在Big-O表示法的定义中，我们只关心C系数：
f(n) ≤ Cg(n) for all n ≥ k
为什么我们也不关心A：
f(n) ≤ Cg(n) + A for all n ≥ k
答案 0 :(得分：3)
这里有两种情况需要考虑。首先，假设你的函数g（n）具有g（n）≥1的性质，对于所有“足够大”的n选择。在这种情况下，如果你知道
f（n）≥cg（n）+ A，
然后你也知道
f（n）≥cg（n）+ Ag（n），
所以
f（n）≥（c + A）g（n）。
换句话说，如果你的函数g总是至少为1，那么用cg（n）+ A形式的边界来绑定f（n）相当于用c'g（n）形式边界它对于一些新的常数c'。从这个意义上说，在big-O表示法的定义中增加一些额外的灵活性，至少在这种情况下，不会有所作为。
在算法分析的上下文中，几乎每个你可能绑定的函数g（n）都至少有一个，所以我们可以通过选择g的更大倍数来“咀嚼”额外的附加项
然而，在许多情况下，big-O表示法也用于约束随n增加而减少的函数。例如，我们可以说某些算法给出正确答案的概率是O（1 / n），其中函数1 / n作为n的函数下降到0。在这种情况下，我们使用big-O表示法来讨论函数下降的速度。例如，如果成功概率为O（1 / n 2 ），那么假设n足够大，这比早期的O（1 / n）成功概率更好。在这种情况下，在big-O表示法的定义中允许添加术语实际上会破坏事物。例如，直观地说，函数1 / n 2 比函数1 / n下降到0，并且使用big-O表示法的形式定义，你可以看到这个，因为1 / n 2 ≤1/ n，对于所有n≥1。但是，使用修改后的big-O表示法定义，我们也可以说1 / n = O（1 / n 2 ） ，自
对于所有n≥1，1 /n≤1/ n 2 + 1，
这是正确的，因为加法1项限制了1 / n项，而不是我们最初可能感兴趣的1 / n 2 。
所以对你的问题的长期回答是“如果我们仅将自己限制在g（n）不会降为零的情况下，你上面提出的定义等同于big-O的常规定义” n，并且在g（n）确实将零作为n的函数丢弃的情况下，您的新定义不是特别有用。“
答案 1 :(得分：2)
评论太长了。
Big-O表示法是关于数据变大时会发生什么。换句话说，它是n - >的限制。无穷大。
随着n变大，A保持不变。相比之下，它变得越来越小。另一方面，g(n)（可能）越来越大，因此其贡献越来越大。
答案 2 :(得分：1)
A 常量，因此当问题的大小增长时，它不会对复杂性产生太大影响。
当你有100万的成本时，你不在乎你是否将常数因子加起来为100。你关心这100万人的成长（由Cg(n)产生）;例如，如果问题的规模有所增加，它是否会变成2百万。但是，你的常数仍然是100，所以它并不会真正影响整体的复杂性。