Podcast
Questions and Answers
5 kg द्रव्यमान की चाल 0.2 sec में 65 cm/s से घटाकर 15 cm/s करने के लिए इस पर कार्यरत अवरोधी बल होना चाहिए:
5 kg द्रव्यमान की चाल 0.2 sec में 65 cm/s से घटाकर 15 cm/s करने के लिए इस पर कार्यरत अवरोधी बल होना चाहिए:
- 25 N
- 100 N (correct)
- 12.5 N
- 50 N
एक स्प्रिंग तुला लिफ्ट की छत से जुड़ी है। एक व्यक्ति अपना थैला इस स्प्रिंग पर टांग देता है, जब लिफ्ट स्थिर है तो यह 49 N का पाठ्यांक देती है। यदि लिफ्ट नीचे की ओर 5 m/s² के त्वरण से गतिमान हो जाये तो स्प्रिंग तुला का पाठ्यांक होगा:
एक स्प्रिंग तुला लिफ्ट की छत से जुड़ी है। एक व्यक्ति अपना थैला इस स्प्रिंग पर टांग देता है, जब लिफ्ट स्थिर है तो यह 49 N का पाठ्यांक देती है। यदि लिफ्ट नीचे की ओर 5 m/s² के त्वरण से गतिमान हो जाये तो स्प्रिंग तुला का पाठ्यांक होगा:
- 15 N
- 74 N (correct)
- 24 N
- 49 N
10 N का एक बल, 20 kg द्रव्यमान की एक वस्तु पर 10 sec तक कार्य करता है। इसके संवेग में परिवर्तन है:
10 N का एक बल, 20 kg द्रव्यमान की एक वस्तु पर 10 sec तक कार्य करता है। इसके संवेग में परिवर्तन है:
- 100 kg m/s
- 5 kg m/s (correct)
- 200 kg m/s
- 1000 kg m/s
एक विमीय गति करती हुई वस्तु का रेखीय संवेग p समय के साथ समीकरण $p = a + bt^2$ के अनुसार परिवर्तित होता है, जहाँ a तथा b धनात्मक नियतांक हैं। वस्तु पर लगने वाला परिणामी बल होगा:
एक विमीय गति करती हुई वस्तु का रेखीय संवेग p समय के साथ समीकरण $p = a + bt^2$ के अनुसार परिवर्तित होता है, जहाँ a तथा b धनात्मक नियतांक हैं। वस्तु पर लगने वाला परिणामी बल होगा:
10 kg द्रव्यमान का एक शिलाखण्ड 10 m/s के वेग से गतिमान है। यह विस्फोटित होने पर क्रमशः 9 kg और 1 kg द्रव्यमान के दो भागों में विभक्त हो जाता है। यदि प्रथम द्रव्यमान विराम में हो, तब दूसरे भाग का वेग होगा :
10 kg द्रव्यमान का एक शिलाखण्ड 10 m/s के वेग से गतिमान है। यह विस्फोटित होने पर क्रमशः 9 kg और 1 kg द्रव्यमान के दो भागों में विभक्त हो जाता है। यदि प्रथम द्रव्यमान विराम में हो, तब दूसरे भाग का वेग होगा :
100 ग्राम द्रव्यमान की लोहे की गेंद किसी दीवार से 30° के कोण पर 10 मी/सेकंड के वेग से टकराती है तथा समान कोण पर वापिस लौटती है। यदि गेंद तथा दीवार के मध्य संपर्क समय 0.1 सेकंड हैं, तो दीवार पर किया गया बल होगा :
100 ग्राम द्रव्यमान की लोहे की गेंद किसी दीवार से 30° के कोण पर 10 मी/सेकंड के वेग से टकराती है तथा समान कोण पर वापिस लौटती है। यदि गेंद तथा दीवार के मध्य संपर्क समय 0.1 सेकंड हैं, तो दीवार पर किया गया बल होगा :
एक भारहीन डोरी एक भारहीन तथा घर्षणहीन चरखी से गुजरते हुए $m_1$ एवं $m_2$ द्रव्यमान के दो गुटकों को लटकाए (ऊर्ध्वाधरत:) हुए है। यदि निकाय का त्वरण $g/8$ है, तब द्रव्यमानों का अनुपात होगा:
एक भारहीन डोरी एक भारहीन तथा घर्षणहीन चरखी से गुजरते हुए $m_1$ एवं $m_2$ द्रव्यमान के दो गुटकों को लटकाए (ऊर्ध्वाधरत:) हुए है। यदि निकाय का त्वरण $g/8$ है, तब द्रव्यमानों का अनुपात होगा:
रॉकेट अपनी उड़ान के प्रथम सेकंड में, 2400 मी/से के वेग से अपने द्रव्यमान का 1/60वाँ भाग छोड़ता है। रॉकेट का त्वरण है:
रॉकेट अपनी उड़ान के प्रथम सेकंड में, 2400 मी/से के वेग से अपने द्रव्यमान का 1/60वाँ भाग छोड़ता है। रॉकेट का त्वरण है:
Flashcards
चरखी समस्या
चरखी समस्या
एक रस्सी जो एक घर्षणरहित चरखी से गुजरती है और m₁ और m₂ द्रव्यमान के दो टुकड़ों को लटकती है।
रॉकेट का त्वरण
रॉकेट का त्वरण
एक रॉकेट अपनी उड़ान के पहले सेकंड में 2400 मीटर/सेकंड की गति से अपने द्रव्यमान का 1/60वाँ भाग छोड़ता है।
परिवर्ती बल
परिवर्ती बल
एक वस्तु का वेग समय के साथ बदलता है, जिसे समीकरण p = a + bt² के अनुसार दर्शाया गया है, जहाँ a और b धनात्मक नियतांक हैं।
प्रत्यास्थ टक्कर
प्रत्यास्थ टक्कर
Signup and view all the flashcards
परिणामी वेग
परिणामी वेग
Signup and view all the flashcards
विस्फोट
विस्फोट
Signup and view all the flashcards
Study Notes
Capítulo 9: Algoritmos de ordenamiento simples
Introducción
- Capítulo sobre algoritmos de ordenamiento elementales.
- Fáciles de implementar para entender los conceptos.
- No eficientes para grandes conjuntos de datos.
- Útiles para conjuntos de datos pequeños o como bloques para algoritmos más complejos.
Bubble sort (ordenamiento de burbuja)
- Funciona pasando repetidamente por la lista, comparando elementos adyacentes.
- Intercambia los elementos si están en el orden incorrecto.
- El elemento más grande "burbujea" a su posición correcta al final de cada pase.
- Algoritmo:
- Comenzar con el primer elemento de la lista.
- Comparar el elemento actual con el siguiente.
- Si el elemento actual es mayor que el siguiente, intercambiarlos.
- Moverse al siguiente elemento y repetir hasta el final de la lista.
- Repetir el proceso para n-1 pases, donde n es el número de elementos.
Pseudocódigo
for (i = 0; i < n-1; i++) {
for (j = 0; j < n-i-1; j++) {
if (arr[j] > arr[j+1]) {
swap(arr[j], arr[j+1]);
}
}
}
- Ejemplo: [5, 1, 4, 2, 8]
- Primer pase:
- (5 1 4 2 8) -> (1 5 4 2 8)
- (1 5 4 2 8) -> (1 4 5 2 8)
- (1 4 5 2 8) -> (1 4 2 5 8)
- (1 4 2 5 8) -> (1 4 2 5 8)
- Segundo pase:
- (1 4 2 5 8) -> (1 4 2 5 8)
- (1 4 2 5 8) -> (1 2 4 5 8)
- (1 2 4 5 8) -> (1 2 4 5 8)
- Tercer pase:
- (1 2 4 5 8) -> (1 2 4 5 8)
- (1 2 4 5 8) -> (1 2 4 5 8)
- Primer pase:
- Propiedades:
- Complejidad temporal:
- $O(n^2)$ en el caso promedio y peor.
- $O(n)$ en el mejor de los casos (si ya está ordenado).
- Complejidad espacial: $O(1)$
- Estable: Sí.
- Complejidad temporal:
Selection sort (ordenamiento por selección)
- Realiza solo un intercambio por cada pase en la lista.
- Encuentra repetidamente el elemento mínimo del parte desordenada y lo coloca al principio.
- Algoritmo:
- Encontrar el valor mínimo en la lista.
- Intercambiar con el valor en la primera posición.
- Repetir para el resto de la lista (comenzando en la segunda posición).
Pseudocódigo
for (i = 0; i < n-1; i++) {
int min_idx = i;
for (j = i+1; j < n; j++) {
if (arr[j] < arr[min_idx]) {
min_idx = j;
}
}
swap(arr[i], arr[min_idx]);
}
- Ejemplo: [64, 25, 12, 22, 11]
- Primer pase:
- [64, 25, 12, 22, 11] -> [11, 25, 12, 22, 64]
- Segundo pase:
- [11, 25, 12, 22, 64] -> [11, 12, 25, 22, 64]
- Tercer pase:
- [11, 12, 25, 22, 64] -> [11, 12, 22, 25, 64]
- Primer pase:
- Propiedades:
- Complejidad temporal: $O(n^2)$ en todos los casos.
- Complejidad espacial: $O(1)$
- Inestable: Sí.
Insertion sort (ordenamiento por inserción)
- Construye la lista ordenada final un elemento a la vez.
- Mucho menos eficiente que algoritmos más avanzados para listas grandes.
- Algoritmo:
- Iterar desde arr[1] a arr[n].
- Comparar el elemento actual (clave) con su predecesor.
- Si el elemento clave es menor que su predecesor, comparar con los elementos anteriores.
- Mover los elementos mayores una posición arriba para hacer espacio para el elemento intercambiado.
Pseudocódigo
for (i = 1; i < n; i++) {
int key = arr[i];
int j = i - 1;
while (j >= 0 && arr[j] > key) {
arr[j+1] = arr[j];
j = j - 1;
}
arr[j+1] = key;
}
- Ejemplo: [12, 11, 13, 5, 6]
- Primer pase:
- 12 11 13 5 6 -> 11 12 13 5 6
- Segundo pase:
- 11 12 13 5 6 -> 11 12 13 5 6
- Tercer pase:
- 11 12 13 5 6 -> 11 12 5 13 6 -> 11 5 12 13 6 -> 5 11 12 13 6
- Cuarto pase:
- 5 11 12 13 6 -> 5 11 12 6 13 -> 5 11 6 12 13 -> 5 6 11 12 13
- Primer pase:
- Propiedades:
- Complejidad temporal:
- $O(n^2)$ en los casos promedio y peor.
- $O(n)$ en el mejor caso (si ya está ordenado).
- Complejidad espacial: $O(1)$
- Estable: Sí.
- Complejidad temporal:
Conclusión
- Se exploraron Bubble Sort, Selection Sort e Insertion Sort.
- Fáciles de entender e implementar, pero no eficientes para grandes conjuntos de datos debido a $O(n^2)$.
- Los siguientes capítulos cubrirán algoritmos más avanzados.
Química Orgánica
Nomenclatura IUPAC
Alcanos
- Identificar la cadena continua más larga de átomos de carbono: Define el nombre base del alcano.
- Numerar la cadena principal: Comenzar en el extremo que le dé a los sustituyentes el número localizador más bajo posible.
- Nombrar y numerar los sustituyentes: Usar di-, tri-, tetra-, etc., si hay dos o más sustituyentes idénticos.
- Combinar nombres y números de los sustituyentes con el nombre base: Ordenar sustituyentes alfabéticamente.
Alquenos y Alquinos
- Identificar la cadena continua más larga que contenga el doble o triple enlace: Define el nombre base del alqueno o alquino.
- Numerar la cadena principal: Comenzar en el extremo que le dé al doble o triple enlace el número localizador más bajo posible.
- Nombrar y numerar los sustituyentes: Usar di-, tri-, tetra-, etc., si hay dos o más sustituyentes idénticos.
- Combinar los nombres y números de los sustituyentes con el nombre base del alqueno o alquino: Ordenar los sustituyentes alfabéticamente.
Grupos funcionales comunes
Grupo funcional | Sufijo | Prefijo | Ejemplo |
---|---|---|---|
Alcohol | -ol | hidroxi- | Metanol ($CH_3OH$) |
Éter | -éter | alcoxi- | Dietil éter ($CH_3CH_2OCH_2CH_3$) |
Aldehído | -al | oxo- | Etanal ($CH_3CHO$) |
Cetona | -ona | oxo- | Propanona ($CH_3COCH_3$) |
Ácido Carboxílico | -oico | carboxi- | Ácido etanoico ($CH_3COOH$) |
Éster | -oato | alcanoxicarbonil- | Etanoato de metilo ($CH_3COOCH_3$) |
Amina | -amina | amino- | Metilamina ($CH_3NH_2$) |
Amida | -amida | carbamoil- | Etanamida ($CH_3CONH_2$) |
Isomería
- Isómeros estructurales: Misma fórmula molecular, diferente conectividad.
- Estereoisómeros: Misma fórmula molecular y conectividad, diferente disposición espacial.
- Enantiómeros: Imágenes especulares no superponibles.
- Diastereoisómeros: Estereoisómeros que no son enantiómeros.
Algoritmos Greedy (glotones)
- Se basan en tomar la opción localmente óptima en cada paso.
- Buscan un óptimo global.
- No garantizan una solución óptima.
- Pueden producir soluciones localmente óptimas que se aproximan a una solución óptima global en tiempo razonable.
Diseño de un algoritmo Greedy
- El problema de optimización debe ser expresable como una secuencia de decisiones.
- Debe existir una elección greedy, que sea localmente óptima. La elección debe permitir alcanzar la solución óptima global
- Se debe probar que la elección greedy en cada paso permite obtener una solución óptima global.
Ejemplo: Problema de la mochila fraccionaria (Knapsack Problem)
- ladrón con una mochila de capacidad $W$.
- $n$ objetos en la tienda, objeto $i$ vale $v_i$ $ y pesa $w_i$ kg.
- El ladrón puede tomar fracciones de objetos.
- Maximizar el valor total de los objetos en la mochila
Algoritmo greedy
- Calcular la razón de valor por kg de cada objeto: $v_i/w_i$.
- Ordenar objetos en orden decreciente de valor por kg.
- Añadir objetos a la mochila en orden hasta que esté llena.
Demostración
- Si la solución óptima no contiene el objeto con el mayor valor por kg.
- Se puede reemplazar una parte de los objetos en la solución óptima por el objeto con el mayor valor por kg.
- Esto aumenta el valor total en la mochila, contradiciendo la optimalidad de la solución inicial.
Complejidad
- $O(n \log n)$ para ordenar los objetos por valor por kg.
Ejemplo: Problema de cobertura de conjuntos (Set Cover)
- Dado un conjunto de elementos $U$ y subconjuntos $S = {S_1, S_2,..., S_n}$ de $U$.
- Encontrar un subconjunto de $S$ de tamaño mínimo cuya unión sea igual a $U$.
Algoritmo greedy
- Seleccionar el subconjunto $S_i$ que contiene el mayor número de elementos no cubiertos.
- Añadir $S_i$ a la solución.
- Repetir hasta que todos los elementos estén cubiertos.
Demostración
- Algoritmo greedy para cobertura de conjuntos es un algoritmo de aproximación.
- No garantiza solución óptima, pero garantiza que la solución esté a un factor $H(n)$ de la solución óptima (n-ésimo número armónico).
Complejidad
- $O(n \sum_{S_i \in S} |S_i|)$, donde $n$ es el número de subconjuntos en $S$ y $|S_i|$ es el tamaño del subconjunto $S_i$.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.