⚙️ Lab-Tools

Librería personal con configuraciones y funciones matemáticas útiles para análisis, visualización y cálculo simbólico/numérico.

📚 Contenido de la librería

Módulo	Descripción
imports.py	Funciones y configuraciones comunes para análisis y gráficos (ante la duda agregarlo).
estetica/	Estilos personalizados para matplotlib. Incluye temas "informe" y "negro".
funciones.py	Funciones generales variadas.
ajustes.py	Ajustes por cuadrados mínimos: chi2_pvalor, R2, residuos, Minimizer.
derivadas.py	Cálculo de derivadas primeras y segundas.
interpolacion.py	Interpolaciones de Lagrange, Newton y splines cúbicos.
matrices.py	Matrices de derivadas: gradiente, jacobiano, hessiano, laplaciano.
polyfitter.py	Ajuste polinomial por cuadrados mínimos (numérico y analítico).
propagacion.py	Propagación de incertidumbre mediante matriz de covarianza.
series.py	Series de Taylor y Fourier.

---

📦 Instalación

⚠️ Asegurate de clonar e instalar todo el contenido en un solo lugar para evitar errores de importación.

🌐 Uso en Google Colab

1. Cloná e instalá directamente desde la notebook:

   !git clone https://github.com/fausto-bottazzini/lab-tools.git
   %cd lab-tools
   !pip install -e .

2. Ahora podés usarla

   from lab-tools.ajustes import Minimizer
   

🔧 Uso local (VSC o similar)

1. Cloná el repositorio:

   git clone https://github.com/fausto-bottazzini/lab-tools.git
   cd lab-tools
   

2. (Opcional) Creá y activá un entorno virtual:

   python -m venv venv
   source venv/Scripts/activate (o bin)  
   

3. Instalá la librería en modo editable:

   pip install -e .
   

4. Ahora podés usarla desde cualquier proyecto local:

   ejemplo:

   from lab-tools.funciones import maximos
   from lab-tools.series import serie_taylor

---

🛠️ Requisitos

El archivo setup.py incluye las dependencias necesarias. Algunas comunes:

• numpy
• matplotlib
• scipy
• sympy

Si falta alguna al correr, podés instalarla manualmente:

pip install nombre_de_la_libreria

🧪 Ejemplo de rápido uso

from lab-tools.imports import *
from lab-tools.interpolacion import interpol_lagrange

x = [0, 1, 2]
y = [0, 1, 0]
f = interpol_lagrange(x, y)
ejex = np.linspace(0,2,20)
     
fig, ax = plt.subplots()
ax.plot(ejex, f(ejex), "b")
ax.plot(x,y,"ro")
ax.grid()
plt.show()