Python：递归函数，用于计算两个向量之差的和

我有一个矩阵

M

和初始向量

v0

。我想写一个递归函数来执行

M*v{I}

，这样我就可以找到

v{I}

和

v{I+1}

，这样向量差的所有元素之和都小于0.45

例如：

将numpy导入为np
M=np.数组（[[0,0,0,0.5,0,0]，[1,0,0,0,0,0,0.5,0]，[0,1,0,0,0,0,0,0,0,0]，[0,0,0,0,0,0,0,0,0,0,0,0]）
M=M.aType（浮动）
v0=np.数组（[1/6,1/6,1/6,1/6,1/6,1/6]）
v1=np.点（M，v0）
v2=np.点（M，v1）
v3=np.点（M，v2）
v4=np.点（M，v3）
v5=np.点（M，v4）
x=np.绝对值（v4-v5）
打印（总和（x））

这里，我想要的输出是

sum（x）=0.42

的值以及向量

v4

和

v5

。到目前为止我已经试过了，但还是卡住了

def diff_sum（M，v）：
v1=np.点（M，v）
x=np.绝对值（v-v1）
x=总和（x）
如果x<0.45：
返回（x、v、v1）
其他：
微分和（M，np.dot（M，v1））
返回（x、v、v1）

我不确定为什么需要递归，但这可以通过循环轻松完成：

def diff_sum(M,vi1):
    er=1
    while (er>0.45):
        vi=vi1.copy()
        vi1=M @ vi
        er=np.abs(vi1-vi).sum()
    return vi,vi1,er
vn1,vn,er=diff_sum(M,v0)

---

用numpy递归？这就像粉笔和奶酪的混合，请不要：（看起来你想要的是一个循环，而不是一个递归函数。）