[LintCode]Submatrix Sum_summatrix内核-CSDN博客

本文介绍了一种求解二维矩阵中子矩阵和为0的算法，采用O(n^3)的时间复杂度。通过计算累积和并使用哈希表记录不同子矩阵的累积和差值，快速定位目标子矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

http://www.lintcode.com/en/problem/submatrix-sum/#

求子矩阵，和为0，要求时间复杂度O(n3)

这道题和求数组中哪些元素和为0的解决方法一样，只是数组中求的是前i个元素和前j个元素和相等，则i－j元素和为0，而这里只是变成2维的而已。
sum[i][j]表示matrix[0][0]到matrix[i-1][j-1]所有元素的和。
sum[i][j] = sum[i - 1][j] + sum[i][j - 1] + matrix[i][j] - sum[i - 1][j - 1]

然后用一条竖线k扫描，diff表示0 ~ k && i ~ j的子矩阵的和，如果与前序某个子矩阵的和相等，则找到对应和为零的子矩阵

注意map初始化的位置

public class Solution {
    public int[][] submatrixSum(int[][] matrix) {
        // Write your code here
        int[][] res = new int[2][2];
        if (matrix == null || matrix.length == 0) {
            return res;
        }
        int row = matrix.length;
        int col = matrix[0].length;
        int[][] sum = new int[row + 1][col + 1];
        for (int i = 0; i < row; i++) {
            for (int j = 0; j < col; j++) {
                sum[i + 1][j + 1] = sum[i][j + 1] + sum[i + 1][j] + matrix[i][j] - sum[i][j];
            }
        }
        for (int i = 0; i < row; i++) {
            for (int j = i + 1; j <= row; j++) {
                HashMap<Integer, Integer> map = new HashMap();
                for (int k = 0; k <= col; k++) {
                    int diff = sum[j][k] - sum[i][k];
                    if (map.containsKey(diff)) {
                        res[0][0] = i;
                        res[0][1] = map.get(diff);
                        res[1][0] = j - 1;
                        res[1][1] = k - 1;
                        return res;
                    } else {
                        map.put(diff, k);
                    }
                }
            }
        }
        return res;
    }
}