Los métodos de subgradiente se utilizan con frecuencia para problemas de optimización. Sin embargo, las técnicas de subgradiente se caracterizan por una convergencia lenta para minimizar funciones cóncavas de barranco. Para acelerar los métodos de subgradiente, se utilizan transformaciones lineales especiales no ortogonales del espacio original. Este documento proporciona una visión general de estas transformaciones basadas en la idea original de Shor. Se consideran dos transformaciones lineales de rango uno del espacio euclidiano. Estas transformaciones simples forman la base de los métodos de métrica variable para la minimización convexa que tienen una interpretación geométrica natural en el espacio transformado. Junto con la transformación del espacio, se debe definir una dirección de búsqueda y un tamaño de paso correspondiente. Se analizan los métodos de tipo Fejér de subgradiente para minimizar funciones convexas, y se utiliza el tamaño de paso de Polyak para problemas con un valor objetivo óptimo conocido. Se proporcionan teoremas de convergencia junto con los resultados de experimentos numéricos. Se discuten las direcciones para futuras investigaciones.