迭代法求解线性方程组的数值计算方法实验
线性方程组的迭代法是数值分析中的一种重要方法，用于解决线性方程组的问题。迭代法的基本思想是将线性方程组转换为矩阵形式，然后使用迭代公式来求解方程组。常用的迭代法有雅可比（Jacobi）迭代法和高斯—塞德尔（Gauss—Seidel）迭代法。
雅可比迭代法是迭代法的一种， 其矩阵形式为：其中A是系数矩阵，L是下三角矩阵，D是对角矩阵，U是上三角矩阵。在雅可比迭代法中，矩阵A被分解成三个矩阵L、D和U，然后使用迭代公式来求解方程组。
高斯—塞德尔迭代法是迭代法的一种，其矩阵形式为：其中A是系数矩阵，L是下三角矩阵，D是对角矩阵，U是上三角矩阵。在高斯—塞德尔迭代法中，矩阵A被分解成三个矩阵L、D和U，然后使用迭代公式来求解方程组。
本实验的目的旨在比较雅可比迭代法和高斯—塞德尔迭代法的收敛速度。在实验中，我们使用C语言编写了雅可比迭代法和高斯—塞德尔迭代法的源程序，并对其进行了编译和调试。实验结果表明，高斯—塞德尔迭代法比雅可比迭代法收敛速度快。
在实验中，我们还讨论了迭代法的收敛条件和收敛速度的影响因素。收敛条件是指迭代法收敛的必要条件，而收敛速度是指迭代法收敛的速度。我们发现，高斯—塞德尔迭代法比雅可比迭代法收敛速度快，是因为高斯—塞德尔迭代法使用了新的分量来覆盖先前的分量，从而提高了收敛速度。
迭代法是解决线性方程组问题的一种重要方法，雅可比迭代法和高斯—塞德尔迭代法是迭代法的两种常用的方法。在实验中，我们比较了两种方法的收敛速度，讨论了收敛条件和收敛速度的影响因素，为实际问题的解决提供了有价值的参考。
知识点：
1. 迭代法的定义和应用
2. 雅可比迭代法的定义和应用
3. 高斯—塞德尔迭代法的定义和应用
4. 迭代法的收敛条件和收敛速度的影响因素
5. 雅可比迭代法和高斯—塞德尔迭代法的比较
6. 迭代法在数值分析中的应用
关键词：迭代法、雅可比迭代法、高斯—塞德尔迭代法、收敛条件、收敛速度、线性方程组、数值分析。
