7)在threads.c的基础上进行修改，加入多线程指令，了解OMP用法及默认线程数。建立threadsOMP.c程序，使用gcc -fopenmp命令编译后，运行并查看程序结果。观察程序运行时间的变化，并分析原因。

以下是threadsOMP.c程序的示例代码：

#include <stdio.h>
#include <omp.h>

#define NUM_THREADS 4

int main() {
    int i, n = 100000000;
    double pi = 0.0, sum = 0.0, x = 0.0;
    double step = 1.0 / n;

    omp_set_num_threads(NUM_THREADS);
    #pragma omp parallel for reduction(+:sum)
    for (i = 0; i < n; i++) {
        x = (i + 0.5) * step;
        sum += 4.0 / (1.0 + x * x);
    }

    pi = step * sum;
    printf("pi = %.16f\n", pi);

    return 0;
}

这个程序使用了OpenMP库，将for循环内的代码并行化执行。其中，`omp_set_num_threads(NUM_THREADS)`函数用于设置并行执行的线程数，这里设置为4。`#pragma omp parallel for reduction(+:sum)`指令用于将for循环内的代码并行化执行，并将每个线程计算的`sum`值累加到主线程的`sum`变量中。

编译命令为`gcc -fopenmp threadsOMP.c -o threadsOMP`，执行命令为`./threadsOMP`。

运行程序后，将输出计算得到的π值。程序的运行时间可能因机器不同而异，但是可以发现，使用多线程并行化执行的程序比单线程程序运行速度更快。

这是因为当使用多线程并行化执行时，每个线程可以同时执行for循环内的一部分，从而加快了程序的计算速度。而单线程程序则需要依次执行整个for循环，速度较慢。

此外，OpenMP库默认的线程数是CPU的核心数，因此在不设置线程数的情况下，程序将使用CPU的所有核心来并行执行。