Questões sobre Notação Big-O: como analisar a complexidade de algoritmos
Questão 1
Qual é o principal objetivo da notação Big-O?A.
Medir o tempo exato de execução em segundos B.
Descrever o crescimento do custo de um algoritmo conforme o tamanho da entrada aumenta C.
Contar o número de linhas do código D.
Melhorar a sintaxe do código
Questão 2
Por que não usamos tempo real na análise de algoritmos?A.
Porque Big-O só funciona em Java B.
Porque o tempo real depende de hardware, sistema operacional e linguagem C.
Porque tempo real não existe D.
Porque todos os algoritmos executam no mesmo tempo
Questão 3
O que significa o termo “assintótico” na análise de complexidade?A.
Análise do código em tempo de compilação B.
Comportamento quando n é muito pequeno C.
Comportamento do algoritmo quando n tende a valores grandes D.
Número de variáveis do algoritmo
Questão 4
Qual é a forma correta simplificada de f(n) = 3n² + 10n + 7 em Big-O?A.
O(n) B.
O(n²) C.
O(3n² + 10n + 7) D.
O(log n)
Questão 5
Por que ignoramos constantes na notação Big-O?A.
Porque constantes não existem na matemática B.
Porque elas não influenciam o crescimento para grandes valores de n C.
Porque deixam o código mais lento D.
Porque são sempre zero
Questão 6
Qual classe cresce mais rapidamente?A.
O(n) B.
O(n log n) C.
O(n²) D.
O(2ⁿ)
Questão 7
Qual das alternativas representa crescimento constante?A.
O(n) B.
O(log n) C.
O(1) D.
O(n²)
Questão 8
Qual algoritmo geralmente tem complexidade O(log n)?A.
Busca linear B.
Busca binária C.
Dois loops aninhados D.
Percorrer array inteiro
Questão 9
O que significa dizer que O(n²) é pior que O(n)?A.
Significa que usa menos memória B.
Significa que cresce mais lentamente C.
Significa que o custo cresce mais rapidamente com o aumento de n D.
Significa que sempre executa mais rápido
Questão 10
Qual é a ordem correta de crescimento (do melhor para o pior)?A.
O(n²), O(n), O(1), O(log n) B.
O(1), O(log n), O(n), O(n²) C.
O(log n), O(1), O(n²), O(n) D.
O(n), O(1), O(n²), O(log n)