我正在尝试计算以下内容：
Y = Y0 - ( Un.(A*Y0) + Vn.(Y0*Z) )*dt
以最快/最有效的方式，其中 Y0、Un、Vn、A 和 Z 是尺寸约为 300 X 300 的矩阵，“。” 是矩阵点积，“*”表示矩阵乘法。
我的问题是：
正在计算计算独立的子矩阵 A2 = A*Y0 和 Z2 = Y0*Z，然后 Un2 = Un.*A2 和 Vn2 = Vn.*Z2，并行计算比串行计算更快，使得 Y = Y0 - ( Un2 + Vn2)*dt？如果是这样，如何进行这种并行计算的一个很好的例子是什么？
是否有其他更好/推荐的方法（例如，使用 ATLAS）？
该语言是 C++，它将在具有多核（至少双）处理器的 Linux 或 Windows 平台上运行。我目前正在使用 BOOST uBLAS 作为 BLAS 包。
OpenMP应该是查看并行路由是否更快的一种快速简便的方法。
我同意@genpfault，在我运行多个循环的实验中，我使用的是 OpenMP，它非常有用且易于使用！这是chryswoods 博客的链接，OpenMPs 基础知识，它是我见过的最简单的教程之一。
你的问题很小。您应该尝试使用诸如 Eigen 之类的东西（或您提到的 ATLAS）。我更喜欢 Eigen，因为它使用起来很快。
尝试将类似矩阵与 boost ublas 相乘时，我得到了 ~3GFLOPS。实现缓存感知矩阵乘法让我达到了 ~12GFLOPS。使用 OpenMP 并行化缓存感知乘法让我达到了 ~30GFLOPS（4 核，2 线程/核）
所以首先，你应该确保你使用的是一种缓存感知矩阵乘法算法（或者如果你想把它变得花哨的话，也可以使用缓存不经意的算法）。然后你可以并行化，但你想让你的并行化尽可能粗粒度，否则阿姆达尔定律会打击你。
一个好的经验法则是选择一个至少需要 1 秒才能执行的工作单元，并将其并行化。这里矩阵乘法只需要几毫秒，所以我肯定会选择更大的。例如，您可以并行计算几批 Y，而不是尝试并行化 Y 的单个计算。