1樓：匿名使用者
^o(n)這個大o表示的是最來壞源情況下的時間複雜度，就比如你舉的例子，一共n^3次乘法和n^3次加法，那麼加起來就是2×n^3。 然後如果有一個表示式f(n)，使得n趨於無窮大的時候，lim(2×n^3)/f(n)=常數c，那麼就可以用大o表示。表示為o(f(n))，而且規定f(n)的表示式是不帶常數的係數的，那麼在這裡f(n)=n^3。
一般用大o表示演算法複雜度只需要取次數最高的項，而且去掉係數就ok了，不用每次都這麼算的。三重迴圈而且每重迴圈都執行n次的話直接o(n^3)就好了。
2樓：匿名使用者
o（bain） 表示執行時間的上界du 通俗點說就是演算法執行的zhi
最壞情況該程式dao有三重循
環 由c[i][j]=c[i][j]+a[i][k]*b[k][j];可知進行一回次答乘法必進行一次加法 故t（n)<=n^3+n^3=2n^3=**^3故t（n）=o（g（n））=o（n^3)
演算法設計與分析 已知某個演算法的時間複雜度t(n)=o(f(n))，f(n)是什麼函式？t(n)和f(n)是什麼關係？
3樓：匿名使用者
時間複雜度
演算法分析
同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程式的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間複雜度和空間複雜度來考慮。
1、時間複雜度
（1）時間頻度
一個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且一個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。
一個演算法中的語句執行次數稱為語句頻度或時間頻度。記為t(n)。
（2）時間複雜度
在剛才提到的時間頻度中，n稱為問題的規模，當n不斷變化時，時間頻度t(n)也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。
一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t(n)表示，若有某個輔助函式f(n),使得當n趨近於無窮大時，t（n)/f(n)的極限值為不等於零的常數，則稱f(n)是t(n)的同數量級函式。記作t(n)=o(f(n)),稱o(f(n)) 為演算法的漸進時間複雜度，簡稱時間複雜度。
在各種不同演算法中，若演算法中語句執行次數為一個常數，則時間複雜度為o(1),另外，在時間頻度不相同時，時間複雜度有可能相同，如t(n)=n2+3n+4與t(n)=4n2+2n+1它們的頻度不同，但時間複雜度相同，都為o(n2)。
按數量級遞增排列，常見的時間複雜度有：
常數階o(1),對數階o(log2n),線性階o(n),
線性對數階o(nlog2n),平方階o(n2)，立方階o(n3),...，
k次方階o(nk),指數階o(2n)。隨著問題規模n的不斷增大，上述時間複雜度不斷增大，演算法的執行效率越低。
數學分析中的o和演算法中的o 是一回事嗎
4樓：
你說的演算法中的o是指時間的複雜度吧，不能完全看作一回事，數分中有極限的過程，而在演算法中表示一種階數，演算法中的o(n)，表示與n有相同的階數，在n前面可以加上任意一個確定的倍數，比如3n, 5n, 100n,都可以看成o(n)，這是我自己的看法，僅供參考哈
數學分析問題，數學分析問題
不等式左邊 lim n n 0,1 f x dx 1 n f k n lim n n k 1 n,k n f x dx k 1 n,k n f k n dx lim n n k 1 n,k n f x f k n dx lim n n 62616964757a686964616fe4b893e5b1...
數學分析的問題,數學分析極限問題。
那是因為bai兩個定義不一樣,du一個就是固定x,令 zhin趨於無窮取dao極限 注意是固定回x 答也就是一個一個 的固定x來考慮極限。這時只是得到函式咧fn x 的極限函式。另外一個就不是這樣了,必須通盤考慮問題,要求對所有的x 注意不是固定的x 必須有一致 的n,這個n是與x無關的,是對所有的...
數學分析裡的分析是什麼意思，數學分析裡的分析二字是什麼意思。
四則運算？哭瞎了 weierstrass大人還說過這樣的話 那分析數學的分析倆字怎麼理解 你說的來這個問題的 是 數學中源的三大危機bai 我建議你收索這本du書看下。當時，也zhi就是dao幾百看前，數學中遇到三次嚴重的危機，第一次是無理數的誕生，第二次是極限，第三次是集合。weierstrass...