大家推薦一個矩陣類？

12-28

我用的是VC2010，請大家推薦一個比較官方的矩陣類吧。
目前我知道有MTL、Meschach、Blitz等等，不知有沒有人用過，請介紹一下經驗。
希望能有一些矩陣的運算功能，諸如LU、SVD什麼的最好有自帶函數，就跟Matlab似的，運算速度沒有硬性要求，但也別太慢，至少得拼得過Matlab吧。
謝謝各位！

補充一下，需要是開源的。另外，希望自帶有各種方程組解法，如共軛梯度、LSQR等。

如果你有Matlab的話
是可以二次開發和混合編程的
用c/c++調用matlab引擎或者用matlab生成dll

有一個通用的數學演算法庫 NAG，包含矩陣數值統計等等，據說挺專業

不過上面都是有商業的，開源的話有
Armadillo C++ Library
Octave
boost matrix
不過都沒用過

如果有特殊的用途可以參考
c/c++數學計算庫

強烈推薦armadillo！！用法和matlab語法差不多，很容易上手，搭配openblas據說是目前最快的！唯一的缺點就是文檔資料略顯少，不過基本也夠了。還有一個很著名的叫做"Eigen"，速度也巨快，而且完全是基於模版元編程實現，不依賴任何庫(armadillo也可以不依賴別的庫，但是效率會受影響，一些功能性函數也用不了)，還有一點是，Eigen的文檔資料巨豐富。

直接上Lapack吧，雖然它是傳統的函數實現，不是面向對象的。我現在用GotoBLAS感覺還可以，你在編譯的時候可以指定採用多核，還有選項針對不同的CPU架構進行優化。再要快的話可以去看看用了CUDA的一些庫。

這個?

Matrix - 1.42.0

我寫C++，先用過三個月的Eigen，然後換了Armadillo用到現在。強力推薦Armadillo，與之相比Eigen簡直就像個玩具程序一樣的。。
Armadillo比Eigen好的地方：

數據類型豐富，除了一維向量和二維矩陣以外還有三維的cube, 以及field（一種可以盛放向量、矩陣、cube或者field本身的容器）這個大殺器，很多規模稍大的程序有了field這個抽象層以後寫起來舒服多了。相比之下Eigen只有一維向量和二維矩陣，然後就是一堆畫蛇添足的"Vector3d", "Vector4d"這種玩意或者是Map這種不明覺厲，難學難用的東西。
Armadillo有各種各樣的矩陣函數，豐富程度堪比Matlab，裡面連卷積神經網路必備的的conv()和kron()這種函數都提供給你了。Armadillo的函數還有一個好處就是語義基本都和Matlab一致，手上只有Matlab程序的時候，可以藉助Armadillo很快轉化成對應的C++程序。相比之下Eigen的矩陣函數少得可憐，真要用Eigen庫還得造些輪子。
Armadillo有C++風格的迭代器，各種數據類型都有對應的迭代器，可以在元素、行、列之間迭代，連field都有迭代器。迭代器+lambda+algorithm庫里的泛型演算法寫得飛起好嗎。Eigen嘛，只有一個可憐兮兮的data()成員函數提供了指向數據塊的頭指針。
Eigen暴露太多實現細節給用戶。比如array()、上文提到的Map這類成員，還有和std庫里容器配合使用時的各種對齊問題。

Eigen唯一的好處估計就是整個庫就幾個頭文件，無須配置環境吧。用Armadillo的話還要設置一下幾個基礎庫。

我是由Armadillo 轉 Eigen。上面有同學是 Eigen 轉 Armadillo的，談一下自己的幾點看法。
1. 關於數據類型，當然， Arma都有豐富如matlab的多維矩陣，個人理解多維的矩陣無非是二維矩陣的容器而已，因為二維以上的矩陣是沒有運算規則。Eigen專註於實用的線性代數所用的二維矩陣，如要容器則可使用vector&。
關於上面同學提到的Vector3d等等，這個等同於Arma的 vec3等，是一些typedef 而已，大家都有，談何「畫蛇添足」。
並且Eigen的 Matrix2d,Matrix3d,Matrix4d 這種小的定長度矩陣配合SSE有超高的效率。
再有Map類型，我以為Map類型是非常好的引用地址構造矩陣的方法，強調了其引用特性，Arma也可以通過連續內存地址來構造引用矩陣，兩者功能一致。
2. 關於函數，相比之下Arma 是比Eigen函數多一些，也更類似matlab，比如矩陣的非連續指標的引用，這個是arma的優勢。後來看到KDE論壇里Eigen開發者說不會提供效率不高的函數。所以有些函數缺失也是有原因的。（非連續指標引用的是非連續內存，讀取效率是不高的）
3. 關於Eigen的bug，開始使用Eigen時是其bug 耿耿於懷，後來慢慢得明白這些bug的原因，還是跟效率有關。比如Aliasing 問題，恰恰是因為Eigen專註於效率，不肯加入臨時變數，所以才會弄出了「bug」，其實與其說bug ，不如說是用法不當。
Eigen確實存在內存對齊問題，不過都提供相應的簡單的解決方法。
4. 大家最關心的是效率，效率一直是Eigen最關注的東西，之前為了選擇矩陣庫，特意做過對比。組集一個稍大規模的有限元剛度矩陣（稀疏矩陣）。都用了各自的批量插入構造函數，演算法一模一樣，（由於Armadillo沒有lapack的話是沒有速度可言的，所以大家都使用了MKL），結果是具體忘了，大概是Arma 4秒左右， Eigen 1秒左右。並且Eigen有沒有MKL速度差不多。
5. 關於和開發者的互動。 Eigen有KDE論壇的專有頁面，非常豐富的解答。

至少拼得過matlab。。。這真的不好辦了。。。

不相關，求摺疊。。。

Armadillo + intel MKL

至少拼過matlab，讓我瞬間感覺沒法推薦了