一维前缀和
题目解析
算法原理
解法一：暴力解法
简单模拟，读完题意有 q 次询问，给哪两个数，就求哪段区间的和并且返回，这样的做法，时间复杂度为O(N*q)，这个时间复杂度会超时；
解法二：前缀和
前缀和算法的应用场景，就是快速求出数组中某一个连续区间的和；
暴力解法需要从头到尾遍历一次数组，时间复杂度为O(N)，而前缀和可以在连续区间以一个O(1)的时间复杂度求和；所以有q次求和，总的时间复杂度为O(q)；
(1) 预处理出一个前缀和数组
预处理出来的前缀和数组，我们命名为 dp ；
并且与原始数组 arr 相同大小，比如 arr 的下标是从1到9，那么 dp 的下标也是从 1 到 9：
dp 的每一个元素 dp[i]，表示 [ 1 , i ] 区间内所有元素的和：
小技巧：dp[ i +1] = dp[ i ] + arr [ i ]
(2) 使用前缀和数组
有了前缀和数组，如果要求 [ l , r ] 区间的和，只需要求 dp[ r ] - dp [ l -1 ] 即可；
而使用前缀和数组来对一段连续区间进行求和，时间复杂度为 O(1)，如果有 q 次求和，总的时间复杂度为 O(N) + O(q)；
我们可以把同一类问题，抽象成一个状态表示；
(3) 处理细节问题
为什么下标要从 1 开始计数呢？如果从 0 开始计数，当有一次要查询 [ 0 , 2 ] 区间的和：
带入这条公式，就变成了 dp[2] - dp[ -1]，数组无法访问 -1 位置的元素，所以出现这种情况需要特殊处理；
而数组从 1 下标位置开始计数，查询 [ 1 , 3] 区间的和，就变成了 dp[3] - dp[ 0 ] ，我们只需要把 dp [0] 置为 0即可，避免处理边界情况；
在动态规划中 ，把 dp[0]置为0，就是添加辅助节点的步骤，添加辅助节点来帮助初始化，能够避免处理一些边界情况；
编写代码
二维前缀和
题目解析
算法原理
解法一：暴力解法
通过给出的坐标，直接求出子矩阵所有元素之和即可；时间复杂度，每次询问，最差情况是都得求出子矩阵中每个元素之和，就得遍历整个矩阵一遍，时间复杂度为O(n*m*q)；
解法二：前缀和
(1) 预处理出一个前缀和矩阵
重新创建一个同等规模的矩阵 dp，dp[i][j] 表示从 [1,1] 到 [ i , j ] 里所有元素之和 ；
我们需要快速找出规律，来求出 dp[i][j] 的值是多少，否则每求一个元素，就要遍历一次用来的矩阵，那么创建 dp 表的时间复杂度也会很大；
我们可以根据所求的 dp[i][j]，将原来的 A 矩阵分成四个部分，最终要求的 dp[i][j] 等于 A+B+C+D，可以类比面积的求和过程；dp[ i-1][ j-1 ]=A，但是 B C 区域不好求：
我们可以转换思路，求AB，AC再减去重复计算的部分，即可求出 B，C区域；并且，我们总结出了求 dp[i][j] 的公式：
通过公式，就可以用公式以O(1) 的时间复杂度，来预处理前缀和矩阵；
(2) 使用前缀和矩阵
创建好前缀和矩阵后，该怎么使用呢？我们通过分割 ：
转换成公式如下：
当得到递推公式，每次拿到 [x1 , y1] ~ [ x2 , y2 ]，直接套用这条公式，就可以以 O(1) 的时间复杂度来求和两个坐标围成的子矩阵；
对比暴力解法，使用前缀和矩阵的时间复杂度为 ，在预处理前缀和数组的时间复杂度为 O(m*n)，再查询 q 次求和结果，时间复杂度 O(q)；得到的总时间复杂度 O( m*n + q )；
编写代码
