共轭梯度（法）：一种常用的迭代算法，主要用于求解大型稀疏的对称正定线性方程组 \(Ax=b\)，也可用于无约束优化中沿“共轭方向”逐步逼近最优解。常见搭配：conjugate gradient method / CG。
/kndt redint/
We used conjugate gradient to solve the equation.
我们用共轭梯度法来解这个方程。
For large sparse symmetric positive definite matrices, conjugate gradient often performs well, especially with an effective preconditioner.
对于大型稀疏的对称正定矩阵，共轭梯度法通常表现很好，尤其是在配合有效的预条件器时。
conjugate 源自拉丁语 conjugare（“结合、成对连接”），在数学里引申为“共轭的/相互配对的”。gradient 来自拉丁语 gradus（“步、级、梯度”），在数学中指函数变化最快的方向（梯度）。合起来强调：算法每一步选择的搜索方向彼此“共轭”（相对某个矩阵内积正交），从而提高收敛效率。
Select Language