Sie sind auf Seite 1von 251

Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Modulhandbuch fr die
Masterstudiengnge Mathematik, Wirtschaftsmathematik,
Technomathematik und Mathematics International
an der Technischen Universitt Kaiserslautern
Stand: WS 2017/18

1. Allgemeine Erluterungen................................................................................................... 5

2. Module fr die Blcke Reine, Angewandte und Allgemeine Mathematik................................ 7

2.1 Module, die in regelmigem Turnus angeboten werden...................................................................................... 7


Commutative Algebra (Kommutative Algebra) .................................................................................................................................... 7
Cryptography (Kryptographie) .................................................................................................................................................................... 9
Foundations in Financial Mathematics (Grundlagen der Finanzmathematik) ....................................................................... 11
Foundations in Mathematical Image Processing (Grundlagen der mathematischen Bildverarbeitung) ..................... 13
Functional Analysis (Funktionalanalysis) ............................................................................................................................................ 15
Integer Programming: Polyhedral Theory and Algorithms (Ganzzahlige Optimierung: Polyedertheorie und
Algorithmen) .................................................................................................................................................................................................. 17
Introduction to PDE (Einfhrung in partielle Differentialgleichungen) ................................................................................... 19
Introduction to Systems and Control Theory (Einfhrung in die System- und Kontrolltheorie) .................................... 21
Monte Carlo Algorithms (Monte Carlo-Algorithmen)...................................................................................................................... 23
Nonlinear Optimization (Nichtlineare Optimierung) ...................................................................................................................... 25
Numerics of ODE (Numerik der gewhnlichen Differentialgleichungen) ............................................................................... 27
Plane Algebraic Curves (Ebene algebraische Kurven) .................................................................................................................... 29
Probability Theory (Wahrscheinlichkeitstheorie) ............................................................................................................................. 31
Regression and Time Series Analysis (Regression und Zeitreihenanalyse) ............................................................................ 33

2.2 Module, die in unregelmigem Turnus angeboten werden ................................................................................ 35


Algebraic Topology (Algebraische Topologie) .................................................................................................................................. 35
Categories (Kategorien) ............................................................................................................................................................................. 37
Character Theory of Finite Groups (Charaktertheorie endlicher Gruppen) vor 2016: Foundations in
Representation Theory ............................................................................................................................................................................... 39
Differential-Algebraic Equations (Differential-Algebraische Gleichungen) ........................................................................... 41
Dynamical Systems (Dynamische Systeme) ....................................................................................................................................... 43
Elliptic Functions and Elliptic Curves (Elliptische Funktionen und elliptische Kurven) .................................................... 45
Elliptic Curves in Positive Characteristics (Elliptische Kurven in positiver Charakteristik) .............................................. 47
Introduction to Neural Networks (Einfhrung in neuronale Netze) .......................................................................................... 49
Manifolds (Mannigfaltigkeiten) ............................................................................................................................................................... 51
Multilinear Algebra (Multilineare Algebra) ......................................................................................................................................... 53
Numerical Integration (Numerische Integration) ............................................................................................................................. 55
Optimization in Fluid Mechanics (Optimierung in der Strmungsmechanik)........................................................................ 57
p-adic Numbers (p-adische Zahlen) vor 2016: Foundations in Number Theory .............................................................. 59
Quadratic Number Fields (Quadratische Zahlkrper) ..................................................................................................................... 61
Riemann Surfaces (Riemannsche Flchen) ......................................................................................................................................... 63
Spline Functions (Splinefunktionen)..................................................................................................................................................... 65
Systems and Control Theory (System- und Kontrolltheorie) ....................................................................................................... 67
Topology Optimization (Topologische Strukturoptimierung)...................................................................................................... 69

-1-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

3. Module fr alle mathematischen Blcke (inklusive Studienschwerpunkt) .............................71

3.1 Module, die in regelmigem Turnus angeboten werden.................................................................................... 71


Algebraic Geometry (Algebraische Geometrie) ................................................................................................................................. 71
Financial Mathematics (Finanzmathematik) vor 2016: Financial Mathematics I ............................................................. 73
Interest Rate Theory (Zinsmodellierung) vor 2016: Financial Mathematics II ................................................................. 75
Life Insurance Mathematics (Lebensversicherungsmathematik) ............................................................................................... 77
Mathematical Statistics (Mathematische Statistik) ......................................................................................................................... 79
Non-Life Insurance Mathematics (Schadensversicherungsmathematik) ................................................................................. 81
Numerical Methods for Elliptic and Parabolic PDE (Numerik Elliptischer und Parabolischer Partieller
Differentialgleichungen) ........................................................................................................................................................................... 83
Numerical Methods for Hyperbolic PDE (Numerik Hyperbolischer Partieller Differentialgleichungen) ..................... 85
Probability and Algorithms (Randomisierte Algorithmen) ............................................................................................................ 87
Stochastic Differential Equations (Stochastische Differentialgleichungen)........................................................................... 89
Stochastic Differential Equations and Financial Mathematics (Stochastische Differentialgleichungen und
Finanzmathematik) ...................................................................................................................................................................................... 91
Theory of Scheduling Problems (Theorie der Scheduling-Probleme) ...................................................................................... 93

3.2 Module, die in unregelmigem Turnus angeboten werden ................................................................................ 95


Advanced Network Flows and Selfish Routing (Fortgeschrittene Netzwerkflsse und Egoistisches Routing in
Netzwerken) ................................................................................................................................................................................................... 95
Algebraic Groups (Algebraische Gruppen) .......................................................................................................................................... 97
Algebraic Geometry II: Sheaves, Cohomology and Applications (Algebraische Geometrie II: Garben, Kohomologie
und Anwendungen) ..................................................................................................................................................................................... 99
Algebraic Number Theory (Algebraische Zahlentheorie) ............................................................................................................ 101
Algorithmic Game Theory (Algorithmische Spieltheorie)............................................................................................................ 103
Algorithmic Number Theory (Algorithmische Zahlentheorie) ................................................................................................... 105
Asymptotic Analysis (Asymptotische Analysis)................................................................................................................................ 107
Biomathematics (Biomathematik) ........................................................................................................................................................ 109
Class Groups in Cryptography (Klassengruppen in der Kryptographie) .................................................................................111
Cohen-Macaulay and Gorenstein Rings (Cohen-Macaulay- und Gorenstein-Ringe) ......................................................... 113
Computational Finance ............................................................................................................................................................................ 115
Computational Flexible Multibody Dynamics (Numerik flexibler Mehrkrpersysteme).................................................. 117
Computational Fluid Dynamics (Strmungsdynamik) .................................................................................................................. 119
Computer Algebra (Computeralgebra) ............................................................................................................................................... 121
Continuous-Time Portfolio Optimization (Zeitstetige Portfoliooptimierung) ..................................................................... 123
Control of Mechanical Multibody Systems (Steuerung und Regelung von mechanischen Mehrkrpersystemen) 125
Curves in Projective Space (Kurven im projektiven Raum)......................................................................................................... 127
Distributions and Wavelets (Distributionen und Wavelets)........................................................................................................ 129
Dynamics of Mechanical Multibody Systems (Dynamik mechanischer Mehrkrpersystemen) ..................................... 131
Financial Statistics (Finanzstatistik) .................................................................................................................................................... 133
Finite Groups of Lie Type (Endliche Gruppen von Lie-Typ)........................................................................................................ 135
Functional Data Analysis: Statistics in Hilbert Space (Funktionale Datenanalyse: Statistik in Hilbertrumen) ..... 137
Geometry of Schemes (Geometrie der Schemata) ......................................................................................................................... 139
Graphs and Algorithms (Graphen und Algorithmen) .....................................................................................................................141
Group Theory (Gruppentheorie) ............................................................................................................................................................ 143
High-Dimensional Integration (Hochdimensionale Integration) .............................................................................................. 145
High-Order Methods for Hyperbolic Equations (Verfahren hoher Ordnung fr Systeme Hyperbolischer
Erhaltungsgleichungen)........................................................................................................................................................................... 147
Image Analysis for Stochastic Structures (Bildanalyse fr stochastische Strukturen) ..................................................... 149
Introduction to Online Optimization (Einfhrung in die Online-Optimierung) .................................................................. 151

-2-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to Stochastic Partial Differential Equations (Einfhrung in Stochastische Partielle


Differentialgleichungen) ......................................................................................................................................................................... 153
Introduction to the Theory of Dirichlet Forms (Einfhrung in die Theorie der Dirichlet-Formen) .............................. 155
Introduction to the Theory of Sobolev Spaces (Einfhrung in die Theorie der Sobolev-Rume) ................................ 157
Introduction to White Noise Analysis (Einfhrung in die White Noise Analysis) ............................................................... 159
Inverse Problems (Inverse Probleme) .................................................................................................................................................161
Lie Algebras (Lie-Algebren) .................................................................................................................................................................... 163
Malliavin Calculus and Applications (Malliavin-Kalkl und Anwendungen) ....................................................................... 165
Markov Switching Models and their Applications in Finance (Markov Switching-Modelle und ihre Anwendungen
in der Finanzwirtschaft) ........................................................................................................................................................................... 167
Mathematical Analysis of Linear PDEs (Mathematische Analysis linearer partieller Differentialgleichungen) ..... 169
Mathematical Methods for Interacting Particle Systems (Mathematische Methoden fr interagierende
Teilchensysteme) ....................................................................................................................................................................................... 171
Mathematical Models for Semiconductor Devices (Mathematische Modelle fr Halbleiterbauelemente) .............. 173
Mathematical Theory of Fluid Dynamics (Mathematische Theorie der Strmungsdynamik) ........................................ 175
Matroids - Theory and Applications (Matroide Theorie und Anwendungen) .................................................................. 177
Methods of Convex Analysis in Image Processing (Methoden der Konvexen Analysis in der Bildverarbeitung) .. 179
Multicriteria Optimization (Multikriterielle Optimierung) ..........................................................................................................181
Network and Discrete Location Theory (Netzwerk- und Diskrete Standorttheorie).......................................................... 183
Nonlinear Control Theory (Nichtlineare Kontrolltheorie) ........................................................................................................... 185
Nonlinear Functional Analysis with Applications to PDE (Nichtlineare Funktionalanalysis mit Anwendungen auf
PDGL) .............................................................................................................................................................................................................. 187
Nonlinear Partial Differential Equations (Nichtlineare Partielle Differentialgleichungen) ............................................ 189
Nonparametric Statistics (Nichtparametrische Statistik) ............................................................................................................ 191
Numerical Methods in Control Theory (Numerische Methoden der Kontrolltheorie) ...................................................... 193
Numerics of Stochastic Processes (Numerik stochastischer Prozesse) .................................................................................. 195
Online Optimization (Online-Optimierung)...................................................................................................................................... 197
Operator Semigroups and Applications to PDE (Operator-Halbgruppen und Anwendungen auf Partielle
Differentialgleichungen) ......................................................................................................................................................................... 199
Optimal Control of ODEs and DAEs (Optimale Steuerung von ODEs und DAEs) ............................................................... 201
Optimization on Manifolds (Optimierung auf Mannigfaltigkeiten) ......................................................................................... 203
Optimization with PDE (Optimierung mit Partiellen Differentialgleichungen) .................................................................. 205
PDE based Multiscale Methods and Numerical Approaches for their Solution (Multiskalenmethoden basierend
auf PDGL und Numerische Lsungsanstze) ................................................................................................................................... 207
Planar Location Theory (Planare Standorttheorie) ........................................................................................................................ 209
Reaction-Diffusion Equations with Applications to Biology and Medicine (Reaktions-Diffusionsgleichungen mit
Anwendungen in Biologie und Medizin) ........................................................................................................................................... 211
Representation Theory (Darstellungstheorie) ................................................................................................................................. 213
Risk Measures with Applications to Finance and Insurance (Risikomae und Anwendungen in der Finanz- und
Versicherungswirtschaft) ......................................................................................................................................................................... 215
Robust Optimization (Robuste Optimierung) .................................................................................................................................. 217
Scientific Computing in Solid Mechanics (Wissenschaftliches Rechnen in der Festkrpermechanik) ....................... 219
Singularity Theory (Singularittentheorie) ....................................................................................................................................... 221
Sobolev Spaces (Sobolev-Rume)........................................................................................................................................................ 223
Spatial Statistics (Rumliche Statistik) .............................................................................................................................................. 225
Statistical Learning and Regression (Statistisches Lernen und Regression) ....................................................................... 227
Statistical Pattern Recognition (Statistische Mustererkennung) .............................................................................................. 229
Stochastic Geometry (Stochastische Geometrie) ............................................................................................................................ 231
Switched Systems (Geschaltete Systeme) ......................................................................................................................................... 233
Systems and Control Theory: Advanced Topics (System- und Kontrolltheorie: Fortgeschrittene Themen) ............ 235
Theory of Hyperbolic Conservation Laws (Theorie hyperbolischer Erhaltungsgleichungen) ........................................ 237

-3-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Traveling Waves (Wandernde Wellen)................................................................................................................................................ 239


Tropical Geometry (Tropische Geometrie) ........................................................................................................................................ 241
White Noise Analysis ................................................................................................................................................................................ 243

4. Seminare .........................................................................................................................245
Seminar <Thema des Seminars> ............................................................................................................................................................. 246

5. Kurse zum selbststndigen wissenschaftlichen Arbeiten unter Anleitung ...........................248


Reading Course: <Thema des Kurses> .................................................................................................................................................. 248

6. Masterarbeit ....................................................................................................................250
Master Thesis (Masterarbeit).................................................................................................................................................................. 250

-4-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

1. Allgemeine Erluterungen
In den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und Mathematics International
sind Leistungen in einem vorgegebenen Umfang in folgenden Blcken zu erbringen (siehe 14, Abs. 1 der Ordnung
fr die Masterprfung in den Studiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und Mathema-
tics International vom 25.09.2008):

1. im Masterstudiengang Mathematik:
Reine Mathematik, Angewandte Mathematik, Studienschwerpunkt, Seminare, Anwendungsfach;

2. im Masterstudiengang Technomathematik:
Allgemeine Mathematik, Informatik und rechnergesttzte Methoden, Studienschwerpunkt, Seminare, Anwen-
dungsfach;

3. im Masterstudiengang Wirtschaftsmathematik:
Allgemeine Mathematik, Informatik und rechnergesttzte Methoden, Studienschwerpunkt, Seminare, Wirt-
schaftswissenschaften;

4. im Masterstudiengang Mathematics International:


Reine Mathematik, Angewandte Mathematik, Studienschwerpunkt, Seminare, nichtmathematisches Wahlfach.

Die Wahl des Studienschwerpunktes kann dabei aus folgender Liste erfolgen:

Mathematik,
Technoma- Wirtschaftsma-
Schwerpunktbereich Studienschwerpunkt Mathematics
thematik thematik
International

Algebra und Zahlentheorie X


Algebra, Geometrie und
Computeralgebra Algebraische Geometrie und
X
Computeralgebra

Stochastische Analysis X
Analysis und Stochastik Bildverarbeitung und Daten-
X X
analyse

Modellierung und wissen-


schaftliches Rechnen (Parti-
X X
elle DGL, System- und Kon-
Modellierung und Wissen- trolltheorie)
schaftliches Rechnen
Partielle Differentialglei-
X X
chungen

System- und Kontrolltheorie X X

Finanzmathematik X X
Wirtschaftsmathematik (Op-
Optimierung X X
timierung und Stochastik)
Statistik X X

Der Prfungsausschuss kann andere Studienschwerpunkte im Einzelfall genehmigen.

In den folgenden Abschnitten werden die laut Beschluss des Fachbereichsrats Mathematik an der TU Kaiserslautern
angebotenen Module fr die mathematischen Blcke aufgelistet. Die Verwendbarkeit der Module fr die Blcke ist
jeweils abhngig von dem gewhlten Studienschwerpunkt. Zustzlich zu den in den jeweiligen Modulen aufgeliste-
ten Bedingungen sind folgende Einschrnkungen zu beachten (siehe Studienplan):

-5-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

In den Masterstudiengngen Mathematik und Mathematics International sind in den Blcken Reine Mathe-
matik und Angewandte Mathematik insgesamt Module im Umfang von mindestens 18 Leistungspunkten
auerhalb des Schwerpunktbereichs, dem der Studienschwerpunkt laut obiger Tabelle zuzurechnen ist, zu
erbringen.

Bei Wahl eines Studienschwerpunktes, der ganz oder teilweise dem Bereich der Stochastik zuzurechnen ist,
(z.B. Stochastische Analysis, Finanzmathematik oder Statistik) sind in den Masterstudiengngen Mathematik
und Mathematics International mindestens 24 Leistungspunkte in den Blcken Reine Mathematik, Ange-
wandte Mathematik und Studienschwerpunkt auerhalb der Stochastik zu erbringen.

Bei Wahl eines der Studienschwerpunkte Finanzmathematik oder Statistik im Masterstudiengang Wirt-
schaftsmathematik sind mindestens 12 Leistungspunkte im Block Allgemeine Mathematik auerhalb der
Stochastik zu erbringen.

Ausnahmen kann der Prfungsausschuss im Einzelfall genehmigen.

Insgesamt sind in jedem der Masterstudiengnge 120 - 132 Leistungspunkte zu erbringen. Davon gehen in die Be-
rechnung der Gesamtnote ein:

in den Masterstudiengngen Mathematik, Technomathematik und Wirtschaftsmathematik:

102 - 114 Leistungspunkte;

im Masterstudiengang Mathematics International:

96 106 Leistungspunkte.

Bei der Berechnung der Gesamtnote unbercksichtigt bleiben die Kurse zum selbststndigen wissenschaftlichen
Arbeiten unter Anleitung, die Seminare sowie im Masterstudiengang Mathematics International die Leistungen im
nichtmathematischen Wahlfach.

Der Stellenwert der Note eines Moduls fr die Gesamtnote ergibt sich durch die Division der fr das Modul vergebe-
nen Leistungspunkte durch die Anzahl der in die Berechnung der Gesamtnote eingehenden Leistungspunkte.

Smtliche in diesem Handbuch aufgefhrten Module setzen die Inhalte des Moduls Grundlagen der Mathematik des
Bachelorstudiengangs Mathematik voraus.

-6-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

2. Module fr die Blcke Reine, Angewandte und Allgemeine Mathematik


Die folgenden Module knnen in den Blcken Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathe-
matik, jeweils in Abhngigkeit von der Wahl des Studienschwerpunkts eingebracht werden. Sie umfassen teilweise
Lehrveranstaltungen aus dem Lehrveranstaltungskatalog des Vertiefungsblocks des Bachelorstudiengangs. Die Ver-
wendbarkeit ist jeweils in der Modulbeschreibung nher geregelt.

2.1 Module, die in regelmigem Turnus angeboten werden

Commutative Algebra (Kommutative Algebra)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-11-M-4 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Commutative Algebra 4 SWS / 60 h Vorlesung 180 h 15-25 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Sprache und die Methoden der kommutativen Algebra, welche
zum Studium der Bereiche Algebraische Geometrie, Computeralgebra sowie Zahlentheorie notwendig sind. Sie
erkennen, wie das Einnehmen eines hheren Standpunktes, sprich die Abstraktion der Problemstellung, es
erlaubt, auf den ersten Blick vollkommen verschiedene Fragestellungen gleichzeitig zu behandeln und zu
lsen. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erkl-
ren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Ringe, Moduln, Lokalisierung, Lemma von Nakayama


Noethersche / Artinsche Ringe und Moduln
Primrzerlegung
Krulls Hauptidealsatz, Dimension
Ganze Ringerweiterungen, Going-up, Going-down, Normalisierung
Noethernormalisierung, Hilbertscher Nullstellensatz
Dedekindringe, invertierbare Ideale.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Einfhrung: Algebra des Bachelorstudiengangs


Mathematik.

Formal: keine.

-7-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik falls Stu-
dienschwerpunkt nicht in den Bereichen Algebra und Zahlentheorie oder Algebraische Geometrie und Com-
puteralgebra (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M.F. Atiyah, I.G. Macdonald: Introduction to commutative algebra,
H. Matsumura: Commutative Ring Theory,
H. Matsumura: Commutative Algebra,
D. Eisenbud: Commutative Algebra with a View towards Algebraic Geometry,
G.-M. Greuel, G. Pfister: A Singular Introduction to Commutative Algebra.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. M. Schulze

Lehrende: Prof. Dr. W. Decker, Prof. Dr. C. Fieker, Prof. Dr. A. Gathmann, Prof. Dr. G. Malle, Prof. Dr.
M. Schulze, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

-8-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Cryptography (Kryptographie)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-14-M-4 270 h 9 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Cryptography 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden verstehen, wie grundlegende Resultate der Algebra und Zahlentheorie in der modernen
Kryptographie Anwendung finden. Sie wissen, wie diese Resultate in Algorithmen umgesetzt werden knnen,
und sie sind in der Lage, die Mglichkeiten und Grenzen der Algorithmen kritisch zu beurteilen. Sie verstehen
die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Symmetrische Kryptosysteme (SKC):


Strom- und Blockchiffren,
Hufigkeitsanalyse,
Moderne Chiffren.

Asymmetrische Kryptosysteme (PKC):


Faktorisierungsproblem groer Zahlen, RSA,
Primzahltests,
Diskreter Logarithmus, Diffie-Hellman Schlsselaustausch, El-Gamal Verschlsselung, Hashfunktionen,
Signatur,
Kryptographie auf elliptischen Kurven (ECC),
Attacken auf das diskrete Logarithmus-Problem,
Faktorisierungsalgorithmen (z.B. Quadratisches Sieb, Pollard , Lenstra).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Elementare Zahlentheorie des Bachelorstudi-


engangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

-9-
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine
Mathematik (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D.R. Kohel: Cryptography,
J. Buchmann: Einfhrung in die Kryptographie.
Zur Wiederholung der algebraischen und zahlentheoretischen Voraussetzungen bieten
sich zudem die folgenden beiden Bcher an:
N. Koblitz, A Course in Number Theory and Cryptography,
N. Koblitz: Algebraic Aspects of Cryptography.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Fieker

Lehrende: Prof. Dr. W. Decker, Prof. Dr. C. Fieker, Prof. Dr. G. Malle , weitere Dozentinnen und Do-
zenten des Fachbereichs Mathematik

- 10 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Foundations in Financial Mathematics (Grundlagen der Finanzmathematik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-60-15-M-4 90 h 3 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre


1
Grundlagen der Finanzma- 2 SWS / 30 h Vorlesung mit 60 h 40-70 Studierende
thematik integrierten bungen

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen die grundlegenden Begriffe, Aussagen und Methoden der Finanzmathematik. Sie
verstehen insbesondere, wie Preisprozesse und Handelsstrategien in diskreter Zeit stochastisch modelliert
werden. Sie kennen und verstehen die fundamentalen Konzepte der risikoneutralen Bewertung und sind in der
Lage, diese auf konkrete Finanzprodukte anzuwenden.

3 Inhalte:

Es werden die grundlegenden Konzepte der Finanzmathematik in diskreter Zeit behandelt:

Ein-Perioden-Modell,

Stochastische Modellierung von Finanzmrkten,

Risikoneutrale Bewertung,

Fundamentalstze der Preistheorie.

4 Lehrformen:

Vorlesung mit integrierten bungen

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Stochastische Methoden aus dem Bachelorstudiengang Mathematik

Formal: keine.

6 Prfungsformen

Modulprfung in Form einer Klausur (Dauer 60-120 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein durch die erfolgreiche Teilnahme an den bungen; Modulprfung.

8 Verwendbarkeit des Moduls:

Pflichtmodul im Bachelorstudiengang Wirtschaftsmathematik;

Wahlpflichtmodul fr den Wahlbereich des Bachelorstudiengangs Mathematik; insbesondere verwendbar zur


Vorbereitung auf ein Fachpraktikum im Bereich Finanzmathematik.

Studierende, die sich nicht im Bereich der Finanzmathematik oder Statistik vertiefen, knnen die Lehrveran-
staltung auch fr die Blcke Allgemeine Mathematik oder Angewandte Mathematik der Masterstudiengnge
Mathematik, Technomathematik oder Mathematics International einbringen.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der Modulprfung.

- 11 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Kremer: Einfhrung in die diskrete Finanzmathematik,
S. Pliska, S.: Introduction to Mathematical Finance,
J. Hull: Optionen, Futures und andere Derivate.
Lernunterlagen, Weitere Literatur wird in der Vorlesung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und hauptamtlich Lehrende:


Modulbeauftragter: Prof. Dr. J. Sa

Lehrende: Prof. Dr. R. Korn, Prof. Dr. J. Sa; weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

12 Sonstige Informationen:
Das Modul kann nicht gemeinsam mit dem Modul Financial Mathematics in die Masterprfung eingebracht
werden.

- 12 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Foundations in Mathematical Image Processing (Grundlagen der mathematischen Bildverarbei-


tung)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-65-10-M-4 270 h 9 LP 1 oder 2 jedes zweite Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Grundlagen der mathemati- 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


schen Bildverarbeitung 2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen die grundlegenden Fragestellungen, Begriffe und Methoden der mathematischen
Bildverarbeitung. Anhand von Beispielen haben Sie eine anschauliche Vorstellung fr die Begriffe und den
Einsatz der Methoden gewonnen. Sie verstehen die mathematischen Hintergrnde der eingesetzten Methoden
(insbesondere: Intensittstransformationen, Lineare und Nichtlineare Filter) und knnen die Mglichkeiten und
Grenzen des Einsatzes dieser Methoden kritisch beurteilen.

Zudem haben die Studierenden die grundlegenden Problemstellungen und Konzepte der klassischen Fourier-
analysis, einem immer noch aktuellen, Teilgebiet der Analysis mit vielfltigen praktischen Anwendungen ken-
nengelernt. Sie beherrschen die wichtigsten und gngigen Methoden und sind in der Lage, diese auf ausge-
whlte Aufgabenstellungen aus der Bildverarbeitung anzuwenden. Sie verstehen die Beweise aus der Vorle-
sung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Digitale Bilder (Formate, Farbrume, Abtastung, Quantisierung, Grundaufgaben der Bildverarbeitung),


grundlegende Cluster- und Segmentierungsalgorithmen (Mittel, K-means-Algorithmus),
Intensittstransformationen (Gamma-Korrektur, Histogrammspezifikation),
Filter (Lineare Filter, Bilaterale Filter, M-Gltter, insbesondere: Median-Filter),
Fourier-Reihen und die diskrete Fourier-Transformation (Konvergenz der Reihen, DFT, FFT),
mehrdimensionale Fourier-Reihen (DFT, Anwendungen in der Bildverarbeitung),
kontinuierliche Fourier-Transformation,
gefensterte Fourier-Transformation (Heisenbergsche Unschrfe-Relation, Gabor-Transformation).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik, Einfhrung: Funktionalanalysis, Stochastische


Methoden aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 13 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik falls
Studienschwerpunkt nicht im Bereich Bildverarbeitung und Datenanalyse (unter Bercksichtigung der ggf.
einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Literatur zu mathematischen Grundlagen:
K. Bredies, D. Lorenz: Mathematische Bildverarbeitung. Einfhrung in Grundlagen und
moderne Theorie,
T. Chan, J. Shen: Image processing and analysis. Variational, PDE, Wavelet, and Stochastic
Methods,
O. Scherzer, M. Grasmair, H. Grossauer, M. Haltmeier, F. Lenzen: Variational Methods in
Imaging.
Literatur aus der Informatik:
R. C. Gonzalez, R. E. Woods: Digital Image Processing,
B. Jhne: Digital Image Processing,
C. Solomon, T. Breckon: Fundamentals of Digital Image Processing. A Practical Approach
with Examples in Matlab.
Literatur zur Fourieranalysis:
G. Folland: Fourier Analysis and its Applications,
G. Folland: Real Analysis,
T. Krner: Fourier Analysis,
H. Nussbaumer: Fast Fourier Transforms and Convolution Algorithms,
J. Ramanathan: Methods of Applied Fourier Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 14 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Functional Analysis (Funktionalanalysis)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-11-M-4 270 h 9 LP 1 oder 2 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Functional Analysis 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen mathematische Konzepte in unendlich-dimensionalen Rumen unter
besonderer Betonung des analytischen Aspekts. Sie beherrschen grundlegende analytische Werkzeuge zum
Lsen von Differential- und Integralgleichungen in Theorie und Anwendung. Sie sind in der Lage, die wesentli-
chen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zusammenhnge einzu-
ordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Satz von Hahn-Banach und Anwendungen,


Baire'scher Kategoriensatz und Anwendungen (Prinzip der gleichmigen Beschrnktheit, Satz von Ba-
nach-Steinhaus, Satz von der offenen Abbildung, Satz von der inversen Abbildung, Satz vom abgeschlos-
senen Graphen),
Schwache Konvergenz (Satz von Banach-Alaoglu, reflexive Banach-Rume, Lemma von Mazur und An-
wendungen),
Projektionen (Satz vom abgeschlossenen Komplement),
Beschrnkte Operatoren (adjungierter Operator, Spektrum, Resolvente, normale Operatoren),
Kompakte Operatoren (Fredholm-Operatoren, Fredholm-Alternative und Anwendungen, Spektralsatz
(Riesz-Schauder) und Anwendung auf normale Operatoren),
Unbeschrnkte Operatoren (Graph, symmetrische und selbstadjungierte Operatoren).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Funktionalanalysis und Ma- und Integrationstheorie aus dem
Ba-chelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 15 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine
Mathematik falls Studienschwerpunkt nicht im Bereich Stochastische Analysis (unter Bercksichtigung der
ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H.-W. Alt: Lineare Funktionalanalysis,
H. Heuser: Funktionalanalysis,
M. Reed, M, B. Simon: Functional Analysis I,
D. Werner: Funktionalanalysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, Prof. Dr. K. Ritter, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 16 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Integer Programming: Polyhedral Theory and Algorithms (Ganzzahlige Optimierung: Polyeder-


theorie und Algorithmen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-50-11-M-4 270 h 9 LP 1 oder 2 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Integer Programming: Polyhe- 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


dral Theory and Algorithms 2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen verschiedene Methoden und Algorithmen zur Lsung ganzzahliger
Optimierungsprobleme. Sie haben gelernt, reale Probleme aus wirtschaftswissenschaftlichen, technischen und
physikalischen Bereichen mittels mathematischer Methoden als ganzzahlige Optimierungsprobleme zu model-
lieren und zu lsen. Sie knnen die Mglichkeiten und Grenzen des Einsatzes dieser Methoden kritisch beurtei-
len. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Modellierung mit ganzzahliger Optimierung,
Polyeder und Polytope,
Komplexitt,
Formulierungen,
Verbindungen zwischen ganzzahliger Programmierung und Polyedertheorie,
Ganzzahligkeit von Polyedern: Unimodularitt, totale duale Integralitt,
Matchings,
Dynamische Programmierung,
Relaxierungen,
Branch-and-Bound Methoden,
Schnittebenen,
Spaltengenerierung.

Davon beinhalten die Lehrveranstaltungen

Integer Programming: Polyhedral Theory:

Modellierung mit ganzzahliger Optimierung; Polyeder und Polytope; Komplexitt; Formulierungen; Verbindun-
gen zwischen ganzzahliger Programmierung und Polyedertheorie; Ganzzahligkeit von Polyedern; Matchings.

Integer Programming: Algorithms:

Dynamische Programmierung; Relaxierungen; Branch-and-Bound Methoden; Schnittebenen; Spaltengenerie-


rung.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

- 17 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik falls
Studienschwerpunkt nicht im Bereich Optimierung (unter Bercksichtigung der ggf. einschrnkenden Rege-
lungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G. Nemhauser and L. Wolsey: Integer and Combinatorial Optimization
A. Schrijver: Combinatorial Optimization - Polyhedra and Efficiency
A. Schrijver: Theory of Linear and Integer Programming
L. Wolsey: Integer Programming.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt. Vorlesungsmitschnitte verfgbar unter https://videoportal.uni-kl.de/

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Prof. Dr. S. Ruzika, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 18 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to PDE (Einfhrung in partielle Differentialgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-11B-M-4 135 h 4,5 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

PDE: An Introduction 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Erweiterung der Theorie gewhnlicher Differentialgleichungen auf
partielle Differentialgleichungen. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese
nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:
Es wird eine Einfhrung in die klassische Theorie der partiellen Differentialgleichungen gegeben. Speziell
werden folgende Inhalte vermittelt:
Klassifikation und Wohlgestelltheit,
Quasilineare Gleichungen: Cauchy-Problem,
Wellengleichung: Existenz, Eindeutigkeit, Stabilitt, Maximumprinzip,
Poissongleichung: Separationsansatz, Fundamentallsungen, Greensche Funktionen, Maximumprinzip,
Existenz und Eindeutigkeit,
Wrmeleitungsgleichung: Separationsansatz, Fouriertransformation, Halbgruppen, Maximumprinzip, Exis-
tenz und Eindeutigkeit.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: gewhnliche Differentialgleichungen aus dem Bachelorstudiengang


Mathematik; wnschenswert sind ebenfalls Kenntnisse aus der Lehrveranstaltung Vektoranalysis" aus dem
Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 19 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine
Mathematik, falls Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen, Par-
tielle Differentialgleichungen oder System- und Kontrolltheorie (unter Bercksichtigung der ggf. einschrn-
kenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: L.C. Evans: Partial differential equations,
F. John: Partial differential equations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, Prof. Dr. B. Simeon, Prof. Dr. C. Surulescu, weitere
Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Numerics of ODE kombiniert werden zu einem Modul Differential Equations:
Numerics of ODE & Introduction to PDE.

- 20 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to Systems and Control Theory (Einfhrung in die System- und Kontrolltheorie)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-12A-M-4 135 h 4,5 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to Systems and 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


Control Theory 1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte zur Beschreibung von dynamischen Systemen
sowie mathematische Techniken zur Analyse dieser Systeme und zum Entwurf von Reglern. Des Weiteren
kennen sie die Anwendungsmglichkeiten, die sich aus der Verwendung der mathematischen Kontrolltheorie
ergeben. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:
Es werden grundlegende Begriffe und Ideen der Kontrolltheorie sowie deren Anwendungen behandelt. Speziell
werden folgenden Inhalte vermittelt:
Darstellung zeitdiskreter sowie zeitkontinuierlicher linearer und nichtlinearer dynamischer Systeme,
Stabilitt dynamischer Systeme,
Erreichbarkeit, Steuerbarkeit, Beobachtbarkeit,
Feedback-Regelung.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik und Einfhrung: gewhnliche Differentialglei-


chungen aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 21 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen oder System- und Kon-
trolltheorie (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Zerz: Introduction to Systems and Control Theory,
J.W. Polderman, J. Willems,: Introduction to Mathematical Systems Theory,
H.W. Knobloch, H. Kwakernaak, Lineare Kontrolltheorie,
D. Hinrichsen, A.J. Pritchard, Mathematical Systems Theory I,
E.D. Sontag, Mathematical Control Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. D. Prtzel-Wolters, Jun. Prof. Dr. S. Trenn, weitere Dozentin-
nen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann wie folgt kombiniert werden:

mit dem Modul Introduction to Neural Networks zu einem Modul Systems Theory: Systems and
Control Theory & Neural Networks (9 Leistungspunkte),
mit dem Modul Dynamical Systems zu einem Modul Introduction to Systems and Control Theory;
Dynamical Systems (9 Leistungspunkte),

mit dem Modul Differential-Algebraic Equations zu einem Modul Introduction to Systems and Con-
trol Theory; Differential-Algebraic Equations (9 Leistungspunkte).

Das Modul ist Teil des Moduls Systems and Control Theory.

- 22 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Monte Carlo Algorithms (Monte Carlo-Algorithmen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-60-14-M-6 270 h 9 LP 1 oder 2 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Monte Carlo Algorithms 4 SWS / 60 h Vorlesung 180 h 15-25 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ein Grundverstndnis fr die Konstruktion, Analyse und Einsatzmglichkeiten von
Monte Carlo-Algorithmen entwickelt. Sie haben praktische Erfahrung beim Einsatz solcher Algorithmen und
Einblicke in unterschiedliche Anwendungsfelder gewonnen, und sie sind in der Lage, die Mglichkeiten und
Grenzen des Einsatzes kritisch zu beurteilen.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in
der Lage, diese nachzuvollziehen und zu erklren.

3 Inhalte:

Monte Carlo-Algorithmen sind Algorithmen, die den Zufall benutzen. Die Vorlesung gibt eine Einfhrung in
diese wichtige algorithmische Grundtechnik der Mathematik und Informatik.
Behandelt werden die Themen:
direkte Simulation,
Simulation von Verteilungen,
Varianzreduktion,
Markov Chain Monte Carlo-Algorithmen,
hochdimensionale Integration
sowie Anwendungen in der Physik und der Finanz- und Versicherungsmathematik.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Stochastische Methoden aus dem Bachelorstudiengang Mathematik und Grund-
kenntnisse in der Numerik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 23 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik falls
Studienschwerpunkt nicht im Bereich Finanzmathematik oder Statistik (unter Bercksichtigung der ggf.
einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Mller-Gronbach, E. Novak, K. Ritter: Monte Carlo-Algorithmen,
S. Asmussen, P.W. Glynn: Stochastic Simulation,
E.Behrends: Introduction to Markov Chains,
P. Brmaud: Markov Chains,
P. Glasserman: Monte Carlo Methods in Financial Engineering,
C. Lemieux: Monte Carlo and Quasi-Monte Carlo Sampling,
R. Motwani, P. Raghavan: Randomized Algorithms,
J.F. Traub, G.W. Wasilkowski, H. Wozniakowski: Information-based Complexity.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. K. Ritter

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 24 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Nonlinear Optimization (Nichtlineare Optimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-50-12-M-4 270 h 9 LP 1 oder 2 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Nonlinear Optimization 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen verschiedene Methoden und Algorithmen zur Lsung nichtlinearer
Optimierungsprobleme. Sie haben gelernt, reale Probleme aus wirtschaftswissenschaftlichen, technischen und
physikalischen Bereichen mittels mathematischer Methoden als nichtlineare Optimierungsprobleme zu model-
lieren und zu lsen. Sie knnen die Mglichkeiten und Grenzen des Einsatzes dieser Methoden kritisch beurtei-
len. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Optimalittsbedingungen fr unrestringierte und restringierte Optimierungsprobleme,
Eindimensionale Minimierung; direkte Suchmethoden,
Abstiegsverfahren in hheren Dimensionen,
CG-Verfahren,
Trust-Region-Algorithmen,
Penaltymethoden,
Erweiterte Lagrangefunktionen,
SQP-Verfahren,
Barrieremethoden und Primal-Duale Verfahren.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 25 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik falls
Studienschwerpunkt nicht im Bereich Optimierung (unter Bercksichtigung der ggf. einschrnkenden Rege-
lungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. Fletcher: Practical methods of optimization,
D.G. Luenberger: Linear and Nonlinear Programming,
J. Stoer, C. Witzgall: Convexity and Optimization in Finite Dimensions,
M.S. Bazaraa, H.D. Sherali, C.M. Shetty: Nonlinear Programming: Theory and Algorithms,
K.H. Borgwardt: Optimierung, Operations Research, Spieltheorie: Mathematische Grund-
lagen,
R. Horst, P.M. Pardalos, M.V. Thoai: Introduction to Global Optimization,
H. Tuy: Convex Analysis and Global Optimization.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Prof. Dr. S. Ruzika, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 26 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerics of ODE (Numerik der gewhnlichen Differentialgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-11A-M-4 135 h 4,5 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerics of Ordinary Differen- 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


tial Equations 1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Konzepte zur numerischen Behandlung von An-
fangswertproblemen sowie die mathematischen Techniken zur Analyse der Verfahren. Sie knnen die Algo-
rithmen analysieren und auf konkrete Problemstellungen anwenden. Sie verstehen die Beweise aus der Vorle-
sung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Es werden numerische Methoden zur Behandlung von Anfangswertproblemen behandelt. Speziell werden
folgende Inhalte vermittelt:
Einschrittverfahren (explizit/implizit): Konsistenz, Konvergenz, Stabilitt,
Runge-Kutta-Verfahren,
Schrittweitensteuerung,
Verfahren fr steife Probleme: Gau-Verfahren, Kollokationsverfahren.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik und Einfhrung: gewhnliche Differentialglei-


chungen aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 27 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen, Partielle Differential-
gleichungen oder System- und Kontrolltheorie (unter Bercksichtigung der ggf. einschrnkenden Regelun-
gen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P. Deuflhard, F. Bornemann: Numerische Mathematik II,
J. Stoer, R. Bulirsch: Einfhrung in die Numerische Mathematik II,
A. Quarteroni, R. Sacco, F. Saleri: Numerische Mathematik I, II,
E. Hairer, G. Wanner: Solving Ordinary Differential Equations I, II,
H. Heuser: Ordinary Differential Equations,
W. Walter: Ordinary Differential Equations,
G. Teschl: Ordinary Differential Equations and Dynamical Systems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. T. Damm, Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, Prof. Dr. B. Simeon, Prof. Dr. C.
Surulescu, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Introduction to PDE kombiniert werden zu einem Modul Differential Equa-
tions: Numerics of ODE & Introduction to PDE.

- 28 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Plane Algebraic Curves (Ebene algebraische Kurven)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-28-M-4 135 h 4,5 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Plane Algebraic Curves 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Begriffe der algebraischen Geometrie an einer ausgewhlten und mit
einfachen Methoden zugnglichen Klasse algebraischer Varietten kennengelernt. Sie sind in der Lage, die
wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zusammenhnge
einzuordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Verpflichtende Inhalte:
affine und projektive Rume, insbesondere die projektive Gerade und die projektive Ebene,
ebene algebraische Kurven ber den komplexen Zahlen,
glatte und singulre Punkte,
der Satz von Bzout fr projektive ebene Kurven
das topologische Geschlecht einer Kurve und die Geschlechts-Formel,
rationale Abbildungen zwischen ebenen Kurven und die Riemann-Hurwitz-Formel.

Zudem wird eine Auswahl aus folgenden Themen behandelt:


Polare und Hesse-Kurven,
duale Kurven und Plckerformeln,
Linearsysteme und Divisoren auf ebenen Kurven,
reelle projektive Kurven,
Puiseux-Parametrisierungen ebener Kurvensingularitten,
Invarianten ebener Kurvensingularitten,
elliptische Kurven,
weitere Aspekte ebener algebraischer Kurven.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik. Weiterfhrende


Kenntnisse aus den Lehrveranstaltungen Einfhrung: Algebra und Einfhrung: Topologie des Bachelorstu-
diengangs Mathematik sind von Vorteil.

Formal: keine.

- 29 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik, falls Stu-
dienschwerpunkt nicht im Bereich Algebraische Geometrie und Computeralgebra (unter Bercksichtigung der
ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G. Fischer: Ebene algebraische Kurven,
E. Brieskorn, H. Knrrer: Plane Algebraic Curves,
E. Kunz: Introduction to Plane Algebraic Curves,
F. Kirwan: Complex Algebraic Curves,
R. Miranda: Algebraic Curves and Riemann Surfaces.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann

Lehrende: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann, Prof. Dr. M. Schulze, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Quadratic Number Fields kombiniert werden zu einem Modul Plane Al-
gebraic Curves; Quadratic Number Fields (9 LP), mit dem Modul Character Theory of Finite Groups zu einem
Modul Character Theory of Finite Groups; Plane Algebraic Curves (9 LP) und mit dem Modul p-adic Numbers
zu einem Modul p-adic Numbers; Plane Algebraic Curves (9 LP).

- 30 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Probability Theory (Wahrscheinlichkeitstheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-60-11-M-4 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Probability Theory 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefende Kenntnisse in der Stochastik und Grundlagen fr die Forschung im Bereich
der Stochastischen Prozesse erworben. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu be-
nennen und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Konvergenzbegriffe (stochastische, fast sichere, schwache, Lp-Konvergenz, Konvergenz in Verteilung),
Charakteristische Funktion,
Summen unabhngiger Zufallsvariablen,
Starke Gesetze der groen Zahl, Varianten des zentralen Grenzwertsatzes,
Bedingte Erwartung,
Martingale in diskreter Zeit,
Brownsche Bewegung.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Stochastische Methoden und Ma- und Integrationstheorie aus dem Ba-
chelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine
Mathematik, falls Studienschwerpunkt nicht im Bereich Stochastische Analysis, Finanzmathematik oder
Statistik (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 31 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Bauer: Probability Theory,
P. Billingsley: Probability and Measure,
P. Gnssler, W. Stute: Wahrscheinlichkeitstheorie,
A. Klenke: Wahrscheinlichkeitstheorie.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. K. Ritter, Prof. Dr. J. Sa

Lehrende: Prof. Dr. J. Franke, Prof. Dr. M. Grothaus, Prof. Dr. R. Korn, Prof. Dr. K. Ritter, Prof. Dr. J.
Sa, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 32 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Regression and Time Series Analysis (Regression und Zeitreihenanalyse)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-60-12-M-4 270 h 9 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Regression and Time Series 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


Analysis 2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen Standardmodelle sowie Schtz-, Test- und Prognoseverfahren der
Regressions-, Varianz- und Zeitreihenanalyse. Sie haben exemplarisch mathematische Methoden zur datenge-
steuerten Auswahl und Validierung von Modellen in komplexen Anwendungssituationen kennengelernt. Sie
verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet; sie haben dort Statistiksoftware kennengelernt und sind in
der Lage, selbststndig die Modelle und Methoden aus der Vorlesung auf reale und simulierte Daten anzuwen-
den.

3 Inhalte:
Lineare Regressionsmodelle,
Kleinste-Quadrate- und Maximum-Likelihood-Schtzer,
Konfidenzbnder fr Regressionskurven,
Tests fr Regressionsparameter (t- und F-Tests), Likelihood-Quotienten-Tests,
Modellvalidierung mit Residuenanalyse,
datenadaptive Modellwahl (stepwise regression, R und Mallows Cp),
Varianzanalyse (ANOVA),
stationre stochastische Prozesse in diskreter Zeit,
Autokovarianzen, Spektralma und Spektraldichte,
lineare Prozesse, insbesondere ARMA-Modelle,
Schtzer fr ARMA-Parameter (Yule-Walker, Kleinste Quadrate, CML),
datenadaptive Modellwahl mit AIC, BIC und FPE,
Zeitreihen mit Trend oder Saisonalitt (SARIMA),
Vorhersage von Zeitreihen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Stochastische Methoden aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 33 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Finanzmathematik oder Statistik (unter Bercksichtigung der ggf.
einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Franke: Grundlagen der Statistik,
J. Franke: Time Series Analysis;
L. Breiman: Statistics,
P. Bickel, K. Doksum: Mathematical Statistics,
P.J. Brockwell, R.A. Davis: Time Series: Theory and Methods.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. J. Franke, Prof. Dr. C. Redenbach

Lehrende: Prof. Dr. J. Franke, Prof. Dr. R. Korn, Prof. Dr. C. Redenbach, Prof. Dr. J. Sa, weitere Dozen-
tinnen und Dozenten des Fachbereichs Mathematik

- 34 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

2.2 Module, die in unregelmigem Turnus angeboten werden

Algebraic Topology (Algebraische Topologie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-16-M-6 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algebraic Topology 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen die grundlegenden Begriffe, Aussagen und Methoden der Algebraischen Topologie.
Sie wissen und verstehen, wie topologische Rume und ihre Eigenschaften mit algebraischen Methoden be-
schrieben und klassifiziert werden knnen und wie diese Strukturen (Homologie, Kohomologie) in konkreten
Fllen berechnet werden knnen. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese
nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Singulre und simpliziale Homologie,


Berechnung von Homologiegruppen,
Kohomologie,
Cup- und Cap-Product,
Knneth-Formel,
Poincar-Dualitt.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Einfhrung: Topologie des Bachelorstudien-


gangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 35 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M.A. Armstrong: Basic Topology,
A. Hatcher: Algebraic Topology,
W.S. Massey: A Basic Course in Algebraic Topology.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann

Lehrende: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann, Prof. Dr. G. Malle, Prof. Dr. M. Schulze, weitere
Dozentinnen und Dozenten des Fachbereichs Mathematik

- 36 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Categories (Kategorien)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-49-11-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Kategorien 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden lernen die fundamentalen formalen Strukturen kennen, die weiten Teilen der Mathematik zu
Grunde liegen. Sie vertiefen dabei ihre Befhigung zur methodischen Abstraktion. Anhand von Beispielen aus
unterschiedlichen Gebieten der Mathematik schulen sie ihre Fhigkeit, quivalente Strukturen in verschiede-
nen Kontexten zu identifizieren. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nach-
zuvollziehen und zu erklren.

3 Inhalte:

Kategorien, Funktoren, natrliche Transformationen,


Dualitt, Yoneda Lemma,
Universelle Konstruktionen, Produkte, Limiten,
Adjungierte Funktoren,
Abelsche Kategorien, Kerne, Kokerne, exakte Sequenzen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: S. Mac Lane: Categories for the Working Mathematician,
H. Schubert: Kategorien I & II.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

- 37 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker

Lehrende: Prof. Dr. W. Decker, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 38 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Character Theory of Finite Groups (Charaktertheorie endlicher Gruppen) vor 2016: Founda-
tions in Representation Theory
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-25-M-4 135 h 4,5 LP 1, 2 oder 3 unregelmig (im Sommer- 1 Semester


semester, siehe auch 12)

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Character Theory of Finite 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


Groups 1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Begriffe, Aussagen und Methoden der Darstellungstheorie am Beispiel
der Charaktertheorie endlicher Gruppen kennengelernt. Dabei haben sie insbesondere gelernt, mit gewhnli-
chen Charakteren und Charaktertafeln von Gruppen umzugehen. Sie sind in der Lage, die wesentlichen Aussa-
gen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und
zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben dabei gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Satz von Maschke,
Charaktertafeln,
Orthogonalittsrelationen,
Rationalittsfragen,
Satz von Burnside,
induzierte Charaktere,
Frobeniusgruppen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Einfhrung: Algebra des Bachelorstudiengangs


Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 39 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik, falls Stu-
dienschwerpunkt nicht im Bereich Algebra und Zahlentheorie (unter Bercksichtigung der ggf. einschrnken-
den Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Isaacs: Character Theory of Finite Groups,
G. James, M. Liebeck: Representations and Characters of Finite Groups,
J. Alperin, R. Bell: Groups and Representations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Malle

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Plane Algebraic Curves kombiniert werden zu einem Modul Character Theo-
ry of Finite Groups; Plane Algebraic Curves (9 LP), mit dem Modul Quadratic Number Fields zu einem Modul
Character Theory of Finite Groups; Quadratic Number Fields (9 LP) und mit dem Modul p-adic Numbers zu
einem Modul Character Theory of Finite Groups; p-adic Numbers (9 LP).

In jedem Sommersemester wird mindestens eines der Module Character Theory of Finite Groups, p-adic
Numbers oder Quadratic Number Fields angeboten.

- 40 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Differential-Algebraic Equations (Differential-Algebraische Gleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-23-M-4 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Differential-Algebraic Equa- 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


tions 1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte zur Theorie und Numerik von differential-
algebraischen Gleichungen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und
zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue
Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Behandelt wird die Theorie der differential-algebraischer Gleichungen, insbesondere:
Anwendungsfelder (elektrische Schaltkreise und mechanische Mehrkrpersysteme),
Zusammenhang mit singulr gestrten Problemen,
Lsungstheorie und Indexbegriffe,
Normalformen fr lineare DAEs,
Numerische Aspekte.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: gewhnliche Differentialgleichungen aus dem Bachelorstudiengang


Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen (unter Bercksichtigung
der ggf. einschrnkenden Regelungen des Studienplans).

- 41 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P. Kunkel, V. Mehrmann: Differential-Algebraic Equations. Analysis and Numerical Solu-
tion,
B. Simeon: Computational Flexible Multibody Dynamics,
S. Trenn: Solution concepts for linear DAEs: a survey; in: Surveys in Differential-Algebraic
Equations I (Eds. A. Ilchmann, T. Reis).
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. B. Simeon

Lehrende: Jun. Prof. Dr. S. Trenn, Prof. Dr. B. Simeon, weitere Dozentinnen und Dozenten des Fach-
bereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Introduction to Systems and Control Theory kombiniert werden zu einem
Modul Introduction to Systems and Control Theory; Differential Algebraic Equations (9 Leistungspunkte).

- 42 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Dynamical Systems (Dynamische Systeme)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-17-M-6 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Dynamical Systems 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben Methoden zur qualitativen Behandlung von dynamischen Systemen kennengelernt
und sind in der Lage, diese anzuwenden. Sie sind in der Lage, die Aussagen und Beweise der Vorlesung nach-
zuvollziehen und zu erklren. Dabei liegt der Fokus auf dem Verhalten von Lsungen gewhnlicher Differenti-
algleichungen unter dem Einfluss variierender Parameter in einem System. Die erlernten Methoden sind u.a.
beim Studium von nichtlinearen partiellen Differentialgleichungen und Kontrolltheorie sowie bei der Untersu-
chung praxisrelevanter Probleme, die mit Differentialgleichungen modelliert werden, sehr hilfreich.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue
Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Grundlagen: Existenz und Eindeutigkeit,
Autonome Gleichungen,
Stabilittstheorie,
Nichtlineare Systeme, lokale Theorie, Satz von Hartman-Grobman, nichthyperbolische Gleichgewichts-
punkte und Lyapunov-Theorie,
Periodische Orbits, Poincar-Bendixon u. Anwendungen, invariante Mengen,
Verzweigungstheorie,
Anwendungen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: gewhnliche Differentialgleichungen aus dem Bachelorstudiengang


Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 43 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen (unter Bercksichtigung
der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J.K. Hale, H. Kocak: Dynamics and Bifurcations.
H. Heuser: Gewhnliche Differentialgleichungen.
B. Marx, W. Vogt: Dynamische Systeme,
J.W. Prss, M. Wilke, Gewhnliche Differentialgleichungen und dynamische Systeme.
K. Burg, H. Haf, F. Wille, A. Meister: Hhere Mathematik fr Ingenieure. Band III: Gewhn-
liche Differentialgleichungen, Distributionen, Integraltransformationen.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. C. Surulescu, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Introduction to Systems and Control Theory kombiniert werden zu einem
Modul Introduction to Systems and Control Theory; Dynamical Systems (9 Leistungspunkte).

- 44 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Elliptic Functions and Elliptic Curves (Elliptische Funktionen und elliptische Kurven)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-19-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Elliptische Funktionen und 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende


elliptische Kurven

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ihre Kompetenz in mathematisch-interdisziplinrem Arbeiten erweitert. Sie haben mit
elliptischen Kurven eine Klasse mathematischer Objekte kennengelernt, die wie wenige andere fast im gesam-
ten Spektrum der Mathematik Relevanz besitzt. Diese erstreckt sich von reiner Zahlentheorie (z.B. Fermat-
Problem) bis hin zu angewandter computerisierter Datenverarbeitung (z.B. Krypto-Algorithmen). Die Studieren-
den haben exemplarisch gelernt, eine gemeinsame Fragestellung aus a priori sehr unterschiedlichen speziali-
sierten Fachrichtungen (hier: analytisch-funktionentheoretisch, topologisch, geometrisch bzw. algebraisch)
anzugehen und die Ergebnisse fachgebietsbergreifend zu vergleichen. Sie verstehen die Beweise aus der
Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

3 Inhalte:

elliptische Funktionen, Weierstrasche P-Funktion,


komplexe Tori,
ebene Geometrie und geometrische Konstruktion einer Gruppenstruktur,
elliptische Kurven,
Modulformen, Modulkurven und Klassifikationstheorie elliptischer Kurven.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Funktionentheorie und Einfhrung: Algebra des Bachelorstu-


dien-gangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 45 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: W. Fischer, I. Lieb: Funktionentheorie,
G. Fischer: Ebene algebraische Kurven,
J .Silverman: The Arithmetic of Elliptic Curves.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker

Lehrende: Prof. Dr. W. Decker, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 46 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Elliptic Curves in Positive Characteristics (Elliptische Kurven in positiver Charakteristik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-27-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Elliptic Curves in Positive 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende


Characteristics

2 Lernergebnisse / Kompetenzen:

An dem Beispiel der Theorie elliptischer Kurven ber allgemeinen Krpern haben die Studierenden ihre Kom-
petenzen in mathematisch-interdisziplinrem Arbeiten im Spannungsfeld zwischen Geometrie, Zahlentheorie
und Kryptographie vertieft. Sie verstehen tiefgehende theoretische Grundlagen kryptographischer Algorithmen
und sind in der Lage die gelernten Konzepte und Methoden sicher anzuwenden. Sie verstehen die Beweise aus
der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

3 Inhalte:

Ebene projektive Kubiken ber allgemeinen Krpern, rationale Punkte,


Endomorphismen elliptischer Kurven, Isogenien, komplexe Multiplikation, Moduli,
Anzahl rationaler Punkte, Hasse-Schranke, Weil-Vermutung, Schoofs Algorithmus,
Konstruktionen elliptischer Kurven, quadratischer Twist, gute/schlechte Reduktion,
spezielle Algorithmen, diskreter Logarithmus auf elliptischen Kurven, Faktorisierung.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik. Weiterfhrende


Kenntnisse in Algebra (z.B. aus den Lehrveranstaltungen Elementare Zahlentheorie oder Einfhrung: Algeb-
ra des Bachelorstudiengangs Mathematik) sind von Vorteil, werden aber nicht unbedingt bentigt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J .Silverman, The Arithmetic of Elliptic Curves.

- 47 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker

Lehrende: Prof. Dr. W. Decker, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 48 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to Neural Networks (Einfhrung in neuronale Netze)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-12B-M-4 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to Neural Net- 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


works 1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte zur Beschreibung von neuronalen Netzen
sowie mathematische Techniken zur Analyse dieser Netze. Des Weiteren kennen sie die Anwendungsmglich-
keiten fr die verschiedenen Netztypen. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage,
diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Es werden grundlegende Begriffe und Ideen der Theorie neuronaler Netze sowie deren Anwendungen behan-
delt. Speziell werden folgenden Inhalte vermittelt:
einfache Perzeptrone, Multi-(hidden-)Layer-Perzeptrone,
Separations- und Klassifikationsaussagen,
Grundlagen des berwachten und unberwachten Lernens.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik und Einfhrung: gewhnliche Differentialglei-


chungen aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich Modellierung und wissenschaftliches Rechnen oder System- und Kon-
trolltheorie (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 49 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: S. Haykin: Neural Networks and Learning Machines: A Comprehensive Foundation,
M.T. Hagan, H.B. Demuth, M. Beale: Neural Network Design,
M.L. Minsky, S.A. Papert: Perceptrons.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. D. Prtzel-Wolters, Jun. Prof. Dr. S. Trenn, weitere Dozentin-
nen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Introduction to Systems and Control Theory kombiniert werden zu einem
Modul Systems Theory: Systems and Control Theory & Neural Networks (9 Leistungspunkte).

- 50 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Manifolds (Mannigfaltigkeiten)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-21-M-6 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Manifolds 4 SWS / 60 h Vorlesung 180 h 10-50 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen den Begriff der differenzierbaren Mannigfaltigkeit und die grundle-
genden Techniken im Umgang damit. Sie haben erfahren, wie ihnen vertraute Tatsachen der Koordinatenana-
lysis und Koordinatengeometrie durch den Mannigfaltigkeitsbegriff globalisiert werden und sind dadurch zu
einem vertieften Verstndnis insbesondere der Differential- und Integralrechnung gelangt. Sie sind in der Lage,
die Aussagen und Beweise der Vorlesung nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Begriff der Mannigfaltigkeit, insbesondere der differenzierbaren Mannigfaltigkeit,


Tangential- und andere Vektorbndel auf Mannigfaltigkeiten,
Zerlegung der Eins,
Orientierung,
Differentialgleichungen auf Mannigfaltigkeiten, Ehresmannscher Faserungssatz,
Differentialformen und Integration, allgemeiner Integralsatz von Stokes,
Spezielle Strukturen auf Mannigfaltigkeiten (z.B. Grundbegriffe der komplexen, Riemannschen und
symplektischen Mannigfaltigkeiten).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Topologie des Bachelorstudiengangs Mathematik. Kenntnisse aus


den Vorlesungen Vektoranalysis" und Einfhrung: Gewhnliche Differentialgleichungen" sind von Vorteil,
werden aber nicht vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 51 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Brcker, K. Jnich: Introduction to Differential Topology,
K. Jnich: Vector Analysis,
S. Lang: Introduction to Differentiable Manifolds,
J.M. Lee: Introduction to Smooth Manifolds,
M. Spivak: Calculus on Manifolds: A Modern Approach to Classical Theorems of Advanced
Calculus.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. A. Gathmann

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 52 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Multilinear Algebra (Multilineare Algebra)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-20-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Multilineare Algebra 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ihre Kompetenz in mathematischen Grundlagen vertieft. Sie haben aufbauend auf
ihrem Basiswissen ber Lineare Algebra gelernt, abstraktere algebraische Strukturen zu verstehen und sicher
damit zu arbeiten. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren.

3 Inhalte:

Multilineare Abbildungen (Bilinearformen, Determinanten, Dualitt),


Tensoren (universelle Eigenschaften, Tensoralgebra),
Symmetrische und uere Algebra (Zerlegungsstze und Komplexe, Polynomalgebra),
Funktorielle Eigenschaften (exakte Sequenzen, flache Moduln, abgeleitete Funktoren),
Anwendungen (z.B. Derivationen und Differentiale, Koszul-Komplex, K-Theorie).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: W. Greub, Multilinear Algebra,
D. Eisenbud: Commutative Algebra with a view towards algebraic geometry,
S. Lang, Algebra,
S. Mac Lane, Categories for the Working Mathematician.

- 53 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker

Lehrende: Prof. Dr. W. Decker, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 54 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerical Integration (Numerische Integration)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-15-M-6 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerical Integration 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Prinzipien der numerischen Integration, d.h. der Quadratur und der
Kubatur. Sie beherrschen Restgliedabschtzung der auftretenden Fehlerglieder und Methoden zur bestappro-
ximativen Integration fr Sphre, Kubus und georelevanten Gebieten und Flchen. Sie haben an reprsentati-
ven Beispielen gelernt, Algorithmen zur numerischen Integration zu implementieren. Sie verstehen die Bewei-
se aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Polynomiale Quadratur,
Peano-Restgliedbestimmung,
Spline Quadratur,
Romberg Integration,
Integrationsregeln vom Gau-Typ,
sphrische Integrations- und Fehlerformeln,
mehrdimensionale Eulersche Summation,
Multivariate Kubaturformeln,
Automatic Integration.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik, Einfhrung: gewhnliche Differentialgleichun-


gen und Einfhrung in wissenschaftliches Programmieren aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

- 55 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: W. Freeden: Numerical Integration,
W. Freeden, C. Gerhards: Geomathematical Oriented Potential Theory,
W. Freeden, M. Gutting: Special Functions of Mathematical (Geo-)Physics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Freeden

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 56 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Optimization in Fluid Mechanics (Optimierung in der Strmungsmechanik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

INF-14-56-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Optimization in Fluid Mechan- 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


ics 1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Anhand von strmungsmechanischen Formoptimierungsproblemen und Fragestellungen der optimalen aktiven


Strmungsbeeinflussung haben die Studierenden effiziente Methoden (so z.B. verschiedene Adjungierten- und
One-Shot-Verfahren) zu deren Behandlung erarbeitet und erprobt.

In den bungen wurden die erarbeiteten Methoden zur Optimierung in der Strmungsmechanik unter Nutzung
des Open-Source Strmungslsers SU2 umgesetzt und anhand konkreter Optimierungsprobleme eingesetzt.
Die Lehrveranstaltung befhigt zum Einstieg in die Optimierung bei partiellen Differentialgleichungen oder
ermglicht eine anwendungsorientierte Sicht fr Studierende, die bereits Vorlesungen aus dem Bereich der
Optimierung bei partiellen Differentialgleichungen gehrt haben.

3 Inhalte:
Strmungsmechanische Zustandsgleichungen,
Reynolds-Mittelung und Turbulenzmodellierung,
Finite-Volumen-Methode,
Strmungsmechanische Zielfunktionen und Nebenbedingungen,
Strmungsmechanische Formoptimierung,
Optimale aktive Strmungsbeeinflussung,
Kontinuierliche und diskrete Adjungiertenverfahren,
One-Shot-Verfahren.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Grundlagen der Mathematik aus dem Bachelorstudiengang Mathematik (o..); Grundkenntnis-
se ber partielle Differentialgleichungen und Numerik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 57 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Informatik und rechnerge-
sttzte Methoden (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans)..

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. LeVeque: Numerical Methods for Conservation Laws,
C. Hirsch: Numerical Computation of Internal and External Flows,
J. Blazek: Computational Fluid Dynamics: Principles and Applications,
B. Mohammadi, O. Pironneau: Applied Shape Optimization for Fluids,
A. Griewank, A.; Walther: Evaluating Derivatives, Principles and Techniques of Algorith-
mic Differentiation,
U. Naumann: The Art of Differentiating Computer Programs: An Introduction to Algorith-
mic Differentiation.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. N. Gauger

Lehrende: Prof. Dr. N. Gauger, weitere Dozentinnen und Dozenten (FB Mathematik oder Informatik)

- 58 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

p-adic Numbers (p-adische Zahlen) vor 2016: Foundations in Number Theory


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-24-M-4 135 h 4,5 LP 1, 2 oder 3 unregelmig (im Sommer- 1 Semester


semester, siehe auch 12)

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

p-adic Numbers 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben die fr die Zahlentheorie fundamentalen Zahlbereichserweiterungen der p-adischen
Zahlen, ihre wichtigsten Eigenschaften und einfache Anwendungsmglichkeiten kennengelernt. Sie sind in der
Lage, die wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zu-
sammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben dabei gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Konstruktion der p-adischen Zahlen,
ganze p-adische Zahlen, Einheiten,
p-adische Topologie,
Henselsches Lemma,
algebraischer Abschluss,
Newtonpolygon,
Trgheits- und Verzweigungsgruppen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik. Weiterfhrende


Kenntnisse aus den Veranstaltungen Elementare Zahlentheorie und Einfhrung: Algebra des Bachelorstudi-
engangs Mathematik sind von Vorteil.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 59 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik, falls Stu-
dienschwerpunkt nicht im Bereich Algebra und Zahlentheorie (unter Bercksichtigung der ggf. einschrnken-
den Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: F. Lorenz: Einfhrung in die Algebra II,
N. Koblitz: p-adic Numbers, p-adic Analysis, and Zeta-Functions,
I.B. Fenseko, S.V. Vostokov: Local Fields and their Extensions.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Fieker, Prof. Dr. G. Malle

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Plane Algebraic Curves kombiniert werden zu einem Modul Plane Algebraic
Curves; p-adic Numbers (9 LP) und mit dem Modul Character Theory of Finite Groups zu einem Modul Cha-
racter Theory of Finite Groups; p-adic Numbers (9 LP).

In jedem Sommersemester wird mindestens eines der Module Character Theory of Finite Groups, p-adic
Numbers oder Quadratic Number Fields angeboten.

- 60 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Quadratic Number Fields (Quadratische Zahlkrper)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-29-M-4 135 h 4,5 LP 1, 2 oder 3 unregelmig (im Sommer- 1 Semester


semester, siehe auch 12)

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Quadratic Number Fields 2 SWS / 30 h Vorlesung 90 h 15-50 Studierende


1 SWS / 15 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben die fr die Zahlentheorie fundamentalen Zahlbereichserweiterungen der quadrati-
schen Zahlkrper sowie die darin enthaltenen Ringe, ihre wichtigsten Eigenschaften und einfache Anwen-
dungsmglichkeiten kennengelernt. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benen-
nen und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben dabei gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:
Struktur imaginr quadratischer Zahlkrper,
Ideale und Idealklassengruppen,
Ideale als geometrische Gitter,
Endlichkeit der Klassengruppe.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Algebraische Strukturen des Bachelorstudiengangs Mathematik. Weiterfhrende


Kenntnisse aus den Lehrveranstaltungen Einfhrung: Algebra und Elementare Zahlentheorie des Bachelor-
studiengangs Mathematik sind von Vorteil.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik, falls Stu-
dienschwerpunkt nicht im Bereich Algebra und Zahlentheorie (unter Bercksichtigung der ggf. einschrnken-
den Regelungen des Studienplans).

- 61 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: I.N. Stewart, D.O. Tall: Algebraic Number Theory,
M. Trifkovi: Algebraic Theory of Quadratic Numbers.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Fieker

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Plane Algebraic Curves kombiniert werden zu einem Modul Plane Algebraic
Curves; Quadratic Number Fields (9 LP) und mit dem Modul Character Theory of Finite Groups zu einem
Modul Character Theory of Finite Groups; Quadratic Number Fields (9 LP).

In jedem Sommersemester wird mindestens eines der Module Character Theory of Finite Groups, p-adic
Numbers oder Quadratic Number Fields angeboten.

- 62 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Riemann Surfaces (Riemannsche Flchen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-49-11-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Riemannsche Flchen 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden sind mit der klassischen Theorie der Riemannschen Flchen vertraut, die viele sptere ma-
thematische Theorien mitbestimmt hat, wie beispielsweise mehrdeutige analytische Funktionentheorie (z.B.
Wurzel und Logarithmus), Differentialgeometrie oder die Geometrie algebraischer Kurven. Umgekehrt haben
die Studierenden die Anwendung und technische Umsetzung allgemeiner (funktionentheoretischer und geo-
metrischer) Konzepte am konkreten, intuitionsnahen Beispiel (Riemannsche Flchen) gelernt. Sie sind in der
Lage, die wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zu-
sammenhnge einzuordnen und zu erlutern.

3 Inhalte:

Riemannsche Flchen und holomorphe Abbildungen,


Topologische Eigenschaften, Fundamentalgruppen, berlagerungen,
Garben, Differentialformen, Integration,
Kohomologie und exakte Sequenzen,
Die Stze von Riemann-Roch und Serre.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Funktionentheorie des Bachelorstudiengangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Reine Mathematik oder Allgemeine Mathematik (unter Be-
rcksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:

- 63 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Literaturhinweise: S. Donaldson: Riemann Surfaces,


R. Miranda: Algebraic Curves and Riemann Surfaces,
O. Forster: Lectures on Riemann Surfaces,
R.C. Gunning: Lectures on Riemann Surfaces.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker

Lehrende: Prof. Dr. W. Decker, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 64 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Spline Functions (Splinefunktionen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-10-M-6 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Spline Functions 2 SWS / 30 h Vorlesung 60 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden sind mit der Theorie der Splinefunktionen vertraut und haben wesentliche darauf aufbauen-
de und z.B. im CAGD verwendete Algorithmen kennengelernt. Sie verstehen, wie Funktionen in einer oder
mehreren Variablen durch verschiedene Typen von Splinefunktionen interpoliert bzw. approximiert werden
knnen und sind in der Lage, ihre Kenntnisse in Beispielen anzuwenden. Sie verstehen die Beweise aus der
Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

3 Inhalte:

Splinefunktionen und Splinerume,


B-Splines,
Bzier-Splines (Bzierpolynome, Algorithmus von de Casteljau, Bzierkurven, Bzierpolynome ber dem
Grunddreieck, Tensorprodukt-Bzierflchen),
Splineglttung mittels B-Splines (deBoor-Algorithmus).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in die Numerik des Bachelorstudiengangs Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik (unter
Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: C. de Boor: A Practical Guide to Splines,
C. de Boor: Grundlagen der Geometrischen Datenverarbeitung,
G. Farin: Curves and Surfaces for Computer Aided Design,
G. Nrnberger: Approximation by Spline Functions,
L. Schumaker: Spline Functions: Basic Theory.

- 65 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 66 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Systems and Control Theory (System- und Kontrolltheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-80-12-M-6 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Systems and Control Theory (In- 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende
troduction to Systems and Control 2 SWS / 30 h bung 15-25 Studierende
Theory; Systems and Control The-
ory: Advanced Topics)

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte zur Beschreibung von dynamischen Systemen
sowie mathematische Techniken zur Analyse dieser Systeme und zum Entwurf von Reglern. Des Weiteren
kennen sie die Anwendungsmglichkeiten, die sich aus der Verwendung der mathematischen Kontrolltheorie
ergeben. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Es werden grundlegende Begriffe und Ideen der Kontrolltheorie und Vertiefungen sowie deren Anwendungen
behandelt. Speziell werden folgenden Inhalte vermittelt:
Darstellung zeitdiskreter sowie zeitkontinuierlicher linearer und nichtlinearer dynamischer Systeme,
Stabilitt dynamischer Systeme,
Erreichbarkeit, Steuerbarkeit, Beobachtbarkeit,
Feedback-Regelung,
Erweiterte Zustandsraum- und Behaviourtheorie,
Regelungskonzepte,
Transferfunktionen und Realisierungstheorie,
Polynomiale Systemmodelle.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik und Einfhrung: gewhnliche Differentialglei-


chungen aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 67 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 6 Leistungs-
punkte fr das Modul vergeben.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Allgemeine Mathematik, falls
Studienschwerpunkt nicht im Bereich System- und Kontrolltheorie oder Modellierung und wissenschaftli-
ches Rechnen (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Zerz: Introduction to Systems and Control Theory,
J.W. Polderman, J. Willems: Introduction to Mathematical Systems Theory,
H.W. Knobloch, H. Kwakernaak: Lineare Kontrolltheorie,
D. Hinrichsen, A.J. Pritchard: Mathematical Systems Theory I,
E.D. Sontag: Mathematical Control Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. D. Prtzel-Wolters, Jun: Prof. Dr. S. Trenn, weitere Dozentin-
nen und Dozenten des Fachbereichs Mathematik

- 68 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Topology Optimization (Topologische Strukturoptimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

INF-14-55-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Topology Optimization 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Anhand der Fragestellung der Strukturoptimierung haben die Studierenden die Modellierung und Berechnung
von Strukturen (z.B. von Brcken, Bauteilen, Mikrostrukturen) und ihrer Eigenschaften (z.B. Steifigkeit) sowie
das Aufsetzen darauf basierender diskreter Modelle fr die Strukturoptimierung erlernt. Sie sind befhigt, die
topologische Strukturoptimierung anzuwenden, welche auch Elemente des Sizing und der Formoptimierung
(z.B. bei der Bubble-Methode) nutzt.

In den bungen wurden die erarbeiteten Methoden zur Topologieoptimierung anhand von Matlab-
Programmen erprobt. Die Vorlesung befhigt zum Einstieg in die Optimierung bei partiellen Differentialglei-
chungen oder ermglicht eine anwendungsorientierte Sicht fr Studierende, die bereits Vorlesungen aus dem
Bereich der Optimierung bei partiellen Differentialgleichungen gehrt haben.

3 Inhalte:
Lineare elastische Gleichungen und ihre Diskretisierung,
Optimale Dimensionierung,
Formoptimierung,
Topologieoptimierung,
Materialverteilungsprobleme,
Optimale Mikrostrukturen,
Die Bubble-Methode,
Herleitung und Eigenschaften topologischer Gradienten.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Grundlagen der Mathematik aus dem Bachelorstudiengang Mathematik (o..); wnschenswert
sind Grundkenntnisse ber partielle Differentialgleichungen und Numerik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

bungsschein, Modulprfung ber die Lehrveranstaltung.

Ohne Nachweis der erfolgreichen Teilnahme an den bungen (kein bungsschein) werden nur 3 Leistungs-
punkte fr das Modul vergeben.

- 69 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Blcke Angewandte Mathematik oder Informatik und rechnerge-
sttzte Methoden (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans)..

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Literatur wird in der Lehrveranstaltung bekannt gegeben;

Lernunterlagen, bungsmaterialien werden gestellt.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. N. Gauger

Lehrende: Prof. Dr. N. Gauger, weitere Dozentinnen und Dozenten (FB Mathematik oder Informatik)

- 70 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

3. Module fr alle mathematischen Blcke (inklusive Studienschwerpunkt)


Die folgenden Module haben weiterfhrenden Charakter und knnen in allen mathematischen Blcken - insbesonde-
re im Studienschwerpunkt - (nach nherer Regelung in der jeweiligen Modulbeschreibung) eingebracht werden.

3.1 Module, die in regelmigem Turnus angeboten werden

Algebraic Geometry (Algebraische Geometrie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-12-M-7 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algebraic Geometry 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben die zentralen Begriffe, Ergebnisse und Methoden der modernen algebraischen Geo-
metrie kennengelernt. Sie haben dabei ein vertieftes Verstndnis fr die Zusammenhnge zwischen Geometrie
und Algebra entwickelt, und sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und
zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben dabei gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln. Sie sind in der
Lage, ihre Lsungen zu prsentieren und ggf. in kritischen Diskussionen zu vertreten.

3 Inhalte:

Verpflichtende Inhalte:

Affine und projektive Varietten (insbes.: Dimension, Morphismen, glatte und singulre Punkte, Punkt-
Aufblasungen, Anwendungen und Beispiele),
Garben und Garbenkohomologie mit Anwendungen (der Satz von Riemann-Roch fr Kurven, projektive
Einbettungen von Kurven).

Zudem wird eine Auswahl aus folgenden Themen behandelt:


Schemata,
Differentialformen,
weitere Aspekte der algebraischen Geometrie.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Commutative Algebra. Kenntnisse aus der Lehrveranstaltung Plane Algebraic Curves" sind
wnschenswert und hilfreich, werden aber nicht zwingend vorausgesetzt.

Formal: keine.

- 71 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Cox, J. Little, D. O'Shea: Ideals, Varieties, and Algorithms,
I. Dolgachev: Introduction to Algebraic Geometry,
J. Harris: Algebraic Geometry,
R. Hartshorne: Algebraic Geometry,
D. Mumford: The Red Book of Varieties and Schemes,
H.A. Nielsen, Algebraic Varieties,
M. Reid: Undergraduate Algebraic Geometry,
I. R. Shafarevich: Basic Algebraic Geometry 1: Varieties in Projective Space.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann

Lehrende: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann, Prof. Dr. M. Schulze, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 72 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Financial Mathematics (Finanzmathematik) vor 2016: Financial Mathematics I


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-11-M-7 270 h 9 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Financial Mathematics 4 SWS / 60 h Vorlesung 180 h 20-40 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Konstruktionen und Eigenschaften von stochasti-
schen Integralen und stochastischen Differentialgleichungen. Sie sind insbesondere vertraut mit der It-
Formel, dem Satz von Girsanov und Reprsentationsstzen. Sie haben in entsprechenden Finanzmarktmodel-
len, insbesondere in dem Black Scholes-Modell, verschiedene Methoden zur Preisbestimmung von Finanzderi-
vaten kennengelernt. Sie knnen die Grenzen der Modellbildung und der Anwendbarkeit der Methoden fr
verschiedene Finanzderivate kritisch beurteilen.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind und wie diese im finanzma-
thematischen Kontext zu interpretieren sind.

3 Inhalte:

Grundlagen der stochastischen Analysis (Brownsche Bewegung, It-Integral, It-Formel, Martingaldarstel-


lungssatz, Satz von Girsanov, lineare stochastische Differentialgleichungen, Satz von Feynman und Kac),
Diffusionsmodell fr Aktienpreise und Handelsstrategien,
Vollstndigkeit des Marktes,
Optionsbewertung nach dem Duplikationsprinzip, Black-Scholes-Formel,
Optionsbewertung und partielle Differentialgleichungen,
Exotische Optionen,
Arbitragegrenzen (Put-Call-Paritt, Paritt der Preise fr europische und amerikanische Calls).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 73 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Pflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: N.H. Bingham, R. Kiesel: Risk-Neutral Valuation: Pricing and Hedging of Financial Deriva-
tives,
T. Bjrk: Arbitrage Theory in Continuous Time,
I. Karatzas, S.E. Shreve: Brownian Motion and Stochastic Calculus,
I. Karatzas, S.E. Shreve: Methods of Mathematical Finance,
R. Korn, E. Korn: Option Pricing and Portfolio Optimization Modern Methods of Finan-
cial Mathematics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Dieses Modul kann wegen groer inhaltlicher berschneidungen nicht gemeinsam mit dem Modul Stochastic
Differential Equations in die Masterprfung eingebracht werden. Es ist Teil des Moduls Stochastic Differential
Equations and Financial Mathematics.

- 74 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Interest Rate Theory (Zinsmodellierung) vor 2016: Financial Mathematics II


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-12-M-7 135 h 4,5 LP 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Interest Rate Theory 2 SWS / 30 h Vorlesung 105 h 20-40 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die wesentlichen Grundlagen der Theorie der Zinsprodukte und der
Modellierung von Zinsmrkten. Sie sind in der Lage, tiefgehende Zusammenhnge in der Theorie der Zinsmo-
dellierung und analytische Bewertungsverfahren von Zinsprodukten zu verstehen und kritisch anzuwenden.

Die Studierenden knnen sicher, przise und selbststndig mit den Begriffen, Aussagen und Methoden der
Vorlesung umgehen. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen und Annahmen fr die
Gltigkeit der Aussagen notwendig sind und wie diese im finanzmathematischen Kontext zu interpretieren
sind.

3 Inhalte:

Grundlagen der Zinsmodellierung (Bonds und lineare Produkte, Swaps, Caps und Floors, Bondoptionen,
Zinssatzoptionen, Zinsstrukturkurve, Zinsraten (Kassa- und Terminzinsraten)),
Heath-Jarrow-Morton Modellrahmen (Einfaches Beispiel: Ho-Lee Modell, allgemeine HJM-Drift-Bedingung,
ein- und mehrdimensionale Modellierung),
Kassaratenmodelle (Allgemeine Ein-Faktoren-Modellierung, allgemeine Bewertungsgleichung, affine
Zinsstrukturmodellierung, Vasicek-, Cox-Ingersoll-Ross- und weitere Modelle, Optionspreisformeln, Mo-
dellkalibrierung),
Ausfallrisikobehaftete Bonds (Mertonmodell).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Financial Mathematics.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 75 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

Lehrveranstaltung ist Pflichtbestandteil des Vertiefungsmoduls im Masterstudiengang Finanz- und Versiche-


rungsmathematik.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Bjrk: Arbitrage Theory in Continuous Time,
D. Brigo, F. Mercurio: Interest Rate Models Theory and Practice,
N. Branger, C. Schlag: Zinsderivate Modelle und Bewertung.
Lernunterlagen, Weitere Literatur wird in der Vorlesung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Continuous-Time Portfolio Optimization kombiniert werden zu einem Modul
Interest Rate Theory; Continuous-Time Portfolio Optimization (9 LP), mit dem Modul Markov Switching
Models and their Applications in Finance zu einem Modul Interest Rate Theory; Markov Switching Models and
their Applications in Finance (9 LP) und mit dem Modul Risk Measures with Applications to Finance and In-
surance zu einem Modul Interest Rate Theory; Risk Measures with Applications to Finance and Insurance (9
LP).

- 76 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Life Insurance Mathematics (Lebensversicherungsmathematik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-18-M-7 135 h 4,5 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Life Insurance Mathematics 2 SWS / 30 h Vorlesung 105 h 20-40 Studierende


oder Practical Life Insurance
Mathematics

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Kenntnisse in den mathematischen und praktischen Grundlagen der
klassischen Lebensversicherungsmathematik erworben. Sie knnen das erworbene Wissen anwenden, um
Lebensversicherungsprodukte, deren Zahlungsstrme und das Deckungskapital verschiedener Versicherungs-
leistungen zu bewerten bzw. zu bestimmen.

Die Studierenden knnen sicher, przise und selbststndig mit den Begriffen, Aussagen und Methoden der
Vorlesung umgehen.

Es besteht die Mglichkeit, dass die zu dem Modul gehrige Lehrveranstaltung durch eine Mathematikerin
oder einen Mathematiker aus der Versicherungspraxis (Aktuar) als Practical Life Insurance Mathematics an-
geboten wird. In diesem Fall haben die Studierenden nach erfolgreicher Teilnahme an der Veranstaltung zu-
stzlich vertiefte Einblicke in die praktische Arbeit des Aktuars in der Lebensversicherung gewonnen.

3 Inhalte:

Elementare Finanzmathematik (Zinsrechnung),


Sterblichkeit,
Versicherungsleistungen,
Nettoprmien und Nettodeckungskapital,
Einbeziehung der Kosten,
Versicherung auf verbundene Leben,
Verschiedene Ausscheideursachen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Stochastische Methoden aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 77 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Pflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H.U. Gerber: Life Insurance Mathematics,
M. Koller: Stochastic Models in Life Insurance.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Modulbeauftragte und Lehrende:


Das Modul kann mit dem Modul Non-Life Insurance (in der Version bis einschlielich WS 15/16) zu einem
Modul Insurance Mathematics (9 LP) kombiniert werden.

- 78 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Mathematical Statistics (Mathematische Statistik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-11-M-7 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Mathematical Statistics 4 SWS / 60 h Vorlesung 180 h 20-40 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen klassische und moderne asymptotische Anstze und Beweistechniken
der mathematischen Statistik sowie deren Einsatz zur Lsung praktisch relevanter Probleme. Sie sind in der
Lage, Methoden der mathematischen Statistik selbststndig anzuwenden.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Asymptotik von M-Schtzern, insbesondere von Maximum-Likelihood-Schtzern,


Bayes- und Minimax-Schtzer,
Likelihood-Quotienten-Tests: Asymptotik und Beispiele (t-Test, c-Anpassungstest),
Glivenko-Cantelli-Theorem, Kolmogorov-Smirnov-Test,
Differenzierbare statistische Funktionale und exemplarische Anwendungen (Herleitung asymptotischer
Resultate, Robustheit),
Resampling-Verfahren am Beispiel des Bootstraps.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Stochastische Methoden aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 79 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G. Casella, R. Berger: Statistical Inference,
L. Breiman: Statistics,
P. Bickel, K. Doksum: Mathematical Statistics,
R. Serfling: Approximation Theorems of Mathematical Statistics,
J. Shao: Mathematical Statistics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. J. Franke, Prof. Dr. C. Redenbach

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 80 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Non-Life Insurance Mathematics (Schadensversicherungsmathematik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-19-M-7 270 h 9 LP 1 oder 2 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Non-Life Insurance Mathema- 4 SWS / 60 h Vorlesung 180 h 20-40 Studierende


tics 2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen fundierten berblick ber die Modellierung von Schadenshhen, Schadenszeit-
punkten und dem Reserveprozess im Rahmen des verallgemeinerten Cramer-Lundberg-Modells erworben. Sie
verstehen die mathematischen Grundlagen der Ruintheorie sowie der Prmienkalkulation in der Schadensver-
sicherung (insbesondere die Erfahrungstarifierung sowie die Begriffe der Schadenrckstellung und der Rck-
versicherung) und sind in der Lage diese kritisch anzuwenden.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind und wie diese im finanzma-
thematischen Kontext zu interpretieren sind.

3 Inhalte:

Faltung und Transformierte,


Schadensverteilung,
Individuelles Risikomodell,
Kollektive Risikomodelle:
- Modelle fr den Schadensanzahlprozess,
- Poisson-Prozesse,
- Erneuerungsprozesse,
- Gesamtschadenshhenverteilung,
Risikoprozess,
Ruintheorie und Ruinwahrscheinlichkeiten,
Prmienkalkulation,
Erfahrungstarifierung:
- Bayes Schtzung,
- Lineare Bayes Schtzung (Bhlmann- und Bhlmann-Straub-Modell),
Schadenrckstellung,
Rckversicherung und Risikoteilung.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory.

Formal: keine.

- 81 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Pflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Bhlmann: Mathematical Methods in Risk Theory,
R. Kaas, M. Goovaerts, J. Dhaene, M. Denuit: Modern Actuarial Risk Theory,
T. Mikosch: Non-Life Insurance: An Introduction with the Poisson Process,
E. Straub: Non-Life Insurance Mathematics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 82 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerical Methods for Elliptic and Parabolic PDE (Numerik Elliptischer und Parabolischer Par-
tieller Differentialgleichungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-11-M-7 270 h 9 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerical Methods for PDE I 4 SWS / 60 h Vorlesung 180 h 15-50 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ein vertieftes Verstndnis der grundlegenden Konzepte zur numerischen Behandlung
von partiellen Differentialgleichungen sowie der mathematischen Techniken zur Analyse der Verfahren. Sie
verstehen die mathematischen Hintergrnde der Verfahren und knnen die Mglichkeiten und Grenzen ihres
Einsatzes kritisch beurteilen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und
zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern. Dabei knnen sie insbe-
sondere darlegen, welche Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue
Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Weiterfhrung der Lehrveranstaltungen Numerics of ODE und Introduction to PDE. Es werden numerische
Methoden zur Behandlung von elliptischen und parabolischen Differentialgleichungen bereitgestellt und ana-
lytisch untersucht. Speziell werden folgende Inhalte vermittelt:
Approximationsverfahren fr elliptische Probleme,
Theorie schwacher Lsungen,
Konsistenz, Stabilitt und Konvergenz,
Approximationsverfahren fr parabolische Probleme.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 83 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Braess: Finite Elemente,
A. Quarteroni, A. Valli: Numerical Approximation of PDEs,
C. Grossmann, H.-G. Roos: Numerik partieller Differentialgleichungen.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, Prof. Dr. B. Simeon , weitere Dozentinnen und Dozen-
ten des Fachbereichs Mathematik

- 84 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerical Methods for Hyperbolic PDE (Numerik Hyperbolischer Partieller Differentialglei-


chungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-12-M-7 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerical Methods for PDE II 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ein vertieftes Verstndnis der grundlegenden Konzepte zur numerischen Behandlung
von hyperbolischen Differentialgleichungen sowie der mathematischen Techniken zur Analyse der Verfahren.
Sie verstehen die mathematischen Hintergrnde der Verfahren und knnen die Mglichkeiten und Grenzen
ihres Einsatzes kritisch beurteilen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen
und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern. Dabei knnen sie
insbesondere darlegen, welche Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig
sind.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet.

3 Inhalte:

Es werden numerische Methoden zur Behandlung hyperbolischer Differentialgleichungen bereitgestellt und


analytisch untersucht. Speziell werden folgende Inhalte vermittelt:
Approximationsverfahren fr hyperbolische Probleme,
Theorie schwacher Lsungen und Entropielsungen,
Konsistenz, Stabilitt und Konvergenz,
ggf. Approximationsverfahren fr Systeme von Erhaltungsgleichungen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 85 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E.F. Toro: Riemann Solvers and Numerical Methods for Fluid Dynamics,
R. LeVeque: Finite Volume Methods for Hyperbolic Problems,
E. Godlewski, P.-A. Raviart: Numerical Approximations of Hyperbolic Systems of Conser-
vation Laws.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, Prof. Dr. B. Simeon , weitere Dozentinnen und Dozen-
ten des Fachbereichs Mathematik

- 86 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Probability and Algorithms (Randomisierte Algorithmen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-59-12-M-7 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Probability and Algorithms 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben verschiedene Typen randomisierter Algorithmen kennengelernt. Sie knnen die Kom-
plexitt und Leistungsfhigkeit von randomisierten Algorithmen bestimmen und Beispiele randomisierter
Algorithmen auf Probleme im Bereich der mathematischen Optimierung anwenden.

In Fallstudien haben die Studierenden gelernt, eine probabilistische Analyse von Algorithmen durchzufhren
und Markovketten-basierte Methoden anzuwenden. Sie verstehen die Beweise aus der Vorlesung und sind in
der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Vorausset-
zungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Deterministische und randomisierte Algorithmen Konzepte,


Beispiele fr randomisierte Algorithmen,
Erds' probabilistische Methode - ein Konstruktionsprinzip fr Randomisierung,
Derandomisierungsstrategien,
Azuma's Ungleichung und der Tailboundtrick,
Probabilistische Analyse des Travelling Salesman Problems,
Markov-Couplings und Flsse in Markov-Ketten - Abschtzungen von Steady-State-Approximationszeiten
und ihre Anwendung.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Lineare und Netzwerkoptimierung und Stochastische Methoden aus dem
Ba-chelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 87 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. Motwani, P. Raghavan: Randomized Algorithms,
R. Bubley: Randomized Algorithms.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: apl. Prof. Dr. K.-H. Kfer (Lehrbeauftragter), weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

- 88 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Stochastic Differential Equations (Stochastische Differentialgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-11-M-7 270 h 9 LP 1, 2 oder 3 jedes Wintersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Stochastic Differential Equa- 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


tions 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in der Analysis stochastischer Differentialgleichungen erworben.
Zudem haben sie Einblicke in die Modellierung mit und numerische Behandlung von SDEs gewonnen. Sie sind
in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten
Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Stochastische Differentialgleichungen (kurz SDEs fr stochastic differential equations) dienen zur Modellierung
zeitkontinuierlicher zuflliger Phnomene.
Behandelt werden zentrale Elemente der Theorie stochastischer Differentialgleichungen. Zudem wird eine
Einfhrung in algorithmische Fragestellungen gegeben. Im Einzelnen werden folgende Themen behandelt:
Brownsche Bewegung,
Martingaltheorie,
stochastische Integration (bzgl. Brownscher Bewegungen),
starke und schwache Lsungen von SDEs,
stochastische Darstellung der Lsung partieller Differentialgleichungen,
klassische Approximationsverfahren.
stochastische Multi-level Algorithmen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory und Grundkenntnisse in Funktionalanalysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 89 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis, Modellierung


und wissenschaftliches Rechnen oder Partielle Differentialgleichungen;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: I. Karatzas, S. E. Shreve: Brownian Motion and Stochastic Calculus,
P. E. Kloeden, E. Platen: Numerical Solution of Stochastic Differential Equations,
T. Mller-Gronbach, E. Novak, K. Ritter: Monte Carlo-Algorithmen.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. K. Ritter

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Dieses Modul kann wegen groer inhaltlicher berschneidungen nicht gemeinsam mit dem Modul Financial
Mathematics in die Masterprfung eingebracht werden. Es ist Teil des Moduls Stochastic Differential Equa-
tions and Financial Mathematics.

- 90 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Stochastic Differential Equations and Financial Mathematics (Stochastische Differentialglei-


chungen und Finanzmathematik)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-11A-M-7 405 h 13,5 LP 1 und 2 oder jedes Semester (im WS: SDE; 2 Semester
2 und 3 im SS: Financial Mathematics)

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Stochastic Differential Equa- 4 SWS / 60 h Vorlesung insgesamt 225 h 10-25 Studierende


tions 2 SWS / 30 h bung 10-25 Studierende

Financial Mathematics 4 SWS / 60 h Vorlesung 20-40 Studierende


2 SWS / 30 h bung 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in der Analysis stochastischer Differentialgleichungen erworben.
Sie kennen und verstehen insbesondere die grundlegenden Konstruktionen und Eigenschaften von stochasti-
schen Integralen und stochastischen Differentialgleichungen und sind vertraut mit der It-Formel, dem Satz
von Girsanov und Reprsentationsstzen. Sie haben in entsprechenden Finanzmarktmodellen, insbesondere in
dem Black Scholes-Modell, verschiedene Methoden zur Preisbestimmung von Finanzderivaten kennengelernt.
Sie knnen die Grenzen der Modellbildung und der Anwendbarkeit der Methoden fr verschiedene Finanzderi-
vate kritisch beurteilen. Zudem haben sie Einblicke in die Modellierung mit und numerische Behandlung von
SDEs gewonnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen
sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln. Sie verstehen die
Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie
insbesondere darlegen, welche Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig
sind und wie diese im finanzmathematischen Kontext zu interpretieren sind.

3 Inhalte:

Stochastische Differentialgleichungen (kurz SDEs fr stochastic differential equations) dienen zur Modellierung
zeitkontinuierlicher zuflliger Phnomene und damit insbesondere zur Modellierung von Finanzmrkten in
stetiger Zeit.
Behandelt werden zentrale Elemente der Theorie stochastischer Differentialgleichungen und der zeitstetigen
Finanzmathematik. Zudem wird eine Einfhrung in algorithmische Fragestellungen fr SDEs gegeben. Im Ein-
zelnen werden folgende Themen behandelt:
Brownsche Bewegung,
Martingaltheorie,
stochastische Integration,
starke und schwache Lsungen von SDEs,
Martingaldarstellungssatz,
Satz von Girsanov,
stochastische Darstellung der Lsung partieller Differentialgleichungen,
Diffusionsmodell fr Aktienpreise und Handelsstrategien,
Vollstndigkeit des Marktes,
Optionsbewertung nach dem Duplikationsprinzip, Black-Scholes-Formel,

- 91 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Optionsbewertung und partielle Differentialgleichungen,


Exotische Optionen,
Arbitragegrenzen (Put-Call-Paritt, Paritt der Preise fr europische und amerikanische Calls),
klassische Approximationsverfahren fr SDEs,
stochastische Multilevel-Algorithmen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory und Grundkenntnisse in Funktionalanalysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 30-45 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis oder Finanz-
mathematik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: I. Karatzas, S. E. Shreve: Brownian Motion and Stochastic Calculus,
P. E. Kloeden, E. Platen: Numerical Solution of Stochastic Differential Equations,
T. Mller-Gronbach, E. Novak, K. Ritter: Monte Carlo-Algorithmen,
N.H. Bingham, R. Kiesel: Risk-Neutral Valuation: Pricing and Hedging of Financial Deriva-
tives,
T. Bjrk: Arbitrage Theory in Continuous Time,
I. Karatzas, S.E. Shreve: Brownian Motion and Stochastic Calculus,
I. Karatzas, S.E. Shreve: Methods of Mathematical Finance,
R. Korn, E. Korn: Option Pricing and Portfolio Optimization Modern Methods of Finan-
cial Mathematics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. K. Ritter, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 92 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Theory of Scheduling Problems (Theorie der Scheduling-Probleme)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-59-11-M-7 270 h 9 LP 1, 2 oder 3 jedes Sommersemester 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Theory of Scheduling Prob- 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


lems 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen guten berblick ber gngige mathematische Verfahren zur Lsung von
Scheduling- oder Arbeitsablaufproblemen. Letztere sind von groer Bedeutung in der Organisation von be-
trieblichen Prozessen und der Informatik. Die Studierenden verstehen die mathematischen Hintergrnde der
Verfahren und knnen die Mglichkeiten und Grenzen ihres Einsatzes kritisch beurteilen. Sie sind in der Lage,
die wesentlichen Aussagen der Vorlesung zu benennen und zu beweisen sowie die dargestellten Zusammen-
hnge einzuordnen und zu erlutern. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen und
Annahmen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Klassifizierung von Schedulingproblemen,


Der Zusammenhang zwischen Scheduling- und Kombinatorischen Optimierungsproblemen,
Einmaschinenprobleme,
Parallele Maschinen,
Job Shop Scheduling,
Due-Date Scheduling,
Time-Cost Tradeoff Probleme.

In Vorlesung und bungen werden teilweise einer der Inhaltspunkte oder ein weiteres Schwerpunktthema
besonders ausfhrlich behandelt. Details werden jeweils im Informationssystem der TU Kaiserslautern bekannt
gegeben.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Lineare und Netzwerkoptimierung und Stochastische Methoden aus dem
Bachelorstudiengang Mathematik; Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 93 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P. Brucker: Scheduling Algorithms,
M. Pinedo: Scheduling-Theory,
V. Tanaev, W. Gordon, Y.M. Shafransky: Scheduling Theory: Single Stage Systems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: apl. Prof. Dr. K.-H. Kfer (Lehrbeauftragter), weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

- 94 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

3.2 Module, die in unregelmigem Turnus angeboten werden

Advanced Network Flows and Selfish Routing (Fortgeschrittene Netzwerkflsse und Ego-
istisches Routing in Netzwerken)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Advanced Network Flows and 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


Selfish Routing 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen fortgeschrittene Techniken zur Berechnung von Netzwerkflssen. Sie kennen
und verstehen spieltheoretische Zugnge zu Netzwerkflssen mit Anwendungen in der Verkehrsplanung und
den Wirtschaftswissenschaften. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen
anwenden. Zudem knnen sie die Mglichkeiten und Grenzen des Einsatzes der Algorithmen kritisch beurtei-
len. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in
der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Vorausset-
zungen fr die Gltigkeit der Aussagen notwendig sind. Zudem haben sie gelernt, die Methoden auf neue Prob-
leme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Grundlagen von Netzwerkflssen,


Effiziente Verfahren zur Berechnung maximaler Flsse (Algorithmus von Dinic, Push-Relabel Verfahren),
Polynomiale und stark polynomiale Verfahren fr kostenminimale Flsse,
Dynamische Netzwerkflsse (dynamisches Max-Flow-Min-Cut Theorem, temporally repeated flows) und
zeitexpandierte Netzwerke,
Flsse mit flussabhngigen Kosten, Optimalittsbedingungen,
Flsse im Nash-Gleichgewicht,
Der Preis der Anarchie (untere und obere Schranken),
Paradoxon von Braess und Konsequenen,
Netzwerkdesign fr egoistische Benutzer,
Congestion Games.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 95 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Roughgarden: Selfish Routing and the Price of Anarchy,
R. K. Ahuja, T. L. Magnanti, J. B. Orlin: Network Flows,
S. O. Krumke, H. Noltemeier: Graphentheoretische Konzepte und Algorithmen,
T. H. Cormen, C. E. Leiserson, R. L. Rivest: Introduction to Algorithms.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

- 96 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Algebraic Groups (Algebraische Gruppen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-43-20-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algebraic Groups 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben eine groe Klasse wichtiger Gruppen und algebraischer Varietten kennengelernt, die
in vielen mathematischen Gebieten eine wesentliche Rolle spielen. Sie haben gelernt, wie Methoden der Grup-
pentheorie und der algebraischen Geometrie sich gegenseitig ergnzen und zu einem tieferen Verstndnis
fhren knnen.

Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusam-
menhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage,
diese nachzuvollziehen und zu erklren.

3 Inhalte:

Lineare algebraische Gruppen,


die klassischen Gruppen,
nilpotente und auflsbare Gruppen,
Borel-Untergruppen,
Wurzelsysteme,
der Klassifikationssatz,
Struktur halbeinfacher Gruppen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Algebra aus dem Bachelorstudiengang Mathematik, Modul Com-
mutative Algebra. Zudem wren Kenntnisse aus der Lehrveranstaltung Algebraic Geometry" wnschenswert.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 97 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie oder Al-
gebraische Geometrie und Computeralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G. Malle, D. Testermann: Linear Algebraic Groups and Finite Groups of Lie Type,
J.E. Humphreys: Linear Algebraic Groups.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. G. Malle

Lehrende: Prof. Dr. W. Decker, Prof. Dr. C. Fieker, Prof. Dr. A. Gathmann, Prof. Dr. G. Malle, weitere
Dozentinnen und Dozenten des Fachbereichs Mathematik

- 98 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Algebraic Geometry II: Sheaves, Cohomology and Applications (Algebraische Geometrie II: Gar-
ben, Kohomologie und Anwendungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-42-11-M-7 270 h 9 LP 1, 2 oder 3 Unregelmig, letztmalig im 1 Semester


SS 2016

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algebraic Geometry II: 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende


Sheaves, Cohomology and
Applications

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben fortgeschrittene Kenntnisse in der Theorie der modernen algebraischen Geometrie
erworben, die zum Verstehen aktueller Arbeiten in der algebraischen Geometrie befhigen. Sie kennen und
verstehen insbesondere typische Beispiele und Anwendungen.

Durch die Bearbeitung der bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie sind in der Lage, die wesent-
lichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusammenhnge einzuordnen und zu
erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren.

3 Inhalte:

Garben und Garbenkohomologie,


Divisoren und Geradenbndel,
Differentialformen,
Anwendungen und Beispiele (z.B. Riemann-Hurwitz-Formel, Satz von Riemann-Roch, projektive Einbet-
tungen, Aufblasungen, Grassmann-Varietten).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Algebraic Geometry" (in der Version bis einschlielich SS 2015).

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 99 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. Hartshorne: Algebraic Geometry,
Q. Liu: Algebraic Geometry and Arithmetic Curves,
R. Vakil: Foundations of Algebraic Geometry.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. M. Schulze

Lehrende: Prof. Dr. W. Decker, Prof. Dr. A. Gathmann, Prof. Dr. M. Schulze, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 100 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Algebraic Number Theory (Algebraische Zahlentheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-43-22-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algebraic Number Theory 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden sind mit grundlegenden Begriffen und Methoden der modernen Zahlentheorie vertraut. Sie
knnen mit globalen Krpern und deren Vervollstndigungen sicher umgehen und verstehen, wie alle diese
Strukturen zusammenhngen. Darber hinaus sind sie in der Lage, algorithmische Probleme globaler Krper
und endlicher Erweiterungen selbststndig zu bearbeiten.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie sind in der Lage, die wesentlichen Aussagen der Vorle-
sung zu benennen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die
Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie
insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

globale Krper,
Moduln ber Dedekindbereichen,
Bewertungen und Vervollstndigungen,
Ganzheit und Ordnungen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Algebra aus dem Bachelorstudiengang Mathematik, Modul Com-
mutative Algebra; Kenntnisse aus dem Modul Quadratic Number Fields sind wnschenswert und hilfreich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 101 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: F. Lorenz: Algebra 2,
F. Lorenz: Zahlentheorie,
J.-P. Serre: Local Fields,
H. Stichentoth: Algebraic Function Fields and Codes,
H. Cohen: Advanced Topics in Computational Number Theory,
J. Neukirch: Algebraische Zahlentheorie.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Fieker

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 102 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Algorithmic Game Theory (Algorithmische Spieltheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-13-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algorithmic Game Theory 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen verschiedene Lsungskonzepte der kooperativen und nicht-
kooperativen Spieltheorie. Sie haben gelernt, Lsungen von kooperativen und nicht-kooperativen Spielen auf
ihre Komplexitt hin zu untersuchen und mit Hilfe von Optimierungsmethoden zu berechnen. Sie sind in der
Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen
und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aus-
sagen notwendig sind. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen anwen-
den.

Durch die Bearbeitung der bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Metho-
den auf neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu
entwickeln.

3 Inhalte:

Kooperative Spieltheorie:
Spiele in charakteristischer Form,
Lsungskonzepte, z.B. Kern, Shapley Wert,
Komplexitt der Berechnung von Lsungen,
Kostenzuordnungsprobleme,
Anwendung, z.B. Optimierungsprobleme in Mehrspielersituationen.

Nicht-kooperative Spieltheorie:
Equilibriumskonzepte, z.B. Nash Equilibria, dominante Strategien,
Komplexitt der Berechnung von Equilibria,
Einfhrung in das Mechanismendesign, z.B. Wahrheitsmechanismen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik,


Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 103 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: N. Nisan, T. Roughgarden, E. Tardos, V. Vazirani: Algorithmic Game Theory,
M. J. Osborne, A. Rubinstein: A Course in Game Theory,
G. Owen: Game Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Prof. Dr. S. Ruzika, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 104 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Algorithmic Number Theory (Algorithmische Zahlentheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-13-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Algorithmic Number Theory 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Strukturaussagen ber algebraische Zahlkrper
und die Algorithmen zur expliziten Bestimmung der Invarianten algebraischer Zahlkrper. Sie sind in der Lage,
die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen und
zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen
notwendig sind. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen anwenden.

Durch die Bearbeitung der bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Metho-
den auf neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu
entwickeln.

3 Inhalte:

LLL-Algorithmus,
Zahlkrper, Ganzheitsringe, Einheiten, Klassengruppe,
Zerlegungsverhalten von Primzahlen,
Algorithmische Berechnung dieser Gren.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Einfhrung: Algebra des Bachelorstudiengangs


Mathematik; zustzlich werden grundlegende Eigenschaften von Dedekindringen aus der Lehrveranstaltung
Commutative Algebra verwendet. Kenntnisse aus dem Modul Quadratic Number Fields sind wnschenswert
und hilfreich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 105 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Cohen: A Course in Computational Algebraic Number Theory,
M. Pohst, H. Zassenhaus: Algorithmic Algebraic Number Theory,
M. Pohst: Computational Algebraic Number Theory,
D. Marcus: Number Fields.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Fieker

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 106 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Asymptotic Analysis (Asymptotische Analysis)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-15-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Asymptotic Analysis 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene Methoden zur asymptotischen Entwicklung von Glei-
chungen, insbesondere Differentialgleichungen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung
zu benennen, die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus
der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere
darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Prob-
leme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Es werden die mathematischen Techniken der Strmungsrechnung und die Theorie asymptotischer Entwick-
lungen fr Differentialgleichungen bereitgestellt und untersucht. Speziell werden folgende Inhalte vermittelt:
Regulr und singulr gestrte Probleme,
Skalierungen,
Mehrskalen-Entwicklungen,
Grenzschichten bei Differentialgleichungen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis, Modellierung


und wissenschaftliches Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 107 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G. I. Barenblatt, Scaling,
N. G. De Bruijn: Asymptotic methods in analysis,
M. H. Holmes: Introduction to perturbation methods,
U. Hornung: Homogenization and porous media,
J. K. Hunter: Asymptotic analysis and singular perturbation theory (Lecture Notes).
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Klar

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 108 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Biomathematics (Biomathematik)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-84-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Biomathematics 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Ausgehend von Fragestellungen aus der Biologie und Medizin haben die Studierenden gelernt, mathematische
Modelle aufzustellen, indem sie sich auf die wesentlichen Aspekte eines solchen Problems konzentrieren. Sie
haben gelernt, fortgeschrittene Werkzeuge fr gewhnliche und partielle Differentialgleichungen auf die her-
geleiteten Modelle anzuwenden, um Vorhersagen ber das konkret untersuchte biologische Phnomen machen
und die Ergebnisse interpretieren zu knnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu
benennen, die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen routinierten Umgang mit den eingefhrten mathematischen Objekten
und Methoden erarbeitet und Einblicke in interdisziplinre Fragestellungen gewonnen.

3 Inhalte:

Qualitative Analysis gewhnlicher Differentialgleichungen, Entdimensionalisierung, Stabilitt und Ver-


zweigungen. Anwendungen: Enzymkinetik aufgrund des Massenwirkungsgesetzes, Modelle fr interagie-
rende Populationen (z. B. das Ruber-Beute-Modell, Kooperation/Symbiose, Konkurrenz),
Diffusions- und Transportvorgnge; Zufallsbewegungen und Partielle Differentialgleichungen;
wandernde Wellen, Perturbationslsungen, hnlichkeitslsungen, asymptotische Methoden,
Reaktions-Diffusions(-Transport)gleichungen, Chemo- und Haptotaxis bei Zellbewegungen,
Vergleichsstze, invariante Mengen und globale Lsbarkeit,
strukturierte Populationsmodelle,
kinetische Transportgleichungen fr Zellmigrationsprobleme, makroskopische Skalierung.
Anwendungen: Musterbildung auf Tieren, Tumorwachstum und -ausbreitung in Gewebenetzwerken, Wundhei-
lungsprozesse.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Gewhnliche Differentialgleichungen des Bachelorstudiengangs


Mathematik; Modul Numerics of ODE; Kenntnisse aus dem Modul Introduction to PDE sind wnschenswert
und hilfreich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 109 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J.D. Murray: Mathematical Biology I, II,
S.H. Strogatz: Nonlinear dynamics and chaos: with applications to physics, biology, chem-
istry, and engineering,
J. Smoller: Shock Waves and Reaction-Diffusion Equations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Surulescu

Lehrende: Prof. Dr. C. Surulescu, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 110 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Class Groups in Cryptography (Klassengruppen in der Kryptographie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-41-18-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Class Groups in Cryptography 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen die Grundlagen der Theorie der Klassengruppen von Zahlkrpern im Hinblick auf ihre
Anwendung in der Kryptographie. Insbesondere sind sie mit der Komplexitt der benutzten Methoden vertraut
und verstehen den Zusammenhang mit der Einschtzung der Sicherheit der Klassengruppenmethoden. Sie
knnen die Algorithmen analysieren und auf konkrete Problemstellungen anwenden.

Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhn-
ge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese
nachzuvollziehen und zu erklren.

3 Inhalte:

Definition und einfache Eigenschaften von Klassengruppen,


Algorithmen fr Idealarithmetik in Klassenkrpern,
Komplexittsanalysen,
Anwendungen auf Diffie-Hellman-Verfahren, Sicherheitsabschtzungen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Cryptography.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 111 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Buchmann, T. Takagi, U. Vollmer: Number field cryptography.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Fieker

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 112 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Cohen-Macaulay and Gorenstein Rings (Cohen-Macaulay- und Gorenstein-Ringe)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-42-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Cohen-Macaulay and Goren- 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende


stein Rings

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben fortgeschrittene Kenntnisse der Theorie der kommutativen Ringe erworben. Die er-
lernte Methodik erffnet ihnen den Zugang zu grundlegenden Strukturen in der Algebraischen Geometrie und
Singularittentheorie sowie zu deren algorithmischer Berechnung.

Die Studierenden sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die darge-
stellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind
in der Lage, diese nachzuvollziehen und zu erklren.

3 Inhalte:

regulre Sequenzen, Tiefe, projektive Dimension,


reflexive Moduln,
Fitting-Ideale,
Cohen-Macaulay-Ringe und -Moduln,
regulre und normale Ringe,
vollstndige Durchschnitte,
kanonischer Modul und Gorensteinringe,
lokale Dualitt,
algorithmische Aspekte.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Commutative Algebra.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 113 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Eisenbud: Commutative Algebra with a View towards Algebraic Geometry,
W. Bruns, J. Herzog: Cohen-Macaulay Rings,
H. Mastumura: Commutative Ring Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. M. Schulze

Lehrende: Prof. Dr. M. Schulze, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 114 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Computational Finance
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Computational Finance 2 SWS / 30 h Vorlesung 105 h 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden knnen die in den einfhrenden finanzmathematischen Vorlesungen erworbenen Methoden
zur Preisbewertung von Finanzderivaten mittels verschiedener Verfahren numerisch effizient umsetzen. Sie
verstehen die verschiedenen Verfahren und knnen auch fr weitere komplexe Produkte selbststndig beurtei-
len, welche Berechnungs- und Approximationsmethoden geeignet sind und diese numerisch effizient umset-
zen.

3 Inhalte:

Standardmodelle: Black-Scholes, Heston und andere SV Modelle, lokale Volatilitt,


Modellwahl und Kalibrierung,
Anstze zur Optionsbewertung: analytische Formel, partielle Differentialgleichungen, Monte-Carlo Simula-
tionen, Baumverfahren,
Preisberechnung fr exotische Optionen und Zertifikate,
Ausgewhlte Themen zu Monte-Carlo Simulationen: Erzeugung von Zufallsvariablen, Numerische Verfah-
ren fr SDEs, Varianzreduktion, stochastische Taylor-Entwicklung,
Konvergenz stochastischer Verfahren und Satz von Donsker.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory; Kenntnisse aus dem Modul Financial Mathematics sind von Vorteil
aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 115 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. Korn, E. Korn, G. Kroisandt: Monte Carlo Methods and Models in Finance and Insur-
ance,
. Ugur: An Introduction to Computational Finance.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. K. Ritter

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 116 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Computational Flexible Multibody Dynamics (Numerik flexibler Mehrkrpersysteme)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-26-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Computational Flexible Multi- 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende


body Dynamics

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Konzepte zur Modellierung und Numerik im Be-
reich flexibler Mehrkrpersysteme. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benen-
nen, die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vor-
lesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen,
welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

In den in die Vorlesung integrierten bungen haben sie sich einen sicheren, przisen und selbststndigen
Umgang mit den Begriffen, Aussagen und Methoden des Themengebietes erarbeitet. Sie haben gelernt, die
Methoden auf neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Es werden die mathematischen Techniken der Strmungsrechnung und die Theorie asymptotischer Entwick-
lungen fr Differentialgleichungen bereitgestellt und untersucht. Speziell werden folgende Inhalte vermittelt:
Modellbildung Mehrkrperdynamik,
Elastischer Krper und bewegtes Referenzsystem,
Ortsdiskretisierung mit Galerkinprojektion,
Steifes mechanisches System,
Implizite Zeitintegration.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: gewhnliche Differentialgleichungen" aus dem Bachelorstudiengang


Mathematik, Modul Numerics of ODE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 117 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Eich-Soellner, C. Fhrer: Numerical Methods in Multibody Dynamics,
B. Simeon: Computational Flexible Multibody Dynamics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. B. Simeon

Lehrende: Prof. Dr. B. Simeon, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 118 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Computational Fluid Dynamics (Strmungsdynamik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-14-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Computational Fluid Dynamics 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene Methoden zur numerischen Lsung strmungsdyna-
mischer Gleichungen. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen anwenden.
Zudem knnen sie die Mglichkeiten und Grenzen des Einsatzes der Algorithmen kritisch beurteilen. Sie ver-
stehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Prob-
leme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Es werden die mathematischen Konzepte zur Herleitung der Navier-Stokes Gleichungen aus Erhaltungsprinzi-
pien sowie numerische Verfahren zu deren Lsung bereitgestellt und untersucht. Speziell werden folgende
Inhalte vermittelt:
Herleitung der Stokes und Navier-Stokes Gleichungen,
Lsungstheorie fr die Stokes-Gleichung,
Approximationsverfahren fr Gleichungen der Strmungsdynamik.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE, Introduction to PDE und Numerical Methods for Elliptic and Parabolic
PDE, wnschenswert: Numerical Methods for Hyperbolic PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 119 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Feistauer: Mathematical Methods in Fluid Dynamics,
E.F. Toro: Riemann Solvers and Numerical Methods for Fluid Dynamics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Klar

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 120 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Computer Algebra (Computeralgebra)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-41-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig (im Sommer- 1 Semester


semester)

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Computer Algebra 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben fortgeschrittene Kenntnisse in der Theorie der Computer Algebra. Sie wissen, wie
Probleme der kommutativen Algebra, algebraischen Geometrie und deren praktische Anwendungen algorith-
misch aufbereitet und gelst werden knnen, und sie sind in der Lage fortgeschrittene Algorithmen der Com-
puteralgebra zu programmieren. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nach-
zuvollziehen und zu erklren.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue
Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Normalformen und Standardbasen fr Ideale und Moduln,


Syzygien, freie Aufloesungen und der Beweis des Buchberger-Kriteriums,
Berechnung der Normalisierung Noetherscher Ringe,
Berechnung der Primrzerlegung von Idealen,
Hilbertfunktion,
Ext und Tor.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in das Symbolische Rechnen aus dem Bachelorstudiengang Mathe-
matik; Modul Commutative Algebra.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 121 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: G.-M. Greuel, G. Pfister: A SINGULAR Introduction to Commutative Algebra,
W. Decker, C. Lossen: Computing in Algebraic Geometry - A Quick Start using Singular,
W. Decker, F.-O. Schreyer: Varieties, Grbner bases, and algebraic curves,
W. Decker, G. Pfister: A First Course in Computational Algebraic Geometry,
D. Cox, J. Little, D. O'Shea: Ideals, Varieties, and Algorithms.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. W. Decker, Prof. Dr. M. Schulze

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 122 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Continuous-Time Portfolio Optimization (Zeitstetige Portfoliooptimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-15-M-7 135 h 4,5 LP 2 oder 3 Unregelmig (im WS) 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Continuous-Time Portfolio 2 SWS / 30 h Vorlesung 105 h 15-30 Studierende


Optimization

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die beiden wesentlichen Methoden zur Lsung stochastischer Kon-
trollprobleme in der Finanz- und Versicherungsmathematik, den Ansatz der stochastischen Steuerung und den
Dualittsansatz. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage diese nachzuvollziehen und
zu erklren. Sie knnen die Methoden auf verschiedene Probleme der Portfoliooptimierung anwenden und die
Umsetzung und Anwendbarkeit der theoretischen Resultate kritisch beurteilen. Sie sind in der Lage, die Ein-
setzbarkeit der Verfahren oder alternativer Methoden unter verschiedenen Modellerweiterungen und fr Rest-
riktionen an die Strategien zu beurteilen und sie verstehen, welchen Einfluss diese auf die optimalen Lsungen
haben.

3 Inhalte:

Einfhrung in die Portfolio-Optimierung (Problemstellung),


Zeitstetiges Portfolioproblem : Erwartungsnutzenansatz,
Martingalmethode in vollstndigen Mrkten,
Ansatz der stochastischen Steuerung (HJB-Gleichung, Verifikationsstze),
Portfolio-Optimierung mit Restriktionen (z.B. Risikoschranken, Transaktionskosten),
Alternative Methoden.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Financial Mathematics.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 123 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

Lehrveranstaltung ist einbringbar als Wahlpflichtbestandteil des Vertiefungsmoduls im Masterstudiengang


Finanz- und Versicherungsmathematik.

Das Modul stellt eine Grundlage fr Masterarbeiten und andere Forschungen in einem Bereich der Finanzma-
thematik dar.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung. Sie hat einen Stellenwert von ca.
4,8 % fr die Note der Masterprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: I. Karatzas, S.E. Shreve: Methods of Mathematical Finance,
R. Korn: Optimal Portfolios,
R. Korn, E. Korn: Option Pricing and Portfolio Optimization - Modern Methods of Finan-
cial Mathematics,
H. Pham: Continuous-time Stochastic Control and Optimization with Financial Applica-
tions.
Lernunterlagen,
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Interest Rate Theory kombiniert werden zu einem Modul Interest Rate The-
ory; Continuous-Time Portfolio Optimization (9 LP).

- 124 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Control of Mechanical Multibody Systems (Steuerung und Regelung von mechanischen Mehr-
krpersystemen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-27-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Control of Mechanical Multi- 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


body Systems

2 Lernergebnisse / Kompetenzen:

Die Studierenden verstehen, wie sich ein mechanisches Mehrkrpersystem mit ueren Eingngen und be-
obachtbaren Ausgngen mathematisch przise durch einen Operator beschreiben lsst. Sie erkennen, wie
durch eine funktionalanalytische Untersuchung dieses Operators (modellierungs-)relevante Aussagen abgelei-
tet werden knnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die darge-
stellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind
in der Lage, diese nachzuvollziehen und zu erklren.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den aus der Vorlesung erarbeitet.

3 Inhalte:

Mehrkrpersystem aus Sicht der Systemdynamik: Eingang-System-Ausgang,


Mathematische Beschreibung durch einen Eingangs-Ausgangs-Operator, Analyse im funktionalanalyti-
schen Kontext,
Mathematische Formulierung von Steuerungs- und Regelungszielen,
Konzepte aus der klassischen Regelungstechnik,
Optimale Steuerung von Mehrkrpersystem,
Flachheitsbasierte Steuerung (optional),
Modell-prdiktive Regelung (optional).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Gewhnliche Differentialgleichungen und Einfhrung in die


Numerik" aus dem Bachelorstudiengang Mathematik, Modul Numerics of ODE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 125 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Eich-Soellner, C. Fhrer: Numerical Methods in Multibody Dynamics,
E. Sontag: Mathematical Control Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. B. Simeon

Lehrende: Prof. Dr. B. Simeon, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 126 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Curves in Projective Space (Kurven im projektiven Raum)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-41-21-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Curves in Projective Space 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben die zentralen Begriffe, Ergebnisse und Methoden in einem ausgesuchten Teilgebiet
der algebraischen Geometrie kennengelernt. Sie haben dabei ein vertieftes Verstndnis fr algebraische Kur-
ven und deren Klassifikation entwickelt.

Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammen-
hnge einzuordnen und zu erlutern. Sie verstehen die Beweise und sind in der Lage, diese nachzuvollziehen
und zu erklren. Sie knnen kritisch beurteilen, welche Voraussetzungen fr die Gltigkeit der Aussagen not-
wendig sind, und sind in der Lage, die Methoden und Beweistechniken auf andere Fragestellungen der alge-
braischen Geometrie zu bertragen.

3 Inhalte:

Singularitten ebener Kurven, Puiseux-Reihen,


Projektive Kurven im n-dimensionalen Raum, Castelnuovo-Ungleichung,
Klassifikation von Kurven und Modulrume,
Jacobi-Variett, Satz von Abel.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Grundkenntnisse projektiver Geometrie, z.B. durch Teilnahme an Plane Algebraic Curves oder Al-
gebraic Geometry, Grundkenntnisse der komplexen Analysis, z.B. durch Teilnahme an der Lehrveranstaltung
Einfhrung: Funktionentheorie aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compu-
teralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 127 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. Miranda: Algebraic curves and Riemann surfaces,
F. Kirwan: Complex algebraic curves,
W. Fulton: Algebraic curves.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Gathmann

Lehrende: Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 128 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Distributions and Wavelets (Distributionen und Wavelets)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-65-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Distributionen und Wavelets 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Konzepte der Distributionentheorie. Sie haben ihre
Kenntnisse zu Wavelets vertieft und dabei Anwendungsbeispiele kennengelernt. Sie sind in der Lage, die we-
sentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen und zu erlu-
tern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erkl-
ren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen not-
wendig sind.

3 Inhalte:

Testfunktionen und Distributionen,


Operationen auf Distributionen (Translation, Dilatation, Differentation, Faltung),
Schwartz-Funktionen und temperierte Distributionen,
Fouriertransformation temperierter Distributionen,
Wavelets und Waveletframes.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik, Einfhrung: Funktionalanalysis und Ma- und
Integrationstheorie aus dem Bachelorstudiengang Mathematik; Modul Foundations in Mathematical Image
Processing.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

- 129 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: W. Walter: Einfhrung in die Theorie der Distributionen,
I. M. Gelfang, G. E. Schilow: Verallgemeinerte Funktionen I,
W. Rudin: Functional Analysis,
R. Strichartz: A Guide to Distribution Theory and Forier Transform,
G. B. Folland: Fourier Analysis and its Applications,
I. Daubechies: Ten Lectures on Wavelets,
S. Mallat: A Wavelet Tour of Signal Processing.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 130 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Dynamics of Mechanical Multibody Systems (Dynamik mechanischer Mehrkrpersystemen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-29-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Dynamics of Mechanical 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


Multibody Systems

2 Lernergebnisse / Kompetenzen:

Die Studierenden verstehen, wie sich starre Krper, kinematische und dynamische Verbindungselemente sowie
Systeme von starren Krpern (Mehrkrpersysteme) mathematisch przise beschreiben lassen. Sie verstehen
wie sich aus fundamentalen mechanischen Prinzipien die Bewegungsgleichungen eines Mehrkrpersystems in
verschiedenen Formulierungen ableiten, mathematisch analysieren und numerisch lsen lassen. Sie sind in der
Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen
und zu erlutern.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den aus der Vorlesung erarbeitet.

3 Inhalte:

Kinematik und Dynamik eines starren Krpers,


Mathematische Beschreibung von kinematischen Gelenken und Kraftelementen,
Mathematische Analyse von Mehrkrpersystemen, Bewegungsgleichungen in Absolut- und Gelenkkoordi-
naten,
Effiziente Auswertung der Bewegungsgleichungen, Mehrkrperformalismen,
Numerische Lsung der Bewegungsgleichungen, Numerik von ODEs und DAEs,
Parameteridentifikation bei Mehrkrpersystemen (optional).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Gewhnliche Differentialgleichungen und Einfhrung in die


Numerik" aus dem Bachelorstudiengang Mathematik, Modul Numerics of ODE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 131 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: C. Woernle: Mehrkrpersysteme - Eine Einfhrung in die Kinematik und Dynamik von
Systemen starrer Krper,
W. Schiehlen, P. Eberhard: Technische Dynamik - Modelle fr Regelung und Simulation,
E. Eich-Soellner, C. Fhrer: Numerical methods in Multibody Dynamics,
R.E. Roberson, R. Schwertassek: Dynamics of Multibody Systems,
J. Wittenburg: Dynamics of Multibody Systems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. B. Simeon

Lehrende: Prof. Dr. B. Simeon, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 132 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Financial Statistics (Finanzstatistik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-13-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Financial Statistics 2 SWS / 30 h Vorlesung 105 h 15-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene statistische Verfahren zur Modellierung von Zeitrei-
hen, die grundlegende stochastische Abhngigkeiten in der Wirtschaft darstellen, und zur Modellierung und
Abschtzung von Risiken, in erster Linie in der Finanz- und Versicherungswirtschaft. Sie sind in der Lage, diese
anzuwenden, und sie knnen die Mglichkeiten und Grenzen ihres Einsatzes kritisch beurteilen.

3 Inhalte:

Statistics of Financial Markets:


Modelle und Schtzverfahren fr Finanzzeitreihen (ARCH, GARCH und Verallgemeinerungen), Value-at-
Risk,
Copulas und ihre Anwendung im Risikomanagement auf der Grundlage multivariater Daten.

Extreme Value Theory:


Statistische Verfahren zum Schtzen der Wahrscheinlichkeit extremer Ereignisse bzw. von extremen
Quantilen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Regression and Time Series Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 133 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Franke, W.K. Hrdle, C.M. Hafner: Statistics of Financial Markets: An Introduction,
P. Embrechts, C. Klppelberg, T. Mikosch: Modelling Extremal Events for Insurance and
Finance.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. J. Franke, Dr. J.-P. Stockis

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 134 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Finite Groups of Lie Type (Endliche Gruppen von Lie-Typ)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-43-21-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Finite Groups of Lie Type 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse ber algebraische Gruppen erworben und kennen Gruppen vom
Lie-Typ. Sie verstehen wie Aussagen ber algebraische Gruppen zu einem tieferen Verstndnis dieser endli-
chen Gruppen fhren. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die darge-
stellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind
in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraus-
setzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Automorphismen von algebraischen Gruppen,


Hchstgewichtsmoduln von algebraischen Gruppen,
Steinbergendomorphismen,
Satz von Lang-Steinberg,
Tori und Sylowgruppen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Algebraic Groups. Kenntnisse aus dem Modul Character Theory of Finite Groups" sind wn-
schenswert, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:

- 135 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Literaturhinweise: R. Carter: Finite Groups of Lie Type, Conjugacy Classes and Complex Characters,
F. Digne , J. Michel: Representations of Finite Groups of Lie Type,
G. Malle, D. Testermann: Linear Algebraic Groups and Finite Groups of Lie Type.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. G. Malle

Lehrende: Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 136 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Functional Data Analysis: Statistics in Hilbert Space (Funktionale Datenanalyse: Statistik in


Hilbertrumen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-19-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Functional Data Analysis: 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


Statistics in Hilbert Space

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen Modelle der Funktionaldatenanalyse sowie Schtz- und Testverfahren
zur Anpassung dieser Modelle an Daten und zum berprfen von Hypothesen ber den datenerzeugenden
Prozess. Sie haben exemplarisch Beweismethoden in diesem aktuellen Forschungsgebiet zwischen mathemati-
scher Statistik und Funktionalanalysis kennengelernt und knnen die Mglichkeiten und Grenzen des Einsatzes
der Modelle kritisch beurteilen.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzu-
vollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen und Annahmen
fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte: In dieser Veranstaltung werden die grundlegenden Konzepte der Funktionaldatenanalyse und exemp-
larische Schtz- und Testverfahren behandelt:

zufllige Funktionen als Zufallsgren im Hilbertraum,


Mittelwert und Kovarianzoperatoren fr L-wertige Zufallsgren,
Funktionale Hauptkomponenten als Grundlagen fr Schtzer,
Zweistichprobentests fr Mittelwerte und Kovarianzoperatoren,
Funktionale Regressionsanalyse,
Changepoint-Test fr funktionale Daten.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Praktische Mathematik: Stochastische Methoden und Einfhrung: Funktio-


nalanalysis aus dem Bachelorstudiengang Mathematik. Weiterfhrende Kenntnisse in Statistik (z.B. aus dem
Modul Regression and Time Series Analysis) bzw. Funktionalanalysis (z.B. aus dem Modul Functional Analy-
sis) sind von Vorteil, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 137 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: L. Horvath, P. Kokoszka: Inference for Functional Data with Applications.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien


weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. J. Franke

Lehrende: Prof. Dr. J. Franke, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 138 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Geometry of Schemes (Geometrie der Schemata)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-42-13-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Geometry of Schemes 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben die fortgeschrittene Sprache der Schemata erlernt, die der modernen algebraischen
Geometrie zu Grunde liegt und damit die Befhigung zum Verstehen aktueller Arbeiten in der Geometrie und
der Arithmetik erworben. Dabei haben sie typische Beispiele und Anwendungen kennen gelernt.

Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhn-
ge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese
nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die
Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Theorie der Schemata (affine, projektive und relative Schemata),


Strukturgarben und Modulgarben,
flache Familien,
Grothendieck-Funktor.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Algebraic Geometry" und Commutative Algebra.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 139 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Eisenbud, J. Harris: The Geometry of Schemes,
H. Matsumura: Commutative Ring Theory,
R. Hartshorne: Algebraic Geometry.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Gathmann

Lehrende: Prof. Dr. A. Gathmann, Priv.-Doz. Dr. J. Zintl (Lehrbeauftragter), weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 140 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Graphs and Algorithms (Graphen und Algorithmen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Graphs and Algorithms 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen fortgeschrittene graphentheoretische Methoden zur Modellierung und zum
Lsen von kombinatorischen Problemen mit Anwendungen. Sie verstehen die Strukturen von verschiedenen
Graphklassen und knnen diese nutzen, um effiziente Verfahren zu konstruieren. Sie knnen die Algorithmen
analysieren und auf konkrete Problemstellungen anwenden. Zudem knnen sie die Mglichkeiten und Grenzen
des Einsatzes der Algorithmen kritisch beurteilen. Sie verstehen die Beweise aus der Vorlesung und sind in der
Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzun-
gen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Gerichtete und ungerichtete Graphen,


Graphenalgorithmen, grundlegende Komplexittsbegriffe (P, NP), Darstellung von Graphen,
Wege, Kreise, Zusammenhang,
Eulersche und Hamiltonsche Kreise,
Frbungen und berdeckungen,
Standortprobleme auf Graphen,
Perfekte Graphen, effiziente Algorithmen fr chordale Graphen,
Transitive Hlle, irreduzible Kerne,
Bume, Wlder, Matroide,
Suchstrategien: Tiefensuche (Depth First Search), Breitensuche (Breadth First Search),
Matchings,
Planare Graphen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 141 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: S. O. Krumke, H. Noltemeier: Graphentheoretische Konzepte und Algorithmen,
R. Diestel: Graph Theory,
F. Harary: Graph Theory,
M. R. Garey and D. S. Johnson: Computers and Intractability,
T. H. Cormen, C. E. Leiserson, R. L. Rivest: Introduction to Algorithms.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Jun. Prof. Dr. C. Thielen , weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

- 142 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Group Theory (Gruppentheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-40-17-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Group Theory 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen zentrale Aussagen und grundlegende Methoden der Theorie endlicher
Gruppen. Sie haben wichtige Beispiele endlicher Gruppen kennengelernt und sind in der Lage, diese mit wis-
senschaftlichen Methoden zu untersuchen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu
benennen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise
aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesonde-
re darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

Durch das Bearbeiten von bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet.

3 Inhalte:

Abelsche, auflsbare und nilpotente Gruppen,


Permutationsgruppen und lineare Gruppen,
Mathieu-Gruppen,
Frattini-Gruppe und Fitting-Gruppe,
Gruppenerweiterungen,
freie Gruppen und Prsentationen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Algebraische Strukturen und Einfhrung: Algebra des Bachelorstudiengangs


Mathematik

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 143 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: B. Huppert: Endliche Gruppen I,
H. Kurzweil: Endliche Gruppen,
D. Gorenstein: Finite Groups.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Malle

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 144 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

High-Dimensional Integration (Hochdimensionale Integration)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-15-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

High-Dimensional Integration 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen die grundlegenden Prinzipien der Konstruktion und Analyse von Algorithmen
zur hochdimensionalen Integration. Sie knnen die Algorithmen auf konkrete Problemstellungen anwenden
und die Mglichkeiten und Grenzen ihres Einsatzes kritisch beurteilen. Zudem haben sie ein Verstndnis fr
wichtige Ergebnisse und Methoden der Komplexittstheorie stetiger Probleme entwickelt. Sie verstehen die
Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Algorithmen und Komplexitt hoch- und unendlich-dimensionaler Integrationsprobleme. Behandelt werden:


Monte Carlo-Verfahren,
Diskrepanz von Punktfolgen und Quasi Monte Carlo-Verfahren,
Randomisierung,
untere Fehlerschranken und Komplexitt stetiger Probleme,
der Fluch der Dimension,
Quadraturprobleme fr stochastische Differentialgleichungen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Stochastische Methoden und Einfhrung in die Numerik aus dem Bachelor-
studiengang Mathematik, Modul Probability Theory. Kenntnisse ber stochastische Differentialgleichungen
sind wnschenswert, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 145 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Novak, H. Wozniakowski: Tractability of Multivariate Problems, Vol. IIII.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. K. Ritter

Lehrende: Prof. Dr. K. Ritter, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 146 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

High-Order Methods for Hyperbolic Equations (Verfahren hoher Ordnung fr Systeme Hyperbo-
lischer Erhaltungsgleichungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-37-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

High-Order Methods for Hy- 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


perbolic Equations

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen die Theorie zu verschiedenen Verfahren hoher Ordnung fr Systeme hyperboli-
scher Erhaltungsgleichungen. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen
anwenden. Zudem knnen sie die Mglichkeiten und Grenzen des Einsatzes der Algorithmen kritisch beurtei-
len. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.
Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig
sind. Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet.

3 Inhalte:

Es werden die mathematischen Konzepte zur numerischen Behandlung von Systemen hyperbolischer Erhal-
tungsgleichungen mit hoher Approximationsordnung in Ort und Zeit bereitgestellt und untersucht. Speziell
werden folgende Inhalte vermittelt:
Discontinuous-Galerkin Verfahren,
ADER Verfahren (inkl. WENO Rekonstruktion),
Strong-Stability-preserving (SSP) time stepping.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE; wnschenswert: Numerical Methods for
Hyperbolic PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 147 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. S. Hesthaven, T. Warburton: Nodal Discontinuous Galerkin Methods: Algorithms, Analy-
sis, and Applications,
B. Cockburn: An Introduction to the Discontinuous Galerkin Method for Convection-
Dominated Problems,
E. Toro: Riemann Solvers and Numerical Methods for Fluid Dynamics,
S. Gottlieb: On High Order Strong Stability Preserving RungeKutta and Multi Step Time
Discretizations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 148 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Image Analysis for Stochastic Structures (Bildanalyse fr stochastische Strukturen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-17-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Image Analysis for Stochastic 2 SWS / 30 h Vorlesung 75 h 10-25 Studierende


Structures 2 SWS / 30 h bung/Praktikum 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Algorithmenklassen fr die Verarbeitung und Analyse dreidimensionaler
Bilddaten kennengelernt. Unter der Annahme, dass es sich bei der abgebildeten Struktur um eine zufllige
abgeschlossene Menge handelt, knnen sie geometrische Strukturcharakteristiken aus den Bilddaten schtzen.
Sie sind zudem in der Lage, gegebene Bilddaten mittels geeigneter Bildverarbeitungssoftware zu verarbeiten
und zu analysieren.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen Sie insbesondere darlegen, welche
Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Verarbeitung und statistische Analyse dreidimensionaler Bilddaten, insbesondere:


Zufllige abgeschlossene Mengen und ihre Charakteristiken,
Diskretisierung und dreidimensionaler Zusammenhang,
Mathematische Morphologie,
Methoden der Bildverarbeitung: Filter, Segmentierung, Euklidische Distanztransformation, Labelling, Was-
serscheidentransformation,
Schtzung geometrischer Charakteristiken fr zufllige abgeschlossene Mengen aus Bilddaten.

4 Lehrformen:

Vorlesungen, (theoretische und praktische) bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Praktische Mathematik: Stochastische Methoden aus dem Bachelorstudiengang


Mathematik. Weiterfhrende Kenntnisse in Stochastik (z.B. Time Series Analysis oder Probability Theory)
sind von Vorteil, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 149 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse


oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Stoyan, W.S. Kendall, J. Mecke: Stochastic Geometry and its Applications,
R. Schneider, W. Weil: Stochastic and Integral Geometry,
J. Ohser, K. Schladitz: 3D Images of Materials Structures: Processing and Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Redenbach

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 150 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to Online Optimization (Einfhrung in die Online-Optimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-14A-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to Online Optimi- 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


zation (1. Hlfte der Lehr- 1 SWS / 15 h bung 10-25 Studierende
veranstaltung Online Optimi-
zation)

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Online-Problematik und das Prinzip der kompetitiven Analyse. Sie
haben gelernt, Online-Probleme auf die Existenz von kompetitiven Algorithmen hin zu analysieren und untere
Schranken fr deterministische und randomisierte Algorithmen zu berechnen. Sie knnen Worst-Case-
Gtegarantien fr Online-Algorithmen herleiten und beweisen. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Kompetitive Analyse fr deterministische und randomisierte Algorithmen,


Gegenspielerkonzepte, Adaptive und Nicht-Adaptive Gegenspieler bei randomisierten Algorithmen,
Amortisierte Kosten, Potential-Methode fr Kostenanalyse,
Kompetitive Algorithmen fr Paging/Caching,
Online-Scheduling.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik,


Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 151 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Borodin, R. El-Yaniv: Online Computation and Competitive Analysis,
A. Fiat, G. J. Woeginger: Online Algorithms: The State of the Art,
D. S. Hochbaum: Approximation Algorithms for NP-hard problems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul ist Teil des Moduls Online Optimization (9 LP).

- 152 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to Stochastic Partial Differential Equations (Einfhrung in Stochastische Partielle


Differentialgleichungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-13-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to Stochastic PDE 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben ein vertieftes Verstndnis wichtiger Aspekte (Modellierung, Lsungs- und Regulari-
ttstheorie, Approximation) eines Teilbereichs der stochastischen Analysis erworben. Sie sind in der Lage, die
wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusammenhnge einzuordnen und
zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Unendlich-dimensionale Wiener-Prozesse,
Integration operatorwertiger Prozesse,
Milde Lsungen von stochastischen partiellen DGL (Halbgruppen-Zugang),
Approximationsverfahren.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Kenntnisse ber stochastische Differentialgleichungen (z.B. aus dem Modul Stochastic Differential
Equations bzw. Financial Mathematics) und Kenntnisse ber Funktionalanalysis (z.B. aus dem Modul Functi-
onal Analysis).

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 153 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: C. Prevot, M. Rckner: A Concise Course on Stochastic Partial Differential Equations,
G. Da Prato, J. Zabczyk: Stochastic Equations in Infinite Dimensions.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. K. Ritter

Lehrende: Jun. Prof. Dr. F. Lindner, Prof. Dr. K. Ritter, weitere Dozentinnen und Dozenten des Fach-
bereichs Mathematik

- 154 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to the Theory of Dirichlet Forms (Einfhrung in die Theorie der Dirichlet-Formen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-71-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Einfhrung in die Theorie der 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


Dirichlet-Formen 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis mit Anwendungen in
aktuellen Forschungsgebieten (u.a. im Bereich der Differentialgleichungen sowie der mathematischen Physik)
erworben. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten
Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der
Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzun-
gen fr die Gltigkeit der Aussagen notwendig sind.

Durch die Bearbeitung von bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Resolventen, Halbgruppen, Generatoren (Satz von Hille und Yosida),


Koerzive Bilinearformen (Satz von Stampacchia, Charakterisierung durch Resolventen, Halbgruppen, Gene-
ratoren),
Abschliebarkeit von Bilinearformen,
Kontraktionseigenschaften (Sub-Markov-Eigenschaft, Dirichlet-Operatoren, Dirichlet-Formen).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Functional Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

- 155 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Z.-M. Ma, M. Rckner: Introduction to the theory of (non-symmetric) Dirichlet forms,
M. Fukushima: Dirichlet Forms and Markov Processes,
M. Reed, B. Simon: Methods of modern mathematical physics I.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 156 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to the Theory of Sobolev Spaces (Einfhrung in die Theorie der Sobolev-Rume)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-12A-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to the Theory of 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


Sobolev Spaces (1. Hlfte der 1 SWS / 15 h bung 10-25 Studierende
Veranstaltung Sobolev Spaces)

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis mit Anwendungen
auf Partielle Differentialgleichungen erworben. Sie verstehen, wie Sobolev-Rume konstruiert werden und
knnen wesentliche Methoden und Konzepte der Analysis in Sobolev-Rumen anwenden und kritisch bewer-
ten. Zudem sind sie mit Anwendungen der Theorie der Sobolev-Rume auf Partielle Differentialgleichungen
vertraut. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen
notwendig sind.

Durch die Bearbeitung von bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Vertiefung der Integrationstheorie (Konvergenzstze, Lp-Rume, partielle Integration),


Konstruktion von Sobolev-Rumen,
Analysis in Sobolev-Rumen (Faltung, Dirac-Folgen, Zerlegung der Eins, dichte Funktionenmengen),
Anwendungen auf Partielle Differentialgleichungen (Poincar-Ungleichung, Fundamentallemma der Varia-
tionsrechnung, schwache Formulierung von Randwertproblemen),
Sobolev-Einbettungsstze, Spur-Operator.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Funktionalanalysis und Ma- und Integrationstheorie aus
dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 157 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H.-W. Alt: Lineare Funktionalanalysis,
M. Dobrowolski: Angewandte Funktionalanalysis,
M. Reed, B. Simon: Functional Analysis I.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul ist Teil des Moduls Sobolev Spaces (9 LP); es kann mit dem Modul Introduction to White Noise
Analysis kombiniert werden zu einem Modul Analysis in Sobolev and Distribution Spaces (9 LP).

- 158 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Introduction to White Noise Analysis (Einfhrung in die White Noise Analysis)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-71-12A-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Introduction to White Noise 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


Analysis (1. Hlfte der Veran- 1 SWS / 15 h bung 10-25 Studierende
staltungn White Noise Analy-
sis)

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis sowie der Gauchen
Analysis erworben. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die
dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Einfhrung in die Grundlagen der Distributionen-Rume unter besonderer Bercksichtigung der tempe-
rierten Distributionen ,
Konstruktion des White Noise Raumes (Minlos Theorem, Chaos-Zerlegung, T-Transformation, S-
Transformation, Ito-Wiener-Segal-Isomorphismus).
4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Funktionalanalysis und Ma- und Integrationstheorie aus
dem Bachelorstudiengang Mathematik, Modul Probability Theory. Kenntnisse aus dem Modul Functional
Analysis sind hilfreich, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 159 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Hida, H. H. Kuo, J. Potthoff, L. Streit: White Noise. An Infinite Dimensional Calculus,
N. Obata: White Noise Calculus and Fock Space,
H. H. Kuo: White Noise Distribution Theory,
B. Simon: Functional Integration and Quantum Physics,
Y.M. Berezansky and Y.G. Kondratiev: Spectral Methods in Infinite Dimensional Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul ist Teil des Moduls White Noise Analysis (9 LP); es kann mit dem Modul Introduction to the Theo-
ry of Sobolev Spaces kombiniert werden zu einem Modul Analysis in Sobolev and Distribution Spaces (9 LP).

- 160 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Inverse Problems (Inverse Probleme)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-13-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Inverse Problems 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben mathematische Fertigkeiten im Bereich inverser Aufgaben (um aus einer be-
obachtbaren Wirkung auf deren unzugngliche Ursache zu schlieen). Sie beherrschen Stabilisierungs- und
Regularisierungstechniken, und sie sind in der Lage, die Theorie am Experiment zu rechtfertigen (Verdeutli-
chung an Beispielen). Sie verstehen die mathematischen Hintergrnde der Algorithmen und knnen die Mg-
lichkeiten und Grenzen ihres Einsatzes kritisch beurteilen. Sie verstehen die Beweise aus der Vorlesung und
sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue
Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Einfhrende Beispiele,
Schlechtgestellte Operatorgleichungen,
Regularisierungsmethoden (Singulrwertzerlegung, Tikhonov-Regularisierung, iterative Verfahren, Multi-
resolutionstechniken).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Funktionalanalysis aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 161 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Colton, R. Kress: Inverse Acoustic and Electromagnetic Scattering Theory,
A. Kirsch: An Introduction to the Mathematical Theory of Inverse Problems,
A. Louis: Inverse und schlecht gestellte Probleme,
A. Rieder: Keine Probleme mit inversen Problemen.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 162 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Lie Algebras (Lie-Algebren)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-43-22-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Lie Algebras 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Methoden und Aussagen der Theorie der Lie-
Algebren. Sie haben wichtige Beispiele kennengelernt und sind in der Lage, diese mit wissenschaftlichen Me-
thoden zu untersuchen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die
dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

Durch die Bearbeitung von bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet.

3 Inhalte:

Teil 1:
endliche Spiegelungsgruppen, Wurzelsysteme,
Klassifikation der halbeinfachen, komplexen Lie-Algebren.
Teil 2:
auflsbare und nilpotente Lie-Algebren,
Darstellungstheorie der halbeinfachen, komplexen Lie-Algebren.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Algebra aus dem Bachelorstudiengang Mathematik, Modul Charac-
ter Theory of Finite Groups.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 163 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. E. Humphreys: Introduction to Lie Algebras and Representation Theory,
K. Erdmann: Introduction to Lie Algebras.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. G. Malle

Lehrende: Prof. Dr. C. Fieker, Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

12 Sonstige Informationen:
Das Modul kann aufgeteilt werden in die (Teil-)Module Lie Algebras Part 1 und Lie Algebras Part 2
(jeweils 4,5 LP).

- 164 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Malliavin Calculus and Applications (Malliavin-Kalkl und Anwendungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-12-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Malliavin Calculus and Appli- 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


cations 1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Kenntnisse im Malliavin-Kalkl und seinen Anwendungen erworben. Sie
sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusammen-
hnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese
nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die
Gltigkeit der Aussagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Grundlagen des Malliavin-Kalkl:


Wiener Chaos-Zerlegung,
Malliavin-Ableitung,
Divergenzoperator und stochastische Integration.

Anwendungen:
Regularitt von Wahrscheinlichkeitsmaen,
Antizipierende stochastische Differentialgleichungen,
Malliavin-Kalkl in der Finanzmathematik,
Grenzwertstze.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Kenntnisse in stochastischer Analysis (z.B. aus dem Modul Stochastic Differential Equations bzw.
Financial Mathematics) und in Funktionalanalysis (z.B. aus dem Modul Functional Analysis).

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 165 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Nualart: The Malliavin Calculus and Related Topics,
D. Nualart: Malliavin Calculus and Its Applications.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. K. Ritter

Lehrende: Jun. Prof. Dr. F. Lindner, Prof. Dr. K. Ritter, weitere Dozentinnen und Dozenten des Fach-
bereichs Mathematik

- 166 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Markov Switching Models and their Applications in Finance (Markov Switching-Modelle und
ihre Anwendungen in der Finanzwirtschaft)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-20-M-7 135 h 4,5 LP 2 oder 3 Unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Markov Switching Models and 2 SWS / 30 h Vorlesung 105 h 15-30 Studierende


their Applications in Finance

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen Eigenschaften von Markov Switching-Modellen, die sich zur Modellie-
rung von Finanzzeitreihen und fr Anwendungen in der Finanzmathematik eignen, sowohl in diskreter als auch
in stetiger Zeit. Sie knnen unterschiedliche Modellierungsanstze kritisch beurteilen, verstehen die theoreti-
schen Grundlagen der Filtertheorie und von Verfahren zur Parameterschtzung und Modellwahl und wissen,
wie diese implementiert werden knnen. Im Hinblick auf die Berechenbarkeit in der Anwendung und den Ver-
gleich mit konometrischen Eigenschaften von Finanzzeitreihen sind sie in der Lage, eine begrndete Modell-
wahl fr verschiedene Anwendungen in der Finanzmathematik und Zeitreihenanalyse zu treffen. Sie verstehen
die Beweise aus der Vorlesung und knnen diese nachvollziehen und erklren.

3 Inhalte:

Zeitdiskrete und zeitstetige Markovketten,


Hidden Markov-Modelle in diskreter Zeit,
Markov Switching-Modelle in stetiger Zeit,
Filtern und Parameterschtzung,
Modellierung von Kursen von Finanzgtern,
konometrische Eigenschaften von Finanzzeitreihen und Modellerweiterungen,
Anwendungen in der Portfoliooptimierung.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Mathematical Statistics" oder Probability Theory". Kenntnisse aus Time Series Analysis
oder Financial Mathematics sind von Vorteil, werden aber nicht unbedingt bentigt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 167 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

Lehrveranstaltung ist einbringbar als Wahlpflichtbestandteil des Vertiefungsmoduls im Masterstudiengang


Finanz- und Versicherungsmathematik.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Bain, D. Crisan: Fundamentals of Stochastic Filtering,
O. Capp, E. Moulines, T. Rydn: Inferences in Hidden Mrkov Models,
R.J. Elliott, L. Aggoun, J.B. Moore: Hidden Markov Models Estimation and Control,
S. Frhwirth-Schnatter: Finite Mixture and Markov Switching Models,
J.R. Norris: Markov Chains,
R.S. Tsay: Analysis of Financial Time Series.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. J. Franke, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Interest Rate Theory kombiniert werden zu einem Modul Interest Rate The-
ory; Markov Switching Models and their Applications in Finance (9 LP).

- 168 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Mathematical Analysis of Linear PDEs (Mathematische Analysis linearer partieller Differential-


gleichungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-36-M-7 270 h 9 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Mathematical Analysis of Line- 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


ar PDEs 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben wichtige Methoden zur Behandlung linearer partieller Differentialgleichungen (PDG)
erlernt. Dabei geht es vor allem um Existenz-, Eindeutigkeits-, und Regularittsaussagen, durch welche die
Wohlgestelltheit einer linearen PDG berprft werden kann. Die Studierenden sind in der Lage, mit Hilfe dieser
Methoden wichtige Informationen zum qualitativen Verhalten der Lsung linearer partieller Differentialglei-
chungen zu gewinnen. Sie knnen die wesentlichen Aussagen der Vorlesung benennen und beweisen, sowie
die dargestellten Zusammenhnge einordnen und erlutern.

In den bungen haben sie sich einen routinierten Umgang mit den eingefhrten mathematischen Objekten
und Methoden erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvoll-
ziehen und auf konkrete Beispiele von (Anfangs- und) Randwertproblemen anzuwenden.

3 Inhalte:

Wiederholung von Themen der Funktionalanalysis (lineare Rume, Dualrume und schwache Konvergenz,
kompakte Operatoren, Einbettungen, Fredholm-Theorie, Rnder und Regularitt); Schnellkurs Sobolev-
Rume (schwache Ableitungen, Definition von Sobolev-Rumen, Approximation durch glatte Funktionen,
Spuren, Sobolevsche Ungleichungen und Einbettungen, Poincar-Ungleichungen),
Elliptische lineare PDG zweiter Ordnung: Existenz von Lsungen via den Satz von Lax-Milgram, die Fred-
holmsche Alternative, Spektraltheorie, innere Regularitt, Regularitt bis zum Rand, Maximumprinzipien
(schwach und stark),
Parabolische lineare PDG zweiter Ordnung: Sobolev-Rume mit Einbeziehung der Zeit, Bochner-Rume,
Existenz schwacher Lsungen fr parabolische PDG zweiter Ordnung via Galerkin-Approximationen und
via der Rothe-Methode, Eindeutigkeit, Regularitt, Maximumprinzipien (schwach und stark),
Hyperbolische lineare PDG zweiter Ordnung: Existenz schwacher Lsungen via Energieabschtzungen und
Kompaktheit, Eindeutigkeit, Regularitt.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Vektoranalysis aus dem Bachelorstudiengang Mathematik, Modul Functional


Analysis. Hilfreich aber nicht zwingend erforderlich sind Kenntnisse aus den Modulen Introduction to PDE
und Sobolev Spaces.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 169 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. W. Alt: Lineare Funktionalanalysis,
L.C. Evans: Partial Differential Equations,
H. Brezis: Functional Analysis, Sobolev Spaces, and Partial Differential Equations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Surulescu

Lehrende: Prof. Dr. C. Dozentinnen und Dozenten des Fachbereichs Mathematik

- 170 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Mathematical Methods for Interacting Particle Systems (Mathematische Methoden fr intera-


gierende Teilchensysteme)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-34-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Mathematical Methods for 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


Interacting Particle Systems

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene mathematische Methoden zur Untersuchung intera-
gierender Teilchensysteme. Insbesondere sind ihnen die Modellhierarchien interagierender Teilchensysteme
vertraut, sie verstehen die asymptotische Herangehensweise und sie knnen die gelernten Methoden in Bei-
spielen anwenden. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen und zu bewei-
sen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

3 Inhalte:

Es werden Teilchensysteme mit einer groen Zahl an Teilchen und ihre Approximation mittels mesoskopischer,
kinetischer und makroskopischer Modelle betrachtet. Im Einzelnen werden behandelt:
Systeme unabhngiger Teilchen: Newton, Liouville, hyperbolische und diffuse Grenzwerte,
Systeme unabhngiger Teilchen: Langevin-, Fasergleichungen, Fokker-Planck-Gleichungen, hyperbolische
and diffuse Approximationen,
Systeme interagierender Teilchen: gekoppelte Newton-Systeme, die Liouville-Gleichung, Mean-Field-
Gleichungen, die Boltzmann-Gleichung, lineare Transportgleichungen, makroskopische Limiten,
Interagierende Teilchen: stochastische Teilchensysteme.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 171 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Spohn: Large scale dynamics of interacting particles.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Klar

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 172 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Mathematical Models for Semiconductor Devices (Mathematische Modelle fr Halbleiterbau-


elemente)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-35-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Mathematical Models for Se- 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


miconductor Devices

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene mathematische Modelle fr Halbleiter. Insbesondere
sind sie mit den mikroskopischen und makroskopischen Modellhierarchien vertraut und verstehen sowohl die
klassische als auch die quantenmechanische Modellierung. Sie knnen die gelernten Modelle und Methoden in
Beispielen anwenden und sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, sowie die
dargestellten Zusammenhnge einzuordnen und zu erlutern.

3 Inhalte:

Es werden die mikroskopischen und makroskopischen Modellhierarchien fr Halbleiter hergeleitet und unter-
sucht. Dabei werden sowohl klassische als auch quantenmechanische Anstze fr ultra-kleine Bauelemente
bercksichtigt. Insbesondere liegt der Schwerpunkt auf:
Grundlagen der Halbleiterphysik: Ladungstransport, Wechselwirkungen, Elektrostatik,
Mikroskopische Modelle: Newton-, Liouville- und Fokker-Planck-Gleichungen, Schrdinger-Gleichungen,
Klassische makroskopische Modelle: Drift-Diffusions-Gleichungen, Hydrodynamische Modelle, Energie-
Transport-Systeme
Makroskopische Quanten-Modelle: Madelung-Transformation, Quanten-Drift-Diffusion, Quanten-Energie-
Transport.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 173 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P. Markowich, Ch. Ringhofer, Ch. Schmeiser: Semiconductor Equations,
A. Jngel: Quasi-hydrodynamic Semiconductor Equations,
S. Selberherr: Analysis and Simulation of Semiconductor Devices.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 174 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Mathematical Theory of Fluid Dynamics (Mathematische Theorie der Strmungsdynamik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-18-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Mathematical Theory of Fluid 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


Dynamics

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene mathematische Methoden zur Untersuchung str-
mungsdynamischer Gleichungen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen
und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und
sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Es werden die mathematischen Konzepte zur Herleitung der Navier-Stokes Gleichungen aus Erhaltungsprinzi-
pien und die sich daraus ergebenden Resultate der Strmungsdynamik behandelt. Speziell werden folgende
Inhalte vermittelt:
Herleitung der Stokes- und Navier-Stokes-Gleichungen,
Potentialstrmungen, Wirbelformulierung,
Zirkulationsstze,
Turbulenz.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 175 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Feistauer: Mathematical Methods in Fluid Dynamics.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 176 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Matroids - Theory and Applications (Matroide Theorie und Anwendungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-51-14-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Matroids - Theory and Applica- 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


tions 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen die grundlegenden Begriffe, Ideen und Konzepte der Matroidtheorie. Sie verste-
hen die Bedeutung und Anwendungen der Matroidtheorie in der kombinatorischen Optimierung und kennen
Bezge der Matroidtheorie zu weiteren mathematischen Teilgebieten und Anwendungen der Theorie auf prak-
tische Probleme. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aus-
sagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Grundbegriffe der Matroidtheorie (u.A. Unabhngigkeitssystem, Zirkuit, Zyklus, Basis, Rangfunktion, Ab-
schluss), Matroide als Verallgemeinerung von Begriffen und Konzepten der linearen Algebra und Graphen-
theorie,
quivalente Definitions- und Axiomensysteme fr Matroide,
Matroiddualitt, Minorenbildung, Reprsentierbarkeit, Matrixmatroide, regulre und binre Matroide, gra-
phische und kographische Matroide, uniforme Matroide, Transversalmatroide, algebraische Matroide,
Algorithmische Aspekte von Matroiden, Greedy-Algorithmen,
Anwendungen der Matroidtheorie in der kombinatorischen Optimierung, u.A. Matroidpolyeder und ihre
Beschreibung, Gewichtsminimale (Fundamentale) Zyklenbasenprobleme in binren, graphischen und co-
graphischen Matroiden, Komplexittsbetrachtungen und Algorithmen, polyedrische Betrachtungen, For-
mulierungen als ganzzahlige lineare Programme, Relaxierungen, Heuristiken,
Anwendungen und Bezge der Matroidtheorie zu weiteren Gebieten (Bsp. Kodierungstheorie, Elektrotech-
nik, Informatik).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 177 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Die Literatur wird in der Lehrveranstaltung bekannt gegeben.

Lernunterlagen,
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. H. Hamacher

Lehrende: Prof. Dr. H. Hamacher, Dr. F. Kmmerer, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 178 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Methods of Convex Analysis in Image Processing (Methoden der Konvexen Analysis in der
Bildverarbeitung)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-65-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Methods of Convex Analysis in 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


Image Processing 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen grundlegende Begriffe und Strukturen der Konvexen Analysis. Sie sind mit entspre-
chenden numerischen Algorithmen vertraut und knnen diese auf verschiedene Problemstellungen in der
digitalen Bildverarbeitung anwenden. Sie verstehen die mathematischen Hintergrnde dieser Algorithmen und
knnen die Mglichkeiten und Grenzen ihres Einsatzes kritisch beurteilen. Sie verstehen die Beweise aus der
Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darle-
gen, welche Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben die Studierenden sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet und verschiedene Implementierungen zur
Anwendung der Algorithmen in der Bildverarbeitung durchgefhrt.

3 Inhalte:

Motivation: Grundproblemstellungen aus der Bildverarbeitung (Bildrestauration: Entrauschen, Beseitigung


von Unschrfe, Inpainting; Segmentierung),
Konvexe Mengen (Grundbegriffe, konvexe Kegel, Projektions- und Separationsstze),
Konvexe Funktionen (Grundbegriffe, Stetigkeit konvexer Funktionen, konvexe Optimierungsprobleme),
Subgradienten (Grundbegriffe, Subdifferentialrechnung, mengenwertige Abbildungen),
Dualitt (Legendre-Fenchel Konjugierte, Lagrange Funktionen, Sattelpunktprobleme),
Numerische Optimierungsverfahren mit Anwendung auf Bildverarbeitungsprobleme.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in die Numerik" aus dem Bachelorstudiengang Mathematik, Modul
Foundations in Mathematical Image Processing.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 179 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse


oder Modellierung und wissenschaftliches Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Auslender, M. Teboulle: Asymptotic Cones and Functions in Optimization and Varia-
tional Inequalities,
H. H. Bauschke, P. L. Combettes: Convex Analysis and Monotone Operator Theory in
Hilbert Spaces,
K. Bredies, D. Lorenz: Mathematische Bildverarbeitung,
I. Ekeland, R. Temam: Convex Analysis and Variational Problems,
F. Facchinei, J.-S. Pang: Finite-Dimensional Variational Inequalities and Complementarity
Problems, volume I + II,
J.-B. Hiriart-Urruty, C. Lemarechal: Convex Analysis and Minimization Algorithms, volume
1 + 2,
J.-B. Hiriart-Urruty, C. Lemarechal: Fundamentals of Convex Analysis,
R. T. Rockafellar: Convex Analysis,
R. T. Rockafellar, R. J.-B. Wets: Variational Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 180 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Multicriteria Optimization (Multikriterielle Optimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-14-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Multicriteria Optimization 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen fortgeschrittene Methoden und Algorithmen zur Lsung multikriterieller Opti-
mierungsprobleme. Sie sind in der Lage, reale Probleme aus wirtschaftswissenschaftlichen, technischen und
physikalischen Bereichen mittels mathematischer Methoden zu modellieren und zu lsen. Sie knnen die Algo-
rithmen analysieren sowie die Mglichkeiten und Grenzen des Einsatzes der Algorithmen kritisch beurteilen.
Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.
Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig
sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Notwendigkeit von Modellierung mit mehreren Zielfunktionen,


Ordnungsstrukturen und Optimalittsbegriff,
Charakterisierung von effizienten und nicht-dominierten Lsungen,
Skalarisierungsmethoden und Approximationsverfahren,
Multikriterielle Lineare Programme,
Multikriterielle kombinatorische Optimierung.
In Vorlesung und bungen werden teilweise einer der Inhaltspunkte oder ein weiteres Schwerpunktthema
besonders ausfhrlich behandelt. Details werden jeweils im Informationssystem der TU Kaiserslautern bekannt
gegeben.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik;


je nach Schwerpunktsetzung werden auch Kenntnisse aus der Lehrveranstaltung Integer Programming: Po-
lyhedral Theory and Algorithms vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 181 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung oder Bildverarbeitung


und Datenanalyse;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Ehrgott: Multicriteria Optimization.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Ruzika

Lehrende: Prof. Dr. S. Ruzika, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 182 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Network and Discrete Location Theory (Netzwerk- und Diskrete Standorttheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-51-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Network and Discrete Location 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


Theory 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen guten berblick ber gngige Verfahren zur Lsung von Netzwerk- und diskre-
ten Standortproblemen erworben. Letztere sind bei vielen Anwendungen in Industrie und Gesellschaft von
groer Bedeutung. Die Studierenden haben gelernt, die Mglichkeiten und Grenzen der Algorithmen kritisch zu
beurteilen und sie sind dabei an aktuelle Forschungsthemen herangefhrt worden.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

In Vorlesung und bungen werden die Grundlagen der Netzwerk- und diskreten Standorttheorie erarbeitet. Im
letzten Teil des Moduls werden zudem aktuelle Forschungsthemen vorgestellt, an denen die Studierenden
mitarbeiten knnen.
Im Einzelnen werden folgende Inhalte behandelt:
Beziehungen zwischen krzesten Wegen und Netzwerkstandortproblemen,
Multikriterielle Netzwerkstandortprobleme,
Formulierung von Netzwerkstandortproblemen als ganzzahlige Optimierungsprobleme,
Komplexittsanalyse fr Netzwerk- und diskrete Standortprobleme,
Fortgeschrittene Standortmodelle und Forschungsthemen

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik;


Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 183 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. S. Daskin: Network and Discrete Location: Models, Algorithms, and Applications,
S. Nickel: Discrete and Network Location Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Ruzika

Lehrende: Prof. Dr. S. Ruzika, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 184 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Nonlinear Control Theory (Nichtlineare Kontrolltheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-82-15-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Nonlinear Control Theory 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte der nichtlinearen Kontrolltheorie. Sie sind in
der Lage, die wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuord-
nen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollzie-
hen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der
Aussagen notwendig sind.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Prob-
leme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Methoden der Regelung nicht linearer Systeme, speziell:


Stabilitt nichtlinearer Systeme, Lyapunovtheorie, Vergleichsfunktionen, input-to-state stability (ISS),
Linearisierungsanstze und Normalformen nichtlinearer Systeme,
Verschiedene Regelkonzepte, z.B. Backstepping, Prdiktive Regelung, sliding mode, flachheitsbasierte
Regelung,
Nichtlinearer Beobachter.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in die Numerik aus dem Bachelorstudiengang Mathematik; Modul
Introduction to Systems and Control Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 185 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder System- und Kontrolltheorie;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Adamy: Nichtlineare Regelung,
A. Isidori: Nonlinear Control Systems I and II,
H.K. Khalil: Nonlinear Systems,
J. Levine: Analysis and control of nonlinear systems. A flatness-based approach.
S. Sastry: Nonlinear Systems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. D. Prtzel-Wolters, Jun. Prof. Dr. S. Trenn, weitere Dozentin-
nen und Dozenten des Fachbereichs Mathematik

- 186 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Nonlinear Functional Analysis with Applications to PDE (Nichtlineare Funktionalanalysis mit


Anwendungen auf PDGL)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-14-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Nonlinear Functional Analysis 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


with Applications to PDE

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen fortgeschrittene Methoden und Techniken, die insbesondere bei der Analyse
und Lsung von nichtlinearen elliptischen und parabolischen partiellen Differentialgleichungen eine zentrale
Rolle spielen. Sie haben dabei eine vertiefte Erkenntnis ber das Zusammenspiel und die gegenseitige Beein-
flussung von Theorie und Anwendungen gewonnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorle-
sung zu benennen und zu beweisen sowie die dargestellten Zusammenhnge einzuordnen und zu erlutern.

Anhand konkreter Beispiele haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Be-
griffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und
sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Aus dem groen Gebiet der nichtlinearen Funktionalanalysis werden Methoden und Techniken behandelt, die
insbesondere bei der Untersuchung von nichtlinearen elliptischen und parabolischen partiellen Differential-
gleichungen eine zentrale Rolle spielen. Speziell werden folgende Inhalte vermittelt:
Fixpunktstze,
Integration und Differentiation in Banachrumen,
die Theorie monotoner Operatoren sowie deren Anwendung bei der Untersuchung von nichtlinearen ellip-
tischen und parabolischen partiellen Differentialgleichungen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE, Introduction to PDE und Functional Analysis; wnschenswert: Nu-
merical Methods for Elliptic and Parabolic PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 187 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. W. Alt: Lineare Funktionalanalysis,
H. Gajewski, K. Grger, K. Zacharias: Nichtlineare Operatorgleichungen und Operatordif-
ferentialgleichungen,
D. Gilbert, N. S. Trudinger: Elliptic partial differential equations of second order,
E. Hille, S. Phillips: Functional analysis and semigroups,
M. Ruzicka: Nichtlineare Funktionalanalysis: Eine Einfhrung,
R. E. Showalter: Monotone operators in Banach space and nonlinear partial differential
equations,
K. Yoshida, Functional analysis,
E. Zeidler, Nonlinear functional analysis and its applications I: Fixed-point theorems,
E. Zeidler, Nonlinear functional analysis and its applications II/B.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

12 Sonstige Informationen:
Dieses Modul kann wegen groer inhaltlicher berschneidungen nicht gemeinsam mit dem Modul Nonlinear
Partial Differential Equations in die Masterprfung eingebracht werden.

- 188 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Nonlinear Partial Differential Equations (Nichtlineare Partielle Differentialgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-13-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Nonlinear PDE 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben Methoden zur Behandlung linearer und nichtlinearer partieller Differentialgleichun-
gen erlernt. Dabei geht es vor allem um Existenz-, Eindeutigkeits-, und Regularittsaussagen, durch welche die
Wohlgestelltheit eines PDG-Modells berprft werden kann. Darber hinaus sind die Studierenden in der Lage,
mit Hilfe dieser Methoden wichtige Informationen zum qualitativen Verhalten der Lsung nichtlinearer partiel-
ler Differentialgleichungen zu gewinnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu
benennen, die dargestellten Zusammenhnge einzuordnen und zu erlutern.

In den bungen haben sie sich einen routinierten Umgang mit den eingefhrten mathematischen Objekten
und Methoden erarbeitet und Einblicke in interdisziplinre Fragestellungen gewonnen. Sie haben gelernt, die
Methoden auf neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Grundlagen: Schwache Konvergenz und Kompaktheit,


Elliptische Partielle Differentialgleichungen: Schwache Lsungstheorie (Lax-Milgram, Fredholm-
Alternative), Regularitt (im Inneren, bis zum Rand), Eigenwertprobleme, Maximumprinzipien.
Evolutionsgleichungen: Dualittstheorie, schwache Konvergenz in Hilbert-Rumen, Gelfand-Tripel, Rume
zeitabhngiger Funktionen, parabolische Gleichungen (schwache Formulierung, Existenz u. Eindeutigkeit,
Regularitt, Maximumprinzipien), hyperbolische Partielle Differentialgleichungen,
Variationsrechnung,
Fixpunktstze und Theorie monotoner Operatoren,
Approximationen: Iterationen, Raumdiskretisierung (Galerkin), Zeitdiskretisierung (Rothe), Regularisierun-
gen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Gewhnliche Differentialgleichungen des Bachelorstudiengangs


Mathematik; Module Numerics of ODE und Functional Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 189 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen ;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R.A. Adams: Sobolev Spaces,
H. Brezis: Functional Analysis, Sobolev Spaces and Partial Differential Equations,
L.C. Evans: Partial Differential Equations,
G.M. Lieberman: Second Order Parabolic Partial Differential Equations,
M. Ruzicka: Nichtlineare Funktionalanalysis,
R. Showalter: Monotone operators in Banach space and nonlinear partial differential
equations.
E. Zeidler: Nonlinear Functional Analysis and its Applications II/B: Nonlinear Monotone
Operators.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Surulescu

Lehrende: Prof. Dr. C. Surulescu, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Dieses Modul kann wegen groer inhaltlicher berschneidungen nicht gemeinsam mit dem Modul Nonlinear
Functional Analysis with Applications to PDE in die Masterprfung eingebracht werden.

- 190 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Nonparametric Statistics (Nichtparametrische Statistik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Nonparametric Statistics 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen guten berblick ber moderne statistische Verfahren, die ohne einschrnkende
Modellannahmen auskommen und damit die Grundlage fr zahlreiche Methoden aus dem Bereich Artificial
Intelligence und Machine Learning bilden, dafr aber groe Datenmengen (BigData) und hohen Rechenauf-
wand erfordern. Sie haben grundlegende Kenntnisse in der Theorie und den Algorithmen der nichtparametri-
schen Statistik, und sie knnen die Mglichkeiten und Grenzen des Einsatzes fr datengetriebene Klassifikati-
on, Mustererkennung, Funktionsschtzung und Vorhersagen kritisch beurteilen.

Die Studierenden haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussa-
gen und Methoden der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage,
diese nachzuvollziehen und zu erklren.

3 Inhalte:

Smoothing Methods for Estimating Functions:


Glttungsverfahren zum Schtzen von Funktionen (Kernschtzer, lokal polynomiale Schtzer, nchste-
Nachbarschtzer, Splinegltter) und ihre Asymptotik,
Anwendungen in der Regressions- und Bildanalyse,
datengesteuerte Wahl des Glttungsparameters mit Kreuzvalidierung,
Spektralzerlegung und Spektralschtzer fr stationre Zeitreihen.

Nonparametric Regression and Classification:


Regressionsanalyse in hohen Dimensionen am Beispiel Boosting,
Allgemeine Siebschtzer fr Funktionen und ihre Asymptotik,
Regressions- und Klassifikationsbume, Neuronale Netze, Orthogonalreihenentwicklungen und Wavelets
als Beispiele,
Anwendungen beim Schtzen von Funktionen und bei der Lsung von Klassifikationsproblemen mit hoch-
dimensionalen Prdiktorvariablen.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Regression and Time Series Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 191 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse,


Finanzmathematik oder Statistik;
Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: L. Gyrfy, M. Kohler, A. Krzyzak, H. Walk: A Distribution-Free Theory of Nonparametric
Regressions,
W. Hrdle: Applied Nonparametric Regression,
B. Silverman: Density Estimation for Statistics and Data Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. J. Franke

Lehrende: Prof. Dr. J. Franke, Prof. Dr. C. Redenbach, Dr. J.-P. Stockis, weitere Dozentinnen und Do-
zenten des Fachbereichs Mathematik

- 192 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerical Methods in Control Theory (Numerische Methoden der Kontrolltheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-82-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerical Methods in Control 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende


Theory

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Konzepte zur numerischen Behandlung kontrolltheore-
tischer Probleme sowie die mathematischen Techniken zur Analyse der Verfahren. Sie sind in der Lage, die
wesentlichen Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen und zu
erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu
erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen
notwendig sind.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Prob-
leme zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Numerische Methoden zur Behandlung von Problemen in der linearen Kontrolltheorie werden betrachtet,
insbesondere:
allgemeine und strukturierte Eigenwertprobleme, Normalformen,
Matrixgleichungen (z.B. Lyapunov und Riccati) und ihre numerische Lsung,
Allgemeine Theorie groer Gleichungssysteme,
Modellreduktion (speziell basierend auf Singulrwertzerlegungen und Krylovraumverfahren).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in die Numerik aus dem Bachelorstudiengang Mathematik; Modul
Introduction to Systems and Control Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 193 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder System- und Kontrolltheorie;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A.C. Antoulas: Approximation of Large-Scale Dynamical Systems,
P.H. Petkov, N.D. Christov, M.M. Konstantinov: Computational Methods for Linear Control
Systems,
B. Datta: Numerical Methods for Linear Control Systems,
A. Linnemann: Numerische Methoden fr lineare Regelungssysteme,
K. Zhou, J.C. Doyle, K. Glover: Robust and Optimal Control.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, Jun. Prof. Dr. S. Trenn, weitere
Dozentinnen und Dozenten des Fachbereichs Mathematik

- 194 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Numerics of Stochastic Processes (Numerik stochastischer Prozesse)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-64-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Numerik stochastischer 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


Prozesse 1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in der Theorie, Approximation und Simulation von Zufallsfeldern.
Sie haben darber hinaus einen exemplarischen Einblick in Anwendungen (Geostatistik, Strmungsdynamik)
gewonnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestell-
ten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in
der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

Stochastische Prozesse mit einem mehrdimensionalen kontinuierlichen Parameterbereich, genannt Zufallsfel-


der, dienen zur Modellierung zuflliger rumlicher (und zeitlicher) Phnomene. Themen der Lehrveranstaltung
sind:
Klassische Beispiele fr Zufallsfelder: Brownsches Blatt und Lvys Brownsche Bewegung,
Hilbert-Rume mit reproduzierendem Kern,
Isotropie und Stationaritt von Zufallsfeldern,
Regularitt und Approximation von Zufallsfeldern, Reihendarstellungen,
Dnne Gitter und der Smolyak-Algorithmus.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Probability Theory und Functional Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 195 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: K. Ritter: Average Case Analysis of Numerical Problems.

Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. K. Ritter

Lehrende: Prof. Dr. K. Ritter, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 196 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Online Optimization (Online-Optimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-14-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Online Optimization 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Online-Problematik und das Prinzip der kompetitiven Analyse. Sie
haben gelernt, Online-Probleme auf die Existenz von kompetitiven Algorithmen hin zu analysieren und untere
Schranken fr deterministische und randomisierte Algorithmen zu berechnen. Sie knnen Kompetitivitts-
Resultate bewerten und die in der Veranstaltung vorgestellten Techniken verwenden, um kompetitive Algo-
rithmen fr Online-Probleme selbstndig zu entwickeln. Sie verstehen die Beweise aus der Vorlesung und sind
in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Kompetitive Analyse fr deterministische und randomisierte Algorithmen,


Gegenspielerkonzepte, Adaptive und Nicht-Adaptive Gegenspieler bei randomisierten Algorithmen,
Amortisierte Kosten, Potential-Methode fr Kostenanalyse,
Kompetitive Algorithmen fr Paging/Caching,
Metrische Tasksysteme und Request-Answer-Games als allgemeinere Online-Probleme,
Konstruktion von kompetitiven Algorithmen fr spezielle Online-Probleme (z.B. k-Server-Problem, Netz-
werk-Routing, Packungs- und berdeckungsprobleme, Scheduling),
Prinzip von Yao als Mittel zur Berechnung unterer Schranken,
Alternative Analysekonzepte fr Online-Probleme.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik,


Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 197 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Borodin, R. El-Yaniv: Online Computation and Competitive Analysis,
A. Fiat, G. J. Woeginger: Online Algorithms: The State of the Art,
D. S. Hochbaum: Approximation Algorithms for NP-hard problems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Krumke

Lehrende: Prof. Dr. S. Krumke, Jun. Prof. Dr. C. Thielen , weitere Dozentinnen und Dozenten des
Fachbereichs Mathematik

- 198 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Operator Semigroups and Applications to PDE (Operator-Halbgruppen und Anwendungen auf


Partielle Differentialgleichungen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-71-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Operator Semigroups and 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


Applications to PDE 2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis mit Anwendungen in
aktuellen Forschungsgebieten (u.a. im Bereich der Differentialgleichungen sowie der mathematischen Physik)
erworben. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten
Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der
Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzun-
gen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Definitionen, Generatoren, Resolventen, Beispiele,


Hille-Yosida Theorem, Lumer-Phillips Theorem,
Kontraktions-Halbgruppen, Analytische Halbgruppen, Operator-Gruppen,
Approximationen, Strungen,
Anwendungen auf Partielle Differentialgleichungen (u.a. Wrmeleitungsgleichungen, Wellengleichungen,
Schrdinger-Gleichungen).

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Functional Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 199 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E.B. Davies: One Parameter Semigroups,
K.-J. Engel, R. Nagel: A Short Course on Operator Semigroups,
K.-J. Engel, R. Nagel: One-Parameter Semigroups for Linear Evolution Equations,
J. Goldstein: Semigroups of Linear Operators and Applications,
A. Pazy: Semigroups of Linear Operators and Applications to Partial Differential Equa-
tions.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 200 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Optimal Control of ODEs and DAEs (Optimale Steuerung von ODEs und DAEs)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-33-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Optimal Control of ODE and 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


DAE

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen Grundbegriffe der optimalen Steuerung, und sie kennen Beispiele fr
in Anwendungen vorkommende Optimalsteuerungsprobleme. Sie beherrschen Konzepte und Verfahren zur
Analyse solcher Probleme, und sie sind in der Lage, verschiedene Anstze und Methoden zur numerischen
Lsung solcher Probleme einander gegenberzustellen und dabei die Mglichkeiten und Grenzen des Einsat-
zes der Methoden kritisch zu beurteilen.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den aus der Vorlesung erarbeitet.

3 Inhalte:

Probleme der optimalen Steuerung fr ODEs und DAEs: Allgemeine Formulierungen und Beispiele aus der
Anwendung,
Unendlich-dimensionale Optimierungsprobleme,
Notwendige Optimalittsbedingungen,
Numerische Lsungsverfahren: Indirekte Methoden, direkte Methoden, Verfahren im Funktionenraum,
Optionale Themen: Modellprdiktive Regelung; Dynamische Programmierung; Gemischt-Ganzzahlige
Optimalsteuerungsprobleme.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Gewhnliche Differentialgleichungen und Einfhrung in die


Numerik" aus dem Bachelorstudiengang Mathematik, Modul Numerics of ODE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 201 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Gerdts: Optimal Control of ODEs and DAEs,
J.T. Betts: Practical Methods for Optimal Control and Estimation using Nonlinear Pro-
gramming,
L.S. Pontryagin, V.G. Boltyanskij, R.V. Gamkrelidze, E.F. Mishenko: Mathematische Theorie
optimaler Prozesse,
A.D. Ioffe, V.M. Tihomirov: Theory of extremal problems,
A.E. Bryson, Y.-C. Ho: Applied Optimal Control.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. B. Simeon

Lehrende: Prof. Dr. B. Simeon, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 202 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Optimization on Manifolds (Optimierung auf Mannigfaltigkeiten)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-65-15-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 2 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Optimization on Manifolds 2 SWS / 30 h Vorlesung 180 h 10-25 Studierende


Part 1 1 SWS / 15 h bung

Optimization on Manifolds 2 SWS / 30 h Vorlesung


Part 2 1 SWS / 15 h bung

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen grundlegende Methoden und Aussagen der Theorie Riemannscher
Mannigfaltigkeiten. Durch den ersten Teil der Veranstaltung sind sie mit Optimierungs- und Abstiegsmetho-
den erster Ordnung auf Mannigfaltigkeiten vertraut. Sie haben wichtige Beispiele von Mannigfaltigkeiten ken-
nengelernt und dabei einen Eindruck davon gewonnen, welche Rolle Mannigfaltigkeiten im Kontext der Bild-
verarbeitung und Datenanalyse einnehmen. Im zweiten Teil der Veranstaltung haben die Studierenden ihre
Kenntnisse erweitert und dabei effektivere Optimierungsmethoden zweiter Ordnung auf Mannigfaltigkeiten
kennengelernt. Zudem haben sie gelernt, wie Methoden der konvexen Analysis auf Hadamard-Mannigfaltig-
keiten verallgemeinert werden knnen.

Sie verstehen jeweils die mathematischen Hintergrnde der Algorithmen und sind in der Lage diese zu analy-
sieren und auf konkrete Fragestellungen anzuwenden. Sie verstehen die Beweise aus der Vorlesung und sind in
der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Vorausset-
zungen und Annahmen fr die Gltigkeit der Aussagen notwendig sind. Durch die Bearbeitung von bungsauf-
gaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und
Methoden aus der Vorlesung erarbeitet und Implementierungen zur Anwendung der Algorithmen in der Bild-
verarbeitung durchgefhrt.

3 Inhalte:

Teil 1:
Differenzierbare endlich-dimensionale Mannigfaltigkeiten: Karten, Atlanten, Tangentialvektoren und Tan-
gentialrume, Vektorfelder, Differential einer Abbildung,
Riemannsche Metrik, Geodten, Exponentialabbildung und Logarithmus,
Satz von Hopf-Rinow,
Optimierungs- und Abstiegsmethoden erster Ordnung,
Beispiele von Mannigfaltigkeiten: Sphren, hyperbolische Rume, positiv definite Matrizen, Wahrschein-
lichkeitssimplizes, Grassmannsche Mannigfaltigkeiten, Stiefel-Mannigfaltigkeiten, Mannigfaltigkeiten von
niedrigem Rang, spezielle Euklidische Gruppe, Rotationsgruppe.

Teil 2:
Zusammenhnge und Paralleltransport,
Christoffel-Symbole,
Krmmung,
Hessesche,
Optimierungsmethoden zweiter Ordnung, Newton-hnliche Verfahren,
Hadamard-Mannigfaltigkeiten: Einfhrung, Proximal-Punkt-Abbildung, Optimierungsmethoden aus der
konvexen Analysis,
(ggf. Ausblicke: Lie-Gruppen und Lie-Algebren, Integration auf Mannigfaltigkeiten).

- 203 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung: Funktionalanalysis, Vektoranalysis und Einfhrung in die Nu-


merik" aus dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse;


Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P.-A. Absil, R. Mahony, R. Sepulchre: Optimization Algorithms on Matrix Manifolds,
J. Jost: Riemannian Geometry and Geometric Analysis,
J. M. Lee: Introduction to Smooth Manifolds,
S. Helgason: Differential Geometry, Lie Groups and Symmetric Spaces,
D. Gromoll, W. Klingenberg, and W. Meyer: Riemannsche Geometrie im Groen.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. G. Steidl

Lehrende: Prof. Dr. G. Steidl, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann aufgeteilt werden in die (Teil-)Module Optimization on Manifolds Part 1 und Optimization
on Manifolds Part 2 (jeweils 4,5 LP).

- 204 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Optimization with PDE (Optimierung mit Partiellen Differentialgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-16-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Optimization with PDE 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen die Theorie und numerische Verfahren zur Analyse und Lsung von restringier-
ten Optimierungsproblemen. Sie knnen die Algorithmen analysieren und auf konkrete Problemstellungen
anwenden. Zudem knnen sie die Mglichkeiten und Grenzen des Einsatzes der Algorithmen kritisch beurtei-
len. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren.
Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig
sind.

Anhand konkreter Aufgaben haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den
Begriffen, Aussagen und Methoden der Vorlesung erarbeitet.

3 Inhalte:

Es werden die mathematischen Konzepte zur Behandlung von Optimierungsaufgaben unter Differentialglei-
chungs-Nebenbedingungen bereitgestellt und untersucht. Speziell werden folgende Inhalte vermittelt:
Nicht-lineare Operatortheorie,
Adjungiertenkalkl,
Approximationsverfahren zur numerischen Lsung restringierter Optimierungsprobleme.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE, Introduction to PDE, Functional Analysis, wnschenswert: Numerical
Methods for Elliptic and Parabolic PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 205 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: M. Hinze, R. Pinnau, M. Ulbrich, S. Ulbrich: Optimal Control of Partial Differential Equa-
tions,
F. Troeltzsch: Optimale Steuerung partieller Differentialgleichungen,
J.L. Lions: Optimal Control of Systems Governed by Partial Differential Equations,
D.G. Luenberger: Optimization by Vector Space Methods.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. R. Pinnau

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 206 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

PDE based Multiscale Methods and Numerical Approaches for their Solution (Multiskalen-
methoden basierend auf PDGL und Numerische Lsungsanstze)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-20-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

PDE based Multiscale Methods 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


and Numerical Approaches for
their Solution

2 Lernergebnisse / Kompetenzen:

Die Studierenden beherrschen die Theorie und numerische Verfahren zur Analyse und Lsung von Multis-
kalenproblemen basierend auf partiellen Differentialgleichungen. Sie sind in der Lage, die wesentlichen Aus-
sagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen und zu erlutern.

Anhand konkreter Beispiele haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Be-
griffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und
sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Einfhrung in die Theorie der Multiskalenprobleme basierend auf partiellen Differentialgleichungen und in
Methoden fr deren Behandlung. Speziell werden folgende Inhalte vermittelt:
Homogenisierung elliptischer Gleichungen mit oszillierenden Koeffizienten,
Klassifikation von Multiskalenproblemen,
Fortgeschrittene numerische Algorithmen fr partielle Differentialgleichungen und Systeme von partiellen
Differentialgleichungen mit oszillierenden Koeffizienten (u.a. Multiskalen-Finite-Elemente-Methoden,
Multiskalen-Finite-Volumen-Methoden, Heterogene Multiskalen-Methoden, Untergitteransatz),
Numerische Methoden fr stochastische elliptische partielle DGL.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE; wnschenswert: Numerical Methods for
Elliptic and Parabolic PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 207 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Die Literatur wird in der Lehrveranstaltung bekannt gegeben.

Lernunterlagen,
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Klar

Lehrende: Prof. Dr. A. Klar, Prof. Dr. R. Pinnau, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 208 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Planar Location Theory (Planare Standorttheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-51-11-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Planar Location Theory 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen guten berblick ber gngige Verfahren zur Lsung von planaren Standortprob-
lemen erworben. Letztere sind von groer Bedeutung bei vielen Anwendungen in Industrie und Gesellschaft.
Die Studierenden haben gelernt, die Probleme zu klassifizieren und die Mglichkeiten und Grenzen der Algo-
rithmen kritisch zu beurteilen. Sie sind dabei an aktuelle Forschungsthemen herangefhrt worden.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien zu entwickeln.

3 Inhalte:

In Vorlesung und bungen werden die Grundlagen der planaren Standorttheorie erarbeitet. Im letzten Teil des
Moduls werden zudem aktuelle Forschungsthemen vorgestellt, an denen die Studierenden mitarbeiten knnen.
Im Einzelnen werden folgende Inhalte behandelt:
Klassifizierung von Standortproblemen,
Theorie und Lsungsalgorithmen in Abhngigkeit von Distanzfunktionen,
Restriktive und Barriereprobleme,
Multikriterielle Standortprobleme,
Erweiterte Standortmodelle und Forschungsthemen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik;


je nach Schwerpunktsetzung werden auch Kenntnisse aus der Lehrveranstaltung Integer Programming: Po-
lyhedral Theory and Algorithms vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 209 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Hamacher: Mathematische Lsungsverfahren fr planare Standortprobleme,
R.F. Love, J.G. Morris, G.O. Wesolowski: Facilities location, North Holland, 1988
R.L. Francis, F. McGinnis, J.A. White: Facility Layout and location, Prentice Hall, 1992
S. Nickel, J. Puerto: Location Theory: A Unified Approach.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Ruzika

Lehrende: Prof. Dr. S. Ruzika, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 210 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Reaction-Diffusion Equations with Applications to Biology and Medicine (Reaktions-


Diffusionsgleichungen mit Anwendungen in Biologie und Medizin)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-84-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Reaktions-Diffusionsgleichungen 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


mit Anwendungen in Biologie
und Medizin

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben gelernt, mathematische Modelle mithilfe von Reaktions-Diffusionsgleichungen fr


Anwendungen aus dem Bereich der Biologie bzw. Medizin aufzustellen und zu analysieren. Sie kennen fortge-
schrittene mathematische Werkzeuge fr die Untersuchung von Existenz, Eindeutigkeit und Eigenschaften der
Lsungen, knnen sie auf konkrete Probleme anwenden und haben Einblicke in interdisziplinre Fragestellun-
gen gewonnen.

3 Inhalte:

Reaktions-Diffusionsgleichungen,
Existenz und Eigenschaften der Lsungen,
Anwendungen: Musterbildung in biologischen Systemen, Tumorwachstum (Modellierung und Analysis),
Integro-Differentialgleichungen (strukturierte Populationen).

4 Lehrformen:

Vorlesungen (mit integrierten bungen).

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Gewhnliche Differentialgleichungen des Bachelorstudiengangs


Mathematik; Module Introduction to PDE und Functional Analysis oder Numerical Methods for Elliptic and
Parabolic PDE. Kenntnisse aus dem Modul Nonlinear Partial Differential Equations sind hilfreich, werden
aber nicht zwingend vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 211 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: B. Perthame: Parabolic Equations in Biology - Growth, Reaction, Movement and Diffusion,
L.C. Evans: Partial Differential Equations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Surulescu

Lehrende: Prof. Dr. C. Surulescu, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 212 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Representation Theory (Darstellungstheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-43-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Representation Theory 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Aussagen ber Gruppenalgebren und sie sind mit
den wesentlichen Ergebnissen der Darstellungstheorie symmetrischer Gruppen vertraut. Sie sind in der Lage,
die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusammenhnge einzuordnen
und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aus-
sagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Moduln ber Ringen und Algebren:


die Stze von Wedderburn, Jordan-Hlder und Krull-Schmidt.
Moduln ber Gruppenalgebren:
Induktion und Restriktion,
die Mackey-Formel,
Clifford-Theorie,
projektive Darstellungen,
Blcke.

Darstellungstheorie symmetrischer Gruppen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Algebra aus dem Bachelorstudiengang Mathematik, Modul Com-
mutative Algebra; Kenntnisse aus dem Modul Character Theory of Finite Groups sind wnschenswert und
hilfreich, werden aber nicht zwingend vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 213 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebra und Zahlentheorie;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. L. Alperin: Local Representation theory,
G. Navarro: Characters and blocks of finite groups,
D. Benson: Modular Representation Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. G. Malle

Lehrende: Prof. Dr. G. Malle, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 214 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Risk Measures with Applications to Finance and Insurance (Risikomae und Anwendungen in
der Finanz- und Versicherungswirtschaft)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-61-30-M-7 135 h 4,5 LP 2 oder 3 Unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Risk Measures with Applica- 2 SWS / 30 h Vorlesung 105 h 15-30 Studierende


tions to Finance and Insurance

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die Grundlagen der axiomatischen Theorie von Risikomaen. Sie
knnen verschiedene Risikomae klassifizieren und die Vorzge und Nachteile spezieller Risikomae in ver-
schiedenen Anwendungsgebieten der Finanz- und Versicherungsmathematik beurteilen. Sie verstehen die
Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Sie kennen darber
hinaus verschiedene Ratingverfahren und Methoden zur Messung von Kreditrisiken und knnen diese kritisch
beurteilen und anwenden.

3 Inhalte:

Prferenzen und Erwartungsnutzen,


Axiomatische Einfhrung von Risikomaen,
Robuste Reprsentation konvexer und kohrenter Risikomae,
Beispiele: Value at Risk, Average Value at Risk, Shortfall, Worst Case,
Erweiterungen: Semidynamische, dynamische, verteilungsunabhngige Risikomae,
Schtzung von Risikomaen,
Ratingsysteme:
- Score-basierte Ratings,
- Nutzen-basierte Ratings fr Finanzprodukte,
- Chance-Risiko-Klassen fr Versicherungsprodukte,
Kreditausfallrisiken: Strukturelle Modelle und Reduktionsmodelle,
Anwendungen:
- Risikobasierte Versicherungsprmien,
- Portfoliooptimierung unter Risikonebenbedingungen,
- Kreditderivate.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Financial Mathematics.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

- 215 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

Lehrveranstaltung ist einbringbar als Wahlpflichtbestandteil des Vertiefungsmoduls im Masterstudiengang


Finanz- und Versicherungsmathematik.

Das Modul stellt eine Grundlage fr Masterarbeiten und andere Forschungen in einem Bereich der Finanzma-
thematik dar.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H. Fllmer, A. Schied: Stochastic Finance: An Introduction in Discrete Time,
L. Rschendorf: Mathematical Risk Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. R. Korn, Prof. Dr. J. Sa

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul kann mit dem Modul Interest Rate Theory kombiniert werden zu einem Modul Interest Rate The-
ory; Risk Measures with Applications to Finance and Insurance (9 LP).

- 216 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Robust Optimization (Robuste Optimierung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-52-16-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Robust Optimization 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen verschiedene Mglichkeiten, Unsicherheit in Optimierungsproblemen zu modellieren


und aufzulsen. Sie kennen und verstehen die Komplexitt der Anstze und sind in der Lage, die Probleme
durch spezialisierte Algorithmen zu lsen, insbesondere sind sie in der Lage, bei geeigneter Problemstruktur
Reformulierungen als nicht-unsichere Optimierungsprobleme zu erstellen. . Sie knnen die Mglichkeiten und
Grenzen des Einsatzes der Algorithmen kritisch beurteilen. Sie verstehen die Beweise aus der Vorlesung und
sind in der Lage, diese nachzuvollziehen und zu erklren.

In den bungen haben sie die Kenntnisse vertieft und einen sicheren, przisen und selbststndigen Umgang
mit den Begriffen, Aussagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie in den bungen
gelernt, Algorithmen und Modelle durch Verwendung von passenden, hheren Programmiersprachen und MIP
Solvern auf praktische Probleme anzuwenden.

3 Inhalte:

Modellierung mit robuster Optimierung,


Modellierung und Konzepte von Unsicherheitsmengen,
Modellreformulierungen in lsbare Probleme,
Problemkomplexitten,
lineare, nichtlineare und ganzzahlige Optimierung in der robusten Optimierung,
Anwendung auf kombinatorische Probleme,
Anstze aus der robusten Optimierung: Ansatz von Soyster fr unsichere Probleme; Strenge Robustheit;
Robuste Regularisierung; MinMax Regret Optimierung; Adjustierbare Robustheit; Ansatz von Bertsimas
und Sim; Recovery Robustheit.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Lineare und Netzwerkoptimierung aus dem Bachelorstudiengang Mathematik,


Modul Integer Programming: Polyhedral Theory and Algorithms.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 217 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Optimierung;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Ben-Tal, L. El Ghaoui, A. Nemirovski: Robust Optimization,
P. Kouvelis, G. Yu: Robust Discrete Optimization and Its Applications.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. S. Ruzika

Lehrende: Prof. Dr. S. Krumke, Prof. Dr. S. Ruzika, Jun. Prof. Dr. C. Thielen, weitere Dozentinnen und
Dozenten des Fachbereichs Mathematik

- 218 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Scientific Computing in Solid Mechanics (Wissenschaftliches Rechnen in der Festkrpermecha-


nik)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-19-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Scientific Computing in Solid 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


Mechanics

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die grundlegenden Konzepte zur Modellierung und numerischen
Behandlung von Problemstellungen der Festkrpermechanik. Weiterhin knnen sie entsprechende Software
anwenden und eigene Erweiterungen implementieren.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzu-
vollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltig-
keit der Aussagen notwendig sind. Sie knnen die Methoden auf neue Probleme bertragen, diese analysieren
und Lsungsstrategien entwickeln.

3 Inhalte:

Mathematische Modellbildung, numerische Verfahren und Software zu den Themen


elastischer Krper,
Spezialflle Balken und ebener Verzerrungs-/Spannungszustand,
Ortsdiskretisierung mit Finiten Elementen,
Spezielle Zeitintegrationsverfahren.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung in die Numerik" aus dem Bachelorstudiengang Mathematik, Module
Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 219 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Braess: Finite Elements,
P.G. Ciarlet: Mathematical Elasticity I,
T.J.R. Hughes: The Finite Element Method,
J. Marsden, T.J.R. Hughes: Mathematical Foundations of Elasticity.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. B. Simeon

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 220 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Singularity Theory (Singularittentheorie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-41-14-M-7 270 h 9 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Singularity Theory 4 SWS / 60 h Vorlesung 210 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben grundlegende Kenntnisse in der Singularittentheorie (lokalen analytischen und al-
gebraischen Geometrie). Sie wissen und verstehen, am Beispiel von Hyperflchensingularitten, wie die Theo-
rie unter Verwendung moderner Methoden der algebraischen Geometrie weiterentwickelt wurde. Die Studie-
renden kennen und verstehen insbesondere die Klassifikation der einfachen oder ADE-Singularitten, die in
vielen verschiedenen Gebieten der Mathematik und theoretischen Physik auftreten.

Die Studierenden sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die darge-
stellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind
in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraus-
setzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Potenzreihen, Stze von Weierstra,


Analytische Algebren,
Elementare Theorie kohrenter Garben,
Komplexe Raumkeime,
Lokaler Endlichkeitssatz fr Morphismen,
Invarianten von Hyperflchensingularitten,
Endliche Bestimmtheit,
Deformationstheorie vollstndiger Durchschnitte,
Klassifikation der einfachen Hyperflchensingularitten.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Commutative Algebra und Algebraic Geometry.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 221 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. De Jong, G. Pfister: Local Analytic Geometry,
G.-M. Greuel, C. Lossen, E. Shustin: Introduction to Singularites and Deformations.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. M. Schulze

Lehrende: Prof. Dr. M. Schulze, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 222 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Sobolev Spaces (Sobolev-Rume)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-70-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Sobolev Spaces 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis mit Anwendungen
auf Partielle Differentialgleichungen erworben. Sie haben dabei ein tiefes Verstndnis fr die Theorie der
Sobolev- und Distributionen-Rume und deren Konstruktion entwickelt und knnen wesentliche Methoden
und Konzepte der Analysis in Sobolev- und Distributionen-Rumen anwenden und kritisch bewerten. Zudem
sind Sie mit Anwendungen auf Partielle Differentialgleichungen vertraut. Sie verstehen die Beweise aus der
Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darle-
gen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

Durch die Bearbeitung von bungsaufgaben haben sie sich einen sicheren, przisen und selbststndigen Um-
gang mit den Begriffen, Aussagen und Methoden der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf
neue Probleme zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Vertiefung der Integrationstheorie (Konvergenzstze, Lp-Rume, partielle Integration),


Konstruktion von Sobolev-Rumen,
Analysis in Sobolev-Rumen (Faltung, Dirac-Folgen, Zerlegung der Eins, dichte Funktionenmengen),
Anwendungen auf Partielle Differentialgleichungen (Poincar-Ungleichung, Fundamentallemma der Varia-
tionsrechnung, schwache Formulierung von Randwertproblemen),
Sobolev-Einbettungsstze, Spur-Operator,
Testfunktionen und Distributionen,
Analysis in Distributionen-Rumen (Fouriertransformation, Differentiation, Faltung),
Dualrume von Sobolev-Rumen,
Gebrochene Sobolev-Rume.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Funktionalanalysis und Ma- und Integrationstheorie aus
dem Bachelorstudiengang Mathematik.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 223 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: H.-W. Alt: Lineare Funktionalanalysis,
M. Dobrowolski: Angewandte Funktionalanalysis,
M. Reed, B. Simon: Functional Analysis I.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 224 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Spatial Statistics (Rumliche Statistik)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-15-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Spatial Statistics 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen die Grundlagen der Theorie der Punktprozesse sowie gngige Punktprozessmodelle.
Sie sind in der Lage, beobachtete Punktmuster statistisch zu analysieren und zu modellieren. Sie verstehen die
Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie
insbesondere darlegen, welche Voraussetzungen und Annahmen fr die Gltigkeit der Aussagen notwendig
sind.

Sie haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussagen und Metho-
den der Vorlesung erarbeitet. Sie knnen die Methoden auf neue Probleme zu bertragen, diese analysieren
und Lsungsstrategien entwickeln.

3 Inhalte:

Rumliche Punktprozesse (im R und R),


Punktprozessmodelle (Poissonprozess, Hard-Core- und Clusterprozesse, Gibbs-Prozesse) und ihre Simula-
tion,
Statistische Methoden fr Punktprozesse,
Markierte Punktprozesse und Partikelprozesse.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Praktische Mathematik: Stochastische Methoden aus dem Bachelorstudiengang


Mathematik. Weiterfhrende Kenntnisse in Stochastik (z.B. Time Series Analysis oder Probability Theory)
sind von Vorteil, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 225 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse


oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: J. Mller, R.P. Waagepetersen: Statistical Inference and Simulation for Spatial Point Pro-
cesses,
D. Stoyan, W.S. Kendall, J. Mecke: Stochastic Geometry and its Applications,
J. Illian, A. Penttinen, H. Stoyan, D. Stoyan: Statistical Analysis and Modelling of Spatial
Point Patterns.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Redenbach

Lehrende: Prof. Dr. J. Franke, Prof. Dr. C. Redenbach, weitere Dozentinnen und Dozenten des Fach-
bereichs Mathematik

- 226 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Statistical Learning and Regression (Statistisches Lernen und Regression)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-20-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Statistical Learning and Re- 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


gression

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben einen guten berblick ber Schtzer von Funktionen, die datenerzeugende Mecha-
nismen charakterisieren, aber ohne einschrnkende Modellannahmen auskommen, sowie deren Anwendungen
in den Bereichen Big Data und Machine Learning. Darber hinaus haben sie grundlegende Kenntnisse ber
moderne nichtparametrische statistische Verfahren und deren Verwendung fr datengetriebene Klassifikation,
Mustererkennung, Funktionsschtzung und Vorhersagen. Sie sind dabei jeweils in der Lage, die Mglichkeiten
und Grenzen des Einsatzes der Verfahren kritisch zu beurteilen.

Die Studierenden haben sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aussa-
gen und Methoden der Vorlesung erarbeitet. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage,
diese nachzuvollziehen und zu erklren.

3 Inhalte:

Regression Splines und lokale Glttungsverfahren, Bias-Varianz-Dilemma in komplexen statistischen Mo-


dellen;
Klassifikations- und Regressionsbume und Bagging;
Random Forests, Effizienzsteigerung durch Kombination mehrerer Experten, Boosting;
Support Vector Machines und neuronale Netze.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Klassische Regressionsanalyse, z.B. aus dem Modul Regression and Time Series Analysis.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 227 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul im Masterstudiengang Finanz- und Versicherungsmathematik.

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Finanzmathematik oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: R. A. Berk: Statistical Learning from a Regression Perspective,
J. Franke: Lecture Notes on Nonparametric Statistics.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. J. Franke

Lehrende: Prof. Dr. J. Franke, Dr. J.-P. Stockis, weitere Dozentinnen und Dozenten des Fachbereichs
Mathematik

- 228 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Statistical Pattern Recognition (Statistische Mustererkennung)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-65-13-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Statistical Pattern Recognition 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen grundlegende Begriffe und Methoden der statistischen Mustererkennung. Anhand
von Anwendungen in der Bildverarbeitung haben Sie eine anschauliche Vorstellung fr die Begriffe und den
Einsatz der Methoden gewonnen. Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen,
die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung
und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche
Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden der Vorlesung erarbeitet.

3 Inhalte:

Bayes Classifier,
Error Estimation,
Nonparametric Methods,
Logistic Regression,
Support Vector Machines,
Unsupervised Learning / Clustering.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik, Einfhrung: Funktionalanalysis, Stochastische


Methoden aus dem Bachelorstudiengang Mathematik, wnschenswert: Modul Foundations in Mathematical
Image Processing.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 229 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse


oder Statistik;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Die Literatur wird in der Lehrveranstaltung bekannt gegeben.

Lernunterlagen, bungsmaterialien werden gestellt.


weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. G. Steidl

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 230 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Stochastic Geometry (Stochastische Geometrie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-62-18-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Stochastic Geometry 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die wichtigsten Konzepte und Modelle aus der Theorie rumlicher
Punktprozesse und der Theorie zuflliger abgeschlossener Mengen. Sie sind in der Lage, die wesentlichen
Aussagen der Vorlesung zu benennen, die dargestellten Zusammenhnge einzuordnen und zu erlutern. Sie
verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei
knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Grundbegriffe aus der Theorie rumlicher Punktprozesse (Markierung, Intensittsma, ...)


Mehrdimensionaler Poisson-Prozess, Poisson-Cluster-Prozesse
Grundbegriffe aus der Theorie zuflliger abgeschlossener Mengen
Keim-Korn-Modelle, insbesondere das Boolesche Modell
zufllige Mosaike.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Probability Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Bildverarbeitung und Datenanalyse


oder Statistik;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 231 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Stoyan, W. S. Kendall, J. Mecke: Stochastic Geometry and its Applications,
R. Schneider, W. Weil: Stochastic and Integral Geometry.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben; bungsmaterialien
weitere Materialien: werden gestellt.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Prof. Dr. C. Redenbach

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 232 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Switched Systems (Geschaltete Systeme)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-82-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Switched Systems 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden sind in der Lage, Systeme mit pltzlich ndernden Beschreibungen als geschaltete Systeme
zu modellieren und bezglich Lsungsverhalten zu untersuchen. Sie kennen Anwendungsbeispiele die durch
die Theorie der geschalteten Systeme analysiert werden knnen.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Es werden grundlegende Begriffe und Ideen der geschalteten Systeme sowie deren Anwendungen behandelt,
insbesondere folgende Themen:
zustands- und zeitabhngiges Schalten,
Lsungskonzepte,
Stabilitt von geschalteten Systemen,
impulsives Verhalten.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Introduction to Systems and Control Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder System- und Kontrolltheorie;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 233 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: D. Liberzon: Switching in Systems and Control,
R. Goebel, R. G. Sanfelice, A. R. Teel: Hybrid Dynamical Systems,
S. Trenn: Switched differential algebraic equations; in: Dynamics and Control of switched
differential algebraic equations (Eds. F. Vasca and L. Iannelli).
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Jun. Prof. Dr. S. Trenn

Lehrende: Prof. Dr. T. Damm, Jun. Prof. Dr. S. Trenn, weitere Dozentinnen und Dozenten des Fachbe-
reichs Mathematik

- 234 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Systems and Control Theory: Advanced Topics (System- und Kontrolltheorie: Fortgeschrittene
Themen)
Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-82-14-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Systems and Control Theory: 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


Advanced Topics 1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen fortgeschrittene Konzepte zur Beschreibung von dynamischen Syste-
men sowie mathematische Techniken zur Analyse dieser Systeme und zum Entwurf von Reglern. Des Weiteren
kennen sie die Anwendungsmglichkeiten, die sich aus der Verwendung der mathematischen Kontrolltheorie
ergeben.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Zudem haben sie gelernt, die Methoden auf neue Probleme
zu bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Es werden Vertiefungen von Themen im Bereich der Kontrolltheorie sowie deren Anwendungen behandelt.
Speziell werden folgenden Inhalte vermittelt:
Erweiterte Zustandsraum- und Behaviourtheorie
Regelungskonzepte
Transferfunktionen und Realisierungstheorie
Polynomiale Systemmodelle

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Numerik und Einfhrung: gewhnliche Differentialglei-


chungen aus dem Bachelorstudiengang Mathematik, Modul Introduction to Systems and Control Theory.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 235 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder System- und Kontrolltheorie;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: E. Zerz: Introduction to Systems and Control Theory,
J.W. Polderman, J. Willems: Introduction to Mathematical Systems Theory,
H.W. Knobloch, H. Kwakernaak: Lineare Kontrolltheorie,
D. Hinrichsen, A.J. Pritchard: Mathematical Systems Theory I,
E.D. Sontag: Mathematical Control Theory.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. T. Damm

Lehrende: Prof. Dr. T. Damm, Prof. Dr. D. Prtzel-Wolters, Jun. Prof. Dr. S. Trenn, weitere Dozentin-
nen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen:
Das Modul ist Teil des Moduls Systems and Control Theory.

- 236 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Theory of Hyperbolic Conservation Laws (Theorie hyperbolischer Erhaltungsgleichungen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-81-31-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Theory of Hyperbolic Conser- 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende


vation Laws

2 Lernergebnisse / Kompetenzen:

Die Studierenden kennen und verstehen die analytischen Aussagen ber hyperbolische Erhaltungsgleichungen,
sowie die Ursachen fr die Einschrnkungen mglicher Aussagen. Auerdem knnen sie die in der Vorlesung
behandelten Techniken, wie z.B. das WaveFrontTracking, selbststndig anwenden. Sie verstehen die Beweise
aus der Vorlesung und sind in der Lage, diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesonde-
re darlegen, welche Voraussetzungen fr die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Einfhrung in hyperbolische Erhaltungsgleichungen,


Analytische Aussagen fr skalare hyperbolische Erhaltungsgleichungen,
Analytische Aussagen fr Systeme hyperbolischer Erhaltungsgleichungen (u.a. WaveFrontTracking).

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Module Numerics of ODE und Introduction to PDE.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:

- 237 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Literaturhinweise: A. Bressan: Hyperbolic conservation laws: an illustrated tutorial; in: Modelling and Opti-
misation of Flows on Networks,
A. Bressan: Hyperbolic Systems of Conservation Laws - The One-dimensional Cauchy
Problem.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Klar

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 238 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Traveling Waves (Wandernde Wellen)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-84-12-M-7 135 h 4,5 LP 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Wandernde Wellen 2 SWS / 30 h Vorlesung 90 h 10-25 Studierende


1 SWS / 15 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben Einblicke in einige Eigenschaften von wandernden Wellen gewonnen und diese an-
hand von konkreten Anwendungen vertieft. Sie haben sich in den bungen einen sicheren, przisen und
selbststndigen Umgang mit den behandelten Begriffen, Aussagen und Methoden erarbeitet und einige inter-
disziplinre Fragestellungen kennengelernt.

3 Inhalte:

Einfhrende Beispiele zu wandernden Wellen fr verschiedene Typen von Differentialgleichungen (DGL),


Existenz und Stabilitt von wandernden Wellen in Reaktions-Diffusionsgleichungen,
Wandernde Wellen in DGL-Systemen anhand von Beispielen biologischer Modelle,
Musterbildung durch wandernde Wellen in Systemen von Reaktions-Diffusionsgleichungen anhand von
Beispielen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltung Einfhrung: Gewhnliche Differentialgleichungen des Bachelorstudiengangs


Mathematik; Modul Introduction to PDE. Kenntnisse aus der Lehrveranstaltung Einfhrung in Funktionalana-
lysis des Bachelorstudiengangs Mathematik sind wnschenswert, werden aber nicht zwingend vorausgesetzt.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Modellierung und wissenschaftliches


Rechnen oder Partielle Differentialgleichungen;

Blcke Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwer-
punkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

- 239 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: P.C. Fife: Mathematical Aspects of Reacting and Diffusing Systems,
A.I. Volpert, V.A. Volpert, V.A. Volpert: Traveling Wave Solutions of Parabolic Systems.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. C. Surulescu

Lehrende: Prof. Dr. C. Surulescu, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 240 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Tropical Geometry (Tropische Geometrie)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-42-15-M-7 135 h 4,5 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Tropische Geometrie 2 SWS / 30 h Vorlesung 105 h 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben am Beispiel der tropischen Varietten vertiefende Erfahrung in der Behandlung spezi-
eller Varietten gewonnen. Dabei haben sie die Anwendung einer Vielzahl von Verfahren der Algebraischen
Geometrie kennengelernt, die sie zu weiteren Anwendungen und zur Vertiefung dieses Gebietes befhigen.

Sie sind in der Lage, die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusam-
menhnge einzuordnen und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage,
diese nachzuvollziehen und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr
die Gltigkeit der Aussagen notwendig sind.

3 Inhalte:

Puiseux-Krper,
konvexe Geometrie,
Tropikalisierungen und tropische Varietten,
tropische Modulrume und Schnitt-Theorie,
ausgewhlte Resultate aus der tropischen enumerativen Geometrie.

4 Lehrformen:

Vorlesungen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Modul Algebraic Geometry".

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Algebraische Geometrie und Compute-
ralgebra;

Blcke Reine Mathematik oder Allgemeine Mathematik bei anderer Wahl des Studienschwerpunkts
(unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studienplans).

- 241 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: A. Gathmann, Tropical Algebraic Geometry,
D. Maclagan, B. Sturmfels: Introduction to Tropical Geometry.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. A. Gathmann

Lehrende: Prof. Dr. A. Gathmann, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 242 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

White Noise Analysis


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

MAT-71-12-M-7 270 h 9 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

White Noise Analysis 4 SWS / 60 h Vorlesung 180 h 10-25 Studierende


2 SWS / 30 h bung 10-25 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben vertiefte Kenntnisse in einem Teilbereich der Funktionalanalysis mit Anwendungen
auf Feynman-Pfadintegrale und Stochastische Partielle Differentialgleichungen erworben. Sie sind in der Lage,
die wesentlichen Aussagen der Vorlesung zu benennen sowie die dargestellten Zusammenhnge einzuordnen
und zu erlutern. Sie verstehen die Beweise aus der Vorlesung und sind in der Lage, diese nachzuvollziehen
und zu erklren. Dabei knnen sie insbesondere darlegen, welche Voraussetzungen fr die Gltigkeit der Aus-
sagen notwendig sind.

In den bungen haben sie sich einen sicheren, przisen und selbststndigen Umgang mit den Begriffen, Aus-
sagen und Methoden aus der Vorlesung erarbeitet. Sie haben gelernt, die Methoden auf neue Probleme zu
bertragen, diese zu analysieren und Lsungsstrategien alleine oder im Team zu entwickeln.

3 Inhalte:

Einfhrung in die Grundlagen der Distributionen-Rume unter besonderer Bercksichtigung der tempe-
rierten Distributionen ,
Konstruktion des White Noise Raumes (Minlos Theorem, Chaos-Zerlegung, T-Transformation, S-
Transformation, Ito-Wiener-Segal-Isomorphismus),
Einfhrung von Testfunktionen-Rumen und Rumen verallgemeinerter Funktionen der White Noise Ana-
lysis (Hida- und Kondratiev-Rume),
Anwendungen auf Feynman-Pfadintegrale und Stochastische Partielle Differentialgleichungen.

4 Lehrformen:

Vorlesungen, bungen in Kleingruppen.

5 Teilnahmevoraussetzungen:

Inhaltlich: Lehrveranstaltungen Einfhrung in die Funktionalanalysis und Ma- und Integrationstheorie aus
dem Bachelorstudiengang Mathematik, Modul Probability Theory. Kenntnisse aus dem Modul Functional
Analysis sind hilfreich, aber nicht zwingend erforderlich.

Formal: keine.

6 Prfungsform(en)

i.d.R. mndliche Modulprfung (Einzelprfung, Dauer 20-30 Minuten).

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Modulprfung ber die Lehrveranstaltung.

- 243 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in:

Block Studienschwerpunkt bei Wahl des Studienschwerpunkts Stochastische Analysis;

Blcke Reine Mathematik, Angewandte Mathematik oder Allgemeine Mathematik bei anderer Wahl
des Studienschwerpunkts (unter Bercksichtigung der ggf. einschrnkenden Regelungen des Studien-
plans).

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus dem Ergebnis der mndlichen Modulprfung.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: T. Hida, H. H. Kuo, J. Potthoff, L. Streit: White Noise. An Infinite Dimensional Calculus,
N. Obata: White Noise Calculus and Fock Space,
H. H. Kuo: White Noise Distribution Theory,
B. Simon: Functional Integration and Quantum Physics,
Y.M. Berezansky and Y.G. Kondratiev: Spectral Methods in Infinite Dimensional Analysis.
Lernunterlagen, Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragter: Prof. Dr. M. Grothaus

Lehrende: Prof. Dr. M. Grothaus, weitere Dozentinnen und Dozenten des Fachbereichs Mathematik

- 244 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

4. Seminare
Die am Fachbereich Mathematik angebotenen Seminare fr die Masterstudiengnge Mathematik, Technomathematik,
Wirtschaftsmathematik und Mathematics International finden in der Regel mit semesterweise wechselnden Themen,
die sich oftmals an der aktuellen mathematischen Forschung orientieren, statt. Eine besondere Rolle nehmen dabei
die Modellierungsseminare ein.

Gegen Ende der Vorlesungszeit jedes Semesters werden die in den verschiedenen Fachgebieten im Folgesemester
angebotenen Seminare im Rahmen der Informationsveranstaltungen der einzelnen Arbeitsgruppen vorgestellt.

Die im Folgenden aufgefhrten Modulbeschreibungen fr ein Seminar sowie ein Modellierungsseminar sind als Mus-
ter zu verstehen:

- 245 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

Seminar <Thema des Seminars>


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

<Nr .des Seminars> 90 h 3 LP 1, 2 oder 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Seminar <Thema des Seminars> 2 SWS Seminar / 30 h 60 h 10-20 Studierende

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben gelernt, sich ein fortgeschrittenes mathematisches Thema selbststndig mit wissen-
schaftlichen Methoden zu erarbeiten und dieses in Form eines Vortrags zu prsentieren. Sie haben dabei ver-
tiefte Kompetenzen in der Prsentation mathematischer Ergebnisse erworben, und sie sind in der Lage, diese
Ergebnisse in kritischen Diskussionen zu vertreten.

3 Inhalte:

<Inhalt des Seminars>

4 Lehrformen:

Seminar

5 Teilnahmevoraussetzungen:

Inhaltlich: <Je nach Themenwahl werden unterschiedliche Lehrveranstaltungen des Bachelorstudiengangs Mathe-
matik bzw. der Masterstudiengnge vorausgesetzt. Die Voraussetzungen werden bei der Ankndigung bekannt gege-
ben.>

Formal: vorherige Anmeldung.

6 Prfungsform(en)

Prsentationen und schriftliche Ausarbeitungen.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Seminarschein durch die erfolgreiche Teilnahme am Seminar. Die Art der zu erbringenden Leistung wird je-
weils vor Beginn des Seminars von der Veranstaltungsleiterin oder dem Veranstaltungsleiter bekannt gegeben;
sie besteht in der Regel aus der Kombination eines mndlichen Vortrags (Dauer: 60-90 Minuten) und einer
schriftlichen Ausarbeitung (Hausarbeit).

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in den Block Seminare.

Die Lehrveranstaltung ist ebenfalls einbringbar in den brigen Masterstudiengngen des Fachbereichs Mathe-
matik.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Das Modul geht unbenotet in die Modulprfung ein.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Die Literatur wird bei Ankndigung des Seminars bekannt gegeben.

Lernunterlagen,
weitere Materialien:

- 246 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Dozentinnen und Dozenten des Fachbereichs Mathematik

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

12 Sonstige Informationen
Die Seminaranmeldung und Vorbesprechung findet in der Regel gegen Ende der Vorlesungszeit des vorange-
henden Semesters statt.

- 247 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

5. Kurse zum selbststndigen wissenschaftlichen Arbeiten unter Anleitung


Die am Fachbereich Mathematik angebotenen Kurse zum selbststndigen wissenschaftlichen Arbeiten unter Anlei-
tung (Reading Courses) finden in der Regel mit semesterweise wechselnden Themen, die sich oftmals an der aktuel-
len mathematischen Forschung orientieren, statt.

Gegen Ende der Vorlesungszeit jedes Semesters werden die in den verschiedenen Fachgebieten im Folgesemester
angebotenen Kurse zum selbststndigen wissenschaftlichen Arbeiten unter Anleitung im Rahmen der Informations-
veranstaltungen der einzelnen Arbeitsgruppen vorgestellt.

Reading Course: <Thema des Kurses>


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

<Nr. des Kurses> 360 h 12 LP 3 unregelmig 1 Semester

1 Lehrveranstaltungen Kontaktzeit Selbststudium Geplante Gruppengre

Reading Course <Thema des n.V. n.V. 3 15 Studierende


Kurses>

2 Lernergebnisse / Kompetenzen:

Die Studierenden haben gelernt, sich ein fortgeschrittenes mathematisches Gebiet an Hand vorgegebener
Literatur selbststndig mit wissenschaftlichen Methoden zu erarbeiten. Sie sind in der Lage, eine wissenschaft-
liche Masterarbeit in dem gewhlten Studienschwerpunkt zu erstellen.

3 Inhalte:

<Inhalt des Kurses: typischerweise werden aktuelle Forschungsthemen, Forschungsthemen mit aktueller Anwen-
dungsrelevanz oder aber auch klassische Gebiete, die nicht in einer Vorlesung abgedeckt werden knnen, behan-
delt.>

4 Lehrformen:

Reading Course (Kurs zum selbststndigen wissenschaftlichen Arbeiten unter Anleitung).

5 Teilnahmevoraussetzungen:

Inhaltlich: <Je nach Themenwahl werden unterschiedliche Lehrveranstaltungen des Bachelorstudiengangs Mathe-
matik bzw. der Masterstudiengnge vorausgesetzt. Die Voraussetzungen werden bei der Ankndigung bekannt gege-
ben.>

Formal: vorherige Anmeldung.

6 Prfungsform(en)

Prsentationen, wissenschaftliche Diskussionen und/oder schriftliche Ausarbeitungen.

7 Voraussetzung fr die Vergabe von Leistungspunkten, Prfungsvorleistungen:

Schein durch die erfolgreiche Teilnahme am Reading Course. Bei Teilnahme an nur einem Teil des Kurses
werden die Leistungspunkte anteilig vergeben. Die Anzahl der erworbenen Leistungspunkte ist dem Leis-
tungsnachweis (Schein) zu entnehmen.

- 248 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Verwendbarkeit des Moduls:

Wahlpflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und


Mathematics International, einbringbar in Block Studienschwerpunkt, falls Studienschwerpunkt in folgender
Liste:

<Liste der Studienschwerpunkte, denen das Thema zuzurechnen ist>.

Das Modul stellt eine Grundlage fr Masterarbeiten und andere Forschungen in den o.g. Studienschwerpunkten
dar.

9 Notenermittlung / Stellenwert der Note fr die Endnote:


Das Modul geht unbenotet in die Masterprfung ein.

10 Hinweise zur Vorbereitung auf das Modul:


Literaturhinweise: Die Literatur wird bei Ankndigung des Reading Courses bekannt gegeben.

Lernunterlagen,
weitere Materialien:

11 Modulbeauftragte und Lehrende:


Modulbeauftragte: Dozentinnen und Dozenten des Fachbereichs Mathematik

Lehrende: Dozentinnen und Dozenten des Fachbereichs Mathematik

- 249 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

6. Masterarbeit

Master Thesis (Masterarbeit)


Modulnummer Aufwand LP (Credits) Semester Hufigkeit des Angebots Dauer

---- 900 h 30 LP 4 jedes Semester 6 Monate

1 Lehrveranstaltungen: Kontaktzeit Selbststudium Geplante Gruppengre

keine ----- 900 h Eine Person, in Ausnahme-


fllen kleine Gruppen (nach
nherer Regelung in der Pr-
fungsordnung)

2 Lernergebnisse/Kompetenzen

Die Studierenden
sind in der Lage innerhalb einer vorgegebenen Frist eine mathematische Aufgabenstellung selbststndig
nach wissenschaftlichen Methoden zu bearbeiten und knnen dabei die im Studium erworbenen Fach-
und Methodenkompetenzen erkennbar anwenden,
knnen wissenschaftliche Ergebnisse kritisch interpretieren und in den jeweiligen Kenntnisstand ein-
ordnen;
sind in der Lage, ihre Ergebnisse nach den Grundstzen guter wissenschaftlicher Praxis schriftlich darzu-
stellen.

3 Inhalte:

Begrenzte (fortgeschrittene) mathematische Aufgabenstellung aus dem gewhlten Studienschwerpunkt.

4 Lehrformen

Abschlussarbeit: die Studierenden haben unter Anleitung durch eine Betreuerin oder einen Betreuer eine be-
grenzte mathematische Aufgabenstellung aus dem gewhlten Vertiefungsgebiet mit wissenschaftlichen Me-
thoden zu bearbeiten und schriftlich darzustellen.

4 Verwendbarkeit des Moduls:

Pflichtmodul in den Masterstudiengngen Mathematik, Technomathematik, Wirtschaftsmathematik und Ma-


thematics International.

5 Teilnahmevoraussetzungen:

Inhaltlich: im Block Studienschwerpunkt zu erbringende Module, Seminare und Kurse zum selbststndigen
wissenschaftlichen Arbeiten unter Anleitung (Reading Courses); je nach Ausrichtung der Masterarbeit Kennt-
nisse aus weiteren Modulen des Masterstudiums.

Formal: Die Masterarbeit darf erst ausgegeben werden, wenn mindestens 60 Leistungspunkten in der Master-
prfung erworben wurden.

6 Prfungsform

benotete schriftliche Ausarbeitung

7 Voraussetzung fr die Vergabe von Leistungspunkten:

Fristgeme Einreichung der Abschlussarbeit; Bewertung mit der Note 4,0 oder besser durch die Prferinnen
und/oder Prfer.

- 250 -
Technische Universitt Kaiserslautern Modulhandbuch Masterstudiengnge Mathematik et al.

8 Notenermittlung / Stellenwert der Note fr die Endnote:


Die Modulnote ergibt sich aus der Bewertung der schriftlichen Arbeit. Sie hat einen Stellenwert von ca. 29,4%
fr die Note der Masterprfung in den Masterstudiengngen Mathematik, Technomathematik und Wirtschafts-
mathematik; im Masterstudiengang Mathematics International betrgt der Stellenwert ca. 31,2%.

9 Modulbeauftragte und Lehrende

Dozentinnen und Dozenten des Fachbereichs Mathematik

10 Sonstige Informationen:

Aktuelle Informationen zu Abschlussarbeiten werden insbesondere auf den jedes Semester gegen Ende der
Vorlesungszeit stattfindenden Informationsveranstaltungen der Schwerpunkte des Fachbereichs gegeben. Die
Studierenden sollten frhzeitig - sptestens zu Beginn des zweiten Studienjahrs - Kontakt mit Dozentinnen
und Dozenten des gewhlten Schwerpunkts aufnehmen, um sich ber das Themenangebot und die jeweils
erforderlichen inhaltlichen Voraussetzungen zu informieren.

- 251 -