Matlab 对于雅可比矩阵，lsqcurvefit实际返回的是什么？

当使用

lsqcurvefit

执行非线性最小二乘拟合，并将雅可比矩阵作为输出（即

[x，resnorm，残差，exitflag，output，lambda，Jacobian]=lsqcurvefit（…）

）时，我得到雅可比矩阵的6x6。我估计的状态中的参数数量是6，测量中的维度数量是2，所以我希望是2x6矩阵。这是怎么回事？

所以，我想起来了。由于我有三个2x1观测值，因此内部

lsqcurvefit

将它们存储为6x1向量，而不是我所想的方式（2x3矩阵）（参见）。这部分是因为文件不清楚，部分是因为我对最小二乘法的误解

---

无论如何，返回的雅可比矩阵基本上是三个2x6雅可比矩阵（观测集i相对于6维状态的部分），彼此叠加，这是最小二乘雅可比矩阵的预期行为。如果我有第四个观测点，雅可比数将是8x6。

你有多少个观测点？@macduff在这种情况下我有三个观测点。你的优化设置是什么？当我调用此函数时，我得到的维度类似于

状态数

X

观察数

，您能否发布问题的精简版本，以便我可以重新创建它？