Galera, estou com um problema que não estou entendendo o motivo do erro que está na função filtro_kalman. Estou realizando um exercício que é para construir uma função que realiza o filtro de kalman. Utilizei o modelo de tendencia linear local no filtro de kalman: #Função para gerar as matrizes do sistema para o #Modelo de tendencia linear local matriz_Tll<-function(fi,sig2_eta,sig2_eps,sig2_qui,n){ #Definindo as dimensões das matrizes do sistema ar_Z<-array( ,dim=c(1,2,n)) ar_T<-array( ,dim=c(2,2,n)) ar_C<-array( ,dim=c(2,1,n)) ar_D<-array( ,dim=c(1,1,n)) ar_R<-array( ,dim=c(2,2,n)) ar_H<-array( ,dim=c(1,1,n)) ar_Q<-array( ,dim=c(2,2,n)) #Iniciando um 'for' para 'construir' as matrizes do sistema for(t in 1:n){ ar_Z[ , ,t]<-matrix(c(1,0),nc=2) ar_T[ , ,t]<-matrix(c(1,0,1,fi),nc=2) ar_C[ , ,t]<-matrix(c(0,0)) ar_D[ , ,t]<-matrix(0) ar_R[ , ,t]<-matrix(c(1,0,0,1),nc=2) ar_H[ , ,t]<-matrix(sig2_eps,nc=1) ar_Q[ , ,t]<-matrix(c(sig2_eta,0,0,sig2_qui),nc=2) } return(list(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q)) } fi<-0.5 #com |fi|<1 temos um modelo de tendencia amortecida sig2_eta<-4 sig2_eps<-6 sig2_qui<-10 n<-100 #número pequeno apenas para teste mat_sist<-matriz_Tll(fi,sig2_eta,sig2_eps,sig2_qui,n) ar_Z<-mat_sist[[1]] ar_T<-mat_sist[[2]] ar_C<-mat_sist[[3]] ar_D<-mat_sist[[4]] ar_R<-mat_sist[[5]] ar_H<-mat_sist[[6]] ar_Q<-mat_sist[[7]] #Função para modelo em espaço de estado em geral gerador_EE<-function(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q,a1,p1){ n<-dim(ar_Z)[3] #nº de matrizes do array Z ou D ou H p<-dim(ar_H)[1] #nº linhas de H, D ou Z m<-dim(ar_T)[1] #nº linhas de T, C ou R r<-dim(ar_Q)[1] #nº linhas de Q ar_Y<-array(,dim=c(p,1,n)) eps<-array(,dim=c(p,1,n)) eta<-array(,dim=c(r,1,n)) alfa<-array(,dim=c(m,1,n+1)) alfa[,,1]<-a1+chol(p1)%*%matrix(rnorm(m,0,1),nc=1) for(t in 1:n){ eps[,,t]<-0+chol(ar_H[,,t])%*%matrix(rnorm(p,0,1),nc=1) ar_Y[,,t]<-ar_Z[,,t]%*%alfa[,,t]+ar_D[,,t]+eps[,,t] eta[,,t]<-0+chol(ar_Q[,,t])%*%matrix(rnorm(r,0,1),nc=1) alfa[,,t+1]<-ar_T[,,t]%*%alfa[,,t]+ar_C[,,t]+ar_R[,,t]%*%eta[,,t] } return(ar_Y) } a1<-matrix(1:2,nc=1) p1<-matrix(c(3,1,1,2),nc=2) geracao<-gerador_EE(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q,a1,p1) #Gráfico dos valores gerados para Y plot(geracao,type='l') #Filtro de Kalman install.packages('MASS') require(MASS) Filtro_Kalman<-function(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q,a1,p1){ n<-dim(ar_Z)[3] #nº de matrizes do array Z ou D ou H p<-dim(ar_H)[1] #nº linhas de H, D ou Z m<-dim(ar_T)[1] #nº linhas de T, C ou R r<-dim(ar_Q)[1] #nº linhas de Q ar_Y<-array(,dim=c(p,1,n)) ar_U<-array(,dim=c(p,1,n)) ar_F<-array(,dim=c(p,p,n)) ar_AA<-array(,dim=c(m,1,n)) ar_PP<-array(,dim=c(m,m,n)) ar_A<-array(,dim=c(m,1,n+1)) ar_P<-array(,dim=c(m,m,n+1)) ar_A[,,1]<-a1 ar_P[,,1]<-p1 ar_Y<-gerador_EE(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q,a1,p1) for(t in 1:2){ ar_U[,,t]<-ar_Y[,,t]-ar_Z[,,t,drop=FALSE]%*%ar_A[,,t,drop=FALSE]-ar_D[,,t,drop=FALSE] ar_F[,,t]<-ar_Z[,,t,drop=FALSE]%*%ar_P[,,t,drop=FALSE]%*%t(ar_Z[,,t,drop=FALSE])+ar_H[,,t,drop=FALSE] ar_AA[,,t]<-ar_A[,,t,drop=FALSE]+ar_P[,,t,drop=FALSE]%*%ar_Z[,,t,drop=FALSE]%*%ginv(ar_F[,,t,drop=FALSE])%*%ar_U[,,t,drop=FALSE] ar_PP[,,t]<-ar_P[,,t,drop=FALSE]-ar_P[,,t,drop=FALSE]%*%t(ar_Z[,,t,drop=FALSE])%*%ginv(ar_F[,,t,drop=FALSE])%*%ar_Z[,,t,drop=FALSE]%*%ar_P[,,t] ar_A[,,t+1]<-ar_T[,,t,drop=FALSE]%*%ar_AA[,,t,drop=FALSE]+ar_C[,,t,drop=FALSE] ar_P[,,t+1]<-ar_T[,,t,drop=FALSE]%*%ar_PP[,,t,drop=FALSE]%*%t(ar_PP[,,t,drop=FALSE])+ar_R[,,t,drop=FALSE]%*%ar_Q[,,t,drop=FALSE]%*%t(ar_R[,,t,drop=FALSE]) } return(list(ar_A,ar_P)) } Filtro_Kalman(ar_Z,ar_T,ar_C,ar_D,ar_R,ar_H,ar_Q,a1,p1)