派生工具套件为标量值函数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(四阶以下)的工具,以及梯度向量、方向导数、雅可比矩阵和Hessian矩阵。所有工具都提供了误差估计。
DERIVEST为用户提供的函数提供健壮的自适应数值微分(最高可达四阶导数),就像quad用于积分一样。它是半智能的,试图用步长最小化它对导数不确定性的估计。
使用高阶方法,尽管在需要时向用户提供完全控制。您可以指示所使用的方法的顺序,所采用的一般差分方法(向前、向后或中心差分),在其广义Richardson加速方案中所采用的项的数量,步长,等等。
尽管您不能提供用户提供的公差,但派生程序会在最终结果中返回对其不确定性的估计。
例如,exp(x)在x=1时的导数是exp(1)==2.71828182845905。衍生工具做得很好。
(d,犯错)=派生(@ (x) exp (x) 1)
d =
2.71828182845904
呃=
1.02015503167879 e-14
更多示例请参见提供的演示。
引用作为
约翰D 'Errico(2021)。自适应稳健数值微分(//www.tianjin-qmedu.com/matlabcentral/fileexchange/13490-adaptive-robust-numerical-differentiation), MATLAB中央文件交换。检索.
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux标签
确认
启发:解析函数的数值导数
启发:自适应数值极限(和残差)估计,数值微分,加速失效时间(AFT)模型,拟合截尾数据的分布,相图绘图机,modified_newton,hessianAnalysisDemo,迭代扩展卡尔曼滤波器(IEKF)的目标跟踪