FSJGGFDKJFK

FRIEDRICH-ALEXANDER
UNIVERSITT
ERLANGEN-NRNBERG
NATURWISSENSCHAFTLICHE
FAKULTT
Modulhandbuch
fr die Studiengnge
Mathematik (B. Sc.)

Technomathematik (B.SC.)
Wirtschaftsmathematik (B.SC.)
Stand: 23.01.2015
Hinweise:
Fachspezifische Informationen zu den einzelnen Studiengngen

(Beschreibungen der Studiengnge, Prfungsordnungen samt
Musterstudienplnen) finden sich auf den Webseiten des
Departments Mathematik.
Die Module eines Studiengangs sind in der jeweiligen
Prfungsordnung festgelegt.
Einige Module der Masterstudiengnge knnen als
Vertiefungsmodule der Bachelorstudiengnge eingebracht
werden. Diese sind aus der Tabelle der Bachelor-Module bzw.
aus dem Modulhandbuch der Masterstudiengnge abrufbar.
ber die aktuellen Lehrveranstaltungen gibt das elektronische
Vorlesungsverzeichnis univIS Auskunft. Modulbeschreibungen
der Bachelorstudiengnge sind auch im univIS abrufbar.
Tab. 1. Module des Bachelorstudiengangs Mathematik ohne

nebenfachspezifische Module (diese s. Tab. 2)
Name des Moduls
Seite
Algebra
Analysis
Bachelor-Arbeit
Bachelor-Seminar
Diskretisierung und numerische Optimierung
11
Einfhrung in die Darstellungstheorie
12
Einfhrung in die Funktionalanalysi
14
Einfhrung in die Numerik
15
Einfhrung in die Numerik partieller Differentialgleichungen I
17
Einfhrung in die Numerik partieller Differentialgleichungen II
19
Einfhrung in die Streuungstheorie
21
Einfhrung Mathematische Modellierung
22
Einfhrung in die Robuste Optimierung
23
Funktionentheorie
24
Gewhnliche Differentialgleichungen
25
Kombinatorische Optimierung
27
Lineare Algebra
28
Lineare und konvexe Optimierung
30
Matheorie
32
Mathematisches Seminar
34
Mehrdimensionale Integration
35
Numerische Verfahren der Optimierung
36
Orientierungsseminar
37
Elementare Partielle Differentialgleichungen
38
Programmierung
39
Projekt Optimierung
40
Schlsselqualifikationen
41
Statistik
42
Stochastische Methoden fr die Wirtschaftswissenschaften
44
Stochastische Modellbildung
45
3
Name des Moduls
Seite
Vertiefungsmodul Geometrie
47
Vertiefungsmodul Mathematik
48
Wahrscheinlichkeitstheorie
49
Vertiefung Krpertheorie
50
Vertiefungsmodul Topologie
51
Modul Alg: Algebra

Semester: 3 oder 5
ECTS Punkte: 10
Workload: 300 h
Lehrveranstaltung/en:
a) Vorlesung
b) bungen
Kontaktzeit:
4 SWS x 15 Wochen = 60 h
Modulkoordinator/in
Prof. F. Knop, E-Mail: knop@mi.uni-erlangen.de
Selbststudium:
195 h
Verantwortliche/r fr die Prof. F. Knop, Prof. K.-H. Neeb, Prof. P. Fiebig oder andere Dozenten/innen
Modulinhalte
der Mathematik
Die Studierenden
nennen und erklren algebraische Strukturen anhand von Gruppen,
Ringen und Krpern und verwenden diese
Lernziele und
behandeln auch komplexe Symmetrien mittels Gruppentheorie selbstndig
Kompetenzen
lsen geometrische und zahlentheoretische Probleme mittels Ringtheorie
und Krpertheorie
sammeln und bewerten relevante Informationen und erkennen
Zusammenhnge.
Gruppentheorie: Untergruppen, Quotienten, Operationen von Gruppen
Ringtheorie: Ideale, Quotienten, Polynomringe, maximale Ideale, Moduln
ber einem Hauptidealring
Elementare Zahlentheorie: Restklassenringe, Eulersche phi-Funktion,
Chinesischer Restsatz
Krpertheorie: Krpererweiterungen, endliche Krper
Die Prsentation des Stoffes erfolgt in Vorlesungsform.
Die weitere Aneignung der wesentlichen Begriffe und Techniken erfolgt
durch wchentliche Hausaufgaben.
Inhalte
Lehrformen
Voraussetzungen fr die
Lineare Algebra I und II
Teilnahme
Verwendbarkeit des
Moduls
Empfohlene Lehrbcher
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
11
Berechnung der
Modulnote
Note der Klausur: 100% der Modulnote
12
Turnus des Angebots
jhrlich im WS
13
Unterrichtssprache
Deutsch
Pflichtmodul in
B. Sc. Mathematik und fr das Lehramt vertieft
M. Artin: Algebra
G. Fischer: Algebra
N. Jacobson: Basic Algebra I, II
S. Lang: Algebra
SL: Erwerb des bungsscheines durch regelmige Teilnahme und
regelmige Bearbeitung von bungsaufgaben
PL: Klausur zur Vorlesung (90 Min)
Modul Ana: Analysis I und II

Studiensemester: 1 und 2
ECTS Punkte: 17,5
Workload: 525 h
a) Vorlesung
b) bungen
Kontaktzeit pro Semester:

Modulkoordinator/in
Prof. F. Duzaar, E-Mail: frank.duzaar@fau.de
Selbststudium pro Semester:

80 h
92,5 h
Verantwortliche/r fr die Prof. F. Duzaar, Prof. G. Grn, Prof. A. Knauf sowie Dozenten/innen des
Modulinhalte
Departments Mathematik
Die Studierenden
definieren und erklren grundlegende analytische Begriffe
wenden das Basiswissen der Analysis an und reproduzieren grundlegende
Prinzipien
Lernziele und
wenden die folgenden Techniken der Analysis gezielt an:
Kompetenzen
- Berechnung von Limiten,
- Ableitung und Integration bzw. Erkennen der Divergenz,
- Umgang mit elementaren Funktionen
Zusammenhnge
Analysis I:
Naive Mengenlehre und Logik;
Grundeigenschaften der natrlichen, rationalen und reellen Zahlen:
Vollstndige Induktion, Krper- und Anordnungsaxiome, Vollstndigkeit,
untere / obere Grenzen, Dichtheit von Q in R, abzhlbare und
berabzhlbare Mengen;
Komplexe Zahlen: Rechenregeln und ihre geometrische Interpretation,
quadratische Gleichungen;
Konvergenz, Cauchy-Folgen, Vollstndigkeit;
Zahlenfolgen und Reihen: Konvergenzkriterien und Rechenregeln, absolute
Konvergenz, Potenzreihen, unendliche Produkte;
Elementare Funktionen, rationale Funktionen, Potenzen mit reellen
Exponenten, Exponentialfunktion, Hyperbelfunktionen, trigonometrische
Funktionen,
Monotonie und Umkehrfunktion, Logarithmus;
Inhalte
Stetige reellwertige Funktionen: Zwischenwertsatz, Existenz von Minimum
und Maximum auf kompakten Mengen, stetige Bilder von Intervallen und
Umkehrbarkeit, gleichmige Stetigkeit, gleichmige Konvergenz;
Differential- und Integralrechnung in einer reellen Vernderlichen:
Rechenregeln fr Differentiation, Mittelwertsatz der Differentialrechnung,
Taylorformel, Extremwerte und Kurvendiskussion, Definition des Integrals
und Rechenregeln, gliedweise Differentiation, Hauptsatz der Differentialund Integralrechnung, Mittelwertsatz der Integralrechnung.
Analysis II:
Fourier-Reihen,
Metrische Rume: Topologie metrischer Rume, stetige Abbildungen

zwischen metrischen Rumen, Kompaktheit, Vollstndigkeit, Fixpunktsatz
von Banach, Satz von Arzela-Ascoli;
Differentialrechnung in mehreren Vernderlichen: Partielle Ableitung und

Jacobi-Matrix, Satz von Schwarz, totale Ableitung und Linearisierung,
6
lineare Differentialoperatoren (Gradient, Divergenz, Rotation), LipschitzStetigkeit und Schrankensatz, Extremwerte, Extrema mit
Nebenbedingungen, Taylorformel, Stze ber implizite und inverse
Funktionen, Untermannigfaltigkeiten.
Die Prsentation des Stoffes erfolgt in Vorlesungsform. Die weitere Aneignung
der wesentlichen Begriffe und Techniken erfolgt durch wchentliche
Hausaufgaben.
Lehrformen
Keine
Teilnahme
Verwendbarkeit des
Moduls
Pflichtmodul in
B. Sc. Mathematik, Technomathematik und Wirtschaftsmathematik
Lehramt vertieft
(Ana. I ist Teil der Mathematik fr Physiker I fr Bachelor Physik)

Vorlesungsskripte zu diesem Modul
O. Forster: Analysis 1, 2. Vieweg
V. Zorich: Analysis I, II. Springer
Hildebrandt: Analysis I, II. Springer
SL:
Regelmige und aktive Teilnahmen an den bungen
Erfolgreiche Bearbeitung der wchentlichen Hausaufgaben (mindestens
50% der erreichbaren Punkte)
Klausur zu den bungen des 1. Semesters (120 Minuten, unbenotet)
PL:
Klausur zum Inhalt beider Vorlesungen am Ende des 2. Semesters (120
180 Min)
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
11
Berechnung Modulnote
Note der Klausur zum Inhalt beider Vorlesungen: 100% der Modulnote
12
Turnus des Angebots
jhrlich im Wintersemester und darauf folgenden Sommersemester
13
Unterrichtssprache
Deutsch
Modul BaA: Bachelor-Arbeit

Studiensemester: 6
ECTS Punkte: 10
Workload: 300 h
(Bachelor-Arbeit)
Kontaktzeit und Selbststudium:

300 h
Modulkoordinator/in
Studiendekan/in
Verantwortliche/r fr
die Modulinhalte
Hochschullehrer/in der Mathematik
Lernziele und
Kompetenzen
Die Studierenden
bearbeiten innerhalb eines vorgegebenen Zeitraumes eine

Problemstellung aus dem Bereich der Mathematik mit wissenschaftlichen
Methoden selbststndig und stellen diese in schriftlicher Form dar
(Bachelorarbeit)
wirken bei der Bearbeitung aktueller Forschungsthemen

problemorientiert mit und definieren anhand dieses Wissens neue
Forschungsziele.
Inhalte
Lehrformen
Erstellung eines schriftlichen Berichtes
Voraussetzungen fr
die Teilnahme
Erwerb von mindestens 90 ECTS-Punkten im bisherigen Bachelorstudiengang
Verwendbarkeit des
Moduls
9
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
8
Selbstndige Bearbeitung einer Fragestellung aus dem Bereich der Mathematik innerhalb eines vorgegebenen Zeitraumes (2 Monate)
Erstellung eines Berichtes (Bachelorarbeit).
Pflichtmodul in
Wird vom jeweiligen Dozenten im Voraus bekannt gegeben.
(Begutachtete) Schriftliche Arbeit
11
Berechnung Modulnote Note auf die schriftliche Arbeit: 100% der Modulnote
12
Turnus des Angebots
semesterweise
13
Unterrichtssprache
Deutsch, Englisch oder Franzsisch
Modul BaSe: Bachelor-Seminar

Studiensemester: 6
ECTS Punkte: 5
Mathematisches
Hauptseminar
Kontaktzeit:
Modulkoordinator/in
Studiendekan/in
die Modulinhalte
Hochschullehrer/in der Mathematik
Lernziele und
Kompetenzen
Inhalte
Workload: 150 h
Selbststudium:
120 h
Die Studierenden
erarbeiten sich vertiefende Fachkompetenzen in einem Teilgebiet der

Mathematik
analysieren Fragestellungen und Probleme aus dem gewhlten Teilgebiet

der Mathematik und lsen diese mit wissenschaftlichen Methoden
verwenden relevante Prsentations- und Kommunikationstechniken,

prsentieren mathematische Sachverhalte in mndlicher und schriftlicher
Form und diskutieren diese kritisch.
Das Bachelor-Seminar dient als methodische und arbeitstechnische
Vorbereitung fr die anschlieend abzulegende Bachelorarbeit.
Die aktuellen Themen werden zeitnah von den Dozenten/Innen bekannt

gegeben.
6 Lehrformen
Die Prsentation des Stoffes erfolgt durch Vortrge der Seminarteilnehmer.
Module der GOP.
Voraussetzungen fr
7
(Empfohlen sind sichere Kenntnisse mit den Inhalten der Module, auf den das
die Teilnahme
Bachelor-Seminar aufbaut.)
Verwendbarkeit des
Pflichtmodul in
8
Moduls
Empfohlene Lehrbcher Die zugrundeliegenden Vortagsunterlagen werden vom jeweiligen Dozenten im
9
und Zusatzmaterial
Voraus (bei der Vorbesprechung) bekannt gegeben.
Studien- und
10
SL: Vortrag (90 Min)
Prfungsleistungen
11
Berechnung Modulnote Bestanden / nicht bestanden
12
Turnus des Angebots
semesterweise
13
Unterrichtssprache
Deutsch
Modul DnO: Diskretisierung und numerische Optimierung

Studiensemester: 4
(als Wahlmodul: 5 oder 6)
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Dr. Gnther Leugering, E-Mail: leugering@math.fau.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Prof. Dr. Peter Knabner, Prof. Dr. Gnther Leugering, Prof. Dr. Eberhard
Bnsch
Die Studierenden
verwenden algorithmische Zugnge zu Problemen, die mittels gewhnlicher
Differentialgleichungen beschriebenen werden knnen oder von
unrestringierten endlichdimensionalen Optimierungsproblemen herkommen,
und erklren und bewerten diese
urteilen ber die Stabilitt und Effizienz eines numerischen Verfahrens
setzen mit eigener oder gegebener Software Verfahren um und bewerten
deren Ergebnisse kritisch
erlutern und verwenden ein breites Problem- und Verfahrensspektrum:
Differenzenverfahren fr Anfangs- und Randwertaufgaben, Finite-ElementVerfahren fr (2-Punkt)Randwertaufgaben
bertragen die erlangten Fachkompetenzen auf die Behandlung partieller
Differentialgleichungen, Abstiegs- und CG-Verfahren bis zum
Barriereverfahren
Zusammenhnge
Teil 1: Diskretisierung
Ein- und Mehrschrittverfahren fr Anfangswertaufgaben gewhnlicher
Differentialgleichungen:
explizite und implizite Runge-Kutta-Verfahren, BDF, Extrapolation
asymptotische Stabilitt (Nullstabilitt), Konsistenz, Konvergenz
Steifheit und Stabilitt bei fester Schrittweite
(Schrittweiten- und Ordnungsadaptivitt)
Randwertaufgaben fr gewhnliche Differentialgleichungen:
Einfhrung in Finite-Element-Verfahren
ECTS Punkte: 7,5
Workload: 225 h
Selbststudium:
90 h
45 h
Teil 2: Unrestringierte Optimierung

Abstiegsverfahren
CG-Verfahren (mit Vorkonditionierung, CG-Newton)
Quadratische Optimierungsprobleme
Penalty- und Barriereverfahren
Hausaufgaben.
Lehrformen
Voraussetzungen fr
die Teilnahme
Die Module Analysis, Lineare Algebra, Programmierung und Einfhrung

Numerik
Verwendbarkeit des
Moduls
Pflichtmodul in
B. Sc. Technomathematik
Wahlpflichtmodul (Vertiefungsmodul) in
B. Sc. Mathematik und Wirtschaftsmathematik
10
P. Deuflhard und F. Bornemann: "Numerische Mathematik II". de Gruyter,

Berlin 2002
J. Stoer und R. Bulirsch:"Numerische Mathematik 2". Springer, Berlin, 2005
K. Strehmel und R. Weiner: "Numerik gewhnlicher
Differentialgleichungen". Teubner, Stuttgart 1995
9
und Zusatzmaterial
A. Quarteroni, R. Sacco und F. Saleri "Numerische Mathematik 1, 2".
Springer, Berlin 2002
Vorlesungsskriptum auf der Homepage des Bereichs Modellierung,
Simulation und Optimierung des Departments Mathematik, stndig neu an
die Vorlesung angepasst.
PR: Klausur zur Vorlesung (60-90 Min) oder mndliche Prfung (15-20 Min)
Studien- und
10
SL: Erwerb des bungsscheins durch regelmige Teilnahme und regelmige
Prfungsleistungen
Bearbeitung von bungsaufgaben
11
Berechnung Modulnote Note der Prfung zur Vorlesung: 100% der Modulnote
12
Turnus des Angebots
jhrlich
13
Unterrichtssprache
Deutsch
11
Modul EDT: Einfhrung in die Darstellungstheorie

Studiensemester: 5 oder 6
ECTS Punkte: 10
Workload: 300 h
Vorlesung + bungen
Kontaktzeit:
Modulkoordinator/in
Prof. P. Fiebig, E-Mail: fiebig, knop@mi.uni-erlangen.de
die Modulinhalte
Lernziele und
Kompetenzen
Prof. P. Fiebig, Prof. F. Knop und andere Dozenten/innen des Departments

Mathematik
Die Studierenden
nennen und erlutern die grundlegenden Begriffe der Darstellungstheorie anhand beispielhaft ausgewhlter Kapitel und erkennen und erklren deren
Zusammenhnge
ordnen Methoden aus der Algebra in einen bergreifenden Kontext ein und
wenden diese an
analysieren und bewerten algebraische Strukturen und erkennen Zusammenhnge
klassifizieren und lsen selbststndig algebraische Probleme.
Selbststudium:
210 h
Darstellungen endlicher Gruppen

Moduln ber Ringen
Halbeinfache Ringe
Weiterfhrende Themen wie Darstellungstheorie von Kchern,
Darstellungstheorie symmetrischer Gruppen, Schur-Weyl-Dualitt,
elementare Darstellungstheorie von Lie-Algebren
Inhalte
Lehrformen

Hausaufgaben.
Voraussetzungen fr
die Teilnahme
Modul Algebra
Verwendbarkeit des
Vertiefungsmodul in B. Sc. Mathematik
Moduls
Empfohlene Lehrbcher Vorlesungsskript zu diesem Modul
9
und Zusatzmaterial
Lang, Algebra
PL: Klausur (60 Min) oder mndliche Prfung (15 Min)
Studien- und
10
SL: Regelmige Teilnahme an den bungen, erfolgreiche Bearbeitung der
Prfungsleistungen
wchentlichen Hausaufgaben
8
11 Berechnung Modulnote Note der Prfung: 100% der Modulnote

12 Turnus des Angebots
jhrlich
13 Unterrichtssprache
Deutsch
12
Modul EFA: Einfhrung in die Funktionalanalysis

Studiensemester: 4
1 a) Vorlesung
b) bungen
Kontaktzeit:
2 SWS x 15 = 30 h
1 SWS x 15 = 15 h
2 Modulkoordinator/in
Prof. G. Grn, E-Mail: gruen@am.uni-erlangen.de
Verantwortliche/r fr die
Modulinhalte
Lernziele und
Kompetenzen
5 Inhalte
6 Lehrformen
7
Teilnahme
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
55 h
50 h
Prof. W. Borchers, Prof. F. Duzaar, Prof. G. Grn, Prof. A. Pratelli, Prof. H.

Schulz-Baldes und Dozenten/innen des Departments Mathematik
Die Studierenden
nennen und erklren die Grundprinzipien der linearen Funktionalanalysis

und verwenden diese
kennen und erklren die Topologien von Hilbert- und Banachrumen,

weisen Konvergenz von Folgen in unterschiedlichen Topologien nach
(stark, schwach) und zeigen Implikationen aus kompakten Einbettungen auf
beweisen Aussagen zu Existenz und Eindeutigkeit von Lsungen linearer

Operatorgleichungen und zeigen insbesondere die Existenz schwacher
Lsungen zu Randwertproblemen bei linearen elliptischen
Differentialgleichungen
treffen Aussagen zur Integrierbarkeit bzw. Glattheit von SobolevFunktionen.

Grundlagen zu folgenden Themen:
Hilbert- und Banach-Rume
Sobolev-Rume
Lineare Operatoren
Lineare Funktionale und der Satz von Hahn-Banach
Kompakte Operatoren
Lsbarkeit linearer Gleichungen (inklusive Fredholm'sche Alternative)

Hausaufgaben.
Drei der vier Module Lineare Algebra 1 und 2, Analysis 1 und 2 mssen
bestanden sein.
Pflichtmodul in
B. Sc. Mathematik, Wirtschaftsmathematik
Lehramtsstudium (Gymnasium) der Mathematik
H.W. Alt, Lineare Funktionalanalysis, Springer-Verlag
D. Werner, Funktionalanalysis, Springer-Verlag
PL: Klausur zur Vorlesung (60 Min) oder mndliche Prfung (15 Min)
SL: Erwerb des bungsscheins durch regelmige Teilnahme und
erfolgreiche Bearbeitung der bungsaufgaben
11 Berechnung Modulnote
Note der Prfung: 100% der Modulnote
jhrlich im SS
13
Deutsch
14
Modul ENum: Einfhrung in die Numerik

(als Wahlmodul: 5)
a) Vorlesung
1
b) bungen
c) Tutorium
ECTS Punkte: 10
Kontaktzeit:
Workload: 300 h
Selbststudium:
60 h
90 h
45 h
Modulkoordinator/in
Prof. Dr. Peter Knabner, E-Mail: peter.knabner@am.uni-erlangen.de
Modulinhalte
Prof. E. Bnsch, Prof. P. Knabner, Prof. G. Leugering
Lernziele und
Kompetenzen
Inhalte
6
7
8
9
Die Studierenden
verwenden algorithmische Zugnge fr Probleme der linearen Algebra und

Analysis und erklren und bewerten diese
urteilen insbesondere ber die Stabilitt und Effizienz eines numerischen

Verfahrens


(Direkte und) iterative Verfahren fr lineare Gleichungssysteme, nichtlineare
Gleichungssysteme, insbesondere Newton-Verfahren, (nicht)lineare
Ausgleichsrechnung, Interpolation und Integration, Numerik von
Eigenwertaufgaben

Zusammenhnge
Direkte Eliminationsverfahren fr lineare Gleichungssysteme (Gau mit Pivotsuche (Erinnerung), Cholesky, LR-Zerlegung fr vollbesetzte (Erinnerung)
und Bandmatrizen)
Linear stationre iterative Verfahren: Erinnerung und SOR-Verfahren
Verfahren fr Eigenwertaufgaben (QR-Verfahren)
Fehleranalyse und Strungsrechnung (Gleitpunktarithmetik, Konditionsanal-
yse, schlechtgestellte Probleme)

Lineare Ausgleichsrechnung (Orthogonalisierungsverfahren, Numerik der
Pseudoinverse)
Iterative Verfahren fr nichtlineare Gleichungssysteme (Fixpunktiteration,
Newton-Verfahren, Gau-Newton)
Interpolation (Polynome, Polynomialsplines, FFT)
Numerische Integration (Newton-Cotes, Gau, Extrapolation, Adaption)
Lehrformen
Hausaufgaben. Im Tutorium wird Softwareerstellung und -bewertung eingebt.
Die Module Analysis, Lineare Algebra
Kenntnisse in MATLAB sind zwingend. Diese knnen in einem jeweils vor
Teilnahme
Semesterbeginn stattfindenden Kurs erworben werden.
Pflichtmodul in
B. Sc. Mathematik und Technomathematik
Verwendbarkeit des
Moduls
B. Sc. Wirtschaftsmathematik
Empfohlene Lehrbcher R. Schaback und H. Wendland: "Numerische Mathematik". Springer, Berlin,
und Zusatzmaterial
2005
15
10
Studien- und
Prfungsleistungen
A. Quarteroni, R. Sacco, F. Saleri: "Numerische Mathematik 1, 2". Springer,

Berlin, 2002
P. Deuflhard und A. Hohmann: "Numerische Mathematik I". de Gruyter,
Berlin 2002
J. Stoer:"Numerische Mathematik 1". Springer, Berlin, 2005
J. Stoer und R. Bulirsch:"Numerische Mathematik 2". Springer, Berlin, 2005
Vorlesungsskriptum auf der Homepage des Bereichs Modellierung, Simulation
und Optimierung des Departments Mathematik, stndig neu an die Vorlesung
angepasst.
SL: Erwerb des bungsscheins durch regelmige Teilnahme und regelmige
Bearbeitung von bungsaufgaben, insbesondere Programmieraufgaben
jhrlich
Deutsch
16
Modul ENuPDG: Einfhrung in die Numerik partieller Differentialgleichungen I

Studiensemester: 5
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. Dr. Peter Knabner, E-Mail: peter.knabner@am.uni-erlangen.de
Modulinhalte
Prof. P. Knabner, Prof. E. Bnsch, Prof. G. Grn
Lernzieleziele und
Kompetenzen
Inhalte
Lehrformen
Teilnahme
ECTS Punkte: 10
Workload: 300 h
Selbststudium:
120 h
90 h
Die Studierenden
verwenden algorithmische Zugnge fr Modelle mit partiellen

Differentialgleichungen und erklren und bewerten diese
urteilen insbesondere ber die Stabilitt und Effizienz eines

numerischen Verfahrens
setzen mit eigener oder gegebener Software Verfahren um und

bewerten deren Ergebnisse kritisch
erlutern und verwenden ein breites Problem- und

Verfahrensspektrum mit dem Schwerpunkt konforme Finite-ElementVerfahren fr lineare elliptische Probleme

Zusammenhnge
Klassische Theorie linearer elliptischer Randwertaufgaben (RWA) (Abriss),
Finite-Differenzen-Methode (FDM) fr Poisson-Gleichung in 2 Dimensionen
(bis zu Stabilitt ber Inversmonotonie)
Finite-Element-Methode (FEM) fr Poisson-Gleichung in 2 Dimensionen
(Stabilitt und Konvergenz, Beispiel lineare Elemente, Implementierung),
Variationelle Theorie linearer elliptischer RWA (Abriss)
FEM fr lineare elliptische Randwertaufgaben (2. Ordnung) (Elementtypen,
affin-quivalente Triangulierungen, Konvergenzordnungsabschtzungen,
Maximumprinzip)
Iterative Verfahren fr groe dnnbesetzte Gleichungssysteme (Kondition
von Finite-Element-Matrizen, linear stationre Verfahren (Erinnerung), CGVerfahren (Erinnerung), Vorkonditionierung, Krylov-Unterraummethoden).
Hausaufgaben.
Einfhrung Numerik, Diskretisierung und Optimierung
P. Knabner and L. Angermann "Numerical Methods for Elliptic and Parabolic
Partial Differential Equations". Springer, New York 2003

S. Larsson and V. Thome "Partial Differential Equations with Numerical
und Zusatzmaterial
Verwendbarkeit des
Moduls
Methods". Springer, Berlin 2005

D. Braess "Finite Elemente".Finite Elemente". Springer, Berlin 2003

angepasst.
Pflichtmodul in
Wahlmodul (Vertiefungsmodul) in

17
M. Sc. Physik (nichtphysikalisches Wahlmodul)

PL: Klausur (60-90 Min) oder mndliche Prfung (15-20 Min)
SL: Erwerb des bungsscheins durch regelmige Teilnahme und
regelmige Bearbeitung von bungsaufgaben.
10
Studien- und
Prfungsleistungen
11
12
Turnus des Angebots
jhrlich
13
Unterrichtssprache
Deutsch
18
Modul ENuPDGII: Einfhrung in die Numerik partieller Differentialgleichungen II

ECTS Punkte: 5
Workload: 150 h
a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. Dr. Eberhard Bnsch, E-Mail: baensch@am.uni-erlangen.de
die Modulinhalte
Prof. P. Knabner, Prof. E. Bnsch, Prof. G. Grn
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
Selbststudium:
60 h
30 h
Die Studierenden
verwenden algorithmische Zugnge fr Modelle mit partiellen

Differentialgleichungen und erklren und bewerten diese
urteilen insbesondere ber die Stabilitt und Effizienz eines numerischen

Verfahrens


Schwerpunkt konforme Finite-Element-Verfahren fr parabolische Probleme,
exemplarische Behandlung nichtlinearer Probleme

Zusammenhnge
Klassische und variationelle Theorie linearer parabolischer Anfangswertaufgaben (ARWA) (Abriss)
FEM fr lineare parabolische ARWAn (2. Ordnung) (Semidikretisierung im

Ort, Zeitdiskretisierung durch Einschrittverfahren, Stabilitt (Erinnerung),
Maximumsprinzip, Konvergenzordnung)
FEM fr semilineare elliptische und parabolische Gleichungen (Fixpunktund Newton-Verfahren (Erinnerung), Kombination mit sekundren Iterationen)
Zeitdiskretisierung hherer Ordnung, Extrapolation, Schrittweitensteuerung.

Hausaufgaben.
Einfhrung Numerik partieller Differentialgleichungen
B. Sc. Technomathematik, Mathematik, Wirtschaftsmathematik

M. Sc. Physik (nichtphysikalisches Wahlmodul)
P. Knabner and L. Angermann "Numerical Methods for Elliptic and Parabolic

Partial Differential Equations". Springer, New York 2003
S. Larsson and V. Thome "Partial Differential Equations with Numerical

9
Methods". Springer, Berlin 2005
und Zusatzmaterial
angepasst.
Studien- und
10
SL: Erwerb des bungsscheins durch regelmige Bearbeitung von bungsPrfungsleistungen
und Programmieraufgaben.
8
Verwendbarkeit des
Moduls
11
Berechnung Modulnote Note der Prfung: 100% der Modulnote

19
12
Turnus des Angebots
jhrlich
13
Unterrichtssprache
Deutsch
20
Modul EST: Einfhrung in die Steuerungstheorie

Studiensemester: 5
(Als Wahlmodul: 5 oder 6)
Lehrveranstaltung(en):
1
Vorlesung
bungen
Kontaktzeit:
Prof. G. Leugering, guenter.leugering@fau.de
6
7
8
9
10
11
Modulkoordinator/in
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
45 h
60 h
Verantwortliche/r fr die Prof. G. Leugering oder andere Dozenten/innen des Departments

Modulinhalte
Mathematik
Die Studierenden
erklren grundlegende mathematische Methoden zur gezielten
Beeinflussung dynamischer Systeme
Lernziele und
analysieren Problemstellungen auf Basis linearer gewhnlicher
Kompetenzen
Differentialgleichungen etwa aus technischen, naturwissenschaftlichen,
medizinischen oder konomischen Anwendungen bezglich Erreichbarkeit,
Steuerbarkeit und Beobachtbarkeit.
Steuerungstheoretische Aspekte der Systemtheorie
Steuerung und Steuerbarkeitskriterien
Beobachter und Beobachtbarkeitskriterien

Inhalte
Dualitt von Steuerbarkeit und Beobachtbarkeit
Stabilitt und Stabilisierbarkeitskriterien

Die Prsentation des Stoffes erfolgt in Vorlesungsform. Die weitere
Lehrformen
Aneignung der wesentlichen Begriffe und Techniken erfolgt durch
wchentliche Hausaufgaben.
Lineare Algebra 1 und 2, Analysis 1 und 2 sowie das Modul GDgl oder
anders erworbene Vorkenntnisse im Bereich linearer gewhnlicher
Teilnahme
Differentialgleichungen.
Verwendbarkeit des
Wahlmodul (Vertiefungsmodul) in B. Sc. Mathematik, Technomathematik
Moduls
oder Wirtschaftsmathematik
KNOBLOCH, H., KWAKERNAAK, H.: Lineare Kontrolltheorie, SpringerEmpfohlene Lehrbcher
Verlag, Berlin u.a., 1985
und Zusatzmaterial
SONNTAG, E.D.: Mathematical Control Theory, Springer-Verlag, 1990
PL: Klausur (60 Minuten) oder mndliche Prfung (15 Minuten)
Studien- und
Prfungsleistungen
Hausaufgaben
Berechnung der
Modulnote
12
Turnus des Angebots
zweijhrlich
13
Unterrichtssprache
Deutsch oder Englisch
21
Modul MaMo: Einfhrung in die Mathematische Modellierung

Studiensemester: 5
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. Dr. Nicole Marheineke, E-Mail: nicole.marheineke@am.uni-erlangen.de
die Modulinhalte
Prof. N. Marheineke, Prof. S. Krutle, Prof. P. Knabner, Prof. W. Borchers
Lernziele und
Kompetenzen
Die Studierenden:
- nennen und erklren die grundlegenden und vertiefenden Begriffe
mathematischer Modellierung und verwenden die zugehrigen Prinzipien
- erstellen und bewerten selbstndig auf Basis exemplarischer Kenntnisse aus
Ingenieur- und Naturwissenschaften deterministische Modellen in Form von
Gleichungssystemen und gewhnlichen Differentialgleichungen
- lsen vorgegebene Aufgaben im Team mit analytischen/numerischen Methoden
und diskutieren die Ergebnisse kritisch
- prgen Problemlsungskompetenz aus
- sind zur Konkurrenzfhigkeit mit Studierenden von ingenieurwissenschaftlichen Fchern befhigt
Inhalte
- Handwerkzeuge der mathematischen Modellierung: Dimensionsanalyse, asymptotische Entwicklung, Stabilititts-, Sensitivittsbetrachtungen, Existenz und
Nichtnegativitt von Lsungen
- Modelle in Form von linearen Gleichungssystemen (elektrische Netzwerke,
Stabwerke, Zusammenhang zu Minimierungsaufgaben), nichtlinearen Gleichungssystemen (chemische Gleichgewichte in reaktiven
Mehrspeziessystemen), Anfangswertaufgaben fr gewhnliche Differentialgleichungen (chemische Reaktionen, Populationsmodelle)
10
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
60 h
30 h

wesentlicher Begriffe und Techniken erfolgt in Projektarbeit in Kleingruppen, die
in den bungen besprochen werden.
Module Analysis und Lineare Algebra oder Module einer zweisemestrigen
Voraussetzungen fr
Mathematikgrundausbildung fr nichtmathematische Studiengnge.
die Teilnahme
Modul Numerische Mathematik empfohlen.
Modul Gewhnliche Differentialgleichungen empfohlen.
Verwendbarkeit des
Pflichtmodul in B. Sc. Technomathematik
Moduls
Wahlmodul in B. Sc. Mathematik und Wirtschaftsmathematik
Ch. Eck, H. Garcke, P. Knabner "Mathematische Modellierung".
Springer-Verlag, 2. Auflage, Berlin 2011
F. Hauser, Y. Luchko, "Mathematische Modellierung mit MATLAB.
und Zusatzmaterial
Spektrum Akademischer Verlag 2011
G. Strang "Introduction to Applied Mathematics". Wellesley-Cambridge
Press, Wellesley 1986
Studien- und
Portfolio: mndliche Prfung und Projektarbeit
Prfungsleistungen
Lehrformen

jhrlich
Deutsch
22
Modul RobOpt: Einfhrung in die Robuste Optimierung

Studiensemester: 5
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. F. Liers, E-Mail: frauke.liers@math.uni-erlangen.de
Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. F. Liers, evtl. auch andere Dozenten/innen des Departments

Mathematik
Die Studierenden
erkennen selbststndig robuste Optimierungsprobleme und modellieren
und analysieren diese
nutzen die passenden Lsungsverfahren
bewerten die erzielten Ergebnisse.
Oft sind die Eingabedaten eines mathematischen Optimierungsproblems in
der Praxis nicht exakt bekannt. In der robusten Optimierung werden
deswegen mglichst gute Lsungen bestimmt, die fr alle innerhalb gewisser
Toleranzen liegenden Eingabedaten zulssig sind. Die Vorlesung behandelt
die Theorie und Modellierung robuster Optimierungsprobleme, insbesondere
die robuste lineare und robuste kombinatorische Optimierung. Darber hinaus
werden anhand von Anwendungsbeispielen aktuelle Konzepte wie z.B. die
wiederherstellbare Robustheit gelehrt.
Neben der Vorlesung werden bungen angeboten, in denen die Studierenden
von einem bungsgruppenleiter betreut werden.
Anhand von Prsenz- und Hausaufgaben werden wesentliche Lerninhalte
gebt.
Teilnahme
Lineare Algebra. Vorteilhaft wren darber hinaus das Modul Kombinatorische

Optimierung oder das Modul Lineare und konvexe Optimierung.
Verwendbarkeit des
Moduls
und Zusatzmaterial
B. Sc. Mathematik, Technomathematik oder Wirtschaftsmathematik
Vorlesungsskript zu diesem Modul
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
45 h
60 h
Ben-Tal, El Ghaoui, Nemirovski: Robust Optimization. Princeton University

Press 2009.
PL: Klausur zur Vorlesung oder mndliche Prfung
10
Studien- und
Prfungsleistungen
11
12
Turnus des Angebots
Jhrlich
13
Unterrichtssprache
Deutsch
23
Modul Futh: Funktionentheorie

Studiensemester: 4
(als Wahlmodul: 6)
a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. H. Schulz-Baldes, E-Mail: schuba@mi.uni-erlangen.de
Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Prof. F. Knop, Prof. H. Schulz-Baldes und Dozenten/innen des Departments

Mathematik
Die Studierenden
erklren die Grundprinzipien der Funktionentheorie und wenden diese an
erkennen die Gemeinsamkeiten und Unterschiede zwischen reell und
komplex differenzierbaren Funktionen und erklren diese
wenden komplex-analytische Methoden zur Lsung von Problemen der
reellen Analysis selbstndig an
Holomorphe Abbildungen
Cauchy-Riemann'sche Differentialgleichungen
Wegintegrale und der Cauchy'sche Integralsatz
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
60 h
30 h
Lehrformen
Teilnahme
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
Residuenkalkl
Lineare Algebra 1 und 2, Analysis 1 und 2
Pflichtmodul in
B. Sc. Mathematik
B. Sc. Technomathematik, Wirtschaftsmathematik
Lehramtsstudium (Gymnasium) der Mathematik

Freitag, Busam, Funktionentheorie I
Remmert, Funktionentheorie
SL: Erfolgreiche Bearbeitung der wchentlichen Hausaufgaben
jhrlich im SS
Deutsch
24
Modul GDgl: Gewhnliche Differentialgleichungen

Studiensemester: 3
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. A. Knauf, E-Mail: knauf@math.fau.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. G. Keller, Prof. A. Knauf und Dozenten/innen des Departments

Mathematik
Die Studierenden
lsen einfache, insbesondere autonome lineare Differentialgleichungen
selbstndig
erklren und prfen qualitative Eigenschaften wie Stabilitt
wenden die relevanten Lsungsmethoden selbststndig an
klassifizieren konkrete Probleme und setzen theoretische Modelle zur
Behandlung ein
berfhren die Prinzipien in allgemeineren oder auch einfacheren
Kontext
Typen von Differentialgleichungen und elementare Lsungsmethoden
Existenz-, Eindeutigkeits- und Stetigkeitsstze fr das
Anfangswertproblem
Differentialungleichungen (Lemma von Gronwall)
Fortsetzung von Lsungen
lineare und gestrte lineare Systeme
autonome Systeme und Flsse
Stabilitt
Die Prsentation des Stoffes erfolgt in der Vorlesung und der integrierten
zentralen bung.
Die weitere Aneignung der wesentlichen Begriffe und Techniken erfolgt durch
Voraussetzungen fr
die Teilnahme
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
45 h
45 h
Analysis 1 und 2, Lineare Algebra 1 und 2
Pflichtmodul in
B. Sc. Mathematik
Verwendbarkeit des
Wahlmodul (im Rahmen des Dgl-Moduls oder als Vertiefungsmodul) in
8
Moduls
Technomathematik und Wirtschaftsmathematik
Lehramt vertieft
Hrerinnen und Hrer aus verwandten Studiengngen sind willkommen
H. Amann: Gewhnliche Differentialgleichungen. de Gruyter
V.I. Arnol'd: Gewhnliche Differentialgleichungen. Springer
9
und Zusatzmaterial
H. Heuser: Gewhnliche Differentialgleichungen. Teubner
W. Walter: Gewhnliche Differentialgleichungen. Springer
Studien- und
10
Prfungsleistungen
11
Berechnung Modulnote Note der Klausur: 100% der Modulnote
12
Turnus des Angebots
jhrlich im WS
25
13
Unterrichtssprache
Deutsch
26
Modul KOpt: Kombinatorische Optimierung

Studiensemester: 3
1 a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. A. Martin, E-Mail: alexander.martin@math.uni-erlangen.de
Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. A. Martin, evtl. auch andere Dozenten/innen des Departments

Mathematik
Die Studierenden
erkennen und analysieren selbststndig kombinatorische
Optimierungsprobleme
erlutern algorithmische Grundprinzipien und wenden diese zielorientiert an
klassifizieren teilweise komplexe Verfahren des Lerngebietes
sammeln und bewerten relevante Informationen und stellen
Zusammenhnge her.
Schwerpunkt dieser Vorlesung ist die Theorie und Lsung kombinatorischer
und in diesem Kontext linearer Optimierungsprobleme. Wir behandeln
klassische Probleme auf Graphen, wie das Krzeste Wege Problem, das
aufspannende Baum Problem oder das Max-Flow-Min-Cut Theorem. Zum
Vorlesungsumfang gehrt auch das Simplexverfahren fr lineare Programme
und das Studium algorithmischer Grundprinzipien wie Sortieren, Greedy,
Tiefen- und Breitensuche sowie Heuristiken.
Neben der vierstndigen Vorlesung werden zweistndige bungen
angeboten, in denen die Studierenden von einem bungsgruppenleiter betreut
werden.
Anhand von Prsenz- und Hausaufgaben werden wesentliche Lerninhalte
gebt.
Zustzlich werden kleinere Softwarebungen angeboten.
Teilnahme
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
11
12
Turnus des Angebots
jhrlich im WS
13
Unterrichtssprache
Deutsch
ECTS Punkte: 10
Workload: 300 h
Selbststudium:
90 h
120 h
Lineare Algebra
Pflichtmodul in
Schrijver: Combinatorial Optimization Vol. A - C, Springer 2003
Korte, J. Vygen: Combinatorial Optimization, Springer 2005
PL: Klausur zur Vorlesung oder mndliche Prfung
27
Modul LA: Lineare Algebra

ECTS Punkte: 17,5
Workload: 525 h
a) Vorlesung
b) bungen
a) Vorlesung
b) bungen
Kontaktzeit: Wintersemester
4 SWS x 15 Wochen = 60 h (5,5 ECTS)
Kontaktzeit: Sommersemester
Modulkoordinator/in
Prof. K.-H. Neeb, E-Mail: neeb@mi.uni-erlangen.de
Modulinhalte
Lernziele und
Kompetenzen
Prof. P. Knabner, Prof. F. Knop, Prof. K.-H. Neeb oder andere Dozenten der
Mathematik
Die Studierenden
erkennen lineare und nicht-lineare Zusammenhnge und behandeln sie
quantitativ und qualitativ. Insbesondere:
(im Teil Lineare Algebra I)
erlutern und verwenden den Gau-Algorithmus zum Lsen linearer
Gleichungssysteme
verwenden die abstrakten Strukturen Krper und Vektorraum
bersetzen zwischen linearen Abbildungen und zugehrigen Matrizen und
berechnen so charakteristische Daten linearer Abbildungen
beherrschen den Determinantenkalkl
erkennen und verwenden spezielle Eigenschaften linearer Abbildungen
Inhalte
Selbststudium Wintersemester:
172,5 h
Selbststudium Sommersemester:
172,5 h
(im Teil Lineare Algebra II)

verwenden und untersuchen quadratische Formen als die einfachsten nichtlinearen Funktionen
formulieren und behandeln geometrische Probleme algebraisch
verwenden Dual- und Quotientenrume zur Analyse linearer Abbildungen
erlutern die Theorie der Polyeder sowie die Grundprinzipien der linearen
Optimierung
erkennen die Querverbindung zur Analysis
fhren exemplarische inner- und auermathematische Anwendungen durch.
Lineare Algebra I:
Lineare Gleichungssysteme
Vektorrume
Euklidische Vektorrume (Orthonormalisierung, Orthogonalprojektion)
Lineare Abbildungen
Determinanten
Gruppen und Krper
Eigenwerte
Hauptachsentransformation
Elemente der numerischen linearen Algebra (LR und QR-Zerlegung)
Lineare Algebra II:
Jordansche Normalform
Anwendung der JNF: Matrixpotenzen und lineare Differentialgleichungssysteme

Quotientenvektorraum, Dualraum
28
Bilinearformen, hermitesche Formen

Adjungierte und normale Operatoren, Singulrwerte
Tensorprodukte
affine Geometrie
konvexe Geometrie (Polyeder, Extremalprobleme)
Hausaufgaben, die in den bungen besprochen werden.
Lehrformen
Keine
Teilnahme
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
Pflichtmodul in
Lehramt vertieft
G. Strang "Lineare Algebra". Springer, 2003
B. Huppert, W. Willems "Lineare Algebra". Vieweg, 2010
G. Fischer "Lineare Algebra". Vieweg, 2005
G. Fischer "Analytische Geometrie". Vieweg, 2001
W.Greub "Lineare Algebra". Springer, 1981
H. J. Kowalsky, G. Micheler, "Lineare Algebra". de Gruyter, 1998
F. Lorenz "Lineare Algebra I, II", Spektrum, 2003; 1996
P. Knabner, W. Barth Lineare Algebra Grundlagen und Anwendungen.
Springer 2012
SL:
Regelmige und aktive Teilnahmen an den bungen
Erfolgreiche Bearbeitung der wchentlichen Hausaufgaben (mindestens 50%
der erreichbaren Punkte)
Klausur zu den bungen des 1. Semesters (120 Minuten, unbenotet)
PL:
Klausur zum Inhalt beider Vorlesungen am Ende des 2. Semesters (120 180
Min)
Note der Klausur am Ende des 2. Semesters: 100% der Modulnote
jhrlich im Wintersemester und darauf folgenden Sommersemester
Deutsch
29
Modul LkO: Lineare und konvexe Optimierung

ECTS Punkte: 10
Workload: 300 h
a) Vorlesung
b) bungen
c) Tutorium
Kontaktzeit:
Selbststudium:
80 h
80 h
35 h
Modulkoordinator/in
Prof. J. Jahn, E-Mail: jahn@am.uni-erlangen.de
Modulinhalte
Prof. W. Achtziger, Prof. J. Jahn, Prof. G. Leugering, Prof. M. Stingl

Die Studierenden
nennen und erklren grundlegende Modellierungsfragen sowie
Lsungsanstze der Optimierung
stellen einfache Typen von Optimierungsproblemen eigenstndig auf und
lsen diese
bertragen grundlegende Fachkompetenzen auf weiterfhrende Studien,
insbesondere die Veranstaltungen des Masterstudiums im Bereich der
diskreten und kontinuierlichen Optimierung, falls ntig
setzten die erworbenen grundlegenden Fachkompetenzen in
unterschiedlichen Anwendungen selbstndig um
sammeln relevante Informationen, bewerten sie und stellen
Zusammenhnge her.
Anwendungen und Modellierung (mathematische, technische und
wirtschaftswissenschaftliche Anwendungen)
Lineare Optimierung (Trennungssatz, Dualitt)
Konvexe Optimierung (konvexe Funktionen, KKT-Bedingung, InnerePunkte-Verfahren fr lineare Probleme, Ordnungskegel)
Hausaufgaben. Im Tutorium werden Grundlagen wiederholt.
Die Module Analysis, Lineare Algebra und entweder das Modul
Kombinatorische Optimierung oder das Modul Diskretisierungs- und
Optimierungsverfahren.
Das Modul kann auch statt 2 Vertiefungsmodulen zu jeweils 5 ECTS gewhlt
werden.
C. Geiger und C. Kanzow: Theorie und Numerik restringierter Optimierungsaufgaben. Springer, 2002
J. Jahn: Introduction to the Theory of Nonlinear Optimization. Springer, 3.
Auflage, 2007
F. Jarre und J. Stoer: Optimierung. Springer, 2004
R. Reemtsen: Lineare Optimierung. Shaker, 2001
SL: Erwerb des bungsscheins durch regelmige Teilnahme und Lsung
von bungsaufgaben
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Teilnahme
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
11
12
Turnus des Angebots
Jhrlich, im WS
30
13
Unterrichtssprache
Deutsch
31
Modul Mass: Matheorie

Studiensemester: 4
ECTS Punkte: 5
Workload: 150 h
a) Vorlesung
b) bungen
Kontaktzeit:
Selbststudium:
45 h
45 h
Modulkoordinator/in
Prof. G. Keller, E-Mail: keller@mi.uni-erlangen.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. H. Schulz-Baldes , Prof. G. Keller, Prof. A. Knauf und Dozenten/innen des

Die Studierenden
nennen und erklren die Grundbegriffe der Ma- und Integrationstheorie und
verwenden die Grundprinzipien,
definieren die wichtigsten Begriffe der Ma- und Integrationstheorie (u.a.
Ma, sigma-Algebra, Lebesgue-Integral, Produktma, absolute Stetigkeit)
und erkennen und erklren die Zusammenhnge zwischen ihnen,
wenden zentrale Stze der Ma- und Integrationstheorie sowohl in
konkreten Beispielen (z.B. Volumenberechnungen) als auch in Beweissituationen korrekt an,
erkennen und benennen die Unterschiede zwischen Riemann- und
Lebesgue-Integral
sammeln und bewerten relevante Informationen und erkennen Zusammenhnge.
Mengensysteme und sigma-Algebren, Fortsetzungssatz
messbare Funktionen und Abbildungen, das Integral, Konvergenzstze
Produkt-sigma-Algebren, Satz von Fubini
Ungleichungen von Minkowski, Hlder und Jensen, L p-Rume und

Hilbertrume
Zerlegungsstze fr Mae (Hahn, Radon-Nikodym)

Hausaufgaben
Voraussetzungen fr
die Teilnahme
Analysis 1 und 2
Pflichtmodul in
H. Bauer: Ma- und Integrationstheorie. De Gruyter
9
und Zusatzmaterial
J. Elstrodt: Ma- und Integrationstheorie. Springer
Studien- und
10
Prfungsleistungen
8
Verwendbarkeit des
Moduls
11
12
Turnus des Angebots
jhrlich im Sommersemester
32
13
Unterrichtssprache
Deutsch
33
Modul MaSe: Mathematisches Seminar

Studiensemester: 4
ECTS Punkte: 5
Workload: 150 h
Seminar
Kontaktzeit:
Selbststudium:
120 h
Modulkoordinator/in
Studiendekan/in
die Modulinhalte
Dozenten/innen des Departments Mathematik

Die Studierenden
erarbeiten sich vertiefende Fachkompetenzen in einem Teilgebiet der

Mathematik
verwenden relevante Prsentations- und Kommunikationstechniken,

Die aktuellen Themen werden zeitnah von den Dozenten/Innen bekannt
gegeben.
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Die Prsentation des Stoffes erfolgt durch Vortrge der Seminarteilnehmer
Voraussetzungen fr
die Teilnahme
Module der GOP
Verwendbarkeit des
Moduls
9
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
8
Pflichtmodul in
B. Sc. Mathematik
Die zugrundeliegenden Vortragsunterlagen werden vom jeweiligen Dozenten
bekannt gegeben.
SL: Referat (90 Min) und Hausarbeit
PL: Mndliche Prfung (ca. 15 Min)
11
12
Turnus des Angebots
Jhrlich
13
Unterrichtssprache
Deutsch
34
Modul MInt: Mehrdimensionale Integration

Studiensemester: 3
ECTS Punkte: 5
Workload: 150 h
a) Vorlesung
b) bungen
Kontaktzeit:
Selbststudium:
45 h
45 h
Modulkoordinator/in
Prof. A. Knauf, E-Mail: knauf@math.fau.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. H. Schulz-Baldes, Prof. G. Keller, Prof. A. Knauf und Dozenten/innen des

Die Studierenden
integrieren grundlegende Funktionen mehrerer Vernderlicher
zeigen geometrische Konzepte der Analysis auf und verwenden diese
nennen die wichtigsten Stze und Begriffe der Integrationstheorie und
erkennen und erklren die Zusammenhnge zwischen ihnen
setzen die geometrische Integrationstheorie in verschiedenen
innermathematischen Anwendungen um
Zusammenhnge.
Integration ber Gebiete im Rd
Transformation von Integralen
Integration ber Mannigfaltigkeiten, Flchenformel
Vektorfelder und Differentialformen
Satz von Gau, Greensche Formeln, Satz von Stokes
Hausaufgaben
Voraussetzungen fr
die Teilnahme
Analysis 1 und 2
Pflichtmodul in
8
Lehramt vertieft
O. Forster: Analysis 3. Vieweg
9
und Zusatzmaterial
V. Zorich: Analysis II
I. Agricola, Th. Friedrich: Vektoranalysis
Studien- und
10
Prfungsleistungen
Verwendbarkeit des
Moduls
11
Berechnung Modulnote Note der Prfung: 100 % der Modulnote
12
Turnus des Angebots
jhrlich im WS
13
Unterrichtssprache
Deutsch
35
Modul NVOpt: Numerische Verfahren der Optimierung

ECTS Punkte: 5
Workload: 150 h
a) Vorlesung
b) bungen
Kontaktzeit:
1/2 SWS x 15 Wochen = 7,5 h
Modulkoordinator/in
Prof. W. Achtziger, E-Mail: achtziger@am.uni-erlangen.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalt
Prof. M. Stingl, Prof. W. Achtziger, Prof. J. Jahn und andere Dozenten/innen des
Departments Mathematik.
Die Studierenden
nennen und erklren die Techniken zur Modellierung
erlutern Verfahren zur numerischen Lsung von Optimierungsproblemen
einfachen Grundtyps
verwenden ein breites Feld von Optimierungsanstzen in technischen,
naturwissenschaftlichen und konomischen Anwendungen
bertragen grundlegende und teilweise vertiefte Fachkompetenzen auf
weiterfhrende Studien, insbesondere die Veranstaltungen des
Masterstudiums im Bereich der kontinuierlichen Optimierung, falls ntig.
Modellierung mathematischer Optimierungsprobleme (Vertiefung) anhand
typischer Anwendungsbeispiele (z.B. aus Technik, Naturwissenschaft,
Wirtschaftswissenschaft)
Numerische Verfahren zur effizienten Behandlung von linearen Problemen;
Klassische Verfahren der ableitungsfreien Optimierung
Newton-artige Verfahren der unrestringierten Optimierung
Einfhrung in die Quadratische Optimierung, Penalty- und barriereartige
Verfahren fr lineare und konvexe Probleme etc.
der wesentlichen Begriffe und Techniken erfolgt durch Selbststudium
begleitender Literatur und die Bearbeitung von bungsaufgaben (auch
Rechnerbungen), untersttzt durch Zusammenknfte innerhalb der bungen.
Lernziele und
Kompetenzen
Voraussetzungen fr
die Teilnahme
Verwendbarkeit des
Moduls
Abschluss des Moduls "Lineare und konvexe Optimierung.
Wahlmodul (Aufbau- oder Vertiefungsmodul) in

B. Sc. Mathematik, Technomathematik, Wirtschaftsmathematik
C. Geiger, Ch. Kanzow: Numerische Verfahren zur Lsung

unrestringierter
Optimierungsaufgaben. Springer, 1999.
J. Nocedal, S.J. Wright: Numerical optimization. Springer, 1999.

und Zusatzmaterial
10
11
Selbststudium:
60 h
52,5 h
C.T. Kelley: Iterative methods for optimization. SIAM, 1999.

SL: Hausarbeit (z.B. bungsaufgaben, Rechnerbungen)
Note der Prfung: 100% der Modulnote. Als Teilmodul gem anteiligem ECTSBerechnung Modulnote
Gewicht im umfassenden Modul.
Studien- und
Prfungsleistungen
12
Turnus des Angebots
im SS, etwa alle 2 Jahre.
13
Unterrichtssprache
Deutsch.
36
Modul OrSe: Orientierungsseminar

ECTS Punkte: 5
Workload: 150 h
Seminar
Kontaktzeit:
2 SWS x 15 Wochen = 30 h (Teil 1)
2 SWS x 15 Wochen = 30 h (Teil 2)
Modulkoordinator/in
Studiendekan/in
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
Verwendbarkeit des
Moduls
9
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
8
Selbststudium:
90 h
Die Studierenden
erarbeiten sich Fachkompetenzen in einem Teilgebiet der Mathematik
verwenden relevante Prsentations- und Kommunikationstechniken und

Im ersten Semester finden in einem zweiwchigen Wechsel jeweils folgende
Veranstaltungen statt:
eine Einfhrung in LATEX und Mathematik-Software
ein Mentoring-Seminar, in dem mathematische Fragen besprochen werden.
Im zweiten Semester findet ein Seminar mit Vortrgen zu einem von dem
Dozenten/der Dozentin vorgeschlagenen Thema statt.
Praktische bung und Mentoring-Seminar im ersten Semester, Vortrge der
Seminarteilnehmer im zweiten Semester
Keine
Pflichtmodul in
Die Vortragsthemen und Literatur hierzu werden von dem jeweiligen
Dozenten/der jeweiligen Dozentin rechtzeitig im Voraus ausgehndigt.
SL: Referat im zweiten Semester mit schriftlicher Ausarbeitung
11
12
Turnus des Angebots
jhrlich
13
Unterrichtssprache
Deutsch
37
Modul PDG: Elementare Partielle Differentialgleichungen

ECTS Punkte: 10
Workload: 300 h
a) Vorlesung
b) bungen
Kontaktzeit:
Modulverantwortliche/r
Prof. Dr. G. Grn, E-Mail: gruen@am.uni-erlangen.de
die Modulinhalte
Lernziele und
Kompetenzen
Prof. F. Duzaar, Prof. G. Grn und Dozenten/innen des Departments

Mathematik
Die Studierenden
nennen und erklren die Grundbegriffe zu partiellen Differentialgleichungen
und verwenden die Grundprinzipien
nutzen das Erlernte in verschiedenen Anwendungsbereichen von PDG
wenden einfache explizite Lsungsmethoden (u.a. in den bungsaufgaben)
selbstndig an
erlutern und verwenden klassische und schwache Zugnge zu
Existenzresultaten und bewerten diese
Inhalte
Selbststudium:
90 h
120 h
PDG in den Anwendungen / Klassifikation

skalare Erhaltungsgleichungen -- Phnomene, elementare
Lsungsmethoden
Poisson-Problem in Hlderrumen, Vergleichsstze
schwache Existenztheorie elliptischer Gleichungen zweiter Ordnung
Regularitt schwacher Lsungen (Differenzenquotientenmethode, Moser,
Harnack)
Wrmeleitungsgleichung in Hlderrumen, Vergleichsstze
Lehrformen

der wesentlichen Begriffe und Techniken erfolgt durch wchentlichen
Hausaufgaben.
Voraussetzungen fr
die Teilnahme
Modul Analysis
Wahlmodul (im Rahmen des Dgl-Moduls oder als Vertiefungsmodul) in

E. DiBenedetto, Partial Differential Equations, Birkhuser 2001
L. C. Evans, Partial Differential Equations, AMS 1997
9
D. Gilbarg, N. S. Trudinger, Elliptic Partial Differential Equations, Springer
und Zusatzmaterial
1983
Vorlesungsskriptum
Studien- und
10
SL: Regelmige Teilnahme an den bungsgruppen und erfolgreiche
Prfungsleistungen
Bearbeitung der Hausaufgaben
8
Verwendbarkeit des
Moduls
11
12
Turnus des Angebots
jhrlich im WS
13
Unterrichtssprache
Deutsch
38
Modul Prog: Programmierung

Studiensemester: 2
ECTS Punkte: 5
Workload: 150 h
Vorlesung + bungen
Kontaktzeit:
Selbststudium:
90 h
Modulkoordinator/in
Dr. M. Bauer, E-Mail: bauerm@mi.uni-erlangen.de
die Modulinhalte
Dr. M. Bauer
Die Studierenden
reproduzieren grundlegende Befehle und Vorgehensweisen der Programmiersprache C
implementieren einfache mathematische Algorithmen in C
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
8
9
10
Verwendbarkeit des
Moduls
und Zusatzmaterial
Studien- und
Prfungsleistungen
entwickeln ein einfaches Programm zu einem vorgegebenen Problem

selbstndig
spren die Ursachen von Programmierfehlern mit einfachen Debugging

Techniken auf und korrigieren diese
gehen mit C-Bibliotheken sicher um und wenden sie in der Praxis zielorientiert an.
Sprachelemente von C / C++
Schleifen, Verzweigungen, Funktionen, Rekursion
Namensrume
Speicherverwaltung (Pointer, Allokation)
Einfache Datenstrukturen
Einfache Debugging Techniken
Benutzen von Bibliotheken

Hausaufgaben am Rechner.
Keine
Pflichtmodul in
B. Sc. Mathematik (Ausnahme NF Informatik) und Wirtschaftsmathematik.
Kernighan, Ritchie: "The C Programming Language"
Weiskamp, Flamig: "The complete C++ Primer"

SL: Regelmige Bearbeitung der wchentlichen Hausaufgaben. Zum
Abschluss Erstellen eines Programms zu einem vorgegebenen Problem in
30 Minuten.
11 Berechnung Modulnote Bestanden / nicht bestanden

SS
Deutsch
39
Modul ProO: Projekt Optimierung

Studiensemester: 4
ECTS Punkte: 5
Workload: 150 h
Seminar
Kontaktzeit:
Selbststudium:
120 h
Modulkoordinator/in
Prof. A. Martin, E-Mail: alexander.martin@math.uni-erlangen.de
die Modulinhalte
Prof. A. Martin, evtl. auch andere Dozenten/innen des Departments Mathematik

Die Studierenden
wenden das bisher im Studium erworbene Fachwissen aus den Bereichen
der Linearen Algebra und der Optimierung in einem greren Projekt
praktisch an
modellieren selbstndig in Teams eine reale Fragestellung , entwickeln und
implementieren Lsungsverfahren und wenden ihre Ergebnisse auf die
Praxis an
prsentieren die Ergebnisse der Projektarbeit und diskutieren diese
arbeiten gemeinschaftlich in einem Team und lsen Probleme analytisch.
Anhand einer konkreten Anwendung sollen die im Studium bis dahin
erworbenen Kenntnisse zu mathematischen Optimierungsmodellen und
-methoden umgesetzt werden.
Der Inhalt ergibt sich aus einer aktuellen Problemstellung hufig in enger
Zusammenarbeit mit einem Industriepartner.
Als Beispiele seien genannt die Wasserversorgung einer Stadt, die Gestaltung
einer energieeffizienten Fassade eines Brogebudes oder das
Baustellenmanagement im Schienenverkehr.
Das Seminar wird als Projekt durchgefhrt. Das heit, Studierende werden in
Teams von bis zu 4 Personen, die in der ersten Woche ausgehndigte
Aufgabenstellung, im Laufe des Semesters bearbeiten. Es werden zu
vorgegebenen Meilensteinen Zwischenberichte (teilweise in Form von
Prsentationen) erwartet. Am Ende des Semesters werden die Teams ihre
Lsungsvorschlge vorstellen und vergleichen.
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
Lineare Algebra, Kombinatorische Optimierung
Verwendbarkeit des
Moduls
Wahlpflichtmodul in
B. Sc. Wirtschaftsmathematik (Wahlmglichkeit zwischen dem Modul
Statistik oder dem Modul Projekt Optimierung)
Wird zu Beginn der Veranstaltung bekannt gegeben.
und Zusatzmaterial
Studien- und
10
PL: Hausarbeit und Prsentation
Prfungsleistungen
Die Modulnote berechnet sich zu 50% aus der schriftlichen Hausarbeit und zu
50% aus der Prsentation
9
Mindestens einmal jhrlich
Deutsch
40
Modul Squa: Schlsselqualifikationen

Verschiedene
Studiensemester
ECTS Punkte: 5
Modulabhngig
Kontaktzeit und Selbststudium:

150 h
Modulkoordinator/in
Modulabhngig
Modulinhalte
Modulabhngig
Die Studierenden
erarbeiten sich berufsbezogene Kompetenzen (soft skills), die ber

die rein fachlichen Kenntnisse und Fhigkeiten hinausgehen, ein
effektiveres Studium erlauben und sie in die Lage versetzen sollen, sich
langfristig besser in der Wissenschaft oder auf dem Arbeitsmarkt zu
behaupten
erweitern ihre Allgemeinbildung
erwerben disziplinbergreifendes Wissen

Die Studierenden whlen ein Modul aus dem Angebot der
Schlsselqualifikationspools der Universitt.
Schlsselqualifikationen der FAU bilden einen eigenstndigen Bereich, der
nicht den studierten Fchern zuzuordnen ist. Die Studierenden knnen frei
entscheiden, welche wichtigen Zusatzkenntnisse sie fr ihr Studium und ihre
berufliche Zukunft erwerben wollen. Angeboten werden
Schlsselqualifikationen aus folgenden Kategorien:
Argumentation und Prsentation
Sprachen
Kultur, Geschichte, Natur und Technik
Disziplinre Grundkenntnisse
Interkulturelle Kommunikation
Praktika
bungsleiterttigkeit mit Schulung
Betriebspraktikum (fr B. Sc. Wirtschaftsmathematik)*
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Nach den Regeln des jeweiligen Faches
Teilnahme
Keine
Verwendbarkeit des
Moduls
9
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
8
Workload: 150 h
Wahlpflichtmodul (Schlsselqualifikationen) in
B. Sc. Mathematik, Technomathematik, Wirtschaftsmathematik
Modulabhngig
mndlich oder schriftlich nach Angebot*
Nach den Regeln des jeweiligen Faches
Modulabhngig
Modulabhngig
*Im Studiengang Wirtschaftsmathematik kann anstatt der beiden Module Squa auch ein mindestens 8-wchiges
Betriebspraktikum absolviert werden. In diesem Fall besteht die Studienleistung in einem schriftlichen
41
Praktikumsbericht.
42
Modul Stat: Statistik

Studiensemester: 4
(als Wahlmodul: 4-6)
Lehrveranstaltungen:
a) Vorlesung
b) bungen
Kontaktzeit:
Modulkoordinator/in
Prof. C. Richard, E-Mail: richard@mi.uni-erlangen.de
Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. C. Richard, Prof. G. Keller und andere Dozenten/innen des Departments

Mathematik
Die Studierenden knnen
die grundlegenden Verfahren der beschreibenden und schlieenden
Statistik beschreiben und erlutern.
in einer Gruppe ihren Lsungsvorschlag fr ein nicht triviales statistisches
Problem angemessen erklren und alternative Lsungsvorschlge kritisch
vergleichen.
statistische Standard-Auswertungen innerhalb eines vorgegebenen
Zeitrahmens mit dem Computer bearbeiten und dessen Ausgaben richtig
interpretieren.
einfache statistische Simulationen durchfhren.
zu einem Datensatz angemessene Fragen formulieren, adquate
statistische Verfahren zur Beantwortung dieser Fragen whlen und solche
Verfahren am Computer umsetzen.
Einfhrung in die Statistik-Software R und elementares Programmieren
Beschreibende Statistik: Visualisierung und Kenngren kategorieller und
metrischer Daten, qq-Plots, Kurvenanpassung, log- und loglog-Plots,
robuste Verfahren
Schlieende Statistik: Schtz- und Testverfahren: parametrische Tests,
ausgewhlte nichtparametrische Tests, exakte und asymptotische
Konfidenzintervalle
Simulation: Zufallszahlen, Monte-Carlo
Theoretische Grundlagen des Stoffes werden in Vorlesungsform vermittelt. Der
Umgang mit der Statistik-Software R wird in den Rechnerbungen vermittelt.
Dies wird ergnzt durch wchentliche Hausaufgaben, welche theoretische
Fragestellungen und praktische Probleme beinhalten, die mit R zu lsen sind.
Die Hausaufgaben werden in bungsgruppen diskutiert.
Voraussetzungen fr die Keine. Empfohlen wird die Teilnahme am Modul Stochastische Modellbildung
Teilnahme
im gleichen oder in einem vorherigen Semester.
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
30 h
60 h
Pflichtmodul in
B. Sc. Mathematik NF BWL, VWL
Verwendbarkeit des
B. Sc. Mathematik mit anderen NF
8
Moduls
Wahlpflichtmodul in
B. Sc. Wirtschaftsmathematik (Wahlmglichkeit zwischen dem Modul
Statistik und dem Modul Projekt Optimierung)

Rice, Mathematical Statistics and Data Analysis, Thomson 2007

9
und Zusatzmaterial
www.cran.r-project.org
10 Studien- und
PL: Klausur (60 90 Min)
43
Prfungsleistungen
SL: erfolgreiche Bearbeitung der wchentlichen Hausaufgaben, regelmige

aktive Teilnahme an den bungen
jhrlich im SoSe
Deutsch
44
Modul SMWw: Stochastische Methoden fr die Wirtschaftswissenschaften

Studiensemester: 5
ECTS Punkte: 5
Workload: 150 h
Vorlesung
Kontaktzeit:
Selbststudium:
105 h
Modulkoordinator/in
Prof. Dr. W. Stummer, E-Mail: stummer@mi.uni-erlangen.de
Modulinhalte
Prof. Dr. W. Stummer, Prof. Dr. A. Greven

Die Studierenden
verwenden diverse vielseitig nutzbare, sehr fortgeschrittene, zeitdynamische
und zeitstatische wahrscheinlichkeitstheoretische und mathematisch-statistische Methoden und setzten diese zur Lsung von zeitgemen wirtschaftswissenschaftlichen Problemstellungen (aus der Finanzwirtschaft, Versicherungswirtschaft, Volkswirtschaftslehre, Wirtschaftspolitik, Marketing) eigenstndig ein
sammeln und bewerten fachspezifisch adquat, auf hohem Niveau relevante
quantitative unsicherheitsbehaftete Informationen und erkennen entsprechende
komplexe Zusammenhnge, welche sie fr einschlgige risikobezogene
Entscheidungsprozesse nutzen
klassifizieren Probleme und lsen diese selbststndig auf fortgeschrittene Art
und Weise analytisch.
Aktuelle sehr fortgeschrittene stochastische Verfahren, die zur Modellierung von
modernen wirtschaftswissenschaftlichen Fragestellungen angewendet werden
knnen.
Die aktualisierten definitiven Inhalte werden zeitnah auf der entsprechenden Webseite und/oder ausgedruckt an den entsprechenden Anschlagsbrettern verffentlicht.
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Die Prsentation des Stoffes erfolgt in Vorlesungsform.
Teilnahme
Empfohlen: Module Stochastische Modellbildung (StMo), Statistik (Stat) sowie Matheorie (Mass).
Verwendbarkeit des
Moduls
9
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
Pflichtmodul in B. Sc. Wirtschaftsmathematik.

Wahlmodul (Vertiefungsmodul) in B. Sc. Mathematik und Technomathematik.
Es gibt ein eigenes Vorlesungsmanuskript, das ber die elektronische
Lehrplattform StudOn bereitgestellt wird.
11
Note der Prfung: 100% der Modulnote.
12
Turnus des Angebots
jhrlich im WS.
13
Unterrichtssprache
Deutsch.
45
Modul StMo: Stochastische Modellbildung

Studiensemester: 4
ECTS Punkte: 10
Workload: 300 h
a) Vorlesung
b) bungen
c) Tutorium ()
Kontaktzeit:
Modulkoordinator/in
Prof. Dr. A. Greven, E-Mail: greven@mi.uni-erlangen.de
Modulinhalte
Prof. A. Greven, Prof. W. Stummer, PD Dr. C. Richard
Lernziele und
Kompetenzen
Inhalte
Selbststudium:
195 h
Die Studierenden
setzen sich mit Modellierungsfragen fr statistische Modelle und

elementare Prozesse, die in Naturwissenschaften,
Wirtschaftswissenschaften und Technik auftreten auseinander und nennen
und erklren die entsprechenden Methoden
fhren Modellanalyse mit kombinatorischen und expliziten

analytischen Methoden selbstndig durch
verwenden die grundlegenden Begriffe und Konzepte sicher und

setzten sie zur Lsung konkreter Probleme ein
sammeln und bewerten relevante Informationen und stellen

Zusammenhnge her
klassifizieren und lsen selbststndig Probleme analytisch.
diskrete Wahrscheinlichkeitsrume und Kombinatorik (Urnenmodelle,

Binominalverteilung)
Multinominalverteilung, geometrische Verteilung, hypergeometrische

Verteilung)
Produktexperimente (Unabhngigkeit und bedingte

Wahrscheinlichkeit)
Zufallsvariable (Unabhngigkeit, Erwartungswert, Varianz, Kovarianz,

Korrelation)
Schwaches und starkes Gesetz der grossen Zahlen fr unabhngige

Sequenzen
Allgemeine Modelle, Wahrscheinlichkeitsmasse mit Dichten
Normalapproximation und Poissonapproximation der

Binominalverteilung mit Anwendungen
Allgemeine Formulierung des starken Gesetzes der grossen Zahlen u.

Zentralen Grenzwertsatzes ohne Beweis
Verzweigungsprozesse und erzeugende Funktionen
der Poissonprozess
Markowketten
Grundbegriffe der Schtztheorie (Maximum-Likelihood, Konsistenz,

Konfidenzintervalle, Fragen der Optimalitt
Testtheorie (Grundlegende Ideen und Beispiele)
Der t-Test, chi-quadrat-Test auf Unabhngigkeit und Identitt
Regressionsanalyse
46
Lehrformen

der wesentlichen Begriffe und Techniken erfolgt durch wchentlichen
Hausaufgaben und im Tutorium
Teilnahme
Empfohlen: Module Analysis (I-II) und Lineare Algebra (I-II)
Verwendbarkeit des
Moduls
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
Pflichtmodul in
B. Sc. Mathematik, Technomathematik und Wirtschaftsmathematik,

Mathematik LAG NEU
U. Krengel: Einfhrung in die Wahrscheinlichkeitstheorie und Statistik, 8.

Auflage 2005
Hans-Otto Georgii: Stochastik, 3. Auflage 2007

SL: regelmige Teilnahme am Tutorium, Mitarbeit in bungen
(Leistungsschein)
jhrlich im SS
Deutsch
47
Vertiefungsmodul Geometrie (Geom)

Studiensemester: 5/6
ECTS Punkte: 5
Workload: 150 h
Selbststudium:
90 h
Vorlesung und bungen
Kontaktzeit:
4 SWS x 15= 60 h
Modulverantwortliche(r)
F. Knop, K.-H. Neeb

E-Mail: knop@mi.uni-erlangen.de
Dozenten
Lernziele und Kompetenzen
neeb@mi.uni-erlangen.de
Knop, Neeb oder andere Dozenten/innen der Mathematik
Die Studierenden
wenden Methoden einer der Vertiefungsrichtungen der Geometrie an
analysieren konkrete Beispiele systematisch und behandeln diese im
Rahmen der allgemeinen Theorie
Inhalte (dieser Modul wird mit wechselnden Schwerpunkten angeboten):
A) Euklidische, hyperbolische, sphrische und projektive Geometrie (Symmetriegruppen geometrischer
Strukturen, Invarianten, Geodten, Dreiecke, Krmmung)
B) Elementare Differentialgeometrie: Kurventheorie (ebene Kurven, Raumkurven),
Flchentheorie (Fundamentalformen, Krmmung, Integration, spezielle Klassen, Riemannsche Metriken
C) Algebraische Geometrie: Kommutative Algebra, Nullstellensatz,
Affine Varietten, Projektive Varietten, Normalisierung, Singularitten,
Algebraische Gruppen
Lehrformen
Teilnahme
8 Empfohlene Lehrbcher und

Zusatzmaterial
9 Verwendbarkeit des Modul
10 Falls vorhanden Link zum
Skript
11 Studien- und
Prfungsleistungen

wchentliche Hausaufgaben,
Die Module Lineare Algebra und Analysis
Werden in der Vorlesung bekannt gegeben.
-Pflichtmodul im Bachelorstudiengang Mathematik
-Modul Geom (vertiefte Geometrie) im Lehramt
(wird vom jeweiligen Dozenten genannt)
PL: Klausur (60-90 Minuten)
SL: Erfolgreiche Bearbeitung der bungsaufgaben
Klausur (60-90 Minuten)
jhrlich im Sommersemester
48
Modul VmM: Vertiefungsmodul Mathematik
Vorlesung + bungen
ECTS Punkte: 5
(statt zwei VmM zu je 5 ECTS kann
eins zu 10 ECTS gewhlt werden)
Kontaktzeit:
Modulkoordinator/in
Studiendekan/in
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
Verwendbarkeit des
Moduls
Workload: 150 h
Selbststudium:
105 h
Die Studierenden
erarbeiten sich in einem Gebiet ihrer Wahl Spezialkenntnisse, die ber den
Stoff einer einfhrenden Vorlesung hinausgehen
klassifizieren und analysieren Probleme und lsen diese selbststndig mit fortgeschrittenen wissenschaftlichen Methoden.
Zur Wahl stehen vertiefte Bachelor-Module sowie Mastermodule (in
Ausnahmefllen, nach Absprache mit Fachstudienberatung) aus dem
Lehrangebot des Departments Mathematik.
Hausaufgaben.
Module der GOP.
(Empfohlen sind sichere Kenntnisse mit den Inhalten der Module, auf den das
Vertiefungsmodul aufbaut.)
Vertiefungsmodul in B. Sc. Mathematik und Technomathematik.
Im B. Sc. Mathematik NF Astronomie kann ein Vertiefungsmodul durch eins aus
der Astrophysik ersetzt werden.
Modulabhngig
und Zusatzmaterial
Studien- und
10
Prfungsleistungen
9

jhrlich
Deutsch
49
Modul Wath: Wahrscheinlichkeitstheorie

Studiensemester: 5
1 a) Vorlesung
b) bung
Kontaktzeit:
Modulkoordinator/in
Prof. Dr. A. Greven, E-Mail: greven@mi.uni-erlangen.de
die Modulinhalte
Prof. A. Greven, Prof. G. Keller
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Voraussetzungen fr
die Teilnahme
Verwendbarkeit des
Moduls
Empfohlene
Lehrbcher und
Zusatzmaterial
Studien- und
Prfungsleistungen
Berechnung
11
Modulnote
10
ECTS Punkte: 10
Workload: 300 h
Selbststudium:
195 h
Die Studierenden
erkennen und erklren die formale matheoretische Grundlegung der

Wahrscheinlichkeitstheorie und bertragen diese
erfassen und formulieren zufllige Phnomene mit mathematischen

komplexeren Strukturen
nennen und erklren die wichtigsten stochastischen Prozesse, die in

den Anwendungen eine Rolle spielen

Zusammenhnge
klassifizieren und lsen selbststndig Probleme analytisch.
Mengensysteme, messbare Abbildungen, Masse
Integrationstheorie
Produktrume, gekoppelte Experimente
Masse mit Dichten
Bedingte Erwartungen
Stationre Prozesse
Verteilungskonvergenz, zentraler Grenzwertsatz
Markowketten
Martingale
Hausaufgaben.
Stochastische Modellbildung
Pflichtmodul in
Wahlpflichtmodul in
B. Sc. Mathematik
Bauer: Einfhrung in die Wahrscheinlichkeitstheorie
Breiman: Probability
Durrett: Probability
Klenke: Wahrscheinlichkeitstheorie
PL: Klausur (60-90 Min)
SL: regelmige Teilnahme und Bearbeitung der bungsaufgaben
jhrlich im WS
Deutsch
50
Vertiefungsmodul VKT: Krpertheorie

ECTS Punkte: 5
Workload: 150 h
Vorlesung + bungen
Kontaktzeit:
Modulkoordinator/in
Prof. F. Knop, E-Mail: knop@mi.uni-erlangen.de
die Modulinhalte
Lernziele und
Kompetenzen
Inhalte
Lehrformen
Prof. P. Fiebig, Prof. F. Knop und andere Dozenten/innen des Departments

Mathematik
Die Studierenden
nennen die grundlegenden Begriffe der Erweiterungstheorie von Krpern,
erkennen die Zusammenhnge zwischen ihnen und erklren diese
wenden das erlernte Fachwissen auf klassische mathematische Probleme
selbstndig an und arbeiten mit Galoiskorrespondenzen
analysieren und bewerten algebraische Strukturen und erkennen Zusammenhnge.
Krpererweiterungen
Konstruktionen mit Zirkel und Lineal
Galoiskorrespondenz
Auflsbarkeit von Gleichungen

Hausaufgaben.
Voraussetzungen fr
die Teilnahme
Modul Algebra
Verwendbarkeit des
Moduls
Vertiefungsmodul in B. Sc. Mathematik, Lehramt Gymnasium
und Zusatzmaterial
10
Studien- und
Prfungsleistungen
Selbststudium:
90 h

Lang, Algebra
Artin, Galois Theory


jhrlich
Deutsch
51
Vertiefungsmodul Topologie (Top)

Studiensemester: 4-6
1
ECTS Punkte: 5
Workload: 150 h
a) Vorlesung
b) bungen
Modulverantwortliche(r)
Kontaktzeit:
Selbststudium:
2 SWS x 15= 30 h
90h
2 SWS x 15= 30 h
Prof. K-H. Neeb
E-Mail: neeb@mi.uni-erlangen.de
Dozenten
Neeb, evtl. auch andere Dozenten/innen
Lernziele und Kompetenzen
Die Studierenden
wenden die Methoden der allgemeinen Topologie, die in den
Grundvorlesungen nur am Rande vorkommt, an
ordnen die topologischen Grundbegriffe in einen greren Kontext ein
erklren und verwenden wichtige Resultate, die in vielen Bereichen der
Mathematik zum Handwerkzeug gehren.
Inhalte
Stetige Funktionen, Zusammenhang, Trennungsaxiome

Erzeugung von Topologien (initiale, finale, Quotienten etc.)
Konvergenz in topologischen Rumen (Filter, Netze)
Kompaktheit (Satz von Tychonov, kompakte metrische Rume, lokalkompakte Rume)
Anwendung auf Funktionenrume (Satz von Stone-Weierstra, Satz von Ascoli)
berlagerungstheorie (Fundamentalgruppen, Hochhebung von Abbildungen)
Lehrformen

Aneignung der wesentlichen Begriffe und Techniken erfolgt durch bungen
Teilnahme
Grundkenntnisse aus dem Modul Ana (Analysis)
8 Empfohlene Lehrbcher und Vorlesungsskript zu diesem Modul

Zusatzmaterial
Bredon: Geometry and Topology
9 Verwendbarkeit des Moduls Wahlmodul im B.Sc. Mathematik
10 Falls vorhanden Link zum
Skript
11 Studien- und
Prfungsleistungen
Wird ber StudOn bereitgestellt; auch unter

www.studium.math.fau.de/lehrveranstaltungen/skripten.html
- PL: Klausur (60-90 Minuten) oder 15-mintige mndliche Pruefung
- SL: Erfolgreiche Bearbeitung der bungsaufgaben
Klausur (60-90 Minuten)
Unregelmig
52
Tab. 2. Nichtmathematische Module der Nebenfcher

Name des Moduls
Seite
NF Astronomie
Experimentalphysik 1 (Mechanik)
Experimentalphysik 2 (Wrmelehre und Elektrodynamik)
Einfhrung in die Astronomie
Vertiefung Astronomie 1
Vertiefung Astronomie 2
NF BWL
Betriebswirtschaftslehre I
Betriebswirtschaftslehre II
Betriebswirtschaftslehre III
Betriebliches Rechnungswesen I
Betriebliches Rechnungswesen II
Recht fr Wirtschaftswissenschaftler I
Recht fr Wirtschaftswissenschaftler II
NF Informatik
Algorithmen und Datenstrukturen
Implementierung von Datenbanksystemen
Konzeptionelle Modellierung
Parallele und Funktionale Programmierung
Rechnerkommunikation
Software-Entwicklung in Groprojekten
Systemnahe Programmierung in C
NF IuK
Digitale Signalverarbeitung
Digitale bertragung
Einfhrung in die IuK-Technik
Informationstheorie
Nachrichtentechnische Systeme
Software fr die Mathematik
Signale und Systeme I
53
Name des Moduls
Seite
Signale und Systeme II

NF Physik (experimentell)
Experimentalphysik 2 (Wrmelehre und Elektrodynamik)
Experimentalphysik 3 (Optik und Quanteneffekte)
Grundpraktikum 1 (Physik)
Physikalisches Experimentieren 1
NF Physik (theoretisch)
Theoretische Physik 1 LA (Mechanik)
Theoretische Physik 2 (Elektrodynamik)
Theoretische Physik 3 (Quantenmechanik)
Theoretische Physik 4 (Statistische Physik)
NF VWL
Betriebswirtschaftslehre I
Makrokonomie
Mikrokonomie
Volkswirtschaftslehre
Volkswirtschaftliches Proseminar
Wirtschaftspolitik
54

FSJGGFDKJFK

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

FSJGGFDKJFK

Enviado por

Direitos autorais:

Formatos disponíveis

FRIEDRICH-ALEXANDER

Mathematik (B. Sc.)

Fachspezifische Informationen zu den einzelnen Studiengngen

Tab. 1. Module des Bachelorstudiengangs Mathematik ohne

Diskretisierung und numerische Optimierung

Einfhrung in die Darstellungstheorie

Einfhrung in die Funktionalanalysi

Einfhrung in die Numerik

Einfhrung in die Numerik partieller Differentialgleichungen I

Einfhrung in die Numerik partieller Differentialgleichungen II

Einfhrung in die Streuungstheorie

Einfhrung Mathematische Modellierung

Einfhrung in die Robuste Optimierung

Lineare und konvexe Optimierung

Numerische Verfahren der Optimierung

Elementare Partielle Differentialgleichungen

Stochastische Methoden fr die Wirtschaftswissenschaften

Name des Moduls

Modul Alg: Algebra

Prof. F. Knop, E-Mail: knop@mi.uni-erlangen.de

Note der Klausur: 100% der Modulnote

Turnus des Angebots

Modul Ana: Analysis I und II

ECTS Punkte: 17,5

Kontaktzeit pro Semester:

Prof. F. Duzaar, E-Mail: frank.duzaar@fau.de

Selbststudium pro Semester:

Metrische Rume: Topologie metrischer Rume, stetige Abbildungen

Differentialrechnung in mehreren Vernderlichen: Partielle Ableitung und

(Ana. I ist Teil der Mathematik fr Physiker I fr Bachelor Physik)

Turnus des Angebots

jhrlich im Wintersemester und darauf folgenden Sommersemester

Modul BaA: Bachelor-Arbeit

Kontaktzeit und Selbststudium:

Hochschullehrer/in der Mathematik

bearbeiten innerhalb eines vorgegebenen Zeitraumes eine

wirken bei der Bearbeitung aktueller Forschungsthemen

Erstellung eines schriftlichen Berichtes

Erwerb von mindestens 90 ECTS-Punkten im bisherigen Bachelorstudiengang

Turnus des Angebots

Deutsch, Englisch oder Franzsisch

Modul BaSe: Bachelor-Seminar

Hochschullehrer/in der Mathematik

erarbeiten sich vertiefende Fachkompetenzen in einem Teilgebiet der

analysieren Fragestellungen und Probleme aus dem gewhlten Teilgebiet

verwenden relevante Prsentations- und Kommunikationstechniken,

Die aktuellen Themen werden zeitnah von den Dozenten/Innen bekannt

Berechnung Modulnote Bestanden / nicht bestanden

Turnus des Angebots

Modul DnO: Diskretisierung und numerische Optimierung

Dr. Gnther Leugering, E-Mail: leugering@math.fau.de

ECTS Punkte: 7,5

Teil 2: Unrestringierte Optimierung

Die Module Analysis, Lineare Algebra, Programmierung und Einfhrung

P. Deuflhard und F. Bornemann: "Numerische Mathematik II". de Gruyter,

Turnus des Angebots

Modul EDT: Einfhrung in die Darstellungstheorie

Prof. P. Fiebig, E-Mail: fiebig, knop@mi.uni-erlangen.de

Prof. P. Fiebig, Prof. F. Knop und andere Dozenten/innen des Departments

Darstellungen endlicher Gruppen

Die Prsentation des Stoffes erfolgt in Vorlesungsform. Die weitere Aneignung

11 Berechnung Modulnote Note der Prfung: 100% der Modulnote

Modul EFA: Einfhrung in die Funktionalanalysis