用途
SymPy 是一个用于符号数学计算的 Python 库，支持使用数学符号进行精确计算，而非数值近似。本技能为使用 SymPy 进行符号代数、微积分、线性代数、方程求解、物理计算和代码生成提供全面指导。
主要能力
符号计算基础
创建符号和表达式，支持假设条件（如 real、positive、integer 等）。提供化简与操作函数：simplify、expand、factor、cancel 等。
微积分
- 导数：diff 支持单变量、高阶和偏导数
- 积分：integrate 支持不定积分、定积分和反常积分
- 极限与级数：limit、series
方程求解
- 代数方程：solveset、solve
- 方程组：linsolve（线性）、nonlinsolve（非线性）
- 微分方程：dsolve
矩阵与线性代数
矩阵创建与运算（逆、行列式、转置）、特征值与特征向量、对角化、线性系统求解。
物理与力学
经典力学（拉格朗日方法）、矢量分析、量子力学。
高级数学
几何、数论、组合数学、逻辑与集合、统计学、特殊函数、多项式。
代码生成与输出
- lambdify：转换为可执行函数（支持 NumPy）
- codegen：生成 C/Fortran 代码
- latex：生成 LaTeX 输出
使用方式
最佳实践
- 始终先定义符号：
x, y, z = symbols('x y z') - 使用假设条件改善化简：
x = symbols('x', positive=True, real=True) - 使用精确算术：
Rational(1, 2)或S(1)/2，而非0.5 - 需要时进行数值求值：
result.evalf()或result.evalf(50) - 转换为 NumPy 函数以提升性能：
f = lambdify(x, expr, 'numpy') - 选择合适的求解器：solveset、linsolve、nonlinsolve、dsolve、solve
参考文件结构
- core-capabilities.md：符号、代数、微积分、化简、方程求解
- matrices-linear-algebra.md：矩阵运算、特征值、线性系统
- physics-mechanics.md：经典力学、量子力学、矢量、单位
- advanced-topics.md：几何、数论、组合数学、逻辑、统计学
- code-generation-printing.md：Lambdify、codegen、LaTeX 输出、打印
常见使用模式
- 求解并验证
- 符号到数值的流水线
- 文档化数学结果
与科学工作流集成
- 与 NumPy 集成
- 与 Matplotlib 集成
- 与 SciPy 集成
适用场景
- 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
- 符号化处理矩阵和线性代数
- 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（2D/3D 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
限制
- 部分方程可能无法代数求解，需使用数值方法（如 nsolve）
- 循环中反复使用 subs() 和 evalf() 性能较慢，建议使用 lambdify()
- 化简可能不如预期，可尝试不同化简函数或添加假设条件
- 使用浮点数（如 0.5）而非精确有理数可能导致意外数值结果
附加资源
- 官方文档：https://docs.sympy.org/
- 教程：https://docs.sympy.org/latest/tutorials/intro-tutorial/index.html
- API 参考：https://docs.sympy.org/latest/reference/index.html
- 示例：https://github.com/sympy/sympy/tree/master/examples