Jacobi迭代法解线性方程组的python实现

介绍

Jacobi迭代法是一种常见的用于求解线性方程组的方法，Jacobi迭代法同时也存在着局限性，并不是所有的线性方程组都能用Jacobi迭代法进行求解。在求解某些线性方程组中，Jacobi迭代法是不收敛的，即发散。

代码

# 定义迭代次数和容忍误差
times0 = 1000
tol = 1e-7

def Jacobi(A, b, x):
    n = len(b)
    times = 0
    er = 1000
    # 初始解
    x0 = [0 for i in range(0, n)]
    while (times < times0) and (er > tol):
        for i in range(0, n):
            sigma = 0
            for j in range(0, n):
                if (i == j):
                    continue
                sigma += A[i][j] * x0[j]
            x[i] = (b[i] - sigma) / A[i][i]

        # 计算当前误差
        er = max(abs(a - b) for a, b in zip(x, x0))
        # 若当前误差小于容忍误差，则结束方法并返回当前解
        if (er < tol):
            return x
        x0 = x.copy()
        times += 1
    print("在最大迭代次数内不收敛")

# 示例
# 系数矩阵
A = [[1, 2, -2], [1, 1, 1], [2, 2, 1]]
# 右端向量
b = [1, 1, 1]
# 解向量
x = [0 for i in range(0, len(b))]

# 求解线性方程组
x = Jacobi(A, b, x)
print("Jabobi迭代法求解结果如下：\n", x)

运行结果