Skip to main content


Zutaten: Zucker, Kakaomasse (50%), Milchzucker, Weizenmehl, Vollmilchpulver, Magermilchpulver, Butterreinfett, Sahnepulver, Butter (1,4%)
Kann Spuren von Analysis und Geometrie enthalten.

2024_01_2D-zufall_titel_02

Was sind gute Zufallszahlen?

Charly und Rike feiern heute ihre neue Wohnung. Ein paar Freunde sind gekommen, so auch Ida. Ida macht gerade ihr Refendariat in Informatik an einem Gymnasium. Sie hat ein kleines Problem zur Berechnung von Zufallszahlen mitgebracht, das sie mit Rike besprechen möchte.

Rike Ida, na, wie geht es dir an deiner Schule?

Ida So weit so gut. In Informatik habe ich eine tolle 10. Klasse, wir haben Python zusammen kennengelernt. Das hat Spaß gemacht!

Rike Das hört sich gut an.

Ida Bei meiner Vorbereitung bin ich aber auf ein Problem gestoßen, das ich alleine nicht lösen kann. Vielleicht kannst Du mir helfen?

Rike Ich versuch’s! Erzähl‘ doch mal!

Weiterlesen

11_navier_stokes_rohr_sgr_119_150-titel_2

Wie Lila PDEs durch Maschinelles Lernen lösen möchte

Charly besucht Max und Lila in Berlin. Charly fällt gleich auf, dass Lila sehr traurig wirkt.

Charly Hey, Lila, was ist los mit dir?

Lila Hi, Charly, schön, dass du gekommen bist. You know, my grandparents died because of Corona. Jetzt ist auch noch mein Vater erkrankt, immerzu rufe ich zu Hause in Kalkutta an, aber nichts wird besser. Ich muss nach Hause.

Charly I’m so sorry, Lila. Kannst du nicht hierbleiben, ist das nicht besser?

Lila Ich mache mir große Sorgen. Eine Beerdigungsfeier gab es für meine Großeltern leider nicht. Deshalb bin ich hiergeblieben.

Max Lila ist sogar schon geimpft!

Charly Das ist gut! Und dein Studium?

Lila Jetzt im Sommersemester hören wir wieder bei Kubicki Analysis-Vorlesungen, bei Kubicki!

Weiterlesen

beitrag_05_2021_titel-planetenbahn

Das 1. keplersche Gesetz

Lila erzählt Max wieder von den Krotofil-Vorlesungen. Bevor sie die große Theorie behandelte, haben sie u.a. DGLn aus der Physik betrachtet.

Lila Überall, wo zeitliche Prozesse stattfinden, spielen DGLn eine große Rolle: wenn du mit dem Fahrrad fährst, mit dem Auto, wenn du kochst, wenn du dein Handy benutzt oder wenn sich die Planeten im All bewegen.

Max Und was hat dir daran gefallen? Weiterlesen

2020_24_schule-klassen-titel

Clusterbildung in Restklassen

Ben und Rike haben ein Programm zur Bestimmung von Zerlegungen von Zahlen N als Summen erstellt. Diese Zerlegungen wurden indiziert – von 1 bis nump. Zu jeder Zerlegung haben sie den dysonschen Rang m modulo q berechnet. Für bestimmte Zahlen N erhält man dann gleichgroße Restklassen von Zerlegungen. Doch wie sind die Indizes verteilt? Sind sie gleichverteilt und sehr zufällig, wie Dyson vermutete oder bilden sich Cluster?
Weiterlesen

v_02_gletscher

Warum die einfachsten Gletschermodelle nichts taugen

Nun ist es soweit, Charly macht mit einigen seiner Schüler und Schülerinnen eine Expedition nach Kurzras in Südtirol (Italien) nahe der österreichischen Grenze. In den Ötztaler Alpen liegt nämlich der Gletscher Hintereisferner. Sie machen eine geführte Wanderung zum Gletscher und lassen sich von einem Bergführer begleiten. Max ist auch mitgekommen, er fotografiert, filmt und berichtet für eine Berliner Zeitung.

Trotz einiger Schwierigkeiten kommen sie am Hintereisferner an. Die Gruppe bewundert das Tal, das mal vom Gletscher ausgefüllt war. Letzte Woche hat es geschneit und der Gletscher hat etwas zugenommen, sagt der Bergführer. Im Sommer nimmt er wieder ab. Aber wie kann man die Eiszu- oder -abnahme messen? Weiterlesen

iV_36_ubahn-titel

Lilas Warteschlangen-Modell für die U-Bahn

Lila hat nun ihr Studium begonnen. Sie hat sich für ein technisch orientiertes Mathestudium an einer Berliner Uni entschieden. Am liebsten mag sie die Informatik-Vorlesungen. Jetzt hat sie etwas über Warteschlangen gehört. Das ist eine Methode, wo man in eine Liste immer nur Dinge an der einen Seite hinzufügt und auf der anderen Seite wegnimmt. First-In, First-Out. Wie bei der U-Bahn denkt sie. Es kommen Leute rein und gehen welche raus. Sie überlegt, ob sie damit Jennys kontinuierliches Modell nicht viel besser machen kann. Weiterlesen

IV_beitrag_35_ubahn_titel

Jennys Fahrgastberechnungen

Lila und Jenny sind in Berlin unterwegs. Sie wollen am Potsdamer Platz in die U2 einsteigen und in Richtung Pankow fahren. Doch es ist sehr voll. Es ist so voll, dass sie auf die nächste Bahn warten. Aber die ist auch so voll. Lila fragt Jenny, ob das immer so ist.

Lila Sag mal, wie kommen wir da mit? Wird das auch mal besser?

Jenny Haha, in Stoßzeiten ist das ein Problem. Man kann das gut mathematisch modellieren, ich hab‘ da mal einen Bericht über das Fahrgastaufkommen gelesen und da habe ich mal ein Modell gemacht. Weiterlesen