我有一个系统Ax=b，其中B是一个常数，但A在每次迭代中不断变化。随着A的变化，我再次使用UMFPACK5来求解这个线性系统。我可以通过两种方式执行上述操作:一开始仅计算矩阵A的符号和数值因式分解，并在每次迭代中使用这个数值对象求解Ax=b(当然在稀疏矩阵表示中，Ax随着A的变化而变化.Ap和Ai保持不变)。INEACH迭代计算矩阵A的符号和数值因式分解(即随着A的变化一个新的数值对象)并使用这个新的数值对象求解Ax=b。以上哪种方式是正确的？对于上述两个过程，我得到完全不同的答案(正如预期的那样)。任何帮助或评论表示赞赏。谢谢。 最佳答案

我在数字代码中使用Boost的uBLAS，并有一个“重型”求解器:http://www.crystalclearsoftware.com/cgi-bin/boost_wiki/wiki.pl?LU_Matrix_Inversion该代码运行良好，但是速度非常慢。经过一番研究，我找到了UMFPACK，这是一个稀疏矩阵求解器(除其他外)。我的代码生成大型稀疏矩阵，我需要非常频繁地求逆(更正确地求解，逆矩阵的值无关紧要)，因此UMFPACk和BOOST的Sparse_Matrix类似乎是美满的结合。UMFPACK请求由三个vector指定的稀疏矩阵:条目计数、行索引和条目。(Seeexamp

我正在使用BoostUBlas的数值库绑定(bind)来求解一个简单的线性系统。以下工作正常，除了它仅限于处理矩阵A(mxm)相对小“m”。在实践中，我有一个更大的矩阵，维度m=10^6(最多10^7)。是否存在有效使用内存的现有C++方法来解决Ax=b。#include#include#include#include#include//compileablewiththiscommand//g++-I/home/foolb/.boost/include/boost-1_38-I/home/foolb/.boostnumbind/include/boost-numeric-bindin