采用最小二乘法拟合，根据历史数据求得y=ao+a1x1+a2X2+...+an*Xn中的系数，根据这个写出c语言代码

以下是使用最小二乘法拟合的C语言代码，其中假设已经有了历史数据存储在数组x[n][m]和y[n]中：

#include <stdio.h>
#include <math.h>

#define N 100
#define M 10

double x[N][M]; // 保存历史数据的自变量
double y[N]; // 保存历史数据的因变量
double a[M]; // 系数
int n, m; // 样本数和自变量个数

// 计算矩阵A的转置矩阵AT
void transpose(double A[][M], double AT[][N]) {
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < m; j++) {
            AT[j][i] = A[i][j];
        }
    }
}

// 计算矩阵A的逆矩阵Ainv
void inverse(double A[][M], double Ainv[][M]) {
    double det = 0;
    for (int i = 0; i < m; i++) {
        det += A[0][i] * (A[1][(i+1)%m] * A[2][(i+2)%m] - A[1][(i+2)%m] * A[2][(i+1)%m]);
    }
    for (int i = 0; i < m; i++) {
        for (int j = 0; j < m; j++) {
            Ainv[i][j] = ((i+j)%2 ? -1 : 1) * (A[(j+1)%m][(i+1)%m] * A[(j+2)%m][(i+2)%m] - A[(j+1)%m][(i+2)%m] * A[(j+2)%m][(i+1)%m]) / det;
        }
    }
}

// 计算矩阵A的伪逆矩阵Apinv
void pseudoinverse(double A[][M], double Apinv[][N]) {
    double AT[M][N], ATA[M][M], ATAinv[M][M];
    transpose(A, AT);
    for (int i = 0; i < m; i++) {
        for (int j = 0; j < m; j++) {
            ATA[i][j] = 0;
            for (int k = 0; k < n; k++) {
                ATA[i][j] += AT[i][k] * A[k][j];
            }
        }
    }
    inverse(ATA, ATAinv);
    for (int i = 0; i < m; i++) {
        for (int j = 0; j < n; j++) {
            Apinv[i][j] = 0;
            for (int k = 0; k < m; k++) {
                Apinv[i][j] += ATAinv[i][k] * AT[k][j];
            }
        }
    }
}

// 使用最小二乘法拟合，返回拟合出来的系数
void least_squares(double x[][M], double y[], int n, int m, double a[]) {
    double Apinv[M][N], y_hat[N];
    pseudoinverse(x, Apinv);
    for (int i = 0; i < m; i++) {
        a[i] = 0;
        for (int j = 0; j < n; j++) {
            a[i] += Apinv[i][j] * y[j];
        }
    }
}

int main() {
    // 假设已经有了历史数据存储在数组x[n][m]和y[n]中
    // 可以在这里读取历史数据
    // ...
    
    // 拟合
    least_squares(x, y, n, m, a);
    
    // 输出结果
    printf("a = ");
    for (int i = 0; i < m; i++) {
        printf("%.2f ", a[i]);
    }
    printf("\n");
    
    return 0;
}

需要注意的是，计算矩阵的逆和伪逆是比较耗时的操作，因此在实际应用中需要注意优化。此外，如果样本数n比自变量个数m小，那么伪逆矩阵的计算可以使用Moore-Penrose伪逆矩阵的公式，这样可以避免计算矩阵的逆。