update

README.md

@@ -1,3 +1,100 @@
 # linear-algebra
 
-主要用于python & 线性代数的学习以及代码的实现~
+主要用于python & 线性代数的学习以及代码的实现~
+
+
+
+
+我将为这个线性代数项目创建一个简单的README文件。首先让我了解一下项目的结构和内容。
+
+
+现在我将创建一个简单的README文件，总结这个线性代数项目的功能和结构：
+
+```markdown
+# 线性代数库 (LinearAlgebra)
+
+一个基于Python的线性代数库，实现了向量和矩阵的基本运算功能。
+
+## 项目结构
+
+```
+LinearAlgebra/
+├── playLA/                 # 核心线性代数库
+│   ├── Vector.py           # 向量类实现
+│   ├── Matrix.py           # 矩阵类实现
+│   └── _global.py          # 全局常量定义
+├── main_vector.py          # 向量功能演示
+├── main_matrix.py          # 矩阵功能演示
+├── main_matrix_transformation.py  # 矩阵变换演示
+├── main_numpy_vector.py    # NumPy向量对比演示
+├── main_numpy_matrix.py    # NumPy矩阵对比演示
+├── my_gptmodel/            # GPT模型相关文件
+├── deepleaning_demo.py     # 深度学习演示
+└── readme_deep.txt         # 深度学习相关内容说明
+```
+
+## 功能特性
+
+### 向量 (Vector)
+- 基本运算：加法、减法、数乘、除法
+- 向量属性：模长、单位向量、点乘
+- 特殊向量：零向量生成
+- 向量取正、取负操作
+
+### 矩阵 (Matrix)
+- 基本运算：加法、减法、数乘、矩阵乘法
+- 矩阵属性：形状、行列数、元素总数
+- 特殊矩阵：零矩阵、单位矩阵生成
+- 矩阵转置功能
+- 矩阵与向量、矩阵与矩阵的乘法运算
+
+## 使用示例
+
+### 向量操作
+```python
+from playLA.Vector import Vecotr
+
+# 创建向量
+vec = Vecotr([5, 2])
+vec2 = Vecotr([3, 1])
+
+# 基本运算
+print(vec + vec2)      # 向量加法
+print(vec * 3)         # 数量乘法
+print(vec.normalize()) # 单位向量
+print(vec.dot(vec2))   # 点乘
+```
+
+### 矩阵操作
+```python
+from playLA.Matrix import Matrix
+from playLA.Vector import Vecotr
+
+# 创建矩阵
+matrix = Matrix([[1, 2], [3, 4]])
+matrix2 = Matrix([[5, 6], [7, 8]])
+
+# 基本运算
+print(matrix + matrix2)      # 矩阵加法
+print(matrix * 2)            # 数量乘法
+print(matrix.dot(matrix2))   # 矩阵乘法
+print(matrix.T())            # 矩阵转置
+
+# 矩阵与向量乘法
+T = Matrix([[1.5, 0], [0, 2]])
+p = Vecotr([5, 3])
+print(T.dot(p))
+```
+
+## 项目说明
+
+此项目实现了基础的线性代数运算功能，包括向量和矩阵的各种运算操作。代码结构清晰，易于理解和扩展。项目还包含了一些深度学习相关的演示代码和GPT模型相关内容。
+
+## 运行演示
+
+- `python main_vector.py`: 运行向量功能演示
+- `python main_matrix.py`: 运行矩阵功能演示
+- `python main_matrix_transformation.py`: 运行矩阵变换演示
+- `python main_numpy_vector.py`: 运行NumPy向量对比演示
+- `python main_numpy_matrix.py`: 运行NumPy矩阵对比演示
+```