BLAS（Basic Linear Algebra Subprograms）和 LAPACK（Linear Algebra Package）是两个广泛应用于高性能数值计算的线性代数库。BLAS 定义了一套标准的底层接口，用于执行向量与矩阵的基本运算，分为 Level 1（向量-向量）、Level 2（矩阵-向量）和 Level 3（矩阵-矩阵）操作。LAPACK 则构建于 BLAS 之上，提供更高层次的数值线性代数功能，包括求解线性方程组、计算特征值与特征向量、执行 QR、LU、Cholesky 等矩阵分解等。作为科学计算的基石，这两个库在工程仿真、机器学习、数据分析及众多高性能计算领域中发挥着核心作用。
Netlib（https://www.netlib.org/blas/、http://www.netlib.org/lapack/）提供了 BLAS 和 LAPACK 的官方参考实现，确立了线性代数运算的标准接口。然而，在实际生产环境和工程应用中，广泛使用的是基于该标准优化实现的高性能库，例如 Intel MKL、OpenBLAS 等 —— 它们针对特定硬件架构进行了深度优化，显著提升了计算效率，是真正支撑现代高性能计算的利器。
- Intel MKL：商业闭源（有免费版），优势是在 Intel CPU 上性能极致，功能全面。网址为：https://www.intel.com/content/www/us/en/docs/onemkl/developer-reference-fortran/。
- OpenBLAS：开源（BSD 许可），优势是性能强大且通用性极佳，是 x86/ARM 等多平台首选的高性能开源库。网址为：http://www.openmathlib.org/OpenBLAS/、https://github.com/OpenMathLib/OpenBLAS。
总之，如果使用的是 Intel CPU，且追求极致性能，那么推荐用 Intel MKL；如果需要跨平台支持，那么推荐用 OpenBLAS。
常见的使用 BLAS/LAPACK 的软件包和库有：NumPy/SciPy（Python）、Eigen/Armadillo（C++）、MATLAB、Julia 等。
补充说明：Netlib BLAS/LAPACK 使用的是 Fortran 编程语言，但现代高性能 BLAS/LAPACK 库通常混合使用 Fortran、C 和汇编语言，以优化不同硬件平台上的性能。
【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】
