matlab r(m) 2 2.5 3 3.5 4(元)C 65 170 350 660 1000知

matlab r(m) 2 2.5 3 3.5 4(元)C 65 170 350 660 1000知

r=[2,2.5,3,3.5,4];c=[65,170,350,660,1000];fun_andy002=inline('ab(1)*r.^ab(2)','ab','r');[A,res]=lsqcurvefit(fun_andy002,[65,1],r,c)cfit1=fun_andy002(A,r);plot(r,c,'r*',r,cfit1)%法二r=[2,2.5,3,3.5,4];c=[65,170,350,660,1000];K=[ones(size(r')),log(r')];y=log(c');ab=K\y;a=exp(ab(1))b=ab(2)cfit2=a*r.^b;plot(r,c,'r*',r,cfit2)%%%%%%%%%两个结果并不是完全相同的.但个人觉得法二更好.法二是有技巧的.两边取对数,变成log(c)=log(a)+b*log(r)对于log(c)与log(r)来说,它们是直线关系你把那几个点都代进去,写成矩阵的形式.就是K*ab=y求这个矩阵就OK了.======以下答案可供参考======供参考答案1:f(x) = a*x^ba = 6.609 (1.634, 11.58)b = 3.631 (3.062, 4.201)供参考答案2:matlab 非线性的拟合有两个命令lsqcurvefit和lsqnonlin。这里用lsqcurvefit（lsqnonlin一样做），先介绍下lsqcurvefit（原理是最小二乘法）已知数据点：xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan） lsqcurvefit用以求含参量x（向量）的向量值函数F(x,xdata)=（F（x，xdata1），…，F（x，xdatan））T中的参变量x(向量),使得1/2*∑[a+b*exp(-0.02*k*t(i))-c(i)]^2最小1.先定义个函数funfunction c=fun(x,r)c=x(1)*r.^x(2);保存一下2调用解题clcx0=[0.05 0.05];r=[2 2.5 3 3.5 4];c=[65 170 350 660 1000];x=lsqcurvefit('fun',x0,r,c);a=x(1)b=x(2)结果是a =6.6092 b =3.6315拟合的方法不同结果有细小的差别，但相差不会很大题设是非线性的，这种方法还是不错的

谢谢解答