最后更新: 2025-09-06 06:52 查看: 3629 次反馈能力测评会员8.2元/月赞助

复合函数求导法则

## 一元复合函数求导法则

> 复合函数的求导法则分为**一元函数的求导法则**和**多元函数(偏导数)的求导法则**，本文介绍的一元函数的求导法则，要查看多元函数的求导发展，请点击 [多元函数复合求导链式法则](https://kb.kmath.cn/kbase/detail.aspx?id=385)

### 复合函数的正确分解 
$y=f[g(x)]$ 由内函数 $u=g(x)$ 和外函数 $y=f(u)$ 复合而成.
例如， $y=\sin ^2 x$ 由 $u=\sin x$ 和 $y=u^2$ 复合而成，
$y=\ln \frac{x^2-1}{x^2+1}$ 由 $u=\frac{x^2+1}{x^2-1}$ 和 $y=\ln u$ 复合而成.

### 显函数与隐函数的表示方式

函数 $y=f(x)$ 表示变量 $y$ 与 $x$ 之间的对应关系， 这种对应关系可以用不同的方式表达。例如， $y=\sin x, y=\ln \left(x+\sqrt{1+x^2}\right)$ ，用这种方式表达的函数叫作**显函数**. 但也有些函数的表达方式不是这样，如 $x \mathrm{e}^y-y+1=0 ， \quad x+y^3+1=0 \quad$ 通过一个方程确定变量 $y$ 与 $x$ 之间的对应关系，但是并不容易写出$x$表达$y$, 这样的函数称为**隐函数**.

### 由参数确定的方程 
在实际问题中，函数 $y$ 与自变量 $x$ 可能不是直接由 $y=f(x)$ 表示， 而是通过一参变量 $t$ 来表示，即

$$
\left\{\begin{array}{l}
x=\varphi(t) \\
y=\psi(t)
\end{array}\right.
$$

比如
$$
\left\{\begin{array}{l}
x=\sin^2 t \\
y=\cos^2 t
\end{array}\right.
$$

特别的，有时候也会把$y=f(x)$当做参数方程来看，只是这时 $x=x$，即 
$$
\left\{\begin{array}{l}
x=x \\
y=f(x)
\end{array}\right.
$$

对于 显函数、隐函数和参数方程确定的函数进行求导统称为**复合函数求导**。

## 复合函数的求导法则 
如果 $y=f(u)$ 在点 $u$ 处可导， $u=g(x)$ 在点 $x$ 处可导，则复合函数 $y=f[g(x)]$ 在点 $x$ 处可导，则有如下结论

$$\boxed{
\frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} x} \text { (即 } y^{\prime}(x)=f^{\prime}(u) \cdot g^{\prime}(x) )
}
$$

**证明**：由 $u=g(x)$ 在点 $x$ 处连续(可导 $\Rightarrow$ 连续)知， 当 $\Delta x \rightarrow 0$ 时，
$\Delta u=g(x+\Delta x)-g(x) \rightarrow 0$ 故 $\lim _{\Delta x \rightarrow 0} \alpha=\lim _{\Delta u \rightarrow 0} \alpha=0$ 因此，

$$
\frac{\mathrm{d} y}{\mathrm{~d} x}=\lim _{\Delta x \rightarrow 0} \frac{\Delta y}{\Delta x}=\lim _{\Delta x \rightarrow 0}\left[f^{\prime}(u) \frac{\Delta u}{\Delta x}+\alpha \frac{\Delta u}{\Delta x}\right]=f^{\prime}(u) g^{\prime}(x) \text { 即 } \frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} x}
$$

> 在实际应用中，可将 $\frac{d y}{d x}=\frac{d y}{d z} \cdot \frac{d z}{d x}$ 看作是**分数的约分**过程。

复合函数的求导法则也称为**链式法则**， 它可推广到有限个函数复合的情形.
比如，若 $y=f(u) ， u=g(v)$ 和 $v=h(x)$ 可导，则 $y=f\{g[h(x)]\}$

$$
\boxed{
\frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} v} \cdot \frac{\mathrm{d} v}{\mathrm{~d} x}=f^{\prime}(u) \cdot g^{\prime}(v) \cdot h^{\prime}(x)
}
$$

> 复合函数求导，犹如剥洋葱，一层层从外往里剥，直到剥到最里层。最里层即是微分表里所载的16个[基本微分函数](https://kb.kmath.cn/kbase/detail.aspx?id=1274)，这种法则被称为**洋葱法则**。

## 例题

`例` 求下列函数的导数
(1) $y=e^{2x}$
设 $y=\mathrm{e}^u, u=2 x$ 则

$$
\frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} x}=\left(\mathrm{e}^u\right)^{\prime} \cdot(2 x)^{\prime}=\mathrm{e}^u \cdot 2=2 \mathrm{e}^u=2 \mathrm{e}^{2 x}
$$

(2) $y=\sin x^2$
设 $y=\sin u, u=x^2$ ，则 $\frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} x}=(\sin u)^{\prime} \cdot\left(x^2\right)^{\prime}=\cos u \cdot 2 x=2 x \cos x^2$

(3) $y=\left(x^2+1\right)^{10}$
设 $y=u^{10}, u=x^2+1$ ，则 $\frac{\mathrm{d} y}{\mathrm{~d} x}=\frac{\mathrm{d} y}{\mathrm{~d} u} \cdot \frac{\mathrm{d} u}{\mathrm{~d} x}

其他版本
【数学分析】复合函数的求导法则

免费注册看余下 70%

非VIP会员每天5篇文章，开通VIP 无限制查看

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：反函数的求导法则

下一篇：二阶导数及其意义

本文对您是否有用？有用 (3) 无用 (1)