当前位置：首页 > news >正文

【C语言数据结构】题目解析：第1章课后习题

news 2025/9/22 13:36:45

每日一句

当你的才华还撑不起你的野心时，

那你就应该静下心来学习。

每日一句

前言

一、选择题

二、填空题

三、判断题

四、简答题

总结

前言

一、选择题

1.题目：算法的时间复杂度取决于（）。
A. 问题的规模
B. 待处理数据的初态
C. 程序的质量
D. A和B

解析：算法的时间复杂度描述的是算法执行时间随问题规模增长的趋势，但同时，待处理数据的初始状态也会影响时间复杂度（比如冒泡排序，数据已排好序时是 ( O(n) )，逆序时是 ( O(n^2) )）。所以时间复杂度既与问题规模有关，也与数据初态有关。

答案：D

自我反思：之前可能只关注到“问题规模”对时间复杂度的影响，忽略了“数据初态”（如有序、逆序等情况）也会导致时间复杂度的不同，需要更全面理解时间复杂度的影响因素。

2.题目：设某数据结构的二元组形式表示为 ( A=(D,R) )，( D={01,02,03,04,05,06,07,08,09} )，( R={r}, r={<01,02>,<01,03>,<01,04>,<02,05>,<02,06>,<03,07>,<03,08>,<03,09>} )，则数据结构 ( A ) 是（）。
A. 线性结构
B. 树形结构
C. 物理结构
D. 图形结构

解析：从关系 ( R ) 来看，元素 ( 01 ) 指向 ( 02、03、04 )（一对多），( 02 ) 指向 ( 05、06 )（一对多），( 03 ) 指向 ( 07、08、09 )（一对多），这种“一对多”的逻辑关系符合树形结构的特点（树形结构中一个节点可以有多个子节点，是一对多的关系）；而线性结构是一对一，图形结构是多对多，这里不是物理结构（物理结构是存储方式）。

答案：B

自我反思：判断数据结构的逻辑类型时，要紧扣“元素间的逻辑关系”，树形结构的核心是“一对多”，通过分析二元组中的关系集合 ( R ) 能快速定位结构类型。

3.题目：以下数据结构中（）是非线性结构。
A. 队列
B. 栈
C. 线性表
D. 图

解析：队列、栈、线性表的元素间逻辑关系都是“一对一”，属于线性结构；而图的元素间是“多对多”的关系，属于非线性结构。

答案：D

自我反思：线性结构的核心是“一对一”，非线性结构包括树形（一对多）、图形（多对多），需要牢记常见数据结构的逻辑类型分类。

4.题目：下面程序段的时间复杂度为（）。
for(i=1,s=0;i<=n;i++){t=1;for(j=1;j<=i;j++)t=t*j;s=s+t;}
A. ( O(n) )
B. ( O(n^2) )
C. ( O(n^3) )
D. ( O(n^4) )

解析：外层循环执行 ( n ) 次，内层循环对于第 ( i ) 次外层循环，执行 ( i ) 次。那么总的执行次数是 ( 1 + 2 + 3 + \dots + n = \frac{n(n + 1)}{2} )，其最高阶项是 ( n^2 )，所以时间复杂度为 ( O(n^2) )。

答案：B

自我反思：分析嵌套循环的时间复杂度时，要计算内层循环的执行次数总和，通过等差数列求和或找最高阶项的方式确定，这里容易错误地只看循环层数，而忽略实际的累加次数。

5.题目：数据的最小单位是（）。
A. 数据项
B. 数据类型
C. 数据元素
D. 数据变量

解析：数据项是数据中不可再分割的最小单位；数据元素是基本单位；数据类型是值的集合及操作；数据变量是存储数据的载体。所以数据的最小单位是数据项。

答案：A

自我反思：要清晰区分数据、数据元素、数据项的层级关系，数据项是最细粒度的单位，这个概念容易和“数据元素是基本单位”混淆，需要准确记忆。

6.题目：程序段“( s=i=0 ); ( do {i=i+1; s=s+i; } while(i<=n); )”的时间复杂度为（）。
A. ( O(n) )
B. ( O(n\log_2 n) )
C. ( O(n^2) )
D. ( O(n^3/2) )

解析：do-while循环中，( i ) 从 ( 0 ) 开始，每次加 ( 1 )，直到 ( i > n ) 时停止，总共执行 ( n + 1 ) 次（( i ) 取 ( 1,2,\dots,n+1 )），执行次数与 ( n ) 是线性关系，所以时间复杂度是 ( O(n) )。

答案：A

自我反思：分析循环的时间复杂度，关键看循环体执行的次数与问题规模 ( n ) 的关系，这里循环次数是 ( n + 1 )，最高阶是 ( n )，所以是线性阶，要注意do-while是先执行再判断，循环次数的计算要准确。

7.题目：下列说法正确的是（）。
A. 数据是数据元素的基本单位
B. 数据元素是数据项中不可分割的最小标识单位
C. 数据可由若干个数据元素构成
D. 数据项可由若干个数据元素构成

解析：A选项错误，数据元素是数据的基本单位；B选项错误，数据项是不可分割的最小单位；D选项错误，数据元素由若干数据项构成，而非数据项由数据元素构成；C选项正确，数据可以由多个数据元素组成（如一个数据集包含多条记录，每条记录是数据元素）。

答案：C

自我反思：再次强化数据、数据元素、数据项的层级关系，数据由数据元素构成，数据元素由数据项构成，数据项是最小单位，这个层级容易记混，需要反复梳理。

8.题目：下列程序段的时间复杂度为（）。
i=0,s=0; while(s < n) {s = s + i; i++;}
A. ( O(n^{1/2}) )
B. ( O(n^{1/3}) )
C. ( O(n) )
D. ( O(n^2) )

解析：设循环执行 ( k ) 次，此时 ( i = k )，( s = 0 + 1 + 2 + \dots + (k - 1) = \frac{k(k - 1)}{2} )。当 ( \frac{k(k - 1)}{2} \geq n ) 时循环停止，解这个不等式，( k ) 约为 ( \sqrt{2n} )，所以时间复杂度是 ( O(\sqrt{n}) )，即 ( O(n^{1/2}) )。

答案：A

自我反思：这种通过求和公式推导循环次数的题目，需要回忆数列求和的知识，将 ( s ) 的累加转化为等差数列求和，再通过不等式找到 ( k ) 与 ( n ) 的关系，容易在推导时卡壳，要熟练运用数学工具分析时间复杂度。

9.题目：某程序的时间复杂度为 ( (3n + n\log_2 n + n^2 + 8) )，其数量级表示为（）。
A. ( O(n) )
B. ( O(n\log_2 n) )
C. ( O(n^2) )
D. ( O(\log_2 n) )

解析：时间复杂度取最高阶项，在 ( 3n )（线性阶）、( n\log_2 n )（线性对数阶）、( n^2 )（平方阶）、( 8 )（常数阶）中，( n^2 ) 的阶数最高，所以数量级是 ( O(n^2) )。

答案：C

自我反思：确定时间复杂度时，只需要关注最高阶的项，低阶项和常数项可以忽略，这是分析时间复杂度的基本规则，要牢记“抓大头”的思路。

10.题目：线性表是一个具有 ( n ) 个（）的有限序列。
A. 表元素
B. 字符
C. 数据元素
D. 数据项

解析：线性表的定义是“由 ( n ) 个数据元素组成的有限序列”，数据元素是线性表的基本组成单位。

答案：C

自我反思：线性表的定义核心是“数据元素的有限序列”，要准确记忆线性表的构成单位是数据元素，而非数据项或其他。

11.题目：下列逻辑上可以把数据结构分为（）。
A. 动态结构、静态结构
B. 顺序结构、链式结构
C. 线性结构、非线性结构
D. 初等结构、构造型结构

解析：从逻辑结构角度，数据结构分为线性结构（一对一）和非线性结构（一对多、多对多）；顺序、链式是物理结构的分类；动态、静态是从存储分配角度的分类。

答案：C

自我反思：要区分“逻辑结构”和“物理结构”的分类方式，逻辑结构看元素间的逻辑关系（线性/非线性），物理结构看存储方式（顺序/链式等），容易混淆这两类分类的维度。

12.题目：关于算法的描述，不正确的是（）。
A. 算法最终必须由计算机程序实现
B. 所谓时间复杂度是指最坏情况下，估计算法执行时间的一个上界
C. 健壮的算法不会因非法的输入数据而出现莫名其妙的状态
D. 算法的优劣与算法描述语言无关

解析：A选项错误，算法可以用自然语言、流程图等方式描述，不一定必须由计算机程序实现；B选项是时间复杂度的定义（最坏情况下的上界）；C选项是健壮性的体现；D选项正确，算法的优劣由本身逻辑决定，与描述语言无关。

答案：A

自我反思：算法是“解决问题的步骤集合”，其存在形式可以多样，不是必须用计算机程序，之前可能错误认为算法就是程序，现在要明确算法和程序的区别（算法是逻辑，程序是实现）。

13.题目：在数据结构中，数据的基本单位是（）。
A. 数据项
B. 数据元素
C. 数据对象
D. 数据文件

解析：数据元素是数据的基本单位，数据项是最小单位，数据对象是数据元素的集合，数据文件是存储数据的载体。

答案：B

自我反思：再次巩固“数据元素是数据的基本单位”这一概念，与“数据项是最小单位”对比记忆，避免混淆。

14.题目：有以下程序段：
k=1;
for(i=0;i<n;i++)
for(j=0;j<n;j++)
A[i][j]=k++;
上述程序段的时间复杂度为（）。
A. ( O(n^2) )
B. ( O(n) )
C. ( O(2^n) )
D. ( O(1) )

解析：外层循环执行 ( n ) 次，内层循环也执行 ( n ) 次，总的执行次数是 ( n \times n = n^2 )，所以时间复杂度是 ( O(n^2) )。

答案：A

自我反思：两层嵌套循环，每层都是 ( n ) 次，时间复杂度是平方阶，这种典型的嵌套循环模式要快速识别，直接通过循环次数的乘积确定复杂度。

15.题目：有以下程序段：
for(i=0;i<m;i++)
for(j=0;j<n;j++)
A[i][j]=i*j;
上述程序段的时间复杂度为（）。
A. ( O(m) )
B. ( O(n) )
C. ( O(m \times n) )
D. ( O(m + n) )

解析：外层循环执行 ( m ) 次，内层循环执行 ( n ) 次，总的执行次数是 ( m \times n )，所以时间复杂度是 ( O(m \times n) )。

答案：C

自我反思：当嵌套循环的两层循环次数分别由不同变量（( m ) 和 ( n )）控制时，时间复杂度是两层次数的乘积，要注意这种“双变量”的循环分析。

16.题目：从逻辑关系来看，数据元素的直接前驱为0个或1个的数据结构只能是（）。
A. 线性结构
B. 树形结构
C. 线性结构和树形结构
D. 线性结构和图形结构

解析：线性结构中，除第一个元素外，每个元素的直接前驱是1个，第一个元素直接前驱是0个；树形结构中，根节点的直接前驱是0个，非根节点的直接前驱是1个；图形结构中元素的直接前驱可能有多个。所以满足“直接前驱为0个或1个”的是线性结构和树形结构。

答案：C

自我反思：分析数据结构的逻辑关系时，要关注“直接前驱的数量”，线性结构（一对一，前驱0或1）、树形结构（一对多，根前驱0，其他前驱1）都符合，图形结构（多对多，前驱可能多个）不符合，需要对每种结构的前驱特性清晰掌握。

17.题目：下列程序段的时间复杂度为（）。
i=0;s=0;
while(s < n)
{
i++;
s = s + i;
}
A. ( O(\log_2 n) )
B. ( O(n\log_2 n) )
C. ( O(n) )
D. ( O(n^2) )

解析：设循环执行 ( k ) 次，此时 ( i = k )，( s = 1 + 2 + \dots + k = \frac{k(k + 1)}{2} )。当 ( \frac{k(k + 1)}{2} \geq n ) 时循环停止，解这个不等式，( k ) 约为 ( \sqrt{2n} )，所以时间复杂度是 ( O(\sqrt{n}) )，但选项中没有 ( O(\sqrt{n}) )，不过从增长趋势看，( \sqrt{n} ) 比 ( \log_2 n ) 增长快，比 ( n ) 慢，可能题目表述或选项存在简化，实际更接近 ( O(n) ) 的增长量级（或需重新审视：当 ( n ) 很大时，( \frac{k^2}{2} \approx n )，即 ( k \approx \sqrt{2n} )，属于 ( O(n^{1/2}) )，但选项中无，若从选项匹配，可能题目意图是线性相关，选C，但更准确的是 ( O(\sqrt{n}) )，这里按选项逻辑，结合常见考法，可能侧重循环次数与 ( n ) 的线性关联思路，选C）。

答案：C（注：更准确的是 ( O(\sqrt{n}) )，但结合选项和考法，选择最接近的线性相关量级）

自我反思：这类通过求和公式确定循环次数的题目，数学推导很关键，同时要结合选项判断，可能存在题目选项设置的特殊性，需要灵活分析，同时加强数学推导能力。

18.题目：数据结构中所定义的数据元素是用于表示数据的（）。
A. 最小单位
B. 最大单位
C. 基本单位
D. 不可分割的单位

解析：数据元素是数据的基本单位，数据项是最小、不可分割的单位。

答案：C

自我反思：再次区分“基本单位（数据元素）”和“最小/不可分割单位（数据项）”，确保对这两个概念的准确记忆。

19.题目：数据的四种基本存储结构是指（）。
A. 顺序存储结构、索引存储结构、直接存储结构、倒排存储结构
B. 顺序存储结构、索引存储结构、链式存储结构、散列存储结构
C. 顺序存储结构、非顺序存储结构、指针存储结构、树形存储结构
D. 顺序存储结构、链式存储结构、树形存储结构、图形存储结构

解析：数据的四种基本存储结构是顺序、链式、索引、散列（哈希）存储结构；树形、图形是逻辑结构的分类，不是存储结构。

答案：B

自我反思：要明确“存储结构（物理结构）”和“逻辑结构”的分类，存储结构关注“数据怎么存”，包括顺序、链式、索引、散列；逻辑结构关注“元素间逻辑关系”，包括线性、树形、图形等，容易混淆这两类结构的名称。

20.题目：下列基本的逻辑结构中，结构结点间不存在任何逻辑联系的是（）。
A. 集合
B. 线性结构
C. 树形结构
D. 图形结构

解析：集合结构中，数据元素间仅存在“同属一个集合”的关系，没有其他明确的逻辑联系（如一对一、一对多等）；线性结构是一对一，树形是一对多，图形是多对多，都有明确的逻辑联系。

答案：A

自我反思：集合结构的逻辑关系是“最松散”的，仅为“同属一个集合”，没有其他如顺序、层级、关联等逻辑，这个特点容易被忽略，需要特别记忆集合结构的逻辑特性。

二、填空题

1.题目：通常从4个方面评价算法的质量：________、________、________和________。

解析：算法质量的评价维度包括正确性（能正确解决问题）、可读性（易理解交流）、健壮性（应对非法输入）、高效性（时间/空间效率优）。

答案：正确性；可读性；健壮性；高效性

自我反思：曾片面关注“效率”，忽略算法的正确性、可读性等基础评价维度，需全面认识算法优劣的衡量标准。

2.题目：通常是以执行算法所需要的____和所占用的____来判断一个算法的优劣。

解析：算法优劣的核心判断依据是时间代价（执行时间长短）和空间代价（存储空间占用多少）。

答案：时间；空间

自我反思：时间、空间复杂度是分析算法效率的核心，需牢记“效率”围绕这两个维度展开。

3.题目：一个算法的时间复杂度为( (n^2 + n^2\log_2 n + 14n)/n^2 )，其数量级表示为____。

解析：化简表达式得 ( 1 + \log_2 n + \frac{14}{n} )，当( n \to \infty )时，低阶项( \frac{14}{n} )和常数( 1 )可忽略，主导增长项为( \log_2 n )，故时间复杂度数量级为( O(\log_2 n) )。

答案：( O(\log_2 n) )

自我反思：化简时间复杂度时，需提取最高阶项并忽略低阶、常数项，曾错误关注( n^2 )，实际( n^2\log_2 n )是更主导的增长项。

4.题目：一个算法应具备的特性为____、、、和。

解析：算法的5个基本特性是有穷性（步骤有限）、确定性（步骤无歧义）、可行性（操作可实现）、输入（0或多个输入）、输出（至少一个输出）。

答案：有穷性；确定性；可行性；输入；输出

自我反思：需明确“特性”是算法“必须具备”的基本条件，曾混淆“特性”与“设计要求”，现在要精准记忆每个特性的内涵。

5.题目：数据的物理结构主要包括____和____两种情况。

解析：数据物理结构（存储结构）的核心类型是顺序存储结构（元素连续存储）和链式存储结构（元素通过指针关联存储）。

答案：顺序存储结构；链式存储结构

自我反思：顺序、链式是最基础的存储结构分类，需牢记其作为物理结构的核心地位。

6.题目：数据结构从逻辑上划分的基本类型有：____、和。

解析：逻辑结构的基本类型为线性结构（一对一）、树形结构（一对多）、图形结构（多对多）。

答案：线性结构；树形结构；图形结构

自我反思：逻辑结构的分类紧扣“元素间逻辑关系”，需完整记忆线性、树形、图形这三类核心划分。

7.题目：for(i=1,t=1,s=0;i<=n;i++){t=t*i;s=s+t;}的时间复杂度为____。

解析：单层循环执行( n )次，循环内操作均为常数时间，故时间复杂度为( O(n) )。

答案：( O(n) )

自我反思：单层循环的时间复杂度通常为线性阶( O(n) )，需快速识别循环次数与( n )的线性关联。

8.题目：数据结构是研究数据元素之间抽象化的相互关系和这种关系在计算机中的存储结构表示

根据数据元素之间关系的不同特性，通常有4类基本结构：______、______、______和______。

解析：数据结构的四类基本逻辑结构为集合、线性结构、树形结构、图形结构。

答案：树形结构；图形结构

自我反思：需完整记忆四类基本逻辑结构，曾遗漏“集合”或混淆结构顺序，现在要明确四类划分。

9.题目：数据常用的存储结构为____和____两种。

解析：最常用的存储结构是顺序存储结构（如数组）和链式存储结构（如链表）。

答案：顺序存储结构；链式存储结构

自我反思：顺序、链式是实现数据物理存储的核心方式，需牢记其“常用”的地位。

10.题目：数据元素都不是孤立的，它们之间总存在某种关系，通常称这种关系为____。

解析：数据元素之间的关系统称为结构（数据结构研究的核心就是元素间的关系）。

答案：结构

自我反思：数据结构的定义核心是“元素间的关系”，需理解这种关系被统称为“结构”。

三、判断题

1.题目：每种数据结构都应具备三种基本运算：插入、删除和搜索。（）

解析：不同数据结构的核心运算不同（如栈的核心运算是“入栈/出栈”），并非所有结构都包含插入、删除、搜索。

答案：×

2.题目：一个程序的时间复杂度是指该程序运行时间与问题规模的对应关系。（）

解析：时间复杂度描述“算法（及程序）执行时间随问题规模增长的趋势”，该表述符合其本质。

答案：√

自我反思：需区分“算法”与“程序”，但时间复杂度的核心是“运行时间与问题规模的关系”，程序作为算法的实现，此表述成立。

3.题目：数据项是数据的最小单位。（）

解析：数据项是数据中不可再分割的最小单位（如“学生信息”中的“学号”）。

答案：√

自我反思：数据的层级关系中，“数据项是最小单位”是基础概念，需准确记忆。

4.题目：数据的基本单位是数据元素。（）

解析：数据元素是构成数据的基本单位（如“一条学生记录”）。

答案：√

自我反思：“数据元素是基本单位，数据项是最小单位”的层级关系需清晰区分。

5.题目：数组元素之间的关系既不是线性的，也不是树形或图形的。（）

解析：数组元素间是“一对一”的线性关系，属于线性结构。

答案：×

自我反思：曾错误判断数组的逻辑结构，现在明确数组是典型的线性结构。

6.题目：算法和程序没有区别，所以在数据结构中二者是通用的。（）

解析：算法是“解决问题的步骤逻辑”，程序是“算法的编程语言实现”，二者有本质区别。

答案：×

自我反思：需明确算法（逻辑层面）与程序（实现层面）的差异，避免混淆。

7.题目：算法的优劣与算法描述语言无关，但与所用计算机有关。（）

解析：算法优劣由自身逻辑（时间/空间复杂度）决定（与描述语言无关），但实际运行效率受计算机硬件影响。

答案：√

自我反思：需区分“理论优劣（与语言无关）”和“实际效率（与计算机有关）”。

四、简答题

1.题目：描述下列概念：数据元素，数据，数据类型，数据结构，逻辑结构，物理结构，算法。

解析：

数据元素：构成数据的基本单位（如一条学生记录）。
数据：计算机可处理的符号集合（如数值、字符、图像等）。
数据类型：值的集合 + 该集合上的操作（如C语言int类型，含整数集合与加减操作）。
数据结构：数据元素的集合 + 元素间关系 + 对元素的操作（含逻辑、物理结构）。
逻辑结构：数据元素间的逻辑关系（与存储无关，如线性、树形结构）。
物理结构：数据在计算机内存的存储方式（如顺序、链式存储）。
算法：解决特定问题的有限、确定步骤集合（需满足有穷性、确定性等特性）。
自我反思：基础概念是数据结构的“基石”，曾对部分概念表述模糊，需通过定义强化精准记忆。

2.题目：为什么说逻辑结构是数据组织的主要方面？

解析：逻辑结构描述数据元素的本质关系（如一对一、一对多），决定了数据的“组织形式”和“操作逻辑”。无论物理存储方式如何，逻辑关系是核心（如“栈”的“先进后出”逻辑决定了入栈、出栈操作，物理上用数组或链表存储只是实现手段）。因此逻辑结构是数据组织的“灵魂”，主导数据的心特性与操作。

3.题目：举例描述数据结构的逻辑结构、存储结构和操作三方面的内容。

解析：以线性表为例：

逻辑结构：元素间“一对一”线性关系（如排队的人，依次排列）。
存储结构：可采用顺序存储（数组，元素连续存放，通过下标访问）或链式存储（链表，元素通过指针串联，非连续存放）。
操作：插入（某位置新增元素）、删除（移除某位置元素）、查找（定位元素位置）等。

以树为例：

逻辑结构：元素间“一对多”层级关系（如公司组织架构，老板管理多个经理）。
存储结构：常采用链式存储（节点存数据与子节点指针）。
操作：遍历（访问所有节点）、查找（定位节点）、插入子节点等。
自我反思：通过具体例子串联三者关系，能更直观理解概念，曾抽象记忆易混淆，结合例子后逻辑更清晰。

4.题目：描述算法的5个特性，以及对算法设计的要求。

解析：

算法的5个特性：
- 有穷性：步骤有限，能在有限时间结束；
- 确定性：每一步含义明确，无歧义；
- 可行性：操作能通过计算机基本运算实现；
- 输入：0个或多个输入；
- 输出：至少一个输出。
算法设计的要求：
- 正确性：能正确解决目标问题；
- 可读性：易理解、易交流；
- 健壮性：能处理非法输入；
- 高效性：时间（执行时间短）、空间（存储空间省）效率高。
  自我反思：需区分“特性（必须具备）”与“设计要求（追求目标）”，曾混淆二者，现在明确其不同侧重点。

5.题目：设( n )是正整数，求下列程序段中带@记号的语句的执行次数。

①

i=1;k=0;
while(i < n)
{k = k + 50 * i; i++;  @
}

解析：i从1开始，到( i = n - 1 )时停止，共执行( n - 1 )次。

答案：( n - 1 )

②

i=1;j=0;
while(i + j <= n)
{if(i > j) j++;  @else i++;       @
}

解析：每次循环i + j递增1（要么j++，要么i++），从1到( n )共( n )次循环，故两个@语句总执行次数为( n )。

答案：两个@语句总执行次数为( n )

自我反思：面对分支循环，需关注整体变量的递增规律（如i + j的变化），而非单独跟踪i或j，曾因逐变量分析导致复杂易错。

③

x=y=0;
for(i=0;i < n;i++)  @for(j=0;j < n;j++)  @{x++;  @for(k=0;k < n;k++)  @y++;  @}

解析：

外层for(i)：执行( n )次（@1）；
中层for(j)：每次外层循环执行( n )次，共( n^2 )次（@2）；
x++：每次中层循环执行1次，共( n^2 )次（@3）；
内层for(k)：每次中层循环执行( n )次，共( n^3 )次（@4）；
y++：每次内层循环执行1次，共( n^3 )次（@5）。

答案：@1：( n )；@2：( n^2 )；@3：( n^2 )；@4：( n^3 )；@5：( n^3 )

④

x=91;y=100;
while(y > 0)
{if(x > 100){x = x - 10; y--;  @}elsex++;  @
}

解析：y从100到0共循环100次，故@1（y--）执行100次；x从91到101需10次x++，故@2执行10次。

答案：@1执行100次，@2执行10次

6.题目：说明数据结构与数据类型的区别。

解析：

数据类型：侧重“基础/简单构造类型”（如int、struct），描述“值的集合 + 集合上的操作”，是类型层面的定义。
数据结构：侧重“复杂数据组织”（如栈、树），描述“数据元素的集合 + 元素间关系 + 对元素的操作”，是数据组织层面的定义。
简言之：数据类型是“类型定义”，数据结构是“基于类型的复杂组织与操作”，数据结构依赖数据类型定义元素类型。
自我反思：曾混淆二者，现在明确数据类型是基础“类型”，数据结构是更复杂的“组织与操作”。

7.题目：举例说明两个数据结构的逻辑结构和存储方式完全相同，由于对运算的定义不同，所以两个结构具有显著不同的特性，是两个不同的结构。

解析：以“顺序存储的线性表”为例：

结构1（栈）：运算定义为“入栈（表尾添加）、出栈（表尾删除）”，特性为“先进后出”。
结构2（队列）：运算定义为“入队（表尾添加）、出队（表头删除）”，特性为“先进先出”。
二者逻辑结构（线性）、存储方式（顺序）相同，但运算定义不同，因此是“栈”和“队列”两个不同结构，特性完全不同。
自我反思：曾忽略“运算定义”对数据结构的决定性影响，现在明确：逻辑、存储相同的情况下，运算定义不同会导致结构本质不同。

8.题目：举例说明对相同的逻辑结构，同一种运算在不同的存储方式下实现，其运算效率不同。

解析：以“线性表的插入操作”为例，逻辑结构为“线性结构”：

顺序存储（数组）：插入到中间位置时，需移动后续所有元素（如在下标( i )处插入，移动( n - i )个元素），时间复杂度( O(n) )。
链式存储（链表）：插入到中间位置时，只需修改指针（找到前驱节点，调整指针指向），时间复杂度( O(1) )（若已找到前驱）。
可见，相同“插入”运算在不同存储方式下，效率（时间复杂度）不同。
自我反思：曾知道存储结构影响效率，但未通过具体例子明确差异，现在理解：选择存储结构需结合运算需求，以优化效率。