Definición
Un solucionador lineal iterativo que construye direcciones de búsqueda mutuamente conjugadas para minimizar la forma cuadrática asociada a una matriz simétrica y definida positiva y su término independiente.

Principio

Principio
Construir una secuencia de direcciones de búsqueda conjugadas respecto a la matriz del sistema para que las componentes del error se eliminen en subespacios ortogonales, logrando convergencia rápida en problemas bien condicionados.

Demostración

Demostración
Aplicado a un sistema simétrico y definido positivo esparso A x = b, el método produce iterados que minimizan el error ponderado por A y, en aritmética exacta, alcanza la solución exacta en a lo sumo n pasos para n incógnitas.

Aplicación incorrecta

Aplicación incorrecta
Ejecutar el método en una matriz no simétrica o indefinida sin modificaciones suele provocar fallos o convergencia incorrecta; se requieren variantes especializadas para esos casos.

Consecuencia

Consecuencia
Proporciona un solucionador eficiente en memoria con convergencia rápida para problemas grandes y esparcidos cuando la matriz cumple los requisitos de simetría y definitud positiva.

Inversión

Inversión
Los métodos de factorización directa (p. ej., eliminación de Gauss) calculan la solución mediante descomposición matricial en lugar de minimización iterativa en subespacios y cambian memoria por pasos aritméticos previsibles.

Límite

Límite
Requiere que la matriz del sistema sea simétrica y definida positiva; el precondicionamiento suele ser necesario para sistemas mal condicionados y se emplean otros algoritmos fuera de este alcance.

Tensión semántica

Tensión semántica
Frente al descenso por el gradiente: éste usa los gradientes como direcciones y puede converger lentamente, mientras que las direcciones conjugadas aceleran la convergencia evitando reducciones repetidas de las mismas componentes de error.

Síntesis

Síntesis
Algoritmo iterativo que, mediante la construcción de direcciones conjugadas y la minimización de la forma cuadrática asociada, resuelve de manera eficiente grandes sistemas lineales simétricos definidos positivos con precondicionamiento adecuado.