Big o O（N）和#x2B；O（M）和O（N&x2B；M）。有吗？

我正在为面试练习解决问题，但我似乎无法找到以下问题的时间和空间复杂性的答案：

给定两个已排序的链表，按排序顺序将它们合并到第三个列表中。假设我们使用的是降序

我遇到的一个答案（显然不是最有效的答案）是以下递归解决方案：

Node mergeLists(Node head1, Node head2) {
    if (head1 == null) {
        return head2;
    } else if (head2 == null) {
        return head1;
    }

    Node newHead = null;
    if(head1.data < head2.data) {
        newHead = head1;
        newHead.next = mergeLists(head1.next, head2);
    } else {
        newHead = head2;
        newHead.next = mergeLists(head1, head2.next);
    }

    return newHead;
}

节点合并列表（节点头1、节点头2）{
if（head1==null）{
返回头2；
}else if（head2==null）{
返回头1；
}
节点newHead=null；
if（head1.data

现在，当我分析这个函数的复杂性时，我遇到了一个问题。我不确定是

O（M+N）

还是

O（M）+O（N）

。我无法得到一个直观的答案。在我看来，这个函数的运行时和空间复杂性是

O（N）+O（M）

或

O（max（N，M））

，因为较大的值将驱动渐近曲线（或递归调用和堆栈帧创建）

总而言之：

在大Oh表示法中，O（N+M）和

O（N）+O（M）

之间有什么区别？如果它们不同，如果有人能提供两者的简单示例，我将不胜感激。

O（N）+O（M）

对于某些

c

和

d

而言，是指受

cN+dM

约束的函数

O（N+M）

对于某些

e

，表示受

e（N+M）

约束的函数

它们是等效的，因为：

---

cN+dM您在哪里看到“O（n）+O（m）”？我们正在检查每个列表的所有节点，无论m和n是什么？显然，我不能100%确定这两个答案中的哪一个是答案，因为我在这里问了一个问题：）从技术上来说，正如我上面所说，我认为答案是O（max（N，M）），因为较大的值将是渐近界。