Рассмотрим следующую задачу локальной безусловной оптимизации: найти минимум критерия оптимальности (), определенного в -мерном евклидовом пространстве ,

 (1)

Введем прежде следующие понятия: векторы , принадлежащие пространству , называются векторами сопряженными относительно матрицы A (A – ортогональными векторами), если для всех .
В методе сопряженных направлений применяется итерационная формула метода Гаусса-Зейделя в виде, близком к использованному в параграфе 6.3.
Положим и пусть ,,..., - орты используемой системы координат. Тогда итерационную формулу метода Гаусса-Зейделя можно записать в виде

 (2)

где коэффициенты находятся из условий

 (3)

Схема метода сопряженных направлений:
  1. Задаем начальную точку и полагаем =0, =1.
  2. Последовательно для =1,2,..., по формулам (2), (3) находим точки , , .
  3. Исходя из точки , еще раз находим минимум функции () вдоль первого координатного направления - вычисляем координаты точки
     (4)

    где коэффициент находится из условия
     (5)

  4. Исходя из точки , находим минимум функции вдоль вектора - вычисляем
     (6)

    где коэффициент находится из условия
     (7)

  5. Если одно из стандартных условий окончания итераций
     (8)


    выполнено, то полагаем , и заканчиваем вычисления. Иначе - полагаем =+1 и переходим к п.2)
Метод сопряженных направлений иллюстрирует рис. 1, на котором показаны линии уровня функции Химмельблау (=2).
Рис. 1.  Траектория поиска минимума функции Химмельблау методом сопряженных направлений.
Рассмотрим еще один пример – см. рис. 2, на котором показаны линии уровня двумерной квадратичной функции

 (9)

Линии уровня получены с помощью MATLAB-программы, приведенной в параграфе 6.1.
Рис. 2.  Траектория поиска минимума квадратичной функции (9) методом сопряженных направлений.
Произвольную -мерную квадратичную функцию можно записать в виде

 (10)

где – квадратная * матрица, *1 столбец, – скалярная константа. Например, если положить
то имеем функцию (9):
Утверждение 1. В случае минимизации двумерной квадратичной функции (10) методом сопряженных направлений, направления , являются -ортогональными.
Доказательство (см. рис. 2). По определению -ортогональности для доказательства утверждения достаточно показать, что скалярное произведение

 (11)

Легко видеть, что производная функции (10) равна . Поэтому Подставляя этот результат в выражение (11), получим .
Последнее равенство следует из ортогональности пар векторов
Утверждение 1 объясняет название рассмотренного метода.
Заметим, что при минимизации квадратичной функции методом сопряженных направлений минимум достигается за одну итерацию.