matlab 求解要完整答案

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。

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