渐进符号定义和例子

渐进符号（Asymptotic Notation）用于描述算法的复杂度，特别是随着输入规模增大时，算法性能的变化。以下是常见的渐进符号及其定义和例子：

大O符号（Big-O Notation）

大O符号 O(f(n)) 描述的是上界，表示算法在最坏情况下的时间或空间复杂度。它给出一个函数的渐进上界。

定义：T(n)=O(f(n))如果存在正数常数 c 和 n0​，使得对于所有 n≥n0，有 T(n)≤c⋅f(n)。

例子：对于算法运行时间 T(n)=3n²+2n+1，我们可以说 T(n)=O(n²)。

大Ω符号（Big-Omega Notation）

大Ω符号 Ω(f(n)) 描述的是下界，表示算法在最好的情况下的时间或空间复杂度。它给出一个函数的渐进下界。

定义：T(n)=Ω(f(n)) 如果存在正数常数 c 和 n0​，使得对于所有 n≥n0​，有 T(n)≥c⋅f(n)。

例子：对于算法运行时间 T(n)=3n²+2n+1，我们可以说 T(n)=Ω(n²)。

大Θ符号（Big-Theta Notation）

大Θ符号 Θ(f(n))描述的是算法的精确增长率。它同时给出上界和下界，表示算法的时间或空间复杂度的渐进紧界。

定义：T(n)=Θ(f(n))如果存在正数常数 c1、c2​ 和 n0​，使得对于所有 n≥n0，有c1⋅f(n) ≤ T(n) ≤ c2⋅f(n)。

例子：对于算法运行时间 T(n)=3n²+2n+1，我们可以说 T(n)=Θ(n²)。

小o符号（Little-O Notation）

小o符号 o(f(n))描述的是严格上界，表示算法的时间或空间复杂度严格小于某个函数的增长率。

定义：T(n)=o(f(n))如果对于任意正数常数 c，存在 n0​，使得对于所有 n≥n0​，有 T(n)<c⋅f(n)。

例子：对于算法运行时间 T(n)=nlog⁡n，我们可以说 T(n)=o(n²)。

小ω符号（Little-Omega Notation）

小ω符号 ω(f(n)) 描述的是严格下界，表示算法的时间或空间复杂度严格大于某个函数的增长率。

定义：T(n)=ω(f(n)) 如果对于任意正数常数 c，存在 n0，使得对于所有 n≥n0​，有 T(n)>c⋅f(n)。

例子：对于算法运行时间 T(n)=n²，我们可以说 T(n)=ω(n)。