Big-O-Notation (asymptotische obere Schranke)

Die Beziehung f(n) \in O(g(n)) \iff \exists c>0,n₀: \forall n\ge n₀,\ |f(n)|\le c|g(n)| fasst Big O ordnet Funktionen nach ihrer asymptotischen Wachstumsrate und liefert eine obere Schranke bis auf einen konstanten Faktor. zusammen. Lies sie als Modell für klar definierte Größen, nicht als automatische Aussage über jede reale Situation. Im Beispiel f(n)=3n²+8n+2 liegt in O(n²): Für n≥1 ist f(n)≤13n², also genügt etwa c=13 und n₀=1. Das ist eine asymptotische Aussage, keine Laufzeit in Sekunden. werden die Symbole mit konkreten Werten verbunden und das Ergebnis wird fachlich interpretiert. Gültigkeitsgrenze: Big O bedeutet: Ab einer Schwelle wächst |f(n)| höchstens wie ein konstanter Faktor von |g(n)|. Es beschreibt nicht automatisch den exakten Aufwand oder eine untere Schranke; dafür stehen unter anderem Quelle: MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”.

Schreibe zuerst die gesuchte Größe und alle gegebenen Werte mit ihren Bezeichnungen auf. Setze sie in f(n) \in O(g(n)) \iff \exists c>0,n₀: \forall n\ge n₀,\ |f(n)|\le c|g(n)| ein und prüfe, ob die Einheiten zusammenpassen. Das Beispiel f(n)=3n²+8n+2 liegt in O(n²): Für n≥1 ist f(n)≤13n², also genügt etwa c=13 und n₀=1. Das ist eine asymptotische Aussage, keine Laufzeit in Sekunden. liefert eine Rechenprobe: Werte Formel und Ergebnis müssen dieselbe Größenordnung und Bedeutung ergeben; runde erst am Ende. Gültigkeitsgrenze: Big O bedeutet: Ab einer Schwelle wächst |f(n)| höchstens wie ein konstanter Faktor von |g(n)|. Es beschreibt nicht automatisch den exakten Aufwand oder eine untere Schranke; dafür stehen unter anderem Quelle: MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”.

Die Formel gilt nur, wenn die Größen so definiert sind wie in der Quelle und im Hintergrundtext. Prüfe insbesondere Randfälle, Messbedingungen und ob ein Näherungszeichen statt Gleichheit gemeint ist. Ein formal korrektes Einsetzen kann trotzdem fachlich falsch sein, wenn diese Voraussetzungen verletzt werden oder die betrachtete Population beziehungsweise Systemgrenze wechselt. Gültigkeitsgrenze: Big O bedeutet: Ab einer Schwelle wächst |f(n)| höchstens wie ein konstanter Faktor von |g(n)|. Es beschreibt nicht automatisch den exakten Aufwand oder eine untere Schranke; dafür stehen unter anderem Quelle: MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”.

Die angegebene Einheit lautet: n dimensionslose Problemgröße; f(n), g(n) gleichartige Operations- oder Speichergrößen. Vor dem Einsetzen müssen alle Werte auf ein konsistentes Einheitensystem gebracht werden; Anzahlen, Prozentangaben und dimensionslose Verhältnisse sind dabei nicht austauschbar. Die Variablenliste benennt die Rolle jedes Symbols. Einheitenkontrolle erkennt viele Fehler, ersetzt aber nicht die Prüfung, ob die Formelannahmen erfüllt sind. Gültigkeitsgrenze: Big O bedeutet: Ab einer Schwelle wächst |f(n)| höchstens wie ein konstanter Faktor von |g(n)|. Es beschreibt nicht automatisch den exakten Aufwand oder eine untere Schranke; dafür stehen unter anderem Quelle: MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”.

Ein Vergleich hilft, wenn beide Größen dieselbe Aufgabe beantworten, aber unterschiedliche Eigenschaften betonen. Berichte Definition, Eingabedaten, Schwelle oder Aggregation zusammen mit dem Zahlenwert. Die Quelle MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”. stützt die hier verwendete Definition; bei anderen Konventionen können Ergebnisse abweichen. Verwende die Kennzahl deshalb passend zum konkreten Lern- oder Analyseziel. Gültigkeitsgrenze: Big O bedeutet: Ab einer Schwelle wächst |f(n)| höchstens wie ein konstanter Faktor von |g(n)|. Es beschreibt nicht automatisch den exakten Aufwand oder eine untere Schranke; dafür stehen unter anderem Quelle: MIT OpenCourseWare, 6.046J Introduction to Algorithms, Lecture 2: “Asymptotic Notation; Recurrences; Substitution, Master Method”.