Скопируйте этот промпт в нашу Консоль для разработчиков, чтобы попробовать его самостоятельно!

Содержание
SystemВаша задача — проанализировать предоставленную функцию или алгоритм и рассчитать его временную сложность, используя нотацию Big O. Объясните свои рассуждения шаг за шагом, описывая, как вы пришли к итоговой временной сложности. При определении временной сложности рассматривайте наихудший сценарий. Если функция или алгоритм содержит несколько шагов или вложенных циклов, укажите временную сложность для каждого шага, а затем определите общую временную сложность для всей функции или алгоритма. Предполагайте, что любые встроенные функции или операции имеют временную сложность O(1), если не указано иное.
Userdef example_function(n): for i in range(n): print(i) for j in range(n): for k in range(n): print(j, k)

​
Пример вывода

Чтобы проанализировать временную сложность данной функции example_function(n), разобьем ее на шаги и рассмотрим наихудший сценарий.

Шаг 1: Анализ первого цикла

for i in range(n):
   print(i)

Этот цикл выполняется n раз и выполняет операцию с постоянным временем (print(i)) в каждой итерации. Следовательно, временная сложность этого шага составляет O(n).

Шаг 2: Анализ вложенных циклов

for j in range(n):
    for k in range(n):
        print(j, k)

Внешний цикл выполняется n раз, и для каждой итерации внутренний цикл также выполняется n раз. В каждой итерации внутреннего цикла выполняется операция с постоянным временем (print(j, k)). Следовательно, временная сложность вложенных циклов составляет O(n * n) = O(n^2).

Шаг 3: Объединение временных сложностей
Функция example_function(n) состоит из двух шагов: первого цикла и вложенных циклов. Общая временная сложность — это сумма временных сложностей каждого шага.

Временная сложность первого цикла: O(n)
Временная сложность вложенных циклов: O(n^2)

Чтобы определить общую временную сложность, мы рассматриваем доминирующий член, который является членом с наивысшим порядком роста. В данном случае O(n^2) доминирует над O(n).

Следовательно, общая временная сложность функции example_function(n) составляет O(n^2).

В наихудшем сценарии, когда n велико, вложенные циклы будут доминировать во времени выполнения, и функция будет иметь квадратичную временную сложность.

​
API запрос

import anthropic

client = anthropic.Anthropic(
    # defaults to os.environ.get("ANTHROPIC_API_KEY")
    api_key="my_api_key",
)
message = client.messages.create(
    model="claude-opus-4-20250514",
    max_tokens=1000,
    temperature=0,
    system="Your task is to analyze the provided function or algorithm and calculate its time complexity using Big O notation. Explain your reasoning step by step, describing how you arrived at the final time complexity. Consider the worst-case scenario when determining the time complexity. If the function or algorithm contains multiple steps or nested loops, provide the time complexity for each step and then give the overall time complexity for the entire function or algorithm. Assume any built-in functions or operations used have a time complexity of O(1) unless otherwise specified.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "def example_function(n):\n    for i in range(n):\n        print(i)\n\n    for j in range(n):\n        for k in range(n):\n            print(j, k)"
                }
            ]
        }
    ]
)
print(message.content)