基于Numpy实现两组N×N矩阵所有配对的高效乘法及扩展需求

嘿，这个需求用Numpy的广播特性就能轻松搞定，完全不用写嵌套循环，效率还拉满！我来分两个问题给你拆解：

核心思路是利用Numpy广播来自动扩展维度，让两组矩阵能逐个配对相乘。具体步骤如下：

• 给L1增加一个维度，从(M1, N, N)变成(M1, 1, N, N)——这样是为了让它能和L2的M2个矩阵逐个配对；
• 给L2增加一个维度，从(M2, N, N)变成(1, M2, N, N)；
• 用np.matmul()或者@运算符做矩阵乘法，这时候广播会自动把两个数组扩展成(M1, M2, N, N)的形状，每个位置就是对应的L1[i]·L2[j]；
• 最后用reshape()把结果拉成(M1*M2, N, N)的形状就搞定了。

直接上代码：

import numpy as np

N = 2
M1 = 3
M2 = 2
L1 = np.random.randn(M1, N, N)
L2 = np.random.randn(M2, N, N)

# 实现无循环的矩阵配对乘积
product_pairs = np.matmul(L1[:, np.newaxis, :, :], L2[np.newaxis, :, :, :])
# 或者更简洁的写法：product_pairs = L1[:, None] @ L2[None, :]
result = product_pairs.reshape(M1*M2, N, N)

# 可以用循环验证结果是否正确（只是验证用，实际不用写）
loop_result = []
for a in L1:
    for b in L2:
        loop_result.append(a @ b)
loop_result = np.array(loop_result)
print(np.allclose(result, loop_result))  # 输出True，说明结果一致

这个更简单！因为X是(N,N)的矩阵，Numpy的广播会自动把它扩展成和乘积结果一样的(M1, M2, N, N)形状，直接相加就行，最后再reshape：

X = np.random.randn(N, N)

# 乘积加X的结果
product_plus_X = (L1[:, None] @ L2[None, :]) + X
final_result = product_plus_X.reshape(M1*M2, N, N)

# 同样验证一下
loop_final = []
for a in L1:
    for b in L2:
        loop_final.append(a @ b + X)
loop_final = np.array(loop_final)
print(np.allclose(final_result, loop_final))  # 输出True

这里要注意：[:, None]和[:, np.newaxis]是完全等价的，只是写法更简洁，你可以随便用哪个。这种方法完全利用了Numpy的底层优化，比手写循环快得多，尤其是当M1、M2很大的时候优势特别明显。

内容的提问来源于stack exchange，提问作者almagy