Difference between revisions of "Quiz 1 andru"

From ccitonlinewiki
Jump to: navigation, search
(Created page with " quiz 1 andru diberikan soal pada buku 1. problem 2.1 no.6 hal 55 2. problem 7.1 no.1 hal 263 == Nomer 1 == mengunnakan eleminasi gauss File:1571037797780.jpg...")
 
 
(2 intermediate revisions by the same user not shown)
Line 7: Line 7:
 
== Nomer 1 ==
 
== Nomer 1 ==
  
mengunnakan eleminasi gauss  
+
mengunnakan eleminasi gauss dengan catatan jika tidak kita arrange sama sekali maka tidak akan bisa di eleminassi karena harus ada angka 1 di paling atas matrix
 +
 
 +
 
 +
  
 
[[File:1571037797780.jpg]]
 
[[File:1571037797780.jpg]]
 +
'''
 +
hasil yang didapatkan setelah run module'''
 +
 +
[[File:1571038092498.jpg]]
 +
 +
'''karena jika kita memakai soal yang ada dan tidak sama sekali di arrange barissnya maka kita tidak bisa melakukan eleminasi gauss yang tertera.
 +
'''
 +
== nomer 2 ==
 +
 +
import numpy as np
 +
 +
def diff_y (x,y):
 +
    fungsi = x**2 - 4*y
 +
    return (fungsi)
 +
x = 0
 +
y = 1
 +
h = 0.01
 +
step_size = np.arrange(0,0.03,h)
  
hasil yang didapatkan setelah run module
+
for t in step_size:
 +
    k1 = diff_y (x,y)
 +
    K2 = diff_y ((x+0.5*h), (y+0.5*k1*h))
  
[[File:1571038092498.jpg]]
+
    y = y + k1*h
  
karena jika kita memakai soal yang ada dan tidak sama sekali di arrange barissnya maka kita tidak bisa melakukan eleminasi gauss yang tertera.
+
print ('maka Y(0.03 = ',y)

Latest revision as of 15:18, 14 October 2019

quiz 1 andru

diberikan soal pada buku 1. problem 2.1 no.6 hal 55 2. problem 7.1 no.1 hal 263

Nomer 1

mengunnakan eleminasi gauss dengan catatan jika tidak kita arrange sama sekali maka tidak akan bisa di eleminassi karena harus ada angka 1 di paling atas matrix



1571037797780.jpg hasil yang didapatkan setelah run module

1571038092498.jpg

karena jika kita memakai soal yang ada dan tidak sama sekali di arrange barissnya maka kita tidak bisa melakukan eleminasi gauss yang tertera.

nomer 2

import numpy as np

def diff_y (x,y):

   fungsi = x**2 - 4*y
   return (fungsi)

x = 0 y = 1 h = 0.01 step_size = np.arrange(0,0.03,h)

for t in step_size:

   k1 = diff_y (x,y)
   K2 = diff_y ((x+0.5*h), (y+0.5*k1*h))
   y = y + k1*h

print ('maka Y(0.03 = ',y)