数值分析（三）：C++实现线性方程组的高斯-赛德尔迭代法

线性方程组的直接解法之后，就轮到迭代解法了，直接解法针对的是低阶稠密矩阵，数据量较少，而工程上有更多的是高阶系数矩阵，使用迭代法效率更高，占用的空间较小。
迭代法的最基本思想就是由初始条件，比如说初始解向量随便列举一个，就0向量也行，然后进行迭代，k到k+1，一步一步从k=1开始去逼近真实解，虽然说迭代法的解是近似解，但是当迭代次数足够多的时候，得到的就是很很接近真实解了，而直接解法说是得到精确解，但是受计算机的限制，截断误差总是有的，所以最后得到的也是近似解，因此两种解法也无所谓孰优孰劣之分，得具体情境具体看了，这次来实现迭代法中的高斯-赛德尔迭代法，并用C++实现。
（一）高斯-赛德尔迭代法的步骤
最简单的迭代法是雅克比迭代法，对于对角严格占优的系数矩阵就可以使用雅克比迭代法进行计算，比如说方程：

满足系数矩阵的严格对角占优，即对角线上的元素比同行的其他元素之和还要大，数学表达式就是：

满足这样的关系就可以进行雅克比迭代法了，进行雅克比迭代是留下主对角元素在最左边，然后剩下全部移到右边，得到这样一个一步一步迭代的式子：

这样就到了一个k到k+1的迭代公式，可以取（0,0,0）进行迭代，知道解向量达到一定的精度放弃迭代，十次迭代后，就能得到：

这是迭代法最常见也最容易的雅克比迭代，效率比较低，于是就有高斯—赛德尔迭代法，那就是方程里迭代计算x2时，x1已经迭代过了，即x1的数据已经更新了，所以应该用最新的值，关键是效率会高很多，于是就有下面的迭代式子：

这样一种小小的改进，给迭代计算方程的解带来极大效率的提高，所以接下来再将高斯—赛德尔迭代法步骤进行数学语言的描述：
使用高斯-赛德尔迭代法解线性方组程***Ax=b***：
1&#x