La notación Big O describe cómo aumenta el trabajo de un algoritmo cuando crece la cantidad de datos.
Leer las familias de crecimiento
O(1) permanece casi constante. O(log n) reduce el problema de forma drástica en cada paso. O(n) examina cada elemento una vez. O(n log n) es habitual en ordenamientos eficientes, mientras que O(n²) suele aparecer al comparar muchas parejas.
Buscar la operación repetida
No memorices los símbolos de forma aislada. Identifica el bucle o la llamada recursiva dominante, calcula cuántas veces se ejecuta y conserva el término que crece más rápido. Las constantes importan en la práctica, aunque no cambien la familia asintótica.
Comparar con contexto
Dos algoritmos del mismo orden pueden rendir de manera distinta según los datos, la memoria y el equipo. Usa Big O para razonar sobre la escala y mide la implementación real cuando los detalles sean decisivos.
Continúa con el libro
Consulta el tratamiento completo, los ejemplos y los ejercicios en Algoritmos explicados con claridad.
Adaptado de Algoritmos explicados con claridad, publicado por Choral Software. Texto del artículo y ejemplos originales © 2026 Choral Software. Todos los derechos reservados.