解析供给函数的数值导数，梯度导数。提供了一个完全自适应数值微分工具标量和向量值函数。提供了标量函数的导数（高达第四阶）的工具，以及梯度向量、方向导数、雅可比矩阵和Hessian矩阵。为所有工具提供错误估计。
提供鲁棒自适应数值微分（高达第四的衍生物）的用户提供的功能，多为四不整合。它是半智能的，试图使用步长的大小，它最大限度地减少它的导数中的不确定性的估计。
使用高阶方法，尽管在用户需要时完全控制。您可以直接使用所使用的方法的顺序，一般采用的差分方法（向前、向后或中心差分）、广义理查德森加速方案中所使用的术语数、步长等。(Numerical derivative of an analytically supplied function, also gradient,)