函数的增长

当输入规模足够大，使得只有运行时间的增长量级有关时，我们要研究算法的渐近效率。我们关心的是，在极限中，算法的运行时间如何随着输入规模的变大而增加。从而引出了渐近紧确界的概念。

渐近紧确界

当研究插入排序算法时，它的最坏情况是$a{n}^2+bn+c$，其中$a$、$b$和$c$是常量，去除一些细节后，我们把插入排序的运行时间写成渐近描述$\Theta (n^2)$，用来刻画插入排序算法的运行时间。

以下是三种渐近符号的描述

1. Θ ( g ( n ) ) = { f ( n ) : 存 在 正 常 量 c 1 、 c 2 、 n 0 ， 使 得 对 所 有 的 n ≥ n 0 ， 有 0 ≤ c 1 g ( n ) ≤ f ( n ) ≤ c 2 g ( n ) } \Theta(g(n))=\{f(n):存在正常量c_1、c_2、n_0，使得对所有的n \ge n_0，有0 \le c_1g(n) \le f(n) \le c_2g(n) \} Θ(g(n))={ f(n):存在正常量c1​、c2​、n0​，使得对所有的n≥n0​，有0≤c1​g(n)≤f(n)≤c2​g(n)}
   $\Theta (g(n))$被称为渐近紧确界
2. O ( g ( n ) ) = { f ( n ) : 存 在 正 常 量 c 、 n 0 ， 使 得 对 所 有 的 n ≥ n 0 ， 有 0 ≤ f ( n ) ≤ c g ( n ) } O(g(n))=\{f(n):存在正常量c、n_0，使得对所有的n \ge n_0，有0 \le f(n) \le cg(n) \} O(g(n))={ f(n):存在正常量c、n0​