Jacobi迭代法的Matlab实现

Jacobi迭代法是一种求解线性方程组的迭代算法。其基本思想是通过不断迭代逼近方程的解。下面是一个简单的Matlab实现：

function x = jacobi(A, b, x0, tol, max_iter)
% A：系数矩阵
% b：常数列向量
% x0：初始解向量
% tol：误差容忍度
% max_iter：最大迭代次数
n = length(b); % 方程组个数
x = x0; % 初始化解向量
for k = 1:max_iter
x_old = x;
for i = 1:n
sum1 = A(i, 1:i-1)*x_old(1:i-1); % 计算左侧部分
sum2 = A(i, i+1:n)*x_old(i+1:n); % 计算右侧部分
x(i) = (b(i) - sum1 - sum2) / A(i, i); % 更新解向量
end
if norm(x - x_old, inf) < tol % 判断是否达到误差容忍度
break;
end
end
end

使用该函数时，需要传入系数矩阵A、常数列向量b、初始解向量x0、误差容忍度tol和最大迭代次数max_iter。函数将返回最终的解向量x。注意，这里使用了inf范数来比较解向量的变化，即当解向量的无穷范数小于给定的误差容忍度时，认为迭代收敛。
以下是一个简单的示例，演示如何使用该函数求解一个线性方程组：

% 系数矩阵A和常数列向量b
A = [4, -3, 0; -3, 4, -3; 0, -3, 4];
b = [15; -14; 9];
% 初始解向量x0和误差容忍度tol
x0 = [1; 1; 1];
tol = 1e-6;
% 最大迭代次数max_iter
max_iter = 1000;
% 调用jacobi函数求解线性方程组
x = jacobi(A, b, x0, tol, max_iter);
disp(x); % 输出最终解向量x

在这个例子中，我们使用了系数矩阵A和常数列向量b，以及初始解向量x0和误差容忍度tol来调用jacobi函数。最后，我们输出了最终的解向量x。由于这是一个简单的例子，所以最终的解向量应该是[2; 2; 2]。