第三章 函数的增长 3.2 标准记号与常用函数

3.2 标准记号与常用函数

一.

1.单调性

  若 $m\le n$ 蕴含 $f(m)\le f(n)$，则函数 $f(n)$ 是单调递增的。类似地，若 $m\le n$ 蕴含 $f(m)\ge f(n)$，则函数 $f(n)$ 是单调递减的。若 $m<n$ 蕴含 $f(m)<f(n)$，则函数 $f(n)$ 是严格递增的。若 $m<n$ 蕴含 $f(m)>f(n)$，则函数 $f(n)$ 是严格递减的。

2.向下取整与向上取整

  对任意实数 $x$，我们用 $\lfloor x\rfloor$ 表示小于或等于 $x$ 的最大整数（读作“ $x$ 的向下取整”），并用 $\lceil x\rceil$ 表示大于或等于 $x$ 的最小整数（读作“ $x$ 的向上取整”）。对所有实数 $x$，$$x-1<\lfloor x\rfloor \le x\le \lceil x\rceil <x+1$$  对任意整数 $n$，$$\lceil \frac{n}{2}\rceil +\lfloor \frac{n}{2}\rfloor =n$$  对任意实数 $x\ge 0$ 和整数 $a,b＞0$，$$\lceil \frac{\lceil \frac{x}{a}\rceil }{b}\rceil =\lceil \frac{x}{ab}\rceil$$$$\lfloor \frac{\lfloor \frac{x}{a}\rfloor }{b}\rfloor =\lfloor \frac{x}{ab}\rfloor$$$$\lceil \frac{a}{b}\rceil \le \frac{a+(b-1)}{b}$$$$\lfloor \frac{a}{b}\rfloor \ge \frac{a+(b-1)}{b}$$
  向下取整函数 $f(x)=\lfloor x\rfloor$ 是单调递增的，向上取整函数 $f(x)=\lceil x\rceil$ 是单调递增的。

3.模运算

  对任意整数 $a$ 和任意正整数 $n$,$$a\mathrm{m}\mathrm{o}\mathrm{d}n=a-n\lfloor \frac{a}{n}\rfloor$$  结果有 $$0\le a\mathrm{m}\mathrm{o}\mathrm{d}n<n$$

4.多项式

  给定一个非负整数 $d$，$n$ 的 $d$ 次多项式为具有以下形式的一个函数 $p(n)$，$$p(n)=\sum _{i=0}^d{a}_i{n}^i$$  其中常量 $a_0，a_1,...,a_d$ 是多项式的系数且 $a_d\ne 0$。一个多项式为渐近正的当且仅当 $a_d>0$。对于一个 $d$ 次渐近正的多项式 $p(n)$，有 $p(n)=\Theta (n^d)$。
  若对某个常量 $k$，有 $f(n)=O(n^k)$，则称函数 $f(n)$ 是多项式有界的。

5.指数

  对所有 $n$ 和 $a\ge 1$，函数 $a^n$ 关于 $n$ 单调递增。方便时，我们假定 $0^0=1$。
  对所有使得 $a>1$ 的实常量 $a$ 和 $b$，有$$\underset{n\to \infty }{\lim }\frac{n^b}{a^n}=0$$  据此可得$$n^b=o(a^n)$$  因此，任意底大于 $1$ 的指数函数比任意多项式函数增长得快。
  当 $|x|\le 1$ 时，我们有近似估计$$1+x\le e^x\le 1+x+x^2$$  当 $x\to 0$ 时，用 $1+x$ 作为 $e^x$的近似是相当好的：$$e^x=1+x+\Theta (x^2)$$  对所有 $x$，我么有：$$\underset{n\to \infty }{\lim }(1+\frac{x}{n}{)}^n=e^x$$

6.对数

  对数函数只适用于公式中的下一项。
  对 $x>-1$，还有下面的不等式：$$\frac{x}{1+x}\le ln(1+x)\le x$$  其中仅对 $x=0$ 等号成立。
  若对某个常量 $k$，$f(n)=O(\lg k^n)$，则称函数$f(n)$是多对数有界的。$$\underset{n\to \infty }{\lim }\frac{{\lg }^{b}n}{(2^a{)}^{\lg n}}=\underset{n\to \infty }{\lim }\frac{{\lg }^{b}n}{n^a}=0$$  对任意常量 $a>0$，$${\lg }^{b}n=o(n^a)$$  因此，任意正的多项式函数都比任意多对数函数增长得快。

7.阶乘

  阶乘函数的一个弱上界是$$n!\le n^n$$  斯特林（Stirling）近似公式如下：$$n!=\sqrt{2\pi n}(\frac{n}{e}{)}^n(1+\Theta (\frac{1}{n}))$$  给出了一个更紧确的上界和下界。
  对所有 $n\ge 1$，下面的等式也成立：$$n!=\sqrt{2\pi n}(\frac{n}{e}{)}^n{e}^{{\alpha }_n}$$  其中：$$\frac{1}{12n+1}<{\alpha }_n<\frac{1}{12n}$$

8.多重函数

$$f^{(i)}(n)=\{\begin{array}{ll}n,& \text{若 i = 0}\\ f(f^{(i-1)}(n)),& \text{若 i > 0}\end{array}$$

9.多重对数函数

  我们使用记号 ${\lg }^{\ast }n$（读作“ log 星 n ”）来表示多重对数，下面会给出它的定义。假设 ${\lg }^{(i)}n$ 定义如上，其中 $f(n)=\lg n$。定义多重对数函数为 l g ∗ n = m i n { i ≥ 0 : l g ( i ) ≤ 1 } lg^*n=min\{i≥0:lg^{(i)}≤1\} lg∗n=min{i≥0:lg(i)≤1}  因为在可探测的宇宙中原子的数目估计约为$10^{8}0$,远远小于 $2^{65536}$，所以我们很少遇到一个使 ${\lg }^{\ast }n>5$的输入规模 $n$。

10.斐波那契数

  使用下面的递归式来定义斐波那契数：
$$F_0=0$$$$F_1=1$$$$F_i=F_{i-1}+F_{i-2}，i\ge 2$$  斐波那契数与黄金分割率 $\varphi$ 及其共轭数 $\hat{\varphi }$ 有关。他们是下列方程的两个根：$$x^2=x+1$$$$\varphi =\frac{1+\sqrt{5}}{2}=1.61803...$$$$\hat{\varphi }=\frac{1-\sqrt{5}}{2}=-0.61803...$$  特别地，我们有$$F_i=\frac{{\varphi }^i-{\hat{\varphi }}^i}{\sqrt{5}}$$  因为 $|\hat{\varphi }|<1$，所以有$$\frac{|{\hat{\varphi }}^i|}{\sqrt{5}}<\frac{1}{\sqrt{5}}<\frac{1}{2}$$  这蕴含着$$F_i=\lfloor \frac{{\varphi }^i}{\sqrt{5}}+\frac{1}{2}\rfloor$$  这就是说第 $i$个斐波那契数 $F_i$ 等于 $\frac{{\phi }^i}{\sqrt{5}}$ 舍入到最近的整数。因此，斐波那契数以指数形式增长。

二.

3.2-1

  证明：若 $f(n)$ 和 $g(n)$ 是单调递增的函数，则函数 $f(n)+g(n)$ 和 $f(g(n))$ 也是单调递增的，此外，若 $f(n)$ 和 $g(n)$ 是非负的，则 $f(n)\cdot g(n)$ 是单调递增的。

  证明：对任意 $n_1、n_2\in N$，$f(n_1)<f(n_2)$，$g(n_1)<g(n_2)$，则$$f(n_1)+g(n_1)<f(n_2)+g(n_2)$$$$f(g(n_1))<f(g(n_2))$$     故函数 $f(n)+g(n)$ 和 $f(g(n))$ 单调递增。
     若 $f(n)$，$g(n)$ 是非负的，则$$f(n_1)\cdot g(n_1)<f(n_2)\cdot g(n_2)$$     故 $f(n)\cdot g(n)$ 是单调递增的。

3.2-2

  证明等式 （3.16） $$a^{{\log }_{b}c}=c^{{\log }_{b}a}$$

  证明：要证$$a^{{\log }_{b}c}=c^{{\log }_{b}a}$$     即证$$\lg a\cdot {\log }_{b}c=\lg c\cdot {\log }_{b}a$$     即证$$\lg a\cdot \frac{\lg c}{\lg b}=\lg c\cdot \frac{\lg a}{\lg b}$$     证毕。

3.2-3

  证明等式（3.19）$$\lg (n!)=\Theta (n\lg n)$$  并证明 $n!=\omega (2^n)$ 且 $n!=o(n^n)$。

  证明：取 $c_1=1$，$c_2=\frac{1}{2}$，则由于$$\lg (n!)=\sum _{i=1}^n\lg i\le n\lg n$$     当 $n$ 足够大时，$$\lg (n!)=\sum _{i=1}^{\lfloor \frac{n}{2}\rfloor }\lg i+\sum _{i=\lfloor \frac{n}{2}\rfloor +1}^n\lg i\ge \frac{n}{2}\lg \frac{n}{2}\ge \frac{n}{4}\lg n$$     故而$$\lg (n!)=\Theta (n\lg n)$$     取 $c=\frac{1}{2}$，对任意 $n\in N$，则$$n!\ge \frac{1}{2}\cdot 2^n>0$$     故而$$n!=\omega (2^n)$$     取 $c=1$，对任意 $n\in N$，则$$n!\le n^n$$     故而$$n!=o(n^n)$$

*3.2-4

  函数 $\lceil \lg n\rceil !$ 多项式有界吗？函数 $\lceil \lg \lg n\rceil !$ 多项式有界吗？

  解：设$$\lceil \lg n\rceil =m$$    故$$m!=\sqrt{2\pi m}(\frac{m}{e}{)}^m{e}^{2m}>(\frac{m}{e}{)}^m{e}^{2m}=(me{)}^m=e^{m(\ln m+1)}>n^{\ln m+1}>n^{\ln \ln m}$$    从而函数 $\lceil \lg n\rceil !$ 不是多项式有界的。
     设$$\lceil \lg \lg n\rceil =m$$$$m!<m^m<(2^m{)}^m=2^{m^2}<2^{2^{m-1}}$$    并且$$\lg \lg n\ge m-1,n\ge 2^{2^{m-1}}$$$$\lceil \lg \lg n\rceil <2^{2^{m-1}}\le n$$    故 $\lceil \lg \lg n\rceil !$ 是多项式有界。

*3.2-5

  如下两个函数中，哪一个渐近更大些：$\lg ({\lg }^{\ast }n)$ 还是 ${\lg }^{\ast }(\lg n)$？

  证明：后者大一些（套的层数少一些）。

3.2-6

  证明：黄金分割率 $\varphi$ 及其共轭数 $\hat{\varphi }$ 都满足方程 $x^2=x+1$。

  证明：代入$${\varphi }^2=(\frac{\sqrt{5}+1}{2}{)}^2=\frac{3+\sqrt{5}}{2}=\varphi +1$$$${\hat{\varphi }}^2=(\frac{\sqrt{5}-1}{2}{)}^2=\frac{3-\sqrt{5}}{2}=\hat{\varphi }+1$$

3.2-7

  用归纳法证明：第 $i$ 个斐波那契数满足等式$$F_i=\frac{{\varphi }^i-{\hat{\varphi }}^i}{\sqrt{5}}$$  其中 $\varphi$ 是黄金分割率且 $\hat{\varphi }$ 是共轭数。

  证明：使用数学归纳法，当 $i=0$ 时，$$F_0=\frac{(\frac{1+\sqrt{5}}{2}{)}^0-(\frac{1-\sqrt{5}}{2}{)}^0}{\sqrt{5}}=0$$     当 $i<n$ 时，$$F_i=\frac{(\frac{1+\sqrt{5}}{2}{)}^i-(\frac{1-\sqrt{5}}{2}{)}^i}{\sqrt{5}}$$     从而当 $i=n$ 时$$\begin{array}{rl}{F}_n& =F_{n-1}+F_{n-2}\\ & =\frac{(\frac{1+\sqrt{5}}{2}{)}^{n-1}-(\frac{1-\sqrt{5}}{2}{)}^{n-1}}{\sqrt{5}}+\frac{(\frac{1+\sqrt{5}}{2}{)}^{n-2}-(\frac{1-\sqrt{5}}{2}{)}^{n-2}}{\sqrt{5}}\\ & =\frac{(\frac{1+\sqrt{5}}{2}{)}^{n-2}\cdot \frac{3+\sqrt{5}}{2}-(\frac{1-\sqrt{5}}{2}{)}^{n-1}\cdot \frac{3-\sqrt{5}}{2}}{\sqrt{5}}\\ & =\frac{(\frac{1+\sqrt{5}}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n}{\sqrt{5}}\end{array}$$     综上所述，$$F_i=\frac{{\varphi }^i-{\hat{\varphi }}^i}{\sqrt{5}}$$

3.2-8

  证明：$k\ln k=\Theta (n)$ 蕴含着 $k=\Theta (\frac{n}{\ln n})$

  证明：由于 $klnk=\Theta (n)$，则 $n=\Theta (klnk)$，要证 $k=\Theta (\frac{n}{\ln n})$即证$\frac{n}{\ln n}=\Theta (k)$。代入条件：$$\frac{n}{\ln n}=\Theta (\frac{k\ln k}{\ln (k\ln k)})=\Theta (\frac{klnk}{lnk})=\Theta (k)$$     即：$$\frac{n}{\ln n}=\Theta (k)$$

3-1

  （多项式的渐近行为）假设 $$p(n)=\sum _{i=0}^d{a}_i{n}^i$$  是一个关于 $n$ 的 $d$ 次多项式，其中 $a_d>0$，$k$ 是一个常量。使用渐近记号的定义来证明下面的性质。
  a. 若 $k\ge d$，则 $p(n)=O(n^k)$。
  b. 若 $k\le d$，则 $p(n)=\Omega (n^k)$。
  c. 若 $k=d$，则 $p(n)=\Theta (n^k)$。
  d. 若 $k>d$，则 $p(n)=o(n^k)$。
  e. 若 $k<d$，则 $p(n)=\omega (n^k)$。

  证明：
     a. 设 a m a x = { a 1 , a 2 , . . . , a d } ≥ a d > 0 a_{max} = \{a_1, a_2,...,a_d\} ≥a_d>0 amax​={a1​,a2​,...,ad​}≥ad​>0，取 $c=d{a}_{max},n_0=1$，则有$$p(n)=\sum _{i=0}^d{a}_i{n}^i\le \sum _{i=0}^d{a}_{max}{n}^i\le d{a}_{max}{n}^d=c{n}^d\le c{n}^k$$      从而 $p(n)=O(n^k)$ 成立
     b. 取 $c=\frac{1}{2}{a}_d$，对 $\exists n_0>0,s.t.\forall n>n_0$，均有$\frac{1}{2}{a}_d{n}^d+{\sum }_{i=0}^{d-1}{a}_i{n}^i>0$，从而$$c{n}^k\le c{n}^d=\frac{1}{2}{a}_d{n}^d\le \frac{1}{2}{a}_d{n}^d+\frac{1}{2}{a}_d{n}^d+\sum _{i=0}^{d-1}{a}^i{n}^i=p(n)=\sum _{i=0}^d{a}_i{n}^i$$      从而 $p(n)=\Omega (n^k)$成立
     c. 当 $k=d$ 时，由 a. 和 b. 及定理 3.1 知，$p(n)=\Theta (n^k)$成立
     d. 当 $k<d$时，设 a m a x = { a 1 , a 2 , . . . , a d } ≥ a d > 0 a_{max} = \{a_1, a_2,...,a_d\} ≥a_d>0 amax​={a1​,a2​,...,ad​}≥ad​>0，取 $c=d{a}_{max},n_0=1$，则有$$p(n)=\sum _{i=0}^d{a}_i{n}^i\le \sum _{i=0}^d{a}_{max}{n}^i\le d{a}_{max}{n}^d=c{n}^d<c{n}^k$$      从而 $p(n)=o(n^k)$ 成立
     e. 取 $c=\frac{1}{2}{a}_d$，对 $\exists n_0>0,s.t.\forall n>n_0$，均有$\frac{1}{2}{a}_d{n}^d+{\sum }_{i=0}^{d-1}{a}_i{n}^i>0$，从而$$c{n}^k<c{n}^d=\frac{1}{2}{a}_d{n}^d\le \frac{1}{2}{a}_d{n}^d+\frac{1}{2}{a}_d{n}^d+\sum _{i=0}^{d-1}{a}^i{n}^i=p(n)=\sum _{i=0}^d{a}_i{n}^i$$      从而 $p(n)=\omega (n^k)$成立

3-2

  （相对渐近增长）为下表中的每对表达式 $(A,B)$ 指出 $A$ 是否是 $B$ 的 $O$、$o$、$\Omega$、$\omega$ 或 $\Theta$。假设 $k\ge 1$、$\epsilon >0$ 且 $c>1$ 均为常量。回答应该以表格的形式，将“是”或“否”写在每个空格中。

	A	B	O	o	Ω	ω	Θ
a.	$${\lg }^{k}n$$	$$n^{\epsilon }$$	是	是	否	否	否
b.	$$n^k$$	$$c^n$$	是	是	否	否	否
c.	$$\sqrt{n}$$	$$n^{\sin n}$$	否	否	否	否	否
d.	$$2^n$$	$$2^{\frac{n}{2}}$$	否	否	是	是	否
e.	$$n^{\lg c}$$	$$c^{\lg n}$$	是	否	是	否	是
f.	$$\lg (n!)$$	$$\lg (n^n)$$	是	否	是	否	是

3-3

  （根据渐近增长率排序）
  a. 根据增长的阶来排序下面的函数，即求出满足 $g_1=\Omega (g_2)$，$g_2=\Omega (g_3)$, … , $g_{29}=\Omega (g_{30})$ 的函数的一种排列 $g_1，g_2，...，g_{30}$。把你的表划分成等价类，使得函数 $f(n)$ 和 $g(n)$ 在相同类中当且仅当 $f(n)=\Theta (g(n))$。

$$\lg ({\lg }^{\ast }n)$$	$$2^{{\lg }^{\ast }n}$$	$$(\sqrt{2}{)}^{\lg n}$$	$$n^2$$	$$n!$$	$$(\lg n)!$$
$$(\frac{3}{2}{)}^n$$	$$n^3$$	$${\lg }^{2}n$$	$$\lg (n!)$$	$$2^{2^n}$$	$$n^{\frac{1}{\lg n}}$$
$$\ln \ln n$$	$${\lg }^{\ast }n$$	$$n\ast 2^n$$	$$n^{\lg \lg n}$$	$$\ln n$$	$$1$$
$$2^{\lg n}$$	$$(\lg n{)}^{\lg n}$$	$$e^n$$	$$4^{\lg n}$$	$$(n+1)!$$	$$\sqrt{\lg n}$$
$$\lg \ast (\lg n)$$	$$2^{\sqrt{2\lg n}}$$	$$n$$	$$2^n$$	$$n\lg n$$	$$2^{2^{n+1}}$$

  b. 给出非负函数 $f(n)$ 的一个例子，使得对所有在 (a) 部分中的的函数 $g_i(n)，f(n)$ 既不是 $O(g_i(n))$ 也不是 $\Omega (g_i(n))$。

  证明：a. 先进行化简，$(\sqrt{2}{)}^{\lg n}=\sqrt{n}$，$\lg (n!)=\Theta (n\lg n)$，$2^{\lg n}=n$，$4^{\lg n}=n^2$，$2^{2\lg n}=n^2$， 从而给出这样的排列：
$$\begin{gathered} 2^{2^{n+1}},2^{2^n},(n+1)!,n!,e^n,n\ast 2^n,2^n, \\ (\frac{3}{2}{)}^n,(\lg n{)}^{\lg n}、n^{\lg \lg n},(\lg n)!,n^3,n^2、4^{\lg n},\lg (n!),n\lg n,n、2^{\lg n}, \\ (\sqrt{2}{)}^{\lg n},2^{\sqrt{2\lg n}},{\lg }^{2}n,\ln n, \\ \sqrt{\lg n},\ln \ln n,2^{{\lg }^{\ast }n},{\lg }^{\ast }n、{\lg }^{\ast }(\lg n),\lg ({\lg }^{\ast }n),n^{\frac{1}{\lg n}}、1 \end{gathered}$$
     b. $f(n)=n^{\sin n}$

3-4

  （渐近记号的性质）假设 $f(n)$ 和 $g(n)$ 为渐近正函数。证明或者反驳下面的每一个猜测。
  a. $f(n)=O(g(n))$ 蕴含 $g(n)=O(f(n))$。
  b. $f(n)+g(n)=\Theta (\min (f(n),g(n)))$。
  c. $f(n)=O(g(n))$ 蕴含 $\lg (f(n))=O(\lg (g(n)))$，其中对所有足够大的 $n$ ，有$\lg (g(n)))\ge 1$ 且 $f(n)\ge 1$。
  d. $f(n)=O(g(n))$ 蕴含 $2^{f(n)}=O(2^{g(n)})$。
  e. $f(n)=O((f(n){)}^2)$。
  f. $f(n)=O(g(n))$ 蕴含 $g(n)=\Omega (f(n))$。
  g. $f(n)=\Theta (f(n/2))$。
  h. $f(n)+o(f(n))=\Theta (f(n))$。

  解：a. 假设不成立。如 $f(n)=n,g(n)=n^2$
    b. 假设不成立。$f(n)+g(n)=\Theta (\max (f(n),g(n)))$
    c. 假设成立。若 $f(n)=O(g(n))$，则 $\exists c、n_0>0,s.t.0\le f(n)\le cg(n)$，$\exists n_1>0,f(n)\ge \max (1,c^2,2|c|)，即\lg (f(n))>0,g(n)\ge c且g(n)>2$,从而$\exists n=\max (n_0,n_1)>0,s.t.0\le \lg f(n)\le \lg cg(n)=\lg c+\lg g(n)\le 2\lg g(n)$
    d. 假设不成立。如 $f(n)=2n,g(n)=n$
    e. 假设不成立。如 $f(n)=\frac{1}{n}$
    f. 假设成立。转置对称性。
    g. 假设不成立。如 $f(n)=2^n$
    h. 假设成立。如设 $g(n)=o(f(n))$，则$\forall c>0,\exists n_0>0,s.t.\forall n>n_0,0\le g(n)<cf(n)$，于是取 $c=1$，从而$\exists n_0>0,s.t.\forall n>n_0,0\le f(n)+g(n)<2f(n)$，故而$f(n)+o(f(n))=\Theta (f(n))$。

3-5

  （$O$ 与 $\Omega$ 的一些变形）某些作者用一种与我们稍微不同的方式来定义 $\Omega$；假设我们使用 $\stackrel{\infty }{\Omega }$（读作“Ω 无穷”）来表示这种可选的定义。若存在正常量 $c$，使得对无穷多个整数 $n$，有 $f(n)\ge cg(n)\ge 0$，则称 $f(n)=\stackrel{\infty }{\Omega }(g(n))$。
  a. 证明：对渐近非负的任意两个函数 $f(n)$ 和 $g(n)$，或者 $f(n)=O(g(n))$ 或者 $f(n)=\stackrel{\infty }{\Omega }(g(n))$ 或者二者均成立，然而，如果使用 $\Omega$ 来代替 $\stackrel{\infty }{\Omega }$，那么命题并不为真。
  b. 描述用 $\stackrel{\infty }{\Omega }$代替 $\Omega$ 来刻画程序运行时间的潜在优点与缺点。
  某些作者也用一种稍微不同的方式来定义 $O$；假设使用 $O^{{}^{\prime }}$来表示这种可选的定义。我们称 $f(n)=O^{\prime }(g(n))$ 当且仅当 $|f(n)|=O(g(n))$。
  c. 如果使用 $O^{\prime }$代替 $O$ 但仍然使用 $\Omega$，定理3.1中的“当且仅当”的每个方向将出现什么情况？
  有些作者定义 $\tilde{O}$（读作“软 $O$”）来意指忽略对数因子的 $O$：
O ~ ( g ( n ) ) = { f ( n ) ： 存 在 正 常 量 c ， k 和 n 0 ， 使 得 对 所 有 n ≥ n 0 ， 有 0 ≤ f ( n ) ≤ c g ( n ) l g k ( n ) } \widetilde O(g(n))=\{f(n)：存在正常量c，k和n_0，使得对所有n≥n_0，有0≤f(n)≤cg(n)lg^k(n)\} O (g(n))={f(n)：存在正常量c，k和n0​，使得对所有n≥n0​，有0≤f(n)≤cg(n)lgk(n)}
  d. 用一种类似的方式定义 $\tilde{\Omega }$ 和 $\tilde{\Theta }$ 。证明与定理3.1相对应的类似结论。

  证明：a. 如果 $f(n)=O(g(n))$，那么，存在正常数 $c$ 和 $n_0$，使对所有 $n\ge n_0$，有 $0\le f(n)\le cg(n)$.
      倘若$f(n)\ne O(g(n))$，则任意正常数 $c$ 和 $n_0$，都存在 $n>n_0$，使得 $f(n)>cg(n)$，于是对给定的常数 $c$，每次取 $n_i=n_{i-1}+1$，从而有无数个正常数 $n_0,n_1,...n_i,...$，使得 $f(n)>cg(n)$，即 $f(n)=\stackrel{\infty }{\Omega }(g(n))$。
      陈述反过来亦可。然而取渐近非负函数 $f(n)=n,g(n)=2+\sin n$ 可知不可以将命题的 $\Omega$ 取代 $\stackrel{\infty }{\Omega }$。
     b. 优点：任意渐近非负的两个函数的关系均可由 $\Omega$ 或 $\stackrel{\infty }{\Omega }$表示。
      缺点：不能明确比较两个函数的增长率的大小。
     c. 没有变化
      对于足够大的 $n$，由于 $f(n)=O(g(n))$，故而 $f(n)$ 渐近非负，等价于 $|f(n)|=O(g(n))$。
     d. Ω ~ ( g ( n ) ) = { f ( n ) ： 存 在 正 常 量 c ， k 和 n 0 ， 使 得 对 所 有 n ≥ n 0 ， 有 0 ≤ c g ( n ) l g k ( n ) ≤ f ( n ) } \widetilde\Omega(g(n))=\{f(n)：存在正常量c，k和n_0，使得对所有n≥n_0，有0≤cg(n)lg^k(n)≤f(n)\} Ω (g(n))={f(n)：存在正常量c，k和n0​，使得对所有n≥n0​，有0≤cg(n)lgk(n)≤f(n)} Θ ~ ( g ( n ) ) = { f ( n ) ： 存 在 正 常 量 c 1 ， c 2 ， k 1 ， k 2 和 n 0 ， 使 得 对 所 有 n ≥ n 0 ， 有 c 1 g ( n ) l g k 1 ( n ) ≤ f ( n ) ≤ c 2 g ( n ) l g k 2 ( n ) } \widetilde\Theta(g(n))=\{f(n)：存在正常量c_1，c_2，k_1，k_2和n_0，使得对所有n≥n_0，有c_1g(n)lg^{k_1}(n)≤f(n)≤c_2g(n)lg^{k_2}(n)\} Θ (g(n))={f(n)：存在正常量c1​，c2​，k1​，k2​和n0​，使得对所有n≥n0​，有c1​g(n)lgk1​(n)≤f(n)≤c2​g(n)lgk2​(n)}
      结论：对任意两个函数 $f(n)$ 和 $g(n)$，我们有 $f(n)=\tilde{\Theta }(g(n))$，当且仅当 $f(n)=\tilde{O}(g(n))$ 且 $f(n)=\tilde{\Omega }(g(n))$
      必要性：
      由于 $f(n)=\tilde{\Theta }(g(n))$，故而存在正常量 $c_1、c_2、k_1、k_2$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le c_{1}g(n){\lg }^{k_1}(n)\le f(n)\le c_{2}g(n){\lg }^{k_2}(n)$。故而存在正常量 $c_2、k_2$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le f(n)\le c_{2}g(n){\lg }^{k_2}(n)$，即 $f(n)=\tilde{O}(g(n))$。存在正常量 $c_1、k_1$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le c_{1}g(n){\lg }^{k_1}(n)\le f(n)$ 即 $f(n)=\tilde{\Omega }(g(n))$。
      充分性：
      $f(n)=\tilde{O}(g(n))$ 且 $f(n)=\tilde{\Omega }(g(n))$，则存在正常量 $c_2、k_2$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le f(n)\le c_{2}g(n){\lg }^{k_2}(n)$，即 $f(n)=\tilde{O}(g(n))$；存在正常量 $c_1、k_1$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le c_{1}g(n){\lg }^{k_1}(n)\le f(n)$ 即 $f(n)=\tilde{\Omega }(g(n))$。故存在正常量 $c_1、c_2、k_1、k_2$ 和 $n_0$，使得对所有 $n\ge n_0$，有 $0\le c_{1}g(n){\lg }^{k_1}(n)\le f(n)\le c_{2}g(n){\lg }^{k_2}(n)$ 即 $f(n)=\tilde{\Theta }(g(n))$。

3-6

  （多重函数）我们可以把用于函数 ${\lg }^{\ast }$ 中的重复操作符 $\ast$ 应用于实数集上的任意单调递增函数 $f(n)$。对给定的常量 $c\in R$，我们定义多重函数 $f_c^{\ast }$ 为 f c ∗ ( n ) = min ⁡ { i ≥ 0 : f ( i ) ( n ) ≤ c } f^*_c(n)=\min\{i≥0:f^{(i)}(n)≤c\} fc∗​(n)=min{i≥0:f(i)(n)≤c}  该函数不必在所有情况下都为良定义的。换句话说，值 $f_c^{\ast }(n)$ 是为缩小其参数到 $c$ 或更小所需要函数 $f$ 重复应用的数目。
  对如下每个函数 $f(n)$ 和常量 $c$，给出 $f_c^{\ast }(n)$ 的一个尽量紧确的界。

	f(n)	c	$$f_c^{\ast }(n)$$
a.	$$n-1$$	0	$n-1,\Theta (n)$
b.	$$\lg n$$	1	$${\lg }^{\ast }n,\Theta ({\lg }^{\ast }n)$$
c.	$$\frac{n}{2}$$	1	$\lg n,\Theta (\lg n)$
d.	$$\frac{n}{2}$$	2	$\lg n-1,\Theta (\lg n)$
e.	$$\sqrt{n}$$	2	$\lg \lg n,\Theta (\lg \lg n)$
f.	$$\sqrt{n}$$	1	$n>1$时不存在
g.	$$n^{\frac{1}{3}}$$	2	${\log }_3\lg n,\Theta ({\log }_3\lg n)$
h.	$$\frac{n}{\lg n}$$	2	$\omega (lglgn),o(lgn)$