关于向量成对差（Pairwise difference of vectors）的矩阵计算需求咨询

需求明确 #

给定N×N矩阵matrix（每一列是一个N维列向量(v_1, v_2, …, v_N)），需生成一个N×N×N的三维结构，其中索引((i,j,k))对应(v_i - v_j)的第k个分量。

高效实现（Python + NumPy） #

利用NumPy的广播机制可以避免嵌套循环，高效完成计算：

import numpy as np

# 构造N=3的示例矩阵（每一列对应一个N维列向量）
matrix = np.array([[1, 4, 7],
                   [2, 5, 8],
                   [3, 6, 9]])

# 将列向量转为行向量数组，方便后续广播操作
vecs = matrix.T  # vecs形状为(N,N)，每行对应原矩阵的一列

# 通过广播计算所有v_i - v_j，得到N×N×N的结果
result = vecs[:, np.newaxis, :] - vecs[np.newaxis, :, :]

# 验证：result[i,j,k] = v_i的第k分量 - v_j的第k分量
print(result[0, 1, 2])  # 输出-3，对应v1[2]-v2[2] = 3-6 = -3

代码说明

• vecs = matrix.T：转置原矩阵，将列向量转换为行向量存储，简化广播逻辑。
• vecs[:, np.newaxis, :]：为每个行向量增加一个维度，形状变为((N,1,N))，对应所有(v_i)的扩展形式。
• vecs[np.newaxis, :, :]：为每个行向量增加一个维度，形状变为((1,N,N))，对应所有(v_j)的扩展形式。
• 两者相减时，NumPy自动完成广播，生成的result正好满足索引((i,j,k))的需求。

纯Python实现（无依赖） #

如果不需要NumPy，用嵌套列表推导也能实现：

# 示例矩阵：matrix[i]对应第i+1个列向量v_{i+1}
matrix = [[1,2,3], [4,5,6], [7,8,9]]

# 生成三维列表
result = [[[matrix[i][k] - matrix[j][k] for k in range(len(matrix))]
           for j in range(len(matrix))]
          for i in range(len(matrix))]

# 验证
print(result[0][1][2])  # 输出-3

内容的提问来源于stack exchange，提问作者sgk525