pilas

Estructura de Datos
Unidad
Temas
Subtemas
1
Análisis de algoritmos.
1.1 Concepto de Complejidad de algoritmos.
1.2 Aritmética de la notación O.
1.3 Complejidad.
1.3.1 Tiempo de ejecución de un algoritmo.
1.3.2 Complejidad en espacio.
1.4 Selección de un algoritmo.

2
Manejo de memoria.
2.1 Manejo de memoria estática.
2.2 Manejo de memoria dinámica.

3
Estructuras linealesestática y dinámicas.
3.1 Pilas.
3.2 Colas.
3.3 Listas enlazadas.
3.3.1 Simples.
3.3.2 Dobles.

4
Recursividad.
4.1 Definición.
4.2 Procedimientos recursivos.
4.3 Mecánica de recursión.
4.4 Transformación de algoritmos recursivos a iterativos.
4.5 Recursividad en el diseño.
4.6 Complejidad de los algoritmos recursivos.

5
Estructuras no lineales estáticas y dinámicas.
5.1 Concepto deárbol.
5.1.1 Clasificación de árboles.
5.2 Operaciones Básicas sobre árboles binarios.
5.2.1 Creación.
5.2.2 Inserción.
5.2.3 Eliminación.
5.2.4 Recorridos sistemáticos.
5.2.5 Balanceo.

6
Ordenación interna.
6.1 Algoritmos de Ordenamiento por Intercambio.
6.1.1 Burbuja.
6.1.2 Quicksort.
6.1.3 ShellSort.
6.2 Algoritmos de ordenamiento por Distribución.
6.2.1 Radix.

7Ordenación externa.
7.1 Algoritmos de ordenación externa.
7.1.1 Intercalación directa.
7.1.2 Mezcla natural.

8
Métodos de búsqueda.
8.1 Algoritmos de ordenación externa.
8.1.1 Secuencial.
8.1.2 Binaria.
8.1.3 Hash.
8.2 Búsqueda externa.
8.2.1 Secuencial.
8.2.2 Binaria.
8.2.3 Hash.


Unidad 1. Análisis de algoritmos.
Introducción
La resolución práctica de un problema exige por una parteun algoritmo o método de resolución y por otra un programa o codificación de aquel en un ordenador real. Ambos componentes tienen su importancia; pero la del algoritmo es absolutamente esencial, mientras que la codificación puede muchas veces pasar a nivel de anécdota.
A efectos prácticos o ingenieriles, nos deben preocupar los recursos físicos necesarios para que un programa se ejecute. Aunquepuede haber muchos parametros, los mas usuales son el tiempo de ejecución y la cantidad de memoria (espacio). Ocurre con frecuencia que ambos parametros están fijados por otras razones y se plantea la pregunta inversa: ¿cual es el tamano del mayor problema que puedo resolver en T segundos y/o con M bytes de memoria? En lo que sigue nos centraremos casi siempre en el parametro tiempo de ejecución,si bien las ideas desarrolladas son fácilmente aplicables a otro tipo de recursos.
Para cada problema determinaremos un medida N de su tamaño (por número de datos) e intentaremos hallar respuestas en función de dicho N. El concepto exacto que mide N depende de la naturaleza del problema. Así, para un vector se suele utizar como N su longitud; para una matriz, el número de elementos que lacomponen; para un grafo, puede ser el número de nodos (a veces es mas importante considerar el número de arcos, dependiendo del tipo de problema a resolver); en un fichero se suele usar el número de registros, etc. Es imposible dar una regla general, pues cada problema tiene su propia lógica de coste.
1.1 Concepto de Complejidad de algoritmos.
La complejidad nos sirve para ver cuanto cuesta laejecución de un programa.

Asintotas
Por una parte necesitamos analizar la potencia de los algoritmos independientemente de la potencia de la máquina que los ejecute e incluso de la habilidad del programador que los codifique. Por otra, este análisis nos interesa especialmente cuando el algoritmo se aplica a problema grandes. Casi siempre los problemas pequeños se pueden resolver de cualquier forma,apareciendo las limitaciones al atacar problemas grandes. No debe olvidarse que cualquier técnica de ingeniería, si funciona, acaba aplicándose al problema más grande que sea posible: las tecnologias de éxito, antes o después, acaban llevándose al límite de sus posibilidades.
Las consideraciones anteriores nos llevan a estudiar el comportamiento de un algoritmo cuando se fuerza el tamaño del...