dervestsuite为标量和向量值函数提供了一个完全自适应的数值微分工具。提供了标量函数的导数(到四阶)的工具，以及梯度向量、方向导数、雅可比矩阵和黑森矩阵。为所有工具提供了误差估计。
派生函数为用户提供的函数提供了一个健壮的自适应数值微分(直到四阶导数)，就像quad用于积分一样。它是半智能的，试图使用步长来最小化它对导数中不确定性的估计。

使用高阶方法，尽管在需要时向用户提供完全控制。您可以指示要使用的方法的顺序，所采用的差分方法的一般类别(向前、向后或中心差分)，其广义理查森加速度方案中所使用的项的数量，步长，等等。

尽管您不能提供用户提供的公差，但在最终结果中，衍生est确实会返回其不确定性的估计值。

例如，exp(x)在x=1处的导数为exp(1)==2.71828182845905。derived做得很好。

(d,犯错)=派生(@ (x) exp (x) 1)
d =
2.71828182845904

呃=
1.02015503167879 e-14

有关更多示例，请参阅所提供的演示。