Differentialgeometrie II – Geometrie der Untermannigfaltigkeiten
Vorlesung: Mo, Mi, 12-14 Uhr, SR 404, Ernst-Zermelo-Str. 1
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Guofang Wang
Assistenz: Xuwen Zhang
Sprache: auf Deutsch
In der Vorlesung diskutieren wir die Geometrie der Untermannigfaltigkeiten euklidischer Räume. Beispiele für solche Untermannigfaltigkeiten sind Kurven in der Ebene und Flächen im 3-dimensionalen Raum. Im 1. Teil führen wir als Grundlage die äußere Geometrie der Untermannigfaltigkeiten ein, z. B. die zweite Fundamentalform, die mittlere Krümmung, die erste Variation des Flächeninhalts, die Gleichungen von Gauss, Codazzi und Ricci. Im 2. Teil untersuchen wir die minimale Hyperflächen (Minimalflächen), die Hyperflächen mit konstanter mittlerer Krümmung und die geometrischen Ungleichungen, die isoperimetrische Ungleichung und ihre Verallgemeinerungen.
Analysis III und Differentialgeometrie oder "Kurven und Flächen"
Reine Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Di, Do, 8-10 Uhr, HS II, Albertstr. 23b
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Wolfgang Soergel
Assistenz: Xier Ren
Sprache: auf Deutsch
In der linearen Algebra haben Sie lineare Gleichungssysteme studiert. In der kommutativen Algebra studieren wir polynomiale Gleichungssysteme wie \(x^2+y^2=1\) und ihre Lösungsmengen, die algebraischen Varietäten. Es wird sich herausstellen, dass so eine Varietät in enger Beziehung steht zum Ring der Einschränkungen von Polynomfunktionen auf besagte Varietät, und dass wir diese Beziehung extrapolieren können zu einem geometrischen Verständnis beliebiger kommutativer Ringe, nicht zuletzt des Rings der ganzen Zahlen. In diesem Begriffsgebäude wachsen die kommutative Algebra, die algebraische Geometrie und die Zahlentheorie zusammen. Die Vorlesung hat das Ziel, den Hörer in diese Begriffswelt einzuführen. Wir werden einen besonderen Schwerpunkt auf die Dimension algebraischer Varietäten und ihr Schnittverhalten legen, das die aus der linearen Algebra bekannten Phänomene auf den Fall polynomialer Gleichungssysteme verallgemeinert.
notwendig: Lineare Algebra I+II
nützlich: Algebra und Zahlentheorie
Reine Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Probability Theory III: Stochastic Analysis (Wahrscheinlichkeitstheorie III: Stochastische Analysis)
Vorlesung: Mi, 14-16 Uhr, HS II, Albertstr. 23b, Do, 10-12 Uhr, SR 404, Ernst-Zermelo-Str. 1
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: David Criens
Assistenz: Samuel Adeosun
Sprache: auf Englisch
This lecture builds the foundation of one of the key areas of probability theory: stochastic analysis. We start with a rigorous construction of the It^o integral that integrates against a Brownian motion (or, more generally, a continuous local martingale). In this connection, we learn about It^o's celebrated formula, Girsanov’s theorem, representation theorems for continuous local martingales and about the exciting theory of local times. Then, we discuss the relation of Brownian motion and Dirichlet problems. In the final part of the lecture, we study stochastic differential equations, which provide a rich class of stochastic models that are of interest in many areas of applied probability theory, such as mathematical finance, physics or biology. We discuss the main existence and uniqueness results, the connection to the martingale problem of Stroock-Varadhan and the important Yamada-Watanabe theory.
Wahrscheinlichkeitstheorie I und II (Stochastische Prozesse)
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Lesekurse „Wissenschaftliches Arbeiten“
Dozent:in: Alle Professor:innen und Privatdozent:innen des Mathematischen Instituts
Sprache: Vortrag/Teilnahme auf Deutsch oder Englisch möglich
In einem Lesekurs wird der Stoff einer vierstündigen Vorlesung im betreuten Selbststudium erarbeitet. In seltenen Fällen kann dies im Rahmen einer Veranstaltung stattfinden; üblicherweise werden die Lesekurse aber nicht im Vorlesungsverzeichnis angekündigt. Bei Interesse nehmen Sie vor Vorlesungsbeginn Kontakt mit einer Professorin/einem Professor bzw. einer Privatdozentin/einem Privatdozenten auf; in der Regel wird es sich um die Betreuerin/den Betreuer der Master-Arbeit handeln, da der Lesekurs im Idealfall als Vorbereitung auf die Master-Arbeit dient (im M.Sc. wie im M.Ed.).
Der Inhalt des Lesekurses, die näheren Umstände sowie die Konkretisierung der zu erbringenden Studienleistungen werden zu Beginn der Vorlesungszeit von der Betreuerin/dem Betreuer festgelegt. Die Arbeitsbelastung sollte der einer vierstündigen Vorlesung mit Übungen entsprechen.
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mi, 10-12 Uhr, SR 226, Hermann-Herder-Str. 10
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: auf Englisch
The lecture addresses algorithmic aspects in the practical realization of mathematical methods in big data analytics and machine learning. The first part will be devoted to the development of recommendation systems, clustering methods and sparse recovery techniques. The architecture and approximation properties as well as the training of neural networks are the subject of the second part. Convergence results for accelerated gradient descent methods for nonsmooth problems will be analyzed in the third part of the course. The lecture is accompanied by weekly tutorials which will involve both, practical and theoretical exercises.
Numerik I, II oder Basics in Applied Mathematics
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mo, 14-16 Uhr, SR 404, Ernst-Zermelo-Str. 1
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Mikhail Tëmkin
Sprache: auf Englisch
The notion of a manifold is fundamental importance. On one hand, it is a common ground for many branches of pure and applied mathematics, as well as mathematical physics. On the other hand, it itself is a lush source of elegant, unexpected and structural results. Next, algebraic topology is to mathematics what the periodic table is to chemistry: it offers order to what seems to be chaotic (more precisely, to topological spaces of which manifolds is an important example). Finally, differential topology studies smooth manifolds using topological tools. As it turns out, narrowing the scope to manifolds provides many new beautiful methods, structure and strong results, that are applicable elsewhere -- as we will see in the course. Necessary notions from algebraic topology will be covered in the beginning.
Mengentheoretische Topologie (z.B. aus der Topologie-Vorlesung vom Sommersemester 2024)
Reine Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mi, 14-16 Uhr, SR 125, Ernst-Zermelo-Str. 1
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Amador Martín Pizarro
Assistenz: Charlotte Bartnick
Sprache: auf Deutsch
Gruppen, die keine nicht trivialen Normalteiler enthalten, heißen einfache Gruppen. Ähnlich wie Primzahlen für die natürlichen Zahlen bilden einfache Gruppen die Bausteine für endliche Gruppen. Man sieht leicht, dass abelsche endliche einfache Gruppen zyklisch sind. Nicht abelsche Beispiele sind alternierende Gruppen sowie die Gruppen vom Lie-Typ.
Die Klassifikation von endlichen einfachen Gruppen geht weit über den Rahmen dieses Kurses hinaus. Wir werden jedoch einige der wiederkehrenden Ideen der Klassifikation veranschaulichen und insbesondere das folgende Ergebnis von Brauer und Fowler beweisen:
Theorem: Sei G eine endliche Gruppe von gerader Ordnung derart, dass das Zentrum ungerade Ordnung besitzt. Dann gibt es ein Element \(g \neq 1_G\) mit \(|G| < |C_G (g)|^3\) .
Diesen Theorem hatte besonders großen Einfluss auf die Klassifikation endlicher einfacher Gruppe, da es suggeriert, dass diese durch Untersuchung der Zentralisatoren von Elementen von Ordnung 2 klassifiziert werden könnten.
Algebra und Zahlentheorie
Reine Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mo, 14-16 Uhr, HS II, Albertstr. 23b
Übung: Mi, 16-18 Uhr, SR 403, Ernst-Zermelo-Str. 1
Dozent:in: Ernst August v. Hammerstein
Assistenz: Sebastian Hahn
Sprache: auf Englisch
Lévy-Prozesse sind das zeitstetige Analogon zu Irrfahrten (random walks) in diskreter Zeit, da sie definitionsgemäß ebenfalls unabhängige und stationäre Zuwächse besitzen. Sie bilden eine fundamentale Klasse stochastischer Prozesse, die vielfache Anwendungen in der Versicherungs- und Finanzmathematik, der Warteschlangentheorie und auch in der Physik und Telekommunikation gefunden haben. Auch die Brownsche Bewegung und der Poisson-Prozess, die vielleicht schon aus anderen Vorlesungen bekannt sind, gehören zu dieser Klasse. Trotz ihrer Reichhaltigkeit und Flexibilität sind Lévy-Prozesse üblicherweise sowohl analytisch wie auch numerisch sehr handhabbar, da ihre Verteilung durch ein einzelnes eindimensionales, unbegrenzt teilbares Wahrscheinlichkeitsmaß erzeugt wird.
Die Vorlesung beginnt mit einer Einführung in unbegrenzt teilbare Verteilungen und der Herleitung der berühmten Lévy-Khintchine-Formel. Danach wird erläutert, wie Lévy-Prozesse daraus entstehen und wie die Charakteristiken der Verteilungen die Pfadeigenschaften der zugehörigen Prozesse beeinflussen. Nach einem kurzen Blick auf die Methode der Subordination wird abschließend die Optionsbewertung in von Lévy-Prozessen getriebenen Finanzmarktmodellen diskutiert.
notwendig: Wahrscheinlichkeitstheorie I
nützlich: Wahrscheinlichkeitstheorie II (Stochastische Prozesse)
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mi, 12-14 Uhr, HS II, Albertstr. 23b
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Thorsten Schmidt
Assistenz: Simone Pavarana
Sprache: auf Englisch
In this lecture we will study new and highly efficient tools from machine learning which are applied to stochastic problems. This includes neural SDEs as a generalisation of stochastic differential equations relying on neural networks, transformers as a versatile tool not only for languages but also for time series, transformers and GANs as generator of time series and a variety of applications in Finance and insurance such as (robust) deep hedging, signature methods and the application of reinforcement learning.
Wahrscheinlichkeitstheorie. Für einige Teile wird zudem ein gutes Verständnis stochastischer Prozesse gebraucht. In der Vorlesung wird dazu eine (sehr) kurze Einführung gegeben, so dass es für schnell Lernende möglich ist, der Veranstaltung auch ohne die Vorlesung 'Stochastische Prozesse' zu folgen.
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Vorlesung: Mi, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Patrick Dondl
Assistenz: Eric Trébuchon
Sprache: auf Englisch
This course provides a comprehensive introduction to mathematical modeling. We will learn the systematic process of translating real-world problems into mathematical frameworks, analyzing them using appropriate mathematical tools, and interpreting the results in practical contexts. The course covers both discrete and continuous modeling approaches, with emphasis on differential equations, variational problems, and optimization techniques. Through case studies in physics, biology, engineering, and economics, students will develop skills in model formulation, validation, and refinement. Special attention is given to dimensional analysis, stability theory, and numerical methods necessary for implementing solutions with a focus on numerical methods for ordinary differential equations. The course combines theoretical foundations with hands-on experience in computational tools for model simulation and analysis.
Analysis I, II, Lineare Algebra I, II, Numerik I, II
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Numerical Optimization
Übung / flipped classroom: Di, 14-16 Uhr, HS II, Albertstr. 23b
Klausur: Datum wird noch bekanntgegeben
Dozent:in: Moritz Diehl
Assistenz: Léo Simpson
Sprache: auf Englisch
The aim of the course is to give an introduction into numerical methods for the solution of optimization problems in science and engineering. The focus is on continuous nonlinear optimization in finite dimensions, covering both convex and nonconvex problems. The course divided into four major parts:
The course is organized as inverted classroom based on lecture recordings and a lecture manuscript, with weekly alternating Q&A sessions and exercise sessions. The lecture is accompanied by intensive computer exercises offered in Python (6 ECTS) and an optional project (3 ECTS). The project consists in the formulation and implementation of a self-chosen optimization problem or numerical solution method, resulting in documented computer code, a project report, and a public presentation. Please check the website for further information.
notwendig: Analysis I–II, Lineare Algebra I–II
nützlich: Einführung in die Numerik
Angewandte Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul
Steilkurs Schemata
Vorlesung: Mo, 12-14 Uhr, SR 403, Ernst-Zermelo-Str. 1, Termin noch unter Vorbehalt!
Übung: Do, 14-16 Uhr, -, -, Termin noch unter Vorbehalt!
Die Vorlesung wird durch Übungen und einen umfangreicheren Selbststudiumsteil als üblich ersetzt. Die Vorlesung zählt daher wie eine vierstündige Vorlesung.
Dozent:in: Andreas Demleitner
Sprache: auf Deutsch
Reine Mathematik
Wahlmodul
Mathematik
Vertiefungsmodul