При каком количестве неизвестных? При 400 000 и 8 байт на коэффициент имеем 160 000 000 000 коэффициентов и 1 280 000 000 000 байт на матрицу без сжатия. Ну плюс ещё 3 200 000 байт на свободные члены итого 1 280 003 200 000 байт. 28% за десять лет? Серьёзно? Да и смысл был возиться ради процентов? Ну ладно, ещё 3 200 000 на искомые неизвестные 1 280 006 400 000 байт без сжатия, это всё равно 28%. Смысл возиться? Я за месяц сжал матрицу в 178 раз для 17 000 неизвестных, а основное время ушло не на само программирование, а на вычислительные эксперименты и с новым, и с двумя старыми алгоритмами и на текст. И опубликовал ещё в 2007-м. И даже это считается так себе оптимизацией, хорошая улучшает саму зависимость ресурсоёмкости от размеров задачи. Например, полуторная степень вместо квадрата, квадрат вместо куба, логарифм вместо линейной зависимости. А ты про проценты. Двухкратный и даже трёхкратный результат называется «ловля блох» и рассматривается только когда стоит задача втиснуться в характеристики (или хватает, или нет, а выкинуть нельзя даже одно значение). Или терабайт при миллионах неизвестных? Тогда сравнивать «в лоб» нельзя. И ты толковал про сходимость, а сам втюхиваешь Гаусса. Гаусс не иттерирует по невязке, а иттерации по невязке используют изначально ещё более компактное представление.