Метод градиентного спуска для быдла

import matplotlib as mp
h = 0.31 #шаг итераций
x1 = 0 #начальные точки
x2 = 0
e = 0.0001
crit = 1.0 #критерий остановки
stariy_cal = 2.0
noviy_cal = 1.0
k = 0
def new_func(x,y):
    new_func = 2*x**2+x*y+y**2+x+y #тут записываем вашу функцию
    return new_func
def grad_f(x1,x2,crit,stariy_cal,noviy_cal,k):
    while (crit > e) and (stariy_cal > noviy_cal):
        print(f'итерация: {k}')
        f1 = 4*x1+x2+1 #тут записываем частную производную от функции по x1
        f2 = x1+2*x2+1 #тут по x2
        print(f'градиент функции с на данной итерации: ({f1} ; {f2})')
        crit = (f1**2 +f2**2)**0.5
        print(f'критерий остановки {crit} < {e})')
        new_x1 = x1 - h*f1
        new_x2 = x2 - h*f2
        stariy_cal = new_func(x1,x2)
        noviy_cal = new_func(new_x1,new_x2)
        print(f'делаем шаг по направлению градиента: ({new_x1} ; {new_x2})')
        print(f'новая функция: ({noviy_cal}')
        print('----------------------------------------')
        x1 = new_x1
        x2 = new_x2
        k += 1
    return x1, x2
grad_f(x1,x2,crit,stariy_cal,noviy_cal,k)
print(x1)