简约梯度法的基本思想是通过迭代来积极约束，消去一部分的变量，降低最优化问题的文数，并且每次迭代都产生一个可行下降方向. 简约梯度法是可行方向法的算法中的一种，它的目的是达到简约问题，保持可行性.
    考虑问题
                                                        (1)                     
    其中  ,  ,  是一个秩为 的 的矩阵， , 可行域
为  .
    对 做约束非退化假设：
 (1) 每一个可行点，至少有 个大于 的分量；
 (2) 矩阵 的任意 列线性无关.
    在每一次的迭代当前点 处，将 的 个最大正分量定义为基变量，剩下的 个分量定义为非基变量，目标函数 作为非基变量的函数，求负梯度方向，根据这个方向可从 到 迭代为可行下降搜索方向.
                                   
 , ,称 为基向量，其分量为基变量，称 为非基向量，其分量为非基变量.
    假如矩阵 的前 列对应基变量，则  ， 为满秩方阵， 为一个 的非基变量矩阵，则
    
因为  的存在，所以有  .
    目标函数 可表示成 ,再运用复合函数求导法则，有
                                (2)
其中 为 在 处对应基矩阵 的简约梯度.
                             (3)     其中 对基变量的偏导数组成的向量为 ， 对非基变量的偏导数组成的向量 .
    矩阵 分解为 ,则 在 处的简约梯度为
                                      (4)
则搜索方向 的分解为
                                                          (5)                     
又有 的分量 的情况为：
                                                  (6)
 的情况为
                                                     (7)
综合得搜索方向为 简约梯度法求解约束非线性优化问题的推广应用及其在Matlab中的实现 (2):http://www.youerw.com/shuxue/lunwen_7145.html