1605. 给定行和列的和求可行矩阵

目录

🌟 构造矩阵：根据行列和还原二维矩阵【Leetcode 1605】

📌 题目描述

🧠 解题分析

🧩 解题方法：贪心算法

🎯 核心思想

✅ Python 实现

🔍 示例说明

示例 1：

⏱️ 时间与空间复杂度分析

🔁 方法对比与拓展

1. 贪心 vs 网络流

2. 多解情况

📘 总结

🌟 构造矩阵：根据行列和还原二维矩阵【Leetcode 1605】

📌 题目描述

你有两个非负整数数组 rowSum 和 colSum，分别表示一个二维矩阵中每一行与每一列的元素之和。你并不知道这个矩阵的每个具体元素，但你知道：

• rowSum[i] 是第 i 行所有元素的和；
• colSum[j] 是第 j 列所有元素的和。

现在请你构造一个 非负整数矩阵，其大小为 rowSum.length × colSum.length，使得：

• 每行的元素和为 rowSum[i]；
• 每列的元素和为 colSum[j]。

你只需要返回任意一个满足条件的矩阵即可。题目保证至少存在一个解。

🧠 解题分析

这个问题看似要求很多，但其本质是一个 资源分配问题 —— 把行和列的“容量”合理分配，填入矩阵中，使得每一行和每一列的和都刚好满足要求。

我们希望构建一个 m × n 的二维矩阵 res，满足：

• 对任意 i：sum(res[i][j] for j in range(n)) == rowSum[i]
• 对任意 j：sum(res[i][j] for i in range(m)) == colSum[j]

这个问题可以通过贪心策略优雅地解决。因为每一步我们只需要满足局部最小限制即可，从而避免破坏全局约束。

🧩 解题方法：贪心算法

🎯 核心思想

我们从左上角开始，一步一步往右、往下填数。对于矩阵的每一个元素 (i, j)，我们都填入当前这一行和这一列还剩多少的最小值：

val = min(rowSum[i], colSum[j])

这个 val 就是我们在 (i, j) 位置填入的值。填完后，我们更新 rowSum[i] 和 colSum[j]：

rowSum[i] -= val
colSum[j] -= val

这样既不会超过当前行/列的限制，又尽量地“用完资源”。

✅ Python 实现

from typing import List

class Solution:
    def restoreMatrix(self, rowSum: List[int], colSum: List[int]) -> List[List[int]]:
        m, n = len(rowSum), len(colSum)
        res = [[0] * n for _ in range(m)]
        
        for i in range(m):
            for j in range(n):
                val = min(rowSum[i], colSum[j])
                res[i][j] = val
                rowSum[i] -= val
                colSum[j] -= val
                
        return res

🔍 示例说明

示例 1：

rowSum = [3, 8]
colSum = [4, 7]

可能的一个合法输出为：

[
  [3, 0],
  [1, 7]
]

验证：

• 第 0 行之和：3+0 = 3，满足；
• 第 1 行之和：1+7 = 8，满足；
• 第 0 列之和：3+1 = 4，满足；
• 第 1 列之和：0+7 = 7，满足。

⏱️ 时间与空间复杂度分析

• 时间复杂度：O(m × n)，我们访问每一个矩阵元素一次。
• 空间复杂度：O(m × n)，用于保存最终结果的二维矩阵。

其中，m 是 rowSum 的长度，n 是 colSum 的长度。

🔁 方法对比与拓展

1. 贪心 vs 网络流

这个问题在数学上属于**运输问题（Transportation Problem）**的一种特殊形式。它也可以用 最小费用最大流 来解决，尤其在更复杂限制下（如限制某个位置最大填多少）更适用。

但本题由于保证“必有解”，且无额外约束，贪心算法是最优选择，写法简单、效率高。

2. 多解情况

注意，题目要求“返回任意一个解”，因此合法解可能不止一个。例如：

rowSum = [5, 7, 10]
colSum = [8, 6, 8]

可能的多个合法输出之一为：

[
 [5, 0, 0],
 [3, 4, 0],
 [0, 2, 8]
]

也可能得到：

[
 [2, 3, 0],
 [6, 0, 1],
 [0, 3, 7]
]

只要满足每行、每列的和就可以。

📘 总结

这道题是一个典型的“构造类问题”，尤其适合作为 贪心算法应用的练习题。它考查你是否能把一个“全局约束”问题转化成局部最优策略，并逐步逼近整体最优。

• ✅ 关键：每次填最小值；
• ✅ 保证局部合法，即可保证全局合法；
• ✅ 最终保证 rowSum 和 colSum 都被“削减为0”，问题解决。