Joel Tropp
From Wikipedia, the free encyclopedia
| Naissance | |
|---|---|
| Nationalité | |
| Formation | |
| Activité |
| A travaillé pour | |
|---|---|
| Membre de | |
| Directeurs de thèse | |
| Distinctions |
Joel Aaron Tropp (né en à Austin, Texas) est un mathématicien américain, professeur Steele Family de mathématiques appliquées et computationnelles au département d'informatique et de sciences mathématiques du California Institute of Technology. Il est connu pour ses travaux sur l'approximation parcimonieuse (en), l'algèbre linéaire numérique et la théorie des matrices aléatoires.
Tropp étudie à l'université du Texas à Austin, où il obtient un baccalauréat en mathématiques et un baccalauréat en Plan II Honors en 1999, ainsi qu'une maîtrise et un doctorat en mathématiques computationnelles et appliquées en 2001 et 2004[1]. Sa thèse, intitulée Topics in Sparse Approximation, est supervisée par Inderjit Dhillon (en) et Anna C. Gilbert (en)[2]. Il enseigne à l'université du Michigan de 2004 à 2007[1]. Il fait partie de la faculté du California Institute of Technology depuis 2007[3].
Recherche
Dans ses premières recherches[4], Tropp développe des garanties de performance pour les algorithmes d'approximation parcimonieuse et de détection compressée. En 2011, il publie un article[5] sur les algorithmes randomisés pour calculer une décomposition en valeurs singulières tronquées. Il travaille également sur la théorie des matrices aléatoires, où il établit une famille de résultats[6], appelés collectivement inégalités de concentration matricielle, qui inclut la limite de matrice Chernoff (en).
