作业1:(对应算法基础部分,25分) (1)证明O(f)O(g)=O(fg) (2)已知T(n)=2T(n/2)+n/og₂n,且T(1)=1,求T(n)的时间复杂度。
时间: 2023-08-28 22:03:33 浏览: 76
(1) 证明O(f)O(g)=O(fg):
我们需要证明对于任意的函数f(n),g(n),总存在一个常数C和一个正整数N,使得当n>N时,有f(n)g(n)<=Cf(n)g(n)。
假设当n>N时,f(n)<=C1g(n),g(n)<=C2f(n),那么f(n)g(n)<=C1C2f(n)g(n),即可得证。
因此,O(f)O(g)=O(fg)。
(2) 已知T(n)=2T(n/2)+n/og₂n,且T(1)=1,求T(n)的时间复杂度:
根据主定理,可以得到T(n)的时间复杂度为O(nlog₂n)。
具体步骤如下:
首先,我们将T(n)表示为递归式形式:T(n) = 2T(n/2) + n/og₂n
然后,我们可以得到a=2,b=2,f(n)=n/og₂n
根据主定理的第二种情况,当f(n) = Θ(n^log₂2)时,T(n)的时间复杂度为O(n^log₂2 * logn)。
因为当n/og₂n = 1时,T(n) = 1,因此,n/og₂n = 2^k时,T(n) = k。
所以,n/og₂n = 2^k,即k = log₂n,因此,T(n)的时间复杂度为O(nlog₂n)。
相关问题
证明o(f)o(g)=o(fg)算法
对于证明 o(f) o(g) = o(fg),我们可以使用大O符号的定义来进行推导。
根据大O符号的定义,如果存在正常数 c 和 n0,使得对于所有 n > n0,有 f(n) ≤ c · g(n),那么我们可以说 f(n) 是 o(g(n))。
假设 f(n) 是 o(g(n)),即存在正常数 c1 和 n1,使得对于所有 n > n1,有 f(n) ≤ c1 · g(n)。
现在我们来考虑 o(f) o(g)。根据函数复合(composition)的定义,o(f) o(g) 表示的是一个函数 h(n),使得对于任意正常数 c2 和 n2,存在一个正常数 m,使得对于所有 n > m,有 h(n) ≤ c2 · f(g(n))。
我们将 h(n) 替换为 f(g(n)),即考虑 f(g(n)) ≤ c2 · f(g(n))。由于 f(n) 是 o(g(n)),我们可以取 c2 = c1,并且对于所有 n > max(n1, n2),有 f(g(n)) ≤ c1 · g(g(n))。
因此,我们可以得出结论:o(f) o(g) = o(fg)。
作业1:(对应算法基础部分,25分) (1)证明O(f)O(g)=O(fg) (2)已知T(n)=2T(n/2)+nlog₂n,且T(1)=1,用拓展递归求T(n)的时间复杂度。
(1) 证明O(f)O(g)=O(fg):
我们需要证明对于任意的函数f(n),g(n),总存在一个常数C和一个正整数N,使得当n>N时,有f(n)g(n)<=Cf(n)g(n)。
假设当n>N时,f(n)<=C1g(n),g(n)<=C2f(n),那么f(n)g(n)<=C1C2f(n)g(n),即可得证。
因此,O(f)O(g)=O(fg)。
(2) 已知T(n)=2T(n/2)+nlog₂n,且T(1)=1,用拓展递归求T(n)的时间复杂度:
我们可以使用拓展递归展开的方法来求解递归式T(n) = 2T(n/2) + nlog₂n。
首先,我们将递归式展开成如下形式:
T(n) = 2T(n/2) + nlog₂n
= 2(2T(n/4) + (n/2)log₂(n/2)) + nlog₂n
= 2^2T(n/4) + nlog₂n
+ nlog₂(n/2)
= 2^2(2T(n/8) + (n/4)log₂(n/4)) + nlog₂n
+ nlog₂(n/2)
= 2^3T(n/8) + nlog₂n
+ nlog₂(n/2)
+ nlog₂(n/4)
= ...
= 2^kT(n/2^k) + nlog₂n
+ nlog₂(n/2)
+ nlog₂(n/4)
+ ...
+ nlog₂(n/2^k)
当n/2^k = 1时,即k = log₂n,所以:
T(n) = 2^log₂nT(1) + nlog₂nlog₂n
+ nlog₂(n/2)
+ nlog₂(n/4)
+ ...
+ nlog₂(n/2^(log₂n))
= n + nlog₂nlog₂n
因此,T(n)的时间复杂度为O(nlog₂nlog₂n)。