Masterprogramm Numerik WS 2023/2024 - SS 2025

Das Masterstudium Mathematik umfasst in der Regel 4 Semester. Im vierten Semester sollte die Masterarbeit geschrieben werden. Insgesamt müssen 7 große Vorlesungen und 2 Seminare besucht werden:

3 Vorlesungen aus dem Schwerpunktgebiet (SP)
2 Vorlesungen aus der Angewandten Mathematik (AM)
2 Vorlesungen aus der Reinen Mathematik (RM)
1 Seminar Angewandte/Reine Mathematik und 1 Seminar im Schwerpunkt (Sem)

Numerik ist eine der möglichen Richtungen der Angewandten Mathematik.

Empfehlung für Studenten mit Ziel Numerik im Masterstudium

Im 4. Semester die Gewöhnlichen Differentialgleichungen (GDGL),
im 5. Semester die Numerische Analysis 3 (NA3) und
im 6. Semester die PartiellenDifferentialgleichungen (PDGL) hören.

Masterstudium mit Numerik

Vorschlag mit Numerik als (SP)

Vorschlag mit Numerik als (AM)

WS 23/24	SS 2024	WS 24/25	SS 2025
NA 4	Numerik	Numerik	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

WS 23/24	SS 2024	WS 24/25	SS 2025
SP	SP	SP	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

Geplante Numerik Master Vorlesungen der nächsten Semester

Dozent	WS 23/24	SS 2024	WS 24/25	SS 2025
M. Bachmayr	Interpolation von Funktionenräumen und Approximation (H. Eisenmann) 21	Behandlung numerischer Eigenwertprobleme 42	Numerische Analysis 3 42 Mathematische Methoden der Quantenchemie (M. Oster) 21	Numerische Methoden für parameterabhängige und zufällige Differentialgleichungen 42
B. Berkels	Mathematical Methods of Signal and Image Processing 42
L. Grasedyck	Hierarchische Matrizen 42	Numerische Multilineare Algebra 42
S. Müller	Functional Analysis 42	Finite Element and Volume Methods 42	Functional Analysis 42	Multiskalentechniken I+II 42

R. Tempone	Numerical methods for Stochastic Differential Equations with connections to Machine Learning 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2 Seminar: Uncertainty Quantification, Partial Differential Equations and Neural Networks 2	Numerical methods for random partial differential equations: hierarchical approximation and machine learning approaches 42 Stochastische Numerik mit Anwendungen in Simulation und Data Science 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2	Numerical methods for Stochastic Differential Equations with connections to Machine Learning 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2 Seminar: Uncertainty Quantification, Partial Differential Equations and Neural Networks 2

M. Torrilhon	Non-Equilibrium Gas Dynamics with Moment Equations 21	Mathematische Modelle der Natur- und Ingenieurwissenschaften (PDEs) 31	Seminar zur angewandten und computergestützten Mathematik 2	Seminar zur angewandten und computergestützten Mathematik 2
G. Oblapenko				Particle-based Simulation Methods 21

M. Grepl	Numerische Analysis 4 42		Modellreduktionsverfahren I 21	Modellreduktionsverfahren II 21
M. Herty	Optimierung C 42 Continuous Optimization 21 Applications of Scalar Conservation Laws 21 Seminar Hyperbolik 2	Seminar Hyperbolik 2	Optimierung C 42 Seminar Hyperbolik 2	Optimierung A 42 Seminar Hyperbolik 2
A. Reusken	Numerische Analysis 3 42		Numerische Analysis 4 42 Iterative Löser 21	Mehrgitterverfahren 21

Verschiedene Dozenten	Numerik-Seminar^*	Numerik-Seminar^*	Numerik-Seminar^*	Numerik-Seminar^*

42 bedeutet: 4-stündige Vorlesung mit 2-stündiger Übung

(*) Bei Interesse bitte bei einem Dozenten melden

Numeriknahe Vorlesungen der nächsten Semester

Vorlesung	WS 24/25	SS 2025	WS 25/26	SS 2026
Partielle Differentialgleichungen	PDGL I	PDGL II	PDGL I	PDGL II
Variationsrechnung	Var I		Var I

Numerik/Master Themengebiete an der RWTH Aachen

Themengebiet	Vorlesungen	Dozenten
Nichtlineare Approximation	Numer. Multilineare Algebra Bild/Datenanalyse Adaptive Lösungskonzepte Approximationstheorie Numerische Methoden für parameterabhängige und zufällige Differentialgleichungen	M. Bachmayr L. Grasedyck
Schnelle Löser	Mehrgitterverfahren Hierarchische Matrizen Schnelle iterative Löser diskretisierter PDGln Eigenwertprobleme	L. Grasedyck A. Reusken
Diskretisierung	Navier-Stokes Gleichungen Maxwellgleichungen Finite Volumen Verfahren Finite Elemente Methoden Multiskalentechniken Discontinuous Galerkin Methoden	M. Herty S. Müller M. Grepl
Modellierung	Einführung in PDE-Modelle der Physik und Ingenieurwissenschaften Kinetische Theorie: Numerik und Modelle Mathematische Methoden in der Chemie	M. Torrilhon M. Herbst
Optimierung / Regelung	Numerische Verfahren der Optimierung Kontinuierliche Optimierung Optimierung A Regelung partieller Differentialgleichungen	M. Herty M. Grepl
Modellreduktion	Modellreduktionsverfahren Numerische Methoden für parameterabhängige und zufällige Differentialgleichungen	M. Grepl M. Bachmayr