Orientador: Alvaro Rodolfo de Pierro

Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação

Resumo: Estudamos aqui métodos numéricos para resolver problemas inversos. Provamos resultados sobre a consistência de métodos iterativos lineares estacionários convergentes para solução de quadrados mínimos de um sistema linear. Demonstramos a equivalência entre truncar um método iterativo linear...

Resumo: Estudamos aqui métodos numéricos para resolver problemas inversos. Provamos resultados sobre a consistência de métodos iterativos lineares estacionários convergentes para solução de quadrados mínimos de um sistema linear. Demonstramos a equivalência entre truncar um método iterativo linear estacionário e regularização de Tikhonov. Nossos resultados estendem, para o caso de posto incompleto, os de H. Fleming. Estendemos, para problemas não lineares, o método de escolha do parâmetro de regularização chamado Validação Cruzada Generalizada (GCV), introduzido por G. Whaba. Provamos resultados sobre o comportamento assintótico do parâmetro determinado por GCV para problemas não lineares que estendem os de G. Golub, M. Heath e G. Whaba. D. Girard introduziu uma variação do método GCV, que usa um método Monte-Cado para o cálculo do traço de uma matriz simétrica ou simetrizável. Demonstramos resultados sobre o comportamento assintótico da estimativa do traço, para matrizes quaisquer, que generalizam resultados de D. Girard. Aplicamos os resultados anteriores em Tomografia Computadorizada como critério de parada de métodos iterativos.

Abstract: In this thesis we study numerical methods for solving inverse problems. We prove results on consistency of iterative linear stationary methods which converge to the least squares solution of a linear system of algebraic equations. We prove that solutions by direct regularization of linear...

Abstract: In this thesis we study numerical methods for solving inverse problems. We prove results on consistency of iterative linear stationary methods which converge to the least squares solution of a linear system of algebraic equations. We prove that solutions by direct regularization of linear systems are equivalent to truncated iterations of certain type of iterative methods. Our proofs extend previous results of H. Fleming to the rank-deficient case, giving a unified approach that includes the underdetermined and overdetermined problems. We extend Generalized Cross-Validation (GCV) to the case in which the problem and the influence operator are nonlinear. From this extension we deduce stopping rules for general linear stationary methods and for the conjugate gradients (CG) method. We use a Monte-Carlo approach to compute the GCV functional. We prove results on the asymptotic optimality of our extension of GCV and on the Girard's Monte-Carlo method to estimate the trace of general matrices. Finally, we apply our results to the Positron Emission Tomography problem using the stationary method ART and CG.