====== Utiliser une bibliothèque ======

Beaucoup ne connaissent pas les libs de calculs. Elles sont nombreuses et ne sont
pas forcément accessibles pour les débutants. Le but ici est de présenter 
une méthode pratique et empirique, pour que l'utilisateur lambda puisse
tester différentes méthodes et choisir facilement celle qui sera le
plus adaptée. Cette approche ne remplacera pas un expert mais pourra
être utilisée en première intention.

===== comment tester les performances =====

  * boost.timer 
  * faire des séries suffisamment longues
  * faire plusieurs séries
  * faire varier les paramètres (taille des données)
  * génération des données de tests (données identiques, données triées, données aléatoires)

===== Vue d'ensemble des libs =====

  * BLAS : http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms. plusieurs implémentation (boost, cuda)

  * PETSc, ATLAS, BLAS, FLAME, LAPACK, ScaLAPACK, Trilinos, (P)ARPACK, etc.)

  * GSL (GNU Scientific Library) : 

  * nt2
  * boost.simd

  * LAPACK (Linear Algebra PACKage) : http://en.wikipedia.org/wiki/LAPACK
  * Blitz++ : http://en.wikipedia.org/wiki/Blitz%2B%2B
  * Armadillo (C++ library)

  * boost.math
  * boost.uBlas : http://www.boost.org/doc/libs/1_48_0/libs/numeric/ublas/doc/index.htm

  * CUDA SDK linear algebra : http://www.nvidia.com/content/cudazone/cuda_sdk/Linear_Algebra.html
  * cuBlas : http://developer.nvidia.com/cublas
  * MAGMA (Matrix Algebra on GPU and Multicore Architectures) : http://icl.cs.utk.edu/magma/
  * cula tools (cuda linear algebra) : http://www.culatools.com/
  * GPU-Accelerated Libraries : http://developer.nvidia.com/gpu-accelerated-libraries

  * OpenCL Blas : http://sourceforge.net/projects/openclblas/
  * calcul matriciel