时间频度，和时间复杂度的计算

（1）时间频度
一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
（2）时间复杂度
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

在T(n)=4n²-2n+2中，就有f(n)=n²，使得T（n)/f(n)的极限值为4，那么O(f(n))，也就是时间复杂度为O(n²)

看维基百科的解释，咱先不考虑数学上的概念，在计算机领域，n只能趋近于无穷大，所以，就暂且只考虑这个无穷大的方向。
T(n)=4n²-2n+2，当n无穷大的时候，后面的“-2n+2”的值对整体T(n)的影响就可以忽略不计。
用到计算机领域，那么，“-2n+2”的这部分执行时间就可以忽略不计。
在数学上，T(n)的极限值就是4n²。
上图中第二段的解释如下：
当4n²与5n³，这个两个不同级的数，比较的时候，那么前面的系数，4和5，也是无关紧要的，也是可以忽略的。