sp.Symbol(name, **assumptions)
比如：x=sp.Symbols('x', real=True)
批量创建
a,b,c,d=sp.symbols(‘, , , ’， assumption)
assumption是假设，就是数字符号属不属于实数等等
positive整数
integer整数
imaginary虚数
negative负数
odd奇数
even偶数
prime素数
sp.Integer/Rational/Float（）
rational是分数
sp.Rational(1,2)是二分之一
factorial是阶乘
函数
sp.Lambda（参数，表达式）
定义匿名函数
比如 f=sp.Lambda(x, a*x+b)<br> print(f(2))
还可以直接定义函数
函数化简
基本函数
sp.simplify(f)
f.simplify()
函数展开
sp.expand(f, 注意不同函数要加不同参数 )
trig=True 三角
log=True 对数
complex=True 复数
power_exp=True 幂函数
合并同类项
sp.collect(f, 参数) 即依照参数合并同类项
表达式替换
可以是数值，也可以是符号，函数
f.subs(old,new)
f.subs({old1:new1,old2:new2})
f.subs([(old1,new1),(old2,new2)])
把方程整理成表达式等于0的形式,然后求解
sp.solve(f,x)
导数
sp.diff(f, x, n,y, n) f函数表达式，x变量， n几阶导
积分
sp.integrate(f, (x,low,up),(y,low,up)) f函数，x，y变量，low up上下限
求极限
sp.limit(f,x,a) x在a趋近于a时极限
求积
sp.Product(f.(x,low,uo))
矩阵，与numpy.mat()类似，只能二维
sp.Matrix(行数，列数，lambda 行索引，列索引：表达式)<br>例如：M = sp.Matrix(3, 4, lambda m, n: 10*m + n)
子主题
子主题
