Big O 表示法仅取决于矩阵大小还是取决于数据类型（整数、布尔值）？
Big O notation depend on matrix size only or data type(integer, Boolean) as well?
大O符号是否只依赖于矩阵的维数？或者它也将取决于数据类型（整数或布尔值）。
假设我有两个大小为 mat=M x N 的矩阵，我必须将它们相乘。如果矩阵的数据类型是整数，那么 运行 在计算机上的时间是不同的，但是如果数据类型是布尔值 [+1,-1]，那么在计算机上的 运行 时间会减少。我如何在考虑数据类型的情况下编写大 O 表示法。
你没有考虑； big-O 在所有情况下都是相同的。 Big-O 是关于 缩放 ；随着输入规模的增长，相对于基线工作，你做了多少更多工作？
除非算法针对矩阵的每个元素缩放到任意位长度，否则布尔值和整数之间的差将是一个常量乘数，并且在大 O 表示法中忽略常量乘数。对于16 vs. 8 vs. 2 vs. 1的选择，这并不是真正的任意增长；对于 10x10 矩阵，16 位可能需要 1 位的 16 倍，但如果对于 20x20 也需要 1 位的 16 倍，则比例因子相同。
注意：在真实硬件上，性能可能会发生更明显的变化（停止适合缓存行或根本不适合缓存的矩阵可能会显着改变行为），但 big-O 是关于理想化的计算设备，没有这样的限制。
大O符号是否只依赖于矩阵的维数？或者它也将取决于数据类型（整数或布尔值）。
假设我有两个大小为 mat=M x N 的矩阵，我必须将它们相乘。如果矩阵的数据类型是整数，那么 运行 在计算机上的时间是不同的，但是如果数据类型是布尔值 [+1,-1]，那么在计算机上的 运行 时间会减少。我如何在考虑数据类型的情况下编写大 O 表示法。
你没有考虑； big-O 在所有情况下都是相同的。 Big-O 是关于 缩放 ；随着输入规模的增长，相对于基线工作，你做了多少更多工作？
除非算法针对矩阵的每个元素缩放到任意位长度，否则布尔值和整数之间的差将是一个常量乘数，并且在大 O 表示法中忽略常量乘数。对于16 vs. 8 vs. 2 vs. 1的选择，这并不是真正的任意增长；对于 10x10 矩阵，16 位可能需要 1 位的 16 倍，但如果对于 20x20 也需要 1 位的 16 倍，则比例因子相同。
注意：在真实硬件上，性能可能会发生更明显的变化（停止适合缓存行或根本不适合缓存的矩阵可能会显着改变行为），但 big-O 是关于理想化的计算设备，没有这样的限制。