Algoritmos: complejidad, ordenación y búsqueda - Fácil

Objetivo: Definir el propósito principal de la notación Big O. ¿Qué describe principalmente la notación Big O (Gran O) en el análisis de algoritmos?. El tiempo exacto en segundos que un algoritmo tarda en ejecutarse en una computadora específica. El mejor escenario posible para el tiempo de ejecución de un algoritmo. El límite superior del crecimiento del tiempo de ejecución o del uso de espacio en el peor de los casos. El número exacto de líneas de código que tiene un algoritmo.

Objetivo: Identificar la complejidad temporal de la búsqueda lineal. ¿Cuál es la complejidad temporal en el peor de los casos de un algoritmo de búsqueda lineal en un array de 'n' elementos?. O(1). O(n^2). O(n). O(log n).

Objetivo: Identificar el requisito principal para poder usar la búsqueda binaria. ¿Cuál es el requisito más importante que debe cumplir una colección de datos para poder aplicar un algoritmo de búsqueda binaria?. La colección debe contener únicamente números enteros. La colección debe estar ordenada. La colección no debe tener elementos duplicados. La colección debe estar almacenada en una lista enlazada.

Objetivo: Identificar el funcionamiento básico del algoritmo Bubble Sort. ¿Qué algoritmo de ordenación funciona comparando repetidamente pares de elementos adyacentes e intercambiándolos si están en el orden incorrecto?. Bubble Sort (Ordenamiento de burbuja). Selection Sort (Ordenamiento por selección). Merge Sort (Ordenamiento por mezcla). Quick Sort (Ordenamiento rápido).

Objetivo: Comparar la eficiencia de diferentes clases de complejidad temporal. Para un conjunto de datos muy grande (n grande), ¿cuál de las siguientes complejidades temporales representa el algoritmo más eficiente?. O(log n). O(n). O(n log n). O(n^2).

Objetivo: Identificar Merge Sort como un algoritmo de 'divide y vencerás'. ¿Cuál de los siguientes algoritmos de ordenación es un ejemplo clásico del paradigma 'Divide y Vencerás'?. Bubble Sort (Ordenamiento de burbuja). Merge Sort (Ordenamiento por mezcla). Selection Sort (Ordenamiento por selección). Insertion Sort (Ordenamiento por inserción).

Objetivo: Identificar el escenario de uso apropiado para la búsqueda lineal. Te dan una lista de números que no está ordenada y necesitas encontrar si un número específico está en ella. ¿Qué algoritmo de búsqueda deberías usar?. Búsqueda Binaria. Búsqueda por Selección. Búsqueda Lineal. Búsqueda por Hash.

Objetivo: Identificar el elemento clave en el algoritmo Quick Sort. ¿Qué elemento especial utiliza el algoritmo Quick Sort para particionar el array en dos sub-arrays?. Un máximo (maximum). Un pivote (pivot). Un centinela (sentinel). Un índice (index).

Objetivo: Definir la complejidad de tiempo constante O(1). Si un algoritmo tarda la misma cantidad de tiempo en ejecutarse sin importar el tamaño de su entrada, ¿cuál es su complejidad temporal?. O(log n) - Tiempo Logarítmico. O(0). O(n) - Tiempo Lineal. O(1) - Tiempo Constante.

Objetivo: Identificar el funcionamiento básico del algoritmo Selection Sort. ¿Qué algoritmo de ordenación funciona encontrando repetidamente el elemento mínimo de la parte no ordenada y poniéndolo al principio?. Bubble Sort (Ordenamiento de burbuja). Merge Sort (Ordenamiento por mezcla). Selection Sort (Ordenamiento por selección). Insertion Sort (Ordenamiento por inserción).

Objetivo: Identificar la complejidad temporal de la búsqueda binaria. ¿Cuál es la complejidad temporal de un algoritmo de búsqueda binaria en un array ordenado de 'n' elementos?. O(log n). O(n). O(1). O(n log n).

Objetivo: Identificar el escenario en el que Insertion Sort es más eficiente. ¿En qué situación el algoritmo de Ordenamiento por Inserción (Insertion Sort) es particularmente eficiente?. Cuando la lista de entrada es muy grande y completamente aleatoria. Cuando la lista contiene muchos elementos duplicados. Cuando la lista de entrada está casi ordenada. Cuando la lista de entrada está ordenada en orden inverso.

Objetivo: Identificar la complejidad del peor caso de Quick Sort. ¿Cuál es la complejidad temporal del peor de los casos para el algoritmo Quick Sort?. O(n^2). O(log n). O(n log n). O(n).

Objetivo: Definir qué es un algoritmo. ¿Cuál de las siguientes opciones define mejor qué es un algoritmo?. Un fragmento de código escrito en un lenguaje de programación específico. Un conjunto finito de instrucciones bien definidas para resolver un problema o realizar una tarea. Una estructura de datos para almacenar información. La solución final a un problema computacional.

Objetivo: Definir el concepto de complejidad espacial. Además de la complejidad temporal, la eficiencia de un algoritmo también se mide por su complejidad espacial. ¿Qué mide la complejidad espacial?. El espacio físico que ocupa el código fuente del algoritmo. La cantidad de memoria que el algoritmo necesita para ejecutarse. El número de variables temporales utilizadas en el algoritmo. La velocidad a la que el algoritmo accede a diferentes partes de la memoria.

Objetivo: Identificar a Merge Sort como un algoritmo que requiere espacio adicional. ¿Cuál de estos algoritmos de ordenación comúnmente requiere una cantidad de espacio de memoria adicional proporcional al tamaño de la entrada (O(n))?. Selection Sort (Ordenamiento por selección). Quick Sort (Ordenamiento rápido). Merge Sort (Ordenamiento por mezcla). Bubble Sort (Ordenamiento de burbuja).

Objetivo: Identificar la complejidad temporal de Bubble Sort. ¿Cuál es la complejidad temporal promedio y del peor caso para el algoritmo Bubble Sort?. O(n). O(log n). O(n log n). O(n^2).

Objetivo: Explicar por qué la búsqueda binaria es más rápida que la lineal en arrays ordenados. ¿Por qué la búsqueda binaria es significativamente más rápida que la búsqueda lineal en un array grande y ordenado?. Porque utiliza menos memoria que la búsqueda lineal. Porque está escrita en un lenguaje de programación más rápido. Porque elimina la mitad de los elementos restantes en cada comparación. Porque revisa los elementos adyacentes para encontrar el valor más rápido.

Objetivo: Identificar un algoritmo que se define comúnmente de forma recursiva. ¿Cuál de estos algoritmos de ordenación se define de forma más natural utilizando la recursión?. Insertion Sort. Quick Sort. Bubble Sort. Selection Sort.

Objetivo: Definir qué es un algoritmo de ordenación estable. En el contexto de los algoritmos de ordenación, ¿qué significa que un algoritmo sea 'estable'?. Es resistente a errores en los datos de entrada. Siempre tiene la misma complejidad temporal, sin importar la entrada. Mantiene el orden relativo original de los elementos con claves de ordenación iguales. No requiere memoria adicional para ordenar los elementos.

Objetivo: Identificar el mejor algoritmo para un escenario específico de datos pequeños. Tienes una lista muy pequeña de números (por ejemplo, 10 elementos) que necesitas ordenar. ¿Qué algoritmo, a pesar de su peor complejidad teórica, sería una elección práctica y rápida debido a su baja sobrecarga?. Merge Sort (Ordenamiento por mezcla). Insertion Sort (Ordenamiento por inserción). Radix Sort (Ordenamiento Radix). Bogo Sort (Ordenamiento aleatorio).

Objetivo: Identificar una operación con complejidad de tiempo constante. ¿Cuál de las siguientes operaciones tiene típicamente una complejidad temporal de O(1)?. Añadir un elemento al tope de una pila (push). Encontrar un elemento en un array no ordenado. Encontrar un elemento en un array ordenado utilizando búsqueda binaria. Ordenar un array utilizando Bubble Sort.

Objetivo: Identificar el primer paso de una búsqueda binaria. En la primera iteración de una búsqueda binaria en un array ordenado, ¿qué elemento se compara con el valor que se está buscando?. El primer elemento del array. Un elemento aleatorio del array. El último elemento del array. El elemento del medio del array.

Objetivo: Definir el objetivo de un algoritmo de ordenación. ¿Cuál es el objetivo principal de un algoritmo de ordenación?. Encontrar un elemento específico dentro de una colección. Contar el número de elementos en una colección. Eliminar elementos duplicados de una colección. Reorganizar los elementos de una colección en un orden específico (ascendente o descendente).

Objetivo: Identificar los pasos del paradigma 'Divide y Vencerás'. ¿Cuáles son los tres pasos principales del paradigma algorítmico 'Divide y Vencerás'?. Inicializar, Iterar y Finalizar. Dividir, Conquistar y Combinar. Seleccionar, Particionar y Ordenar. Entrada, Proceso y Salida.