scipy.optimize.

fixed_point#

scipy.optimize.fixed_point(func, x0, args=(), xtol=1e-08, maxiter=500, method='del2')[Quelle]#

Finden Sie einen Fixpunkt der Funktion.

Gegeben eine Funktion von einer oder mehreren Variablen und ein Startpunkt, finden Sie einen Fixpunkt der Funktion: d.h. wo func(x0) == x0.

Parameter:

funcFunktion: Zu evaluierende Funktion.
x0array_like: Fixpunkt der Funktion.
argstuple, optional: Zusätzliche Argumente für func.
xtolfloat, optional: Konvergenztoleranz, Standard ist 1e-08.
maxiterint, optional: Maximale Anzahl von Iterationen, Standard ist 500.
method{“del2”, “iteration”}, optional: Methode zum Finden des Fixpunkts, Standard ist "del2", welche Steffensens Methode mit Aitkens Del^2 Konvergenzbeschleunigung verwendet [1]. Die Methode "iteration" iteriert einfach die Funktion, bis Konvergenz erkannt wird, ohne zu versuchen, die Konvergenz zu beschleunigen.

Referenzen

[1]

Burden, Faires, „Numerical Analysis“, 5. Auflage, S. 80

Beispiele

>>> import numpy as np
>>> from scipy import optimize
>>> def func(x, c1, c2):
...    return np.sqrt(c1/(x+c2))
>>> c1 = np.array([10,12.])
>>> c2 = np.array([3, 5.])
>>> optimize.fixed_point(func, [1.2, 1.3], args=(c1,c2))
array([ 1.4920333 ,  1.37228132])