Reconstruction of non-self-adjoint anisotropic and complex inclusions in the Calderón problem

Sintesi Tecnica: Ricostruzione di Inclusioni Anisotrope e Complesse Non Autoaggiunte nel Problema di Calderón

Enunciato del Problema
Questo lavoro affronta il problema di Calderón anisotropo con dati parziali, focalizzandosi specificamente sulla ricostruzione della forma esterna delle inclusioni all'interno di un mezzo conduttivo. L'equazione governativa è l'equazione alle derivate parziali ellittica $-\nabla \cdot (A\nabla u) = 0$ in un dominio limitato $\Omega \subset \mathbb{R}^d$ ($d \ge 2$), dove $A$ è un coefficiente di conducibilità a valori matriciali. I dati disponibili sono la mappa di Neumann-Dirichlet (ND) $\Lambda(A)$ ristretta a un sottoinsieme aperto $\Gamma \subseteq \partial\Omega$.

La sfida primaria nel contesto anisotropo è la mancanza di unicità nella determinazione del coefficiente $A$ da $\Lambda(A)$ a causa dell'invarianza per diffeomorfismi. Inoltre, questo articolo generalizza i risultati precedenti a perturbazioni non autoaggiunte. Il coefficiente è decomposto come $A = A^R + iA^I$, dove $A^R$ è la parte autoaggiunta (reale) e $iA^I$ è la parte anti-autoaggiunta (immaginaria). In termini fisici, ciò modella una conducibilità complessa anisotropa (ammettività) che coinvolge sia una conducibilità reale anisotropa $\sigma_\omega$ sia una permittività anisotropa $\varepsilon_\omega$, entrambe dipendenti dalla frequenza. L'obiettivo è determinare la forma esterna $D^\bullet$ dell'inclusione $D = \text{supp}(A_D - A_0)$, dove $A_0$ è una conducibilità di fondo nota e $A_D$ è il coefficiente sconosciuto.

Metodologia
Gli autori estendono il metodo di monotonia, precedentemente stabilito per coefficienti autoaggiunti in [5], al contesto non autoaggiunto. La metodologia si basa sull'instaurazione di disuguaglianze di monotonia per le parti autoaggiunte delle mappe ND, $\Lambda_R(A) = \frac{1}{2}(\Lambda(A) + \Lambda(A)^*)$.

I componenti metodologici chiave includono:

1. Decomposizione e Limiti: Il coefficiente $A$ è suddiviso in parti autoaggiunta $A^R$ e anti-autoaggiunta $iA^I$. L'analisi assume limiti noti sulle parti autoaggiunte ($\alpha I \le A^R \le \beta I$) e un limite sulla magnitudine della parte anti-autoaggiunta ($\|A^I\| \le \eta$).
2. Disuguaglianze di Monotonia: Il Teorema 7.1 fornisce limiti inferiori e superiori per la differenza $\Lambda_R(A_1) - \Lambda_R(A_2)$ in termini di forme quadratiche che coinvolgono $A_1^R, A_2^R, A_1^I,$ e $A_2^I$. Crucialmente, nel caso non autoaggiunto, questi limiti contengono termini non nulli (ad esempio, $A_I (A^R)^{-1} A_I$) anche quando i coefficienti coincidono, il che complica la ricostruzione.
3. Operatori di Test: La ricostruzione utilizza specifici coefficienti di test $A^\pm_C$ costruiti modificando il fondo $A_0$ su un'inclusione di test $C$. Questi sono progettati per delimitare l'inclusione sconosciuta $D$ dall'alto e dal basso.
4. Localizzazione: Le dimostrazioni si basano sull'esistenza di potenziali localizzati (Teorema 7.5), che permettono la costruzione di soluzioni con energia concentrata in specifici sottodomini mentre si annullano altrove. Questo viene utilizzato per dimostrare che, se le disuguaglianze di monotonia valgono, l'inclusione deve essere contenuta all'interno dell'insieme di test.
5. Assunzioni Geometriche: Un'assunzione critica è che la conducibilità di fondo $A_0$ sia autoaggiunta su un insieme aperto connesso $S$ che collega il bordo di misura $\Gamma$ al bordo della forma esterna dell'inclusione $\partial D^\bullet$. Ciò permette l'uso dei principi di continuazione unica (UCP) per la parte autoaggiunta $A_0^R$.

Contributi e Risultati Chiave

• Generalizzazione a Perturbazioni Non Autoaggiunte: L'articolo generalizza il metodo di monotonia per consentire perturbazioni non autoaggiunte generali $L^\infty$ $A_D - A_0$ all'interno dell'inclusione, a condizione che la perturbazione soddisfi una condizione di definitezza vicino al bordo dell'inclusione $\partial D^\bullet$.
• Ricostruzione Non Lineare e Linearizzata (Teoremi 3.4 e 4.1):
  • Il Teorema 3.4 stabilisce un metodo di ricostruzione non lineare. Dimostra che $D \subseteq C$ se e solo se valgono specifiche disuguaglianze operatoriali che coinvolgono $\Lambda_R(A_D)$, $\Lambda(A_0)$ e gli operatori di test $\Lambda^\pm_C$ e le loro derivate.
  • Il Teorema 4.1 fornisce una versione linearizzata di questo metodo, sostituendo la mappa ND completa con le derivate di Fréchet alla conducibilità di fondo. Questo è evidenziato come particolarmente utile per l'implementazione numerica come metodo di ricostruzione in tempo reale.
• Gestione della Parte Anti-Autoaggiunta: Gli autori introducono termini di correzione specifici (ad esempio, $D\Lambda^+_{M\setminus C}$) per tenere conto della parte anti-autoaggiunta della conducibilità di fondo. Questi termini derivano dai limiti non nulli nelle disuguaglianze di monotonia.
• Operatori di Test Estremi (Teorema 6.2): Nel caso in cui il fondo $A_0$ sia autoaggiunto e la perturbazione sia non autoaggiunta solo vicino al bordo, l'articolo mostra che gli operatori di test "estremi" (corrispondenti a inclusioni perfettamente isolanti o perfettamente conduttive) rimangono validi. Questo risultato (Corollario 6.2) non richiede limiti espliciti sulla magnitudine della perturbazione sconosciuta, riflettendo i risultati per il caso autoaggiunto.
• Miglioramento delle Disuguaglianze (Appendice A): Gli autori dimostrano disuguaglianze di monotonia raffinate (Teorema A.1) dove i limiti si annullano se i coefficienti coincidono. Dimostrano che i termini aggiuntivi derivanti dalla non autoaggiunzione possono essere limitati esclusivamente dalla norma della soluzione $u_2$. Tuttavia, notano che questi limiti non sono ancora sufficientemente forti da rimuovere le assunzioni geometriche sulla conducibilità di fondo richieste per i principali teoremi di ricostruzione.

Significato e Limitazioni
L'articolo afferma di fornire la prima caratterizzazione generale per il rilevamento di inclusioni nel problema di Calderón anisotropo e non autoaggiunto utilizzando il metodo di monotonia. Il suo significato risiede in:

• L'estensione delle capacità di ricostruzione a mezzi complessi e anisotropi (rilevanti per l'imaging elettromagnetico).
• La richiesta di continuazione unica solo per la parte autoaggiunta della conducibilità di fondo ($A_0^R$), il che si allinea con i risultati UCP esistenti per operatori autoaggiunti, piuttosto che richiedere UCP per l'intero operatore non autoaggiunto.
• L'offerta di un approccio linearizzato (Teorema 4.1) adatto all'implementazione numerica.

Gli autori sono modesti riguardo alle limitazioni del loro approccio. Affermano esplicitamente che il requisito affinché $A_0$ sia autoaggiunto su un insieme che collega $\Gamma$ a $\partial D^\bullet$ è una conseguenza della non ottimalità delle attuali disuguaglianze di monotonia nel contesto non autoaggiunto. L'"approccio interno" del metodo di monotonia (che tipicamente permette fondi più generali) è attualmente impedito dai termini di errore non nulli nelle disuguaglianze. Gli autori lasciano il miglioramento di questi limiti alla comunità dei problemi inversi per abilitare conducibilità di fondo non autoaggiunte più generali.