假设有两个三维向量集，用矩阵表示:

要求A，B两个集合中的元素两两间欧氏距离。

先求出ABT：

然后对A和BT分别求其中每个向量的模平方，并扩展为2*3矩阵：

然后：

将上面这个矩阵一开平方，就得到了A，B向量集两两间的欧式距离了。

defEuclideanDistances(A, B):     
  BT = B.transpose()     
  # vecProd = A * BT     
  vecProd = np.dot(A,BT)     
  # print(vecProd)     
  SqA =  A**2# print(SqA)     
  sumSqA = np.matrix(np.sum(SqA, axis=1))     
  sumSqAEx = np.tile(sumSqA.transpose(), (1, vecProd.shape[1]))     
  # print(sumSqAEx)      
  SqB = B**2     
  sumSqB = np.sum(SqB, axis=1)     
  sumSqBEx = np.tile(sumSqB, (vecProd.shape[0], 1))         
  SqED = sumSqBEx + sumSqAEx - 2*vecProd     
  SqED[SqED<0]=0.0        
  ED = np.sqrt(SqED)     
  return ED