Я могу предоставить вам программу на Python для метода Гаусса-Зейделя, а также других численных методов. Вот пример кода метода Гаусса-Зейделя:

def gauss_seidel(A, b, x0, tolerance, max_iterations):
    n = len(A)
    x = x0.copy()
    for k in range(max_iterations):
        for i in range(n):
            sum_ax = 0
            for j in range(n):
                if j != i:
                    sum_ax += A[i][j] * x[j]
            x[i] = (b[i] - sum_ax) / A[i][i]
        if all(abs(A.dot(x) - b) <= tolerance):
            return x
    return x
# Example usage
A = [[4, -1, 0], [1, 3, -1], [2, 0, 5]]
b = [1, 2, 3]
x0 = [0, 0, 0]
tolerance = 1e-6
max_iterations = 100
solution = gauss_seidel(A, b, x0, tolerance, max_iterations)
print("Solution:", solution)

Этот код определяет функцию gauss_seidel, которая принимает матрицу коэффициентов A, вектор констант b, начальное предположение x0, значение допуска для сходимости и максимальное разрешенное количество итераций. Он выполняет итерацию Гаусса-Зейделя до тех пор, пока решение не сойдётся или не будет достигнуто максимальное количество итераций.

Вот еще несколько числовых методов, которые могут оказаться вам полезными:

1. Метод Якоби:

   def jacobi(A, b, x0, tolerance, max_iterations):
   n = len(A)
   x = x0.copy()
   for k in range(max_iterations):
       x_new = x.copy()
       for i in range(n):
           sum_ax = 0
           for j in range(n):
               if j != i:
                   sum_ax += A[i][j] * x[j]
           x_new[i] = (b[i] - sum_ax) / A[i][i]
   
       if all(abs(A.dot(x_new) - b) <= tolerance):
           return x_new
       x = x_new
   return x
   # Example usage
   A = [[4, -1, 0], [1, 3, -1], [2, 0, 5]]
   b = [1, 2, 3]
   x0 = [0, 0, 0]
   tolerance = 1e-6
   max_iterations = 100
   solution = jacobi(A, b, x0, tolerance, max_iterations)
   print("Solution:", solution)

2. Метод Ньютона:

   def newton_method(f, f_prime, x0, tolerance, max_iterations):
   x = x0
   for k in range(max_iterations):
       fx = f(x)
       if abs(fx) <= tolerance:
           return x
   
       f_prime_x = f_prime(x)
       if f_prime_x == 0:
           break
   
       x = x - fx / f_prime_x
   return x
   # Example usage
   import math
   def f(x):
   return x2 - 2
   def f_prime(x):
   return 2 * x
   x0 = 1.5
   tolerance = 1e-6
   max_iterations = 100
   solution = newton_method(f, f_prime, x0, tolerance, max_iterations)
   print("Solution:", solution)

3. Метод деления пополам:

   def bisection_method(f, a, b, tolerance, max_iterations):
   if f(a) * f(b) >= 0:
       raise ValueError("Function must have opposite signs at endpoints.")
   
   for k in range(max_iterations):
       c = (a + b) / 2
       if abs(f(c)) <= tolerance:
           return c
   
       if f(c) * f(a) < 0:
           b = c
       else:
           a = c
   return (a + b) / 2
   # Example usage
   import math
   def f(x):
   return x3 - x2 - x - 1
   a = 1
   b = 2
   tolerance = 1e-6
   max_iterations = 100
   solution = bisection_method(f, a, b, tolerance, max_iterations)
   print("Solution:", solution)