Equação De Quarto Grau

O que é uma equação de quarto grau

Uma equação de quarto grau, também chamada de equação quártica, tem a forma geral ax + bx³ + cx² + dx + e = 0, onde a 0. O método para resolvê-la foi descoberto por Lodovico Ferrari em 1540, publicado por Cardano em sua obra Ars Magna. A solução existe em forma fechada, mas é notoriamente complicada — envolve resolver uma equação cúbica auxiliar, chamada resolvente, e depois fazer duas factorizações sucessivas. Não confunda com a fórmula quadrática. A fórmula do terceiro grau (cúbica) já é pesada. A do quarto grau adiciona camadas extras de complexidade algébrica que tornam o cálculo manual inviável na maioria dos casos práticos.

Resolvendo a equação de quarto grau na prática

O procedimento padrão segue estes passos: Passo 1 — Normalizar a equação. Divida tudo por a para obter a forma x + bx³ + cx² + dx + e = 0. Isso simplifica os coeficientes da resolvente. Passo 2 — Eliminar o termo cúbico. Faça a substituição x = y - b/4. A nova equação em y não terá termo de grau 3. A forma resultante é y + py² + qy + r = 0, onde p, q e r são combinações de b, c, d e e.

Passo 3 — Resolver a resolvente cúbica. Encontre a raiz real positiva m da equação cúbica: m³ - pm² - 4rm + (4pr - q²) = 0. Pode usar o método de Cardano ou qualquer algoritmo numérico para cúbicas. Existe sempre pelo menos uma raiz real. Passo 4 — Factorizar em dois quadrados. Com m encontrado, a equação quártica se factoriza como: (y² + m·y + (m - (m²-4r)/2) · (y² - m·y + (m + (m²-4r)/2) = 0. Os sinais dos radicais dependem do valor de q. Passo 5 — Aplicar a fórmula quadrática duas vezes. Cada factor quadrático gera duas raízes. No total, quatro soluções (reais ou complexas).

Passo 6 — Converter de volta para x. Lembre-se de que x = y - b/4. Subtraia esse valor de cada raiz encontrada. Achei essa sequencia muito mais tratável depois de ter perdido um dia inteiro tentando aplicar a fórmula de Descartes-Euler sem normalizar primeiro. O erro que eu cometia era tentar factorizar diretamente a equação original, com o termo cúbico presente, o que gera expressões infinitamente mais complicadas. Depois que normalizei e fiz a substituição para eliminar o x³, todo o resto fluía naturalmente.

Case-specific: o problema das raízes repetidas

Um detalhe que poucos manuais mencionam é o comportamento quando a equação possui raízes múltiplas. Se o discriminante da resolvente cúbica for zero, isso indica raízes repetidas na quártica. Nesse caso, a expressão (m² - 4r) pode se anular, e a factorização em dois quadrados se simplifica drasticamente. Já tive um problema prático onde os coeficientes vinham de medidas de engenharia com apenas três algarismos significativos, e a resolvente apresentava discriminante quase nulo — na prática, isso significava duas raízes idênticas. Tratei isso manualmente verificando se |q| era menor que 10 após a normalização, e nesse cenário usei uma fórmula simplificada em vez da forma geral, economizando tempo e evitando instabilidade numérica. Primeiro: Não existe uma única "fórmula mágica" bonita para equações de quarto grau. A forma que aparece nos livros-texto, cheia de radicais aninhados, é extremamente sensível a erros de arredondamento. Na prática computacional, prefira métodos numéricos como o algoritmo de Aberth ou companion matrix eigenvalues. Uma biblioteca como o GNU MPFR ou até o NumPy com `np.roots` resolve uma quártica em microssegundos com precisão muito superior ao que um cálculo manual à mão alcança. Segundo: A resolvente cúbica nem sempre precisa da forma canônica de Cardano. Se o coeficiente linear q for zero (equação biquadrada, ou seja, apenas termos pares), a quártica já é directamente solucionável como equação quadrática em x². Muitas vezes as pessoas aplicam o procedimento completo desnecessariamente porque não verificam esse caso degenerado primeiro.

Limitações e alternativas

O método algébrico closed-form tem desvantagens claras. O tempo de cálculo aumenta exponencialmente com a profundidade das expressões simbólicas — resolver manualmente uma quártica com coeficientes fracionários pode levar de 30 minutos a duas horas, dependendo da configuração. Para aplicações reais, como simulações físicas ou processamento de sinais, o mais sensato é usar implementações numéricas consolidadas. Se você precisa de exactidão simbólica para demonstrações teóricas, ferramentas como SymPy ou Maple podem gerar a solução exacta em segundos. Para velocidade e precisão numérica, bibliotecas como Eigen (C++), SciPy (Python) ou mesmo o MATLAB resolvem o problema de forma confiável sem expor a complexidade subjacente. O método manual ainda é válido para compreensão conceitual e para situações onde não há acesso a software, mas reconhecer quando ele é inadequado é tão importante quanto saber aplicá-lo.