算法中log级别的时间复杂度，由于使用了分治的思路，所以该基数直接决定于分治的复杂度。
采用二分法，以2为底，三分法以3为底，其他也是如此。
但是，不管底数是什么，log水平的渐进意义是一样的。
也就是说，该算法时间复杂度的增加与处理数据的少许增加之间的关系相同。
首先考虑o(logx ) n )和o ) logy ) n )、x吧！=y，我们考虑的是n变得无限的情况。
求出n无限大时的logx(n )/logy(n ) n )的极限，可知极限等于lny/lnx，即常数。
也就是说，当n无限大时，这两个东西只有一个常数不同。
所以从研究算法的角度来看log的底数并不重要。
最后，结合上面，我也谈谈大o的定义(算法导论第28页的定义)。
注意将该定义与高等数学中的极限部分进行比较，
这里的定义明显体现了极限的思想，
使n0成为非常大的数字，
很明显，当n大于n0时，可以看出任意底的对数函数实际上相差常数倍。
所以，o(logn )就像o ) n^2)一样，在书中写道，现在可以表达所有底的对数了。
虽然没有非常严密的证明，但我觉得这样说很容易理解。 如果对证明感兴趣的话，可以参照高数量且极限地走向无限的证明。