INSTITUTO TECNOLÓGICO

SUPERIOR DE MISANTLA

INGENIERÍA EN SISTEMAS
COMPUTACIONALES

Reporte de investigación
UNIDAD 4: Estructuras no lineales.

QUE PRESENTA
García Hernández Laura Yesenia

DOCENTE: MSC. JOSÉ ANTONIO HIRAM VÁZQUEZ LÓPEZ

MISANTLA, VERACRUZ DICIEMBRE DE 2019

ESTRUCTURAS NO LINEALES

Las estructuras no lineales se conforman por grafos y árboles.

Un árbol es una estructura de datos homogénea, dinámica y no lineal, en la que cada

nodo puede tener varios nodos posteriores, pero sólo puede tener un nodo anterior. Se
encuentra constituido por nodos y arcos donde el primero de los nodos del árbol recibe
el nombre de raíz, del cual se desprenden los nodos interiores y de éstos los nodos
llamados hoja, que son los nodos que se encuentran al final del árbol.

Los árboles se clasifican como árbol binario y árbol n-ario

Un árbol binario es una estructura recursiva. Sería un conjunto de 0 o más nodos en el

cual existe un nodo raíz y cada uno de los nodos, incluido la raíz podrán tener 0, 1 o
dos subárboles:

 Subárbol izquierdo y subárbol derecho.

 Cada nodo es como máximo de grado 2.

RECORRIDO DE UN ÁRBOL BINARIO

Existen 3 tipos de recorridos:
 RECORRIDO PREORDEN
El recorrido preorden conlleva los siguientes pasos, en los que el nodo raíz va antes
que los subárboles:
1. Visitar el nodo raíz.
2. Recorrer el subárbol izquierdo en preorden.
3. Recorrer el subárbol derecho en preorden.

 RECORRIDO ENORDEN
• El recorrido enorden (inorder) procesa primero el subárbol izquierdo, después el raíz y
a continuación el subárbol derecho. El significado de en (in) es que la raíz se procesa
entre los subárboles.
• Si el árbol no está vacío, el método implica los siguientes pasos:
 1. Recorrer el subárbol izquierdo (I) en enorden.
2. Visitar el nodo raíz (N).
3. Recorrer el subárbol derecho (D) en enorden.

 . RECORRIDO POSTORDEN
El recorrido postorden procesa el nodo raíz (post) después de que los subárboles
izquierdo y derecho se han procesado. Se comienza situándose en la hoja más a la
izquierda y se procesa. A continuación se procesa subárbol derecho. Por último, se
procesa el nodo raíz. Las etapas del algoritmo, si el árbol no está vacío, son:

1. Recorrer el subárbol izquierdo (I) en postorden.

2. Recorrer el subárbol derecho (D) en postorden.
3. Visitar el nodo raíz (N).

APLICACIONES
 Binary Space Partition - que se Utiliza en casi todos los de vídeo 3D juego para
determinar qué objetos deben ser prestados.
 Binario Trata - se Utiliza en casi todos los de alto ancho de banda del router para
almacenar router-tablas.
 Hash Árboles - se usa en los programas p2p y especializado imagen de la firma en
la que un hash debe ser verificado, pero todo el archivo no está disponible.
 La Codificación Huffman Árbol (Chip Uni) - que se utiliza en los algoritmos de
compresión, tales como los utilizados por el .jpeg y .mp3 archivo-formatos.
 GGM Árboles - que se Utiliza en aplicaciones criptográficas para generar un árbol
de números pseudo-aleatorios.
 El Árbol sintáctico - Construido por los compiladores y (implícitamente)
calculadoras para analizar expresiones.

GRAFOS
Un grafo G agrupa entes físico o conceptuales y las relaciones entre ellos. Por tanto, un
grafo está formado por un conjunto de vértices o nodos V, que representan a los entes,
y un conjunto de arcos A, que representan las relaciones entre vértices. Se representa
con el par G = (V, A).
Grafos Dirigidos y no Dirigidos.

Un grafo es dirigido (dígrafo), si los pares de nodos que forman los arcos son
ordenados; se representan con una flecha que indica la dirección de la relación, u --> v.

Si un grafo tiene asociada una magnitud entre un nodo se dice que es un grafo
valorado.

 Grado de entrada, grado de salida de un nodo

El grado es una cualidad que se refiere a los nodos de un grafo.

En un grafo no dirigido el grado de un nodo v, grado (v), es el número de arcos que

contiene a v. En un grafo dirigido se distingue entre grado de entrada y grado de salida.

ÁRBOLES DE DECISIÓN
Un árbol de decisión es un modelo de predicción cuyo objetivo principal es el
aprendizaje inductivo a partir de observaciones y construcciones lógicas. Constituyen
probablemente el modelo de clasificación más utilizado y popular. Es posible construir
con precisión árboles de decisión a partir de datos.
Un ejemplo de ello son datos médicos, ya que los porcentajes de clasificación con
ayuda de IA, tienen un margen de error mínimo y es posible que pueda mejorar su
eficiencia con la ayuda del experto este agrega variables o cambia sus parámetros.
Podemos concluir que a partir de un conjunto de datos aportados por un especialista en
una disciplina es posible tener en los árboles de decisión una herramienta de apoyo y
ayuda confiable para el diagnóstico médico, es importante destacar que lo más
importante es contar con un conjunto de datos consistente y confiable, ya que este tipo
de herramientas están sujetas al conocimiento del experto que aportará la información,
esto ayudara a ser más certero en el diagnóstico médico para el paciente.
Bibliografía
Acosta, J. A. (s.f.). SlidesHare. Obtenido de SlidesHare:
https://es.slideshare.net/JosAntonioSandovalAc/estructura-de-datos-estructuras-no-lineales

BlogsPot. (Enero de 2011). Obtenido de BlogsPot: http://tesciedd.blogspot.com/2011/01/unidad-4-

clasificacion-de-grafos.html

BlogsPot. (02 de Noviembre de 2013). Obtenido de http://cuatro-estructuras-no-lineales.blogspot.com/

BlogsPot. (Julio de 2015). Obtenido de BlogsPot:

http://estructuradedatos10111248.blogspot.com/2015/07/estructuras-lineales-y-no-
lineales.html

Iteramos. (25 de Enero de 2010). Obtenido de Iteramos:

https://www.iteramos.com/pregunta/5134/cuales-son-las-aplicaciones-de-arboles-binarios

Luis Rodríguez Baena. (s.f.). Obtenido de

http://www.colimbo.net/documentos/documentacion/113/FPII04_Estructuras_no_lineales_de_
datos.pdf

Oscar Blancarte. (22 de Agosto de 2014). Obtenido de

https://www.oscarblancarteblog.com/2014/08/22/estructura-de-datos-arboles/