Modulhandbuch - Geographisches Institut der Universität Bonn
Modulhandbuch - Geographisches Institut der Universität Bonn
Modulhandbuch - Geographisches Institut der Universität Bonn
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Modul<br />
V1G6<br />
Algorithmische Mathematik II<br />
Umfang: Workload: Dauer: Turnus:<br />
9 LP 270 h 1 Semester jedes Sommersemester<br />
Modulbeauftragte Der Prüfungsausschussvorsitzende<br />
Dozenten<br />
Alle Dozenten <strong>der</strong> Mathematik<br />
Verwendbarkeit Studiengang Modus Studiensemester<br />
des Moduls Bachelor Mathematik Pflichtbereich 2<br />
Lernziele<br />
Schlüsselkompetenzen<br />
Kenntnis und grundlegendes Verständnis von Begriffen, Methoden und algorithmischen<br />
Konzepten aus <strong>der</strong> elementaren Stochastik und <strong>der</strong> numerischen Mathematik.<br />
Fähigkeit zum algorithmischen Denken sowie zur Entwicklung und Umsetzung von<br />
Algorithmen.<br />
Analytische Formulierung von Problemen, abstraktes Denken, Konzentrationsfähigkeit,<br />
selbständige Lösung mathematischer Aufgaben, auch mit Hilfe des Computers,<br />
Präsentation von Lösungsansätzen<br />
Inhalte Elementare Stochastik: Wahrscheinlichkeitsbegriff, elementare Modelle und<br />
Kombinatorik, Erwartungswert und Varianz, bedingte Wahrscheinlichkeit, Unabhängigkeit,<br />
schwaches Gesetz <strong>der</strong> großen Zahlen, Random Walk, Markovketten<br />
und Zusammenhang mit Matrizen.<br />
Stochastische Simulation: Pseudozufallszahlen, Monte-Carlo-Verfahren,<br />
Metropolis-Algorithmus.<br />
Interpolation und Approximation: Interpolation: Lagrange, Hermite, Dividierte<br />
Differenzen, trigonometrische Interpolation (DFT, FFT); Fehlerabschätzungen,<br />
Wahl <strong>der</strong> Stützstellen; Numerische Integration: Newton Cotes Formel, Romberg-<br />
Integration, Adaptivität<br />
Iterationsverfahren für große lineare und nichtlineare Gleichungssysteme:<br />
Iterative Löser linearer Gleichungssysteme: Richardson, Jacobi, Gauß–Seidel; Fixpunktiterationen;<br />
Nichtlineare Minimierung und Nullstellenbestimmung: Bisektion,<br />
Sekantenverfahren, regula falsi, Newton-Verfahren (mehrdimensional).<br />
keine<br />
darüber hinaus Inhalte des Moduls “Algorithmische Mathematik I”<br />
vorausgesetzte<br />
Vorkenntnisse<br />
Veranstaltungen Lehrform, Thema SWS Workload LP<br />
Vorlesung “Algorithmische Mathematik II” mit Übungen 4+2 270 9<br />
Prüfungsformen<br />
benotete Klausur<br />
Teilnahmevoraussetzungen<br />
Studienleistungen erfolgreiche Teilnahme an den Übungen<br />
als Zulassungsvoraussetzung<br />
zur<br />
Modulprüfung<br />
Sonstiges<br />
Literatur:<br />
• U. Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik. 8. Auflage.<br />
Vieweg, 2005.<br />
• G. Kersting, A. Wakolbinger: Elementare Stochastik. Gabler, 2008.<br />
• T. Müller-Gronbach, E. Novak, K. Ritter: Monte Carlo-Algorithmen. Springer,<br />
2012.<br />
• P. Deuflhard, A. Hohmann: Numerische Mathematik. de Gruyter.<br />
• A. Quarteroni, R. Sacco, F. Saleri: Numerische Mathematik 1,2. Springer 2002