在计算机科学和数学中，"最大子矩阵"通常指的是在一个给定的二维矩阵中找到一个子矩阵，使得该子矩阵的元素之和最大。这
个问题是动态规划的一个经典应用，类似于一维数组中的最大子段和问题。
解决最大子矩阵问题的一个常见方法是使用动态规划。下面是一个简单的算法来解决这个问题：
1. 预处理：首先，计算原始矩阵的累积和。这可以通过遍历矩阵的每个元素，并将当前元素的值加上其左侧和上侧元素
的累积和来实现。这样，我们可以快速地计算任何子矩阵的和。
2. 动态规划：接下来，我们可以使用动态规划来找到最大子矩阵。我们可以将问题分解为找到每个可能的高度下的最大
子段和。对于每个高度，我们遍历所有可能的顶部行，并在底部行上应用一维的最大子段和算法。
3. 结果：在遍历所有可能的高度和顶部行之后，我们可以找到最大的子矩阵和，以及对应的子矩阵的位置。
下面是一个伪代码示例：
pseudo 复制代码
function maxSubmatrix(matrix):
n = rows(matrix)
m = cols(matrix)
// 计算累积和
sumMatrix = new Matrix(n+1, m+1)
for i from 1 to n:
for j from 1 to m:
sumMatrix[i][j] = matrix[i][j] + sumMatrix[i-1][j] + sumMatrix[i][j-1] - sumMatrix[i-1][j-1]
maxSum = 0
startRow = 0
startCol = 0
endRow = 0
endCol = 0
// 对每个可能的高度应用一维最大子段和算法
for height from 1 to n:
for topRow from 1 to n-height+1:
bottomRow = topRow + height - 1
currentMax = 0
currentStart = 0
for col from 1 to m:
subMatrixSum = sumMatrix[bottomRow][col] - sumMatrix[topRow-1][col]
if subMatrixSum > currentMax + subMatrixSum:
currentMax = subMatrixSum
currentStart = col
if subMatrixSum < 0:
currentMax = 0
if currentMax > maxSum:
maxSum = currentMax
startRow = topRow
endRow = bottomRow
