给你一个 m * n 的矩阵 mat，以及一个整数 k ，矩阵中的每一行都以非递减的顺序排列。 你可以从每一行中选出 1 个元素形成一个数组。返回所有可能数组中的第 k 个 最小 数组和。 示例 1： 输入：mat = [[1,3,11],[2,4,6]], k = 5 输出：7 解释：从每一行中选出一个元素，前 k 个和最小的数组分别是： [1,2], [1,4], [3,2], [3,4], [1,6]。其中第 5 个的和是 7 。 示例 2： 输入：mat = [[1,3,11],[2,4,6]], k = 9 输出：17 示例 3： 输入：mat = [[1,10,10],[1,4,5],[2,3,6]], k = 7 输出：9 解释：从每一行中选出一个元素，前 k 个和最小的数组分别是： [1,1,2], [1,1,3], [1,4,2], [1,4,3], [1,1,6], [1,5,2], [1,5,3]。其中第 7 个的和是 9 。 示例 4： 输入：mat = [[1,1,10],[2,2,9]], k = 7 输出：12 提示： m == mat.length n == mat.length[i] 1 <= m, n <= 40 1 <= k <= min(200, n ^ m) 1 <= mat[i][j] <= 5000 mat[i] 是一个非递减数组

这是一道比较典型的堆的题目，可以使用堆来保存每行数据的组合以及它们的和，并在堆中取出前k项。以下是一个Python的实现：

import heapq

def kthSmallest(mat, k):
    m, n = len(mat), len(mat[0])
    heap = [(sum(mat[i]), [mat[i][0]], 0) for i in range(m)]
    heapq.heapify(heap)
    for _ in range(k-1):
        curr_sum, curr_comb, curr_idx = heapq.heappop(heap)
        if curr_idx == n - 1:
            continue
        for i in range(m):
            new_comb = curr_comb + [mat[i][curr_idx+1]]
            new_sum = curr_sum - curr_comb[-1] + new_comb[-1]
            heapq.heappush(heap, (new_sum, new_comb, curr_idx+1))
    return heapq.heappop(heap)[0]

首先，我们使用一个堆来保存每行数据的组合以及它们的和。堆中的每个元素是一个三元组，分别表示当前的和、当前的组合和组合到了哪个位置。初始时，我们将每行第一个元素加入堆中。然后，我们每次从堆中取出当前和最小的元素，将它的下一个元素加入堆中，直到取出了k-1个元素。最后，堆中的第k个元素就是所有组合中的第k小的和。

这个实现的时间复杂度为O(kmnlogk)，其中n为每行元素的个数，m为行数。堆的大小为O(k)，每次从堆中取出元素和加入元素的时间复杂度为O(logk)，因此总时间复杂度为O(kmnlogk)。