主定理证明

递归树推导

设总层数为t 所以$\frac{t}{b^n}=1$ （n规模大的问题，每次分为原问题的1/b ，t次分成1）
$$t=lo{g}_{b}n$$
总代价

假定a是b(b>1)的幂
主定理的三种情况分别对应这个式子的的三种情况
1.树的总代价由叶结点的代价决定，
2.树的总代价均匀分布在树的所有层次上
3.树的总代价由根结点的代价决定

case1：

若对某个常数ε>0有$f(n)=O(n^{lo{g}_{b}a-\epsilon })$则$g(n)=O(n^{lo{g}_{b}a})$可转换为
存在$f(n)=O(n^c)$ ，其中 $c<lo{g}_{b}a$
$$T(n)=\sum _{i=0}^t{a}^{i}O((\frac{n}{b^i}{)}^c)$$
$$=O(\sum _{i=0}^t{a}^i(\frac{n}{b^i}{)}^c)$$
$$=O(n^c\sum _{i=0}^t(\frac{a}{b^c}{)}^i)$$
$$求和项为等比数列$$
$$=O(n^c(\frac{a}{b^c}{)}^t)$$
$$\frac{n^c}{b^{tc}}=1$$
$$=O(a^t)$$
$$a^t=a^{lo{g}_{b}n}=a^{\frac{lo{g}_{a}n}{lo{g}_{a}b}}=a^{lo{g}_{a}n\ast lo{g}_{b}a}$$
$$=O(n^{lo{g}_{b}a})$$
得证

case2：

若$f(n)=\Theta (n^{lo{g}_{b}a})$则$g(n)=\Theta (n^{lo{g}_{b}a})$
假设$f(n)=\Theta (n^{lo{g}_{b}a})$ 所以$f(\frac{n}{b^i})=\Theta ((\frac{n}{b^i}{)}^{lo{g}_{b}a})$
$$T(n)=\Theta (\sum _{i=0}^t{a}^i(\frac{n}{b^i}{)}^{lo{g}_{b}a})$$
$$=\Theta (n^{lo{g}_{b}a}\sum _{i=0}^t(\frac{a}{a}{)}^i)$$
$$=\Theta (n^{lo{g}_{b}a}\sum _{i=0}^{t}1)$$
$$=\Theta (n^{lo{g}_{b}a}lo{g}_{b}n)$$
$$=\Theta (n^{lo{g}_{b}a}lgn)$$

case3：

若对某个常数c<1和所有足够大的n有$af(\frac{n}{b})\le cf(n)$则$T(n)=\Theta (f(n))$
$$T(n)=\sum _{i=0}^t{a}^{i}f(\frac{n}{b^i})\le \sum _{i=0}^t{c}^{i}f(n)\le f(n)\sum _{i=0}^{\infty }{c}^i$$
$$注意:c<1且求和部分为等比数列，求和再取极限$$
$$=f(n)(\frac{1}{1-c})+O(1)=O(f(n))$$
在上篇的矩阵乘法中，
分治法得到的复杂度$T(n)=8T(\frac{n}{2})+O(n^{²})$
则a=8，b=2 满足第一种情况 复杂度为$O(n^{lo{g}_{2}8})=O(n^3)$
Strassen方法中 复杂度$T(n)=7T(\frac{n}{2})+O(n^{²})$
a=7, b = 2 也满足第一种情况，复杂度为$O(n^{lo{g}_{2}7})$