Habilidades sympy
Σ

sympy

Seguro ⚡ Contiene scripts⚙️ Comandos externos📁 Acceso al sistema de archivos🌐 Acceso a red

Resuelve problemas matemáticos simbólicos con SymPy

También disponible en: davila7

Necesita resultados matemáticos exactos en lugar de aproximaciones numéricas. Esta habilidad proporciona orientación completa para álgebra simbólica, cálculo, resolución de ecuaciones, operaciones matriciales y cálculos físicos usando la biblioteca Python SymPy.

Soporta: Claude Codex Code(CC)
📊 70 Adecuado
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "sympy". Solve x^2 - 4 = 0 for x

Resultado esperado:

  • Solutions: x = -2, x = 2
  • Method: solveset(x**2 - 4, x)
  • The equation has two real solutions

Usando "sympy". Find derivative of sin(x^2)

Resultado esperado:

  • Derivative: 2*x*cos(x^2)
  • Method: diff(sin(x**2), x)
  • Use integrate() for the integral

Usando "sympy". Find eigenvalues of [[1, 2], [2, 1]]

Resultado esperado:

  • Eigenvalues: 3, -1
  • Eigenvectors: [1, 1], [1, -1]
  • Matrix is diagonalizable: True

Auditoría de seguridad

Seguro
v4 • 1/17/2026

All 497 static findings are FALSE POSITIVES. This skill is pure documentation for the SymPy symbolic mathematics library. The detected patterns (backticks, imports, eval, file operations) are legitimate documentation elements: markdown code formatting, Python code examples showing SymPy features like lambdify and srepr, and file export for mathematical results. No malicious behavior present.

7
Archivos escaneados
5,806
Líneas analizadas
4
hallazgos
4
Auditorías totales

Factores de riesgo

⚡ Contiene scripts (4)
references/advanced-topics.md:463-466 references/code-generation-printing.md:205 references/core-capabilities.md:206 references/physics-mechanics.md:235-239
⚙️ Comandos externos (3)
SKILL.md:27 references/core-capabilities.md:10-15 references/code-generation-printing.md:9-23
📁 Acceso al sistema de archivos (2)
references/code-generation-printing.md:395 references/code-generation-printing.md:516
🌐 Acceso a red (2)
SKILL.md:494 SKILL.md:495
Auditado por: claude Ver historial de auditorías →

Puntuación de calidad

45
Arquitectura
90
Mantenibilidad
85
Contenido
21
Comunidad
100
Seguridad
91
Cumplimiento de la especificación

Lo que puedes crear

Derivar ecuaciones de movimiento

Plantear problemas de mecánica lagrangiana y derivar ecuaciones de movimiento simbólicamente

Ingeniería de características simbólica

Crear expresiones simbólicas para transformaciones matemáticas antes de la evaluación numérica

Aprender computación simbólica

Explorar derivaciones matemáticas paso a paso, simplificaciones y verificación de soluciones

Prueba estos prompts

Resolución básica de ecuaciones 
Resuelve la ecuación cuadrática x^2 - 5x + 6 = 0 y verifica las soluciones
Operaciones de cálculo 
Encuentra la derivada de sin(x^2) y luego calcula la integral definida de 0 a pi
Operaciones matriciales 
Encuentra los eigenvalores y eigenvectores de la matriz [[1, 2], [2, 1]]
Generación de código 
Convierte la expresión x^2 + sin(x) a una función NumPy para evaluación numérica

Mejores prácticas

  • Define símbolos con suposiciones (positive=True, integer=True) para mejorar la simplificación
  • Usa lambdify() para crear funciones numéricas rápidas a partir de expresiones simbólicas
  • Usa Rational() o S() para aritmética exacta en lugar de números de punto flotante
  • Elige solucionadores apropiados: solveset para álgebra, linsolve para sistemas lineales, dsolve para EDOs

Evitar

  • Usar números de punto flotante (0.5) en lugar de Rational(1, 2) para resultados exactos
  • Usar subs() y evalf() en bucles en lugar de lambdify() para rendimiento
  • Olvidar definir símbolos con symbols() antes de usarlos
  • Omitir suposiciones al trabajar con variables restringidas (positive, real, integer)

Preguntas frecuentes

¿Qué es computación simbólica vs numérica?
SymPy mantiene expresiones simbólicas exactas como sqrt(2) mientras que los métodos numéricos aproximan como 1.414. Lo simbólico da resultados exactos.
¿Cuándo debo usar lambdify()?
Usa lambdify() cuando necesitas evaluar una expresión simbólica muchas veces con datos numéricos. Convierte expresiones a funciones NumPy rápidas.
¿Cómo resuelvo ecuaciones diferenciales?
Usa dsolve() de sympy. Define tu función con symbols('f', cls=Function), luego llama a dsolve(Derivative(f(x), x) - f(x), f(x)).
¿Qué son las suposiciones de símbolos?
Suposiciones como positive=True, real=True, integer=True ayudan a SymPy a simplificar expresiones correctamente. sqrt(x**2) devuelve x solo si x es positiva.
¿Cómo genero código C/Fortran?
Usa sympy.utilities.codegen.codegen() para generar código compilable en C o Fortran a partir de expresiones simbólicas para aplicaciones críticas en rendimiento.
¿Puede SymPy manejar matrices con entradas simbólicas?
Sí, SymPy soporta matrices simbólicas. Puedes calcular determinantes, eigenvalores, inversas y resolver sistemas con símbolos como elementos de matriz.

Detalles del desarrollador

Licencia

https://github.com/sympy/sympy/blob/master/LICENSE

Repositorio

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/sympy

Ref.

main

Estructura de archivos

📁 references/

📄 advanced-topics.md

📄 code-generation-printing.md

📄 core-capabilities.md

📄 matrices-linear-algebra.md

📄 physics-mechanics.md

📄 SKILL.md