matlab不用函数用正交多项式作最小二乘法拟合

### 回答1：
正交多项式是一种非常有效的最小二乘法拟合方法。在MATLAB中，可以使用built-in函数polyfit进行多项式拟合。但如果你想使用正交多项式，可以按照以下步骤：

1. 生成正交多项式的系数矩阵

可以使用MATLAB中的orthpoly函数来生成正交多项式的系数矩阵。例如，要生成5次Legendre多项式的系数矩阵，可以使用以下代码：

n = 5;
[~, T] = orthpoly(n, 'L');

2. 生成数据

假设你有一组x和y数据，可以使用以下代码生成：

x = linspace(0, 1, 100);
y = exp(sin(2*pi*x));

3. 计算系数

使用正交多项式系数矩阵T和数据y，可以计算最小二乘拟合的系数c：

c = T\y';

4. 计算拟合曲线

使用计算出的系数c和正交多项式系数矩阵T，可以计算拟合曲线f：

f = T*c;

5. 绘制拟合曲线

最后，可以使用plot函数绘制原始数据和拟合曲线：

plot(x, y, 'o', x, f, '-')

这样就可以使用正交多项式作最小二乘法拟合了。

### 回答2：
在Matlab中，可以使用正交多项式进行最小二乘法拟合。正交多项式是一组相互正交的多项式函数，其中最常用的是Legendre多项式和Chebyshev多项式。

首先，我们需要根据数据点的横坐标值和纵坐标值，构建一个矩阵方程。假设有n个数据点，我们选择m个正交多项式作为基函数。那么矩阵方程可以表示为：

A * c = b

其中，A是一个n×m的矩阵，每一行代表一个数据点，每一列代表一个基函数在该数据点的取值；c是一个m×1的向量，代表待求的系数；b是一个n×1的向量，代表数据点的纵坐标值。

然后，我们可以通过最小二乘法求解这个矩阵方程，得到待求的系数c。在Matlab中，可以使用反斜杠符号（\）进行矩阵的最小二乘解析求解，即：

c = A \ b

最后，我们可以使用求得的系数c和正交多项式计算拟合曲线。假设我们要拟合的曲线可以表示为：

y = f(x) = c1 * p1(x) + c2 * p2(x) + ... + cm * pm(x)

其中，p1(x)、p2(x)等是正交多项式。在Matlab中，可以使用polyval函数来计算拟合曲线的纵坐标值，即：

y_fit = polyval(c, x)

其中，c是待求的系数向量，x是拟合曲线的横坐标值。

因此，通过这种方式，可以使用正交多项式进行最小二乘法拟合，并得到拟合曲线。