eigenvalues

用途：处理线性代数中的特征值问题，按决策树逐步求解并验证。

主要能力与流程：

1. 计算特征多项式：det(A - lambda*I) = 0，命令为 sympy_compute.py charpoly "[[a,b],[c,d]]" --var lam。
2. 求特征值：求解特征多项式，命令为 sympy_compute.py eigenvalues "[[1,2],[3,4]]"。
3. 求特征向量：对每个特征值 lambda 解 (A - lambda*I)v = 0，命令为 sympy_compute.py eigenvectors "[[1,2],[3,4]]"。
4. 验证：用 z3_solve.py prove 检查 Av = lambda*v，并验证代数重数与几何重数。

工具命令（保持原样）： uv run python -m runtime.harness scripts/sympy_compute.py eigenvalues "[[1,2],[3,4]]" uv run python -m runtime.harness scripts/sympy_compute.py charpoly "[[a,b],[c,d]]" --var lam uv run python -m runtime.harness scripts/z3_solve.py sat "det(A - lambda*I) == 0"

适用场景：需要符号计算特征值、特征向量并做形式化验证的线性代数任务。

限制：资料未提供安装步骤、依赖版本、支持矩阵规模、性能数据或收费信息；完整工具文档见 .claude/skills/math-mode/SKILL.md。