动态规划的“升维”之技：二维前缀和，让矩阵查询“降维打击”

哈喽，各位，我是前端L。

在上一篇文章中，我们刚刚掌握了一维世界里的"闪电查询"秘籍------前缀和。通过一次 O(n) 的预处理，我们实现了 O(1) 的区间和查询。这个"空间换时间"的策略是如此优雅和强大。

现在，是时候将我们的战场，从一条"线"扩展到一个"面"了！我们将把前缀和的思想，从一维升维到二维，构建一个能够实现矩阵区域和 O(1) 查询的"超级索引"。这不仅是技巧的升级，更是对"容斥原理"这一深刻数学思想的一次精彩演绎。

力扣 304. 二维区域和检索 - 矩阵不可变

https://leetcode.cn/problems/range-sum-query-2d-immutable/

题目分析： 你需要设计一个数据结构 NumMatrix：

NumMatrix(vector<vector<int>>& matrix)：用一个二维矩阵 matrix 初始化。
int sumRegion(int row1, int col1, int row2, int col2)：返回该矩阵中，由 (row1, col1)（左上角）和 (row2, col2)（右下角）定义的矩形区域内所有元素的和。

核心约束：

matrix 不可变。
sumRegion 会被频繁调用。

和一维情况一样，"频繁调用"就是最强的信号：预处理势在必行！

从一维到二维：前缀和的优雅"升维"

我们已经知道，一维前缀和 preSum[i] 代表 nums[0...i-1] 的和。现在，我们需要一个二维的 preSum 矩阵。

1. DP状态定义 (二维前缀和的核心)： preSum[i][j] 表示：原矩阵 matrix 中，以 (0, 0) 为左上角，以 (i-1, j-1) 为右下角的那个矩形区域内所有元素的和。

2. 如何构建 preSum 矩阵？------ 容斥原理的第一次闪耀 这是二维前缀和最精妙的地方。如何递推计算 preSum[i][j]？想象一下 preSum[i][j] 所代表的那个大矩形。我们可以通过它相邻的、更小的三个前缀和矩形来构建它。

复制代码

       (j-1)   (j)
 (i-1) +-------+-----+
       |   A   |  B  |  <- preSum[i-1][j] = A+B
       +-------+-----+
   (i) |   C   |  D  |  <- matrix[i-1][j-1] = D
       +-------+-----+
         ^
         |
 preSum[i][j-1] = A+C

我们想求 A+B+C+D。

我们可以先加上它上方的矩形 A+B (preSum[i-1][j])。
再加上它左方的矩形 A+C (preSum[i][j-1])。
这时，(A+B) + (A+C)，我们发现左上角的区域 A (preSum[i-1][j-1]) 被重复加了两次！必须减掉一次。
最后，别忘了加上当前右下角那个单独的元素 D (matrix[i-1][j-1])。

于是，我们得到了二维前缀和的构建公式： preSum[i][j] = preSum[i-1][j] + preSum[i][j-1] - preSum[i-1][j-1] + matrix[i-1][j-1]

3. 如何使用 preSum 矩阵查询？------ 容斥原理的第二次闪耀 现在，我们要查询以 (r1, c1) 为左上角，(r2, c2) 为右下角的矩形和（我们称之为区域 D）。

复制代码

      (c1)    (c2+1)
(r1) +-------+-------+
     |   A   |   B   |
     +-------+-------+
(r2+1)|   C   |   D   |
     +-------+-------+

我们可以先获取覆盖 A+B+C+D 的最大前缀和矩形：preSum[r2+1][c2+1]。
然后，减去我们不想要的上方矩形 A+B：preSum[r1][c2+1]。
再减去我们不想要的左方矩形 A+C：preSum[r2+1][c1]。
这时，(A+B+C+D) - (A+B) - (A+C)，我们发现左上角的区域 A (preSum[r1][c1]) 被重复减了两次！必须加回来一次。

于是，我们得到了二维区域和查询的 O(1) 公式： sumRegion = preSum[r2+1][c2+1] - preSum[r1][c2+1] - preSum[r2+1][c1] + preSum[r1][c1]

代码实现

复制代码

class NumMatrix {
private:
    // preSum[i][j] 存储 matrix[0...i-1][0...j-1] 的和
    vector<vector<long long>> preSum; // 使用long long防止溢出

public:
    NumMatrix(vector<vector<int>>& matrix) {
        if (matrix.empty() || matrix[0].empty()) {
            return;
        }
        int m = matrix.size();
        int n = matrix[0].size();
        
        // 初始化 preSum 矩阵，大小 (m+1)x(n+1)
        preSum.resize(m + 1, vector<long long>(n + 1, 0));

        // --- O(m*n) 预处理 ---
        for (int i = 1; i <= m; ++i) {
            for (int j = 1; j <= n; ++j) {
                preSum[i][j] = preSum[i - 1][j] 
                             + preSum[i][j - 1] 
                             - preSum[i - 1][j - 1] 
                             + matrix[i - 1][j - 1];
            }
        }
    }
    
    int sumRegion(int row1, int col1, int row2, int col2) {
        // --- O(1) 查询 ---
        return preSum[row2 + 1][col2 + 1] 
             - preSum[row1][col2 + 1] 
             - preSum[row2 + 1][col1] 
             + preSum[row1][col1];
    }
};

/**
 * Your NumMatrix object will be instantiated and called as such:
 * NumMatrix* obj = new NumMatrix(matrix);
 * int param_1 = obj->sumRegion(row1,col1,row2,col2);
 */

总结：二维前缀和------预处理的"杀手锏"

今天，我们成功地将一维前缀和的智慧，"升维"到了二维世界。二维前缀和技术，是处理静态二维矩阵区间查询问题的"标准答案"和"杀手锏"。

其核心，在于两次巧妙运用容斥原理 (Inclusion-Exclusion Principle)：

构建时 ：当前 = 上 + 左 - 左上 + 自己
查询时 ：目标 = 右下 - 上 - 左 + 左上

掌握了二维前缀和，你就拥有了在二维平面上进行 O(1) 区域求和的"超能力"。这不仅在算法竞赛中极其有用，在实际的图像处理、数据分析等工程领域，也同样是构建高效系统的基石。

咱们下期见！