deploy

zh-hant/chapter_computational_complexity/time_complexity/index.html

@@ -4500,7 +4500,7 @@ T(n) = 3 + 2n
 <p><span class="arithmatex">\(T(n)\)</span> 是一次函式，說明其執行時間的增長趨勢是線性的，因此它的時間複雜度是線性階。</p>
 <p>我們將線性階的時間複雜度記為 <span class="arithmatex">\(O(n)\)</span> ，這個數學符號稱為<u>大 <span class="arithmatex">\(O\)</span> 記號（big-<span class="arithmatex">\(O\)</span> notation）</u>，表示函式 <span class="arithmatex">\(T(n)\)</span> 的<u>漸近上界（asymptotic upper bound）</u>。</p>
 <p>時間複雜度分析本質上是計算“操作數量 <span class="arithmatex">\(T(n)\)</span>”的漸近上界，它具有明確的數學定義。</p>
-<div class="admonition abstract">
+<div class="admonition note">
 <p class="admonition-title">函式漸近上界</p>
 <p>若存在正實數 <span class="arithmatex">\(c\)</span> 和實數 <span class="arithmatex">\(n_0\)</span> ，使得對於所有的 <span class="arithmatex">\(n &gt; n_0\)</span> ，均有 <span class="arithmatex">\(T(n) \leq c \cdot f(n)\)</span> ，則可認為 <span class="arithmatex">\(f(n)\)</span> 給出了 <span class="arithmatex">\(T(n)\)</span> 的一個漸近上界，記為 <span class="arithmatex">\(T(n) = O(f(n))\)</span> 。</p>
 </div>