问题标签 [big-theta]

我理解大哦和theta。问题如下，证明或反证： f(n) = theta(g(n) => h(f(n)) = O(h(g(n))) 如果 h(n) 是一个递增函数. h(n1) > h(n2) 当 n1 > n2

所以，在上面的问题中，我停留在理解递增函数的点上。如果我试图找到一些函数来反驳它，例如，n 和 2n 这可以接受吗？becos big-oh 代表快速增长，而不仅仅是一个常数因子，但没有定义 h(n) 函数的这种条件（我的意思是，我认为 > 字面上比这里大，这是错误的吗？）

另外，即使我发现像 h(f(n)) 这样的东西以与 h(g(n)) 相同的速度增长，这意味着它们本质上是 theta，它们仍然很大吗？因为 theta 的松散界限很大，在这种情况下，我永远无法反驳上述说法。

如果我的理解在通过序列时的某个时刻出现偏差，请纠正我。谢谢！

我对大 O、大 Omega 和大 Theta 符号之间的区别感到非常困惑。

我知道大 O 是上限，大 Omega 是下限，但是 big Ө (theta) 到底代表什么？

我读过这意味着紧密绑定，但这是什么意思？

你好，有人可以帮我(x^3)/1000 - 100*x^2 - 100*x + 3用大θ符号表达。在我看来x^3，但显然x = 0这个多项式给出的值是 3。乘以x^3任何常数根本无济于事。是否有解决此类问题的标准方法？

什么 Theta 运行时有以下代码？

我想出了这个： T(n) = log(n) * (1 + log(n)) = log(n) + log^2(n) 现在我不知道在 Theta 符号中输入什么?

如何计算这个给定代码的 Theta 运行时间：

到目前为止，我得到了这个，但我不知道它是否正确或如何将它带入 Theta 表示法。

开始学习算法。我了解如何从“定期重复”（如T(n) = Tf(n) + g(n). 但是我迷失了这种重复：问题1-2e：

T(n) = T(√n) + Θ(lg lg n)

如何选择找到 theta 的方法？什么，呃，这个复发是什么？我只是不太明白 notation-inside-a-recurrence 的事情。

我四处寻找有关 Big-Theta 的信息，我想我已经对它有了一个不错的理解。然而，问题仍然存在：当预期输入大小较小时，Big Theta Notation 是否是算法效率的有效衡量标准？

我认为当预期输入大小很小时，Big Theta Notation 不是算法效率的有效度量。首先是我对 Big Theta 的部分理解：如果函数 f(n) 是 O(n) 和 Big Omega(n)，那么它就是 Big Theta(n)。所有这些值的数学定义要求 n>n0。因此，根据我的推理，小输入大小有可能（并且很可能）小于 n0。因此，我的推理是，对于 n< n0 的值，Big Theta Notation 不是算法效率的有效度量。

在试图理解Theta和O表示法之间的区别时，我遇到了以下语句：

但我不明白这一点。这本书在数学上解释了它，但它太复杂了，当我真的不理解时，它读起来真的很无聊。

任何人都可以使用简单但功能强大的示例来解释两者之间的区别。

我了解大θ、大哦和大欧米茄的概念。我只是很难证明这一点。自从我做归纳以来已经很长时间了，所以我很确定我只是生疏了，缺少一些简单的东西。

例如..我需要帮助的问题是证明5n² - 6n = Θ(n²)..

我已经得到了问题的 Big-Oh 部分（我做 big-Oh 和 Ω 分别正确吗？）到：

和大欧米茄部分：

....但是我从这里去哪里？！我从归纳中回忆起......我认为这些都是真的，现在插入(n+1)每个n并且......做......什么？在这一点上，我迷失了自己。

各位晚安

我需要一些帮助来比较大 O 和 Θ 算法。
我可以理解如何比较两个大 O，但是
在如何将大 O 与 Θ 或大 O 与 Ω 等进行比较等方面，我的理解有些困难。

我将在下面发布一些示例：

Θ(2ⁿ) vs Ο(2ⁿ)
Θ(n ^0.6 ) vs Θ(n ^logn )
O(n) vs Ω(n⋅logn)