雅克比迭代与高斯赛德尔迭代法

雅克比迭代和高斯赛德尔迭代法可以用来求线性方程组的近似解，与雅克比迭代不同的是，高斯赛德尔迭代法在第k+1次迭代求 $x_i^{k+1}$时，会用到 $x_1^k,x_2^k..x_{i-1}^k$ 的值。
假设有如下的线性方程组：
$$\begin{array}{rl}{a}_{11}\cdot x_1+a_{12}\cdot x_2+\dots +a_{1n}\cdot x_n& =b_1\\ a_{21}\cdot x_1+a_{22}\cdot x_2+\dots +a_{2n}\cdot x_n& =b_2\\ ⋮& =⋮\\ a_{n1}\cdot x_1+a_{n2}\cdot x_2+\dots +a_{nn}\cdot x_n& =b_n.\end{array}$$
雅克比迭代求解公式如下：
$$x_m^{(k+1)}=\frac{1}{a_{mm}}\left(b_m-\sum _{j\ne m}{a}_{mj}{x}_j^{(k)}\right),1\le m\le n$$
高斯赛德尔迭代求解公式如下：
$$x_m^{k+1}=\frac{1}{a_{mm}}\left(b_m-\sum _{j=1}^{m-1}{a}_{mj}\cdot x_j^{k+1}-\sum _{j=m+1}^n{a}_{mj}\cdot x_j^k\right),1\le m\le n$$

该表达式的 $x_m$由线性方程组的第m行转换而来，同时考虑到了在计算 $x_m^{k+1}$时， $x_1^{k+1},x_2^{k+1}..x_{m-1}^{k+1}$已经迭代产生的情况，利用最新的参数进行迭代更新。

可以看到在两种迭代方法的求解公式中，$x_m$ 的计算需要除以其系数 $a_{mm}$ ,所以高斯赛德尔迭代法要求线性方程组的主对角矩阵元素非0。