Time complexity 一般算法复杂度分析

假设我有这样一个程序：

def fn(array,num):
   for i in range(0,len(array)):
     if(i==num):print i


   for i in range(o,len(array)):
     for j in range(0,i):
       if(i*j==num):print i,j

所以第一个循环在O（n）时间内运行。 第二个循环以O（n*n）时间运行

总体时间复杂度为O（n）+O（n^2）= O（n^2）时间。（这对吗？？）

同样，空间复杂度将是O（n），因为我们在内存中有n个块来存储n个元素（这是正确的吗？？） 这是分析运行时间和空间复杂度的正确方法吗？我可以分析常见排序算法和数据结构的时间复杂度，但仅仅为了一个通用程序，我分析它有点困难。谢谢

这将是O（n^2），随着n的增长，n^2将使O（n）部分变得矮小，从而使部分脱落。例如，当n为100时。第一次操作需要100个时间单位，第二次操作需要10000个时间单位。99%的计算时间将花费在第二次操作上。随着n的增加，第二个操作将继续占主导地位。我看没有理由不考虑O（n）空间的复杂性