优化方法的理论体系 主要有确定极值点所在区间的进退法（应用推论1）、一维盲人探路法（在进退法基础上增加一个模块）、一阶导数符号法（应用推论2）等。。（二）多维无约束优化方法。。
无约束优化问题有哪些方法 牛顿法 function newton(x0)%用牛顿法求函数f的极少值 syms f x Q w x1 n sum f=x^4-4*x^3-6*x^2-16*x+4；Q=diff(f，x)；求f的一阶导数 W=diff(Q，x)。
最优化问题中，牛顿法为什么比梯度下降法求解需要的迭代次数更少？ 经常看到资料上这么写，谁能给出详细点的解释，比如在几何方面上的解释
