下面函数的时间复杂度是多少？ 应该是n的平方即O(n^2)通过画递归树可以看出每一次复杂度为k的问题都会被分解为k-1，k-2和k-3 这3个问题如果以n为根，那么可以得到一棵不对称的树，最长的一条分支高度为n同时推测树的宽度应该与3n有关，因为是计算O（）所以忽略常数3由此推断复杂度为O(n^2)在通过数学归纳法可以证明这个是成立的即(n-1)^2+(n-2)^2+(n-3)^2*n^2=O(n^2)(其中C为一非负常数，n足够大)
求时间复杂度 T(n)=n+T(n-1)=n+n-1+T(n-2)=.=n+(n-1)+(n-2)+.+1+T(0)=(1+n)*n/2=O(n^2)
以下函数的时间复杂度是多少 时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数该程序S=0；这里是常数O(1)，for(i=0；i；i+)for(j=0；j；j+)s+b[i][j]；这里是n的平方，用平方阶表示O(n^2)sum=s；这里是常数O(1)所以上述时间复杂度是T(n)=两个常数O(1)+n的平方，两个常数相对n的平方来说是低阶项去掉，即常数阶可以去掉忽略不计。最终时间复杂度是T(n)=O(n^2)
什么是算法的时间复杂度？ 是说明一个程序根据其数据n的规模大小 所使用的大致时间和空间说白了 就是表示 如果随着n的增长 时间或空间会以什么样的方式进行增长例for(int i=0；i；i)这个循环执行n次 所以时间复杂度是O(n)for(int i=0；i；i){for(int j=0；j；j)}这嵌套的两个循环 而且都执行n次那么它的时间复杂度就是 O(n^2)时间复杂度只能大概的表示所用的时间而一些基本步骤 所运行的时间不同 我们无法计算 所以省略如for(int i=0；i；i)a=b；和for(int i=0；i；i)这个运行的时间当然是第二个快 但是他们的时间复杂度都是 O(n)判断时间复杂度看循环
