减而治之

线性递归模式，往往对应于减而治之（decrease-and-conquer）的算法策略：

递归每深入一层，待求解问题的规模都缩减一个常数，直至最终蜕化为平凡小的问题。

案例1：数组求和之线性递归

算法实现：

int sum(int n)
{
    if(n == 0)
        return 0;
    return sum(n - 1) + n;
}

算法分析：

1. 时间复杂度：
   O(n)
2. 空间复杂度：
   O(n)

案例2：数组倒置

问题描述：
考查数组倒置问题， 也就是将数组中各元素的次序前后翻转。 比如，若输入数组为：
A[] = { 3, 1, 4, 1, 5, 9, 2, 6 }
则倒置后为：
A[] = { 6, 2, 9, 5, 1, 4, 1, 3 }

算法思路：
为得到整个数组的倒置，可以先对换其首、末元素，然后递归地倒置除这两个元素以外的部分。

算法实现：

#include <iostream>
using namespace std;

void reverse(int *A, int lo, int hi)
{
    if(lo < hi)
    {
        int t = A[lo];
        A[lo] = A[hi];
        A[hi] = t;
        reverse(A, lo + 1, hi - 1);
    }
}

void reverse(int *A, int n)
{
    reverse(A, 0, n - 1);
}

int main()
{
    int A[8] = { 3, 1, 4, 1, 5, 9, 2, 6 };
    int n = 8;
    reverse(A, n);
    
    for(int i = 0; i < n; i++)
        cout << A[i] <<" ";
    cout << endl;
    return 0;
}

算法分析：

1. 时间复杂度：

递归跟踪法：

递归跟踪图

从中可以清楚地看出，每递归深入一层，入口参数lo和hi之间的差距必然缩小2，因此递归深度（亦即时间复杂度）为：(hi - lo) / 2 = n/2 = O(n)

递推方程法：

1. 将处理长度为n的数组所需时间成本记为T(n)。
2. 为解决长度为n的数组，需递归解决长度为n - 2的数组，以及两个元素的交换。
   可得一般性的递推关系：
   T(n) = T(n - 2) + O(1) = T(n - 2) + c ，其中c为常数
3. 抵达递归基时，求解平凡问题需要常数时间（返回），即可获得如下边界条件：
   T(1) = T(0) = O(1) = c'， 其中c'为常数

T(n) = T(n - 2) + c （1）
T(1) = c'           （2）//n为奇数
使用 n - 2 替换(1)式中的 n，得：
T(n - 2) = T(n - 4) + c （3）

T(n) + c = T(n - 2) + 2c
T(n) + c = T(n - 4) + c + 2c //使用(3)式做等价替换
T(n) + c = T(n - 4) + 3c = T(n - 6) + 4c = T(n - 8) + 5c
T(n) + c = ...
T(n) + c = T(1) + [(n - 1)/2 + 1]c
T(n) + c = c' + [(n + 1)/2]c
T(n) = [(n - 1)/2]c + c'
T(n) = O(n) 

2. 空间复杂度：
   O(1)