空间复杂度主要取决于显式申请的存储空间，而非维度本身；静态多维数组空间为O(元素总数)，遍历仅需O(1)，递归或额外结构会抬高复杂度，最终取各部分最大值。
处理多维数组时，空间复杂度主要取决于你**显式申请的存储空间**，而不是数组维度本身。关键看实际占用了多少内存单元，以及是否引入额外结构（如递归栈、临时数组等）。
一、静态声明的多维数组空间开销
多维数组在内存中本质仍是连续的一维块，只是逻辑上按维度组织。例如：
- 二维数组 int a[n][m]：共占用 n × m 个整型单元，空间复杂度为 O(n×m)
- 三维数组 int b[i][j][k]：总元素数 i×j×k，空间复杂度为 O(i×j×k)
注意：这里不因“多维”而额外增加复杂度系数——只要没动态复制或重建，就只算原始数据所占空间。
二、遍历或操作时是否引入额外空间
单纯遍历多维数组（比如双重 for 循环读取每个元素），只用常数个变量（如 i、j、临时缓存），空间复杂度仍为 O(1)。但以下情况会抬高空间开销：
- 创建新二维数组保存结果（如转置、滤波）→ O(n×m)
- 递归处理（如四叉树遍历图像块）→ 栈深度决定空间，最坏 O(depth)，可能叠加原数组规模
- 使用辅助一维数组做映射或排序 → 通常 O(n×m) 或更小（如 O(n+m)）
三、与递归/函数调用共存时的取舍原则
若算法既用到大尺寸多维数组，又含深度递归（比如 DFS 搜索二维网格），空间复杂度取二者最大值：
- 数组占 O(n×m)，递归栈深最多 O(n×m)（全图路径）→ 整体仍为 O(n×m)
- 数组仅 O(n)，但递归深度达 O(2ⁿ)（如暴力回溯）→ 空间由递归主导，即 O(2ⁿ)
不能简单相加，而是取上界——因为内存是并行占用的，系统需同时容纳所有活跃空间。
四、常见误区提醒
容易误判的点：
- “多维”不等于“高复杂度”：维度数不影响阶数，只影响乘积项。int[100][100] 和 int[10][1000] 都是 O(10⁴)
- 引用传递不增加空间：传二维数组名（如 Java 中的 arr）只是传引用，不复制内容
- 越界访问不算空间复杂度：它属于运行错误范畴，不参与渐进分析
本质上，空间复杂度盯的是「算法执行过程中，除输入本身外，额外申请的、随规模增长的内存总量」。
