Θ – 等于
$f(n)=\Theta (g(n))$ 即 $f(n)=g(n)$

Ο – 小于等于（常用于计算最坏情况，作为时间复杂度上界）
$f(n)=O(g(n))$ 即 $f(n)\le g(n)$

ο – 小于
$f(n)=o(g(n))$ 即 $f(n)＜g(n)$

Ω – 大于等于
$f(n)=\Omega (g(n))$ 即 $f(n)\ge g(n)$

ω – 大于
$f(n)=\omega (g(n))$ 即 $f(n)＞g(n)$

B站北大屈婉玲教授有一节课详细讲过这个，最后的例题很棒

O（大O）：表示小于等于

o（小o）：表示小于

Ω（大欧米嘎）：大于等于

ω（小欧米嘎）：大于

Θ：等于

常用的表示复杂度的符号有O、Ω、Θ和o，下面用通俗的语言解释一下这些符号的含义。

用T(n)表示一个算法输入规模为n的时候的复杂度。复杂度分析里比较两个多项式f(x)和g(x)是比较其增长速度，用专业说法就是：

如果存在正常数c和k，使得当n≥k时，f(x)≥cg(x)，则说明f(x)增长比g(x)快。反之亦然。

然后O的含义是复杂度上界，即存在正常数c和k，使得当n≥k时，T(n)≤cf(n)，则T(n)=O(f(n))。然后Ω表示复杂度下界，就是存在正常数c和k，使得当n≥k时，T(n)≥cf(n)，则T(n)=Ω(f(n))。

然后如果T(n)=O(f(n))且T(n)=Ω(f(n))，则T(n)=Θ(f(n))。
最后是o，如果T(n)=O(f(n))且，T(n)≠Θ(f(n))，则T(n)=o(f(n))，也就是表示更松的上界（一般不用吧……）