根(method=‘krylov’)¶
- scipy.optimize.root(fun, x0, args=(), method='krylov', tol=None, callback=None, options={})
参见
有关参数睡觉的文档，请参阅
scipy.optimize.root- 选项
- nit整型，可选
要进行的迭代次数。如果省略(默认)，请尽可能多地制造以满足公差。
- disp布尔值，可选
在每次迭代中将状态打印到stdout。
- maxiter整型，可选
要进行的最大迭代次数。如果需要更多的资源来满足融合要求， NoConvergence 都被养大了。
- ftol浮动，可选
对残差的相对容差。如果省略，则不使用。
- fatol浮动，可选
残差的绝对容差(以最大范数表示)。如果省略，则默认为6E-6。
- xtol浮动，可选
相对最小步长。如果省略，则不使用。
- xatol浮动，可选
绝对最小步长，由雅可比近似确定。如果步长小于此值，则作为成功终止优化。如果省略，则不使用。
- tol_norm函数(向量)->标量，可选
用于收敛检查的规范。默认值为最大标准。
- line_search{无，‘Armijo’(默认值)，‘Wolfe’}，可选
使用哪种类型的线搜索来确定由雅可比近似给出的方向上的步长。默认为‘Armijo’。
- jac_optionsDICT，可选
相应雅可比近似的选项。
- rdiff浮动，可选
用于数值微分的相对步长。
- 方法{‘lgmres’，‘gmres’，‘bigstab’，‘cgs’，‘minRes’}或函数
Krylov方法用来近似雅可比。可以是字符串，也可以是实现与中迭代求解器相同接口的函数
scipy.sparse.linalg。默认值为
scipy.sparse.linalg.lgmres。- inner_MLinearOperator或InverseJacobian
内Krylov迭代的预条件。请注意，您还可以使用逆雅可比作为(自适应)预条件。例如,
>>> jac = BroydenFirst() >>> kjac = KrylovJacobian(inner_M=jac.inverse).
如果预处理器有一个名为“update”的方法，它将被调用为
update(x, f)在每个非线性步骤之后，使用x给出当前点，并且f当前函数值。- 内_TOL，内_MAXITER，.
要传递给“内部”Krylov解算器的参数。看见
scipy.sparse.linalg.gmres有关详细信息，请参阅。- outer_k整型，可选
在LGMRES非线性迭代中保持的子空间的大小。
看见
scipy.sparse.linalg.lgmres有关详细信息，请参阅。