Параллельная программа (threads) / С

[_Jane_]

Мне нужно распараллелить программу: решения слау методом вращений.
Вот, что я написала:

typedef struct DATA
{
    double *a; 
    double *b;
    int n;
    int num_thr; 
    int total_thr;
}  DATA;
 
void * rotation_threaded(void *pa)
{
    long int thread_time;
    DATA *data=(DATA*)pa ;
    thread_time=get_time();
    solve(data->a,data->n,data->b,data->num_thr,data->total_thr);
    thread_time=get_time()-thread_time;
    pthread_mutex_lock(&mutex);
    printf("\nThread time: %ld\n", thread_time/(data->total_thr));
    pthread_mutex_unlock(&mutex);
    return 0;
 
}

основная функция, потоки параллельно работают со столбцами(num_thr-номер текущего, total_thr - всего потоков ):

void solve (double *a, int n, double *b, int num_thr,int total_thr)
{
    int i,j,last,k;
    double n1=0,m=0,cos=0,sin=0;
    double h;
    last=n-1-num_thr;
    long int t_full0,sum0=0;
    long int t_full1, sum1=0;
    for(i=0;i<n;i++){
        for(j=i+1;j<n;j++){ 
            cos=0;sin=0;n1=0;m=0;
            if (num_thr==0)
            t_full0=get_full_time();
            if (num_thr==1)
            t_full1=get_full_time();
///////////////////////////////////////////////////////////////////////////////
            synchronize (total_thr);
            n1=a[j*n+i];
            m=a[i*n+i];
            cos=m/sqrt(m*m+n1*n1);
            sin=n1/sqrt(m*m+n1*n1);
            synchronize (total_thr);
///////////////////////////////////////////////////////////////////////////////
            t_full=get_full_time()-t_full;
            for (k=last;k>=i;k=k-total_thr){
                m=a[i*n+k];
                a[i*n+k]=cos*a[i*n+k]+sin*a[j*n+k];
                a[j*n+k]=-sin*m+cos*a[j*n+k];
            }           
            if (num_thr==0){
                h=b[i];
                b[i]=cos*b[i]+sin*b[j];
                b[j]=-sin*h+cos*b[j];
            }
            
            if (num_thr==0)
            t_full0=get_full_time()-t_full0;
            if (num_thr==1)
            t_full1=get_full_time()-t_full1;
            sum0+=t_full0;
            sum1+=t_full1;
        } 
    }
    
    if (num_thr==0)
    printf("\nTime 0 thr  = %ld\n",sum0);
    if (num_thr==1)
    printf("\nTime 1 thr  = %ld\n",sum1);
}

функция дожидается всех потоков

void synchronize(int total_threads) {
    static pthread_mutex_t mutex = PTHREAD_MUTEX_INITIALIZER;
    static pthread_cond_t condvar_in = PTHREAD_COND_INITIALIZER;
    static pthread_cond_t condvar_out = PTHREAD_COND_INITIALIZER;
    static int threads_in = 0;
    static int threads_out = 0;
    pthread_mutex_lock(&mutex);
    threads_in++;
    if (threads_in >= total_threads) {
        threads_out = 0;
        pthread_cond_broadcast(&condvar_in);
    } else
        while (threads_in < total_threads)
        pthread_cond_wait(&condvar_in,&mutex);
        threads_out++;
    if (threads_out >= total_threads) {
        threads_in = 0;
        pthread_cond_broadcast(&condvar_out);
    } 
    else
        while (threads_out < total_threads)
            pthread_cond_wait(&condvar_out,&mutex);
        pthread_mutex_unlock(&mutex);
}

ну и соответственно main

int main(int argc, char * argv[]) {
    .........................
    for(i=0;i<total_thr;i++)
    {
    data[i].a=a;
    data[i].b=b;
    data[i].n=n;
    data[i].num_thr=i;
    data[i].total_thr=total_thr;
    }
    t_full=get_full_time();     
    for(i=0;i<total_thr;i++) {
        if (pthread_create(threads+i,0,rotation_threaded,data+i)) {
            printf("Cannot create thread %d!\n", i);
            if (a) free(a);
            if (b) free(b);
            if (threads) free(threads);
            if (data) free(data);
            return -2;
        }
        
    }
    for(i=0;i<total_thr;i++) {
        if (pthread_join(threads[i], 0)) {
            printf("Cannot wait thread %d!\n",i);
            if (a) free(a);
            if (b) free(b);
            if (threads) free(threads);
            if (data) free(data);
            return -3;
        }
    }
    t_full=get_full_time()-t_full;
    printf("\nTime  = %ld\n",t_full);
    ...............................
    return 0;
}

Из-за того, что в функции solve 2(n-1)! раз вызывается synchronize программа с увеличением числа потоков работает только медленнее. Если synchronize убираю, то скорость такая, какая должна быть. Но считает не правильно. Если выносить подсчет cos,sin за пределы создания потоков, тогда pthread_create будет вызываться (n-1)! раз, что естественно тоже только замедляет программу.
Как распараллелить, кроме как по столбцам не знаю. По строкам не получиться, так как одновременно меняю и i и j строку.
Подскажите, пожалуйста, как поменять алгоритм или исправить мой код.