un nodo de un arbol bi nario de b usqueda. Usese para escribir una codicaci on completa de la eliminaci on de un nodo en un arbol de b usqueda binaria. 6. Completar la codicaci on en Pascal del recorrido en anchura de un arbol. Para el procesado de los nodos visitados lim tese a imprimir el contenido de los nodos. 7. Implemente una versi on iterativa del procecimiento PonerEnCola. 8. Escriba la versi on iterativa de un procedimiento recursivo gen erico. 9. Escriba una funci on que eval ue expresiones aritm eticas escritas en notaci on postja.
17.7
En [DL89] se hace un estudio detallado de de las principales estructuras din amicas de datos con numerosos ejemplos y aplicaciones, siguiendo el mismo estilo que en la primera parte de este texto [DW89]. Una referencia obligada es el cl asico libro de N. Wirth [Wir86], que dedica su cap tulo 4 al estudio de las estructuras din amicas de datos. Dentro de ellas hay que destacar el tratamiento de los distintos tipos de arboles: equilibrados, de b usqueda, generales y otros, con interesantes aplicaciones. Esta parte de nuestro libro debe entenderse como una introducci on, ya que las estructuras de datos que pueden construirse con punteros son variad simas ( arboles, grafos, tablas, conjuntos, matrices de gran tama no y bases de datos, por citar algunos) y pueden llegar a ser muy complejos. Su estudio en detalle corresponde a cursos posteriores. Por citar algunos textos en espa nol sobre el tema destacamos [AM88] y [AHU88]. Finalmente, es obligado mencionar que la idea de los punteros con referencias indirectas de los datos es ampliamente explotada por el lenguaje C y sus extensiones. Precisamente ese uso extensivo es una raz on de peso para lograr programas ecientes. Entre las muchas referencias sobre este lenguaje, citamos [KR86].
Tema VI
Aspectos avanzados de programaci on
Cap tulo 18
Complejidad algor tmica
18.1 Conceptos b asicos . . . . . . . . . . . . . . . . . . . . . . 396 18.2 Medidas del comportamiento asint otico . . . . . . . . 402 18.3 Reglas pr acticas para hallar el coste de un programa 408 18.4 Utiles matem aticos . . . . . . . . . . . . . . . . . . . . . 418 18.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 18.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . 425
Con frecuencia, un problema se puede resolver con varios algoritmos, como ocurre, por ejemplo, en los problemas de ordenaci on y b usqueda de vectores (v ease el cap tulo 15). En este cap tulo se estudian criterios (presentados escuetamente en el apartado 1.3.3) que permiten al programador decidir cu al de los posibles algoritmos que resuelven un problema es m as eciente. En general, la eciencia se puede entender como una medida de los recursos empleados por un algoritmo en su ejecuci on. En particular, usualmente se estudia la eciencia de un algoritmo en tiempo (de ejecuci on), espacio (de memoria) o n umero de procesadores (en algoritmos implementados en arquitecturas paralelas). Como se vio en el apartado 1.3.3, el estudio de la complejidad algor tmica trata de resolver este important simo aspecto de la resoluci on de problemas. Los criterios utilizados por la complejidad algor tmica no proporcionan medidas absolutas, como podr a ser el tiempo total en segundos empleado en la ejecuci on del programa que implementa el algoritmo, sino medidas relativas al
396
Cap tulo 18. Complejidad algor tmica
tama no del problema. Adem as, estas medidas son independientes del computador sobre el que se ejecute el algoritmo. Nuestro objetivo en este tema es proporcionar las herramientas necesarias para el c alculo de la complejidad de los algoritmos. De esta forma, en caso de disponer de m as de un algoritmo para solucionar un problema, tendremos elementos de juicio para decidir cu al es mejor desde el punto de vista de la eciencia. Con frecuencia, no es posible mejorar simult aneamente la eciencia en tiempo y en memoria, busc andose entonces un algoritmo que tenga una complejidad razonable en ambos aspectos. Actualmente, y gracias a los avances de la t ecnica, quiz as es m as importante el estudio de la complejidad en el tiempo, ya que la memoria de un computador puede ser ampliada f acilmente, mientras que el problema de la lentitud de un algoritmo suele ser m as dif cil de resolver. Adem as, el c alculo de las complejidades en tiempo y en espacio se lleva a cabo de forma muy similar. Por estas razones, se ha decidido dedicar este cap tulo esencialmente al estudio de la complejidad en el tiempo.
18.1
Conceptos b asicos
El tiempo empleado por un algoritmo se mide en pasos Para medir el tiempo empleado por un algoritmo se necesita una medida adecuada. Claramente, si se aceptan las medidas de tiempo f sico, obtendremos unas medidas que depender an fuertemente del computador utilizado: si se ejecuta un mismo algoritmo con el mismo conjunto de datos de entrada en dos computadores distintos (por ejemplo en un PC-XT y en un PC-Pentium) el tiempo empleado en cada caso diere notablemente. Esta soluci on llevar a a desarrollar una teor a para cada computador, lo que resulta poco pr actico. Por otro lado, se podr a contar el n umero de instrucciones ejecutadas por el algoritmo, pero esta medida depender a de aspectos tales como la habilidad del programador o, lo que es m as importante, del lenguaje de programaci on en el que se implemente, y tampoco se debe desarrollar una teor a para cada lenguaje de programaci on. Se debe buscar entonces una medida abstracta del tiempo que sea independiente de la m aquina con que se trabaje, del lenguaje de programaci on, del compilador o de cualquier otro elemento de hardware o software que inuya en el an alisis de la complejidad en tiempo. Una de las posibles medidas, que es la empleada en este libro y en gran parte de la literatura sobre complejidad, consiste en contar el n umero de pasos (por ejemplo, operaciones aritm eticas, comparaciones y asignaciones) que se efect uan al ejecutarse un algoritmo.
sicos 18.1. Conceptos ba El coste depende de los datos
397
Consid erese el problema de decidir si un n umero natural es par o impar. Es posible usar la funci on Odd predenida en Pascal, que permite resolver el problema en tiempo constante. Una segunda opci on es emplear el algoritmo consistente en ir restando 2 repetidamente mientras que el resultado de la sustracci on sea mayor que 1, y nalmente comprobar el valor del resto. Es f acil comprobar que se realizan n div 2 restas, lo que nos indica que, en este caso, el tiempo empleado depende del dato original n. Normalmente, el tiempo requerido por un algoritmo es funci on de los datos, por lo que se expresa como tal: as , escribimos T (n) para representar la complejidad en tiempo para un dato de tama no n. Este tama no de entrada n depende fuertemente del tipo de problema que se va a estudiar. As , por ejemplo, en el proceso de invertir el orden de los d gitos de un n umero natural (4351, 0) ; (435, 1) ; (43, 15) ; (4, 153) ; (0, 1534) no importa el n umero en cuesti on: el dato relevante para ver cu anto tiempo se tarda es la longitud del n umero que se invierte. Otro ejemplo: para sumar las componentes de un vector de n umeros reales, el tiempo empleado depende del n umero n de componentes del vector. En este caso, se puede decir ambas cosas sobre el coste: Que el coste de invertir un n umero, d gito a d gito, es lineal con respecto a su longitud (n umero de cifras) Que el coste es la parte entera de log10 (n)+1, o sea, una funci on logar tmica, siendo n el dato. Otra situaci on ejemplar se da en el caso del algoritmo de suma lenta (v ease el apartado 1.2.1) de dos n umeros naturales a y b:
while b > 0 do begin a:= a + 1; b:= b - 1 end {while}
Como se puede observar, el coste del algoritmo depende u nicamente del segundo par ametro, ya que se ejecutan exactamente b iteraciones del cuerpo del bucle. Es, por tanto, un algoritmo de complejidad lineal con respecto a b, es decir, T (a, b) = b. Conclusi on: no siempre todos los datos son importantes de cara a la complejidad.
398
En denitiva, a la hora de elegir el tama no de los datos de entrada n de un algoritmo, conviene que represente la parte o la caracter stica de los datos que inuye en el coste del algoritmo. El coste esperado, el mejor y el peor Otro aspecto interesante de la complejidad en tiempo puede ilustrarse analizando el algoritmo de b usqueda secuencial ordenada estudiado en el apartado 15.1.2, en el que se recorre un vector (ordenado crecientemente) desde su primer elemento, hasta encontrar el elemento buscado, o hasta que nos encontremos un elemento en el vector que es mayor que el elemento elem buscado. La implementaci on en Pascal de dicho algoritmo (ya mostrada en el citado apartado) es la siguiente:
const N = 100; {tama~ no del vector} type tIntervalo = 0..N; tVector = array[1..N] of integer; function BusquedaSecOrd(v: tVector; elem: integer): tIntervalo; {PreC.: v est a ordenado crecientemente, sin repeticiones} {Dev. 0 (si elem no est a en v) o i (si v[i] = elem)} var i: tIntervalo; begin i:= 0; repeat {Inv.: v[j] = elem j, 1 j i} i:= i + 1 until (v[i] >= elem) or (i = N); {v[i] = elem o v[j] = elem j, 1 j N} if v[i] = elem then {se ha encontrado el valor elem} BusquedaSecOrd:= i else BusquedaSecOrd:= 0 end; {BusquedaSecOrd}
Intuitivamente se puede ver que, si se tiene la buena fortuna de encontrar el elemento al primer intento, el tiempo es, digamos, de un paso (un intento). En el peor caso (cuando el elemento elem buscado es mayor o igual que todos los elementos del vector), se tendr a que recorrer todo el vector v, invirtiendo n pasos. Informalmente, se podr a pensar que en un caso normal, se recorrer a la mitad del vector (n/2 pasos).
399
Como conclusi on se puede armar que en algunos algoritmos, la complejidad no depende u nicamente del tama no del par ametro, sino que intervienen otros factores que hacen que la complejidad var e de un caso a otro. Para distinguir esas situaciones se habla de coste en el mejor caso, en el peor caso y en el caso medio: Tm aximo ax (n), expresa la complejidad en el peor caso, esto es, el tiempo m que un algoritmo puede necesitar para una entrada de tama no n. Tm nimo n (n), expresa la complejidad en el mejor caso, esto es, el tiempo m que un algoritmo necesita para una entrada de tama no n. Tmed (n), expresa la complejidad en el caso medio, esto es, el tiempo medio que un algoritmo necesita para una entrada de tama no n. Generalmente, se suele suponer que todas las secuencias de entradas son equiprobables. Por ejemplo, en los algoritmos de b usqueda, se considerar a que elem puede estar en cualquier posici on del vector con id entica probabilidad, es decir, 1 . con probabilidad n Generalmente, la complejidad en el mejor caso es poco representativa y la complejidad en el caso medio es dif cil de calcular por lo que, en la pr actica, se suele trabajar con el tiempo para el peor caso por ser una medida signicativa y de c alculo factible en general. No obstante, como ejemplo, se calculan a continuaci on las tres medidas para el algoritmo de b usqueda secuencial ordenada. Para jar ideas, vamos a hallar el coste en t erminos de los tiempos empleados para las operaciones de sumar (s), realizar una comparaci on (c) y realizar una asignaci on (a) por un computador cualquiera. El coste en pasos es m as sencillo, ya que basta con dar el valor unidad a cada una de esas operaciones. Las tres medidas de coste mencionadas se calculan como sigue: Tm nimo se alcanzar a cuando v[1] elem. En tal n : Este tiempo m caso se necesita una asignaci on para iniciar la variable i, una suma y una asignaci on para incrementar el valor de i, dos comparaciones en el bucle repeat, otro test m as para v[i] = elem y, nalmente, una asignaci on a la funci on B usquedaSecOrd. Por lo tanto: Tm n (n) = 3a + 3t + s que es constante, lo que abreviamos as : Tm n (n) = k
400
Tm aximo se alcanzar a cuando v[n] elem. Por lo ax : Este tiempo m tanto: Tm ax (n) = a + n(s + 2t + a) + t + a = k1 n + k2 Tmed : Sup ongase que es igualmente probable necesitar 1 vuelta, 2 vueltas,. . . , n vueltas para encontrar el elemento buscado.1 Adem as, recordemos que el tiempo empleado por el algoritmo cuando para en la posici on j- esima del vector es T ( j ) = k1 j + k2 seg un lo dicho en el apartado anterior. Entonces, se tiene que:2
n
Tmed (n) =
j =1 n
Tj P (parar en la posicio n j e sima) ( k1 j + k2 ) 1 n
=
j =1
k1 n + 1 + k2 n 2 = c1 n + c2 = de forma que tambi en es lineal con respecto a n. Por supuesto, Tmed (n) < Tm ax (n), como se puede comprobar comparando los valores de k1 y c1 , lo que se deja como ejercicio al lector. Tambi en importa el gasto de memoria Por otra parte, el estudio de la implementaci on de la funci on Sumatorio nos sirve para ver c omo el coste en memoria tambi en debe tenerse en cuenta al analizar algoritmos. Esta funci on, que calcula la suma de los n primeros n umeros naturales, siendo n el argumento de entrada, puede ser implementada de forma natural con un algoritmo recursivo, resultando el siguiente c odigo en Pascal:
function Sumatorio(n: {PreC.: n 0} n {Dev. i=0 i} integer): integer;
1 Se tiene esta situaci on, por ejemplo, cuando la secuencia ordenada de los n elementos del vector se ha escogido equiprobablemente entre el dominio integer, as como el elemento elem que se busca. 2 Notaremos con P a la probabilidad.

begin if n = 0 then Sumatorio:= 0 else Sumatorio:= n + Sumatorio(n-1) end; {Sumatorio}
401
Al calcular el espacio de memoria que ocupa una llamada a esta funci on ha de tenerse en cuenta que, por su naturaleza recursiva, se generan nuevas llamadas a Sumatorio (exactamente n llamadas). En cada llamada se genera una tabla de activaci on (v ease el apartado 10.2) del tama no de un entero (el par ametro n), es decir, de tama no constante. En consecuencia, podemos armar que la funci on Sumatorio tiene un coste proporcional a n. Pero la suma de los n primeros enteros puede calcularse tambi en de forma intuitiva empleando un algoritmo iterativo. Su sencilla implementaci on es la siguiente:
function SumatorioIter(n: {PreC.: n 0} n {Dev. i=0 i} var suma, i: integer; begin suma:= 0; for i:= 0 to n do suma:= suma + i; SumatorioIter:= suma end; {SumatorioIter} integer): integer;
En este caso, una llamada a SumatorioIter, al no generar otras llamadas sucesivas, consume un espacio de memoria constante: exactamente el necesario para su par ametro y para las dos variables locales, todos de tipo integer. Piense el lector en la diferencia de espacio requerida por ambas funciones para n = 1000, por ejemplo. Con estos ejemplos podemos concluir que, a la hora del an alisis de algoritmos, es fundamental realizar un estudio de la eciencia, destacando como aspecto m as importante la complejidad en tiempo, y en segundo lugar, la complejidad en espacio. Lo importante es el comportamiento asint otico Es un hecho evidente que datos de un tama no reducido van a tener asociados, en general, tiempos cortos de ejecuci on. Por eso, es necesario estudiar el com-
402
portamiento de estos con datos de un tama no considerable, que es cuando los costes de los distintos algoritmos pueden tener una diferenciaci on signicativa. Para entender mejor la importancia del orden de complejidad, resulta muy ilustrativo observar c omo aumenta el tiempo de ejecuci on de algoritmos con distintos ordenes. En todos ellos, n representa el tama no de los datos y los tiempos est an expresados en segundos, considerando un computador que realiza un mill on de operaciones por segundo:
T ( n) n 10 50 100 103 104 105 106 log n 3.32 106 5.64 106 6.64 106 105 1.33 105 1.66 105 2 105 n 105 5 105 104 0.001 0.01 0. 1 1 n log n 3.32 105 2.82 104 6.64 104 0.01 0.133 1.66 19.93 n2 104 0.0025 0.01 1 100 104 106 n3 0.001 0.125 1 1000 106 intratable intratable 2n 0.001024 intratable intratable intratable intratable intratable intratable n! 3.6288 intratable intratable intratable intratable intratable intratable
18.2
18.2.1
Medidas del comportamiento asint otico

Comportamiento asint otico
Como se ha visto en el apartado anterior, la complejidad en tiempo de un algoritmo es una funci on T (n) del tama no de entrada del algoritmo. Pues bien, es el orden de dicha funci on (constante, logar tmica, lineal, exponencial, etc.) el que expresa el comportamiento dominante para datos de gran tama no, como se ilustra en el ejemplo que se presenta a continuaci on. Sup ongase que se dispone de cuatro algoritmos para solucionar un determinado problema, cuyas complejidades son respectivamente, lineal (8n), cuadr atica 2 n (2 n ), logar tmica (20 log2 n) y exponencial (e ). En la gura 18.1 se puede observar c omo sus tiempos relativos de ejecuci on no son excesivamente diferentes para datos de un tama no peque no (entre 1 y 5). Sin embargo, las gr acas de la gura 18.2 conrman que es realmente el orden de la funci on de complejidad el que determina el comportamiento para tama nos de entrada grandes, reteniendo u nicamente la parte relevante de una funci on (de coste) para datos de gran tama no. A la vista de esto, es evidente que el aspecto importante de la complejidad de algoritmos es su comportamiento asint otico, ignorando otros detalles menores por ser irrelevantes. Para ello, es preciso formalizar el estudio del orden de complejidad mediante medidas que ayuden a determinar el comportamiento asint otico del coste.
tico 18.2. Medidas del comportamiento asinto
403
50 40 30 20 10 1 2 3
en
2 n2 20 log 2 n 8n
Figura 18.1.
250 200 150 100 50 0
en
2 n2 8n
en 1600 1400 1200 1000 800 600 400 200 0 20
2 n2
8n
20 log 2 n 5 10 15 20 25
20 log 2 n 40 60 80 100
Figura 18.2.
404
Entre estas medidas destaca la notaci on O may uscula,3 la notaci on y la notaci on .
18.2.2
Notaci on O may uscula (una cota superior)
Denici on: Sean f, g : Z Z+ IR+ . Se dice que f O(g ) o que f es del orden de g si existen constantes n0 Z Z+ y IR+ tales que f (n) g (n) para todo n n0 Con la notaci on4 f O(g ) se expresa que la funci on f no crece m as deprisa que alguna funci on proporcional a g . Esto es, se acota superiormente el comportamiento asint otico de una funci on salvo constantes de proporcionalidad. Veamos algunos ejemplos: Para el algoritmo de b usqueda secuencial ordenada, Tm ax ( n ) = k 1 n + k 2 O ( n ) (lo que se ve tomando cualquier > k1 y n0 > Para este mismo algoritmo se tiene adem as que Tmed (n) = c1 n + c2 O(n), y para el sumatorio recursivo se cumple que S (n) = n + 1 O(n). Todas las funciones de tiempo constante son O(1): f (n) = k O(1) lo que se ve tomando = k y cualquier n0 Z Z+ . En este caso est an Tm usqueda secuencial ordenada, y S (n) = 3 para el n (n) = k para la b sumatorio iterativo. 15n2 O(n2 ) Como esta notaci on expresa una cota superior, siempre es posible apuntar alto a la hora de establecerla. Por ejemplo, se puede decir que los algoritmos estudiados hasta ahora son O(n!). Naturalmente, esta imprecisi on es perfectamente in util, por lo que se debe procurar que la funci on g sea lo m as pr oxima posible a f ; es decir, se debe buscar una cota superior lo menor posible. As , por ejemplo, aunque (5n + 3) O(n2 ), es m as preciso decir que (5n + 3) O(n). Para formalizar esta necesidad de precisi on, se usan otras medidas del comportamiento asint otico.
3 Debido a que la expresi on inglesa que se utiliza para esta notaci on es Big-Oh , tambi en se conoce como notaci on O grande. 4 En lo sucesivo, emplearemos las dos notaciones f O(g ) y f (n) O(g (n)) indistintamente, seg un convenga.
k2 k1 ).
405
18.2.3
Notaci on may uscula (una cota inferior)
Denici on: Sean f, g : Z Z+ IR+ . Se dice que f (g ) si existen constantes n0 Z Z+ y IR+ tales que f (n) g (n) para todo n n0
Con la notaci on f (g ) se expresa que la funci on f crece m as deprisa que alguna funci on proporcional a g . Esto es, se acota inferiormente el comportamiento asint otico de una funci on, salvo constantes de proporcionalidad. Dicho de otro modo, con la notaci on f (g ) se indica que la funci on f necesita para su ejecuci on un tiempo m nimo dado por el orden de la funci on g . En los ejemplos anteriores se puede comprobar que: Para el algoritmo de b usqueda secuencial ordenada, Tm ax (n) (n). 3n + 1 (n). 3n + 1 (1). 15n2 (n2 ). 15n2 (n). Comparando las deniciones anteriores, se tiene que f O(g ) g (f )
18.2.4
Notaci on may uscula (orden de una funci on)
Denici on: Sean f, g : Z Z+ IR+ . Se dice que f (g ) si f O(g ) y g O(f ); esto es, si f O(g ) (g ). Al conjunto (g ) se le conoce como el orden exacto de g . Con la notaci on se expresa que la funciones f y g tienen el mismo grado ( x) de crecimiento, es decir, que 0 < limx f g (x) < . Ejemplos: Para el algoritmo de b usqueda secuencial ordenada, Tm ax (n) (n). 3n + 1 (n). 15n2 (n2 ).
406
18.2.5
Propiedades de O, y
Entre las propiedades m as importantes de la notaciones O may uscula, y cabe destacar las que se describen a continuaci on. En ellas se utiliza el s mbolo si la propiedad es cierta para las tres notaciones, y se asume que f, g, f1 , f2 : Z Z+ IR+ Reexividad: f (f ). Escalabilidad: Si f (g ) entonces f (k g ) para todo k IR+ . Una consecuencia de ello es que, si a, b > 1 se tiene que O(loga n) = O(logb n). Por ello, no hace falta indicar la base: O(log n)
Transitividad: Si f (g ) y g (h) se tiene que f (h). Simetr a: Si f (g ) entonces g (f ) (Obs ervese que las otras notaciones no son sim etricas y tr atese de dar un contraejemplo.)
Regla de la suma: Si f1 O(g1 ) y f2 O(g2 ) entonces f1 +f2 O (m ax(g1 , g2 )) siendo m ax(g1 , g2 )(n) = m ax (g1 (n), g2 (n)). Junto con la escalabilidad, esta regla se generaliza f acilmente as : si fi O(f ) para todo i = 1, . . . k , entonces c1 f1 + . . . + ck fk O(f ). Otra consecuencia u til es que si pk (n) es un polinomio de grado k , entonces pk (n) O(nk ). Una consecuencia de ello es que, si p < q , entonces O(np ) O(nq ).
n n+1
Regla del producto: Si f1 (g1 ) y f2 (g2 ) entonces f1 f2 O(g1 g2 ). Regla del sumatorio: Si f O(g ) y la funci on g es creciente,
i=1
f ( i) O
g (x) dx
1 n
. Una consecuencia u til es la siguiente:

i=1
ik O(nk+1 ).
Estas propiedades no deben interpretarse como meras f ormulas desprovistas de signicado. Muy al contrario, expresan la idea de fondo de las medidas asint oticas, que consiste en ver la parte relevante de una funci on de coste pensando en datos de gran tama no. Gracias a ello, podemos simplicar considerablemente las funciones de coste sin peligro de p erdida de informaci on (para datos grandes, se entiende). Por ejemplo:
407
50 40 30 20 10 0
n 2 + 40n
n 2 + 25
1000 800
n 2 + 40n n 2 + 25 n2
n2
600 400 200
10
15
20
25
n 2 + 40n 14000 12000 10000 8000 6000 4000 2000 0 20 40 60
n 2 + 25 n2
80 100 120
Figura 18.3.
c 1 n2 + c 2 n + c 3 c 1 n2 n 2 Efectivamente, para datos grandes las funciones con el mismo orden de complejidad se comportan esencialmente igual. Adem as, en la pr actica es posible omitir los coecientes de proporcionalidad: de hecho, no afectan a las medidas estudiadas. Las dos simplicaciones se justican en las gr acas de la gura 18.3.
18.2.6
Jerarqu a de ordenes de frecuente aparici on
Existen algoritmos de complejidad lineal con respecto a los datos de entrada (T (n) = c1 n + c2 ). Tambi en existen algoritmos de complejidad constante (T (n) = c), independientemente de los datos de entrada. El m etodo de intercambio directo para ordenar arrays tiene un coste cuadr atico. Otras funciones de coste son polin omicas de diversos grados, exponenciales, logar tmicas, etc.
408
Estos diferentes comportamientos asint oticos se pueden ordenar de menor a mayor crecimiento. Aunque no pretendemos dar una lista exhaustiva, la siguiente cadena de desigualdades puede orientar sobre algunos de los ordenes de coste m as usuales:5 1 log(n) n n log(n) n2 n3 2n n!
A pesar de las apariencias, la relaci on ser del orden de no es una relaci on de orden total: existen pares de funciones tales que ninguna de las dos es una cota superior de la otra. Por ejemplo, las funciones f ( n) = 1 si n es par g ( n) = n si n es impar n si n es par 1 si n es impar
no verican f O(g ) ni g O(f ).
18.3
18.3.1
Reglas pr acticas para hallar el coste de un programa

Tiempo empleado
En este apartado se dan reglas generales para el c alculo de la complejidad en tiempo en el peor caso de los programas escritos en Pascal. Para dicho c alculo, como es natural, se debe tener en cuenta el coste en tiempo de cada una de las diferentes instrucciones de Pascal, y esto es lo que se detalla a continuaci on. Instrucciones simples Se considera que se ejecutan en tiempo constante: La evaluaci on de las expresiones aritm eticas (suma, resta, producto y divisi on) siempre que los datos sean de tama no constante, as como las comparaciones de datos simples. Las instrucciones de asignaci on, lectura y escritura de datos simples. Las operaciones de acceso a una componente de un array, a un campo de un registro y a la siguiente posici on de un archivo. Todas esas operaciones e instrucciones son (1).
5
La notaci on
representa la relaci on de orden menor que.
cticas para hallar el coste de un programa 18.3. Reglas pra Composici on de instrucciones
409
Suponiendo que las instrucciones I1 e I2 tienen como complejidades en el peor caso TI1 (n) y TI2 (n), respectivamente, entonces el coste de la composici on de instrucciones (I1 ; I2 ) en el peor caso es T I 1 ; I 2 ( n) = T I 1 ( n) + T I 2 ( n) que, aplicando la regla de la suma, es el m aximo entre los costes TI1 (n) y TI2 (n). Instrucciones de selecci on En la instrucci on condicional,
if condici on then I1 else I2
siempre se eval ua la condici on, por lo que su coste debe agregarse al de la instrucci on que se ejecute. Puesto que se est a estudiando el coste en el peor caso, se tendr a en cuenta la m as costosa. Con todo esto, la complejidad de la instrucci on if-then-else es: Tcondici x(TI1 (n), TI2 (n)) o n (n) + ma An alogamente, la instrucci on de selecci on por casos
case expresi on of caso1 : I1 ; ... casoL: IL end; {case}
requiere evaluar la expresi on y una instrucci on, en el peor caso la m as costosa: Texpresi x(TI1 (n), . . . , TIL (n)) o n (n) + ma Bucles El caso m as sencillo es el de un bucle for:
for j:= 1 to m do I
410
En el supuesto de que en I no se altera el ndice j, esta instrucci on tiene el siguiente coste:

m
m+
j =1
T I j ( n)
donde la cantidad m representa las m veces que se incrementa j y la comprobaci on de si est a entre los extremos inferior y superior. En el caso de que el cuerpo del bucle consuma un tiempo jo (independientemente del valor de j), la complejidad del bucle resulta ser m(1 + TI (n)). En los bucles while y repeat no hay una regla general, ya que no siempre se conoce el n umero de vueltas que da, y el coste de cada iteraci on no siempre es uniforme. Sin embargo, con frecuencia se puede acotar superiormente, acotando precisamente el n umero de vueltas y el coste de las mismas. Subprogramas El coste de ejecutar un subprograma no recursivo se deduce con las reglas descritas. Por el contrario, en caso de haber recursi on, hay que detenerse a distinguir entre los casos b asicos (los par ametros que no provocan nuevas llamadas recursivas) y los recurrentes (los que s las producen). Consid erese como ejemplo la versi on recursiva de la funci on factorial (tomada del apartado 10.1):
function Fac (n: integer): integer; {PreC.: n 0} {Dev. n!} begin if n = 0 then Fac:= 1 else Fac:= n * Fac(n-1) end; {Fac}
Para calcular la complejidad TFac (n) del algoritmo se debe tener en cuenta que, para el caso b asico (n = 0), el coste es constante, (1), TFac (0) = 1 y para los recurrentes (n > 0), el coste es de una cantidad constante, (1) m as el de la llamada subsidiaria provocada: TFac (n) = 1 + TFac (n 1) En resumen, TFac (n) = 1 si n = 0 1 + TFac (n 1) si n > 0
cticas para hallar el coste de un programa 18.3. Reglas pra As , para n > 1, TFac (n) = 1 + TFac (n 1) = ...
411
= 1 + 1 + TFac (n 2)
= n + TFac (0) = n+1 y, por lo tanto, el coste es lineal, o sea, TFac (n) (n).
18.3.2
Ejemplos
Una vez descrito c omo calcular la complejidad en tiempo de los programas en Pascal, se presentan algunos algoritmos a modo de ejemplo. Producto de dos n umeros enteros Sup ongase que se pretende calcular el producto de dos n umeros naturales n y m sin utilizar la operaci on de multiplicaci on. Un primer nivel de dise no de un algoritmo para este problema es:
prod:= 0 repetir n veces repetir m veces prod:= prod + 1
Este dise no se implementa directamente en Pascal mediante la siguiente funci on:

function Producto(n, m: integer): {PreC.: n,m 0} {Dev. nm} var i,j,prod: integer; begin prod:= 0; for i:= 1 to n do for j:= 1 to m do prod:= prod + 1; Producto:= prod end; {Producto} integer;
412
Como el primer bucle for se repite n veces y el segundo m veces, y puesto que el resto de las instrucciones son asignaciones (con tiempo de ejecuci on constante), se deduce que el algoritmo tiene una complejidad en tiempo T (n, m) O(nm).
Para mejorar el algoritmo, se podr a utilizar un u nico bucle, atendiendo al siguiente dise no:
prod:= 0 repetir n veces prod:= prod + m
Este dise no tambi en se implementa f acilmente en Pascal mediante una funci on:
function Producto2(n, m: {PreC.: n,m 0} {Dev. nm} var i,prod: integer; begin prod:= 0; for i:= 1 to n do prod:= prod + m; Producto2:= prod end; {Producto2} integer): integer;
Se obtiene as un c odigo cuya complejidad es, claramente, O(n). Este algoritmo se puede mejorar ligeramente si se controla que el bucle se repita n veces si n m, o m veces si m n. La implementaci on de esta mejora se deja como ejercicio al lector. Es posible conseguir una complejidad a un menor utilizando el algoritmo conocido con el nombre de multiplicaci on a la rusa.6 El m etodo consiste en multiplicar uno de los t erminos por dos mientras que el otro se divide por dos (divisi on entera) hasta llegar a obtener un uno. El resultado se obtendr a sumando aquellos valores que se han multiplicado por dos tales que su correspondiente t ermino dividido por dos sea un n umero impar. Por ejemplo, al realizar la multiplicaci on a la rusa de 25 11, se obtiene la siguiente tabla de ejecuci on: 25 11 50 5 100 2 200 1
Curiosamente, muchos autores dicen que este algoritmo es el que utilizaban los romanos para multiplicar.
6
cticas para hallar el coste de un programa 18.3. Reglas pra
413
obteniendo como resultado nal 25 + 50 + 200 = 275 debido a que sus t erminos divididos correspondientes (11, 5 y 1) son impares.
e re r La justicaci on de por qu e sumar s olo estos valores es la siguiente: si se tiene un producto de la forma k (2l), un paso del algoritmo lo transforma en otro producto igual (2k ) l; sin embargo, si el producto es de la forma k (2l + 1), un paso del algoritmo lo transforma en (2k ) l (debido a que (2l + 1) div 2 = l), mientras que el verdadero resultado del producto es k (2l + 1) = (2k ) l + k . Por lo tanto, se tendr a que sumar la cantidad perdida k y esto es lo que se hace siempre que el n umero que se divide es impar.
Dada la sencillez del algoritmo, se presenta directamente su implementaci on en Pascal:

function ProductoRuso(n,m: integer):integer; {PreC.: n,m 0} {Dev. nm} var prod: integer; begin prod:= 0; while m > 0 do begin if Odd(m) then prod:= prod + n; n:= n + n; {n:= n * 2, sin usar *} m:= m div 2 end; {while} ProductoRuso:= prod end; {ProductoRuso}
Como la variable m se divide por dos en cada vuelta del bucle, hasta llegar a 0, el algoritmo es de complejidad O(log m). Ordenaci on de vectores En el cap tulo 15 se presentaron varios algoritmos para la ordenaci on de vectores, viendo c omo, intuitivamente, unos mejoraban a otros en su eciencia en tiempo. En este apartado se estudia con detalle la complejidad de algunos de estos algoritmos7 utilizando las t ecnicas expuestas en los apartados anteriores.
Dado que no es necesario tener en cuenta todos los detalles de un algoritmo para su an alisis, se ha optado en este apartado por estudiar la complejidad sobre el seudoc odigo, llegando hasta el nivel menos renado que permita su an alisis. Los autores consideran que descender a niveles inferiores no es necesario, ya que los fragmentos que tardan un tiempo constante (o acotado por una constante) no importa qu e detalles contengan.
7
414
Para empezar, se presenta el algoritmo de ordenaci on por intercambio directo (v ease el apartado 15.2.3), que es f acil pero ineciente, como se demostrar a al estudiar su complejidad y compararla con la de los restantes. Como se explic o en dicho apartado, este algoritmo consiste en recorrer el array con dos bucles anidados dependientes. El primero recorre todos los elementos del vector, mientras que el segundo bucle va intercambiando los valores que est an en orden decreciente. El boceto del algoritmo es el siguiente:
para i entre 1 y n-1 hacer Desplazar el menor valor desde vn hasta vi , intercambiando pares vecinos, si es necesario Devolver v ya ordenado
Como siempre, para determinar la complejidad es necesario contar el n umero de veces que se ejecuta el cuerpo de los bucles, ya que las operaciones que intervienen en el algoritmo (asignaciones, comparaciones y acceso a elementos de un vector) se ejecutan en tiempo constante. El cuerpo del bucle Desplazar el menor valor. . . si es necesario requiere n-i pasos en la vuelta i- esima (uno para cada posible intercambio). Por lo tanto, el coste del algoritmo completo es8
n i=1
( n i) =
n(n 1) 2
y, en consecuencia, su complejidad es cuadr atica (O(n2 )). Analicemos ahora el algoritmo Quick Sort (v ease el apartado 15.2.4) en el peor caso. A grandes trazos, el algoritmo es el siguiente:
donde Dividir v en dos bloques A y B consiste en

La suma que hay que calcular se corresponde con la suma de los t erminos de una progresi on aritm etica (v ease el apartado 18.4).
8

Elegir un elemento p (pivote) de v para cada elemento del vector hacer si el elemento < p entonces Colocar el elemento en A, el subvector con los elementos de v menores que p en otro caso Colocar el elemento en B, el subvector con los elementos de v mayores que p
415
Como se dijo en 15.2.4, se ha optado por elegir como pivote el primer elemento del vector. En el peor caso (cuando el vector se encuentra ordenado decrecientemente), el algoritmo Quick Sort va a tener complejidad O(n2 ). La raz on es que, en tal caso, el cuerpo del bucle para cada elemento. . . se ejecutar a, en total, (n 1) + (n 2) + . . . + 1 veces, donde cada sumando proviene de cada una de las sucesivas ordenaciones recursivas del subvector A. Esto es as porque en cada llamada se ordena un solo elemento (el pivote), y por tanto dicho subvector tendr a sucesivamente longitud (n 1), (n 2), . . . , 1. Dicha suma, como se vio anteriormente es n(n 1) 2 y por tanto el algoritmo tiene complejidad cuadr atica. En resumen, la complejidad en el peor caso es la misma en el algoritmo anterior. Ciertamente, en el cap tulo 15 se present o este u ltimo m etodo como mejora en el tiempo de ejecuci on. Lo que ocurre es que esa mejora es la que se logra en el caso medio. Sin embargo, el correspondiente c alculo rebasa las pretensiones de este libro. Para completar este apartado se presenta el an alisis de la complejidad en tiempo de un tercer algoritmo de ordenaci on de vectores, concretamente el de ordenaci on por mezcla o Merge Sort (v ease el apartado 15.2.5). El algoritmo es el que sigue:
416
Cap tulo 18. Complejidad algor tmica En este caso, el paso Dividir v en dos subvectores A y B consiste en:
Asignar a A el subvector [v1 , . . . , vn div 2 ] Asignar a B el subvector [vn div 2+1 , . . . , vn ]
mientras que Mezclar las ordenaciones de A y B consiste en ir entremezclando adecuadamente las componentes ya ordenadas de A y de B para obtener el resultado buscado. El an alisis de la complejidad de este algoritmo no es complicado. Partiendo de que la operaci on de Mezclar las ordenaciones de A y B se ejecuta en un tiempo proporcional a n (la longitud del vector por ordenar), el coste en tiempo del algoritmo completo viene dado por la siguiente relaci on de recurrencia, donde ki son cantidades constantes: T ( n) = k1 si n = 1 ) + k n + k 2T ( n 2 3 si n > 1 2
En esta f ormula k1 representa el coste del caso trivial (v de tama no 1); T (n/2) es el coste de cada llamada recursiva, y k2 n + k3 es el coste de mezclar los subvectores A y B, ya ordenados. Esta ecuaci on se resuelve mediante sustituciones sucesivas cuando n es una potencia de 2 (es decir, existe j , tal que n = 2j ), de la siguiente forma: n n T (n) = 2(2T ( ) + k2 + k3 ) + k2 n + k3 4 2 n = 4T ( ) + 2k2 n + k4 4 n n = 4(2T ( ) + k2 + k3 ) + 2k2 n + k4 8 4 = ... = 2j T (1) + jk2 n + kj = nk1 + k2 nlog2 n + kj Y en el caso en que n no sea una potencia de 2, siempre se verica que existe k > 0 tal que 2k < n < 2k+1 , y, por tanto, se tiene que T (n) T (2k+1 ). En consecuencia, se puede armar que, en todo caso, T (n) O(nlog2 n). Esta conclusi on indica que Merge Sort es un algoritmo de ordenaci on con una complejidad en tiempo optima9 en el peor caso, aunque no es tan bueno en cuanto a la complejidad en espacio, ya que es necesario mantener dos copias del vector. Existen versiones mejoradas de este algoritmo que tienen menor coste en espacio, pero su estudio excede a las pretensiones de este texto.
Hay que recordar que esta complejidad es optima bajo la notaci on O-grande, esto es, salvo constantes de proporcionalidad.
9
417
18.3.3
Espacio de memoria empleado
Aunque el c alculo de la complejidad en espacio es similar al de la complejidad en tiempo, se rige por leyes distintas, como se comenta en este apartado. En primer lugar, se debe tener en cuenta que la traducci on del c odigo fuente a c odigo m aquina depende del compilador y del computador, y que esto tiene una fuerte repercusi on en la memoria. En consecuencia, y al igual que se razon o para la complejidad en tiempo, no es recomendable utilizar medidas absolutas sino relativas, como celdas de memoria (el espacio para almacenar, por ejemplo, un dato simple: un n umero o un car acter). Si llamamos S (n) al espacio relativo de memoria que el algoritmo ha utilizado al procesar una entrada de tama no n, se denen los conceptos de Sm ax (n), Sm n (n) y Smed (n) para la complejidad en espacio del peor caso, el mejor caso y caso medio, de forma an aloga a los conceptos respectivos de tiempo. Con estos conceptos, y considerando, por ejemplo, que cada entero necesita una celda de memoria, el espacio necesario para la b usqueda secuencial ordenada es: n celdas para el vector, una celda para el elemento buscado y una celda para la variable i, es decir, S ( n) = n + 2 tanto en el peor caso como en mejor caso y en el caso medio. De forma an aloga se ve que el algoritmo de b usqueda binaria tiene como complejidad en espacio S (n) = n + 4. Utilizando esta notaci on, podemos armar que la funci on Sumatorio del apartado 18.1 tiene, en su versi on iterativa, una complejidad en espacio S (n) = 3, debida al espacio ocupado por el par ametro n y las variables locales i y suma. La complejidad de la versi on recursiva es S (n) = n + 1, puesto que cada una de las tablas de activaci on ocupa una celda para su par ametro local n. Para el c alculo de la complejidad en espacio es preciso tener en cuenta algunos aspectos relacionados con el manejo de subprogramas: La llamada a un subprograma tiene asociado un coste en espacio, dado que se tiene que generar la tabla de activaci on (v ease el apartado 10.2). M as concretamente: Los par ametros por valor necesitan un espacio igual a su tama no, al igual que los objetos (constantes y variables) locales. Los par ametros por variable s olo necesitan una cantidad de espacio unitaria independientemente de su tama no. Los algoritmos recursivos necesitan una cantidad de espacio dependiente de la profundidad de la recursi on que determina el tama no de la pila de tablas de activaci on (v ease el apartado 17.2.3).
418
Cap tulo 18. Complejidad algor tmica Por consiguiente, cuando un subprograma recursivo origine varias llamadas, s olo importar a la llamada que provoque una mayor profundidad, pudi endose despreciar las dem as. Es un error frecuente comparar la complejidad en espacio de los algoritmos recursivos con el n umero total de llamadas.
Ejemplo: sucesi on de Fibonacci La sucesi on de los n umeros de Fibonacci (v ease el apartado 10.3.1) se puede hallar mediante la siguiente funci on recursiva:
function Fib(num: integer): integer; {PreC.: num 0} {Dev. f ibnum } begin if (num = 0) or (num = 1) then Fib:= 1 else Fib:= Fib(num-1) + Fib(num-2) end; {Fib}
El coste en espacio, S (n), del algoritmo descrito es proporcional a la profundidad del arbol de llamadas; es decir, S (n) = 1 en los casos triviales n = 0 y n = 1; en los no triviales (n 2), Fib(n) origina dos llamadas subsidiarias, Fib(n-1) y Fib(n-2), la primera de las cuales es m as profunda. Por lo tanto, en estos casos, S (n) = 1 + ma x(S (n 1), S (n 2)) = 1 + S (n 1) En resumidas cuentas, S (n) = n, lo que indica que esta funci on tiene un requerimiento de espacio lineal con respecto a su argumento n.
18.4
Utiles matem aticos
Ya se ha visto en los ejemplos anteriores que, cuando se trabaja con funciones o procedimientos recursivos, la complejidad en el tiempo T (n) va a venir dada en funci on del valor de T en puntos menores que n. Por ello es u til saber c omo calcular t erminos generales de sucesiones en las que los t erminos se denen en funci on de los valores anteriores (sucesiones recurrentes). En este ap endice se tratan los casos m as comunes que pueden surgir a la hora del c alculo de la complejidad en el tiempo de funciones o procedimientos recursivos.
ticos 18.4. Utiles matema
419
18.4.1
F ormulas con sumatorios
Si xn es una sucesi on aritm etica, esto es, xn = xn1 + r, entonces x1 + x2 + + xn = 1 + x + x 2 + + x n 1 =

i=0 i=0 i=0
( x1 + xn ) n 2
1 xn . 1x 1 , siempre que |x| < 1. 1x
xi = 1 + x + x2 + = xi = ex . i! (1)i xi = log(x). i
Si cada ai (nk ), se tiene que
i=1
ai (nk+1 ).
18.4.2
Sucesiones de recurrencia lineales de primer orden
Son aquellas sucesiones en las que su t ermino general viene dado en funci on del t ermino anterior, es decir, xn = f (xn1 ). En estas sucesiones es necesario conocer el valor de x0 . Dependiendo de la forma f se consideran los siguientes casos: Si xn es de la forma xn = cxn1 , se tiene que xn = cn x0 , ya que xn = cxn1 = c2 xn2 = . . . = cn x0 . Si xn es de la forma xn = bn xn1 para n 1, se tiene que xn = b1 b2 . . . bn x0 . Si xn es de la forma xn = bn xn1 + cn , realizando el cambio de variable xn = b1 b2 . . . bn yn en la recurrencia de xn+1 , se obtiene: b1 b2 . . . bn+1 yn+1 = bn+1 (b1 b2 . . . bn yn ) + cn+1 lo que, operando, conduce a
n
x n = ( b 1 b2 . . . b n ) x 0 +
di
i=1
420 siendo dn =
Cap tulo 18. Complejidad algor tmica cn . ( b1 b2 . . . b n ) Como ejemplo, se expone el caso particular que se obtiene cuando bn = b y cn = c, es decir, xn+1 = bxn + c. En este caso se realiza el cambio xn = bn yn y se tiene: c bn+1 yn+1 = bn+1 yn + c yn+1 = yn + n+1 b
n
yn = y 0 + lo que conduce a xn = x0 + c
i=1
c bi
= y0 + c
1 bn 1b
1 bn . (1 b)bn
Estas recurrencias son de gran importancia por s mismas, pero adem as, las recurrencias generadas por sustracci on y por divisi on se reducen a ellas. Recurrencias generadas por sustracci on Existen algoritmos que dan lugar a recurrencias de la forma xn = Expr(n, xnc ) conocido x0 . Mediante el cambio de variable n = kc tenemos: xn = Expr(n, xnc )
xkc = Expr(kc, x(k1)c ) Si ahora llamamos a la sucesi on xkc = yk , tenemos: y0 = x 0 yk = xkc = Expr(kc, yk1 ) que es lineal de primer orden. Una vez resuelta, se tiene que xn = yn/c Recurrencias generadas por divisi on Otros algoritmos dan lugar a recurrencias de la forma siguiente: xn = ...n...xn/c
= Expr(kc, xkcc )
ticos 18.4. Utiles matema conocido x0 . Mediante el cambio de variable n = ck tenemos: xn = Expr(n, xn/c ) = Expr(ck , xck /c ) xck = Expr(ck , xck1 )
421
Si ahora llamamos a la sucesi on xck = yk , tenemos: y0 = x 0 yk = x c k = Expr(ck , yk1 ) que es lineal de primer orden. Una vez resuelta, se tiene que xn = ylogc n Como ejemplo de este tipo de recurrencias, consid erese el coste del algoritmo de ordenaci on por mezcla: T ( n) = k1 si n = 1 ) + k n + k si n>1 2T ( n 2 3 2
Como su resoluci on sigue al pie de la letra el procedimiento descrito, se deja como ejercicio al lector. La soluci on puede compararse con la ofrecida en 18.3.2.
18.4.3
Sucesiones de recurrencia de orden superior
Son las sucesiones generadas por subprogramas recursivos con m as de una llamada recursiva:10 x n = f ( x n1 , x n2 , . . . , x nk , n ) La resoluci on exacta de este tipo de recurrencias sobrepasa las pretensiones de esta introducci on a la complejidad algor tmica. Sin embargo, con frecuencia es posible y suciente acotar dicho coste. En efecto, es frecuente que la sucesi on xi sea creciente y que entre los tama nos de las llamadas subsidiarias se puedan identicar el m nimo y el m aximo y en general. Si llamamos xm n y x ma x respectivamente a estos valores en la sucesi on anterior, se tiene que
k i=1 k
ai xm n + f ( n) x n
ai xma x + f ( n)
i=1
Esta desigualdad nos da siempre las acotaciones y O y, cuando coincidan ambas, tendremos el orden .
10
Las distintas llamadas son xni .
422
Ejemplo: sucesi on de Fibonacci En su denici on recursiva usual, esta funci on tiene un coste dado por la siguiente relaci on de recurrencia: tn = k 1 tn = x n 1 + x n 2 + k 2 si k = 0 o k = 1 si k 0
Como t es creciente, podemos acotarla entre f y g , as : fn fn gn gn = = = = k1 2fn2 + k2 k1 2gn1 + k2 si si si si k k k k =0ok=1 0 =0ok=1 0
Estas dos relaciones de recurrencia son lineales, y se resuelven f acilmente: fn (2n/2 )gn (2n ) por lo que podemos concluir que la funci on analizada tiene un coste en tiempo n exponencial tn = k , para una constante k sin determinar, entre 2 y 2.
18.5
Ejercicios
1. Considere las siguientes funciones (dependientes de n) de cara a estudiar su comportamiento asint otico: n2 + 103 n + 106 n n log10 n (5n2 + 3)(3n + 2)(n + 1) log n n + log n n ) (1 21/n 2n 2 n 2 n 2 n loge n 3 (n+1)(n2 n+5) 1 1000 n(3+n2 ) n i n n n j =1 n i=1 n i=1 i=1 i Se pide lo siguiente: (a) Para cada una de ellas, busque una funci on sencilla que acote superiormente su comportamiento asint otico, (usando para ello la notaci on O may uscula) procurando ajustarse lo m as posible. (b) Clasique las funciones anteriores seg un sean O(2n ), O(n4 ), O( n), O(log n) o O(1). (c) Agrupe las funciones del ejercicio anterior que sean del mismo orden . 2. Compare las funciones siguientes por su orden de complejidad: 4 log log n log n (log n)2 n
18.5. Ejercicios
3. Calcule la complejidad en tiempo del siguiente algoritmo de sumar: function Suma (m, n: {PreC.: n >= 0} {Dev. m + n } var i: integer; begin for i:= 1 to n do m:= Succ (m) end; {Suma} integer): integer;
423
4. Calcule ahora el coste del siguiente algoritmo de multiplicar, function Producto (a, b: integer): {PreC.: b >= 0} {Dev. a * b} var i, acumProd: integer; begin acumProd:= 0; for i:= 1 to b do acumProd:= acumProd + a end; {Producto} en los tres casos siguientes: (a) Tal como se ha descrito. (b) Cambiando, en el cuerpo de la instrucci on for, la expresi on acumProd + a por la llamada Suma(acumProd, a). (c) Cambiando la expresi on acumProd + a de antes por la llamada Suma(a, acumProd). 5. Considerando los problemas siguientes, esboce algoritmos iterativos para resolverlos e indique su complejidad: (a) Resoluci on de una ecuaci on de segundo grado. (b) C alculo del cociente y el resto de la divisi on entera mediante restas sucesivas. (c) C alculo de un cero aproximado de una funci on mediante el m etodo de bipartici on. (d) Suma de las cifras de un n umero entero positivo. (e) Determinaci on de si un n umero es primo o no mediante el tanteo de divisores. (f) C alculo de
n i+1 i=1 i! ,
integer;
diferenciando dos versiones:
i. Una, en la que cada vez se halla un t ermino del sumatorio. ii. Otra, donde cada factorial del denominador se halla actualizando el del t ermino anterior.
424

(g) Ordenaci on de un array de n componentes por el m etodo de intercambio directo: for i:= 1 to n - 1 do for j:= n downto i + 1 do Comparar las componentes j-1 y j e intercambiar si es necesario (h) Producto de dos matrices, una de m k y otra de k n.
6. Para el problema de las Torres de Hanoi de tama no n, calcule su complejidad exacta en tiempo y en espacio, as como su orden de complejidad. Calcule el tiempo necesario para transferir los 64 discos del problema tal como se plante o en su origen, a raz on de un segundo por movimiento. De esta forma, podr a saber la fecha aproximada del n del mundo seg un la leyenda. 7. Considerando los problemas siguientes, esboce algoritmos recursivos para resolverlos e indique su complejidad: (a) C alculo del cociente de dos enteros positivos, donde la relaci on de recurrencia (en su caso) es la siguiente: Coc(dividendo, divisor) = 1 + Coc(dividendo - divisor, divisor) (b) C alculo del m aximo elemento de un array; as , si es unitario, el resultado es su u nico elemento; si no, se halla (recursivamente) el m aximo de su mitad izquierda, luego el de su mitad derecha del mismo modo y luego se elige el mayor de estos dos n umeros. (c) C alculo de
n i+1 i=1 i! ,
usando la relaci on de recurrencia siguiente, en su caso:

n
an = an +
i=1
n 1 i=1
an
(d) C alculo de los coecientes binomiales versiones: i. Iterativa, mediante el c alculo de ii. Iterativa, mediante el c alculo de
n k
, distinguiendo las siguientes
iii. Recursiva, mediante la relaci on de recurrencia conocida. (e) Evaluaci on de un polinomio, conocido el valor de la variable x, en los siguientes casos: i. La lista de los coecientes viene dada en un array, y se aplica la f ormula i coef x . i i ii. Los coecientes est an en una lista enlazada, y usamos la regla de Horner (v ease el apartado 17.1.4). (f) Ordenaci on de un array de n componentes por el m etodo de mezcla:
m! n!(mn)! . m(m1)...(n+1) . (mn)!

procedure MergeSort (var v: Vn (elem): iz, der); {Efecto: se ordena ascendentemente v[iz..der]} begin if iz < der + 1 then begin MergeSort (la mitad izquierda de v); MergeSort (la mitad derecha de v); Mezclar las dos mitades de v end {if} end; {MergeSort}
425
suponiendo que las mitades del vector son siempre de igual tama no, para simplicar, y que el proceso de mezclarlas tiene un coste proporcional a su tama no.
18.6
La complejidad de algoritmos se estudia m as o menos a fondo en casi todos los cursos de estructuras avanzadas de datos y de metodolog a de la programaci on. De las muchas referencias mencionables, omitiremos aqu las que tienen un contenido similar, y citaremos en cambio s olo algunas de las que pueden servir para ampliar lo expuesto aqu . Para empezar, citamos [MSPF95], una suave introducci on a los conceptos b asicos de la complejidad. En el cl asico libro de Brassard y Bratley [BB97] (especialmente en el cap tulo 2) se pueden ampliar las t ecnicas estudiadas para resolver recurrencias. Otro libro interesante es [Wil89], que est a completamente dedicado a la complejidad de algoritmos (incluyendo el estudio de algunos algoritmos conocidos de investigaci on operativa y de teor a de n umeros u tiles en criptograf a), as como a la complejidad de problemas. En [BKR91], se estudia el tema y su aplicaci on en el desarrollo de programas y estructuras de datos con el objetivo de minimizar el coste. En este libro se introduce adem as el coste en el caso medio de algoritmos, as como el an alisis de algoritmos paralelos.
Cap tulo 19
Tipos abstractos de datos
19.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . 428 19.2 Un ejemplo completo . . . . . . . . . . . . . . . . . . . . 429 19.3 Metodolog a de la programaci on de TADs . . . . . . . 440 19.4 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446 19.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447 19.6 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . 448
A medida que se realizan programas m as complejos, va aumentando simult aneamente la complejidad de los datos necesarios. Como se explic o en el cap tulo 11, este aumento de complejidad puede afrontarse, en primera instancia, con las estructuras de datos proporcionadas por Pascal como son, por ejemplo, los arrays y los registros. Cuando en un programa, o en una familia de ellos, el programador descubre una estructura de datos que se utiliza repetidamente, o que puede ser de utilidad para otros programas, es una buena norma de programaci on denir esa estructura como un nuevo tipo de datos e incluir variables de este tipo cada vez que sea necesario, siguiendo as un proceso similar al de la abstracci on de procedimientos (v eanse los apartados 8.1 y 9.3.1), mediante la cual se denen subprogramas que pueden ser reutilizados. En este proceso, denominado abstracci on de datos, el programador debe despreocuparse de los detalles menores, concentr andose en las operaciones globales del tipo de datos. Esto es, en t erminos generales, lo que se persigue con los tipos abstractos de datos.
428
Cap tulo 19. Tipos abstractos de datos
19.1
Introducci on
El objetivo que se persigue en este apartado es la denici on de un conjunto de objetos con una serie de operaciones para su manipulaci on. Para resolverlo, se utiliza la t ecnica de la abstracci on de datos, que permite tratar estas deniciones de tipos de una forma ordenada, mantenible, reutilizable y coherente. La abstracci on de datos pone a disposici on del programador-usuario1 nuevos tipos de datos con sus correspondientes operaciones de una forma totalmente independiente de la representaci on de los objetos del tipo y de la implementaci on de las operaciones; de ah el nombre tipos abstractos de datos. Esta t ecnica es llamada abstracci on, porque aplica un proceso consistente en ignorar ciertas caracter sticas de los tipos de datos por ser irrelevantes para el problema que se intenta resolver. Esas caracter sticas ignoradas son aqu ellas relativas a c omo se implementan los datos, centr andose toda la atenci on en qu e se puede hacer con ellos. Esto es, las propiedades de un tipo abstracto de datos vienen dadas impl citamente por su denici on y no por una representaci on o implementaci on particular. Obs ervese que los tipos de datos b asicos de Pascal (v ease el cap tulo 3) son abstractos en el siguiente sentido: el programador puede disponer de, por ejemplo, los enteros y sus operaciones (representados por el tipo integer), ignorando la representaci on concreta (complemento restringido o aut entico, o cualquiera de las explicadas en el apartado 2.2 del tomo I) escogida para estos. En cambio, con los tipos denidos por el programador (por ejemplo, las colas presentadas en el apartado 17.3), los detalles de la implementaci on est an a la vista, con los siguientes inconvenientes: El programador tiene que trabajar con la representaci on de un objeto en lugar de tratar con el objeto directamente. El programador podr a usar el objeto de modo inconsistente si manipula inadecuadamente la representaci on de este. En resumen, desde el punto de vista del programador-usuario se puede armar que la introducci on de los tipos abstractos de datos suponen un aumento de nivel en la programaci on, pues bastar a con que este conozca el qu e, despreocup andose de las caracter sticas irrelevantes (el c omo ) para la resoluci on del problema. Por otra parte, la tarea del programador que implementa el tipo consistir a en escoger la representaci on concreta que considere m as adecuada y ocultar los detalles de esta en mayor o menor nivel, dependiendo del lenguaje utilizado.
Designaremos con este t ermino al programador que utiliza porciones de c odigo puestas a su disposici on por otros programadores (o por el mismo, pero de forma independiente).
1
19.2. Un ejemplo completo
429
19.2
Un ejemplo completo
Es conveniente concretar todas estas ideas mediante un ejemplo: como se vio en el apartado 11.3, la representaci on de conjuntos en Pascal tiene una fuerte limitaci on en cuanto al valor m aximo del cardinal de los conjuntos representados (por ejemplo, en Turbo Pascal el cardinal m aximo de un conjunto es 256). En el siguiente ejemplo, se pretende representar conjuntos sin esta restricci on. Posteriormente, se utilizar an estos conjuntos ilimitados en un programa que escriba los n umeros primos menores que uno dado por el usuario, usando el conocido m etodo de la criba de Erat ostenes (v ease el apartado 11.3.3). La idea de la representaci on es disponer de un conjunto inicial con todos los enteros positivos menores que el valor introducido por el usuario e ir eliminando del conjunto aquellos n umeros que se vaya sabiendo que no son primos. De acuerdo con esta descripci on, una primera etapa de dise no del programa podr a ser:
Leer cota IN Generar el conjunto inicial, {2, . . . , cota} Eliminar los n umeros no primos del conjunto Escribir los n umeros del conjunto
Detallando un poco m as cada una de esas acciones, se tiene: Generar el conjunto inicial se puede desarrollar as :
Crear un conjunto vac o primos A nadir a primos los naturales de 2 a cota
Para Eliminar los n umeros no primos del conjunto, basta con lo siguiente:
para cada elemento econjunto, entre 2 y cota Eliminar del conjunto todos los m ultiplos de e
En un nivel de renamiento inferior, se puede conseguir Eliminar del conjunto todos los m ultiplos de e de la siguiente forma:
coeficiente:= 2; repetir Eliminar e * coeficiente del conjunto coeficiente:= coeficiente + 1 hasta que e * coeficiente sea mayor que cota
Finalmente, Escribir los n umeros del conjunto no presenta problemas y se puede hacer con un simple recorrido de los elementos del conjunto.
430
19.2.1
Desarrollo de programas con tipos concretos de datos
Una vez detallado este nivel de renamiento, se tiene que tomar una decisi on sobre el modo de representar los conjuntos. Las posibilidades son m ultiples: con el tipo set en Pascal, con listas enlazadas, etc. En este apartado se presenta una implementaci on del dise no anterior, representando un conjunto de enteros en una lista enlazada con cabecera, con los elementos ordenados ascendentemente y sin repeticiones. Desde el nivel de renamiento alcanzado en el apartado anterior se puede pasar directamente a la implementaci on:
Program CribaEratostenes (input, output); {PreC.: input = [un entero, >=2]} type tConjunto = ^tNodoEnt; tNodoEnt = record elem: integer; sig: tConjunto end; {tNodoEnt} var cota, e, coef: integer; conjunto, aux, puntPrimo, auxElim: tConjunto; begin {Leer cota:} Write(Cota: ); ReadLn(cota); {Generar el conjunto inicial, [2, ..., cota]:} New(conjunto); aux:= conjunto; for e:= 2 to cota do begin New(aux^.sig); aux:= aux^.sig; aux^.elem:= e end; {for i} aux^.sig:= nil; {Eliminar los n umeros no primos del conjunto:} puntPrimo:= conjunto^.sig; repeat e:= puntPrimo^.elem; coef:= 2; aux:= puntPrimo; while (e * coef <= cota) and (aux^.sig <> nil) do begin if aux^.sig^.elem < coef * e then aux:= aux^.sig else if aux^.sig^.elem = coef * e then begin auxElim:= aux^.sig^.sig; Dispose(aux^.sig);

aux^.sig:= auxElim; coef:= coef + 1 end {else if} else if aux^.sig^.elem > coef * e then coef:= coef + 1 end; {while} puntPrimo:= puntPrimo^.sig until (e >= Sqrt(cota)) or (puntPrimo = nil); {Escribir los n umeros del conjunto:} aux:= conjunto^.sig; while aux <> nil do begin Write(aux^.elem:4); aux:= aux^.sig end; {while} WriteLn end. {CribaEratostenes}
431
Queda claro que a partir del momento en que se ha adoptado esta representaci on, quedan mezclados los detalles relativos al algoritmo (Criba de Erat ostenes) con los relativos a la representaci on (lista enlazada . . . ) y manipulaci on de los conjuntos de enteros. Este enfoque acarrea una serie de inconvenientes, como son: El c odigo obtenido es complejo, y, en consecuencia, se diculta su correcci on y vericaci on. El mantenimiento del programa es innecesariamente costoso: si, por ejemplo, se decidiese cambiar la estructura din amica lineal por una de manejo m as eciente, como podr an ser los arboles binarios de b usqueda, se deber a rehacer la totalidad del programa. Dicho de otro modo, es muy dif cil aislar cambios o correcciones. En el caso en que se necesitasen conjuntos sin restricciones de cardinal en otros programas, ser a necesario volver a implementar en estos todas las tareas necesarias para su manipulaci on. En otras palabras, no hay posibilidad de reutilizar c odigo. Estos inconvenientes son los que se pretende superar con los tipos abstractos de datos.
19.2.2
Desarrollo de programas con tipos abstractos de datos
Una forma de solucionar los problemas enunciados anteriormente es el empleo de la abstracci on de datos. As , se denir a un tipo abstracto de datos, entendido
432
informalmente como una colecci on de objetos con un conjunto de operaciones denidas sobre estos objetos. Se tendr a siempre en cuenta la losof a de la abstracci on de datos: todas las caracter sticas del tipo abstracto vienen dadas por su denici on y no por su implementaci on (de la que es totalmente independiente). En el ejemplo anterior, es evidente que la aplicaci on de la abstracci on de datos conducir a a un tipo abstracto:2
type tConj = Abstracto
cuyos objetos son precisamente conjuntos con un n umero arbitrario de elementos enteros que se podr an manipular con las siguientes operaciones:3
procedure CrearConj (var conj: {Efecto: conj:= } tConj);
procedure AnnadirElemConj (elem: {Efecto: conj:= conj [elem]} procedure QuitarElemConj (elem: {Efecto: conj:= conj \ [elem]}
integer; var conj:
tConj);
integer; var conj:
tConj);
function Pertenece (elem: integer; conj: tConj): boolean; {Dev. True (si elem conj) o False (en otro caso)} procedure EscribirConj (conj: tConj); {Efecto: escribe en el output los elementos de conj} function EstaVacioConj(conj: tConj): boolean; {Dev. True (si conj = ) o False (en otro caso)}
Como se dijo anteriormente, una caracter stica esencial de los tipos abstractos de datos es su independencia de la implementaci on. En este momento, y sin saber nada en absoluto acerca de la forma en que est a implementado (o en que se va a implementar) el tipo tConj, se puede utilizar de una forma abstracta, siendo m as que suciente la informaci on proporcionada por la especicaci on de las operaciones del tipo. Adem as, se podr a comprobar inmediatamente c omo el c odigo obtenido es m as claro, f acil de mantener y vericar. La nueva versi on del programa CribaEratostenes es la siguiente:
Ac eptese esta notaci on provisional, que se detalla en el apartado 19.2.3. En los casos en los que se ha considerado conveniente, se ha sustituido la postcondici on por una descripci on algo menos formal del efecto del subprograma.
3 2

Program CribaEratostenes (input, output); {PreC.: input = [un entero, >=2]} type tConj = Abstracto; var cota, e, coef: integer; conjunto : tConj; begin Write(Cota: ); ReadLn(cota); CrearConj(conjunto); for e:= 2 to cota do AnnadirElemConj(e, conjunto); for e:= 2 to Trunc(SqRt(cota)) do if Pertenece (e, conjunto) then begin coef:= 2; repeat QuitarElemConj(e * coef, conjunto); coef:= coef + 1 until e * coef > cota end; {if} EscribirConj(conjunto) end. {CribaEratostenes}
433
En el ejemplo se puede observar la esencia de la abstracci on de datos: el programador-usuario del tipo abstracto de datos se puede olvidar completamente de c omo est a implementado o de la representaci on del tipo, y u nicamente estar a interesado en qu e se puede hacer con el tipo de datos tConj que utiliza de una forma completamente abstracta. Adem as, el lector puede observar c omo se llega a una nueva distribuci on (mucho m as clara) del c odigo del programa: las operaciones sobre el tipo tConj dejan de formar parte del programa y pasan a incorporarse al c odigo propio del tipo abstracto. Las operaciones del tipo tConj escogidas son t picas de muchos tipos abstractos de datos, y se suelen agrupar en las siguientes categor as: Operaciones de creaci on: Son aqu ellas que permiten obtener nuevos objetos del tipo, como sucede en CrearConj. Estas u ltimas son conocidas tambi en como operaciones constructoras primitivas. Entre estas suele incluirse una operaci on de lectura de elementos del tipo abstracto de datos. Operaciones de consulta: Realizan funciones que, tomando como argumento un objeto del tipo abstracto, devuelven un valor de otro tipo, como hacen Pertenece o EstaVacioConj, por poner un caso. Usualmente implementan tareas que se ejecutan con relativa frecuencia. Entre estas se suele incluir
434
Cap tulo 19. Tipos abstractos de datos una operaci on que escriba objetos del tipo abstracto de datos, que en el ejemplo ser a un procedimiento EscribirConj.
Operaciones de modicaci on: Permiten, como su propio nombre indica, modicar un objeto del tipo abstracto de datos, como, por ejemplo, las operaciones Annadir y Eliminar. Operaciones propias del tipo: Son operaciones caracter sticas de los objetos abstra dos en el tipo de datos, como ser an en el ejemplo operaciones para calcular la uni on, intersecci on o diferencia de conjuntos. Es conveniente destacar que esta clasicaci on de las operaciones no es excluyente: en alg un tipo abstracto de datos puede ser necesaria una operaci on que pertenezca a dos clases, como, por ejemplo, una operaci on que efect ue una consulta y una modicaci on al mismo tiempo. No obstante, tal operaci on no es adecuada desde el punto de vista de la cohesi on, un criterio de calidad de software aplicable a la programaci on con subprogramas, que nos recomienda dividir tal operaci on en dos, una que haga la consulta y otra la modicaci on. A modo de resumen, se puede decir que la abstracci on de datos, considerada como m etodo de programaci on, consiste en el desarrollo de las siguientes etapas: 1. Reconocer los objetos candidatos a elementos del nuevo tipo de datos. 2. Identicar las operaciones del tipo de datos. 3. Especicar las operaciones de forma precisa. 4. Seleccionar una buena implementaci on. Se han mostrado las tres primeras etapas tomando como gu a el ejemplo de los conjuntos de enteros. A continuaci on se detalla c omo abordar la cuarta y u ltima.
19.2.3
Desarrollo de tipos abstractos de datos
En la u ltima versi on del ejemplo de la criba de Erat ostenes se ha utilizado el tipo abstracto tConj dej andolo sin desarrollar, u nicamente incluyendo la palabra abstracto. Pero, obviamente, por mucho que las caracter sticas de un tipo abstracto de datos sean independientes de la implementaci on, no se puede olvidar esta. Lo m as adecuado para implementar un tipo abstracto de datos es recurrir a mecanismos que permitan encapsular el tipo de datos y sus operaciones, y ocultar la informaci on al programador-usuario. Estas dos caracter sticas son esenciales
435
para llevar a cabo efectivamente la abstracci on de datos. A tal n, Turbo Pascal dispone de las unidades (v ease el apartado B.11). De acuerdo con esto, se da a continuaci on una posible implementaci on4 del tipo abstracto de datos tConj, a base de listas de enteros, ordenadas ascendentemente, enlazadas con punteros:5
unit conjEnt; {Implementaci on mediante listas enlazadas, con cabecera, ordenadas ascendentemente y sin repeticiones} interface type tElem = integer; {Requisitos: definidas las relaciones = (equiv.) > (orden total)} tConj = ^tNodoLista; tNodoLista = record info: tElem; sig: tConj end; {tNodoLista} procedure CrearConj(var conj: {Efecto: conj:= } tConj);
procedure DestruirConj(var conj: tConj); {Cuidado: se perder a toda su informaci on} {Efecto: conj:= ? (ni siquiera queda vac o: comportamiento impredecible)} procedure AnnadirElemConj (elem: {Efecto: conj:= conj [elem]} procedure QuitarElemConj (elem: {Efecto: conj:= conj \ [elem]} tElem; var conj: tConj);
tElem; var conj:
tConj);
function Pertenece (elem: tElem; conj: tConj): boolean; {Dev. True (si elem conj) o False (en otro caso)}
4 Se ha optado por no detallar todas las etapas del dise no descendente de las operaciones de los tipos abstractos, por ser estas sencillas y para no extender demasiado el texto. Por otra parte, es conveniente que los identicadores de unidades coincidan con el nombre del archivo donde se almacenan una vez compiladas (de ah la elecci on de identicadores de, a lo sumo, ocho caracteres). 5 Obs ervese que se ha incluido una operaci on destructora, necesaria en la pr actica, debido a que el manejo de listas enlazadas ocasiona un gasto de memoria y esta debe liberarse cuando un conjunto deje de ser necesario.
436

procedure EscribirConj (conj: tConj); {Efecto: escribe en el output los elementos de conj} function EstaVacioConj(conj: tConj): boolean; {Dev. True (si conj = ) o False (en otro caso)} implementation {Representaci on mediante listas enlazadas, con cabecera, ordenadas ascendentemente y sin repeticiones} procedure CrearConj (var conj: begin New(conj); conj^.sig:= nil end; {CrearConj} tConj);
procedure DestruirConj (var conj: var listaAux: tConj; begin while conj <> nil do begin listaAux:= conj; conj:= conj^.sig; Dispose(listaAux) end {while} end; {DestruirConj}
tConj);
procedure AnnadirElemConj (elem: tElem; var conj: tConj); var parar, {indica el fin de la b usqueda, en la lista} insertar: boolean; {por si elem ya est a en la lista} auxBuscar, auxInsertar: tConj; begin auxBuscar:= conj; parar:= False; repeat if auxBuscar^.sig = nil then begin parar:= True; insertar:= True end {then} else if auxBuscar^.sig^.info >= elem then begin parar:= True; insertar:= auxBuscar^.sig^.info > elem end {then} else

auxBuscar:= auxBuscar^.sig until parar; if insertar then begin auxInsertar:= auxBuscar^.sig; New(auxBuscar^.sig); auxBuscar^.sig^.info:= elem; auxBuscar^.sig^.sig:= auxInsertar end {if} end; {AnnadirElemConj} procedure QuitarElemConj (elem: tElem; var conj: tConj); var parar, {indica el fin de la b usqueda, en la lista} quitar: boolean; {por si el elem no est a en la lista} auxBuscar, auxQuitar: tConj; begin auxBuscar:= conj; parar:= False; repeat if auxBuscar^.sig = nil then begin parar:= True; quitar:= False end {then} else if auxBuscar^.sig^.info >= elem then begin parar:= True; quitar:= auxBuscar^.sig^.info = elem end else auxBuscar:= auxBuscar^.sig until parar; if quitar then begin auxQuitar:= auxBuscar^.sig^.sig; Dispose(auxBuscar^.sig); auxBuscar^.sig:= auxQuitar end {if} end; {QuitarElemConj} function Pertenece (elem: tElem; conj: tConj): boolean; var parar, {indica el fin de la b usqueda, en la lista} esta: boolean; {indica si elem ya est a en la lista} auxBuscar: tConj; begin auxBuscar:= conj^.sig; parar:= False; repeat
437
438

if auxBuscar = nil then begin parar:= True; esta:= False end else if auxBuscar^.info = elem then begin parar:= True; esta:= True end else if auxBuscar^.info > elem then begin parar:= True; esta:= False end else auxBuscar:= auxBuscar^.sig until parar; pertenece:= esta end; {Pertenece} procedure EscribirConj (conj: tConj); var puntAux: tConj; begin if EstaVacioConj(conj) then WriteLn([]) else begin puntAux:= conj^.sig; Write([, puntAux^.info); while not EstaVacioConj(puntAux) do begin puntAux:= puntAux^.sig; Write(, , puntAux^.info) end; {while} WriteLn(]) end {else} end; {EscribirConj} function EstaVacioConj (conj: tConj): begin EstaVacioConj:= conj^.sig = nil end; {EstaVacioConj} end. {conjEnt} boolean;
Para nalizar, se recuerda que en el programa CribaEratostenes se hab a dejado incompleta la declaraci on de tipos, as , u nicamente
type tConj =
Abstracto;
439
Con los elementos de que se dispone ahora, esta declaraci on se sustituir a por la siguiente:
uses conjEnt;
que hace que el tipo tConj declarado en la unidad est e disponible para su empleo en el programa.
e re r Una implementaci on en Pascal est andar obligar a a prescindir de las unidades, obligando a incluir todas las declaraciones del tipo y de los subprogramas correspondientes a las operaciones del tipo abstracto tConj en todo programa en que se utilice. Con ello se perder an gran parte de las ventajas aportadas por la abstracci on de datos, como, por ejemplo, la encapsulaci on, la ocultaci on de informaci on y el aislamiento de los cambios.
La representaci on escogida para la implementaci on no es la m as eciente. En efecto, las operaciones de inserci on, eliminaci on y consulta requieren, en el peor caso, el recorrido del conjunto completo. Una posibilidad m as interesante consiste en representar los conjuntos mediante arboles de b usqueda (v ease el apartado 17.4.2) en vez de usar listas. No es necesario reparar ahora en los pormenores de esta estructura de datos; en este momento, nos basta con saber que las operaciones de modicaci on y consulta son ahora mucho m as ecientes. Pues bien, si ahora decidi esemos mejorar la eciencia de nuestra implementaci on, cambiando las listas por arboles, no tenemos que modicar las operaciones de la interfaz, sino tan s olo su desarrollo posterior en la secci on implementation. De este modo, se puede apreciar una de las ventajas de la abstracci on de datos: El programador-usuario no tiene que pensar en ning un momento en la representaci on del tipo abstracto de datos, sino u nicamente en su especicaci on. Los cambios, correcciones o mejoras introducidas en la implementaci on del tipo abstracto de datos repercuten en el menor ambito posible, cual es la unidad en que se incluye su representaci on. En nuestro ejemplo, el cambio de la implementaci on basada en listas por la basada en arboles no afecta ni a una sola l nea del programa Criba: el programador-usuario s olo se sorprender a con una mayor eciencia de su programa tras dicho cambio. Obs ervese el efecto que hubiera tenido el cambio de representaci on en la primera versi on de Criba, y compare. Una vez presentado este ejemplo y con el las ideas generales de la abstracci on de datos, se dan en el siguiente apartado nociones metodol ogicas generales acerca de esta t ecnica.
440
19.3
Metodolog a de la programaci on de tipos abstractos de datos
En los apartados anteriores se han introducido los tipos abstractos de datos de un modo paulatino, pr actico e informal. Es necesario, y es lo que se hace en este apartado, precisar las ideas generales introducidas y presentar los aspectos necesarios para la correcta utilizaci on de los tipos abstractos de datos como m etodo de programaci on. Siguiendo las ideas de J. Martin [Mar86], se puede denir un tipo abstracto de datos como un sistema con tres componentes: 1. Un conjunto de objetos. 2. Un conjunto de descripciones sint acticas de operaciones. 3. Una descripci on sem antica, esto es, un conjunto sucientemente completo de relaciones que especiquen el funcionamiento de las operaciones. Se observa que, mientras en el apartado anterior se describ an los tipos abstractos de datos como un conjunto de objetos y una colecci on de operaciones sobre ellos, ahora se subraya la descripci on de la sintaxis y la sem antica de esas operaciones. Esto es necesario dado que la esencia de los tipos abstractos de datos es que sus propiedades vienen descritas por su especicaci on, y, por tanto, es necesario tratar esta adecuadamente. Adem as, este tratamiento riguroso de las especicaciones de los tipos abstractos de datos permite ahondar en la losof a expuesta al comienzo del tema: separar qu e hace el tipo abstracto de datos (lo cual viene dado por la especicaci on) de c omo lo lleva a cabo (lo que se da en su implementaci on). Estos dos aspectos se repasan brevemente en los dos siguientes apartados.
19.3.1
Especicaci on de tipos abstractos de datos
A la hora de afrontar la especicaci on de un tipo abstracto de datos se dispone de diversos lenguajes variando en su nivel de formalidad. En un extremo, se tiene el lenguaje natural, en nuestro caso el espa nol. Las especicaciones as expresadas presentan importantes inconvenientes, entre los que destacan su ambig uedad (que puede llegar a inutilizar la especicaci on, por prestarse a interpretaciones incorrectas y/o no deseadas), y la dicultad para comprobar su correcci on y completitud.
n de TADs 19.3. Metodolog a de la programacio
441
Ante estos problemas, es necesario recurrir a lenguajes m as precisos, como puede ser el lenguaje matem atico, que posee las ventajas de su precisi on, concisi on y universalidad (aunque en su contra se podr a argumentar su dicultad de uso, lo cierto es que en los niveles tratados en este libro no es preciso un fuerte aparato matem atico). Por ejemplo, algunas de las operaciones del tipo abstracto tConj se han especicado como sigue:
procedure CrearConj(var conj: {Efecto: conj:= } procedure AnnadirElemConj(elem: {Efecto: conj:= conj [elem]} tConj);
integer; var conj:
tConj);
function Pertenece (elem: tElem; conj: tConj): boolean; {Dev. True (si elem conj) o False (en otro caso)} function EstaVacioConj(conj: tConj): boolean; {Dev. True (si conj = ) o False (en otro caso)}
Obs ervese que la sintaxis de su uso viene dada por los encabezamientos de las operaciones y que su sem antica se da en el comentario que les sigue. Las especicaciones de esta forma proporcionan un modelo m as o menos formal que describe el comportamiento de las operaciones sin ning un tipo de ambig uedad. Adem as, se satisfacen las dos propiedades que deben cumplir las especicaciones: precisi on y brevedad. Por u ltimo, se debe resaltar la importancia de la especicaci on como medio de comunicaci on entre el programador-dise nador del tipo abstracto de datos, el implementador y el programador-usuario: como se ha repetido anteriormente, la informaci on p ublica del tipo abstracto de datos debe ser u nicamente su especicaci on. As , una especicaci on incorrecta o incompleta impedir a a los implementadores programar adecuadamente el tipo abstracto de datos, mientras que los programadores-usuarios ser an incapaces de predecir correctamente el comportamiento de las operaciones del tipo, lo que producir a errores al integrar el tipo abstracto de datos en sus programas.
19.3.2
Implementaci on de tipos abstractos de datos
Como se indic o anteriormente, la tercera etapa de la abstracci on de datos es la implementaci on del tipo de acuerdo con la especicaci on elaborada en la etapa anterior.
442
La idea de partida que se ha de tomar en esta tarea es bien clara: escoger una representaci on que permita implementar las operaciones del tipo abstracto de datos simple y ecientemente, respetando, por supuesto, las eventuales restricciones existentes. Ahora bien, en el momento de llevar a la pr actica esta idea, se ha de tener presente que el verdadero sentido de la abstracci on de datos viene dado por la separaci on del qu e y del c omo, de la especicaci on y de la implementaci on, y de la ocultaci on al programador-usuario de la informaci on referente a esta u ltima. De acuerdo con esto, y como ya se adelant o en el apartado 19.2.3, resulta imprescindible disponer en el lenguaje de programaci on empleado de herramientas que permitan la implementaci on separada de los programas y los datos. Estas herramientas se denominan unidades, m odulos o paquetes en algunos de los lenguajes de programaci on imperativa m as extendidos. Pero estas herramientas no est an disponibles en Pascal est andar, por lo que es imposible realizar la abstracci on de datos de una forma completa6 en este lenguaje, como se advirti o en el apartado anterior. Sin embargo, en Turbo Pascal s que se dispone de la posibilidad de compilaci on separada mediante el empleo de unidades (v ease el apartado B.11), y esto es suciente para llevar a la pr actica la abstracci on de datos. En otros t erminos, las unidades de Turbo Pascal posibilitan una total encapsulaci on de los datos, al incluir la denici on y la implementaci on del tipo abs tracto en la misma unidad. Esta es una caracter stica positiva, al aumentar la modularidad de los programas y facilitar el aislamiento de los cambios. No obstante, las unidades permiten ocultar s olo parcialmente las caracter sticas del tipo abstracto de datos dadas por la representaci on escogida. Es preciso recalcar la parcialidad de la ocultaci on de informaci on, ya que es necesario incluir la representaci on concreta en la declaraci on del tipo abstracto (en el ejemplo tConj = ^tNodoLista; o tConj = arbol de b usqueda ) contenida en la secci on de interfaz de la unidad, y, por tanto, el programador-usuario conocer a parte de los detalles de la representaci on.7 Para nalizar, se puede decir que la implementaci on t pica de un tipo abstracto de datos en Turbo Pascal, siguiendo las ideas de Collins y McMillan [CM], tiene la siguiente estructura:
unit TipoAbstractoDeDatos;
En Pascal est andar habr a que incluir la implementaci on del tipo de datos y de sus operaciones en cada programa que lo necesite, con lo cual no existe ninguna separaci on entre la especicaci on y la implementaci on, que estar a totalmente visible al programador-usuario. 7 En otros lenguajes, como, por ejemplo, Modula2, se puede conseguir la ocultaci on total de informaci on mediante el empleo de los llamados tipos opacos.
6

interface uses Otras unidades necesarias; Declaraciones de constantes, tipos, y variables necesarios para denir el tipo abstracto Encabezamientos de las operaciones del tipo abstracto de datos implementation uses Otras unidades necesarias; Informaci on privada, incluyendo las implementaciones de las operaciones del tipo abstracto de datos y de los tipos participantes, as como las constantes, tipos y variables necesarios para denir estos, y las operaciones privadas begin C odigo de iniciaci on, si es preciso end. {TipoAbstractoDeDatos}
443
19.3.3
Correcci on de tipos abstractos de datos
La vericaci on de un tipo abstracto de datos debe hacerse a dos niveles: En primer lugar, se debe estudiar si la implementaci on de las diferentes operaciones satisface la especicaci on, bien mediante una vericaci on a posteriori, o bien a trav es de una derivaci on correcta de programas (en los t erminos presentados en el apartado 5.4) partiendo de la especicaci on y desarrollando las operaciones de acuerdo con esta. Siguiendo esta segunda opci on, por ejemplo, para la operaci on AnnadirElemConj, se partir a de la especicaci on {Efecto: conj:= conj [elem]}
y se llegar a al c odigo
procedure AnnadirElemConj (elem: tElem; var conj: tConj); var parar, {indica el fin de la b usqueda, en la lista} insertar: boolean; {por si elem ya est a en la lista} auxBuscar, auxInsertar: tConj; begin auxBuscar:= conj; parar:= False; repeat if auxBuscar^.sig = nil then begin
444
parar:= True; insertar:= True end else if auxBuscar^.sig^.info >= elem then begin parar:= True; insertar:= auxBuscar^.sig^.info > elem end else auxBuscar:= auxBuscar^.sig until parar; if insertar then begin auxInsertar:= auxBuscar^.sig; New(auxBuscar^.sig); auxBuscar^.sig^.info:= elem; auxBuscar^.sig^.sig:= auxInsertar end {if} end; {AnnadirElemConj}
que verica la especicaci on, como es f acil comprobar examinando el c odigo. En efecto, la implementaci on propuesta para AnnadirElemConj, hace que se agregue elem a la representaci on de conj. M as detalladamente, en el caso del que elem no pertenezca al conjunto, se asigna el valor True a la variable insertar, provocando la ejecuci on de la rama then de la instrucci on if insertar..., que a nade un nuevo nodo (cuya informaci on es elem) en la lista que representa a conj. Esto demuestra informalmente que AnnadirElemConj consigue el efecto descrito en la especicaci on. Por otra parte, en los tipos abstractos de datos, se debe estudiar la correcci on en una segunda direcci on, ya que es necesario establecer propiedades de los objetos del tipo, y mediante ellas comprobar que los objetos que se manejan pertenecen realmente al tipo. Estas propiedades se formalizan en los llamados invariantes de la representaci on de la forma que se explica seguidamente. El sentido de esta segunda parte de la vericaci on es el de una comprobaci on de tipos exhaustiva: al escoger una representaci on, por ejemplo, las listas en el caso del tipo abstracto tConj, se activa la comprobaci on de tipos impl cita de Pascal, es decir, el compilador se asegura de que todo objeto del tipo tConj es una lista del tipo ^tNodoLista. Pero esta comprobaci on de tipos impl cita no es suciente, por el hecho de que no toda lista de enteros es una representaci on legal de un conjunto, concretamente porque puede tener elementos repetidos. Por tanto, es necesaria una vericaci on m as profunda que debe ser realizada por el programador-dise nador. Esta vericaci on se llevar a a cabo formalizando las propiedades pertinentes de los objetos en los citados invariantes de representaci on.
445
Por ejemplo, si se decide representar los conjuntos de enteros mediante listas sin repetici on, este invariante se podr a formalizar como sigue: {Inv. i, j I, si i = j, entonces li = lj } donde I es el conjunto de ndices correspondientes a los elementos de la lista, y li es el elemento que ocupa la posici on i- esima en la lista. De esta forma se expresa que no deben existir dos elementos iguales en la lista. No hay normas generales para establecer el invariante de representaci on, ya que depende del tipo abstracto de datos y de la representaci on escogida. Incluso, en alguna ocasi on, el invariante puede ser trivial, como ocurre en la representaci on de los conjuntos de enteros mediante arboles binarios de b usqueda: en este caso, como en la implementaci on de estos arboles no se repiten las entradas (v ease el apartado 17.4.2), se tiene asegurado que no habr a elementos duplicados, con lo cual el invariante de representaci on se formaliza simplemente como: {Inv. cierto} Una vez conocida la forma del invariante de representaci on, es necesario asegurarse de que lo verica la representaci on particular de todo objeto del tipo abstracto de datos. Esto es sencillo, partiendo del hecho de que todo objeto del tipo es obtenido a partir de las operaciones constructoras o mediante la aplicaci on de las operaciones de selecci on o de las propias del tipo. Por ello, basta con comprobar (de forma inductiva) que todo objeto generado por estas operaciones verica el invariante, suponiendo que los eventuales argumentos del tipo tambi en lo cumplen. As , volviendo a la representaci on mediante listas, la operaci on CrearConj lo cumple trivialmente, ya que genera el conjunto vac o representado, valga la redundancia, por la lista vac a, y se verica que i, j I, si i = j, entonces li = lj puesto que, en este caso, I = . En cuanto a la operaci on AnnadirElemConj, dado que el argumento recibido conj verica el invariante, tambi en lo vericar a al completarse la ejecuci on, ya que en ella se comprueba expl citamente que elem no pertenece a conj. El lector puede comprobar como ejercicio que el resto de las operaciones implementadas en el ejemplo tambi en preservan el invariante. El problema de la correcci on en tipos abstractos de datos puede tratarse m as formal y profundamente, pero ello escapa a las pretensiones de este libro. En las referencias bibliogr acas se citan textos que profundizan en este tema. Finalmente, se debe destacar que la modularidad introducida por los tipos abstractos de datos supone una gran ayuda en el estudio de la correcci on de
446
programas grandes. Para estos, dicho estudio resulta tan costoso que se ve muy reducido o incluso abandonado en la mayor a de los casos. Dada esta situaci on, es muy importante disponer de una biblioteca de tipos abstractos de datos correctos cuya vericaci on se ha realizado independientemente.
19.4
Resumen
En este apartado se enumeran algunas ideas que ayudan a jar los conceptos expuestos en este cap tulo, as como otros aspectos relacionados: Los tipos abstractos de datos permiten al programador concentrarse en las caracter sticas o propiedades deseadas para dichos tipos (o en qu e servicio deben prestar al programador), olvid andose, temporalmente, de c omo est an implementados (o c omo se van a implementar). Por consiguiente, los tipos abstractos de datos pueden considerarse como cajas negras: el programador-usuario s olo ve su comportamiento y no sabe (ni le interesa saber) qu e contienen. La denici on del tipo abstracto de datos debe expresarse como una especicaci on no ambigua, que servir a como punto de partida para la derivaci on correcta de la implementaci on o para enfrentarla a posteriori a la implementaci on en un proceso de vericaci on formal. Para la aplicaci on de la abstracci on de datos, es imprescindible que el lenguaje de programaci on escogido posibilite la implementaci on separada para poder llevar a cabo la ocultaci on de informaci on y la encapsulaci on, esenciales en esta t ecnica. La abstracci on de datos optimiza los niveles de independencia (en la l nea de lo comentado en los cap tulos 8 y 9) del c odigo de la unidad del tipo abstracto de datos y de los programas de aplicaci on. Como consecuencia de ello, aumenta la facilidad de mantenimiento de los programas, al aislar en la unidad de implementaci on del tipo abstracto los cambios, correcciones y modicaciones relativos a la representaci on del tipo abstracto, evitando que se propaguen (innecesariamente) a los programas de aplicaci on. La abstracci on de datos se puede considerar como precursora de la t ecnica de orientaci on a objetos (v ease el apartado 5.1.3 del tomo I), en la que tambi en se encapsulan datos y operaciones (con la diferencia de que se a naden los mecanismos de herencia y polimorsmo, entre otros).8
A partir de la versi on 5.5 de Turbo Pascal se permite una aplicaci on limitada de esta t ecnica, pero su explicaci on excede los prop ositos de este libro.
8
19.5. Ejercicios
447
19.5
Ejercicios
1. Construya una unidad de Turbo Pascal para los siguientes tipos abstractos de datos. El tipo abstracto debe incluir operaciones de construcci on, modicaci on y consulta, as como operaciones propias del tipo si se considera conveniente: (a) Listas (de enteros). Cons ultese el apartado 17.1. (b) Listas ordenadas (de enteros). Cons ultese el apartado 17.1. (c) Pilas (de enteros). Cons ultese el apartado 17.2. (d) Colas (de enteros). Cons ultese el apartado 17.3. (e) Arboles binarios (de enteros). Cons ultese el apartado 17.4. (f) Arboles binarios de b usqueda, conteniendo en sus nodos cadenas de caracteres. Cons ultese el apartado 17.4.2. 2. Desarrolle una implementaci on alternativa para el tipo abstracto tConj, basando la representaci on en: (a) Un vector de booleanos. Obviamente, en este caso se deben limitar los elementos posibles (sup ongase por ejemplo, que los elementos est an comprendidos entre 1 y 1000, ambos inclusive). (b) Arboles binarios de b usqueda (v eanse los apartados 19.2.3 y 17.4.2). Compare el comportamiento que tienen las operaciones en ambos tipos abstractos de datos. 3. Implemente las operaciones Union, Interseccion y Diferencia (que calculan, obviamente, la uni on, intersecci on y diferencia de dos conjuntos) como operaciones propias del tipo abstracto de datos tConj, representado mediante arboles binarios de b usqueda. 4. Programe un algoritmo que ordene una secuencia utilizando dos pilas. Para ello debe mover elementos de una pila a otra asegur andose de que los items menores llegan a la cima de una de las pilas y los mayores a la cima de la otra. Utilice el tipo abstracto pila desarrollado en el ejercicio 1c. 5. Escriba una funci on para sumar dos polinomios utilizando alguno de los tipos abstractos de datos propuestos en el ejercicio 1. 6. Escriba una unidad para la aritm etica entera (sin l mite en sus valores m aximo y m nimo), utilizando alguno de los tipos abstractos de datos propuestos en el ejercicio 1. 7. Una cola doble es una estructura de datos consistente en una lista de elementos sobre la cual son posibles las siguientes operaciones: Meter(x,d): inserta el elemento x en el extremo frontal de la cola doble d.
Sacar(x,d): elimina y devuelve el elemento que est a al frente de la cola doble d.
448

Inyectar(x,d): inserta el elemento x en el extremo posterior de la cola doble d. Expulsar(x,d): elimina y devuelve el elemento que est a en el extremo posterior de la cola doble d. Programar una unidad de Turbo Pascal para el tipo abstracto de datos cola doble.
19.6
En este cap tulo se introducen los tipos abstractos de datos, eludiendo las profundidades formales que hay tras ellos y evitando tambi en dar cat alogos exhaustivos de los tipos abstractos de datos m as usuales. En [Mar86, Har89] se estudian los aspectos formales de los tipos abstractos de datos basados en especicaciones algebraicas. Adem as, ambos textos pueden considerarse como cat alogos de los tipos abstractos de datos de m as amplia utilizaci on, incluyendo la especicaci on, implementaciones y aplicaciones comunes de cada uno de ellos. En [Pn93] se puede encontrar un estudio actual, riguroso y completo de los tipos abstractos de datos en nuestro idioma, junto con especicaciones de los m as usuales. Igualmente, [HS90] es una lectura obligada en cuanto se aborda el estudio de tipos abstractos de datos. Con un enfoque m as aplicado, en [LG86, CMM87] se da un tratamiento completo de los tipos abstractos de datos bien adaptado a Pascal, ofreciendo propuestas de implementaci on en este lenguaje. Por supuesto, los tipos abstractos de datos pueden ser implementados en lenguajes de programaci on diferentes de Pascal. De hecho, Pascal est andar no cuenta con mecanismos apropiados para manejarlos, ya que el concepto de tipo abstracto de datos es posterior a la creaci on de este lenguaje. El propio N. Wirth incluy o este concepto en su M odula2 a trav es de los m odulos, y las unidades de Turbo Pascal no son m as que un remedo (incompleto, por cierto) de este mecanismo. Otros lenguajes con facilidades para el desarrollo de tipos abstractos de datos son Ada [Bar87], que dispone de paquetes, y C++ [Str84], haciendo uso de clases. Adem as, algunos lenguajes proporcionan al programador t ecnicas de compilaci on separada m as adecuadas a los tipos abstractos y sus necesidades que las incompletas unidades de Turbo Pascal. Finalmente, debemos indicar que el ejercicio 4 est a tomado de [Mar86]. Los ejercicios 5, 6 y 7 est an tomados de [Wei95].
Cap tulo 20
Esquemas algor tmicos fundamentales
20.1 Algoritmos devoradores
. . . . . . . . . . . . . . . . . . 450
20.2 Divide y vencer as . . . . . . . . . . . . . . . . . . . . . . 453 20.3 Programaci on din amica . . . . . . . . . . . . . . . . . . . 455 20.4 Vuelta atr as . . . . . . . . . . . . . . . . . . . . . . . . . . 462 20.5 Anexo: algoritmos probabilistas . . . . . . . . . . . . . 468 20.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470 20.7 Referencias bibliogr acas . . . . . . . . . . . . . . . . . . 473
Cuando se estudian los problemas y algoritmos usualmente escogidos para mostrar los mecanismos de un lenguaje algor tmico (ya sea ejecutable o no), puede parecer que el desarrollo de algoritmos es un caj on de sastre en el que se encuentran algunas ideas de uso frecuente y cierta cantidad de soluciones ad hoc, basadas en trucos m as o menos ingeniosos. Sin embargo, la realidad no es as : muchos problemas se pueden resolver con algoritmos construidos en base a unos pocos modelos, con variantes de escasa importancia. En este cap tulo se estudian algunos de esos esquemas algor tmicos fundamentales, su eciencia y algunas de las t ecnicas m as empleadas para mejorarla.
450
Cap tulo 20. Esquemas algor tmicos fundamentales
20.1
Algoritmos devoradores
La estrategia de estos algoritmos es b asicamente iterativa, y consiste en una serie de etapas, en cada una de las cuales se consume una parte de los datos y se construye una parte de la soluci on, parando cuando se hayan consumido totalmente los datos. El nombre de este esquema es muy descriptivo: en cada fase (bocado) se consume una parte de los datos. Se intentar a que la parte consumida sea lo mayor posible, bajo ciertas condiciones.
20.1.1
Descripci on
Por ejemplo, la descomposici on de un n umero n en primos puede describirse mediante un esquema devorador. Para facilitar la descripci on, consideremos la descomposici on de 600 expresada as : 600 = 23 31 52 En cada fase, se elimina un divisor de n cuantas veces sea posible: en la primera se elimina el 2, y se considera el correspondiente cociente, en la segunda el 3, etc. y se naliza cuando el n umero no tiene divisores (excepto el 1). El esquema general puede expresarse as :
procedure Resolver P (D: datos; var S: solucion); begin Generar la parte inicial de la soluci on S (y las condiciones iniciales) while D sin procesar del todo do begin Extraer de D el m aximo trozo posible T Procesar T (reduci endose D) Incorporar el procesado de T a la soluci on S end {while} end; {Resolver P }
La descomposici on de un n umero en factores primos se puede implementar sencillamente siguiendo este esquema:
procedure Descomponer(n: integer); {PreC.: n > 1} {Efecto: muestra en la pantalla la descomposici on de n en factores primos} var d: integer;
20.1. Algoritmos devoradores

begin d:= 2; while n > 1 do begin Dividir n por d cuantas veces (k ) se pueda Escribir dk d:= d + 1 end {while} end; {Descomponer}
451
20.1.2
Adecuaci on al problema
Otro ejemplo, quiz a el m as conocido de este esquema, es el de encontrar el cambio de moneda de manera optima (en el sentido de usar el menor n umero de monedas posible) para una cantidad de dinero dada:1 en cada fase, se considera una moneda de curso legal, de mayor a menor valor, y se cambia la mayor cantidad de dinero posible en monedas de ese valor. Se advierte, sin embargo, que no siempre es apropiado un algoritmo devorador para resolver este problema. Por ejemplo, si el sistema de monedas fuera de 1, 7 y 9 pesetas el cambio de 15 pesetas que ofrece este algoritmo consta de 7 monedas: 1 de 9 y 6 de 1 mientras que el cambio optimo requiere tan s olo 3 monedas: 2 de 7 y 1 de 1 El algoritmo presentado para el cambio de moneda resultar a correcto siempre que se considere un sistema monetario donde los valores de las monedas son cada uno m ultiplo del anterior. Si no se da esta condici on, es necesario recurrir a otros esquemas algor tmicos (v ease el apartado 20.3.3). La ense nanza que extraemos del ejemplo es la siguiente: generalmente el desarrollo de esta clase de algoritmos no presenta dicultades, pero es complicado asegurarse de que esta t ecnica es apropiada para el problema planteado. Por otra parte, hay que se nalar que este esquema se aplica con frecuencia en la resoluci on de problemas a sabiendas de que la soluci on proporcionada no es la optima, sino s olo relativamente buena. Esta elecci on se debe a la rapidez de la resoluci on, circunstancia que muchas veces hace que no merezca la pena buscar una soluci on mejor.
1
Para simplicar, supondremos que se dispone de cuantas monedas se necesite de cada valor.
452
20.1.3
Otros problemas resueltos vorazmente
Existen gran cantidad de problemas cuya soluci on algor tmica responde a un esquema voraz. Entre ellos, los dos siguientes son ampliamente conocidos. Problema de la mochila Se desea llenar una mochila hasta un volumen m aximo V , y para ello se dispone de n objetos, en cantidades limitadas v1 , . . . , vn y cuyos valores por unidad de volumen son p1 , . . . , pn , respectivamente. Puede seleccionarse de cada objeto una cantidad cualquiera ci IR con tal de que ci vi . El problema consiste en determinar las cantidades c1 , . . . , cn que llenan la mochila maximizando el valor n i=1 vi pi total. Este problema puede resolverse f acilmente seleccionando, sucesivamente, el objeto de mayor valor por unidad de volumen que quede y en la m axima cantidad posible hasta agotar el mismo. Este paso se repetir a hasta completar la mochila o agotar todos los objetos. Por lo tanto, se trata claramente de un esquema voraz. Arbol de expansi on m nimo (algoritmo de Prim) El problema del arbol de expansi on m nimo2 se encuentra por ejemplo en la siguiente situaci on: consideremos un mapa de carreteras, con dos tipos de componentes: las ciudades (nodos ) y las carreteras que las unen. Cada tramo de carreteras (arco ) est a se nalado con su longitud.3 Se desea implantar un tendido el ectrico siguiendo los trazos de las carreteras de manera que conecte todas las ciudades y que la longitud total sea m nima. Una forma de lograrlo consiste en
Empezar con el tramo de menor coste repetir Seleccionar un nuevo tramo hasta que est e completa una red que conecte todas las ciudades
donde cada nuevo tramo que se selecciona es el de menor longitud entre los no redundantes (es decir, que da acceso a una ciudad nueva). Un razonamiento sencillo nos permite deducir que un arbol de expansi on cualquiera (el m nimo en particular) para un mapa de n ciudades tiene n 1 tramos. Por lo tanto, es posible simplicar la condici on de terminaci on que controla el algoritmo anterior.
2 3
Tambi en llamado arbol de recubrimiento (del ingl es, spanning tree .) Este modelo de datos se llama grafo ponderado.
s 20.2. Divide y vencera
453
20.2
Divide y vencer as
La idea b asica de este esquema consiste en lo siguiente: 1. Dado un problema P , con datos D, si los datos permiten una soluci on directa, se ofrece esta; 2. En caso contrario, se siguen las siguientes fases: (a) Se dividen los datos D en varios conjuntos de datos m as peque nos, Di . (b) Se resuelven los problemas P (Di ) parciales, sobre los conjuntos de datos Di , recursivamente. (c) Se combinan las soluciones parciales, resultando as la soluci on nal. El esquema general de este algoritmo puede expresarse as :
procedure Resolver P (D: datos; var S: solucion); begin if los datos D admiten un tratamiento directo then Resolver P(D) directamente else begin Repartir D en varios conjuntos de datos, D1 , . . . , Dk (m as cercanos al tratamiento directo). Resolver P (D1 ), . . . , P (Dk ) (llamemos S1 , . . . , Sk a las soluciones obtenidas). Combinar S1 , . . . , Sk , generando la soluci on, S , de P (D). end end; {Resolver P }
Como ejemplo, veamos que el problema de ordenar un vector admite dos soluciones siguiendo este esquema: los algoritmos Merge Sort y Quick Sort (v eanse los apartados 15.2.5 y 15.2.4, respectivamente). Tal como se present o en el apartado antes citado, el primer nivel de dise no de Merge Sort puede expresarse as :
454
Esta organizaci on permite distinguir claramente las acciones componentes de los esquemas divide y vencer as compar andolo con el esquema general. El siguiente algoritmo, Quick Sort, resuelve el mismo problema siguiendo tambi en una estrategia divide y vencer as:
Aunque ambos algoritmos siguen el mismo esquema, en el primero la mayor parte del trabajo se efect ua al combinar las subsoluciones, mientras que en el segundo la tarea principal es el reparto de los datos en subconjuntos. De hecho, lo normal es operar reestructurando el propio vector, de modo que no es preciso combinar las subsoluciones concatenando los vectores. Adem as, como se analiz o en el apartado 18.3.2, el algoritmo Merge Sort resulta ser m as eciente en el peor caso, ya que su complejidad es del orden de n log n frente a la complejidad cuadr atica de Quick Sort, tambi en en el peor caso.
20.2.1
Equilibrado de los subproblemas
Para que el esquema algor tmico divide y vencer as sea eciente es necesario que el tama no de los subproblemas obtenidos sea similar. Por ejemplo, en el caso del algoritmo Quick Sort, y en relaci on con estos tama nos, se podr an distinguir dos versiones: La presentada anteriormente, cuya complejidad en el caso medio es del orden de n log n. La degenerada, en la que uno de los subproblemas es la lista unitaria es de tama no 1, y en la que se tiene una complejidad cuadr atica. De hecho, esta versi on de Quick Sort es equivalente al algoritmo de ordenaci on por inserci on (v ease el apartado 15.2.2). No obstante, hay problemas en los que el esquema divide y vencer as no ahorra coste, ni siquiera equilibrando los subproblemas. Por ejemplo, el c alculo de b on recursiva con los subproblemas equilibrados i=a i. En efecto, su versi
b
i=
i= a
1
m i= a i
b i=m+1 i,
si b < a para m = (a + b) div 2, e. o. c.
n dina mica 20.3. Programacio
455
tiene un coste proporcional a b a, al igual que su versi on degenerada, donde uno de los subproblemas es el trivial:
b
i=
i=a
1 a
b i=a+1 i
si b < a e. o. c.
siendo por tanto preferible su versi on iterativa conocida.
20.3
20.3.1
Programaci on din amica

Problemas de programaci on din amica
Consideremos un problema en el que se desea obtener el valor optimo de una funci on, y para ello se ha de completar una secuencia de etapas e1 , . . . , en . Supongamos que en la etapa ei se puede escoger entre las opciones o1 , . . . , ok , cada una de las cuales divide el problema en dos subproblemas m as sencillos e independientes: e1 , . . . , ei1 y ei+1 , . . . , en Entonces, bastar a con resolver los k pares de subproblemas (uno por cada opci on para ei ) y escoger el par que ofrece el mejor resultado (para la funci on por optimizar). Supongamos que la soluci on optima se obtiene si ei = o: e1 , . . . , ei1 , ei = o, ei+1 , . . . , en Entonces, sus mitades anterior y posterior e 1 , . . . , e i 1 , o o, ei+1 , . . . , en deben ser las soluciones optimas a los subproblemas parciales planteados al jar la etapa i- esima. Esta condici on se conoce como el principio de optimalidad de Bellman. Por ejemplo, si para ir desde el punto A hasta el punto C por el camino m as corto se pasa por el punto B , el camino m nimo desde A hasta C consiste en la concatenaci on del camino m nimo desde A hasta B y el camino m nimo desde B hasta C . Por tanto, la resoluci on de estos problemas consiste en denir una secuencia de etapas. Por otra parte, al jar una etapa cualquiera se divide el problema en dos problemas m as sencillos (como en los algoritmos divide y vencer as), que deben ser independientes entre s . El principal inconveniente es que la elecci on de una etapa requiere en principio tantear varios pares de subproblemas, con lo que se dispara el coste de la resoluci on de estos problemas.
456 Ejemplo
Consideremos un grafo como el de la gura, organizado por fases,4 y se plantea el problema de averiguar el recorrido m as corto entre a y z, conociendo las longitudes de los arcos: fase 0 fase i-1 fase i fase n
X $$$ e $$$ B $ $ b && b $$ & & & & q & c E & X f $$$ & $ $ & $ & $$$$ $ s q d E g
... ... ...
... ... ... z
El problema propuesto consiste en formar una secuencia de etapas, en cada una de las cuales se opta por un arco que conduce a uno de los nodos de la siguiente, accesible desde nuestro nodo actual, determinado por las etapas anteriores. Si en la fase i- esima se puede escoger entre los nodos E , F y G, el camino m as corto entre A y Z es el m as corto entre los tres siguientes ir desde a hasta e, e ir desde e hasta z ir desde a hasta f, e ir desde f hasta z ir desde a hasta g, e ir desde g hasta z de manera que, una vez jada una elecci on (por ejemplo E ), las subsoluciones ir desde A hasta E e ir desde E hasta Z componen la soluci on global. Esto es, se verica el principio de optimalidad de Bellman. En resumen, el mejor trayecto entre los puntos P y Q (en fases no consecutivas finic y ff in ), se halla as :
Elegir una etapa intermedia i (por ejemplo, (finic + ff in ) div 2) (sean {o1 , . . . , ok } los puntos en la etapa i- esima) Elegir O {o1 , . . . , ok } tal que el recorrido MejorTray(P,O) junto con MejorTray(O,Q) sea m nimo
La recursi on termina cuando los nodos a enlazar est an en etapas consecutivas, existiendo un u nico tramo de P a Q (en cuyo caso se elige este) o ninguno (en cuyo
4
Este tipo de grafos se llaman poliet apicos.
457
caso no hay trayecto posible entre los nodos a enlazar, lo que puede consignarse, por ejemplo, indicando una distancia innita entre esos puntos). Estas ideas pueden expresarse como sigue, desarrollando a la vez un poco m as el algoritmo5 descrito antes:
procedure MejorTray (P, Q: puntos; fP , fQ : nums.fase; var Tr: trayecto; var Dist: distancia); begin if consecutivos(P,Q) then Tr:=[P, Q] Dist:=longArco(P, Q), dato del problema else begin Sea fmed (fP + fQ ) div 2, y sean {o1 , . . . , ok } los puntos de paso de la etapa i- esima Se parte de distPQ y trP Q [ ] para todo O {o1 , . . . , ok } hacer begin MejorTray(P,O, fP , fmed ,TrPO, DistPO) MejorTray(O,Q, fmed , fQ , TrOQ, DistOQ) if DistPQ > DistPO + DistOQ then begin DistPQ:= DistPO + DistOQ; TrPQ := TrPO concatenado con TrOQ end {if} end; {para todo} Tr:= TrPQ Dist:= DistPQ end {else} end; {MejorTray}
20.3.2
Mejora de este esquema
El planteamiento anterior se caracteriza por su ineciencia debida al gran n umero de llamadas recursivas. En el caso anterior, por ejemplo, el recorrido az puede descomponerse de m ultiples formas, como se recoge en el siguiente arbol:

az
d q d e e e e e e
5
ae
A rr j r C
ez ...
d q d e e e e e e
ae af
c r r j r C
fz ...
q rr j r C gz ag ... d q d e e e e e e
ab be ac ce ad de ab bf ac cf ad df ab bg ac cg ad dg
Se advierte que este algoritmo es tremendamente ineciente y, por tanto, nada recomendable; en el siguiente apartado se ver an modos mejores de afrontar esta clase de problemas.
458
Sin embargo, se observa que un buen n umero de tramos se calcula repetidamente (ab, ac, ad, . . . ), por lo que se puede mejorar el planteamiento evitando los c alculos id enticos reiterados, concretamente mediante las t ecnicas de tabulaci on. En este apartado estudiaremos en primer lugar en qu e consisten esas t ecnicas, y despu es retomaremos el algoritmo anterior para ver c omo puede mejorarse su comportamiento mediante la tabulaci on. Tabulaci on de subprogramas recursivos En ocasiones, una funci on f con varias llamadas recursivas genera, por diferentes v as, llamadas repetidas. La funci on de Fibonacci (v ease el apartado 10.3.1) es un ejemplo cl asico: $$ 5
$$$ $$ W 4 A q z 3 A q
d d
% s
d d
d d
Al aplicarse al argumento 5, la llamada Fib(1) se dispara cinco veces. Una soluci on para evitar la evaluaci on repetida consiste en dotar a la funci on de memoria de modo que recuerde los valores para los que se ha calculado junto con los resultados producidos. As , cada c alculo requerido de la funci on se consultar a en la tabla, extrayendo el resultado correspondiente si ya se hubiera efectuado o registr andolo en ella si fuera nuevo. El esquema es bien sencillo: basta con establecer una tabla (la memoria de la funci on) global e incluir en ella las consultas y actualizaciones mencionadas:
function f (x: datos; var T: tablaGlobal): resultados; begin if x no est a en la tabla T then begin Hallar las llamadas recursivas f (xi , T) y combinarlas, hallando el valor f (x, T) requerido Incluir en la tabla T el argumento x y el resultado f (x, T) obtenido end; {if} f := T[x] end; {f }
Por ejemplo, la funci on de Fibonacci denida antes puede tabularse como sigue. En primer lugar, denimos la tabla:

type tDominio = 0..20; tTabla = array [tDominio] of record definido: boolean; resultado: integer end; {record} var tablaFib: tTabla;
459
cuyo estado inicial debe incluirse en el programa principal:

tablaFib[0].definido:= True; tablaFib[0].resultado:= 1; tablaFib[1].definido:= True; tablaFib[1].resultado:= 1; for i:= 2 to 20 do tablaFib[i].definido:= False
Entonces, la funci on Fib resulta

function Fib(n: tDominio; var t: tTabla): integer; begin if not t[n].definido then begin t[n].definido:= True; t[n].resultado:= Fib(n-1,t) + Fib(n-2,t) end; {if} Fib:= t[n].resultado end; {Fib}
que se llama, por ejemplo, mediante Fib(14, tablaFib).

e re r Un requisito indispensable para que una funci on se pueda tabular correctamente es que est e libre de (producir o depender de) efectos laterales, de manera que el valor asociado a cada argumento sea u nico, independiente del punto del programa en que se requiera o del momento en que se invoque. Esta observaci on es necesaria, ya que en esta t ecnica se utilizan variables globales; como se explic o en el apartado 8.5.4, un uso incontrolado de estas variables puede acarrear la p erdida de la correcci on de nuestros programas.
Tabulaci on de algoritmos de programaci on din amica Veamos ahora c omo las t ecnicas de tabulaci on descritas mejoran la eciencia del algoritmo del grafo poliet apico.
460
En efecto, se puede alterar el procedimiento descrito de modo que cada operaci on realizada se registre en una tabla y cada operaci on por realizar se consulte previamente en esa tabla por si ya se hubiera calculado. En el ejemplo anterior, se podr a anotar junto a los puntos del propio mapa el mejor trayecto que conduce a ellos cada vez que se calcule. De este modo, no ser a necesario repetir esos c alculos cuando vuelvan a requerirse. Los cambios descritos son m nimos: Se crea una tabla global (donde registraremos los mejores trayectos y las correspondientes distancias), y se rellena inicialmente con los trayectos y distancias de los puntos consecutivos (que son los datos del problema). Entonces en vez de comprobar si un camino es directo, se har a lo siguiente:
si consecutivos(P,Q) entonces el mejor trayecto es la secuencia [P,Q] y su longitud es longArco(P,Q)
comprobaremos si est a ya tabulado:

si tabulado(P,Q) entonces extraer de la tabla el trayecto, trPQ, y su longitud, distPQ ...
Por u ltimo, al nalizar un c alculo, se debe a nadir a la tabla la acci on siguiente:

Registrar en la tabla el trayecto (TrPQ) y la distancia (distPQ) hallados
Esta soluci on es bastante satisfactoria. Sin embargo, este tipo de problemas permite, en general, establecer un orden entre los subproblemas requeridos y, por consiguiente, entre los c alculos necesarios. En el ejemplo anterior, los c alculos pueden hacerse por fases: una vez hallado (y anotado) el mejor trayecto que lleva a cada uno de los puntos de una fase i, es sencillo y r apido hallar (y anotar) los mejores caminos hasta los puntos de la fase siguiente, i +1. M as a un, como ya no se necesita la informaci on correspondiente a la fase i- esima, es posible prescindir de ella, con el consiguiente ahorro de memoria.
20.3.3
Formulaci on de problemas de programaci on din amica
El problema del cambio de moneda (v ease el apartado 20.1.2) se puede formular tambi en de modo que los valores de las monedas no guardan relaci on alguna: se dispone de una colecci on ilimitada de monedas, de valores v1 , . . . , vn
461
enteros cualesquiera, y se trata ahora de dar el cambio optimo para la cantidad C , entendiendo por optimo el que requiere el menor n umero total de monedas.6 Una formulaci on siguiendo el esquema de programaci on din amica es la siguiente: si hay alguna moneda de valor igual a la cantidad total, el cambio optimo es precisamente con una moneda; de lo contrario, el primer paso consiste en escoger una moneda entre las de valor menor que la cantidad dada y esa elecci on debe minimizar el cambio de la cantidad restante:
function NumMon(C: integer): integer; begin if alguna de las monedas v1 , . . . , vn es igual a C then NumMon:= 1 else NumMon:= 1 + m nvi <C (NumMon(C-vi )) end; {NumMon}
La tabulaci on es sencilla: para obtener el cambio optimo de una cantidad C , ser a necesario consultar (posiblemente varias veces) los cambios de cantidades menores. Por lo tanto, es f acil establecer un orden entre los subproblemas, tabulando los cambios correspondientes a las cantidades 1, 2, . . . C , ascendentemente. Este ejemplo nos permite extraer dos consecuencias: En algunos problemas no se enuncian expl citamente las etapas que deben superarse desde el estado inicial a una soluci on; m as a un, a veces el problema no consta de un n umero de fases conocido de antemano, sino que estas deben ser calculadas por el algoritmo propuesto, como se muestra gr acamente en la siguiente gura:
v2 I 0 d z d v3 d d Q
v1 ... ...
...
C v1 C v2
~ z
... ...
v1
C v4
X $ $$$ B C v3
Para simplicar, supondremos que una de las monedas tiene el valor unidad, de manera que siempre es posible completar el cambio.
462
El ejemplo presentado obedece a un planteamiento matem atico con aplicaciones en campos muy diversos. Concretamente, si llamamos k1 , . . . , kn al n umero de monedas de cada valor v1 , . . . , vn respectivamente, el esquema anterior resuelve el siguiente problema de optimizaci on:
n n
m n
i=1
ki
sujeto a que
i=1
ki v i = C
que es muy similar al planteamiento general num erico de esta clase de problemas: hallar enteros no negativos x1 , . . . , xn que minimicen la funci on g (k1 , . . . , kn ) denida as :
n
g ( k1 , . . . , kn ) =
i=1
fi ( ki ) C.
y de manera que se mantenga Nota nal
n i=1 ki vi
Es importante subrayar que un problema planteado no siempre admite una descomposici on en subproblemas independientes: en otras palabras, antes de expresar una soluci on basada en tal descomposici on, debe comprobarse que se verica el principio de optimalidad. En general, la resoluci on de esta clase de problemas resulta inviable sin la tabulaci on. Adem as, frecuentemente resulta sencillo jar un orden en los c omputos con lo que, a veces, es posible dise nar un algoritmo iterativo de resoluci on.
20.4
Vuelta atr as
Consideremos el problema de completar un rompecabezas. En un momento dado, se han colocado unas cuantas piezas, y se tantea la colocaci on de una nueva pieza. Por lo general, ser a posible continuar de diversos modos, y cada uno de ellos podr a ofrecer a su vez diversas posibilidades, multiplic andose as las posibilidades de tanteo. La b usqueda de soluciones es comparable al recorrido de un arbol, por lo que se le llama arbol de b usqueda (v ease el apartado 17.5) o tambi en espacio de b usqueda . Por otra parte, el tanteo de soluciones supone muchas veces abandonar una v a muerta cuando se descubre que no conduce a la soluci on, deshaciendo algunos movimientos y regresando por otras ramas del arbol de b usqueda a una posici on anterior. De ah viene la denominaci on de esta clase de algoritmos: vuelta atr as o b usqueda con retroceso.7
7
En ingl es, backtrack o backtracking.
s 20.4. Vuelta atra
463
Un ejemplo conocido de problema que se adapta bien a este esquema es el de situar ocho damas en un tablero de ajedrez de manera que ninguna est e amenazada por otra. La siguiente gura muestra una soluci on:
La gura 20.1 muestra un fragmento del arbol de b usqueda en una fase intermedia en que se est a construyendo la soluci on mostrada. Se ha usado el s mbolo para representar el fallo en un intento de ampliar la soluci on por una rama, y obedece a la imposibilidad de situar una dama en ciertas casillas por estar a tiro de las situadas con anterioridad. Las variantes m as conocidas a este tipo de problemas son las siguientes: 1. Generar todas las soluciones posibles. El esquema de b usqueda de todas las soluciones, desde la fase i- esima, se puede resumir como sigue:
procedure P (i: numero de fase; S: solucParcial); {Efecto: genera todas las soluciones, desde la fase i- esima, a partir de la soluci on parcial S} begin para todo pi {posibles pasos v alidos en esta fase } hacer begin A nadir pi a S (Sea S la soluci on S, dando un paso m as pi ) if pi completa una soluci on then Registrar la soluci on S else Resolver P(i+1, S) end {para todo} end; {P }
Como cada dama debe estar en una la distinta, es posible representar una soluci on como un vector (D1 , . . . , D8 ), donde cada componente Di es un entero de {1, . . . , 8} que representa la columna en que se encuentra la dama i- esima.
En particular, el procedimiento que genera todas las soluciones en el problema de las ocho damas es el siguiente:
464
...
rr & f r & rr & f & f r % j r & s r a & x f w G
...
rr & & f r f rr & & f r & % j r & s r a x f G w
...
. . . d1 = 4 . . .
...
...
...
...
...
rr & r & f & f rr r & f & j r % & s r a x f w G
...
. . . d2 = 8
rr & f r & rr & f & f r & % j r & s r a x f G w
...
d3 = 5
. . . d4 = 3 ...
Figura 20.1.
s 20.4. Vuelta atra

type tDominio = 1..8; ... procedure OchoDamas (i: numero de dama; S: solucParcial); var col: tDominio; begin for col:= 1 to 8 do if puede situarse la dama i- esima en la columna col sin estar a tiro de las anteriores (1, . . . , i-1) then begin Situar la dama i- esima en la columna col (con lo que se tiene la situaci on S) if i = 8 then Registrar esta soluci on else Resolver OchoDamas (i+1, S) end {if} end; {OchoDamas}
465
2. Tantear cu antas soluciones existen. El esquema es una variante del anterior, estableciendo un contador a cero antes de iniciar la b usqueda de soluciones y cambiando la acci on de registrar una soluci on por incrementar el contador. 3. Generar una soluci on, si existe, o indicar lo contrario. En este caso, la b usqueda termina cuando se halla una soluci on o se agotan las v as posibles. Un modo f acil de conseguirlo es modicar el primer esquema a nadiendo un par ametro (booleano) para indicar cu ando se ha encontrado una soluci on y parando la b usqueda en caso de exito. En el caso del problema de las ocho damas quedar a as :
procedure OchoDamas(i: numero de dama; S: solucParcial; var halladaSol: boolean); var col: tDominio; begin halladaSol:= False; col:= 0; repeat col:= col + 1; if puede situarse la dama i- esima en la columna col sin estar a tiro de las anteriores (1, . . . , i-1) then begin
466

Situar la dama i- esima en la columna col (con lo que se tiene la situaci on S) if i = 8 then begin Registrar esta soluci on; halladaSol:= True end {then} else Resolver OchoDamas (i+1, S, halladaSol) end {then} until halladaSol or (col = 8) end; {OchoDamas}
En resumen, la t ecnica de vuelta atr as ofrece un m etodo para resolver problemas tratando de completar una o varias soluciones por etapas e1 , e2 , ..., en donde cada ei debe satisfacer determinadas condiciones. En cada paso se trata de extender una soluci on parcial de todos los modos posibles, y si ninguno resulta satisfactorio se produce la vuelta atr as hasta el u ltimo punto en que a un quedaban alternativas sin explorar. El proceso de construcci on de una soluci on es semejante al recorrido de un arbol: cada decisi on ramica el arbol y conduce a posiciones m as denidas de la soluci on o a una situaci on de fallo.
20.4.1
Mejora del esquema de vuelta atr as
El arbol de b usqueda completo asociado a los esquemas de vuelta atr as crece frecuentemente de forma exponencial conforme aumenta su altura. Por ello, cobra gran importancia podar algunas de sus ramas siempre que sea posible. Los m etodos m as conocidos para lograrlo son los siguientes: Exclusi on previa Frecuentemente, un an alisis detallado del problema permite observar que ciertas subsoluciones resultar an infructuosas m as o menos pronto. Estos casos permiten organizar el algoritmo para que ignore la b usqueda en tales situaciones. El problema de las ocho damas es un claro ejemplo de ello: es obvio que cada dama deber a estar en una la distinta, lo que facilita la organizaci on de las fases y limita la b usqueda de soluciones. Fusi on de ramas Cuando la b usqueda a trav es de distintas ramas lleve a resultados equivalentes, bastar a con limitar la b usqueda a una de esas ramas.
s 20.4. Vuelta atra
467
En el problema de las ocho damas, por ejemplo, se puede limitar el recorrido de la primera dama a los cuatro primeros escaques, ya que las soluciones correspondientes a los otros cuatro son equivalentes y deducibles de los primeros por simetr a.
Reordenaci on de la b usqueda Cuando lo que se busca no son todas las soluciones, sino s olo una, es interesante reorganizar las ramas, situando en primer lugar las que llevan a un sub arbol de menor tama no o aqu ellas que ofrecen mayores espectativas de exito.
Ramicaci on y poda Con frecuencia, el m etodo de b usqueda con retroceso resulta impracticable debido al elevado n umero de combinaciones de prueba que aparecen. Cuando lo que se busca es precisamente una soluci on optima, es posible reducir el arbol de b usqueda: suprimiendo aquellas fases que, con certeza, avanzan hacia soluciones no optimas, por lo que se puede abandonar la b usqueda por esas v as 8 ( esta es la idea que reeja el nombre de esta t ecnica). Como consecuencia de esta reducci on del n umero de soluciones por inspeccionar, se puede producir una mejora sustancial en la eciencia de los algoritmos de b usqueda con retroceso convirti endolos en viables. Por ejemplo, consideremos nuevamente el problema de las ocho damas, pero con la siguiente modicaci on: los escaques del tablero est an marcados con enteros positivos, y se trata de hallar la posici on de las damas que, sin amenazarse entre s , cubre casillas cuya suma sea m nima. Ahora, si suponemos que se ha encontrado ya una soluci on (con un valor suma S ), en el proceso de b usqueda de las posiciones siguientes se puede podar en cuanto una fase intermedia rebase la cantidad S , ya que se tiene la seguridad de que la soluci on obtenida al extender esa soluci on no mejorar a en ning un caso la que ya tenemos. Este ejemplo nos permite resaltar la conveniencia de reordenar la b usqueda: es obvio que, cuanto menor sea el valor ofrecido por una soluci on provisional, mayores posibilidades se tendr a de efectuar podas en las primeras fases. En nuestro ejemplo, las posibilidades de reorganizar la b usqueda son dos: establecer un orden entre las fases y dentro de cada fase.
8
En ingl es, branch and bound.
468
20.5
Anexo: algoritmos probabilistas
Por desgracia, los esquemas anteriores no siempre proporcionan soluciones a cualquier problema planteado; adem as sucede a veces que, aun existiendo una soluci on algor tmica a un problema, el tiempo requerido para encontrar una soluci on es tal que los algoritmos resultan inservibles. Una posibilidad consiste en conformarse con una soluci on aproximada, o bien con una soluci on que resulte v alida s olo casi siempre. Ambas posibilidades se basan en la aplicaci on de m etodos estad sticos. En realidad, este planteamiento no constituye un esquema algor tmico, sino m as bien una trampa consistente en alterar el enunciado de un problema intratable computacionalmente para ofrecer una respuesta aceptable en un tiempo razonable. En este anexo incluimos s olo un par de ejemplos de los dos criterios m as frecuentemente adoptados en esta clase de algoritmos: El primero consiste en buscar una soluci on aproximada, lo que es posible en bastantes problemas num ericos, sabiendo adem as el intervalo de conanza de la soluci on encontrada. La precisi on de la soluci on depende frecuentemente del tiempo que se invierta en el proceso de c alculo, por lo que puede lograrse la precisi on que se desee a costa de una mayor inversi on del tiempo de proceso. El segundo criterio consiste en buscar una respuesta que constituya una soluci on del problema con cierta probabilidad. La justicaci on es que cuando se trata de tomar una decisi on entre, por ejemplo, dos opciones posibles, no cabe pensar en soluciones aproximadas, aunque s en soluciones probablemente acertadas. Tambi en aqu es posible invertir una cantidad de tiempo mayor para aumentar, esta vez, la probabilidad de acierto. Aunque existen clasicaciones sistem aticas m as detalladas de esta clase de algoritmos, en este apartado s olo pretendemos dar una idea del principio en que se basan, y ello mediante dos ejemplos ampliamente conocidos.
20.5.1
B usqueda de una soluci on aproximada
Deseamos hallar el area de un c rculo de radio 1 (naturalmente, sin usar la f ormula). Un modo poco convencional de lograrlo consiste en efectuar n lanzamientos al azar al cuadrado [1, 1] [1, 1] y concluir con que la proporci on de ellos que caiga dentro del c rculo ser a proporcional a este area. En otras palabras, el procedimiento consiste en generar n puntos (px , py ) aleatoriamente, extrayendo ambas coordenadas del intervalo [1, 1] uniformemente:
20.5. Anexo: algoritmos probabilistas

function NumAciertos(numPuntos: integer): integer; {Dev. el n umero de lanzamientos que caen dentro del c rculo} var i, total: integer; begin total:= 0; for i:= 1 to numPuntos do begin GenerarPunto(px , py ); {del intervalo [1, 1]2 , uniformemente} if (px , py ) c rculo de radio 1 then total:= total + 1 end; {for} NumAciertos:= total end; {NumAciertos}
469
Seg un la ley de los grandes n umeros, si n umPuntos es muy grande la proporci on de aciertos tender a a la proporci on del area del c rculo: numAciertos numEnsayos 4 De hecho, este algoritmo suele presentarse como un modo de estimar : 4 numAciertos numEnsayos
20.5.2
B usqueda de una soluci on probablemente correcta
Se desea averiguar si un entero n es o no primo. Supuesto n impar,9 el m etodo convencional consiste en tantear los divisores 3, 5, . . . , Trunc( n). Los Trunc( n) 1 tanteos que requiere el peor caso, hacen este m etodo inviable cuando 2 se trata de un n grande. Una alternativa es la siguiente: supongamos que se tiene un test10
function Test(n: integer): boolean;
que funciona aleatoriamente como sigue: aplicado a un n umero primo, resulta ser siempre True; por el contrario, aplicado a un n umero compuesto lo descubre 1 (resultando ser False) con probabilidad p (por ejemplo, 2 ). Por lo tanto, existe peligro de error s olo cuando su resultado es True, y ese resultado es err oneo con una probabilidad q = 1 p.
De lo contrario el problema ya est a resuelto. La naturaleza del test no importa en este momento. B astenos con saber que, efectivamente, existen pruebas ecientes de esta clase.
10 9
470
Cap tulo 20. Esquemas algor tmicos fundamentales Entonces, la aplicaci on repetida de esa funci on
function RepTest(n, k: var i: integer; pr: boolean; begin pr:= False; i:= 0; repeat i:= i + 1; pr:= Test(n) until pr or (i = k); RepTest:= pr end; {RepTest} integer): boolean;
se comporta as : aplicada a un primo, resulta ser siempre True, y aplicada a un n umero compuesto lo descubre con una probabilidad 1 q k . La probabilidad de error cuando el resultado es True, q k , puede disminuirse tanto como se quiera a costa de aumentar el n umero de aplicaciones de la funci on test.
20.6
Ejercicios
1. Desarrollar completamente el programa para descomponer un entero positivo en sus factores primos descrito en el apartado 20.1.1, escribiendo nalmente la soluci on en la siguiente forma: 600 300 150 75 25 5 1 2 2 2 3 5 5
2. Escribir el algoritmo de cambio de moneda descrito en apartado 20.1.2 ajust andose al esquema devorador general. 3. Desarrolle completamente un procedimiento devorador para el problema de la mochila descrito en el apartado 20.1.3. 4. Desarrolle completamente un procedimiento devorador para el algoritmo de Prim del arbol de recubrimiento m nimo. T engase en cuenta la observaci on hecha al nal del apartado 20.1.3 que nos permite simplicar la condici on de terminaci on del bucle. 5. Se tienen dos listas A y B ordenadas. Escribir un algoritmo devorador que las mezcle produciendo una lista C ordenada.
20.6. Ejercicios
471
6. Supongamos que el vector V consta de dos trozos V1,...,k y Vk+1,...,n ordenados. Escribir un algoritmo devorador que los mezcle, produciendo un vector W1,...,n ordenado. 7. Se desea hallar el m aximo valor de un vector V de n enteros. Siguiendo una estrategia divide y vencer as,11 una soluci on consiste en lo siguiente: si el vector tiene una sola componente, esa es la soluci on; de lo contrario, se procede como sigue: (a) se divide el vector V1,...,n en dos trozos: A = V1,...,k y B = Vk+1,...,n (b) se hallan los m aximos para A y B respectivamente (c) se combinan las soluciones parciales MA y MB obtenidas, resultando que la soluci on nal es el m aximo de entre MA y MB . Desarrolle completamente el algoritmo. 8. (a) Desarrolle otro algoritmo que halle el m aximo valor de un vector, esta vez siguiendo un esquema recursivo simple en el que se compare el primer elemento del vector con el valor m aximo del resto del vector. (b) Compare la complejidad de este algoritmo con el del ejercicio anterior. 9. Sea A una matriz cuadrada de n n. Si n es par, A puede descomponerse en cuatro submatrices cuadradas, as : A= y su determinante puede hallarse as : | A |=| A | | D | | B | | C | . Escriba un algoritmo divide y vencer as para hallar el determinante de una matriz de dimensi on n, siendo n una potencia de 2. 10. (a) Desarrolle un programa que halle Fib(15) seg un la denici on recursiva usual de la funci on de Fibonacci, y modif quelo para que cuente el n umero de llamadas Fib(0), Fib(1), ... que se efect uan. (b) Implemente una variante de la funci on del apartado (a), en la que se le dote de memoria. 11. Dena en Pascal la funci on ofuscaci on de D jkstra, Ofusc(0) = Ofusc(1) = Ofusc(n) = 0 1 Ofusc( n 2 ), Ofusc(n + 1) + Ofusc(n 1), si n es par si n es impar , n 2 A C B D
dot andola de memoria, y averig ue en qu e medida ha mejorado su eciencia, siguiendo los pasos del ejercicio anterior.
Aunque el algoritmo descrito resuelve correctamente el problema planteado, debe advertirse que esta no es la manera m as apropiada para afrontar este problema (v ease el apartado 20.2.1).
11
472

m n
12. Redena la funci on que halla recursivamente los n umeros combinatorios m {0, . . . , 10}, n {0, . . . , m}, dot andola de memoria.
, para
13. Desarrolle completamente el algoritmo que halla el camino m nimo en un grafo poliet apico incorporando la tabulaci on descrita en el apartado 20.3.2 14. (a) Desarrolle completamente el problema del cambio de moneda descrito en el apartado 20.3.3 para el juego de monedas de 1, 8 y 9 pesetas. Dar dos versiones del mismo: una sin tabular y otra mediante tabulaci on. (b) Inserte los contadores necesarios para tantear el n umero de llamadas recursivas requeridas para descomponer 70 ptas. de manera optima en las dos versiones anteriores. 15. Desarrolle un algoritmo que d e la lista de todas las descomposiciones posibles de N (n umero natural que es un dato de entrada) en sumas de doses, treses y cincos. 16. Supongamos que las soluciones parciales al problema de las ocho damas se concretan en dos variables: un indicador del n umero de damas situadas correctamente (con un valor entre 0 y 8), y un array [1..8] of 1..8 cuyas primeras casillas registran las posiciones de las damas ya situadas en una subsoluci on. (a) Escriba una funci on que indique si dos damas est an a tiro. (b) Escriba una funci on que, conocida una subsoluci on y una posici on (de 1 a 8) candidata para situar la dama siguiente, indique si es ello posible sin amenazar las anteriores. (c) Desarrolle completamente el algoritmo descrito en el apartado 1, generalizado al problema de las n damas, con tres variantes: i. La generaci on de todas las posiciones v alidas. ii. Averiguar cu antas soluciones v alidas hay. iii. Buscar una posici on v alida, si existe, o un mensaje de advertencia en caso contrario. (d) Aplique las t ecnicas de poda expuestas en el apartado 20.4.1 para situar ocho damas, libres de amenazas, en un tablero de ocho por ocho, ocupando casillas con una suma m axima, sabiendo que la casilla de la la i, columna j , vale 108i + j puntos. 17. Utilizando las t ecnicas explicadas en el apartado 20.5.1, hallar aproximadamente el area limitada por la funci on f (x) = log(x), el eje de abscisas y las rectas x = 1 5 y x = 5. Comp arese el resultado obtenido con el valor exacto de 1 log(x)dx.
473
2 1.5 1 0.5
18. Experimento de Buon Supongamos un entarimado de parquet formado por tablillas paralelas de 10 cm de ancho. (a) Hallar, mediante simulaci on, la probabilidad de que, al lanzar una aguja de 5 cm de largo, caiga sobre una l nea entre dos baldosas.
1 , estimar de ese modo. (b) Sabiendo que esa probabilidad es
20.7
Se introduce sucintamente en este cap tulo un tema que requiere, para ser tratado cabalmente, un libro completo, por lo que los interesados en el tema necesitar an ampliar esta introducci on. Afortunadamente, existe una enorme cantidad de referencias de calidad dedicada al estudio del dise no de los esquemas algor tmicos fundamentales, por lo que nos ce nimos a las fuentes en castellano a las que m as debemos: los apuntes manuscritos de D. de Frutos [Fru84], los cl asicos [AHU88], [HS90] y [BB97] y el m as reciente [GGSV93]. Los ejemplos escogidos aqu para explicar cada uno de los esquemas algor tmicos no son, ciertamente, originales: al contrario, su utilizaci on es frecuent sima con este n, y ello se debe a que requieren un n umero peque no de ideas para explicar, casi por s mismos, los importantes conceptos que se han expuesto en este cap tulo . En [Bie93] se abunda en esta idea, llegando a proponer el uso de estos ejemplos convertidos en peque nos rompecabezas cuyo manejo de forma natural consiste en cada uno de los esquemas algor tmicos fundamentales. Los esquemas devorador y de programaci on din amica se presentan frecuentemente usando como ejemplo el problema de la mochila 0-1 (o mochila entera), alternativo al del cambio de moneda. Ambos pueden considerarse formulaciones del mismo argumento con distinta ambientaci on, admiten interesantes variaciones y han suscitado gran cantidad de observaciones. Adem as de las referencias citadas con car acter general, en [Wri75] pueden
474
leerse diferentes soluciones a los mismos; en [CK76] se estudian adem as las condiciones generales en que estos problemas admiten soluciones voraces. Desde que apareci o el problema de las n reinas (hace m as de cien a nos), se han estudiado muchas de sus propiedades para tableros de distintos tama nos. En [BR75] puede encontrarse una visi on panor amica del mismo y de otro problema cl asico (la teselaci on con pentomin os), ejemplicando con ambos el uso y mejora de las t ecnicas de vuelta atr as. La referencia [Dew85a] es una bonita introducci on a los algoritmos probabilistas. [BB90] ofrece una visi on m as detallada y profunda. El test para descubrir n umeros compuestos descrito en 20.5.2 se encuentra en casi cualquier referencia sobre algoritmos probabilistas. Entre la bibliograf a seleccionada, [BB97] y [Wil89] ofrecen claras explicaciones de los mismos.
Ap endices
Ap endice A
Aspectos complementarios de la programaci on

En este cap tulo se estudian algunos aspectos que, aunque no se pueden considerar esenciales para una introducci on a la programaci on en Pascal, s resultan interesantes como complemento a los temas ya estudiados. En primer lugar se analiza la posibilidad de denir en Pascal subprogramas con par ametros que son, a su vez, subprogramas. Con esto se pueden conseguir programas con un alto nivel de exibilidad. Finalmente, se estudia la utilizaci on de variables (seudo)aleatorias, que resultan especialmente u tiles para desarrollar programas en los que interviene el azar.
A.1
Subprogramas como par ametros
La utilizaci on de procedimientos y funciones como par ametros eleva a un nivel superior la potencia y versatilidad, ya conocida, de los propios subprogramas. Supongamos, por ejemplo, que disponemos de dos funciones f, g : IR IR, y queremos generar a partir de ellas una tercera que convierta cada x IR en el m aximo entre f (x) y g (x), como se muestra gr acamente en la gura A.1. La dicultad del problema radica en que la funci on que deseamos denir no halla el m aximo de dos n umeros reales dados sino que, dadas dos funciones cualesquiera f y g y un n umero real x, halla f (x) y g (x) (aplicando las funciones al real) y obtiene el m aximo de esos valores:
f ( x)
si f (x) < g (x) en otro caso
MaxFuncs(f, g, x) =
g ( x)
478
ndice A. Aspectos complementarios Ape

8 y = g(x) 6 4 1 2 y = f(x) 3 -2 -1 2 1 2 3 y = max[ f,g](x)
8 6 4 2 -2 -1 -2 -4
Figura A.1.
O sea, la funci on MaxFuncs responde al siguiente esquema: MaxFuncs : ( IR IR) ( IR IR) MaxFuncs ( f , g , IR IR x ) = ...
La novedad consiste en que, si se quiere implementar un programa que resuelva el problema, dos de los par ametros ser an subprogramas (concretamente, funciones). Esto est a permitido en Pascal y para ello se incluye en la lista de par ametros formales el encabezamiento completo del subprograma par ametro,
function MaxFuncs (function F (x: real): real; function G (x: real): real; x: real): real; {Dev. el m aximo de F(x) y G(x)} begin if F(x) > G(x) then MaxFuncs:= F(x) else MaxFuncs:= G(x) end; {MaxFuncs}
y en la llamada, como par ametro real, se coloca el identicador del subprograma que act ua como argumento:
y:= MaxFuncs (Sin, Cos, Pi/4)
En la ejecuci on de la llamada, al igual que ocurre con cualquier tipo de par ametros, el subprograma cticio se sustituye por el subprograma argumento, concret andose as su acci on o resultado (dependiendo de si es un procedimiento o una funci on, respectivamente). Cuando el par ametro de un subprograma es otro subprograma, la consistencia entre la llamada y la denici on requiere que los subprogramas (par ametros)
metros A.1. Subprogramas como para
479
formales (F y G) y los reales (Sin y Cos) tengan el mismo encabezamiento, esto es, igual n umero de par ametros y del mismo tipo. Adem as, en el caso de tratarse de funciones, el tipo del resultado de la funci on debe ser tambi en el mismo. La ganancia en exibilidad es clara: no se ha denido la funci on m aximo, punto a punto, de dos funciones jas, sino de dos funciones cualesquiera (predenidas o denidas por el usuario). As , por ejemplo, si el usuario tiene denida una funci on Cubo, la siguiente es otra llamada v alida:
WriteLn(MaxFuncs(Abs, Cubo, 2 * x + y))
En Pascal, los par ametros-subprograma s olo pueden ser datos de entrada (no de salida). Adem as, el paso de par ametros-subprograma no puede anidarse. Al ser esta t ecnica un aspecto complementario de este libro, simplemente se a naden algunos ejemplos pr acticos para mostrar su aplicaci on. Los ejemplos son el c alculo de la derivada de una funci on en un punto, la b usqueda dicot omica de una ra z de una funci on dentro de un cierto intervalo y la transformaci on de listas.
A.1.1
Ejemplo 1: derivada
La derivada de una funci on1 en un punto se puede hallar aproximadamente mediante la expresi on f ( x + x ) f ( x ) x tomando un x sucientemente peque no. El c alculo de la derivada se ilustra gr acamente en la gura A.2. Como este c alculo depende de la funci on f , el subprograma en Pascal deber a incluir un par ametro al efecto:
function Derivada(function F(y: real): real; x: real): real; {PreC.: F debe ser continua y derivable en x} {Dev. el valor aproximado de la derivada de de F en x} const DeltaX = 10E-6; begin Derivada:= (F(x+DeltaX) - F(x))/DeltaX end; {Derivada}
Si efectuamos una llamada a esta funci on pas andole la funci on Sin, y la abscisa Pi/3, obtenemos un valor aproximado, como era de esperar: Derivada(Sin, Pi/3) ; 4.9999571274E-01
1
La funci on deber a ser continua y derivable en el punto considerado.
480
La pendiente de la recta secante es la aproximacin dada.
f(x +
x)
La pendiente de la recta tangente es la derivada de f en x.
f(x) a x
b x + x
Figura A.2.
c3
c4
c2
c1
Figura A.3.
A.1.2
Ejemplo 2: bipartici on
Este m etodo para calcular los ceros o ra ces de una funci on se expuso en el apartado 6.5.1 para una funci on particular, y la generalizaci on natural es denirlo en Pascal como un subprograma que opere con una funci on cualquiera, adem as de efectuar la b usqueda en un intervalo cualquiera. Las condiciones exigidas son que la funci on debe ser continua en ese intervalo y tener distinto signo en sus extremos: digamos para simplicar que deber a ser negativa en el extremo izquierdo y positiva en el derecho, como se muestra en la gura A.3. Este c alculo puede incluirse dentro de una funci on CeroBipar que reciba como par ametros la funci on de la que se calcula la ra z y los extremos del intervalo
metros A.1. Subprogramas como para en el que se busca esta. La funci on devuelve la abscisa de la ra z.
481
Siguiendo las ideas expuestas en el apartado 6.5.1, una primera aproximaci on al dise no puede ser
izda:= extrIz; dcha:= extrDc; Reducir el intervalo Dar el resultado
Recordemos que la tarea reducir el intervalo se puede renar mediante un bucle while, utilizando una variable adicional puntoMedio para almacenar el valor del punto central del intervalo. F ser a el identicador del par ametro que recoger a la funci on de la que se busca la ra z. El subprograma nal es el siguiente:
function CeroBipar(function F(x: real): real; extrIz, extrDc: real): real; {PreC.: F continua en [extrIz, extrDc], F(extrIz) < 0 < F(extrDc) } {PostC.: F(CeroBipar(F, extrIz, extrDc)) 0 , extrIz < CeroBipar(F, extrIz, extrDc) < extrDc } const Epsilon= error permitido; var puntoMedio: real; begin {Reducci on del intervalo} while (extrDc - extrIz) > 2 * Epsilon do begin {Inv.: F(extrIz) < 0 y F(extrDc) > 0 } puntoMedio:= (extrDc - extrIz) / 2; if F(puntoMedio) < 0 then {El cero se encuentra en [puntoMedio,extrDc]} extrIz:= puntoMedio else {El cero se encuentra en [extrIz,puntoMedio]} extrDc:= puntoMedio end; {while} CeroBipar:= puntoMedio end. {CeroBipar}
Por ejemplo, si suponemos implementado en Pascal el polinomio p(x) = x2 2 mediante la funci on P, se obtendr a un cero del mismo en [0,2] efectuando la llamada CeroBipar(P, 0, 2)
482
A.1.3
Ejemplo 3: transformaci on de listas
Una transformaci on frecuente de las listas consiste en aplicar cierta funci on (gen erica) a todos sus elementos. Una implementaci on en Pascal de esta transformaci on es casi directa desarrollando un procedimiento AplicarALista que tenga como argumentos la funci on a aplicar y la lista a transformar:
procedure AplicarALista(function F(x: real): real; var lista: tListaR); {Efecto: aplica F a cada uno de los elementos de lista} var aux: tListaR; begin aux:= lista; while aux <> nil do begin aux^.valor:= F(aux^.valor); aux:= aux^.siguiente end {while} end; {AplicarALista}
Donde los elementos de la lista deben tener un tipo conocido y jo (en el ejemplo, real),
type tListaR = ^tNodoR; tNodoR = record valor: real; sig: tListaR end; {tNodoR}
y este debe ser el mismo antes y despu es de su transformaci on, por lo que la funci on convierte elementos de ese tipo en elementos del mismo. En este ejemplo la lista est a formada por valores reales, por lo que tambi en lo son el argumento y el resultado de la funci on. As , por ejemplo, la llamada AplicarALista(Sqr, listaDeReales) tendr a por efecto elevar al cuadrado todos los elementos de la lista listaDeReales.
A.2
Variables aleatorias
A menudo es necesario construir programas en los que interviene el azar: este comportamiento indeterminista es inevitable con frecuencia (por ejemplo, en procesos de muestreo), y otras veces es deseable (en programas relacionados con simulaci on, juegos, criptograf a, etc.)
A.2. Variables aleatorias
483
En este apartado se introduce el uso del azar para resolver problemas algor tmicamente.2 Empezaremos por resumir los mecanismos que ofrece Turbo Pascal para introducir el azar en nuestros programas, as como la forma de denir otros, sencillos y u tiles; despu es se ver a un m etodo para simular variables aleatorias cualesquiera, para terminar dando algunos ejemplos de aplicaci on.
A.2.1
Generaci on de n umeros aleatorios en Turbo Pascal
La construcci on de un buen generador de n umeros seudoaleatorios no es una tarea f acil; por eso y por sus importantes aplicaciones, casi todos los lenguajes de programaci on incluyen alg un generador predenido. Para obtener los valores aleatorios en Turbo Pascal, se emplea la funci on Random, que genera un valor seudoaleatorio y que se puede utilizar de dos modos distintos: Con un argumento entero y positivo3 n, en cuyo caso el resultado es un n umero extra do uniformemente del conjunto {0, . . . , n 1}: Random(6) ; 2 Random(6) ; 5 Random(6) ; 0 Sin argumento, en cuyo caso el resultado es un real, extra do uniformemente del intervalo [0, . . . , 1): Random ; 0.78593640172 Random ; 0.04816725033 Cuando estas funciones se usan en un programa, se debe usar el procedimiento Randomize (sin argumentos), para arrancar la generaci on de n umeros aleatorios, haciendo intervenir informaci on cambiante, no controlada, como determinadas variables del sistema (el reloj), de modo que las distintas ejecuciones de ese programa funcionen de diferente modo. Como ejemplo de uso, damos el siguiente programa, que simula el lanzamiento de un dado y de una moneda:
Hay obviamente una dicultad intr nseca para reproducir el azar (de naturaleza indeterminista) mediante algoritmos (que son procesos deterministas). De hecho, en la pr actica s olo se consigue simular un comportamiento aparentemente aleatorio seudoaleatorio aunque esto es suciente para un gran n umero de aplicaciones. 3 En realidad, en Turbo Pascal debe ser de tipo word (v ease el apartado B.3).
2
484

Program DadoYMoneda (output); const N = 10; {n um. de lanzamientos} var i, lanzamientos, caras, cruces: integer; begin Randomize; for i:= 1 to N do {N lanzamientos de dado} WriteLn(Random(6)+1); for i:= 1 to N do {N lanzamientos de moneda} if Random < 0.5 then WriteLn(Cara) else WriteLn(Cruz) end. {DadoYMoneda}
Como puede imaginarse, la funci on Random se puede combinar con otras operaciones y funciones para lograr efectos m as variados. Por ejemplo la expresi on Random (b a) + a produce el efecto de una variable aleatoria uniforme del intervalo [a, b). De modo similar, la expresi on Random(b a + 1) + a produce el efecto de una variable aleatoria uniforme del conjunto {a, . . . , b}.
A.2.2
Simulaci on de variables aleatorias
Aunque las variables aleatorias uniformes bastan en un gran n umero de situaciones, muchas veces se requiere generar otras variables siguiendo otras funciones de distribuci on. En este apartado se introduce el m etodo de la transformada 4 inversa, que permite generar variables aleatorias arbitrarias. En los ejercicios se describen sin justicar algunos m etodos particulares. En primer lugar se presenta este m etodo para variables aleatorias continuas. Si F : IR [0, 1] es una funci on de distribuci on cualquiera, el m etodo consiste en generar la variable aleatoria y U nif [0, 1), y hallar el x tal que F (x) = y (v ease la gura A.4). En otras palabras, si y U nif [0, 1), entonces F 1 (y ) F . Por ejemplo, supongamos que deseamos generar una variable aleatoria uniforme en el intervalo [a, b). Como su funci on de distribuci on es, F ( x) =
4
0 1
x a b a
si x a si a x b si b < x
Tambi en conocido como look up-table.
485
1 0.8 0.6 0.4 0.2
-2
-1
Figura A.4.
1 ...
Figura A.5.
para y [0, 1) se tiene F 1 (y ) = a + y (b a). Por lo tanto, si se genera y U nif [0, 1) (mediante y:= Random simplemente, por ejemplo), basta con hacer x:= a+y*(b-a) para obtener la variable aleatoria x U nif [a, b), como se ve en la gura A.5. Naturalmente, no siempre es tan f acil invertir F , e incluso a veces es imposible hacerlo por medios anal ticos. Sin embargo, la cantidad x = F 1 (y ), conocida y , siempre puede hallarse como el cero de la funci on F (x) y (v ease el apartado 6.5.3), de la que sabemos que es decreciente, por lo que es id oneo el m etodo de bipartici on (v ease el apartado 6.5.1). El m etodo expuesto es sencillo y se adapta bien a variables discretas. Sea la funci on de probabilidad P rob(x = i) = pi , para 1 i n; su funci on de k p para 1 k n , y expresa la probabilidad distribuci on es P (k ) = i i=1 de que x i. Entonces, el m etodo consiste en generar la variable aleatoria y U nif [0, 1), y hallar el m nimo k tal que P (k ) y (v ease la gura A.6).
486
1
)
...
. ..
) )
y 0
)
) )
...
Figura A.6.
Por ejemplo, supongamos que se desea trucar un dado de forma que d e las cantidades 1, . . . , 6 con probabilidades 015, 01, 015, 015, 03, 015 respectivamente. Para ello, se hallan las cantidades P (k ), que resultan ser 015, 025, 040, 055, 085, 100, respectivamente; luego se genera y U nif [0, 1), mediante y:= Random, y nalmente, basta con hallar el m n{k tal que P (k ) y }. Si las cantidades P (k ) se almacenaron en un array, esta b usqueda se puede realizar por 5 inspecci on de la tabla, que tiene el siguiente contenido: P rob(x = i) 015 01 015 015 03 015 P (k ) 015 025 040 055 085 100 i 1 2 3 4 5 6
Si y:= Random genera el valor 0 75, por ejemplo, hay que buscar el menor P (k ) 0 75, y a partir de el localizar en la tabla de b usqueda la cara del dado que le corresponde (el cinco, en este caso). La inspecci on se puede hacer secuencialmente o mediante b usqueda dicot omica (v ease el apartado 15.1). El desarrollo se deja como ejercicio (v ease el ejercicio 15).
A.2.3
Ejemplos de aplicaci on
Las aplicaciones de los algoritmos no deterministas son m ultiples y variadas. Se muestran en este apartado dos de ellas como bot on de muestra, remitiendo
5
As se explica su denominaci on look up-table en ingl es.
487
al lector interesado a los ejercicios, donde se indican otras, y a los comentarios bibliogr acos. Como ejemplo inicial, consid erese que un supermercado desea hacer un sorteo entre sus clientes, de forma que sus probabilidades de ser premiados sean proporcionales al dinero gastado en la tienda. Trivialmente se ve que esta situaci on es un caso particular del dado trucado, explicado al nal del apartado anterior, por lo que no requiere mayor explicaci on (v ease el ejercicio 15). Un ejemplo t pico es el acto de barajar, que consiste sencillamente en
Dado un array A de n elementos, Situar en A1 uno cualquiera, escogido aleatoriamente entre A1 y An . ... Situar en An1 uno cualquiera, escogido aleatoriamente entre An1 y An .
donde la elecci on entre Aizda y Adcha se efect ua mediante la asignaci on posic:= variable aleatoria uniforme del conjunto {izda, . . . , dcha} referida en el apartado A.2.1 y en el ejercicio 12c de este cap tulo. Finalmente, esbozamos el m etodo del acontecimiento cr tico, para simular una cola (una ventanilla de un banco, por ejemplo), donde llega un cliente cada 1 unidades de tiempo y tarda en ser atendido 2 unidades de tiempo, por t ermino 6 medio. Un paso intermedio del dise no de este programa puede ser el siguiente:
{Dar valores iniciales a los datos} reloj:= 0; longCola:= 0; sigLlegada:= 0; {tiempo hasta la siguiente llegada} sigSalida:= 0; {tiempo hasta la siguiente salida} repetir sin parar if cola vac a o sigLlegada < sigSalida then begin {llegada de cliente} reloj:= reloj + sigLlegada; sigSalida:= sigSalida - sigLlegada; sigLlegada:= ExpNeg(1 ); longCola:= longCola + 1; EscribirSituacion(reloj, longCola) end {then} else begin {salida de cliente}
El tiempo entre llegadas (resp. salidas) es una variable aleatoria exponencial negativa de par ametro 1 que se supone desarrollada, ExpNeg(lambda) (v ease el ejercicio 14).
6
488

reloj:= reloj + sigSalida; sigLlegada:= sigLlegada - sigSalida; sigSalida:= ExpNeg(2 ); longCola:= longCola - 1; EscribirSituacion(reloj, longCola) end {else} Fin repetir
A.3
Ejercicios
2. Halle un cero del polinomio p(x) = x2 2 en [0, 2], siguiendo el proceso indicado en el apartado A.1.2.
1. Desarrolle un programa completo que utilice la funci on MaxFun que aparece en el texto, y trace la gr aca de la funci on MaxFun(Sin, Cos, x) en el fragmento del plano XY = [0, 3 ] [0 5, 1 5].
3. Aplique la funci on Derivada en un programa al polinomio del ejercicio anterior. Desarrolle un programa para comprobar la diferencia entre el resultado obtenido por el programa y el calculado de forma anal tica, p (x) = 2x, confeccionando una tabla con los valores de ambos, para diferentes valores de la variable x (por ejemplo, x {0 0, 0 1, . . . , 1 0}) y de la constante DeltaX (por ejemplo, {1, 0 5, 0 25, 0 125, 0 0625}). 4. Desarrolle un subprograma para hallar el cero de una funci on dada siguiendo el m etodo de Newton-Raphson explicado en el apartado 6.5.2.
sup 5. Desarrolle un subprograma que halle on cualquiera i=inf ai , para una sucesi a : IN IR. 1 Apl quese al c alculo de n i=1 i! , siendo n un dato dado por el usuario.
6. Desarrolle un subprograma que halle
b a
f (x)dx, siguiendo los m etodos siguientes:
(a) iterativamente, mediante la correspondiente descomposici on en rect angulos (v ease el ejercicio 11 del cap tulo 6). (b) recursivamente (v ease el ejercicio 7 del cap tulo 10). 7. Desarrolle una nueva versi on del subprograma AplicarALista del apartado A.1.3, siguiendo una estrategia recursiva. 8. Construya un procedimiento AplicarAArbol que aplique una funci on a los elementos de un arbol, transform andolos, de la misma forma que AplicarALista lo hace con las listas. 9. Desarrolle un subprograma que ltre los datos de una lista seg un una funci on l ogica, eliminando los que no cumplan ese test. Si, por ejemplo, se trata de una lista de enteros y el test es la funci on Odd, el efecto del ltro consiste en suprimir los pares. 10. Desarrolle una versi on recursiva del subprograma del ejercicio anterior.
A.3. Ejercicios
489
1 0.8 0.6 0.4 0.2 5 -0.2 10 15 20
Figura A.7. 11. Construya un procedimiento general de ordenaci on en el que el criterio por el que se ordenan los elementos sea un subprograma que se suministra como par ametro. El encabezamiento del procedimiento es type tVector = array [1..n] of tElemento; procedure Ordenar(var v:tVector; function EsAnterior(x, y:tElemento):boolean); Con este procedimiento se consigue una gran exibilidad, al poder ordenar el vector en la forma que m as interese al usuario, con llamadas a Ordenar en las que EsAnterior se particularice con las relaciones de orden <, OrdenAlfab etico, MejorCalicaci on, etc. 12. Dena funciones aleatorias para simular lo siguiente: (a) Una variable aleatoria del intervalo [a, b). (b) Una variable aleatoria del intervalo (a, b]. (d) Un dado que da un seis con probabilidad 1/2, y un n umero del uno al cinco con probabilidad uniforme. (e) Una moneda trucada, que cae de cara dos de cada tres veces. 13. Genere n umeros naturales de forma que aparezca un 1 con probabilidad 1/2, un 2 con probabilidad 1/4, un 3 con probabilidad 1/8, etc. 14. Empleando el m etodo de la transformada inversa, genere una variable aleatoria exponencial negativa de par ametro , cuya funci on de densidad f viene dada por f (x) = ex , y que se representa gr acamente en la gura A.7). Se recuerda que, previamente, debe hallarse la funci on F de distribuci on correspondiente. (c) Una variable aleatoria del conjunto {a, . . . , b}.
490
15. Mediante el m etodo de la transformada inversa, desarrolle un dado trucado que d e las cantidades 1 a 6 con probabilidades arbitrarias dadas como dato. 16. Dena una funci on que genere una variable aleatoria a partir de una funci on de distribuci on arbitraria F denida sobre el intervalo [a, b].
A.4
Este apartado se ha centrado en el uso del azar, suponiendo que las herramientas necesarias est an incorporadas en nuestro lenguaje de programaci on, lo que es el caso habitual. Sin embargo, el desarrollo de buenos generadores de n umeros aleatorios no es una tarea f acil, e incluso es frecuente encontrar en el mercado y en libros de texto generadores con defectos importantes. En [Yak77, PM88, Dan89, War92], entre otras referencias, se estudian los principios de su dise no, explicando el generador m as difundido actualmente (el de Lehmer) y examinando algunos de los errores de dise no m as frecuentes; en [War92, Sed88] se describen dos pruebas de calidad (el test espectral y el de la chi-cuadrado). La simulaci on de variables aleatorias no uniformes se estudia en multitud de textos. El m etodo de la transformada inversa se puede estudiar en [Yak77, Mor84, PV87], entre otros textos, junto con otros m etodos generales (el del rechazo y el de la composici on). Algunos m etodos particulares para la simulaci on de la normal se pueden encontrar en las dos u ltimas referencias. En [Dew85a] se vincula la simulaci on de variables aleatorias con algunas aplicaciones de los algoritmos no deterministas a trav es de amenos ejemplos y situaciones. De esta u ltima referencia se ha tomado el m etodo del acontecimiento cr tico, y otras aplicaciones pr acticas de la simulaci on se pueden encontrar en [PV87]. Finalmente, debemos indicar que en el apartado 20.5 se introducen otras aplicaciones de los algoritmos no deterministas. En este ap endice hemos tocado muy supercialmente la posibilidad de que los par ametros de los subprogramas sean subprogramas a su vez. Esta posibilidad es ampliamente explotada en otros modelos de programaci on como el funcional, por lo que el lector interesado puede consultar cualquer referencia sobre el mismo, por ejemplo [BW89]. Los cierto es que, en programaci on imperativa, este mecanismo se usa en muy contadas ocasiones.
Ap endice B
El lenguaje Turbo Pascal

El lenguaje Turbo Pascal posee numerosas extensiones con respecto al lenguaje Pascal est andar, que, por una parte, le coneren una mayor potencia y capacidad, pero por otra merman la posibilidad de transportar sus programas a otros computadores. Es interesante conocer estas extensiones por las siguientes razones: Porque ampl an la capacidad para manejar otros tipos num ericos del lenguaje Pascal, superando las limitaciones de los tipos est andar y facilitando el intercambio de este tipo de valores con programas escritos en otros lenguajes. Porque existen en muchos otros lenguajes de programaci on, y por ello han pasado a ser algo admitido y utilizado, siendo un est andar de facto. Por ejemplo, el tipo cadena (string ) con sus operaciones asociadas. Porque son imprescindibles para la utilizaci on de ciertos tipos de datos del Pascal est andar, como ocurre con los archivos, en los que la conexi on con su implementaci on f sica no est a denida en Pascal. Porque permiten reforzar ciertas caracter sticas deseables en todo lenguaje evolucionado. La modularidad de Pascal se refuerza mediante las unidades que nos permiten denir, por ejemplo, los tipos abstractos de datos (v ease el cap tulo 19), aunque con limitaciones con respecto a otros lenguajes como Modula2. En los pr oximos apartados se explican brevemente las particularidades m as interesantes de Turbo Pascal, siguiendo el orden en el que se han presentado en el texto los aspectos del lenguaje con los que se relacionan.
492
ndice B. El lenguaje Turbo Pascal Ape
B.1
Elementos l exicos
En primer lugar estudiaremos las diferencias m as signicativas en la forma de escribir los identicadores y ciertos s mbolos especiales. La longitud de los identicadores en Turbo Pascal s olo es signicativa en sus 64 primeros caracteres, mientras que en Pascal son signicativos todos los caracteres.1 En Turbo Pascal el signo @ es un operador diferente de ^, mientras que en Pascal se pueden usar indistintamente. El signo @ en Turbo Pascal permite que un puntero se nale a una variable existente no creada como referente del puntero. En Turbo Pascal un comentario debe comenzar y terminar con el mismo par de s mbolos { y } o (* y *). En Pascal, un s mbolo de un tipo puede cerrarse con el del otro.
B.2
Estructura del programa
El encabezamiento del programa en Turbo Pascal es opcional, por lo que puede omitirse en su totalidad. Sin embargo, si se escribe la palabra program deber a ir acompa nada del identicador de programa. Los nombres de archivo como input y output tambi en son opcionales, pero si se escriben, deber a hacerse correctamente. Las diferentes secciones de declaraciones y deniciones se abren con las palabras reservadas correspondientes como en Pascal est andar. No obstante, en Turbo Pascal se puede alterar el orden de las diferentes secciones y abrirlas repetidas veces.
B.3
Datos num ericos enteros
Turbo Pascal introduce dos tipos num ericos naturales predenidos llamados byte y word. Sus dominios incluyen solamente valores enteros positivos, siendo para el tipo byte {0, ..., 255} y para el tipo word {0, ..., 65535}.
Un valor perteneciente al tipo byte ocupa precisamente un byte en memoria (de aqu su nombre), mientras que uno del tipo word ocupa dos bytes.
El tipo entero integer se complementa con dos nuevos tipos predenidos denominados shortInt y longInt. Sus dominios son enteros positivos y negaAunque en el User Manual & Report (segunda edici on, pg. 9) [JW85] se dice textualmente: Implementations of Standard Pascal will always recognize the rst 8 characters of an identier as signicant.
1
ricos reales B.4. Datos nume
493
tivos, siendo para el tipo shortInt {128, ..., 127}, mientras que el de longInt es {214483648, ..., 2147483647}. El tipo shortInt ocupa un byte, el tipo integer ocupa 2 y el longInt 4 bytes. Estos tipos son especialmente u tiles para realizar c alculos enteros con valores grandes, como el c alculo del factorial, para los que el tipo integer resulta muy limitado. A estos tipos num ericos se les pueden aplicar los mismos operadores y operaciones que al tipo entero, e incluso se pueden asignar entre s siempre que los valores asignados est en comprendidos dentro de los respectivos dominios. Existe un tercer tipo llamado comp que es un h brido entre entero y real: se almacena en la memoria como un entero (en complemento a dos), pero se escribe como un real (en notaci on cient ca). A pesar de su implementaci on como entero no es un tipo ordinal. Dado que no se le pueden aplicar las operaciones de tipo entero, lo consideraremos y utilizaremos como real. Se utiliza en aquellas aplicaciones que necesiten valores grandes, con precisi on entera, pero donde no haya que aplicar operaciones enteras. En Turbo Pascal la expresi on n mod m se calcula como n - (n div m) * m y no produce error si m es negativo, mientras que en Pascal est andar no est a denido si m es cero o negativo.
B.4
Datos num ericos reales
Turbo Pascal dispone de tres tipos de datos reales (codicados en punto otante) que complementan al tipo est andar real, denominados single, double y extended, adem as del ya comentado comp. Sus diferentes caracter sticas se muestran en la siguiente tabla:
Tipo single double extended comp real Dominio {1.5E 45, ..., 3.4E 38} {5.05E 324, ..., 1.7E 308} {1.9E 4951, ..., 1.1E 4932} {263 , ..., 263 1} {2.9E 39, ..., 1.7E 38} Cifras signicativas 7u8 15 o 16 19 o 20 19 o 20 11 o 12 Ocupaci on de memoria 4 8 10 8 6
Los tipos single y double cumplen el est andar IEEE 754, que es el m as utilizado en representaci on en punto otante, lo que los hace id oneos para el intercambio de datos reales con programas escritos en otros lenguajes. Es curioso que el tipo est andar real de Turbo Pascal no sea est andar en su codicaci on interna.
494
Los tipos reales adicionales, incluyendo el tipo comp, admiten todos los operadores y operaciones del tipo real, e incluso son asignables entre s , dentro de sus respectivos dominios.2
B.5
Cadenas de caracteres
Es muy frecuente construir programas que precisen cadenas de caracteres para formar nombres, frases, l neas de texto, etc. En Pascal est andar, este tipo de datos hay que denirlo como un array de caracteres con una longitud ja. Si la secuencia de caracteres tiene una longitud menor que la longitud del array, la parte nal de este queda indenido. Con el n de evitar posibles errores, es conveniente almacenar la longitud utilizada del array para no acceder a la parte sin denir. En Turbo Pascal existe un tipo de datos espec co predenido llamado string, que podemos traducir como cadena de caracteres. Este tipo es similar a un array de caracteres, pero su longitud es gestionada autom aticamente por el compilador, hasta un cierto l mite. Adem as Turbo Pascal dispone de las funciones y procedimientos necesarios para procesar las cadenas.
B.5.1
Declaraci on de cadenas
En la declaraci on de una variable de cadena se dene la longitud m axima de la cadena, lo que se conoce como su longitud f sica.
var cadena:
string[20];
Con esta declaraci on la variable cadena podr a tener a lo sumo 20 caracteres, es decir, este tama no es un l mite m aximo, ya que la cadena puede tener menos. Para saber cu antos tiene en realidad, junto con la cadena se guarda un ndice que contiene la longitud real de la cadena, lo que se denomina su longitud l ogica. Si al leer la variable cadena con la instrucci on:
ReadLn(cadena)
Para su utilizaci on debe estar activada la opci on [Options][Compiler][Numericprocessing][X]8087/80287
(v ease el apartado C.3.3).
B.5. Cadenas de caracteres o asignar un valor con:

cadena:= Lupirino
495
escribimos menos de 20 caracteres, el ndice almacenar a el n umero real de caracteres escritos. Si escribimos 20 o m as, el ndice valdr a 20, pero en el u ltimo caso se perder an los caracteres posteriores al vig esimo, trunc andose la cadena. Tambi en es posible declarar su longitud m axima, en cuyo caso la cadena toma una longitud f sica de 255 caracteres. Por ejemplo:
var nombre: string;
Se puede acceder a los caracteres de una cadena por sus ndices, como en un array, siendo el elemento de ndice 0 el que almacena la longitud l ogica de la cadena. Por ejemplo, mediante las siguientes instrucciones:
longitud:= Ord(cadena[0]) inicial:= cadena[1]
se asigna a la variable longitud la longitud de la cadena y el primer car acter de esta a la variable inicial .
B.5.2
Operadores de cadenas
Dos cadenas se pueden comparar entre s con los operadores usuales de relaci on, consider andose menor (anterior) aquella cadena que precede a la otra por orden alfab etico.3 Es decir, la comparaci on se realiza car acter a car acter, hasta que una cadena diera de la otra en uno, siendo menor aqu ella que tiene menor ordinal en el car acter diferenciador. Puede suceder que una de las dos cadenas termine sin haber encontrado un car acter distinto, en cuyo caso la cadena m as corta se considera la menor. Adem as de los operadores de relaci on, se puede aplicar el operador +, llamado de concatenaci on, que une dos cadenas para formar otra. Por ejemplo, haciendo:
cadena1:= Pepe; cadena2:= Luis; cadena:= cadena1 + cadena2
la variable cadena tendr a el valor PepeLuis.

3 Lamentablemente, el orden entre cadenas se basa en el c odigo ASCII, por lo que no funciona del todo de acuerdo con el orden alfab etico espa nol (acentos, e nes). Adem as, las may usculas preceden a las min usculas, por lo que no pueden compararse entre s de acuerdo con el orden alfab etico.
496
B.5.3
Funciones de cadenas
Turbo Pascal proporciona un conjunto de funciones predenidas para procesar las cadenas. Estas funciones se presentan a continuaci on:4 Concat: S S . . . S S .
Concatena las cadenas argumento para producir una cadena resultado. Produce el mismo resultado que el operador +.
Length: S Z .
Halla la longitud l ogica (entero) de la cadena argumento. La funci on Length equivale al ordinal del car acter 0 de la cadena argumento.
Pos (S1 , S2 ) Z .
Indica la posici on (un entero) de la primera cadena dentro de la segunda, o el valor 0 si no se encuentra. Esta funci on es especialmente u til para buscar un texto dentro de otro. string; z1, z2: integer): string;
Copy(s:
Extrae de s una subcadena formada por z2 caracteres a partir del z1- esimo (incluido)
Veamos algunos ejemplos, con sus salidas: var cadena1, cadena2, cadena3: string[40]; ... cadena1:= Alg.; cadena2:= y estr. de datos; cadena3:= Concat(cadena1, cadena2); WriteLn(cadena3); Alg. y estr. de datos 21 WriteLn(Length(cadena3)); WriteLn(Pos(cadena2, cadena3)); 5 estr WriteLn(Copy(cadena3, 8 ,4))
B.5.4
Procedimientos de cadenas
Como complemento de las funciones predenidas, Turbo Pascal tambi en dispone de un conjunto de procedimientos de gran utilidad para el manejo de cadenas. Estos procedimientos son los siguientes:
Dada la diversidad de tipos de algunos procedimientos y funciones de cadenas, se ha optado por dar sus encabezamientos en lugar de su denici on funcional.
4
B.5. Cadenas de caracteres Delete(var s: string; z1, z2: integer)
497
Borra z2 caracteres de la cadena s a partir del z1- esimo (incluido). Al utilizarlo, la cadena reduce su longitud en el n umero de caracteres eliminados. string; var s2: string; z: integer)
Insert(s1:
Inserta en s2 la cadena s1 a partir de la posici on z. El procedimiento Insert, por el contrario, aumenta la longitud de la cadena en el n umero de caracteres insertados. real ; var s: string)
Str(r:
Convierte el valor real r (tambi en puede ser un entero z) en la cadena s. Str convierte un valor num erico en su representaci on como cadena de caracteres, lo que permite, por ejemplo, medir la longitud en caracteres de un n umero. Se utiliza tambi en en aplicaciones gr acas, donde es obligatorio escribir cadenas. string; var r: real; var z: integer) Convierte la cadena s en el valor real r (tambi en puede ser un entero) y devuelve un c odigo entero z, que es 0 si se puede hacer la conversi on, y en caso contrario se nala la posici on del error. Este procedimiento es quiz as el m as interesante de todos, al efectuar la conversi on de una cadena formada por d gitos y aquellos s mbolos permitidos para formar un n umero (tales como la letra E may uscula o min uscula y los s mbolos punto, m as y menos) en su valor num erico. Si por error la cadena no tiene forma correcta de n umero, se se nala la posici on del car acter causante del fallo, lo que permite corregirlo. De esta forma se puede robustecer el proceso de introducci on de n umeros, que es una de las causas principales de errores de ejecuci on.
Val(s:
Veamos algunos ejemplos, tomando como punto de partida las asignaciones del ejemplo anterior. Delete(cadena3, 11, 14); WriteLn(cadena3); Insert( simples, cadena3, 20); WriteLn(cadena3); valNum1:= 123; Str(valNum1, cadena1); WriteLn(cadena1); Val(12A, valNum1, error); WriteLn(valNum1, ,error); Val(cadena1, valNum1, error); WriteLn(valNum1, ,error) Algoritmos de datos Algoritmos de datos simples
123 0 3 123 0
498
B.6
Tipos de datos estructurados
Las particularidades de Turbo Pascal en cuanto a estos tipos de datos son escasas: en lo referente a arrays, se debe se nalar que los procedimientos Pack y Unpack no est an denidos en Turbo Pascal.
B.7
Las diferencias con Pascal en cuanto a instrucciones estructuradas se limitan al tratamiento de la instrucci on case, que en Turbo Pascal presenta tres variaciones, que son las siguientes: En Turbo Pascal el valor de la expresi on selectora de un case puede no coincidir con alguna de sus constantes sin que se produzca error, como suceder a en Pascal est andar. En este caso, en Turbo Pascal contin ua la ejecuci on del programa en la instrucci on que sigue a case. La instrucci on case en Turbo Pascal puede disponer de una parte else que se ejecuta cuando la expresi on selectora no coincide con ninguna de sus constantes. Dentro de las constantes de la instrucci on case, Turbo Pascal permite la denici on de intervalos, lo que no est a permitido en Pascal est andar. A continuaci on se muestra un peque no ejemplo de las diferencias anteriores y su sintaxis.
program ClasificacionDeCaracteres (input, output); var car: char; begin Write(Introduzca un car acter: ); ReadLn(car); case car of a..z:WriteLn(Es min uscula); A..Z:WriteLn(Es may uscula); 0..9:WriteLn(Es n umero) else WriteLn(Es un s mbolo) end {case} end. {ClasificacionDeCaracteres}
metros B.8. Paso de subprogramas como para
499
B.8
Paso de subprogramas como par ametros
Turbo Pascal diere de Pascal est andar en la forma de realizar la declaraci on y paso de subprogramas como par ametros. En Turbo Pascal los subprogramas deben ser obligatoriamente de un tipo con nombre para poder ser pasados como par ametros. Por ejemplo, en la denici on de la funci on Derivada (v ease el apartado A.1.1) se utilizaba como par ametro una funci on de argumento real y resultado tambi en real. El tipo de esta funci on se dene en Turbo Pascal como se muestra a continuaci on:
type tMatFun = function (x:
real):
real;
Para un procedimiento con dos par ametros enteros se escribir a:

type tProcInt = procedure (a, b:
integer);
Los identicadores utilizados en estos encabezamientos se utilizan a efectos de la denici on del tipo sin que tengan ninguna repercusi on sobre el resto del programa. Para declarar la funci on como par ametro formal, la declaramos del tipo tMatFun dentro del encabezamiento de la funci on ejemplo. De esta forma:
function Derivada (Fun: tMatFun; x: real): real; const DeltaX = 10E-6; begin Derivada:= (Fun(x + DeltaX) - Fun(x))/DeltaX end; {Derivada}
Dentro del programa principal efectuamos la llamada a la funci on Derivada pas andole cualquier funci on denida por el usuario que encaje con el tipo tMatFun. Suponiendo denida una funci on Potencia, una posible llamada ser a:
WriteLn(La derivada es: , Derivada(Potencia, x))
La utilizaci on de subprogramas como par ametros requiere, dentro del esquema de gesti on de memoria de Turbo Pascal, la realizaci on de llamadas fuera del segmento de memoria donde reside el programa. Estas llamadas lejanas se activan marcando la opci on
500
[F10] [Options] [Compiler] [Code generation] [X] [Force far calls]
dentro del entorno integrado (v ease el apartado C.3.3). Tambi en se puede hacer desde el programa fuente utilizando las denominadas directrices de compilaci on, que son unas marcas que delimitan la parte del programa que debe compilarse con esta u otras funciones activadas. En el caso de las llamadas lejanas, la directriz de activaci on es {$F+} y la desactivaci on es {$F-}.
B.9
Archivos
Para poder trabajar con archivos en Turbo Pascal es necesario relacionar el archivo externo, existente en el dispositivo de E/S y nombrado seg un el sistema operativo, con la variable de tipo archivo denido en nuestro programa. Una vez establecida esta relaci on se puede proceder a utilizar las instrucciones Reset o ReWrite y posteriormente las de lectura o escritura respectivamente, que tendr an efecto sobre el archivo externo relacionado. Esta conexi on se establece mediante el procedimiento Assign de Turbo Pascal que tiene como par ametros el identicador de la variable archivo y una cadena que representa el nombre del archivo externo expresado en el lenguaje de comandos del sistema operativo. Por ejemplo, la instrucci on:
var archivo: text; ... Assign(archivo, C:\CARTAS\CARGEST.DOC)
vincula la variable archivo con el archivo llamado CARGEST.DOC existente en la unidad C:, directorio CARTAS.5 La otra instrucci on adicional de Turbo Pascal para el proceso de archivos es Close:
Close(archivo)
que sirve para cerrar un archivo una vez que se termina de procesarlo. Al ejecutarse la instrucci on Close, aquellas operaciones de lectura o escritura que pudieran quedar pendientes son completadas, quedando el archivo externo actualizado. A continuaci on el archivo argumento es cerrado y se pierde la conexi on establecida por Assign.
Si se omite la unidad se tomar a la actual, al igual que si se omiten los directorios. En cualquier caso deber a gurar un nombre de archivo, no estando permitido el uso de comodines (v ease el apartado A.1.2 de [PAO94]).
5
mica B.10. Memoria dina
501
En Turbo Pascal las variables de archivo no tienen asociada la variable intermedia (cursor) denida por el operador ^ propia de Pascal est andar. Al escribir el s mbolo ^ detr as de un variable de archivo se produce un error. Esta diferencia es importante, pues impide que en Turbo Pascal se pueda inspeccionar una componente del archivo sin leerla. Por esta raz on ciertos programas que emplean este tipo de acceso deben ser modicados. Los procedimientos Get y Put, para el manejo de archivos, tampoco est an denidos en Turbo Pascal. Aquellos programas que los utilizan deben modicarse. En Turbo Pascal la lectura de una marca de n de l nea, en un archivo de texto, devuelve el car acter ASCII 13 (retorno de carro), y si contin ua la lectura, el caracter ASCII 10 (alimentaci on de l nea). En Pascal est andar la lectura de una marca de f n de l nea se realiza como la de un u nico car acter y devuelve un espacio en blanco. Turbo Pascal dispone de numerosas extensiones para el tratamiento de archivos. Algunas realizan llamadas a las funciones del sistema operativo permitiendo, por ejemplo, cambiar el directorio de trabajo, borrar un archivo, etc. Otras permiten efectuar un acceso directo a las componentes de los archivos mejorando el tratamiento secuencial de Pascal est andar. Tambi en se permiten cheros sin tipo para realizar operaciones a bajo nivel. Para su estudio remitimos a la bibliograf a complementaria.
B.10
Memoria din amica
Las diferencias en cuanto al manejo de memoria din amica residen en que en Turbo Pascal los procedimientos New y Dispose s olo reciben una variable de tipo puntero, mientras que en Pascal est andar se permiten par ametros adicionales. Recordemos, adem as, que en Turbo Pascal el operador @ tiene un signicado diferente de ^ (v ease el apartado B.1).
B.11
Unidades
Las unidades consisten en conjuntos de objetos, tales como constantes, tipos, variables, procedimientos y funciones que pueden ser denidos o declarados e incluso iniciados en la propia unidad. Estos objetos normalmente est an relacionados entre s y se orientan a la resoluci on de ciertos problemas o tareas. Con las unidades se puede ampliar el repertorio de instrucciones del lenguaje de una forma modular, agrup andolas por acciones, sin tener que mostrar c omo se realizan estas acciones, que quedan ocultas en una parte privada.
502
Hay dos tipos de unidades en Turbo Pascal, aunque ambas son utilizadas de id entica forma. Estos dos tipos son: Unidades predenidas, que se dedican a tareas concretas como, por ejemplo, la interacci on con el sistema operativo, el tratamiento de la pantalla de texto o la creaci on de gr acos. Unidades denidas por el programador, para resolver otros problemas no previstos en las unidades predenidas. Cada unidad es compilada por separado y es incorporada a un programa mediante una llamada a la misma, realizada al comienzo del programa (antes de las deniciones y declaraciones), en una cla usula
uses unidad
Las unidades se incorporan a los programas, que, de esta forma, pueden acceder a los objetos que forman la unidad y utilizarlos en la resoluci on de dichos problemas o tareas. Las unidades son una forma apropiada (en Turbo Pascal) para construir bibliotecas de subprogramas para realizar c alculos o procesos concretos. Tambi en se utilizan para la denici on de tipos abstractos de datos (v ease el cap tulo 19).
B.11.1
Unidades predenidas de Turbo Pascal
El lenguaje Turbo Pascal incorpora un conjunto de unidades que le dan una mayor potencia y exibilidad. Son las siguientes: System: Esta unidad incluye todas las instrucciones predenidas de Pascal estandar. Es incorporada de forma autom atica en todos los programas, por lo que no es necesario nombrarla en la cl ausula uses. DOS: En esta unidad se pueden encontrar los equivalentes en Pascal de las principales llamadas al sistema operativo. Crt: Contiene funciones y procedimientos para trabajar con la pantalla de texto. Printer: Es una peque na unidad que facilita el trabajo con la impresora. En ella se trata a la impresora como un archivo de texto llamado lst. Un procedimiento Write o WriteLn que se dirija al archivo lst, tendr a como efecto el env o de la salida a la impresora. Veamos un ejemplo:
B.11. Unidades
uses printer; ... WriteLn (lst, texto)
503
Graph3: Es una unidad para la compatibilidad con los gr acos de tortuga6 de la versi on 3.0 de Turbo Pascal. Depende de la unidad Crt, por lo que esta debe ser llamada previamente. Turbo3: Es una unidad para compatibilidad con ciertas instrucciones de la versi on 3.0. Al igual que Graph3 tambi en depende de Crt. Graph: Es la unidad donde se denen las rutinas gr acas necesarias para usar la pantalla en los modos gr acos de alta resoluci on. Los contenidos particulares de cada una de ellas pueden consultarse en la bibliograf a complementaria.
B.11.2
Unidades denidas por el usuario
De la misma forma que al escribir nuevos procedimientos y funciones un programador ampl a las ya existentes en el lenguaje y puede utilizarlas en su programa, se pueden escribir nuevas unidades, y a nadirlas a las existentes en Turbo Pascal. Una vez compiladas se pueden incorporar a aquellos programas que las necesiten s olo con nombrarlas en la cl ausula uses. Una de las principales aplicaciones de las unidades denidas por el usuario es la creaci on de nuevos tipos de datos complejos, cuyas deniciones y operaciones asociadas a los mismos son incluidas en una unidad. Estos tipos abstractos de datos pueden incorporarse en la forma descrita anteriormente a aquellos programas que los precisen (v ease el cap tulo 19). Las unidades tienen dos partes: una p ublica, llamada interface, donde se denen los objetos que la unidad ofrece para que puedan ser usados por los programas, y otra privada llamada implementation, donde se concretan y desarrollan los objetos mencionados en la parte p ublica y donde se denen otros objetos locales privados que quedan ocultos y a los que no es posible acceder desde los programas que utilicen la unidad. Para escribir una unidad tenemos que conocer su estructura y esta es:
Los gr acos de tortuga fueron desarrollados por Seymour Papert en el MIT dentro del lenguaje Logo y consisten en un paradigma de una tortuga que se desplaza un cierto n umero de pasos en una direcci on o que gira un cierto angulo, y que va dejando un rastro que forma el gr aco.
6
504

unit nombre de la unidad; interface uses lista de unidades; deniciones y declaraciones p ublicas; implementation deniciones y declaraciones privadas; procedimientos y funciones; begin c odigo de iniciaci on end.
En primer lugar aparece la palabra reservada unit, seguida por el nombre de la unidad, de forma similar al nombre de un programa. La palabra reservada interface abre las deniciones y declaraciones p ublicas. Si la unidad en cuesti on depende de otras unidades, debe situarse en primer lugar la cl ausula uses seguida por la lista de unidades necesitadas. A continuaci on se deben denir constantes, tipos, y declarar variables, y los encabezamientos de procedimientos y funciones que ser an visibles al programa que utilice la unidad. Los cuerpos de los procedimientos y funciones declarados no se incluyen aqu . La palabra reservada implementation inicia la parte privada, en la que deben desarrollarse los procedimientos y funciones cuyos encabezamientos se han declarado en la parte interface. Para ello deben repetirse en esta parte los encabezamientos, si bien pueden abreviarse eliminando sus par ametros si los tienen. La parte implementation puede completarse con otros objetos enteramente privados, incluso otros procedimientos y funciones, que pueden ser utilizados por los p ublicos pero que no queremos que sean visibles. Estos subprogramas deber an tener su encabezamiento completo. Todos los objetos denidos o declarados en la parte de interface son visibles en implementation. Despu es de esta parte se puede ubicar lo que se denomina c odigo de iniciaci on, que consiste en un conjunto de instrucciones para dar valores iniciales a aquellas estructuras variables utilizadas por la propia unidad, en este caso se coloca un begin, como se mostr o en el esquema anterior. En el cap tulo 19 pueden encontrarse ejemplos de denici on y utilizaci on de unidades dedicadas a tipos abstractos de datos. Una vez escrita y depurada la unidad, esta se compila dando lugar a un archivo con extensi on TPU. Cuando se compila un programa que contiene una cl ausula uses seguida por el nombre de la unidad, el compilador busca el archivo *.TPU correspondiente, agrega sus deniciones y declaraciones a las del propio programa, y enlaza el c odigo de la unidad y del programa. Dado que la unidad ha sido compilada previamente, la conexi on entre ambos es bastante r apida.
B.11. Unidades
505
B.11.3
Modularidad incompleta de Turbo Pascal
La utilizaci on de unidades en Turbo Pascal refuerza los aspectos modulares del lenguaje Pascal est andar siendo equivalentes, con peque nas limitaciones, a los m odulos existentes en otros lenguajes. Las unidades permiten solucionar ciertos problemas de jerarqu a modular como, por ejemplo, las llamadas a subprogramas desde otros varios, lo que obligaba a situar los subprogramas llamados por encima de su verdadero nivel para hacerlos accesibles a dos o m as subprogramas diferentes. La soluci on a este problema se alcanza incorporando una unidad con los subprogramas llamados. Las unidades tiene una modularidad de acciones completa, al estar separadas las partes p ublica y privada de los subprogramas, lo que les permite alcanzar una verdadera ocultaci on de la informaci on. Sin embargo, la modularidad de los datos no es completa, al no permitir mencionar p ublicamente tipos con una implementaci on privada (oculta) como en otros lenguajes, por ejemplo, Modula2 o Ada. Por ello, cuando utilizamos las unidades de Turbo Pascal para la denici on de tipos abstractos de datos, su declaraci on y denici on tienen que estar en la parte p ublica interface.
Ap endice C
El entorno integrado de desarrollo

Turbo Pascal c es un producto comercial desarrollado por la empresa Borland International, Inc., cuyo uso est a muy extendido.1 Turbo Pascal ha ido evolucionando a lo largo del tiempo de acuerdo con las necesidades del mercado. Esta evoluci on se ha concretado en la aparici on de sucesivas versiones del producto. Los principales saltos cualitativos se producen en el paso de la versi on 3.0 a la 4.0, al introducirse un entorno integrado de desarrollo, y en el paso de la versi on 5.0 a la 5.5 permitiendo algunas caracter sticas de la programaci on orientada a objetos. La evoluci on posterior tiende a completar las posibilidades del entorno y facilitar su utilizaci on (uso del rat on en la versi on 6.0, resaltado de palabras reservadas en la 7.0, etcetera). La versi on m as reciente en el momento de escribir estas l neas es la 7.01, que contiene la ayuda traducida al castellano. Adem as, existe una versi on para Windows c denominada Delphi c . El contenido de este ap endice corresponde a la versi on 7.0, si bien se puede aplicar con muy peque nas variaciones desde la versi on 4.0.
C.1
Descripci on del entorno
Turbo Pascal no es s olo un compilador de un lenguaje de programaci on, sino un completo entorno integrado de desarrollo compuesto por todos los componentes necesarios para desarrollar programas, entre otros: Un potente editor, que permite escribir y modicar programas (y texto en general), con la posibilidad de cortar, copiar, pegar, buscar y reemplazar texto.
1
El uso leg timo de Turbo Pascal requiere la correspondiente licencia.
508
ndice C. El entorno integrado de desarrollo Ape
Un compilador del lenguaje Turbo Pascal que cumple, salvo peque nas excepciones, la sintaxis y sem antica de Pascal est andar. Existe la posibilidad de compilar en memoria o en disco. La primera opci on permite alcanzar una gran velocidad de compilaci on, mientras que la segunda se utiliza para crear los programas ejecutables. Un depurador que permite realizar un seguimiento de los programas, ejecut andolos paso a paso, deteniendo la ejecuci on del programa e inspeccionando sus objetos. Una ayuda a la que se puede acceder desde el entorno, que permite la consulta r apida de la sintaxis y sem antica de Turbo Pascal. Desde el entorno se puede acceder al DOS, para realizar tareas propias del sistema operativo, sin tener que abandonar el trabajo en curso. Este entorno est a controlado por men us, es decir, el programador puede elegir en cualquier momento entre una serie de opciones organizadas jer arquicamente. As , en algunos casos, al escoger una opci on se abre un submen u que muestra las nuevas (sub)opciones disponibles. El entorno est a basado en ventanas que pueden estar asociadas a programas (pudiendo trabajar con varios a la vez, transriendo informaci on de unos a otros), mensajes u operaciones. Pero para conocerlo, lo mejor es practicar, y eso mismo es lo que proponemos en el apartado siguiente.
C.2
Desarrollo completo de un programa en Turbo Pascal
En este apartado vamos a describir la forma adecuada y eciente para escribir, almacenar y modicar un programa, para compilarlo y ejecutarlo y para depurarlo.
C.2.1
Arranque del entorno
En primer lugar tenemos que arrancar el entorno, para ello pasamos al directorio donde se encuentre, por ejemplo PASCAL. En la versi on 7.0, el compilador se encuentra dentro del directorio \BIN que a su vez est a dentro del directorio \PASCAL. Hacemos: C:\> CD PASCAL
C.2. Desarrollo completo de un programa en Turbo Pascal
509
Figura C.1.
o C:\> CD PASCAL\BIN para la versi on 7.0 A continuaci on arrancamos el entorno tecleando TURBO: C:\PASCAL\BIN> TURBO Aparece la pantalla inicial, mostrada en la gura C.1. La l nea superior es el men u, es decir, el conjunto de opciones que se pueden ejecutar. En el centro aparece la ventana de edici on, con un nombre de archivo por defecto, y debajo una l nea que muestra los atajos disponibles, o sea, aquellas teclas que nos permiten efectuar ciertas acciones con una o dos pulsaciones. Para acceder a las opciones del men u se pulsa [F10] y a continuaci on su inicial (o la letra resaltada en su caso). Para salir de la barra de men us y editar (crear o modicar) nuestro programa pulsamos [Esc], entonces el cursor pasa a la parte interior de la ventana de edici on, que es donde vamos a escribir nuestros programas. Todas las operaciones pueden realizarse igualmente utilizando el rat on. Los n umeros de la esquina inferior izquierda expresan la la y columna en que se encuentra el cursor. El n umero de la esquina superior derecha expresa la ventana que est a activa. Turbo Pascal puede tener varios programas abiertos
510
a la vez en distintas ventanas. Tambi en se utilizan ventanas para realizar el seguimiento y depuraci on de nuestros programas, y para el env o de mensajes. Inicialmente Turbo Pascal asigna un nombre al chero de trabajo, que para la ventana 1 es NONAME00.PAS
C.2.2
Edici on del programa fuente
Se realiza escribiendo las sucesivas l neas del programa, terminando cada l nea pulsando la tecla . El alineamiento se realiza la primera vez con la tecla de tabulaci on y a partir de entonces se hace autom aticamente en cada salto de l nea. Para corregir o modicar texto se utilizan las teclas habituales:
teclas de cursor [Del] o [Supr] tecla de Retroceso [Insert] [F10] Para moverse por la ventana. Borra la letra que tiene el cursor debajo. Borra retrocediendo hacia la izquierda. Elige el modo de inserci on Sale de la ventana de edici on.
Si se elige el modo de inserci on, lo que escribamos va desplazando el texto escrito a la derecha desde la posici on de inserci on (si es que lo hay). En el modo de no inserci on, el texto que escribamos ocupa el lugar del texto escrito, por lo que este u ltimo se pierde. Utilizando las teclas citadas anteriormente hemos escrito el programa para el c alculo recursivo del factorial (v ease el apartado 10.1), que aparece en la gura C.2. Dentro del men u principal existe una opci on Edit (Editar) que ofrece algunas posibilidades complementarias del editor que permiten copiar y pegar fragmentos de texto. Sus opciones trabajan sobre bloques de texto que hay que marcar pulsando la tecla de may usculas y las del cursor. Existe un almacenamiento temporal de texto llamado el portapapeles (en ingl es clipboard ) donde se guardan los bloques de texto cortados (Cut) o copiados (Copy) hasta que se peguen (Paste) en otro sitio o se corte o copie un nuevo bloque.
C.2.3
Grabar el programa fuente y seguir editando
Para no perder el trabajo que se va realizando, es necesario ir grabando el texto escrito peri odicamente. Para ello se utiliza la opci on Save del men u Edit, o bien la tecla [F2]. La primera vez que se hace esto, Turbo Pascal
511
Figura C.2.
muestra la ventana de la gura C.3 (aunque con otra lista de archivos, con toda probabilidad) en la que se nos invita a asignar un nombre al programa. Para movernos por las distintas opciones de la ventana usamos la tecla [Tabulador], salimos con [Esc] y elegimos con la tecla . Supongamos que queremos llamar a nuestro archivo FACT y queremos grabarlo en el directorio ra z de la unidad A. Entramos en el apartado Save file as y escribimos el nombre que queremos darle: A:\FACT No es necesario darle extensi on, ya que por defecto se le asigna .PAS. Si no ponemos unidad y directorio, Turbo Pascal toma los que tiene asignados como directorio de trabajo. Al pulsar la tecla se graba el programa.
A partir de este momento, cada vez que queramos actualizar en el disco el archivo con el programa, usando el mismo nombre, bastar a con pulsar [F2]. Se recomienda actualizar el programa cada diez o veinte minutos y, en cualquier caso, siempre antes de compilar, para evitar la p erdida accidental de parte de nuestro trabajo. Al hacerlo, se graba una copia del programa primitivo con la extensi on .BAK y de la nueva versi on con la extensi on .PAS. La tecla [F2] es un atajo de la opci on File (Archivo) del men u principal donde se encuentran aquellas opciones necesarias para crear, almacenar e imprimir archivos, salir al DOS y terminar una sesi on de trabajo. Por su inter es las hemos resumido a continuaci on:
512
Figura C.3. New Open... (F3) Save (F2) Save as... Save all Change dir... Print Printer setup... DOS shell Exit (Alt+X) Abre una nueva ventana de trabajo.
Lee un archivo.
Almacena el texto en un archivo con el nombre actual. Almacena el texto en un archivo con un nuevo nombre. Almacena en archivos todos los textos del entorno. Cambia el directorio de trabajo. Imprime el programa activo. Congura la salida para diferentes impresoras. Sale al DOS (se vuelve al entorno escribiendo exit). Finaliza la ejecuci on de Turbo Pascal.
La diferencia entre las opciones New, Open y Save es que la primera sirve para abrir una nueva ventana de edici on, la segunda para abrir una ventana con un archivo que fue creado con anterioridad, y que es le do desde el disco, y la tercera para guardar un archivo. Para cambiar el nombre del programa con el que estamos trabajando, por ejemplo, cuando se van a introducir cambios que no se sabe si ser an denitivos, usamos Save as.
C.2.4
Compilaci on
En esta fase del desarrollo del programa vamos a realizar la traducci on de nuestro programa fuente en Pascal (usualmente almacenado en un archivo con extensi on PAS) a un programa objeto, ejecutable, que al compilarse en el disco tendr a la extensi on EXE (v ease el apartado 5.3 de [PAO94]).
C.2. Desarrollo completo de un programa en Turbo Pascal Activamos el men u Compile haciendo:
[Alt] + [C] o bien [F10] [C] y despu es pulsamos [C]
513
o, de otro modo, m as c omodamente

[Alt] + [F9]
Si el programa se compila con exito, aparece el mensaje:

Compile successful: Press any key
si no, habr a que corregir los errores que vayan apareciendo. Estos son mostrados por el compilador mediante mensajes de error en la ventana de edici on. Veamos un ejemplo: si por un descuido olvidamos declarar la variable global n, al intentar leerla, se produce un error:
Error 3: Unknown identifier. (identicador desconocido)
situ andose el cursor en la l nea en que se ha detectado el error, debajo de la instrucci on ReadLn(n). El compilador no siempre es capaz de se nalar la posici on del error con precisi on, por lo que en ciertos casos hay que indagar su origen por encima de donde se se nala. El men u Compile consta de varias opciones interesantes que resumimos a continuaci on:
Compile (Alt+F9) Make (F9) Build Destination Memory Primary file... Clear primary file Information... Compila el programa fuente en curso Compila los archivos de programa modicados Compila todos los archivos de programa Permite elegir destino, memoria o disco Dene el programa primario para Make y Build Borra el programa primario Muestra informaci on sobre la compilaci on en curso
Con Make y Build se compila el archivo de programa y en su caso aquellos otros archivos de programa que dependan de el o a los que haga referencia, como, por ejemplo, las unidades denidas por el programador (v ease el apartado B.11.2). Durante la depuraci on, la compilaci on se puede efectuar almacenando el programa ejecutable en memoria RAM, lo que permite una mayor velocidad.
514
Una vez que el programa est e totalmente depurado puede compilarse en disco, cre andose el archivo ejecutable. Para esto hay que cambiar el destino de la compilaci on de la siguiente forma: abrimos el men u Compile y pulsamos [D] activ andose la orden Destination que tiene dos opciones, Memory y Disk. Seleccionando Disk las ulteriores compilaciones se dirigir an siempre a disco. El programa objeto ejecutable tendr a el mismo nombre que el archivo en el que se encuentre el programa fuente, pero con la extensi on .EXE. Una vez que hemos compilado (en memoria o en disco) el programa con exito ya se puede ejecutar.
C.2.5
Ejecuci on
Para ejecutar el programa se activa el men u Run con [Alt] + [R] o [F10] [R] y se selecciona la orden Run volviendo a pulsar [R], o directamente con [Ctrl] + [F9]. Desde el entorno integrado, al terminar el programa se vuelve a la ventana de edici on sin tiempo para ver las salidas. Podemos ver la ventana de salida tecleando [Alt] + [F5]. Veamos un ejemplo de ejecuci on del programa Fact:
Turbo Pascal Version 7.0 Copyright (c) 1983,92 Borland International Escriba un n umero natural peque~ no: 5 El factorial de 5 es 120
C.2.6
Depuraci on
Durante el proceso de compilaci on y ejecuci on de un programa es frecuente que se originen errores que no sean f aciles de corregir. Para ayudar al programador en este caso, el depurador integrado de Turbo Pascal permite analizar el funcionamiento de nuestro programa, ejecutarlo paso a paso, examinar y modicar variables y jar puntos de ruptura (en los que se detiene la ejecuci on del programa de forma condicional o incondicional, permitiendo inspeccionar el estado del mismo). En primer lugar, tenemos que activar el depurador desde el men u de opciones haciendo [F10] [Options] [Debugger] y marcando la opci on Integrated. Para que el compilador genere la informaci on necesaria para el depurador, hemos de asegurarnos de que la opci on Debug information est a marcada, y si tenemos objetos locales, comprobar tambi en la opci on Local symbols dentro de las opciones de la pantalla de opciones del depurador: [F10] [Options] [Compiler] [Debugging] (v ease el apartado C.3.3).
515
Figura C.4.
A continuaci on recompilamos el programa y, al ejecutarlo, el depurador asume el control del programa. Para ejecutar el programa paso a paso, sin entrar en las llamadas a la funci on, elegimos la opci on [F10] [Run] [Step over] o simplemente pulsamos repetidamente [F8], viendo c omo las l neas del programa se van iluminando y ejecutando sucesivamente. La pantalla alterna entre la ventana de edici on y la de salida. Podemos ver que las llamadas recursivas a la funci on se resuelven en un solo paso. Para ejecutar paso a paso, pero entrando en las llamadas a subprogramas, elegimos la opci on [F10] [Run] [Trace into] o pulsamos repetidamente [F7], viendo c omo las l neas de la funci on se iluminan al irse ejecutando. En el ejemplo del factorial, la funci on se repite varias veces debido a las llamadas recursivas. Hay que tener cuidado y no pasarse del nal del programa, ya que en tal caso se vuelve a comenzar. La ejecuci on paso a paso tiene su complemento perfecto con la inspecci on de constantes, variables y par ametros, que nos permitir a examinar los valores que tienen estos objetos tras la ejecuci on de cada instrucci on. Para ello hay que abrir una ventana de inspecci on llamada Watches, en la que, en nuestro ejemplo, colocaremos los identicadores n y num. Hacemos [F10] [Debug] [Watch], con lo que se abre la ventana, y despu es [F10] [Debug] [Add Watch] o simplemente [Ctrl]+[F7], lo que permite introducir los identicadores que se deseen. Si se ejecuta el programa paso a paso, se ver an los valores adoptados en cada momento por los objetos incluidos en la ventana de inspecci on. En el ejemplo, al comenzar el programa tanto n como num son etiquetados como identicadores desconocidos (Unknown identifier), para cambiar posteriormente, adoptando n el valor introducido por el usuario, y reduci endose num en cada llamada recursiva. En la gura C.4 vemos la apariencia de la ventana Watches en un punto intermedio del proceso, donde las sucesivas llamadas recursivas han ido reduciendo el valor del argumento de la funci on hasta alcanzar el caso base.
516
Figura C.5.
Una opci on interesante en casos como este es la de Call stack (llamada a la pila) que permite ver la sucesi on de llamadas realizadas. Recordemos que los objetos locales de las llamadas a subprogramas son almacenados en una estructura de datos del tipo pila (v ease el apartado 17.2.3). Esta opci on se activa haciendo [F10] [Debug] [Call stack]. En la gura C.5 se muestra la serie de llamadas producidas para calcular el factorial de 4, empezando por el propio programa, dentro de la ventana Call stack. El depurador permite tambi en detener la ejecuci on de un programa para la inspecci on de objetos sin necesidad de ejecutar paso a paso. Esto se hace estableciendo un punto de ruptura Breakpoint. En el ejemplo, jaremos dicho punto al nal de la funci on, de forma condicional para un valor de num = 0. De esta forma se efectuar an las sucesivas llamadas a la funci on, deteni endose el programa cuando la condici on se haga verdadera. Haciendo [F10] [Debug] [Breakpoints], aparece la ventana de edici on de los puntos de ruptura en la que, eligiendo la opci on [Edit], podremos escribir el n umero de l nea y la condici on. A continuaci on salimos de la ventana y ejecuta mos el programa. Este se detiene en el punto de ruptura y muestra un mensaje, lo que nos permite inspeccionar los valores de sus variables y par ametros, as como las llamadas existentes en la pila.
C.2.7
Salida de Turbo Pascal
Para terminar una sesi on de trabajo con el entorno integrado de desarrollo, se teclea [F10] [File] [Exit]. Es importante no olvidarse de actualizar el programa en el disco si hemos hecho cambios.
s y opciones C.3. Otros menu
517
C.3
Otros men us y opciones
En este apartado se hace un breve resumen de otros men us y opciones interesantes de Turbo Pascal que no se han expuesto en el apartado anterior. La explicaci on completa de todos los men us y opciones de Turbo Pascal rebasa los objetivos de este ap endice, por lo que debe acudirse a la bibliograf a complementaria.
C.3.1
Search (B usqueda)
Las opciones correspondientes a este men u se utilizan para buscar y sustituir caracteres, palabras o frases, y para buscar l neas, errores y procedimentos o funciones. Son un complemento del propio editor de texto de Turbo Pascal.
C.3.2
Tools (Herramientas)
El men u Tools permite la utilizaci on simult anea de Turbo Pascal y de otros programas complementarios no integrados en el mismo. Estos otros programas pueden servir, por ejemplo, para realizar b usquedas de texto, programar en lenguaje ensamblador, usar un programa de depuraci on m as potente o para analizar y optimizar el funcionamiento de los programas.
C.3.3
Options (Opciones)
El men u Options es uno de los m as importantes para el correcto funcionamiento del entorno, pues permite congurar muchos de sus par ametros, que de ser incorrectos dan lugar a errores que impiden la compilaci on. Las opciones se seleccionan con la tecla de tabulaci on y se activan o desactivan pulsando la tecla de espacio (aparece una cruz o quedan en blanco). Dentro del men u de opciones nos interesan especialmente algunas de las correspondientes al compilador (incluidas en el submen u Compiler), que exponemos a continuaci on: [ ] Force far calls
Permite llamadas fuera del segmento actual de instrucciones. Debe marcarse al usar procedimientos y funciones como par ametros (v ease el apartado A.1).
[ ] Range checking
Comprueba si los ndices de arrays y cadenas se encuentran dentro de sus l mites, y si las asignaciones a variables de tipo escalar no estan fuera de
518
ndice C. El entorno integrado de desarrollo Ape sus intervalos declarados. Debe activarse cuando puedan aparecer errores de este tipo.
[ ] Overflow checking Comprueba errores de desbordamiento despu es de efectuar las siguientes operaciones: +, -, *, Abs, Sqr, Succ y Pred. Debe activarse cuando puedan aparecer errores de este tipo. [ ] Complete boolean eval Realiza la evaluaci on completa de las expresiones booleanas sin optimizarlas, es decir, la evaluaci on del circuito largo (v ease el apartado 3.5) en caso de estar activada y del circuito corto en caso contrario. [ ] Debug information Genera informaci on de depuraci on imprescindible para ejecutar el programa paso a paso y para jar puntos de ruptura. Debe activarse para depurar. [ ] Local symbols Genera informaci on de los identicadores locales necesaria para examinar y modicar las variables locales de un subprograma y para ver las llamadas producidas hasta llegar a un determinado subprograma con la opci on Debug Call Stack. Debe activarse para depurar dentro de un subprograma. [ ] 8087/80287 Genera c odigo para el coprocesador num erico y debe estar activada para poder utilizar los tipos reales de Turbo Pascal. Memory sizes Fija los tama nos de memoria de la pila y el mont culo, que son dos estructuras necesarias para el funcionamiento de los programas. El tama no de la pila (Stack size) puede ser insuciente en programas (normalmente recursivos) con gran num ero de llamadas a subprogramas, como la funci on de Ackermann (v ease el apartado 10.3.3). En dichos casos puede aumentarse su tama no hasta un valor m aximo de 65535. Debugger En esta opci on se jan ciertos par ametros del depurador, entre otros, si se usa el depurador integrado o independiente.
C.4. Ejercicios Directories
519
Aqu se jan los directorios de trabajo de los diferentes archivos que se utilizan en Turbo Pascal. Para situar m as de un directorio en la lista, se separan mediante punto y coma. Environment Abre un submen u donde se pueden jar muchos de los par ametros de funcionamiento del entorno integrado, par ametros de pantalla, del editor, del rat on, al arrancar, colores, etc. Esta conguraci on se guarda en el archivo TURBO.TP
C.3.4
Window (Ventana)
El men u Window abre un submen u para el control de las ventanas del entorno integrado. Se puede elegir su disposici on, modicar el tama no y posici on y elegir la ventana activa, entre otras opciones.
C.3.5
Help (Ayuda)
El entorno integrado de Turbo Pascal dispone de una extensa ayuda integrada que incluye la explicaci on de todos sus mandatos, los del lenguaje Pascal (con las extensiones de Turbo Pascal) y otros aspectos como unidades y directivas de compilaci on. El texto de la ayuda tiene formato de Hipertexto, es decir, ciertas palabras aparecen resaltadas, y basta con situar el cursor sobre ellas y pulsar la tecla para acceder a informaci on concreta sobre el concepto indicado. La ayuda de Turbo Pascal es dependiente del contexto, o sea, se abre en el apartado correspondiente al mandato con el que estamos trabajando o en la palabra se nalada por el cursor. No obstante, si queremos buscar otros temas, podemos acudir al men u de ayuda. Adem as, la ayuda dispone de informaci on sobre los mensajes de error, sobre el uso (sintaxis y sem antica) de los identicadores predenidos, palabras reservadas, etc., constituyendo un verdadero manual del usuario.
C.4
Ejercicios
1. Invitamos al lector a que utilice el entorno de Turbo Pascal para desarrollar gradualmente los programas que se han propuesto como ejercicios en los sucesivos cap tulos del libro.
520
2. Utilice los tipos num ericos enteros de Turbo Pascal para el c alculo del factorial. Determine cu al es el n umero mayor del que se puede calcular el factorial, en los tipos byte, integer, word, shortint y longint. 3. Calcule el valor de y del n umero e, con la m axima precisi on posible utilizando el tipo real extended y la suma de las series que se presentan a continuaci on: 1 1 1 1 4 = 1 3 + 5 7 + 9 + ... 1 1 1 + 2! + 3! + ... e = 1 + 1! 4. Utilice las cadenas de caracteres para comprobar si una frase dada forma un pal ndromo. 5. Escriba una procedimiento que haga m as robusta la entrada de valores num ericos enteros utilizando el procedimiento Val. Para ello el procedimiento leer a el n umero como una cadena de caracteres. Si se produce alg un error en la introducci on deber a mostrar la parte correcta y pedir el resto del n umero. 6. Compile los programas ejemplo con paso de subprogramas como par ametros (ve ase el apartado A.3) en Turbo Pascal. 7. Escriba un programa en Turbo Pascal que pida la unidad, directorio, nombre y extensi on de un archivo de texto, lo abra para escritura y lea repetidamente una cadena desde teclado y la escriba en dicho archivo, a nadiendo un salto de l nea al nal de la misma, nalizando la introducci on cuando se escriba una cadena vac a. 8. Escriba un programa en Turbo Pascal que pida la unidad, directorio, nombre y extensi on de un archivo de texto existente y muestre su contenido en pantalla, incluyendo los saltos de l nea. Asimismo, al terminar la lectura del archivo, el programa mostrar a un resumen indicando el total de caracteres le dos, cu antos son respectivamente may usculas, min usculas, n umeros u otros s mbolos, y cu antos saltos de l nea ten a.
C.5
La explicaci on m as directa, sobre el funcionamiento del entorno y del lenguaje Turbo Pascal la podemos encontrar en su propia ayuda interactiva, donde acudiremos por su inmediatez para solventar aquellas dudas que pueden aparecer mientras utilizamos el entorno. No obstante, no es recomendable utilizar la ayuda como texto para el aprendizaje de Turbo Pascal, siendo conveniente acudir a otras obras estructuradas de una forma m as pedag ogica. Para utilizar un compilador tan completo y extenso como Turbo Pascal no hay nada mejor que disponer de los manuales originales [Bor92b], [Bor92d], [Bor92a] y [Bor92c]. El libro [ON93] est a concebido como un completo manual de referencia de Turbo Pascal cubriendo todos los aspectos del entorno, con ejemplos completos. El texto [Joy90] es un manual de programaci on en Turbo Pascal que ofrece una visi on completa del mismo en sus versiones 4.0, 5.0 y 5.5. El libro [CGL+ 94] esta orientado a un primer curso de programaci on estructurada y orientada a objetos utilizando como lenguaje el Turbo Pascal y cuenta con numerosos ejercicios.
Bibliograf a
[AA78] [AHU88] [AM88] [Arn94] [Bar87] [BB90] [BB97] [Ben86] [Bie93] [BKR91] [Bor92a] [Bor92b] [Bor92c]
S. Alag c y M.A. Arbib. The design of well-structured and correct programs. Springer Verlag, 1978. A. V. Aho, J. E. Hopcroft, y J. Ullman. Estructuras de datos y algoritmos. Addison-Wesley Iberoamericana, 1988. F. Alonso Amo y A. Morales Lozano. T ecnicas de programaci on. Paraninfo, 1988. D. Arnow. Teaching programming to liberal arts students: using loop invariants. SIGCSE Bulletin of the ACM, 3:141144, 1994. J. G. P. Barnes. Programaci on en Ada. D az de Santos, 1987. G. Brassard y P. Bratley. Algor tmica (concepci on y an alisis). Masson, 1990. G. Brassard y P. Bratley. Fundamentos de algoritmia. Prentice-Hall, 1997. J. Bentley. Programming pearls. Addison-Wesley Publishing Company, 1986. M. J. Biernat. Teaching tools for data structures and algorithms. SIGCSE Bulletin of the ACM, 25(4):911, Dic. 1993. L. Banachowski, A. Kreczmar, y W. Rytter. Analysis of algorithms and data structures. Addison-Wesley, 1991. Borland International Inc. Turbo Pascal 7.0 Library Reference, 1992. Borland International Inc. Turbo Pascal 7.0 Programmers Guide, 1992. Borland International Inc. Turbo Pascal 7.0 TurboVision Guide, 1992.
522 [Bor92d] [BR75] [BW89]
Bibliograf a Borland International Inc. Turbo Pascal 7.0 Users Guide, 1992. J. R. Bitner y M. Reingold. Backtrack programming techniques. Communications of the ACM, 18(11):651655, Nov. 1975. R. Bird y P. Wadler. Introduction to functional programming. Prentice Hall International, 1989.
[CCM+ 93] J. Castro, F. Cucker, F. Messeguer, A. Rubio, Ll. Solano, y B. Valles. Curso de programaci on. McGraw-Hill, 1993. [CGL+ 94] J. M. Cueva Lovelle, M. P. A. Garc a Fuente, B. L opez P erez, M. C. Luengo D ez, y M. Alonso Requejo. Introducci on a la programaci on estructurada y orientada a objetos con Pascal. Editado por los autores, 1994. [CK76] [CM] L. Chang y J. F. Korsh. Canonical coin changing and greedy solutions. Journal of the ACM, 23(3):418422, Jul. 1976. W. Collins y T. McMillan. Implementing abstract data types in Turbo Pascal.
[CMM87] M. Collado, R. Morales, y J. J. Moreno. Estructuras de datos. Realizaci on en Pascal. D az de Santos, S. A., 1987. [Col88] [Dan89] [dat73] W.J. Collins. The trouble with for-loop invariants. SIGCSE Bulletin of the ACM, pages 14, 1988. R. L. Danilowicz. Demostrating the dangers of pseudo-random numbers. SIGCSE bulletin of the ACM, 21(2):4648, Jun. 1989. Datamation. N umero especial dedicado a la programaci on estructurada, Dic. 1973.
[DCG+ 89] P. Denning, D. E. Comer, D. Gries, M. C. Mulder, A. B. Tucker, A. J. Turner, y P. R. Young. Computing as a discipline. Communications of the ACM, 32(1):923, 1989. [DDH72] [Dew85a] O. J. Dahl, E. W. Dijkstra, y C. A. R. Hoare. Structured Programming. Academic Press Ltd., 1972. A. K. Dewney. Cinco piezas sencillas para un bucle y generador de n umeros aleatorios. Investigaci on y Ciencia, 105:9499, Jun. 1985.
[Dew85b] A. K. Dewney. Ying y yang: recurrencia o iteraci on, la torre de hanoi y las argollas chinas. Investigaci on y Ciencia, 100:102107, En. 1985.
Bibliograf a [Dij68] [DL89] [DM84] [DW89] [ES85] [For82] [Fru84] [FS87]
523
E.W. Dijkstra. Goto statement considered harmful. Communications of the ACM, 11(3), Mar. 1968. N. Dale y S. Lilly. Pascal y estructuras de datos. McGraw-Hill, 1989. B. P. Demidovich y I. A. Maron. C alculo Num erico Fundamental. Paraninfo, Madrid, 1984. N. Dale y C. Weems. Pascal. McGraw-Hill, 1989. G. G. Early y D. F. Stanat. Chinese rings and recursion. SIGCSE Bulletin of the ACM, 17(4), 1985. G. Ford. A framework for teaching recursion. SIGCSE Bulletin of the ACM, 14(2):3239, July 1982. D. Frutos. Tecnolog a de la programaci on. Apuntes de curso. Manuscrito, 1984. G. Fern andez y F. S aez. Fundamentos de Inform atica. Alianza Editorial. Madrid, 1987.
[GGSV93] J. Galve, J. C. Gonz alez, A. S anchez, y J. A. Vel azquez. Algor tmica. Dise no y an alisis de algoritmos funcionales e imperativos. Ra-ma, 1993. [GL86] L. Goldschlager y A. Lister. Introducci on moderna a la Ciencia de la Computaci on con un enfoque algor tmico. Prentice-Hall hispanoamericana. S.A. M ejico, 1986. N. E. Gibbs y A. B. Tucker. A model curriculum for a liberal arts degree in computer science. Communications of the ACM, 29(3), march 1986. R. Harrison. Abstract data types in Modula-2. John Wiley and sons, 1989. B. Hayes. Altibajos de los n umeros pedrisco. A la b usqueda del algoritmo general. Investigaci on y Ciencia, 90:110115, Mar. 1984. T.F. Higginbotham. The integer square root of n via a binary search. SIGCSE Bulletin of the ACM, 23(4), Dic. 1993. E. Horowitz y S. Sahni. Fundamentals of data structures in Pascal. Computer Science Press, 3 edici on, 1990.
[GT86]
[Har89] [Hay84] [Hig93] [HS90]
524 [Joy90] [JW85] [KR86] [KSW85] [LG86] [Mar86] [McC73] [Mor84]
Bibliograf a L. Joyanes Aguilar. Programaci on en Turbo Pascal Versiones 4.0, 5.0 y 5.5. Mc Graw-Hill, 1990. K. Jensen y N. Wirth. Pascal user manual and report. Revised for the ISO. Springer Verlag, 1985. B.W. Kernighan y D.M. Ritchie. El lenguaje de programaci on C. Prentice-Hall, 1986. E. B. Koman, D. Stemple, y C. E. Wardle. Recomended curriculum for cs2, 1984. Communications of the ACM, 28(8), aug. 1985. B. Liskov y J. Guttag. Abstraction and interpretation in program development. MIT Press, 1986. J. J. Martin. Data types and structures. Prentice Hall, 1986. D. D. McCracken. Revolution in programming: an overview. Datamation, Dic. 1973. B. J. T. Morgan. Elements of simulation. Chapman and Hall, 1984.
Mart [MSPF95] O. n-S anchez y C. Pareja-Flores. A gentle introduction to algorithm complexity for CS1 with nine variations on a theme by Fibonacci. SIGCSE bulletin of the ACM, 27(2):4956, Jun. 1995. [ON93] [PAO94] [PJ88] [PM88] S. K. OBrien y S. Namero. Turbo Pascal 7, Manual de referencia. Osborne Mc Graw-Hill, 1993. C. Pareja, A. Andeyro, y M. Ojeda. Introducci on a la Inform atica (I). Aspectos generales. Editorial Complutense. Madrid, 1994. M. Page-Jones. The practical guide to structured design. PrenticeHall, 1988. S. K. Park y K. W. Miller. Random number generators: good ones are hard to nd. Communications of the ACM, 31(10):11921201, Oct. 1988. R. Pe na. Dise no de programas. Formalismo y abstracci on. Prentice Hall, 1993. R. S. Pressman. Ingenier a del Software. Un enfoque pr actico. McGraw-Hill, 1993. L. Pardo y T. Vald es. Simulaci on. Aplicaciones pr acticas en la empresa. D az de Santos, S. A., 1987.
[Pn93] [Pre93] [PV87]
Bibliograf a [RN88] [Sal93] [Sed88] [Str84] [Tam92] [Tur91]
525
L. R ade y R. D. Nelson. Adventures with your computer. Penguin Books Ltd., Middlesex, Gran Breta na, 1988. W. I. Salmon. Introducci on a la computaci on con Turbo Pascal. Addison-Wesley Iberoamericana, 1993. R. Sedgewick. Algorithms. Addison-Wesley, 1988. B. Stroupstrup. The C++ programming language. Addison Wesley, 1984. W. C. Tam. Teaching loop invariants to beginners by examples. SIGCSE Bulletin of the ACM, pages 9296, 1992. A. J. Turner. Computing curricula (a summary of the ACM/IEEECS joint curriculum task force report). Communications of the ACM, 34(6):6984, 1991. J. S. Warford. Good pedagogical random number generators. Communications of the ACM, pages 142146, 1992. M. A. Weiss. Estructuras de datos y algoritmos. Addison-Wesley Iberoamericana, 1995. S. Wiedenbeck. Learning recursion as a concept and as a programming technique. Communications of the ACM, 1988. H. S. Wilf. Algorithmes et complexit e. Masson, 1989. N. Wirth. Algoritmos + Estructuras de datos = Programas. Ediciones del Castillo. Madrid, 1986. N. Wirth. Recollections about the development of Pascal. ACM Sigplan Notices, 28(3):119, 1993. J. W. Wright. The change making problem. Journal of the ACM, 22(1):125128, Jan. 1975. S. J. Yakowitz. Computational probability and simulation. AddisonWesley Publishing Company, 1977.
[War92] [Wei95] [Wie88] [Wil89] [Wir86] [Wir93] [Wri75] [Yak77]
Indice alfab etico

Abs, 30, 32 abstracci on, 193 abstracci on de datos, 428, 431 Ackermann, funci on de, 219 acontecimiento cr tico, 487 agrupamiento, 135 alcance de un identicador, 180 aleatoria (variable), 482 aleatorios (n umeros), 483 algoritmo, 3, 4 complejidad de un, 15 comprobaci on de un, 14 correcci on de un, 14 formalmente, 8 informalmente, 6 vericaci on de un, 14 algoritmos de programaci on din amica, 455 de vuelta atr as, 462 de backtracking, 462 devoradores, 450 divide y vencer as, 453 probabilistas, 468 ambito de validez, 175 reglas de, 178 anchura (recorrido en), 383 and, 36 anidamiento de bucles, 96 de instrucciones de selecci on, 90 anillo, 388 apuntador, 336 arbol, 377 binario, 377 de b usqueda, 379 de decisi on, 389 de juego, 389 general, 389 hoja de un, 378 n-ario, 389 nodo hijo en un, 378 nodo padre en un, 378 ra z de un, 378 recorrido de un, 378 archivo, 285 con tipo, 287 creaci on, 289 de texto, 294 escritura de un, 289 externo, 500 lectura de un, 291 ArcTan, 32 array, 253 ASCII, 35 aserci on, 14 asignaci on (instrucci on), 52 Assign, 500 autodocumentaci on, 69 B , 36 b usqueda binaria, 304 dicot omica, 149 en archivos, 320 en archivos arbitrarios, 321 en archivos ordenados, 321 en arrays, 301
528 secuencial, 148, 302 secuencial ordenada, 304 backtracking, 462 begin, 62 biblioteca de subprogramas, 181 bloque, 175 Bolzano, teorema de, 113 boolean, 36 bottom-up, 139, 202 bucle ndice de un, 101 cuerpo del, 94, 98 instrucciones, 94 postprobado, 98, 100 preprobado, 95 burbuja algoritmo, 329 byte, 492 C , 35 cabecera, 59 cabeza de una lista, 352 cadenas funciones, 496 operadores, 495 campo, 272 selector, 276 case, 92, 133, 498 caso base, 213 recurrente, 213 char, 35 chi-cuadrado, 490 Chr, 36 ciclo de vida, 18 circuito corto, 39 largo, 39 circunejo (^), 337 clave en la b usqueda, 321 en la ordenaci on, 321
tico Indice alfabe Close, 500 c odigo reutilizable, 201 cola, 370 coma otante, 493 comp, 493 compilaci on en Turbo Pascal, 512 complejidad, 15 c alculo, 408 comportamiento asint otico, 402 de un algoritmo, 396 de un programa, 408 en el caso medio, 399 en el mejor caso, 399 en el peor caso, 399 en espacio, 400 en tiempo, 396 composici on, 85 comprobaci on, 14 computabilidad, 11 Concat, 496 conjuntos, 244 const, 61 constante, 52 an onima, 52 con nombre, 52 conversi on de tipos, 34, 36, 58 Copy, 496 correcci on, 14 de un programa, 73 parcial, 14 total, 15 Cos, 32 coste de ejecuci on, 396 de un programa, 396 cuerpo de un bucle, 94 de un programa, 62 de un subprograma, 169 cursor, 288, 501 dato, 28
tico Indice alfabe declaraci on, 240 global, 175 local, 161 denici on, 60 de subprograma, 161 Delete, 497 depuraci on, 10, 14, 514 de un programa, 74 descripci on, 240 desigualdad de conjuntos, 246 diagrama, 129 BJ, 131 de B ohm y Jacopini, 131 de ujo, 17, 125 limpio, 129 privilegiado, 131 propio, 129 diagramas equivalentes, 135 diferencia, 245 diferenciaci on nita, 146 dimensi on, 255 directrices de compilaci on, 500 dise no ascendente, 139, 202 descendente, 71, 134, 139 con instrucciones estructuradas, 141 con subprogramas, 193 Dispose, 339 div, 28 divide y vencer as, 453 do, 94 double, 493 downto, 101 efectos laterales, 182 eciencia, 11 else, 89 encabezamiento, 59 de un programa, 59 de un subprograma, 169 end, 62 enumerado, 235 EoF, 96, 288 EoLn, 96, 295 escritura (instrucci on), 54 con formato, 55 especicaci on, 4, 78 estado, 8, 74 nal, 9 inicial, 9 estructura de datos, 233 estructura jer arquica, 193 estructurada (programaci on), 85 Exp, 32 expresi on, 31 extended, 493 factorial, 212 False, 36 Fibonacci, sucesi on de, 216 FIFO, 370 le, 287 n de archivo, 57, 285, 288 de l nea, 58, 294 for, 100 formato de salida de datos, 55 forward, 223 funci on, 159 binaria, 30 inja, 30 interna, 30 monaria, 30 preja, 30 recursiva, 212 function, 159 Get, 291, 501 global,declaraci on, 175 goto, 49 hipertexto, 519
529
530 hoja de un arbol, 378 Horner, regla de, 357 identicador, 49, 52 ambito, 175 alcance, 180 global, 175 local, 175 oculto, 175 predenido, 49 visible, 175 if, 88, 89, 132 igualdad de conjuntos, 246 implementation, 503 in, 246 inclusi on, 246 independencia de subprogramas, 193 indeterminista algoritmo, 482 comportamiento, 482 ndice, 257 de un array, 255 de un bucle, 101 ingenier a del software , 18 inorden, recorrido en, 379 input, 58, 492 Insert, 497 instrucci on, 52 de selecci on, 88 de asignaci on, 52 de escritura, 54 de lectura de datos, 57 de repetici on, 94 iterativa, 94 integer, 28 interface, 503 interfaz, 10, 192, 193 intersecci on, 245 invariante de representaci on, 444 de un bucle, 14, 111
tico Indice alfabe inversi on, 136 iteraci on (instrucci on), 94 label, 49 lectura (instrucci on), 57 Length, 496 LIFO, 362 lista, 352 cabeza de una, 352 circular, 388 de doble enlace, 387 doblemente enlazada, 387 enlazada, 352 literal, 51 llamada a un subprograma, 161, 170 llamadas lejanas, 499, 517 Ln, 32 local, declaraci on, 161 longInt, 493 look up-table , 484 matriz, 260, 263 MaxInt, 28 memoria din amica, 335 men u, 93 Merge Sort , 316 complejidad, 415 mod, 28, 493 modelo de von Neumann, 10 secuencial, 10 modularidad, 190 m odulo, 189 New, 338 Newton-Raphson, m etodo de, 115 nil, 343 nodo de una lista, 352 hijo, 378 padre, 378 not, 36
tico Indice alfabe notaci on cient ca, 32 exponencial, 32 O may uscula, 404 may uscula, 405 polaca inversa, 369 postja, 369 may uscula, 405 objeto global, 200 no local, 200 ocultaci on de la informaci on, 193 Odd, 38 of, 49 O may uscula, 404 may uscula, 405 or, 36 Ord, 36 ordenaci on burbuja, 329 de archivos, 322 de arrays, 306 inserci on directa, 309 intercambio directo, 310, 414 complejidad, 414 Merge Sort , 316 complejidad, 415 ordenaci on r apida, 312 por mezcla, 316, 322, 415 complejidad, 415 Quick Sort , 312, 414 complejidad, 414 selecci on directa, 307 ordinales, 236 organigrama, 125 output, 57, 492 overow, 30 Pack, 498 packed, 49 pal ndromo, 389
531 palabra reservada, 48 par ametro, 161 de formato, 55 cticio, 165 formal, 165 paso de, 170 por referencia, 166 por variable, 166 por direcci on, 166 por valor, 166 real, 165 pedrisco, n umeros, 13, 119 pertenencia, 246 pila, 362 recursiva, 215 pointer, 336 Pos, 496 postcondici on, 78 postorden, recorrido en, 379 precedencia, 35 precondici on, 78 Pred, 30, 36 preorden, recorrido en, 378 principio de autonom a de subprogramas, 181 de m axima localidad, 181 procedimiento, 159 procedure, 159 profundidad, recorrido en, 378 Program, 60 programa estructurado, 134 programaci on con subprogramas, 157 din amica, 455 estructurada, 85 puntero, 336 Put, 289, 501 Quick Sort , 312 complejidad, 414
532 R, 32 ra z de un arbol, 378 Random, 374, 483 Randomize, 483 Read, 57 ReadLn, 57 real, 32 record, 272 recursi on, 211 cruzada, 222 mutua, 222 renamiento por pasos sucesivos, 73 registro, 271 con variantes, 276 campo selector, 276 parte ja, 276 repeat, 98, 133 repetici on, 86 Reset, 291 ReWrite, 289 Round, 34 s mbolo de decisi on, 126 de entrada de datos, 126 de procesamiento, 126 de salida de datos, 126 terminal, 125 salto de l nea ( ), 57 secuencial, 285 segmentaci on, 190 selecci on, 85 instrucci on, 88 selector, 92 set, 244 seudoaleatoria (variable), 482 seudoaleatorios (n umeros), 483 seudoc odigo, 17 shortInt, 493 simulaci on de colas acontecimiento cr tico, 487
tico Indice alfabe de variables aleatorias, 484 Sin, 32 single, 493 sobrecarga, 34, 37 Sqr, 30, 32 SqRt, 32 Str, 497 string, 494 subprograma denici on de un, 161 llamada a un, 161, 170 tabla de activaci on de un, 215 subrango, 238 subrutina, 161 Succ, 30, 36 sucesiones de recurrencia de primer orden, 419 de orden superior, 421 tabla de activaci on, 215 de seguimiento, 515 tama no de los datos, 397 teorema de Bolzano, 113 test espectral, 490 text, 294 then, 88 may uscula, 405 tipo abstracto de datos, 428 correcci on, 443446 especicaci on, 440441 implementaci on, 434, 441443 invariante de representaci on, 444 tipo de datos, 28, 52 an onimo, 242 b asico, 28 con nombre, 240 enumerado, 235 est andar, 28 estructurado, 233 ordinal, 39 predenido, 28
tico Indice alfabe to, 101 top-down, 139 torres de Hanoi, 216 transformada inversa, 484 transici on, 8 funci on de, 9 trazado de un programa, 74 True, 36 Trunc, 34 Turbo Pascal entorno, 507 lenguaje, 491 type, 240 unidades, 435, 501 implementation, 503 interface, 503 union, 245 unit, 504 Unpack, 498 until, 98 uses, 504 Val, 497 valor, 52 variable, 52 aleatoria, 482 continua, 484 exponencial negativa, 489 simulaci on de, 484 uniforme, 484 de control, 101 puntero, 336 referida, 336 seudoaleatoria, 482 variantes, registro con, 276 vector, 260, 261 vectores paralelos, 318 vericaci on, 14, 106 visibilidad de un identicador, 180 vuelta atr as, 462 while, 94, 132 with, 275, 278 word, 492 Write, 54 WriteLn, 54 Z , 28
533

Algoritmos y Programación Pascal

Cargado por

Copyright:

Formatos disponibles

Algoritmos y Programación Pascal

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algoritmos y Programación Pascal

Cargado por

Copyright:

Formatos disponibles

Algoritmos y Programaci on en Pascal

Algoritmos y Programaci on en Pascal

A nuestros compa neros y alumnos

Algoritmos e introducci on a Pascal

Aspectos de inter es sobre los algoritmos . . . . . . . . . . . . . . 1.3.1 1.3.2 1.3.3

1.4 1.5 1.6 1.7 1.8

Cap tulo 2 2.1 2.2 2.3 2.4

El lenguaje de programaci on Pascal

Cap tulo 3 3.1

viii 3.2 3.3 3.4 3.5 3.6 3.7 3.8

Cap tulo 4 4.1 4.2 4.3

Partes de un programa . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 4.4.2 4.4.3 4.4.4

Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Primeros programas completos Dibujo de la letra C . . . . . . . . . . . . . . . . . . . . Suma de dos n umeros . . . . . . . . . . . . . . . . . . . .

Cap tulo 5 5.1 5.1.1 5.1.2 5.2 5.3 5.4

Algunos programas sencillos . . . . . . . . . . . . . . . . . . . . .

Observaciones nales . . . . . . . . . . . . . . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Instrucciones de iteraci on . . . . . . . . . . . . . . . . . . . . . . 6.3.1 6.3.2 6.3.3

Dise no y desarrollo de bucles . . . . . . . . . . . . . . . . . . . . 103 6.4.1 6.4.2 6.4.3

Dos m etodos num ericos iterativos . . . . . . . . . . . . . . . . . . 113 6.5.1 6.5.2 6.5.3

Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Programaci on estructurada 123

Cap tulo 7 7.1 7.2

Aspectos metodol ogicos . . . . . . . . . . . . . . . . . . . . . . . 139 7.3.1 7.3.2

Renamiento correcto de programas con instrucciones estructuradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

x 7.4.1 7.4.2 7.5 7.6 7.7 Un ejemplo detallado

Recapitulaci on . . . . . . . . . . . . . . . . . . . . . . . . 150 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 . . . . . . . . . . . . . . . . . . . . . . 153

Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Referencias bibliogr acas

8.3 8.4 8.5

Cap tulo 9 9.1 9.2 9.3

Indice 9.3.2 9.3.3 9.3.4 9.3.5 9.4 9.5 9.6 9.7

Cap tulo 10 Introducci on a la recursi on

Tipos de datos denidos por el programador

Cap tulo 11 Tipos de datos simples y compuestos

Indice 11.3.3 Un ejemplo de aplicaci on . . . . . . . . . . . . . . . . . . 248 11.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

Cap tulo 12 Arrays

xiii 15.2.6 Vectores paralelos . . . . . . . . . . . . . . . . . . . . . . 318

Memoria din amica

Cap tulo 16 Punteros

Aspectos avanzados de programaci on

Cap tulo 18 Complejidad algor tmica

Cap tulo 19 Tipos abstractos de datos

19.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 19.2 Un ejemplo completo . . . . . . . . . . . . . . . . . . . . . . . . . 429

Cap tulo 20 Esquemas algor tmicos fundamentales

Ap endice B El lenguaje Turbo Pascal

Indice C.2.4 Compilaci on

Bibliograf a Indice alfab etico

Organizaci on del libro

Advertencia para el alumno

Algoritmos e introducci on a Pascal

Problemas, algoritmos y programas

1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8

Soluci on de problemas mediante programas

Cap tulo 1. Problemas, algoritmos y programas

1.2. Concepto de algoritmo

5 Leer instrucciones. Tengo alguna duda? s 6 no 7 8 Entregar el sobre 9

6 Preguntar dudas en Secretar a 7 9 Fin

Cap tulo 1. Problemas, algoritmos y programas

Una denici on de algoritmo

1.2. Concepto de algoritmo

Figura 1.2. Diagrama de ujo de la suma lenta.