big O与small o，以及复杂度

P问题、NP问题、NP完全问题、NP困难问题

这些问题就是从时间复杂度为多项式时间出发定义的

时间复杂度

完成一个算法所需要的时间

时间复杂度分类：多项式时间、常数时间、对数时间等等。
时间复杂度用big O表示

空间复杂度

完成一个算法所需要占用的存储空间。

算法理论专注于设计有效的算法，而复杂性理论（时间、空间复杂度）专注于理解为什么对于某类问题不存在有效的算法。

big O

又称为渐进符号，是用于描述函数渐进行为的数学符号

无穷大渐进

T(n)趋于无穷大时，n^2占主导地位

分析算法效率时，n为输入的数据大小，T为计算时间，当n越来越大时，T≈n^2，称该算法具有n^2阶的时间复杂度

无穷小渐进

samll o

无穷小的比阶：高阶无穷小、同阶无穷小、等价无穷小、k阶无穷小

exp(x) = 1+ x + x^2/2 + R(x)

泰勒误差余项R(x)=o(x^3)表示余项R(x)为比x^3高阶的无穷小

参考

WIKI