求解AX = B的线性方程

Question

我目前解决Ax = b等式两次。

其中A是稀疏矩阵NxN

x，b是大小为N的向量。（我有b1和b2）

我想通过使用cusparse函数一次性解决它们来减少时间。

所以我应该从我所拥有的2 b，一个大小为Nx2的矩阵构建，并用A来解决它，因为AX = B可以做到。

1. 理论上是对的吗？
2. 我应该使用哪种cusparse函数？

请注意我使用稀疏矩阵而不是密集矩阵。

谢谢！

Answer 1

回答你的问题

1. 是的，有可能以这种方式解决多个RHS向量的适当条件稀疏问题。

2. 除非你的LHS稀疏矩阵是三角形或三角形，否则你不能直接使用cusparse。

   cusolver 7.5包含几个用于分解稀疏矩阵的“低级”例程，这意味着您可以分解一次并使用不同的RHS重复使用因子分解，例如在LU分解后可以调用cusolverSpXcsrluSolve()来解决使用根据需要进行相同的预计算因子分解。 （注意我最初假设在cusolve中有类似稀疏的getrs函数，而且看起来没有。我当然和NVIDIA谈过几年前的用例并且认为他们已经添加了它，抱歉混淆了有）。

Answer 2

cuSPARSE支持3级blas操作SpMM（稀疏矩阵多向量乘法）此函数允许您同时将稀疏矩阵乘以几个密集向量。