Si on veut un critère d'arrêt, on peut remplacer l'optimal $p^*$ dans \eqref{stopcont} par une approximation avec le minimum de $\hat{f}$, c'est à dire :
On peut alors obtenir une borne sur le nombre d'étapes nécessaires pour atteindre ce critère avec le théorème suivant.
\vspace{2mm}
\PROP{
Si $f$ est strictement convexe de constante $m$ et $\nabla^2 f$ est $L$-Lipschitzienne avec $L > 0$. Alors il existe deux constantes $\eta\in]0, m^2/ L [$ et $\gamma > 0$ tel que :
$$\left\|\nabla f(x)\right\|_2\geqslant\eta\;\Rightarrow\; f \left( x^{(k+1)}\right)- f \left( x^{(k)}\right)\leqslant-\gamma\vspace{-2mm}$$
$$\left\|\nabla f(x)\right\|_2 < \eta\;\Rightarrow\;\dfrac{L}{2m^2}\left\|\nabla f \left( x^{(k+1)}\right)\right\|_2\leqslant\left(\dfrac{L}{2m^2}\left\| f \left( x^{(k)}\right)\right\|_2\right)^2$$
\vspace{-3mm}
}
\paragraph{Phase amortie}
Généralement on utilise le \textit{backtracking} pour ces étapes durant lesquels notre valeur diminue d'au moin $\gamma$ à chaque étape. Si la valeur optimale est finie alors le nombre nécessaire d'étapes est au plus $\left( f \left( x^{(0)}\right)- p^*\right)/\gamma$.
\paragraph{Phase quadratique}
Généralement dans cette phase on utilise toujours $t =1$. De plus si $\left\|\nabla f(x)\right\|_2 < \eta$ alors :
$$ l \geqslant k \;\Rightarrow\;\dfrac{L}{2m^2}\left\|\nabla f \left( x^{(l)}\right)\right\|_2\leqslant\left(\dfrac{L}{2m^2}\left\| f \left( x^{(k)}\right)\right\|_2\right)^{2^{l-k}}\leqslant\left(\dfrac{1}{2}\right)^{2^{l-k}}$$
\paragraph{Conclusion}
Ainsi le nombre d'itérations avant que $f(x)- p^*\leqslant\epsilon$ est inférieur à :