return this.add(P2.multiply(-1));
加上O（n）且乘以O（n²）。为了计算大O我只是将O加倍？那么在最坏的情况下调用它会是O（n³）吗？ this和P2是多项式项的ArrayList。
答案 0 :(得分：5)
要计算大O我只是将O加倍？
不一定。假设multiply需要O（ n 2 ）时间，但总是最终返回3。那么add步是恒定时间，因为它是O（ n ），即O（3），即O（1）;因此整体复杂性为O（ n 2 ）。
另一方面，假设multiply需要O（ n 2 ）时间并返回 n 3 。那么add步是立方时间，因为它是O（ n ）（ n 是它的参数），它是O（ n 3 ）（ n 是multiply的参数）;因此整体复杂性为O（ n 3 ）。
总体复杂性是multiply的复杂性，加上 add 对于任何值的复杂性 multiply 返回
答案 1 :(得分：2)
所以O（n）+ O（n²）只是O（n²）。
答案 2 :(得分：0)
单独查看一行时，确定Big O并不总是那么容易。 在这种情况下，两个步骤（加和多个）是顺序的，这意味着概念将是O（n）+ O（n 2 ））或只是O（n 2 < / SUP>）。
this.add（P2.multiply（-1））可以改写为
mul = P2.multuple（-1）
this.add（MUL）
如果'add'进程循环遍历多个步骤中的每个步骤（这实际上是一个新功能），那么你将多个Big O术语加倍