Ausbildung in der Numerischen Mathematik
Am Institut für Analysis und Numerik wird von Robert Altmann, Carolin Mehlmann und Thomas Richter ein umfangreiches Lehrangebot in Numerischer Mathematik angeboten.
Im Bachelorstudiengang Mathematik beginnt die Ausbildung im zweiten Semester mit der Pflichtvorlesung Algorithmische Mathematik II / Numerik, in der ein erster, meist intuitiver Einblick in numerische Algorithmen und Verfahren gegeben wird. Im Mittelpunkt steht die Behandlung klassischer Probleme der Analysis und der Linearen Algebra mit dem Computer: Wie löst man schnell sehr große lineare Gleichungssysteme, wie findet man effizient die Nullstellen allgemeiner Funktionen, wie approximiert man ein Integral, wenn man die Stammfunktion nicht kennt? Im dritten Semester geht es weiter mit der Vorlesung Einführung in die Numerik, in der die Methoden vertieft, erweitert und vor allem mathematisch analysiert werden. Hier erfolgt auch die erste Einführung in die Numerik von Differentialgleichungen. Im vierten Semester können die Themen in einem Proseminar vertieft werden.
Im fünften Semester steht dann die Vorlesung Numerik partieller Differentialgleichungen auf dem Programm und hier kommen wir sehr schnell an die aktuelle Forschung heran. Diese Vorlesung ist der Einstieg in die Numerik vieler spannender Anwendungen, der Strömungs- und Strukturmechanik, der Elektrodynamik etc. Danach folgen verschiedene Vertiefungen.
Der Einstieg in den Zyklus ist immer gleich, aber ab dem vierten Semester gibt es unterschiedliche Schwerpunkte, je nachdem, wer von uns die Vorlesung hält. Wir drei freuen uns immer über Anfragen für Seminarthemen, Bachelor- oder Masterarbeiten.
Möglicher Studienverlauf im Bachelor
| Semester | Veranstaltung |
|---|---|
| 2 | Algorithmische Mathematik II / Numerik (PF) |
| 3 | Einführung in die Numerik (PF) |
| 4 | Proseminar Numerik (WPF) |
| 5 | Numerik partieller Differentialgleichungen (WPF) |
| 6 | Verschiedene Vertiefungen: (WPF) |
| - Numerik zeitabhängiger Differentialgleichungen (Altmann) | |
| - Numerik von Eigenwertproblemen (Altmann) | |
| - Numerik in den Klimawissenschaften (Mehlmann) | |
| - Numerik der Navier-Stokes Gleichungen (Richter) | |
| - Numerik parabolischer Differentialgleichungen (Richter) | |
| - ... |
Studiem im Master Im Rahmen des Masterstudiengangs wird die Ausbildung in der numerischen Mathematik fortgesetzt. Hier werden regelmäßig die folgenden Veranstaltungen angeboten.
| Veranstaltung (Beispiele) | |
|---|---|
| Vorlesung | Scientific Machine Learning for Differential Equations (Thomas Richter) |
| Vorlesung | Differential-Algebraische Gleichungen (Robert Altmann) |
| Vorlesung | Numerik von Evolutionsgleichungen (Robert Altmann) |
| Seminar | Numerische Mathematik (Robert Altmann, Thomas Richter, Carolin Mehlmann) |
| Seminar | Deep Neural Networks for Simulations (Christian Lessig, Thomas Richter, jountly with FIN) |
Current Courses
- WS 2024/25Scientific Machine Learning for Simulations
- WS 2024/25Numerische Mathematik
- WS 2024/25Mathematik M2
Upcomming Courses
Previous Courses
- SS 2024Numerik / Algorithmische Mathematik II
- SS 2024Scientific Machine Learning
- SS 2024Seminar Numerik
- SS 2024Proseminar gewöhnliche Differentialgleichungen
- SS 2024Proseminar Mathematik in den Klima- und Naturwissenschaften
- WS 2023/24Deep Neural Networks in Physical Simulations
- WS 2023/24Numerik der Navier-Stokes Gleichungen
- WS 2023/24Mathematik für Informatik 3
- SS 2023Seminar und Proseminar zur Numerik von Differentialgleichungen
- SS 2023Mathematik für Ingenieure 2b
- SS 2023Proseminar Mathematik (Lehramt) in Natur- und Klimawissenschaften
- SS 2023Numerik partieller Differentialgleichungen
- WS 2022/23Numerik gewöhnlicher Differentialgleichungen
- WS 2022/23Deep Neural Networks in Physical Simulations
- SS 2022Algorithmische Mathematik II
- SS 2022Mathematik für Ingenieure 1b
- SS 2022Numerik von Differentialgleichungen mit Neuronalen Netzen
- SS 2022Proseminar Numerik im Lehramt
- SS 2022Proseminar Approximation und Modellierung mit Neuronalen Netzen
- SS 2022Proseminar Mathematik (Lehramt) in Natur- und Klimawissenschaften
- WS 2021/22Computational Fluid Dynamics
- WS 2021/22Mathematik für Ingenieure 1a
- WS 2021/22Deep Neural Networks in Physical Simulations
Teaching evaluations
Evaluations of lectures and compact courses can be found on this page.
Winter 2021
Lectures
- Lecture Numerical Fluid Mechanics (T. Richter)
- Lecture Mathematik für Ingenieure (T. Richer)
Seminars
- Seminar Mathematics and Numerics of Deep Neural Networks for Physical Simulations (C. Lessig, T. Richter)