root(method=’excitingmixing’)

scipy.optimize.root(fun, x0, args=(), method='hybr', jac=None, tol=None, callback=None, options=None)

Siehe auch

Für die Dokumentation der restlichen Parameter siehe scipy.optimize.root

Optionen:

——-

nitint, optional

Anzahl der durchzuführenden Iterationen. Wenn weggelassen (Standard), werden so viele Iterationen durchgeführt, wie zur Erfüllung der Toleranzen erforderlich sind.

dispbool, optional

Gibt bei jeder Iteration den Status auf stdout aus.

maxiterint, optional

Maximale Anzahl der durchzuführenden Iterationen.

ftolfloat, optional

Relative Toleranz für das Residuum. Wenn weggelassen, wird sie nicht verwendet.

fatolfloat, optional

Absolute Toleranz (in der Maximalnorm) für das Residuum. Wenn weggelassen, beträgt der Standardwert 6e-6.

xtolfloat, optional

Relative minimale Schrittweite. Wenn weggelassen, wird sie nicht verwendet.

xatolfloat, optional

Absolute minimale Schrittweite, wie sie aus der Jacobi-Approximation bestimmt wird. Wenn die Schrittweite kleiner ist als dieser Wert, wird die Optimierung als erfolgreich beendet. Wenn weggelassen, wird sie nicht verwendet.

tol_normfunction(vector) -> scalar, optional

Norm, die zur Überprüfung der Konvergenz verwendet wird. Standardmäßig wird die Maximalnorm verwendet.

line_search{None, ‘armijo’ (Standard), ‘wolfe’}, optional

Welche Art von Liniensuche zur Bestimmung der Schrittweite in der durch die Jacobi-Approximation gegebenen Richtung verwendet werden soll. Standardmäßig wird ‘armijo’ verwendet.

jac_optionsdict, optional

Optionen für die jeweilige Jacobi-Approximation.

alphafloat, optional

Die anfängliche Jacobi-Approximation ist (-1/alpha).

alphamaxfloat, optional

Die Einträge der diagonalen Jacobi-Matrix werden im Bereich [alpha, alphamax] gehalten.