единичный вектор направления антиградиента функции

(

) в точке

,

- некоторая векторная норма, например, евклидова. Напомним, что градиент функции

(

) в точке

есть значение вектора частных производных этой функции в точке

:
Градиентный метод наискорейшего спуска.
В качестве критерия окончания поиска можно использоваться условия (5) – (7).
1. Постановка задачи.
 | (10) |
 | (11) |
Принять

,

, в качестве нормы вектора градиента использовать евклидову норму.
Траекторию поиска изобразить на рис. 3, на котором приведены линии уровня квадратичной функции (11), полученные с помощью MATLAB-программы, приведенной в параграфе 6.1.
Рис. 3. К примеру 1. Фрагмент (три итерации) траектории поиска минимума функции (11) градиентным методом с дроблением шага, исходя из точки X0=(x0,y0)=(-2.0,1.0).
2. Итерационная формула.
 | (12) |
 | (13) |
а величина шага

находится из условия
 | (14) |
Найдем явные выражения для частных производных функции (11):
 | (15) |
 | (16) |
3.Первая итерация (
=0).
Из формул (15), (16) последовательно имеем
Таким образом,

(см. рис. 3).
Условие (14) на первой итерации имеет вид
Поскольку
левая часть этого неравенства равна

. Его правая часть, легко видеть, равна

.
Таким образом, на первой итерации условие (14) выполняется и величина шага

должна быть изменена:

4.Вторая итерация (
=1).
Аналогично первой итерации последовательно имеем
Таким образом,

(см. рис. 3).
Условие (14) на второй итерации имеет вид
Поскольку
левая часть этого неравенства равна

. Его правая часть, легко видеть, равна

.
Таким образом, на второй итерации условие (14) выполняется и величина шага

должна быть изменена:

.
5.Третья итерация (
=2).
Аналогично первой итерации последовательно имеем
Таким образом,

(см. рис. 3).
Условие (14) на третьей итерации имеет вид
Поскольку
левая часть этого неравенства равна

. Его правая часть, легко видеть, равна

.
Таким образом, на третьей итерации условие (14) выполняется и величина шага

должна быть изменена:

.