共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-Conjugate gradient method (Conjugate Gradient) between the steepest descent between law and Newton'

共轭梯度法可以实现正定线性方程组的求解，并可以通过实例进行验证-Conjugate gradient method can achieve positive definite linear equations, and can be verified by an example

最优化算法程序，包含费线性最小二乘、共轭梯度法、牛顿法-Linear least squares optimization algorithm procedures, including fees, conjugate gradient method, Newton method and so on