Big o 大O算法

我有一个非常简单的问题，但是我有点不确定实际的运行时间（例如Big-O）是什么

程序看起来是这样的

n <- user input
for i=1 to n
    foo(i)

foo a:
for i=1 to a
    foo2()

n对于每个整数0对于每个整数0对于每个整数0对于每个整数0（假设内部函数
foo2（）
为Θ（1））

它是Θ（n^2），因为外循环是一次执行的
i=1…n
，而内循环在每个外循环迭代中被迭代
i
，这使得从i=1到n

执行

foo2（）

的次数总和

i，等于
（n+1）*n/2=1/2*n^2+1/2*n
次

Θ（n^2）表示O（n^2）。
（假设内部函数
foo2（）
为Θ（1））

它是Θ（n^2），因为外循环是一次执行的
i=1…n
，而内循环在每个外循环迭代中被迭代
i
，这使得从i=1到n

执行

foo2（）

的次数总和

i，等于
（n+1）*n/2=1/2*n^2+1/2*n
次

Θ（n^2）表示O（n^2）。
（假设内部函数
foo2（）
为Θ（1））

它是Θ（n^2），因为外循环是一次执行的
i=1…n
，而内循环在每个外循环迭代中被迭代
i
，这使得从i=1到n

执行

foo2（）

的次数总和

i，等于
（n+1）*n/2=1/2*n^2+1/2*n
次

Θ（n^2）表示O（n^2）。
（假设内部函数
foo2（）
为Θ（1））

它是Θ（n^2），因为外循环是一次执行的
i=1…n
，而内循环在每个外循环迭代中被迭代
i
，这使得从i=1到n

执行

foo2（）

的次数总和

i，等于
（n+1）*n/2=1/2*n^2+1/2*n
次

Θ（n^2）表示O（n^2）