posiadamy niepełną informację na temat wektorów i wtedy zadanie mające na celu wyznaczyć brakujące wartości nazywamy problemem mieszanym.
Prosty przykład Odnosząc rozumowanie do ilustracji obok załóżmy, że nasz model polega na zsumowaniu wszystkich cyfr z pudła (część A rysunku). Zagadnienie odwrotne mogłoby polegać na wyznaczeniu na podstawie obserwowanego wyniku 27 zawartości pudła (część B rysunku). W zależności od dodatkowych informacji o naszym modelu możemy uzyskać rzeczywiste rozwiązanie bądź nie. Mówimy wtedy, że problem jest dobrze bądź źle postawiony.
Typy problemów źle postawionych W praktyce zagadnienia odwrotne są często problemami źle postawionymi i do ich rozwiązania wykorzystuje się np. metody regularyzacyjne. Wybór techniki rozwiązania zależy od rodzaju zagadnienia. Zwyczajowo wyróżnia się 3 następujące typy zagadnień odwrotnych źle postawionych: typ I – gdy liczba niewiadomych jest większa niż liczba danych wejściowych, typ II – gdy poszukiwane parametry modelu są niewrażliwe na dane wejściowe, typ III – gdy zmierzone dane wejściowe obarczone błędem pomiarowym poddawane są działaniu operatora różniczkowego.