系列条目
微积分学
函数 极限论 微分学 积分 微积分基本定理 微积分发现权之争（英语：Leibniz–Newton calculus controversy）
基础概念（含极限论和级数论） 实数性质 函数 · 单调性 · 初等函数 · 数列 · 极限 · 实数的构造（1=0.999…） · 无穷（衔尾蛇） · 无穷小量 · ε-δ语言 · 实无穷（英语：Actual infinity） · 大O符号 · 最小上界 · 收敛数列 · 芝诺悖论 · 柯西序列 · 单调收敛定理 · 夹挤定理 · 波尔查诺-魏尔斯特拉斯定理 · 斯托尔兹-切萨罗定理 · 上极限和下极限 · 函数极限 · 渐近线 · 邻域 · 连续 · 连续函数 · 不连续点 · 狄利克雷函数 · 稠密集 · 一致连续 · 紧集 · 海涅-博雷尔定理 · 支撑集 · 欧几里得空间 · 点积 · 外积 · 三重积 · 拉格朗日恒等式 · 等价范数 · 坐标系 · 多元函数 · 凸集 · 巴拿赫不动点定理 · 级数 · 收敛级数（英语：convergent series） · 几何级数 · 调和级数 · 项测试 · 格兰迪级数 · 收敛半径 · 审敛法 · 柯西乘积 · 黎曼级数重排定理 · 函数项级数（英语：function series） · 一致收敛 · 迪尼定理 数列与级数 连续 函数
一元微分 差分 · 均差 · 微分 · 微分的线性（英语：linearity of differentiation） · 导数（流数法 · 二阶导数 · 光滑函数 · 高阶微分 · 莱布尼兹记号（英语：Leibniz's_notation） · 幽灵似的消失量） · 介值定理 · 中值定理（罗尔定理 · 拉格朗日中值定理 · 柯西中值定理） · 泰勒公式 · 求导法则（乘积法则 · 广义莱布尼茨定则（英语：General Leibniz rule） · 除法定则 · 倒数定则 · 链式法则） · 洛必达法则 · 反函数的微分 · Faà di Bruno公式（英语：Faà di Bruno's formula） · 对数微分法 · 导数列表 · 导数的函数应用（单调性 · 切线 · 极值 · 驻点 · 拐点 · 求导检测（英语：derivative test） · 凸函数 · 凹函数 · 简森不等式 · 曲线的曲率 · 埃尔米特插值） · 达布定理 · 魏尔施特拉斯函数
一元积分 积分表 定义 不定积分 定积分 黎曼积分 达布积分 勒贝格积分 积分的线性 求积分的技巧（换元积分法 · 三角换元法 · 分部积分法 · 部分分式积分法 · 降次积分法） 微元法 · 积分第一中值定理 · 积分第二中值定理 · 微积分基本定理 · 反常积分 · 柯西主值 · 积分函数（Β函数 · Γ函数 · 古德曼函数 · 椭圆积分） · 数值积分（矩形法 · 梯形公式 · 辛普森积分法 · 牛顿-寇次公式） · 积分判别法 · 傅里叶级数（狄利克雷定理 · 周期延拓） · 魏尔施特拉斯逼近定理 · 帕塞瓦尔定理 · 刘维尔定理
多元微积分 偏导数 · 隐函数 · 全微分（微分的形式不变性） · 二阶导数的对称性 · 全微分 · 方向导数 · 标量场 · 向量场 · 梯度（Nabla算子） · 多元泰勒公式 · 拉格朗日乘数 · 黑塞矩阵 · 鞍点 · 多重积分（逐次积分 · 积分顺序（英语：Order of integration (calculus)）） · 积分估值定理 · 旋转体 · 帕普斯-古尔丁中心化旋转定理 · 祖暅-卡瓦列里原理 · 托里拆利小号 · 雅可比矩阵 · 广义多重积分（高斯积分） · 若尔当曲线 · 曲线积分 · 曲面积分（施瓦茨的靴（俄语：Сапог Шварца）） · 散度 · 旋度 · 通量 · 可定向性 · 格林公式 · 高斯散度定理 · 斯托克斯定理及其外微分形式 · 若尔当测度 · 隐函数定理 · 皮亚诺-希尔伯特曲线 · 积分变换 · 卷积定理 · 积分符号内取微分 (莱布尼茨积分定则（英语：Leibniz integral rule）) · 多变量原函数的存在性（全微分方程） · 外微分的映射原像存在性（恰当形式） · 向量值函数 · 向量空间内的导数推广（英语：generalizations of the derivative）（加托导数 · 弗雷歇导数 · 矩阵的微积分（英语：matrix calculus）） · 弱微分
微分方程 常微分方程 · 柯西-利普希茨定理 · 皮亚诺存在性定理 · 分离变数法 · 级数展开法 · 积分因子 · 拉普拉斯算子 · 欧拉方法 · 柯西-欧拉方程 · 伯努利微分方程 · 克莱罗方程 · 全微分方程 · 线性微分方程 · 叠加原理 · 特征方程式 · 朗斯基行列式 · 微分算子法 · 差分方程 · 拉普拉斯变换 · 偏微分方程（拉普拉斯方程 · 泊松方程） · 施图姆-刘维尔理论 · N体问题 · 积分方程
相关数学家 牛顿 · 莱布尼兹 · 柯西 · 魏尔斯特拉斯  · 黎曼 · 拉格朗日 · 欧拉 · 帕斯卡 · 海涅 · 巴罗 · 波尔查诺 · 狄利克雷 · 格林 · 斯托克斯 · 若尔当 · 达布 · 傅里叶 · 拉普拉斯 · 雅各布·伯努利 · 约翰·白努利 · 阿达马 · 麦克劳林 · 迪尼 · 沃利斯 · 费马 · 达朗贝尔 · 黑维塞 · 吉布斯 · 奥斯特罗格拉德斯基 · 刘维尔 · 棣莫弗 · 格雷果里 · 玛达瓦（英语：Madhava of Sangamagrama） · 婆什迦罗第二 · 阿涅西 · 阿基米德
历史名作 从无穷小量分析来理解曲线（英语：Analyse des Infiniment Petits pour l'Intelligence des Lignes Courbes） · 分析学教程（英语：Cours d'Analyse） · 无穷小分析引论 · 用无穷级数做数学分析（英语：De analysi per aequationes numero terminorum infinitas） · 流形上的微积分（英语：Calculus on Manifolds (book)） · 微积分学教程 · 纯数学教程（英语：A Course of Pure Mathematics） · 机械原理方法论（英语：The Method of Mechanical Theorems）
分支学科 实变函数论 · 复分析 · 傅里叶分析 · 变分法 · 特殊函数 · 动力系统 · 微分几何 · 微分代数 · 向量分析 · 分数微积分 · 玛里亚温微积分（英语：Malliavin calculus） · 随机分析 · 最优化 · 非标准分析
查 论 编

链式法则，台湾地区亦称连锁律（英语：Chain rule），用于求合成函数的导数。

正式表述

两函数 ${\displaystyle f}$ 和 ${\displaystyle g}$ 的定义域 (${\displaystyle D_{f))$ 和 ${\displaystyle D_{g))$) 、值域 (${\displaystyle I_{f))$ 和 ${\displaystyle I_{g))$) 都包含于实数系 ${\displaystyle \mathbb {R} }$ ，若可以定义合成函数 ${\displaystyle g\circ f}$ (也就是 ${\displaystyle I_{f}\cap D_{g}\neq \varnothing }$ )，且 ${\displaystyle f}$ 于 ${\displaystyle a\in D_{f))$ 可微分，且 ${\displaystyle g}$ 于 ${\displaystyle f(a)\in I_{f}\cap D_{g))$ 可微分，则

${\displaystyle {(g\circ f)}^{\prime }(a)=g^{\prime }[f(a)]\cdot f^{\prime }(a)}$

也可以写成

${\displaystyle {\frac {dg[f(x)]}{dx)){\bigg |}_{x=a}={\frac {dg(y)}{dy)){\bigg |}_{y=f(a)}\cdot {\frac {df}{dx)){\bigg |}_{x=a))$

例子

求函数 ${\displaystyle f(x)=(x^{2}+1)^{3))$的导数。

设 ${\displaystyle g(x)=x^{2}+1}$

${\displaystyle h(g)=g^{3}\to h(g(x))=g(x)^{3}.}$

${\displaystyle f(x)=h(g(x))}$

${\displaystyle f'(x)=h'(g(x))g'(x)=3(g(x))^{2}(2x)=3(x^{2}+1)^{2}(2x)=6x(x^{2}+1)^{2}.}$

求函数 ${\displaystyle \arctan \,\sin \,x}$的导数。

${\displaystyle {\frac {d}{dx))\arctan \,x\,=\,{\frac {1}{1+x^{2))))$

${\displaystyle {\frac {d}{dx))\arctan \,f(x)\,=\,{\frac {f'(x)}{1+f^{2}(x)))}$

${\displaystyle {\frac {d}{dx))\arctan \,\sin \,x\,=\,{\frac {\cos \,x}{1+\sin ^{2}\,x))}$

证明

严谨的证明需要以下连续函数的极限定理：

${\displaystyle f}$ 和 ${\displaystyle g}$ 都是实函数，若可以定义合成函数 ${\displaystyle g\circ f}$ 且

• ${\displaystyle \lim _{x\to a}f(x)=L}$
• ${\displaystyle \lim _{y\to L}g(y)=g(L)}$

则有

${\displaystyle \lim _{x\to a}g[f(x)]=g(L)}$

只要展开极限的δ-ε定义，并考虑 ${\displaystyle f(x)}$ 等于或不等于 ${\displaystyle L}$ 的两种状况，这个极限定理就可以得证。

为了证明链式法则，定义一个函数 ${\displaystyle G}$ ，其定义域 ${\displaystyle D_{G}=D_{g))$ ， 而对应规则为

${\displaystyle G(y)={\begin{cases}\displaystyle {\frac {g(y)-g[f(a)]}{y-f(a)))&y\neq f(a)\\\\g^{\prime }[f(a)]&y=f(a)\end{cases))}$

和一个函数 ${\displaystyle F}$ ，其定义域 ${\displaystyle D_{F}=D_{f))$ ， 而对应规则为

${\displaystyle F(x)={\begin{cases}\displaystyle {\frac {f(x)-f(a)}{x-a))&x\neq a\\\\f^{\prime }(a)&x=a\end{cases))}$

这样，考虑到 ${\displaystyle g\circ f}$ 于 ${\displaystyle a}$ 的导数是以下函数（定义域为${\displaystyle D_{g\,\circ f))$）的极限

${\displaystyle \lim _{x\to a}{\frac {g(y)-g[f(a)]}{x-a))=\lim _{x\to a}G[f(x)]\cdot F(x)}$

因为可微则必连续（根据乘法的极限性质），所以 ${\displaystyle f}$ 于 ${\displaystyle a}$ 连续、 ${\displaystyle G}$ 于 ${\displaystyle f(a)}$ 连续，故根据上面的极限定理有

${\displaystyle \lim _{x\to a}G[f(x)]=g^{\prime }[f(a)]}$

而且针对一开始可微的前提有

${\displaystyle \lim _{x\to a}F(x)=f^{\prime }(a)}$

再根据乘法的极限性质有

${\displaystyle \lim _{x\to a}{\frac {g(y)-g[f(a)]}{x-a))=g^{\prime }[f(a)]\cdot f^{\prime }(a)}$

即为所求。 ${\displaystyle \Box }$

多元复合函数求导法则

考虑函数z = f(x, y)，其中x = g(t)，y = h(t)，g(t)和h(t)是可微函数，那么：

${\displaystyle {\ dz \over dt}={\partial z \over \partial x}{dx \over dt}+{\partial z \over \partial y}{dy \over dt}.}$

假设z = f(u, v)的每一个自变量都是二元函数，也就是说，u = h(x, y)，v = g(x, y)，且这些函数都是可微的。那么，z的偏导数为：

${\displaystyle {\partial z \over \partial x}={\partial z \over \partial u}{\partial u \over \partial x}+{\partial z \over \partial v}{\partial v \over \partial x))$

${\displaystyle {\partial z \over \partial y}={\partial z \over \partial u}{\partial u \over \partial y}+{\partial z \over \partial v}{\partial v \over \partial y}.}$

如果我们考虑

${\displaystyle {\vec {r))=(u,v)}$

为一个向量函数，我们可以用向量的表示法把以上的公式写成f的梯度与${\displaystyle {\vec {r))}$的偏导数的数量积：

${\displaystyle {\frac {\partial f}{\partial x))={\vec {\nabla ))f\cdot {\frac {\partial {\vec {r))}{\partial x)).}$

更一般地，对于从向量到向量的函数，求导法则为：

${\displaystyle {\frac {\partial (z_{1},\ldots ,z_{m})}{\partial (x_{1},\ldots ,x_{p})))={\frac {\partial (z_{1},\ldots ,z_{m})}{\partial (y_{1},\ldots ,y_{n}))){\frac {\partial (y_{1},\ldots ,y_{n})}{\partial (x_{1},\ldots ,x_{p}))).}$

高阶导数

复合函数的最初几个高阶导数为：

${\displaystyle {\frac {d(f\circ g)}{dx))={\frac {df}{dg)){\frac {dg}{dx))}$

${\displaystyle {\frac {d^{2}(f\circ g)}{dx^{2))}={\frac {d^{2}f}{dg^{2))}\left({\frac {dg}{dx))\right)^{2}+{\frac {df}{dg)){\frac {d^{2}g}{dx^{2))))$

${\displaystyle {\frac {d^{3}(f\circ g)}{dx^{3))}={\frac {d^{3}f}{dg^{3))}\left({\frac {dg}{dx))\right)^{3}+3{\frac {d^{2}f}{dg^{2))}{\frac {dg}{dx)){\frac {d^{2}g}{dx^{2))}+{\frac {df}{dg)){\frac {d^{3}g}{dx^{3))))$

${\displaystyle {\frac {d^{4}(f\circ g)}{dx^{4))}={\frac {d^{4}f}{dg^{4))}\left({\frac {dg}{dx))\right)^{4}+6{\frac {d^{3}f}{dg^{3))}\left({\frac {dg}{dx))\right)^{2}{\frac {d^{2}g}{dx^{2))}+{\frac {d^{2}f}{dg^{2))}\left\{4{\frac {dg}{dx)){\frac {d^{3}g}{dx^{3))}+3\left({\frac {d^{2}g}{dx^{2))}\right)^{2}\right\}+{\frac {df}{dg)){\frac {d^{4}g}{dx^{4))}.}$

参见

• 乘积法则
• 除法定则