如，设A为对称正定矩阵，在向量d的A范数d,=(d”Ad)2不大 于1的限制下，极小化Vf(x)d,则得到的最速下降方向与前者 不同. 10.1.2最速下降算法 最速下降法的迭代公式是 x(k+1)=x(k)tad(k) (10.1.6) 其中dk是从x(k出发的搜索方向，这里取在点x(k)处的最速下 降方向，即 d)=-7f(xk) 2,是从x)出发沿方向d)进行一维搜索的步长，即人满足 f(xd()=min f(x+d() (10.1.11)如,设 为对称正定矩阵,在向量 的 范数 不大 于1的限制下,极小化 ,则得到的最速下降方向与前者 不同. A d A 2 1 d (d Ad) T A = f x d T  ( ) 10.1.2 最速下降算法 最速下降法的迭代公式是 ( 1) ( ) (k ) k k k x = x +  d + (10.1.6) 其中 是从 出发的搜索方向,这里取在点 处的最速下 降方向,即 ( ) (k ) (k ) d = −f x (k ) d (k ) x  k 是从 x (k ) 出发沿方向 d (k ) 进行一维搜索的步长,即  k 满足 ( ) min ( ) ( ) ( ) 0 ( ) (k ) k k k k f x  d f x d  + = +  (10.1.11) (k ) x