Modellering og problemløsning

◆ Læringsmål - kapittel 9

Læringsmål for modellering og problemløsing

Modellering er kjernen i praktisk matematikk. Du skal ikke bare sette tall inn i en formel, men kunne gå fra en virkelig situasjon til en matematisk beskrivelse, bruke modellen, tolke resultatet og vurdere om svaret er troverdig.

• formulere et matematisk spørsmål fra en praktisk tekst eller et datasett
• definere variable størrelser med navn, symbol og enhet
• velge mellom proporsjonal, omvendt proporsjonal, lineær, eksponentiell, potens-, rasjonal og stykkevis modell
• bygge modeller fra tekst, tabell, graf, målinger og digitale data
• bruke GeoGebra, regneark og Python til utforsking, regresjon og kontroll
• tolke parametere, skjæringspunkter, residualer og resultater i kontekst
• vurdere premisser, usikkerhet, gyldighetsområde, interpolasjon og ekstrapolasjon
• presentere en helhetlig modellbesvarelse med argumentasjon og kritisk refleksjon

Innhold i kapittelet

1. Hva er matematisk modellering?2. Modelleringssyklusen steg for steg3. Fra tekst til variabler, enheter og premisser4. Tekst, tabell, graf, formel og kode5. Slik velger du modelltype6. Proporsjonale modeller7. Omvendt proporsjonalitet8. Lineære modeller: fast endring9. Sammenligne lineære modeller og break-even10. Stykkevise og trinnvise modeller11. Eksponentielle modeller: fast prosentvis endring12. Lineær eller eksponentiell modell?13. Potens-, rot- og skaleringsmodeller14. Rasjonale modeller og gjennomsnittskostnad15. Geometriske modeller, målestokk og materialbehov16. Fra målinger til modell17. Regresjon med digitale verktøy18. Residualer og sammenligning av modeller19. Interpolasjon og ekstrapolasjon20. Gyldighetsområde, definisjonsmengde og praktiske begrensninger21. Sensitivitetsanalyse og scenarioer22. Måleusikkerhet, avrunding og intervaller23. Omvendte problemer: når nås en målverdi?24. Enkel optimering med tabell og graf25. Problemløsingsstrategier26. GeoGebra: bygge, analysere og dokumentere modeller27. Regneark: modell, scenario og kontroll28. Python til utforsking og svarskontroll29. Selvstendig modelleringsprosjekt30. Kildekritikk, dataetikk og modellpåstander31. Eksamensverksted: sammensatte modelleringsoppgaver32. Hurtige eksempler og begrepskontroll33. Vanlige feil og hvordan du oppdager dem34. Vurderingskriterier og høy måloppnåelse35. Samlet modell- og formelark36. Kapittelsammendrag37. Diagnostisk kapitteltest38. Ofte stilte spørsmål om modellering i 1P39. Videre arbeid

1. Hva er matematisk modellering?

En matematisk modell er en bevisst forenkling av virkeligheten. Modellen kan være en formel, en funksjon, en tabell, en graf, et regneark, en algoritme eller en kombinasjon av flere representasjoner. Målet er ikke å gjengi alle detaljer, men å bevare de sammenhengene som er viktige for spørsmålet vi vil undersøke.

En modell blir nyttig når den gjør det mulig å beregne, forklare, sammenligne eller forutsi. Samtidig kan en modell aldri vurderes løsrevet fra situasjonen. En formel kan være algebraisk korrekt, men likevel gi et meningsløst svar dersom variablene er feil definert, enhetene ikke passer, eller modellen brukes langt utenfor området den er laget for.

Modelleringssyklusen. En modell utvikles i en sirkel: forstå, forenkle, matematisere, tolke og vurdere. VirkelighetSituasjonen inneholder mennesker, kostnader, tid, målinger, usikkerhet og praktiske begrensninger. MatematikkVi velger variable størrelser, antakelser, sammenhenger og metoder. Tilbake til virkelighetenResultatet må tolkes, kontrolleres og vurderes i den opprinnelige sammenhengen. ◆ Eksempel

Fastpris og enhetspris

Et verksted tar 650 kr i oppstartsgebyr og 420 kr per arbeidstime. Lag en modell for totalprisen etter x timer.

1. La x være antall arbeidstimer.
2. Den variable kostnaden er 420 x .
3. Fastprisen legges til: K ( x ) = 420 x + 650 .

Svar: Modellen er K(x)=420x+650 kroner for x ≥ 0.

Kontroll: Ved x=0 gir modellen 650 kr, som stemmer med oppstartsgebyret.

◆ Eksempel

En modell er ikke virkeligheten

En lineær modell for høyden til et barn gir 215 cm ved 25 års alder. Hva bør du konkludere?

1. Modellen beskriver kanskje bare målinger fra barndommen.
2. 25 år ligger langt utenfor dataområdet.
3. Menneskelig vekst fortsetter ikke lineært gjennom voksen alder.

Svar: Tallet skal ikke brukes som realistisk prognose. Modellen mangler gyldighet ved 25 år.

Kontroll: Sammenlign med biologisk kunnskap og modellens datagrunnlag.

2. Modelleringssyklusen steg for steg

En robust arbeidsmåte er å behandle modellering som en syklus. Du går fram og tilbake mellom situasjonen og matematikken. Når resultatet ikke passer med virkeligheten, er det ikke nødvendigvis regningen som er feil; kanskje antakelsene eller modelltypen må endres.

Forbedring gjennom iterasjon. Når modell og data ikke passer, justerer vi premisser eller modelltype. Modelleringssyklusen som arbeidsplan.

Steg	Spørsmål du bør stille	Dokumentasjon
1. Forstå	Hva er gitt? Hva spørres det om?	Kort problemformulering
2. Forenkle	Hvilke faktorer er viktige?	Premisser og avgrensning
3. Matematisere	Hvilke variabler og modeller passer?	Symboler, enheter og formel
4. Bearbeide	Hvordan kan modellen løses eller undersøkes?	Beregninger, graf eller kode
5. Tolke	Hva betyr svaret i situasjonen?	Svar med enhet og kontekst
6. Validere	Passer modellen til data og virkelighet?	Kontroll, residualer og sammenligning
7. Forbedre	Hva bør justeres?	Ny modell eller endrede premisser

◆ Eksempel

Sykkelutleie som modelleringssyklus

En sykkel koster 45 kr å låse opp og 3,20 kr per minutt. Finn kostnaden for 18 minutter og vurder modellen.

1. Definer t som antall minutter.
2. Bygg modellen P ( t ) = 3 , 20 t + 45 .
3. Beregn P ( 18 ) = 3 , 20 · 18 + 45 = 102 , 60 .
4. Tolk: Turen koster 102,60 kr.
5. Vurder: Modellen forutsetter at det ikke finnes pausegebyr, maksimumspris eller kampanje.

Svar: 102,60 kr under de oppgitte premissene.

Kontroll: Startprisen fås ved t=0, og minuttprisen er modellens stigningstall.

◆ Eksempel

Forbedre en temperaturmodell

En lineær modell beskriver temperaturen i en termos de første seks timene. Etter 30 timer gir modellen -35 °C.

1. Kontroller om 30 timer ligger innenfor måleområdet.
2. Vurder fysisk plausibilitet: temperaturen vil nærme seg romtemperaturen, ikke synke uten grense.
3. Bytt til en modell som flater ut, eller avgrens gyldighetsområdet.

Svar: Den lineære modellen bør ikke brukes etter 30 timer.

Kontroll: Et grafisk bilde viser at en rett linje fortsetter nedover uten fysisk grense.

3. Fra tekst til variabler, enheter og premisser

Den viktigste delen av en tekstoppgave skjer før du regner. Variabler må defineres slik at leseren vet hva symbolene betyr, hvilken enhet de har, og hvilket område de kan ta verdier i. Premissene gjør modellen etterprøvbar: andre skal kunne se hva du har antatt.

Enheter som kvalitetskontroll. Enhetene avslører ofte om du har ganget eller delt feil. Presise variabeldefinisjoner gjør modellen lettere å tolke og kontrollere.

Størrelse	God definisjon	Ufullstendig definisjon
Tid	x = antall måneder etter januar 2026	x = tid
Kostnad	K(x) = total kostnad i kroner	K = pris
Avstand	s = kjørt strekning i kilometer	s = avstand
Andel	p = andel elever som svarer ja, som desimaltall	p = prosent

Vanlig feil

Eleven bruker samme symbol for både antall måneder og kalenderår. Da blir startverdien og tolkningen av x feil. Skriv heller «x år etter 2024» og bruk x=0 for året 2024.

◆ Eksempel

Velg riktig tidsvariabel

Innbyggertallet var 12 400 i 2022 og økte jevnt til 13 120 i 2026. Lag en lineær modell.

1. La x være antall år etter 2022.
2. Endringen er 13120 − 12400 = 720 .
3. Fire år gir stigningstall a = 720 / 4 = 180 .
4. Startverdien er b = 12400 .
5. Modellen blir I ( x ) = 180 x + 12400 , vanligvis for 0 ≤ x ≤ 4 dersom den bare beskriver perioden.

Svar: I(x)=180x+12 400. …