大O符号（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。在数学中，它一般用来刻画被截断的无穷级数尤其是渐近级数的剩余项；在计算机科学中，它在分析算法复杂性的方面非常有用。

大O符号是由德国数论学家保罗·巴赫曼（Paul Bachmann）在其1892年的著作《解析数论》（Analytische Zahlentheorie）首先引入的。而这个记号则是在另一位德国数论学家艾德蒙·朗道（Edmund Landau）的著作中才推广的，因此它有时又称为朗道符号（Landau symbol）。代表“order of ...”（……阶）的大O，最初是一个大写的希腊字母'Ο'（Omicron），现今用的是英文大写字母'O'，但从来不是阿拉伯数字'0'。

这个符号有两种形式上很接近但迥然不同的使用方法：无穷大渐近与无穷小渐近。然而这个区别只是在运用中的而不是原则上的——除了对函数自变量的一些不同的限定，“大O”的形式定义在两种情况下都是相同的。

大O符号在分析算法效率的时候非常有用。举个例子，解决一个规模为 n 的问题所花费的时间（或者所需步骤的数目）可以被求得：T(n) = 4n^2 - 2n + 2。

当 n 增大时，n^2; 项将开始占主导地位，而其他各项可以被忽略——举例说明：当 n = 500，4n^2; 项是 2n 项的1000倍大，因此在大多数场合下，省略后者对表达式的值的影响将是可以忽略不计的。

进一步看，如果我们与任一其他级的表达式比较，n^2; 项的系数也是无关紧要的。例如一个包含 n^3; 或 n^2项的表达式，即使 T(n) = 1,000,000n^2;，假定 U(n) = n^3;，一旦 n 增长到大于1,000,000，后者就会一直超越前者(T(1,000,000) = 1,000,000^3; = U(1,000,000))。

这样，大O符号就记下剩余的部分，写作：

T(n)∈O(n^2)

并且我们就说该算法具有 2阶的时间复杂度。

大O也可以用来描述数学函数估计中的误差项。例如：

e^x=1+x+x^2/2+O(x^3) 当 x→0 时

这表示，如果 x 足够接近于0，那么误差（e^x− (1 + x + x^2 / 2)的差）的绝对值小于 x^3的某一常数倍。

下面是在分析算法的时候常见的函数分类列表。所有这些函数都处于 n 趋近于无穷大的情况下，增长得慢的函数列在上面。 c 是一个任意常数。