Konjugiertes Gradienten-Verfahren
Anstatt die vollständige Matrix zu speichern und dichte Operationen zu verwenden, baut CG eine Folge von Suchrichtungen auf, die bezüglich der Matrix A orthogonal (konjugiert) sind. Jede Iteration bewegt sich entlang der Richtung des steilsten Abstiegs, angepasst an frühere Schritte, was sicherstellt, dass alte Richtungen nicht wiederholt werden. Diese Konjugiertheit garantiert die Konvergenz in endlichen Schritten, ohne die Matrixinverse berechnen zu müssen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Conjugate Gradient Method for Linear Systems. ScholarGate. https://scholargate.app/de/numerical-methods/conjugate-gradient-method
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- GMRESNumerische Methoden↔ vergleichen
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →