cx1的博客

原创 Mit 6.s081 Lab7 Multithreading

本实验实现了用户态线程的切换和线程安全的哈希表操作。在第一个实验中，通过修改uthread.c和uthread_Switch.S，实现了用户线程的上下文保存与恢复，包括寄存器ra、sp和s0-s11的保存。线程切换通过thread_yield()主动让出CPU，不涉及内核态操作。 第二个实验解决了多线程下哈希表操作的竞态条件问题。通过使用pthread库的互斥锁，在修改链表时加锁保证原子性，避免了元素丢失。初始化锁后，在put和get操作中加锁解锁，确保线程安全。 实验主要涉及：用户态线程切换的上下文保存与

原创 Mit6.s081 Interrupts and device driver（中断和设备驱动）

摘要：xv6操作系统的控制台驱动程序通过UART硬件实现输入输出功能。控制台驱动(kernel/console.c)负责处理特殊控制字符，并通过内存映射寄存器与UART硬件交互。初始化时，consoleinit()调用uartinit()配置波特率、字符格式等参数，并注册读写函数。用户输入通过QEMU模拟的UART硬件进入系统，存储在环形缓冲区中，当检测到换行符时唤醒读取进程。该驱动实现了行缓冲机制，支持退格、删除行等编辑功能。

原创 uv简单使用

本文介绍了uv工具的安装与使用。首先通过curl命令在macOS上安装uv，然后演示了如何安装指定Python版本、运行Python脚本和交互式环境。重点讲解了uv项目的创建流程，包括自动生成.python-version和pyproject.toml文件，以及运行项目时自动创建虚拟环境。文章还展示了如何添加依赖（如requests）、使用uv sync同步依赖环境，以及通过uv tree查看完整项目依赖关系。这些功能使uv成为一个便捷的Python项目管理工具。

原创 github使用指南

本文介绍了VS Code中的几个实用快捷键：1) 按"/"键快速唤起搜索栏；2) 按"t"键唤醒文件搜索功能；3) 按"l"键可快速定位到文件指定行号；4) 按"?"或Shift+"/"组合键可查看所有快捷键提示。这些快捷键能显著提升代码编辑效率，帮助开发者更快地导航和搜索项目文件。

原创 截断误差收敛性与稳定性

摘要：图片显示了两张不同风格的摄影作品。第一张呈现温暖色调的室内场景，木质家具与柔和光线营造温馨氛围；第二张为冷色调的户外景观，蓝色基调下展现开阔的自然风光。两张图片通过色彩与构图的鲜明对比，分别传递出截然不同的视觉感受与情绪表达，展示了摄影艺术中光影与色彩运用的多样性。（98字）

原创 截断误差收敛性与稳定性

摘要：图片显示了两张不同风格的摄影作品。第一张呈现温暖色调的室内场景，木质家具与柔和光线营造温馨氛围；第二张为冷色调的户外景观，蓝色基调下展现开阔的自然风光。两张图片通过色彩与构图的鲜明对比，分别传递出截然不同的视觉感受与情绪表达，展示了摄影艺术中光影与色彩运用的多样性。（98字）

原创 一阶常微分方程数值解的问题

文章探讨了人工智能在图像识别领域的最新进展。配图展示了AI系统对复杂场景的精准识别能力，包括物体检测和场景理解等技术细节。研究显示，基于深度学习的视觉算法已能实现接近人类水平的识别准确率，同时在处理速度上具有显著优势。这些突破为自动驾驶、医疗影像分析等应用场景提供了技术支持，标志着计算机视觉技术正迈向新的发展阶段。

原创 数值积分与数值微分 高斯勒让德求积公式

原创 龙倍格算法

原创 数值积分与数值微分 牛顿克斯特公式

摘要：本文展示了三张未标注内容的图片。第一张图片呈现蓝绿色调背景，第二张为深色背景，第三张显示部分红色元素。由于图片未提供具体说明，无法确定其具体内容和主题。这些视觉素材可能用于装饰或作为文章配图，但缺乏文字描述难以进行深入分析。

原创 数值积分与数值微分

原创 插值法与数值逼近 最佳平方逼近

Gram-schmidt正交化。

原创 矩阵分析 方阵函数的一个应用

文章展示了三张图片，内容涉及不同主题。首图呈现红色背景下的抽象设计；第二张为蓝色色调的科技感图像；第三张是绿色自然风格的场景。这些图片风格迥异，色彩鲜明，可能用于视觉设计或创意展示。每张图片都具有独特的美学特征，展现了多样的视觉表现手法。整体呈现了色彩对比与设计风格的多样性。

原创 矩阵分析 矩阵函数值计算

原创 矩阵分析 矩阵函数值计算

原创 线性方程组的解法 迭代法

原创 线性方程组的解法 Gauss消元法

原创 线性方程组的解法 严格对角占优矩阵

原创 线性方程组的解法 矩阵的条件数和线性方程组的性态

原创 内积空间 正交与正交系

本文介绍了内积空间中正交与正交系的基本概念和性质。第一部分定义了元素之间、元素与集合之间以及集合之间的正交关系，并引入正交补的概念。第二部分阐述了正交系和标准正交系的定义，指出标准正交系是满足特定条件的正交系。文中通过数学表达式和图示详细说明了这些概念的性质，包括正交元素的性质以及正交系的相关定理。这些内容为内积空间中的正交性分析提供了理论基础。

原创 内积空间 内积空间二

本文讨论了内积空间的两个重要内容：一是由内积导出的范数，通过许瓦兹不等式表达为|<x,y>|≤‖x‖‖y‖，并展示了相关图示证明；二是内积空间的子空间概念，说明子空间在保持内积结构下的性质。文章通过数学公式和图示相结合的方式，简明扼要地阐述了内积空间的基本性质和结构特征。

原创 内积空间 内积空间一

本文介绍了内积空间的基本概念与性质。首先通过几何向量的点积引入内积定义，指出内积需要满足线性、对称性和正定性三个公理。然后给出了常见的内积空间实例，包括欧式空间、连续函数空间等，并特别说明复内积空间需要考虑共轭对称性。最后阐述了内积的几个重要性质：零向量的内积为零、共轭对称性在复空间的表现，以及内积对第二变元的共轭线性关系。这些内容构成了内积空间理论的基础框架。

原创 矩阵分析 方阵幂级数与方阵函数

本文介绍了方阵幂级数与方阵函数的基本概念。方阵幂级数定义为复数列与方阵幂次的无穷和，其收敛性由谱半径与收敛半径的关系决定：当谱半径小于收敛半径时绝对收敛。文中给出了收敛半径的计算方法，并通过例题展示了具体应用。第二部分定义了常见的方阵函数（如指数、对数函数等）及其性质，包括运算规则和特殊矩阵情况下的简化形式。这些内容为矩阵分析提供了重要的理论基础和实用工具。

原创 矩阵分析 方阵序列与方阵级数收敛的充要条件

本文讨论了矩阵分析中方阵序列与方阵级数的收敛性条件。对于方阵序列，收敛等价于每个元素构成的数列收敛，且收敛于零矩阵的充要条件是谱半径小于1。收敛序列具有乘积和逆运算保持极限的性质。方阵级数收敛则等价于其部分和序列收敛，也可转化为n²个元素级数的收敛性。这些结果为判断矩阵序列和级数的收敛提供了理论基础和实用判据。

原创 矩阵分析 单元函数矩阵微积分和多元向量值的导数

本文介绍了单元函数矩阵和多元向量值函数的微积分运算。对于单元函数矩阵，其导数和积分通过逐元素运算定义，并给出了线性性、乘积导数、逆矩阵导数等运算性质。多元向量值函数的导数则表现为雅可比矩阵，当输出为一维时即为梯度向量。对于数值函数，二阶导数构成黑塞矩阵，在二阶偏导连续时为对称矩阵。这些概念为矩阵微积分提供了系统的理论基础，适用于多变量函数分析。

原创 赋范空间 方阵范数与方阵的谱半径

本文介绍了方阵范数及其相关概念。首先定义了方阵范数，指出其需满足范数三公理和次乘性条件，并区分了方阵范数与算子范数的区别。随后讨论了方阵的谱半径，即特征值模的最大值，证明了谱半径与矩阵范数的关系。最后详细讲解了三种常见算子范数的计算方法，强调其在数值计算中的重要性。全文系统阐述了方阵范数、谱半径和算子范数的理论联系与计算应用。

原创 赋范空间 有界线性算子二

本文讨论了赋范空间中有界线性算子的性质及其空间结构。主要结论包括：线性算子的有界性与连续性等价，且在一点连续可推出整体连续。全体有界线性算子构成的集合B(X,Y)是线性空间L(X,Y)的子空间，可赋予算子范数成为赋范空间。此外，证明了有界线性算子范数具有次乘性，即|TS|≤|T||S|，这一性质在算子复合时保持范数控制。文中通过多个图示辅助说明相关定理的证明过程。

原创 赋范空间 有界线性算子一

本文介绍了赋范空间中有界线性算子的基本概念与性质。首先定义了线性算子的有界性，指出存在常数c使得算子像的范数不超过原像范数的c倍。其次讨论了有界性的充要条件，包括将单位球面映射为有界集等特征。文章重点阐述了算子范数的定义及其性质，证明其在单位球面上可取得最大值，并分析了方阵算子范数的次乘性和相容性。最后通过具体例子展示了线性算子有界性的证明方法。全文系统性地阐述了赋范空间中线性算子有界性的理论框架。

原创 赋范空间 赋范空间的完备性

本文介绍了赋范空间中柯西序列与完备性的基本概念。柯西序列是指任意两项距离随项数增加而趋于零的序列，收敛序列必为柯西序列，但反之不一定成立。完备的赋范空间（Banach空间）要求所有柯西序列都收敛。文章指出有限维赋范空间都是完备的，而子空间可能不完备，并列举了常见Banach空间实例（如ℝⁿ、l²空间等）。最后给出赋范空间完备的充要条件：每个绝对收敛级数都收敛。关键结论包括范数等价性不影响完备性判断，以及完备空间的有限维子空间必然完备等性质。

原创 赋范空间 连续映射

本文介绍了赋范空间中映射连续性的概念及相关性质。首先给出了映射在一点连续和整体连续的定义，指出赋范空间上的恒等映射和常值映射都是连续映射。其次，给出了映射连续的序列刻画：映射在某点连续当且仅当它在该点保持序列收敛性。最后证明了赋范空间中的范数函数以及线性运算（加法和数乘）都是连续映射。这些结果为分析赋范空间中映射的连续性提供了基本工具和判定方法。

原创 赋范空间 收敛序列

本文介绍了赋范空间中收敛序列和无穷级数的基本概念。在赋范空间$(X,|\cdot|)$中，序列${x_k}$收敛于$x_0$当且仅当$\lim_{k \to \infty} \lVert x_k - x_0 \rVert = 0$，且收敛序列具有有界性和极限唯一性。等价范数保持序列收敛性不变。对于无穷级数$\sum_{k=1}^{\infty}x_k$，其收敛性取决于部分和序列${s_n}$的收敛性。若正项级数$\sum_{k=1}^{\infty} |x_k|$收敛，则称级数绝对收敛，但在一般赋范空间中绝

原创 赋范空间 赋范空间的概念

本文介绍了范数的基本概念及其相关性质。首先定义了范数的三个公理：正定性、齐次性和三角不等式，并说明满足这些条件的映射构成赋范线性空间。其次列举了常见的赋范空间（如欧氏空间）和范数类型（如2-范数）。然后阐述了由范数导出的度量及其性质，包括度量公理、平移不变性和齐次性。接着讨论了集合间的距离定义、有界集的判定条件，以及开球、闭球等概念。最后指出有限维空间中所有范数都是等价的这一重要结论。全文系统性地构建了赋范空间的理论框架。

原创 拉格朗日插值

拉格朗日插值法是一种通过已知数据点构造多项式来近似函数的方法。摘要如下：1）线性插值使用两点确定直线公式；2）推广到n+1个节点时，通过构造满足克罗内克性质的基函数$l_k(x)$，形成n次多项式$L_n(x)$；3）抛物线插值是n=2时的特例；4）误差估计使用余项公式$R_n(x)$，与函数高阶导数和节点分布有关；5）例题展示了用5个节点计算$\ln 3.27$的过程，选择邻近节点可提高精度。该方法适用于函数近似计算，但需注意节点选取对误差的影响。

原创 矩阵论 有理标准型

摘要： 有理标准型是矩阵理论中Jordan标准型的替代形式，其优势在于不依赖复数域运算。通过友伴矩阵（由首一多项式系数构造的特殊矩阵）构成分块对角阵，可得到有理标准型。构造过程包括：求不变因子、构建友伴矩阵、组合成分块对角阵。文中通过具体例题展示了求解步骤，并说明了如何从初等因子推导不变因子。该方法避免了特征方程求解，仅需多项式运算即可实现矩阵的标准化。

原创 矩阵论 Jordan标准型

摘要：Jordan标准型是矩阵在对角化不可行时的最简相似形式，由Jordan块构成的分块对角矩阵。每个Jordan块对应一个特征值，主对角线为特征值，超对角线为1。代数重数和几何重数决定了Jordan块的结构。通过初等因子与Jordan块的对应关系，可求矩阵的Jordan标准型。文中以具体矩阵为例，展示了从特征矩阵、初等因子到Jordan标准型的求解过程，为处理不可对角化矩阵提供了有效方法。

原创 矩阵论 多项式矩阵的不变因子和初等因子

本文介绍了多项式矩阵的不变因子和初等因子的概念与计算方法。行列式因子定义为矩阵中各阶子式的首一最高公因式，不变因子则通过Smith标准型的非零主对角元或行列式因子之比得到。初等因子是将不变因子分解为一次因式幂乘积后得到的所有指数大于0的幂因式集合。文章给出了两个重要结论：当矩阵等价于对角矩阵时，可直接分解对角元素得到初等因子；当矩阵为分块对角矩阵时，整体初等因子为各分块初等因子的并集。这些结论为计算初等因子提供了简化方法。

原创 OpenMP入门

OpenMP是一个共享内存多处理器架构的并行编程API，采用Fork-join模型工作：主线程派生工作线程并行执行任务，完成后合并回主线程。它通过编译制导语句、运行时库函数和环境变量实现并行化。主要功能包括：1）并行域使代码被所有线程执行；2）共享任务结构划分任务给线程组，支持for循环并行和section块分配；3）同步机制如critical、barrier等确保线程协调；4）数据域属性子句如private、shared、firstprivate控制变量作用范围。典型应用场景包括数组运算等数据并行任务，通

原创 Java多线程

Java多线程实现方式摘要：Java支持通过继承Thread类或实现Runnable接口创建线程，推荐后者以避免单继承限制。Java21引入虚拟线程支持M:N模型。线程同步可使用synchronized关键字，包括同步代码块（粒度最细）、实例方法（锁为this）和静态方法（全局锁）。关键区别在于调用run()会阻塞当前线程，而start()会创建新线程并发执行。示例代码展示了两种线程创建方式及三种同步方法的使用场景。

原创 并行计算 PCAM方法学

PCAM是并行计算的系统化设计方法，包含四个阶段：划分（Partitioning）将数据和计算分解为任务；通信（Communication）确定任务间的数据交换模式；组合（Agglomeration）合并细粒度任务以提高效率；映射（Mapping）将任务分配到处理器以优化负载平衡。每个阶段都有特定判据，如划分需考虑任务均衡性，通信需评估并行性，组合需权衡计算通信比，映射需解决调度问题。该方法通过逐步优化，在保持并行性的同时降低开销，最终实现高效并行计算。

原创 MPI入门

MPI入门摘要 MPI（Message Passing Interface）是一种进程间消息传递接口标准，有多种实现版本（如OpenMPI、MPICH）。MPI采用SPMD（单程序多数据）模型，即所有进程执行相同代码但处理不同数据。 核心概念： 基本函数：MPI_Init初始化环境，MPI_Finalize释放资源 通信器（如MPI_COMM_WORLD）管理进程组 进程标识：MPI_Comm_rank获取进程ID，MPI_Comm_size获取进程总数 通信方式： 点对点通信：MPI_Send发送消息，M