ModellreduktionModulbeschreibung #20080 / Version 1
- 10 LP
- Mündliche Prüfung
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v3)
| Modul / Version | #20080 / #1 |
|---|---|
| Gültigkeit | SS 2014 – SoSe 2023 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 10 |
| Modulverantwortliche*r | Mehrmann, Volker |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät II |
|---|---|
| Institut | Institut für Mathematik |
| Fachgebiet | Keine Angabe |
Kontakt
| Sekretariat | MA 4-4 |
|---|---|
| Ansprechpartner*in | Breiten, Tobias |
| E-Mail-Adresse | tobias.breiten@tu-berlin.de |
| Webseite | Keine Angabe |
Lernergebnisse
In dieser Veranstaltung sollen die grundlegenden Verfahren der Modellreduktion erlernt werden. Die Studierenden sollen in der Lage sein, große Differentialgleichungssysteme sachgemäß und praktikabel
auf kleinere Systeme zu reduzieren und mit der Reduktion das ursprüngliche Problem zu bearbeiten.
Knowledge of the basic methods of model reduction. The students can reduce large systems of differential
equations to small ones and are able to use this method in order to deal with the original problem.
Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%
auf kleinere Systeme zu reduzieren und mit der Reduktion das ursprüngliche Problem zu bearbeiten.
Knowledge of the basic methods of model reduction. The students can reduce large systems of differential
equations to small ones and are able to use this method in order to deal with the original problem.
Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%
Lehrinhalte
Bei der Modellierung von praxisrelavanten technischen und ökonomischen Systemen hat man es in der
Regel mit Differentialgleichungen zu tun, die sehr hochdimensional und somit sehr schwierig bis kaum
numerisch lösbar sind. Als Modellreduktion bezeichnet man die Approximation solcher großen Systeme
durch niedrigdimensionale. Im Rahmen dieser Vorlesung werden verschiedene Modellreduktionsverfahren
sowie ihre numerischen als auch analytischen Eigenschaften dargestellt. Konkrete Themen u.a.: Lineare
Steuerungssysteme, Lyapunov-Gleichungen, Hankel-Operatoren, Balancierte Realisierungen, Numerische
Verfahren zur Lösung von Lyapunov-Gleichungen, Frequenz-Interpolationsverfahren, Strukturerhaltende
Modellreduktionsverfahren.
Differential equations which arise in practical problems are very often high dimensional and therefore
difficult to solve numerically. Model reduction means approximation of such large systems by lower
dimensional ones. Topics of the lecture are different methods of model reduction and their analytical
and numerical properties. In particular topics as linear control problems, Lyapunov equations, Hankel
operators, balanced realizations, numerical methods for Lyapunov equations, frequence interpolation,
structure preserving methods.
Regel mit Differentialgleichungen zu tun, die sehr hochdimensional und somit sehr schwierig bis kaum
numerisch lösbar sind. Als Modellreduktion bezeichnet man die Approximation solcher großen Systeme
durch niedrigdimensionale. Im Rahmen dieser Vorlesung werden verschiedene Modellreduktionsverfahren
sowie ihre numerischen als auch analytischen Eigenschaften dargestellt. Konkrete Themen u.a.: Lineare
Steuerungssysteme, Lyapunov-Gleichungen, Hankel-Operatoren, Balancierte Realisierungen, Numerische
Verfahren zur Lösung von Lyapunov-Gleichungen, Frequenz-Interpolationsverfahren, Strukturerhaltende
Modellreduktionsverfahren.
Differential equations which arise in practical problems are very often high dimensional and therefore
difficult to solve numerically. Model reduction means approximation of such large systems by lower
dimensional ones. Topics of the lecture are different methods of model reduction and their analytical
and numerical properties. In particular topics as linear control problems, Lyapunov equations, Hankel
operators, balanced realizations, numerical methods for Lyapunov equations, frequence interpolation,
structure preserving methods.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Modellreduktion | Vorlesung | 3236 L 701 | Wintersemester | [de] | 4 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Modellreduktion (Vorlesung) 1
- Modellreduktion (Vorlesung) 1 3236 L 701
Arbeitsaufwand und Leistungspunkte
Modellreduktion (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 12 h | 180 h |
| 240 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 60 h | 60 h |
| 60 h | |||
Der Aufwand des Moduls summiert sich zu 300 Stunden. Damit umfasst das Modul 10 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesungen
Lectures
Lectures
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Numerische Mathematik II, Differentialgleichungen I, Kenntnis einer höheren
Programmiersprache
Prerequisities: Analysis and numerics of ordinary differential equations, knowledge of some
high level computer language.
Programmiersprache
Prerequisities: Analysis and numerics of ordinary differential equations, knowledge of some
high level computer language.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Deutsch |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Standard
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- A. Antoulas: Approximation of Large-Scale Dynamical Systems, SIAM Publishing.
- Further literature will be announced in the lectures.
- Weitere Literatur wird in der VL angegeben.
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Scientific Computing StuPO 2022 (Beginn WS 2022/23) | WiSe 2022/23 | Wahlpflichtmodule › Mathematik |
| SoSe 2023 | Wahlpflichtmodule › Mathematik | |
| WiSe 2023/24 | Wahlpflichtmodule › Mathematik |
Sonstiges
Keine Angabe