La complexité en temps d'un algorithme sera exprimé par une fonction, notée T (pour Time), qui dépend : de la taille des données passées en paramètres : plus ces données seront volumineuses, plus il faudra d'opérations élémentaires pour les traiter.
On notera n le nombre de données à traiter.
Qu'est-ce que la complexité algorithmique ? La complexité algorithmique est un concept très important qui permet de comparer les algorithmes afin de trouver celui qui est le plus efficace.
Il existe une notation standard qui s'appelle big O et qui permet de mesurer la performance d'un algorithme.
La complexité est donc T(n)=n0log2(n)=log2(n). donc a=2, b=2 et f(n)=Θ(1).
Dans ce cas logb(a)=log2(2)=1 et f(n)=Θ(n0).
Nous sommes dans le premier cas du Master Theorem où le coût des appels récursifs est prépondérant, et nous avons donc T(n)=Θ(n).