Diskretisierung und numerische Optimierung (DnO)10 ECTS
(englische Bezeichnung: Discretization and Numerical Optimization)
(Prüfungsordnungsmodul: Diskretisierung und numerische Optimierung)

Lectures:

• • Diskretisierung und numerische Optimierung
    (Vorlesung, 4 SWS, Martin Burger et al., Tue, 12:00 - 14:00, H13; Wed, 12:00 - 14:00, Übung 4 / 01.253-128)
  • Übungen zu Diskretisierung und numerische Optimierung
    (Übung, 2 SWS, Martin Burger et al.)

Empfohlene Voraussetzungen:

Die Module Analysis, Lineare Algebra, Programmierung und Einführung Numerik.

Inhalt:

Teil 1: Diskretisierung
Ein- und Mehrschrittverfahren für Anfangswertaufgaben gewöhnlicher Differentialgleichungen:

• explizite und implizite Runge-Kutta-Verfahren, BDF, Extrapolation

• asymptotische Stabilität (Nullstabilität), Konsistenz, Konvergenz

• Steifheit und Stabilität bei fester Schrittweite

• Schrittweiten- und Ordnungsadaptivität

• Randwertaufgaben für gewöhnliche Differentialgleichungen

• Einführung in Finite-Element-Verfahren

Teil 2: Unrestringierte Optimierung

• Abstiegsverfahren

• CG-Verfahren (mit Vorkonditionierung, CG-Newton)

• Quadratische Optimierungsprobleme

• Penalty- und Barriereverfahren

Lernziele und Kompetenzen:

Die Studierenden

• verwenden algorithmische Zugänge zu Problemen, die mittels gewöhnlicher Differentialgleichungen beschriebenen werden können oder von unrestringierten endlichdimensionalen Optimierungsproblemen herkommen, und erklären und bewerten diese;

• urteilen über die Stabilität und Effizienz eines numerischen Verfahrens;

• setzen mit eigener oder gegebener Software Verfahren um und bewerten deren Ergebnisse kritisch;

• erläutern und verwenden ein breites Problem- und Verfahrensspektrum: Differenzenverfahren für Anfangs- und Randwertaufgaben, Finite- Element-Verfahren für 2-Punkt-Randwertaufgaben

• übertragen die erlangten Fachkompetenzen auf die Behandlung partieller Differentialgleichungen, Abstiegs- und CG-Verfahren bis zum Barriereverfahren;

• sammeln und bewerten relevante Informationen und erkennen Zusammenhänge.

Literatur:

• P. Deuflhard und F. Bornemann: Numerische Mathematik II; de Gruyter, Berlin 2002

• J. Stoer und R. Bulirsch: Numerische Mathematik II; Springer, Berlin, 2005

• K. Strehmel und R. Weiner: Numerik gewöhnlicher Differentialgleichungen; Teubner, Stuttgart 1995

• A. Quarteroni, R. Sacco und F. Saleri: Numerische Mathematik I, II; Springer, Berlin 2002

• Vorlesungsskriptum auf der Homepage des Bereichs Modellierung, Simulation und Optimierung des Departments Mathematik, ständig neu an die Vorlesung angepasst

Bemerkung:

Wahlpflichtmodul in

• B. Sc. Mathematik, Technomathematik und Wirtschaftsmathematik

Organisatorisches:

Die Präsentation des Stoffes erfolgt in Vorlesungsform. Die weitere Aneignung der wesentlichen Begriffe und Techniken erfolgt durch wöchentliche Hausaufgaben.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

1. Technomathematik (Bachelor of Science)
   (Po-Vers. 2015w | NatFak | Technomathematik (Bachelor of Science) | Pflichtmodule Numerische Mathematik, Modelle und Optimierung (PSO) | Diskretisierung und numerische Optimierung)

Studien-/Prüfungsleistungen:

Klausur: Diskretisierung und Numerische Optimierung (Prüfungsnummer: 52311)

Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet, 7 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2019, 1. Wdh.: WS 2019/2020

1. Prüfer:

Martin Burger

Termin: 30.07.2019, 14:00 Uhr

Übungsleistung: Diskretisierung und Numerische Optimierung (Prüfungsnummer: 52312)

Studienleistung, Übungsleistung, unbenotet, 3 ECTS

weitere Erläuterungen:
erfolgreiche Bearbeitung woechentlicher Hausaufgaben

Erstablegung: SS 2019

1. Prüfer:

Martin Burger