是的。
具体公式为：行列式与k（常数）相乘＝某行或某列元素×k，矩阵与k（常数）相乘＝全部元素×k
矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数和第二个矩阵的行数相同时才有意义 。矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。
扩展资料：
对称矩阵的正定性与其特征值密切相关。矩阵是正定的当且仅当其特征值都是正数。
当矩阵A的列数等于矩阵B的行数时，A与B可以相乘。矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i，j)元，以数 aij为(i，j)元的矩阵可记为(aij)或(aij)m × n，m×n矩阵A也记作Amn。
元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。
参考资料来源：百度百科——矩阵乘法
参考资料来源：百度百科——矩阵行列式
是的，完全正确。
具体公式为：
行列式与k（常数）相乘＝某行或某列元素×k
矩阵与k（常数）相乘＝全部元素×k
矩阵：
矩阵（Matrix）本意是子宫、控制中心的母体、孕育生命的地方。在数学上，矩阵是指纵横排列的二维数据表格，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。
用途：
矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如f(x) 4x之类的线性函数的推广[2]。设定基底后，某个向量v可以表示为m×1的矩阵,而线性变换f可以表示为行数为m的矩阵A，使得经过变换后得到的向量f(v)可以表示成Av的形式。矩阵的特征值和特征向量可以揭示线性变换的深层特性。
运算：
矩阵的最基本运算包括矩阵加（减）法，数乘和转置运算。被称为“矩阵加法”、“数乘”和“转置”的运算不止一种。[4]给出 m×n 矩阵 A 和 B，可定义它们的和 A + B 为一 m×n 矩阵，等 i,j 项为 (A + B)[i, j] = A[i, j] + B[i, j]。举例：另类加法可见于矩阵加法。若给出一矩阵 A 及一数字 c，可定义标量积 cA，其中 (cA)[i, j] = cA[i, j]。 例如这两种运算令 M(m, n, R) 成为一实数线性空间，维数是mn.若一矩阵的列数与另一矩阵的行数相等，则可定义这两个矩阵的乘积。如 A 是 m×n 矩阵和 B 是 n×p矩阵，它们是乘积 AB 是一个 m×p 矩阵，其中(AB)[i, j] = A[i, 1] * B[1, j] + A[i, 2] * B[2, j] + ... + A[i, n] * B[n, j] 对所有 i 及 j。例如此乘法有如下性质：(AB)C = A(BC) 对所有 k×m 矩阵 A, m×n 矩阵 B 及 n×p 矩阵 C ("结合律").(A + B)C = AC + BC 对所有 m×n 矩阵 A 及 B 和 n×k 矩阵 C ("分配律")。C(A + B) = CA + CB 对所有 m×n 矩阵 A 及 B 和 k×m 矩阵 C ("分配律")。要注意的是：可置换性不一定成立，即有矩阵 A 及 B 使得 AB ≠ BA。对其他特殊乘法，见矩阵乘法。
本回答被网友采纳具体为：
行列式与k（常数）相乘＝某行或某列元素×k，
矩阵与k（常数）相乘＝全部元素×k
是的。
具体公式为：行列式与k（常数）相乘＝某行或某列元素×k，矩阵与k（常数）相乘＝全部元素×k
矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数和第二个矩阵的行数相同时才有意义 。矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。
扩展资料
对称矩阵的正定性与其特征值密切相关。矩阵是正定的当且仅当其特征值都是正数。
当矩阵A的列数等于矩阵B的行数时，A与B可以相乘。矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i，j)元，以数 aij为(i，j)元的矩阵可记为(aij)或(aij)m × n，m×n矩阵A也记作Amn。
元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。
本回答被网友采纳