Estructuras de datos — Arrays, listas enlazadas, árboles y grafos

Las estructuras de datos son formas de organizar datos para que tareas comunes como la búsqueda, la inserción, la eliminación y el recorrido sean más fáciles. Si quieres entender arrays, listas enlazadas, árboles y grafos, la forma más rápida es hacerte dos preguntas: ¿qué forma tienen los datos y qué operación necesita sentirse barata?

Si los datos forman una secuencia, un array suele ser el punto de partida. Si cada elemento apunta principalmente al siguiente, una lista enlazada puede encajar. Si los datos tienen niveles, usa un árbol. Si los elementos pueden conectarse en muchas direcciones, usa un grafo.

Aquí va la regla útil más corta:

• Array: mejor para orden indexado.
• Lista enlazada: mejor para enlaces locales encadenados.
• Árbol: mejor para jerarquía.
• Grafo: mejor para redes.

Qué hacen realmente los arrays, las listas enlazadas, los árboles y los grafos

Un array almacena elementos en un orden fijo y te permite referirte directamente a una posición, como "elemento $7$". En la implementación contigua habitual, esa indexación directa es $O(1)$.

Una lista enlazada almacena elementos como nodos, donde cada nodo apunta a otro nodo. Puedes moverte de nodo en nodo, pero para llegar al elemento número $n$ normalmente tienes que recorrer nodos anteriores, así que el acceso por posición suele ser $O(n)$.

Un árbol almacena datos en niveles. Cada nodo puede tener hijos, así que la estructura representa de forma natural anidamientos como carpetas dentro de carpetas. El costo de búsqueda y actualización depende del tipo de árbol y de si se mantiene balanceado.

Un grafo almacena nodos y aristas. A diferencia de un árbol, un nodo puede conectarse con muchos otros de formas arbitrarias, y se permiten ciclos. Eso hace que los grafos sean el modelo natural para carreteras, redes sociales y mapas de dependencias.

Comparación rápida: cuándo encaja cada estructura de datos

Structure	Best mental model	Usually good at	Common limitation
Array	Una fila numerada de elementos	Acceso directo por índice	Las inserciones y eliminaciones en medio suelen requerir desplazar elementos
Linked list	Una cadena de nodos	Insertar o eliminar cerca de un nodo conocido	El acceso aleatorio es lento
Tree	Una jerarquía ramificada	Representar niveles y relaciones padre-hijo	El comportamiento depende mucho del tipo de árbol
Graph	Una red de conexiones	Alcanzabilidad, caminos y relaciones	Los algoritmos suelen ser más complejos

Ejemplo resuelto: elegir estructuras en una app de campus

Supón que estás construyendo una app de campus con una pantalla de horario, un catálogo de cursos y un mapa para caminar. La forma más fácil de elegir una estructura de datos es hacer coincidir cada función con la forma de sus datos.

Las pestañas de los días laborables en una pantalla de horario son naturalmente un array:

$$[\text{Mon}, \text{Tue}, \text{Wed}, \text{Thu}, \text{Fri}]$$

La característica clave es el acceso directo por posición. "Muéstrame la pestaña $3$" tiene sentido, y el orden importa.

El catálogo de cursos es naturalmente un árbol:

$$\text{Department} \rightarrow \text{Course} \rightarrow \text{Section}$$

Cada nivel contiene el siguiente nivel. Eso es una jerarquía, así que un árbol es el modelo más limpio.

Los caminos entre edificios son naturalmente un grafo. Un edificio puede conectarse con varios otros, y los recorridos pueden volver sobre sí mismos. Si quieres la ruta más corta desde la biblioteca hasta el laboratorio, estás resolviendo un problema de grafos, no un problema de árboles.

Una lista enlazada encaja en una parte más específica de la misma app: una cadena de pantallas visitadas recientemente, si la operación principal es avanzar o retroceder un paso cada vez. En ese caso, cada pantalla necesita sobre todo enlaces a pantallas cercanas, en lugar de acceso rápido a la pantalla número $20$.

La lección es que lo "mejor" depende de la tarea. Un mismo producto puede usar varias estructuras de datos porque distintas partes de los datos tienen relaciones diferentes.

Cómo distinguirlos rápidamente

Muchos estudiantes primero aprenden estos términos como palabras de vocabulario. Eso hace que el tema parezca abstracto, pero la pregunta práctica es más simple.

Pregunta: ¿qué operación debería sentirse barata?

Si quieres que "saltar a la posición $i$" sea barato, los arrays son fuertes. Si quieres que "seguir la siguiente conexión" sea barato, las estructuras enlazadas ayudan. Si quieres "bajar por una jerarquía", los árboles encajan. Si quieres "averiguar si dos cosas están conectadas", los grafos encajan.

Errores comunes al aprender estructuras de datos

Suponer que una estructura siempre es la más rápida

No hay un ganador universal. "Rápido" depende de lo que haces con más frecuencia y de la implementación.

Tratar los árboles como si fueran automáticamente eficientes

Algunos árboles permiten búsquedas muy eficientes, pero eso depende del tipo de árbol y de condiciones estructurales como el balance. Un árbol mal formado puede rendir mucho peor que uno balanceado.

Elegir una lista enlazada solo porque insertar suena barato

Insertar puede ser barato una vez que ya tienes el nodo correcto. Encontrar ese nodo todavía puede costar tiempo.

Usar un árbol cuando los datos en realidad son un grafo

Si un elemento puede tener varios padres, enlaces cruzados o ciclos, forzar los datos a entrar en un árbol puede ocultar la estructura real y hacer incómodas las operaciones posteriores.

Confundir una estructura abstracta con una característica del lenguaje

"Array", "list", "map" o "tree" en un lenguaje de programación pueden venir con decisiones de implementación que afectan el uso de memoria y la velocidad. La idea abstracta y el contenedor concreto están relacionados, pero no son idénticos.

Cuándo se usan arrays, listas enlazadas, árboles y grafos

Los arrays se usan para colecciones ordenadas, tablas, búferes y cualquier caso en el que la posición importe.

Las listas enlazadas aparecen en implementaciones especializadas donde las actualizaciones locales de punteros importan más que el acceso aleatorio.

Los árboles se usan para datos jerárquicos como sistemas de archivos, estructura de documentos, árboles de expresiones y muchos índices de búsqueda.

Los grafos se usan para rutas, análisis de dependencias, modelado de redes, enlaces de recomendación y problemas de conexiones en general.

Cómo elegir la estructura de datos correcta

Empieza haciéndote dos preguntas:

1. ¿Qué relación tienen los datos: secuencia, jerarquía o red?
2. ¿Qué operación importa más: indexación, actualización local, recorrido jerárquico o búsqueda de caminos?

Esas dos respuestas suelen reducir rápidamente las opciones.

Si todavía no estás seguro, dibuja una versión pequeña de los datos en papel. A menudo, la imagen revela la estructura antes que el código.

Prueba tu propia versión

Elige tres ejemplos familiares, como una lista de reproducción, un sistema de carpetas y un mapa de transporte. Identifica si cada uno es principalmente una secuencia, una jerarquía o una red, y luego elige la estructura que haga fácil la operación principal. Si quieres otro caso para ponerte a prueba, GPAI Solver puede generar ejemplos de clasificación similares.