压缩存储意味着BLAS2例程。除此之外，BLAS3函数在求解线性系统时更有效，但它们适用于最优分块算法。如果您调用BLAS2函数，那么您基本上会返回到矢量化版本，因此它没有太大意义。
我有一个简单的三角形n x n矩阵，比如L(用于下三角形)，我想解决像这样的系统
LX=B
其中B和X是n x k矩阵(即：我想求解一个具有多个右手边的三角形线性系统)。此外，我有我的三角矩阵存储在打包格式；即我只存储下三角部分。我正在使用BLAS和LAPACK，但我意识到没有具体的方法来解决我的问题。尽管有许多功能可以解决类似的问题：
stpsv()：采用压缩格式的三角形矩阵，并求解单个右手边。
strsm()：采用密集格式的三角形矩阵，求解多个右手边。
我真正需要的是两者的结合。我希望有一个函数可以接受压缩三角形格式，如stpsv()中所示，也可以接受多个右手边，如
strsm()
所以我的问题是：
有什么函数可以接受一个压缩三角矩阵并求解多个右手边吗？
如果答案是否定的，什么会更有效率？要么我在
for循环中为B中的每一列调用stpsv()，要么我从L创建一个密集矩阵，这样我就有了所有无用的零，然后我调用strsm()。什么会更好？此外，也许我错过了一个更聪明的方法来做这一切。
请注意，BLAS2版本也不执行条件检查。因此，它们直接针对BLAS2性能进行了优化，因为具有单个RHS的三角矩阵是直接的反向替换。
对于多个RHS，您可以通过转换矩阵，例如stpttr，然后使用strtrs。
是的，对于压缩三角矩阵a和多重右手大小B，有一个函数可以求解Ax=B。它是LAPACK中的stptrs()。此外，三角形压缩矩阵还有其他例程，根据LAPACK的命名约定，所有例程的名称中都包含tp。
然而，查看源代码可以发现，该函数在循环中从BLAS调用stpsv()，每右侧调用一次。这正是你的建议！