From 4f9f49a2e0efa0ef39f161f77d74e19946f9488a Mon Sep 17 00:00:00 2001
From: Aaron <simidaxu@gmail.com>
Date: Sat, 20 Sep 2025 15:53:13 +0800
Subject: [PATCH] =?UTF-8?q?09-20-=E5=91=A8=E5=85=AD=5F15-53-13?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 01.基础语法/排序与搜索.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/01.基础语法/排序与搜索.md b/01.基础语法/排序与搜索.md
index a125594..04b620e 100644
--- a/01.基础语法/排序与搜索.md
+++ b/01.基础语法/排序与搜索.md
@@ -79,7 +79,7 @@ for i in range(n):
 说明:这段代码，for循环 里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变
 化的，因此这类代码都可以用O(n)来表示它的时间复杂度
 
-## 线性对数阶 O(nlogN)
+## 线性对数阶 O($$nlogN$$)
 
 ```python
 n = 100
@@ -102,7 +102,7 @@ for i in range(n):
         j += i
 ```
 说明:平方阶$$O(n2)$$就更容易理解了，如果把$$O(n)$$的代码再嵌套循环一遍，它的时间复杂度就是$$O(n^2)$$，这段代码其实就是嵌套了2层n循环，它的时间复杂度就是$$O(n*n)$$,即$$O(n^2)$$ 如果将其中一层循环的n改成m，那它的时间复杂度就变成了$$O(m*n)$$ 
-## 立方阶 O(n³)、K 次方阶 O(n^k)
+## 立方阶 O(n³)、K 次方阶 O($$n^k$$)
 
 说明：参考上面的 O(n²) 去理解就好了，O(n³)相当于三层 n 循环，其它的类似