Anvende eksponential- og potensfunktioner i modellering

Matematik B · STX · B-niveau · Algebra og funktioner

🧮 Anvende eksponential- og potensfunktioner i modellering

Eksponential-funktion f(x) = b·a^x: konstant procentvis ændring per tidsenhed. Potens-funktion f(x) = b·x^a: konstant proportional skalering.

Forskel: i eksponential er x i EKSPONENT. I potens er x i BASE.

Hvornår vælge?:

1. Eksponential når data fordobles (eller halveres) i fast tidsperiode. Eksempler: bakteriel vækst, rente-vækst, radioaktivt henfald, virus-spredning, koffein-nedbrydning.

2. Potens når begge variabler er proportionalt skaleret. Eksempler: areal vs. radius (a=2), volumen vs. radius (a=3), Kleibers lov (kropsenergi vs. masse, a=0,75), Kepler's 3. lov (T² ∝ r³).

Linearisering:

1. Eksponential: log y = log b + x·log a. Lineær på SEMI-log-papir (log y vs. x).

2. Potens: log y = log b + a·log x. Lineær på LOG-LOG-papir. Brugbar til at SKELNE de to typer ud fra plot.

Modellerings-procedure:

1. Plot data.

2. Visuel vurdering — eksponentiel eller potens? Brug log-transformeret plot.

3. Brug CAS til regression: WordMat eksponentiel/potens-regression, GeoGebra Fit[ExpFunction]/Fit[PowerFunction].

4. Få a + b + R².

5. Tolk parametre + vurder model-kvalitet.

6. Anvend til forudsigelse + diskuter ekstrapolering.

Klassiske eksempler

• (a) Bakteriel vækst — eksponential. f(t) = 100·1,2^t (start 100 bakterier, vokser 20% per time).
• (b) Radioaktivt henfald — eksponential. N(t) = N₀·(1/2)^(t/T_½).
• (c) Pendul-periode — potens. T = 2π√(L/g) → T ∝ L^0,5.
• (d) Allometriske skalering — potens. Kleiber: stofskifte ∝ ma

Læringsmål

• Skelne mellem eksponentialfunktioner f(x) = b·a^x og potensfunktioner f(x) = b·x^a
• Linearisere data med semi-log og log-log plot for at vælge modeltype
• Bruge CAS-regression til at finde parametrene a, b og R²
• Anvende på eksempler: bakterievækst, radioaktivt henfald, Kleibers lov, Keplers 3. lov
• Vurdere modelfit og diskutere ekstrapolering

Sådan kan du arbejde med emnet

• En bakteriekultur fordobles hvert 3. time fra en begyndelsesmængde på 100 — opstil en eksponentialfunktion og beregn antallet efter 12 timer
• Forklar, hvad fremskrivningsfaktor og vækstrate er, og find dem for en given eksponentialfunktion
• Diskutér, hvornår en eksponentialmodel er mere passende end en lineær model for et datasæt

Træningsforslag

• Givet et datasæt — afgør ved log-log og semi-log plot om data følger en eksponential- eller potensmodel.
• Opstil N(t) = N₀·(1/2)^(t/T½) for et stof med halveringstid T½ = 5 dage, og beregn hvor meget der er tilbage efter 12 dage.
• Brug CAS-regression til at fitte en potensmodel til data for pendulperiode vs. snorlængde, og sammenlign med T = 2π√(L/g).
• Diskutér hvorfor det er farligt at ekstrapolere en eksponentiel vækstmodel langt uden for datagrundlaget.

Brobygning

Linearisering via logaritmer kobler direkte til potens-/logaritmereglerne tidligere i kategorien, og modelvalg er en kerne-kompetence i Modellering-kategorien og i DP2.