之前,我们讲了序列上的前缀和与差分,如果没看过请戳这。今天,我们就要把它拓展到二维平面——矩阵。
矩阵中前缀和与差分的定义
前缀和
矩阵 a a a 的前缀矩阵 s s s 表示 a a a 最左上角一块子矩阵的元素总和。确切的讲, s [ i ] [ j ] = a [ 1 ] [ 1 ] + a [ 1 ] [ 2 ] + ⋯ + a [ 1 ] [ j ] + a [ 2 ] [ 1 ] + a [ 2 ] [ 2 ] + ⋯ + a [ 2 ] [ j ] + ⋯ + a [ i ] [ 1 ] + a [ i ] [ 2 ] + ⋯ + a [ i ] [ j ] s[i][j]=a[1][1]+a[1][2]+\dots+a[1][j]+a[2][1]+a[2][2]+\dots+a[2][j]+\dots+a[i][1]+a[i][2]+\dots+a[i][j] s[i][j]=a[1][1]+a[1][2]+⋯+a[1][j]+a[2][1]+a[2][2]+⋯+a[2][j]+⋯+a[i][1]+a[i][2]+⋯+a[i][j]
差分
矩阵 a a a 的竖向差分矩阵 b b b 表示某个位置与其上方数之差。具体的,有 b [ i ] [ j ] = a [ i ] [ j ] − a [ i − 1 ] [ j ] b[i][j]=a[i][j]-a[i-1][j] b[i][j]=a[i][j]−a[i−1][j]。但这还没完。
我们再对 b b b 求出一个新的矩阵 c c c 表示某个位置与其左方数之差,也就是 c [ i ] [ j ] = b [ i ] [ j ] − b [ i ] [ j − 1 ] c[i][j]=b[i][j]-b[i][j-1] c[i][j]=b[i][j]−b[i][j−1]。
这为什么正确?理解一下,
b
b
b 表示的是
a
a
a 将每一列进行单独的差分,此时
a
[
i
]
[
j
]
a[i][j]
a[i][j] 就等于
b
b
b 中在其上面以及其本身数字的和,也就是
a
[
i
]
[
j
]
=
∑
k
=
1
i
b
[
k
]
[
j
]
a[i][j]=\sum_{k=1}^ib[k][j]
a[i][j]=∑k=1ib[k][j]。此时,我们相当于在每一行构造出了一个序列,再对其求差分序列即可。(自己弄得也不是很清楚,感性理解一下就行)
显然,矩阵和序列拥有同样的特性——一个矩阵是它的前缀矩阵的差分矩阵,也同时是它的差分矩阵的前缀矩阵。
前矩阵与差分矩阵的求法
差分矩阵的求法其实很好求,就按照上面的公式就行了。这里主要说一下前缀矩阵的求法。
我们按照以 i i i 为外循环从小到大, j j j 为内循环从小到大的顺序进行递推:
先说公式: s [ i ] [ j ] = s [ i − 1 ] [ j ] + s [ i ] [ j − 1 ] − s [ i − 1 ] [ j − 1 ] + a [ i ] [ j ] s[i][j]=s[i-1][j]+s[i][j-1]-s[i-1][j-1]+a[i][j] s[i][j]=s[i−1][j]+s[i][j−1]−s[i−1][j−1]+a[i][j]。这其实画个图就能理解:(某个位置上的数字表示其被计算的次数)
1110 1100 1100 0000 2210 1100 0000 1110 0000 1110
0000+1100-0000+0010=1100-0000+0010=1100+0010=1110
0000 0000 0000 0000 0000 0000 0000 0000 0000 0000
矩阵前缀和与差分的作用
前缀和
考虑下面这个问题:
有一个 n × m n\times m n×m 的矩阵, q q q 次询问求其左上角坐标为 ( x 1 , y 1 ) (x_1,y_1) (x1,y1),右下角坐标为 ( x 2 , y 2 ) (x_2,y_2) (x2,y2) 的子矩阵元素总和。
首先,处理出前缀矩阵。然后通过再画图的方式,就可以轻松得出公式。具体如下:
1110 1000 1110 1000 1110 1000 1110 1000 1110 2110 1000 1110 1110 0000
1110-1000-0000+0000=1110-(1000+0000-0000)=1110-(1000-0000)=1110-1000=0110
1110 1000 0000 0000 1110 1000 0000 0000 1110 1000 0000 1110 1000 0110
公式: a n s = s [ x 2 ] [ y 2 ] − s [ x 1 − 1 ] [ y 2 ] − s [ x 2 ] [ y 1 − 1 ] + s [ x 1 − 1 ] [ y 1 − 1 ] ans=s[x_2][y_2]-s[x_1-1][y_2]-s[x_2][y_1-1]+s[x_1-1][y_1-1] ans=s[x2][y2]−s[x1−1][y2]−s[x2][y1−1]+s[x1−1][y1−1]。
差分
为方便,以下的差分矩阵均为 b [ i ] [ j ] = a [ i ] [ j ] − a [ i − 1 ] [ j ] b[i][j]=a[i][j]-a[i-1][j] b[i][j]=a[i][j]−a[i−1][j]。
试求这个问题:
对于一个 n × m n\times m n×m 的矩阵 a a a, q q q 次操作使左上角坐标为 ( x 1 , y 1 ) (x_1,y_1) (x1,y1),右下角坐标为 ( x 2 , y 2 ) (x_2,y_2) (x2,y2) 的子矩阵元素集体增加 d d d。最后输出矩阵。
我们求出 a a a 的竖向差分矩阵 b b b 和差分矩阵 c c c。此时,我们将 b b b 的每一列视作一个差分序列。显然的,对于所有的 y 1 ≤ j ≤ y 2 y_1 \leq j \leq y_2 y1≤j≤y2, a a a 的第 j j j 列将对区间 [ x 1 , x 2 ] [x_1,x_2] [x1,x2] 增加 d d d,此时相当于 b [ x 1 ] [ j ] b[x_1][j] b[x1][j] 加 d d d, b [ x 2 + 1 ] [ j ] b[x_2+1][j] b[x2+1][j] 减 d d d。
然而,这样修改是不行的,因为它的总时间复杂度会到
Θ
(
q
m
)
\Theta(qm)
Θ(qm)。(不然要
c
c
c 干嘛)
由于 c c c 是 b b b 的横向差分矩阵,因此我们还可以将 b b b 的操作转化到 c c c 上。发现 b b b 的操作是将第 x 1 x_1 x1 行和第 x 2 + 1 x_2+1 x2+1 行的区间 [ y 1 , y 2 ] [y_1,y_2] [y1,y2] 同时增加 d d d。我们惊奇的发现,根据序列上的前缀和与差分特性,这相当于:
- c [ x 1 ] [ y 1 ] c[x_1][y_1] c[x1][y1] 和 c [ x 2 + 1 ] [ y 1 ] c[x_2+1][y_1] c[x2+1][y1] 同时加 d d d。
- c [ x 2 + 1 ] [ y 1 ] c[x_2+1][y_1] c[x2+1][y1] 和 c [ x 2 + 1 ] [ y 2 + 1 ] c[x_2+1][y_2+1] c[x2+1][y2+1] 同时减 d d d。
最终输出 c c c 的前缀矩阵。
至此,问题解决。
总结:矩阵的前缀和与差分其实相当于将矩阵拆成两个方向的多个前缀序列或差分序列,再以序列的方法进行求解。