语言雅克比迭代法求线性方程组的解_【解线性方程组】定常迭代：Jacobi法、Gauss-Seidel(多图附算法)...

【先提一嘴】

解线性方程组直接法：高斯消元、LU分解（其实就是行变换）

优点：稳定，适用广泛

缺点：与迭代法相比，需要的存储空间

、计算量

更大，耗盘耗时

为什么有迭代法？就是因为高斯消元在处理大型矩阵时太不给力了，有时候也不需要那么精确的解。尤其是“解三重对角矩阵”这种稀疏矩阵时，需用迭代法。迭代法的思想一句话就能说完：

“假装已经知道一个解了！”

话粗理不粗，很多方法其实都是这种思想……

基础知识在下面的笔记里都写了 ，基础不牢的打包带走：

https://zhuanlan.zhihu.com/p/156441923​zhuanlan.zhihu.com

---

一、一句话形容迭代法是什么？

在解线性方程组时，选择适当的初期解

，通过不断迭代，每次得到的

迭代解

收敛到

真实解

。

x0是初期解

二、迭代法（Iterative Method）的大致分类和优缺点？

1. 定常（stationary）法

• 在迭代中，只有迭代解
  在不断收敛，
  其它量都不变。
• 比如：SOR、Gauss-Seidel、Jacobi法等
• 缺点：大概都慢！

定常（stationary）法

2. 非定常（nonstationary）法

• 有约束、优化条件
• 要用到映射到Krylov subspace（部分空间）的像，因此也叫Krylov部分空间法
• CG（Conjugate Gradient：共轭梯度法）
• BiCGSTAB（Bi-Conjugate Gradient Stabilized：稳定双共轭梯度法）
• GMRES（Generalized Minimal Residual：广义最小残差法）

优点：

• 比直接法省存储空间、计算量小
• 适用于并行计算

缺点：

• 收敛性容易受到应用、边界条件的影响（可能不收敛，就算不出结果了）
• 预处理很重要

---

三、具体方法

（我觉得我还是废话少说Pia!(ｏ ‵-′)ノ”(ノ﹏<。)）
来看

的表达式：

在每个方程中，

的系数正好是

这个式子就是关键！

Jacobi法就是用上面

的表达式，第一次代入一个初始值，然后不断迭代上一轮算出的

，直到得到要求的精度。

Gauss-Seidel机灵一点，每轮

个

，到

轮时，它把这轮计算的

前面的

直接代进去，而不再傻傻地代入上一轮的结果，于是收敛速度提高一半不止。

Jacobi 和 Gauss-Seidel

Jacobi几何意义

四、收敛条件和收敛矩阵

Jacobi和Gauss-Seidel的收敛条件都是

，因为

它们显然就是同一个方法。证明Jacobi法较简单，因为它们的 收敛矩阵是：

Jacobi 的收敛矩阵 M

Gauss-Seidel 的收敛矩阵 M

上面的

的表达式在Jacobi中都是由上一轮的

表示的，

把

的公式写一下就可以合并同类项了，再用矩阵的 行和范数和“ 谱半径一定不大于任何一个矩阵范数”这个推论（谱半径定义的推论），即可证明收敛。

Jacobi 收敛证明

五、看例子感受一下收敛速度

---

六、算法