【学习笔记】与调和级数相关的时间复杂度

声明：博主写这个博客的理由只是为了缓解心情，大部分的东西都是我手推的，没有验证过，如果有问题敬请指出。

Noip2018day1完挂，非常难受，过来写个博客颓一下，缓解心情

1. 调和级数
调和级数$H_n={\sum }_{i=1}^n\frac{n}{i}=O(n\log n)$
这个怎么证……抱歉蒟蒻真不会……
不过调和级数$\sum n_{i=1}\frac{n}{i}$是微积分中${\int }_1^n\frac{1}{x}dx$的离散模拟。（这话这么说对吗……抱歉蒟蒻非常菜鸡啥都不会）

然后考虑一个推广的情形: $T(n)={\sum }_{i=1}^n(\frac{n}{i}{)}^k$

2. $0<k<1$
当$k<1$时，我们化简一下式子：仍然考虑转化为积分式，$n^k{\int }_1^n{x}^{-k}dx=n^k\frac{1}{1-k}{n}^{1-k}=\frac{1}{1-k}n=O(n)$
例如，数论中经常碰到某算法时间复杂度为${\sum }_{i=1}^n\sqrt{\frac{n}{i}}$, 该复杂度即为$O(n)$.
但是请注意，当$k$接近$1$的时候，$O(n)$的背后将隐藏着巨大的常数……比如$k=0.99$ , 实验表明当$n$比较小的时候$k=0.99$和$k=1$差别并不大，但是理论上来说当$n$趋近于$+inf$时，前者将收敛于大约$100n$, 后者将发散。

3. $k>1$
当$k>1$时, $n^k{\int }_1^n{x}^{-k}dx=O(n^k)$
因此，$k>1$时$\frac{n}{k}$的影响几乎可以忽略。不过同理$k$接近$1$时也会有大常数。

好了心情恢复一点了，继续等待明天的GG……