培养工作
短课程:矩阵扰动理论及在数据科学中的应用
编辑:mathyjs发布时间:2019年04月30日

课程名称:矩阵扰动理论及在数据科学中的应用

          Matrix Perturbation Theory and Applications in Data Science

课程简介:
在本课程中,我们将系统地讲解矩阵扰动分析的重要结果以及在数据科学中的若干应用。具体来说,我们将涵盖一般矩阵的最优特征值扰动界,正态矩阵的Hoffman-Wiedlandt定理,Hermitian矩阵的Weyl-Lidskii定理,Davis-Kahan角定理,以及基于残差的误差界限,这些结果对于评估大规模特征值计算结果的精度非常有用。我们还将介绍这些结果的相对扰动版本。作为应用,我们将讨论具有特征向量依赖性的若干非线性特征值问题及其SCF迭代数值解 和收敛性分析, 以及若干矩阵共同对角化的扰动分析。

授课教师: 李仁仓 教授(University of Texas at Arlington)

授课对象:研究生

上课时间和地点:

5月13日8:00-10:00,数学物理大楼661;

5月13日14:30-16:30,海韵实验楼108;

5月14日8:00-10:00,海韵实验楼108;

5月14日14:30-16:30,海韵实验楼103;

5月15日8:00-10:00,海韵实验楼110;

5月15日14:30-16:30,海韵实验楼103;

5月16日8:00-10:00,海韵实验楼111;

5月16日14:30-16:30,海韵实验楼104;

5月17日8:00-10:00,海韵实验楼103;

5月17日14:30-16:30,海韵实验楼110。

                


欢迎同学们前往听课!