Texnologiyalari va kommunikatsiyalarini rivojlantirish vazirligi muhammad al- xorazmiy nomidagi toshkent

---

O‘ZBEKISTON RESPUBLIKASI AXBOROT 
TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI 
RIVOJLANTIRISH VAZIRLIGI 
MUHAMMAD AL- XORAZMIY NOMIDAGI TOSHKENT 
AXBOROT TEXNOLOGIYALARI UNIVERSITETI
 
 
 
 
 
 
TELEKOMUNIKATSIYA TEXNOLOGIYALARI 
FAKULTETI 
 
“Algoritmlarni loyihalash” fani 
 
 
 
Laboratoriya ishi
 
 
 
Topshirdi: 051-20 sirtqi guruh talabasi 
Rahmatova Mohinabonu 
Qabul qildi:
Toshkent – 2023 y. 

---

 
Chiziqli va tarmoqlanuvchi algoritmlar 
20-Variant 
1-Topshiriq 
(nxm) o’lchamdagi ikki o’lchovli A massiv(matritsa) berilgan, matritsaning har bir 
ustinidagi juft elementlari sonidan tashkil topgan bir o’lchovli B massiv hosil qiling. 
Yechimi: 
Dasturlash tili: Python 
import numpy as np 
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] 
arr = np.array(data) 
n = arr.shape[0] 
m = arr.shape[1] 

---

new_data = [] 
for i in np.arange(1, n, 2): 
for k in np.arange(m): 
new_data.append(arr[i, k]) 
new_arr = np.array(new_data) 
print(f"2 o'lchamli massiv:\n{arr}\n") 
print(f"Shart bo'yicha hosil qilingan massiv: \n{new_arr}") 
Natijasi:
2-Topshiriq 
Berilgan integral qiymatini to‘g‘ri to‘rtburchaklar, trapetsiyalar usullarida hisoblansin. 
Har bir usul bo‘yicha har n – qiymatlari oshirilib borilib olingan natijalar (Integral ≈ 
qiymati) quyidagi jadvalga to’ldirilib tahlil qilinsin. 

---

Yechimi: 
import pandas as pd 
import numpy as np 
import math 
def integral(x): 
y = (x + math.cos(x))/(pow(x, 2) + 2*math.sin(x)) 
return y 
k = [] 
l = [] 
a = math.pi * int(input("a ni kiriting:")) 
b = math.pi * int(input("b ni kiriting:")) 
n = [10, 20, 30, 50, 100, 1000, 10000, 100000] 
for j in np.arange(len(n)): 
h = (b - a) / n[j] 
r = 0 
s = 0 
for i in range(n[j]): 
x = a + i * h 
s = s + integral(x) * h 
if i >= 1: 
x = a + (i + 1) * h
r = r + integral(x) * h 
l.append((r + s)/2) 
k.append(s) 

---

obj_k = pd.Series(k, index=n) 
obj_l = pd.Series(l, index=n) 
df = pd.DataFrame(obj_k) 
df['Trapetsiya'] = obj_l 
df["To'g'ri to'rtburchak"] = obj_k 
df.drop(0, axis=1, inplace=True) 
df.index.name = 'n ning qiymatlari' 
df = df.T 
df.index.name = 'Yechish usullari' 
df 

---

3-Topshiriq 
Berilgan algebraik va transsendent tenglamalarni yechishda oraliqni teng ikkiga 
bo‘lish va vatarlar usullaridan foydalanib tenglamaning taqribiy ildizini 0.1, 0.01, 
0.001, 0.0001, 0.00001, 0.000001 aniqliklarda hisoblansin. Olingan natijalar 
quyidagi jadvalga to’ldirilib tahlil qilinsin. 
Yechimi: 
import pandas as pd 
import numpy as np 
import math 
def logarifm(x): 
y = math.log(5, (1 + pow(x, 4))) + x -2 
return y 
e = [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001] 
a = float(input("a ni kiriting:")) 
b = float(input("b ni kiriting:")) 
if logarifm(a) * logarifm(b) >= 0: 
k = [] 
for j in np.arange(len(e)): 
while abs(b - a) >= e[j]: 
c = (a + b) / 2 
if logarifm(a) * logarifm(c) <= 0: 
b = c 
else: 
a = c 
c = (a + b) / 2 
k.append(c) 

---

obj_k = pd.Series(k, index=e) 
df = pd.DataFrame(obj_k) 
df["Kesmani 2 ga bo’lish"] = obj_k 
df.drop(0, axis=1, inplace=True) 
df.index.name = 'e ning qiymatlari' 
df = df.T 
df.index.name = 'Yechish usullari' 
df 

---