Java中的List是一種動態矩陣，可以根據需要自動擴展大小。在使用List時，經常需要操作其中的元素，以下是常用的Java List函數使用方式：

• add(E e)：在尾部添加元素e。例如：list.add(1)
• add(int index, E element)：在指定位置插入元素element。例如：list.add(1, 1)，表示在索引1的位置插入元素1。
• get(int index)：返回指定位置的元素。例如： Integer number = list.get(0)，表示獲取索引0的元素並賦值給變量number。
• remove(int index)：移除指定位置的元素。例如：list.remove(2)，表示移除索引2的元素。
• set(int index, E element)：替換指定位置的元素。例如：list.set(0, 1)，表示替換索引0的元素為1。
• size()：返回列表的元素數量。例如：int length = list.size()，表示獲取List的元素個數並賦值給變量length。

在使用Java List時，還可以使用迭代器（Iterator）對List中的元素進行遍歷，具體代碼如下：

List<Integer> numberList = new ArrayList<>();
numberList.add(1);
numberList.add(2);
numberList.add(3);

Iterator<Integer> numberIterator = numberList.iterator();
while(numberIterator.hasNext()) {
    Integer number = numberIterator.next();
    System.out.println(number);
}

題目：1929. Concatenation of Array

連結：https://leetcode.com/problems/concatenation-of-array/description/

• 等級：Easy

解題思路

1. 使用index紀錄陣列長度，建立新矩陣
2. 取值同時複製到兩個位置

class Solution {
    public int[] getConcatenation(int[] nums) {
        int n = nums.length;
        int [] result = new int [n*2];
        for (int i = 0;i < n; i++)
        {
            result[i] = nums[i];
            result[n+i] = nums[i];
        }
        return result;
    }
}

• Time complexity: O(n)
• Space complexity: O(n)

題目：118. Pascal's Triangle

連結：https://leetcode.com/problems/pascals-triangle/description/

• 等級：Easy

解題思路

1. 紀錄前一個矩陣
2. 記錄當前矩陣，第一個值與最後一個為利用前一個矩陣計算算中間數值

class Solution {
    public List<List<Integer>> generate(int numRows) {
        List<List<Integer>> result = new ArrayList<List<Integer>>();
        List<Integer> prev = new ArrayList<Integer>();
        prev.add(1);
	    result.add(prev);
        for (int i = 2;i <= numRows; i++)
        {
            ArrayList<Integer> curr = new ArrayList<Integer>();
            curr.add(1);
            for (int j = 0; j < prev.size()-1;j++)
                curr.add(prev.get(j) + prev.get(j+1));
            curr.add(1);
            result.add(curr);
            prev = curr;
        }
        return result;
    }
}

• Time complexity: O(n＾2)
• Space complexity: O(n)