Навыки sympy
Σ

sympy

Безопасно ⚡ Содержит скрипты⚙️ Внешние команды📁 Доступ к файловой системе🌐 Доступ к сети

Решайте символьные математические задачи с SymPy

Также доступно от: davila7

Вам нужны точные математические результаты вместо численных аппроксимаций. Этот навык предоставляет исчерпывающее руководство по символьной алгебре, вычислениям, решению уравнений, матричным операциям и физическим расчётам с использованием библиотеки Python SymPy.

Поддерживает: Claude Codex Code(CC)
📊 70 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «sympy». Solve x^2 - 4 = 0 for x

Ожидаемый результат:

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

Использование «sympy». Find derivative of sin(x^2)

Ожидаемый результат:

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

Использование «sympy». Find eigenvalues of [[1, 2], [2, 1]]

Ожидаемый результат:

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

Аудит безопасности

Безопасно
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
Просканировано файлов
5,806
Проанализировано строк
4
находки
4
Всего аудитов

Факторы риска

⚡ Содержит скрипты (4)
references/advanced-topics.md:463-466 references/code-generation-printing.md:205 references/core-capabilities.md:206 references/physics-mechanics.md:235-239
⚙️ Внешние команды (3)
SKILL.md:27 references/core-capabilities.md:10-15 references/code-generation-printing.md:9-23
📁 Доступ к файловой системе (2)
references/code-generation-printing.md:395 references/code-generation-printing.md:516
🌐 Доступ к сети (2)
SKILL.md:494 SKILL.md:495
Проверено: claude Посмотреть историю аудитов →

Оценка качества

45
Архитектура
90
Сопровождаемость
85
Контент
21
Сообщество
100
Безопасность
91
Соответствие спецификации

Что вы можете построить

Вывод уравнений движения

Ставить задачи лагранжевой механики и символьно выводить уравнения движения

Символьная разработка признаков

Создавать символьные выражения для математических преобразований перед численной оценкой

Изучение символьных вычислений

Исследовать пошаговые математические выводы, упрощения и проверку решений

Попробуйте эти промпты

Базовое решение уравнений 
Solve the quadratic equation x^2 - 5x + 6 = 0 and verify the solutions
Операции исчисления 
Find the derivative of sin(x^2) and then compute the definite integral from 0 to pi
Матричные операции 
Find the eigenvalues and eigenvectors of matrix [[1, 2], [2, 1]]
Генерация кода 
Convert the expression x^2 + sin(x) to a NumPy function for numerical evaluation

Лучшие практики

  • Определяйте символы с допущениями (positive=True, integer=True) для улучшения упрощения
  • Используйте lambdify() для создания быстрых численных функций из символьных выражений
  • Используйте Rational() или S() для точной арифметики вместо чисел с плавающей точкой
  • Выбирайте подходящие решатели: solveset для алгебры, linsolve для линейных систем, dsolve для ОДУ

Избегать

  • Использование чисел с плавающей точкой (0.5) вместо Rational(1, 2) для точных результатов
  • Использование subs() и evalf() в циклах вместо lambdify() для производительности
  • Забывание определять символы с symbols() перед их использованием
  • Пропуск допучений при работе с ограниченными переменными (positive, real, integer)

Часто задаваемые вопросы

What is symbolic vs numerical computation?
SymPy сохраняет точные символьные выражения как sqrt(2), тогда как численные методы аппроксимируют как 1.414. Символьный метод даёт точные результаты.
When should I use lambdify()?
Используйте lambdify(), когда нужно многократно оценивать символьное выражение с числовыми данными. Он преобразует выражения в быстрые функции NumPy.
How do I solve differential equations?
Используйте dsolve() из sympy. Определите функцию с symbols('f', cls=Function), затем вызовите dsolve(Derivative(f(x), x) - f(x), f(x)).
What are symbol assumptions?
Допущения как positive=True, real=True, integer=True помогают SymPy правильно упрощать выражения. sqrt(x**2) возвращает x только если x положительное.
How do I generate C/Fortran code?
Используйте sympy.utilities.codegen.codegen() для генерации компилируемого кода C или Fortran из символьных выражений для приложений с критичной производительностью.
Can SymPy handle matrices with symbolic entries?
Да, SymPy поддерживает символьные матрицы. Можно вычислять определители, собственные значения, обратные матрицы и решать системы с символами как элементами матрицы.

Сведения для разработчиков

Автор

K-Dense-AI

Лицензия

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

Репозиторий

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

Ссылка

main

Структура файлов

📁 references/

📄 advanced-topics.md

📄 code-generation-printing.md

📄 core-capabilities.md

📄 matrices-linear-algebra.md

📄 physics-mechanics.md

📄 SKILL.md