---
title: 3-3-链式法则与复合函数求导
aliases:
- 链式法则
- Chain Rule
- 复合函数求导
- 多层复合
tags:
- 类型/教程
- 微积分/导数
created: 2026-10-12
updated: 2026-10-12
level: 入门
chapter: "3.3"
prerequisites:
- "3-2-求导法则与基本公式"
sources:
- https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
- https://mathworld.wolfram.com/ChainRule.html
- https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/pages/1.-differentiation/part-b-concepts-of-the-derivative/
3-3-链式法则与复合函数求导
一句话概括
四则运算法则处理「拼装」,链式法则(chain rule)处理「嵌套」。
它是微分学里使用频率最高、也最容易出错的一条法则:
一句话——外层函数的导数,乘以内层函数的导数。
它的莱布尼茨形式
把「变化率的传递」写得像分数约分,是理解它的最好入口。
本篇覆盖:复合函数的定义与分解、链式法则的完整证明(含「除以 」那个技术难点的处理)、
多层复合与「由外向内」计算流程、幂指函数的求导、
与乘积法则的辨析、11 道例题、7 条易错点、8 道练习。
一、定义
1.1 什么是复合函数
先看一个具体场景。 某工厂的产量 随时间 变化,而成本 随产量 变化。
问:成本随时间变化得多快?
这里出现了两级依赖:。把它们串起来写成 ,,
于是
这就是复合函数(composite function),记作 。
定义 3.3(复合函数)
设函数 的定义域为 ,值域为 ;
函数 的定义域为 。
若 ,则称
为 与 的复合函数,其中 叫内层函数(inner function),
叫外层函数(outer function), 叫中间变量。
几个例子:
| 复合函数 | 内层 | 外层 | 定义域 |
|---|---|---|---|
三组必须分清的函数
、、 长得像,但结构完全不同:
- :内层是 (线性),导数是 ;
- :内层是 ,导数是 ;
- :内层是 ,外层是平方,导数是 。
有趣的是:第三个的导数是第一个本身。这不是巧合,
而是因为 ,与 同属「倍角家族」。
但三者的结构与求导过程完全不同,做题时必须先看清结构。
复合不是相乘
与 是两件不同的事。
例如 、:
复合得 (只有一个 ),
相乘得 (一个 乘一个 )。
看括号的位置: 的括号直接包住 ,是复合;
是两项相乘。
1.2 一个「变化率传递」的直觉模型
在给出定理之前,先用一个最容易记住的直观说法把链式法则的内容说清楚。
齿轮模型:想象三个齿轮串联。第一个齿轮转得快慢由输入决定,
第二个齿轮由第一个带动,第三个由第二个带动。
- 若第一个齿轮转 1 圈使第二个转 3 圈(传动比 ),
- 第二个转 1 圈使第三个转 5 圈(传动比 ),
那么第一个转 1 圈,第三个转 圈。
传动比相乘——这就是链式法则。
把「圈数」换成「变化量」:
- : 变化 1 个单位, 变化多少(第一个传动比);
- : 变化 1 个单位, 变化多少(第二个传动比);
- : 变化 1 个单位, 变化多少(总传动比)。
于是直观上
这三个都是「有限增量」的比值,所以这个等式是严格成立的(只要 ,
两边约掉 即可)。取极限 ,就得到链式法则。
链式法则的核心直觉
变化率沿依赖链相乘。
对 的变化率 = ( 对 的变化率)×( 对 的变化率)。
写成 ,
看起来就像把 「约掉」了。
那为什么不干脆用「约分」来证明? 因为 在 时无意义,
而 是完全可能发生的(例如 在某个小区间上是常数)。
所以上面的推导有一个技术漏洞,正式证明必须绕开它。这一点在第三节详述。
1.3 记号的两个层次
链式法则有两种常用写法,用途不同:
写法 A(莱布尼茨记号)
优点:显示了「路径」,变量关系一目了然;多层复合时直接延长链条。
缺点:没有写出「在哪里求值」。
写法 B(拉格朗日记号)
优点:精确指出「外层的导数在内层函数值处求值」。
缺点:式子较长。
建议的书写习惯
做题时先用莱布尼茨记号理清链条(写下 ),
再用拉格朗日记号写出最终答案(明确 在哪个点取值)。
这样既不容易漏层,也不容易搞错求值点。
一个非常隐蔽的记号陷阱
有两种可能的含义:
① 在点 处的导数值(正确含义);
② ,即复合函数 的导数(错误含义)。
数学上 一律指含义 ①。 所以
两项都在,缺一不可。这个歧义是拉格朗日记号的固有缺陷,
也是莱布尼茨记号在链式法则中更受欢迎的原因。
二、几何直观
2.1 「三层缩放」的图像
把复合 看成两次局部缩放。
第 1 层:在 附近, 把 轴上的小区间
映射到 轴上的小区间 ,
其中 。这就是一次缩放,缩放因子是 。
第 2 层: 把 轴上的小区间
映射到 轴上的小区间,长度 。
又是一次缩放,因子是 。
合起来: 方向的长度 最终变成 方向的长度
两次缩放叠加,因子相乘。 这就是链式法则的全部几何内容。
一个具体的数字例子
设 (缩放因子 ), 在 处(缩放因子 )。
则复合函数 在 处的导数是 。
而 。
几何解读: 变化 ,先被放大 倍传到 ,
再被放大 倍传到 ,总共放大 倍。
2.2 图像上的「横向拉伸」效应
链式法则有一个非常好用的图像解释:复合 相当于把 的图像横向压缩。
举 与 :
- 的周期是 ; 的周期是 ——图像被横向压缩到一半。
- 横向压缩到一半,意味着「同样的 变化里,函数经历了双倍的变化」,
所以斜率变成两倍。
- 验证:(振幅 ),(振幅 )。
反过来: 把图像横向拉伸到两倍,斜率变成一半。
验证:。
一般地,对 :
内层的系数 直接成为导数的倍数因子。这一条在考场上极其常用,
可以当作「链式法则的最简版本」先记住。
图像化自检法
求完导数后,用「图像的胖瘦」检查一下量级:
内层是 (压缩两倍)→ 导数应该是原来的 倍;
内层是 (拉伸三倍)→ 导数应该是原来的 。
若算出的导数在量级上不符合这个直觉,多半漏了内层因子。
2.3 与「变量代换」的对照:弧度制的例子
链式法则还能解释一件看起来奇怪的事:为什么角度制下三角函数的导数会多一个常数?
在弧度制下,。若改用角度制,记 表示角度值,
则 ( 是弧度数)。于是
由链式法则
那个 就是内层函数的导数。
**所以「微积分一律用弧度制」这句话的真正含义是:只有弧度制才能让内层系数等于 ,
从而让公式最简洁。** 这是链式法则最漂亮的应用之一。
2.4 依赖链的图像:多层复合的「树」
对于多层复合 ,,,依赖关系可以画成一棵树:
链式法则说的是:沿这条链把各段的「变化率」全部乘起来。
用图像记忆:路径只有一条时(单链),就把沿途的因子全乘起来。
这个「沿路径相乘」的规则在多元函数中会推广为「沿所有路径求和」
(见 8-3-多元复合函数与隐函数求导),届时你会发现一元情形只是它最简单的一个特例。
三、性质与定理
3.1 定理 3.12(链式法则)
定理 3.12(链式法则)
设 在点 处可导, 在点 处可导。
则复合函数 在 处可导,且
用莱布尼茨记号写:
引用形式:。
记忆口诀:「外导乘内导」,也叫「洋葱法则」——一层一层剥,每剥一层乘一个因子。
3.2 完整证明:绕开「」的技术难点
先说朴素证明(有漏洞但很好懂)。 写差商:
(只要 ,这纯粹是约分。)令 ,则
(因为 可导 连续),于是
乘起来就是结论。
这个朴素证明的漏洞
若在 附近 (即 局部为常数),则 ,
第一个分式 没有意义(分母为零)!
举个最极端的例子:,,此时复合函数恒为 ,
定理的结论(导数为 )是对的,但朴素证明中 ,
整个证明无法进行。所以必须换一个不含除法的证明。
正式证明(引入辅助函数,回避除法)
第 1 步:构造辅助函数。 定义
第 2 步:说明 在 处连续。 由 在 可导,
所以 在 处连续。
第 3 步:得到一个「无分母」的恒等式。 对一切 (包括 ),
验证: 时两边同除以 即定义; 时左边 ,
右边 ,也成立。**这一步是证明的关键——
它把「除以 」这个危险动作换成了「乘以 」。**
第 4 步:代入差商。 取 ,则 ,于是
第 5 步:取极限。 令 。
- 由 在 可导 在 连续 ;
- 由第 2 步, 在 连续,故 ;
- 第二个因子 。
由极限的乘法法则,
这个证明技巧的名字
上面的 常被称为「差商的连续延拓」。
把「在 处没有定义的差商」补上一个恰当的函数值,使它连续——
这是分析里一个非常通用的手法。
它也解释了:**「可导」这个条件不仅仅是「差商有极限」,
更等价的说法是「存在一个在 连续的函数 使得
」。**
这个等价说法(线性主部 + 高阶无穷小)正是 3-6-微分与线性逼近 的主题。
3.3 定理的适用条件
逐条说明:
(1) 在 可导。 这个条件不可省。
反例: 在 不可导,
取 (处处可导),则 在 不可导。
(2) 在 可导。 这个条件也不可省。
反例:(处处可导), 在 不可导,
则 在 可导(导数为 )。
注意:这个例子中复合函数可导,但定理不适用(前提不满足),
所以不能用链式法则算——直接算反而更简单。
「定理的前提不满足」不等于「结论一定错」,只等于「不能用这条定理」。
(3)两个条件都是「在一点」而非「在一个区间」。 定理只断言在 这一点可导。
若要在区间上处处可导,就要区间内每一点都满足前提。
(4)可导性可以「传递」但不可以「反推」。 定理的方向是
「、 可导 复合可导」。反过来不成立:
可导推不出 可导(例:,,
则 可导,但 在 不可导)。
3.4 定理 3.13(多层复合的链式法则)
定理 3.13(链式法则的推广)
设 ,,,
且 在 处可导、 在 处可导、 在 处可导。则
证明 把 看成一个整体,对 用定理 3.12:
而对 再用一次定理 3.12:
代入即得。
一般结论: 层复合的导数是 个因子的乘积,
因子的顺序是「从外到内」。每多一层,就多乘一个内层导数。
3.5 链式法则与另外两条法则的关系
三条法则的分工,用一张表说清:
| 法则 | 处理的运算 | 公式 | 典型例子 |
|---|---|---|---|
| 和差法则 | 相加(拼装) | ||
| 乘积法则 | 相乘(并列) | ||
| 商法则 | 相除 | ||
| 链式法则 | 嵌套(复合) |
判断口诀:看运算,不看长得像不像。
- 见到「、」→ 和差
- 见到「两个式子并列相乘」→ 乘积
- 见到「分数形式」→ 商(或化乘积)
- 见到「一个函数套在另一个函数里面」→ 链式
注意:实际题目常常是混合的。例如
它同时涉及复合( 套在 上,平方套在 上)和幂运算。
解题时要由外向内逐层剥开:
- 最外层是平方:,;
- 第二层是 :,;
- 最内层是线性:。
于是
(最后一步用了 ,。)
3.6 幂指函数的处理(链式法则的重要应用)
形如 的函数叫幂指函数(既不是幂函数也不是指数函数)。
例如 、、。
处理办法一(取对数,见 3-5-隐函数与参数方程求导):
处理办法二(写成指数形式,只用链式法则):
于是
两种办法得到同一结果。处理办法二完全在链式法则的框架内,
不需要「取对数再隐函数求导」这套机制,因此在逻辑上更靠前。
三个最容易犯的幂指函数错误
求 的导数时:
① 写成 (错,这是把 当幂函数);
② 写成 (错,这是把 当指数函数);
③ 写成 (错,这是把「两项之和」当成答案)。
正确:。
错误 ③ 的迷惑性最大——它长得像「乘积法则」,但幂指函数不是 与 的乘积。
记住:只要底数和指数都含 ,两个公式都不能直接用,必须化成 。
四、计算方法与步骤
4.1 「由外向内」剥洋葱法
四步流程
第 1 步:识别最外层。 整个式子「最外面」是什么运算?
是 ?是幂?是 ?是 ?找出它,并用括号把它包住的部分圈出来。
第 2 步:写出链条。 把复合结构写成 ,, 的形式,
画出依赖链 。
第 3 步:逐层求导。 从外层开始,依次写出 、、,全部乘起来。
第 4 步:回代并整理。 把所有中间变量换回 的表达式,然后化简。
一个必须养成的习惯:求导过程中暂时保留中间变量,
最后一步再回代。这样不容易在复杂的表达式里迷失。
4.2 入门例子:五个层次的递进
例 1:。
外层 (),内层 ()。所以
例 2:。
外层 (),内层 ()。所以
例 3:。注意这应该读成「 的平方」,不是「 的平方」。
外层 (),内层 ()。所以
例 4:。
外层 (),内层 ()。所以
例 5(三层):。
链条:,,。
(最后用了 。)
一个提速技巧:直接「一层一层写」
熟练之后不必真的写出 、,而是从外到内边读边写:
读「 的导数」→ 写 ;
读「再乘 的导数」→ 写 ;
读「再乘 的导数」→ 写 。
三行写完,再化简。这个读法叫「从外往内剥」,
与书写顺序一致,不容易漏层。
4.3 混合法则:乘积 + 复合
例:求 的导数。
第 1 步:识别结构。 这是乘积( 乘 ),
不是复合。所以先用乘积法则。
第 2 步:套乘积法则。 取 ,,则 ,
而 (链式法则!)。所以
第 3 步:整理。 提出公因子 :
最常见的失分点
在上面第 2 步中, 的导数必须用链式法则得到 ,
写成 是漏了内层因子。混合题里最容易在「内层」上出错,
因为注意力被乘积法则占用了。
自检办法:求完导后数一数,题目里有几层复合,答案里就该有几个内层因子。
4.4 混合法则:商 + 复合
例:求 的导数。
第 1 步:识别。 商结构。,,,。
第 2 步:套商法则。
第 3 步:用 化简。
第 4 步:用恒等式检查。 由半角公式,
所以 。
而由 得
一致。
先化简后求导 vs 先求导后化简
本例中如果一开始就用 ,求导只要一行:
。
所以做题前先扫一眼能不能用恒等式简化,往往能省一大半计算。
但要注意:两次化简的结果必须代数等价,
像本例的 与 就是同一个式子。
4.5 幂指函数的完整计算流程
例:求 ()的导数。
第 1 步:写成指数形式。
第 2 步:套链式法则。 外层是 ,内层 :
第 3 步:算内层的导数(乘积法则)。
第 4 步:回代并整理。
第 5 步:验证特例。 取 换成常数 ,,
公式给出 。
取底数换成常数 ,,公式给出 。
这说明幂指函数公式是幂函数公式与指数函数公式的「统一版本」。
4.6 抽象函数型的链式法则
例:设 可导,求 的导数。
第 1 步:链条。 ,。
第 2 步:逐层。 ;。
第 3 步:相乘并回代。
抽象函数题的两个经典错误
① 写成 ——漏了内层导数 ;
② 把 写成 ——循环定义,
左边是「 在某点的值」,右边是「要求的那整个导数」。
正确写法: 只作用在「外层」,括号里必须保留内层表达式。
做题时可以先写下 ,再把 填进去,这样不会错。
进阶例:设 二阶可导,求 的二阶导数。
第 1 步:。
第 2 步:对 再用乘积法则 + 链式法则:
注意:第 2 步里对 求导时, 是外层函数,
它也要用链式法则把 乘上去。这是抽象函数二阶导最容易漏的地方。
4.7 对数求导法(链式法则的间接应用)
对于「多个因子相乘除、又带幂」的函数,先取对数可以把乘除变成加减:
两边取对数(要求 ):
两边对 求导(左边用链式法则:):
于是
为什么这样做更快? 直接套乘积法则 + 商法则要处理三个因子与一个商,
大约需要写十行;取对数后只要三行。
代价是要注意定义域(必须 才能取 ),
这一点在 3-5-隐函数与参数方程求导 中会详细讨论。
4.8 数值验证:链式法则
只用 numpy,用一个「一眼能看穿」的复合函数验证链式法则。
取 ,理论导数 。
import numpy as np
def y(x): return np.sin(x**2)
x0, h = 0.9, 1e-6
num = (y(x0+h) - y(x0-h)) / (2*h) # 中心差商
ana = 2*x0*np.cos(x0**2) # 链式法则给出的精确值
print(f"数值导数 = {num:.10f}")
print(f"链式法则 = {ana:.10f}")
print(f"差 = {abs(num-ana):.2e}")
输出形如:
数值导数 = 1.3428409471
链式法则 = 1.3428409470
差 = 1.05e-10
再做一次「多层复合」的验证:取 ,
理论导数 。
import numpy as np
def y(x): return np.log(np.cos(x**2))
x0, h = 0.7, 1e-6
num = (y(x0+h) - y(x0-h)) / (2*h)
ana = -2*x0*np.tan(x0**2)
print(f"数值 = {num:.10f} 三层链式法则 = {ana:.10f}")
输出形如:
数值 = -1.1513161773 三层链式法则 = -1.1513161772
两者在 量级吻合,三层链式法则得到数值验证。
(以上为形如输出,具体末位随浮点环境变化。)
五、例题
例题 1(概念辨析:复合与乘积的区别)
判断下列各式是否正确,错的给出正确结果。
(1);
(2);
(3);
(4)。
思路 四式全部错在同一个根源:把复合当成「直接套基本公式」而漏掉内层导数,
或者把乘积当成复合。判定时先问「这是复合还是乘积」,再检查内层导数是否乘上。
解
(1)错。 是复合:外层 ,内层 。
漏掉的因子 来自内层 的导数。图像检验: 的周期是 ,
比 短一半,说明它变化更快,导数振幅应该是 而不是 。
(2)错。 是乘积(两个函数并列相乘),不是复合。
正确做法用乘积法则:
原式只写了「后导前不导」那一项,漏掉了「前导后不导」。
(也可以先化简:,
求导得 ,一致。)
(3)错。 应读作 ,是复合:外层平方,内层 。
漏掉的因子 来自内层。
(4)错。 是复合:外层 ,内层 。
结论 四个错误的共同点是漏乘内层导数。
记住:「看到函数里面还套着含 的式子,就一定要乘上那个式子的导数。」
这是链式法则唯一的内容,也是最重要的得分点。
例题 2(定理理解:为什么链式法则的朴素证明有漏洞)
有人这样证明链式法则:
然后令 即得结论。请指出这个证明的问题,
并给出一个具体情形说明它确实会出问题。
思路 关键是 可能为零。要找出「 但 」的情形,
最简单的办法是让内层函数在某个小区间上是常数,或者有无穷多个零点。
解
第 1 步:指出问题。 式
的前提是 (否则第一个分式的分母为零,无意义)。
而 完全可能对某些 取零值。
第 2 步:最干净的反例。 取 (常值函数),(处处可导)。
- 定理的结论:。结论是对的
(因为 )。
- 朴素证明:,
于是 ,分式无意义,证明无法进行。
所以这个证明在逻辑上不完整:它默认了 ,而这个默认并不成立。
第 3 步:更贴近实际的反例。 取
验证 在 可导(见 3-1-导数的定义与几何意义):
处处可导,定理前提满足。但在 ( 为非零整数)这些点上,
所以取 、 时 ,朴素证明同样失效。
(这个函数在 附近有无穷多个零点。)
第 4 步:正式证明怎么补救。 引入辅助函数
由 在 可导可知 在 处连续,并且对一切 (含 )都有
这样就把「除以 」换成了「乘以 」,彻底回避了分母为零的问题。
完整证明见本篇 3.2 节。
结论 朴素证明的问题在于「 可能为零,除法不合法」。
**这个细节虽小,却体现了数学证明的基本要求:
每一个除法都要有「分母不为零」的保证。**
同时它也提示了一个更深刻的等价刻画:
可导 存在在 连续的函数 使 ,
这正是 3-6-微分与线性逼近 的出发点。
例题 3(计算题:基础链式法则)
求下列函数的导数:
(1);
(2);
(3);
(4)。
思路 四题都是由外向内一层或两层。写出链条,逐层求导相乘。
(3)建议先把根号写成 次幂。
解
(1) 外层 ,内层 ,。
(2) 写成 。外层 ,内层 ,。
(3) 写成 。外层 ,内层 ,。
(。这个结果在 4-7-曲率与弧微分 中会用到。)
(4) 外层 ,内层 ,。
结论 (1);(2);
(3);(4)。
(1)的结果里把 写成 便于看出零点,
这种化简易在后续判断符号时派上用场。
例题 4(计算题:多层复合)
求 的导数。
思路 这是四层复合:。
从外向内逐层写,每层乘一个因子,最后回代。
解
第 1 步:写出完整链条。
依赖链:。
第 2 步:逐层求导。
第 3 步:连乘。
第 4 步:回代(,,):
第 5 步:整理。 约掉 ,把 归并:
第 6 步:检查是否有漏层。 计算链条共 层,答案中应该有 个「因子块」:
(来自 与 的约分)、(来自 )、
(来自根号)、(来自 )。
数一数,正好 块。
结论 。
「数因子块」自检法
多层复合题最可靠的检查方式是:数一数答案里有几个「层因子」。
层复合就应产生 个因子块。少了一块必定漏层,
多了一块则要检查是否重复计算。这个方法对付四层以上的题目特别有效。
例题 5(反例构造:复合可导但内层不可导)
(1)举例说明: 在 可导,但 在 不可导。
(2)举例说明: 在 可导、 在 不可导,
但 在 可导。
(3)由(1)(2)能得出什么结论?
思路 (1)找一个「不可导的 」,但复合后「坏行为」被外层函数抹平——
最省事的是让外层把它平方。(2)找一个「在 有尖角」的 ,
但让 在 附近「绕着尖角走」。
解
(1) 取 (在 不可导),(处处可导)。则
它在 处可导()。所以复合可导推不出内层可导。
(2) 取 (处处可导,),
(在 处不可导,有尖角)。则
它在 处可导,导数为 。
关键点: 在 处不可导,所以**链式法则的前提不满足,
不能用链式法则。但复合函数的可导性可以直接验证**:
由 是多项式,显然可导。
(3)结论
| 命题 | 真假 | 反例 |
|---|---|---|
| 可导、 可导 可导 | 真 | —(定理 3.12) |
| 可导 可导 | 假 | , |
| 可导 可导 | 假 | , |
| 可导且 可导 可导 | 假 | 同上 |
注意最后一行:即使 可导,也不能从复合可导反推 可导。
原因在(2)中已经显现: 在 附近只取非负值,
从未走到 那一侧,所以 在 左侧的「坏行为」
根本没被用到。**要用到 在 处的可导性,
必须要求 在 附近能取到 两侧的值。**
结论 链式法则是一条充分的、单向的定理:
前提满足则可导;但可导性本身不能反推前提。
做题时千万不要由「复合函数可导」去断言「内层可导」。
例题 6(反例构造:链式法则的必要条件能否减弱)
判断下列说法的真假并说明理由。
(1)若 在 可导、 在 连续,则 在 可导;
(2)若 在 可导、 在 可导,则 ;
(3)若 、 在 不可导,则 。
思路 (1) 连续太弱,远不足以保证可导。(2)就是定理本身,为真。
(3)看似「 乘任何数都是 」,但 不存在时这个推理不合法——
要找反例。
解
(1)假。 反例:取 (可导,),(在 连续但不可导)。则
在 处不可导。所以「 连续」不足以替代「 可导」。
(2)真。 这就是定理 3.12(链式法则),前提正是两个函数分别在对应点可导。
(3)假。 需要找一个反例。
注意:若取 ()、(在 不可导),
则复合为 ,在 处可导且导数为 ,结论恰好成立,不能当反例。
换一个:取 ,。
先验证 在 不可导:
当 时趋于 ,当 时趋于 ,故 不存在。
而 。
复合函数
它在 处不可导(左右导数分别为 与 )。
所以(3)是假的: 不存在,而不是等于 。
(4)进一步追问:什么时候(3)的结论成立? 若 在 可导且 ,
则链式法则给出 。这时结论成立。
所以(3)的错误在于把「 不存在」当成了「」。
结论 (1)假,(2)真,(3)假。
本题的教训:「 乘无穷」不是 ,而是一个未定式。
链式法则的右边只有当两个因子都是有限数时才有意义;
把「不存在」当成「零」是概念判断题的经典陷阱。
例题 7(计算题:幂指函数)
求下列函数的导数:
(1)();
(2)(,,);
(3)()。
思路 (1)(3)是幂指函数,必须化成 。
(2)是乘积(两个函数相乘),不是幂指函数——注意区分!
解
(1) 写成指数形式:。由链式法则,
注意:答案中必须保留因子 ,因为 。
(2) 这是乘积 ,用乘积法则:
(第二步提出了公因子 。)
对照:如果把 误认为幂指函数,就会去算 ,
得到完全相同的结果——因为 ,
而 求导得 ,正是两项之和。
所以两种理解方式结果一致,但概念上必须分清:
的底数与指数分别只含一个变量,是两个幂的乘积;
而 的底数与指数同时含 ,才是真正的幂指函数。
(3) 写成指数形式:。
算内层导数(乘积法则 + 链式法则):
所以
用对数求导法验证:,两边求导
与上面完全一致,两边乘 即得结果。
结论 (1);(2);
(3)。
例题 8(定理理解:链式法则与乘积法则的联合使用)
设 可导,求下列函数的导数:
(1)();
(2);
(3)()。
思路 把 、 当成未知符号,结构识别照常:
(1)是乘积,(2)是两层复合,(3)是商。抽象函数题的关键是写清 的作用点。
解
(1) 结构:乘积。取 ,。
- (链式法则);
- (链式法则)。
由乘积法则:
(2) 结构:复合,外层 ,内层 。
注意: 与 是两个不同的东西,不能合并成
。前者表示「 在点 处的值」,
后者表示「 在点 处的值」。
用具体函数检验:取 ,则 ,。
公式给出 。
(3) 结构:商。取 ,。
- ;
- 。
由商法则:
结论 (1);
(2);(3)。
例题 9(反例构造:关于「内层导数为零」的情形)
设 在 可导且 , 在 可导。
判断下列说法:
(1);
(2)若还知道 在 的某个邻域内非常数,则 在该邻域内都很小。
思路 (1)直接由链式法则判定。(2)需要构造例子,
说明「 在某点为零」不能控制它在该点附近的整体大小。
解
(1)真。 由链式法则,
这里 是有限数(定理前提),所以「有限数乘零等于零」合法。
与例题 6(3)的区别
例题 6(3)中 在 不可导,所以不能写 ——
「不存在」乘零是没有定义的。而这里 可导,结论成立。
两题只差一个条件,结论完全相反。
(2)假。 「」不能推出「 在 附近都小」。
反例:取
先验证 :
(用夹逼:。)
同时 在 的任意邻域内都取到非零值(有无穷多个零点,也有无穷多个非零点),
所以「非常数」这个附加条件也满足。
再看 时的 :
当 时第二项 无界:
取 ,则 ,
所以 在 的任意邻域内都无界。尽管 ,
在 附近却可以任意大(负的)。
取 ,则 ,,
但导函数在 附近无界。
结论 (1)真:链式法则给出 。
(2)假:一个点的导数为零,完全不控制该点附近导函数的大小。
教训:导数是局部线性信息,它在一点的值与该点附近的行为可以差异极大。
这一点在 4-1-微分中值定理 中会有更深入的讨论。
例题 10(综合:由复合函数的导数值反求参数)
设 可导,,且 。
求 。
思路 先用链式法则写出 的表达式,
再代入 得到一个关于 的方程。
解
第 1 步:求导。
第 2 步:代入 。
第 3 步:解方程。 由题设 ,故
第 4 步:检验。 取 (此时 ),则 ,
,在 处等于 。
结论 。
本题的关键在于注意到 在 处恰好等于 ,
所以 的求值点 与我们要问的点 吻合。
若题目改问 ,就无法从 处的信息推出来——
这也是链式法则题的一个设计要点:让内层函数在某点的值恰好落在感兴趣的点上。
例题 11(概念辨析: 到底是什么意思)
设 可导。判断下列写法的含义,并说明 、、
三者的关系。
思路 关键在于区分「 在点 处的值」与「复合函数 的导数」。
拉格朗日记号在这一点上天生有歧义,必须靠约定来消除。
解
第 1 步:澄清记号。 按数学惯例:
- 表示导函数 在点 处的函数值,即
- 表示函数 的导数(对 求导);
- 与 完全相同,只是记号不同。
第 2 步:给出关系。 由链式法则,
所以三者中,前两个量差一个因子 ,后两个是同一个量。
第 3 步:用具体函数验证。 取 。则
- ,所以 ;
- ,所以 。
而 。 关系成立。
第 4 步:指出常见错误。 很多人把 直接写成 ,
漏掉因子 。这是链式法则最典型的书写错误。
避免办法:写 时先把「外层」和「内层」想清楚,
或者干脆改用莱布尼茨记号
这样不会漏项。
结论 与 不相等,后者是前者的 倍。
记号的歧义要用莱布尼茨记号或明确写出中间变量来消除。
六、应用
6.1 物理:变化率的传递
链式法则在物理中的标准用法是:**当两个物理量都与时间有关时,
它们的变化率由链式法则联系。**
例 1(速度与位置):若 ,而 又是另一个量 的函数
(例如 是转角),则
例 2(理想气体):状态方程 。在等压过程中 ,则
例 3(对数导数与相对变化率):由链式法则,
右边正是相对变化率(增长率)。这解释了为什么经济学常用对数:
的变化率就是 的增长率。
6.2 化学与生物:多层依赖的灵敏度分析
例(酶促反应的温度依赖):设反应速率 依赖于酶浓度 ,
而酶浓度 依赖于温度 ,温度 依赖于时间 。则
三层链式法则,物理意义清楚:每一层都是一个「灵敏度」。
更一般的说法:在实验科学中,若 经过 个中间量依赖于 ,
则总灵敏度是各级灵敏度的乘积。若某一级灵敏度为零,整个链条的灵敏度就是零
(但它在该点附近的整体大小可能一点也不小,见本篇例题 9)。
6.3 机器学习:反向传播的本质
神经网络的反向传播(backpropagation)算法,本质上就是链式法则的系统化应用。
一个最简单的例子:两层网络
,,
损失 。
要对 求偏导 ,按依赖链展开:
- ;
- ;
- 。
三层连乘,一览无余。**深度学习框架的自动微分(automatic differentiation)
就是对每个基本运算存一个局部导数,再按链式法则把路径上的因子连乘起来。**
本库在 8-3-多元复合函数与隐函数求导 会把这个思想推广到多变量的情形
(届时是「沿所有路径求和」而不是「单路径相乘」)。
6.4 概率与统计:变量变换
设随机变量 的密度函数为 ,做变换 ( 严格单调可导),
则 的密度为
这个公式里的导数因子正是链式法则与反函数法则的产物,
它保证了「概率总量为 」在变量变换下不变。
6.5 用 sympy 检查多层复合
本示例需要 sympy:pip install sympy
import sympy as sp
x = sp.symbols('x')
exprs = [
sp.sin(2*x),
sp.sin(x**2),
sp.sin(x)**2,
sp.exp(3*x**2 + 1),
sp.log(sp.cos(x**2)),
sp.atan(sp.sqrt(1 + x**2)),
x**sp.sin(x), # 幂指函数
]
for e in exprs:
print(sp.simplify(sp.diff(e, x)))
输出形如:
2*cos(2*x)
2*x*cos(x**2)
sin(2*x)
6*x*exp(3*x**2 + 1)
-2*x*tan(x**2)
x/((x**2 + 2)*sqrt(x**2 + 1)*atan(sqrt(x**2 + 1)))
x**sin(x)*(cos(x)*log(x) + sin(x)/x)
对照检查:
- 第三行给出 ,而我们手算得 ——同一个式子(倍角公式)。
- 第五行 与本节 4.2 的例 5 完全一致。
- 第六行与例题 4 的答案完全一致(注意 sympy 把 写在前面)。
- 第七行与例题 7(1)的推广形式一致(把 换成一般的 )。
(上表为按 sympy 标准化简行为的形如输出,具体形式可能因版本而异。)
七、易错点
易错点 1:漏掉内层导数
错在哪:;
;。
正确是什么:;
;。
为什么:链式法则要求外层导数 × 内层导数。
只要括号里不是光秃秃的一个 ,就一定有内层导数要乘。
自检办法:求完导后问一句「括号里的东西求导了吗?」
这一类错误占了链式法则失分的七成以上。
易错点 2:把复合当乘积(或反之)
错在哪:把 当复合(写成 之类),
或把 当乘积(写成 之类)。
正确是什么: 是乘积:;
是复合:。
为什么:判断依据是括号的位置与运算的层级,不是「长得像不像」。
中两个 、 是并列关系(两个完整函数相乘);
中 被 的括号包住,是嵌套关系。
一个快速的判别法:能不能用恒等式把它化成「两个函数相加」?
——能化成单个函数,说明它本质上是乘积
(否则不会用倍角公式「合并」)。
易错点 3:多层复合时顺序颠倒或漏层
错在哪:求 的导数时写成
(把内层原函数又抄了一遍,
等于少求了一层导),或者只写 (漏掉 的导数)。
正确是什么:。
为什么:每一层都要先求出这一层的导数,再乘下一层。
抄内层原函数是「没求导」;漏一层是「没走完链条」。
自检办法:数因子块。 层复合,答案里就该有 个因子块。
上面漏掉的写法只有 块,少了一块。
易错点 4:幂指函数用错公式
错在哪:(当幂函数),
或 (当指数函数)。
正确是什么:。
为什么:幂函数公式 要求指数是常数;
指数函数公式 要求底数是常数。
两个条件都不满足,所以两个公式都不能用。
正确路线:,再用链式法则。
记住:底数与指数都含自变量时必须化成 。
易错点 5: 与 混淆
错在哪:把 写成 ,
或者在计算 时写成 。
正确是什么:;
。
为什么:拉格朗日记号 的约定含义是「 在点 处的值」,
不包含对 再求导这一动作。
建议:写抽象函数的导数时,一律先写出中间变量
(如「设 」),再套公式。多写一行,少丢一分。
易错点 6:由「复合可导」反推「内层可导」
错在哪:看到 可导,就断言 可导,
然后放心地对它用链式法则。
正确是什么:链式法则是单向的。
、 时, 处处可导,
但 在 处不可导,链式法则在 处不适用。
为什么:复合运算可能把内层的「坏行为」抹平
(平方把 的差异消掉了)。
判据:要保证链式法则可用,必须分别验证 在 可导
且 在 可导,二者缺一不可。
易错点 7:把「内层导数为零」当成「可以直接写 」
错在哪:在 于 不可导、 的情形下,
写 。
正确是什么: 不存在,所以乘积 没有定义,
不能算出 。此时必须回到复合函数的定义单独判断。
反例:,,
则 在 处不可导。
为什么:这是「 型未定式」在求导语境下的表现。
有限数乘零才是零;「不存在」乘零没有意义。
补充:反过来,若 存在(哪怕是 ),
则 就成立了——两个情形的差别只在 可导与否。
八、练习题
A 组(基础计算)
1. 求下列函数的导数:
(1);
(2);
(3);
(4)。
2. 求 ()的导数。
3. 求 的导数,并写出它在 处的切线方程。
B 组(多层复合与混合法则)
4. 求 的导数。
(提示:三层复合,先数清层数,再用「数因子块」检查。)
5. 求 的导数,并求使 的所有 。
6. 求下列幂指函数的导数:
(1)();
(2)()。
C 组(辨析与构造)
7. 判断并说明理由(真的请证明,假的请举反例):
(1)若 在 可导、 在 可导,则 在 可导;
(2)若 在 可导且 在 可导,则 在 可导;
(3)若 ,则对任意在 可导的 ,都有 。
8. 设 二阶可导,。求
(结果用 、 在点 处的值表示)。
答案在哪
本篇练习的详细解答(出处 / 考点 / 思路 / 分步解 / 答案 / 易错点)见 10-微积分-03-导数与微分;分章导航见 00-总索引。
九、常见问题 FAQ
Q1:链式法则为什么叫「链」?它和「乘法」有什么关系?
「链」指的是依赖关系的链条。当 依赖于 、 又依赖于 时,
三个变量构成一条链 。链式法则说的是:
沿这条链,把每一段的「变化率」乘起来,就得到首尾两端的「变化率」。
为什么是相乘而不是相加?因为变化率是「倍数关系」。
变化 个单位使 变化 个单位(倍数 ),
变化 个单位使 变化 个单位(倍数 ),
那么 变化 个单位就使 变化 个单位。
倍数叠加用乘法——和「百分数连续增长」是同一个道理
(先涨 再涨 ,总共涨 倍,不是 倍)。
Q2:什么时候必须用链式法则?有没有办法一眼看出来?
判据:括号里不是光秃秃的一个 。
- :括号里就是 ,不用链式法则,导数直接是 。
- :括号里是 ,必须用,还要乘 。
- :括号里是 ,必须用,还要乘 。
- :括号里是 ,必须用,还要乘 。
- :不用;:要用,乘 ;:要用,乘 。
更一般的判据:把函数看成「最外层运算」套住「里面一坨东西」。
只要「里面那一坨」不是 本身,就要乘上它的导数。
熟练之后这个判断是瞬间完成的,靠的是大量练习形成的模式识别。
Q3:多层复合要怎么数层数?我怕漏。
数层数的方法:从外往内,一层一层问「这一层的自变量是什么」。
以 为例:
- 第 1 层(最外):,自变量是 ;
- 第 2 层:,自变量是 ;
- 第 3 层:,自变量是 ;
- 第 4 层(最内):,自变量是 。
共 层,所以答案里应该有 个因子块。
然后从外到内逐层求导相乘:
「数因子块」是最可靠的自检方法:算完数一数,
少一块就是漏层,多一块就是重复。
Q4: 里的 真的能「约掉」吗?
看情况——当技巧用可以,当证明用不行。
作为技巧:在实际计算中,把莱布尼茨记号当分数处理,
能让你快速写出正确的链条(尤其是多层复合和参数方程求导)。
绝大多数教材和老师都鼓励这样做,因为它有效且不易出错。
在 3-5-隐函数与参数方程求导 里,参数方程求导公式
就是用这种「约分」直觉记住的。
作为证明:不合法。严格证明见本篇 3.2 节——
问题出在 可能为零,所以不能真的做除法。
正确的证明要引入辅助函数 ,把「除以 」换成「乘以 」。
结论:记号给你直觉,定理给你保证。
用直觉去找答案,用定理去确认答案,这是学数学的正确姿势。
Q5:幂指函数为什么不能直接用幂函数或指数函数的公式?
因为两个公式的前提都被破坏了。
- 幂函数公式 的推导依赖「 是常数」——
在推导过程中 被当作固定数处理。
对 ,指数的「」随 变化,这个前提失效。
- 指数函数公式 的推导依赖「 是常数」——
公式里出现 ,若 是变量 , 就成了 ,公式完全变了。
正确路线:把幂指函数转化成指数函数,这样底数就变成了常数 :
现在外层是 (底数是常数 ,指数函数公式适用),
内层是 (一个普通函数,用乘积法则算),完美解决。
Q6:链式法则可以「反向」用吗?比如已知复合函数的导数,求内层的导数?
一般不能。 从 解出
需要 ,而且即使右边能算出一个值,
也不能保证 在 可导
(例如 、,复合是 ,
在 处 ,无法反推;而且 确实不存在)。
那什么时候可以反推? 在积分里可以!这就是换元积分法
(见 5-2-换元积分法):
这里实际上是「把链式法则反过来读」:求导时是「外层 × 内层」,
积分时是「把内层导数吸收进微分号」。
这是微积分基本定理思想的一次精彩体现,也是为什么必须把链式法则练到滚瓜烂熟。
Q7:做链式法则题时,我应该一步写完还是分步写?
建议:草稿上分步,卷面上适当合并。
草稿上分步的好处:
① 不容易漏层;② 出错时容易定位是哪一层错了;
③ 抽象函数题(含 )几乎必须分步,否则很容易写错 的求值点。
卷面上适当合并的好处:节省时间。
熟练之后,像 这种一层复合,
完全可以一步写完。
分界线:
- 一层复合:可一步完成(、、 等)。
- 两层复合:建议写出中间变量,至少在心里明确链条(、 等)。
- 三层及以上:一定要分步写,或者写完后用「数因子块」检查。
- 抽象函数:无论几层,都分步写。
Q8:为什么微积分里用弧度制而不用角度制?这和链式法则有什么关系?
关系很直接:因为用角度制会让所有三角函数的导数都多出一个常数因子。
理由:角度与弧度的换算是 。
于是 ,
由链式法则
那个 就是内层函数的导数。
弧度制下内层系数恰好是 ,所以公式最干净:
,不多不少。
若用角度制,导数公式、泰勒展开、重要极限
全都要改写成带常数因子的版本,
后续所有公式都会被污染。
所以「微积分一律用弧度制」不是习惯问题,而是一个数学上的最优选择——
而做出这个选择的依据,正是链式法则。
十、国内教材对照(浙大《微积分》/ 考研大纲)
10.1 术语与记号对照
| 内容 | 国内(浙大《微积分》苏德矿等编 / 同济版) | 国外(Banner、MIT 18.01) |
|---|---|---|
| 法则名 | 复合函数的求导法则,也叫链式法则(chain rule 的直译) | chain rule |
| 记法 | 与 并重 | 以 为主 |
| 记忆口诀 | 「外导乘内导」;也叫「剥洋葱」 | 「outside derivative times inside derivative」 |
| 中间变量名 | 常用 、、 | 常用 |
| 多层复合 | 明确给出三层、多层的推广形式与练习 | MIT 在 Session 11 讲「chain rule for more than two functions」 |
| 幂指函数 | 专门讨论,给出 与对数求导法两条路线 | Banner 第 6 章讲 logarithmic differentiation,对幂指函数着墨较少 |
| 复合函数分解 | 有大量「分解成基本初等函数」的专项练习 | 练习量明显较少 |
术语与口诀基本一致。差异主要在教学顺序与训练量上:
国内教材通常在讲链式法则的同一节里就引入幂指函数与对数求导法,
并有大量分解练习;国外教材(如 Banner 第 6 章 §6.3)把对数求导法单独成一小节,
且更多用于「多因子乘除」而较少用于幂指函数。
10.2 国内更强调的内容
(1)链式法则的证明。 浙大《微积分》与同济版都给出完整证明,
包括「引入辅助函数回避 」这个技术细节
(同济版的处理方式与本篇 3.2 节一致)。
MIT 18.01 在课堂上也证明,但更偏重直观推导(那种「约分」的说法),
技术细节留给习题或从简。
(2)复合函数的分解训练。 国内教材有大量「把复合函数分解成基本初等函数」
的练习(例如把 分解为 、、)。
这类练习看似简单,实际是链式法则的基本功。
国外教材的分解练习量明显小得多。
(3)多层复合的计算量。 国内习题中三层、四层复合很常见
(如 )。考研真题里也出现过四层复合。
国外教材通常止于两到三层。
(4)幂指函数的处理。 国内教材把 、、
作为独立题型训练,
并要求掌握两种方法(指数形式与对数求导法)。
考研数学中「幂指函数求导」是高频考点。
(5)与对数求导法的结合。 国内教材普遍把对数求导法放在本节,
并要求它能处理三类问题:
① 幂指函数;② 多因子连乘除;③ 含根号的分式。
国外教材对第三类涉及较少。
10.3 考研大纲的定位
考研数学大纲对本节的要求(「一元函数微分学」部分):
- 掌握复合函数的求导法则(「掌握」是最高层次要求,
意味着不仅要会用,还要理解并能证明);
- 会求幂指函数的导数;
- 会用对数求导法求导数。
常考题型:
- 多层复合的计算题:求 之类的导数,
常作为大题的第一问(为后面的极值、凹凸性分析做准备)。
- 幂指函数求导:求 、 的导数,
选择题、填空题、大题都可能出现。
- 对数求导法:处理 这类结构。
- 抽象复合函数求导:、,
结果中含 ;进一步可能求二阶导(含 )。
- 由复合函数在一点的导数值反求参数:如本篇例题 10 的形式。
国外教材不强调而国内常考的点:
① 复合函数分解的书写(要求写出 、 的分解式);
② 链式法则的完整证明(含辅助函数技巧);
③ 幂指函数的两种方法都要会(国外通常只要求一种);
④ 抽象函数的多阶导数(如求 的 ,
这需要正确使用两次链式法则,是国内考试的重点)。
10.4 学习建议
- 以考研为目标:本篇 4.1 的「四步剥洋葱法」、4.2 的五层递进例子、
4.5 的幂指函数流程、4.7 的对数求导法,必须全部练熟;
例题 4(四层复合)、例题 7(幂指函数)、例题 8(抽象函数)要能独立复现;
第七节易错点 1、4 是最高频的两个失分点。
- 以理解概念为目标:Banner《普林斯顿微积分读本》第 6 章 §6.3
用「outside × inside」的讲法非常直观;MIT 18.01SC 的
Session 11「Chain Rule」与 Session 12「Higher Derivatives」
配有视频与配套习题,可以配合本篇第二、三节学习。
- 两者共同的建议:把「数因子块」这个自检习惯练成条件反射。
链式法则本身的数学内容只有一个乘法,难点全在「不漏层、不错序」,
而这完全可以通过自检习惯来保证。
本篇小结
本篇小结
① 一句话概括
复合函数求导用链式法则:外层导数乘以内层导数,
莱布尼茨形式
把「变化率沿依赖链相乘」写得像分数约分;
多层复合就是把这条链上的因子全部乘起来。
② 必须记住的结论
1. 链式法则:,
成立条件是 在 可导且 在 可导。
2. 莱布尼茨形式:。
3. 多层复合:,
层就乘 个因子。
4. 线性内层的速算:。
5. 幂指函数:;
推荐路线是 。
6. 对数求导法:先取对数把乘除化为加减,再两边求导
()。
7. 证明的技术要点:朴素证明因 可能为零而不严格;
正式证明要引入连续的辅助函数 ,把除法换成乘法。
8. 单向性:、 可导 复合可导;
反方向都不成立。
9. 抽象函数:,
的求值点是内层表达式的值,不是 。
10. 自检法:数因子块。 层复合产生 个因子块。
③ 最容易混淆的几组概念
| 概念 A | 概念 B | 关键区别 |
|---|---|---|
| 复合 | 乘积 | 嵌套 vs 并列; vs |
| | | 内层分别是 与 ;导数分别是 与 |
| | | 前者是 套 ;后者是平方套 |
| | | 后者 ,多一个内层因子 |
| (幂指) | (乘积) | 前者底数指数都含 ,必须化成 ;后者是两个幂的乘积 |
| 链式法则 | 乘积法则 | 前者「外导乘内导」,后者「前导后不导加前不导后导」 |
| 复合可导 | 内层可导 | 前者推不出后者(,) |
| 前提不满足 | 结论一定错 | 前提不满足只说明「不能用定理」,结论仍可能对(,) |
| 且 存在 | 且 不存在 | 前者复合导数 ;后者无定论,可能不可导 |
| 角度制下的 | 弧度制下的 | 前者多一个因子 ,这正是链式法则的体现 |
④ 通往后面章节的接口
| 本篇概念 | 在哪里被升级 | 升级成什么 |
|---|---|---|
| 链式法则(连续两次使用) | 3-4-高阶导数与莱布尼茨公式 | 求二阶、 阶导数,抽象函数的 |
| 对数求导法的雏形 | 3-5-隐函数与参数方程求导 | 隐函数求导、参数方程求导、幂指函数的系统处理 |
| 链式法则的「线性主部」写法 | 3-6-微分与线性逼近 | ,微分形式不变性 |
| 变化率沿依赖链相乘 | 3-7-相关变化率 | 把几何约束翻译成变化率关系 |
| 复合函数的极值 | 4-4-单调性与极值 | 用链式法则分析 的单调性 |
| 二阶导数与链式法则 | 4-5-凹凸性与拐点 | 的符号与凹凸性 |
| 换元积分法 | 5-2-换元积分法 | 把链式法则「反过来读」 |
| 单链相乘 | 8-3-多元复合函数与隐函数求导 | 推广为「沿所有路径求和」的树形法则 |
| 自动微分的数学基础 | 10-6-微分方程的应用与数值解法 | 数值方法中的灵敏度分析与误差传播 |
相关笔记
- 3-2-求导法则与基本公式 — 前置篇章。链式法则与四则法则必须配合使用,
本篇的每个例子都用到那篇给出的基本导数表。
- 3-1-导数的定义与几何意义 — 前置篇章。链式法则的严格证明依赖
「可导必连续」,也依赖导数定义本身;本篇例题 2 直接引用了那篇的结论。
- 1-3-三角函数与反三角函数 — 前置篇章。、、 与反三角函数的
恒等式是化简链式法则结果的关键工具。
- 3-4-高阶导数与莱布尼茨公式 — 同章兄弟。二阶导数就是对链式法则的第二次使用,
抽象函数的 是本篇例题 8 的直接延伸。
- 3-5-隐函数与参数方程求导 — 同章兄弟。对数求导法与本篇 4.7 节相连,
那篇会把它系统地用于隐函数与幂指函数。
- 3-6-微分与线性逼近 — 同章兄弟。微分形式不变性
是链式法则的另一种写法。
- 3-7-相关变化率 — 同章兄弟。相关变化率问题全部建立在
「变化率沿依赖链相乘」这一思想上。
- 5-2-换元积分法 — 后续章节。换元积分就是链式法则的逆运算,
本篇 FAQ 的 Q6 已经预告了这一点。
- 8-3-多元复合函数与隐函数求导 — 后续章节。多元情形的链式法则
变成「沿所有路径求和」,是本篇单链相乘的推广。
参考来源
- Banner, The Calculus Lifesaver: The Complete Guide to Calculus and Its Applications,
第 6 章「求导法则」§6.3(链式法则、outside × inside 讲法、对数求导法)。
教材本身,无 URL;frontmatter 记录的出版社页面为
https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
- MIT OpenCourseWare, 18.01SC Single Variable Calculus, Fall 2010,
Unit 1「Differentiation」Part B「Concepts of the Derivative」,
Session 11「Chain Rule」与 Session 12「Higher Derivatives」。
https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/pages/1.-differentiation/part-b-concepts-of-the-derivative/
- Eric W. Weisstein, 「Chain Rule」, MathWorld——链式法则的标准表述、
多层推广与相关恒等式。
https://mathworld.wolfram.com/ChainRule.html
- 苏德矿、金蒙伟等编《微积分》(高等教育出版社,浙江大学数学系教材),
「复合函数的求导法则」一节(含链式法则的证明与复合函数分解练习);
同济大学数学系《高等数学》上册「复合函数的求导法则」与
「基本求导法则与导数公式」两节。教材本身,无 URL。
- 教育部考试中心《全国硕士研究生招生考试数学考试大纲》,
「一元函数微分学」中「掌握复合函数的求导法则,会求幂指函数的导数,
会用对数求导法」的要求。教材本身,无 URL。