Python线性方程组求解：Jacobi迭代法与LU分解法

以下是一个使用Python编写的程序，用于计算线性方程组的Jacobi迭代矩阵，并判断迭代法是否收敛，以及是否采用LU分解法求解方程组。

import numpy as np

# 定义线性方程组的系数矩阵A和常数向量b
A = np.array([[10, -1, 2],
              [-1, 11, -1],
              [2, -1, 10]])
b = np.array([6, 25, -11])

# 定义Jacobi迭代矩阵
D = np.diag(np.diag(A))
L = -np.tril(A, -1)
U = -np.triu(A, 1)
J = np.linalg.inv(D) @ (L + U)

# 判断迭代法是否收敛
eigenvalues = np.linalg.eigvals(J)
rho = np.max(np.abs(eigenvalues))
if rho < 1:
    print('迭代法收敛，可以采用迭代法求解')
else:
    print('迭代法不收敛，采用LU分解法求解')

# 判断方程组是否有唯一解
det_A = np.linalg.det(A)
if det_A != 0:
    print('方程组有唯一解')
else:
    print('方程组无唯一解')

上述程序首先定义了线性方程组的系数矩阵A和常数向量b。然后，根据Jacobi迭代的定义，计算了Jacobi迭代矩阵J。通过计算J的特征值的最大绝对值，判断了迭代法是否收敛。如果收敛，则输出'迭代法收敛，可以采用迭代法求解'；如果不收敛，则输出'迭代法不收敛，采用LU分解法求解'。

接着，通过计算系数矩阵A的行列式，判断了方程组是否有唯一解。如果行列式不为0，则输出'方程组有唯一解'；否则，输出'方程组无唯一解'。

注意：以上程序中的矩阵乘法使用了@操作符，需要Python 3.5及以上的版本才支持。如果使用的是Python 3.4及以下的版本，可以将@替换为np.dot()函数。