Метод покоординатного спуска

Оптимизация методом покоординатного спуска. Минимизация функции внутри квадрата с точностью E
Решение задач по физике и математике | resh_stud_zadach

[@alexeykruglov8185]

Классное видео, все понятно, спасибо

[@user-wc8pt7rr1b]

В последней итерации, там минимум при x = 0.43, но y = 0.41

[@user-xh7dd4yl2x]

Методом покоординатного спуска мы доходим до первого значения, которое является приближённым локальным минимумом с точностью epsilon 0.01. Вы сначала идёте с шагом 0,1. Я понимаю что чтобы сделать метод более быстрым. Но мы же из-за такого большого шага можем пропустить возрастания функции. Допустим при x = 0.38, y = 0.1, f = -0.07099192837287553, а при x = 0.39, y = 0.1, f_now = -0.07096213215937977. Значит после x = 0.38 происходит возрастание функции. Возможно в математике на такие мелочи не смотрят и я докапываюсь?