基于自底向上 (Sift-Down) 策略的建堆时间复杂度推导
目标： 运用代数推导与错位相减法，证明将 n n n 个无序节点构建为二叉堆的最坏情况时间复杂度为 O ( n ) O(n) O(n)。
一、确定单层节点数、单层最大下沉步数
此处我们用满二叉树推导：
- 设 n n n：代表这颗满二叉树的总节点个数
- 设 h h h：代表这棵树的总高度（最大层数）
- 设
i
i
i：代表我们当前正在观察的第
i
i
i 层（取值范围是 1 到
h
h
h）
1. 第 i i i 层的节点总数
(说明：数学来源解析)
- 逻辑推导： 在满二叉树中，每层节点数是上一层的 2 倍（等比关系）
- 通用结论： 位于第 i i i 层的节点总数为 2 i − 1 2^{i-1} 2i−1 个。
- 规律列举：
- 第 1 层节点数： 2 0 = 1 2^0 = 1 20=1 个
- 第 2 层节点数： 2 1 = 2 2^1 = 2 21=2 个
- …
- 第 h − 1 h-1 h−1 层节点数： 2 h − 2 2^{h-2} 2h−2 个（这是建堆真正的起始层）
第 h h h 层节点数： 2 h − 1 2^{h-1} 2h−1 个（叶子节点（第 h h h 层）无子节点，天然满足堆性质。）
2. 第 i i i 层节点的最坏下沉步数
- 推导逻辑： 节点最坏情况需要一直向下交换，直到叶子节点（第 h h h 层）为止
- 通用结论： 位于第 i i i 层的节点，最多向下调整 h − i h-i h−i 次
- 规律列举：
- 第 1 层节点：下方有 h − 1 h-1 h−1 层，最多向下移动 h − 1 h-1 h−1 次
- 第 2 层节点：下方有 h − 2 h-2 h−2 层，最多向下移动 h − 2 h-2 h−2 次
- …
- 第 h − 2 h-2 h−2 层节点：下方有 2 层，最多向下移动 2 次
- 第 h − 1 h-1 h−1 层节点：下方有 1 层，最多向下移动 1 次
第 h h h 层节点：下方有 0 层，最多向下移动 0 次
二、构建总步数函数 S ( h ) S(h) S(h)，将每层节点数、最坏下沉步数进行乘积求和
1. 明确定义
我们推导的是基于树高 h h h 的总步数，必须严格记为 S ( h ) S(h) S(h)。
2. 组装求和项
因为：
- 总步数 = ∑ \sum ∑ (单层节点数 × \times × 单层节点最坏调整步数)
- 第 1 层总移动步数： 2 0 × ( h − 1 ) 2^0 \times (h - 1) 20×(h−1)
- 第 2 层总移动步数： 2 1 × ( h − 2 ) 2^1 \times (h - 2) 21×(h−2)
- …
- 第 h − 2 h-2 h−2 层总移动步数： 2 h − 3 × 2 2^{h-3} \times 2 2h−3×2
- 第 h − 1 h-1 h−1 层总移动步数： 2 h − 2 × 1 2^{h-2} \times 1 2h−2×1
3. 得出等式 A
所以：
S ( h ) = 2 0 ( h − 1 ) + 2 1 ( h − 2 ) + 2 2 ( h − 3 ) + ⋯ + 2 h − 3 ⋅ 2 + 2 h − 2 ⋅ 1 —— (等式 A) S(h) = 2^0(h-1) + 2^1(h-2) + 2^2(h-3) + \dots + 2^{h-3} \cdot 2 + 2^{h-2} \cdot 1 \quad \text{—— (等式 A)} S(h)=20(h−1)+21(h−2)+22(h−3)+⋯+2h−3⋅2+2h−2⋅1—— (等式 A)
4. 解释
观察等式 A 的每一项：
左侧因式 ( 2 0 , 2 1 , 2 2 , … 2^0, 2^1, 2^2, \dots 20,21,22,…) 构成等比数列；右侧因式 ( h − 1 , h − 2 , h − 3 , … h-1, h-2, h-3, \dots h−1,h−2,h−3,…) 构成等差数列。
结论： S ( h ) S(h) S(h) 是一个差比数列求和模型。
三、运用错位相减法求解 S ( h ) S(h) S(h)
1. 等式 A
S ( h ) = 2 0 ( h − 1 ) + 2 1 ( h − 2 ) + 2 2 ( h − 3 ) + ⋯ + 2 h − 3 ⋅ 2 + 2 h − 2 ⋅ 1 —— (等式 A) S(h) = 2^0(h-1) + 2^1(h-2) + 2^2(h-3) + \dots + 2^{h-3} \cdot 2 + 2^{h-2} \cdot 1 \quad \text{—— (等式 A)} S(h)=20(h−1)+21(h−2)+22(h−3)+⋯+2h−3⋅2+2h−2⋅1—— (等式 A)
2. 等式 B
为了消除中间的复杂项，把等式两边同乘等比数列的公比（公比
q
=
2
q=2
q=2），计算出等式 B：
2
S
(
h
)
=
2
1
(
h
−
1
)
+
2
2
(
h
−
2
)
+
2
3
(
h
−
3
)
+
⋯
+
2
h
−
2
⋅
2
+
2
h
−
1
⋅
1
—— (等式 B)
2S(h) = 2^1(h-1) + 2^2(h-2) + 2^3(h-3) + \dots + 2^{h-2} \cdot 2 + 2^{h-1} \cdot 1 \quad \text{—— (等式 B)}
2S(h)=21(h−1)+22(h−2)+23(h−3)+⋯+2h−2⋅2+2h−1⋅1—— (等式 B)
3. 两个式子错位相减
为了化简等式，将 (等式 B - 等式 A)，把对齐的中间项相减去除。
即：
S
(
h
)
=
2
1
+
2
2
+
2
3
+
⋯
+
2
h
−
2
+
2
h
−
1
−
(
h
−
1
)
S(h) = 2^1 + 2^2 + 2^3 + \dots + 2^{h-2} + 2^{h-1} - (h-1)
S(h)=21+22+23+⋯+2h−2+2h−1−(h−1)
4. 化简
将等式尾部的
−
(
h
−
1
)
-(h-1)
−(h−1) 拆解为
−
h
+
1
-h + 1
−h+1：
S
(
h
)
=
2
1
+
2
2
+
2
3
+
⋯
+
2
h
−
1
−
h
+
1
S(h) = 2^1 + 2^2 + 2^3 + \dots + 2^{h-1} - h + 1
S(h)=21+22+23+⋯+2h−1−h+1
为了凑齐完整的等比数列，将常数
1
1
1 转化为
2
0
2^0
20，并将其移至数列首部：
S
(
h
)
=
[
2
0
+
2
1
+
2
2
+
2
3
+
⋯
+
2
h
−
1
]
−
h
S(h) = [2^0 + 2^1 + 2^2 + 2^3 + \dots + 2^{h-1}] - h
S(h)=[20+21+22+23+⋯+2h−1]−h
此时，上面等式中括号内的部分构成了标准的等比数列。
根据等比数列求和公式计算：
- 首项 a 1 = 1 a_1 = 1 a1=1
- 公比 q = 2 q = 2 q=2
- 项数 k = h k = h k=h （从 2 0 2^0 20 到 2 h − 1 2^{h-1} 2h−1，共有 h h h 项）
代入公式
S
k
=
a
1
(
q
k
−
1
)
q
−
1
S_k = \frac{a_1(q^k - 1)}{q - 1}
Sk=q−1a1(qk−1) 计算得出：
S
等比
=
1
⋅
(
2
h
−
1
)
2
−
1
=
2
h
−
1
S_{等比} = \frac{1 \cdot (2^h - 1)}{2 - 1} = 2^h - 1
S等比=2−11⋅(2h−1)=2h−1
将该结果代回原式，得出最终的解：等比数列求和公式
S ( h ) = 2 h − 1 − h S(h) = 2^h - 1 - h S(h)=2h−1−h
四、变量代换与渐进复杂度分析
目标： 消去中间变量 h h h，将基于高度的函数 S ( h ) S(h) S(h) 转换为基于数据规模的函数 T ( n ) T(n) T(n)。
1. 建立高度 h h h与节点数 n n n的映射关系
（前置知识验证：基于满二叉树等比求和性质及对数定义，映射关系成立）
- 满二叉树总节点数与高度的关系： n = 2 h − 1 n = 2^h - 1 n=2h−1
- 反解树高 h h h：由 2 h = n + 1 2^h = n + 1 2h=n+1，运用对数转换得出 h = log 2 ( n + 1 ) h = \log_2(n+1) h=log2(n+1)
2. 代换求解 T ( n ) T(n) T(n)
将上述映射关系直接代入第三阶段求出的
S
(
h
)
=
2
h
−
1
−
h
S(h) = 2^h - 1 - h
S(h)=2h−1−h 中：
T
(
n
)
=
(
n
+
1
)
−
1
−
log
2
(
n
+
1
)
T(n) = (n + 1) - 1 - \log_2(n+1)
T(n)=(n+1)−1−log2(n+1)
T
(
n
)
=
n
−
log
2
(
n
+
1
)
T(n) = n - \log_2(n+1)
T(n)=n−log2(n+1)
3. 大 O 渐进分析 (Asymptotic Analysis)
在大 O 表示法中，当数据规模 n n n 极大时，需忽略低阶项：
- 量级对比： 线性项 n n n 的增长速率远大于对数项。例如当 n = 1 , 000 , 000 , 000 n = 1,000,000,000 n=1,000,000,000（十亿）时， log 2 n \log_2 n log2n 仅约为 30。
- 结论提取： 相比于 n n n，对数项 log 2 ( n + 1 ) \log_2(n+1) log2(n+1) 微不足道，直接作为低阶项舍去。
最终结论： 整体调整步数收敛于线性级别，自底向上（Sift-Down）建堆的最坏情况时间复杂度严格证明为 O ( n ) O(n) O(n)。
补充
补充推导 1：满二叉树的总节点数计算
假设满二叉树高度为 h h h，总节点数为 n n n。
各层节点数依次为：
- 第一层： 2 0 2^0 20
- 第二层： 2 1 2^1 21
- 第三层： 2 2 2^2 22
- …
- 第 h h h 层： 2 h − 1 2^{h-1} 2h−1
总节点数 n n n 即为上述各项之和。根据等比数列求和公式 S k = a 1 ( q k − 1 ) q − 1 S_k = \frac{a_1(q^k - 1)}{q - 1} Sk=q−1a1(qk−1)：
- 首项 a 1 = 1 a_1 = 1 a1=1
- 公比 q = 2 q = 2 q=2
- 项数 k = h k = h k=h （共有 h h h 层）
代入公式，得出高度为
h
h
h 的满二叉树总节点数为：
n
=
S
h
=
1
⋅
(
2
h
−
1
)
2
−
1
=
2
h
−
1
n = S_h = \frac{1 \cdot (2^h - 1)}{2 - 1} = 2^h - 1
n=Sh=2−11⋅(2h−1)=2h−1
补充推导 2：通过对数公式求树高h
已知满二叉树总节点数 n n n 与高度 h h h 的关系为： n + 1 = 2 h n + 1 = 2^h n+1=2h
对数公式复习：
- 表达式： log a b = x ⟺ a x = b \log_a b = x \iff a^x = b logab=x⟺ax=b
- 含义： a a a 的几次幂等于 b b b？
- 术语： a a a 为底数， b b b 为真数。
代入转换：
既然
a
x
=
b
a^x = b
ax=b 可以转换为
x
=
log
a
b
x = \log_a b
x=logab
那么
2
h
=
n
+
1
2^h = n + 1
2h=n+1 即可转换为：
h
=
log
2
(
n
+
1
)
h = \log_2(n+1)
h=log2(n+1)
补充推导 3：等比数列求和公式推导（错位相减法）
1. 明确定义与变量：
- a 1 a_1 a1（或简写为 a a a）：代表首项（数列里的第一个数字）。
- q q q：代表公比（后一个数字是前一个数字的多少倍）。
- n n n：代表项数（这串数字里一共有多少个数）。
- S n S_n Sn：代表前 n n n 项的和（Sum）。
例子对应：
对于数列 1, 2, 4, 8, 16：
- a 1 = 1 a_1 = 1 a1=1
- q = 2 q = 2 q=2
- n = 5 n = 5 n=5（一共有 5 个数）
- 我们要求的目标就是 S 5 = 1 + 2 + 4 + 8 + 16 S_5 = 1 + 2 + 4 + 8 + 16 S5=1+2+4+8+16。
2. 数列的通用表达形式
利用乘方概念，这串求和式子可以写成字母形式：
S n = a 1 + a 1 q + a 1 q 2 + a 1 q 3 + ⋯ + a 1 q n − 1 S_n = a_1 + a_1q + a_1q^2 + a_1q^3 + \dots + a_1q^{n-1} Sn=a1+a1q+a1q2+a1q3+⋯+a1qn−1
(注意：最后一项是 q n − 1 q^{n-1} qn−1，是因为第一项是从 q 0 q^0 q0 开始算的。)
3. 核心魔术：错位相减法
这是最关键的一步。我们要利用等式的性质和分配律，把中间那些复杂的加法全部消掉。
-
第一步：列出原式
S n = a 1 + a 1 q + a 1 q 2 + ⋯ + a 1 q n − 1 —— (式子 A) S_n = a_1 + a_1q + a_1q^2 + \dots + a_1q^{n-1} \quad \text{—— (式子 A)} Sn=a1+a1q+a1q2+⋯+a1qn−1—— (式子 A)
-
第二步：整体放大 q q q 倍
根据等式性质，两边同时乘 q q q：
q ⋅ S n = a 1 q + a 1 q 2 + a 1 q 3 + ⋯ + a 1 q n —— (式子 B) q \cdot S_n = a_1q + a_1q^2 + a_1q^3 + \dots + a_1q^n \quad \text{—— (式子 B)} q⋅Sn=a1q+a1q2+a1q3+⋯+a1qn—— (式子 B)
-
第三步：相减（见证奇迹）
用 (式子 B) 减去 (式子 A)。你会发现，中间长得一模一样的项都被“减没”了：
( q − 1 ) ⋅ S n = a 1 q n − a 1 (q - 1) \cdot S_n = a_1q^n - a_1 (q−1)⋅Sn=a1qn−a1
-
第四步：提取公因式并变形
根据分配律的反向提取：
( q − 1 ) ⋅ S n = a 1 ( q n − 1 ) (q - 1) \cdot S_n = a_1(q^n - 1) (q−1)⋅Sn=a1(qn−1)
最后，为了求出 S n S_n Sn，在前提条件 q ≠ 1 q \neq 1 q=1 的情况下，我们把 ( q − 1 ) (q - 1) (q−1) 移到等号右边（变成除法）：
S n = a 1 ( q n − 1 ) q − 1 S_n = \frac{a_1(q^n - 1)}{q - 1} Sn=q−1a1(qn−1)
4. 最终公式与代入验证
这就是我们要找的等比数列求和公式。我们拿你笔记里的例子验证一下： 1 + 2 + 4 + 8 1 + 2 + 4 + 8 1+2+4+8（此时 a 1 = 1 , q = 2 , n = 4 a_1 = 1, q = 2, n = 4 a1=1,q=2,n=4）。
-
方法一（硬算）：
1 + 2 + 4 + 8 = 15 1 + 2 + 4 + 8 = 15 1+2+4+8=15
-
方法二（套公式）：
S 4 = 1 ⋅ ( 2 4 − 1 ) 2 − 1 = 16 − 1 1 = 15 S_4 = \frac{1 \cdot (2^4 - 1)}{2 - 1} = \frac{16 - 1}{1} = 15 S4=2−11⋅(24−1)=116−1=15
结论： 结果完全一致，推导逻辑闭环成立！
扫一扫
1567
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
