Exemplos de algoritmos: o que são e onde os usamos?

por: Deivid Hadad

5 de abril de 2026

Exemplos de algoritmos e onde usamos: o feed das redes sociais, a rota do GPS, as recomendações do streaming, a ordem dos resultados de busca, a aprovação da sua compra no cartão e a palavra que o teclado sugere. Todos seguem a mesma ideia: uma sequência finita de passos que recebe um dado, aplica regras e devolve um resultado.

Um algoritmo não é uma fórmula matemática impenetrável. O Dictionary of Algorithms and Data Structures (DADS), dicionário de referência mantido pelo NIST sob a editoria de Paul E. Black, define algoritmo em uma linha: “um conjunto computável de passos para alcançar um resultado desejado” (no original: “A computable set of steps to achieve a desired result”, verbete atualizado em 11/2020). Uma receita de bolo cabe nessa definição. O seu GPS também.

Este guia mostra 6 exemplos do dia a dia, os exemplos clássicos da computação com números reais de desempenho, como montar o seu próprio algoritmo em 4 passos e, no fim, algo que quase ninguém conta: o que a lei brasileira permite que você exija quando um algoritmo decide algo sobre a sua vida.

O que é um algoritmo e como ele funciona na prática?

Um algoritmo é um conjunto de instruções lógicas, finitas e ordenadas que funciona como um roteiro para executar uma tarefa ou resolver um problema. Três características importam:

É finito: tem começo e fim. Um processo que nunca termina não é um algoritmo.
É ordenado: a sequência importa. Bater a massa depois de assar não produz bolo.
É não ambíguo: cada passo tem uma única interpretação possível. “Asse um pouco” não serve; “asse por 40 minutos a 180 graus” serve.

Na prática, qualquer sistema digital repete o mesmo ciclo de três fases:

Entrada: o dado inicial, como o endereço que você digita no aplicativo de mapas.
Processamento: a execução das regras, que compara os caminhos possíveis.
Saída: o resultado entregue, como a rota destacada em azul na sua tela.

O algoritmo não tem vontade própria. Ele obedece a comandos do tipo “se isto acontecer, faça aquilo”, definidos antes por uma pessoa. Entender isso já retira boa parte do peso da complexidade técnica: existe método por trás de cada clique, e método pode ser aprendido. Se quiser se aprofundar na mecânica, vale ler como funcionam os algoritmos por dentro.

Quais os 6 exemplos de algoritmos no nosso dia a dia?

Os exemplos de algoritmos no dia a dia aparecem sempre que um sistema precisa escolher, ordenar ou filtrar alguma coisa por você. A tabela abaixo resume os seis mais comuns e, principalmente, mostra qual dado cada um usa para decidir:

Onde usamos	O que o algoritmo decide	Dados de entrada que ele usa
Feed de redes sociais	Qual post aparece primeiro	Curtidas, tempo de tela por post, contas que você segue
Mapas e GPS	Qual rota é a mais rápida agora	Sua posição, velocidade de outros usuários, obras e acidentes
Streaming	Quais títulos recomendar	Histórico do que você assistiu e perfis com gosto parecido
Mecanismos de busca	Quais páginas mostrar e em que ordem	Termo digitado, idioma, localização, qualidade da página
Banco e cartão de crédito	Se a compra é aprovada ou barrada	Valor, local, horário e o seu padrão histórico de gasto
Teclado do celular	Qual palavra sugerir em seguida	Letras já digitadas, textos anteriores, idioma

1. Como os algoritmos organizam o feed das redes sociais?

Os algoritmos organizam o feed analisando o seu comportamento histórico: curtidas, comentários e quanto tempo você para em cada postagem. Em vez de exibir tudo em ordem cronológica, o sistema pontua cada publicação por relevância prevista e mostra primeiro a de maior nota.

O detalhe que costuma passar despercebido é que o tempo de tela pesa mesmo sem clique: a Meta lista “quanto tempo você passa em um post” entre os sinais de ranqueamento do feed do Instagram, sem exigir curtida ou comentário. Vale, porém, desfazer o mito dos três segundos. Nos documentos oficiais da Meta sobre o Instagram, os 3 segundos aparecem como piso de abandono, não como prova de interesse: o modelo prevê “a probabilidade de você assistir menos de três segundos de um Reel”. Passar dessa marca significa apenas que você não pulou. O sinal forte de interesse é outro: assistir mais do que 95% das pessoas que viram vídeos daquela mesma duração. Aprofundamos o assunto em o que são algoritmos das redes sociais.

2. De que forma os aplicativos de mapas calculam rotas?

Os aplicativos de mapas tratam a cidade como um grafo: cada cruzamento é um ponto e cada rua é uma linha com um peso, que é o tempo estimado para percorrê-la. O algoritmo procura a combinação de linhas com menor peso total entre origem e destino.

Esse método tem nome e data de nascimento. O cientista Edsger W. Dijkstra publicou a solução em 1959, no artigo A Note on Two Problems in Connexion with Graphs, na revista Numerische Mathematik, em apenas três páginas. Toda vez que o GPS recalcula a rota por causa de um acidente, ele está atualizando os pesos das ruas e rodando uma variação dessa ideia de mais de 60 anos.

3. Como funcionam as recomendações em sites de streaming?

As recomendações de streaming funcionam por semelhança de padrões entre o seu perfil e o de outros assinantes. A lógica central é a filtragem colaborativa: se pessoas que assistiram aos mesmos títulos que você também gostaram de um quarto filme que você ainda não viu, esse filme sobe na sua lista.

Repare que o sistema não precisa entender nada sobre suspense, comédia ou fotografia. Ele só compara históricos. Essa é a diferença entre reconhecer padrão e compreender conteúdo, e explica tanto os acertos surpreendentes quanto as recomendações que não fazem o menor sentido. Veja mais em algoritmos e sistemas de recomendação.

4. Qual a função dos algoritmos nos mecanismos de busca?

Os rastreadores (crawlers) vasculham a web e organizam o que encontram em um índice; os algoritmos de busca então classificam essas centenas de bilhões de páginas para entregar a resposta mais útil à sua pergunta. Segundo a documentação oficial do Google, o processo acontece em três estágios, e nem todas as páginas passam por todos eles:

Rastreamento: robôs percorrem a web e baixam o conteúdo das páginas.
Indexação: o sistema analisa o texto e as imagens e guarda tudo em um índice gigante.
Exibição dos resultados da pesquisa: quando você pesquisa, o buscador consulta o índice e ordena os resultados por relevância. É a etapa também chamada de veiculação, ou serving, no jargão de SEO.

Ou seja, o Google não sai procurando na internet no momento em que você aperta Enter. Ele consulta uma biblioteca já catalogada, o que explica a resposta em fração de segundo. Os detalhes desse tipo de mecanismo estão em algoritmos de busca na inteligência artificial.

5. Como o banco decide aprovar ou barrar uma compra?

Os sistemas antifraude comparam cada transação com o seu padrão histórico e atribuem uma pontuação de risco em milissegundos. Valor fora da curva, compra em outro estado minutos depois de um gasto na sua cidade ou horário atípico elevam essa nota.

É por isso que um cartão trava justamente na viagem: o algoritmo não sabe que você viajou, ele só vê um ponto fora do padrão. Este é o exemplo mais concreto de algoritmo tomando uma decisão com efeito imediato na sua vida, e é exatamente o cenário que a lei brasileira regula, como você verá adiante.

6. Como o teclado do celular adivinha a próxima palavra?

O teclado preditivo calcula, a partir das letras já digitadas e dos seus textos anteriores, quais palavras têm maior probabilidade de vir em seguida. Ele não sabe o que você quer dizer; ele estima frequências.

Esse é o mesmo princípio, em escala muito menor, que sustenta os modelos de linguagem por trás dos assistentes de IA atuais: prever o próximo pedaço de texto com base em padrões. Entender o teclado do seu celular já é entender metade da conversa sobre IA generativa.

Quais são os exemplos de algoritmos na computação?

Os exemplos clássicos na computação são os algoritmos de ordenação e de busca. Eles parecem abstratos, mas a diferença entre um e outro é o que separa uma resposta instantânea de uma espera insuportável.

O que são algoritmos de ordenação e busca?

São instruções para colocar itens em sequência lógica (ordenação) e para localizar um item específico dentro de um conjunto (busca). Sempre que você clica no cabeçalho de uma coluna de planilha ou filtra produtos por preço, está acionando os dois.

Para enxergar por que a escolha do algoritmo importa, compare duas formas de procurar um nome em uma lista. A busca linear confere item por item. A busca binária, conforme o verbete do Dictionary of Algorithms and Data Structures (DADS), do NIST, exige a lista já ordenada e corta o intervalo de procura pela metade a cada tentativa:

Tamanho da lista	Busca linear (item por item)	Busca binária (cortando ao meio)
1.000 nomes	Até 1.000 comparações	No máximo 10 comparações
1 milhão de nomes	Até 1.000.000 de comparações	No máximo 20 comparações
1 bilhão de nomes	Até 1.000.000.000 de comparações	No máximo 30 comparações

Uma ressalva de fonte, para você poder conferir a conta. O DADS traz só as classes de complexidade, e não este exemplo numérico: o verbete de busca binária (atualizado em 04/2022) informa que ela executa O(log n) comparações, e o verbete de busca linear informa apenas o tempo médio, Θ(n/2). Os valores da tabela são cálculo nosso a partir dessas classes. No pior caso, a busca binária precisa de ⌊log₂ n⌋ + 1 comparações: 10 para 1.000 nomes, porque 2⁹ = 512 e 2¹⁰ = 1.024; 20 para 1 milhão, porque 2²⁰ = 1.048.576; e 30 para 1 bilhão, porque 2³⁰ = 1.073.741.824. A busca linear, também no pior caso, percorre todos os itens da lista, um por um.

Multiplicar a lista por mil adiciona só dez passos à busca binária. É esse ganho, e não a força bruta do processador, que permite consultar bilhões de registros de forma instantânea. Você já usa essa lógica sem perceber: ao procurar uma palavra no dicionário impresso, ninguém começa pela letra A.

Como o aprendizado de máquina utiliza algoritmos?

O aprendizado de máquina usa algoritmos para identificar padrões em dados históricos e fazer previsões, em vez de seguir regras fixas escritas à mão. A diferença prática é esta:

Algoritmo tradicional: a pessoa escreve a regra. “Se a compra passar de 5 mil reais, peça confirmação.”
Aprendizado de máquina: a pessoa fornece milhares de exemplos de fraude e de compra normal, e o próprio sistema deduz quais combinações indicam risco.

Nos dois casos não há intuição nem pensamento, apenas processamento de probabilidades. Saber disso é o que permite avaliar com senso crítico a resposta de uma ferramenta de IA em vez de aceitá-la como verdade. O tema está detalhado em o que é machine learning.

Quais são os principais tipos de algoritmos?

Os principais tipos de algoritmos são classificados pela forma como as instruções são escritas. São três formatos, do mais informal ao mais estruturado, e conhecê-los ajuda a enxergar a lógica por trás das ferramentas digitais.

O que caracteriza uma descrição narrativa?

A descrição narrativa usa linguagem natural para detalhar o passo a passo, sem símbolos nem termos técnicos. É o formato de receitas culinárias e manuais de eletrodomésticos.

A vantagem é a facilidade de leitura. A desvantagem é a ambiguidade: “refogue até dourar” significa coisas diferentes para pessoas diferentes. Por isso a narrativa funciona bem para processos manuais, mas não para instruir uma máquina.

Como funciona a representação por fluxograma?

O fluxograma é um mapa visual que usa formas geométricas para indicar início, processamento, decisão e fim. Losango é decisão, retângulo é ação e as setas mostram o caminho que a informação percorre.

É o formato ideal quando existem condições e desvios, como um atendimento que precisa encaminhar a dúvida para o setor certo. O fluxograma revela o caminho lógico completo sem exigir que ninguém leia código.

O que é o pseudocódigo na programação?

O pseudocódigo é um meio termo: mais estruturado que a narrativa, mais legível que a linguagem de programação. Ele organiza a lógica antes de virar código de verdade.

Na prática, é assim que uma regra antifraude nasce, ainda em português: se valor maior que a média mensal e local diferente do habitual, então marcar como suspeito, senão aprovar. Escrever nesse formato é o melhor exercício para quem quer usar algoritmos com autonomia, sem depender de processos que não compreende.

Como criar um algoritmo simples para resolver problemas?

Criar um algoritmo simples é transformar um desafio em uma sequência de instruções claras. Siga estes 4 passos, usando como exemplo a tarefa de organizar a caixa de entrada do e-mail:

1. Defina o objetivo: qual resultado você quer? “Terminar o dia sem e-mail não lido na caixa principal.”
2. Levante as entradas: quais dados existem? Remetente, assunto, data e se há anexo.
3. Sequencie os passos: escreva as regras sem ambiguidade. “Se o remetente for um cliente, mover para a pasta Prioridade. Senão, se a mensagem tiver mais de 30 dias, arquivar. Senão, deixar na caixa.”
4. Teste e ajuste: rode com 20 e-mails reais e observe onde a regra falhou. Um e-mail de cliente com mais de 30 dias caiu na regra errada? A ordem dos passos precisa mudar.

O passo 4 é o que quase todo mundo pula, e é o mais revelador. Testar mostra que a ordem das regras muda o resultado, exatamente como acontece nos sistemas profissionais. Esse mesmo raciocínio vale para usar a inteligência artificial no dia a dia: quem define bem objetivo, entradas e critérios obtém resultados melhores de qualquer ferramenta.

Quais as vantagens e os limites de utilizar algoritmos?

As vantagens dos algoritmos são a padronização, a economia de tempo e a consistência dos resultados, independentemente do volume de dados. No trabalho, o ganho direto é de produtividade: a parte mecânica sai da sua rotina e sobra tempo para o que exige julgamento humano.

Redução de falhas: instruções exatas não se distraem nem cansam.
Personalização: os sistemas filtram o irrelevante e priorizam o útil.
Segurança: detectam comportamento suspeito em tempo real.
Escala: analisam volumes de informação que nenhuma equipe daria conta de ler.

O outro lado exige a mesma honestidade. Um algoritmo aprende com os dados que recebe, e dados carregam os erros e as distorções de quem os produziu. Se um histórico de crédito reflete desigualdades antigas, o sistema treinado nele tende a repeti-las com aparência de neutralidade matemática. Esse risco tem nome e está explicado em vieses em algoritmos.

Você pode contestar a decisão de um algoritmo? O que diz a LGPD

Sim. Este é o exemplo mais importante e o menos comentado: quando um algoritmo decide sobre a sua vida, a Lei Geral de Proteção de Dados (Lei nº 13.709/2018) garante direitos concretos a você.

O artigo 20, com a redação dada pela Lei nº 13.853/2019, estabelece que o titular dos dados tem direito a solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, incluídas as decisões destinadas a definir o seu perfil pessoal, profissional, de consumo e de crédito ou os aspectos de sua personalidade. Na prática, isso cobre crédito negado, limite de cartão, seguro e triagem automatizada em processo seletivo.

Há um detalhe que muda tudo e que a maioria dos textos erra. A redação original de 2018 dizia que a revisão seria feita “por pessoa natural”, ou seja, por um ser humano. A Lei nº 13.853/2019 deu nova redação ao artigo 20 da LGPD e essa expressão deixou de constar do caput. O Congresso chegou a aprovar um § 3º exigindo que a revisão fosse feita por pessoa natural, mas o dispositivo foi vetado (Mensagem nº 288/2019) e o veto foi mantido em 2 de outubro de 2019. O texto em vigor garante o direito à revisão, mas não garante que ela seja feita por uma pessoa.

Dois pontos seguem valendo a seu favor, previstos nos parágrafos do mesmo artigo 20:

Direito à explicação: o controlador deve fornecer, sempre que solicitado, informações claras e adequadas sobre os critérios e procedimentos usados na decisão automatizada, respeitados os segredos comercial e industrial (LGPD, art. 20, § 1º).
Auditoria: se a empresa negar essas informações alegando segredo comercial e industrial, a Agência Nacional de Proteção de Dados (ANPD) pode realizar auditoria para verificação de aspectos discriminatórios em tratamento automatizado de dados pessoais (LGPD, art. 20, § 2º).

Saber que existe um método por trás da decisão deixa de ser curiosidade técnica e vira instrumento prático: você pode pedir a revisão e pedir os critérios. Para acompanhar como esse cenário está evoluindo, veja regulamentação da inteligência artificial.

Perguntas frequentes sobre exemplos de algoritmos

Qual é o exemplo mais simples de algoritmo?

Uma receita culinária. Ela tem entradas (ingredientes), uma sequência ordenada e finita de passos e uma saída (o prato pronto). Trocar a ordem ou pular uma etapa muda o resultado, exatamente como em um algoritmo de computador.

Algoritmo e inteligência artificial são a mesma coisa?

Não. Algoritmo é o conceito mais amplo: toda IA é feita de algoritmos, mas a maioria dos algoritmos não é IA. A diferença está em quem escreve as regras. No algoritmo tradicional, uma pessoa define a regra. Na IA, o sistema deduz as regras a partir de exemplos. Veja o que é um algoritmo na inteligência artificial.

Preciso saber programar para entender algoritmos?

Não. Programar é traduzir a lógica para uma linguagem que a máquina executa. Entender algoritmos é dominar a lógica em si, e isso se pratica em português, com pseudocódigo ou fluxograma, antes de qualquer linha de código.

Por que os algoritmos precisam de dados?

Porque sem entrada não há processamento nem saída. Um algoritmo de recomendação sem histórico não tem com o que comparar, e é por isso que serviços de streaming pedem que você escolha alguns títulos ao criar a conta. Mais detalhes em por que algoritmos são necessários.