您可以在此链接的底部找到一些有用的结果

http://wiki.scipy.org/PerformancePython

从介绍来看，

编织与NumPy，Pyrex，Psyco，Fortran（77和90）和C ++的比较，用于求解拉普拉斯方程。

它还比较了MATLAB，并且似乎表现出与使用Python和NumPy时相似的速度。

当然这只是一个具体的例子，您的应用程序可能会允许更好或更差的性能。在两者上进行相同的测试并进行比较没有任何害处。

您还可以使用优化的库编译NumPy，例如ATLAS，它提供了一些BLAS / LAPACK例程。这些应该与MATLAB的速度相当。

我不确定NumPy下载是否已针对它构建，但我认为如果编译NumPy，ATLAS会将库调整到您的系统，

http://www.scipy.org/Installing_SciPy/Windows

该链接提供了有关Windows平台所需内容的更多详细信息。

编辑：

如果你想知道什么表现更好，C或C ++，可能值得问一个新问题。虽然从上面的链接C ++有最好的表现。其他解决方案也非常接近，即Pyrex，Python / Fortran（使用f2py）和内联C ++。

我曾经做过的唯一的C ++矩阵代数是使用MTL并实现扩展卡尔曼滤波器。我想，但实际上它取决于您使用LAPACK / BLAS的库以及它的优化程度。

此链接包含许多语言的面向对象的数字包列表。

http://www.oonumerics.org/oon/