El método de descenso de coordenadas aleatorizado (RCD) es un enfoque simple pero poderoso para resolver sistemas lineales inconsistentes. Con el fin de acelerar este enfoque, se propone el método de descenso de coordenadas aleatorizado acelerado de Nesterov (NARCD). El método de descenso de coordenadas aleatorizado con momento (RCDm) es propuesto por Nicolas Loizou, proporcionaremos un nuevo límite de convergencia. Las tasas de convergencia global de los dos métodos se establecen en nuestro artículo. Además, mostramos que el método RCDm tiene una tasa de convergencia acelerada al elegir un parámetro de momento adecuado. Finalmente, en experimentos numéricos, tanto el RCDm como el NARCD son más rápidos que el RCD para datos distribuidos uniformemente. Además, el NARCD tiene un mejor efecto de aceleración que el RCDm y el método de descenso de gradiente estocástico acelerado de Nesterov. Cuando la correlación lineal de la matriz A es más fuerte, la aceleración de NARCD es mejor.