function Jacc = ieqprime(k, R_data);
%
% "Распаковываем" R_data
%
T = R_data.T; alpha = R_data.alpha; beta = R_data.beta;
%
% Создаем "смещенный" на один элемент назад вектор k:
% k(i) = k_disp(i+1)
% Обрежем последний элемент за ненадобностью и чтобы не мешал увеличенной
% размерностью вектора
%
k_disp = [0; k];
k_disp = k_disp(1:T+2);
%
% Создадим матрицу Якоби и поначалу заполним его целиком по общему правилу
% (помним про особенности нумерации).
% Обращаем внимание на то, как функция spdiags заполняет матрицу значениями
% из массивов, и сдвигаем массивы для неглавных диагоналей, чтобы
% соответствовать правилам spdiags и логике требуемого якобиана.
% Поправки в конце якобиана для производных от последней функции будут
% применены позднее
%
l_diagn = alpha^2*beta*(k.^(alpha-1)).*(k_disp.^(alpha-1));
l_diagn = [l_diagn; 0];
l_diagn = l_diagn(2:T+3);

m_diagn = alpha*(alpha-1)*beta*(k.^(alpha-2)).*(k_disp.^alpha) - ...
                 (alpha^2*beta + alpha)*(k.^(alpha-1));

u_diagn = ones(T+2, 1);
u_diagn = [0; u_diagn];
u_diagn = u_diagn(1:T+2);
Jacc = spdiags([l_diagn m_diagn u_diagn], -1:1, T+2, T+2);
%
% Сделаем поправки для первой (нулевой) и последней (T+1-ой) функции.
% Для этого вспомним вид этих функций.
%
% F_{0} = k_0 - k* = k(1) - k0;
% F_{T+1} = 0 = const.
%
Jacc(1, 1) = 1; Jacc(1, 2:T+2) = zeros(1, T+1);
Jacc(T+2, 1:T+1) = zeros(1, T+1); Jacc(T+2, T+2) = 1;
det(Jacc(2:T+1,2:T+1))