Webrelaunch 2020

Inverse Probleme (Wintersemester 2017/18)

Aktuelle Termine

Datum Veranstaltung
Termine
Vorlesung: Dienstag 14:00-15:30 SR 3.68 Beginn: 17.10.2017
Mittwoch 11:30-13:00 SR 3.68
Übung: Donnerstag 15:45-17:15 SR 0.014
Lehrende
Dozent, Übungsleiter Prof. Dr. Andreas Rieder
Sprechstunde: Bis auf weiteres nur nach Vereinbarung,
Zimmer 3.040 Kollegiengebäude Mathematik (20.30)
Email: andreas.rieder(at)kit.edu
Übungsleiter Dr. Christian Rheinbay
Sprechstunde:
Zimmer 3.048 Kollegiengebäude Mathematik (20.30)
Email: christian.rheinbay@kit.edu

Inverse Probleme treten in der heutigen Hochtechnologie häufig auf. Immer wenn man von einer beobachteten (gemessenen) WIRKUNG auf deren URSACHE schließen möchte, liegt ein inverses Problem vor.

So wird in der Computer-Tomographie die Abminderung von Röntgenstrahlen gemessen beim Durchgang durch ein Objekt (z.B. menschlicher Körper). Die Ursache der Abminderung ist die Dichte des Objekts. Ein anderes Beispiel entstammt der Geophysik: In der seismischen Tomographie werden Schallwellen durch kontrollierte Explosionen erzeugt, die ins Erdreich propagieren und dort reflektiert werden. Aus Messungen des Schalldrucks auf der Erdoberfläche oder im Meer sollen Schallgeschwindigkeit und Massendichte im Erdinnern bestimmt werden.

Aus mathematischer Sicht bestehen inverse Probleme darin, Operatorgleichungen zu lösen. Dabei modelliert eine Abbildung F\colon X\to Y das direkte Problem, d.h. wie die URSACHE die WIRKUNG impliziert. Die Mengen X und Y beinhalten die Ursachen (Parameter) bzw. die Wirkungen (Daten). Das inverse Problem lautet nun: finde zu gegebenem y\in Y ein x\in X, so daß F(x)=y ist.

Eine besondere Herausforderung bei inversen Problemen ist ihre inhärente Schlechtgestelltheit: kleine Änderungen in y (z.B. Meßrauschen, Rundungsfehler) ziehen große Änderungen in x nach sich (F^{-1} ist unstetig). Diese Fehlerverstärkung muß im Lösungsprozeß durch geeignete Maßnahmen gedämpft werden: inverse Probleme müssen regularisiert, d.h. stabilisiert werden.

In der Vorlesung werden verschiedene Regularisierungsverfahren vorgestellt, analysiert und verglichen. Darüber hinaus wird auch deren numerische Realisierung betrachtet.

Alle notwendigen Resultate aus der Funktionalanalysis werden im Zuge der Lehrveranstaltung bereitgestellt.

Zu dieser Vorlesung wurde eine ILIAS-Bereich eingerichtet. Dort finden Sie die Übungsblätter und zusätzliches Material. Folgen Sie diesem Verweis.

Literaturhinweise