视频中用于演示拉格朗日乘数几何意义的目标函数和约束函数是什么？

对于二元函数，定义 $D=f_{xx}f_{yy}-f_{xy}^2$。如果 $D>0$，则 $f_{xx}$ 的符号区分类型：$f_{xx}>0$ 表示局部极小值，$f_{xx}<0$ 表示局部极大值。

适用条件：函数有两个变量。；该点是驻点（梯度为零）。；函数二阶连续可微。

半定海森矩阵无法得出结论，因为二阶项并不能严格确定所有方向上变化的符号。必须检查高阶项或直接检查函数的行为，以确定该点是极小值、极大值还是鞍点。

适用条件：函数二阶连续可微。；该点的梯度为零。；海森矩阵是半定的（正半定或负半定）。

通过建立方程 $\nabla f = \lambda \nabla g$ 以及约束 $g(x,y)=0$ 来求解系统。对于这些特定的函数，这产生了 $2x = \lambda(2x)$，$2y = \lambda(y)$，以及 $x^2 + y^2/2 - 1 = 0$。

适用条件：目标函数是 $f(x,y) = x^2 + y^2$。；约束函数是 $g(x,y) = x^2 + y^2/2 - 1 = 0$。；应用了拉格朗日乘数条件 $\nabla f = \lambda \nabla g$。

蓝色箭头代表目标函数的梯度 $\nabla f$，从等高线的中心向外指出。黄色箭头代表约束函数的梯度 $\nabla g$，它垂直于约束曲线。

适用条件：动画可视化了 $f(x,y) = x^2 + y^2$ 和 $g(x,y) = x^2 + y^2/2 - 1 = 0$ 的梯度。；蓝色箭头对应 $\nabla f$。；黄色箭头对应 $\nabla g$。

海森矩阵通过分析小位移方向上的二阶变化的符号来分类驻点。如果海森矩阵是正定的，则该点是严格局部极小值。

适用条件：函数在该点附近二阶连续可微。；该点的梯度为零（驻点）。；函数有两个变量。