我目前正在尝试使用迭代最小二乘法来解决一个系统， $y = Hx + v$ 在哪里$y$是观察向量，$H$是设计矩阵，并且$v$是观察误差。

据我了解，迭代最小二乘法试图最小化成本$J$在哪里$J = \min (Hx-y)^2$.

我的伪代码是

while ||x^k-x^{k-1}||
   H = h(x^{k-1})
   r = f(x^{k-1}) - y
   dx = pinv(H)*r
   x^{k} = x^{k-1} + dx
end

其中是雅可比矩阵，的输出是预期观测值。$H$$f(x)$

是否可以称为系统成本，因为它是在估计和之间的残差/差？在迭代最小二乘的实现中是否应该平方？$r$$f(x)$$x^{k-1}$$y$