ALGORITMOS COMPUTACIONALES

506310

SEMANA 3 – Algoritmos y estructuras de datos.

Guía de Investigación.

1. ¿Qué es un dato?
Un dato es una representación simbólica de información que puede ser procesada, almacenada
o transmitida. En el contexto de la tecnología de la información, un dato es una unidad básica de
información y puede referirse a cualquier tipo de información, como números, palabras,
imágenes, sonidos, videos, entre otros.

2. ¿Qué es un tipo?
En el contexto de la programación y la informática, un tipo se refiere a una categoría o
clasificación de datos que determina la forma en que se almacenan, se representan y se
manipulan. Los tipos son una parte fundamental de los lenguajes de programación y ayudan a
definir el comportamiento y las operaciones que se pueden realizar en los datos.

3. ¿Qué es un tipo de datos?

Un tipo de datos es una categoría o clasificación que define las propiedades y las operaciones
que se pueden realizar en un valor o conjunto de valores en un lenguaje de programación. Los
tipos de datos determinan cómo se almacenan los datos en la memoria y qué operaciones se
pueden realizar con ellos.

Los tipos de datos pueden ser básicos o primitivos, como enteros, números de punto flotante,
caracteres, booleanos, entre otros. Estos tipos de datos básicos están predefinidos en la mayoría
de los lenguajes de programación y proporcionan una representación eficiente y optimizada de
los datos.

4. ¿De qué consta un tipo de datos?

Un tipo de dato consta de dos elementos principales: el rango de valores que puede contener y
las operaciones que se pueden realizar en esos valores. Estos elementos definen las
propiedades y el comportamiento asociados con el tipo de dato en un lenguaje de programación.
Veamos cada uno de ellos en detalle:

Rango de valores: Cada tipo de dato tiene un conjunto específico de valores que puede
almacenar. Por ejemplo, el tipo de dato entero puede almacenar números enteros positivos y
negativos dentro de un cierto rango, mientras que el tipo de dato booleano solo puede contener
los valores verdadero o falso. El rango de valores puede estar limitado por el tamaño de la
representación en memoria del tipo de dato y las restricciones del lenguaje de programación.
Operaciones y comportamiento: Los tipos de datos determinan las operaciones que se pueden
realizar en los valores que contienen. Estas operaciones pueden incluir operaciones aritméticas
(suma, resta, multiplicación, etc.), operaciones lógicas (AND, OR, NOT, etc.), comparaciones
(igualdad, mayor que, menor que, etc.) y otras operaciones específicas asociadas con el tipo de
dato. Por ejemplo, los tipos de datos de cadena de texto suelen permitir la concatenación de
cadenas, la búsqueda de subcadenas, etc.

5. ¿Hable de los tipos de datos primitivos?

Los tipos de datos primitivos, también conocidos como tipos básicos, son los tipos de datos
predefinidos en la mayoría de los lenguajes de programación. Estos tipos de datos primitivos
representan valores simples y fundamentales que se utilizan para construir estructuras de datos
más complejas. A continuación, se presentan algunos de los tipos de datos primitivos más
comunes:

Entero (int): Representa números enteros positivos o negativos sin decimales. Ejemplos de
enteros son -5, 0, 10, 100, etc.

Número de punto flotante (float o double): Representa números con decimales. Los números
de punto flotante pueden tener una precisión limitada dependiendo del tipo utilizado. Ejemplos
de números de punto flotante son 3.14, -0.5, 2.71828, etc.

Carácter (char): Representa un único carácter alfanumérico. Puede ser una letra, un número o
un carácter especial. Ejemplos de caracteres son 'a', '7', '$', etc.

Booleano (bool): Representa un valor lógico que puede ser verdadero (true) o falso (false). Se
utiliza para realizar evaluaciones condicionales. Ejemplos de valores booleanos son true y false.

Cadena de texto (Sting): Representa una secuencia de caracteres. Se utiliza para almacenar
texto o palabras. ¡Ejemplo de una cadena de texto es “¡Hola, mundo!".

6. ¿Qué es un tipo de dato atómico?

Un tipo de dato atómico se refiere a un tipo de datos que no se puede subdividir en componentes
más pequeños. También se le conoce como tipo de dato primitivo o tipo de dato elemental. A
diferencia de los tipos de datos compuestos, que están formados por la combinación de otros
tipos de datos, los tipos de datos atómicos representan valores indivisibles.

7. ¿Hable de los tipos de datos compuestos y agregados?

Los tipos de datos compuestos y agregados son aquellos que están formados por la
combinación de uno o más tipos de datos más simples. Estos tipos de datos permiten
agrupar y organizar valores relacionados en una sola entidad. A continuación, se mencionan
algunos ejemplos comunes de tipos de datos compuestos y agregados:

Estructuras (struct): Las estructuras permiten combinar diferentes tipos de datos en un solo
objeto. Pueden contener variables de distintos tipos y se definen mediante la agrupación de
dichas variables en una estructura con nombre. Por ejemplo, una estructura "Persona" puede
contener variables como nombre (cadena de texto), edad (entero) y altura (número de punto
flotante).

Clases (class): Las clases son una forma de definir tipos de datos compuestos que también
pueden contener variables y funciones. Las variables dentro de una clase se conocen como
atributos o propiedades, y las funciones se llaman métodos. Las clases permiten definir objetos
con características y comportamientos específicos, y son fundamentales en la programación
orientada a objetos.

Listas (list): Las listas son estructuras de datos que contienen una secuencia ordenada de
elementos del mismo tipo o incluso de diferentes tipos. Permiten almacenar múltiples valores en
una sola variable. Por ejemplo, una lista de enteros puede contener los números 1, 2, 3, etc.

Arreglos (array): Los arreglos son estructuras de datos que almacenan una colección fija de
elementos del mismo tipo. A diferencia de las listas, tienen un tamaño fijo y se accede a los
elementos utilizando un índice numérico. Por ejemplo, un arreglo de enteros puede contener los
valores 5, 10, 15, etc.

Tuplas (tuple): Las tuplas son secuencias inmutables de elementos de diferentes tipos. A
diferencia de las listas y los arreglos, las tuplas no se pueden modificar después de su creación.
Se utilizan para agrupar datos relacionados que no cambiarán. Por ejemplo, una tupla puede
contener el nombre (cadena de texto) y la edad (entero) de una persona.

8. ¿Qué es un array?
Un array, también conocido como arreglo o matriz, es una estructura de datos que permite
almacenar un conjunto de elementos del mismo tipo en una secuencia ordenada. Cada elemento
dentro del array se identifica por un índice numérico que indica su posición relativa en la
secuencia.

Los arrays son utilizados para almacenar y acceder eficientemente a colecciones de datos
relacionados. Son especialmente útiles cuando se necesita manejar múltiples valores del mismo
tipo y se requiere un acceso rápido a ellos mediante su posición.

9. ¿Qué es una secuencia o cadena?

Una secuencia o una cadena, en el contexto de la programación y la informática, se refiere a
una serie ordenada de elementos. Estos elementos pueden ser caracteres, números, objetos
u otros tipos de datos, dependiendo del contexto en el que se esté utilizando.

Una cadena, específicamente, es una secuencia de caracteres. En la mayoría de los lenguajes

de programación, las cadenas se representan mediante texto encerrado entre comillas
dobles ("") o simples (''). Por ejemplo, “Hola, ¡mundo!" es una cadena de texto. Las secuencias
y las cadenas son ampliamente utilizadas en la programación para almacenar y manipular datos
ordenados.

10. ¿Qué es un registro?

En programación y bases de datos, un registro se refiere a una estructura de datos que
contiene un conjunto de campos o atributos relacionados. Cada campo en el registro
almacena información específica sobre una entidad o entidad relacionada. Los registros se
utilizan para organizar y almacenar datos de manera estructurada, y son ampliamente utilizados
en sistemas de gestión de bases de datos y otros contextos de programación.
Cada registro está compuesto por uno o más campos, y cada campo tiene un nombre y un valor
asociado. Por ejemplo, considera un registro de "Empleado" que contiene los campos
"Nombre", "Edad" y "Salario". Cada campo del registro almacenaría los datos correspondientes
para un empleado específico.

11. ¿Qué es una estructura de datos?

Una estructura de datos se refiere a una forma organizada de almacenar y organizar datos en
una memoria de una computadora o en una base de datos. Proporciona una manera eficiente de
administrar y manipular datos para realizar operaciones específicas, como búsqueda, inserción,
eliminación y modificación.

Las estructuras de datos son utilizadas en programación para representar y gestionar conjuntos
de datos de manera eficiente. Cada estructura de datos tiene sus propias características y reglas
para almacenar y acceder a los datos.

12. ¿Cuándo una solución es denomina eficiente?

Una solución se considera eficiente cuando logra cumplir con su objetivo de manera óptima,
aprovechando al máximo los recursos disponibles, como tiempo, memoria o procesamiento. En
el contexto de la programación, una solución eficiente se caracteriza por su rapidez, bajo
consumo de memoria y capacidad para manejar grandes conjuntos de datos de manera efectiva.

13. ¿Mencione las etapas en la selección de una estructura de datos?

La selección de una estructura de datos adecuada para un problema específico implica varias
etapas. A continuación, se mencionan las etapas comunes en el proceso de selección de
estructuras de datos:

1. Análisis del problema: Comprender completamente el problema que se está abordando es

el primer paso. Esto incluye identificar los requisitos del problema, los tipos de operaciones que
se realizarán en los datos y las limitaciones de recursos, como tiempo y memoria.

2. Identificación de las operaciones clave: Determinar las operaciones fundamentales que se

llevarán a cabo con los datos, como inserción, eliminación, búsqueda, acceso, ordenamiento,
etc. Esto ayuda a comprender qué características y comportamientos son necesarios en la
estructura de datos.

3. Evaluación de las características requeridas: Basado en las operaciones clave

identificadas, se deben considerar las características necesarias de la estructura de datos, como
eficiencia en tiempo y memoria, capacidad para manejar grandes volúmenes de datos,
flexibilidad, facilidad de implementación, etc.

4. Evaluación de las estructuras de datos disponibles: Examinar las estructuras de datos

disponibles en el lenguaje de programación o bibliotecas estándar. Investigar las características
y el rendimiento de cada estructura de datos para determinar si se ajustan a los requisitos del
problema.

5. Comparación y selección: Comparar las estructuras de datos candidatas y evaluar cómo se

adaptan a los requisitos del problema. Considerar aspectos como el tiempo de ejecución, el
consumo de memoria, la simplicidad de implementación y el mantenimiento.
6. Implementación y prueba: Una vez seleccionada una estructura de datos, implementarla en
el código y realizar pruebas exhaustivas para asegurarse de que cumple con los requisitos y
funciona correctamente en diferentes escenarios.

14. ¿Enumere y defina las propiedades de los algoritmos?

Los algoritmos son secuencias de instrucciones o pasos que se utilizan para resolver un
problema o realizar una tarea específica. Estas son algunas de las propiedades clave de los
algoritmos:

1. Precisión: Los algoritmos deben estar definidos de manera precisa y sin ambigüedades. Cada
paso debe ser claro y no dar lugar a interpretaciones diferentes.

2. Finitud: Los algoritmos deben terminar después de un número finito de pasos. No deben
entrar en bucles infinitos o continuar indefinidamente.

3. Determinismo: Los algoritmos deben ser deterministas, es decir, dada una entrada específica,
el algoritmo debe producir siempre la misma salida. No debe haber resultados aleatorios o
dependientes del estado del sistema.

4. Claridad: Los algoritmos deben ser comprensibles y legibles para las personas. Deben estar
estructurados de manera que sea fácil entender el propósito de cada paso y cómo se relacionan
entre sí.

5. Eficiencia: Los algoritmos deben ser eficientes en términos de tiempo y espacio. Deben
realizar la tarea requerida de manera óptima, minimizando el consumo de recursos y
maximizando el rendimiento.

6. Modularidad: Los algoritmos pueden ser divididos en módulos o subrutinas más pequeñas y
bien definidas. Esta propiedad facilita la comprensión, el mantenimiento y la reutilización de
código.

7. Correctitud: Los algoritmos deben producir resultados correctos y exactos para todas las
entradas válidas. Deben resolver el problema de manera adecuada y cumplir con los requisitos
y restricciones establecidas.

8. Adaptabilidad: Los algoritmos pueden ser adaptados o ajustados para adaptarse a diferentes
situaciones o requisitos. Pueden ser diseñados para manejar diferentes tamaños de entrada o
adaptarse a cambios en los datos o en el entorno.

15. ¿Hable de la eficiencia de un algoritmo?

La eficiencia de un algoritmo se refiere a su capacidad para utilizar de manera óptima los recursos
disponibles, como tiempo de ejecución y uso de memoria, a medida que resuelve un problema o
realiza una tarea específica. Una consideración importante en la eficiencia de un algoritmo es su
rendimiento en relación con el tamaño de entrada.

Existen dos aspectos clave de la eficiencia de un algoritmo:

1. Complejidad temporal: Se refiere a la cantidad de tiempo que un algoritmo tarda en

ejecutarse, medida en función del tamaño de entrada. La complejidad temporal se suele expresar
en notación "O grande" (Big O) para representar el crecimiento asintótico del tiempo de ejecución
a medida que el tamaño de entrada aumenta. Por ejemplo, una complejidad temporal de O(n)
significa que el tiempo de ejecución del algoritmo es linealmente proporcional al tamaño de
entrada.

2. Complejidad espacial: Se refiere a la cantidad de memoria o espacio requerido por un

algoritmo para almacenar datos y realizar sus cálculos. La complejidad espacial también se suele
expresar en notación "O grande" para representar el crecimiento asintótico del espacio requerido
a medida que el tamaño de entrada aumenta. Por ejemplo, una complejidad espacial de O(n)
significa que el espacio requerido por el algoritmo es proporcional al tamaño de entrada.

16. ¿Qué nos permite el análisis de algoritmos?

El análisis de un algoritmo nos permite comprender y evaluar su rendimiento y eficiencia
antes de su implementación. Al analizar un algoritmo, podemos obtener información sobre
cómo se comportará en términos de tiempo de ejecución y uso de memoria en diferentes
escenarios y tamaños de entrada. Algunos beneficios clave del análisis de algoritmos son:

1. Comparación de algoritmos: Permite comparar diferentes enfoques para resolver un

problema y determinar cuál es más eficiente en términos de tiempo y espacio. Esto nos ayuda
a seleccionar la mejor solución para una situación dada.

2. Optimización: El análisis de algoritmos nos permite identificar partes del algoritmo que
pueden ser mejoradas para lograr un mejor rendimiento. Podemos identificar cuellos de botella,
eliminar redundancias o mejorar la estructura general para reducir el tiempo de ejecución o el
uso de memoria.

3. Predicción de rendimiento: El análisis nos permite predecir cómo se comportará un

algoritmo en diferentes tamaños de entrada. Podemos estimar el tiempo de ejecución y el uso
de memoria para comprender cómo escalará el algoritmo a medida que aumenta el tamaño de
los datos.

4. Toma de decisiones informadas: El análisis de algoritmos nos proporciona información

valiosa para tomar decisiones informadas sobre el diseño y la implementación de soluciones.
Podemos evaluar los compromisos entre el tiempo de ejecución y el uso de memoria y
seleccionar la mejor opción según los requisitos y restricciones del problema.

5. Identificación de límites: El análisis nos ayuda a identificar los límites teóricos de un

algoritmo. Podemos determinar la máxima cantidad de datos que puede manejar o el tiempo
máximo que tomará en el peor de los casos. Esto es importante para establecer expectativas
realistas y comprender las limitaciones del algoritmo.