basharin_sevastyan_lab_6/README.md

@@ -0,0 +1,25 @@
+## Лабораторная работа 6. Вариант 5.
+### Задание 
+Реализовать нахождение детерминанта квадратной матрицы.
+
+### Как запустить
+В терминале ввести команду `python main.py` из директории с файлом.
+
+### Описание работы
++ `determinant_block`: Эта функция принимает квадратный блок матрицы и вычисляет его детерминант с использованием 
+функции `np.linalg.det` из библиотеки **NumPy**.
++ `determinant_parallel`: Эта функция разбивает исходную матрицу на квадратные блоки, а затем 
+использует библиотеку `multiprocessing` для распараллеливания вычислений детерминантов блоков. Она создает пул 
+процессов, разбивает матрицу на блоки и передает каждый блок в пул процессов для параллельного вычисления детерминанта. 
+Затем результаты собираются и перемножаются для получения общего детерминанта матрицы.
++ В блоке `if __name__ == "__main__"`: создается случайная матрица заданного размера, и затем функция `determinant_parallel` 
+вызывается с разным числом процессов `num_processes`. Замеряется время выполнения для каждого размера матрицы и 
+каждого числа процессов. Также измеряется время выполнения для последовательного (однопоточного) расчета детерминанта 
+с использованием `determinant_block`.
+
+### Результат работы
+![](res.png "")
+
+### Вывод
+Из результатов работы видно, что написанный алгоритм не эффективен на приведенных размерах матрицы при различном 
+количестве потоков. Вероятнее всего на это влияет процесс разделение квадратной матрицы на меньшие блоки для вычисления.

basharin_sevastyan_lab_6/main.py

@@ -0,0 +1,39 @@
+import numpy as np
+from multiprocessing import Pool
+import time
+
+
+def determinant_block(matrix_block):
+    return np.linalg.det(matrix_block)
+
+
+def determinant_parallel(matrix, num_processes):
+    size = matrix.shape[0]
+    step = size // num_processes
+
+    pool = Pool(processes=num_processes)
+    blocks = []
+    for i in range(0, size, step):
+        blocks.append(matrix[i:i+step, i:i+step])
+
+    dets = pool.map(determinant_block, blocks)
+    return np.product(dets)
+
+
+if __name__ == "__main__":
+    sizes = [100, 300, 500]
+    processes = [2, 4, 8]
+
+    for size in sizes:
+        matrix = np.random.rand(size, size)
+
+        for p in processes:
+            start = time.time()
+            det = determinant_parallel(matrix, p)
+            end = time.time()
+            print(f"{size}x{size} matrix with {p} processes took {end - start:.5f} secs")
+
+        start = time.time()
+        det_seq = determinant_block(matrix)
+        end = time.time()
+        print(f"{size}x{size} matrix sequential took {end - start:.5f} secs")