Estruturas Dados

Estruturas de Dados
Ordenação, pesquisa e hashing

Professor Marcelo Pacote – marcelopacote@dominandoti.com.br
W W W. D O M I N A N D OT I .CO M . B R W W W. D O M I N A N D OT I .CO M . B R
Acesse nosso site em
WWW.DOMINANDOTI.COM.BR
Cursos Turmas em Brasília, na sua cidade, e cursos online

Livros Edições publicadas, lançamentos e promoções
Fórum Interação direta entre estudantes e com os professores
Simulados Questões inéditas, ranking de notas e correções em vídeo
Blog Dicas e macetes de estudo, indicações de bibliografia, etc.
Materiais Versões atualizadas de notas de aula e listas de exercícios
Curta o Dominando TI no
e receba nossas dicas sobre concursos!
W W W. D O M I N A N D OT I .CO M . B R
Agenda
 Listas
 Filas
 Pilhas
 Matrizes
 Árvores
 Grafos
Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 3 W W W. D O M I N A N D OT I .CO M . B R

Listas - Conceito
 Listas lineares: estruturas que preservam a ordem de

elementos do mesmo tipo
 Lista linear = arranjo ou lista encadeada

Listas - Conceito
 Arranjos:
 Tamanho fixo
 Alocação contígua
 Acesso em tempo constante (O(1))

Listas - Conceito
 Listas encadeadas:
 Tamanho variável
 Alocação dispersa
 Acesso em tempo linear (O(n))

(INPI /2013/Cespe/desv./75)
( ) Na estrutura de dados do tipo lista, todo elemento novo que

é introduzido na pilha torna-se o elemento do topo.

(Basa /2012/Cespe/Adm. Dados/68,69,70 e 72) (1/2)
( ) O tempo de busca de um elemento em uma lista duplamente encadeada

é igual à metade do tempo da busca de um elemento em uma lista
simplesmente encadeada.
( ) Em algumas implementações, uma lista vazia pode ter um único nó,
chamado de sentinela, nó cabeça ou header. Entre suas possíveis funções,
inclui-se simplificar a implementação de algumas operações realizadas
sobre a lista, como inserir novos dados, recuperar o tamanho da lista, entre
outras.
( ) Estruturas ligadas como listas encadeadas superam a limitação das
matrizes que não podem alterar seu tamanho inicial.
( ) As listas duplamente encadeadas diferenciam-se das listas simplesmente
encadeadas pelo fato de, na primeira, os nós da lista formarem um anel com
o último elemento ligado ao primeiro da lista.

Exercício [1] (CESPE /EBC/2011)
( ) Uma lista é uma coleção de elementos do mesmo tipo

dispostos linearmente, que podem ou não seguir determinada
organização. As listas podem ser dos seguintes tipos: de
encadeamento simples, duplamente encadeadas e ordenadas.

Listas Encadeadas - Conceito
 Estruturas ligadas em sequência

 Referência para o primeiro nó (às vezes também para o
último)
 Cada nó possui uma (ou mais) informação e uma referência
para o próximo na lista (e para o anterior)

Exercício [2] (CESPE /ANAC /2009)
( ) Na situação em que o número de acessos randômicos

predomina sobre as inclusões e exclusões de elementos, a
implementação de uma estrutura de dados lista utilizando-se
array é mais eficiente que uma implementação encadeada.

Listas Encadeadas - Implementações
 Linguagens procedurais: ponteiros

 Linguagens OO: referência a objetos

Listas Encadeadas – Implementação Estruturada
struct nodo {
int informacao;
struct nodo *proximoNodo;
};

Listas Encadeadas – Implementação OO
public class Nodo {

private String informacao;
private Nodo proximo;
}

Listas Encadeadas - Tipos
 Simplesmente encadeadas
 Duplamente encadeadas
 Circulares (simples ou dupla)
 Ordenadas

Listas Simplesmente Encadeadas

Listas Simplesmente Encadeadas - Inclusão

Listas Simplesmente Encadeadas - Remoção

Listas Duplamente Encadeadas

Listas Duplamente Encadeadas - Inclusão

Listas Duplamente Encadeadas - Remoção

Listas Encadeadas Circulares

Exercício [3] (CESPE / FUB /2011)
( ) O uso de listas encadeadas na representação de matrizes

justifica-se, entre outros motivos, quando a matriz é
esparsamente povoada por dados. Em uma possível
implementação para esse caso, os valores dos índices de cada
dimensão da matriz são armazenados em listas encadeadas, e
cada elemento da matriz com valor diferente de zero é um nó
(ou célula) em outra lista encadeada, acessível a partir das
listas dos índices da matriz.


Exercício [4] (CESPE / BASA /2010)
( ) Em uma lista encadeada, o tempo de acesso a qualquer um

de seus elementos é constante e independente do tamanho da
estrutura de dados.

Filas (Queue) - Conceito
 First In First Out – FIFO (PEPS)

 Conceito simples: fila de banco
 Implementação mais comum: lista encadeada
 Inclui no início, retira no final

Filas - Conceito
 Inclusão: enqueue (enfileirar)

 Remoção: dequeue (desenfileirar)
 Exemplo:
enqueue(11)
enqueue(35)
enqueue(2)
dequeue() // qual elemento foi retirado??

(CNJ /2013/Cespe/Tec. Prog./91)
( ) Uma fila é uma estrutura de dados sujeita à seguinte regra

de operação: sempre que houver uma remoção, o elemento
removido será o que estiver na estrutura há mais tempo.

(INPI /2013/Cespe/desv./74)
( ) Em uma estrutura de dados do tipo pilha, o único elemento

que pode ser removido é o que está na base.

(TRE-RJ /2012/Cespe/Tec. Prog./63)
( ) As filas são estruturas com base no princípio LIFO (last in,

first out), no qual os dados que forem inseridos primeiro na fila
serão os últimos a serem removidos. Existem duas funções que
se aplicam a todas as filas: PUSH, que insere um dado no topo
da fila, e POP, que remove o item no topo da fila.

Filas Duplas (Deque) - Conceito
 Double-ended queue
 Elementos podem ser incluídos e removidos no início ou no fim

(cabeça e cauda)

Pilhas (Stack) - Conceito
 Last In First Out – LIFO (UEPS) ou First In Last Out – FILO

(PEUS)
 Conceito simples: pilha de pratos
 Implementação mais comum: lista encadeada
 Inclui no início, retira no início (ou inclui no fim, retira no fim)

Pilhas - Conceito
 Inclusão: PUSH (empilhar)

 Retirada: POP (desempilhar)
 Exemplo:
Push(3)
Push(74)
Push(23)
Pop() // qual elemento foi retirado??

(CPRM/2013/Cespe/Sistemas/87)
( ) Se fosse implementado um algoritmo que simulasse o

movimento em uma rua sem saída, onde passa um carro de
cada vez, a fila seria a estrutura de dados que melhor
armazenaria as informações dos carros.

(TRE-MS /2013/Cespe/Tec. Prog./33)
Assinale a opção que apresenta uma estrutura de dados

embasada no princípio last in, first out (LIFO) — último a entrar,
primeiro a sair —, na qual, conforme a inserção, os dados
inseridos primeiramente na estrutura são os últimos a serem
removidos.
a) pilhas
b) árvores
c) vetores
d) listas
e) filas

( ) As pilhas são listas encadeadas cujos elementos são

retirados e acrescentados sempre ao final, enquanto as filas são
listas encadeadas cujos elementos são retirados e
acrescentados sempre no início.

Exercício [6] (CESPE / TJES /2011)
( ) O armazenamento do tipo FIFO (first in, first out) é

encontrado na estrutura de dados do tipo pilha.

Exercício [7] (CESPE / EBC /2011)
( ) As pilhas, também conhecidas como listas LIFO ou PEPS,

são listas lineares em que todas as operações de inserção e
remoção de elementos são feitas por um único extremo da lista,
denominado topo.

Exercício [8] (CESPE / INMETRO /2010)

Exercício [8] (CESPE / INMETRO /2010)
Considere que, no trecho do programa acima, representado por

seu pseudocódigo, seja fornecido para num, sucessivamente,
os valores inteiros 1, 2, 3, 4, 5, 3 e 6. Nesse caso, ao final da
execução do programa, o valor de x será igual a
a) 2 e a pilha terá os valores 6, 4 e 1.
b) 3 e a pilha terá os valores 6, 4 e 1.
c) 5 e a pilha terá os valores 6, 4 e 1.
d) 3 e a pilha terá os valores 6, 5, 4, 2 e 1.
e) 5 e a pilha terá os valores 6, 3, 5, 4, 3, 2 e 1.

Exercício [9] (CESPE / ANAC /2009)
( ) Em uma implementação encadeada da estrutura de dados

pilha, as suas operações básicas de empilhar e desempilhar
elementos podem ter tempo de execução constante,
independentemente da quantidade de elementos que estejam
armazenados na estrutura no momento da sua execução.

Exercício [10] (CESPE / TRE-MT /2010) (1/2)
Considerando as definições de estruturas de dados e a

declaração tipo nó :: reg (dado: inteiro; próximo: ref nó), na qual
reg é um registro contendo os campos: dado, que guarda
valores inteiros, e próximo, que guarda endereço de outro nó,
assinale a opção correta.
a) O tipo nó é inadequado para implementar estruturas de
dados do tipo pilha.
b) As listas, pilhas, filas e árvores são estruturas de dados que
têm como principal característica a sequencialidade dos seus
elementos.

Exercício [10] (CESPE / TRE-MT /2010) (2/2)
c) Uma lista duplamente encadeada é uma lista em que o seu

último elemento referencia o primeiro.
d) O algoritmo para inclusão de elementos em uma pilha é
usado sem nenhuma alteração para incluir elementos em uma
lista.
e) O uso de recursividade é totalmente inadequado na
implementação de operações para manipular elementos de uma
estrutura de dados do tipo árvore.

Exercício [11] (CESPE / TRE-MA /2010)
A técnica LIFO (last in first out), utilizada em programação

estruturada, é fundamentada no conceito de
a) pilha.
b) loop.
c) fila.
d) ponteiro.
e) array.

( ) Uma pilha pode ser considerada uma lista à qual foram

impostas restrições quanto à forma de manipulação dos dados
nela armazenados.

( ) Em um programa existe a necessidade de guardar todas as

alterações feitas em determinado dado para que seja possível
desfazer alterações feitas ao longo de toda a sua existência.
Nessa situação, a estrutura de dados mais adequada para o
armazenamento de todas as alterações citadas seria uma fila.

Matrizes – Conceito
 Arranjos multidimensionais
 Estruturas homogêneas (elementos tem o mesmo tipo)
 Acesso aos elementos se dá por meio de índices (um para
cada dimensão)

Matrizes – Conceito
 Vinculação de índices (subscritos): definição de domínio

 Java, C, C++: sempre iniciam com 0 (zero)
 Fortran: sempre iniciam com 1 (um)
 Outras linguagens: definidos pelo desenvolvedor

Matrizes – Tipos
 Classificação por vinculação de índices (subscritos)

 Estática
 Fixa dinâmica na pilha
 Dinâmica na pilha
 Dinâmica no monte
Ref. Sebesta, Robert W. Conceitos de Linguagem de Programação.

Matrizes – Tipos
 Matriz Estática: domínio estaticamente definido, alocação

definida de forma estática (static)
 Matriz Fixa Dinâmica na Pilha: domínio estaticamente
definido, alocação realizada na declaração/inicialização da
matriz
 Matriz Dinâmica na Pilha: domínio definido de forma
dinâmica, alocação realizada de forma dinâmica
 Matriz Dinâmica no Monte (heap): mesmas características de
dinâmica na pilha, sendo que o domínio pode ser alterado
durante a execução
Ref. Sebesta, Robert W. Conceitos de Linguagem de Programação.

Árvores - Conceito
 Estrutura hierárquica (não linear)

 Nós (nodos) e arestas
 Raiz, nós internos e folhas:
 Raiz: elemento inicial e central
 Nós internos: não são raiz e possui ao menos um filho
 Folhas: não são raiz e não possuem filhos

Árvores - Conceito
 Cada nó possui uma (ou mais) informação e as referências

para os filhos
 Existe um único caminho entre quaisquer dois nodos na
estrutura
 Tipo especializado de grafo (toda árvore é um grafo, mas nem
todo grafo é uma árvore)

(Pefoce /2012/Cespe/Perito/83)
( ) Uma árvore consiste em um conjunto finito T com um ou

mais nós, de modo que existe um nó raiz e os demais formam
M >= 0 conjuntos disjuntos S1, S2, ..., Sm, em que cada um
desses conjuntos é uma árvore.

Árvores - Conceito
Fonte: http://www.cs.auckland.ac.nz/software/AlgAnim/trees.html

Árvores - Propriedades
 Altura (nível): número de arestas da raiz até a folha mais

profunda
 Grau (ordem): número máximo de filhos

Árvores - Busca
 Busca em extensão (breadth-first): visitar cada nível da árvore

da esquerda para a direita
 Busca em profundidade (depth-first): percorrer um “galho”
até chegar à folha

Árvores Binárias
 Cada nó tem, no máximo 2 filhos (grau/ordem 2)

 Exemplo:

Árvores Binárias
 Árvore completa: todas os nós internos possuem dois filhos e

todas as folhas tem a mesma distância até a raiz
 Número de nós (árvore completa): 2n+1 – 1, onde n é a altura
(nível):
 Altura 0: 21 – 1 = 1
 Altura 1: 22 – 1 = 3
 Altura 2: 23 – 1 = 7
 Altura 3: 24 – 1 = 15

Árvores Binárias - Percorrimento
 Pré-ordem (pré-fixado): visita a raiz, visita a subárvore da

esquerda, visita a subárvore da direita
 Em ordem (infixado): visita a subárvore da esquerda, visita a
raiz, visita a subárvore da direita
 Pós-ordem (pós-fixado): visita a subárvore da esquerda, visita
a subárvore da direita, visita a raiz

 Pré-ordem (pré-fixado)
50 – 17 – 12 – 9 – 14 – 23 – 19 – 72 – 54 – 67 – 76

 Em ordem (infixado)
9 – 12 – 14 – 17 – 23 – 19 – 50 – 54 – 67 – 72 – 76

 Pós-ordem (pós-fixado)
9 – 14 – 12 – 19 – 23 – 17 – 67 – 54 – 76 – 72 – 50

(PF /2013/Cespe/Perito/79)
( ) Na árvore binária representada abaixo, o caminhamento

pós-fixado produzirá a seguinte sequência de nós visitados: D,
B, E, A, C, F.

( ) Denomina-se caminhamento em árvores o ato de percorrer

todos os nós da árvore com o objetivo de consultar ou alterar a
informação nele contida. O caminhamento pós-fixado na árvore
representada abaixo produz a sequência G, B, C, E, F, D, A.

Exercício [14] (CESPE / INMETRO /2010) (1/2)

Exercício [14] (CESPE / INMETRO /2010) (2/2)

Árvores de Busca Binárias - Conceito
 Árvore binária
 Subárvore da esquerda contém elementos menores que a raiz
da subárvore
 Subárvore da direita contém elementos menores que a raiz da
subárvore

Árvores de Busca Binárias - Conceito

Árvores de Busca Binárias - Inserção




Árvores AVL
 Árvore de busca binária balanceada

 Diferença de alturas entre a subárvore da esquerda e da
direita é no máximo 1
 Inclusão e remoção: necessitam de balanceamento

Árvores AVL
ABB AVL

Árvores - Balanceamento
 Uma árvore balanceada é aquela que possui a folhas no

mesmo nível
 Desbalanceada = degenerada
 Balanceamentos:
 Estático: cria a árvore do zero já balanceada
 Dinâmico: aproveita a estrutura da árvore e faz alterações na
inserção e remoção de elementos

(TJ-RO /2012/Cespe/Desv./37)
Assinale a opção em que é apresentado exemplo de estrutura

de informação do tipo abstrata, balanceada, não linear e com
relacionamento hierárquico.
a) lista duplamente encadeada
b) árvore binária
c) pilha
d) árvore AVL
e) deque

( ) Na raiz de uma árvore balanceada, o número de

descendentes da esquerda e de descendentes da direita é igual.

(CPRM /2013/Cespe/Sistemas/88)
( ) A árvore representada na figura a seguir tem profundidade

igual a 4.

(Basa /2012/Cespe/Adm. Dados/56 a 61) (1/2)
Acerca do tipo de dados árvore, julgue os próximos itens.

( ) Quando não é possível prever antecipadamente quantos nós
serão necessários para a criação e utilização de uma árvore
binária, utilizam-se, na sua implementação, listas encadeadas.
( ) Uma árvore binária degenerada em lista encadeada não
pode ser balanceada.
( ) As operações de busca em uma árvore binária não a
alteram, enquanto operações de inserção e remoção de nós
provocam mudanças sistemáticas na árvore.

( ) Heap é um tipo de dados que se baseia em árvores binárias

em que o balanceamento ocorre de maneira estática.
( ) O acréscimo de um elemento em um heap pode mudar o nó
raiz, dependendo do seu valor.
( ) O tipo de dados árvore representa organizações hierárquicas
entre dados.

Exercício [15] (CESPE / TJES /2011)
( ) As árvores binárias possuem vantagens em relação às listas

encadeadas somente quando estão balanceadas, justificando-
se o uso de um método de balanceamento de uma árvore
binária quando elementos estão sendo constantemente
acrescidos e removidos da árvore.

( ) O uso de árvores binárias visa tornar mais eficiente a busca

em arranjos de dados ordenados. No entanto, a eficiência de
uma árvore binária está diretamente relacionada ao seu
balanceamento, ou seja, à diferença entre as alturas das
subárvores à direita e à esquerda do nó raiz. O balanceamento
estático é recomendado se a árvore encontra-se degenerada
em uma lista encadeada.

Exercício [17] (CESPE / TRT21 /2010)
( ) O caminhamento infixado em árvore binária compreende as

seguintes etapas: visitação à raiz, depois, à subárvore da
esquerda e, por último, à subárvore da direita.

Exercício [18] (CESPE / STN /2011)
( ) Enquanto uma lista encadeada somente pode ser percorrida

de um único modo, uma árvore binária pode ser percorrida de
muitas maneiras diferentes.

Exercício [19] (CESPE / DETRAN-ES /2010)
( ) Para transformar árvore em árvore binária, os nós irmãos

devem ser ligados entre si e a ligação entre um nó pai e os nós
filhos deve ser removida, incluindo-se os nós do primeiro filho.

Exercício [20] (CESPE / DETRAN-ES /2010)
( ) Denomina-se árvore binária a que possui apenas dois nós.

( ) As árvores, cujas relações de hierarquia e composição entre

os dados são de subordinação, podem ser alocadas na memória
por adjacência ou encadeamento, ao contrário do que ocorre
com as listas lineares.

( ) A travessia em pré-ordem em árvore binária inicialmente

percorre a subárvore à esquerda (em pré-ordem), passa pela
raiz e finaliza na subárvore à direita (também em pré-ordem).

( ) Uma árvore binária completa até o nível 10 tem 2.047 nós.

( ) Considerando-se uma árvore binária completa até o nível 5,

então a quantidade de folhas nesse nível será 24.

Exercício [25] (CESPE / TRE-AL / 2004)
( ) É possível manter, em uma estrutura de árvore, além dos

ponteiros normais de pais para filhos, ponteiros adicionais dos
filhos para os pais e ponteiros entre os irmãos, de modo a se ter
maior flexibilidade nos modos de percurso da árvore, embora
isso geralmente resulte em sobrecarga de armazenamento e de
processamento.

Exercício [26] Altura de árvores – Outras Bancas
Questão exemplo – FCC – TRE-PI – 2009

Uma árvore binária completa, estritamente binária, cuja raiz
está no nível 0 e a altura da árvore é 5, possui uma quantidade
de nós igual a
a) 63.
b) 62.
c) 32.
d) 31.
e) 30.

Exercício [27] Altura de árvores – ESAF (1/2)
Questão exemplo – ESAF – CGU – 2004

Analise as seguintes afirmações relativas a estruturas de dados:
I. Uma árvore binária qualquer de altura 3 tem no máximo 8 folhas.
II. Ao se transformar uma árvore genérica, formada apenas pela raiz e
seus quatro filhos, em uma árvore binária, a árvore resultante terá
apenas uma folha.
III. A única condição para uma árvore binária de pesquisa ser
considerada balanceada é que, para cada nó, a altura da sub-árvore da
esquerda seja igual à altura da sub-árvore da direita.

Exercício [27] Altura de árvores – ESAF (2/2)
IV. Uma árvore binária de pesquisa balanceada deve ter o

número de folhas igual ao número de nós.
Estão corretos os itens:
a) I e II
b) II e III
c) III e IV
d) I e III
e) II e IV

Exercício [28] Altura de árvores – Contraexemplo
CESPE

Altura de árvores – Bibliografia CESPE
Altura da árvore: número de nós entre a folha mais profunda até

a raiz (incluindo a raiz)

Grafos - Conceito
 Estruturas não-lineares
 Compostos de nodos (nós/vértices) e arestas (arcos)
 Podem ser ponderados ou não
 Dois tipos:
 Não Orientados: os nodos não possuem ordem na relação
 Orientados: os nodos possuem uma ordem em sua relação

Grafos Não Orientados - Exemplo

Grafos Orientados - Exemplo

Grafos Ponderados - Exemplos
Fontes: http://www.informatics.susx.ac.uk/courses/dats/notes/html/node130.html e
http://www.algolist.net/Data_structures/Graph

Grafos - Propriedades
 Grau de um nodo:
 Não orientado: número de arestas incidentes
 Orientado: soma de arestas que chegam e saem
 Comprimento do caminho: número de arestas entre dois
nodos
 Ciclos: caminhos maiores que 1 (um) que levam um nodo a
ele mesmo

Grafos - Classificação
 Cíclico x acíclico
 Conexo (não orientado): todo par de nodos está conectado por
um caminho
 Fortemente conexo (orientado): para qualquer par de nodos é
possível encontrar um caminho entre eles
 Completo (não orientado): todo par de nodos é adjacente

(CPRM /2012/Cespe/Sistemas/86)
( ) Considere que o grafo não orientado representado na figura

abaixo possua as seguintes características:
G1 = (V1, A1)
V1 = {A, B, C, D}
A1 = {(A, C), (A, D), (B, C), (B, D), (A,B)}.
Nesse caso, é correto afirmar que o grafo G1 possui quatro
vértices, nomeados de A, B, C e D, e cinco arcos, que conectam
pares de vértices, conforme especificado em A1.

( ) Considere que um grafo G seja constituído por um conjunto

(N) e por uma relação binária (A), tal que G = (N, A), em que os
elementos de N são denominados nós (ou vértices) e os
elementos de A são denominados arcos (ou arestas). Em face
dessas informações e do grafo abaixo, é correto afirmar que
esses conjuntos são N= {1,2,3,4} e A={(1,2),(2,1),(2,4),(2,3)}

(Basa /2012/Cespe/An. Sistemas/60)
( ) Para modelar a rede que conecta todos os computadores

em uma sala de escritório com a menor metragem possível de
cabos, é adequado utilizar um grafo G cujos vértices
representem os possíveis pares (u, v) de computadores e cujas
arestas representem o comprimento dos cabos necessários
para ligar os computadores u e v, determinando-se o caminho
mínimo, que contenha todos os vértices de G, a partir de um
dado vértice v.

(Basa /2012/Cespe/An. Sistemas/62)
( ) É misto o grafo com arestas não dirigidas que representam

ruas de dois sentidos e com arestas dirigidas que
correspondem a trechos de um único sentido, modelado para
representar o mapa de uma cidade cujos vértices sejam os
cruzamentos ou finais de ruas e cujas arestas sejam os trechos
de ruas sem cruzamentos.

Julgue os itens seguintes, relativos a grafos.

( ) A implementação de um grafo do tipo ponderado e
direcionado na forma de uma matriz de adjacência utiliza menor
quantidade de memória que a implementação desse mesmo
grafo na forma de uma lista encadeada.
( ) Um algoritmo que visita todos os vértices de um grafo, cada
um somente uma vez, está percorrendo o grafo. Esse algoritmo
pode percorrer o grafo em largura ou em profundidade.

( ) Um grafo não direcionado é dito conectado quando há pelo

menos um caminho entre dois vértices quaisquer do grafo.
( ) Uma árvore de espalhamento de um grafo ponderado
conectado é mínima se a soma dos pesos de todas as arestas
for mínima.
( ) Um grafo completo contém pelo menos um subgrafo
ponderado.

(TJ-RO /2012/Cespe/Desv./38)
Assinale a opção correta acerca de estruturas de informação.

a) A árvore, um tipo abstrato de dados que possui relacionamento do tipo pai-filho,
compõem-se de nós, grau e altura, sendo a inserção e a remoção de elementos
em uma árvore restritas à sua raiz.
b) Grafo corresponde a uma estrutura abstrata de dados que representa um
relacionamento entre pares de objetos e que pode armazenar dados em suas
arestas e vértices, ou em ambos.
c) Pilha é uma estrutura de informação abstrata cuja identificação é feita por meio
de uma linha e de uma coluna.
d) Visitas a sítios armazenadas em um navegador na ordem last-in-first-out é um
exemplo de lista.
e) Deque consiste em um contêiner de objetos armazenados em sequência, no
qual o acesso aos elementos restringe-se ao primeiro elemento da sequência.

(TRE-MS /2013/Cespe/An. Sistemas/48) (1/2)
Acerca de tipos básicos de estruturas de dados, assinale a

opção correta.
a) Uma estrutura do tipo pilha, também conhecida como stack,
permite que as operações sejam realizadas em seu topo a partir
do primeiro elemento inserido por meio de acesso FIFO (first in
first out).
b) Os grafos se assemelham às filas em termos de estrutura,
mas, enquanto nas filas as operações são realizadas no topo,
nos grafos elas podem ser realizadas tanto no início quanto no
fim da estrutura.

(TRE-MS /2013/Cespe/An. Sistemas/48) (2/2)
c) Nos grafos, devido à sua estrutura, não há operações

possíveis para a determinação de vértices adjacentes, somente
os vértices que estão no início (topo) e no fim (base) podem ser
determinados.
d) Nas estruturas do tipo árvores, as operações push( ) e pop( )
permitem retirar e inserir nós, respectivamente.
e) Árvores são grafos dirigidos mais específicos que os
acíclicos, em que existe um nó raiz a partir do qual os demais
vértices podem ser acessados e onde cada vértice, exceto o
raiz, possui apenas um nó antecessor.

Gabarito
(INPI /2013/Cespe/desv./75) errado [11] a [21] errado

(Basa /2012/Cespe/Adm. Dados/68,69,70 e [12] certo [22] errado
71) ecce [13] errado [23] certo
[01] certo (Pefoce /2012/Cespe/Perito/83) certo [24] errado
[02] certo (PF /2013/Cespe/Perito/79) errado [25] certo
[03] certo (Pefoce /2012/Cespe/Perito/86) errado [26] a
[04] errado [14] b [27] a
(CNJ /2013/Cespe/Tec. Prog./91) certo (TJ-RO /2012/Cespe/Desv./37) d [28] certo
(INPI /2013/Cespe/desv./74) errado (TRE-RJ /2012/Cespe/Prog./65) errado (CPRM /2012/Cespe/Sist./86) errado
(TRE-RJ /2012/Cespe/Prog./63) errado (Pefoce /2012/Cespe/Perito/85) – certo
(CPRM /2013/Cespe/Sistemas/88) certo
(CPRM/2013/Cespe/Sist./87) errado (Basa /2012/Cespe/Adm. Dados/56 a 61) (Basa /2012/Cespe/An. Sist./60) errado
(TRE-MS /2013/Cespe/Tec. Prog./33) cececc (Basa /2012/Cespe/An. Sist./62) certo
[05] errado [15] errado (Basa /2012/Cespe/Adm./51 a 55) eccce
[06] errado [16] certo (TJ-RO /2012/Cespe/Desv./38) b
[07] errado [17] errado (TRE-MS /2013/Cespe/An. Sist./48) e
[08] c [18] certo
[09] certo [19] errado
[10] d [20] errado

Complexidade de Algoritmos e ED
Agenda (1/2)
 Complexidade de Algoritmos
 Algoritmos de Busca
 Busca sequencial
 Busca binária
 Busca com hash
 Algoritmos de Ordenação
 Insertion sort
 Bubble sort
 Shell sort
Agenda (2/2)
 Merge sort
 Quick sort
 Heapsort (heap)

Complexidade de algoritmos - Motivação
 Como avaliar se um algoritmo é mais rápido que outro

 Como avaliar qual algoritmo utiliza menos espaço
 Interesse: análise assintótica (pequenas entradas podem
“enganar”)

Complexidade de algoritmos - Motivação
 Tempo e espaço definidos como uma função com base no

tamanho da entrada do algoritmo (f(n))
 Quanto mais rápido o tempo/espaço cresce em função de n,
pior o algoritmo
 Tempo é o mais comum (alguns casos espaço é mais
importante)

Complexidade de algoritmos - Funções
 Constante (1): o tempo/espaço não varia em função do

tamanho da entrada.
 Exemplo: inclusão e remoção de uma pilha.
 Não importa quantos elementos a pilha tenha, a
inclusão/remoção sempre levará o mesmo tempo

 Logarítmica (log2n): o tempo/espaço varia de forma

logarítmica em função do tamanho da entrada.
 Exemplo: percorrer uma árvore binária completa da raiz até a
folha
 Árvore binária com n elementos tem altura proporcional a
log2n

 Linear (n): o tempo/espaço varia linearmente em função do

tamanho da entrada.
 Exemplo: busca sequencial
 Arranjo de 10 posições tempo a1 * 10 + a2. Arranjo de 20
tempo a1 * 20 + a2. Arranjo de n tempo a1 * n + c2 (função
linear)

 Linear * logarítmico (n log2n): o tempo/espaço varia numa

função linear vezes logarítmica do tamanho da entrada.
 Exemplo: merge sort

 Quadrático (n2): o tempo/espaço varia numa função

quadrática ao tamanho da entrada.
 Exemplo: bubble sort
 Ordenar um arranjo de 50 posições leva a1 * 502 + a2 * 50 +
a3 (função quadrática)

 Exponencial (2n): o tempo/espaço varia numa função

exponencial ao tamanho da entrada.
 Exemplo: problemas NP




Complexidade de algoritmos – Exemplos
public void metodoConstante(int arranjo[]) {

int y = arranjo.length + arranjo[1];
int z = y + 3;
System.out.println(y);
System.out.println(z);
}
 Análise: tempo independe do tamanho da entrada (tamanho
de arranjo).

Complexidade de algoritmos – Exemplos (1/2)
public void metodoLogaritmico(int arranjo[]) {

int log = 0;
int divisaoInteira = arranjo.lenght;
while (divisaoInteira >= 2) {

divisaoInteira = divisaoInteira / 2;
log++;
}
}

Complexidade de algoritmos – Exemplos (2/2)
 Análise: Se o tamanho da entrada for 4, executa 2 vezes a

iteração. Se o tamanho for 8, executa 3. Se 16, 4. Tempo varia
logaritmicamente em função do tamanho da entrada.

public void metodoLinear(int arranjo[]) {
int soma = 0;
for (int i = 0; i < arranjo.lenght / 2; i++) {
soma += arranjo[i];
double media = soma / arranjo.length;
double variancia = 0.0f;
for (i = 0; i < arranjo.lenght; i++) {
variancia += Math.pow(arranjo[i] – media, 2.0);
variancia = Math.sqrt(variancia/(arranjo.length-1));

 Análise: Método executa dois loops. Caso o tamanho de

arranjo seja n, executa n/2 + n = 3n/2. O algoritmo executa em
tempo que varia linearmente com o tamanho da entrada.

public void metodoLinearLogaritmico(int arranjo[]) {

/* metodo linear chamando a cada iteração o método
logarítmico */
}

public void metodoQuadratico(int arranjo[]) {

int somaMaluca = 0;
for (int j = 0; j < arranjo.lenght / 4; j++) {
somaMaluca += arranjo[j] + arranjo[i];
}
}
}
 Análise: Método executa em tempo n/2 * n/4 = n2/8. Tempo varia em
função quadrática com relação ao tamanho da entrada.

public void metodoCubico(int arranjo[]) {

int somaMaisDoidaAinda = 0;
for (int j = 0; j < arranjo.lenght / 4; j++) {
for (int k = 0; k < arranjo.lenght; k++) {
somaMaisDoidaAinda += arranjo[j] +
arranjo[i] + arranjo[k];
}
}
}
}
Complexidade de algoritmos – Notações
 Notações O(g(n)), Θ(g(n)) e Ω(g(n))

 Notação O(g(n)) apresenta um limite superior para o
tempo/espaço (big “oh” notation)
 Notação Ω(g(n)) apresenta um limite inferior para o
tempo/espaço
 Notação Θ(g(n)) apresenta limites inferior e superior para o
tempo/espaço

Complexidade de algoritmos – Definições formais
 Função f(n) é dita O(g(n)) caso existam c e n0 tal que, para n

> n0, c g(n) > f(n)
* Referência [01]

 Função f(n) é dita Ω(g(n)) caso existam c e n0 tal que, para n

> n0, f(n) < c g(n)
* Referência [01]

 Função f(n) é dita Θ(g(n)) caso existam c1, c2 e n0 tal que

para n > n0, c1 g(n) < f(n) < c2 g(n)
* Referência [01]

Algoritmos de Busca
 Busca sequencial
 Busca binária
 Buscas utilizando tabelas e funções de hash (dispersão)

Algoritmos de Busca – Busca Sequencial
 Mais simples (espécie de força bruta)

 Percorre a lista linear em busca da chave a ser pesquisada
 Vantagens: não requer estruturas especiais ou ordenação.
Pode ser realizada em listas encadeadas.
 Desvantagens: ineficiente (complexidade O(n))

Algoritmos de Busca – Busca Binária
 Utiliza as vantagens de um arranjo ordenado ou árvore de

busca binária para pesquisar de forma mais inteligente
 Utilizando arranjos: simula busca numa árvore de busca
binária
 Vantagens: eficiente (complexidade O(log n))
 Desvantagens: necessita de estruturas ordenadas com
acesso randômico rápido

Algoritmos de Busca – Busca Binária
 Exemplo:
3 9 14 27 35 52 70 83 99
 Pesquisar: 9, 27, 80, 105

 E na busca sequencial???

(CNJ /2013/Cespe/Tec. Prog./90)
( ) O método de busca mais rápido, em qualquer tipo de

arquivo, denomina-se pesquisa binária.

(TRE-MS /2013/Cespe/Tec. Prog./34) (1/2)
Considerando que se deseje efetuar uma pesquisa de um valor

sobre a chave primária de uma tabela de um banco de dados
com uma chave primária com um tipo de campo que receba um
valor inteiro e que se possa fazer essa pesquisa utilizando-se a
busca sequencial ou a busca binária, assinale a opção correta.
a) O método de busca binária requer, no máximo, ln(n)
comparações para determinar o elemento pesquisado, em que
n é o número de registros.
b) O método de busca binária será sempre mais rápido que o
método de busca sequencial, independentemente de a tabela
estar ordenada com base no elemento pesquisado.

(TRE-MS /2013/Cespe/Tec. Prog./34) (2/2)
c) O método de busca sequencial requererá, no máximo, n2

comparações para determinar o elemento pesquisado, em que
n será o número de registros.
d) O método de busca binária sempre efetuará menos
comparações que o método de pesquisa sequencial.
e) O método de busca sequencial efetuará menos comparações
para encontrar o elemento pesquisado quando a tabela estiver
ordenada em comparação à situação quando a tabela estiver
desordenada.

( ) Uma das formas mais simples e rápida de busca em uma

estrutura de dados ordenada é o método de pesquisa binária,
que segue o paradigma de divisão e conquista. Se o item
pesquisado estiver no meio do vetor, a busca termina com
sucesso. Caso contrário, se o elemento do meio vier antes do
elemento buscado, então a busca continua na metade posterior
e, se vier depois, a busca continua na metade anterior do vetor.

Algoritmos de Busca – Buscas com Hash
 Utiliza funções e estruturas de dados especiais: tabela e

funções de dispersão (hash)
 Cada chave passa por uma função de hash para determinar
em que local da estrutura será armazenado
 Exemplo: f(x) = x mod 7. Chave 46 é armazenada na posição
4. Chave 191 na posição 2.

 Possibilidade de colisões (21 mod 7 = 0, 70 mod 7 = 0)

 Tratamento de colisões:
 Por encadeamento: listas encadeadas para armazenar chaves
na mesma posição (complexidade O(n) na pesquisa)
 Por outra função de hash: outra função é utilizada de forma a
garantir que não haverá colisão (hashing perfeito, com
complexidade O(1) na pesquisa)

 kn são os elementos a serem armazenados, enquanto h(k) é a

função de dispersão (hash) que calcula em que posição os
elementos (chaves) serão armazenados
* Referência [01]

 Resolução de colisões por encadeamento. Cada posição em

que é armazenado mais de um elemento possui uma lista
encadeada (tempo de pesquisa no pior caso O(n))
* Referência [01]

 Resolução de colisões com outra função de hash (hashing

perfeito). Funções são escolhidas de modo que a 2ª tabela não
permite colisões (tempo de pesquisa O(1)).
* Referência [01]

Exercício [1] (CESPE / TRT21 /2010)
Considerando que uma tabela hash (tabela de espalhamento)

possua quatro posições numeradas 0, 1, 2, 3 e 4, e que nela
esteja armazenada uma sequência de quadrado de valores
inteiros definida como 1, 4, 9, 16, ., n2, segundo a função f (x)
= x mod 5, julgue os itens que se seguem.
( ) Na tabela hash apresentada, não haverá colisões em suas
posições.

Exercício [2] (MPE-PI /2012/Cespe/Analista/112)
( ) No uso de funções de hash, a resolução de colisões por

encadeamento utiliza uma lista para armazenar todos os
elementos que compartilham o mesmo valor de hash.

( ) No uso de estruturas de transformação de chave (hashing), a

solução de colisões usando encadeamento tem como principal
característica o fato de nunca transbordar. Adicionalmente, o
tempo de busca na lista ligada pode ser reduzido se uma lista
duplamente encadeada for utilizada.

Com relação a métodos de pesquisa de dados, julgue os itens

subsecutivos.
( ) Listas encadeadas não são utilizadas na busca que emprega
tabelas hash.
( ) Um dicionário é um tipo abstrato de dados que permite as
operações de inserção e de retirada e o teste de pertinência de
elementos a um conjunto.
( ) A pesquisa sequencial e o método da bolha são métodos
pouco eficientes de busca de dados.

( ) A busca binária é realizada em um grupo de dados

previamente ordenado.
( ) A busca que utiliza uma tabela hash realiza comparação das
chaves para encontrar a posição do elemento que está sendo
buscado.
( ) As colisões ocorrem na utilização de tabela hash porque
várias chaves podem resultar na mesma posição.

(CPRM/2013/Cespe/Adm. Dados/90)
( ) A pesquisa binária, em relação à pesquisa sequencial,

possui a vantagem de executar menos comparações, em
média, para encontrar a chave procurada em uma lista
ordenada.

Algoritmos de Ordenação - Conceito
 Um dos problemas mais fundamentais da computação

 Colocar em ordem (crescente ou decrescente) um conjunto de
elementos (chaves) numa estrutura de dados (normalmente um
arranjo)

Algoritmos de Ordenação
 Ordenação in place x out of place

 In place: requer espaço constante além da estrutura a ser
ordenada, ou seja, realiza a ordenação na própria estrutura
 Out of place: requer espaço extra não constante além da
estrutura que contém os elementos a serem ordenados.

 Ordenação estável x instável

 Estável: ordem relativa de chaves iguais na estrutura é
mantida.
 Instável: ordem relativa de chaves iguais é alterado na
estrutura. Os elementos com chaves iguais podem ser
rearranjados e ficar fora da ordem original

 Exemplo estabilidade: Ordenar a lista abaixo pelo primeiro

elemento (chave)
 (4, 2) (3, 7) (3, 1) (5, 6)
 (3, 7) (3, 1) (4, 2) (5, 6) (algoritmo estável)
 (3, 1) (3, 7) (4, 2) (5, 6) (algoritmo instável)
* Referência [02]

 Bubble Sort
 Insertion Sort
 Shell Sort
 Merge Sort
 Quick Sort
 Heapsort

Algoritmos de Ordenação – Bubble Sort
 Algoritmo simples: realiza trocas de elementos subjacentes

 A cada passagem, os elementos à direita já estão ordenados.
 Algoritmo ineficiente: quadrático até no caso médio

 Exemplo de funcionamento:
* Referência [02]

 Melhor caso: arranjo já ordenado

 Pior caso: arranjo em ordem inversa
 Complexidade (pior caso): Θ (n2)
 Ordenação in place e estável

Algoritmos de Ordenação – Insertion Sort
 Algoritmo de ordenação por inserção direta

 Semelhante à ordenação de cartas (alguém aí já jogou
buraco?)
 Da esquerda pra direita inclui os elementos na ordem,
rearranjando os elementos necessários (chaves ordenadas na
mão esquerda, desordenadas na direita)

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]


 Ordenação in place e estável
 Abordagem incremental

Algoritmos de Ordenação – Shell Sort (ou Shell’s)
 Melhoramento do algoritmo Insertion Sort

 Ao invés de comparar elementos ajdacentes, utiliza um gap
(salto) para realizar as comparações.
 Realiza várias passagens pela estrutura com os elementos.
 A última passagem, com gap 1, é o mesmo que executar o
algoritmo de ordenação por inserção direta

Algoritmos de Ordenação – Shell Sort
 Exemplo: gaps de 5, 2 e 1
30 27 22 9 58 13 75 62 2
 Gap 5: realiza o insertion sort no subvetor [30, 13]

13 27 22 9 58 30 75 62 2
 Gap 2: realiza o insertion sort no subvetor [13, 22, 58, 75, 2]

2 27 13 9 22 30 58 62 75
 Gap 1: realiza o insertion sort no vetor inteiro

2 9 13 22 27 30 58 62 75

 Melhor caso: depende dos gaps escolhidos (normalmente

arranjo já ordenado)
 Pior caso: depende dos gaps escolhidos (normalmente arranjo
em ordem inversa)

 Complexidade (pior caso): complexo! Dependendo dos gaps

escolhidos pode ser Θ (n2), Θ (n3/2), Θ (n4/3), etc...
 Ordenação in place e instável
 Abordagem incremental

Algoritmos de Ordenação – Merge Sort
 Abordagem dividir para conquistar: divide recursivamente o

arranjo ao meio em outros dois já ordenados para depois
combinar os resultados (merge)
 Semelhante a dividir uma pilha de cartas ao meio e incluir os
menores de cada pilha numa pilha ordenada
 Ao finalizar uma pilha, o restante da outra pode ser toda
incluída no arranjo ordenado


* Referência [01]

 Análise de complexidade:
 Cada merge é proporcional ao
tamanho dos subarranjos (O(n))
 O arranjo é subdividido e
recombinado log n vezes
 Complexidade total log n * n,
ou seja, O(n log n)
* Referência [01]

 Melhor caso: arranjo já ordenado (imaginem um merge com

[1,2,3,4] e [5,6,7,8])
 Pior caso: quando sobra somente um em cada subarranjo em
cada merge (realiza todas as comparações)

 Complexidade (pior caso): Θ (n log n)

 Ordenação out of place (a combinação é feita fora) e estável
 Abordagem dividir para conquistar (divide and conquer)

Algoritmos de Ordenação – Quick Sort
 Algoritmo com abordagem dividir para conquistar (divide and

conquer)
 Passos:
 Escolhe um pivô
 Separa em dois subarranjos:
 O da esquerda com chaves menores que o pivô
 O da direita com chaves maiores que o pivô
 Realiza o quicksort nos subarranjos

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:

 Exemplo:


 Melhor caso: pivôs escolhidos são os elementos centrais
 Pior caso: pivôs são os extremos, ou o maior ou o menor
elemento
 Abordagem dividir para conquistar

( ) No algoritmo de ordenação denominado quicksort, escolhe-

se um ponto de referência, denominado pivô, e separam-se os
elementos em dois grupos: à esquerda, ficam os elementos
menores que o pivô, e à direita ficam os maiores. Repete-se
esse processo para os grupos de elementos formados
(esquerda e direita) até que todos os elementos estejam
ordenados.

Algoritmos de Ordenação – Heapsort
 Estrutura da dados auxiliar: heap

 Max-heap: árvore binária de busca onde todo elemento filho é
menor que o pai (raiz é o maior elemento)
 Chamadas a Max-heap a cada iteração para buscar os
elementos em ordem:
 1º passo: criar max-heap para todos os elementos
 2º passo: retirar a raiz (maior elemento)
 3º passo: rebalancear a árvore para que seja um novo max-
heap

 Representação do heap: arranjo representando árvore binária

 Regras para representação:
 Pai do nó na posição i é floor(i/2)
 Filho esquerdo de i é 2i
 Filho direito de i é 2i + 1

 Exemplo: heap como árvore binária e como arranjo
* Referência [01]

 Exemplo: heapsort em funcionamento
* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]

* Referência [01]


 Complexidade (pior caso): Θ (n log n)
 Abordagem dividir para conquistar (divide and conquer)

( ) O algoritmo de ordenação heapsort refere-se ao processo de

divisão, ao meio, do grupo de elementos, repetindo-se a divisão
para cada um dos subgrupos, até que esses tenham apenas um
elemento. Nesse ponto, faz-se o reagrupamento dos subgrupos,
comparando os elementos e trocando-os, se necessário, para
que fiquem ordenados. Repete-se esse procedimento até restar
um só grupo de elementos.

Algoritmos de Ordenação – Complexidade
Algoritmo de busca Complexidade (pior caso)

Insertion Sort Θ(n2)
Bubble Sort Θ(n2)
Shell Sort Θ(n2)
Quicksort Θ(n2)
Mergesort Θ(n log n)
Heapsort O(n log n)

Exercício [4] (MPE-PI /2012/Cespe/Analista/113)
( ) O heapsort é um algoritmo de ordenação em que a

quantidade de elementos armazenada fora do arranjo de
entrada é constante durante toda a sua execução.

( ) A ordenação de um vetor contendo n elementos, utilizando-

se algoritmo de bolha, realiza, no pior caso, mais que n/2
comparações.

Exercício [6] (CESPE / ABIN /2010)
( ) A eficácia do método de ordenação rápida (quicksort)

depende da escolha do pivô mais adequado ao conjunto de
dados que se deseja ordenar. A situação ótima ocorre quando o
pivô escolhido é igual ao valor máximo ou ao valor mínimo do
conjunto de dados.

( ) A estrutura de dados heap, que é eficiente para a

implementação do método de ordenação heapsort, consiste em
uma árvore binária completa e sua implementação mais
simples ocorre na forma de array.

( ) Os métodos de ordenação podem ser classificados como

estáveis ou não estáveis. O método é estável se preserva a
ordem relativa de dois valores idênticos. Alguns métodos
eficientes como shellsort ou quicksort não são estáveis,
enquanto alguns métodos pouco eficientes, como o método da
bolha, são estáveis.

( ) A estabilidade de um método de ordenação é importante

quando o conjunto de dados já está parcialmente ordenado.

Em relação à classificação de dados e tipos abstratos de dados

(TADs), julgue os itens subsequentes.
( ) A classificação interna por inserção é um método que
realiza a ordenação de um vetor por meio da inserção de cada
elemento em sua posição correta dentro de um subvetor
classificado.

( ) A pesquisa sequencial é aplicável em estruturas não

ordenadas.

Exercício [12] (CESPE / ALCE /2011)
( ) Considerando-se o número de comparações, a utilização

de busca binária é mais eficiente que a de busca linear, mesmo
que a busca binária somente funcione corretamente quando o
vetor está ordenado

Exercício [13] (CESPE / PEFOCE /2012) (1/2)
( ) O procedimento Ordena, apresentado abaixo, no qual A é

um vetor e n é a quantidade de elementos nesse vetor,
implementa a lógica para classificar, em ordem decrescente, os
números do vetor A.

Exercício [13] (CESPE / PEFOCE /2012) (2/2)
procedimento Ordena(A,n)
inicio
para i de 1 ate n faca
j = i;
para k de j + 1 ate n faca
se A[k] < A[j] entao j = k;
fimpara
t = A[i]; A[i] = A[j]; A[j] = t;
fimpara
fimprocedimento

Exercício [14] (CESPE / PEFOCE /2012)
( ) Para a classificação de grandes volumes de dados,

recomenda-se o emprego do método de inserção direta.

Exercício [15] (CESPE / MPU /2010)
( ) A pesquisa sequencial de uma tabela, ou seja, pela

comparação do argumento da pesquisa com a chave de cada
entrada, terá o desempenho reduzido se a tabela for ordenada a
partir do valor da chave.

Exercício [16] (CESPE / STM /2010)
int busca (int x, int n, int v[]) {

int j = 0;
while (j < n & v[j] < x) ++j;
return j;
}
Considerando o algoritmo acima, julgue os itens a seguir, a respeito de
estrutura de dados, métodos de busca e inserção e ordenação.
( ) O algoritmo em apreço realiza a pesquisa em um vetor de
tamanho n - 1, realizando n comparações nos elementos do vetor, no
melhor caso.

Gabarito
(CNJ/2013/Cespe/Tec. Prog./90) errado [11] certo

(TRE-MS /2013/Cespe/Tec. Prog./34) a [12] certo
(TRE-RJ /2012/Cespe/Tec. Prog./64) certo [13] errado
[01] errado [14] errado
[02] certo [15] errado
[03] errado [16] errado
(Basa /2012/Cespe/Adm. Dados/62 a 67) ececec
(CPRM/2013/Cespe/Adm. Dados/90) c
(CPRM/2013/Cespe/Adm. Dados/92) c
(CPRM/2013/Cespe/Adm. Dados/91) e
[04] certo
[05] certo
[06] errado
[07] certo
[08] certo
[09] errado
[10] certo

Exercícios Complementares
Cesgranrio
Exercício [1] (PETROBRAS / CESGRANRIO /2010)
O algoritmo de ordenação de pior complexidade temporal no

caso médio, dentre os que se seguem, é
a) Merge sort.
b) Bubble sort.
c) Heapsort.
d) Quicksort.
e) Binary tree sort.

Exercício [2] (PETROBRAS / CESGRANRIO /2010) (1/2)
Considere um vetor que contém uma lista ordenada de n dados.

Pressupondo que ainda haja espaço no vetor para um novo elemento, o
custo para inserir este novo elemento neste vetor sem afetar a ordenação
é:
a) O(1), pois basta inserir o novo elemento na primeira posição livre,
encontrada somando-se um à última posição ocupada do vetor.
b) O(1), pois pode-se fazer a inserção de forma recursiva, usando apenas
um teste e uma chamada para a própria rotina.
c) O(n), pois é necessário “deslocar” os elementos já inseridos a fim de
“criar espaço” para o novo elemento, o que pode ser feito com uma
estrutura de repetição simples.

d) O(n2), pois precisamos “deslocar” os elementos já inseridos

a fim de “criar espaço” para o novo elemento, o que pode ser
feito usando o algoritmo Bubblesort.
e) O(log n), pois, como o vetor já está ordenado, pode-se usar a
busca binária para achar a posição correta do novo elemento.

Sendo n o número de nós de uma árvore AVL, a complexidade

temporal para buscar um elemento nesta árvore é
a) O(1)
b) O(log n)
c) (n)
d) (n log n)
e) (n2)

Relacione as operações apresentadas na coluna da esquerda com o

respectivo pior tempo de execução, entre os indicados na coluna da
direita.
Operação
I – Busca de elemento em vetor ordenado
II – Busca de elemento em lista simplesmente encadeada
III – Recuperação de predecessor do nó corrente em lista duplamente
encadeada
IV – Recuperação de predecessor do nó corrente em lista
simplesmente encadeada

Pior tempo de Execução P – O(1) Q – O(n) R – O(log

n)
Estão corretas as associações
a) I - Q, II - Q, III - P, IV – P
b) I - Q, II - R, III - P, IV - Q
c) I - R, II - Q, III - P, IV – Q
d) I - R, II - Q, III - Q, IV - Q
e) I - R, II - R, III - Q, IV - P

Considere uma árvore binária de busca cujos nós armazenam

números inteiros variando de 1 a 100, na qual se quer buscar o
número 54. Qual das seguintes sequências representa uma
sequência de busca válida dentro desta árvore?
a) 5, 18, 34, 60, 40, 52, 54
b) 25, 27, 28, 26, 60, 50, 58, 54
c) 37, 70, 32, <não encontrou>
d) 40, 70, 43, 44, 73, 57, 54
e) 53, 45, 55, <não encontrou>

Um programador precisa realizar buscas em um enorme cadastro

de pessoas (tamanho igual a n) armazenado na memória principal.
Para realizar um processo eficiente de busca, ele decidiu usar uma
árvore AVL e obteve um tempo de execução de ordem f. Um colega,
preocupado com a eficiência do processo de busca, sugeriu-lhe
que usasse um vetor com 10 árvores AVL, onde o índice da árvore
seria dado pelo último dígito do CPF de cada pessoa, dígito este que
é uniformemente distribuído. Assim, cada árvore teria
aproximadamente 1/10 do número de pessoas e o processo de
busca poderia ser mais eficiente.

Se o programador implementar a solução proposta pelo seu

colega, a ordem do tempo de execução do processo de busca
será
a) f
b) f /10
c) f / n
d) f / log210
e) f /10n

Exercício [7] (FINEP / CESGRANRIO /2009)
Seja o seguinte vetor, ordenado de forma ascendente:
Caso se utilize um algoritmo de busca binária, quantas iterações serão

necessárias para que o valor 80 seja encontrado?
a) 2
b) 3
c) 4
d) 8
e) 9

Exercício [8] (TRANSPETR / CESGRANRIO /2011)
O algoritmo Bubble Sort é popular, mesmo que ineficiente.

Usando-se esse algoritmo para ordenar uma tabela, alocada
sequencialmente, em ordem crescente contendo os números
[5, 4, 1, 3, 2] serão feitas:
a) 10 comparações e 8 trocas
b) 10 comparações e 9 trocas
c) 10 comparações e 10 trocas
d) 16 comparações e 9 trocas
e) 16 comparações e 10 trocas

Exercício [8] (TRANSPETR / CESGRANRIO /2011)
O algoritmo Bubble Sort é popular, mesmo que ineficiente.

Usando-se esse algoritmo para ordenar uma tabela, alocada
sequencialmente, em ordem crescente contendo os números
[5, 4, 1, 3, 2] serão feitas:
a) 10 comparações e 8 trocas
b) 10 comparações e 9 trocas [5, 4, 1, 3, 2] C (4) T (4)
[4, 1, 3, 2, 5] C (3) T (3)
c) 10 comparações e 10 trocas
[1, 3, 2, 4, 5] C (2) T (1)
d) 16 comparações e 9 trocas
[1, 2, 3, 4, 5] C (1) T (0)
e) 16 comparações e 10 trocas

Os números 1,2,3,...,N foram inseridos de forma ordenada em

uma árvore binária de busca, em uma árvore AVL e em um
vetor para o qual foi decidido que a posição do número i seria
dada pelo índice i-1. Depois, sabendo-se que nenhuma inserção
posterior será realizada em nenhuma das três estruturas,
decidiu-se fazer uma busca em cada uma destas. Os tempos
que se podem obter para essa busca na árvore binária de
busca, na árvore AVL e no vetor são, respectivamente,

a) O(log N), O(log N), O(N)

b) O(log N), O(log N), O(1)
c) O(log N), O(1), O(log N)
d) O(N), O(log N), O(log N)
e) O(N), O(log N), O(1)

Exercício [10] (BNDES CESGRANRIO/2009)
Seja n o tamanho da entrada de um algoritmo para um problema

P. Cada alternativa, que corresponde a um algoritmo distinto,
apresenta o número de operações necessárias para resolver P.
Considerando-se a análise assintótica (Big O notation), qual
algoritmo possui menor complexidade?
a) 2 + 10log n
b) 3n2 + n
c) 1000 + 2n3
d) 5n + 128
e) 4n

Exercício [11] (BNDES / CESGRANRIO /2009)
Uma fábrica de software foi contratada para desenvolver um

produto de análise de riscos. Em determinada funcionalidade
desse software, é necessário realizar a ordenação de um conjunto
formado por muitos números inteiros. Que algoritmo de
ordenação oferece melhor complexidade de tempo (Big O
notation) no pior caso?
a) Merge sort
b) Insertion sort
c) Bubble sort
d) Quick sort
e) Selection sort

Gabarito
[01] b
[02] c
[03] b
[04] c
[05] a
[06] a
[07] b
[08] a
[09] e
[10] a
[11] a
Referências Bibliográficas
[01] Cormen, Leiserson, Rivest, Stein. Introduction to

Algorithms. Third Edition.
[02] Wikipedia. Acesso em 23/06/2012.

Exercícios Complementares
FCC
Exercício [01] (TRE-SP / FCC /2012)
No que se refere a estruturas de dados é INCORRETO afirmar:

a) Numa fila dupla, os elementos podem ser inseridos e removidos de
qualquer um dos extremos da fila.
b) Em qualquer situação é possível usar uma única fila dupla para
representar duas filas simples.
c) A implementação de uma fila dupla normalmente é mais eficiente com
uma lista duplamente encadeada que com uma encadeada simples.
d) Pela definição de fila, se os elementos são inseridos por um extremo da
lista linear, eles só podem ser removidos pelo outro.
e) Numa lista singularmente encadeada, para acessar o último nodo é
necessário partir do primeiro e ir seguindo os campos de ligação até chegar
ao final da lista.

Exercício [02] (TRE-CE /FCC /2012)
Sobre pilhas é correto afirmar:

a) Uma lista LIFO (Last-In/First-Out) é uma estrutura estática, ou seja, é uma
coleção que não pode aumentar e diminuir durante sua existência.
b) Os elementos na pilha são sempre removidos na mesma ordem em que foram
inseridos.
c) Uma pilha suporta apenas duas operações básicas, tradicionalmente
denominadas push (insere um novo elemento no topo da pilha) e pop (remove um
elemento do topo da pilha).
d) Cada vez que um novo elemento deve ser inserido na pilha, ele é colocado no
seu topo e, em qualquer momento, apenas aquele posicionado no topo da pilha
pode ser removido.
e) Sendo P uma pilha e x um elemento qualquer, a operação Push(P,x) diminui o
tamanho da pilha P, removendo o elemento x do seu topo.

Exercício [03] (TRT-19ª (AL) / FCC /2011)
FIFO refere-se a estruturas de dados do tipo

a) fila.
b) árvore binária.
c) pilha.
d) matriz quadrada.
e) cubo.

Exercício [04] (TRT-8ª (PA e AP) / FCC /2010)
A estrutura de dados linear que obedece o seguinte critério: o

último elemento inserido será o primeiro elemento a ser retirado
(last in first out - LIFO) é:
a) pilha.
b) fila.
c) árvore binária.
d) árvore AVL.
e) lista circular.

Exercício [05] (TRT-22ª (PI) / FCC /2010)
Uma fila duplamente terminada, isto é, uma estrutura linear que

permite inserir e remover de ambos os extremos é chamada
a) Árvore.
b) Shift-and.
c) Autômato.
d) Deque.
e) Boyer-Moore.

Exercício [06] (MPE-RN / FCC /2010)
Último dado armazenado é o primeiro a ser recuperado

caracteriza a estrutura de dados do tipo
a) árvore.
b) pilha.
c) string.
d) fila.
e) boolean.

Exercício [07] (TJ-PI / FCC /2009) (1/2)
Uma lista ligada é uma estrutura que corresponde a uma sequência

lógica de entradas ou nós. Cada nó armazena a localização do próximo
elemento na sequência, ou seja, de seu nó sucessor. Nessa estrutura,
a) para estabelecer a ligação entre um nó já pertencente a uma lista e
um novo nó, basta fazer com que o novo nó referencie no, campo next,
o nó que anteriormente era referenciado pelo nó original, desde que
esse campo não tenha o valor nulo.
b) a existência de um ponteiro apontando para o 1º elemento e outro
para o fim da lista permite que a inserção ou deleção de dados de um
nó que esteja no meio da lista seja rapidamente executada.

Exercício [07] (TJ-PI / FCC /2009) (2/2)
c) enquanto a entrada que determina o topo da lista é mantida

em um nó descritor dessa lista, a entrada que marca o fim da
lista é mantida fora do descritor.
d) o armazenamento de uma lista requer uma área contígua de
memória para permitir a otimização no processamento de
criação e remoção de nós da lista.
e) o armazenamento de uma lista não requer uma área contígua
de memória. Como listas são estruturas dinâmicas,
normalmente são definidos procedimentos que permitem criar e
remover nós na memória.

Exercício [08] (TRT-4ª (RS) / FCC /2011)
No contexto das vinculações de subscritos e categorias de

matrizes, NÃO se inclui como uma categoria a matriz
a) estática.
b) dinâmica na pilha.
c) associativa.
d) fixa dinâmica na pilha.
e) dinâmica no monte.

Exercício [09] (TRT-9ª (PR) / FCC /2010)
É uma estrutura de dados dividida em linhas e colunas. Desta

forma, pode-se armazenar diversos valores dentro dela. Para
obter um valor é necessário identificá-lo por meio do número da
linha e da coluna onde está armazenado. Trata-se de
a) árvore.
b) matriz.
c) pilha.
d) fita.
e) deque.

Exercício [10] (TRT-18ª (GO) / FCC /2008)
Árvore AVL balanceada em altura significa que, para cada nó da

árvore, a diferença entre as alturas das suas sub- árvores
(direita e esquerda) sempre será
a) menor ou igual a 2.
b) igual a 0 ou -1.
c) maior que 1.
d) igual a 1.
e) igual a -1, 0 ou 1.

Exercício [11] (TRE-PI / FCC /2009)
Uma árvore binária completa, estritamente binária, cuja raiz

está no nível 0 e a altura da árvore é 5, possui uma quantidade
de nós igual a
a) 63.
b) 62.
c) 32.
d) 31.
e) 30.

Exercício [12] (MPE-SE / FCC /2010) (1/2)
Em uma árvore ordenada, um elemento pode ser eliminado

colocando-se em seu lugar o
I. maior elemento da sub-árvore à esquerda do elemento a
eliminar.
II. menor elemento da sub-árvore à direita do elemento a
eliminar.
III. elemento vazio, da sub-árvore à esquerda do elemento a
eliminar.
IV. elemento vazio, da sub-árvore à direita do elemento a
eliminar.

Exercício [12] (MPE-SE / FCC /2010) (2/2)
É correto o que se afirma APENAS em

a) I, II e IV.
b) I e II.
c) I, III e IV.
d) I, II e III.
e) III e IV.

Exercício [13] (TRE-CE / FCC /2012) (1/2)
Com relação a árvores binárias é INCORRETO afirmar:

a) Uma árvore binária é uma coleção finita de n>0 nodos que
não pode ser nula.
b) Uma árvore binária, cuja raiz armazena o elemento R, é
denominada árvore de busca binária se todo elemento
armazenado na subárvore esquerda é menor que R, nenhum
elemento armazenado na subárvore direita é menor que R e as
subárvores esquerda e direita também são árvores de busca
binária.

Exercício [13] (TRE-CE / FCC /2012) (2/2)
c) É um caso especial de árvore em que nenhum nodo tem grau

superior a 2, isto é, nenhum nodo tem mais que dois filhos.
d) Existe um nodo especial denominado raiz e os demais nodos
são particionados em T1 e T2 estruturas disjuntas de árvores
binárias. T1 é denominado subárvore esquerda e T2 subárvore
direita da raiz.
e) É uma árvore que pode ser nula.

Exercício [14] (MPE-RN / FCC /2010)
Uma árvore binária completa tem, no 5º nível, uma quantidade

de nós igual a
a) 31
b) 32
c) 64
d) 15
e) 16

Exercício [15] (TJ-SE / FCC /2009)
O nível 5 de uma árvore binária completa tem

a) 16 nós, na quarta camada.
b) 16 nós, na quinta camada.
c) 32 nós, na quinta camada.
d) 32 nós, na sexta camada.
e) 64 nós, na sexta camada.

Exercício [16] (TRF-4ª / FCC /2010)
Sobre árvores, considere:

I. O número de subárvores de um nodo denomina-se grau.
II. Uma árvore binária não pode ser nula.
III. Toda árvore, inclusive as nulas, possui um nodo especial denominado raiz.
Está correto o que consta em
a) I, apenas.
b) I, II e III.
c) I e II, apenas.
d) I e III, apenas.
e) III, apenas.

Exercício [17] (TRT-19ª (AL) / FCC /2011)
Em uma árvore binária, todos os nós têm grau

a) 2.
b) 0, 1 ou 2.
c) divisível por 2.
d) maior ou igual a 2.
e) 0 ou 1.

Exercício [18] (TCE-AL / FCC /2008)
Quando se elimina o nó raiz de uma estrutura em árvore, o que

dela restar forma
a) outra árvore.
b) uma floresta.
c) uma árvore binária.
d) uma sub-árvore.
e) um conjunto de sub-árvores.

Exercício [19] (TRE-RN / FCC /2011)
Uma estrutura de dados onde cada nó mantém uma informação

adicional, chamada fator de balanceamento, que indica a
diferença de altura entre as subárvores esquerda e direita, é
conhecida por árvore
a) hiberbólica.
b) de busca binária.
c) ordenada.
d) AVL.
e) binária.

Exercício [20] (TCE-AP / FCC /2012)
Um grafo consiste num conjunto de nós (ou vértices) e num

conjunto de arcos (ou arestas). É correto afirmar que o grau de um
nó é
a) o número de arcos incidentes nesse nó.
b) um número associado ao arco, também chamado de peso.
c) a distância entre este nó e um outro nó qualquer do grafo.
d) a posição deste nó em relação ao nó raiz do grafo
e) o número de pares ordenados que formam o arco.

Exercício [21] (TRT-11ª (AM) / FCC /2012)
Um grafo é uma estrutura de dados consistida em um conjunto

de nós (ou vértices) e um conjunto de arcos (ou arestas). O
grafo em que os arcos possuem um número ou peso associados
a eles, é chamado de grafo
a) predecessor.
b) adjacente.
c) incidente.
d) ponderado.
e) orientado.

Exercício [22] (METRÔ-SP / FCC /2010)
É uma noção simples, abstrata e intuitiva, usada para

representar a ideia de alguma espécie de relação entre os
objetos. Graficamente, aparece representado por uma figura
com nós ou vértices. Trata-se dos
a) objetos geométricos.
b) triângulos.
c) grafos.
d) dados.
e) registros.

No grafo exibido, o caminho v1, v2, v4, v3 tem comprimento

igual a
a) 6.
b) 5.
c) 4.
d) 3.
e) 2.

O grafo representado é um grafo

a) conexo.
b) fortemente conexo.
c) não orientado.
d) parcial.
e) isolado.

Exercício [25] (TRT-11ª (AM) / FCC /2012)
A estrutura de dados chamada grafo consiste num conjunto de

nós (ou vértices) e num conjunto de arcos (ou arestas). Cada arco
em um grafo é especificado por um par de nós. Se os pares de
nós que formam o arco forem pares ordenados, diz-se que o
grafo é
a) incidente.
b) ponderado.
c) adjacente.
d) orientado.
e) sucessor.

Exercício [26] (TCE-PR / FCC /2011)
É um tipo de estrutura de dados em que a função de dispersão

é a responsável por gerar um índice a partir de determinada
chave; por causa das colisões, muitas tabelas de dispersão são
aliadas com alguma outra estrutura de dados:
a) vetores.
b) matrizes.
c) listas encadeadas.
d) tabela hash.
e) sort.

Exercício [27] (TRF-5ª / FCC /2010)
Vetores associativos, caches e sets

a) especificam a profundidade de um nó nas árvores binárias (distância
de um nó até a raiz).
b) são tipicamente implementados por tabelas hash, usadas na
indexação de grandes volumes de dados.
c) especificam as ordens de grandeza em uma estrutura DEQUE.
d) são elementos especificados no modelo conceitual de dados.
e) devem ser especificados pelos usuários de bancos de dados durante
o projeto lógico

Exercício [28] (TRT-14ª (RO e AC) / FCC /2011) (1/2)
Considere:
I. Estrutura de dados linear e estática, composta por um número finito de
elementos de um determinado tipo de dados.
II. É linear e dinâmica quando encadeada; apresenta um campo para
conter o dado a ser armazenado e outro campo para apontar para o
próximo elemento.
III. Os elementos associados a cada nó são habitual- mente chamados de
filhos desses nós, podendo existir nós sem filhos.
IV. É tipicamente uma representação de vértices ligados por arestas que
eventualmente, podem ser direcionadas por meio de setas.

Exercício [28] (TRT-14ª (RO e AC) / FCC /2011) (2/2)
Em relação às estruturas de dados, é correto afirmar que os

itens I, II, III e IV estão associados, respectivamente, a
a) lista, fila, pilha e vetor.
b) fila, vetor, grafo e árvore.
c) vetor, lista, árvore e grafo.
d) lista, fila, grafos e tabela de hashing.
e) fila, vetor, árvore e tabela de hashing.

Exercício [29] (TRE-AM / FCC /2010) (1/2)
As coleções de dados podem ser classificadas em estruturas

lineares e estruturas não lineares. Nesse contexto, é correto afirmar
que
a) a fila de prioridade é uma versão especial da fila, uma estrutura
não linear. Quando se retira um elemento desta estrutura é
selecionado aquele que tem maior prioridade, tendo portanto a
ordenação do tipo FIFO.
b) a lista é uma estrutura linear cuja implementação pode ser feita
por meio de lista ligada em que as estruturas são estáticas ou
através de um array para permitir que as estruturas sejam ligadas
dinamicamente.

Exercício [29] (TRE-AM / FCC /2010) (2/2)
c) na pilha, uma estrutura não linear, os elementos são colocados e

retirados por um único lado da lista, ou seja, pelo topo, que é alterado
sempre que um elemento é adicionado ou retirado da pilha. É um tipo de
estrutura que tem a ordenação do tipo LILO.
d) na tabela de Hash a chave é transformada num índice inteiro que é
usado para acessar os dados. A chave pode ser um string, desde que haja
uma função que transforme essa chave num inteiro. É uma estrutura
linear.
e) tendo uma estrutura não linear, um array dinâmico é criado usando
técnicas de alocação e gestão dinâmica de memória. Pode ser
redimensionado e é alocado durante o tempo de compilação.

Gabarito
[01] b [11] a [21] d

[02] d [12] b [22] c
[03] a [13] a [23] d
[04] a [14] e [24] b
[05] d [15] d [25] d
[06] b [16] a [26] d
[07] e [17] b [27] b
[08] c [18] b [28] c
[09] b [19] d [29] d
[10] e [20] a

Estruturas Dados

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estruturas Dados

Cargado por

Copyright:

Formatos disponibles

Estruturas de Dados

Ordenação, pesquisa e hashing

Cursos Turmas em Brasília, na sua cidade, e cursos online

Simulados Questões inéditas, ranking de notas e correções em vídeo

Blog Dicas e macetes de estudo, indicações de bibliografia, etc.

Materiais Versões atualizadas de notas de aula e listas de exercícios

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 3 W W W. D O M I N A N D OT I .CO M . B R

 Listas lineares: estruturas que preservam a ordem de

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 4 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 5 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 6 W W W. D O M I N A N D OT I .CO M . B R

( ) Na estrutura de dados do tipo lista, todo elemento novo que

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 7 W W W. D O M I N A N D OT I .CO M . B R

( ) O tempo de busca de um elemento em uma lista duplamente encadeada

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 8 W W W. D O M I N A N D OT I .CO M . B R

( ) Uma lista é uma coleção de elementos do mesmo tipo

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 9 W W W. D O M I N A N D OT I .CO M . B R

 Estruturas ligadas em sequência

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 10 W W W. D O M I N A N D OT I .CO M . B R

( ) Na situação em que o número de acessos randômicos

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 11 W W W. D O M I N A N D OT I .CO M . B R

 Linguagens procedurais: ponteiros

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 12 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 13 W W W. D O M I N A N D OT I .CO M . B R

public class Nodo {

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 14 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 15 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 16 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 17 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 18 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 19 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 20 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 21 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 22 W W W. D O M I N A N D OT I .CO M . B R

( ) O uso de listas encadeadas na representação de matrizes

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 23 W W W. D O M I N A N D OT I .CO M . B R

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 24 W W W. D O M I N A N D OT I .CO M . B R

( ) Em uma lista encadeada, o tempo de acesso a qualquer um

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 25 W W W. D O M I N A N D OT I .CO M . B R

 First In First Out – FIFO (PEPS)

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 26 W W W. D O M I N A N D OT I .CO M . B R

 Inclusão: enqueue (enfileirar)

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 27 W W W. D O M I N A N D OT I .CO M . B R

( ) Uma fila é uma estrutura de dados sujeita à seguinte regra

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 28 W W W. D O M I N A N D OT I .CO M . B R

( ) Em uma estrutura de dados do tipo pilha, o único elemento

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 29 W W W. D O M I N A N D OT I .CO M . B R

( ) As filas são estruturas com base no princípio LIFO (last in,

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 30 W W W. D O M I N A N D OT I .CO M . B R

 Elementos podem ser incluídos e removidos no início ou no fim

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 31 W W W. D O M I N A N D OT I .CO M . B R

 Last In First Out – LIFO (UEPS) ou First In Last Out – FILO

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 32 W W W. D O M I N A N D OT I .CO M . B R

 Inclusão: PUSH (empilhar)

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 33 W W W. D O M I N A N D OT I .CO M . B R

( ) Se fosse implementado um algoritmo que simulasse o

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 34 W W W. D O M I N A N D OT I .CO M . B R

Assinale a opção que apresenta uma estrutura de dados

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 35 W W W. D O M I N A N D OT I .CO M . B R

( ) As pilhas são listas encadeadas cujos elementos são

Professor Marcelo Pacote - marcelopacote@dominandoti.com.br 36 W W W. D O M I N A N D OT I .CO M . B R

( ) O armazenamento do tipo FIFO (first in, first out) é