forked from bellshade/Python
-
Notifications
You must be signed in to change notification settings - Fork 0
/
trapezoid.py
58 lines (46 loc) · 1.43 KB
/
trapezoid.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
from typing import Callable
import numpy as np
def trapezoid(
func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs
) -> float:
"""
Metode integrasi trapesium mengganti bentuk segiempat
yang sebelumnya digunakan untuk mengintegrasi menjadi
bentuk trapesium. Maka dari itu, pada trapesium, nilai
f(x) dievaluasi pada masing2 sisi trapesium.
Parameter:
f = fungsi input
a = batas bawah integrasi
b = batas atas integrasi
eps = error relatif maksimal
>>> trapezoid(lambda x: x**5, 0, 1)
0.16670751153457503
>>> trapezoid(lambda x: x**2, 0, 2)
2.6667973728065877
"""
try:
# Iterasi pertama
n = 100
h = (b - a) / n
fx = [func(a + i * h, *args, **kwargs) for i in range(n + 1)]
L0 = h / 2 * (fx[0] + fx[-1]) + h * sum(fx[1:-1])
# Optimasi
err = 1
while err > eps:
n += 1
h = (b - a) / n
fx = [func(a + i * h, *args, **kwargs) for i in range(n + 1)]
L1 = h / 2 * (fx[0] + fx[-1]) + h * sum(fx[1:-1])
err = np.abs(L1 - L0) / np.abs(L1)
L0 = L1
except Exception:
raise RuntimeError("Integrasi gagal, pastikan fungsi anda benar!")
return L1
if __name__ == "__main__":
def f(x: float) -> float:
"""
Test Function
"""
return x ** 4
import doctest
doctest.testmod()