基于阵列的通信
许多通信包可以分类为基于操作在一维数组上，这是线性代数的向量类。在规划线性代数问题时，然而，表达所有内容更为自然矩阵运算。向量和标量当然很简单矩阵的子类。在计算机上，表示线性代数矩阵通过二维阵列（2D阵列），因此BLACS在二维阵列。
BLACS识别了两类最常见的稠密矩阵线性代数。第一个类包括一般矩形矩阵，在机器存储中是2D数组由M行和N列组成，前导确定连续列之间距离的尺寸LDA内存中。
因此，一般矩形矩阵采用以下参数在确定要操作的阵列时作为输入：
- M（M）
- （输入）整数
要操作的矩阵行数。 - N个
- （输入）整数
要操作的矩阵列数。 - A类
- （输入/输出）类型取决于常规，维度数组（LDA，N）
指向要发送的（子）数组开头的指针。 - 本地设计院
- （输入）整数
矩阵行中两个元素之间的距离。
BLACS识别的第二类矩阵是梯形的矩阵（三角形矩阵是梯形的一个子类）如上所述，梯形阵列由M、N和LDA定义，但它们还有两个附加参数。这些参数包括：
- UPLO公司
- （输入）字符*1
指示矩阵是上梯形还是下梯形，如下所述。 - 诊断
- （输入）字符*1
指示矩阵的对角线是否为单位对角线（不会操作）或其他（将操作）。
梯形阵列的形状由以下参数决定：跟随：
阵列的封装（如果需要），以便有效地发送是隐藏的，允许用户专注于逻辑矩阵，而不是数据在机器内存中是如何组织的。