root(method=’hybr’)

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

Findet die Wurzeln einer multivariaten Funktion mithilfe der hybrd- und hybrj-Routinen von MINPACK (modifizierte Powell-Methode).

Siehe auch

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

Optionen:

——-

col_derivbool

Gibt an, ob die Jacobi-Funktion Ableitungen spaltenweise berechnet (schneller, da keine Transponierung erforderlich ist).

xtolfloat

Die Berechnung wird abgebrochen, wenn der relative Fehler zwischen zwei aufeinanderfolgenden Iterationen höchstens xtol beträgt.

maxfevint

Die maximale Anzahl der Funktionsaufrufe. Wenn Null, dann ist 100*(N+1) das Maximum, wobei N die Anzahl der Elemente in x0 ist.

bandtuple

Wenn auf eine Zwei-Sequenz gesetzt, die die Anzahl der Sub- und Superdiagonalen innerhalb des Bandes der Jacobi-Matrix enthält, wird die Jacobi-Matrix als gebändert betrachtet (nur für jac=None).

epsfloat

Eine geeignete Schrittlänge für die Vorwärts-Differenz-Approximation des Jacobi-Matrix (für jac=None). Wenn eps kleiner als die Maschinenpräzision ist, wird angenommen, dass die relativen Fehler in den Funktionen von der Größenordnung der Maschinenpräzision sind.

factorfloat

Ein Parameter, der die anfängliche Schrittweite bestimmt (factor * || diag * x||). Sollte im Intervall (0.1, 100) liegen.

diagsequence

N positive Einträge, die als Skalierungsfaktoren für die Variablen dienen.