编写一段python代码，输出Newton-Raphson算法中的雅可比矩阵

Newton-Raphson算法中的雅可比矩阵是由目标方程对每个变量的偏导数组成的矩阵。以下是一个简单的Python代码示例，用于计算目标方程的雅可比矩阵：

import numpy as np

# 定义目标方程
def f(x):
    return np.array([x[0]**2 + x[1]**2 - 1, x[0]*x[1] - 1])

# 定义目标方程的雅可比矩阵
def jacobian(x):
    return np.array([[2*x[0], 2*x[1]], [x[1], x[0]]])

# 初始化迭代
x = np.array([1, 1])

# 迭代Newton-Raphson算法
for i in range(10):
    delta_x = np.linalg.solve(jacobian(x), -f(x))
    x = x + delta_x
    print("迭代次数：", i, "    x：", x)

以上代码中，我们定义了目标方程f(x)和目标方程的雅可比矩阵jacobian(x)。然后，我们初始化变量x并开始迭代Newton-Raphson算法。在每次迭代中，我们计算雅可比矩阵并使用线性求解器np.linalg.solve()解决线性方程组，然后将解向量添加到当前变量值中。最后，我们输出每个迭代步骤的变量值。