投稿
  1. 高性能架构探索首页
  2. C/C++

MKL库线性方程组求解(LAPACKE_dgesv)

admin • • C/C++ • 阅读 218

LAPACK（Linear Algebra PACKage）库，是用Fortran语言编写的线性代数计算库，包含线性方程组求解（(AX=B)）、矩阵分解、矩阵求逆、求矩阵特征值、奇异值等。该库用BLAS库做底层运算。

本示例将使用MKL中的LAPACK库计算线性方程组(AX=B)的解，并扩展使用此思路求逆矩阵的过程。首先介绍原理部分：

LU分解

引用自 LU分解 - 维基百科

对于方阵(A)，其(LU)分解是将它分解成一个下三角矩阵(L)与上三角矩阵(U)的乘积，即(A=LU)，
如一个(3 times 3)的矩阵(A) ，其(LU)分解会写成下面的形式：

[{displaystyle A={begin{bmatrix}a_{11}&a_{12}&a_{13}\a_{21}&a_{22}&a_{23}\a_{31}&a_{32}&a_{33}\end{bmatrix}}={begin{bmatrix}l_{11}&0&0\l_{21}&l_{22}&0\l_{31}&l_{32}&l_{33}\end{bmatrix}}{begin{bmatrix}u_{11}&u_{12}&u_{13}\0&u_{22}&u_{23}\0&0&u_{33}\end{bmatrix}}}{displaystyle }\
Avec x = vec b Leftrightarrow (LU)vec x = vec b Leftrightarrow left{ {begin{array}{*{20}{c}}
{Lvec y = vec b}\
{Uvec x = vec y}
end{array}} right.
]

分解之后，由于(L)与(U)分别为下、上三角矩阵，再去求解(X)将变得更加简单。
然而，(LU)分解只适用于能用消去法处理的矩阵（比如左上角第一个元素为0时就无法消去）。

而(PLU)分解在加入置换矩阵(P)进行换行后，便可对任意实矩阵进行(LU)分解，此时(A=P*L*U)。

LAPACKE_sgesv计算线性方程组(A*X = B) 的解，其中 (A) 是$ N×N$ 矩阵，(X) 和 (B) 是 (N×NRHS) 矩阵。 将 (A) 分解为 (A = P * L * U)，其中 (P) 是置换矩阵，(L)是单位下三角矩阵，(U)是上三角矩阵。 然后使用(A)的分解式来求解方程组(A * X = B)。

1 参数详解

lapack_int LAPACKE_dgesv( matrix_layout, 	// (input) 行优先(LAPACK_ROW_MAJOR)或列优先(LAPACK_COL_MAJOR)
                         n,			// (input) 线性方程的个数,n>=0
                         nrhs,			// (input) 矩阵B的列数,nrhs>=0
                         a, 			// (input/output)系数矩阵A
                         lda, 			// (input) A矩阵的第一维
                         ipiv,			// (output) 置换矩阵 P
                         b,			// (input/output)B矩阵
                         ldb 			// (input) B矩阵的第一维
                        );

2 定义线性方程组

Intel给出的官方示例为：

[A = left[ {begin{array}{*{20}{r}}
{6.80}&{ - 6.05}&{ - 0.45}&{8.32}&{ - 9.67}\
{ - 2.11}&{ - 3.30}&{2.58}&{2.71}&{ - 5.14}\
{5.66}&{5.36}&{ - 2.70}&{4.35}&{ - 7.26}\
{5.97}&{ - 4.44}&{0.27}&{ - 7.17}&{6.08}\
{8.23}&{1.08}&{9.04}&{2.14}&{ - 6.87}
end{array}} right]~~~~~B = left[ {begin{array}{*{20}{r}}
{4.02}&{ - 1.56}&{9.81}\
{6.19}&{4.00}&{ - 4.09}\
{ - 8.22}&{ - 8.67}&{ - 4.57}\
{ - 7.57}&{1.75}&{ - 8.61}\
{ - 3.03}&{2.86}&{8.99}
end{array}} right]
]

去求解(AX=B)的解(X)。

#include <stdlib.h>
#include <stdio.h>
#include "mkl_lapacke.h"

// 参数
#define N 5
#define NRHS 3
#define LDA N
#define LDB NRHS

MKL_INT n = N, nrhs = NRHS, lda = LDA, ldb = LDB, info;

MKL_INT ipiv[N];
float a[LDA*N] = {
    6.80f, -6.05f, -0.45f,  8.32f, -9.67f,
    -2.11f, -3.30f,  2.58f,  2.71f, -5.14f,
    5.66f, 5.36f, -2.70f,  4.35f, -7.26f,
    5.97f, -4.44f,  0.27f, -7.17f, 6.08f,
    8.23f, 1.08f,  9.04f,  2.14f, -6.87f
};
float b[LDB*N] = {
    4.02f, -1.56f, 9.81f,
    6.19f,  4.00f, -4.09f,
    -8.22f, -8.67f, -4.57f,
    -7.57f,  1.75f, -8.61f,
    -3.03f,  2.86f, 8.99f
};

3 执行求解过程

LAPACKE_dgesv( LAPACK_ROW_MAJOR, n, nrhs, a, lda, ipiv, b, ldb );

输出结果为：

MKL库线性方程组求解(LAPACKE_dgesv)

完整代码

#include <stdlib.h>
#include <stdio.h>
#include "mkl_lapacke.h"

extern void print_matrix(const char* desc, MKL_INT m, MKL_INT n, float* a, MKL_INT lda);
extern void print_int_vector(const char* desc, MKL_INT n, MKL_INT* a);

#define N 5
#define NRHS 3
#define LDA N
#define LDB NRHS

int main() {

    MKL_INT n = N, nrhs = NRHS, lda = LDA, ldb = LDB, info;

    MKL_INT ipiv[N];
    float a[LDA * N] = {
        6.80f, -6.05f, -0.45f,  8.32f, -9.67f,
       -2.11f, -3.30f,  2.58f,  2.71f, -5.14f,
        5.66f, 5.36f, -2.70f,  4.35f, -7.26f,
        5.97f, -4.44f,  0.27f, -7.17f, 6.08f,
        8.23f, 1.08f,  9.04f,  2.14f, -6.87f
    };
    float b[LDB * N] = {
        4.02f, -1.56f, 9.81f,
        6.19f,  4.00f, -4.09f,
       -8.22f, -8.67f, -4.57f,
       -7.57f,  1.75f, -8.61f,
       -3.03f,  2.86f, 8.99f
    };

    printf("LAPACKE_sgesv (row-major, high-level) Example Program Resultsn");

    info = LAPACKE_dgesv(LAPACK_ROW_MAJOR, n, nrhs, a, lda, ipiv,
        b, ldb);

    if (info > 0) {
        printf("The diagonal element of the triangular factor of A,n");
        printf("U(%i,%i) is zero, so that A is singular;n", info, info);
        printf("the solution could not be computed.n");
        exit(1);
    }

    print_matrix("Solution", n, nrhs, b, ldb);

    print_matrix("Details of LU factorization", n, n, a, lda);

    print_int_vector("Pivot indices", n, ipiv);
    exit(0);
} 

void print_matrix(const char* desc, MKL_INT m, MKL_INT n, float* a, MKL_INT lda) {
    MKL_INT i, j;
    printf("n %sn", desc);
    for (i = 0; i < m; i++) {
        for (j = 0; j < n; j++) printf(" %6.2f", a[i * lda + j]);
        printf("n");
    }
}

void print_int_vector(const char* desc, MKL_INT n, MKL_INT* a) {
    MKL_INT j;
    printf("n %sn", desc);
    for (j = 0; j < n; j++) printf(" %6i", a[j]);
    printf("n");
}

补充：矩阵求逆

简单来说，在使用以上API计算(AX=B)，当(B)为单位矩阵时，(X)即为(A^{-1})。

将上述案例中的

float b[LDB * N] = {
    4.02f, -1.56f, 9.81f,
    6.19f,  4.00f, -4.09f,
    -8.22f, -8.67f, -4.57f,
    -7.57f,  1.75f, -8.61f,
    -3.03f,  2.86f, 8.99f
};
/**********改为**********/

#define NRHS 5
float b[LDB * N] = {
    1.0f, 0.0f, 0.0f, 0.0f, 0.0f,
    0.0f, 1.0f, 0.0f, 0.0f, 0.0f,
    0.0f, 0.0f, 1.0f, 0.0f, 0.0f,
    0.0f, 0.0f, 0.0f, 1.0f, 0.0f,
    0.0f, 0.0f, 0.0f, 0.0f, 1.0f,
};

即可求解矩阵(A)的逆矩阵，输出为：

MKL库线性方程组求解(LAPACKE_dgesv)

对比在Matlab中使用inv()函数求逆：

A = [ 6.80, -6.05, -0.45,  8.32, -9.67;
     -2.11, -3.30,  2.58,  2.71, -5.14;
      5.66,  5.36, -2.70,  4.35, -7.26;
      5.97, -4.44,  0.27, -7.17,  6.08;
      8.23,  1.08,  9.04,  2.14, -6.87];
A_inv=inv(A)

结果相同。

MKL库线性方程组求解(LAPACKE_dgesv)

原文链接: https://www.cnblogs.com/GeophysicsWorker/p/16185594.html

欢迎关注

微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍

    MKL库线性方程组求解(LAPACKE_dgesv)

原创文章受到原创版权保护。转载请注明出处：https://www.ccppcoding.com/archives/188794

非原创文章文中已经注明原地址，如有侵权，联系删除

关注公众号【高性能架构探索】，第一时间获取最新文章

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
adminadmin
0 0
上一篇 2023年2月12日 下午2:28
下一篇 2023年2月12日 下午2:28

相关推荐