画出搜索数据
功用函数 
和 
对一维和二维函数的 FindMinimum 和 FindRoot 显示搜索数据. 它们与FindMinimum 和 FindRoot 有基本相同的参数，除此之外它们还有另外的选项，这些选项影响了它们为画图所调用的图形函数，并且它们不具有 FindMinimum 和 FindRoot 所有的 HoldAll 属性.
| FindMinimumPlot[f,{x,xst},opts] | 画出步骤和点的图，其中，在这些点函数 f 和它的任何导数在FindMinimum[f, {x, xst}] 中被评估，并且在一个 f 相对于 x 的图中叠加; opts 可能包括 FindMinimum 和 Plot 中的选项 |
| FindMinimumPlot[f,{{x,xst},{y,yst}},opts] | 画出步骤和点的图，其中，在这些点函数 f 和它的任何导数在FindMinimum[f, {{x, xst}, {y, yst}}] 中被评估，并且在一个以 x 和 y 为自变量的函数 f 的等值线图上互相叠加; opts 可能包括FindMinimum 和 ContourPlot 中的选项 |
| FindRootPlot[f,{x,xst},opts] | 画出步骤和点的图，其中，在这些点函数 f 和它的任何导数在FindRoot[f, {x, xst}] 中被评估，并且在一个 f 相对于 x 的图上互相叠加； opts 可能包括 FindRoot 和 Plot 中的选项 |
| FindRootPlot[f,{{x,xst},{y,yst}},opts] | 画出步骤和点的图，其中，在这些点函数 f 和它的任何导数在FindRoot[f, {{x, xst}, {y, yst}}] 中被评估，并且在一个以 x 和 y 为自变量的优值函数 f 的等值线图上互相叠加; opts 可能包括 FindRoot 和 ContourPlot 中的选项 |
画出搜索数据.
请注意，为了对函数 f 简化处理和减少可能造成的混淆，
不接受方程；它对于 
求根.
步骤和评估点都进行了颜色编码，便于检测，如下所示：
- summary 是一个显示步骤数目和函数及其导数评估数目的规则列表.
| Out[2]= |  |
这里显示在二维空间中
FindMinimum 用以寻找函数
的一个局部极小值所用的步骤和评估，起始点为
. 因为该问题是一个平方和的形式， 在默认情况下，
FindMinimum 使用
高斯-牛顿/Levenberg-Marquard方法，该方法推导出一个残差函数，并只对该函数及其雅可比进行评估. 评估残差函数的点的位置使用黄色圆点显示. 大紫色圆圈黄色实心圆点也显示了雅可比被评估的位置.
| Out[3]= |  |
这里显示了二维空间中，
FindMinimum 用以寻找函数
的一个局部极小值所用的步骤和评估，起始点为
，所用的是
牛顿方法. 进行了所有函数，梯度，和Hessian评估的点使用绿色同心，红色和青色圆圈显示. 请注意，在这个例子中，所有的牛顿步满足Wolfe条件，所以并没有利用Hessian对函数和梯度进行分别评估的点，但事实并非总是如此. 而且还要注意到，牛顿法找到与默认方法不同的局部极小值.
| Out[4]= |  |
这里显示了
FindMinimum 用以寻找函数
的一个局部极小值所用的步骤和评估，这里在函数图中，两个起始值互相叠加在一块. 我们赋给
Plot 选项，以使得代表函数的曲线是粗的和紫色的.
FindMinimum 以这里的两个初始值起始使用无导数的主轴法，因此这里只有用绿色圆点显示的函数评估.
| Out[5]= |  |
这里显示了在二维空间中，
FindRoot 用以求解函数
的一个根所用的步骤和评估，并起始于点
. 如前所述，该函数是一个残差，并且
FindRoot 中的默认方法对残差和它的雅可比进行评估，如图中黄色圆点紫色圆圈所示. 请注意，这个图与对函数
采用默认方法的
产生的图几乎相同，因为残差是相同的.
还用红色和绿色显示了残差函数每个组成部分的零等值线.
| Out[6]= |  |
的一个局部极小值所用的步骤和评估，起始点为 
. 我们赋给 ContourPlot 选项，以使得等值线不被显示，而函数值使用灰度图显示. 由于在默认情况下 FindMinimum 使用拟牛顿方法，所以只显示了在同样的点所发生的函数评估和梯度评估，并且使用绿色实心红色外圆圈的点表示.
