算法导论（一）：渐进符号&递归求解

前言

本篇博客所记录的主要内容对应于原视频课程的第二课，即渐进符号、递归及解法。本篇博客将依次介绍三大渐进符号以及递归公式的求解。

渐进符号

在学习算法的过程中，我们一般会用渐进符号来考量一个算法的时间复杂度和空间复杂度。一般来讲，渐进符号有五个，它们分别是：渐进确界（θ）、渐进上界（O）、渐进下界（Ω）、非渐进紧确上界（o）以及非渐进紧确下界（w）。其中前三者在我们学习数据结构和算法中更为常用，故以下只对前三者做详细介绍。

渐进确界（θ）

数学定义：对于两个多项式f(n)与g(n)，若存在常数c₁、c₂与n₀，其中c₁ > 0、c₂ > 0、n₀ > 0，满足对任意的n > n₀，都有 c₁*g(n) $\le$ f(n) $\le$ c₂*g(n)，则称g(n)为f(n)的一个渐进确界，记为f(n) = θ(g(n))。
示例1：f(n) = 2n³ & g(n) = n³，故有f(n) = θ(g(n))；
示例2：f(n) = 2n³ & g(n) = n³ + n²，也有f(n) = θ(g(n))。
说明：如示例所示，一个多项式的渐进确界不唯一，一个多项式的所有确界会构成一个集合。但在实际应用中，我们一般会找到“最简便”的确界（这里的最简便即略去确界的低次项以及常数项，如在上述示例中我们会选择g(n) = n³作为f(n)的确界）。

渐进上界（O）

数学定义：对于两个多项式f(n)与g(n)，若存在常数c与n₀，其中c > 0、n₀ > 0，满足对任意的n > n₀，都有 0 $\le$ f(n)