LAPACK

LAPACK является открытым исходным кодом и портативный программное обеспечение командной строки, которая обеспечивает линейную библиотеку алгебру, написанный на FORTRAN77 и предназначенный для обеспечения различных подпрограмм для решения наименьших квадратов решения линейных систем уравнений, систем линейных уравнений, проблем особых ценностей, и задачи на собственные значения.
Эти процедуры написаны таким образом, что они позволяют выполнять вычисления, как призывы к BLAS (линейная алгебра Основные подпрограммы).
Основная цель библиотеки LAPACK это сделать LINPACK и EISPACK библиотеки эффективно работать на параллельных и разделяемой памяти векторных процессоров. Интерфейс Fortran95 для библиотеки LAPACK также существует, а также C ++ версии для подмножества LAPACK процедур, и f2c'ed версии.

Что нового В этом выпуске :.

• Эта версия добавляет xGEQRT, а QR факторизации объект, который позволяет более высокую производительность, когда заблокированные отражатели должны быть повторно
• Это добавляет xGEQRT3, рекурсивный QR факторизации объект, который имеет высокую производительность на высоких и худых матриц.
• Это добавляет xTPQRT, коллекция связи, предотвращающие QR последовательных ядер.
• Это заменяет систему сборки CMake с для лучшей переносимости.
• Это добавляет документацию Doxygen.
• Это объединяет интерфейсы языка С LAPACKE в в LAPACK.

Что нового в версии 3.3.0:

• API-интерфейсы для C и Fortran были очищены чтобы сделать его легко использовать оба.
• Функции были добавлены для вычисления полного CS разложение многораздельной унитарной матрицы.
• xSYTRF и xSYTRI были ускорены.
• SLAMCH и DLAMCH были сделаны нитей.

Что нового в версии 3.2.0:

• дополнительных точного итерационным уточнением. XBLAS.
• Неотрицательные диагонали от Хаусхолдера QR.
• высокая эффективность QR-и-одиночками Размышления о низкопрофильных матриц.
• Новый быстрый и точный Якоби СВД.
• Процедуры для прямоугольных Полный Упакованные формате.
• откидывании Холецкого.
• Смешанная точность процедуры итерационным уточнением.
• Некоторые новые варианты для односторонней факторизации.
• Более устойчивый алгоритм DQDS.
• Улучшения в несколько смен хессенбергова QR алгоритма.