时间复杂度求的是运行的上界

当 n 逐渐增大的时候，n^2 的曲线会远远在 n 的上面，所以，一个时间中含 n^2 的算法，我们不能说成是 O(n)。这就是“上界”的意思。

网上随便搜了一个 n^2, nlogn，n 和 logn 的曲线，可以参考：

更严谨的关于时间复杂度的数学定义，这个课程没有引入，因为我不想让大家被数学绕晕，同时，这确实不是刚开始学习算法的重点。但如果你对时间复杂度，更准确的说，是大 O 的严格的数学定义感兴趣，大 O 是这么定义的：

对于一个算法，假设他的运行时间是 t(n)，我们说这个算法的复杂度是 O(f(n)) 的，是指存在一个常数 c 和 n0，保证在 n >= n0 的条件下，t(n) <= cf(n) 恒成立。

对这个数学定义更深入的分析，我建议阅读《算法导论》。但依然是，我不建议算法入门的时候读《算法导论》，或者在复杂度分析的严谨数学上花太多时间，有一个感性认识就够了。基础算法掌握得差不多以后，如果感兴趣，可以再深入诸如《算法导论》这样理论化程度比较高的教材。

继续加油！：）