ecnico Nacional
Escuela Superior de C
omputo
Problemario: An
alisis de Algoritmos
Profesor: Dr. Benjamn Luna Benoso.
Grupo:
Alumno:
Febrero 2016
1. Calcular el costo computacional temporal (O) de las funciones main de cada uno de
los mostrados en la figura 1, a partir del costo computacional temporal de lnea por lnea.
iii) 10n2 + 4n 6
/ O(n)
vi) 10n2 + 4n + 2 (n2 )
t(n) =
1
si n = 1
1 + t(n 1) si n > 1
Demuestre que t(n) (n), demostrando por induccion matematica que t(n) = n n
1.
9. Considere el costo de un algoritmo como la funcion t(n) definida como:
t(n) =
4 + t(n/2) si n > 1
3
si n = 1
2
si n = 2
2T (n/2) + n si n = 2k , para k > 1
es T (n) = nlogn.
11. Sean f (n) y g(n) funciones asintoticamente no negagtivas. Usando la definicion de
la notacion , demostrar que max(f (n), g(n)) = (f (n) + g(n)).
12. Demostrar mediante la definicion de que si a y b son n
umeros reales constantes
con b > 0, entonces (n + a)b = (nb ).
13. Demuestre mediante la definicion de O si cada una de las siguientes proposiciones
son falsas o verdaderas:
i) 2n+1 = O(2n ).
ii) 22n = O(2n ).
14. Demostrar que nlogn = O(n1+a ), donde 0 < a < 1.
15. Simplificar O(3m3 + 2mn2 + n2 + 10m + m2 ).
16. Demostrar que si p(n) = ak nk + ak1 nk1 + + a0 con ak 6= 0 es un polinomio,
entonces p(n) = O(nk ).
17. Calcule el orden de complejidad temporal del siguiente algoritmo en el mejor y en el
pero de los casos (Calculando lnea por lnea).
Algorithm Enigma(An1n1 )
Input: Una matriz An1n1 de tama
no n 1 n 1.
for i 0 to n 2 do
for j i + 1 to n 1 do
if A[i][j] 6= A[j][i]
return false
3
return true
18. Resolver las siguientes ecuaciones de recurrencia:
i) x(n) = x(n 1) + 5 n > 1, x(1) = 0.
ii) x(n) = 3x(n 1) n > 1, x(1) = 4.
iii) x(n/2) + n n > 1, x(1) = 1 (considerar para n = 2k ).
iv) x(n) = x(n/3) + 1 n > 1, x(1) = 1 (considerar para n = 3k ).
19. Calcular el orden de complejidad del siguiente algoritmo:
Algorithm Q(n)
Input: Un entero positivo n
if n=1 return 1
else return Q(n 1) + 2n 1
1 3
6 8
20. Sea A =
yB=
. Usar el algoritmo de Strassens para calcular el
7 5
4 2
producto A B.
21. Demostrar que la solucion de:
i) T (n) = T (n 1) + n es O(n2 ).
ii) T (n) = T (dn/2e) + 1 es O(log n).
iii) T (n) = 2T (bn/2c) + n es O(nlog n).
22. Probar que si T (n) = 2T (b nc) + log n, entonces T (n) = O(log nloglog n).
23. Demostrar que la recurrencia T (n) = 4T (n/3) + n tiene orden de complejidad temporal T (n) = (nlog3 4 ).
3T (bn/4c) + n si n > 1
1
si n = 1