看完我整个人都懵逼了！花式懵逼表情包：这都啥玩意儿啊？不知道谁做的懵逼系列，反正看完我整个人都懵逼了……你们这些随便懵逼的人，一！看！就！没！好！好！学！高！数！对角懵逼是线性代数里的对角矩阵，不懵逼的时候长这样：这些都是对角矩阵。顾名思义，对角矩阵就是对角线之外的数全是0的矩阵。对角矩阵计算起来相对方便，因此人们往往会想尽办法把不对角的懵逼转化成对角懵逼，还总结出了好多规律。
当然，你们这些在这儿就懵逼的人是不会记得的。泰勒懵逼展开是指数函数e^x的泰勒展开，不懵逼的时候是这样的。Taylor展开是估算函数值的一种方法（做微积分题时也很常用），而在Taylor懵逼展开中，我们第一次看到了懵逼开方的景象。ℵ0脸茫然它终于超越了高数！
这个稀奇古怪的符号ℵ读作“阿列夫”，阿列夫本是希伯来语字母表中的第一个字母，在实变函数中，阿列夫数ℵ是用来表示无穷集合到底有多大的数，而ℵ0则是最小的无穷集合——自然数集（也就是从01234567...这样数下去的集合）的大小。是的，同样是无穷也能比大小；而且确切地说，ℵ0是所有可数集的势。但你们已经懵逼了对不对？
博弈论懵逼囚徒困境，不懵逼的囚徒困境是这样的：可以看出，如果两个囚徒都招了，那么两个人都需要坐两年牢；如果一个人招一个人不招，那么招了的人坐三年牢，不招的不用坐牢；但如果两个人都不招，由于证据不足，两个人都坐一年牢。
在博弈论懵逼中，如果红懵逼和蓝懵逼都招了，那么两个懵逼都要坐x年的牢；如果一个懵逼招了另一个不招，那么不招的那个捡y年的肥皂（y大于x），招了的不用捡（因为接发有功）；但如果两个懵逼都不招，就一块儿被放走了。递归懵逼C语言中的递归算法，平时一般长这样：指的是在运算过程中调用自己的算法。当然，在递归懵逼中，函数名是懵逼，变量也是懵逼的。懵逼特征根方程就是矩阵的特征方程啦！记得吗，线代学过的那个？
用一个对角线上都是λ的对角矩阵减去原矩阵，令这个矩阵的行列式的值等于0，算出来的λ的解就是原矩阵的特征值。这里有一道解特征值的例题。特征值（除了解方程之外）的用途很多，在图像处理、机器学习等领域都有应用。standard mengbi distribution大名鼎鼎的标准正态分布啊！正常状态是standard normal distribution。
正态分布大家都很熟悉，标准正态分布就是均值为0，标准差为1的正态分布。如果变量X服从均值为μ，标准差为σ的正态分布，通过 Y=(X-μ)/σ这个标准化变换得到的变量Y就是服从标准正态分布的。额，似乎并没有人提到最后一个离散懵逼变换。那我就抛砖引玉的给一下链接吧，希望有大神补充。这个所谓的离散懵逼变换，其实就是离散余弦变换（DCT）。说到离散XX变换，首先想到的就是离散傅立叶变换。
而离散余弦变换就是离散傅立叶变换（DFT）的一种。下面上对比图：离散傅里叶变换（DFT）为：由于许多要处理的信号都是实信号，在使用DFT时由于傅里叶变换时由于实信号傅立叶变换的共轭对称性导致DFT后在频域中有一半的数据冗余。离散余弦变换（DCT）是对实信号定义的一种变换，变换后在频域中得到的也是一个实信号，相比DFT而言,DCT可以减少一半以上的计算。
DCT还有一个很重要的性质（能量集中特性）：大多书自然信号（声音、图像）的能量都集中在离散余弦变换后的低频部分，因而DCT在（声音、图像）数据压缩中得到了广泛的使用。由于DCT是从DFT推导出来的另一种变换，因此许多DFT的属性在DCT中仍然是保留下来的。歪个楼，赫罗懵逼图。今天懵的逼，都是当年逃的课。不信抬头看——好玩儿的讨论哪里有：果壳问答ID：AskGuokr小黄人没有肩膀怎么穿背带裤？
扫码关注果壳问答回复【小黄人】就告诉你！