Inhalt

Diese Vorlesung für das Bachelorstudium soll als natürliche Fortsetzung von Lineare Algebra I und II Fundamente legen für Vorlesungen/Zyklen wie Diskrete Geometrie, Algebraische Geometrie und Differenzialgeometrie.

Sie behandelt grundlegende Modelle der Geometrie, insbesondere

euklidische, affine, sphärische, projektive und hyperbolische Geometrie,Möbiusgeometrie, Polarität und Dualität Strukturgruppen, Messen (Längen, Winkel, Volumina), explizite Berechnungen und Anwendungen, Beispiele sowie Illustrationsthemen;

Dabei werden weitere Bezüge hergestellt, zum Beispiel zur Funktionentheorie und zur Numerik.

Literatur

1. Marcel Berger. Geometry I
2. David A. Brannan, Matthew F. Esplen, and Jeremy J. Gray. Geometry
3. Gerd Fischer. Analytische Geometrie
4. V.V. Prasolov und V.M. Tikhomirov. Geometry

Funktionentheorie ist ein klassisches Gebiet der Mathematik, das sich mit den Eigenschaften komplex-differenzierbarer Funktionen auf der komplexen Zahlenebene beschäftigt und Verbindungen zur Algebra, Analysis, Zahlentheorie und Geometrie hat.

Der Begriff der komplexen Differenzierbarkeit beschränkt reell-differenzierbare Funktionen von R2 auf R2 auf winkelerhaltende Abbildungen ein. Wir werden entdecken, dass komplex-differenzierbare Funktionen recht starre Objekte sind und dadurch aber mit vielen erstaunlichen analytischen, geometrischen und visuellen Eigenschaften ausgestattet sind.

Ein Hauptergebnis, das in dieser Vorlesung behandelt wird, ist Cauchys Integralsatz welcher besagt, dass das Integral jeder komplex differenzierbaren Funktion entlang eines geschlossenen Weges in der komplexen Ebene Null ist. Wir werden viele schöne Konsequenzen dieses Ergebnisses sehen, z.B. die Cauchy‘sche Integralformel, den Residuensatz und einen Beweis des Fundamentalsatzes der Algebra, sowie auch moderne graphische Darstellungsmethoden kennenlernen.

Literatur:

E. Freitag and R. Busam 'Complex analysis', (Springer) 2nd Edition 2009 (the original German version is called 'Funktionentheorie')

Inhalt:

• Konstruktion stochastischer Prozesse;
• bedingte Erwartungen;
• Martingale in diskreter Zeit: Konvergenz, Stoppsätze, Ungleichungen;
• Konvergenzarten der Stochastik;
• gleichgradige Integrierbarkeit;
• Markovketten in diskreter und stetiger Zeit: Rekurrenz und Transienz, invariante Maße;
• Konvergenz in Verteilung für stochastische Prozesse;
• Brownsche Bewegung und Invarianzprinzip

Nähere Informationen finden Sie auf der Homepage der Vorlesung 19212901 Basismodul: Stochastics II.

• Klenke: Wahrscheinlichkeitstheorie
• Durrett: Probability. Theory and Examples.

Weitere Literatur wird im Lauf der Vorlesung bekannt gegeben.
Further literature will be given during the lecture.

Voraussetzung: Stochastik I  und  Analysis I — III.

Inhalt

• This course is the sequel of the course of Stochastics I. The main objective is to go beyond the first principles in probability theory by introducing the general language of measure theory, and the application of this framework in a wide variety of probabilistic scenarios.
  More precisely, the course will cover the following aspects of probability theory:
• Measure theory and the Lebesgue integral
• Convergence of random variables and 0-1 laws
• Generating functions: branching processes and characteristic functions
• Markov chains
• Introduction to martingales

Content:

Selection from the following topics:

• Enumeration (twelvefold way, inclusion-exclusion, double counting, recursions, generating functions, inversion, Ramsey's Theorem, asymptotic counting)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)

• J. Matousek, J. Nesetril (2002/2007): An Invitation to Discrete Mathematics, Oxford University Press, Oxford/Diskrete Mathematik, Springer Verlag, Berlin, Heidelberg.
• L. Lovasz, J. Pelikan, K. Vesztergombi (2003): Discrete Mathemtics - Elementary and Beyond/Diskrete Mathematik, Springer Verlag, New York.
• N. Biggs (2004): Discrete Mathematics. Oxford University Press, Oxford.
• M. Aigner (2004/2007): Diskrete Mathematik, Vieweg Verlag, Wiesbaden/Discrete Mathemattics, American Mathematical Society, USA.
• D. West (2011): Introduction to Graph Theory. Pearson Education, New York.

Target group:

BMS students, Master and Bachelor students

Whiteboard:

You need access to the whiteboard in order to receive information and participate in the exercises.

Content:

Selection from the following topics:

• Counting (basics, double counting, Pigeonhole Principle, recursions, generating functions, Inclusion-Exclusion, inversion, Polya theory)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)
• Algorithms (asymptotic running time, BFS, DFS, Dijkstra, Greedy, Kruskal, Hungarian, Ford-Fulkerson)

Inhalt

Diese Vorlesung für das Bachelorstudium soll als natürliche Fortsetzung von Lineare Algebra I und II Fundamente legen für Vorlesungen/Zyklen wie Diskrete Geometrie, Algebraische Geometrie und Differenzialgeometrie.

Sie behandelt grundlegende Modelle der Geometrie, insbesondere

euklidische, affine, sphärische, projektive und hyperbolische Geometrie,Möbiusgeometrie, Polarität und Dualität Strukturgruppen, Messen (Längen, Winkel, Volumina), explizite Berechnungen und Anwendungen, Beispiele sowie Illustrationsthemen;

Dabei werden weitere Bezüge hergestellt, zum Beispiel zur Funktionentheorie und zur Numerik.

Literatur

1. Marcel Berger. Geometry I
2. David A. Brannan, Matthew F. Esplen, and Jeremy J. Gray. Geometry
3. Gerd Fischer. Analytische Geometrie
4. V.V. Prasolov und V.M. Tikhomirov. Geometry

Leitidee

Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

Inhaltliche Schwerpunkte

Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

Methodische Konzeption

Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

• Donnerstag 10–12 Uhr
  Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
• Montag 10 – 14 Uhr
  Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

Lernziele

Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

• Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
• Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
• Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
• Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
• Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

Formalia & Organisatorisches

a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

• Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
• Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
• Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
• Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

• Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
• Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

Weitere Hinweise

Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

Die Studentinnen und Studenten kennen grundlegende Methoden der Visualisierung in der Mathematik und im industriellen Rahmen. Sie beherrschen die mathematischen Grundlagen und Datenstrukturen. Sie haben praktische Erfahrung mit mindestens einem Visualisierungssystem. Sie konnen zu passenden Problemstellungen auch aus anderen Wissenschaften geeignete mathematische Formulierungen entwickeln, dazu die richtigen Losungen finden und ihre Ergebnisse wieder im Anwendungskontext richtig interpretieren.
Inhalte:
Es werden unter anderem folgende Inhalte vermittelt:

• Grundlegende Datenstrukturen
• Visualisierung von Kurven, Flachen und Volumen
• Anwendungen im wissenschaftlichen und industriellen Rahmen
• 3D-Modellierung und Animation
• Konzepte der dynamischen Geometrie
• Grundlagen des 3D-Scannens und 3D-Druckens

Leitidee

Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

Inhaltliche Schwerpunkte

Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

Methodische Konzeption

Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

• Donnerstag 10–12 Uhr
  Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
• Montag 10 – 14 Uhr
  Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

Lernziele

Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

• Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
• Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
• Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
• Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
• Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

Formalia & Organisatorisches

a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

• Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
• Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
• Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
• Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

• Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
• Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

Weitere Hinweise

Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

Willkommen an der Universität und im spannenden Feld der Mathematik! Sie haben sich für ein herausforderndes Studium entschieden, das Ihnen unendliche Möglichkeiten bietet. Mathematik ist die Sprache des Universums, und sie zu studieren bedeutet, die Geheimnisse hinter allem, von den Bewegungen der Sterne bis zur Software in Ihren Smartphones, zu entschlüsseln.

In „Analysis I“ werden Sie die Grundlagen der Mathematik von den natürlichen Zahlen bis hin zu komplexeren Themen wie Differentiation und Integration kennenlernen. Von der Optimierung von Verkehrsflüssen über das Verstehen von Finanzmärkten bis hin zur Entwicklung neuer Technologien – die Fähigkeiten, die Sie hier erwerben, haben echte, greifbare Anwendungen, die weit über den Hörsaal hinausgehen.

Die Bedeutung von Tutorien und der Zentralübung kann dabei nicht genug betont werden. In den Tutorien werden Sie nicht nur die Übungsaufgaben besprechen, sondern auch lernen, wie man mathematische Konzepte anderen erklärt – eine essenzielle Fähigkeit in der Mathematik und darüber hinaus. In der Zentralübung werden wir interaktiv und informell ihre Fragen besprechen, was für ein umfassendes Verständnis unerlässlich ist.

Ich wünsche Ihnen viel Erfolg!

Literature:

• Bröcker, Theodor: Analysis 1, Spektrum der Wissenschaft-Verlag.
• Forster, Otto: Analysis 1, Vieweg-Verlag.
• Spivak, Michael: Calculus, 4th Edition.

Viele Analysis Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

Bei Schwierigkeiten mit den Grundbegriffen Menge, Abbildung etc. ist die folgende Ausarbeitung empfehlenswert:

• Scheerer, Hans: Brückenkurs, Skript FU Berlin 2006.

Inhalt

• Grundbegriffe: Mengen, Abbildungen, Äquivalenzrelationen, Gruppen, Ringe, Körper
• Lineare Gleichungssysteme: Lösbarkeitskriterien, Gauß-Algorithmus
• Vektorräume: Lineare Unabhängigkeit, Erzeugendensysteme und Basen, Dimension, Unterräume, Faktorräume, Vektorprodukt im R3
• Lineare Abbildungen: Bild und Rang, Zusammenhang mit Matrizen, Verhalten bei Basiswechsel
• Dualer Vektorraum: Multilinearformen, alternierende und symmetrische Bilinearformen, Zusammenhang mit Matrizen, Basiswechsel
• Determinanten: Cramersche Regel, Eigenwerte und -vektoren

Voraussetzungen

• Der Brückenkurs Mathematik ist zum Einstieg sehr zu empfehlen!

• Siegfried Bosch, Lineare Algebra, 4. Auflage, Springer-Verlag, 2008;
• Gerd Fischer, Lernbuch Lineare Algebra und Analytische Geometrie, Springer-Verlag, 2017;
• Bartel Leendert van der Waerden, Algebra Volume I, 9th Edition, Springer 1993;

Zu den Grundlagen

• Kevin Houston, Wie man mathematisch denkt: Eine Einführung in die mathematische Arbeitstechnik für Studienanfänger, Spektrum Akademischer Verlag, 2012

Inhalt:

Die Auswahl der behandelten numerischen Verfahren enthält Polynominterpolation, Newton-Cotes-Formeln zur numerische Integration und Euler-Verfahren für lineare Differentialgleichungen.

Homepage: Alle aktuellen Informationen zu Vorlesung und Übungen

Studierende der Mathematik (Monobachelor und Lehramt) und Bioinformatik, sowie Numerikinteressierte aus Physik, Informatik und anderen Natur- und Geisteswissenschaften.

Inhalt

0. Ergänzungen zur Analysis I.
1. Grundbegriffe der Topologie.
2. Normierte und metrische Räume. Konvergenz. 
3. Stetigkeit. Kompaktheit.
4. Differentialrechnung mehrerer Veränderlicher. Partielle, totale und stetige Differenzierbarkeit. 
5. Kurven und Kurvenintegrale
6. Satz über die Umkehrfunktion. Satz über implizite Funktionen.

Auf der Homepage finden Sie nähere Informationen zur Vorlesung.

Inhalt:

• Determinanten
• Eigenwerte und Eigenvektoren: Diagonalisierbarkeit, Trigonalisierbarkeit, Satz von Cayley-Hamilton, Jordansche Normalform
• Bilinearformen
• Vektorräume mit Skalarprodukt: Euklidische, unitäre Vektorräume, orthogonale Projektion, Isometrien, selbstadjungierte Abbildungen, Gram-Schmidt-Orthonormalisierungsverfahren, Hauptachsentransformation

Voraussetzungen:

Lineare Algebra I
Literatur:
Wird in der Vorlesung genannt.

Siehe http://page.mi.fu-berlin.de/werner99/.

Inhalt

Die Numerik entwickelt und analysiert Methoden zur konstruktiven, letztlich zahlenmäßigen Lösung mathematischer Probleme. Angesichts der wachsenden Rechenleistung moderner Computer wächst die praktische Bedeutung numerischer Methoden bei der Simulation praktisch relevanter Phänomene.

Aufbauend auf den Grundvorlesungen in Analysis und Linearer Algebra sowie auf CoMa I und II geht es in der Numerik I um folgende grundlegenden Fragestellungen: Bestapproximation, lineare Ausgleichsprobleme, weiterführende Verfahren für Interpolation und numerische Quadratur, Eigenwertprobleme, Anfangswertprobleme mit gewöhnlichen Differentialgleichungen

* Stoer, Josef und Roland Bulirsch: Numerische Mathematik - eine Einführung, Band 1. Springer, Berlin, 2005, Aus dem FU-Netz auch online verfügbar. Link

* Hanke-Bourgeois, M. (2006) Grundlagen der numerischen Mathematik und des wissenschaftlichen Rechnens. Mathematische Leitfäden. [Mathematical Text-books], second edn. Wiesbaden: B. G. Teubner, p. 840.

* Schwarz, H.-R. & Köckler, N. (2011) Numerische Mathematik., 8th ed. edn. Studium. Wiesbaden: Vieweg+Teubner, p. 591.

There will be lecture notes (only in German).

Content: The seminar will concern the discussion of state-of-art techniques in molecular simulation which allow for a simulation of several space (especially) and time scale within one computational approach.

The discussion will concerns both, specific computational coding and conceptual developments.

Related Basic Literature:

(1) M.Praprotnik, L.Delle Site and K.Kremer, Ann.Rev.Phys.Chem.59, 545-571 (2008)

(2) C.Peter, L.Delle Site and K.Kremer, Soft Matter 4, 859-869 (2008).

(3) M.Praprotnik and L.Delle Site, in "Biomolecular Simulations: Methods and Protocols" L.Monticelli and E.Salonen Eds. Vol.924, 567-583 (2012) Methods Mol. Biol. Springer-Science

Audience: At least 6th semester with a background in statistical and quantum mechanics, Master students and PhD students (even postdocs) are welcome.

Das Ziel dieses Seminars ist es, Studierende mit schönen und bedeutsamen Beweisen aus allen Gebieten der Mathematik, für welche keine tiefe mathematische Kenntnisse nötig sind, vertraut zu machen. In diesem Seminar werden wir verschiedene Kapitel des berühmten Buches "Das BUCH der Beweise" von Martin Aigner und Günter Ziegler lesen und präsentieren. Es ist zu unserem Vorteil, dass das Buch in vielen verschiedenen Sprachen verfügbar ist, und dass es auf eine sehrzugängliche Art und Weise verfasst wurde. Es ist ein wöchentliches Treffen geplant, jede Woche wird es eine Präsentation von einem Studierenden geben. Weitere Details werden am ersten Termin besprochen. 

Aigner & Ziegler: Das Buch der Beweise.

Deutsche Version:
https://link.springer.com/book/10.1007/978-3-642-02259-3

English Version:
https://link.springer.com/book/10.1007/978-3-662-57265-8

Studierende präsentieren aktuelle Paper über Themen aus dem Gebiet der Dynamischen Systeme.

Gewöhnliche Differentialgleichungen treten in vielen Anwendungen aus der Physik, Chemie, Biologie oder den Wirtschaftwissenschaften auf. Dieses Seminar erweitert die aus der Analysis III Vorlesung bekannten Inhalte. Behandelt werden u.A. Eigenwertprobleme und Stabilitätstheorie. 

Inhalt: Ziel der Veranstaltung ist die praktische Umsetzung und Implementierung stochastischer Modelle und Methoden. Wir werden Algorithmen und statistische Methoden mit Anwendungen in der „echten Welt“ kennenlernen und die Studierenden werden diese implementieren und ggf. an Datensätzen ausprobieren. Konkrete Inhalte werden vorher auf der Webseite des Seminars genannt.

Das Seminar wird als Blockveranstaltung stattfinden. In den ersten drei Wochen wird es drei Vorlesungen geben, in denen Grundlagen der Implementation von stochastischen Methoden erklärt werden (Zufallszahlen, Monte Carlo Simulation, deskriptive Statistik, Simulation von stochastischen Prozessen). Die Studierenden erhalten zu Beginn des Semesters verschiedene Projekte, die sie bis Semesterende ausarbeiten und implementieren. In den letzten Semesterwochen wird es mehrere Termine mit kurzen Studierendenvorträgen geben, in denen die Projektergebnisse vorgestellt werden.

Nähere Informationen finden Sie auf der Homepage des Seminars.

Literatur wir in der Vorbesprechung bekanntgegeben.

Literature will be announced in the preliminary discussion

Zielgruppe: Das Seminar richtet sich an Masterstudierende (Anpassung des Niveaus durch Wahl geeigneter Projekte).
Voraussetzungen: Stochastik I. Der parallele Besuch von Stochastik II wird empfohlen.

Funktionentheorie ist ein klassisches Gebiet der Mathematik, das sich mit den Eigenschaften komplex-differenzierbarer Funktionen auf der komplexen Zahlenebene beschäftigt und Verbindungen zur Algebra, Analysis, Zahlentheorie und Geometrie hat.

Der Begriff der komplexen Differenzierbarkeit beschränkt reell-differenzierbare Funktionen von R2 auf R2 auf winkelerhaltende Abbildungen ein. Wir werden entdecken, dass komplex-differenzierbare Funktionen recht starre Objekte sind und dadurch aber mit vielen erstaunlichen analytischen, geometrischen und visuellen Eigenschaften ausgestattet sind.

Ein Hauptergebnis, das in dieser Vorlesung behandelt wird, ist Cauchys Integralsatz welcher besagt, dass das Integral jeder komplex differenzierbaren Funktion entlang eines geschlossenen Weges in der komplexen Ebene Null ist. Wir werden viele schöne Konsequenzen dieses Ergebnisses sehen, z.B. die Cauchy‘sche Integralformel, den Residuensatz und einen Beweis des Fundamentalsatzes der Algebra, sowie auch moderne graphische Darstellungsmethoden kennenlernen.

Literatur:

E. Freitag and R. Busam 'Complex analysis', (Springer) 2nd Edition 2009 (the original German version is called 'Funktionentheorie')

Inhalt:

• Konstruktion stochastischer Prozesse;
• bedingte Erwartungen;
• Martingale in diskreter Zeit: Konvergenz, Stoppsätze, Ungleichungen;
• Konvergenzarten der Stochastik;
• gleichgradige Integrierbarkeit;
• Markovketten in diskreter und stetiger Zeit: Rekurrenz und Transienz, invariante Maße;
• Konvergenz in Verteilung für stochastische Prozesse;
• Brownsche Bewegung und Invarianzprinzip

Nähere Informationen finden Sie auf der Homepage der Vorlesung 19212901 Basismodul: Stochastics II.

• Klenke: Wahrscheinlichkeitstheorie
• Durrett: Probability. Theory and Examples.

Weitere Literatur wird im Lauf der Vorlesung bekannt gegeben.
Further literature will be given during the lecture.

Voraussetzung: Stochastik I  und  Analysis I — III.

Inhalt

• This course is the sequel of the course of Stochastics I. The main objective is to go beyond the first principles in probability theory by introducing the general language of measure theory, and the application of this framework in a wide variety of probabilistic scenarios.
  More precisely, the course will cover the following aspects of probability theory:
• Measure theory and the Lebesgue integral
• Convergence of random variables and 0-1 laws
• Generating functions: branching processes and characteristic functions
• Markov chains
• Introduction to martingales

Inhalt

Diese Vorlesung für das Bachelorstudium soll als natürliche Fortsetzung von Lineare Algebra I und II Fundamente legen für Vorlesungen/Zyklen wie Diskrete Geometrie, Algebraische Geometrie und Differenzialgeometrie.

Sie behandelt grundlegende Modelle der Geometrie, insbesondere

euklidische, affine, sphärische, projektive und hyperbolische Geometrie,Möbiusgeometrie, Polarität und Dualität Strukturgruppen, Messen (Längen, Winkel, Volumina), explizite Berechnungen und Anwendungen, Beispiele sowie Illustrationsthemen;

Dabei werden weitere Bezüge hergestellt, zum Beispiel zur Funktionentheorie und zur Numerik.

Literatur

1. Marcel Berger. Geometry I
2. David A. Brannan, Matthew F. Esplen, and Jeremy J. Gray. Geometry
3. Gerd Fischer. Analytische Geometrie
4. V.V. Prasolov und V.M. Tikhomirov. Geometry

Qualifikationsziele

Die Studierenden analysieren⁴ Algorithmen und Datenstrukturen und ihre Implementierungen bezüglich Laufzeit, Speicherbedarf und Korrektheit und beschreiben² verschiedene Algorithmen und Datenstrukturen für typische Anwendungen und wenden³ diese auf konkrete Beispiele an. Sie können passende Algorithmen und Datenstrukturen für gegebene Aufgaben auswählen⁴ und passen⁵ diese entsprechend an. Sie erklären², identifizieren⁴ und verwenden⁵ verschiedene Entwurfsparadigmen für Algorithmen.

Inhalte

Studierende lernen das Maschinenmodell, sowie verschiedene algorithmische Probleme kennen. Sie erarbeiten und üben die Berechnung von Laufzeit, Korrektheit und Speicherbedarf dieser Algorithmen und lernen die asymptotische worst-case Analyse kennen. Darüber hinaus diskutieren sie die Rolle des Zufalls im Kontext des Entwurfs von Algorithmen. Des Weiteren erlernen und üben sie Entwurfsparadigmen für Algorithmen wie Teile und Herrsche, gierige Algorithmen, Dynamische Programmierung und Erschöpfende Suche. Sie lernen Prioritätswarteschlangen und effiziente Datenstrukturen für geordnete und ungeordnete Wörterbücher (z.B. ausgeglichene Suchbäume, Streuspeicher, Skiplisten) kennen und üben den Umgang mit ihnen. Zudem lernen sie Algorithmen für Zeichenketten (digitale Suchbäume und Suchen in Zeichenketten) und Graphenalgorithmen kennen, diskutieren deren Anwendung und üben den Umgang mit ihnen.

• P. Morin: Open Data Structures, an open content textboox.
• T. H. Cormen, C. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms, MIT Press, 2022.
• R. Sedgewick, K. Wayne: Algorithms, Addison-Wesley, 2011.
• M. Dietzfelbinger, K. Mehlhorn, P. Sanders. Algorithmen und Datenstrukturen: Die Grundwerkzeuge, Springer, 2014.
• J. Erickson. Algorithms, 2019
• T. Roughgarden. Algorithms Illuminated. Cambridge University Press, 2022.

Leitidee

Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

Inhaltliche Schwerpunkte

Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

Methodische Konzeption

Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

• Donnerstag 10–12 Uhr
  Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
• Montag 10 – 14 Uhr
  Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

Lernziele

Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

• Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
• Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
• Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
• Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
• Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

Formalia & Organisatorisches

a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

• Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
• Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
• Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
• Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

• Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
• Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

Weitere Hinweise

Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

Leitidee

Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

Inhaltliche Schwerpunkte

Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

Methodische Konzeption

Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

• Donnerstag 10–12 Uhr
  Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
• Montag 10 – 14 Uhr
  Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

Lernziele

Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

• Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
• Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
• Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
• Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
• Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

Formalia & Organisatorisches

a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

• Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
• Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
• Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
• Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

• Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
• Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

Weitere Hinweise

Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

Content:

Selection from the following topics:

• Enumeration (twelvefold way, inclusion-exclusion, double counting, recursions, generating functions, inversion, Ramsey's Theorem, asymptotic counting)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)

• J. Matousek, J. Nesetril (2002/2007): An Invitation to Discrete Mathematics, Oxford University Press, Oxford/Diskrete Mathematik, Springer Verlag, Berlin, Heidelberg.
• L. Lovasz, J. Pelikan, K. Vesztergombi (2003): Discrete Mathemtics - Elementary and Beyond/Diskrete Mathematik, Springer Verlag, New York.
• N. Biggs (2004): Discrete Mathematics. Oxford University Press, Oxford.
• M. Aigner (2004/2007): Diskrete Mathematik, Vieweg Verlag, Wiesbaden/Discrete Mathemattics, American Mathematical Society, USA.
• D. West (2011): Introduction to Graph Theory. Pearson Education, New York.

Target group:

BMS students, Master and Bachelor students

Whiteboard:

You need access to the whiteboard in order to receive information and participate in the exercises.

Content:

Selection from the following topics:

• Counting (basics, double counting, Pigeonhole Principle, recursions, generating functions, Inclusion-Exclusion, inversion, Polya theory)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)
• Algorithms (asymptotic running time, BFS, DFS, Dijkstra, Greedy, Kruskal, Hungarian, Ford-Fulkerson)

Willkommen an der Universität und im spannenden Feld der Mathematik! Sie haben sich für ein herausforderndes Studium entschieden, das Ihnen unendliche Möglichkeiten bietet. Mathematik ist die Sprache des Universums, und sie zu studieren bedeutet, die Geheimnisse hinter allem, von den Bewegungen der Sterne bis zur Software in Ihren Smartphones, zu entschlüsseln.

In „Analysis I“ werden Sie die Grundlagen der Mathematik von den natürlichen Zahlen bis hin zu komplexeren Themen wie Differentiation und Integration kennenlernen. Von der Optimierung von Verkehrsflüssen über das Verstehen von Finanzmärkten bis hin zur Entwicklung neuer Technologien – die Fähigkeiten, die Sie hier erwerben, haben echte, greifbare Anwendungen, die weit über den Hörsaal hinausgehen.

Die Bedeutung von Tutorien und der Zentralübung kann dabei nicht genug betont werden. In den Tutorien werden Sie nicht nur die Übungsaufgaben besprechen, sondern auch lernen, wie man mathematische Konzepte anderen erklärt – eine essenzielle Fähigkeit in der Mathematik und darüber hinaus. In der Zentralübung werden wir interaktiv und informell ihre Fragen besprechen, was für ein umfassendes Verständnis unerlässlich ist.

Ich wünsche Ihnen viel Erfolg!

Literature:

• Bröcker, Theodor: Analysis 1, Spektrum der Wissenschaft-Verlag.
• Forster, Otto: Analysis 1, Vieweg-Verlag.
• Spivak, Michael: Calculus, 4th Edition.

Viele Analysis Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

Bei Schwierigkeiten mit den Grundbegriffen Menge, Abbildung etc. ist die folgende Ausarbeitung empfehlenswert:

• Scheerer, Hans: Brückenkurs, Skript FU Berlin 2006.

Inhalt

0. Ergänzungen zur Analysis I.
1. Grundbegriffe der Topologie.
2. Normierte und metrische Räume. Konvergenz. 
3. Stetigkeit. Kompaktheit.
4. Differentialrechnung mehrerer Veränderlicher. Partielle, totale und stetige Differenzierbarkeit. 
5. Kurven und Kurvenintegrale
6. Satz über die Umkehrfunktion. Satz über implizite Funktionen.

Auf der Homepage finden Sie nähere Informationen zur Vorlesung.

Inhalt

• Grundbegriffe: Mengen, Abbildungen, Äquivalenzrelationen, Gruppen, Ringe, Körper
• Lineare Gleichungssysteme: Lösbarkeitskriterien, Gauß-Algorithmus
• Vektorräume: Lineare Unabhängigkeit, Erzeugendensysteme und Basen, Dimension, Unterräume, Faktorräume, Vektorprodukt im R3
• Lineare Abbildungen: Bild und Rang, Zusammenhang mit Matrizen, Verhalten bei Basiswechsel
• Dualer Vektorraum: Multilinearformen, alternierende und symmetrische Bilinearformen, Zusammenhang mit Matrizen, Basiswechsel
• Determinanten: Cramersche Regel, Eigenwerte und -vektoren

Voraussetzungen

• Der Brückenkurs Mathematik ist zum Einstieg sehr zu empfehlen!

• Siegfried Bosch, Lineare Algebra, 4. Auflage, Springer-Verlag, 2008;
• Gerd Fischer, Lernbuch Lineare Algebra und Analytische Geometrie, Springer-Verlag, 2017;
• Bartel Leendert van der Waerden, Algebra Volume I, 9th Edition, Springer 1993;

Zu den Grundlagen

• Kevin Houston, Wie man mathematisch denkt: Eine Einführung in die mathematische Arbeitstechnik für Studienanfänger, Spektrum Akademischer Verlag, 2012

Inhalt:

• Determinanten
• Eigenwerte und Eigenvektoren: Diagonalisierbarkeit, Trigonalisierbarkeit, Satz von Cayley-Hamilton, Jordansche Normalform
• Bilinearformen
• Vektorräume mit Skalarprodukt: Euklidische, unitäre Vektorräume, orthogonale Projektion, Isometrien, selbstadjungierte Abbildungen, Gram-Schmidt-Orthonormalisierungsverfahren, Hauptachsentransformation

Voraussetzungen:

Lineare Algebra I
Literatur:
Wird in der Vorlesung genannt.

Siehe http://page.mi.fu-berlin.de/werner99/.

Inhalt:

Die Auswahl der behandelten numerischen Verfahren enthält Polynominterpolation, Newton-Cotes-Formeln zur numerische Integration und Euler-Verfahren für lineare Differentialgleichungen.

Homepage: Alle aktuellen Informationen zu Vorlesung und Übungen

Studierende der Mathematik (Monobachelor und Lehramt) und Bioinformatik, sowie Numerikinteressierte aus Physik, Informatik und anderen Natur- und Geisteswissenschaften.

Inhalt

Die Numerik entwickelt und analysiert Methoden zur konstruktiven, letztlich zahlenmäßigen Lösung mathematischer Probleme. Angesichts der wachsenden Rechenleistung moderner Computer wächst die praktische Bedeutung numerischer Methoden bei der Simulation praktisch relevanter Phänomene.

Aufbauend auf den Grundvorlesungen in Analysis und Linearer Algebra sowie auf CoMa I und II geht es in der Numerik I um folgende grundlegenden Fragestellungen: Bestapproximation, lineare Ausgleichsprobleme, weiterführende Verfahren für Interpolation und numerische Quadratur, Eigenwertprobleme, Anfangswertprobleme mit gewöhnlichen Differentialgleichungen

* Stoer, Josef und Roland Bulirsch: Numerische Mathematik - eine Einführung, Band 1. Springer, Berlin, 2005, Aus dem FU-Netz auch online verfügbar. Link

* Hanke-Bourgeois, M. (2006) Grundlagen der numerischen Mathematik und des wissenschaftlichen Rechnens. Mathematische Leitfäden. [Mathematical Text-books], second edn. Wiesbaden: B. G. Teubner, p. 840.

* Schwarz, H.-R. & Köckler, N. (2011) Numerische Mathematik., 8th ed. edn. Studium. Wiesbaden: Vieweg+Teubner, p. 591.

There will be lecture notes (only in German).

Inhalt: Auswahl aus folgenden Themen:

• Exponentialabbildung und der Satz von Hopf-Rinow
• Zusammenhänge zwischen Krümmung und Topologie (z. B. Satz von Myers, Hadamard-Cartan, Klingenberg, Starrheitssätze)
• geschlossene Geodäten
• Satz von Stokes, Kohomologie
• Räume konstanter Krümmung, Lie-Gruppen und homogene Räume
• konforme Geometrie, geometrische Evolutionsgleichungen und Differentialgleichungen aus der geometrischen Analysis
• Grundbegriffe aus der Differentialtopologie

Literatur wird in der Vorlesung bekanntgegeben.

In diesem Seminar werden differentialgeometrische Themen anhand aktueller Forschungsarbeiten selbständig erarbeitet und im Vortrag vorgestellt.

Besonderer Schwerpunkt liegt auf der konkreten Umsetzung differentialgeometrischer Konzepte in Anwendungsszenarien und den dabei auftretenden Fragen der Diskretisierung und algorithmischen Umsetzung.

Lernziele sind ein tieferes Verständnis differentialgeometrischer Konzepte, sowie Probleme und Lösungsstrategien bei ihrem praktischen Einsatz.

Vorkenntnisse: Differentialgeometrie I

Content:

Selection from the following topics:

• Enumeration (twelvefold way, inclusion-exclusion, double counting, recursions, generating functions, inversion, Ramsey's Theorem, asymptotic counting)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)

• J. Matousek, J. Nesetril (2002/2007): An Invitation to Discrete Mathematics, Oxford University Press, Oxford/Diskrete Mathematik, Springer Verlag, Berlin, Heidelberg.
• L. Lovasz, J. Pelikan, K. Vesztergombi (2003): Discrete Mathemtics - Elementary and Beyond/Diskrete Mathematik, Springer Verlag, New York.
• N. Biggs (2004): Discrete Mathematics. Oxford University Press, Oxford.
• M. Aigner (2004/2007): Diskrete Mathematik, Vieweg Verlag, Wiesbaden/Discrete Mathemattics, American Mathematical Society, USA.
• D. West (2011): Introduction to Graph Theory. Pearson Education, New York.

Target group:

BMS students, Master and Bachelor students

Whiteboard:

You need access to the whiteboard in order to receive information and participate in the exercises.

Content:

Selection from the following topics:

• Counting (basics, double counting, Pigeonhole Principle, recursions, generating functions, Inclusion-Exclusion, inversion, Polya theory)
• Discrete Structures (graphs, set systems, designs, posets, matroids)
• Graph Theory (trees, matchings, connectivity, planarity, colorings)
• Algorithms (asymptotic running time, BFS, DFS, Dijkstra, Greedy, Kruskal, Hungarian, Ford-Fulkerson)

Inhalt:

This is the second in a series of three courses on discrete geometry. The aim of the course is a skillful handling of discrete geometric structures with an emphasis on metric and convex geometric properties. In the course we will develop central themes in metric and convex geometry including proof techniques and applications to other areas in mathematics.

The material will be a selection of the following topics:
Linear programming and some applications

• Linear programming and duality
• Pivot rules and the diameter of polytopes

Subdivisions and triangulations

• Delaunay and Voronoi
• Delaunay triangulations and inscribable polytopes
• Weighted Voronoi diagrams and optimal transport

Basic structures in convex geometry

• convexity and separation theorems
• convex bodies and polytopes/polyhedra
• polarity
• Mahler’s conjecture
• approximation by polytopes

Volumes and roundness

• Hilbert’s third problem
• volumes and mixed volumes
• volume computations and estimates
• Löwner-John ellipsoids and roundness
• valuations

Geometric inequalities

• Brunn-Minkowski and Alexandrov-Fenchel inequality
• isoperimetric inequalities
• measure concentration and phenomena in high-dimensions

Geometry of numbers

• lattices
• Minkowski's (first) theorem
• successive minima
• lattice points in convex bodies and Ehrhart's theorem
• Ehrhart-Macdonald reciprocity

Sphere packings

• lattice packings and coverings
• the Theorem of Minkowski-Hlawka
• analytic methods

Applications in optimization, number theory, algebra, algebraic geometry, and functional analysis

The course will use material from P. M. Gruber, " Convex and Discrete Geometry" (Springer 2007) and various other sources. There will be brief lecture notes available for course participants with detailed pointers to the literature.

Solid background in linear algebra and some analysis. Basic knowledge and experience with polytopes and/or convexity (as from the course "Discrete Geometry I") will be helpful. .

Diese Vorlesung führt in die ganzzahlige Optimierung ein.

Inhalt

Woche 1 (Ganzzahlige Programmierungsprobleme): Einführung, Defnitionen, Beispiele, Totale Unimodularität

Woche 2 (Branch-and-Bound): LP-Relaxierung, Baumsuche

Woche 3 (Relaxierungen): Untere Schranken, Lagrange-Relaxierung

Woche 4 (Primalheuristiken): Eröffnungs- und Verbesserungsverfahren, Approximation, Beispiele

Woche 5 (Ganzzahlige Punkte in Rationalen Polyedern): Ganzzahlige Polyeder, Ganzzahlige Punkte in Rationalen Polyedren, Komplexität

Woche 6 (Schnittebenentheorie): Elementarer Abschluss, Rang

Woche 7 (Schnittebenenverfahren für IPs): Gomory-Schnitte 1. Art

Woche 8 (Schnittebenenverfahren für MIPs): Gomory-Schnitte 2. Art

Woche 9 (Polyedrische Kombinatorik): Matroid-Polytop

Woche 10 (Polyedrische Kombinatorik): Matching-Polytop

Woche 11 (Polyedrische Kombinatorik): TSP-Polytop

Woche 12 (Allgemeines Schnittebenenverfahren): Äquivalenz von Separierung und Optimierung

Woche 13 (Schnittebenenverfahren): Implementation (Tricks)

Woche 14: Klausur

G. Nemhauser, L. Wolsey, Integer and Combinatorial Optimization, Wiley 1988

L. Schrijver, Combinatorial Optimization, Springer 2003

B. Korte, J. Vygen, Combinatorial Optimization, Springer 2018

V. Chvátal, Linear Programming, Freeman 1983

Grundlagen

Diskrete Mathematik I und II

Videos

In Vbrick Rev via https://fu-berlin.eu.vbrickrev.com/#/playlist/fd62388d-d18c-45a8-9a98-30adb0dee4b4/videos/.

Begleitveranstaltungen

Ergänzend zur Übung wird eine zusätzliche integrierte Veranstaltung "Pratikum zur ganzzahligen Programmierung" angeboten. Dieser Kurs ist empfehlenswert, aber nicht zwinged notwendig für die Teilnahme an der Vorlesung.

Inhalt:
Das Seminar behandelt fortgeschrittene Themen der Arithmetischen Kombinatorik. 

Zielgruppe:
BMS-Studenten, Master-Studenten oder fortgeschrittene Bachelor-Studenten.

Voraussetzungen:
Voraussetzung ist der erfolgreiche Abschluss der Vorlesung Diskrete Mathematik II oder III (oder gleichwertiger Hintergrund: Bitte kontaktieren Sie den Dozenten). 

In diesem Seminar geht es um Polytope und Punktgitter.

Das Seminar wird vermutlich großteils auf Englisch stattfinden.

Themenvergabe und speziellere Literaturangaben in der Vorbesprechung zum Seminar.

Diese Vorlesung wird die Einführung in die Algebraische Topologie fortsetzen. Eine Auswahl aus folgenden Themen wird behandelt:

• Homotopiemengen, Homotopiegruppen und der Satz von Hurewicz
• Faserungen und Kofaserungen
• Bündel und klassifizierende Räume

Die vorgestellten Methoden werden durch Anwendungen auf verschiedenen klassischen Problemen der algebraischen Topologie veranschaulicht.

Books that can be used for some of these topics include:

1. G. Bredon: Topology and geometry, Springer GTM 139,
2. T. tom Dieck: Algebraic topology, EMS 2008
3. P. May: A concise course in algebraic topology, Chicago Lecture Notes in Mathematics, UChicago Press 1999
4. Allen Hatcher: Vector Bundles & K-theory, online book
   http://www.math.cornell.edu/~hatcher/VBKT/VBpage.html

Die mathematische Modellierung vieler Prozesse in Natur und Industrie führt auf partielle Differentialgleichungen. Diese können im Allgemeinen nicht analytisch gelöst werden. Man ist darauf angewiesen, numerische Approximationen der Lösung mit Hilfe diskretisierter Gleichungen zu berechnen. Dieser Kurs behandelt Diskretisierungen für elliptische Differentialgleichungen. Schwerpunkte sind Finite-Differenzen-Methoden und die Methode der Finiten Elemente.

• F. John: Partial Differential Equations. Springer (1982)
• M. Renardy, R. C. Rogers: An introduction to partial differential equations, Springer, 2. Auflage (2004)
• A. Quarteroni, R. Sacco, F. Saleri: Numerische Mathematik 2. Springer (2002)
• D. Braess: Finite Elemente. Springer, 3. Auflage (2002)
• P. A. Raviart, J. M. Thomas: Introduction à l'analyse numérique des équations aux dérivées partielles, Dunod (1998)

Voraussetzungen

Voraussetzungen für diesen Kurs sind Grundkenntnisse in Mathematik (Analysis I-III) und Numerische Analysis (Numerik I). Etwas Wissen in der Funktionsanalyse hilft viel.

Homepage:Wiki der Numerik II

Inhalt:

Abstract:

Modeling, Simulation, and Optimization (MSO) is one of the cornerstones of application-oriented mathematics.

It covers a broad spectrum of research activities, ranging from the design of mathematical models for real-world processes, via efficient numerical simulation algorithms, to the solution of optimization problems for finding optimal scenarios or controls for the process under consideration. This lecture will give an overview over the techniques used in MSO and its application in different areas (life science, mobility, energy, sustainability, …). The lecture will be complemented by several pilot projects in which student groups will develop MSO solutions for realistic (but not too complex) application problems.

Zielpublikum:
Master Mathematik

• Brokate and J. Sprekels: Hysteresis and Phase Transitions. Springer (1996)
• K. Deckelnick, G. Dziuk, and Ch.M. Elliott: Computation of geometric partial differential equations and mean curvature flow. Acta Numerica, p. 1-94 (2005)
• G. Dziuk and Ch.M. Elliott: Finite elements on evolving surfaces. IMA J. Numer. Anal. 27, p. 262-292 (2007)
• J.A. Sethian: Level Set Methods and Fast Marching Methods, CambridgeUniversity Press (1999)
• T.J. Willmore: Riemannian Geometry, Clarendon, Oxford (1993)
• Winkelmann, Stefanie, and Christof Schütte. Stochastic dynamics in computational biology. Vol. 645. Berlin/Heidelberg, Germany: Springer, 2020.

Inhalt:

Die Mathematik spielt eine zentrale Rolle bei der Entwicklung und Analyse von Modellen zur Wettervorhersage. Kontrollierte physikalische Experimente kommen nicht in Frage, und die einzige Möglichkeit, das Wetter- und Klimasystem der Erde zu untersuchen, sind mathematische Modelle, Computerexperimente und Datenanalysen.

Schwankungen im täglichen Wetter sind eng mit Turbulenzen verbunden, und Turbulenzen stellen eine Herausforderung für die Vorhersagbarkeit des Wetters dar. Es ist keine generelle Lösung für die Gleichungen der Fluidbewegung bekannt, und folglich gibt es auch keine generelle Lösung für Probleme in turbulenten Strömungen. Stattdessen verlassen sich die Wissenschaftler auf konzeptionelle Modelle und statistische Beschreibungen, um die Essenz des täglichen Wetters zu verstehen und zu verstehen, wie sich dies auf das Klimaverhalten auswirkt.

Dieser Kurs/Seminar konzentriert sich auf Techniken der mathematischen Modellierung, die Wissenschaftler dabei unterstützen, die aufgeführten Themen systematisch zu erforschen.

Der Kurs umfasst eine Auswahl aus folgenden Themenbereichen

1. Konservierungsgesetze und geltende Gleichungen,

2. Numerische Methoden für geophysikalische Strömungssimulationen,

3. Dynamische Systeme und Bifurkationstheorie,

4. Datenbasierte Charakterisierung atmosphärischer Strömungen

Literaturhinweise werden anfangs des Semesters in Abhängigkeit von
der Themenauswahl gegeben.  

Interessante Startpunkte, die einen ersten Einstieg in obige drei
Hauptpunkte erlauben, sind  

Klein R.,
Scale-Dependent Asymptotic Models for Atmospheric Flows,
Ann. Rev. Fluid Mech., vol. 42, 249-274 (2010)

D. Durran, 
Numerical Methods for Fluid Dynamics with Applications to Geophysics, 
Springer, Computational Science and Engineering Series, (2010)

Metzner Ph., Putzig L., Horenko I.,
Analysis of persistent nonstationary time series and applications
Comm. Appl. Math. & Comput. Sci., vol. 7, 175-229 (2012)

Tennekes and Lumley, A first course in Turbulence, MIT Press (1974)

Markov chains are widely used to model stochastic behaviour across the sciences. In this course, we will focus on their application to model dynamical phenomena in the natural and engineering sciences. In the first half of the course, we will study the stationary and spectral properties of discrete Markov chains and how they can be used to analyse the long-time behaviour of the chain. In the second half, we will learn how to construct continuous Markov chains to sample complex probability distributions, and how to construct suitable discrete models for their approximation.

Discrete Markov Chains
- introduction and basic properties
- stationary vectors and return times
- spectral decomposition, reversible chains
- Perron cluster analysis
- committors and transition path theory

Modeling with Markov Chains
- Markov chains on continuous space
- sampling and Markov chain Monte Carlo
- Markov state models (MSMs)
- MSM estimation based on maximum likelihood
- error analysis

Master students of Mathematics and Physics

Markov chains are a universal tool to model real-world processes, including financial markets, reaction kinetics and molecular dynamics.

Topics:

• Introduction to the theory of Markov chains
• Estimation of Markov chains from data
• Estimation uncertainty
• Transition path theory
• Analysis of Markov chains
• Spectral analysis
• Discretization of continuous Markov processes

The following books will be relevant:

• O. P. Le Maître and O. M. Knio. Spectral Methods for Uncertainty Quantification: With Applications to Computational Fluid Dynamics. Scientific Computation. Springer, New York, 2010.
• R. C. Smith. Uncertainty Quantification: Theory, Implementation, and Applications, volume 12 of Computational Science & Engineering. Society for Industrial and Applied Mathematics (SIAM), Philadelphia, PA, 2014.
• T. J. Sullivan. Introduction to Uncertainty Quantification. Springer, New York, in press.
• D. Xiu. Numerical Methods for Stochastic Computations: A Spectral Method Approach. Princeton University Press, Princeton, NJ, 2010.

Siehe englische Sprachversion

Zielgruppe: Studierende der Masterprogramme Mathematik, Informatik und Computational Sciences.

Inhalt:

• Grundlagen partieller Differentialgleichungen (Laplace, Wärmeleitungs- und Wellengleichungen) Darstellungssätze, Lösungsmethoden
• Grundzüge von Hilbertraummethoden

Dieser Kurs kann auch als Basis für eine Bachelor- oder eine Masterarbeit in der Differentialgeometrie dienen.

L.C. Evans, Partial Differential Equations
 

Differentialgleichungen sind ein grundlegendes Werkzeug um Prozesse in Wissenschaft und Technik zu modellieren. In dieser Vorlesung wird zuerst das Bochner Integral und schwache Ableitungen für Funktionen mit Werten in Banach Räumen eingeführt. Danach werden verschiedene Evolutionsgleichungen mit linearem und monotonem Operator betrachtet. Wir betrachten die zeitabhängigen Navier—Stokes Gleichungen und zeigen für diese Existenz von starken Lösungen lokal in der Zeit, schwachen Lösungen global in der Zeit, und deren schwach-strake Einzigkeit. Zuletzt betrachten wir noch einige ausgewählte Trends in der Forschung zu partiellen Differentialgleichungen.

Diese Vorlesung ist verbunden mit der Vorlesung Nichtlineare Evolutionsgleichungen und es wird stark empfohlen beide Module zusammen zu belegen. Die Vorlesung ist eine BMS Kurs und wird auf englisch gehalten. Dieser Kurs kann auch als Basis für eine Masterarbeit im Gebiet der Differentialgleichungen dienen.

Wird in der Vorlesung bekannt gegeben / to be announced.

Voraussetzungen: Partielle Differentialgleichungen I und II

This course gives an introduction to algebraic number theory. The main objects of study are number fields, i.e. finite extensions of the field of rational numbers. To a number field K we will attach its ring of integers. This ring is a Dedekind domain and we will see that one of its invariants is the class number, which measures "how far" the ring is away from being a unique factorization domain. We will also study finite extensions of number fields, and how the prime ideals behave in the associated extensions of the rings of integers.

Here is a rough outline of the course (subject to change):
1) Diophantic equations
2) Rings of integers
3) Basic properties of Dedekind domains
4) Minkowski's theory and finiteness of the class number
5) p-adic numbers
 

Voraussetzungen:

Algebra I und Algebra&Zahlentheorie

• James Milne: Algebraic Number Theory (frei verfügbar hier )
• Jürgen Neukirch: Algebraische Zahlentheorie, Springer Verlag (English translation also available)
• Alexander Schmidt: Einführung in die Algebraische Zahlentheorie

Voraussetzungen:

Algebra I

Inhalt:

• Grundlagen partieller Differentialgleichungen (Laplace, Wärmeleitungs- und Wellengleichungen) Darstellungssätze, Lösungsmethoden
• Grundzüge von Hilbertraummethoden

Dieser Kurs kann auch als Basis für eine Bachelor- oder eine Masterarbeit in der Differentialgeometrie dienen.

L.C. Evans, Partial Differential Equations
 

Inhalt:

Viele Probleme in den Naturwissenschaften werden durch Prozesse bestimmt, die auf verschiedenen Skalen ablaufen. Solche Probleme werden als Mehrskalenprobleme bezeichnet. Ein Beispiel für ein Mehrskalenproblem sind die partiellen Differentialgleichungen, die in der geophysikalischen Fluiddynamik Anwendung finden. Für die analytische Beschreibung der langsamen Skalen können Mittelungsmethoden verwendet werden. Diese Beschreibungen sind vorteilhaft bei der Anwendung numerischer Zeitschrittverfahren, da die gemittelten Gleichungen auf gröberen Zeitgittern gelöst werden können als die nicht gemittelten Gleichungen. Das Hauptaugenmerk dieses Kurses liegt auf Mittelungsverfahren für partielle Differentialgleichungen, die Fluide beschreiben, und dem Design von parallelisierbaren, numerischen Zeitschrittverfahren, die auf dem Parareellen Verfahren basieren und die Mittelungsverfahren einbinden.

Anforderungen: Grundvorlesungen in Analysis, Grundvorlesungen Numerik

Literatur:

Wingate, B.A.; Rosemeier, J.; Haut, T., Mean Flow from Phase Averages in the 2D Boussinesq Equations. Atmosphere 2023, 14, 1523.
https://doi.org/10.3390/atmos14101523

T. Haut, B. Wingate,  An asymptotic parallel-in-time method for highly oscillatory pde's, SIAM Journal on Scientific Computing, 36 (2014), pp. A693-A713

J.-L. Lions, G. Turinici, A "parareal" in time discretization of PDE's, Comptes Rendus de l'Academie des Sciences - Series I - Mathematics, 332 (2001), pp. 661-668

Sanders, F. Verhulst, J. Murdock,  Averaging Methods in Nonlinear Dynamical Systems, Springer New York, NY, 2ed., 2000