如何为`scipy.optimize.minimize`定义方程系统的Jacobian？

Question

我有一个非线性方程组，我想用Scipy优化和dog-leg trust-region方法求解

因为我有方程组的雅可比矩阵，我不认为我需要使用在numdifftools中实现的Jacobian, Hessian。因此，我想知道如何为optimize函数提供雅可比数，其中x(1)和x(2)是要求解的变量，其余（a,b,c,d,e,f,g）只是我将传递给函数的常量

我的方程系统雅可比矩阵（myJacobian）的以下实现是否正确

def myJacobian(self,a)
    jacF = [- g - (g**2*x(2)*x(1)*(c))/50,- (g**2*x(2)**2*(c))/100 - (d**2*f**2*(c))/100,
            2*g**2*x(2)*(b - e*f) + (g**2*e*x(2)*f*x(1))/100,(e*d**2*f**3)/200 + (e*g**2*x(2)**2*f)/200];
    return jacF

scipy.optimize.minimize(fun, x0, args, method='dogleg', jac=myJacobian)