Un enfoque de mínimos cuadrados totales regularizados para dispersión inversa en 1D
Autores: Tataris, Andreas; van Leeuwen, Tristan
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un enfoque de mínimos cuadrados totales regularizados para dispersión inversa en 1D
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Problema de dispersión
Operador de Schrödinger
Ecuación integral GLM
Estimación de estabilidad
Mínimos cuadrados totales variacionales
Solución regularizada
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Estudiamos el problema de dispersión inversa para un operador de Schrödinger relacionado con un operador de onda estática con velocidad variable, utilizando la ecuación integral GLM (Gelfand-Levitan-Marchenko). Suponemos tener datos de dispersión ruidosos y derivamos una estimación de estabilidad para el error de la solución de la ecuación integral GLM mostrando la invertibilidad del operador GLM entre espacios de funciones adecuados. Para regularizar el problema, formulamos un problema de mínimos cuadrados totales variacionales y mostramos que, bajo ciertas suposiciones de regularidad, el problema de optimización admite minimizadores. Finalmente, calculamos numéricamente la solución regularizada de la ecuación GLM utilizando el método de mínimos cuadrados totales en un sentido discreto.
Descripción
Estudiamos el problema de dispersión inversa para un operador de Schrödinger relacionado con un operador de onda estática con velocidad variable, utilizando la ecuación integral GLM (Gelfand-Levitan-Marchenko). Suponemos tener datos de dispersión ruidosos y derivamos una estimación de estabilidad para el error de la solución de la ecuación integral GLM mostrando la invertibilidad del operador GLM entre espacios de funciones adecuados. Para regularizar el problema, formulamos un problema de mínimos cuadrados totales variacionales y mostramos que, bajo ciertas suposiciones de regularidad, el problema de optimización admite minimizadores. Finalmente, calculamos numéricamente la solución regularizada de la ecuación GLM utilizando el método de mínimos cuadrados totales en un sentido discreto.