Função De Terceiro Grau

Resolvendo função de terceiro grau na prática

O que é função de terceiro grau

A função de terceiro grau é qualquer expressão do tipo f(x) = ax³ + bx² + cx + d, onde a 0. Isso parece simples até você tentar resolver uma equação cúbica na mão sem ferramentas, o que leva tempo e erro. A definição formal diz que o grau do polinômio é três, o máximo expoente de x é três. O gráfico tem no máximo dois extremos locais (um máximo e um mínimo), pode ter uma ou três raízes reais, e o comportamento assintótico vai para infinito quando x tende a mais infinito e para menos infinito quando x tende a menos infinito, ou o contrário, dependendo do sinal de a. Na prática, o que importa mesmo é saber encontrar as raízes. E aí a coisa complica.

Método de resolução: Cardano-Ferrari

O método clássico para equações cúbicas é a fórmula de Cardano. A ideia geral é transformar a equação ax³ + bx² + cx + d = 0 numa forma reduzida sem o termo em x², substituindo x = t - b/(3a). Depois aplica-se a fórmula: t = (-q/2 + (q²/4 + p³/27)) + (-q/2 - (q²/4 + p³/27)) onde p = (3ac - b²)/(3a²) e q = (2b³ - 9abc + 27a²d)/(27a³). Depois volta-se com x = t - b/(3a).

O problema é que isso funciona bem para casos onde o discriminante = q²/4 + p³/27 é positivo. Quando é negativo, você entra no chamado casus irreducibilis, onde a fórmula exige raízes quadradas de números negativos — ou seja, números complexos — mesmo quando as três raízes são reais. Aí a fórmula de Cardano te obriga a passar pelo domínio complexo para depois retornar ao real. Isto acontece com frequência e a maioria dos materiais didáticos ignora completamente essa armadilha. Se você for fazer cálculos à mão, o método numérico de Newton-Raphson é muito mais seguro. Comece com um chute próximo da raiz, use a iteração x = x - f(x)/f'(x), e converge rápido. Duas ou três iterações já dão precisão suficiente para a maioria dos casos práticos.

Exemplo resolvido passo a passo

Vou usar f(x) = 2x³ - 3x² - 11x + 6. Primeiro, procuro uma raiz racional pelo teste dos fatores do termo independente dividido pelos fatores do coeficiente líder. As raízes candidatas são ±1, ±2, ±3, ±6, ±1/2, ±3/2. Tesco x = 1/2: 2(1/8) - 3(1/4) - 11(1/2) + 6 = 0,25 - 0,75 - 5,5 + 6 = 0. Achei. Então (x - 1/2) é fator. Dividindo o polinômio por (2x - 1) via Briot-Ruffini, obtenho o quociente 2x² - x - 6. Resolvendo essa quadrática: x = (1 ± (1 + 48))/4 = (1 ± 7)/4. As raízes são 2 e -3/2. As três raízes são x = 1/2, x = 2 e x = -3/2. Simples assim, mas só porque escolhi um exemplo que era gentil com os fatores racionais. O mundo real não é tão educado.

Caso real que me pegou mal

Estava ajustando um modelo de engenharia em que a variável dependente seguia um polinômio cúbico. Os coeficientes vinham de dados experimentais com tolerância de medição. A equação tinha aproximadamente 1,003x³ - 4,721x² + 6,894x - 2,103. Nenhuma raiz racional óbvia. Tentei aplicar Cardano diretamente e o discriminante deu um valor muito próximo de zero, mas ligeiramente negativo. O cálculo do (q²/4 + p³/27) produzia um número complexo quase puramente imaginário porque o termo dentro da raiz estava na casa de 10¹. Erro de ponto flutuante destruía a precisão. Parei de usar a fórmula analítica e parti para um solver numérico com iteração de Muller, que lida melhor com funções cubicas do que Newton-Raphson porque não depende de derivada e consegue pular entre raízes complexas e reais sem travar. O resultado convergiu em cerca de seis iterações para três raízes reais com precisão de 10. Se você está fazendo isso em planilha, use a função RaizPolinômio do Solver ou, se tiver acesso a Python, numpy.roots com coeficientes normalizados. Funções cubicas mal condicionadas podem dar erros relativos de 10% ou mais se os coeficientes forem da ordem de 10³ e você não normalizar primeiro dividindo pelo maior coeficiente.

Pegadinhas que ninguém conta

Quando o coeficiente líder a é muito pequeno comparado aos outros termos, a equação se comporta quase como quadrática e o polinômio tem uma raiz muito grande. Isso aparece em modelos físicos onde um termo cúbico é uma correção de segunda ordem. Se você ignorar isso e tratar como quadrática, o erro na raiz pequena pode ser insignificante, mas a raiz grande vem errada por ordens de grandeza. Outro ponto que passa despercebido: a forma reduzida t³ + pt + q = 0 só é válida quando a 0. Se a tendesse a zero por algum motivo numérico, a substituição t = x + b/(3a) explode. Isso acontece raramente, mas em ajustes iterativos de parâmetros já vi coeficientes oscilarem perto de zero e o cálculo das raízes simplesmente falhar sem aviso. O gráfico de uma função cúbica pode ter inflexão onde f''(x) = 0, ou seja, em x = -b/(3a). Esse ponto de inflexão é útil para escolher o chute inicial no método de Newton: se você começar próximo dele, a convergência é mais lenta. Melhores chutes estão nas regiões onde o valor absoluto de f'(x) é maior, ou seja, longe do ponto de inflexão.

Limitações reais

Fórmulas fechadas para cúbicas existem, mas não são ferramenta padrão para uso profissional. Elas demandam manipulação simbólica ou bibliotecas especializadas. Em cálculos de engenharia e finanças, onde a precisão precisa ser confiável, eu nunca confio na fórmula de Cardano implementada manualmente porque a instabilidade numérica é comum. O melhor caminho é numérico: métodos iterativos ou bibliotecas como scipy.optimize.root, numpy.roots, ou até o solver da própria planilha. Se você tem uma equação cúbica para resolver e quer um resultado confiável em minutos, a alternativa mais direta é normalizar os coeficientes, calcular o discriminante para saber quantas raízes reais existem, e então aplicar um solver numérico com ponto de partida inteligente. Funciona na maioria dos casos e evita a dor de cabeça com números complexos intermediários que a fórmula analítica impõe. A função de terceiro grau não é complicada na definição. O problema é que a teoria ensina a forma generalizada e a prática exige saber quando a forma não funciona e qual substituição usar. Conhecer o método analítico ajuda a entender a estrutura, mas depender exclusivamente dele é perder tempo e precisão.