1. 先别急着写代码：把"对角线求和"这层纸捅破
很多刷题的朋友看到"简单"标签就直接开敲，结果样例一过就以为完事了。LeetCode 1572这道题，我见过太多人在n为奇数的时候翻车，所以决定把这道题完整地拆一遍，从题目解读到代码实现，再到面试变形，一次讲透。
题目原文很简单：给你一个n x n的方阵mat，请返回矩阵对角线上元素的和。注意，当矩阵维度n为奇数时，两条对角线会经过同一个中心元素，这个元素只能被计算一次。
先说一个容易被忽略的事实：这题虽然标"简单"，但它同时考察了三样东西——数组索引基本功、对称性观察力、边界条件敏感度。如果你只是背下解法，那遇到变体题（比如"只求副对角线"或者"矩阵不是方阵"）又会卡住。
1.1 题目到底要求什么
输入是一个二维整数数组，输出是一个整数。示例我就不重复贴了，但核心语义是：
- 主对角线：从左上到右下。
- 副对角线：从右上到左下。
- 两条线的交点（如果有）只计入一次。
很多第一次做这道题的朋友会写出双重循环，判断if (i == j || i + j == n - 1)然后累加。这个判断本身没错，但它不是最优解，也不是最不容易错的写法。真正值得思考的问题是：为什么副对角线满足i + j = n - 1，而不是别的式子？
这个式子本质上是在描述"对称位置"的关系。你如果拿一张方格纸画一个3 x 3矩阵，给每个格子标上行号和列号，副对角线上的点分别是(0,2)、(1,1)、(2,0)，行加列都等于2，也就是n - 1。所以i + j == n - 1不是硬记的，是"右上角那一列的坐标特征"推出来的。
1.2 真正的考点在边界条件
边界条件是这道题的灵魂。当n是偶数，两条对角线永远不会相交；当n是奇数，中心元素(n/2, n/2)会在两条对角线上同时出现。如果你用双重循环加if判断，恰好会在中心元素处重复计算一次。
不要小看这个错误。我刷题群里有人用暴力法提交，样例全过，一提交就被判错，原因是n为奇数的隐藏用例没有覆盖到。所以不管用哪种解法，都要在代码里显式处理重叠元素，而不是碰运气。
从这道题出发，我更想聊的是如何把一道简单题的价值榨干——包括复杂度优化、不同语言的写法差异，以及如何从一道题引申出一类题的解法。下面一节我们先把索引规律讲透，这是所有解法的基础。
2. 索引规律推导与数学归纳：为什么副对角线是i + j = n - 1
这节内容看起来很基础，但我建议你别跳过。因为很多时候我们写代码"差一个条件"，本质是对索引规律的理解不到位。
2.1 主对角线的直觉
主对角线上任意元素的行号等于列号，也就是i == j。这一点不用多说，但我想补充一个观察角度：主对角线描述的是"行列同步增长"的过程。从(0,0)出发，每走一步行号加1、列号也加1，最终抵达(n-1, n-1)。
如果你想把主对角线遍历一遍，不需要双重循环，单循环就够了：
for i in range(n): result += mat[i][i]这个写法的意思很直接：第i行取第i列，行和列一起走，一次遍历拿完主对角线所有元素。
2.2 副对角线的对称性推导
副对角线从右上(0, n-1)到左下(n-1, 0)。每走一步，行号加1、列号减1。你观察任意一个副对角线上的元素(i, j)，会发现i增加的量恰好被j减少的量抵消，所以i + j恒等于n - 1。
换一个更直观的说法：副对角线上的元素，相对于矩阵的"水平中轴线"是对称的。把第j列改成"从右往左数"的第n - 1 - j列，那么副对角线就是在"行列编号从同侧对齐"的意义上的主对角线。
所以副对角线遍历可以写成：
for i in range(n): result += mat[i][n - 1 - i]注意这里列索引是n - 1 - i，不是n - i。初学者最容易在这边多写或者少写一个1。你代入i = 0验证：列号是n - 1，对应右上角，正确；代入i = n - 1：列号是0，对应左下角，也正确。
一个实用的自查方法：把n = 3代入公式，手动在纸上列出三条副对角线坐标，再对比代码里的索引表达式，确保首尾两个点都对得上，基本就不会错了。
2.3 合并公式与重叠判断
把两条对角线放在一起，扫描整个矩阵的话，条件就是：
i == j （主对角线） i + j == n - 1 （副对角线）两者取并集，并且当i == j && i + j == n - 1时，代表同一个元素被两条对角线同时包含。把两个等式联立：
i == j i + j == n - 1解得i = j = (n - 1) / 2。这个解存在的条件是(n - 1)必须能被2整除，也就是n为奇数。这就是"为什么只有奇数阶才需要去重"的数学根源，不是靠感觉，是靠联立方程推出来的。
所以：
n为偶数：两条对角线无交集，直接累加。n为奇数：中心元素出现两次，减掉一次即可。
很多题解里写if (n % 2 == 1) result -= mat[n/2][n/2]，原理就在这里。
3. 三种写法的完整实现：从暴力到单循环再到一行流
掌握了索引规律，实现就只是时间问题。现在我给出三种可运行的写法，并逐个分析它们的适用场景和优缺点。这里我以Python为主，因为代码短、适合演示思路，但后面会补充Java和C++的关键差异。
3.1 暴力双循环（最容易想到，也最容易错）
思路：遍历每个格子，如果满足主对角线或副对角线条件就累加。
def diagonal_sum_brute(mat): n = len(mat) total = 0 for i in range(n): for j in range(n): if i == j or i + j == n - 1: total += mat[i][j] return total这段代码能过，但有两个问题。第一，它的时间复杂度是O(n^2)，虽然n不大时无所谓，但作为算法题，这是"能跑但不够好"的典型；第二，如果不在最后单独扣掉中心元素，那奇数阶时中心元素会被加两次。你可能会问：if条件里两个等式都满足时不应该算一次吗？注意，or并行判断时，只要任一条件为真就进入累加，不会说"两个条件同时满足就只加一次"，所以双重循环天然会把中心元素算两遍。
如果你坚持用暴力法，正确姿势是加一个去重判断：
def diagonal_sum_brute_fixed(mat): n = len(mat) total = 0 for i in range(n): for j in range(n): if i == j or i + j == n - 1: total += mat[i][j] # 中心元素被加了两次，扣掉一次 if n % 2 == 1: total -= mat[n // 2][n // 2] return total但说实话，都走到双重循环这一步了，不如直接改成单循环，代码量几乎一样，还更快。
3.2 单次遍历（推荐写法）
核心思路：一次循环遍历每一行，每行取两个元素，分别是主对角线和副对角线上的点。只有当n为奇数且这两个点是同一个位置时，才只加一次。
def diagonal_sum(mat): n = len(mat) total = 0 for i in range(n): total += mat[i][i] # 主对角线 total += mat[i][n - 1 - i] # 副对角线 if n % 2 == 1: total -= mat[n // 2][n // 2] # 重叠的中心元素减掉一次 return total这个写法有几个优点：
- 时间复杂度降到
O(n)，空间复杂度O(1)。 - 主对角线和副对角线的累加逻辑清晰分离，代码一眼能读懂。
- 去重逻辑集中在最后一行，出错了也好排查。
我刷题这么多年，碰到"对角线"相关的问题，基本都是用这个思路先写一遍，再根据题目要求微调。
3.3 进阶写法：提前排除重叠（避免最后再减）
还有第二种单循环思路——在循环体内判断中心元素。好处是不用最后回头减一次，逻辑更内聚：
def diagonal_sum_adv(mat): n = len(mat) total = 0 for i in range(n): total += mat[i][i] if i != n - 1 - i: total += mat[i][n - 1 - i] return total这里用i != n - 1 - i来判断"当前行的副对角线元素是否和主对角线元素是同一个位置"。如果是同一个位置，就跳过副对角线累加。这个判断不需要额外考虑n的奇偶性，因为i != n - 1 - i自然在奇数阶的中心行不成立，偶数阶每一行都成立。
两种单循环写法都能AC，我个人更推荐3.2节那种"先全部加完再减"的版本，因为它把"是否重复"这个逻辑变成了一个显式的数学条件，读代码的人一眼就能看到奇偶性的处理。而i != n - 1 - i这种写法虽然更精简，但对初学者来说不够直观。
3.4 Java和C++的写法差异
Java版本大同小异：
class Solution { public int diagonalSum(int[][] mat) { int n = mat.length; int sum = 0; for (int i = 0; i < n; i++) { sum += mat[i][i]; sum += mat[i][n - 1 - i]; } if (n % 2 == 1) { sum -= mat[n / 2][n / 2]; } return sum; } }C++版本：
class Solution { public: int diagonalSum(vector<vector<int>>& mat) { int n = mat.size(); int sum = 0; for (int i = 0; i < n; i++) { sum += mat[i][i]; sum += mat[i][n - 1 - i]; } if (n % 2 == 1) { sum -= mat[n / 2][n / 2]; } return sum; } };语言差异不大，唯一的注意点是C++里vector<vector<int>>的size()返回的是size_t，如果直接和int混用，在某些编译器告警级别下会有符号比较警告。刷题平台一般不管，但如果你在公司笔试环境里跑，建议显式转成int n = mat.size();。
4. 这道"简单题"的坑：重叠元素的处理与失分点
4.1 典型错误汇总
我总结了几类在题解区和评论区高频出现的错误，每一种都反映了一个思维盲区：
| 错误类型 | 错误代码/行为 | 后果 |
|---|---|---|
| 忘记去重 | 两条对角线分别用两个循环累加，最后不扣中心元素 | 奇数阶时结果偏大 |
| 索引越界 | 副对角线写成mat[i][n - i] | 运行时报错或结果错误 |
| 条件判断顺序混乱 | if (i == j && i + j == n - 1)当作并集处理 | 漏掉只满足一条对角线的元素 |
| 想当然的对称性 | 认为副对角线是mat[i][n - i - 2] | 结果张冠李戴 |
第一个错误最隐蔽，因为n为偶数时结果正确，样例恰好给个偶数阶，直接误导你。第二个错误是"少减1"的经典问题，代入边界就能发现。第三个错误把or和and搞混，属于逻辑运算符基本功不扎实。第四个错误本质上是对坐标规律理解有偏差。
4.2 怎么在面试中表现这道题
这道题如果出现在面试里，面试官大概率不是为了考你算法，而是在看你的思考过程和代码习惯。我的建议是：
- 先说出暴力方案，并主动分析复杂度是
O(n^2)。 - 紧接着提出优化：因为主对角线和副对角线每行都恰好有一个元素，所以可以单循环
O(n)解决。 - 走到去重环节时，主动提一句"当
n为奇数时，中心元素(n/2, n/2)会被加两次，需要扣掉"。
你如果能主动说出这三点，在面试官眼里这道题你就过关了。最怕的是闷头写代码，写完只丢一句"通过了"，没有任何分析过程。
4.3 一个小技巧：用极端用例自测
无论用什么解法，提交前养成自测的习惯。对于矩阵类题目，至少测三组输入：
n = 1，此时主对角线和副对角线完全重叠，答案就是mat[0][0]。n = 2，两条对角线不重叠，答案是两个对角线元素之和。n = 3，验证中心元素是否被正确减去一次。
我自己的习惯是，即使平台已经给了示例，也会额外构造一个n = 1的用例跑一遍。因为n = 1是边界中的边界，最容易暴露索引计算和去重逻辑的问题。
5. 复杂度分析与同类题延伸：把一道简单题的价值榨干
5.1 复杂度对比
| 方案 | 时间复杂度 | 空间复杂度 | 代码量 |
|---|---|---|---|
| 暴力双循环 + if判断 | O(n^2) | O(1) | 短，但边缘易错 |
| 双循环 + 去重 | O(n^2) | O(1) | 中等 |
| 单循环 + 去重 | O(n) | O(1) | 短，推荐 |
| 单循环 + 提前排除 | O(n) | O(1) | 短，逻辑内聚 |
空间复杂度都是O(1)，因为只额外用了一个整数变量。区别在时间上：暴力法每个格子都要判断一次，单循环每行只处理两个元素。当n = 1000时，暴力法要判断100万个格子，单循环只需处理2000个元素，差距是三个数量级。这就是为什么即使是"简单题"，也值得用更好的算法——因为数据规模一旦上来，暴力解法会立刻拖垮性能。
5.2 变体一：只求副对角线的和
这是最直接的变体。去掉主对角线的累加即可：
def anti_diagonal_sum(mat): n = len(mat) total = 0 for i in range(n): total += mat[i][n - 1 - i] return total这时不需要考虑去重，因为没有两条线交集的问题了。但要注意，如果你的循环里同时还保留了主对角线累加，就又会踩重复的坑。
5.3 变体二：非方阵矩阵怎么办
题目明确说了n x n，但如果面试官追问"如果矩阵是m x n怎么办"，你可以这样分析：主对角线依然满足i == j，但副对角线需要重新定义。通常"副对角线"在非方阵中没有唯一标准定义，所以一般不会这样考。不过可以引申出一个思路：先明确对角线的定义，再根据定义写出坐标关系式，最后实现。这个思路适用于所有矩阵索引类的题目。
5.4 同类题延伸
碰上矩阵对角线或者边界遍历的问题，下面几道LeetCode题值得一起刷：
- 766. 托普利茨矩阵：判断每条对角线上的元素是否都相同。核心也是对角线的索引规律。
- 498. 对角线遍历：按对角线方向交替遍历矩阵，难度中等，是对角线规律的综合应用。
- 54. 螺旋矩阵：按螺旋顺序遍历矩阵，虽然不完全是"对角线"问题，但同样考察了方向控制和边界切换。
- 1572本身：作为入门题，用来建立"观察坐标规律"的直觉刚刚好。
刷这几道题时你会发现一个共同点：先把坐标规律写在纸上，再动手写代码。矩阵类题目最怕一上来就空想索引关系，画个3阶或4阶矩阵，把坐标都标出来，规律一目了然。
6. 写在最后的刷题心得
这道题我至少给初学者讲过五遍，每次都会强调一件事：简单题不等于可以随便写。你可以在10分钟内AC，但如果没有理解副对角线i + j = n - 1的推导过程，没有分析过重叠元素的条件，那这道题的价值就只值"一道AC记录"，而不是"一次思维训练"。
我见过太多人刷了几百道题，遇到新题还是无从下手，原因就是刷题时只重数量不重方法。像1572这种简单题，恰恰是建立"坐标规律思维"的最佳练习素材。它不涉及复杂的算法，纯粹考察你能不能把一个矩阵的几何特征转化成简洁的索引公式。
我个人推荐的做法是：把这道题放在"数组/矩阵索引规律"这个分类下，和766、498放一起刷。刷完之后自己尝试改几个变体——比如要求对角线乘积、要求返回两条对角线的最大值、要求对两条对角线分别求和再比较大小。每改一个变体，你对索引规律的理解就更深一层。
最后分享一个小技巧：写矩阵下标的时候，遇到减法索引，比如n - 1 - i，在注释里写清楚"副对角线列号"，这样即使过几个月回看代码，也能一眼读懂当初的意图。好的代码不只是机器能跑，更是半年后的自己能看懂。