前缀和的数学推导

在leetcode有一些题利用的是前缀和方法，很多时候都用的是图形法解，一开始还是有点费解的，特别是对于我这样不太擅长图形转化成公式的人来说。本文用的单纯的数学推导得到递推公式，理解的基础上直接用代码实现公式。
前缀和思路在于区域相减，以leetcode的304题为例子
$$S[row1,row2][col1,col2]={\Sigma }_{row1}^{row2}{\Sigma }_{col1}^{col2}Matix[i][j]$$
其中,$i\in [row1,row2],j\in [col1,col2]$
伪代码为

int sum = 0;
for i from row1 -> row2
    for j from col1 -> col2
        sum = sum + Matrix[i][j]
return sum

但是在上述求解过程中不难发现求解S[i][j]会反复计算Matrix[0][0],Matrix[0][1],Matrix[1][0]…求解区域越大前面的元素被求解调用的次数越多，其实不难发现就是存在重复子问题，可以考虑动态规划，借用之前图形就是

$S[D]=S[D_{total}]-S[A]-S[B]+S[C]$
其中 $S[D_{total}]$ 为D区域右下角坐标到原点的求和。由上式不难发现，子问题被存储在数组S中，避免了反复对Matrix的求和。
针对$S[D]$求解，计算公式为 $S[D_x][D_y]={\Sigma }_0^{D_x}{\Sigma }_0^{D_y}Matix[i][j]$ ,这个问题一样，反复求解之前数据，思路和之前一样，如果直接求解，就是遍历 $[0,D_x],[0,D_y] $区间，针对求和公式分解，定义 $S[k_x][k_y]$ 为坐标点k的，由原点到该坐标的方块区域内坐标点求和

因为 $$S[k_x-1][k_y]={\Sigma }_0^{k_x-1}{\Sigma }_0^{k_y}Matrix[i][j]={\Sigma }_0^{k_x-1}Matrix[i][k_y]+{\Sigma }_0^{k_x-1}{\Sigma }_0^{k_y-1}Matrix[i][j]$$同理对于$ S[k_x][k_y-1] $不难推导得到，而 $$S[k_x-1][k_y-1]={\Sigma }_0^{k_x-1}{\Sigma }_0^{k_y-1}Matrix[i][j]$$即为重叠区域，上述递推式子即只需要每次加上 Matrix[i][j] 即可，而无需反复求和，利用空间换时间
总结起来就是两个递推式