### 问题分析 马鞍点（Saddle Point）在矩阵中是指某一个元素是其所在行的最大值，同时又是其所在列的最小值。这与数学中的鞍点定义一致，即在某个维度上为极大值，在另一个维度上为极小值。 为了实现查找矩阵中所有鞍点的功能，需要对矩阵中的每个元素进行判断： - 判断该元素是否是其所在行的最大值。 - 判断该元素是否是其所在列的最小值。 若两者均满足，则该元素为鞍点。 --- ### 算法思路 1. 输入矩阵的行数 `m` 和列数 `n`。 2. 输入矩阵的所有元素，并将其组织为二维数组。 3. 遍历矩阵中的每一个元素： - 获取该元素所在行的所有元素，判断该元素是否为最大值。 - 获取该元素所在列的所有元素，判断该元素是否为最小值。 4. 若两个条件均满足，则记录该鞍点。 5. 最终输出所有鞍点，若无鞍点则输出“no”。 --- ### Python 实现代码 ```python # 输入矩阵的行数 m 和列数 n m, n = map(int, input().split()) # 输入矩阵元素并构造二维数组 matrix = [] for i in range(m): row = list(map(int, input().split())) matrix.append(row) # 存储所有鞍点 saddle_points = [] # 遍历矩阵查找鞍点 for i in range(m): for j in range(n): # 判断当前元素是否为所在行的最大值和所在列的最小值 if matrix[i][j] == max(matrix[i]) and matrix[i][j] == min(matrix[k][j] for k in range(m)): saddle_points.append(matrix[i][j]) # 输出结果 if len(saddle_points) == 0: print("no") else: for point in saddle_points: print(f"{point:4d}", end='') ``` --- ### 示例运行 输入： ``` 5 5 1 2 3 4 5 7 3 4 5 6 2 1 5 4 3 5 3 6 5 4 5 3 6 5 4 ``` 输出： ``` 3 3 3 ``` --- ### 时间复杂度分析 - 遍历整个矩阵的时间复杂度为 O(m×n)。 - 每次判断一个元素是否为鞍点时，获取行最大值需要 O(n)，获取列最小值需要 O(m)，因此每次判断为 O(m+n)。 - 总体时间复杂度为 O(m×n×(m+n))，适用于中小型矩阵。 --- ### 注意事项 - 若存在多个鞍点，需按照行优先顺序输出。 - 输出格式要求域宽为 4，可使用格式化字符串 `{value:4d}` 实现。 - 如果没有鞍点，应输出 `"no"`。 ---