Какой физический смысл ненулевых значений кроме как на диагонали в матрице ковариантностей?
Зависимости между значениями (параметрами) состояния системы в данный момент.
Матрица ковариации на каждой итерации подстраивается, пытаясь отразить действительную ковариацию параметров
Есть ли где-то обоснование не сильно запутанное оптимальности выбора окончательной матрицы которой корректируем состояние системы с точки зрения минимизации скорректированной матрицы ковариантностей?
http://en.wikipedia.org/wiki/Kalman_filter
раздел "Kalman gain derivation", в котором говорится, что минимизируя сумму диагональных элементов матрицы ковариации, мы получаем минимальное ожидаемое значение квадрата ошибки
Как мы принимаем решение какая матрица погрешностей хуже, а какая лучше
Чем выше значения матрицы К, тем этап предсказания менее точен (имеет больше вариацию), а наблюдения более точны.
Также о погрешности показывает y - отклонение измеренных значений от предсказанных
Как смешиваются матрицы погрешностей при изменении состояния системы или при добавлении информации от наблюдений
На каждом этапе по формулам или что имеется в виду?
Почему K оптимально - тут тупо надо доказательство найти
Смотреть ссылку выше
сейчас её к нам в вику переведу.
Комплексный вариант фильтра Калмана? 
