数据结构——分析算法时间复杂度与空间复杂度（青岛大学-王卓老师）

2个nxn矩阵相处的算法可描述为：

for(i=1;i<=n;i++){
   								//n+1次		n次加判断1次
	for(j=1;j<=n;j++){
   							//n(n+1)次	外n次*（内n次+内判断1次）
+		c[i][j]=0;								//n*n次		
		for(k=0;k<n;k++){
   						//n*n*(n+1)次	外n*n次*（内n次+内判断1次（从0开始））
			c[i][j]=c[i][j]+a[i][k]*b[k][j];	//n*n*n次		
		}
	}
}

我们把算法所耗费的时间定义为该算法中每条语句的频度之和，则上述算法的时间消耗T(n)为：

T(n)=2n^3^ +3n^2^+2n+1

---

算法的渐进时间复杂度

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（O是数量级的符号），简称时间复杂度
一般情况下，不必计算所有操作的执行次数，而只考虑算法中基本操作执行的次数，它是问题规模n的某个函数，用过T(n)表示

---

分析算法时间复杂度的基本办法

1. 找出