BENTUK KUADRATIK

Diketahui x adalah mx1 vektor, y adalah nx1 vektor, dan A matriks mxn . Maka fungsi x dan y
yang diberikan oleh

kadang-kadang disebut bentuk bilinear dalam x dan y. Pada kasus khusus di mana m = n sehingga A
adalah m x m dan x = y. Dalam hal ini, fungsi di atas tereduksi menjadi fungsi x,

yang disebut bentuk kuadrat dalam x; A disebut sebagai matriks bentuk kuadrat. Diasumsikan bahwa
1
A adalah matriks simetris jika tidak, A dapat diganti dengan B  ( A  A' ) , yang simetris, tanpa
2
mengubah f (x); itu adalah,

karena x’A’x = (x’A’x)’ = x’Ax

Setiap matriks A simetris dan bentuk kuadrat yang terkait diklasifikasikan ke dalam salah satu dari
lima kategori berikut.
(a) Jika x 'Ax > 0 untuk semua x ≠ 0, maka A adalah definit positif.
(b) Jika x 'Ax ≥ 0 untuk semua x ≠ 0 dan x'Ax = 0 untuk beberapa x ≠ 0, maka A adalah semi
definite positif
(c) Jika x 'Ax < 0 untuk semua x ≠ 0, maka A adalah definit negatif.
(d) Jika x 'Ax' ≤ 0 untuk semua x ≠ 0 dan x 'Ax’= 0 untuk beberapa x ≠ 0, maka A adalah semi
definite negatif.
(e) Jika x 'Ax> 0 untuk beberapa x dan x' Ax <0 untuk beberapa x, maka A adalah indefinite.

Perhatikan bahwa matriks nol sebenarnya keduanya semidefinite positif dan semidefinite negatif .
Matriks definit positif dan negatif yang pasti adalah nonsingular, sedangkan matriks semidefinite
positif dan semidefinite negatif adalah singular. Kadang-kadang istilah non-negatif yang pasti akan
digunakan untuk merujuk ke matriks simetris baik definit positif atau semidefinite positif.
Sebuah mx m matriks B disebut akar kuadrat dari definit non-negatif mxm matriks A jika A = BB’.
Kadang-kadang dinyatakan matriks B sebagai A1/2 . Jika B juga simetris, sehingga A = B2 , maka B
disebut akar kuadrat simetris dari A. Berperan penting bentuk kuadratik dalam statistik inferensial.