Ecuaciones Algebraicas No Lineales

Introduccin
Ecuaciones algebraicas no lineales son aquellas que contienen potencias de la variable
y/o funciones trascendentales. Estas funciones aparecen comunmente en ingeniera al
resolver problems de optimizacin, problemas de valores caractersticos y ecuaciones
diferenciales. No existe un mtodo que sea el mejor para todos los casos, pero tenemos algunos mtodos con ventajas relativas dependiendo el tipo de funcin a la que
se desea calcular las raices. El problema es
y fx
y deseamos determinar los valores de x que hacen esta funcin f(x) 0. Esos valores
de x los denominamos raices de la funcin f(x). Las raices pueden ser reales, complejas
o de los dos tipos. Su nmero puede ser finito o infinito dependiendo de la funcin en
particular. Las tcnicas que describiremos en este captulo tienen distintos grados de
eficiencia, y caracterizamos con este trmino a las distintas tasas de rapidz con la que
se llega al resultado dentro de un proceso iterativo.

Figura 4.1 Funcin con raices reales

En la figura observamos una funcin con por lo menos tres raices en el eje real x.
Tambin hay que considerar posibles raices repetidas y raices complejas.
Mtodo de la Biseccin
Este mtodo iterativo es uno de los mas simples y como se puede esperar no se carac-

teriza por su rapidz. Sin enbargo su estudio e implementacion en el computador son un

ejercicio bsico e instructivo.
Refirmonos a la figura 4.2 en la que se muestra una funcin yf(x). El objetivo es determinar el valor de x que hace y0.

Figura 4.2 Mtodo de la Biseccin

Empezamos evaluando la funcin en dos valores de x, por ejemplo x 1 y x 2 , si estos
valores cumplen con
fx 1 fx 2 0
o sea uno de los valores es positivo y el otro es negativo, es evidente que la raiz se encuentra entre los dos valores de x,
x1 x x2
Para aproximarnos a la raiz, hacemos

x3 x1 x2
2

(1)

El paso anterior da origen al nombre del mtodo. Si x 3 est al mismo lado que x 2 o sea

produce fx 3 del mismo signo que fx 2 , se descarta x 2 y se repite la divisin del intervalo x 1 , x 3 . Po otro lado, si x 3 cae al lado izquierdo de la raiz o sea fx 3 es del mismo signo que fx 1 , entonces se decarta x 1 y se procede a dividir el intervalo x 2 , x 3 .
Como se ve, el intervalo se reduce en un factor 2 k , donde k es el nmero de iteraciones. El proceso se repite hasta que el valor absoluto de la funcin cumple con los lmites de tolerancia establecidos y que se tiene que constatar en cada iteracin. Por
ejemplo T1e-6 T1e-8.
El Mtodo de la Posicin Falsa
Este mtodo es mas rpido que el anterior y tiene cierta similitud. Se empieza con dos
valores de x que producen valores de la funcin de distinto signo, o sea
fx 1 fx 2 0
En lugar de dividir el intervalo como en el mtodo de la biseccin, trazamos una linea
recta que cruza por x 1 y x 2 y definimos como x 3 al punto por el que corta al eje x
la linea recta. Esto se muestra en la figura 4.3

Figura 4.3 Mtodo de la Posicin Falsa

Como puede verse x 3 esta mas cerca de la raz. Para empezar la segunda iteracin,
primero se decarta el punto mas alejado de la raiz y que esta del mismo lado que x 3.
En la fig. 4.3 se puede ver que x 2 se descartara y empezaramos de nuevo con los
puntos x 1 y x 3 trazando otra recta entre estos puntos y definiendo al punto de interseccin como x 4 . Y as sucesivamente.
La ecuacin de la recta que pasa por f(x 1 y f(x 2 esta determinda por

fx 1
fx 2
x3 x1 x2 x3
Despejando x 2 obtenemos

x3

x 1 fx 2 x 2 fx 1
fx 2 fx 1

(2)

La gran desventaja de este mtodo es la convergencia lenta de un lado. Se puede observar en la figura 4.3 que la convergencia es producida por los valores de x, a la izquierda de la raiz. Los valores de x cada vez mas cercanos a la raiz se calculan hasta
que el limite preestablecido de tolerancia se cumpla.
Mtodo de la Secante
Este mtodo es una variante del mtodo de la posicin falsa. Aqu no se requiere que la
fguncin tenga signos distintos en los extremos de cada intervalo. O sea uno empieza
con dos valores arbitrarios como aproximaciones iniciales y continua con
x n x n1 fx , n 1, 2, 3
x n1 x n
n
fx n fx n1
No podemos estar seguros de que cada intervalo x n1 , x n contiene una raz, pero
si el mtodo converge lo hace con mayor rapidz que el mtodo de la posicin falsa.
function[x,fa,ntol] secante2(a,b,tol,f)
%
% a,b aproximaciones iniciales
% tol tolerancia en error (x-a) tol (tol=1e-6)
% ntol indica # de iteraciones permitidas 100
% f debe ser definida en programa principal; si es una
funcin f.m
% hay que invocarla con f
% A la salida:
% fa valor final de f(x)
% x es la raz
%
ntol 0;
faf(a);
xb;
while abs(x-a) tol
ntolntol1;
ba;
fb fa;
a x;

fa f(x);
xa-(a-b)*fa/(fa-fb);
if (abs(x-a) tol | ntol 100 )
return
end
end
Algo de Historia
El mtodo de la Posicin Falsa es muy antiguo y se lo describe en publicaciones rabes del medioevo e incluso en textos inds del siglo quinto DC. Leonardo Pisano
mejor conocido como Fibonacci llama al mtodo " regula falsi " (Siglo 13 DC). En la
forma descrita anteriormente, puede considerarse como una discretizacin del mtodo
de Newton, donde la derivada f x se ha reemplazado por el cuociente
fx n fb
x n b
El mtodo de la secante es tambin muy viejo. En textos inds del siglo quinto, se lo
us para calcular la funcin seno.
Estos dos mtodos, el de la Posicin Falsa y eeel de la Secante, pueden extenderse
a sistemas de ecuaciones no-lineales.
Mtodo de Newton-Raphson
Antes de discutir el mtodo llamado de Newton ms comunmente Newton-Raphson,
debemos aclarar que los historiadores no dudan en contar que el mtodo como lo
vamos a presentar es debido a Simpson. Sin embargo cuando ilustremos el procedimiento seguido por Newton y publicado por Raphson como Mtodo de Newton no
pueden quedar dudas de que el mtodo merece llamarse Mtodo de Newton.
Se debe decir tambin que Raphson public varios libros con los trabajos de Newton
y que fu uno de los pocos individuos que tuvo acceso a los papeles personales de Sir
Isaac Newton. El nmero de aos que separan los descubrimientos de Newton y las
publicaciones de Raphson son aproximadamente veinte. Una cantidad similar de aos,
separa a Raphson de Simpson.
Veamos con un ejemplo, el mtodo seguido por Newton para determinar las raices de
una ecuacin algebraica.
Sea el polinomio de tercer grado:
px x 3 3x 2 3x 1 0
el polinomio del cual deseamos determinar una raz.
Como primer paso Newton hace x x donde es una pequea correccin al
valor inicial (aproximado) de x.
Sustituyendo en la ecuacin original, tenemos
x 3 3x 2 3x 1 0
expandiendo y despreciando las cantidades 2 , 3 que se suponen son muy pequeas, obtenemos

x 3 3x 2 3x 2 6x 3x 3 1 0
despejando

x 3 3x 2 3x 1
3x 2 6x 3

el valor mejorado de x, despus de esta primera iteracin es

x k1 x k
Simpson not que la cantidad en el denumerador es p x o sea
x k1 x k

px k
p x k

En definitiva, el mtodo originalmente fu de Newton, lo public Raphson y Simpson

lo escribi con la derivada de la funcin, tal como conocemos la frmula ahora.
NOTA : Newton no estaba interesado en un mtodo general, el estaba interesado en
determinar las races de polinomios.
Cuesta creer que una mente tan lcida como la de Newton no haya reconocido que el
polinomio en el denominador, es la derivada de la funcin.p(x).
Observando la figura 4.4 imaginemos que nuestra aproximacin a la raiz que se muestra es x 1 . Es evidente que

f x 1 tan

(3)

La pendiente es
fx
tan x 1 1x 2
igualando estas expresiones

fx
f x 1 x 1 1x 2

(4)

y despejando x 2
x2 x1

fx 1
f x 1

(5)

Esta ecuacin se puede escribir

x k1 x k

fx k
f x k

(6)

Figure 4.4 Mtodo de Newton-Raphson

donde
x k1 raiz aproximada despus de k1 iteraciones
x k raiz aproximada despus de k iteraciones
fx k valor de la funcin en x k
f x k primera derivada de la funcin en x k
k 1, 2, 3, . . . .
La aproximacin inicial es importante pues si la funcin no es suave el mtodo a
menudo no converge. Por otro lado, el mtodo de Newton-Raphson es til en la determinacin de raices imaginarias y como veremos mas adelante, sirve para determinar las
raices de ecuaciones nolineales simultaneas.
Ejemplo:
Encontrar una raiz de la siguiente ecuacin
La primera derivada es f x 3x 2 8x 3

fx x 3 4x 2 3x 12 0

Supongamos que x 1 3;
f3 3 3 43 2 33 12 12. 0
f 3 33 2 83 3 6. 0
Aplicaremos (6) hasta tener un resultado con tres cifras decimales de exactitud.
Entonces
x 2 x 1 f3/f 3 3 12/6 5
f5 5 3 45 2 35 12 28. 0
f 5 35 2 85 3 38. 0

x 3 5 28/38 4. 263 2
f4. 2632 4. 2632 3 44. 2632 2 34. 2632 12 5. 573 2
f 4. 2632 34. 2632 2 84. 2632 3 23. 419
x 4 4. 2632 5. 5732/23. 419 4. 025 2
f4. 0252 4. 0252 3 44. 0252 2 34. 0252 12 . 483 9
f 4. 0252 34. 0252 2 84. 0252 3 19. 405
x 5 4. 0252 0. 4839/19. 405 4. 000 3
Este resultado tiene tres decimales de exactitud, ya que la solucin exacta es 4.0.
Posibles Problemas de Covergencia con Newton-Raphson
Reescribiendo (6) de la siguiente manera:

y x

fx
f x

podemos establecer un criterio de convergencia.

y es el valor mejorado de la raiz, y si el mtodo converge el valor absoluto de la tasa
de cambio de y con respecto a x debe ser menor que 1.0. O sea

f xf x fxf x
dy
1
dx
f x 2

(7)

o simplemente

fxf x
f x 2

(8)

La ecuacin (7) representa un criterio de convergencia suficiente. Es evidente que

f x no debe ser cero.

Figure 4.5 Problemas con Newton-Raphson

Algunos problemas asociados con el mtodo de Newton-Raphson son:
i) En algunos casos las funciones son complicadas y su diferenciacin resulta
engorrosa. Una diferenciacin numrica es recomendable.
ii) La funcin puede ser de tal naturaleza que una sola iteracin nos aleje de
la raiz como se ilustra en siguiente grfico.
iii) La funcin puede tener un mnimo local. En esos casos la iteracin oscilara de un lado a otro del mnimo.
Raices Mltiples
Al plotear la funcin fx x 3 3 veremos que f(x) muestra una sola raiz en
x3. Sabemos que hay tres raices basados en el teorema fundamental de algebra: Toda ecuacin algebraica de grado n, tiene eactamente n raices reales o complejas.
Si son complejas aparecen por pares conjugados. Nuestro problema es determinar
un algoritmo que nos permita descubrir si la ecuacin tiene raices repetidas. La solucin a este problema puede deducirse de lo siguientei:
f x 3x 3 2 0 en la raiz
f x 6x 3 0 en la raiz
Es evidente que si la raiz es de multiplidad 3, las derivadas de la funcin hasta la de
orden 2 son tambin cero. Por lo tanto, un posible esquema para detectar multiplicidad de las raices de una ecuacin de grado n, es comprobar (cada vez que se determine una raiz), si todas las derivadas de la funcin hasta la de orden n-1 son iguales
a cero.

El Mtodo de la Secante
Cuando se usa una aproximacin de la derivada de la funcin, en el mtodo de NewtonRaphson, el mtodo se denomina mtodo de la Secante. Este punto no es trivial. Si la
funcin es complicada o est dada por una tabla de valores, entonces el evaluar df/dt
es preferible hacerlo empleando
f k

fx k fx k1
x k x k1

y la iteracin de Newton se transforma en

x k1 x k

f k x k x k1
fx k fx k1

(Compare con ec. (6))

El Mtodo de Mller
El mtodo de Mller es un refinamiento del mtodo de la secante. Empieza con tres
posibles aproximaciones a una raiz [x 0 , x 1 , x 2 y determina la siguiente aproximacin
como la interseccion de la parbola que contiene a x 0 , x 1 , x 2 con el eje x.
Empecemos considerando un polinomio cuadrtico P(x)

Px ax x 2 2 bx x 2 c

(9)

Como queremos que pase por x 0 , x 1 , x 2 formamos tres ecuaciones para determinar
los coeficientes a, b, c:

c fx 2

x 0 x 2 2 fx 1 fx 2 x 1 x 2 2 fx 0 fx 2
x 0 x 2 x 1 x 2 x 0 x 1

x 1 x 2 fx 0 fx 2 x 0 x 2 fx 1 fx 2
x 0 x 2 x 1 x 2 x 0 x 1

Para determinar x 3 , aplicamos la frmula cuadrtica a Px 0. Para reducir el error

de redondeo producido por la substraccin de nmeros casi iguales, es preferible usar
la siguiente frmula

x3 x2

2c
b b 2 4ac

(10)

para obtener un valor de x 3 lo mas cercano a x 2 el metodo de Muller elige el signo que
coincida con el de b. De esta manera el denominador sera mas grande.
O sea
x3 x2

2c
b signob b 2 4ac

(11)

Una vez deterrminado x2 reiniciamos el proceso usando como nuevos

x0 x1
x1 x2
x2 x3
En cada iteracin hay que calcular b 2 4ac por lo tanto, este mtodo puede entregar
tambien raices complejas, dependiendo del signo de b 2 4ac

y
R a z

x0

x1

x2

x
x3

Figura 4.6 Mtodo de Mller

Una implementacin en Matlab se muestra a continuacin.
% x0,x1,x2 son tres aproximaciones distintas
% Tol es laTolerancia, por ej: Tol0.000001
function p Muller(f_name,x0,x1,x2,Tol)
h1x1-x0;
h2x2-x1;
N0100; % # de iteraciones
de1(feval(f_name,x1)-feval(f_name,x0))/h1;
de2(feval(f_name,x2)-feval(f_name,x1))/h2;
d(de2-de1)/(h1h2);
i3;
while iN0
bde2h2*d;
D(b^2-4*feval(f_name,x2)*d)^0.5;
if abs(d-D) abs(bD)
EbD;
else

Eb-D;
end
h-2*feval(f_name,x2)/E;
px2h;
if abs(h)Tol
break,end
x0x1; %Preprese para la prxima iteracin
x1x2;
x2p;
h1x1-x0;
h2x2-x1;
de1(feval(f_name,x1)-feval(f_name,x0))/h1;
de2(feval(f_name,x2)-feval(f_name,x1))/h2;
d(de2-de1)/(h2h1);
ii1;
end
Otros Mtodos
Un metodo muy popular para determinar las raices de polinomios es el de Lin-Bairstow.
Se basa en el hecho de que para un polinomio dado un factor cuadrtico puede ser
extraido y el trmino residual se lo forza a que se haga cero. En practicamente cada referencia citada al final de esta seccin aparece la descripcin del mtodo.

Raices de Polinomos
Debido a la frecuencia con que aparecen polinomios en los campos de las ciencias e
ingeniera, es que dedicaremos este espacio para hablar de ellos y de los mtodos
para determinar sus raices.
un polinomio arbitrario de grado n toma la siguiente forma:
pz a n z n a n1 z n1 a 0

(12)

Los coeficientes pueden ser reales o complejos y es fcil notar que el mtodo de la
biseccin no es aplicable en la bsqueda de races complejas. Se deben recordar los
siguientes puntos acerca de polinomios con coeficientes reales o complejos:
a) Un polinomio de grado n tiene n races (Gauss) que pueden ser reales o
complejas
b) Si el grado es impar, necesariamente tendr por lo menos una raz real
y las otras, si son complejas, sern complejas conjugadas
c) si z es una raiz, entonces (12) puede escribirse
pz z z gz

(13)

donde g(z) es un polinomio de grado n-1.

Ecuacin (13) da la pauta para reducir el grado del polinomio, una vez que una nueva
raiz se determine. Esto se llama divisin sinttica.
Hagamos

pz

ajzj

n1

gz

j0

bjzj
j0

Esto transforma la ec. (13) en

pz a n z n a n1 z n1 a 1 z a 0

(14)

z z b n1 z n1 b n2 z n2 b 0
Igualando los coeficientes de iguales potencias de z
a i b i1 z b i

b i1 a i z b i

i n, n 1, , 1

(15)

En (15) definimos b n 0 y recursivamente determinamos b n1 , b n2 , , b 1

La accin de obtener un polinomio de grado menor se llama desinflar el polinomio.
Ejemplo: Sea
pz z 4 2z 3 3z 2 7z 2 0
Esta ecuacin tiene como una de sus raices z 2. Con la nomenclatura de (14) y (15) : n4,
a 4 1, a 3 2, a 2 3, a 1 7 y a 0 2
de (15),
b4 0
b3 a4 2 0 0
b2 a3 2 1 0
b1 a2 2 0 3
b 0 a 1 2 3 1
O sea que el polinomio de grado n3 es
gz z 3 3z 1
Finalmente hay que destacar que en el mtodo de Newton una raz aproximada puede
ser real compleja.Si se espera encontrar una raiz compleja, hay que iniciar la bsqueda con un nmero complejo.Para mejorar la eficiencia en la bsqueda se emplea el
mtodo de Horner para evaluar el polinomio para valor arbitrario de z. Los detalles se
pueden encontrar en An Introduction to Numerical Computations by Sydney Yakowitz
y Ferenc Szidarrovszky editado por MacMillan.

Metodo de Newton Raphson para un Sistema de Ecuaciones

En el area de Optimizacin uno encuentra sistemas de ecuaciones no lineales, que no
poseen solucin analtica. Son muchas las areas de ingeniera y ciencias en donde ciertos procesos son descritos por ecuciones no lineales. En la poca actual, todo inge-

niero debe poseer en su arsenal herramientas que le permitan resolver ecuaciones no

lineales.
Para resolver estos sistemas de ecuaciones el mtodo de Newton-Raphson se aplica
al caso de varias variables y por ser fcil de aplicar y tener buenas propiedades de
convergencia es muy popular. Veremos que para resolver un sistema no lineal de
ecuaciones, resolveremos un sistema de ecuaciones lineales en forma iterativa.
Ilustramos el mtodo con un problema algebraico familiar. La ecuacin:
x3 A2x2 A1x A0 0

(16)

tiene tres posibles raices, x 1 , x 2 y x 3 . Por lo tanto

x x 1 x x 2 x x 3 x 3 A 2 x 2 A 1 x A 0 0

(17)

Expandiendo el lado izquierdo

x 3 x 1 x 2 x 3 x 2 x 1 x 2 x 1 x 3 x 2 x 3 x x 1 x 2 x 3
x3 A2x2 A1x A0 0
igualando trminos de potencias de x iguales, obtenemos tres ecuaciones no lineales en
trminos de las raices desconocidas. Estas son:
x 1 x 2 x 3 A 2
x1x2 x1x3 x2x3 A1
x1x2x3 A0
Para la discusin que sigue, es conveniente escribir estas tres ecuaciones de la siguiente
forma:
f 1 A 2 x 1 x 2 x 3
f 2 A 1 x 1 x 2 x 1 x 3 x 2 x 3

(18)

f3 A0 x1x2x3
En este punto pareciera que hemos complicado el problema. Al principio tenamos
una ecuacin no lineal de terder grado en la variable x, en cambio el sistema de ecs.(14)

representan tres ecuaciones no lineales en las variables x 1 , x 2 , x 3 . Veremos muy pronto

que esta aparente complicacin tiene sus ventajas. Ser posible determinar las tres races simultaneamente y no de una en una.
Generalizando las ecs.(18) , consideremos un sistema de ecuaciones no lineales de n
incgnitas:
f 1 x 1 , x 2 , . . . . . , x n f 1 x i
f 2 x 1 , x 2 , . . . . . , x n f 2 x i
......................................
f n x 1 , x 2 , . . . . . , x n f n x i
Usando series de Taylor, podemos evualuar estas funciones en x 1 1 , x 2 2 , . . . . . . . ,
x n n . Expandiendo las funciones en series de Taylor alrededor de x 1 , x 2 , . . . . , x n
tenemos
n

f 1 x 1 1 , x 2 2 , . . . . . . , x n n f 1 x i f 1 x i j
j1

f 2 x 1 1 , x 2 2 , . . . . . . , x n n f 2 x i f 2 x i j
j1

f 1 x i
x j

f 2 x i
x j

.......................................................................................................

f n x 1 1 , x 2 2 , . . . . . . , x n n f n x i f n x i j
j1

f n x i
x j

Estas ecuacions representan series de Taylor truncadas, ya que hemos tretenido solamente los trminos lineales en . Los trminos que hemos eliminado continen 2 , 3 , etc.
Como en nuestra discusin los incrementos j se suponen pequeos, es razonable esta
aproximacin que recibe el nombre de linearizacin de las ecuaciones.
Observando las ecuaciones anteriores, es obvio que el set , j 1, 2, . . . . , n que hace
estas ecuaciones igual a cero es:

0 f 1 x i j
j1

0 f 2 x i j
j1

f 1 x i
x j

f 2 x i
x j

........................................

0 f n x i j
j1

f n x i
x j

Considerando a 1 , 2 , . . . . . . . , n como las incgnitas, podemos escribir la ecuacin

matricial:
f 1 x i
x 1

f 1 x i
x 2

......

f 1 x i
x n

f 2 x i
x 1

f 2 x i
x 2

......

f 2 x i
x n

f 1 x i

f 2 x i

......

......

......

......

......

....

......

......

......

......

....

......

f n x i

f n x i
x 1

f n x i
x 2

......

f n x i
x n

y en forma compacta
J f
en Matlab este sistema lineal de ecuaciones se resuelve:

(19)
J\f

Como 1 x 1 x 1 , 2 x 2 x 2 , . . . . . . . . . , n x n x n , los nuevos valores de x que

hacen las funciones ms cerca a cero son
x k1 x k J\f k , k1,2,.....
El procedimiento consiste:
a) En hacer una aproximacin inicial 0 de las incgnitas,
b) Luego se calcula el Jacobiano {J}, el det(J) debe ser 0

(20)

c) Se resuelve la ec. (20)

d) Se calcula en cada iteracin el valor de cada | j |
e) Se detiene el proceso iterativo cuando todos los | j | son menores de cierto valor
pre establecido, por ejemplo 10 6
f) Como hay la posibilidad de que con los valores iniciales elegidos, el proceso no
converja, hay que poner un lmite al nmero mximo de iteraciones, tal de reiniciar
el proceso con otros valores iniciales.

Problema
Estimar el conjunto de raices del siguiente sistema de ecuaciones no lineales, por el
mtodo de NewtonRaphson.
f 1 x 1 , x 2 x 21 x 22 18 0
f 2 x 1 , x 2 x 1 x 2 0
Solucin:
Empezamos calculando calculando el Jacobiano [J]:

luego hacemos un estimado de

x1

f 1
x 1

f 1
x 2

f 2
x 1

f 2
x 2

2x 1 2x 2

2
x2
en este caso particular resolvamos el sistema matricial uando el inverso de [J]:

J 1

1
2x 1 x 2

2x 2

2x 1

utilizando los valores iniciales de x 1 , x 2 :

J 1 1
8

las funciones resultan

f1

10

f2

estos valores se reemplazan en

x1

x2

x1
x2

J 1
0

f1
f2

esto da:
x1
x2

1
8

10

3. 25
3. 25

a continuacin se repite el proceso

x1
x2

3. 25

3. 25

1
13

6. 5

3. 125

6. 5

3. 0096
3. 0096

Es evidente que con solo dos iteraciones hemos logrado valores muy cercanos al con
junto de raices exactas:
x1
x2

exacta

3. 0
3. 0

DEBER:
Detrmine por el mtodo de Newton-Raphson todas las raices de la siguiente ecuacin
algebraica:
fx x 3 6x 2 11x 6
(Primeramente, transfome la ecuacin a un sistema de ecuaciones no lineales).
Matlab dispone de varias funciones para determinar raices de ecuaciones no lineales.
Para polinomos se procede de la siguiente manera.
Primero se define un vector con los coeficientes del polinomio. Para el polinomio anteror
este sera:
p 1, 6, 11, 6;
luego se invoca a la fumcin roots as:

x0 rootsp
x0 contiene las tres raices del polinomio.
Para funciones arbitrarias que no son polinomios, podemos usar:
x0, f min fzerofunc, xa
x0 contiene la raiz, fmin es el valor de la funcin en ese punto. Datos de entrada son el
nombre de la funcin, y el valor aproximado de la raiz xa. La funcin se invoca sin comillas
si es una funcin inline una funcin del tipo func @(x)................. Si la funcin est
definida en archivo *.m debe invocarse as:
x0, f min fzero func , xa
Cuando se tiene un sistema simultneo de ecuaciones no lineales, Matlab provee la funcin
fsolve que se emplea de la siguiente manera.
Supongamos que tenemos el siguiente problema.
2x 2 y yz 3 0
4xy 2 3y z 2 2 0
5xz 2 3xzy 4 0
Empleando notacin vectorial x1, x2, x3 para x, y, z definmos la funcin as:
func inline 2 x1^2 x2 x2 x3 3; 4 x1 x2^2 3 x2 x3^2 2;
5 x1 x3^2 3 x1 x2 x3 4 , x ;
Como se observa, cada ecuacin 0 es una fila de una matriz.
Las raices se determinan invocando fsolve asi:
x0, f min f solvefunc. x1, x2, x3
x0 contiene el valor de las soluciones, fmin el vector con los valores de cada ecuacin en x0.
Referencias
[1] Numerical Methods in Engineering Practice por Amir W. Al-Khafaji and John R.
Tooley. Ed. Holt, Rinehart and Winston, inc. (1986)
[2] Anlisis Numrico por Richard Burden y J. Douglas Faires 6ta Ed. International
Thomson Editores
[3] Anlisis Numrico un Enfoque Prctico por 3ra edicin por Melvin Maron y Robert
J. Lpez. Ed. Cecsa (1995).
[4] Anlisis Numrico y Visualizacin Grfica con MATLAB por Shoichiro Nakamura
Prentice Hall (1997).
[5] Numerical Methods using Matlab 3rd Edition by John H. Mathews & Kurtis D. Fink
Prentice Hall (1999)
[6] Numerical Methods in Engineering with MATLAB por Jaan Kiusalaas. Cambridge Ed.
2005