作为一个更大问题的一部分，我需要解决小型线性系统（即NxN，其中N~10），因此使用相关的cuda库在速度方面没有任何意义。
不幸的是，还有一些不清楚的问题是如何在不拉动像GSL，EIGEN等大枪的情况下解决这些系统。
任何人都能指出我在直线C中的密集矩阵求解器（Ax = B）的方向吗？
对于那些感兴趣的人，这部分代码的生成器的基本结构是：
ndarray=some.generator(N,N)
for v in range N:
B[v]=_F(v)*constant
for x in range N:
A[v,x]=-_F(v)*ndarray[x,v]
不幸的是，我对高等数学知之甚少，所以任何建议都会受到赞赏。
更新：我一直在努力解决这个问题，并且有一个近乎解决方案可以运行但不起作用。任何潜伏的人都欢迎查看我到目前为止pastebin上的内容。
我正在使用Crout Decomposition with Pivoting，这似乎是最常用的方法。这个测试的想法是每个线程都做同样的工作。无聊我知道，但计划是增加matrixcount变量，放入实际数据，每个线程单独解决小矩阵。
感谢所有正在检查此事的人。
POST-ANSWER UPDATE：完成了CPU和GPU操作的矩阵求解代码，查看我的懒惰写入here
答案 0 :(得分：0)
CUDA在这里没有帮助，这是真的。像这样的矩阵对它来说太小了。
你要解决的线性方程组是LU分解：
甚至更好的是使用Householder反射进行QR分解，就像Gram-Schmidt过程一样。
之后解决线性方程变得容易，但我担心总会涉及一些“高等数学”（线性代数）。那，并且有许多（很多！）C库用于求解线性方程。对我来说似乎不是“大枪”。