Eksponentiel og logistisk vækst

Matematik A · STX · A-niveau · Differentialligninger

🧮 Eksponentiel og logistisk vækst

Vækst-modeller beskriver hvordan ting vokser over tid — befolkninger, virusudbredelse, økonomi, sociale medier. To grundtyper er eksponentiel og logistisk vækst.

Eksponentiel vækst

#### Differentialligning

$$\frac{dy}{dt} = k \cdot y$$

Tolkning: vækstraten er proportional med størrelsen. Jo større y, jo hurtigere vokser den.

#### Løsning

$$y(t) = y_0 \cdot e^{kt}$$

Hvor:

• y₀ = startværdi
• k = vækstrate (positiv = vækst, negativ = aftagende)
• t = tid

#### Karakteristik

• Konstant relativ vækstrate
• y fordobles på fast tid
• Vokser eksplosivt med tiden

#### Fordoblingstid

$$T_2 = \frac{\ln 2}{k} \approx \frac{0{,}693}{k}$$

Eksempel: hvis k = 0,05 (5% pr. år):

T₂ = 0,693/0,05 = 13,86 år for fordobling

#### 70-reglen (tommelfingerregel)

Fordoblingstid ≈ 70/vækstrate i %

Hvis vækst 5%/år: 70/5 = 14 år for fordobling.

#### Anvendelser

• Befolkningsvækst i kort periode
• Viral epidemi i tidlig fase (COVID-19 først)
• Sammensat rente (Albert Einstein: "det 8. underværk")
• Bakterievækst (E. coli fordobles hver 20 min!)
• Skadedyr og invasive arter

#### Begrænsning

Uendelig eksponentiel vækst er URealistisk — naturen sætter altid grænser:

• Mangel på ressourcer
• Tilbageholdende faktorer
• Bæreevne

Logistisk vækst (Verhulst 1838)

#### Differentialligning

$$\frac{dy}{dt} = k \cdot y \cdot \left(1 - \frac{y}{M}\right)$$

Hvor M = bæreevnen (maksimum).

#### Tolkning

• Når y er lille: ligner eksponentiel
• Når y nærmer sig M: vækstraten falder
• Når y = M: vækstraten er 0 (mætning)

#### Løsning

$$y(t) = \frac{M}{1 + A \cdot e^{-Mkt}}$$

Hvor A bestemmes af y₀.

#### S-kurve

Logistisk vækst danner en karakteristisk S-formet kurve:

```

y

| _____ M

| /

| / ← vækstrate størst (vendepunkt)

| /

| /

| /

| / ← eksponentielt i starten

|/

+---------> t

```

#### Vendepunkt

Ved y = M/2 er vækstraten højest. Det er hvor S-kurven har sit inflektionspunkt.

Anvendelser af logistisk vækst

#### Dyrepopulationer

• Rotter på øer (begrænset af mad)
• Hjorte i nationalpark
• Bakterier i petriskål (med næring)

#### Spredning af innovation

• Mobiltelefon-adoption (1990-2010)
• Internet-brug
• Streaming-tjenester
• Elbiler (nuværende)

#### Medicin og biologi

• Tumorvækst (begrænset af blodforsyning)
• Bakterievækst i kultur
• Sårhealning

#### Epidemiologi

• COVID-19-bølger følger logistisk under hver bølge
• Vaccinations-adoption

#### Sociale medier

• Facebook-vækst (2004-2012)
• TikTok-adoption (2018-2023)
• Nu mætning?

Modellering — sådan finder du k og M

#### Fra data:

1. Plot data

2. Estimér k fra tidlig fase (eksponentiel del)

3. Estimér M fra plateau (hvis tilgængelig)

4. Fit logistisk model med mindste kvadrater

5. Tjek residual-plot for kvalitet

#### Værktøjer

• Excel/Sheets: trendline-funktion
• R: nls() (non-linear least squares)
• Python: scipy.optimize.curve_fit
• GeoGebra: regression

Andre vækstmodeller

#### Gompertz-vækst

• Asymmetrisk S-kurve- Vækstraten falder hurtigere end logistisk
• Bruges i tumor-vækst og dødelighed

#### Allometrisk vækst

• y = a·x^b
• Forskellige proportioner i biologi
• Fx hjerne-vægt vs. kropsvægt

#### Eksponentielt aftagende

• y = y₀·e^(-kt)
• Radioaktivt henfald
• Lægemiddel-udskillelse

Klima-relevans

Atmosfærisk CO₂ vokser eksponentielt:

• Korreleret med BNP
• Næsten fordoblet siden 1850

Men klima-tipping points kan introducere:

• Logistik-lignende mætning (bæreevne)
• Eller crash (kollaps af systemer)

Permafrost-tø: kan udløse positiv feedback (mere CO₂ → mere opvarmning → mere permafrost-tø)

Sammenligning

| Aspekt | Eksponentiel | Logistisk |

|---|---|---|

| Form | Stigende kurve | S-kurve |

| Maksimum | Uendelig | M (bæreevne) |

| Vækstrate | Konstant relativ | Falder mod M |

| Realistisk? | Kort sigt | Lang sigt |

Almindelige fælder

• ❌ Antage eksponentiel vækst på lang sigt
• ❌ Glemme bæreevne i logistisk vækst
• ❌ Forveksle k og e^k
• ❌ Beregne fordoblingstid uden ln(2)
• ❌ Ignorere vendepunkter i logistisk

Vidste du at...

💰 Sammensat rente er et af de mest kraftfulde økonomiske fænomener — Albert Einstein skulle have kaldt det "verdens 8. underværk".

📱 iPhone havde logistisk vækst — eksplosiv 2007-2014, nu mætning (stadig stor markedsandel men begrænset vækst).

🦠 E. coli kan fordobles hver 20. minut — én bakterie kan blive til billioner på under en dag i ideelle forhold!

Læringsmål

• Opstille og løse dy/dt = ky (eksponentiel) og dy/dt = ky(1−y/M) (logistisk)
• Beregne fordoblingstid T₂ = ln 2/k og anvende 70-reglen
• Identificere vendepunktet y = M/2 i den logistiske S-kurve
• Sammenligne eksponentiel, logistisk og Gompertz-vækst og deres anvendelser
• Bruge CAS til at fitte vækstmodeller til data og vurdere R²

Sådan kan du arbejde med emnet

• Vis, at funktionen K(t) = K_0 · e^(kt) er løsning til differentialligningen K-mærke(t) = k·K(t)
• Forklar hvordan den logistiske differentialligning adskiller sig fra den eksponentielle
• Diskutér hvilke biologiske eller økonomiske situationer der bedst beskrives med logistisk vækst

Træningsforslag

• Beregn fordoblingstiden for k = 0,05 både med formlen T₂ = ln 2/k og med 70-reglen — sammenlign resultaterne.
• Skitsér S-kurven for en logistisk model med M = 1000 og marker vendepunktet.
• Forklar hvorfor en virusudbredelse starter eksponentielt men ender logistisk — hvad er M i den sammenhæng?
• Givet et datasæt for en sociale medie-platforms brugertal — vurder om eksponentiel eller logistisk model passer bedst.

Brobygning

Vækstmodellerne her er løsninger til de differentialligninger fra de to forrige emner — og kobler direkte til Modellering-kategoriens emne om lineære/eksponentielle/logistiske modeller, samt til SRP om epidemier, populationer eller teknologi-adoption.