В чем разница между O(n) и O(n^2) при анализе производительности алгоритма?

Разница между O(n) и O(n^2) при анализе производительности алгоритма заключается в характере роста времени выполнения. habr.com proglib.io

O(n) означает линейную сложность, при которой время выполнения алгоритма прямо пропорционально размеру входных данных. habr.com proglib.io Другими словами, удвоение размера входных данных удвоит и необходимое время для выполнения алгоритма. bimlibik.github.io Пример: поиск максимального элемента в несортированном массиве. dzen.ru

O(n^2) означает квадратичную сложность, при которой время выполнения алгоритма увеличивается пропорционально квадрату размера входных данных. habr.com proglib.io Если размер входных данных удваивается, время выполнения алгоритма увеличится в четыре раза. proglib.io Например, при увеличении данных в 10 раз, количество операций (и время выполнения) увеличится примерно в 100 раз. bimlibik.github.io

Таким образом, квадратичная сложность O(n^2) растёт быстрее, чем линейная сложность O(n).