Pular para o conteúdo principal

O que é uma função linear? Um guia com exemplos

Conheça definições formais e intuitivas de funções lineares. Aprenda a identificar essas funções com exemplos do mundo real.
Actualizado 23 de set. de 2026  · 6 min leer

Explore com IA

ChatGPTClaudePerplexity

Se você já fez alguma aula de matemática, é bem provável que tenha esbarrado cedo em uma função linear, lá no início da álgebra ou rabiscando linhas no papel milimetrado.

Funções lineares estão por toda parte na matemática e além. Mas muita gente acha que elas são um pouco difíceis de entender. Mesmo profissionais às vezes passam batido pelo “por quê” por trás das equações.

Neste artigo, vou construir uma explicação clara e intuitiva sobre funções lineares e mostrar o que faz elas funcionarem, como são escritas e como identificá-las. No fim, você vai enxergá-las não como regras abstratas sem utilidade, mas como ferramentas confiáveis para entender mudanças constantes.

A ideia central por trás das funções lineares

No fundo, uma função linear descreve relações estáveis e previsíveis.

Imagine, por exemplo, que você caminha a uma velocidade constante. A cada passo, você percorre a mesma distância. Essa taxa de variação constante é exatamente a fonte da linearidade que torna uma função linear, bem, linear. À medida que a entrada, como tempo ou passos, aumenta de um valor fixo, a saída, como a distância percorrida, muda pelo mesmo valor fixo.

Essa previsibilidade é o que torna as funções lineares tão úteis. As saídas não dão saltos nem fazem curvas inesperadas. Elas avançam em linha reta, de forma confiável. Quando você coloca no gráfico, traça uma linha reta perfeita, como um feixe de laser. É essa simplicidade que nos permite confiar nelas para modelar o mundo.

Uma definição simples de função linear

Com a intuição em mãos, vamos formalizar. Uma função linear é uma regra matemática que mapeia entradas em saídas, em que a variação da saída é sempre proporcional à variação da entrada. Em símbolos, costuma aparecer assim:

what is a linear function

Mas vamos falar disso mais adiante. O ponto mais importante aqui é que a saída cresce ou diminui em um ritmo constante, não importa onde você esteja na escala da entrada.

De forma intuitiva, uma função linear leva esse nome porque remete a linhas. Isso diferencia as funções lineares das não lineares, como as quadráticas, que fazem um arco como um arco-íris, ou as exponenciais, que “disparam” conforme a entrada cresce.

A forma padrão de uma função linear

A maioria das funções lineares exibe sua estrutura claramente no que chamamos de forma inclinada-intercepto (slope-intercept). Ela é assim:

slope intercept form for a linear function

Aqui, x é a sua entrada, que você pode pensar como a variável que vai inserir, e y é a saída. O m é a inclinação (slope), que indica a taxa de variação da função, ou quão íngreme a linha sobe ou desce.

Um m maior significa uma inclinação mais acentuada e um m negativo aponta para baixo. Já o b, o intercepto em y, é simplesmente a saída quando x é zero. O intercepto em y define seu ponto de partida no eixo y.

Em muitos livros, a notação de m e b pode mudar para a e b, ou m e p, mas a ideia é a mesma.

Taxa de variação em função linear

Antes de chamar de “inclinação”, vamos focar no que isso realmente significa. Pense como “quanto a saída muda quando a entrada aumenta uma unidade?”. Se cada hora extra de trabalho rende mais US$ 20, essa é uma taxa de US$ 20 por hora, que é de fato uma mudança constante. Taxas positivas significam crescimento, enquanto negativas indicam queda, como uma torta esfriando de forma constante.

Essa taxa é a espinha dorsal da linearidade. Ela não acelera nem desacelera. Na linguagem matemática, chamamos isso de inclinação (m na nossa equação principal), mas a ideia é a mesma.

what is a linear function

Nesta figura, tentei ilustrar diferentes configurações de funções lineares, mantendo o b constante e variando o m.

Valor inicial da função linear

O intercepto em y, b, é a saída de referência quando a entrada é zero — você pode pensar nisso como um custo fixo inicial. Ele ancora a função e dá contexto para como as mudanças se acumulam. 

Nesta figura, alterei os valores de b mantendo m constante em 2.

Como as funções lineares aparecem no gráfico

Os gráficos de funções lineares são linhas retas por causa da taxa constante. Ajuste a taxa m para deixar a linha mais inclinada ou mais plana. Altere o valor inicial b e a linha sobe ou desce mantendo a mesma inclinação.

Exemplos de funções lineares

Há diferentes maneiras de descrever uma função linear. Podemos descrevê-la numericamente, como f(x) = 3x + 2. Isso significa que as saídas aumentam de 3 a cada incremento em x, e que y começa em 2 quando x é 0.

Podemos descrevê-la de forma mais casual, como dizer que o custo de um táxi é igual a US$ 3 de bandeirada + US$ 2 por milha. Um início fixo com um acréscimo constante.

Funções lineares vs. não lineares

Relações não lineares quebram a constância, pois as taxas variam e os gráficos fazem curva. Relações reais muitas vezes se aproximam de lineares em faixas curtas e são úteis como ponto de partida.

Esta figura ilustra muito bem alguns exemplos de funções lineares e não lineares.

Onde as funções lineares aparecem

Funções lineares são o pano de fundo confiável para entendermos o mundo. Elas são nossa porta de entrada para enxergar mudanças como algo constante e escalável. Em física, por exemplo, simplificam movimentos sem atrito; em economia, servem de base para custos antes que as complexidades entrem em cena.

Em diferentes áreas, elas servem como aproximações, porque dados do mundo real costumam ter relações quase lineares ou localmente lineares. A biologia pode linearizar taxas enzimáticas em faixas estreitas, e a engenharia lineariza a relação tensão-deformação em materiais. Elas são onipresentes porque a mudança constante está em todo lugar — basta olhar.

Funções lineares e regressão linear

A regressão linear usa dados para ajustar uma função linear como a linha de melhor ajuste. Essencialmente, tenta estimar m e b da equação citada acima para encontrar a linha que melhor se ajusta às observações coletadas. É uma aproximação das tendências em dados reais com dispersão, não uma perfeição exata.

linear functions and linear regression

Nesta ilustração, mostrei como podemos modelar pontos de dados reais com um pouco de ruído usando uma função linear.

Equívocos comuns sobre funções lineares

Evite estes erros ao pensar em funções lineares:

  1. Nem todo gráfico em linha reta é linear. Linhas podem terminar e às vezes mudar de direção.
  2. A vida real não é perfeitamente linear. O que fazemos é aproximar.
  3. Você deve distinguir claramente a taxa m do início b, pois eles moldam o comportamento de formas diferentes.

Dicas para reconhecer funções lineares

Para reconhecer uma função linear, verifique estas regras:

  • Procure por variação constante
  • Observe diferenças, não razões
  • Pense em termos “por unidade”
  • Tenha cautela com dados reais ruidosos

Conclusão

Funções lineares modelam relações em linha reta usando uma taxa de variação constante a partir de um valor inicial. Por causa dessa estrutura, são simples de interpretar e fáceis de aplicar. Você vai encontrá-las em equações, gráficos e problemas do dia a dia de custos ou estimativas.

Continue aprendendo com a gente. Eu recomendo o nosso curso Introduction to Regression with statsmodels in Python. Ao fazer o curso, você vai ver como a regressão é mais flexível do que parece. Com transformações, dá para modelar relações lineares e não lineares usando regressão. 

Obter uma certificação Python

Mostre que você é um cientista de dados em Python pronto para o trabalho
Construir Minha Carreira De Dados

Iheb Gafsi's photo
Author
Iheb Gafsi
LinkedIn

Trabalho em sistemas de IA acelerados que permitem inteligência de ponta com pipelines de ML federados em dados descentralizados e cargas de trabalho distribuídas.  A Mywork se concentra em modelos grandes, processamento de fala, visão computacional, aprendizado por reforço e topologias avançadas de ML.

Temas
Ciência de dados

Aprenda com a DataCamp

Curso

Regressão intermediária no R

4 h
35.7K
Aprenda a realizar regressão linear e logística com múltiplas variáveis explicativas.
Ver detalhesRight Arrow
Começar Curso
Ver maisRight Arrow
Relacionado

blog

O que é análise de dados? Um guia especializado com exemplos

Explore o mundo da análise de dados com nosso guia abrangente. Saiba mais sobre sua importância, processo, tipos, técnicas, ferramentas e as principais carreiras em 2023
Matt Crabtree's photo

Matt Crabtree

10 min

blog

O que é data wrangling? Um guia prático com exemplos

Aprenda os conceitos e fundamentos do data wrangling com exemplos práticos. Use essas habilidades no dia a dia para gerar dados limpos e úteis para seus modelos.
Tim Lu's photo

Tim Lu

12 min

multiple linear regression

Tutorial

Regressão linear múltipla no R: Tutorial com exemplos

Uma visão geral completa para entender as regressões lineares múltiplas no R por meio de exemplos.
Zoumana Keita 's photo

Zoumana Keita

12 min

Tutorial

Introdução a modelos não lineares e percepções usando o R

Descubra as complexidades dos modelos não lineares em comparação com os modelos lineares. Saiba mais sobre suas aplicações, limitações e como ajustá-las usando conjuntos de dados do mundo real.

Somil Asthana

11 min

Tutorial

Funções em Python: como chamar e escrever funções

Descubra como escrever funções em Python reutilizáveis e eficientes. Domine parâmetros, instruções de retorno e temas avançados como funções lambda. Organize melhor seu código com main() e outras boas práticas.
Karlijn Willems's photo

Karlijn Willems

14 min

Tutorial

Funções Lambda em Python: Um guia para iniciantes

Aprenda sobre as funções lambda do Python, para que servem e quando usá-las. Inclui exemplos práticos e melhores práticas para uma implementação eficaz.
Mark Pedigo's photo

Mark Pedigo

10 min

Ver MaisVer Mais