C# 中是否有存储优化的稀疏矩阵实现？
C# 中是否有任何存储优化的 稀疏矩阵 实现？
Are there any storage optimized Sparse Matrix implementations in C#?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
C# 中是否有任何存储优化的 稀疏矩阵 实现？
Are there any storage optimized Sparse Matrix implementations in C#?
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
接受 或继续使用网站，即表示您同意使用 Cookies 和您的相关数据。
发布评论
评论（2）
有 Math.NET。
它有一些备用矩阵实现。 （链接指向旧的 Math.NET 站点。不再有该文档的在线版本）。
There is Math.NET.
It has some Spare Matrix implementations. (link is to the old Math.NET site. There is no longer an online version of the documentation).
如果您正在寻找高性能稀疏矩阵实现，请查看 CenterSpace 软件中的 NMath。
以下是 CenterSpace 网站上此处截取的部分功能列表。
矩阵类，包括三角形，
对称，埃尔米特，带状，
三对角线、对称带状和
埃尔米特带状。
一般矩阵之间的转换
和结构化稀疏矩阵类型。
稀疏矩阵，计算内数
产品，以及计算矩阵
规范。
结构化稀疏矩阵，包括
带状和 的 LU 分解
三对角矩阵，Bunch-Kaufman
对称因式分解和
埃尔米特矩阵和 Cholesky
对称分解和
Hermitian 正定矩阵。
一旦构建完成，矩阵
因式分解可以用来解决
线性系统和计算
行列式、逆元和条件
数字。
矩阵类和矩阵
因式分解。
一般的分解类
矩阵，包括 QR 分解
和奇异值分解
（奇异值分解）。
一般的因式分解类
矩阵，包括 Cholesky、QR 和
SVD。
矩阵以及函数
求解线性系统、计算
行列式、逆元和条件
数字。
保罗
If you are looking for high performance sparse matrix implementation check out NMath from CenterSpace software.
Here's a partial list of functionality cut from here on CenterSpace's website.
matrix classes, including triangular,
symmetric, Hermitian, banded,
tridiagonal, symmetric banded, and
Hermitian banded.
converting between general matrices
and structured sparse matrix types.
sparse matrices, computing inner
products, and calculating matrix
norms.
structured sparse matrices, including
LU factorization for banded and
tridiagonal matrices, Bunch-Kaufman
factorization for symmetric and
Hermitian matrices, and Cholesky
decomposition for symmetric and
Hermitian positive definite matrices.
Once constructed, matrix
factorizations can be used to solve
linear systems and compute
determinants, inverses, and condition
numbers.
matrix classes, and matrix
factorizations.
decomposition classes for general
matrices, including QR decomposition
and singular value decomposition
(SVD).
factorization classes for general
matrices, including Cholesky, QR, and
SVD.
matrices, as well as functions for
solving linear systems, computing
determinants, inverses, and condition
numbers.
Paul