Комбінування можливостей Maple та Python для створення гібридного алгоритму чисельного інтегрування в навчальних курсах з математики

Abstract

(ua) У статті досліджуються можливості систем комп'ютерної математики (СКМ), зокрема Maple та Python, при вивченні математичних дисциплін студентами спеціальностей 122 Комп’ютерні науки та 112 Статистика. Maple пропонує ряд унікальних можливостей, таких як знаходження точних аналітичних розв'язків для багатьох інтегралів, спрощення складних інтегралів перед застосуванням чисельних методів, а також виявлення та обробка особливостей підінтегральної функції. Вбудована система Maple автоматично вибирає найбільш підходящий метод інтегрування залежно від характеру функції. Maple також надає потужні інструменти для візуалізації, що можуть бути використані для графічного представлення підінтегральної функції. Python завдяки своїй гнучкості та великій кількості бібліотек також є потужним інструментом для чисельного інтегрування. Бібліотеки NumPy, SciPy, та SymPy забезпечують ефективну роботу з масивами, широкий спектр алгоритмів для чисельного аналізу та символьних обчислень, відповідно. Python дозволяє легко створювати власні функції та класи для реалізації спеціалізованих методів інтегрування, зокрема реалізацію нових алгоритмів, адаптацію існуючих методів під конкретні задачі та створення комплексних обчислювальних моделей. У статті запропоновано гібридний алгоритм, який поєднує символьний аналіз в Maple з чисельним інтегруванням у Python для ефективного обчислення складних інтегралів. Загальна структура алгоритму включає: аналіз та підготовку в Maple, передачу даних з Maple у Python, чисельне інтегрування в Python та аналіз результатів з оцінкою похибки. Розглянуто приклад обчислення складного інтегралу, що демонструє ефективність запропонованого підходу. Таким чином, гібридний підхід, що поєднує символьні можливості Maple з чисельними потужностями Python, дозволяє створити надійний та ефективний алгоритм чисельного інтегрування складних функцій, забезпечуючи високу точність та оптимізацію процесу обчислення. (en) The article explores the possibilities of computer mathematics (CMA) systems, in particular Maple and Python, for performing numerical integration of complex functions. Maple offers a number of unique capabilities, such as finding exact analytical solutions for many integrals, simplifying complex integrals before applying numerical methods, and identifying and handling features of theintegral function. Maple's built-in system automatically selects the most appropriate integration method depending on the nature of the function. Maple also provides powerful visualization tools that can be used to graphically represent an integral function. Python, due to its flexibility and large number of libraries, is also a powerful tool for numerical integration. The NumPy, SciPy, and SymPy libraries provide efficient array manipulation, a wide range of algorithms for numerical analysis, and symbolic computation, respectively. Python allows you to easily create your own functions and classes for the implementation of specialized integration methods, including the implementation of new algorithms, the adaptation of existing methods for specific tasks, and the creation of complex computational models. The article proposes a hybrid algorithm that combines symbolic analysis in Maple with numerical integration in Python for efficient computation of complex integrals. The overall structure of the algorithm includes: analysis and preparation in Maple, data transfer from Maple to Python, numerical integration in Python, and analysis of the results with error estimation. An example of calculating a complex integral is considered, demonstrating the effectiveness of the proposed approach. Thus, the hybrid approach combining the symbolic capabilities of Maple with the numerical capabilities of Python allows for the creation of a reliable and efficient algorithm for the numerical integration of complex functions, ensuring high accuracy and optimization of the calculation process.