是否有提升吗？ 其中A，Y和X是一个矩阵（稀疏，并且可以是非常大的）和载体分别。 Y或X可以是未知的。
我似乎无法在这里找到它： http://www.boost.org/doc/libs/1_39_0/libs/numeric/ublas/doc/index.htm
Answer 1:
线性求解器通常是LAPACK库这是BLAS库的更高级别的扩展的一部分。 如果你是在Linux上，英特尔MKL有一些很好的解决者，无论是密集和稀疏矩阵优化。 如果您使用的是Windows，MKL有免费一个月的审判......并说实话，我还没有尝试过任何其他的人在那里。 我知道阿特拉斯包有一个免费的LAPACK实现，但不知道它是如何努力让运行在Windows。
不管怎么说，搜索周围的LAPACK库，您的系统上工作。
Answer 2:
是的，你可以解决升压转换器的的uBLAS库线性方程组。 下面是一个使用LU-比化和回代得到逆一个短的路：
using namespace boost::ublas;
Ainv = identity_matrix<float>(A.size1());
permutation_matrix<size_t> pm(A.size1());
lu_factorize(A,pm)
lu_substitute(A, pm, Ainv);
因此，求解线性方程Ax = y，则通过采取逆解方程反式（A）组Ax =反式（A）Y（反式（A））^ - 1获得X：X =（反式（ A）A）^ - 1AY。
Answer 3:
一为Ax = b的最好的解算器，当A是稀疏的，是蒂姆·戴维斯的UMFPACK
UMFPACK计算A的稀疏LU分解是键入时得到在Matlab幕后使用的算法x=A\b （和A是稀疏和正方形）。 UMFPACK是免费软件（GPL）
还要注意如果y = AX，并且x是已知的，但y不是，则通过执行稀疏矩阵矢量相乘，不够通过求解线性系统计算收率
Answer 4:
阅读Boost文档，它似乎并不像解决WRT x被实现。 在y中求解是唯一的矩阵矢量乘积，这似乎在uBLAS库实现的问题。
有一点要记住的是，BLAS只有实现诸如加法，乘法，等“易”业务...向量和矩阵类型。 任何更高级的（线性解决问题，喜欢你“解决在XY = A x”的，特征向量和共）是LAPACK，其构建在BLAS的顶部的一部分。 我不知道在这方面提供了什么样的推动作用。
Answer 5:
Boost的线性代数软件包的调整为重点的“密集矩阵”。 据我所知，Boost的包没有任何线性系统求解。 怎么样“在C（数值配方中使用的源代码http://www.nr.com/oldverswitcher.html ）”？
注意。 可以有微妙索引错误在源代码中（一些代码使用数组索引从1开始）
Answer 6:
看看JAMA / TNT 。 我只用它的非稀疏矩阵（你可能想的QR或LU因式分解，这两者有求解效用的方法），但它显然有稀疏矩阵的一些设施。
文章来源: Boost's Linear Algebra Solution for y=Ax
