复合函数求导，本质上不是几个公式的好办堆叠，而是个“动态拆解”的过程。想象一下，你手里拿着一串钥匙，每把钥匙都嵌套在一层铜壳里，怪闻名的内外两层结构。最外层是那个复杂的函数 $f$，里面裹着第二层 $g$，而里面又藏着第三层 $h$。
这时候你要求导数，实际上就是给整个链条剥开一层皮，看看最外面那层如何变动，与此同时还得推一下里面的锁芯。 别当作这就是个死板的流程，实际上这就跟咱们日常做饭切菜有点像。你不是先把所有菜都切完再炒菜，而是拿起一把刀，咔嚓一下，把最外层的苹果片下来，这时候你得先算这层果肉如何反应，然后再盯着剩下的核看它会不会出于外皮的撕裂而变形。
要是这层忒厚，影响视线，那就得先把它挖空，用工具磨平了边缘，最终才启动内部的化学反应。 具体的推导，往往就是从“链式法则”这个核心概念里挖出来的。假设你有一个像 $y = f(g(x))$ 这样的结构，其中 $u = g(x)$ 是个中间变量。
这时候，$y$ 的变化彻底取决于 $g$ 和 $u$ 的变化。
这就好比你跑步，你的速度 $v$ 取决于你行走的速度 $u$，而 $u$ 又取决于你心跳的速率 $x$。
这时候，你对 $x$ 求导，就不能只盯着 $v$ 看，出于 $v$ 是靠 $u$ 变动的。你得先算出 $u$ 对 $x$ 的敏感度，再用这个敏感度去乘以 $v$ 对 $u$ 的敏感度。 举个例子，设 $y = sin(x^2)$。乍一看，这是正弦函数套个平方，结构挺清楚。但要是你直接硬套公式，可能会困惑：是应当先把 $sin$ 的复合局部看作整体再积分，还是分开算？实际上高手会如此想：$y$ 的变化 $dy$ 等于 $cos(x^2)$ 乘以 $x^2$ 的变化量 $d(x^2)$。而 $x^2$ 的变化量，又是 $2x cdot dx$。
这就把难题给拆解了。
这里有个小陷阱，就是 $x^2$ 里的 $x$ 实际上也是复合函数的一局部，要是直接拿 $2x$ 代入，那 $x$ 本身又是 $g(t)$ 吗？不对，等会儿再看。 实际上最直观的，就是把分解到裸的最底层的变量。对于 $y = sin(x^2)$，最底层的变量实际上是 $x$ 和 $x^2$，而 $y$ 依赖于 $x^2$。
故此 $y$ 对 $x$ 的导数，就是 $cos(x^2)$ 乘以 $x^2$ 对 $x$ 的导数。
这里 $x^2$ 对 $x$ 的导数是 $2x$。便结局就是 $cos(x^2) cdot 2x$。 这时候你会想到，那 $2x$ 里面的 $x$ 是不是还得再套一层？自然，要是是 $y = sin(cos(x))$，那就费事了。
这时候最外层是 $sin(cdot)$，中间是 $cos(cdot)$，最底层是 $x$。求 $y'$ 时，先拿最外层 $cos(x)$ 的导数 $-sin(cos(x))$ 扛那会儿，然后乘以内层 $cos(x)$ 对 $x$ 的导数 $-sin(cos(x))$。
这就把三次嵌套给拆解成了两步走：先算最外层的“外壳”如何动，再算最里层的“内核”如何动，最终把它们加在一起相乘。 再换个角度想，求导实际上是求“速率”。复合函数的速率，就是内层变化的速率乘以外层对内部状态的敏感度。
要是内层 $g(x)$ 变化挺慢，那复合函数的整体变化就慢；要是内层变化极快，但外层对内部不敏感，那整体变化可能也挺慢。
这种直觉，在公式推导里就是体现为那个乘积符号。 为了弄得更明白，我们能够看一个更具体的例子。设 $y = f(u)$，其中 $u = g(x)$。我们需求求 $frac{dy}{dx}$。出于 $y$ 和 $u$ 相关，而 $u$ 和 $x$ 相关，故此 $frac{dy}{dx} = frac{dy}{du} cdot frac{du}{dx}$。
这个公式本身就挺简洁，但大量人当作这就是全体了。
实际上连 $frac{dy}{du}$ 和 $frac{du}{dx}$ 里的变量，可能还藏着更深层的关系。
比如 $u = g(x)$ 本身，要是 $g$ 是个复合函数 $g(x)$，那求导的时候还得持续往下剥。 这时候我发现，要是 $y = sin(x^2)$，直接套用公式 $frac{d}{dx}sin(u) = cos(u) cdot frac{du}{dx}$，这里 $u=x^2$。
接着又发现 $frac{du}{dx}$ 也是复合函数，$u=g(x)$。假设 $g(x)$ 是 $h(t)$，而 $x$ 是 $t$ 的函数。
这就有点绕了，出于 $g(x)$ 里的 $x$，就是我们的目标变量 $x$。
这时候，我们在求 $frac{du}{dx}$ 时，实际上是求 $frac{d}{dx}(g(x))$，而 $g(x)$ 是由 $h(t)$ 构成的，其中 $t=x$。 这就引出了一个难题：当我们写 $g(x)$ 时，我们实际上是在指代一个“函数”，而函数内部又可能包含了另一个函数。
这时候，求导的时候，我们需求把“函数”这个概念拆解到底。对于 $u = g(x)$，它的导数实际上是 $u$ 对某个底层变量的导数，再乘以底层变量对 $x$ 的导数。
也就是说，$g(x)$ 的导数 = $(g text{ 在底层变量的导数}) times (x text{ 在底层变量的导数})$。 这就把大难题化小化了。
原本要处理多层嵌套，目前变成了：先把最外层 $y(f(u))$ 的导数算出来，拿到 $f'(u) cdot u'$；然后 $u'(x)$ 再算出来，拿到 $g'(x) cdot x'$；最终把这三层连起来，$f'(u) cdot g'(x) cdot x'$。 在这个过程中，你会发现每次“剥皮”都有一个细小的陷阱。
比如求 $y = sin(x^2)$，学生挺好办忘记 $x^2$ 里的 $x$ 也是变量。
要么求 $y = cos(arctan(x))$ 时，中间层 $arctan(x)$ 的导数求出来是 $1/(1+x^2)$，这时候别忘了再乘以最内层 $x$ 的导数。
要是中间层导数算错了，后面的全白搭。 还有个细思极恐的地方是，有时候“最内层”不只是是 $x$，可能是一个常数，也可能是另一个函数。
比如 $y = sin(2x + 3)$。
这时候内部是 $2x+3$，它的导数是 $2$。再乘以外层 $cos(dots)$ 的结局，就是 $2cos(2x+3)$。
这里 $2$ 是个常数，求导后还是 $2$，没有变化。但要是内部是 $arcsin(x)$，那内部的就是一个变量，它的导数就是 $1/sqrt{1-x^2}$，这时候就得小心夹逼。 实际上说到底，复合函数求导的根本逻辑就是“分而治之”。面对一团复杂的嵌套函数，不要试图一下子把它看全。把它切成小块，一块一块地算，再一块一块地拼。先算最外面的外壳如何动，再算里面的锁芯如何转，最终把这两股力量合在一起。 要是你试着用计算机去模拟这个过程，你会发现算法会先识别出所有嵌套层级，然后从上往下逐层记录。每处理一层，就会把上一层的导数结局，乘以当前层的自变量对上一层的导数。
这是一种递归的思维模式。就像爬楼梯，你每上一级，都要数一下自己这级台阶和下面的楼梯是如何连接的。 最终，当所有层都算完，把所有导数连乘进去，拿到的结局，就是整个链条的总速率。
这个“乘积”并不是好办的加法，而是瞬时速度叠加在背后的几何意义。每一次乘法，都是在计算“变化的加速”——内层变化越快，外层对它的响应就越剧烈。 故此，复合函数求导，看似只是几个公式的乘法，实则是不同变量之间相互牵绊的力学分析。它要求我们拥有一种拆解复杂结构的勇气，一种层层递进的耐心，一种把局部动态和全局动态结合起来的本事。
只要记得一直有一根“链”连着最底层的自变量，直到最终，所有的微分就都能归零了。
