<div dir="ltr">On Mon, Sep 2, 2013 at 5:42 PM, Jose David Bermeol <span dir="ltr"><<a href="mailto:jbermeol@purdue.edu" target="_blank">jbermeol@purdue.edu</a>></span> wrote:<br><div class="gmail_extra"><div class="gmail_quote">
<blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">Hi, right now I'm trying to extend Petsc to be able to solve linear system of equations(Ax = b) using Pardiso for LU decomposition. So I have a couple of questions:<br>

<br>
1. What is the difference between the methods MatSolve and KSPSolve. And in which context should I use each?<br></blockquote><div><br></div><div>KSPSolve gives an approximate solution to a linear system, MatSolve applies the action of the inverse of a linear operator. Obviously,</div>
<div>the latter is a special case of the former.</div><div> </div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">

2. Should I extend the KSP interface or the Mat interface, or what factors I have to take into account to make my decision?.<br></blockquote><div><br></div><div>Mat. You can look at the existing implementations for SuperLU, MUMPS, CHOLMOD, etc. For example,</div>
<div><br></div><div>  <a href="https://bitbucket.org/petsc/petsc/src/716d05691c0666f2035d7b0ccb9332de1aca83df/src/mat/impls/aij/seq/superlu?at=master">https://bitbucket.org/petsc/petsc/src/716d05691c0666f2035d7b0ccb9332de1aca83df/src/mat/impls/aij/seq/superlu?at=master</a></div>
<div><br></div><div>  Thanks,</div><div><br></div><div>     Matt</div><div> </div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">

For now that would be all.<br>
<br>
Thanks<br>
<br>
<br>
<br>
<br>
<br>
</blockquote></div><br><br clear="all"><div><br></div>-- <br>What most experimenters take for granted before they begin their experiments is infinitely more interesting than any results to which their experiments lead.<br>
-- Norbert Wiener
</div></div>