参考:https://www3.nd.edu/~zxu2/acms40390F12/Lec-7.3.pdf
雅可比方法:
雅可比迭代法是一种确定对角占优线性方程组解的算法。金宝搏官方网站求出每个对角元，并代入一个近似值。然后迭代这个过程，直到它收敛。
高斯-赛德尔方法:
Gauss-Seidel方法，也被称为Liebmann方法或逐次位移法，是一种用于求解线性方程组的迭代方法。
引用作为
Bhartendu(2021)。Gauss-Seidel方法，Jacobi方法(//www.tatmou.com/matlabcentral/fileexchange/63167-gauss-seidel-method-jacobi-method)， MATLAB中央文件交换。检索．
意见及评分(28）
你也可以从以下列表中选择一个网站:
如果我对a和b使用随机生成的矩阵，例如a =randi(9,5)和b=randi(9,5,1)，并作为初始猜测x= 0(5,1)，我得到Inf或NaN的x矩阵的值。
在Jacobi方法中你需要用xold(j)来改变x(j)否则它就是高斯赛德尔
为了学习和练习的目的而共享代码。给出的解是正确有效的。
这是不正确的。高斯-塞德尔和雅可比给出了相同的输出
在你的例子中，你比较了两种不同的方法和不同的初始猜测?这似乎无关紧要…如果我用相同的初始估计，这两种方法的收敛性是完全相同的....
IEEE 6总线系统中改进的高斯-塞德尔(G-S)潮流(Matlab)
https://dg-algorithm.blogspot.com/2018/01/modified-gauss-seidel-g-s-load-flow-in.html
不为我工作错的解决方案
求解温度分布的非线性常微分方程: