适用于更高级别Matrix，Vector和esp的最佳免费跨平台库。 SparseMatrix运营？

Question

我们的平台：

• Windows，Linux，Mac OSX。

免：

• 兼容LGPL

支持高级别操作：

• Eigensystems，SVD，QR，LU，inverse，pseudo inverse（aka Moore-Penrose inverse），...

支持许多矩阵类型以及性能良好的小矩阵，例如3×3：

• 稀疏，对称，......（以及对它们的操作！，例如pseudoInverse（））

当然应该是

• efficent
• 过去几个月的积极发展

再次链接LAPACK，MKL，ATLAS等会很高兴。

真正接近的是Armadillo，它不支持稀疏容器。 Eigen3也很棒，但不提供伪逆或支持稀疏矩阵（仅用于保存位置）。

我也看了看：

• newmat11，boost :: uBlas，gsl，IT ++

Answer 1

eigen是最好的！它比boost :: ublas好得多，你可以用ublas编写C = A * B而不是C = prod（A，B），我测试的速度比ublas快得多。

Answer 2

Eigen3现在有一个稀疏矩阵类，以及几个流行的稀疏矩阵库的接口。如果需要计算伪逆以求解最小二乘系统，则可以直接在正规方程上使用Cholesky decomposition。

Answer 3

NewMat11是一款优秀，易于使用的产品。用于高级矩阵运算的相当轻量级的矩阵库（Eigensystems，SVD，QR，LU，inverse）。你可以很容易地声明和从数组构造一个矩阵：

Matrix M(numRows,numCols);
M << array;

访问矩阵元素：

M.element(i,j);

采取转置：

M.t();

反过来：

M.i();

仅与*：

相乘

M*M

可以很容易地执行其他操作，如：SVD，QR，LU等。

显式地提供伪逆（Moore-Penrose逆）操作对于库不是强制性的，因为您可以通过使用转置和放大器来轻松地计算它。逆操作如下：

如果行＆gt; col，那么伪逆（最小二乘解）可以计算为：     M_PseudoInv =（M ^T M） ^-1 M ^T

如果行＆lt;然后，伪逆（最小范数解）可以计算为：     M_PseudoInv = M ^T （MM ^T ） ^-1