Aloha :)
Auf einer offenen Menge \(U\subset\mathbb R^n\) sei ein Vektorfeld \(\vec f:U\to\mathbb R^m\) definiert. Wählen wir einen Punkt \(\vec x_0\in U\), so heißt die Funktion \(\vec f\) (total) differenzierbar im Punkt \(x_0\), wenn es eine lineare Abbildung in Form einer \(m\times n\)-Matrix \(\mathbf A\) gibt, sodass:
$$\lim\limits_{\vec h\to\vec 0}\frac{\vec f(\vec x_0+\vec h)-\vec f(\vec x_0)-\mathbf A\cdot\vec h}{\left\|\vec h\right\|}=\vec 0$$
Die Matrix \(\mathbf A\) heißt (totales) Differential von \(f\) in \(\vec x_0\).
Ist \(\vec f_0\) in \(\vec x_0\) partiell differenzierbar, dann gilt für das totale Differential:
$$\mathbf A=\begin{pmatrix}\operatorname{grad} f_1(\vec x_0)\\\operatorname{grad} f_2(\vec x_0)\\\vdots\\\operatorname{grad} f_m(\vec x_0)\end{pmatrix}=\begin{pmatrix}\frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots & \frac{\partial f_1}{\partial x_n} \\[1ex]\frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_2}{\partial x_n}\\[1ex] \vdots & \vdots & \ddots & \vdots \\[1ex]\frac{\partial f_m}{\partial x_1} & \frac{\partial f_m}{\partial x_2} & \cdots & \frac{\partial f_m}{\partial x_n} \end{pmatrix}$$Diese Matrix mit den Gradienten als Zeilenvektoren heißt Funktional-Matrix oder auch Jacobi-Matrix.
Ich habe immer folgendes Bild im Kopf (kein Pfeil ist umkehrbar):$$\begin{array}{c}\text{stetig partiell differenzierbar}&\Rightarrow&\text{alle Richtungsableitungen existieren}\\[1ex]\Downarrow\\[1ex]\text{(total) differenzierbar} & \Rightarrow & \text{stetig}\\[1ex] \Downarrow \\[1ex]\text{partiell differenzierbar}\end{array}$$