分析算法時間復雜度時，把注意力集中到關鍵的操作上。
幾種漸進符號
大寫O符號
f(n)=O(g(n))，這里f(n)是分析出來算法的執行次數的函數，
O的定義:當且僅當存在正的常數c和n0，使得對於所有的n>=n0，有f(n)<=cg(n)。
這里cg(n)就是函數f(n)的上限。
幾種函數的例子:
1.線性函數
f(n)=3n+2，當n>=2時，3n+2<=3n+n=4n。所以f(n)=O(n)，這里c就是4，n0=2。
2.平方函數
f(n)=2n^2+3n+3，當n>=3時，3n+3<=4n，當n>=4時，4n<n^2，f(n)=2n^2+n^2=3n^2。
f(n)=O(n^2)，這里c是3，n0=4。
3.指數函數
f(n)=6*2^n+n^2，當n>=4時，n^2<=2^n，所以當n>=4，有f(n)<=6*2^n+2^n=7*2^n。
這里c是7，n0=4，f(n)=O(2^n)。
4.常數階
f(n)=9，這里就直接記為O(1)，c為9，n0為0就可以了，f(n)=9<=9*1。
Ω符號
f(n)=Ω(g(n))，當且僅當存在正的常數c和n0，使得對於所有n>=n0，有f(n)>=cg(n)。
Ω符號是給函數的下限。
例子
對於所有的n，有f(n)=3n+2>3n，所以f(n)=Ω(n)，這里c=3，n0=0。這里也可以這樣f(n)=Ω(1)，
但是這個精確度貌似也太坑爹了。
比分析函數上限簡單些。
Θ符號
對於存在大於0的常數c1、c2和非負的整數n0，以及足夠大的n，對於所有的n≥n0來說，有c1g(n)<=f
(n)<=c2g(n)。
3n+2=Θ(n)，當c1=3,c2=4，n>=n0=2時，3n<=3n+2<=4n。
小寫o符號
定義:f(n)=o(g(n))當且僅當f(n)=O(g(n))且f(n)!=Ω(g(n))。