)
本题采用标记数组的解法来解决“矩阵置零”问题。其核心本质是将“零元素的冲突探测”与“矩阵的实际改写”进行解耦，利用空间换时间的策略，引入两个独立的布尔型数组分别记录需要清零的行与列。当前解法成功将空间复杂度由暴力克隆矩阵的 O(m x n) 优化至 O(m + n)，最终走向是通过两次完备的二维拓扑遍历精确实现矩阵的原地清零。
一、 问题本质与数据模型
对于一个大小为 m x n 的二维矩阵 matrix，若某个单元格matrix[i][j] == 0，则需要将其所在的整行（第 i 行）和整列（第 j 列）的所有元素全部重置为 0。
该问题存在一个核心的物理陷阱：
如果在遍历矩阵的过程中，一旦发现 0 就立即对其所在的行和列进行清零改写，那么这些新生成的 0 会在后续的遍历中被错误地识别为“原始输入的 0”，从而引发灾难性的“全零扩散”，导致整个矩阵最终全部变成 0。
为了打破这种状态交织的恶性循环，必须将“探测阶段”与“修改阶段”彻底分离：
探测阶段：只记录哪些行、哪些列应该被清零，绝不破坏原始矩阵的数据流。
修改阶段：根据探测阶段留下的“账本”，集中对矩阵进行统一的改写。
当前解法引入了两个一维布尔数组作为标记账本：
row[m]：长度为 m，row[i] = true代表第 i 行至少包含一个原始的 0，整行需要被清零。col[n]：长度为 n，col[j] = true代表第 j 列至少包含一个原始的 0，整列需要被清零。
二、 算法演进对比
在解决二维矩阵的行列联动修改问题时，不同空间策略的选择决定了算法的演进路径：
| 解法名称 | 时间复杂度 | 空间复杂度 | 核心原理 | 物理缺陷 / 瓶颈 |
| 矩阵暴力克隆 | O(m x n) | O(m x n) | 复制一份完全相同的备份矩阵，遍历备份矩阵，在原矩阵上进行行列清零 | 制造了与原矩阵完全等量的数据冗余，内存开销过大 |
| 外部标记数组（当前解法） | O(m x n) | O(m + n) | 抽取行、列两个维度的一维数组进行独立状态标记，解耦探测与改写 | 需要申请额外的线性空间，在超大规模矩阵下仍有优化空间 |
| 内部首行首列复用 | O(m x n) | O(1) | 将矩阵的第一行和第一列虚拟化为标记数组，利用额外两个变量记录首行首列自身的安全状态 | 逻辑判断分支极其复杂，极易发生状态覆盖与边界丢失 |
三、 核心控制逻辑拆解
提供的源码执行流程非常清晰，分为两个独立的双重循环：
1. 状态收集阶段（第一轮双重循环）
遍历整个 m x n 矩阵中的每一个元素。
判定条件：
if (matrix[i][j] == 0)。状态打标：一旦命中，立刻执行
row[i] = true和col[j] = true。逻辑事实：此阶段没有发生任何的矩阵赋值操作，矩阵的原始拓扑结构完好损。
2. 状态落地阶段（第二轮双重循环）
再次全面遍历该 m x n 矩阵。
复合判定条件：
if (row[i] || col[j])。数学含义：对于任意坐标
(i, j)，只要它所处的行i在标记账本中为真，或者它所处的列j在标记账本中为真，就说明它处于清零的交叉火力网上。最终赋值：执行
matrix[i][j] = 0，完成原地的行列抹杀。
四、 算法执行状态机步进示例
以输入数据matrix = [[1,1,1], [1,0,1], [1,1,1]]为例，矩阵规模为 3 x 3。算法内部变量的演进状态如下表所示：
| 阶段 / 步骤 | 正在处理的坐标 | 单元格数值 | 账本 row 状态变化 | 账本 col 状态变化 | 矩阵内部元素实时状态 |
| 初始化 | - | - | [false, false, false] | [false, false, false] | [[1,1,1], [1,0,1], [1,1,1]] |
| 探测 (0,0)到(1,0) | (0,0) 到 (1,0) | 全为 1 | 无变化 | 无变化 | 无变化 |
| 探测 (1,1) | (1,1) | 0 | 更新：
| 更新：
| 矩阵内部无变化（保护现场） |
| 探测 剩余位置 | (1,2) 到 (2,2) | 全为 1 | 探测结束，最终账本：
| 探测结束，最终账本：
| 探测期完美结束 |
| 改写第 0 行 | (0,0) 到 (0,2) | - | row[0]=false, 只有col[1]=true触发 | col[1]触发位置 (0,1) | 矩阵变为：
|
| 改写第 1 行 | (1,0) 到 (1,2) | - | row[1]=true触发整行清零 | 无论 col 为何，全行重置为 0 | 矩阵变为：
|
| 改写第 2 行 | (2,0) 到 (2,2) | - | row[2]=false, 只有col[1]=true触发 | col[1]触发位置 (2,1) | 矩阵最终确定：
|
五、源码实现
class Solution { public void setZeroes(int[][] matrix) { // 获取矩阵的行数 m 和列数 n int m = matrix.length; int n = matrix[0].length; // 声明行标记数组和列标记数组，用于存储需要清零的轨迹 boolean[] row = new boolean[m]; boolean[] col = new boolean[n]; // 步骤 1：第一轮双重循环，负责扫描矩阵并记录 0 的位置 for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { if (matrix[i][j] == 0) { // 记录第 i 行和第 j 列需要被重置 row[i] = true; col[j] = true; } } } // 步骤 2：第二轮双重循环，根据标记数组的记录，原地改写矩阵 for (int i = 0; i < m; i++) { for (int j = 0; j < n; j++) { // 短路逻辑：当前行或者当前列被标记为 true 时，当前位置的元素直接置为 0 if (row[i] || col[j]) { matrix[i][j] = 0; } } } } }六、 复杂度分析
1. 时间复杂度：O(m x n)
分析：算法包含两个平行的、互不嵌套的双重循环。
第一个双重循环遍历整个 m x n 矩阵进行 0 元素的探测，执行步数为 m x n。
第二个双重循环同样完整遍历一次 m x n 矩阵进行元素清零改写，执行步数为 m x n。
结论：总的基本指令执行次数为 2 x m x n。抛弃常数项后，整体时间复杂度与矩阵的总元素个数呈严格的线性正比关系，即 O(m x n)。
2. 空间复杂度：O(m + n)
分析：算法在运行期间独立申请了两个一维的布尔型辅助数组。
行标记数组
row的空间消耗与矩阵的行数 m 呈线性相关，占用 m 个 boolean 空间。列标记数组
col的空间消耗与矩阵的列数 n 呈线性相关，占用 n 个 boolean 空间。
结论：除了这两个数组外，仅使用了常数个整型控制变量（
m,n,i,j）。因此，算法的额外辅助空间复杂度为 O(m + n)。
