我正在尝试通过MKL-Intel的库的pdpotrf()进行Cholesky分解,该库使用ScaLAPACK。我正在读取主节点中的整个矩阵,然后像example一样分配它。当SPD矩阵的尺寸均匀时,一切工作正常。但是,在奇数时,pdpotrf()
认为矩阵不是正定的。
可能是因为子矩阵不是SPD吗?我正在使用此矩阵:
和子矩阵为(具有4个进程和大小为2x2的块):
A_loc on node 0
4 1 2
1 0.5 0
2 0 16
nrows = 3, ncols = 2
A_loc on node 1
2 0.5
0 0
0 0
nrows = 2, ncols = 3
A_loc on node 2
2 0 0
0.5 0 0
nrows = 2, ncols = 2
A_loc on node 3
3 0
0 0.625
在这里,每个子矩阵都不是SPD,但是,整个矩阵都是SPD(已通过1个进程运行进行了检查)。我该怎么办?还是我无能为力,并且
pdpotrf()
不适用于奇数大小的矩阵?这是我所谓的例程:
int iZERO = 0;
int descA[9];
// N, M dimensions of matrix. lda = N
// Nb, Mb dimensions of block
descinit_(descA, &N, &M, &Nb, &Mb, &iZERO, &iZERO, &ctxt, &lda, &info);
...
pdpotrf((char*)"L", &ord, A_loc, &IA, &JA, descA, &info);
我也尝试过这个:
// nrows/ncols is the number of rows/columns a submatrix has
descinit_(descA, &N, &M, &nrows, &ncols, &iZERO, &iZERO, &ctxt, &lda, &info);
但我得到一个错误:
从我的answer中,您可以看到该函数的参数的含义。
该代码基于此question。输出:
gsamaras@pythagoras:~/konstantis/check_examples$ ../../mpich-install/bin/mpic++ -o test minor.cpp -I../../intel/mkl/include ../../intel/mkl/lib/intel64/libmkl_scalapack_lp64.a -Wl,--start-group ../../intel/mkl/lib/intel64/libmkl_intel_lp64.a ../../intel/mkl/lib/intel64/libmkl_core.a ../../intel/mkl/lib/intel64/libmkl_sequential.a -Wl,--end-group ../../intel/mkl/lib/intel64/libmkl_blacs_intelmpi_lp64.a -lpthread -lm -ldl
gsamaras@pythagoras:~/konstantis/check_examples$ mpiexec -n 4 ./test
Processes grid pattern:
0 1
2 3
nrows = 3, ncols = 3
A_loc on node 0
4 1 2
1 0.5 0
2 0 16
nrows = 3, ncols = 2
A_loc on node 1
2 0.5
0 0
0 0
nrows = 2, ncols = 3
A_loc on node 2
2 0 0
0.5 0 0
nrows = 2, ncols = 2
A_loc on node 3
3 0
0 0.625
Description init sucesss!
matrix is not positive definte
Matrix A result:
2 1 2 0.5 2
0.5 0.5 0 0 0
1 0 1 0 -0.25
0.25 -1 -0.5 0.625 0
1 -1 -2 -0.5 14
最佳答案
问题可能来自:
MPI_Bcast(&lda, 1, MPI_INT, 0, MPI_COMM_WORLD);
在此行之前,如果矩阵的维数为奇数,则每个进程的
lda
均不同。两个进程处理2行,两个进程处理3行。但是在MPI_Bcast()
之后,lda
在所有地方都是相同的(3)。问题在于子例程
lda
的参数DESCINIT
必须是本地数组的前导维,即2或3。通过评论
MPI_Bcast()
,我得到了:Description init sucesss!
SUCCESS
Matrix A result:
2 1 2 0.5 2
0.5 0.5 0 0 0
1 -1 1 0 0
0.25 -0.25 -0.5 0.5 0
1 -1 -2 -3 1
最后,它将说明该程序对于偶数维均适用,而对于奇数维则无效!