Сделаем ряд дополнительных допущений. Пусть множество допустимых значений определяется только ограничениями типа неравенств и ограничивающие функции являются непрерывными, дифференцируемыми и выпуклыми:
 (1)

 (2)

Пусть функция также непрерывна, дифференцируема и выпукла во множестве .
Суть метода линейной аппроксимации.
Метод линейной аппроксимации использует на каждой итерации линейную аппроксимацию целевой функции и ограничивающих функций в окрестности текущей точки
 (3)

 (4)

Вместо задачи (1) на каждой итерации решается вспомогательная задача линейного программирования
 (5)

где .
В изложенном виде метод может привести к выходу точки за пределы допустимой области (см. прим. 1).
Пример 1
Рассмотрим следующую двумерную задачу условной оптимизации с тремя ограничениями типа неравенств (первое ограничение – нелинейное, второе и третье ограничения — линейные):
где
Положим, что текущая точка есть . Линеаризуем целевую функцию и ограничивающую функцию в окрестности этой точки. Поскольку , по формуле (3) имеем
Аналогично для ограничивающих функции по формуле (4) имеем:
Пример иллюстрирует рис. 1, на котором линии уровня целевой функции получены с помощью следующей MATLAB-программы:
x = -2 : 0.1 : 6;
y = x;
[X, Y] = meshgrid(x);
Z = X.^2 + (Y - 6.).^2 - 12;
V = [-10, -5, 0, 5, 10, 20, 40, 80];
[C, h] = contour(X, Y, Z, V);
clabel(C, h);
Рис. 1.  Точка Xr+1 лежит вне области допустимых значений D.
Примечание 1
Прямая представляет собой след от пересечения плоскости, которая является касательной к поверхности в точке , с плоскостью 0x1x2. Эта прямая не обязательно является касательной к линии — прямая может пересекать кривую , быть касательной к ней или не иметь с ней общих точек. Аналогично, линия уровня функции представляет собой след от пересечения плоскости, которая является касательной к поверхности в точке , с плоскостью .
Чтобы избежать выхода текущей точки за границы области допустимых значений, следующее приближение к точке минимума функции из множества находится по формуле
 (6)

где — решение вспомогательной задачи линейного программирования (5).
Величина шага в формуле (6) в разных вариантах метода линейной аппроксимации может определяться разными способами. Приведем два из множества возможных способов.
1-й способ выбора величины шага . Величина находится как решение задачи одномерной оптимизации функции на отрезке :
 (7)

2-й способ выбора величины шага . Полагаем и по формуле (6) находим вектор . Вычисляем значение целевой функции в полученной точке. Если условие
 (8)

не выполнено, то уменьшаем величину шага (например, в два раза) и повторно проверяем выполнение условия (8). Дробление шага и вычисление производим до выполнения условия (8).
Схема метода линейной аппроксимации.
Рассмотрим вариант метода, в котором используется 1-й способ выбора величины шага .
  1. Задаем начальную точку и полагаем счетчик числа итераций .
  2. Вычисляем градиенты функций в точке .
  3. Решаем задачу линейного программирования (5) – находим точку .
  4. Решаем одномерную задачу минимизации (7) – находим величину шага и вектор .
  5. Проверяем условие окончания поиска (см. ниже). Если условие окончания поиска выполнено, то полагаем и завершаем итерации. Иначе – полагаем и переходим к п.2
В качестве критерия окончания поиска можно использовать стандартные условия окончания итераций
или условие
где — константа, определяющая требуемую точность решения по градиенту функции .
Отметим следующие трудности, возникающие при использовании метода линейной аппроксимации:
  1. Если функция имеет высокую степень нелинейности, то на основе решения вспомогательной задачи минимизации (5) направление поиска может быть выбрано слишком неточно (см. рис. 2), что приводит к медленной сходимости метода.
  2. Метод требует, чтобы точка принадлежала множеству допустимых значений . Если это требование не выполнено, то прежде приходится использовать какой-либо метод поиска точки, принадлежащей множеству допустимых значений.
Рис. 2.  Направление поиска (Xr+1-Xr), которое обеспечивает метод на основе линейной аппроксимации, далеко от оптимального направления (X*-Xr).
Возможны модификации метода линейной аппроксимации, при которых необходимые производные вычисляются с помощью конечных разностей.