令人惊讶的是，Google 上很少提及“稀疏对角存储”格式。这是我发现的一些幻灯片的 PDF ，其中简要概述了 Compressed Row、Jagged Diagonal 和 Sparse Diagonal 格式。大多数其他链接指向一篇论文，KK Yalamanchili 和 SC Anand在有限元分析中使用稀疏对角存储。

所以这不是一个好消息，真的：这表明稀疏对角存储还没有被广泛采用。我将冒险猜测：该格式对于迭代方法可能比直接（因式分解）方法更有用。对于这些格式中的任何一种，实现稀疏矩阵向量乘法都相对简单，因此对于迭代方法，您可以随意存储（至少在您需要对预处理器进行不完全分解之前！）

如果您的矩阵具有相对密集的对角带，那么您可能需要考虑 LAPACK 的带状求解器之一。这些存储沿矩阵行的对角线，其中 B 是矩阵的带宽。（编辑：如果矩阵是对称的/厄米特矩阵，则为 (B+1)/2 行）。但是如果你真的需要一个稀疏直接求解器，那么看起来你要么必须实现自己的，要么转换为更常见的存储格式。（如果您决定自己实现，也许您会很快了解为什么 SDS 不适合 :P）

编辑：Yalamanchili-Anand 论文的摘要表明他们专注于向量矩阵乘法；即迭代方法。

找到=)，但没试过。

在英特尔 MKL Sparse BLAS 2 级和 3 级例程中。

mkl_?diatrsv 具有简化接口的三角形求解器，用于对角线格式的稀疏矩阵，具有从一开始的索引。

http://software.intel.com/sites/products/documentation/hpc/mkl/mklman/GUID-9FBF0F88-4731-45DA-BDE9-AF4D7A0A18A4.htm#GUID-9FBF0F88-4731-45DA-BDE9-AF4D7A0A18A4

所用对角线格式的说明在页面中间 http://software.intel.com/sites/products/documentation/hpc/mkl/mklman/GUID-9FCEB1C4-670D-4738-81D2-F378013412B0.htm