C++ 下有沒有矩陣計算速度能和 MATLAB 相當的矩陣或數學庫？
12-28
我要算的是 Moore-Penrose Inverse（廣義逆），已經 Google 過了，沒找到更快的；OpenCV 的 Mat 成員函數 inv，算一個 5000*500 矩陣的廣義逆要 68s 以上，MATLAB 祗要 4s 多一點；更新：目前我找到的最快的方案是用 Armadillo+OpenBLAS，可以達到 OpenCV 的四倍速度左右，但是還是比 MATLAB 慢較多，上面的 5000*500 矩陣，用這種方案大約需要 12s
matlab的底層調用的是一個優化過的lapack庫，這玩意兒是一個矩陣運算庫，有fortran和c版本，你需要的是它！
現有CPU架構下，如果是英特爾CPU，最快的線性運算庫是MKL。提供c和fortran的介面。提供多線程參數。提供多機通信方案。
當然如果你用MKL依舊跑不過MATLAB，那很正常。那就意外著在演算法層面/內存管理層面有tips。
自己調 openBLAS 或 MKL
假定你是稠密矩陣（如果是稀疏的，直接spqr或者eigen3.2的qr都很好用）
根據這個（OpenCV vs. Armadillo vs. Eigen on Linux revisited）各種常用矩陣包的比較來看， Armadillo+OpenBLAS是最快的，不過看評論他測的test不是很合理貌似。
再加速的話是不是可以試試並行的演算法？Google了一下比如CULA（Dense ? CULA）及其免費的單精度版（CULA Programmer』s Guide），和PLASMA（PLASMA）。其實如果不是求逆的話opencv的ocl模塊就還可以湊合。
前面好多人說了dense matrix，blas、lapack、eigen等都不錯。針對sparse matrix，SuiteSparse是最好的選擇，因為Matlab裡面sparse matrix的實現就是用的這個。
試試BLAS
不同平台都有實現，比如Intel的數學庫就包含BLAS。
INTEL MKL
boost 有ublas庫 至於速度 那你就自己判斷了
c中調用matlab引擎吧
Eigen，簡單
推薦閱讀：
※想用別人的實驗來算東西，但沒有他的數據，只有文獻里的圖線怎麼辦？
※學術論文中用什麼軟體可以繪製這樣的圖？
※Mathematica 和 MATLAB 都有什麼不同？做數學分析哪個比較專業？
※如何在兩條曲線之間上色？