1 概述
在图论中,BLAS(Basic Linear Algebra Subprograms)并不直接应用于图论的计算,而是作为一套线性代数计算中通用的基本运算操作函数集合,用于进行向量和矩阵的基本运算。然而,这些基本运算在图论的相关计算中可能会被用到,尤其是涉及到矩阵运算的时候。
BLAS主要包含以下三个级别的函数:
- Level 1 BLAS函数:
- 处理单一向量的线性运算,如向量的加、减、数乘等。
- 处理两个向量的二元运算,如点积、向量外积等。
- Level 2 BLAS函数:
- 处理矩阵与向量的运算,如矩阵与向量的乘积、矩阵的秩1更新等。
- 包含线性方程求解计算,如使用高斯消元法解线性方程组。
- Level 3 BLAS函数:
- 包含矩阵与矩阵的运算,如矩阵乘法、矩阵的三角分解等。
在图论中,如果涉及到矩阵表示的图(如邻接矩阵)、线性方程组的求解(如网络流问题中的势能法)或者特征值问题(如图的谱分析)等,就可能会使用到BLAS库中的函数。
2 运行环境
操作系统:win10 64位
编程语言:C/C++
编译平台:vs2019 x64 debug | release
igraph版本: 0.10.12
3 示例代码
在IGraph中的blas.c文件中提供了丰富的功能来处理图和网络数据结构。这个特定的文件包含了一些使用BLAS(Basic Linear Algebra Subprograms)库的函数,用于执行线性代数操作,如矩阵-向量乘法、矩阵-矩阵乘法、向量的欧几里得范数计算和向量的点积。
文件中定义了几个函数,每个函数都与特定的线性代数操作相关:
-
igraph_blas_dgemv
:执行矩阵-向量乘法,使用BLAS库中的dgemv
函数。它支持矩阵的转置操作,并允许用户指定alpha和beta系数。 -
igraph_blas_dgemm
:执行矩阵-矩阵乘法,使用BLAS库中的dgemm
函数。它同样支持矩阵的转置操作,并允许用户指定alpha和beta系数。 -
igraph_blas_dgemv_array
:与igraph_blas_dgemv
类似,但是它接受C语言数组作为输入,而不是IGraph库中的向量对象。 -
igraph_blas_dnrm2
:计算向量的欧几里得范数,使用BLAS库中的dnrm2
函数。 -
igraph_blas_ddot
:计算两个向量的点积,使用BLAS库中的ddot
函数。
3.1 示例1
在下列代码中使用了igraph
库,特别是它的线性代数部分(通过igraph_blas
函数集)来进行一些基本的矩阵和向量运算。
#include <igraph.h> // 引入igraph库的头文件
int main(void) {
// 定义igraph的矩阵和向量对象
igraph_matrix_t m;
igraph_vector_t x, y, z;
igraph_real_t xz, xx; // 用于存储计算结果的两个实数变量
// 初始化向量x,包含3个元素,分别为1.0, 2.0, 3.0
igraph_vector_init_real(&x, 3, 1.0, 2.0, 3.0);
// 初始化向量y,包含4个元素,分别为4.0, 5.0, 6.0, 7.0
// 注意:虽然y之后会被用于计算,但这里先初始化为一些值
igraph_vector_init_real(&y, 4, 4.0, 5.0, 6.0, 7.0);
// 初始化向量z,包含3个元素,分别为-1.0, 0.0, 0.5
igraph_vector_init_real(&z, 3, -1.0, 0.0, 0.5);
// 初始化一个4x3的矩阵m,并为其赋值
igraph_matrix_init(&m, 4, 3);
// 填充矩阵m的元素
MATRIX(m, 0, 0) = 1;
MATRIX(m, 0, 1) = 2;
MATRIX(m, 0, 2) = 3;
MATRIX(m, 1, 0) = 2;
MATRIX(m, 1, 1) = 3;
MATRIX(m, 1, 2) = 4;
MATRIX(m, 2, 0) = 3;
MATRIX(m, 2, 1) = 4;
MATRIX(m, 2, 2) = 5;
MATRIX(m, 3, 0) = 4;
MATRIX(m, 3, 1) = 5;
MATRIX(m, 3, 2) = 6;
// 计算 2 * m.x + 3 * y,并将结果存储在y中
// 注意:这里的操作会改变y的内容
igraph_blas_dgemv(/* transpose= */ 0, /* alpha= */ 2, &m, &x, /* beta= */ 3, &y);
// 打印向量y的新内容
igraph_vector_print(&y);
// 计算向量x的模的平方(即x与自身的点积),存储在xx中
igraph_blas_ddot(&x, &x, &xx);
// 计算向量x和z的点积,存储在xz中
igraph_blas_ddot(&x, &z, &xz);
// 打印结果
printf("x.x = %g, x.z = %g\n", xx, xz);
// 销毁之前创建的矩阵和向量对象,释放内存
igraph_matrix_destroy(&m);
igraph_vector_destroy(&z);
igraph_vector_destroy(&y);
igraph_vector_destroy(&x);
return 0;
}
3.2 示例2
以下代码使用BLAS(Basic Linear Algebra Subprograms)库中的dgemm
(Double-precision General Matrix Multiply)函数来执行两个矩阵的乘法,并将结果存储在第三个矩阵中。
// 引入igraph库的头文件
#include <igraph.h>
int main(void) {
// 声明三个igraph_matrix_t类型的变量a, b, c,用于存储矩阵
igraph_matrix_t a, b, c;
// 初始化一个2x2的矩阵a,并为其分配内存
igraph_matrix_init(&a, 2, 2);
// 设置矩阵a的元素
MATRIX(a, 0, 0) = 1; // a[0][0] = 1
MATRIX(a, 0, 1) = 2; // a[0][1] = 2
MATRIX(a, 1, 0) = 3; // a[1][0] = 3
MATRIX(a, 1, 1) = 4; // a[1][1] = 4
// 初始化一个2x2的矩阵b,并为其分配内存
igraph_matrix_init(&b, 2, 2);
// 设置矩阵b的元素
MATRIX(b, 0, 0) = 5; // b[0][0] = 5
MATRIX(b, 0, 1) = 6; // b[0][1] = 6
MATRIX(b, 1, 0) = 7; // b[1][0] = 7
MATRIX(b, 1, 1) = 8; // b[1][1] = 8
// 初始化一个2x2的矩阵c,用于存储a和b的乘法结果
igraph_matrix_init(&c, 2, 2);
// 使用igraph_blas_dgemm函数计算a和b的乘积,并将结果乘以0.5后存储在c中
// 第一个和第二个参数分别是矩阵a和b的alpha(这里是1,即不缩放)
// 第三个参数是缩放因子(这里是0.5)
// 第四和第五个参数是矩阵a和b的指针
// 第六个参数是矩阵c的beta(这里是0,即不使用c的原始值)
// 第七个参数是结果矩阵c的指针
igraph_blas_dgemm(1, 1, 0.5, &a, &b, 0, &c);
// 打印矩阵c的内容
igraph_matrix_printf(&c, "%g");
// 释放矩阵a, b, c所占用的内存
igraph_matrix_destroy(&a);
igraph_matrix_destroy(&b);
igraph_matrix_destroy(&c);
// 程序正常退出
return 0;
}
4 运行结果
4.1 结果1
首先,我们初始化了几个向量x
, y
, z
和一个矩阵m
。然后为矩阵m
赋值了一个4x3的矩阵。
在第一个igraph_blas_dgemv
函数调用中,我们试图计算2 * m * x + 3 * y
并将结果存储在y
中。但是,请注意,由于igraph_blas_dgemv
的默认操作是y = alpha * A * x + beta * y
(其中A
是矩阵,x
和y
是向量,alpha
和beta
是标量),因此,实际上是在更新y
的值,而不是简单地计算结果。由于y
的初始值不为零,这会影响最终结果。
y
向量初始化为[4.0, 5.0, 6.0, 7.0]
。在调用igraph_blas_dgemv
后,y
将被更新为2 * m * x + 3 * y
。
矩阵m
与向量x
的乘法结果是一个4x1的向量,其值为[1*1 + 2*2 + 3*3, 2*1 + 3*2 + 4*3, 3*1 + 4*2 + 5*3, 4*1 + 5*2 + 6*3]
,即[14, 20, 26, 32]
。
然后,我们将这个结果与y
的初始值相加,并乘以相应的系数:
y[0]
变为2 * 14 + 3 * 4.0 = 28 + 12 = 40
y[1]
变为2 * 20 + 3 * 5.0 = 40 + 15 = 55
y[2]
变为2 * 26 + 3 * 6.0 = 52 + 18 = 70
y[3]
变为2 * 32 + 3 * 7.0 = 64 + 21 = 85
因此,y
向量的最终值是[40, 55, 70, 85]
。
接下来,我们使用igraph_blas_ddot
来计算x
与x
的点积(即x.x
),以及x
与z
的点积(即x.z
)。这些计算的结果是:
x.x
是[1.0, 2.0, 3.0]
与[1.0, 2.0, 3.0]
的点积,即1*1 + 2*2 + 3*3 = 14
x.z
是[1.0, 2.0, 3.0]
与[-1.0, 0.0, 0.5]
的点积,即1*(-1) + 2*0 + 3*0.5 = -1 + 1.5 = 0.5
因此输出x.x = 14, x.z = 0.5
。
4.2 结果2
根据矩阵乘法的定义和给定的代码,矩阵a
和b
的乘积再乘以0.5会得到矩阵c
,其元素计算如下:
a = [1 2; 3 4]
b = [5 6; 7 8]
c = 0.5 * (a * b)
矩阵乘法a * b
的结果为:
[1*5 + 2*7 1*6 + 2*8; 3*5 + 4*7 3*6 + 4*8] = [1 + 14 6 + 16; 15 + 28 18 + 32] = [15 22; 43 50]
然后,我们将这个结果乘以0.5得到矩阵c
:
c = [15*0.5 22*0.5; 43*0.5 50*0.5] = [7.5 11; 21.5 25]
最后程序执行结果如下:
11.5 15.5
17 23