# Calculateur de dérivation numérique (différences avant/arrière/centrée)

Approche f′(x₀) par trois différences finies : avant (f(x₀+h)−f(x₀))/h, arrière (f(x₀)−f(x₀−h))/h et centrée (f(x₀+h)−f(x₀−h))/(2h), plus la dérivée seconde centrée. La dérivée exacte, optionnelle, ajoute l'erreur absolue de chaque méthode et illustre le contraste O(h) contre O(h²). Exemple : f=x², x₀=1, h=0,1 → avant 2,1 ; arrière 1,9 ; centrée exactement 2,0.

> Page canonique: https://elysiatools.com/fr/tools/numerical-differentiation

- **Catégorie:** Math & Numbers

- **Mots-clés:** dérivation numérique, différences finies, différence avant, différence arrière, différence centrée, calculateur de dérivée, dérivée seconde, méthodes numériques, calcul

## Présentation

Ce calculateur de dérivation numérique calcule l'approximation de la dérivée première f′(x₀) d'une fonction à l'aide des formules de différences finies avant, arrière et centrée, ainsi que la dérivée seconde centrée. En spécifiant la dérivée exacte facultative, l'outil fournit l'erreur absolue de chaque méthode pour illustrer le contraste entre les ordres de troncature O(h) et O(h²).

## Entrées

- **f(x)** (text): Function of x (functions: sin, cos, exp, ln, sqrt, …).
- **Point x₀** (number): e.g. 1
- **Pas h** (number): Difference step, 0 < h ≤ 1. Central differences: truncation O(h²); too small an h amplifies round-off.
- **Dérivée exacte f′(x) (facultatif)** (text): Exact derivative in x; the tool reports the absolute error of each method. Leave empty to skip.
- **Décimales** (number)

## Quand l'utiliser

- Lorsque le calcul symbolique de la dérivée d'une fonction complexe est difficile ou inutilement long.
- Pour comparer concrètement la précision des schémas d'ordre 1 (avant/arrière) et d'ordre 2 (centré) selon la valeur du pas h.
- Pour valider numériquement le gradient ou la dérivée seconde d'une fonction mathématique avant de l'intégrer dans un solveur.

## Fonctionnement

- Saisissez l'expression de la fonction f(x), le point d'évaluation x₀ et la valeur du pas h (entre 0 et 1).
- Indiquez éventuellement la dérivée exacte f′(x) pour afficher l'erreur absolue et ajustez le nombre de décimales souhaité.
- L'outil évalue f(x₀), f(x₀+h) et f(x₀-h) pour calculer les trois approximations de f′(x₀) et la dérivée seconde centrée f″(x₀).
- Les résultats numériques et le détail des calculs de différences finies s'affichent instantanément.

## Cas d'usage

- Étudiants et enseignants en analyse numérique démontrant l'influence du pas h et de l'ordre de convergence.
- Développeurs et modélisateurs validant les dérivées analytiques de fonctions de coût ou de gradients.
- Ingénieurs et physiciens estimant des taux de variation instantanés ou des courbures sur des modèles continus.

## Questions fréquentes

### Pourquoi la différence centrée est-elle plus précise que les différences avant ou arrière ?

La différence centrée bénéficie d'une erreur de troncature d'ordre O(h²), ce qui signifie que diviser le pas h par 10 divise l'erreur par environ 100, contre 10 pour les schémas avant et arrière d'ordre O(h).

### Pourquoi ne pas choisir un pas h extrêmement proche de zéro ?

Un pas trop petit génère des erreurs d'arrondi en virgule flottante dues à la soustraction de deux nombres presque identiques (phénomène d'annulation numérique).

### Quelles fonctions mathématiques sont supportées ?

Le calculateur prend en charge les fonctions mathématiques courantes comme sin, cos, exp, ln, sqrt ainsi que les puissances et opérations arithmétiques usuelles.

### La saisie de la dérivée exacte est-elle obligatoire ?

Non, le champ de dérivée exacte est facultatif ; il sert uniquement à calculer et afficher l'erreur absolue pour chaque schéma numérique.

### Comment est calculée la dérivée seconde ?

Elle est évaluée par le schéma aux différences centrées du second ordre : (f(x₀+h) - 2f(x₀) + f(x₀-h)) / h².

## Outils associés

- [Calculateur d'intégrale de convolution (numérique)](https://elysiatools.com/fr/tools/convolution-integral-calculator): Calcule numériquement la convolution de deux signaux (f*g)(t) = ∫ f(τ)g(t−τ)dτ : mode causal (les deux signaux sont nuls pour t<0, intégrale sur \[max(τmin,0), min(τmax,t)\], adapté aux produits du domaine de Laplace) et mode fenêtre directe (intégrale sur tout \[τmin, τmax\], adapté aux signaux bilatéraux comme les gaussiennes), par la règle de Simpson composée (2000 intervalles par défaut). Classiques : e^(−t)*e^(−2t) = e^(−t)−e^(−2t), soit 0.2325 en t=1 ; deux gaussiennes se convoluent en √(π/2)·e^(−t²/2).
- [Solveur numérique par méthode d'Euler (EDO premier ordre)](https://elysiatools.com/fr/tools/euler-method-solver): Résout le problème de Cauchy dy/dx = f(x,y), y(x₀)=y₀ par la méthode d'Euler explicite : y_{n+1} = y_n + h·f(x_n, y_n), avec tableau des itérations et estimation finale. La solution exacte y(x), optionnelle, ajoute une colonne d'erreur qui illustre l'erreur globale en O(h) de la méthode d'ordre 1. Exemple : dy/dx = y, y(0)=1, h=0,1 → y(1) ≈ 1,1¹⁰ = 2,593742 contre e = 2,718282 (erreur 0,124539).
- [Calculateur d ecart interquartile](https://elysiatools.com/fr/tools/interquartile-range-calculator): Calcule Q1, Q3, IQR et bornes optionnelles 1.5 x IQR
- [Calculateur de quartiles](https://elysiatools.com/fr/tools/quartile-calculator): Calcule Q1, mediane, Q3, ecart interquartile et bornes optionnelles d anomalies
- [Solveur d'EDO du premier ordre (séparation des variables)](https://elysiatools.com/fr/tools/first-order-ode-solver): Résout dy/dx = g(x)·h(y) par séparation des variables : séparation, intégration terme à terme pour obtenir H(y) = G(x) + C puis, quand c'est possible, y = f(x). Accepte les h(y) à un terme (y, y^n, e^(ky), ky+m) et les polynômes du second degré décomposables en fractions simples (comme le logistique y(1−y)) ; avec la condition initiale y(x₀)=y₀, calcule C et détecte les solutions d'équilibre. Exemple : dy/dx = 2x·y → y = e^(x²+C).
- [Constructeur de Simulation Monte Carlo](https://elysiatools.com/fr/tools/monte-carlo-simulation-builder): Définissez des distributions d'entrée (normale/uniforme/lognormale/triangulaire), écrivez une formule, lancez des milliers d'essais et obtenez l'histogramme avec intervalles de confiance.
- [Calculateur de racines par Newton-Raphson](https://elysiatools.com/fr/tools/newton-raphson-root-finder): Résout f(x) = 0 par l'itération de Newton-Raphson x_{k+1} = x_k − f(x_k)/f'(x_k) : la dérivée peut être fournie analytiquement (sinon une différence centrale numérique est utilisée) ; sont affichés la table des itérations (x_k et f(x_k)), le critère d'arrêt (|f| < tolérance ou |Δx| < tolérance·max(1,|x|)), le nombre d'itérations et le |f(racine)| final. Classiques : x²−2 depuis x₀=1 converge en 4 itérations vers √2 ≈ 1.4142135624 ; cos(x)−x converge vers le nombre de Dottie 0.7390851332. Dérivée nulle, pas divergents ou dépassement du nombre d'itérations sont signalés explicitement.
- [Intégrateur par règle de Simpson (∫f(x)dx)](https://elysiatools.com/fr/tools/numerical-integration-simpson): Calcule ∫ₐᵇ f(x)dx par la règle de Simpson 1/3 composée (n pair) : S = h/3·(f(a) + 4Σnœuds impairs + 2Σnœuds pairs intérieurs + f(b)), erreur en O(h⁴), exacte pour les polynômes de degré ≤ 3. Tableau des nœuds, estimation et comparaison facultative avec la valeur exacte. Exemples : ∫₀¹x²dx avec n=4 donne 0,333333 (exacte !) ; ∫₀¹e^(−x²)dx (sans primitive élémentaire) avec n=10 donne 0,746825.

## Exemples

- [Exemples de Traitement d'Images Android Java](https://elysiatools.com/fr/samples/android-image-processing-java): Exemples de traitement d'images Android Java incluant lecture/écriture, mise à l'échelle et conversion de format
- [Exemples de Traitement d'Images Android Kotlin](https://elysiatools.com/fr/samples/android-image-processing-kotlin): Exemples de traitement d'images Android Kotlin incluant lecture/écriture, mise à l'échelle et conversion de format
- [Exemples de Traitement d'Images Web Python](https://elysiatools.com/fr/samples/web-image-processing-python): Exemples de traitement d'images Web Python utilisant PIL/Pillow incluant la lecture, l'enregistrement, le redimensionnement et la conversion de format
- [Exemples de Traitement d'Images Web Rust](https://elysiatools.com/fr/samples/web-image-processing-rust): Exemples de traitement d'images Web Rust incluant lecture/écriture, redimensionnement et conversion de format