Solveur linéaire itératif qui construit des directions de recherche mutuellement conjuguées pour minimiser la forme quadratique associée à une matrice symétrique définie positive et au second membre.

Principe

Construire une suite de directions de recherche conjuguées par rapport à la matrice du système pour que les composantes d'erreur soient éliminées dans des sous-espaces orthogonaux, conduisant à une convergence rapide pour des problèmes bien conditionnés.

Démonstration

Appliquée à un système creux symétrique défini positif A x = b, la méthode produit des itérés qui minimisent l'erreur pondérée par A et, en arithmétique exacte, atteint la solution exacte en au plus n étapes pour n inconnues.

Mauvaise application

Exécuter la méthode sur une matrice non symétrique ou indéfinie sans modification entraîne souvent des ruptures ou une convergence incorrecte ; des variantes spécialisées sont nécessaires.

Conséquence

Fournit un solveur économe en mémoire avec une convergence rapide pour de grands problèmes creux lorsque la matrice satisfait aux exigences de symétrie et de positivité définie.

Inversion

Les méthodes de factorisation directe (par ex. l'élimination de Gauss) calculent la solution par décomposition matricielle plutôt que par minimisation itérative en sous-espaces et échangent mémoire contre étapes arithmétiques prévisibles.

Limite

Exige que la matrice du système soit symétrique et définie positive ; le préconditionnement est généralement nécessaire pour les systèmes mal conditionnés et d'autres algorithmes sont utilisés hors de ce cadre.

Tension sémantique

Par rapport à la descente de gradient : la descente de gradient utilise les gradients comme directions et peut converger lentement, tandis que les directions conjuguées accélèrent la convergence en évitant la réduction répétée des mêmes composantes d'erreur.

Synthèse

Algorithme itératif qui, en construisant des directions conjuguées et en minimisant la forme quadratique associée, résout efficacement de grands systèmes linéaires symétriques définis positifs avec un préconditionnement adapté.