查找和最小的 K 对数字

给定两个以升序排列的整数数组 nums1 和 nums2 , 以及一个整数 k 。

定义一对值 (u,v)，其中第一个元素来自 nums1，第二个元素来自 nums2 。

请找到和最小的 k 个数对 (u1,v1),  (u2,v2)  ...  (uk,vk) 。

示例 1:

输入: nums1 = [1,7,11], nums2 = [2,4,6], k = 3
输出: [1,2],[1,4],[1,6]
解释: 返回序列中的前 3 对数：
    [1,2],[1,4],[1,6],[7,2],[7,4],[11,2],[7,6],[11,4],[11,6]

示例 2:

输入: nums1 = [1,1,2], nums2 = [1,2,3], k = 2
输出: [1,1],[1,1]
解释: 返回序列中的前 2 对数：
     [1,1],[1,1],[1,2],[2,1],[1,2],[2,2],[1,3],[1,3],[2,3]

示例 3:

输入: nums1 = [1,2], nums2 = [3], k = 3 
输出: [1,3],[2,3]
解释: 也可能序列中所有的数对都被返回:[1,3],[2,3]

提示:

• 1 <= nums1.length, nums2.length <= 104
• -109 <= nums1[i], nums2[i] <= 109
• nums1, nums2 均为升序排列
• 1 <= k <= 1000

这个问题可以使用双指针的方法来解决。我们可以遍历两个数组，对于每一个元素，都找到它在另一个数组中的第一个大于它的元素，并更新最小和。然后，将当前的数对添加到结果列表中，并将较小的数组的指针向前移动一位。
具体来说，我们可以按照以下步骤来进行：

  1. 初始化一个空的结果列表 res 和一个整数变量 k。
  2. 使用两个指针 i 和 j 分别指向 nums1 和 nums2 的头部。
  3. 遍历数组，对于每一个元素，都找到它在另一个数组中的第一个大于它的元素，并更新最小和。如果找不到这样的元素，则返回 null。
  4. 将当前的数对添加到结果列表中，并将较小的数组的指针向前移动一位。
  5. 当结果列表的大小达到 k 时，或者两个数组都被遍历完时，就返回结果列表。

以下是具体的代码实现：
```java
public List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
    List<List<Integer>> res = new ArrayList<>();
    if (nums1 == null || nums2 == null || nums1.length == 0 || nums2.length == 0) {
        return res;
    }
    int n = Math.min(nums1.length, nums2.length);
    for (int i = 0; i < n && k > 0; i++) {
        int minSum = Integer.MAX_VALUE;
        int minJ = -1;
        for (int j = 0; j < nums2.length; j++) {
            int sum = nums1[i] + nums2[j];
            if (sum < minSum) {
                minSum = sum;
                minJ = j;
            }
        }
        if (minJ == -1) {
            break;
        }
        res.add(Arrays.asList(nums1[i], nums2[minJ]));
        k--;
        if (nums1.length <= nums2.length) {
            nums1[i] = nums1[nums1.length - 1];
            nums1 = Arrays.copyOf(nums1, nums1.length - 1);
        } else {
            nums2[minJ] = nums2[nums2.length - 1];
            nums2 = Arrays.copyOf(nums2, nums2.length - 1);
        }
    }
    return res;
}
```

这个算法的时间复杂度是 O(n log n)，空间复杂度是 O(k)。