Conjugate Gradient Method
The Conjugate Gradient (CG) Method is an iterative algorithm for solving large sparse symmetric positive-definite linear systems Ax = b, developed by Hestenes and Stiefel in 1952. It is one of the most widely used iterative solvers in scientific computing because it converges in at most n iterations for an n × n matrix and typically requires far fewer.
Quellendatensatz
Zitate wörtlich aus dem Quellendatensatz der Methode übernommen. Daraus wird keine Überprüfung auf Claim-Ebene abgeleitet.
- Hestenes, M. R., & Stiefel, E. (1952). Methods of conjugate gradients for solving linear systems. Journal of Research of the National Bureau of Standards, 49(6), 409–436. · DOI 10.6028/jres.049.044
- Saad, Y. (2003). Iterative Methods for Sparse Linear Systems (2nd ed.). SIAM. · DOI 10.1137/1.9780898718003
- Nocedal, J., & Wright, S. J. (2006). Numerical Optimization (2nd ed.). Springer. · DOI 10.1007/978-0-387-40065-5
Kuratiert Claims
Claims im Evidenz-Ledger gespeichert, jeder mit seiner eigenen Bewertung.
Diese Ansicht erfindet keine Claim-Bewertung, wenn das Ledger keine hat.
Verwandte Methoden
Generiert aus dem Methoden-Graphen und als maschinell vorgeschlagene Beziehungen angezeigt – es wird kein Evidenz-Claim abgeleitet.