Mostrar el registro sencillo del ítem
dc.contributor.author
Spies, Ruben Daniel
dc.contributor.author
Temperini, Karina Guadalupe
dc.date.available
2019-09-24T15:18:44Z
dc.date.issued
2007-12
dc.identifier.citation
Spies, Ruben Daniel; Temperini, Karina Guadalupe; Calificación generalizada y convergencia óptima para métodos de regularización espectrales; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; 26; 12-2007; 2093-2105
dc.identifier.issn
2591-3522
dc.identifier.uri
http://hdl.handle.net/11336/84257
dc.description.abstract
El concepto de calificación de métodos de regularización espectrales (MREs) para problemas inversos mal condicionados está fuertemente asociado con el orden de convergencia óptimo delerror de regularización (H. W. Engl et al., Regularization of inverse problems, volume 375 of Mathematics and its Applications, Kluwer Academic Publishers Group, Dordrecht (1996); P. Mathé and S. V. Pereverzev, Inverse Problems, 19(3):789-803 (2003)). En este trabajo se extiende la definición de calificación y se introducen tres niveles diferentes de este concepto: débil, fuerte y óptimo. Se muestra que la calificación débil extiende la definición introducida por Mathé y Pereverzev en el año 2003, principalmente en el sentido que las funciones asociadas a órdenes de convergencia y conjuntos fuente no necesariamente son las mismas. Se proveen además una condición suficiente que garantiza que un MRE posee calificación en el sentido de esta generalización como así también condiciones necesarias y suficientes para que un orden de convergencia dado sea calificaci´on fuerte u óptima. Se muestra que algunos MREs que tienen calificación clásica infinita, por ejemplo expansión en valores singulares truncada, método de Landweber y método de Showalter, poseen además calificación generalizada, la cual conlleva a un orden de convergencia óptimo del error de regularización. Se presentan varios ejemplos que ilustran los niveles de calificación, las relaciones entre los mismos, como así también con el concepto de calificación clásica y el introducido por Mathé y Pereverzev. Por último, se muestran las implicaciones que tiene esta teoría en el contexto de órdenes de convergencia, resultados recíprocos y conjuntos fuente maximales para problemas inversos mal condicionados concretos.Regularization of inverse problems, volume 375 of Mathematics and its Applications, Kluwer Academic Publishers Group, Dordrecht (1996); P. Mathé and S. V. Pereverzev, Inverse Problems, 19(3):789-803 (2003)). En este trabajo se extiende la definición de calificación y se introducen tres niveles diferentes de este concepto: débil, fuerte y óptimo. Se muestra que la calificación débil extiende la definición introducida por Mathé y Pereverzev en el año 2003, principalmente en el sentido que las funciones asociadas a órdenes de convergencia y conjuntos fuente no necesariamente son las mismas. Se proveen además una condición suficiente que garantiza que un MRE posee calificación en el sentido de esta generalización como así también condiciones necesarias y suficientes para que un orden de convergencia dado sea calificaci´on fuerte u óptima. Se muestra que algunos MREs que tienen calificación clásica infinita, por ejemplo expansión en valores singulares truncada, método de Landweber y método de Showalter, poseen además calificación generalizada, la cual conlleva a un orden de convergencia óptimo del error de regularización. Se presentan varios ejemplos que ilustran los niveles de calificación, las relaciones entre los mismos, como así también con el concepto de calificación clásica y el introducido por Mathé y Pereverzev. Por último, se muestran las implicaciones que tiene esta teoría en el contexto de órdenes de convergencia, resultados recíprocos y conjuntos fuente maximales para problemas inversos mal condicionados concretos.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Asociación Argentina de Mecánica Computacional
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject.classification
Matemática Aplicada
dc.subject.classification
Matemáticas
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
dc.title
Calificación generalizada y convergencia óptima para métodos de regularización espectrales
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2019-09-20T14:18:18Z
dc.journal.volume
26
dc.journal.pagination
2093-2105
dc.journal.pais
Argentina
dc.journal.ciudad
Santa Fe
dc.description.fil
Fil: Spies, Ruben Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina
dc.description.fil
Fil: Temperini, Karina Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina
dc.journal.title
Mecánica Computacional
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://cimec.org.ar/ojs/index.php/mc/issue/archive
Archivos asociados