1

Tipos definidos O programador pode definir seus próprios

tipos de dados tipos complexos usados da mesma

forma que os simples declaram-se variáveis utilizando-se

esses novos tipos

2

Tipos definidos pelo usuário

Definição de tipo não incorpora novas operações de

acesso ao tipo operações: as mesmas dos elementos

básicos usados na construção do tipo

3

Agregados de Dados de objetos elementares ou de outros

agregados de elementos homogêneos: array de elementos heterogêneos: struct

objeto agregado tem um único nome a manipulação pode ser feita sobre um

único componente elementar de cada vez algumas linguagens permitem atribuir

valores ou comparar agregados inteiros

4

Agregados Heterogêneos struct

struct { int registro; char nome[50]; int idade; float salario;} funcionario;

Seu emprego

funcionario funcionario;

funcionario.idade = 35;end_func = &funcionario;

5

Agregados Heterogêneos Struct: arranjo seqüencial de

componentes cada componente ocupa um número inteiro

de unidades endereçáveis de memória, podendo ser referenciado pelo nome de seu campo

variáveis não podem conter nomes de campos

6

Agregados Heterogêneos e Homogêneos

Struct { int a; float b; int c[5];} tipo_T

tipo_T a[N];

índices: inteiros de 0 a N-1 tipo_T – tipo de cada

elemento

7

Agregados Homogêneos float a [5];

mapeamento dos inteiros de 0 a 4 no conjuntos dos reais

um objeto/elemento pode ser selecionado por indexação: índice do domínio

a[k]: aplicação da função ao argumento k k fora do domínio implica em erro,

detectado em tempo de execução

8

Agregados Homogêneos Array

aloca um número inteiro de unidades endereçáveis de memória contígua

o nome do array indica a posição de memória onde se encontra o 1o. elemento

uma referência a primeira posição da área onde o objeto de informação está armazenado

é um ponteiro

9

Seqüências Exemplo: cadeias de caracteres (strings) operações sobre cadeias:

concatenação seleção do primeiro ou último componente uma subcadeia pode ser extraída

especificando-se as posições do primeiro e do último caracteres desejados

10

Ponteiros Endereço de memória

variável ponteiro guarda o endereço do valor correspondente ao seu tipo

Operadores de Ponteiro: & e * &a = endereço da variável a *a = conteúdo do endereço a

11

Ponteiros utilização de ponteiros em C

retorno de valores em argumentos de função

tipos retornados por função tipos de dados recursivos: estruturas

de dados dinâmicas - listas encadeadas ...

12

Ponteiros variáveis que guardam ponteiros devem

ser declaradas como tal declaração: tipo * nome_ponteiro

tipo: tipo base do ponteiro aloca memória para um endereço e

não, para a variável cuidado - espaços devem ser

alocados pode levar a sérias violações de tipos

13

Ponteiros exemplo

14

Ponteiros Alocação Dinâmica

int * x;x = malloc(sizeof(int));

um ponteiro pode ficar pendurado - pode se referir a uma posição que não alocadafree(x);

uma posição de memória alocada pode ficar inacessível (x local a uma função)

15

Ponteiros Alocação pode causar estouro da pilha:

deve-se sempre utilizar o free para limpeza

Ponteiros não inicializados podem provocar acesso não controlado à memória (violação)

NULL: não aponta para nada (inicializações)

16

Controle a Nível de Instrução

Seqüência Seleção

if (condição) comando1 else comando2switch ... case....

Repetiçãowhile (condição)...do ... while(condição)for (i=0; i<N; i++) .....

17

Subprogramas e Blocos Blocos: unidade de programa

iniciado em seqüência a partir da primeira instrução

define um ambiente local

Subprogramas: um novo “comando” também definem um ambiente local dá nome a uma unidade de programa

sua chamada faz com que o controle seja transferido para a unidade chamada (primeira instrução) e executa até encontrar o fim da unidade (última instrução)

18

Subprogramas e Blocos

Main(){.......

A = Calculo()A= A+1;.......

}

Calculo(){1a. instrução2a. instrução.......última instrução}

1

última

19

Subprogramas e Blocos Ao terminar, o controle volta para instrução

seguinte a chamada Parâmetros Formais

convenções para passagem de parâmetros permitem troca de informação explícita entre unidades

variáveis podem ser declaradas dentro das funções – locais a função fora das funções – variáveis globais na lista de parâmetros – passagem de

parâmetros

20

Complexidade de Algoritmos

Uma característica importante de qualquer algoritmo é seu tempo de execução é possível determiná-lo através de

métodos empíricos, considerando-se entradas diversas

é também possível obter este tempo a partir de métodos analíticos

21

Complexidade de Algoritmos Métodos analíticos

objetivo: determinar uma expressão matemática que traduza o comportamento de tempo de um algoritmo.

o tempo de execução independente: do método utilizado da linguagem e compiladores empregados e das condições locais de processamento

22

Complexidade de Algoritmos obter uma expressão matemática não é

simples, mesmo considerando uma expressão aproximada

Várias simplificações são introduzidas quantidade de dados a serem

manipulados pelo algoritmo é suficientemente grande

quantidade de dados de entrada reduzida não serão considerados

23

Complexidade de Algoritmos somente o comportamento assintótico é

avaliado

não serão consideradas constantes aditivas ou multiplicativas na expressão considerada

24

Complexidade de Algoritmos

Qual a variável em relação à qual a expressão matemática avaliará o tempo de execução?

Um algoritmo funciona a partir de uma entrada para produzir uma saída dentro de um tempo

fornecer o tempo de execução em função da entrada

25

Complexidade de Algoritmos

O processo de execução de um algoritmo pode ser dividido em etapas elementares - passos um número fixo de operações básicas

cujo tempo de execução é considerado constante

a operação básica de maior freqüência de execução do algoritmo é denominada operação dominante

26

Complexidade de Algoritmos

expressão de tempo de execução - obtida a menos de constantes aditivas e multiplicativas: número de passos número de execuções da

operação dominante A expressão matemática de avaliação do

tempo de execução de um algoritmo é a função que fornece o número de passos efetuados no algoritmo a partir de uma certa entrada

27

Complexidade de Algoritmos

Por exemplo: algoritmos para ordenar os elementos de uma seqüência dada cada passo corresponde a comparação entre

dois elementos da seqüência

O número de passos de um algoritmo constitui a informação de que se necessita para avaliar seu comportamento no tempo

28

Complexidade de Algoritmos

Inversão de uma seqüência

fim = n/2for (i=0; i<fim; i++){ temp = S[i];

S[i] = S[n-1-i];S[n-1-i] = temp;

}

29

Complexidade de Algoritmos n = 5 troca S[i] por S[n-1-i]

fim = 2 i = 0 troca S[0] por S[5-1-0] (S[4]) i = 1 troca S[1] por S[5-1-1] (S[3])

inicial final

M AA R I

0 41 2 3

A MI R A

0 41 2 3

30

Complexidade de Algoritmos n = 6 troca S[i] por S[n-1-i]

fim = 3 i = 0 troca S[0] por S[6-1-0] (S[5]) i = 1 troca S[1] por S[6-1-1] (S[4]) i = 2 troca S[2] por S[6-1-2] (S[3])

inicial final

E DS T A

0 41 2 3

O SD A T

0 41 2 3

O

5

E

5

31

Complexidade de Algoritmos n = 50 troca S[i] por S[n-1-i]

fim = 25 i = 0 troca S[0] por S[50-1-0] (S[49]) i = 1 troca S[1] por S[50-1-1] (S[48]) i = 2 troca S[2] por S[50-1-2] (S[47])......... i = 23 troca S[23] por S[50-1-23] (S[26]) i = 24 troca S[24] por S[50-1-24] (S[25])

32

Complexidade de Algoritmos

o algoritmo executa extamente as mesmas operações para seqüências de tamanho n

cada passo corresponde à troca de posição entre dois elementos da seqüência a execução das três atribuições

o número de passos é igual ao número de vezes que executa o bloco for n/2, n>1

33

Complexidade de Algoritmos Problema: determinar a soma C e o

produto D de duas matrizes dadas A e B. A = (aij) e B = (bij) ambas n x n C e D também serão matrizes n x n seus elementos podem ser calculados como: cij = aij + bij

dij = aik * bkj 1k n

34

Complexidade de Algoritmos

Somafor(i=0; i<n; i++)

for(j=0; j<n; j++)cij = aij + bij ;

Produtofor(i=0; i<n; i++)

for(j=0; j<n; j++){ dij = 0;

for(k=0; k<n; k++) dij = dij + aik* bkj;

}

35

Complexidade de Algoritmos

Seja A um algoritmo {E1, ....Em} o conjunto de todas as

entradas possíveis de A seja ti o número de passos efetuados por

A quando a entrada for Ei

Complexidade do pior caso: max Ei E {ti } Complexidade do melhor caso: min Ei E

{ti }

36

Complexidade de Algoritmos

Complexidade do caso médio: 1i m piti

pi é a probabilidade de ocorrência da

entrada Ei

De forma análoga podem ser definidas complexidades de espaço de um algoritmo complexidade tem por objetivo avaliar a

eficiência de tempo ou espaço

37

Complexidade de Algoritmos

Complexidade de tempo do pior caso para a entrada mais desfavorável é a mais importante das três

mencionadas fornece um limite superior para o

número de passos