2.

0 CONVERGENCIA Y SECUENCIAS DE CAUCHY

2.1. Introduccin.
Las secuencias de Cauchy juegan un papel preponderante en temas como el procesamiento digital
de seales, la identificacin de parmetros y la teora de estabilidad. Igualmente toda la topologa
de espacios mtricos se puede caracterizar por medio se secuencias o series.
2.2. Definiciones Bsicas
Una Sucesin o Secuencia es una funcin que mapea los nmeros Naturales (o cualquier conjunto
numerable en un espacio mtrico determinado. Para el caso de los nmeros naturales tenemos:

f:

X
(2.1)

k xk

La notacin de una secuencia es de la siguiente forma: xk o tambin se utiliza xk k 1

1
Ejemplos de secuencias tenemos: 1 ; 1 ;
2 ;
k k ! k k 1

sen( k )
;

k
k 0
k 1

Una sumatoria a infinito se puede expresar como el lmite de una sucesin de trminos:

i 1

f i Lim
k

i 1

f i Definimos la secuencia xk k 1 donde xk

f
i 1

2.2.1. Secuencia convergente

Una secuencia

xk

o xk k 1 es un espacio mtrico X, d se dice que converge o que es

convergente si existe un x X tal que:

lim d xk , x 0

(2.2)

x Se conoce como el lmite de xk y escribimos:

lim xk x o xk x

(2.3)

Decimos que xk converge a x o tiene el lmite

xk

x . Si xk

no es convergente decimos que

es divergente.

La mtrica d produce la secuencia de nmeros reales ak d xk , x cuya convergencia define

la de xk .

Proposicin 2.1. Si xk x dado

una -vecindad

0 existe un n n N tal que todo xk con k n cae en

x de x .

El lmite de una secuencia convergente debe ser un punto del espacio

un espacio mtrico donde

1 1 1
1

, , , ...
2 3 4
k 1

X ; por ejemplo sea X,

X 0,1 ; d x, y x y , consideremos la secuencia

no es convergente en

X puesto que 0 X .

k 1

Definicin 2.2.2. Conjunto Acotado. Sea M X un subconjunto no vaco;

subconjunto acotado si su dimetro es finito esto es:

sup d x, y es finito. Esto se expresa como

M se dice que es un

(2.4)

x, y M

Proposicin 2.2. Una secuencia xk se dice que es acotada si el correspondiente conjunto de los
puntos de la secuencia xk es un subconjunto acotado de X, d .
Proposicin 2.3. Una secuencia convergente, en

X , es acotada y su lmite es nico.

Demostracin:
Se sabe que si tenemos dos secuencias convergentes: xk y yk
Si xk x e yk y entonces d xk , yk d x, y . Por tanto si suponemos que la secuencia

xk converge a dos valores diferentes

xk x y xk xo ; x xo ; d xk , xk d x, xo

lo anterior implica 0 d x, xo 0 . Esto constituye una contradiccin. Por tanto x xo

Definicin 2.2.3. Secuencia de Cauchy

Una secuencia xk en un espacio mtrico X, d se dice que es Cauchy (o fundamental) si para
cada

0 existe un N N

tal que d xm , xn para todos m, n N

Proposicin 2.4. Cada secuencia convergente en un espacio mtrico es una secuencia de Cauchy
Demostracin:
Sea una secuencia

xk k 1

de elementos de un espacio mtrico

X, d

. Supongamos que

xk x ; x X . Entonces se cumple que para cada 0, existe un N N ( ) tal que

d xn , x

para todo n N . Por la desigualdad triangular tenemos que para m, n N se

cumple que

d xm , xn d xm , x d x, xn

d xm , xn

Con ello se demuestra que xk k 1 es una secuencia de Cauchy.

Teorema 2.1: Conjunto Cerrado, Clausura

Sea M un subconjunto no vaco de un espacio mtrico X, d y M su clausura. Se cumple que:

x M si y solamente si existe una secuencia xk k 1 en M tal que xk x ; M es cerrado si y

solamente si la situacin xk M , xk x implica que x M
Demostracin:

x M si x M una secuencia que converge a x es x, x, ... . Supongamos ahora que

x M y que x es un punto de acumulacin de M por lo tanto para cada k 1, 2, ... , la bola
B1/n x contiene un xk x porque 1 0 a medida que n . Esto se ilustra de manera
n

Sea

grfica en la siguiente figura:

Si xk k 1 tiene todos sus puntos en el conjunto M y si xk x entonces x M o cada

vecindad de

x contiene xk x as que x es un punto de acumulacin de M por lo tanto x M

M es cerrado si y solamente si M M as que b) se sigue de a)

Teorema 2.2. Subespacio Completo
Un subespacio M de un espacio mtrico completo X, d es en si mismo completo si y solamente si
el conjunto M es cerrado.

Demostracin: Si M es completo por cada x M existe una secuencia xk k 1 en M la cual

converge en M . Puesto que xk k 1 es Cauchy por el teorema del conjunto cerrado y por lo tanto

M es completo. Luego xk k 1 converge en M , el lmite es nico por el lema de la unicidad del

limite. Por lo tanto x M . Esto prueba que M es cerrado porque x M se escogi de forma
arbitraria.
Definicion 2.2.4. Espacio completo

Un espacio mtrico X, d se dice que es completo si cada secuencia de Cauchy converge en

(esto es, tiene un lmite el cual es un elemento de
La recta real

y el plano complejo

X ).

son espacios mtricos completos.

a es un espacio mtrico incompleto.

El conjunto X

El conjunto de los racionales produce un espacio mtrico incompleto.

El intervalo a, b con la mtrica inducida en

es otro espacio mtrico incompleto.

Lo contrario no es cierto porque pueden existir secuencias de Cauchy en X, d que no convergen

en X, d por ejemplo si X, d 0,1 ;
secuencia xk k 1 ; xk

1
;
k

lim

en el intervalo 0,1

en

podemos armar la

1
0 ; 0 0,1
k

Pero veamos que xk es una sucesin de Cauchy.

Sea 0 ; sabemos por la propiedad arquimediana que para cada 0 existe un n N tal que
1
1 1
1 1 nm
nm 1
;

. Si m, n N ; y n m entonces
m n ; m n
mn
mn
m
n
Igual sucede si n m tomando r min m, n

1 1
1

m n
r

Luego 0 existe N N tal que d xm , xn ; m , n N

Como vemos esta sucesin es Cauchy pero no converge en 0,1 como consecuencia 0,1 no es
completo con esta mtrica.

Para probar la completez de un espacio mtrico X, d construimos una secuencia arbitraria de

Cauchy xk con elementos de

X y demostramos que converge en X .

Pasos para demostrar la completez de un espacio mtrico X, d

1. Construir un elemento x (utilizando como lmite).
2. Probar que x est en el espacio deseado.

3. Construir una secuencia de elementos de espacio X, d : xk con xk X

4. Probar que xk x (en el sentido de la mtrica)
Ejemplos
Completez de

, d2

n
2
T
T
n
d
x
,
y

Si x, y
x 1 , 2 , ... , n ; y 1 , ... ,n 2
j j
j 1

n
: xk donde:
Consideremos cualquier secuencia de Cauchy de elementos de

xk 1 k , 2 k .... n k Puesto que xk es Cauchy se cumple que:

.
T

Para cada

0 existe N N N tal que

1

2
2
n
d 2 xm , xr j m j r ; m, r N
j 1

m
r
d 22 xm , xr j j 2
2

j 1

m
r
2
Para cada j 1, 2, ... , n se cumple j j

a la expresin anterior tenemos lim

1 ; j N n

k N

x0 1 , 2 , ... , n
T

j m j r ; tomando lim
r

j m j r : j N n y para todo mN . Dado que

entonces

lim j r

; j N n

entonces

si

; j N n por tanto

2
2
n
m

d xm , x0 j ; m N con lo cual demostramos que si xk es Cauchy

j 1

en

, d converge en

Funciones continuas
Sea

X el conjunto de todas las funciones continuas de valor real en J 0,1 y sea

d x, y x t y t d t
1

Este espacio mtrico X, d no es completo.

xk

como las indica en la figura

am 1/ 2 1/ m

(2.5)

Para demostrar consideremos una secuencia de funciones

siguiente:

0 si t 1/ 2

xm t m t 1/ 2 si
1 si t a
m

1/ 2 t am ;

En la siguiente figura se muestra las seales xm t

Grafica de la secuencia xm(t)

Un programa en Matlab que calcula xm(t) paso a paso
t = 0:0.001:2;
axis([0 1.6 -0.5 1.5]), grid
hold on
for m = 1:40,
am = 1/2 + 1/m;
x = m*(t-1/2).*(stepfun(t,1/2)-stepfun(t,am))+ stepfun(t,am);
plot(t,x,'b'),
pause
end
hold off;
clf

En la siguiente grafica se ilustra el significado de d xm , xn

Grafica de la mtrica en el espacio de funciones

xm t xn t d t

d xm , xn Es el rea del tringulo de la figura anterior.

Supongamos n m

d xm , xn

xn t xm t d t 0 d t

1/2

1/2 1/ n

1 1
(sin prdida de generalidad)

m n
0

1 n t 1/ 2 d t

1/2 1/ m

d xm , xn

1/2 1/ m

d xm , xn

1/ m

1/2

1/2 1/ n

1/2 1/ m

1/2

m t 1/ 2 n t 1/ 2 d t

1 1 d t

m n dt 1/21/ n dt n
m n t

1/21/ m
2

1/2 1/ n

1/2 1/ m

t 1/ 2 d t

m n t m n dt dt n t 1 d t
1/ m
1/ m
1/ n

t2
d xm , xn m n
2

1/ m

m n t

1/ m
0

1/ n

t2
1 1
n
2
n m

1/ n

1/ m

1
m

n
n
mn mn 1 1 1
d xm , xn

1

2
2
m
2 m m n m 2n 2m
1
n
n 1 1 1
n
n
d xm , xn
2 1
1
2
2m 2m
m n m 2n 2m
m
11 1 1
d xm , xn
2n m n
1
d xm , xn
n
Por la propiedad arquimediana sabemos que para cada
Entonces para cada

0 existe N tal que 0 1 .

0 podemos encontrar un N

tal que

d xm , xn m, n N
Como vemos xk es una sucesin de Cauchy.
Supongamos x

J : x : x t

: t J un lmite para la secuencia xk

lim xk x o dicho de otra forma lim d xk , x 0 esto es

k

x t x t d t
lim x t d t x t 1/ 2 x t d t
1

lim

1/2

1/2

1/2

Como todas las integrales son no negativas

1/2

lim
k

x t d t 0 x t 0 Para 0 t 1
2

1/ 2 1/ k

1/ 2

xk t 1/ 2 x t d t 0

1/2

1/2 1/ k

1 x t d t 0

lim
k

1/ 2 1/ k

1/ 2

1 x t d t 0

1 x t d t 0

x t 1 Para t 1

0 si t 1

2
x t
1 si t 1 2

(2.6)

Por lo que vemos que x t no es continua con lo cual concluimos que el espacio

no es

completo.

Teorema 2.3 Mapeo Continuo

Un mapeo T :X Y de un espacio mtrico X, d en otro espacio mtrico Y , d es continuo

en un punto xo X si y solamente si: xk x implica que T xk T x

Demostracin:

Asumimos que T es continuo en xo . De la definicin de mapeo continuo dada anteriormente

tenemos que para cada 0 dado existe un 0 tal que: d x, xo implica que
d T x , T xo

Supongamos una secuencia xk de X si xk xo entonces existe un N

tal que

para todo n N se cumple que d xk , xo ; por lo tanto para todo k N

tenemos d T xk , T xo por definicion esto significa que T xk T xo

Supongamos que xk xo implica que T xk T xo probemos ahora que T es continuo en

xo . Supongamos que esto es falso entonces existe un 0 tal que para cada 0 existe un
x xo que satisface d x, xo pero d T x , T xo En particular para
1/ k existe un

xk

1
pero d T xk , T xo
k
no converge a T xo . Esto contradice el hecho de que

que satisface la desigualdad d x, xo

claramente xk xo pero T xk

T xk T xo con lo cual probamos el teorema.

Proposicin 2.5 Sea la sucesin

X, d

xk cuyos

elementos pertenecen a un espacio mtrico

y xk x si y solamente si para cada vecindad B de x existe un entero no tal que xn B

para todo n no
Demostracin

 Si la

sucesin converge se cumple que para cada 0 existe un no no tal que todo

xn : n no est contenido en una bola B x

Sea xk

una sucesin de elementos de un espacio mtrico X, d si se cumple que para cada

0 existe

no no tal que xn B x para todo n no .

un

Esto

implica

que

d xn , x para todo n no lo que a su vez implica que d xn , x 0 a medida que xn x

Con esto terminamos la demostracin.
Definicin 2.2.5. Subsucesion

Sea xk una secuencia cuyos elementos pertenecen a un espacio mtrico X, d .Supongamos

que

xk es

convergente y converge a x entonces cada subsucesion

convergente y tiene el mismo limite

ki

i 1

de xk k 1 es

Demostracin
Una subsucesion de puntos de la secuencia

xk se

describe por

x donde
ki

los puntos

xki ; i 1,2,... pertenecen al conjunto de puntos de la sucesin xk

Sea S x1 , x2 , ... , el conjunto de puntos de la sucesin

xk : xk S

Cada subsucesion xki de xk genera un conjunto de puntos que denominaremos

cumple que para cada subsucesion x ; S S . Si la secuencia xk converge a un elemento
x X, d se cumple que para cada 0 la bola B x contiene infinitos puntos de S esto

S k xk1 , xk2 , xk3 ,..., . Como cada elemento de la subsucesion xki pertenece al conjunto S se
ki

significa

que

dado

0, existe no no

tal que d xn , x para todo n no el

subconjunto de puntos S n xn1 , xn2 , xn3 , ..., est totalmente contenido en la bola B x esto es

x tiene sus puntos contenidos en la bola B x . Por lo tanto como

subsucesion x se escogi arbitrariamente concluimos que cualquier subsucesion de
secuencia xk converge a x En la figura siguiente se ilustra esta demostracin.
toda subsucesin

nk

nk

la
la

2.5.3. Aplicaciones
Ejemplo de aplicacin Muestreo de seales
Consideremos la seal de tiempo continuo descrita por

V t Vo 1 e t ; t 0, Vo 0, 0;
Realizando un muestreo de esta seal con periodo Tm obtenemos la seal muestreada V kTm
que se puede expresar como una secuencia de tiempo discreto dada por:

Vk Vk k 0

Vo 1 e kTm

k 0

0, Vo 1 e Tm , Vo 1 e 2 Tm , Vo 1 e 3 Tm , ...

La seal de tiempo continua y la seal muestreada se ilustran en la siguiente figura.

Demostremos que esta secuencia corresponde a una secuencia de Cauchy

Tomando las muestras para k m, n; Vm Vo 1 e mTm , Vn Vo 1 e nTm ;

d Vm ,Vn Vm Vn Vo e mTm e nTm ;si m n sin perdida de generalidad

d Vm ,Vn Vo e mTm e nTm ; d Vm ,Vn Vo e mTm 1 e

n m Tm

Como
n m T
Vo e mTm 1 e m Vo e mTm dado 0; si
1
m Tm ln / Vo
ln / Vo m
Tm

Vemos que

tenemos

1
entonces para cada 0 Vo existe un N
ln / Vo 1
Tm

si Vo

tal que d xm , xn

Voe mTm e mTm Vo /

para todo m, n N . Por lo tanto la secuencia de muestras Vk

corresponde a una secuencia de Cauchy.

Dado que la seal de tiempo continuo cumple con lim V t Vo . Sea SV el conjunto de los puntos
t

de la secuencia Vk dado por

SV 0, Vo 1 e Tm , Vo 1 e 2 Tm , Vo 1 e 3 Tm , ...

. Como vemos Vo Sv por lo tanto

la secuencia Vk obtenida por muestreo de una seal de tiempo continuo V(t) con periodo de
muestreo Tm no converge en Sv.
Consideremos la seal

 1 2
V t Vo e t sen d t o ; t 0, Vo 0, o ; d o 1 2 ; o tan 1

Realizando un muestreo de esta seal con periodo Tm obtenemos la seal muestreada V kTm

que se puede expresar como una secuencia de tiempo discreto dada por:

Vk

Vk k 0

V , V e
o

Tm

V e

kTm

sen d kTm o

k 0

sen d Tm o , Vo e 2 Tm sen 2d Tm o , Vo e 3 Tm sen 3d Tm o , ...

La seal y su versin muestreada se ilustra en la figura siguiente

Sea Sv el conjunto de puntos de la secuencia.

SV Vo , Vo e Tm sen d Tm o , Vo e 2 Tm sen 2d Tm o , Vo e 3 Tm sen 3d Tm o , ...

Verifiquemos que la secuencia de muestras corresponde a una secuencia de Cauchy.

Dado

0 Vo

tenemos que si

Vo e kTm sen d kTm o e kTm sen d kTm o / Vo .

Como e kTm sen d kTm o e kTm k
- kTm ln / V k

ln / Vo

Tm

si se cumple que e kTm / Vo tendremos que

. Dado que 0 Vo ln / Vo 0 ln / Vo 0

Con lo cual demostramos que para cada

e nTm / Vo para todo n no .

0 Vo

existe un entero

no

que cumple

Sean

Vm Vo e mTm sen d mTm o y Vm Voe nTm sen d nTm o ; m, n . Definimos la metrica en SV :

d Vm ,Vn Vo e mTm sen d mTm o Vo e mTm sen d nTm o

Sea r min m, n
d Vm , Vn Vo e rTm e

Escogiendo

0 2Vo

m r Tm

sen d mTm o e

n r Tm

sen d nTm o 2Vo e rTm

vemos que si

2Vo e rTm e rTm / 2Vo rTm ln / 2Vo r

Por lo tanto existen m, n
Cuando

tal que d Vm ,Vn para todo m, n r

1
ln / 2Vo ; r
Tm

2Vo la condicin se mantiene para r = 0

De lo anterior concluimos que la secuencia Vk es una secuencia de Cauchy

La seal de tiempo continuo cumple con la condicin lim V t Vo . Dado que la seal
t

V t Vo e sen d t o toma valores iguales a cero en los instantes de tiempo

n o
t
; n , luego cuando muestreamos la seal con un periodo de muestreo Tm
d
t

obtendremos que la seal muestreada generara muestras iguales a cero si y solamente si

n o
n o
; Tm
; k
d
kd
o

kTm

Tm

por ejemplo podemos tomar un periodo de muestreo

. Cundo seleccionamos estos periodos de muestreo la secuencia de muestras contienen

a cero por lo tanto el conjunto de los elementos de la secuencia discreta SV contiene elementos
iguales a cero. Como la secuencia converge a cero concluimos que la secuencia converge en el
espacio SV con esta seleccin del periodo de muestreo. Con una seleccin diferente de periodo de
muestreo la secuencia no converge en SV.
Las funciones que se utilizaron para el muestreo de una seal son las siguientes.
FUNCION MUESTREADORA
function Pm = pmuestra(t,Tm,Dlta )
[m,n] = size(t);
Pm = zeros (m,n);
for k = 1:n,
nd = floor(t(k)/Tm);
Dt = t(k) - nd*Tm;
if(Dt<= Dlta),
Pm(k) = 1;
else

Pm(k) = 0;
end
end

FUNCION QUE MUESTREA UN SENAL DE TIEMPO CONTINUA

function [Xm,Xk,tk] = xsample(X,t,Tm)
[l,n] = size(t);
Dlta = t(2)-t(1);
Pm = pmuestra(t,Tm,Dlta);
Xm = X.*Pm;
m = floor(Tm/Dlta);
for k = 1:n,
if abs(t(k))<= 0.001,
ko = k;
end
end
Nmp = floor((n-ko)/m);
Nmn = floor((ko-1)/m);
Dk = Nmp+Nmn;
K = -Nmn:Nmp;
Xk = zeros(size(K));
tk = K*Tm;
for r = 0:Dk,
Xk(r+1) = X(ko+(r-Nmn)*m);
end

EJEMPLO DE APLICACION
t = 0:0.001:20;
Vo = 5.0;
ts = 1;
p = 0.2;
wo = ts/(4.6*p);
Go = p*wo;
Fho = atan(sqrt(1-p*p)/p);
wd = wo*sqrt(1-p*p);
V = Vo*exp(-Go*t).*sin(wd*t+Fho);
Tm = 0.6;
[Vm,Vk,tk] = xsample(V,t,Tm);
axis([0 18 -3 6]),grid;
hold on
plot(t,V,t,Vm)

Aplicacion a la Estimacin de Parmetros en tiempo Discreto

Procedemos ahora a implementar los algoritmos de forma discreta los cuales son mas apropiados
para las aplicaciones prcticas en control digital
Definiciones Bsicas
La nomenclatura utilizada es casi estndar
y(t) = salida del sistema para el caso de una sola salida.
y t y tn , y tn1 , y tn2 ,
Se suele hablar de una secuencia de la salida

si tn n Tm ; tK kTm muestreo peridico

Tm = periodo de muestreo
Si se tienen varias salidas hablaremos del vector de la salida
Y t y1 t y2 t y3 t

Y t Y t

ym t

Y tn 1 Y tn 2

y hablaremos de la secuencia de la salida

t K kTm
u (t) - Entrada al sistema (caso SISO)

u t u t , u t , u(t
n 1

n2

),

Secuencia de las entradas

Para el caso MIMO

U t u1 t u2 t

ur t

Vector de entradas

U t U t , U t Secuencia de las entradas

n 1

vector de parmetros reales del proceso, generalmente se desconocen
total o parcialmente.

t 1 t 2 t

t 1 t 2 t

n t Es el estimativo paramtrico de al instante t

T

n t T Vector de regresin compuesto de algn tipo de funciones

conformadas con elementos seleccionados de y(t) , u(t)

En el caso de mltiple entrada / mltiple salida t es una matriz de regresin:

t 1 t 2 t

i t i1 t i 2 t

l t
i n t T

La ecuacin general de los estimativos a nivel determinstico es

t f t 1 , D t , t
D(t) Denota la informacin disponible al instante t

funcin algebraica vectorial. En el caso de sistemas dinmicos D(t) toma la forma de las

observaciones presentadas y pasadas de las salidas y entradas

Un caso particular de la estimacin de parmetros es cuando tenemos la forma:

t t 1 M t 1 t d e t

Donde
M(t-1) Ganancia matricial del algoritmo

e t Error de modelado (puede ser un vector en el caso MIMO).

Una clase amplia de sistemas dinmicos determinsticos tanto lineales como no lineales puede
expresarse de la forma

y t t - 1 *
T

y(t)

= salida escalar del sistema

t = Vector que denota una funcin lineal o no lineal de y t 1 , u t 1

u(t)
y(t)

= entrada del sistema

= Respuesta del sistema a una entrada u(t)
Vector de parmetros reales del sistema
t = kTm tiempo discreto obtenido por un muestreo peridico con periodo de muestreo Tm
Sistema SISO en Espacio de estados
Sea el modelo lineal en espacio de estados

X (t 1) AP X (t ) BPu (t ) ; X (t0 ) dado

Y (t ) CX (t )
Aplicando la transformada Z con condiciones iniciales iguales a cero tenemos:

X (t 1) AP X (t ) BP u (t )
Y (t ) C X (t )

Y ( z ) C zI AP

BP U ( z )

La funcin de transferencia discreta queda:

Y ( z)
C zI AP
U ( z)

1 BP

B( z )
A( z )

que tambin se puede escribir

Y ( z)
B ( z 1 )
z d
U ( z)
A( z 1 )

B( z 1 ) b0 b1 z 1 b2 z 2 ... bm z m
A( z 1 ) a0 a1 z 1 a2 z 2 ... an z n
a0 1 polinomio monico
d n m 1 exceso polo-cero
El modelo se puede expresar

A( z 1 ) Y ( z ) z d B( z 1 )U ( z )
este modelo se conoce como modelo DARMA (Autorregresivo de Promedio Mvil Deterministico).
En el dominio del tiempo tenemos:

ai y(t i)
i 0

b u (t d j )
j 0

a0 y t a1 y t 1 a2 y t 1
b0 u t d b1 u t d 1

an y t n

bm u t d m

Este modelo se puede escribir en trminos de los operadores de desplazamiento q , q-1

qi f t f t i

i entero

q i f t f t i
n

ai q i y(t ) q d b j q j u (t )
i 0

j 0

A(q ) a0 a1q a2 q 2 ... an q n

B(q 1 ) b0 b1q 1 b2 q 2 ... bm q m

A(q 1 ) y(t ) q d B(q 1 ) u(t )

Esta expresin se conoce como modelo DARMA en el dominio del tiempo
Para llevarlo a la forma autorregresiva lineal en los parmetros, procedemos como sigue:
Despejamos y(t) del modelo DARMA anterior
y (t ) a1 y (t 1) ... an y(t n) b0 u (t d ) ... bm u (t d m)

Comparando con la forma autorregresiva tenemos:

y t T t 1

T t 1 [ y t 1 . . . y t n u t d u (t d 1) . . . u (t d m)
T a1 a2 ... an b0 b1 ... bm
Los principales algoritmos de estimacin son :
Algoritmo de Proyeccin Bsico
Algoritmo de los mnimos cuadrados Bsico
Algoritmo de los mnimos cuadrados con ponderacin selectiva de datos.
Algoritmo de los mnimos cuadrados con ponderacin exponencial de los datos
Algoritmo de los mnimos cuadrados con reinicializacin de covarianza
Algoritmo de los mnimos cuadrados con modificacin de covarianza
Algoritmo de Proyeccin Bsico
Sea un sistema dinmico descrito por el modelo

y t t 1
T

t kTm
Si suponemos los parmetros como desconocidos, deberemos considerar ahora unos
parmetros que debern determinarse de manera recursiva y que debern aproximarse a los
verdaderos parmetros del sistema dinmico.
Los nuevos parmetros debern corregirse permanentemente para que converjan a
Sea t 1 los parmetros estimados en el instante t - 1 donde t i k i Tm


Sean t los parmetros estimados en el instante t se desea que t a medida que

t . A medida que t la variacin de t es lenta.

Deberemos buscar entonces el estimativo de que muestre la variacin mas lenta sea el
estimativo t tal que t t 1 sea mnimo. En otras palabras el estimativo t de

que minimice el criterio

J

1
t t 1
2

indica la norma Euclidea

t t 1 es la variacin neta del estimativo de . La salida producida por los estimativos

t se conoce como la salida precedida

y t T t 1 t
Podemos pensar que t converge hacia si y t y t

t 1

Podremos hablar entonces del error de prediccin como

e t y t y t y t T t 1 t

Con todo esto se puede reformular el problema de minimizacin de J.

Dado t 1 , y t determinar t de modo que minimice el criterio J sujeto a que e t sea lo

ms pequeo y tienda a cero.

Esto se puede escribir en trminos de Multiplicadores de Lagrange
2
1
J
t t 1 y t T t 1 t
2
es un parmetro de ponderacin de Lagrange
El criterio J es mnimo para los valores de t y que cumplan :

J
0;
t

J
0

Llevando a cabo esta minimizacin obtenemos el siguiente algoritmo

 t t 1 t 1

y t T t 1 t 1

t 1

y t T t 1 t 1
t 1
2

t t 1

con t 1 0
y t T t 1 t 1 es el error de estimacin y se nota
e t y t T t 1 t 1
La interpretacin geomtrica de algoritmo se ilustra en la siguiente figura

Un problema potencial con el algoritmo de proyeccin bsico es que existe la posibilidad de una
divisin por cero cuando
problema

podemos

t 1 0 lo cual puede suceder perfectamente. Para solventar este

construir

t 1 ; t 1 t 1 , 1

una

versin

aumentada

del

vector

Este esquema se permite aplicar el algoritmo a un modelo de la forma

A q 1 y t q d B q 1 u t k ; k = cte

Un esquema alternativo para evitar la divisin por cero es adicionar una constante pequea. Este
modelo permite acomodar cortes entre la entrada y la salida.
c al denominador del algoritmo pero multiplicando el error por una constante a para mantener
algunas propiedades del algoritmo. Esto lleva al algoritmo de proyeccin modificado.

4.3 Algoritmo de Proyeccin Modificado

Como lo que se desea es que el denominador del algoritmo no sea cero adicionamos una constante
c positiva al denominador. Pero deber ajustarse el algoritmo para que no pierda sus propiedades
de convergencia por ello el algoritmo quedar:

t t 1

a t 1 y t T t 1 t 1
c T t 1 t 1

0 dado c 0 ; 0 a 2 es una ganancia de ajuste

Este algoritmo se conoce algunas veces como Algoritmo Normalizado de los Mnimos Cuadrados
Las propiedades principales de este algoritmo son:

t t 1

t k

k finito , 0 dado
N

lim

t 1

c t 1 2

t 1

c t 1 2

c t 1 2

1/2

e2 t

t 1 e t

lim

lim

e t

lim

lim

e t
c t 1

(t ) (t k )

N t k

lim (t ) (t k )
t

k finito

El siguiente es un programa que estima recursivamente los parmetros de un modelo segn el

algoritmo de proyeccin modificado.
function [sys,Xo] = proyeccion1(t,X,u,flag,n,a,c,Thi,to,Tm)
NFHi = 0;
b = abs(flag);
if b == 2,
dto = t-to;
Kc = floor(dto/Tm);
dt = dto - Kc*Tm;
if dt <= 1e-8
for k = 1:n,
FHi(k) = u(k);
NFHi = NFHi + FHi(k)*FHi(k);
end
y = u(n+1);
e = y;
Thv = X;
for r1 = 1:n,
e = e - FHi(r1).*Thv(r1);
end
ae = a*e;
NFHi_ = c + NFHi;
for k = 1:n,
sys(k) = Thv(k) + ae*FHi(k)/NFHi_;
end
end
elseif b == 3,
sys = X;
elseif b == 4,
Nm = (t-to)/Tm;
sys = to + (1 + floor(Nm + 1e-13*(1+Nm)))*Tm;
elseif b == 0,
sys = [0;n;n;n+1;0;0];
Xo = Thi;
else
sys = [];
end
En el siguiente diagrama se ilustra una implementacin para la estimacin de los parmetros de un
-0.5615
modelo de primer orden G ( s )
cuyo modelo discretizado con retenedor de orden y Tm
104 s 1
-0.005372
= 1.0 cero es H ( z, Tm ) =
z - 0.9904

En el siguiente diagrama se ilustra una implementacin para la estimacin de los parmetros de un

84.641
modelo de segundo orden G ( s ) 2
cuyo modelo discretizado con retenedor de
s 9.2 s 84.641
orden cero y Tm = 0.01 es
0.004102 z 0.003978
H ( z, Tm ) = 2
z 1.904 z 0.9121