Многомерная безусловная минимизация. Методом градиентного спуска найти минимум следующей функции Fx1

Начальный шаг выбрать равным 0,05. Начальное приближение выбрать таким:
x1(0) =0,x2(0) =0
Fx1,x2=7x12-0,8x22+0,08x1+0,8x2+11
Найдем частные производные заданной функции:
m = ∂F∂x1 = 14x1 + 0,08
n = ∂F∂x2 = -1,6x2 + 0,8
Значения координат градиента в точке x1 (0) = 0, x2 (0) = 0:
m1 = 14∙ 0 + 0,08 = 0,08
n1 = -1,6∙ 0 + 0,8 = 0,8
Так как координаты градиента ненулевые, то точка А не является точкой минимума . Составим параметрические уравнения луча, исходящего из этой точки:
x1 = x10 - m1t = -0,1t
x2 = x20 - n1t = -0,8t
t1 = 0,05.
Вычислим координаты следующей точки, двигаясь по указанному ранее лучу от начальной точки А на величину параметра t1 = 0,05:
x1 = x1(0) - m1t = -0,004
x2 = x2(0) - n1t = -0,04
Найдем координаты градиента:
m1 = 0,024
n1 = 0,864
Вычисления представлены в таблице:
x1
x2
F(x1,x2)
m n ∆
0 0 11 0,08 0,8 0,80399
-0,004 -0,04 10,96651 0,024 0,864 0,864333
-0,0052 -0,0832 10,92768 0,0072 0,93312 0,933148
-0,00556 -0,12986 10,8824 0,00216 1,00777 1,007772
-0,00567 -0,18024 10,82959 0,000648 1,088391 1,088391
-0,0057 -0,23466 10,76799 0,000194 1,175462 1,175462
-0,00571 -0,29344 10,69614 5,83E-05 1,269499 1,269499
-0,00571 -0,35691 10,61233 1,75E-05 1,371059 1,371059
-0,00571 -0,42547 10,51458 5,25E-06 1,480744 1,480744
-0,00571 -0,4995 10,40057 1,57E-06 1,599204 1,599204
-0,00571 -0,57946 10,26758 4,72E-07 1,72714 1,72714
-0,00571 -0,66582 10,11246 1,42E-07 1,865311 1,865311
-0,00571 -0,75909 9,931535 4,25E-08 2,014536 2,014536
-0,00571 -0,85981 9,720501 1,28E-08 2,175699 2,175699
Так как на каждой итерации значение функции уменьшается, а градиент по x2 увеличивается, функция не имеет минимума.