Full Description
Inverse Probleme treten in der heutigen Hochtechnologie haufig auf. Immer wenn man von einer beobachteten (gemessenen) WIRKUNG auf deren URSACHE schliessen mochte, liegt ein inverses Problem vor. So wird in der Computer-Tomographie die Abminderung von Rontgenstrahlen gemessen beim Durchgang durch ein Objekt (z.B. menschlicher Korper). Die Ursache der Abminderung ist die Dichte des Objekts. Ein anderes Beispiel stellt die Ultraschall-Tomographie dar: Hier wird die Streuung von Schallwellen an einem Objekt beobachtet, hervorgerufen durch die Form des Objekts, auf die man schliessen mochte. Aus mathematischer Sicht bestehen inverse Probleme darin, Operatorgleichungen zu losen. Das vorliegende Lehrbuch fuhrt umfassend ein in die mathematischen Grundlagen zur stabilen Losung inverser Probleme, zielt dabei aber auch auf konkrete Anwendungen ab.
Contents
1 Einführung: Was ist ein inverses Problem?.- 1.1 Computer-Tomographie.- 1.2 Impedanz-Tomographie.- 1.3 Ein inverses Streuproblem: Ultraschall-Tomographie.- 1.4 Inverse Wärmeleitungsprobleme.- 1.5 Abstrakte Formulierung inverser Probleme.- 1.6 Übungsaufgaben.- 2 Schlecht gestellte Operatorgleichungen.- 2.1 Verallgemeinerte Inverse (Moore-Penrose-Inverse).- 2.2 Kompakte Operatoren.- 2.3 Singulärwertzerlegung kompakter Operatoren.- 2.4 Ein Funktionalkalkül für kompakte Operatoren.- 2.5 Ein weiteres Beispiel zur SWZ: Die Radon-Transformation.- 2.6 Übungsaufgaben.- 3 Regularisierung linearer Probleme und Optimalität.- 3.1 Vorbetrachtungen.- 3.2 Klassifizierung von Regularisierungsverfahren.- 3.3 Eine allgemeine Theorie linearer Regularisierungen.- 3.4 Das Diskrepanzprinzip.- 3.5 Ein verallgemeinertes Diskrepanzprinzip.- 3.6 Heuristische („?-freie") Parameterstrategien.- 3.7 Übungsaufgaben.- 4 Tikhonov-Phillips-Regularisierung.- 4.1 Verallgemeinerte Tikhonov-Phillips-Regularisierung.- 4.2 Iterierte Tikhonov-Phillips-Regularisierung.- 4.3 Übungsaufgaben.- 5 Iterative Regularisierungen.- 5.1 Landweber-Verfahren.- 5.2 Semi-iterative Verfahren.- 5.3 Das Verfahren der konjugierten Gradienten (cg-Verfahren).- 5.4 Übungsaufgaben.- 6 Diskretisierung und Regularisierung.- 6.1 Projektionsverfahren.- 6.2 Regularisierung von Projektionsverfahren.- 6.3 Semi-diskrete Probleme: Die Approximative Inverse.- 6.4 Übungsaufgaben.- 7 Nichtlineare schlecht gestellte Probleme.- 7.1 Lokale Schlechtgestelltheit.- 7.2 Fréchet-Differenzierbarkeit.- 7.3 Charakterisierung nichtlinearer schlecht gestellter Probleme.- 7.4 Nichtlineare Tikhonov-Phillips-Regularisierung.- 7.5 Iterative Methoden vom Newton-Typ.- 7.6 Übungsaufgaben.- 8 Anhang: Grundbegriffe aus der Funktionalanalysis.- 8.1Normierte Räume und lineare Abbildungen.- 8.2 Drei Hauptsätze der Funktionalanalysis.- 8.3 Innenprodukträume.
