线性方程组的迭代解法

一：什么是线性方程组直接解法和迭代解法，各自的特点和适

你所谓的直接法是不是Ax=b ==> x=A^(-1)b? 如果是，对较大的（尤其是大而稀疏）的矩阵，一般这方法都不是好的选择。因为求A^(-1)的过程中，会做许多不必要的计算。而且当A近于奇异时，很难解出来。（当然，如果你尝试过可以很快的解出来，比如用matlab中的inv(A)*b，因为有简单的命令，也不失为好的选择。）

对于迭代法，LU分解后用Gaussian消去法是个不错的选择，只是要自己写些程序，不像直接法那样方便。虽然是迭代，但matlab中提供了一个你可以直接用的命令，即A\b。还有就是对一些形式较为特殊的矩阵，比如正定的对称矩阵，你还可以用共轭梯度法，收敛速度非常快，而且适用于大而稀疏的矩阵。

二：迭代法求解线性方程组 有哪些优势

因为这里书写不便，故将我的答案做成图像贴于下方，谨供楼主参考。（若图像显示过小，点击图片可放大）克莱默法则。

三：解线性方程组的简单迭代法收敛的充分必要条件是什么？ 20分

线性方程系数矩阵的所有本征值的绝对值都小于1

四：求大神用C/C++编写一个求解线性方程组的迭代法

#include #include #include "nr.h"using namespace std;// Driver for routine mproveint main(void){ const int N=5,NP=N; const DP a_d[NP*NP]= {1.0,2.0,3.0,4.0,5.0, 2.0,3.0,4.0,5.0,1.0, 1.0,1.0,1.0,1.0,1.0, 4.0,5.0,1.0,2.0,3.0, 5.0,1.0,2.0,3.0,4.0}; const DP b_d[N]={1.0,1.0,1.0,1.0,1.0}; int i,j,idum=(-13); DP d; Vec_INT indx(N); Vec_DP x(N),b(b_d,N); Mat_DP aa(N,N),a(a_d,N,N); for (i=0;i>

五：MATLAB用用高斯迭代法解线性方程组

这是一个函数,不能直接运行

比如你要解方程 AX=b (矩阵形式),要这样先设定以下参数:

x0 = 初值, 比如 x = [0 0 0 ]'

tol = 精度 , 比如 tol = 0.001

maxit = 最大循环次数, 比如 maxit = 1000;

然后 [x_out,iters]=CW2_Gauss_seidel(A,b,x0,tol,maxit)

结果在x_out中

六：对于三阶线性方程组ax=b推导jacobi迭代法的格式,并说明为什么如果格式收敛,其就是方程组的

因题干条件不完整，无问题条件，不能正常作答。