我可以demo一个简单的效率比较
code: http://pastebin.com/KCNEcvMi
Reduce是除了用rcpp外最快的，无话可说
但是Reduce有一个重大缺点 需要较多的RAM才可以运行
因此，当你的matrix大小越大或是list长度越长 (资料越多)
就会无法使用，这时候就要找替代方案
最简单的方式就是直接用循环做，稳又比除了Reduce跟Rcpp之方法快
至于版友提到先转向量，然后做rbind or cbind后做和，再转回原维度
因为reshape动作过多，影响效率，个人并不推荐
最快又最省内存的方式便是透过RcppArmadillo (RcppEigen也可)
(RcppEigen在windows里默认的BLAS比RcppArmadillo快，因此效率会更好)
在我的例子中，跟Reduce可以差到2.4倍
但是当list长度增加或是matrix大小增加时，Reduce就会慢下来 (这可以自行测试)
至于循环就稳定维持在差距2.9倍左右
补充：
一、因为要把list中的矩阵都相加，所以openmp并不会改善多少效率
(利用#pragma omp atomic，不确定有没有其他方案可以使用)，
这里就没有去写相关的程式码了
二、直接使用do.call去做，我还没有找到方法，抱歉。
三、化做三维阵列去做也可以，只是用apply(mat.array, 1:2, sum)
必定比直接用Reduce慢。
另外，我认为list是R比较方便输出的资料格式，把程式设计使用于三维阵列比较不方便
四、Machine: i7-4770K@4.2GHz 16G ram windows 7 64bit R-3.1.2