一层网络同时处理一堆输入、吐出一堆输出——描述它们如何联动，靠的是雅可比矩阵

m2 里你见过偏导：一个函数 y=f(x)，x 动一点、y 怎么变。但真实神经网络一层是「一次性吃进 n 个输入、同时吐出 m 个输出」。这时只问「x₁ 动一点、y₁ 怎么变」已经不够了——n 个输入每个都会影响 m 个输出的每一个。把这 n×m 个影响全部算出来、整齐排成一张表，就是雅可比矩阵（Jacobian）。它是反向传播的真正「通用语言」。

因果线：先回忆一元函数的导数就是「斜率」→ 升级到多元函数，每个输入对每个输出的影响是一个偏导 → 把所有偏导按「行=输出、列=输入」排成 m×n 的表，即雅可比 → 手算一个 R²→R² 的小例子 → 复合多层时，总变化率是各层雅可比相乘，这正是反向传播在算的事。

2.1 生活直觉与高中搭桥：从「一个旋钮一个表针」到「一排旋钮一排表针」

想象一台收音机：拧一个音量旋钮（一个输入），只有一个音量表针动（一个输出），你量一下旋钮拧 1 格表针动几格，就是一元导数。现在升级成调音台：一排 n 个旋钮（高音、低音、混响…），一排 m 个表针（左声道、右声道、总输出…）。任意拧一个旋钮，会同时牵动好几根表针。要完整描述这台机器怎么响应，你得回答 n×m 个问题：「拧第 j 个旋钮一格，第 i 根表针动多少？」把这 n×m 个答案写成一张表——行是表针（输出）、列是旋钮（输入）——就是雅可比。

从高中知识搭桥，符号读法：•偏导 ∂f/∂x（读「偏 f 偏 x」）：只动 x、其它输入不动时，f 的瞬时变化率，m2 已讲。•雅可比 J（读「雅可比矩阵」）：∂fᵢ/∂xⱼ 是它第 i 行第 j 列的元素。•形状：函数吃进 n 个输入、吐出 m 个输出，则 J 是 m 行 n 列，记 m×n。•关键直觉：雅可比是「这台机器在某一点附近的局部线性化」——在很小的范围里，这台弯弯曲曲的机器可以近似成一块线性变换（就是那张 J 表）。

2.2 严格表述：第 i 行第 j 列，就是「第 j 个输入对第 i 个输出的偏导」

给定 f: Rⁿ → Rᵐ，即吃 n 个输入、吐 m 个输出，写成 f(x₁,…,xₙ) = (f₁,…,fₘ)。它在某点的雅可比是 m×n 矩阵：J 的第 i 行第 j 列 = ∂fᵢ/∂xⱼ。读法：横向读，固定一个输出 fᵢ，它对所有 n 个输入的偏导排成一行；纵向读，固定一个输入 xⱼ，它对所有 m 个输出的影响排成一列。一个重要特例：若 m=1（只吐一个数，比如损失 L），雅可比就退化成一行 1×n 的矩阵——这正是 m2 讲的「梯度」（梯度向量转置成行）。所以梯度是雅可比的特例，雅可比是梯度的推广。

2.3 手算小例：f: R²→R²，在 (1,2) 处把表填出来

取一个能手算的函数 f(x₁,x₂) = (f₁, f₂)，其中：f₁ = x₁² + x₂，f₂ = 3·x₁ + x₂²。逐项求偏导（每步中间值写出来）：•∂f₁/∂x₁ = 2x₁（对 x₁² 求导），∂f₁/∂x₂ = 1（x₂ 的系数）。•∂f₂/∂x₁ = 3（x₁ 的系数），∂f₂/∂x₂ = 2x₂（对 x₂² 求导）。所以雅可比 J = [[2x₁, 1],[3, 2x₂]]。代入点 (x₁,x₂)=(1,2)：J(1,2) = [[2·1, 1],[3, 2·2]] = [[2, 1],[3, 4]]。形状 2×2：2 个输出、2 个输入，完全对得上。

雅可比的「局部线性化」含义，用一个小扰动看明白：给输入一个小位移 dx=[0.01, 0.02]（x₁ 加 0.01、x₂ 加 0.02），输出的变化 df 近似等于 J·dx：df = J(1,2)·[0.01, 0.02]ᵀ = [[2,1],[3,4]]·[0.01,0.02] = [2·0.01+1·0.02, 3·0.01+4·0.02] = [0.04, 0.11]。直接把 (1.01, 2.02) 代回 f 精确算：f(1.01,2.02)−f(1,2) = [0.0401, 0.1104]。线性近似 [0.04, 0.11] 与精确值非常接近——差值就是忽略掉的高阶小量，dx 越小越准。这就是「雅可比=局部线性近似」的实证。

2.4 为什么 AI / 大模型需要它：反向传播 = 雅可比沿层相乘

m2 讲过链式法则：复合函数的导数是各段导数相乘。一层网络是一次「输入→输出」的变换，有自己的雅可比；多层叠起来就是多次变换复合。总变换对输入的雅可比，等于各层雅可比按顺序相乘。梯度之所以能一层一层往回传，靠的就是这一点。

用刚才的小扰动语言翻译：输出变化 = 雅可比 × 输入变化。把它倒过来——「想知道损失 L 对某层参数的梯度」，就是把从该层到 L 的每一段雅可比按链式乘起来。stage17 的神经网络/反向传播课会真的对一层 y=Wx+b 手算 ∂L/∂W、∂L/∂x，那里的每一个矩阵求导，本质就是这里说的「多入多出偏导排成表、再沿层相乘」。你现在先建立形状直觉，到 stage17 就不会觉得反向传播是魔法。

本节小结

一条线：一元导数是「一个旋钮对一个表针」，多元下 n 个旋钮对 m 个表针要回答 n×m 个问题 → 把偏导 ∂fᵢ/∂xⱼ 按「行=输出、列=输入」排成 m×n 的表，即雅可比；m=1 时它退化成一行，就是 m2 的梯度 → 手算 f=(x₁²+x₂, 3x₁+x₂²) 在 (1,2) 得 J=[[2,1],[3,4]]，小扰动 dx=[0.01,0.02] 时 J·dx=[0.04,0.11]，与精确值 [0.0401,0.1104] 吻合，印证「局部线性化」 → 复合多层时，总梯度是各层雅可比沿链式依次相乘，这正是反向传播在做的事，stage17 会对单层手算 ∂L/∂W。下一课转到概率：怎么按状态转移反复采样来估计一个分布。