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
牛顿法求解无约束最优化问题的方法 B6公式是从B2对x求导得到的pk是定义的方向，沿着负梯度方向，后面是证明这样确实是f(x)减小的方向。这些在《数值计算》这些书里都有。
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)。
