大O符号（英语：Big O notation）是用于描述函数渐近行为的数学符号。更确切地说，它是用另一个（通常更简单的）函数来描述一个函数数量级的渐近上界。

使用

无穷大渐进

这里，大O符号是一种算法复杂度的相对表示方式。
如果我们把两个100位数相加，我们必须做100次加法操作。如果我们把两个10,000位数相加，我们必须做10,000次加法操作。看到这里的模式了吗？复杂度（complexity，这里指操作的数量），对于加法中较大数的数字个数n，是直接成比例的。我们称这为$O(n)$或者线性复杂度（linear complexity）
再举个例子，如果如果我们有两个100位数相乘，我们需要做10,000次乘法操作和200次加法操作。两个100万位数相乘，我们需要做1万亿(1012)次乘法操作和200万次加法操作。我们可以把上面乘法操作次数表示为：$n^2 + 2n$。但正如你所看到的，我们的两个100万位数相乘的例子，第二个 2n 无关紧要（在那个阶段，2n只占操作总量的0.0002%）。 我们只关心复杂度最重要的部分 作为n平方的算法衡量尺度，这就是O($n^2$)，即平方复杂度(quadratic complexity) 大O符号用来表示复杂度时，可以用下面图可视化。

无穷小渐近

大O也可以用来描述数学函数估计中的误差项。例如的泰勒展开： $e^x=1+x+\cfrac{x^2}{2}+O(x^3)$
$x\rightarrow 5$时。这表示，如果x足够接近于0，那么误差$ e^x-(1+x+\cfrac{x^2}{2})$的绝对值小于 $x^{3}$的某一常数倍