diff --git a/Day66-80/71.NumPy的应用-4.md b/Day66-80/71.NumPy的应用-4.md
index ac7d046..fbd784c 100644
--- a/Day66-80/71.NumPy的应用-4.md
+++ b/Day66-80/71.NumPy的应用-4.md
@@ -210,26 +210,7 @@ $$
 例如：
 
 $$
-\begin{bmatrix}
-1 & 0 & 2 \\
--1 & 3 & 1
-\end{bmatrix}
-\times
-\begin{bmatrix}
-3 & 1 \\
-2 & 1 \\
-1 & 0
-\end{bmatrix}
-=
-\begin{bmatrix}
-(1 \times 3  +  0 \times 2  +  2 \times 1) & (1 \times 1   +   0 \times 1   +   2 \times 0) \\
-(-1 \times 3  +  3 \times 2  +  1 \times 1) & (-1 \times 1   +   3 \times 1   +   1 \times 0)
-\end{bmatrix}
-=
-\begin{bmatrix}
-5 & 1 \\
-4 & 2
-\end{bmatrix}
+\begin{bmatrix} 1 & 0 & 2 \\\\ -1 & 3 & 1 \end{bmatrix} \times \begin{bmatrix} 3 & 1 \\\\ 2 & 1 \\\\ 1 & 0 \end{bmatrix} = \begin{bmatrix} (1 \times 3  +  0 \times 2  +  2 \times 1) & (1 \times 1   +   0 \times 1   +   2 \times 0) \\\\ (-1 \times 3  +  3 \times 2  +  1 \times 1) & (-1 \times 1   +   3 \times 1   +   1 \times 0) \end{bmatrix} = \begin{bmatrix} 5 & 1 \\\\ 4 & 2 \end{bmatrix}
 $$
 
 矩阵的乘法满足结合律和对矩阵加法的分配律：
@@ -726,7 +707,7 @@ Polynomial.fit(x, y, deg=1).convert().coef
 array([-2.94883437e+02,  1.10333716e-01])
 ```
 
-根据上面输出的结果，我们的回归方程应该是$\small{y=0.110333716x-294.883437}$。我们将这个回归方程绘制到刚才的散点图上，红色的点是我们的预测值，蓝色的点是历史数据，也就是真实值。
+根据上面输出的结果，我们的回归方程应该是 $\small{y=0.110333716x-294.883437}$ 。我们将这个回归方程绘制到刚才的散点图上，红色的点是我们的预测值，蓝色的点是历史数据，也就是真实值。
 
 代码：