老师我听高数这部分知识太迷糊了，我能不能继续往后听，后面要是用到这部分知识再回头来听

这里是损失函数h（x）在下降，所以是下降后的h（x）小于下降之前的
而下降之后的x大于下降之前的x

下降之后减去下降之前的损失函数，其值为负，负值的绝对值最大，
，其差值也就最大，所以xy的方向相反，需要cos=-1，而不是cos=1，
是这样理解吧老师

能解释下，为什么通过截取两个维度，获得SVD值后，再乘回来的值，就等于jim 0，0两个维度的相似值吗？

说是用欧式距离来求两个向量之间的相似度我能理解。这样随意填充的0，0值，就说是相似度，感觉逻辑上和相似毫无关系啊

这章讲的不明不白，可以考虑重置。如果真的不重要，可以删除或者给更简明的结论。不然读者一头雾水。

老师的凹凸定义是不是不对啊，y=x^2不是凹函数吗

老师，x是一个多维的列向量，请问这里在证明的时候为什么把一个三元的特例乘开了来做证明呢？感觉三元成立不一定证明多元也成立

老师，np.dot(a,i)乘起来不应该是一个内积嘛？为啥不是个数是个矩阵呀？

老师，对于y= x^3, 在原点的一阶导数为零，也称为驻点吗？整个定义域都是单调增的哦

矩阵相加的结果是几维的？可以再次调用reshape方法？变成一行的向量？

这个凹凸函数的确看起来不舒服，因为我本身就是学数学的，看这个定义和数学分析以及考研数学中的定义完全相反。

老师好！要想梯度下降得更快，视频中说Loss(x1)-Loss(0)要最小。按正常理解，不是应该他们的差值越大，才是下降得越快吗？

老师，特征值与奇异值的关系中，特征值是指U的特征值，还是指V的特征值呢？因为U、V都有对应的特征值

请问老师，这里是如何看出的？

老师，多元函数泰勒展开，这里的x指的是矩阵，xk是x中的列向量吗？