Research Group of Prof. Dr. M. Griebel
Institute for Numerical Simulation
maximize

Proseminar im Wintersemester 2001/02


"Inverse und schlecht gestellte Probleme und ihre Regularisierung"


Leitung: Prof. Dr. Michael Griebel
Mitarbeiter: Dr. Frank Kiefer
Ort und Zeit: Wegelerstr. 10, Raum 251, dienstags, 14-16 h
Beginn: 23.10.2001

Viele klassische Aufgaben der mathematischen Physik zur Beschreibung physikalischer Systeme werden durch Integralgleichungen oder durch gewöhnliche oder partielle Differentialgleichungen beschrieben. Diese sind korrekt gestellt, wenn die zugehörigen Gleichungen eindeutig lösbar sind und die Lösung stetig von den Problemparametern abhängt.

Bei vielen Anwendungen ist die Lösung des Problems (zumindest teilweise) bekannt, etwa aufgrund von Messungen, und man möchte umgekehrt auf die Parameter des Systems schließen. Ein Beispiel für ein solches inverses Problem ist die Computer-Tomographie: Die mathematische Aufgabe besteht hier darin, aus der gemessenen Abschwächung von Röntgenstrahlen, die ein Objekt durchdringen, die Dichteverteilung innerhalb des Objekts zu rekonstruieren, um diese auf einem Bildschirm darstellen zu können.

Leider sind solche inversen Aufgaben häufig schlecht gestellt in dem Sinne, daß die zu rekonstruierenden Systemparameter unstetig von der Lösung des direkten Problems abhängen. Dies führt dazu, daß in der Regel kleine aber unvermeidbare Messfehler in der Lösung zu großen Fehlern in den berechneten Parametern führen können. Eine reizvolle Aufgabe ist es von daher, mit Hilfe geeigneter Regularisierungstechniken (verallgemeinerte) Näherungslösungen zu inversen Problemen zu finden, bei denen sich Datenfehler nicht über ein unvermeidbares Maß hinaus verstärken.

In diesem Proseminar möchten wir gemeinsam die mathematischen Grundlagen der Theorie inverser und schlecht gestellter Probleme erarbeiten, verallgemeinerte Lösungsbegriffe, unterschiedliche Regularisierungstechniken und entsprechende numerische Verfahren besprechen, darüberhinaus aber auch Anwendungen aus der Praxis genauer kennenlernen und studieren.

I) Einführung und Grundlagen


1. Einführung

2. Grundlagen aus der linearen Funktionalanalysis
3. Schlecht gestellte Probleme und schlimmster Fehler

II) Regularisierungstheorie für Integralgleichungen erster Art (bei a priori Wahl der Regularisierungsparameter)


4. Allgemeine Theorie und Beispiele

5. Regularisierung mittels Filterung/TSVD

6. Tikhonov Regularisierung

7. Landweber Verfahren

III) Regularisierungstheorie für Integralgleichungen erster Art (bei a posteriori Wahl der Regularisierungsparameter)


8. Morozovs Methode

9. Landweber Iteration mit Stoppkriterium

III) Anwendungen


10.+11. Lösung schlechtkonditionierter und singulärer linearer Gleichungssysteme

12. Numerische Verfahren in der Computertomographie

Ergänzende Literaturhinweise


Frank Kiefer
Last modified: Tue Oct 23 17:41:00 CEST 2001