數据结构的习题1-3章.docVIP

第一章 绪论 1-1 简述下列概念：数据、数据元素、数据类型、数据结构、逻辑结构、存储结构、线性结构、非线性结构。 1-2设三个函数f,g,h分别为 f(n)=100n3+n2+1000 , g(n)=25n3+5000n2 , h(n)=n1.5+5000nlgn 请判断下列关系是否成立： (1) f(n)=O(g(n))? (2) g(n)=O(f(n))? (3) h(n)=O(n1.5) (4) h(n)=O(nlgn) 1-3 设n为正整数，利用大O记号，将下列程序段的执行时间表示为n的函数。 (1) i=1; k=0;? 　　 while(in) 　　　 { k=k+10*i;i++; 　　　 }◆ T(n)=n-1∴ T(n)=O(n)◇ 这个函数是按线性阶递增的 (2) i=0; k=0; 　　 do{ 　　　　k=k+10*i; i++;? 　　　 } 　　 while(in);?◆ T(n)=n∴ T(n)=O(n)◇ 这也是线性阶递增的 (3) i=1; j=0;? 　　 while(i+j=n)? 　　　 { 　　　　 if (ij) j++; 　　　　 else i++; 　　　 }◆ T(n)=n/2∴ T(n)=O(n)◇ 虽然时间函数是n/2,但其数量级仍是按线性阶递增的。 (4)x=n; // n1? 　 while (x=(y+1)*(y+1)) 　　 y++; ◆ T(n)=n1/2∴ T(n)=O(n1/2)◇ 最坏的情况是y=0，那么循环的次数是n1/2次，这是一个按平方根阶递增的函数。 (5) x=91; y=100;? while(y0) 　　　　 if(x100) 　　　　　 {x=x-10;y--;} 　　　　 else x++;◆ T(n)=O(1)◇ 这个程序看起来有点吓人，总共循环运行了1000次，但是我们看到n没有?没。这段程序的运行是和n无关的，就算它再循环一万年，我们也不管他，只是一个常数阶的函数。1-4 按增长率由小至大的顺序排列下列各函数： 2100, (3/2)n，(2/3)n， nn ,n0.5 , n! ，2n ，lgn ,nlgn, n(3/2) (2/3)^n 2^100 lgn √n n^(3/2) n^lgn (3/2)^n 2^n n! n^n 1-5 上机作业（advanced)： 完成复数的抽象数据类型各种操作的实现，并用客户程序进行测试。要求提交源程序的打印稿及运行结果截图并贴在作业本上。 使用复数数据类型的客户程序： #include “stdafx.h” #include “CpxNum.h” int main(int argc, char * argv[]) { cpxNum c1,c2; double real, imag; cout“请输入复数的实部和虚部：”； cinrealimag; assign(c1, real, imag); cout”生成的复数是：”; print(c1); ......; cout”c1+c2的结果是：”; print(cplus(c1,c2)); coutendl; ......; return(0); } 称一个函数g(n)是O(f(n))，当且仅当存在常数c0和n0=0，对一切nn0均有|g(n)|=c|f(n)|成立，也称函数g(n)以f(n)为界或者称g(n)囿于f(n)。记作g(n)=O(f(n))。 定义：如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数。T(n)称为这一算法的“时间复杂度”。当输入量n逐渐加大时，时间复杂度的极限情形称为算法的“渐近时间复杂度”。　　我们常用大O表示法表示时间复杂度，注意它是某一个算法的时间复杂度。大O表示只是说有上界，由定义如果f(n)=O(n)，那显然成立f(n)=O(n^2)，它给你一个上界，但并不是上确界，但人们在表示的时候一般都习惯表示前者。此外，一个问题本身也有它的复杂度，如果某个算法的复杂度到达了这个问题复杂度的下界，那就称这样的算法是最佳算法。 常见的时间复杂度，按数量级递增排列依次为：常数阶O(1)、对数阶O(log2n)、线性阶O(n)、线性对数阶O(nlog2n)、平方阶O(n^2)、立方阶O(n^3)、k次方阶O(n^k)、指数阶O(2^n)。 第二章 线性表 2-1 试描述头指针、头结点、开始结点的区别、并说明头指针和头结点的作用。 2-2何时选用顺序表、何时选用链表作为线性表的存储结构为宜? 2-3在顺序表中插入和删除一个结点需平均移动多少个结点?具