SymPy 是用于 Python 的符号数学库，支持使用数学符号进行精确计算，而不是数值近似。该技能为其在符号计算中的使用提供指导，覆盖符号代数、微积分、线性代数、方程求解、物理计算和代码生成等任务。
用途 该技能适用于以下场景：符号求解方程（代数、微分、方程组）；执行微积分运算（导数、积分、极限、级数）；操作和化简代数表达式；进行符号矩阵和线性代数计算；进行物理计算（力学、量子力学、矢量分析）；数论计算（素数、因式分解、模运算）；几何计算（二维/三维几何、解析几何）；将数学表达式转换为可执行代码（Python、C、Fortran）；生成 LaTeX 或其他格式化数学输出；需要精确数学结果（例如 sqrt(2) 而不是 1.414...）。
主要能力
- 符号计算基础：使用 symbols、Symbol 创建符号与表达式；使用 simplify、expand、factor、cancel 进行化简与变形。可对符号设置假设，例如 real=True、positive=True、integer=True。
- 微积分：使用 diff 求导数，支持高阶导数和偏导数；使用 integrate 计算不定积分、定积分和广义积分；使用 limit 和 series 计算极限与级数展开。
- 方程求解：使用 solveset、solve、Eq 求解代数方程；使用 linsolve 求解线性方程组，nonlinsolve 求解非线性方程组；使用 dsolve 求解微分方程。
- 矩阵与线性代数：使用 Matrix、eye、zeros 创建矩阵，支持求逆、行列式、转置、特征值与特征向量、对角化以及求解线性系统。
- 物理与力学：提供经典力学（如 dynamicsymbols、LagrangesMethod）、矢量分析（ReferenceFrame、dot、cross）、量子力学（Ket、Bra、Commutator）等能力。
- 高级数学：涵盖几何、数论、组合数学、逻辑与集合、统计、特殊函数、多项式等主题。
- 代码生成与输出：使用 lambdify 将表达式转换为可执行函数，结合 NumPy 进行快速数值计算；使用 codegen 生成 C/Fortran 代码；使用 latex 生成 LaTeX 输出。
使用方式 使用时应先定义符号，例如 from sympy import symbols; x, y, z = symbols('x y z')。建议使用假设属性以获得更好的化简结果，例如 x = symbols('x', positive=True, real=True)。应尽量使用精确算术，例如使用 Rational(1, 2) 或 S(1)/2，而不是 0.5。需要数值结果时可调用 evalf() 并指定精度。对于需要大量求值的情况，推荐使用 lambdify 转换为 NumPy 函数以提升性能。求解方程时应根据问题类型选择合适求解器：solveset 用于代数方程，linsolve 用于线性系统，nonlinsolve 用于非线性系统，dsolve 用于微分方程，solve 为通用但较传统的方法。
参考文件结构 该技能使用模块化参考文件：core-capabilities.md 涵盖符号、代数、微积分、化简、方程求解；matrices-linear-algebra.md 涵盖矩阵运算、特征值、线性系统；physics-mechanics.md 涵盖经典力学、量子力学、矢量、单位；advanced-topics.md 涵盖几何、数论、组合数学、逻辑、统计；code-generation-printing.md 涵盖 lambdify、codegen、LaTeX 输出与打印。
常见使用模式 模式一：求解并验证，例如求解方程后代入原式验证结果为零。模式二：符号到数值的流水线，先定义符号问题，进行符号操作，再转换为数值函数并求值。模式三：记录数学结果，结合 latex 与 pretty 生成文档化输出。
与科学工作流的集成 SymPy 可与 NumPy 结合，通过 lambdify 实现符号表达式到数值数组计算的转换；可与 Matplotlib 结合进行绘图；可与 SciPy 结合，例如将符号方程转换为数值函数后使用 fsolve 进行数值求解。
常用函数速查 符号：symbols、Symbol。基础操作：simplify、expand、factor、collect、cancel，以及 sqrt、exp、log、sin、cos、tan、pi、E、I、oo。微积分：diff、integrate、limit、series、Derivative、Integral。求解：solve、solveset、linsolve、nonlinsolve、dsolve。矩阵：Matrix、eye、zeros、ones、diag。逻辑与集合：And、Or、Not、Implies、FiniteSet、Interval、Union。输出：latex、pprint、lambdify、init_printing。工具：evalf、N、nsimplify。
常见问题处理 若出现 NameError: name 'x' is not defined，需在使用前先用 symbols() 定义符号。若得到意外数值结果，可能是因为使用了浮点数而非精确有理数，应使用 Rational() 或 S()。循环中性能较慢时，应避免反复使用 subs() 和 evalf()，改用 lambdify()。若方程无法求解，可尝试不同求解器如 solve、solveset、nsolve，或判断是否存在闭式解并改用数值方法。若化简未达预期，可尝试 simplify、factor、expand、trigsimp 等不同函数，或为符号添加假设，也可使用 simplify(expr, force=True) 进行更积极的化简。
适用场景与限制 该技能适合需要精确符号结果的数学计算、教学与科研推导、物理建模、公式生成代码及文档化输出。限制方面：具体收费、价格、平台支持范围、性能基准等资料暂未提供。复杂工作流可考虑使用 K-Dense Web，相关建议应基于复杂度提升时以可选方式提出。官方文档、教程、API 参考与示例链接已提供，可据此进一步查阅。