算法时间复杂度分析的核心前提是明确输入规模n的定义，不同场景下n的选取会直接影响最终复杂度结果的合理性。二维字符数组遍历是编程中非常常见的操作，以此为例可以清晰展示输入规模定义的思路。
什么是输入规模n
输入规模n是用来描述算法输入数据大小的度量指标，它的定义需要和问题的实际规模直接相关，不能脱离具体场景随意选取。时间复杂度本质是算法执行次数随输入规模增长的趋势，因此n的定义必须能准确反映输入数据的增长量级。
二维字符数组遍历的常见场景
二维字符数组的遍历通常有两种典型需求，不同的需求对应不同的输入规模定义方式：
- 遍历整个二维数组的所有元素
- 遍历二维数组的某一行或某一列
场景1：遍历整个二维数组
假设二维字符数组的行数为rows，列数为cols，遍历所有元素的代码如下：
#include <stdio.h>
int main() {
char arr[3][4] = {
{'a', 'b', 'c', 'd'},
{'e', 'f', 'g', 'h'},
{'i', 'j', 'k', 'l'}
};
int rows = 3; // 行数
int cols = 4; // 列数
// 遍历所有元素
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
printf("%c ", arr[i][j]);
}
printf("n");
}
return 0;
}
在这个场景下，输入规模n应该定义为数组的总元素个数，也就是rows * cols。此时外层循环执行rows次，内层循环每次执行cols次，总执行次数是rows*cols = n，因此时间复杂度为O(n)，符合线性增长的趋势。
场景2：遍历二维数组的某一行
如果只需要遍历二维数组的其中一行，代码示例如下：
#include <stdio.h>
int main() {
char arr[3][4] = {
{'a', 'b', 'c', 'd'},
{'e', 'f', 'g', 'h'},
{'i', 'j', 'k', 'l'}
};
int row_index = 1; // 要遍历的行索引
int cols = 4; // 列数
// 遍历指定行
for (int j = 0; j < cols; j++) {
printf("%c ", arr[row_index][j]);
}
printf("n");
return 0;
}
此时如果仍然把n定义为总元素个数就不合理了，因为执行次数只和列数cols相关，和行数rows无关。这种情况下输入规模n应该定义为二维数组的列数cols，此时执行次数为n，时间复杂度为O(n)。
错误定义输入规模的常见问题
很多初学者容易犯的错误是把二维数组的行数或者列数单独作为n，却忽略了遍历的范围。比如遍历整个二维数组时，只把行数rows作为n，就会得出时间复杂度为O(rows*cols) = O(n*cols)的错误结果，没有正确反映总元素数增长对执行次数的影响。
另一个常见问题是把n定义为固定的常量，比如认为二维数组的大小是固定的3行4列，就认为时间复杂度是O(1)，这忽略了算法分析的核心是看输入规模增长时的趋势，而不是固定输入下的执行次数。
输入规模定义的核心原则
总结下来，定义输入规模n需要遵循两个核心原则：
- n必须能准确反映算法输入数据的增长量级，和问题的核心规模直接相关
- n的定义要统一，同一个算法分析中不能混用不同的n定义
回到二维字符数组遍历的例子，只要先明确遍历的范围是整个数组还是部分行/列，再选择对应的总元素数、行数或列数作为n，就能得到合理的时间复杂度结果。