LeetCode 3212：统计X和Y频数相等的子矩阵数量

1. 题目拆解：先分清统计对象与评判标准

1.1 从文字描述到数学条件

2026年3月19日的LeetCode每日一题是第3212题：统计X和Y频数相等的子矩阵数量。题目背景很简单，给定一个二维矩阵，矩阵中每个格子可能是字符'X'或者'Y'，要求统计出所有满足"X的数量等于Y的数量"的子矩阵个数。这里的关键是"子矩阵"的边界定义：子矩阵必须是原矩阵中连续行、连续列围成的矩形区域，不能跳行跳列取。

这类题第一次见到容易懵，因为"统计数量"这个动作本身不难，难在数据规模上。LeetCode平台给的约束一般是矩阵行列数在几十到几百之间，如果直接用四重循环枚举左上角和右下角，再遍历内部所有元素做统计，计算量会迅速膨胀到无法接受的程度。我见过不少同学第一次提交暴力版本之后，看到超时提示才意识到问题没这么简单。

这里值得先聊一个很核心的直觉：题面里说的是"X的频数等于Y的频数"，翻译成数学语言其实是"X的个数减去Y的个数等于0"。因为子矩阵里只有X和Y两类有效字符，我们完全可以给X赋值为+1，给Y赋值为-1，那么"两者数量相等"就等价于"整个子矩阵的元素和等于0"。这个转换看起来只是换了一种记录方式，但它把字符串比较问题变成了数值统计问题，后续所有高效算法都建立在这一个看似不起眼的等价变换上。

1.2 为什么"X和Y相等"能转化为"和为零"

用一个具体的小例子来感受一下。假设有一个2行2列的矩阵：

X Y
X X

如果按原样数，左上角那个1x1子矩阵是单个'X'，X频数是1、Y频数是0，不相等。但如果我们把X看作1、Y看作-1，这个子矩阵的元素和就是1，不是0，结论一致。再看整个2x2矩阵，X有3个、Y有1个，不相等，对应元素和是1+(-1)+1+1=2，也不是0。

那么什么样的子矩阵会被计入统计？比如在一行一列这种极端情况下，一个只有X和Y各一个的1x2子矩阵，X频数1、Y频数1，相等，映射成数值就是1+(-1)=0，和为0，计入统计。所以"X频数等于Y频数"和"子矩阵元素和为0"是同一件事的两种说法。

这个等价变换的价值在于：数值和可以前缀和预处理，而字符频数对比不能直接前缀和。只要预处理出二维前缀和矩阵，任何矩形区域的元素和都能在O(1)时间内算出来，不需要再逐个格子数X和Y。当然，前缀和只是第一步，因为即便单次查询是O(1)，要枚举所有子矩阵本身也有O(m²n²)种可能，这个数量级依然很大。这个问题留下的核心矛盾是：如何在不枚举所有子矩阵的前提下，借助"和为0"这一条件快速统计数量。后面几节会一步步把这个矛盾拆开。

2. 暴力到二维前缀和的演化：性能瓶颈在哪里

2.1 第一版暴力：枚举所有矩形

先来看看最简单的暴力思路，这有助于理解后面优化到底优化了什么。暴力方案分为两层：第一层用四个变量i1、j1、i2、j2分别表示子矩阵左上角和右下角的坐标，第二层遍历这个矩形中的所有格子统计X和Y的数量，最后比较是否相等。如果矩阵尺寸是m行n列，左上角坐标有m×n种可能，右下角坐标在左上角确定后也有O(mn)种可能，所以枚举矩形本身是O(m²n²)的。每个矩形内部再遍历一次，复杂度再乘一个O(mn)，总复杂度高达O(m³n³)量级，这还没算比较频数的常数操作。

如果m和n都等于100，100³×100³这个数量级简直是天文数字，现代计算机也不可能在几秒内跑完。即使把内部遍历换成二维前缀和，把单次矩形求和降到O(1)，枚举所有矩形的O(m²n²)依然让人头疼。m=200、n=200时，m²n² = 16亿，16亿次O(1)查询在C++里也许勉强能卡线，在Python里几乎不可能通过。

这里也解释了为什么很多人第一版代码写完，自己本地试了3x3、4x4的小矩阵没问题，一提交就超时。不是代码写错了，而是算法复杂度选错了。刷题和业务开发的一个共同点是：先估算数据规模，再决定技术方案，而不是上来就写循环。

2.2 二维前缀和的真正瓶颈：枚举次数而非计算成本

先花一点篇幅把二维前缀和的思路整理清楚，因为后面优化的起点就是它。设矩阵M的行索引从0到m-1，列索引从0到n-1。定义前缀和数组pre[i][j]表示从(0,0)到(i,j)这个矩形区域内所有元素的和。递推公式是pre[i][j] = pre[i-1][j] + pre[i][j-1] - pre[i-1][j-1] + M[i][j]，这个公式的本质是"左上角矩形加右上角矩形减重复的左上角子矩形，再加当前格子"。有了pre之后，任意子矩阵(i1,j1)到(i2,j2)的和就等