广义雅可比矩阵定义 - 应用于非线性方程组、优化问题等

广义雅可比矩阵是对于一个函数 $f:\mathbb{R}^n\rightarrow\mathbb{R}^m$，其定义为：

$$\begin{bmatrix}\frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots & \frac{\partial f_1}{\partial x_n} \\frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_2}{\partial x_n} \\vdots & \vdots & \ddots & \vdots \\frac{\partial f_m}{\partial x_1} & \frac{\partial f_m}{\partial x_2} & \cdots & \frac{\partial f_m}{\partial x_n} \end{bmatrix}$$

其中，$f_i$ 表示函数 $f$ 的第 $i$ 个分量，$x_j$ 表示自变量的第 $j$ 个分量。广义雅可比矩阵也可以表示为 $\frac{\partial\boldsymbol{f}}{\partial\boldsymbol{x}}$，其中 $\boldsymbol{f}$ 和 $\boldsymbol{x}$ 分别表示函数 $f$ 的输出和输入向量。广义雅可比矩阵在求解非线性方程组、优化问题以及偏微分方程等问题中有广泛应用。