数据结构的时间复杂度与空间复杂度、及相关证明

0. 有向图无向图的时空复杂度

图的时空复杂度与其具体的表示形式有关，对于图的邻接表的表示形式，记 Adj[v] 为顶点 v 的出边构成的列表。为了考量其空间复杂度，首先需要记录全部的顶点，也即即使全部的顶点的出度均为0（顶点间相互孤立），仍然需要 $O(V)$ 的时间复杂度。

• 图是一种连接图，每条边在 list 中仅出现一次，
• 图是无连通图，每条边在 list 中却出现两次；

也即以上两种情况下，全部 list 中的元素之和，不超过边数目的2倍，又由 2E ⇒ O(E)，因此为了记录顶点以及记录边，空间复杂度为 $O(V+E)$，当然也等于 $O(\max(V,E))$，不妨设 $c=2$，则 $O(\max(V,E))=2\max(V,E)\geq V+E$

1. $T(n)=T(\lfloor\sqrt n\rfloor)+1$

本质上是看将一个数开多少次平方根，其值才会接近于 1.

$$n^{\frac1{2^k}}=a, \quad 1<a<2 ⇒ k=\log\log n$$

显然，$\log\log n$ 的时间复杂度要小于 $\log n$，因为 $\log n<n$，而 $\log x$ 又是一个单调递减函数。

再来看一道稍微复杂点的情况，$T(n)=\sqrt nT(\sqrt n)+n$，等式两边同时除以 $n$，则可化为：

$$\frac{T(n)}{n}=\frac{T(\sqrt n)}{\sqrt n}+1 ⇒ f(n)=f(\sqrt n)+1$$

由上面的情况可知，$f(n) ⇒ O(\log \log n)$，因此原始问题的时间复杂度为 $O(n\log \log n)$