Habilidades sympy
Σ

sympy

Seguro ⚡ Contém scripts⚙️ Comandos externos📁 Acesso ao sistema de arquivos🌐 Acesso à rede

Resolver problemas de matemática simbólica com SymPy

Também disponível em: davila7

Precisa de resultados matemáticos exatos em vez de aproximações numéricas. Esta skill fornece orientação abrangente para álgebra simbólica, cálculo, resolução de equações, operações matriciais e cálculos físicos usando a biblioteca Python SymPy.

Suporta: Claude Codex Code(CC)
📊 70 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "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

A utilizar "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

A utilizar "sympy". Find eigenvalues of [[1, 2], [2, 1]]

Resultado esperado:

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

Auditoria de Segurança

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
Arquivos analisados
5,806
Linhas analisadas
4
achados
4
Total de auditorias

Fatores de risco

⚡ Contém 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
📁 Acesso ao sistema de arquivos (2)
references/code-generation-printing.md:395 references/code-generation-printing.md:516
🌐 Acesso à rede (2)
SKILL.md:494 SKILL.md:495
Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

45
Arquitetura
90
Manutenibilidade
85
Conteúdo
21
Comunidade
100
Segurança
91
Conformidade com especificações

O Que Você Pode Construir

Derivar equações de movimento

Configurar problemas de mecânica Lagrangiana e derivar equações de movimento simbolicamente

Engenharia de recursos simbólica

Criar expressões simbólicas para transformações matemáticas antes da avaliação numérica

Aprender computação simbólica

Explorar derivações matemáticas passo a passo, simplificações e verificação de soluções

Tente Estes Prompts

Resolução básica de equações 
Resolver a equação quadrática x^2 - 5x + 6 = 0 e verificar as soluções
Operações de cálculo 
Encontrar a derivada de sin(x^2) e depois calcular a integral definida de 0 a pi
Operações matriciais 
Encontrar os autovalores e autovetores da matriz [[1, 2], [2, 1]]
Geração de código 
Converter a expressão x^2 + sin(x) para uma função NumPy para avaliação numérica

Melhores Práticas

  • Definir símbolos com suposições (positive=True, integer=True) para melhorar a simplificação
  • Usar lambdify() para criar funções numéricas rápidas a partir de expressões simbólicas
  • Usar Rational() ou S() para aritmética exata em vez de números de ponto flutuante
  • Escolher solucionadores apropriados: solveset para álgebra, linsolve para sistemas lineares, dsolve para EDOs

Evitar

  • Usar números de ponto flutuante (0.5) em vez de Rational(1, 2) para resultados exatos
  • Usar subs() e evalf() em loops em vez de lambdify() para desempenho
  • Esquecer de definir símbolos com symbols() antes de usá-los
  • Pular suposições ao trabalhar com variáveis restritas (positive, real, integer)

Perguntas Frequentes

O que é computação simbólica vs numérica?
SymPy mantém expressões simbólicas exatas como sqrt(2) enquanto métodos numéricos aproximam como 1.414. Simbólico dá resultados exatos.
Quando devo usar lambdify()?
Use lambdify() quando você precisa avaliar uma expressão simbólica muitas vezes com dados numéricos. Ele converte expressões em funções NumPy rápidas.
Como resolvo equações diferenciais?
Use dsolve() do sympy. Defina sua função com symbols('f', cls=Function), depois chame dsolve(Derivative(f(x), x) - f(x), f(x)).
O que são suposições de símbolos?
Suposições como positive=True, real=True, integer=True ajudam o SymPy a simplificar expressões corretamente. sqrt(x**2) retorna x apenas se x for positivo.
Como gero código C/Fortran?
Use sympy.utilities.codegen.codegen() para gerar código C ou Fortran compilável a partir de expressões simbólicas para aplicações críticas para o desempenho.
SymPy pode lidar com matrizes com entradas simbólicas?
Sim, SymPy suporta matrizes simbólicas. Você pode calcular determinantes, autovalores, inversos e resolver sistemas com símbolos como elementos de matriz.

Detalhes do Desenvolvedor

Licença

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

Repositório

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

Referência

main

Estrutura de arquivos

📁 references/

📄 advanced-topics.md

📄 code-generation-printing.md

📄 core-capabilities.md

📄 matrices-linear-algebra.md

📄 physics-mechanics.md

📄 SKILL.md