请使用MATLAB编写程序.用Jacobi解如下方程组(误差为0.5e-6，请写出完整代码

在MATLAB中，我们可以使用内置的`linalg`工具箱中的`jacobi`函数来求解线性方程组。`jacobi`函数是一种迭代法，用于求解大规模稀疏矩阵的最小二乘解。下面是一个完整的示例，假设我们有一个系数矩阵 `A` 和对应的右侧向量 `b`，并且需要达到精度为0.5e-6：

% 假设你的系数矩阵 A 和常数项 b 已经准备好，比如：
A = ...; % 稀疏矩阵，例如通过 gallery('lehmer', n) 生成一个测试例子
b = ...;

% 设置迭代次数（通常较大一些以保证收敛）
maxIter = 1000;
tolerance = 1e-6; % 指定误差容忍度

% 定义 Jacobi 迭代函数
function x = jacobi(A, b, maxIter, tolerance)
    % 初始化解
    x = zeros(size(b));
    r = b - A*x; % 初始残差

    for iter = 1:maxIter
        D = diag(diag(A)); % 对角元素
        DinvR = D \ r; % 计算对角主导矢量的逆除法
        
        if norm(r - DinvR, 'inf') < tolerance
            break; % 如果满足停止条件，则退出循环
        end
        
        x = x + DinvR; % 更新近似解
        r = r - A*x; % 更新残差
    end
    
    x;
end

% 调用 Jacobi 解算法并设置所需的精度
solution = jacobi(A, b, maxIter, tolerance);

% 打印结果
disp("Solution: ");
disp(solution);

请注意，实际运行这段代码前，你需要替换 `A` 和 `b` 为你实际的系数矩阵和常数项，并根据需要调整 `maxIter` 的值。如果方程组非常大，可能需要更长的时间才能达到指定的精度。