Add Q&A of computational_complexity and graph chapter (#512)

* add Q&A in the summary.md of computational complexity chapter

* add Q&A in the summary.md of graph

* Update summary.md

* Update summary.md

* Update summary.md

* Update summary.md

---------

Co-authored-by: Yudong Jin <krahets@163.com>

docs/chapter_computational_complexity/summary.md

@@ -21,3 +21,20 @@
 - 算法运行过程中的相关内存空间可分为输入空间、暂存空间、输出空间。通常情况下，输入空间不计入空间复杂度计算。暂存空间可分为指令空间、数据空间、栈帧空间，其中栈帧空间通常仅在递归函数中影响空间复杂度。
 - 我们通常只关注最差空间复杂度，即统计算法在最差输入数据和最差运行时间点下的空间复杂度。
 - 常见空间复杂度从小到大排列有 $O(1)$ , $O(\log n)$ , $O(n)$ , $O(n^2)$ , $O(2^n)$ 等。
+
+## Q & A
+
+!!! question "尾递归的空间复杂度是 $O(1)$ 吗？"
+
+    理论上，尾递归函数的空间复杂度可以被优化至 $O(1)$ 。不过绝大多数编程语言（例如 Java, Python, C++, Go, C# 等）
+    都不支持自动优化尾递归，因此一般来说空间复杂度是 $O(n)$ 。
+
+!!! question "函数和方法这两个术语的区别是什么？"
+
+    函数（function）可以独立被执行，所有参数都以显式传递。
+    方法（method）与一个对象关联，方法被隐式传递给调用它的对象，方法能够对类的实例中包含的数据进行操作。
+
+!!! question "图片“空间复杂度的常见类型”反映的是否是占用空间的绝对大小？"
+
+    不是，该图片展示的是空间复杂度（即增长趋势），而不是占用空间的绝对大小。每个曲线都包含一个常数项，用来把所有曲线的取值范围压缩到一个视觉舒适的范围内。
+    实际中，因为我们通常不知道每个方法的“常数项”复杂度是多少，所以一般无法仅凭复杂度来选择 $n = 8 之下的最优解法；但相对地 $n = 8^5$ 就很好选了，这是复杂度占主导的情况。