协方差矩阵（Covariance Matrix）是一个用于衡量多个变量之间相互关系的工具，在统计学和数据分析领域中非常重要。这个矩阵展现了每一对变量之间的协方差。协方差是衡量两个变量如何一起变化的度量；如果两个变量的协方差是正的，那么当一个变量增加时，另一个变量也倾向于增加，反之亦然。

协方差矩阵的定义如下：对于一个有 n 个观察值的 k 个变量的数据集，协方差矩阵是一个k×k的矩阵，其中每个元素 Cij是第 i 个和第 j 个变量的协方差。如果 i=j，协方差就是变量自己的方差。

举例说明
假设我们有一个包含两个变量的简单数据集：身高（以厘米为单位）和体重（以千克为单位）。我们有三个观测值：

-观察值1：身高170厘米，体重65千克。
-观察值2：身高180厘米，体重80千克。
-观察值3：身高175厘米，体重75千克。

首先，我们计算每个变量的平均值（均值）：

-身高的平均值：170+180+175/3厘米。
-体重的平均值：65+80+75/3千克。

然后，我们使用以下公式计算协方差：

其中 X 和 Y 是要计算协方差的两个变量，n 是观测值的数量。

使用这些数据，我们可以计算身高和体重之间的协方差，以及它们各自的方差。协方差矩阵将如下所示：

我们可以实际计算这个矩阵的值。

计算得出的协方差矩阵如下：

在这个矩阵中：

—25 是身高的方差。
—58.33 是体重的方差。
—37.5 是身高和体重之间的协方差，这个值出现在矩阵的两个非对角线位置，表示这两个变量之间存在正相关关系，即身高越高，体重通常也越重。