用python 编写一个Newton-CG算法案例，不用自己写，直接调用现有库中的函数

在Python中，你可以利用内置的优化库`scipy.optimize.minimize`中的"CG"（Conjugate Gradient）方法来实现牛顿-切比雪夫法（Newton-CG）。这个库已经为我们处理了算法的细节，你只需要提供目标函数、梯度函数以及初始猜测点。下面是一个简单的例子：

from scipy.optimize import minimize

# 定义目标函数 (这里假设是一个简单的二次函数)
def objective_function(x):
    return x[0]**2 + 2*x[1]**2

# 定义梯度函数 (对于上述二次函数，梯度为2x[0] 和 4x[1])
def gradient_function(x):
    return [2 * x[0], 4 * x[1]]

# 初始猜测点
initial_guess = [1, 1]

# 使用CG方法求解最小值
solution = minimize(objective_function, initial_guess, method='CG', jac=gradient_function)

print("Solution found:")
print("x =", solution.x)
print("Minimum value =", solution.fun)