本文解析在分析二维字符数组遍历算法的时间复杂度时，如何科学、严谨地定义主导输入规模的变量 n，明确指出单一 n 的简化需以明确定义为前提，否则应采用 o(max(m, n)) 等多参数表达。
本文解析在分析二维字符数组遍历算法的时间复杂度时，如何科学、严谨地定义主导输入规模的变量 n，明确指出单一 n 的简化需以明确定义为前提，否则应采用 o(max(m, n)) 等多参数表达。
在算法分析中，时间复杂度的表达（如 O(n)、O(n²)）绝非孤立符号——其意义完全依赖于对变量 n 的明确定义。许多初学者误以为“只要写成 O(n)，n 就天然等于数组长度”，但这种直觉在处理多维数据结构（如 char[][] c）时极易导致根本性误解。我们以如下代码为例进行深度剖析：
public static void method(char[][] c) {
if (c.length >= c[0].length) {
for (int i = 0; i < c[0].length; i++) {
c[i][i] = '*';
c[i][c[0].length - 1 - i] = '*';
}
} else {
for (int i = 0; i < c.length; i++) {
c[i][i] = '*';
c[c.length - 1 - i][i] = '*';
}
}
}该方法功能是：在二维字符数组 c 中，沿主对角线和副对角线（受限于数组形状）标记 '*'。关键观察在于：
- 第一个分支执行 c[0].length 次循环（列数主导）；
- 第二个分支执行 c.length 次循环（行数主导）；
- 实际迭代次数为 min(c.length, c[0].length)？不——注意条件判断逻辑：当 c.length ≥ c[0].length 时，循环上限是 c[0].length；否则是 c.length。因此实际循环次数恒为 min(c.length, c[0].length)？再审：
✅ 若 c.length ≥ c[0].length → 循环 i ✅ 若 c.length ⇒ 综上，循环执行次数 = min(c.length, c[0].length)。
但请注意：大 O 分析关注的是最坏/典型输入下的增长阶，而非精确计数。此处循环次数由两个维度中较小者决定，而算法行为完全由这两个独立维度驱动——c.length（行数，记为 m）和 c[0].length（列数，记为 n）。二者无必然比例关系：输入可能是瘦高矩阵（m ≫ n）、扁平矩阵（n ≫ m）或方阵（m = n）。
因此，该算法的严格时间复杂度为 O(min(m, n))，其中：
- m = c.length（行数），
- n = c[0].length（列数）。
⚠️ 重要提醒：
- ❌ 不可笼统称“时间复杂度是 O(n)”而不说明 n 指代什么——若 n 被默认为 c.length，而实际输入是 1×1000 的数组，则 O(n) 会错误暗示需执行 1000 次，实则仅执行 1 次；
- ❌ 同样不可武断取 n = c.length * c[0].length（总元素数），因为算法并未遍历所有元素，其工作量与总规模无直接线性关系；
- ✅ 最严谨的表述是：T(m, n) = O(min(m, n))，其中 m 为行数，n 为列数。若必须单变量化，需附加约束（如“假设输入为方阵，即 m = n”），此时可写作 O(n)，但必须显式声明该假设。
✅ 实践建议：
- 始终先识别所有独立输入参数（此处为 m 和 n）；
- 推导运行时间关于这些参数的函数表达式（此处为 min(m, n)）；
- 用渐进符号表示时，保留必要参数，避免无依据的简化；
- 若教学或文档场景需单变量，务必用文字明确定义 n 的语义（例如：“令 n 表示输入矩阵的较小维度”）。
归根结底，算法分析的严谨性始于对“输入规模”的清醒认知——它不是语法符号，而是对问题本质的数学建模。
