LAPACK

LAPACK ist eine Open Source und tragbare Kommandozeilen-Software, die Bibliothek der linearen Algebra in Fortran77 geschrieben und entworfen, um verschiedene Routinen zur Lösung der kleinsten Quadrate-Lösungen von linearen Gleichungssysteme bieten bietet, Systeme von linearen Gleichungen, Einzelwertprobleme, und Eigenwertprobleme.
Diese Routinen werden in einer Weise, dass sie erlauben die Berechnung als Anrufe zu BLAS (Basic Linear Algebra Unterprogramme) durchführen geschrieben.
Das Hauptziel der LAPACK-Bibliothek ist es, den LINPACK und EISPACK Bibliotheken effizienter ausgeführt werden auf parallelen und Shared-Memory-Vektorprozessoren. Ein Fortran95 Schnittstelle für die LAPACK Bibliothek besteht auch, sowie ein C ++ Version für einen Teil der LAPACK Routinen und einem f2c'ed Version.

Was ist neu in dieser Version .

• Diese Version xGEQRT, eine QR-Faktorisierung Einrichtung, die eine bessere Leistung ermöglicht, wenn die blockiert Reflektoren müssen wiederverwendet werden
• Sie fügt hinzu, xGEQRT3, eine rekursive QR-Faktorisierung Anlage, die hohe Leistung zu groß und dünn Matrizen hat.
• Sie fügt hinzu, xTPQRT, eine Sammlung von Kommunikations-Vermeidung QR sequentielle Kernel.
• Es ersetzt das Build-System mit CMAKE für eine bessere Portabilität.
• Sie fügt hinzu, Doxygen Dokumentation.
• Es integriert LAPACKE der Sprache C-APIs in LAPACK.

Was ist neu in Version 3.3.0:

• Die APIs für C und Fortran wurden gereinigt zu machen es einfach, beide verwenden.
• Funktionen wurden für die Berechnung der kompletten CS Zersetzung einer partitionierten unitären Matrix hinzugefügt.
• xSYTRF und xSYTRI wurden beschleunigt.
• SLAMCH und DLAMCH sind Thread-sicher gemacht.

Was ist neu in Version 3.2.0:

• Extra präzise iterative Verfeinerung. XBLAS.
• Nicht-negative Diagonalen von Householder QR.
• Hochleistungs-QR und Householder-Reflexionen über Low-Profile-Matrizen.
• Eine neue schnelle und genaue Jacobi SVD.
• Routinen für Rechteckige Volllunch Format.
• Knick Cholesky.
• Mixed Präzision Nachiteration Routinen.
• Einige neue Varianten für einseitige Faktorisierung.
• Ein robusteres DQDS Algorithmus.
• Verbesserungen der Mehrschichthessenberg QR-Algorithmus.