1.Fácil
¿Qué notación describe una cota superior del crecimiento?
- ATheta grande (Big Theta)
- BOmega grande (Big Omega)
- CO grande (Big O)
- DOmega pequeña (little omega)
2.Fácil
¿Cómo se llama un crecimiento O(2ⁿ)?
- AExponencial
- BLineal
- CLogarítmico
- DPolinómico
3.Fácil
¿Cuál es el tiempo de ejecución del ordenamiento por cuentas (counting sort) para n enteros en el rango de 0 a k?
- AO(k log n)
- BO(n²)
- CO(n + k)
- DO(n log n)
4.Media
¿Cuál es la solución de la recurrencia T(n) = 2T(n/2) + O(1)?
- AO(log n)
- BO(n)
- CO(n log n)
- DO(n²)
5.Media
¿Cómo construye el algoritmo de Prim un árbol de expansión mínima?
- AOrdena todas las aristas por peso y añade cada una salvo que forme un ciclo en el bosque
- BEjecuta una búsqueda en anchura y se queda con el árbol BFS
- CElimina la arista más cara hasta que no quedan ciclos
- DHace crecer un único árbol desde un vértice inicial, añadiendo la arista más barata que sale del árbol
6.Media
La recurrencia T(n) = 2T(n/2) + O(n) tiene como solución:
- AO(n²)
- BO(n log n)
- CO(log n)
- DO(n)
7.Difícil
El problema de la mochila 0/1 resuelto con programación dinámica requiere un tiempo O(nW). ¿Por qué se llama pseudopolinómico?
- APorque el algoritmo es aleatorizado y su tiempo de ejecución varía con cada entrada
- BW es un número, así que el tiempo es exponencial en el número de bits empleados para escribir W
- CPorque n siempre es pequeño
- DPorque solo funciona para W = 0
8.Difícil
¿Cuál es la complejidad temporal de: para i = 1 hasta n: para (j = i; j ≤ n; j = j + i) hacer trabajo O(1)?
- AO(n log n)
- BO(n √n)
- CO(n²)
- DO(n)
Soluciones
- 1. C · O grande (Big O)
- 2. A · Exponencial
- 3. C · O(n + k)
- 4. B · O(n)
- 5. D · Hace crecer un único árbol desde un vértice inicial, añadiendo la arista más barata que sale del árbol
- 6. B · O(n log n)
- 7. B · W es un número, así que el tiempo es exponencial en el número de bits empleados para escribir W
- 8. A · O(n log n)
Soluciones completas paso a paso: practica este tema en examproblems.com.