Um motorista guardou os comprovantes de uma viagem entre duas cidades. Pagou R$ 2,50 de pedágio, abasteceu a R$ 6,20 o litro e chegou em casa com um gasto total de R$ 101,70. Quantos litros ele usou?
Dá para chegar lá tentando. Vinte litros dariam R$ 124,00 de combustível — passou. Quinze litros dariam R$ 93,00, mais os R$ 2,50 do pedágio: R$ 95,50 — faltou. Dezesseis dá certo. Três tentativas, resposta encontrada, problema resolvido.
Só que a próxima viagem custou R$ 151,30, e a tentativa recomeça do zero. É aqui que a modelagem matemática entra, e é aqui que quase todo mundo entende errado o que ela é: modelagem não é achar o número. É construir a coisa que devolve o número todas as vezes.
As 7 etapas da modelagem matemática, na ordem
Esta é a sequência do início ao fim do processo. Ela não é uma receita rígida — as etapas 5, 6 e 7 costumam mandar você de volta para a 2 —, mas é nesta ordem que o trabalho começa.
| # | Etapa | O que se faz | No problema do pedágio |
|---|---|---|---|
| 1 | Reconhecer a situação | Delimitar o fenômeno real e a pergunta que precisa de resposta | Quantos litros foram consumidos na viagem? |
| 2 | Levantar dados e informações | Reunir o que se sabe: medições, registros, valores conhecidos | Pedágio R$ 2,50; preço R$ 6,20/L; gasto total R$ 101,70 |
| 3 | Definir variáveis e hipóteses simplificadoras | Escolher o que varia, o que é constante e o que será ignorado | L = litros (incógnita); G = gasto total; ignora-se desvio de rota e variação de preço |
| 4 | Formular o modelo (matematização) | Traduzir as relações para linguagem matemática | G = 6,20 · L + 2,50 |
| 5 | Resolver | Aplicar as técnicas matemáticas que a formulação pede | L = (G − 2,50) ÷ 6,20 |
| 6 | Interpretar e validar | Traduzir o resultado de volta e confrontá-lo com a realidade | L = 16 litros — compatível com um tanque comum |
| 7 | Aplicar ou refinar | Usar o modelo em novos casos ou corrigi-lo quando ele falha | Gasto de R$ 151,30 → 24 litros, sem tentativa nenhuma |
Repare no que a etapa 7 entrega: a segunda viagem foi respondida em uma conta. O trabalho das etapas 1 a 6 não foi encontrar “16” — foi construir a expressão que transforma qualquer gasto em litros. Esse é o produto da modelagem.
Na literatura brasileira a mesma sequência aparece com outros cortes. Rodney Bassanezi descreve o ciclo em blocos — experimentação, abstração, resolução, validação, modificação e aplicação —, e Maria Salett Biembengut o resume em três movimentos: interação com a situação, matematização e construção do modelo. Os nomes mudam, o encadeamento não: observar, traduzir, resolver, conferir contra o mundo.
Roteiro para montar seu próprio modelo
Preencha as sete etapas com o seu problema. O bloco imprime sozinho — dá para salvar em PDF pelo próprio navegador e entregar como registro do trabalho.
O que é modelagem matemática — e o que ela não é
Modelagem matemática é o processo de representar de forma simplificada um fenômeno real por meio de linguagem matemática, com o objetivo de compreendê-lo, prever seu comportamento ou decidir sobre ele. A palavra que sustenta a definição é simplificada: um modelo é sempre uma redução deliberada da realidade, e a etapa 3 existe justamente para tornar essa redução explícita.
O que ela não é vale mais do que a definição, porque é aí que a confusão mora.
Não é fazer contas. Resolver uma equação é a etapa 5, uma das sete. Um exercício que já vem com a fórmula pronta e pede o valor de x não é modelagem — é aritmética ou álgebra. A modelagem começa antes, quando ainda não existe equação nenhuma e alguém precisa decidir o que vai virar variável.
Não é aplicar uma fórmula conhecida. Calcular a área de um terreno retangular com a fórmula da área é usar um modelo pronto, não modelar. A diferença está em quem escolheu as hipóteses: se elas vieram de fábrica, o trabalho intelectual da modelagem já foi feito por outra pessoa.
Não é encontrar a resposta certa. Problemas reais não têm um único modelo correto. Duas pessoas podem representar o mesmo fenômeno de formas diferentes e ambas estarem certas dentro das hipóteses que assumiram. O critério de qualidade não é a exatidão da resposta, é a adequação do modelo ao uso que se vai fazer dele.
Modelo matemático e modelagem matemática não são a mesma coisa
Modelo é o produto; modelagem é o processo que o produz. O modelo matemático de um problema é o conjunto de equações, tabelas, gráficos ou relações que descrevem sua estrutura — e ele não precisa ser uma equação. Uma tabela de correspondência entre consumo e valor cobrado é um modelo. Um gráfico que relaciona tempo e temperatura é um modelo. A forma algébrica é a mais comum, não a obrigatória.
Uma empresa utiliza um modelo matemático quando precisa antecipar o comportamento de algo que ainda não aconteceu: quanto de estoque terá em duas semanas, quanto custará a folha com um reajuste, quantos atendimentos a fila comportará. A função do modelo, nesses casos, é analisar a relação entre duas ou mais variáveis para que a decisão não dependa de intuição.
Tipos de modelos matemáticos
A classificação mais útil separa os modelos pelo tratamento que dão ao acaso.
Determinísticos — as mesmas entradas produzem sempre a mesma saída, porque o modelo não reserva espaço para variação aleatória. O gasto da viagem é determinístico: 16 litros a R$ 6,20 dão R$ 99,20, hoje e sempre. É o território clássico da modelagem matemática escolar, e é sobre ele que este texto trata.
Probabilísticos — a saída é uma distribuição de possibilidades, não um valor único, porque o fenômeno tem componente aleatório irredutível. O tempo de espera numa fila e o número de peças defeituosas num lote pertencem a essa família; a estrutura desses modelos é assunto de modelos probabilísticos.
Há ainda cortes secundários: modelos discretos (o estoque muda de dia em dia) contra contínuos (a temperatura varia a cada instante), e modelos lineares contra não lineares. Quando o modelo fica complexo demais para solução algébrica e passa a ser resolvido por simulação numérica em computador, o campo costuma ser chamado de modelagem computacional — mesma lógica de sete etapas, ferramenta diferente na etapa 5.
Existe uma fronteira que vale marcar com clareza. Quando a pergunta deixa de ser “qual é a relação exata entre estas grandezas?” e passa a ser “quanto do que estou vendo é sinal e quanto é variação?”, o trabalho muda de natureza e vira modelagem estatística — construir um modelo a partir de dados que carregam ruído, separando a parte sistemática da parte aleatória para decidir sobre um processo. É o mesmo verbo, com uma exigência a mais: o modelo precisa conviver com o fato de que duas medições do mesmo fenômeno não dão o mesmo número. O detalhe da equação ajustada, dos coeficientes, do R² e da análise de resíduos pertence ao território da regressão linear.
Exemplos de modelagem matemática em três contextos
Consumo de energia elétrica. Um chuveiro de 5.500 W ligado 30 minutos por dia durante 30 dias consome 5,5 kW × 0,5 h × 30 dias = 82,5 kWh no mês. O modelo da conta é C = consumo × tarifa + bandeira. Com uma tarifa hipotética de R$ 0,85 por kWh e sem bandeira adicional, o chuveiro sozinho responde por R$ 70,13 da fatura. O valor da tarifa muda por distribuidora e por reajuste — o modelo, não. Trocar 30 por 15 minutos derruba o consumo para 41,25 kWh e o custo para R$ 35,06: o modelo mostra que a variável de decisão é o tempo de banho, não o aparelho.
Estoque em uma loja. Um gerente registrou o saldo de um produto por oito dias e observou queda constante de 8 unidades por dia, a partir de 120 unidades. A modelagem transforma a observação em E(d) = 120 − 8d, onde d é o número de dias corridos. O modelo responde duas perguntas que a tabela sozinha não responde: no dia 12 restarão 24 unidades, e o estoque zera no dia 15. É a partir daí que se decide quando repor e quando retirar o anúncio da vitrine.
Geometria de um polígono. Nem todo modelo nasce de dados coletados. A soma dos ângulos internos de um polígono de n lados obedece a S = (n − 2) · 180°. Uma professora que precisa de um polígono cuja soma seja 2.520° não precisa desenhar candidatos: 2.520 ÷ 180 = 14, mais 2, resulta em 16 lados. Aqui o modelo veio de uma dedução geométrica, não de medição — o que mostra que a etapa 2 admite tanto dado empírico quanto relação já estabelecida.
Exercício resolvido passo a passo
Volte ao problema da abertura e acompanhe as sete etapas explicitamente, porque é essa passagem que costuma faltar nos exercícios de modelagem matemática.
1. Situação e pergunta. Uma viagem entre duas cidades com pedágio fixo e abastecimento; quer-se saber a quantidade de combustível consumida.
2. Dados. Pedágio de R$ 2,50 por carro de passeio; combustível a R$ 6,20 o litro; gasto total registrado de R$ 101,70.
3. Variáveis e hipóteses. Chama-se de L a quantidade de litros, porque é a incógnita do problema, e de G o gasto total. Assume-se um único pedágio, preço constante durante todo o abastecimento e nenhum outro gasto na viagem. Essas três hipóteses são o que torna o problema resolvível — e o que limita o modelo.
4. Formulação. A escrita algébrica da relação é G = 6,20 · L + 2,50. Esta é a etapa que a educação básica chama de modelagem algébrica de problemas: a frase em português vira sentença matemática.
5. Resolução. Isolando L: L = (G − 2,50) ÷ 6,20. Para G = 101,70, temos L = 99,20 ÷ 6,20 = 16 litros.
6. Interpretação e validação. Dezesseis litros é uma quantidade plausível para uma viagem entre cidades vizinhas e cabe em qualquer tanque comum. Se o resultado tivesse dado 160 litros ou 1,6 litro, o sinal seria de erro na formulação, não no mundo.
7. Aplicação. A viagem seguinte custou R$ 151,30. Sem nenhuma tentativa: L = 148,80 ÷ 6,20 = 24 litros. O modelo se pagou na segunda pergunta.
Modelagem matemática no ensino
Na educação básica, a modelagem matemática funciona menos como conteúdo e mais como estratégia de ensino: em vez de apresentar a equação e pedir a aplicação, o professor parte de um tema real e conduz a turma pelo percurso que um pesquisador faria. É por isso que a literatura da área descreve as atividades de modelagem em etapas semelhantes às de uma investigação científica.
Uma dessas etapas costuma cair em prova e merece precisão: a pesquisa exploratória é a etapa que ocorre depois da escolha do tema e consiste em levantar dados sobre ele a partir de materiais diversificados, visitas técnicas e fontes variadas — é o levantamento que antecede a formulação dos problemas, não a formulação em si. Só depois dela os alunos elaboram as questões e buscam os conteúdos matemáticos que as resolvem.
Vale registrar que essa abordagem dialoga com a etnomatemática, que parte das práticas matemáticas de um grupo cultural específico. As duas compartilham o ponto de partida — a realidade do aluno — e divergem no destino: a modelagem quer chegar a um modelo que responda a uma pergunta; a etnomatemática quer reconhecer e legitimar formas próprias de quantificar.
Quando o modelo não ajuda
Nem toda situação pede modelagem, e insistir custa tempo. Quando o fenômeno é observado uma única vez e não vai se repetir, o modelo não tem em que se pagar — resolva o caso e siga. Quando não há dados nem relação conhecida para sustentar as hipóteses da etapa 3, o que se produz não é modelo, é opinião com aparência de equação. E quando o custo de errar é baixo, uma estimativa grosseira entrega a mesma decisão por uma fração do esforço.
Há também o caso em que o modelo existe, funciona, e ainda assim não deve ser usado: quando as condições em que ele foi construído deixaram de valer.
O erro que aparece amanhã
Volte ao estoque. O modelo E(d) = 120 − 8d previa fim de estoque no dia 15, e a previsão era boa — dentro dos oito dias observados, ela acertava todos os pontos. No dia 10, com 40 unidades em prateleira, a loja entrou numa promoção e a saída triplicou para 24 unidades por dia. O estoque zerou durante o dia 12, três dias antes do previsto, e o anúncio ficou na vitrine oferecendo um produto que não existia mais.
O modelo não errou. Ele foi usado fora da faixa em que foi construído — e essa é a falha mais comum de quem aprende modelagem e passa a confiar demais nela. Todo modelo carrega, junto com a fórmula, as hipóteses da etapa 3 e o intervalo de dados da etapa 2. Extrapolar para além desse intervalo, ou continuar usando o modelo depois que uma das hipóteses caiu, é o erro que você vai cometer na próxima vez que uma previsão bonita encontrar um mundo que mudou. A pergunta que evita isso é sempre a mesma: as condições em que este modelo foi construído ainda valem hoje?
Perguntas frequentes
Qual a diferença entre modelo matemático e modelagem matemática?
Modelagem é o processo; modelo é o produto desse processo. A modelagem percorre as sete etapas — da observação do fenômeno à validação — e o modelo é a representação matemática que sobra no fim, pronta para ser usada em novos casos.
Quais são as etapas da modelagem matemática na ordem correta?
Reconhecer a situação, levantar dados, definir variáveis e hipóteses, formular o modelo, resolver, interpretar e validar, aplicar ou refinar. As três últimas frequentemente devolvem o trabalho para a etapa 3, o que torna o processo cíclico e não linear.
Todo modelo matemático precisa ser uma equação?
Não. Um modelo pode ser expresso por fórmulas, gráficos, tabelas ou outros elementos matemáticos, e em algumas atividades a utilização de elementos matemáticos substitui a construção de uma equação formal. A forma algébrica é a mais comum porque é a mais compacta, não porque seja obrigatória.
Para que serve um modelo matemático?
Serve para analisar a relação entre duas ou mais variáveis e, a partir dela, prever comportamento e apoiar decisões. Ele não substitui o julgamento de quem decide — organiza a informação de modo que a decisão deixe de depender de tentativa e erro.
O que é a pesquisa exploratória em uma atividade de modelagem?
É a etapa posterior à escolha do tema, em que se levantam dados e informações sobre ele a partir de materiais diversificados, fontes variadas e, quando possível, visitas técnicas. Ela alimenta a etapa seguinte, na qual os problemas são efetivamente formulados.
Modelagem matemática e modelagem computacional são a mesma coisa?
O percurso é o mesmo; muda a ferramenta de resolução. Quando o modelo formulado não tem solução algébrica prática, ele é resolvido por métodos numéricos e simulação em computador — o que não altera nenhuma das outras seis etapas.
Como saber se um modelo é bom?
Um modelo é bom quando reproduz com precisão suficiente o comportamento que se quer estudar e quando suas hipóteses continuam válidas no contexto de uso. Precisão suficiente é sempre relativa à decisão que o modelo apoia: o mesmo erro de 5% pode ser irrelevante num caso e inaceitável em outro.
O que estudar depois de modelagem matemática?
O caminho natural é a estatística, porque quase todo dado do mundo real chega com variação. A estatística descritiva ensina a resumir o que foi observado, a divisão entre descritiva e inferencial mostra quando descrever basta e quando é preciso generalizar, e a modelagem estatística retoma as sete etapas deste texto num contexto em que os dados não se repetem exatamente — é a versão do problema que profissionais de processos e qualidade enfrentam todo dia. Para ler o que os dados mostram antes de modelá-los, o ponto de partida é a interpretação de gráficos.