KNOWECON WIKI

ARTICLE

乘积法则

乘积法则 (Product Rule) 乘积法则 (Product Rule) 是微积分中微分学的基本运算法则之一，与链式法则和商法则并称为求导运算的三大核心工具。它表述为：两个可导函数相乘所得乘积的导数，等于第一个函数的导数乘以第二个函数，再加上第一个函数乘以第二个函数的导数。这一看似简单的规则，不仅是数学分析的技术基石，更在经济学、物理学和工程学中拥有深

浏览 4 更新 2025-10-26

乘积法则 (Product Rule)

乘积法则 (Product Rule) 是微积分中微分学的基本运算法则之一，与链式法则和商法则并称为求导运算的三大核心工具。它表述为：两个可导函数相乘所得乘积的导数，等于第一个函数的导数乘以第二个函数，再加上第一个函数乘以第二个函数的导数。这一看似简单的规则，不仅是数学分析的技术基石，更在经济学、物理学和工程学中拥有深远的应用——尤其是当某一经济变量被表达为两个具有不同经济含义的因子之积时，乘积法则能够精确地将总变动的来源分解为各因子的边际贡献。

基本形式

设 u(x) u(x) 和 v(x) v(x) 均为在 x x 处可导的函数，则其乘积 y=u(x)⋅v(x) y = u(x) \cdot v(x) 的导数为：

ddx[u(x)⋅v(x)]=u′(x)⋅v(x)+u(x)⋅v′(x)\frac{d}{dx}\big[u(x) \cdot v(x)\big] = u'(x) \cdot v(x) + u(x) \cdot v'(x)

用更紧凑的记号也可记作 (uv)′=u′v+uv′ (uv)' = u'v + uv' 。在莱布尼茨记号下，若 y=uv y = uv ，则

dydx=v⋅dudx+u⋅dvdx\frac{dy}{dx} = v \cdot \frac{du}{dx} + u \cdot \frac{dv}{dx}

此公式揭示了一个关键结构：总变化率由两部分叠加而成——一部分源于第一个因子的变化（u′v u'v ），另一部分源于第二个因子的变化（uv′ uv' ）。

直观理解

乘积法则可通过一个矩形面积的变化来直观感知。设矩形的长为 u(x) u(x) 、宽为 v(x) v(x) ，其面积 A(x)=u(x)⋅v(x) A(x) = u(x) \cdot v(x) 。当 x x 发生微小增量 Δx \Delta x 时，长和宽分别变化 Δu≈u′(x)Δx \Delta u \approx u'(x)\Delta x 与 Δv≈v′(x)Δx \Delta v \approx v'(x)\Delta x 。面积的变化量来自三个贡献：

ΔA=(Δu)⋅v+u⋅(Δv)+(Δu)(Δv)\Delta A = (\Delta u) \cdot v + u \cdot (\Delta v) + (\Delta u)(\Delta v)

其中，(Δu)(Δv) (\Delta u)(\Delta v) 是二阶无穷小量，当 Δx→0 \Delta x \to 0 时其相对于 Δx \Delta x 趋近于零，因此：

dAdx=dudx⋅v+u⋅dvdx\frac{dA}{dx} = \frac{du}{dx} \cdot v + u \cdot \frac{dv}{dx}

这一几何直觉——面积变化等于"长边拉伸"加"宽边拉伸"——正是乘积法则的物理本质。

从导数定义严格推导

乘积法则可由导数的第一性原理严格证明。根据定义：

ddx(uv)=lim⁡Δx→0u(x+Δx)v(x+Δx)−u(x)v(x)Δx\frac{d}{dx}(uv) = \lim_{\Delta x \to 0} \frac{u(x + \Delta x)v(x + \Delta x) - u(x)v(x)}{\Delta x}

在分子中加减共同项 u(x+Δx)v(x) u(x + \Delta x)v(x) ，将差商拆解为两个部分：

u(x+Δx)v(x+Δx)−u(x+Δx)v(x)+u(x+Δx)v(x)−u(x)v(x)Δx\frac{u(x+\Delta x)v(x+\Delta x) - u(x+\Delta x)v(x) + u(x+\Delta x)v(x) - u(x)v(x)}{\Delta x}

整理后取极限：

lim⁡Δx→0[u(x+Δx)⋅v(x+Δx)−v(x)Δx+v(x)⋅u(x+Δx)−u(x)Δx]\lim_{\Delta x \to 0} \left[ u(x+\Delta x) \cdot \frac{v(x+\Delta x)-v(x)}{\Delta x} + v(x) \cdot \frac{u(x+\Delta x)-u(x)}{\Delta x} \right]

由于 u u 可导必连续，lim⁡Δx→0u(x+Δx)=u(x) \lim_{\Delta x \to 0} u(x+\Delta x) = u(x) ，即得 u′(x)v(x)+u(x)v′(x) u'(x)v(x) + u(x)v'(x) 。这一推导的巧妙之处在于通过加减同一项，将乘积的差分分解为两个可分别处理的独立部分，体现了"分解—重组"的分析思维。

推广形式

三项乘积

对于三个函数 u(x) u(x) 、v(x) v(x) 、w(x) w(x) 的乘积，连续应用两次乘积法则可得：

(uvw)′=u′vw+uv′w+uvw′(uvw)' = u'vw + uv'w + uvw'

每一项恰好将导数作用于三个因子的其中之一，而其余因子保持不变。这一规律可自然推广至任意有限个函数：

(f1f2⋯fn)′=∑i=1nf1⋯fi−1⋅fi′⋅fi+1⋯fn(f_1 f_2 \cdots f_n)' = \sum_{i=1}^{n} f_1 \cdots f_{i-1} \cdot f_i' \cdot f_{i+1} \cdots f_n

即对每一个因子依次求导一次，其余因子保持原样，然后将所有项相加。该推广形式在概率论中处理多个独立随机变量联合密度的分解时尤为有用。

与常数的乘积

当其中一个因子为常数 c c （即 v(x)=c v(x) = c ）时，v′(x)=0 v'(x) = 0 ，乘积法则退化为熟知的常数倍法则：(c⋅u)′=c⋅u′ (c \cdot u)' = c \cdot u' ，这与常数因子的导数性质自洽。

乘积法则与其他求导法则的关系

与商法则

商法则本身可由乘积法则与链式法则直接导出。对于 y=u/v y = u/v ，将其视为乘积 u⋅v−1 u \cdot v^{-1} ，应用乘积法则和链式法则（对 v−1 v^{-1} 求导）便得到：

(uv)′=u′v−uv′v2\left(\frac{u}{v}\right)' = \frac{u'v - uv'}{v^2}

因此从逻辑上讲，乘积法则是更为基本的运算规则，商法则是其特例。

与链式法则

当乘积中的某一因子本身为复合函数时，乘积法则必须与链式法则联合使用。例如，对于 y=x⋅ex2 y = x \cdot e^{x^2} ，x x 的导数为 1 1 ，而 ex2 e^{x^2} 的导数需要以链式法则求得 2x⋅ex2 2x \cdot e^{x^2} 。二者结合后：

y′=1⋅ex2+x⋅2x⋅ex2=ex2(1+2x2)y' = 1 \cdot e^{x^2} + x \cdot 2x \cdot e^{x^2} = e^{x^2}(1 + 2x^2)

这种嵌套应用在涉及指数衰减、多项式与周期函数相乘的建模情境中极为常见。

经济学中的应用

边际收益分解

在微观经济学中，企业总收入 R(Q)=P(Q)⋅Q R(Q) = P(Q) \cdot Q 是价格与销售量的乘积，其中 P(Q) P(Q) 为反需求函数。对 Q Q 求导得到边际收益：

MR(Q)=dRdQ=P′(Q)⋅Q+P(Q)⋅1=P(Q)+Q⋅dPdQMR(Q) = \frac{dR}{dQ} = P'(Q) \cdot Q + P(Q) \cdot 1 = P(Q) + Q \cdot \frac{dP}{dQ}

由于需求定律决定了 dPdQ<0 \frac{dP}{dQ} < 0 （价格随销售量增加而下降），因此 MR<P MR < P ——这是垄断定价理论的核心结论。乘积法则在此精确地将边际收益分解为两部分：一是以当前价格出售额外一单位带来的收入 P(Q) P(Q) ，二是由于必须降价而导致的已有销售量的收入损失 Q⋅dP/dQ Q \cdot dP/dQ 。

弹性与需求的乘积分解

考虑需求的价格弹性 ε=dQdP⋅PQ \varepsilon = \frac{dQ}{dP} \cdot \frac{P}{Q} 。若我们希望研究总支出 E(P)=P⋅Q(P) E(P) = P \cdot Q(P) 对价格的敏感性，乘积法则直接给出：

dEdP=Q(P)+P⋅dQdP=Q(P)[1+PQ⋅dQdP]=Q(P)[1+ε]\frac{dE}{dP} = Q(P) + P \cdot \frac{dQ}{dP} = Q(P)\left[1 + \frac{P}{Q} \cdot \frac{dQ}{dP}\right] = Q(P)\left[1 + \varepsilon\right]

当 ε<−1 \varepsilon < -1 （富有弹性）时，dEdP<0 \frac{dE}{dP} < 0 ，涨价导致总支出下降；当 ε>−1 \varepsilon > -1 （缺乏弹性）时则相反。这一简洁结论的背后正是乘积法则的分解力量。

柯布-道格拉斯生产函数

柯布-道格拉斯生产函数 Y=A⋅KαLβ Y = A \cdot K^{\alpha}L^{\beta} 虽非直接乘积形式，但对某一投入要素求导时本质上涉及乘积法则。考虑劳动的边际产出：

MPL=∂Y∂L=A⋅Kα⋅βLβ−1=β⋅YLMP_L = \frac{\partial Y}{\partial L} = A \cdot K^{\alpha} \cdot \beta L^{\beta - 1} = \beta \cdot \frac{Y}{L}

虽然 AKα A K^{\alpha} 在此相对于 L L 为常数（偏导数意义下），但在全微分框架下，若考虑 K K 也随时间变化，则 dYdt \frac{dY}{dt} 的分解直接依赖于乘积法则：

dYdt=A⋅αKα−1Lβ⋅dKdt+A⋅KαβLβ−1⋅dLdt\frac{dY}{dt} = A \cdot \alpha K^{\alpha - 1}L^{\beta} \cdot \frac{dK}{dt} + A \cdot K^{\alpha} \beta L^{\beta - 1} \cdot \frac{dL}{dt}

这正是增长核算中将产出增长率分解为资本贡献和劳动贡献的数学基础。

税收归宿分析

对商品征收从量税 t t 时，税收收入 T=t⋅Q T = t \cdot Q 。税率 t t 变动对税收收入的影响可用乘积法则分析：

dTdt=Q+t⋅dQdt\frac{dT}{dt} = Q + t \cdot \frac{dQ}{dt}

第一项 Q Q 为正（给定税基，税率越高收入越多），第二项 t⋅dQ/dt t \cdot dQ/dt 为负（税率上升抑制需求、缩小税基）。在拉弗曲线的峰值处，dTdt=0 \frac{dT}{dt} = 0 ，即正反两种效应的平衡点，这也由乘积法则精确刻画。

注意事项

初学者在使用乘积法则时最常犯的错误是将 (uv)′ (uv)' 误写成 u′v′ u'v' ，即将导数的乘积当作乘积的导数。记住以下口诀可避免此类错误："导一留二，加留一导二"——分别对第一个函数求导（第二个不动），然后第一个不动、对第二个求导，最后相加。

此外，在实际计算中，若某因子为简单常数，直接提取常数后对剩余部分求导往往更简便。若某个函数形式复杂（如含根号、对数），在求导前先通过代数恒等变换将其简化为合适形式，可以显著降低计算出错的风险。

历史注记

乘积法则的发现通常归功于莱布尼茨（Gottfried Wilhelm Leibniz, 1646–1716），他于1677年在一份手稿中首次提出了这一规则。值得注意的是，莱布尼茨最初对 (uv)′=u′v′ (uv)' = u'v' 的猜想持有怀疑，通过将乘积视为矩形面积的增量分析后才得出正确形式。这一发现与新记号的创立同步：莱布尼茨的 dy/dx dy/dx 记法使乘积法则的表达尤为优雅且易于记忆。与之对照，牛顿的流数记法虽然在物理应用中同样有效，但在推广和符号操作上不如莱布尼茨体系直观。乘积法则的出现标志着微积分从几何直觉向代数规则的转变，为后世分析学的严谨化奠定了基础。

总结

乘积法则是微分学中结构最清晰、应用最广泛的法则之一。它的核心——总变化等于各因子变化贡献的叠加——完美体现了边际分析的分解思想。从纯粹数学的严格推导到经济学的边际收益定价，从物理学的运动分解到金融学中的风险归因，这一法则始终是连接量变与质变的基本分析工具。在更广泛的经济学推理中，当变量天然以乘积形式出现时（收入 = = 价格 × \times 数量、税收 = = 税率 × \times 税基、产出 = = 效率 × \times 投入），乘积法则不仅是计算工具，更是一种理解经济关系结构的方式。