简单迭代法的总结
线性方程组的直接解法和迭代解法各有什么特点？
线性方程组的直接解法和迭代解法各有什么特点？
你所谓的直接法是不是Axb xA^(-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。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。
迭代矩阵的用法？
您好 算法迭代法迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程， 跟迭代法相对应的是直接法（或者称为一次解法），即一次性解决问题
高斯赛德尔迭代优缺点？
）其优点是收敛速度快，若初值较好，算法将具有平方收敛特性，一般迭代4～5 次便可以
收敛到非常精确的解，而且其迭代次数与所计算网络的规模基本无关。
2）牛顿法也具有良好的收敛可靠性，对于对高斯-塞德尔法呈病态的系统，牛顿法均能可靠
地敛。
3）初值对牛顿法的收敛性影响很大。解决的办法可以先用高斯-塞德尔法迭代1～2 次，以
此迭代结果作为牛顿法的初值。也可以先用直流法潮流求解一次求得一个较好的角度初值，
然后转入牛顿法迭代。
PQ法特点：
(1)用解两个阶数几乎减半的方程组（n-1 阶和n-m-1 阶）代替牛顿法的解一个(2n-m-2)阶方程
组，显著地减少了内存需求量及计算量。
(2)牛顿法每次迭代都要重新形成雅可比矩阵并进行三角分解，而P-Q 分解法的系数矩阵 B’
和B’’是常数阵，因此只需形成一次并进行三角分解组成因子表，在迭代过程可以反复应用，
显著缩短了每次迭代所需的时间。
(3)雅可比矩阵J 不对称，而B’和B’’都是对称阵，为此只要形成并贮存因子表的上三角或下
三角部分，减少了三角分解的计算量并节约了内存。由于上述原因，P-Q 分解法所需的内存
量约为牛顿法的60%，而每次迭代所需时间约为牛顿法的1/5。
二：因为牛顿法每次迭代都要重新生成雅克比矩阵，而PQ法的迭代矩阵是常数阵（第一次形成的）。参数一变，用PQ法已做的工作相当于白做了，相当于重新算，次数必然增多。
有点啰嗦了。。。。