В оптимизации направление спуска - это вектор , что в приведенном ниже смысле приближает нас к локальному минимуму нашей целевой функции .
Предположим, мы вычисляем итерационным методом, таким как поиск по строке. Мы определяем направление спуска в точке th итерация должна быть любой такой, что , где обозначает внутренний продукт. Мотивация для такого подхода заключается в том, что небольшие шаги по гарантируют, что сокращается по теореме Тейлора.
Используя это определение, отрицательное значение ненулевого градиента всегда является направлением спуска, так как .
Существует множество методов вычисления направлений спуска, все с разными достоинствами. Например, можно использовать градиентный спуск или метод сопряженного градиента.
В более общем случае, если является положительным определенная матрица, тогда - направление спуска в . Эта универсальность используется в методах предварительно обусловленного градиентного спуска.