Este temario corresponde en exclusiva a la especialidad 'Sistemas y Aplicaciones Informáticas' (código 227) del Cuerpo de Profesores Técnicos de Formación Profesional (Cuerpo 0591), y es la única entrada de esta especialidad en el catálogo de OpositaGratis, con id 'profesor-fp-informatica'. No debe confundirse con la especialidad 'Informática' (código 107) del Cuerpo de Profesores de Enseñanza Secundaria (Cuerpo 0590, grupo A, exige otro temario propio y distinto requisito de titulación), ni con otras especialidades de FP con contenido parcialmente afín como 'Sistemas Electrónicos' o 'Equipos Electrónicos', que tampoco comparten este temario. Los 65 temas oficiales de 1996 versan sobre fundamentos de hardware y arquitectura de computadores, representación y organización de datos, sistemas operativos, programación (algoritmia, estructurada, modular, orientada a objetos, C y ensamblador), bases de datos relacionales y aplicaciones de gestión, diseño de interfaces gráficas y sistemas multimedia, y redes de ordenadores. Dado que el temario data de 1996, el contenido técnico de cada tema se ha actualizado a la práctica y la tecnología vigentes en 2026 (arquitecturas de 64 bits y multinúcleo, SSD/NVMe, sistemas operativos y lenguajes de programación actuales, redes Wi-Fi 6/7 y computación en la nube, entre otros) sin alterar el enunciado oficial de ningún tema, siguiendo el mismo criterio aplicado en el resto de temarios de Profesores Técnicos de FP ya publicados en este catálogo (p. ej. src/data/temarios/profesor-fp.json, especialidad Procesos Sanitarios).
Las estructuras de datos dinámicas reservan y liberan memoria durante la ejecución del programa, adaptando su tamaño a las necesidades reales sin fijarlo de antemano. Este tema desarrolla las listas enlazadas, pilas, colas, árboles y grafos, sus operaciones fundamentales y su complejidad algorítmica, así como la gestión de memoria dinámica (heap) que las sustenta y los riesgos asociados a una gestión manual incorrecta.
Una lista simplemente enlazada encadena nodos, cada uno con un dato y un puntero al siguiente nodo, permitiendo insertar/eliminar en O(1) si se dispone ya de la posición, pero con acceso secuencial O(n) al elemento i-ésimo (a diferencia del acceso O(1) de un array). La lista doblemente enlazada añade un puntero al nodo anterior, facilitando el recorrido en ambos sentidos; la lista circular conecta el último nodo con el primero.
Pilas (stacks)
Estructura LIFO (Last In, First Out): el último elemento insertado (push) es el primero en extraerse (pop). Se usa para la pila de llamadas de funciones (control de recursión y retorno), para evaluar expresiones (notación postfija), para deshacer acciones (undo) y para el backtracking en algoritmos de búsqueda.
Colas (queues)
Estructura FIFO (First In, First Out): el primer elemento insertado (enqueue) es el primero en extraerse (dequeue). Variantes: la cola de prioridad (priority queue, extrae siempre el elemento de mayor prioridad, típicamente implementada con un montículo/heap) y la cola circular (buffer circular, reutiliza posiciones liberadas en un array de tamaño fijo).
Árboles
Estructura jerárquica de nodos con un nodo raíz y relaciones padre-hijo. El árbol binario de búsqueda (ABB/BST) mantiene los valores menores a la izquierda y mayores a la derecha de cada nodo, con búsqueda, inserción y borrado en O(log n) de media si está balanceado, pero degenerando a O(n) si se desequilibra. Los árboles autobalanceados (AVL, rojo-negro) garantizan O(log n) en el peor caso reestructurándose tras cada inserción/borrado; el árbol B y B+ optimizan el acceso en disco (bases de datos, sistemas de archivos) agrupando muchas claves por nodo.
Grafos
Conjunto de vértices (nodos) unidos por aristas (relaciones), dirigidos o no dirigidos, con o sin peso. Se representan mediante matriz de adyacencia (O(V²) en espacio, acceso O(1) a si existe una arista) o lista de adyacencia (más eficiente en espacio para grafos dispersos, O(V+E)). Los algoritmos de recorrido en anchura (BFS, con una cola) y profundidad (DFS, con una pila o recursión) son la base de algoritmos más avanzados como Dijkstra (camino más corto) o Kruskal/Prim (árbol de expansión mínima).
Gestión de memoria dinámica
La memoria dinámica se reserva en el heap mediante funciones como malloc/new y se libera con free/delete en lenguajes sin recolector de basura (C, C++); olvidar liberarla provoca fugas de memoria (memory leaks), y liberarla dos veces o acceder tras liberarla provoca comportamiento indefinido (use-after-free, double-free), vulnerabilidades de seguridad graves. Lenguajes con recolector de basura (Java, Python, C#, Go) automatizan la liberación cuando detectan que un objeto ya no es alcanzable, a costa de cierto overhead en tiempo de ejecución.
Tablas hash en profundidad
Una tabla hash (hash table) aplica una función hash a la clave para calcular el índice de un array donde almacenar o buscar el valor asociado, logrando acceso, inserción y borrado en O(1) en el caso medio. Las colisiones (dos claves distintas que generan el mismo índice) se resuelven mediante encadenamiento (cada posición del array almacena una lista enlazada de pares clave-valor) o direccionamiento abierto (se busca la siguiente posición libre según una secuencia de sondeo: lineal, cuadrático o doble hash). El factor de carga (elementos entre tamaño del array) condiciona el rendimiento: al superar un umbral habitual de 0,7-0,75, la tabla se redimensiona (resize) duplicando su tamaño y rehaciendo el hash de todos los elementos (rehashing), operación costosa pero infrecuente que mantiene el coste amortizado en O(1).
Montículos (heaps) en profundidad
Un montículo binario (heap) es un árbol binario casi completo que cumple la propiedad de orden de montículo: en un max-heap, cada nodo es mayor o igual que sus hijos (el máximo siempre está en la raíz); en un min-heap, cada nodo es menor o igual que sus hijos. Se implementa habitualmente sobre un array (sin punteros), calculando la posición de padres e hijos mediante aritmética de índices, lo que lo hace muy eficiente en memoria. Las operaciones de inserción y extracción del elemento raíz tienen complejidad O(log n), mediante sift-up (reubicar hacia arriba tras insertar) y sift-down (reubicar hacia abajo tras extraer la raíz); el algoritmo heapsort construye un heap a partir de un array en O(n) y extrae repetidamente el máximo para ordenar en O(n log n) total, sin memoria adicional.
Estructuras de datos avanzadas: trie y tablas hash distribuidas
Un trie (árbol de prefijos) es una estructura arbórea especializada en almacenar cadenas de caracteres, donde cada nodo representa un prefijo común y el camino desde la raíz hasta un nodo marcado como fin de palabra reconstruye la cadena completa; permite búsquedas, inserciones y autocompletado por prefijo en tiempo proporcional a la longitud de la cadena buscada, independientemente del número de palabras almacenadas, siendo la base de correctores ortográficos y buscadores de autocompletado. Las tablas hash distribuidas (DHT) extienden el concepto de tabla hash a sistemas distribuidos, repartiendo claves entre múltiples nodos de una red mediante funciones de hash consistente, empleadas en sistemas peer-to-peer y bases de datos NoSQL de gran escala.
Ideas clave para el examen — memoriza esto
Una lista enlazada permite inserción/borrado en O(1) si ya se tiene la posición, pero el acceso al elemento i-ésimo es O(n), a diferencia del O(1) de un array.
La lista doblemente enlazada añade un puntero al nodo anterior, permitiendo recorrer la estructura en ambos sentidos a costa de más memoria por nodo.
Una pila es LIFO: push inserta en la cima, pop extrae de la cima; se usa para la pila de llamadas de funciones y para evaluar expresiones en notación postfija.
Una cola es FIFO: enqueue inserta al final, dequeue extrae del principio; modela colas de espera reales (impresión, procesos, mensajes).
Una cola de prioridad extrae siempre el elemento de mayor (o menor) prioridad, típicamente implementada mediante un montículo (heap) binario, con inserción y extracción en O(log n).
Un árbol binario de búsqueda (ABB) mantiene valores menores a la izquierda y mayores a la derecha de cada nodo; su rendimiento depende de estar balanceado.
Un ABB degenerado (todos los nodos en línea, equivalente a una lista enlazada) tiene búsqueda O(n) en el peor caso, en lugar del O(log n) esperado.
Los árboles AVL y rojo-negro son autobalanceados: garantizan O(log n) en el peor caso mediante rotaciones tras cada inserción o borrado.
Los árboles B y B+ agrupan múltiples claves por nodo para minimizar el número de accesos a disco; son la estructura interna típica de índices de bases de datos y sistemas de archivos.
Un árbol B+ almacena todos los datos en las hojas, enlazadas entre sí, optimizando los recorridos secuenciales de rango, frente al árbol B clásico que almacena datos en nodos internos también.
Un grafo dirigido tiene aristas con sentido (A→B distinto de B→A); un grafo no dirigido tiene aristas simétricas.
La matriz de adyacencia representa un grafo con espacio O(V²), con acceso O(1) para comprobar si existe una arista entre dos vértices concretos.
La lista de adyacencia representa un grafo con espacio O(V+E), más eficiente que la matriz para grafos dispersos (pocas aristas respecto al máximo posible).
BFS (Breadth-First Search) recorre un grafo por niveles usando una cola, y encuentra el camino más corto en número de aristas en grafos no ponderados.
DFS (Depth-First Search) recorre un grafo explorando cada rama hasta el final antes de retroceder, usando una pila (explícita o mediante recursión).
El algoritmo de Dijkstra calcula el camino más corto desde un origen a todos los demás vértices en grafos con pesos no negativos, usando una cola de prioridad.
Los algoritmos de Kruskal y Prim calculan el árbol de expansión mínima (minimum spanning tree) de un grafo ponderado no dirigido y conexo.
En C/C++, malloc/new reserva memoria en el heap y free/delete debe liberarla explícitamente; olvidarlo provoca fugas de memoria (memory leak).
El use-after-free (acceder a memoria ya liberada) y el double-free (liberar dos veces el mismo bloque) son vulnerabilidades de seguridad graves típicas de la gestión manual de memoria en C/C++.
Los lenguajes con recolector de basura (Java, Python, C#, Go, JavaScript) liberan automáticamente la memoria de objetos ya no alcanzables, evitando fugas manuales a costa de cierto overhead en tiempo de ejecución.
Un montículo binario (heap) mantiene la propiedad de que cada nodo padre es mayor (max-heap) o menor (min-heap) que sus hijos, y se implementa habitualmente sobre un array, no sobre nodos enlazados.
Una tabla hash (hash table) usa una función hash para mapear claves a posiciones de un array, logrando acceso, inserción y borrado en O(1) en el caso medio, con colisiones resueltas por encadenamiento o direccionamiento abierto.
El factor de carga de una tabla hash (elementos / tamaño del array) determina cuándo se redimensiona la estructura; superar un umbral habitual de 0,7-0,75 suele disparar un rehashing que duplica su capacidad.
El encadenamiento resuelve colisiones en una tabla hash almacenando una lista enlazada por cada posición; el direccionamiento abierto busca la siguiente posición libre dentro del propio array.
Un max-heap garantiza que el elemento máximo esté siempre en la raíz; un min-heap garantiza lo mismo para el mínimo; ambos se implementan habitualmente sobre un array.
Heapsort construye un heap en O(n) y extrae repetidamente la raíz para ordenar en O(n log n) total, sin necesitar memoria adicional (ordenación in-place).
Un trie (árbol de prefijos) permite búsquedas y autocompletado en tiempo proporcional a la longitud de la cadena, no al número de palabras almacenadas.
Las tablas hash distribuidas (DHT) reparten claves entre nodos de una red mediante hash consistente, base de sistemas peer-to-peer y bases de datos NoSQL distribuidas.
10 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.
Pregunta 1 de 100 aciertos
¿Qué algoritmo recorre un grafo por niveles usando una cola y encuentra el camino más corto en número de aristas en grafos no ponderados?
Preguntas frecuentes
¿De qué trata el Tema 12 de Profesor FP Informática?
Las estructuras de datos dinámicas reservan y liberan memoria durante la ejecución del programa, adaptando su tamaño a las necesidades reales sin fijarlo de antemano. Este tema desarrolla las listas enlazadas, pilas, colas, árboles y grafos, sus operaciones fundamentales y su complejidad algorítmica, así como la gestión de memoria dinámica (heap) que las sustenta y los riesgos asociados a una gestión manual incorrecta.
¿Qué hay que memorizar del Tema 12 para el examen?
Una lista enlazada permite inserción/borrado en O(1) si ya se tiene la posición, pero el acceso al elemento i-ésimo es O(n), a diferencia del O(1) de un array. La lista doblemente enlazada añade un puntero al nodo anterior, permitiendo recorrer la estructura en ambos sentidos a costa de más memoria por nodo. Una pila es LIFO: push inserta en la cima, pop extrae de la cima; se usa para la pila de llamadas de funciones y para evaluar expresiones en notación postfija. Una cola es FIFO: enqueue inserta al final, dequeue extrae del principio; modela colas de espera reales (impresión, procesos, mensajes). Una cola de prioridad extrae siempre el elemento de mayor (o menor) prioridad, típicamente implementada mediante un montículo (heap) binario, con inserción y extracción en O(log n). Un árbol binario de búsqueda (ABB) mantiene valores menores a la izquierda y mayores a la derecha de cada nodo; su rendimiento depende de estar balanceado. Un ABB degenerado (todos los nodos en línea, equivalente a una lista enlazada) tiene búsqueda O(n) en el peor caso, en lugar del O(log n) esperado. Los árboles AVL y rojo-negro son autobalanceados: garantizan O(log n) en el peor caso mediante rotaciones tras cada inserción o borrado. Los árboles B y B+ agrupan múltiples claves por nodo para minimizar el número de accesos a disco; son la estructura interna típica de índices de bases de datos y sistemas de archivos. Un árbol B+ almacena todos los datos en las hojas, enlazadas entre sí, optimizando los recorridos secuenciales de rango, frente al árbol B clásico que almacena datos en nodos internos también. Un grafo dirigido tiene aristas con sentido (A→B distinto de B→A); un grafo no dirigido tiene aristas simétricas. La matriz de adyacencia representa un grafo con espacio O(V²), con acceso O(1) para comprobar si existe una arista entre dos vértices concretos. La lista de adyacencia representa un grafo con espacio O(V+E), más eficiente que la matriz para grafos dispersos (pocas aristas respecto al máximo posible). BFS (Breadth-First Search) recorre un grafo por niveles usando una cola, y encuentra el camino más corto en número de aristas en grafos no ponderados. DFS (Depth-First Search) recorre un grafo explorando cada rama hasta el final antes de retroceder, usando una pila (explícita o mediante recursión). El algoritmo de Dijkstra calcula el camino más corto desde un origen a todos los demás vértices en grafos con pesos no negativos, usando una cola de prioridad. Los algoritmos de Kruskal y Prim calculan el árbol de expansión mínima (minimum spanning tree) de un grafo ponderado no dirigido y conexo. En C/C++, malloc/new reserva memoria en el heap y free/delete debe liberarla explícitamente; olvidarlo provoca fugas de memoria (memory leak). El use-after-free (acceder a memoria ya liberada) y el double-free (liberar dos veces el mismo bloque) son vulnerabilidades de seguridad graves típicas de la gestión manual de memoria en C/C++. Los lenguajes con recolector de basura (Java, Python, C#, Go, JavaScript) liberan automáticamente la memoria de objetos ya no alcanzables, evitando fugas manuales a costa de cierto overhead en tiempo de ejecución. Un montículo binario (heap) mantiene la propiedad de que cada nodo padre es mayor (max-heap) o menor (min-heap) que sus hijos, y se implementa habitualmente sobre un array, no sobre nodos enlazados. Una tabla hash (hash table) usa una función hash para mapear claves a posiciones de un array, logrando acceso, inserción y borrado en O(1) en el caso medio, con colisiones resueltas por encadenamiento o direccionamiento abierto. El factor de carga de una tabla hash (elementos / tamaño del array) determina cuándo se redimensiona la estructura; superar un umbral habitual de 0,7-0,75 suele disparar un rehashing que duplica su capacidad. El encadenamiento resuelve colisiones en una tabla hash almacenando una lista enlazada por cada posición; el direccionamiento abierto busca la siguiente posición libre dentro del propio array. Un max-heap garantiza que el elemento máximo esté siempre en la raíz; un min-heap garantiza lo mismo para el mínimo; ambos se implementan habitualmente sobre un array. Heapsort construye un heap en O(n) y extrae repetidamente la raíz para ordenar en O(n log n) total, sin necesitar memoria adicional (ordenación in-place). Un trie (árbol de prefijos) permite búsquedas y autocompletado en tiempo proporcional a la longitud de la cadena, no al número de palabras almacenadas. Las tablas hash distribuidas (DHT) reparten claves entre nodos de una red mediante hash consistente, base de sistemas peer-to-peer y bases de datos NoSQL distribuidas.
¿Hay preguntas de test de este tema exacto?
Sí, 10 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.
¿De dónde sale el temario de este tema?
Del índice oficial de Orden de 1 de febrero de 1996 por la que se aprueban los temarios que han de regir en los procedimientos de ingreso, adquisición de nuevas especialidades y movilidad para determinadas especialidades de los Cuerpos de Profesores de Enseñanza Secundaria y de Profesores Técnicos de Formación Profesional (BOE núm. 38, de 13 de febrero de 1996, BOE-A-1996-3102) — Anexo correspondiente al Cuerpo de Profesores Técnicos de Formación Profesional (0591), especialidad Sistemas y Aplicaciones Informáticas (código 227). Este temario de 1996 sigue vigente hoy como temario de referencia estatal: las convocatorias autonómicas actuales (2023-2026) de esta especialidad remiten expresamente a él como Anexo de contenidos, sin que haya sido derogado ni sustituido por una lista de temas distinta. (Temario oficial estatal de referencia — especialidad Sistemas y Aplicaciones Informáticas (código 227), Cuerpo de Profesores Técnicos de Formación Profesional).
Mientras tanto, practica con tests gratis de Profesor FP Informática.