Дискуссия о том, какой язык выбрать для обучения студентов инженерных специальностей, разгорается не первый год. Python завоевал университеты благодаря своей простоте, огромной экосистеме и возможностям визуализации. Но в недавней статье Jean-Christophe Loiseau звучит провокационный вопрос: а может, для базового курса численных методов лучше подходит вовсе не Python, а старый добрый Fortran?
🧩 Python: сильные и слабые стороны в обучении
🐍 Плюсы:
- удобство библиотек NumPy/SciPy, позволяющих быстро показать реальные проекты;
- популярность в индустрии, что мотивирует студентов;
- мощная экосистема (визуализация через matplotlib, Jupyter Notebook и т. д.).
⚠️ Минусы:
- необходимость импортов («что такое numpy и зачем import numpy as np?»);
- 0-базовая индексация, в то время как в математике всё начинается с 1;
- запутанный синтаксис: np.vdot(x, y) vs x.T @ y vs np.dot;
- ошибки форматирования и отступов (особенно для новичков, не знакомых с IDE).
В результате студенты, вместо того чтобы сосредоточиться на алгоритмах, тратят силы на борьбу с синтаксисом.
⚙️ Fortran: строгий учитель
💡 Современный Fortran (90+, особенно 2018) отличается от старых «супов из goto». Он прост, строг и близок к математическим формулам.
👷 Что даёт Fortran в обучении:
- 📌 1-базовая индексация → совпадение с математическими записями, меньше «off-by-one» ошибок;
- 🧾 жёсткая типизация → студент сразу должен осознанно задать входные/выходные параметры;
- 🔄 явное начало и конец конструкций (do ... end do) → нет мучений с табами и пробелами;
- 🔬 встроенные функции (dot_product, norm2) → минимум отвлечений на сторонние библиотеки.
Да, это требует чуть больше кода, но этот «лишний» код заставляет студента вдуматься в алгоритм.
📊 Практические примеры
В статье рассматривается метод Якоби и QR-разложение.
- На Python — простая реализация, но сплошные вопросы: «почему ошибка отступа?», «почему индексы не совпадают с учебником?».
- На Fortran — чуть длиннее, но синтаксис совпадает с псевдокодом, студенты быстрее видят математику за программой.
💡 Моё мнение
Я вижу здесь важный принцип: язык программирования — это не только инструмент, но и когнитивный фильтр.
Python хорош, когда задача — показать мощь инструментов и научить «прикладной полезности». Но если цель — понять, как работает метод, то Fortran может оказаться даже лучше.
🚀 В идеале, курс мог бы строиться так:
- 📘 первые занятия на Fortran — чтобы закрепить основы численных алгоритмов в максимально чистом виде;
- 🐍 переход на Python/NumPy — чтобы показать масштабируемость и практическое применение в современных проектах;
- ✨ бонус: демонстрация Julia или Rust как «мостика» между строгой математикой и индустриальной практикой.
Таким образом, студенты увидят и механику алгоритма, и реальную мощь современных инструментов.
✨ Заключение
Fortran не заменит Python в академии и индустрии — но может стать отличным учебным языком для численных методов, позволяя сосредоточиться на сути, а не на синтаксисе.
Иногда старые инструменты, при правильном использовании, дают новое качество обучения.
🔗 Источник: Is Fortran better than Python for teaching basics of numerical linear algebra?