该文档详细的描述了向量范数和矩阵范数的计算及应用，对于处理算法中经常遇到的范数简化有很大的作用。-A detailed descr iption of the document vector norm and the matrix norm calculation and application of processing algorithms for the norm are often encountered in the role of simplified greatly.

猜想：通过对Hilbert矩阵的预处理，能改善Hilbert的病态性质。 验证：根据不同 建立对应的Hilbert矩阵，计算该矩阵的2-范数的条件数，其次计算经过预处理后的H^矩阵的2-范数的条件数，并绘制 曲线。编程实现见附录1中的solution(2)。 实际编程中，分别取 ， ， ， ，可以发现所得到的变化曲线 在 时， 的取值较为平缓的减小，且均小于0。而随着Hilbert矩阵阶数的增大， 的取值在 区间中振荡，主要集中在 ，且多数取值 。则对多数的Hilbert矩阵，其条件数在

解线性方程组的列主元素高斯消去法和LU分解法实验报告-Conjecture: By Hilbert matrix preconditioning can improve the pathological nature of Hilbert.establishment of the corresponding Hilbert matrix, the matrix calculation 2- norm condition number, followed by the calculation 2

本文分别以稀疏基有离散余弦变换基（DCT）和快速傅立叶变换基（FFT）做为稀疏基，高斯随机矩阵、部分哈达玛矩阵为测量矩阵，L1范数、正交匹配追踪算法（OMP）为重建算法进行压缩感知算法实现。(In this paper, DCT and FFT are used as sparse basis, Gauss random matrix and partial Hadamard matrix are used as measurement matrix, L1 norm and OMP are u