ScholarGate
Assistent
Machine learningKrylov Subspace Iterative

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.

In MethodMind öffnenDemnächstVideoDemnächstFolien herunterladen

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Konjugiertes Gradienten-Verfahren
GMRES

Quellen

  1. 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
  2. Saad, Y. (2003). Iterative Methods for Sparse Linear Systems (2nd ed.). SIAM. DOI: 10.1137/1.9780898718003
  3. 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.

Nebeneinander vergleichen

Referenziert von

ScholarGateConjugate Gradient Method (Conjugate Gradient Method for Linear Systems). Abgerufen am 2026-06-15 von https://scholargate.app/de/numerical-methods/conjugate-gradient-method · Datensatz: https://doi.org/10.5281/zenodo.20539026