////metoda gradientów sprzężonych
solution CG(matrix x0, double h0, double epsilon, int Nmax, matrix* ud, matrix* ad) {
	int n = get_len(x0);
	solution X, X1;
	X.x = x0;
	matrix d(n, 1), * P = new matrix[2];
	solution h;
	double* ab, beta;
	X.grad();
	//d0 jest rowne gradientowi
	d = -X.g;
	while (true) {
		if (h0 < 0) {
			P[0] = X.x;
			P[1] = d;
			ab = expansion(0, 1, 1.2, Nmax, ud, P);
			h = golden(ab[0], ab[1], epsilon, Nmax, ud, P);
			X1.x = X.x - h.x * d;
		}
		else
			X1.x = X.x + h0 * d;
#if LAB_NO == 5 && LAB_PART == 2
		ud->add_row(trans(X1.x));
#endif
		if (norm(X.x - X1.x) < epsilon || solution::f_calls > Nmax || solution::g_calls > Nmax) {
			X1.fit_fun(ud);
			return X1;
		}
		X1.grad();
		// betda do okreslania kolejnych wartosci kierunku
		beta = pow(norm(X1.g), 2) / pow(norm(X.g), 2);
		d = -X1.g + beta * d;
		X = X1;
	}
}