Метод градиентного спуска (наискорейшего спуска) — алгоритм поиска локального минимума функции. Основная идея: движение в направлении антиградиента (против градиента) с шагом сходимости (λ). На каждой итерации новое значение аргумента вычисляется по формуле: xₙ₊₁ = xₙ - λ·∇f(xₙ). Шаг λ влияет на скорость и стабильность сходимости: слишком большой шаг вызывает колебания, слишком маленький — замедляет процесс. В примере на Python показано, как метод работает для параболы f(x) = x² - 5x + 6. Также рассмотрена нормировка градиента (приведение его длины к 1), которая делает сходимость независимой от величины градиента, оставляя только его направление. Для реализации используются библиотеки matplotlib (визуализация) и numpy (вычисления).
