虽然这是最基本的非线性求解器，这是令人惊讶的强大。它是基于在C.一般9.6-7数值方法的章为表现良好的功能性和体面初始猜测的Newton-Raphson法，其收敛是至少二次。但是，如果有局部极小它可能会失败，雅可比的条件差或初始估计是从溶液比较远。当收敛为负时，它将试图走回头路，线路搜索。它是从MATLAB优化工具箱和IPOPT（https://projects.coin-or.org/Ipopt）fsolve验证。请参阅帮助的意见和例子。
注：LSQ曲线拟合类型的问题也可以使用newtonraphson解决。这是那里有一个单一的功能很多数据的问题，但该函数的系数是未知的。由于存在比未知量更多的数据，并且残余最小化对于每个数据点，雅可比不是正方形。这些问题通常与标志2退出：“可能收敛。”解决的办法是在“最小二乘法”意义上的最佳选择。
来源：穆迪图是维基百科
http://upload.wikimedia.org/wikipedia/commons/8/80/Moody_diagram.jpg
引用
马克Mikofski（2021）。NewtonRaphson（https://github.com/mikofski/NewtonRaphson），GitHub的。检索到。
在此GitHub附加组件中查看或报告问题，访问github存储库。
在此GitHub附加组件中查看或报告问题，访问github存储库。
