patch v4 matrix mult

functions.py

@@ -143,8 +143,10 @@ class MatMul(_Function):
         # TODO: Implement the derivative dx for this opetation and add the
         # result of the chain rule on self.dx.
         #######################################################################
-        self.dx = grad.dot(self.y.data.transpose())
-        self.dy = grad.dot(self.x.data.transpose())
+        #self.dx = grad.dot(self.y.data.transpose())
+        #self.dy = grad.dot(self.x.data.transpose())
+        self.dx = grad * np.add(self.x.data, self.y.data.transpose())
+        self.dy = np.add(self.x.data.transpose(), self.y.data) * grad
         #######################################################################
         # --------------------------- END OF YOUR CODE ------------------------
         #######################################################################