Если
то продолжаем процесс, исходя из
и двигаясь в направлении вектора
и снова на прямой
отыскиваем точку, в которой
имеет минимальное значение. Если уже найдено
приближение
то находим из условия минимума функции
и полагаем
На каждом шаге придется решать уравнение
с одним неизвестным X, что может быть выполнено одним из описанных выше методбв.
Реализуя этот метод, мы на каждом шаге движемся в направлении быстрейшего убывания функции
Если начальное приближение выбрано достаточно хорошо и в окрестности искомого решения а нет других минимумов, то этот процесс быстро даст искомое решение с заданной точностью. Если в окрестности а имеются другие минимумы, то при неудачном выборе
процесс сойдется, но не приведет к искомому решению.
Применение метода скорейшего спуска на каждом шаге требует выполнения большой вычислительной работы. Поэтому, вместо того чтобы двигаться в направлении градиента
можно двигаться из в направлении какого-либо другого вектора, не касательного к поверхности
Проще всего брать векторы в направлении координатных осей. Так, в релаксационном методе, имея начальное приближение
вычисляют производные
и если
наибольшая из них, то
находят из условия
где
вектор в направлении I-й координатной оси. Это равносильно уточнению I-й неизвестной при неизменных остальных.