当一个算法中含有对其自身的递归调用时，其运行时间可以用一个递归方程来表示。设T(n)为一个规模为n的问题的运行时间，我们认为当n小于某个常数c时T(n)为一个常量O(1)，假设我们把原问题分解为a个子问题，每一个子问题的大小是原问题的1/b（有时a不等于b），且a、b为常数，分解问题与合并问题所需时间分别为D(n)、C(n)，则得到递归式：
T(n) = O(1) {n <= c 时}
T(n) = a*T(n/b) + D(n) + C(n) {n > c 时}
设f(n) = D(n) + C(n)，且n>=0
则T(n) = a*T(n/b) + f(n) {n > c 时}
根据三种不同的情况，这时T(n)可能等于：
情况一：若存在某常数s > 0，有 f(n) = O( n ^ (log_b_a -s) )，则 T(n) = O( n ^ (log_b_a) ) [注：log_b_a 指以b为底的a的对数]
情况二：若 f(n) = O(n ^ (log_b_a) )，则T(n) = O(n ^ (log_b_a) * lg_n ) [注：lg_n 指以2为底的n的对数]
情况三：若存在常数s > 0、d < 1，有 f(n) = B( n ^ (log_b_a + s) )，且对所有足够大的n有 a*f(n/b) <= d*f(n) ，则T(n) = O( f(n) ) [注：我们用B()来表示渐近下界]
