lazarev_andrey_lab_6/README.md

@@ -1,32 +0,0 @@
-# Лабораторная работа №6
-
-## Задание
-
-Реализовать последователный и параллельный алгоритм поиска детерминанта матрицы размером 100x100, 300x300, 500x500 элементов, сравнить результаты.
-
-## Описание алгоритмов
-
-### Последовательное поиск детерминанта
-
-- Использует метод Гаусса для приведения матрицы к верхней треугольной форме. Детерминант равен произведению элементов на диагонали. Время работы — O(n³).
-
-### Параллельное поиск детерминанта
-
-- Разделяет матрицу на блоки, каждый из которых обрабатывается отдельным потоком. 
-
-### Поиск с использованием библиотеки Numpy
-
-- Использует оптимизированную функцию np.linalg.det, которая применяет методы, такие как LU-разложение, для быстрого вычисления детерминанта.
-
-## Результаты
-
-![](report.png "")
-
-### Вывод
-- Параллельное умножение матриц эффективно при работе с большими матрицами при увеличении потоков.
-- Последовательное умножение матриц эффективно использовать при меньших размерах матриц, где выйгрыш от управления потоками минимален. 
-- Numpy показал блестящий результат.
-
-## Видеодемонстрация работоспособности
-
-[Демонстрация работы](https://files.ulstu.ru/s/nWF9CGBGA6Kxw5T) 

lazarev_andrey_lab_6/main.py

@@ -1,77 +0,0 @@
-import numpy as np
-from concurrent.futures import ProcessPoolExecutor
-import time
-
-# Функция последовательного поиска детерминанта
-def det_sequential(matrix):
-    n = len(matrix)
-    det = 1
-    
-    for i in range(n):
-        if matrix[i][i] == 0:
-            for j in range(i + 1, n):
-                if matrix[j][i] != 0:
-                    matrix[i], matrix[j] = matrix[j], matrix[i]
-                    det *= -1  
-                    break
-            else:
-                return 0
-
-        for j in range(i + 1, n):
-            factor = matrix[j][i] / matrix[i][i]
-            for k in range(i, n):
-                matrix[j][k] -= factor * matrix[i][k]
-
-        det *= matrix[i][i]
-
-    return det
-
-# Функция поиска детерминанта с numpy
-def det_numpy(A):
-    return np.linalg.det(A)
-
-# Функция параллельного поиска детерминанта
-def det_parallel(A, num_threads):
-    n = len(A)
-    C = []
-    step = n // num_threads
-    
-    with ProcessPoolExecutor(max_workers=num_threads) as executor:
-        futures = []
-        for i in range(num_threads):
-            start_row = i * step
-            end_row = (i + 1) * step if i != num_threads - 1 else n
-            a_slice = A[start_row:end_row, start_row:end_row]
-
-            futures.append(executor.submit(det_sequential, a_slice))
-        for future in futures:
-            C.append(future.result())
-    
-    return np.prod(C)
-
-# Пример использования
-if __name__ == "__main__":
-    matrix_sizes = [100, 300, 500] 
-    num_threads = [2, 4, 5, 10]
-    for n in matrix_sizes:
-        A = np.random.rand(n, n)
-        
-        # Поиск с numpy
-        start_np = time.time() 
-        nump = det_numpy(A)
-        end_np = time.time() 
-        print(f'Детерминант матрицы {n}x{n} с numpy: {(end_np - start_np):.3f} с.')
-
-        # Последовательное умножение
-        start_seq = time.time() 
-        sequential = det_sequential(A)
-        end_seq = time.time() 
-        print(f'Детерминант матрицы {n}x{n} последовательно: {(end_seq - start_seq):.3f} с.')
-
-        # Параллельное умножение
-        for thread in num_threads:
-            start_par = time.time() 
-            parallel = det_parallel(A, thread)
-            end_par = time.time() 
-            print(f'Детерминант матрицы {n}x{n} параллельно для {thread} потоков: {(end_par - start_par):.3f} с.')
-        print('')