Métodos Numéricos de Cálculo de Raízes: quando as coisas não funcionam bem

 

Embora os métodos numéricos sejam ferramentas essenciais, certas características das funções $f(x)$ podem causar sérias dificuldades, como convergência lenta, divergência ou sensibilidade extrema ao chute inicial. A seguir, apresentamos exemplos de funções que representam verdadeiros desafios para esses algoritmos.

1. Raízes Múltiplas (Multiplicity $m > 1$)

Quando uma raiz $r$ tem multiplicidade maior que um, a função toca o eixo $x$ mas não o cruza (ou o cruza de forma "achatada").

Exemplo: Raiz Dupla

Considere a função onde $r=3$ é a raiz:

$f(x) = (x - 3)^2$ 

O Desafio (Principalmente para Newton-Raphson):

A taxa de convergência ideal (quadrática) do Método de Newton-Raphson é perdida. Para uma raiz de multiplicidade $m$, a convergência degrada para **linear**.

A derivada da função é $f'(x) = 2(x-3)$. Na raiz $x=3$, temos $f(3) = 0$ e $f'(3) = 0$. A iteração de Newton-Raphson se comporta mal:

$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \quad \rightarrow \quad x_{n+1} = x_n - \frac{(x_n - 3)^2}{2(x_n - 3)}$

Isto simplifica para $x_{n+1} = \frac{1}{2}x_n + \frac{3}{2}$, que converge apenas linearmente (o erro é reduzido pela metade a cada passo).

2. Raízes Próximas a Tangentes Horizontais ($f'(r) \approx 0$)

O Método de Newton-Raphson exige que dividamos por $f'(x_n)$. Se a inclinação da curva for muito próxima de zero (tangente horizontal) perto da raiz, o método se torna instável.

Exemplo: Ponto de Inflexão Próximo à Raiz

Considere uma função que tenha uma raiz $r$ onde a derivada $f'(r)$ é muito pequena.

O Desafio:

Se a estimativa inicial $x_0$ for muito próxima de um ponto onde a tangente é horizontal, o termo de correção $\frac{f(x_n)}{f'(x_n)}$ explode, fazendo com que a próxima iteração $x_1$ salte muito longe da raiz, podendo levar à divergência.

3. Funções que Causam Oscilação ou Desvio (Divergência Aberta)

Para métodos abertos, um chute inicial inadequado pode levar o processo iterativo a nunca se aproximar da solução desejada.

Exemplo: Função com Comportamento Assintótico em relação ao Chute Inicial

A função $f(x) = \arctan(x)$ tem uma única raiz real em $r=0$.

O Desafio (Para Newton-Raphson):

Se escolhermos um $x_0$ muito grande, digamos $x_0 = 100$. Temos $\arctan(100) \approx \pi/2$, e a derivada $f'(x) = \frac{1}{1 + x^2}$ é muito pequena ($f'(100) \approx 1/10000$).

A iteração se torna:

$x_{n+1} \approx x_n - \frac{\pi/2}{1/x_n^2} = x_n - \frac{\pi}{2} x_n^2$

Para $x_0=100$, o próximo passo $x_1$ será um número muito grande e negativo, afastando-se drasticamente de $x=0$. O método diverge.

4. Funções com Múltiplas Raízes Próximas

Polinômios de alto grau geralmente têm muitas raízes próximas umas das outras.

Exemplo: Polinômio com Várias Raízes

Considere o polinômio que tem raízes em $x=0, \pm 1, \pm 2$:

$f(x) = x^5 - 5x^3 + 4x$

O Desafio:

Se você usa o Método da Bisseção, precisa saber exatamente qual intervalo contém *apenas* a raiz desejada. Se você usa o Método de Newton-Raphson, ele convergirirá para a raiz mais próxima do seu chute inicial, mas o algoritmo em si não tem como saber se a raiz encontrada é a "correta" se você não tiver uma prévia análise gráfica.

5. Funções com Assíntotas Verticais

Se uma assíntota vertical de $f(x)$ está muito próxima de uma raiz, os valores de $f(x)$ podem se tornar extremamente grandes.

Exemplo: Função Racional Próxima a uma Assíntota

Considere uma função como $f(x) = \frac{1}{x - c} - k$, onde $c$ é a assíntota.

O Desafio:

Se a raiz real estiver muito perto do ponto $c$ da assíntota, os valores de $f(x)$ podem exceder o limite de representação de ponto flutuante do computador, causando um overflow numérico, e o cálculo falha antes de localizar a raiz.