二维子矩阵的数字之和

        不考虑时间复杂度，采取暴力法，两个for循环当然是可以求出二维矩阵的数字之和，时间复杂度是O（mn），mn分别是矩阵的行数和列数，但题目提到要被反复调用多次，所以应优化求和过程。

        同样是利用累加数组数字求子数组之和，不难想到，计算左上角坐标（r_1,c_2）、右下角坐标（r_2,c_2）的子矩阵之和可以用：左上角坐标（0,0）、右下角坐标（r_2,c_2）的子矩阵之和减去左上角坐标（0,0）、右下角坐标（r_1-1,c_2）的子矩阵之和减去左上角坐标（0,0）、右下角坐标（r_2,c_1-1）的子矩阵之和再加上左上角坐标（0,0）、右下角坐标（r_1-1,c_1-1）的子矩阵之和，四个矩阵计算。

        因此，可以先用一个辅助矩阵sums记录左上角坐标为（0,0）到每个右下角坐标的子矩阵之和。而计算sums[i][j]可以分成两部分计算，第一部分是左上角坐标（0,0），右下角坐标（i-1,j）的子矩阵之和，即sums[i-1][j]，第二部分是输入矩阵第i行中第0列到第j列的数字之和。

        不过为了简化区域和的计算，会增加一行和一列，避免在计算部分和时要检查边界，使得代码更加简洁和高效，也就是初始化 sums 数组时，维度要比输入矩阵大1。具体来说，在sums数组中，sums[i][j] 表示从输入矩阵(0,0)到(i-1,j-1)的所有元素的和。因为原先sums[row2][col2] - sums[row1-1][col2] - sums[row2][col1-1] + sums[row1-1][col1-1]中row1-1和cow-1可能为负数，而这样在计算时，可以通过sums[i+1][j+1]表示从(0,0) 到(i,j)的部分和，即sums[row2 + 1][col2 + 1] - sums[row1][col2 + 1] - sums[row2 + 1][col1] + sums[row1][col1]。

public class NumMatrix {
    private int[][] sums;  // 存储从输入矩阵 (0,0) 到 (i,j) 的元素和

    // 构造函数，用于初始化 sums 数组
    public NumMatrix(int[][] matrix) {
        if (matrix.length == 0 || matrix[0].length == 0) {
            return;  // 处理空矩阵的情况
        }

        // 初始化 sums 数组，维度比原始矩阵大1
        sums = new int[matrix.length + 1][matrix[0].length + 1];

        // 使用动态规划计算部分和
        for (int i = 0; i < matrix.length; i++) {
            int rowSum = 0;
            for (int j = 0; j < matrix[0].length; j++) {
                rowSum += matrix[i][j];
                sums[i + 1][j + 1] = sums[i][j + 1] + rowSum;  // 存储部分和
            }
        }
    }

    // 计算给定区域 (row1, col1) 到 (row2, col2) 的元素和
    public int sumRegion(int row1, int col1, int row2, int col2) {
        // 利用预先计算好的 sums 数组计算区域和
        return sums[row2 + 1][col2 + 1] - sums[row1][col2 + 1] - sums[row2 + 1][col1] + sums[row1][col1];
    }
}

该算法用sumRegion求子矩阵的数字之和，每次调用时间复杂度为O(1)，而构造函数预处理的时间复杂度是O（mn），空间复杂度是O(mn)，mn分别是矩阵的行数和列数。