📚 Álgebra Lineal con Google Sheets y Excel

Álgebra lineal simplificada para estudiantes con integración perfecta a Google Sheets y Excel.

Permite a estudiantes y profesores trabajar con matrices almacenadas en Google Sheets (por nombre o por enlace) o en archivos Excel locales, usando Python de forma intuitiva y sencilla. Perfecto para cursos de álgebra lineal, análisis numérico y ciencias de datos.

🚀 Instalación

pip install algebra-lineal-sheets

¡Y listo! No necesitas configurar nada más.

🎓 Materiales de la clase (sin clonar nada)

• Notebook de la clase "NumPy para economistas": ábrelo directo en Google Colab con el botón de arriba, o descárgalo aquí (clic derecho → "Guardar enlace como...").
• Excel de ejemplo con las matrices de la clase (A, B, v1, v2, b0): descargar matrices_ejemplo.xlsx.

El notebook funciona en dos modos:

• En Colab: usa Google Sheets como en clase (configurar()), o sube matrices_ejemplo.xlsx al entorno de Colab (icono 📁 → subir) y usa configurar(sheet='matrices_ejemplo.xlsx').
• En local (VS Code / Jupyter): guarda el notebook y el Excel en la misma carpeta y usa el modo Excel local — sin internet ni cuenta de Google.

💻 Trabajar en local (clonar el repositorio) — opcional

Clonar el repositorio no es necesario para usar la librería (basta el pip install de arriba) ni para la clase (los materiales se descargan en la sección anterior). Clona si quieres todo junto en una carpeta o vas a contribuir al proyecto:

# 1. Clonar el repositorio
git clone https://github.com/franperezec/algebra-lineal-sheets.git
cd algebra-lineal-sheets

# 2. Crear y activar un entorno virtual (Python 3.8 o superior)
python -m venv .venv
.venv\Scripts\activate        # Windows
# source .venv/bin/activate   # macOS / Linux

# 3. Instalar la librería y las herramientas de notebook
pip install -r requirements.txt

Esto instala algebra-lineal-sheets con todas sus dependencias (numpy, gspread, google-auth, openpyxl), más ipykernel, nbconvert, matplotlib y pandas para ejecutar el notebook de la clase ejemplos/numpy_para_economistas.ipynb. En VS Code, abre el notebook y selecciona el kernel del .venv.

🛠️ Opcional — ¿vas a modificar el código de la librería? Por defecto requirements.txt instala la versión publicada en PyPI, y esa es la forma recomendada para la clase. Si además quieres que tus cambios locales en algebra_lineal/ se usen sin reinstalar, instala la versión local en modo editable con pip install -e ..

📦 ¿Falta alguna librería? Si al ejecutar un ejemplo aparece ModuleNotFoundError (por ejemplo con scipy u otra librería que usemos a futuro), activa el entorno e instálala con pip:

.venv\Scripts\activate            # Windows
# source .venv/bin/activate      # macOS / Linux
pip install scipy                 # o la librería que falte

⌨️ Atajos de teclado útiles en VS Code:

💡 Alternativa sin comandos: abre la paleta (Ctrl/Cmd + Shift + P), escribe "Python: Create Environment...", elige Venv, selecciona tu Python y marca requirements.txt cuando pregunte qué dependencias instalar — VS Code crea el .venv y lo instala todo por ti.

🗑️ ¿Quieres eliminar el entorno? Borra la carpeta .venv en cualquier momento: no afecta al código del proyecto y puedes regenerarla cuando la necesites repitiendo los pasos 2 y 3 (o con "Python: Create Environment...").

📋 Uso Básico

1. Preparar Google Sheet

• Crear Google Sheet llamado matrices
• Añadir pestañas con nombres: A, B, v, etc.
• Llenar con datos numéricos (sin texto ni fórmulas)

2. Usar en Python

# Importar y configurar (una vez por sesión)
from algebra_lineal import *
configurar()

# Ver qué matrices tienes disponibles
workspace()

# Importar matrices específicas
importar('A', 'B', 'v')

# Realizar operaciones de álgebra lineal
C = A @ B                      # Multiplicación matricial
suma = A + B                   # Suma de matrices
Ainv = np.linalg.inv(A)       # Matriz inversa
det_A = np.linalg.det(A)      # Determinante

# Exportar resultados de vuelta a Google Sheets
exportar('C', 'suma', 'Ainv')

📊 Ejemplo Completo

from algebra_lineal import *
import numpy as np

# Configurar conexión con Google Sheets
configurar()

# Ver workspace
workspace()
# 🏢 WORKSPACE: 'matrices'
# ===========================================================================
# #   NOMBRE               DIMENSIONES  TIPO           
# ---------------------------------------------------------------------------
# 1   A                    3×3          📋 Matriz      
# 2   B                    3×3          📋 Matriz      
# 3   v                    3×1          📉 Vector columna

# Importar matrices necesarias
importar('A', 'B', 'v')

# Resolver sistema de ecuaciones Ax = b
b = v  # Usar vector v como término independiente
x = np.linalg.solve(A, b)

# Verificar solución
verificacion = A @ x - b
error = np.linalg.norm(verificacion)

print(f"Solución: x = {x}")
print(f"Error: {error:.2e}")

# Exportar resultados
exportar('x', 'verificacion')

🔧 Funciones Disponibles

📚 Para Estudiantes

Google Colab (Recomendado)

# 1. Instalar paquete
!pip install algebra-lineal-sheets

# 2. Importar y configurar
from algebra_lineal import *
configurar()

# 3. ¡Empezar a trabajar!
workspace()
importar('A', 'B')
resultado = A @ B
exportar('resultado')

Operaciones Comunes

# Después de importar matrices A, B, v
C = A @ B                          # Multiplicación matricial
suma = A + B                       # Suma
transpuesta = A.T                  # Transpuesta
inversa = np.linalg.inv(A)         # Inversa (si existe)
determinante = np.linalg.det(A)    # Determinante
autovalores = np.linalg.eigvals(A) # Autovalores
rango = np.linalg.matrix_rank(A)   # Rango
norma = np.linalg.norm(v)          # Norma de vector

👨‍🏫 Para Profesores

Ventajas Pedagógicas

• Enfoque en matemáticas: Los estudiantes se concentran en álgebra lineal, no en programación
• Datos modificables: Cambiar valores en Google Sheets sin tocar código
• Colaborativo: Fácil compartir matrices entre estudiantes
• Visual: Ver resultados inmediatamente en Google Sheets
• Escalable: Funciona igual para 10 o 1000 estudiantes

Configuración de Clase

1. Crear plantilla: Google Sheet con matrices ejemplo
2. Compartir plantilla: Estudiantes hacen copia
3. Dar instrucciones simples:

   !pip install algebra-lineal-sheets
   from algebra_lineal import *
   configurar()
   

Ejemplo de Ejercicio

# Ejercicio: Transformaciones lineales
importar('T', 'v1', 'v2', 'v3')  # Matriz T y vectores

# Aplicar transformación
w1 = T @ v1
w2 = T @ v2  
w3 = T @ v3

# Analizar propiedades
det_T = np.linalg.det(T)
es_invertible = abs(det_T) > 1e-10

# Exportar análisis
exportar('w1', 'w2', 'w3', 'det_T')

🛠️ Configuración Avanzada

Fuentes de datos: nombre, enlace, Excel local o carpeta CSV

configurar(sheet=...) y cambiar_sheet(...) aceptan cuatro formas y detectan automáticamente cuál es:

# 1. Google Sheet por NOMBRE
configurar(sheet='prope2026')

# 2. Google Sheet por ENLACE (copia el enlace de edición del navegador)
configurar(sheet='https://docs.google.com/spreadsheets/d/1vpg.../edit')

# 3. Excel LOCAL en tu PC — no necesita internet ni cuenta de Google
configurar(sheet='C:/Users/ana/Documents/matrices.xlsx')

# 4. Carpeta de archivos CSV — cada .csv es una "pestaña" (A.csv, b0.csv...)
configurar(sheet='C:/Users/ana/Documents/matrices/')

En el modo CSV la lectura tolera el formato regional: separador ; o , (el Excel en español guarda CSV con ;) y decimales con coma. También se acepta un .csv suelto como fuente de una sola matriz.

También puedes cambiar de fuente en cualquier momento, o usar otra solo para una operación puntual:

cambiar_sheet('prope2026')
importar('A', 'B')

importar('A', sheet_name='otro_archivo')       # solo esta vez
exportar('C', sheet_name='resultados.xlsx')    # crea el Excel si no existe

⚠️ Importante: importar('prope2026') NO abre el archivo prope2026 — busca una pestaña llamada prope2026 dentro del archivo activo. Para cambiar de archivo usa cambiar_sheet('prope2026').

Modo Excel local

Ideal para trabajar sin internet y sin cuenta de Google (en tu PC con Anaconda, VS Code, etc.). La estructura es la misma: una pestaña = una matriz.

from algebra_lineal import *
configurar(sheet='matrices.xlsx')   # sin autenticación
workspace()
importar('A', 'B')
C = A @ B
exportar('C')                       # se guarda en el mismo .xlsx

Notas del modo Excel:

• Solo archivos .xlsx (no .xls antiguo)
• Si el archivo tiene fórmulas, debe haberse guardado desde Excel al menos una vez para que Python pueda leer los valores calculados
• Además, al guardar desde Python (exportar()) los valores calculados de las fórmulas se pierden para la librería: vuelve a abrir y guardar el archivo en Excel para que importar() los lea de nuevo (la librería te avisa cuando detecta fórmulas)
• exportar() crea el archivo si no existe
• Puedes escribir los decimales con coma o con punto (3,5 o 3.5): la librería entiende ambos, y al exportar verás los números en el formato regional de tu equipo

✏️ Editar el Excel dentro de VS Code (Office Viewer)

Si trabajas en VS Code no necesitas abrir Excel: la extensión Office Viewer permite ver y editar el archivo .xlsx directamente en el editor.

1. Instalar la extensión: abre la vista de Extensiones (Ctrl+Shift+X), busca "Office Viewer" (cweijan.vscode-office) e instálala. O desde la terminal:

   code --install-extension cweijan.vscode-office
   

2. Abrir el archivo: haz clic derecho sobre el .xlsx en el explorador de VS Code → "Open With..." / "Abrir con..." → elige Office Viewer (puedes marcarla como editor por defecto para todos los .xlsx).
3. Editar y guardar: modifica las celdas y guarda con Ctrl+S. Escribe valores numéricos directos (no fórmulas — ver la nota anterior sobre fórmulas y valores calculados).

📈 Datos, CSV y regresiones (pandas)

Para trabajar con datos con columnas nombradas (por ejemplo la matriz de diseño de una regresión), la librería incluye tres funciones que usan pandas (pip install pandas; en Google Colab ya viene instalado):

from algebra_lineal import *
import numpy as np

# 1. Cargar datos: detecta separador (',' o ';'), decimales con coma y
#    si la primera fila trae los nombres de las variables
datos = cargar_datos('datos_consumo.csv')
# ✅ datos_consumo.csv → 12 filas × 3 columnas: consumo, ingreso, precio

# 2. Matriz de diseño: y = consumo; X = [const, ingreso, precio]
X, y, nombres = matriz_diseno(datos, y='consumo', x=['ingreso', 'precio'])

# 3. Regresión OLS con álgebra matricial pura
beta = np.linalg.solve(X.T @ X, X.T @ y)
for nombre, valor in zip(nombres, beta.flatten()):
    print(nombre, round(valor, 3))

# 4. Guardar un DataFrame en .csv o .xlsx
guardar_datos(datos, 'copia.xlsx')

Notas:

• Si la primera fila del archivo tiene texto, se toma como nombres de las variables; si es toda numérica, las columnas se llaman x1, x2, ...
• matriz_diseno descarta (avisando) las filas con datos faltantes y añade la columna de constante al inicio (desactivable con constante=False).
• Ejemplo completo en ejemplos/ejemplo_regresion.py con ejemplos/datos_consumo.csv; al ejecutarlo genera mi_regresion.xlsx, que puedes comparar con el resultado esperado ejemplos/resultados_regresion.xlsx (pestaña beta).

Verificar Variables

# Ver qué variables están disponibles para exportar
listar_variables_exportables()

❓ Solución de Problemas

Error: "No se pudo abrir 'matrices'"

• ✅ Verificar que el Google Sheet existe
• ✅ Verificar que se llama exactamente 'matrices'
• ✅ Verificar permisos de acceso

Importa las matrices de OTRO archivo (no el que quiero)

• ✅ El paquete siempre usa el archivo activo (por defecto matrices)
• ✅ Cambiar con cambiar_sheet('mi_archivo') o configurar(sheet='mi_archivo')
• ✅ Ver qué archivo está activo: aparece en los mensajes de importar() y workspace()

Error: "Variable no encontrada"

• ✅ Ejecutar importar() antes de usar variables
• ✅ Verificar nombres exactos con workspace()

Error de autenticación

• ✅ Ejecutar configurar() nuevamente
• ✅ En Colab: Runtime → Restart and run all

🔄 Actualización

pip install --upgrade algebra-lineal-sheets

📦 Requisitos

• Python 3.8+
• numpy >= 1.20.0
• gspread >= 5.0.0
• google-auth >= 2.0.0
• openpyxl >= 3.0.0 (para el modo Excel local)

Se instalan automáticamente con el paquete.

📄 Licencia

MIT License - Ver LICENSE para más detalles.

🤝 Contribuir

¡Las contribuciones son bienvenidas! Revisa el ROADMAP para ver las mejoras planificadas. Los tests se ejecutan con pytest tests/.

📧 Contacto

• Autor: Francisco Pérez Mogollón
• Email: francisco.perezxxi@gmail.com
• PyPI: https://pypi.org/project/algebra-lineal-sheets/

🔗 Enlaces Útiles

• Google Colab
• Google Sheets
• NumPy Documentation

⭐ ¡Si te resulta útil, compártelo con otros profesores! ⭐