f x e^x利用数值微分的外推算法求 f 1 一阶导数的近似值

有一组4096长度的数据，需要找到一阶导数从正到负的点，和三阶导数从负到正的点，截取了一小段。 394.0 388.0 389.0 388.0 388.0 392.0 393.0 395.0 395.0 394.0 394.0 390.0 392.0 按照之前所了解的，对离散值求导其实就是求差分，例如第i点的导数（差分）为： 即在一个宽度为2m+1的窗口内通过计算前后m个值加权后的和得到。但是在实际使用过程中效果不是很好。于是想到了同样在一个宽度为2k+1的窗口内，将这2k+1个点拟合成一个函数，然后求导就可以得到任意阶数的导数值。 首先是函数拟合，使用from s

n-bessel (Jn) 函数的一阶导数的 m 个第一个零点

matlab开发-一阶导数。（正规化）相关勒让德多项式的一阶导数

PP = PCHIPD(X,Y,D) 提供了分段三次多项式，该多项式在位置 X 处插入值 Y 和导数 D。这是为了增加内置的 Matlab 函数 PCHIP，它不允许用户指定导数。 X 必须是向量。 如果 Y 和 D 是向量，则 Y(i) 和 D(i) 是要在 X(i) 处匹配的值和导数。 如果 Y 和 D 是矩阵，则 size(Y,2) == size(D,2) == length(X)。 另外，size(Y,1) == size(D,1)。 使用它来插入向量值函数。 YY = PCHIPD(X,Y,D,XX) 与 YY = PPVAL(PCHIPD(X,Y,D),XX) 相同，因此在 YY 中提供了 XX 处的插值值。

计算图像梯度：高斯函数的一阶导数 高斯函数的一阶导数(Derivative of Gaussian) 可以很近似地满足以下三条边缘检测最优准则： 好的边缘检测性能：Good detection 对边缘的响应大于对噪声的响应 好的定位性能：Good localization 其最大值应接近边缘的实际位置 低的错误检测率：Low false positives 在边缘附近只有一个极大值点

三阶样条插值的matlab程序代码 function m=naspline(x,y,dy0,dyn,xx) %三阶样条插值 %格式：m=naspline(x,y,dy0,dyn,xx) x为结点向量，y为数据…… 大学计算方法课作业

计算贝塞尔函数的一阶导数的零点。 使用以下更改更新 BessDerivZerosBisect.m： 1. 允许 m = 0 2. 允许用户指定所需的特定 m 和 k 值。 3. 允许容差输入参数4. 使用查表为 m 和 k 的小值获得更接近的初始化。 5. 增加错误检查6. 计算导数 wrt 到 x 而不是 wrt m（虽然旧方法也适用。） 2011/05/11 使用了 Vincent 的改进。

计算相关勒让德多项式的精确导数可能很棘手。 即使在高级文本中，它们通常也被写成递归关系和/或包含阶乘的（归一化）因子。 因此，一个简单的软件实现将很快遇到 IEEE754 双精度的限制，导致 NaN/inf 或显着的精度损失，已经在非常低的 N 度。 LEGENDRE_DERIVATIVE 是导数计算的完全矢量化、数值稳定且经过稳健验证的实现。 它允许快速准确地计算任何 N 次的导数。 它的工作原理与 MATLAB 自己的 LEGENDRE 相同，不同之处在于它不计算多项式值，而是计算导数的值。

J'n : 贝塞尔函数的一阶导数