पूर्ण रूप से!
सबसे पहले, कुछ रैखिक बीजगणित प्रणाली केवल मैट्रिक्स के आधे हिस्से को स्टोर करने के लिए पर्याप्त स्मार्ट हैं, इससे आपको मेमोरी का एक गुच्छा बच सकता है। लेकिन अगर ऐसा नहीं होता है, तो संख्यात्मक रेखीय बीजगणित में विभिन्न एल्गोरिदम समरूपता का फायदा उठाएंगे।
उदाहरण के लिए, एक सममित मैट्रिक्स को देखते हुए, कोई भी ईजेनसोल्वर तुरंत जान जाएगा कि सभी eigenvalues वास्तविक-मूल्यवान हैं, और समाधान विधि उस तथ्य का उपयोग कर सकती है।
एक विशिष्ट बात जो कई लोग सोचेंगे समीकरण प्रणाली के समाधान के लिए क्रायलोव उप-प्रजातियां विधियां हैं Ax=b: यदि आपकी समस्या सममित है, तो आप जानते हैं कि आपको GMRES जैसी गैर-समसामयिक समस्या के लिए विधियों की आवश्यकता नहीं है, और कुछ कम मेमोरी-गहन जैसे MINRES, या - यदि आपका मैट्रिक्स भी सकारात्मक-निश्चित है - CG क्रायलोव तरीकों का अभिसरण व्यवहार हालांकि, क्रमपरिवर्तन से प्रभावित नहीं होता है, इसलिए आप अपनी बेदाग प्रणाली के लिए सममित तरीकों का भी उपयोग कर सकते हैं।
एक अन्य उदाहरण आपके मैट्रिक्स का कारक है A=LU एक निचले-त्रिकोणीय भाग में L और एक ऊपरी त्रिकोणीय भाग U। अगरA सममित है, फिर A=LLT, और आपको केवल एक कारक ( चोल्स्की अपघटन ) को स्टोर करना होगा ।