3.1-1
分情况讨论
当$f(n) \ge g(n)$时，$max(f(n), g(n))=f(n)$，存在$c_1=\frac 12,c_2=1,n_0>0$使得$$0 < c_1(f(n)+g(n)) \le f(n) \le c_2(f(n)+g(n)) 对于所有n \ge n_0$$同理可证当$g(n) > f(n)$的情况
3.1-2
$(n+a)^b = n^b + c_1 n^{b-1} + c_2 n^{b-2} + \cdots + a^b=\theta (n^b)$
3.1-3
大O表示法用来表示一个算法复杂度的上界，而“至少”一词用来形容下界，所以这句话的意思是该算法复杂度的上界只要不小于$O(n^2)$即可，相当于没有说明算法的复杂度的界限，没有意义。
3.1-4
$2^{n+1} = O(2^n)$
证明：存在$c=2, n_0>0$使得$$0 \le 2^{n+1} \le c2^n 对于所有n \ge n_0$$$2^{2n} \not = O(2^n)$
证明：假设存在$c,n_0$使得$$\eqalign{ & 0 \le 2^{2n} \le c2^n 对于所有n \ge n_0 \\ & \Rightarrow 2^n * 2^n \le c 2^n \\ & \Rightarrow 2^n \le c }$$由于不存在常数c使得等式成立，故产生矛盾，得证。
3.1-5
利用定义就可以直接证明
3.1-6
最坏情况下复杂度为$O(g(n))$说明所有情况时间复杂度为$O(g(n))$，最好情况下时间复杂度为$\Theta(g(n))$说明所有情况时间复杂度为$\Omega(g(n))$，根据定理3.1得算法时间复杂度为$\Theta (g(n))$
3.1-7
$f(n)=o(g(n))$说明对于任意正常数$c,n_0$，对于所有的$n \ge n_0$都有$$0 \le f(n) < cg(n) 对于所有n \ge n_0$$这时假设$f(n)=\omega (g(n))$，说明对于任意正常数$c,n_0$，对于所有的$n \ge n_0$都有$$0 \le cg(n) < f(n)$$然而这样的常数c是存在的，故产生矛盾，可得$o(g(n)) \cap \omega (g(n)) = \Phi$。
3.1-8
$$\eqalign{\Omega(g(m, n))= \{ f(m, n): & 存在大于零的常数c,n_0,m_0 \cr & 使得 0 \le cg(n,m) \le f(n, m) \cr & 对于所有n \ge n_0 或 m \ge m_0 \}}$$$$\eqalign{\Theta(g(m, n))=\{f(m, n): & 存在大于零的常数c_1,c_2,n_0,m_0 \cr & 使得0\le c_1g(n,m) \le f(n, m) \le c_2g(n,m) \cr & 对于所有n \ge n_0 或 m \ge m_0 \} }$$
3.2-1
由于f(n)和g(n)单调递增，所以对于任意$x_1 < x_2$，都有$$f(x_1) < f(x_2)$$ $$g(x_1) < g(x_2)$$所以$$f(x_1)+g(x_1) < f(x_2)+g(x_2)$$ $$f(g(x_1)) < f(g(x_2))$$ 如果当f(x)和g(x)都非负时显然有$$f(x_1)*g(x_1) < f(x_2)*g(x_2)$$
3.2-2
$$\lg {a^{\log_bc}}=\log_bc \lg a=\frac {\lg a \lg c} {\lg b}$$$$\lg {c^{\log_ba}}=\log_ba \lg c=\frac {\lg a \lg c} {\lg b}$$$$\Rightarrow a^{\log_bc} = c^{\log_ba}$$
3.2-3
证明$\lg {(n!)} = \Theta (n \lg n)$：$$\lg {n!} = \sum_{i=1}^n{\lg i} < \sum_{i=1}^n{\lg n} = n \lg n$$$$\sum_{i=1}^n{\lg i} = \sum_{i=1}^{n/2} {[\lg i + \lg {(n-i)}]} = \sum_{i=1}^{n/2} {[\lg {i (n-i)}]} > \sum_{i=1}^{n/2} {\lg {\frac {n^2}{4}}} = n \lg n - n = \frac 12 n \lg n$$$$\Rightarrow \lg {(n!)} = \Theta (n \lg n)$$证明$n! = \omega (2^n)$：$$\because 当n > 4时，i (n-i) > 2^2$$$$\therefore n! = \prod_{i=1}^{n/2} {i (n-i)} > \prod_{i=1}^{n/2} {2^2} = 2^n$$$$\therefore n! = \omega (2^n)$$证明$n! = o (n^n)$：$$\because 当n > 1时，n! = \prod_{i=1}^n i < \prod_{i=1}^n n = n^n$$$$\therefore n! = o (n^n)$$
3.2-4
证明$f(n)$是否多项式有界等价于证明$\lg {f(n)} = O (\lg n)$，这是因为如果$f(n)$多项式有界，则存在正常数$c,k,n_0$使得对于所有的$n > n_0$都有$f(n) < c n^k$，即$\lg {f(n)} < k c \lg n$，所以$\lg {f(n)} = O {\lg n}$，反之亦然。
对于$\lceil \lg n \rceil !$我们有$$\lg {(\lceil \lg n \rceil !)} = \Theta (\lceil \lg n \rceil \lg {\lceil \lg n \rceil}) = \Theta (\lg n \lg {\lg n}) = \omega (\lg n)$$$\lceil \lg n \rceil !$ 非多项式有界
对于 $ \lceil \lg {\lg n} \rceil ! $ 我们有$$\eqalign { & \lg {(\lceil \lg {\lg n} \rceil !)} \\ & = \Theta (\lceil \lg {\lg n} \rceil \lg {\lceil \lg {\lg n} \rceil}) \\ & = \Theta (\lg {\lg n} \lg {\lg {\lg n}}) \\ & = o ((\lg {\lg n})^2) \\ & = o(\lg n)} $$$ \lceil \lg {\lg n} \rceil ! $ 多项式有界
3.2-5
$$\lg^* {\lg n} = \lg^* n - 1 > \lg {\lg^* n},当\lg^* n > 2时$$
3.2-6
$$\phi ^2 = (\frac {1+\sqrt 5} {2})^2 = \frac {3 + \sqrt5} {2} = \phi + 1$$$$\hat {\phi} ^2 = (\frac {1-\sqrt 5} {2})^2 = \frac {3 - \sqrt5} {2} = \hat {\phi} + 1$$
3.2-7
证明：
当i = 0时，$$\frac {\phi ^0 - \hat {\phi}^0}{\sqrt 5} = 0 = F_0$$当i = 1时，$$\frac {\phi ^1 - \hat {\phi}^1}{\sqrt 5} = 1 = F_1$$假设当i = k-1和i = k时都满足公式，则当i = k+1时$$F_{k+1}=F_k + F_{k-1} = \frac {(\phi ^k + \phi ^{k-1}) - (\hat {\phi}^k+\hat {\phi}^{k-1})}{\sqrt 5}=\frac {\phi^{k-1}(\phi + 1)-\hat {\phi}^{k-1}(\hat {\phi} + 1)}{\sqrt 5}=\frac {\phi ^{k+1} - \hat {\phi}^{k+1}}{\sqrt 5}$$
3.2-8
这题要用到性质$g(n) = \Theta (f(n)) \Leftrightarrow f(n) = \Theta (g(n))$，所以$k \ln k = \Theta (n) \Leftrightarrow n = \Theta (k \ln k)$，要证$k = \Theta (n / \ln n)$等价于证$n / \ln n = \Theta (k)$，代入条件得$$\frac {n}{\ln n} = \Theta (\frac {k \ln k} {\ln {(k \ln k})}) = \Theta (\frac {k \ln k} {\ln k}) = \Theta (k)$$
3-1
a.$$P(n) = \sum_{i=0}^d {a_i n^i} = n^d \sum_{i=0}^d {a_i n^{i-d}} \le n^d \sum_{i=0}^d {a_i} \le cn^k$$b. $$P(n) = \sum_{i=0}^d {a_i n^i} \ge n^d \ge cn^d$$c. 由前两问可证。
d. 同a
e. 同b
3-2
| A | B | $O$ | $o$ | $\Omega$ | $\omega$ | $\Theta$ |
| $\lg^k n$ | $n^{\epsilon}$ | yes | yes | no | no | no |
| $n^k$ | $c^n$ | no | no | yes | yes | no |
| $\sqrt n$ | $n^{\sin n}$ | no | no | no | no | no |
| $2^n$ | $2^{n/2}$ | no | no | yes | yes | no |
| $n^{\lg c}$ | $c^{\lg n}$ | yes | no | yes | no | yes |
| $\lg {(n!)}$ | $\lg {(n^n)}$ | yes | no | yes | no | yes |
3-3
a.$$2^{2^{n+1}} > 2^{2^n} > (n+1)! > n! > e^n > n 2^n > 2^n > (3/2)^n > (\lg n)^{\lg n} = n^{\lg {\lg n}} > (\lg n)!$$$$ > n^3 > n^2 = 4^{\lg n} > n \lg n= \lg {(n!)} > n = 2^{\lg n} > (\sqrt 2)^{\lg n} = \sqrt n > 2^{\sqrt {2\lg n}} > \lg^2 n > \ln n$$$$ > \sqrt {\lg n} > \ln {\ln n} > 2^{\lg^* n} > \lg^* n = \lg^*{(\lg n)} > \lg {(\lg^* n)} > n^{1/ \lg n} = 2 = 1$$b. 非连续性函数或者震荡函数就能满足要求，比如$$f(n)=\cases { n, & $-1^n > 0$ \\ 0, & ${-1}^n < 0$ }$$
3-4
a. 错误，举个反例$n=O(n^2)$，而$n^2 \ne O(n)$
b. 错误，举个反例$n + n^2 = O(n^2) \ne O(\min (n, n^2)) = O(n)$
c. 正确，$f(n)=O(g(n))$表明存在正常数$c, n_0$对所有$n \ge n_0$都有$f(n) \le c g(n)$，所以也有$\lg {f(n)} \le \lg {(c g(n))}$，得证
d. 正确，$f(n)=O(g(n))$表明存在正常数$c, n_0$对所有$n \ge n_0$都有$f(n) \le c g(n)$，所以也有$2^{f(n)} \le 2^{c g(n)}$，得证
e. 正确，同理可证。
f. 正确，定义直接证明。
g. 错误，举个反例$2^n = \Theta(2^n) = \omega(2^{n/2})$
h. 正确，$g(n)=o(f(n))$表明存在正常数$n_0$对于任意正常数$c$，对所有$n \ge n_0$都有$g(n) < f(n)$，所以对于所有$n \ge n_0$都有$f(n)+o(f(n))) < f(n) + f(n) = 2f(n)$，得证。
3-5
a. 只要证明$f(n)=O(g(n))$的补集包含于$f(n)=\overset{\infty}{\Omega} (g(n))$中即可。$f(n)=O(g(n))$表示存在正常数$c, n_0$对所有$n \ge n_0$都有$f(n) \le c g(n)$，那么他的补集是不存在常数$c, n_0$对所有$n \ge n_0$都有$f(n) \le c g(n)$，显然包含于$f(n)=\overset{\infty}{\Omega} (g(n))$中，因为如果存在正常数c对有限个n的话成立的话，就能找到一个$n_0$大于有限个n中最大的那个，使得$f(n) \le c g(n)$成立。但是如果换成$\Omega (g(n))$的话，3-3b中的例子就是个反例。
b. 用符号$\Omega (f(n))$可以保证在n足够大的情况下算法复杂度都不低于$f(n)$，即最好的情况下也不低于$f(n)$。而使用符号$\overset{\infty}{\Omega} (f(n))$则表示该算法在很多时候复杂度都不低于$f(n)$，但在某些比较好的情况下有可能会低于$f(n)$。
c. 没有变化？求指教
d. $$\eqalign { \tilde \Omega (g(n)) = \{ f(n) : & \exists c,k,n_0 > 0 对\,\forall n \ge n_0 \\ & 有0 \le c g(n) \lg^k(n) \le f(n)\} }$$$$\eqalign { \tilde \Theta (g(n)) = \{ f(n) : & \exists c_1,c_2,k,n_0 > 0 对\,\forall n \ge n_0 \\ & 有0 \le c_1 g(n) \lg^k(n) \le f(n) \le c_2 g(n) \lg^k(n) \} }$$定理3.1由定义可知。
3-6
a. $\Theta (n)$
b. $\Theta (\lg^* n)$
c. $\Theta (\lg n)$
d. $\Theta (\lg n)$
e. $\Theta (\lg {\lg n})$
f. $\infty$
g. $\Theta (\lg {\lg n})$
h. 不会，求指教