简介：这是一份围绕线性代数第一章「行列式的定义」制作的课堂教学PPT，面向高校理工科初学者、考研复习者及需要梳理基础概念的读者，重点解决行列式入门阶段概念抽象、课程框架不清的问题。压缩包共1个文件，为PPT格式，体积约4.54MB，内容涵盖线性代数研究对象、线性关系含义、向量空间与矩阵理论概述，并用脸识别、电子游戏、图像处理、医学成像、电路分析等案例说明应用场景。课件还梳理了课程章节脉络、行列式与矩阵等核心内容，以及平时成绩与期末闭卷考试的考核方式，便于读者快速建立知识地图、把握学习重点。目前已有61人学习，适合课前预习、课堂对照和期末复习使用。
1. 从「1.1 行列式的定义」这一页讲起：先把逆序数数清楚，再谈展开
很多人第一次见到 n 阶行列式的完全展开式，第一反应是那一长串求和到底在数什么。二阶、三阶还能靠对角线口诀应付过去，到了四阶，24 项里有一半是负号，口诀立刻失效。这份以「1.1 行列式的定义」开篇的课件，真正的价值不在把公式印在幻灯片上，而在于把「排列 → 逆序数 → 符号 → 乘积求和」这条链条一节一节连接清楚。它面向两类人：线性代数第一学期的授课者，要在一节课里把定义讲清楚；以及自学者，要能手算三阶、看懂四阶、写得出一段代码把结果核对回来。下面按定义骨架、脚本校验、页面设计、翻车点、课堂验收的顺序展开，能照着做的细节尽量写具体。
2. 行列式定义的骨架：从二阶到 n 阶完全展开式的三层递进
2.1 二阶三阶为什么能「对角线相减」
二阶行列式的定义只有两项：主对角线乘积减去副对角线乘积。把行标固定成自然序 1、2，列标就只有 (1,2) 和 (2,1) 两种排列，前者逆序数为 0 取正号，后者逆序数为 1 取负号，正好对应两条对角线。这不是巧合，而是全排列公式在 n=2 时的完整展开。
三阶也是同样的道理。三阶共有 3! = 6 项，沙路法则（主对角线方向三项取正、副对角线方向三项取负）给出的正好是这 6 项：
- 正项：a11a22a33（列标 123，τ=0）、a12a23a31（231，τ=2）、a13a21a32（312，τ=2）
- 负项：a11a23a32（132，τ=1）、a12a21a33（213，τ=1）、a13a22a31（321，τ=3）
正负各三项，一项不多一项不少。所以沙路法则不是一条独立的运算规则，它是全排列定义在 n=3 时被图形化之后的样子。这一步必须在课件里讲透，否则学生会把它当成一套可以无限推广的「口诀」。
失效点出现在四阶。四阶需要 4! = 24 项，而对角线方向最多只能画出 2n = 8 条线，覆盖 8 项，剩下的 16 项完全没有被表示出来。下面这个矩阵是最好的反例：
A = [0 1 0 0 1 0 0 0 0 0 0 1 0 0 1 0]主对角线全是 0，副对角线乘积 a14a23a32a41 也全是 0，按「对角线法则」算出来是 0。真实的行列式是 1（它相当于两个二阶交换块的直和，两个块的符号相乘为正）。一个反例就能让学生停止误用，比讲十遍「n≥4 不适用」有效得多。
讲到这里可以补一张项数对照表，让学生直观感受到增长有多快：
| 阶数 n | 全排列项数 n! | 对角线方向能覆盖的项数 | 是否够用 |
|---|---|---|---|
| 2 | 2 | 2 | 够用 |
| 3 | 6 | 6 | 够用 |
| 4 | 24 | 8 | 漏 16 项，失效 |
| 5 | 120 | 10 | 失效 |
| 6 | 720 | 12 | 失效 |
2.2 排列、逆序数与 (-1)^τ 的符号链
要把定义讲清楚，中间必须插进排列这一层。n 元排列就是把 1 到 n 重新排一遍得到的序列 p1p2…pn；在一个排列里，如果前面的数大于后面的数，就称它们构成一个逆序对；逆序对的总数记作 τ(p)，叫逆序数。τ 是偶数叫偶排列，奇数叫奇排列。
行列式的项是这样造出来的：行标固定取自然序，列标取一个排列 p，把对应位置的元素乘起来 a1p1·a2p2·…·anpn，再乘上符号 (-1)^τ(p)。所有 n! 个排列对应的项加起来，就是行列式。三阶的六个排列写全了是这样：
| 列标排列 p | 逆序对 | τ(p) | 符号 | 乘积项 |
|---|---|---|---|---|
| (1,2,3) | 无 | 0 | + | a11a22a33 |
| (1,3,2) | (3,2) | 1 | − | a11a23a32 |
| (2,1,3) | (2,1) | 1 | − | a12a21a33 |
| (2,3,1) | (2,1)、(3,1) | 2 | + | a12a23a31 |
| (3,1,2) | (3,1)、(3,2) | 2 | + | a13a21a32 |
| (3,2,1) | (3,1)、(3,2)、(2,1) | 3 | − | a13a22a31 |
这张表建议直接印在课件的例题页上，让学生自己数一遍再对答案。手指数逆序数是这一节唯一需要动手的训练，跳过它，后面所有关于符号的推导都会变成玄学。
有两个一致性问题必须在课上点明，否则学生会越学越乱。
第一，行标固定自然序、列标取排列，这是一种写法；列标固定自然序、行标取排列，是另一种写法。两者等价，因为排列 p 和它的逆排列 p⁻¹ 有相同的逆序数奇偶性。如果两者都取排列，同一个乘积会被数很多次，符号也会乱。
第二，定义里的 (-1)^τ 和后面按行展开时的代数余子式符号 (-1)^(i+j) 是两套东西。前者来自全排列的奇偶性，后者是一行元素展开时位置带来的符号。把这两个混在一起讲，是这一节课最常见的混乱来源。
2.3 n 阶定义的三种等价表述怎么选
同一个对象有三套等价说法，课件里选哪一套当第一定义，直接决定后面课程的节奏。
第一套是莱布尼茨展开式，也就是上面那个「n! 项求和」。它的好处是「定义即算法」：符号为什么是这个符号，一眼就能看到；行列式的反对称性、交换两行变号，都能从排列的对换性质直接推出来。坏处是不好算，四阶就得写 24 项。
第二套是递归降阶：按一行或一列展开成代数余子式的和。它计算效率更好，但如果不先讲展开式，符号 (-1)^(i+j) 就成了天上掉下来的东西，学生只能死记。
第三套是公理化定义：对每一行线性、交换两行变号、单位阵取值为 1。它最适合做后续性质证明的起点，但不适合当第一堂课。
常见做法是：第一节课只给展开式，把符号来源讲透；性质讲完以后，再推降阶公式，并当场用三阶验算一遍，让学生看到两套算法给出同一个数；公理化作为提高内容或后续课程的引子。千万不要在一节课里把三套定义全塞进去——这一点后面第 5 章还会再说。
三种定义的取舍可以列成一张对照表放在课件最后一页：
| 表述 | 符号来源 | 计算成本 | 适合的用途 |
|---|---|---|---|
| 莱布尼茨展开式 | 排列的逆序数 | n! 项 | 讲定义、推性质 |
| 递归降阶 | 位置符号 (-1)^(i+j) | 约 n! 次乘法 | 具体计算 |
| 公理化 | 三条公理 | 不直接计算 | 证明与推广 |
3. 把定义做成可跑的校验：逆序数与完全展开的最小脚本
课件讲完，最怕的是「看起来懂了」。最直接的验收方式是写几行代码，把定义翻成可执行的东西，再和矩阵库的结果对一遍。这一节给出的脚本都很短，课堂上可以现场演示。
3.1 逆序数：暴力双循环就够用
def inversions(p): """统计排列 p 的逆序数。 p: 长度 n 的序列，元素互不相同，0-based 或 1-based 均可，只要全表统一。 返回: 逆序对个数，范围 0 到 n*(n-1)//2。 """ n = len(p) cnt = 0 for i in range(n): for j in range(i + 1, n): if p[i] > p[j]: # 前大后小，构成一个逆序对 cnt += 1 return cnt逻辑说明：外层固定左边的位置 i，内层只扫 i 右边的位置 j，一旦 p[i] > p[j] 就计数一次。这个方向不能反，反过来会把同一对元素数成重复的两次，是学生手算时最容易犯的错。参数上，p 的编号体系必须全局一致，混用 0-based 和 1-based 不会改变逆序数的值，但会让对照调试变得很痛苦。
复杂度是 O(n²)。因为 n 在验证场景里一般不超过 10，这个成本完全可以接受。如果确实要处理长排列，可以换成归并排序计数（O(n log n)），原理是在合并两个有序段时统计「右边元素先出队」的次数，但对这一节课来说属于过度设计。
3.2 按定义展开：全排列枚举与递归降阶两条路
from fractions import Fraction from itertools import permutations def det_perm(A): """按定义（莱布尼茨公式）展开。 A: n x n 的 list of list，元素可为 int。 返回: Fraction 类型的精确值。 """ n = len(A) total = Fraction(0) for p in permutations(range(n)): # p 是列标排列，行标取自然序 sign = -1 if inversions(p) % 2 else 1 term = Fraction(sign) for i in range(n): term *= Fraction(A[i][p[i]]) # 第 i 行取第 p[i] 列 total += term return total逻辑说明：外层枚举所有列标排列，内层按行标 0 到 n-1 的顺序取元素。符号由逆序数的奇偶性决定，用% 2判断比写-1 ** tau更直观，也不会有浮点参与。参数上，元素统一转成Fraction，是为了避免浮点误差在 n=8 以上时冒出来干扰对照。
复杂度是 O(n! · n²)，其中 n² 来自每次求逆序数。n=8 时是 40320 个排列、每个排列算 64 次比较，现代机器上不到一秒；n=10 就跳到 360 万项，课堂上不要现场跑。
def det_rec(A): """按第一行代数余子式展开，递归到一阶。 A: n x n 的 list of list。 """ A = [[Fraction(x) for x in row] for row in A] n = len(A) if n == 1: return A[0][0] total = Fraction(0) for j in range(n): if A[0][j] == 0: continue # 零元素直接剪枝 minor = [row[:j] + row[j + 1:] for row in A[1:]] total += ((-1) ** j) * A[0][j] * det_rec(minor) return total逻辑说明：取第一行第 j 列的元素，删掉第一行和第 j 列得到余子矩阵，递归求值，再乘上位置符号。注意代码里行索引从 0 开始，位置符号写成(-1) ** j，等价于教科书里 1-based 的 (-1)^(1+j)。这是个高频出错点，写的时候在注释里标清楚索引基准。
用第 2 章那个四阶反例做对照：
A = [[0, 1, 0, 0], [1, 0, 0, 0], [0, 0, 0, 1], [0, 0, 1, 0]] print(det_perm(A), det_rec(A)) # 1 1两条独立路径得到同一个整数，就能确认定义和递归公式在这道题上是一致的。这比让学生反复看公式有效得多。
3.3 用几何意义给结果做交叉校验
数字对上了还不够，还要解释这个数字是什么意思。二阶行列式的绝对值等于两个行向量张成的平行四边形面积，符号反映定向；三阶行列式的绝对值等于三个行向量张成的平行六面体体积。这条几何线索可以在课件上做成一张动图，也可以在课堂上用代码现场算：
import numpy as np u = np.array([3.0, 1.0]) v = np.array([1.0, 2.0]) area = abs(np.linalg.det(np.array([u, v]))) # 二阶行列式即平行四边形面积 print(area) # 5.0参数说明：np.array([u, v])把两个行向量堆成 2×2 矩阵，np.linalg.det内部是 LU 分解，复杂度 O(n³)，返回浮点结果。用它做交叉校验时，要知道它是数值算法，n 稍大就会有舍入误差，不能拿它当「标准答案」去反推定义有错。
课堂上可以顺手做一个退化演示：把 v 改成 u 的两倍，面积变成 0，行列式为 0。这直接连到「行列式为零等价于行向量线性相关」，为后面讲秩埋一条线。
4. 课件页面的信息密度设计：一页只承载一个判定
定义这一节课的内容密度天然很高，页面设计一旦失控，学生连抄都抄不完。下面这些参数是从反复修改里攒下来的。
4.1 定义引入的页面切分顺序
整节课建议切成 8 页主体，每页只回答一个问题：
| 页码 | 页面内容 | 停留时长 | 板书动作 | 常见失误 |
|---|---|---|---|---|
| P1 | 一个二阶方程组的求解过程 | 3 分钟 | 写出解的分母 | 直接甩公式，无动机 |
| P2 | 二阶定义与两条对角线 | 5 分钟 | 用箭头标出两项 | 只写结果不标排列 |
| P3 | 三阶沙路法则 | 6 分钟 | 画出六条线 | 不说这是 3! 项 |
| P4 | 项数对照表（n! 与 2n） | 4 分钟 | 写出 4!=24 | 跳过，直接说不适用 |
| P5 | 四阶反例 | 8 分钟 | 逐项列出非零项 | 举单位阵，看不出差异 |
| P6 | 排列与逆序数定义 | 8 分钟 | 现场数 321 的逆序 | 只给定义不给例子 |
| P7 | n 阶行列式的一般定义 | 8 分钟 | 标出三处符号 | 行列标都取排列 |
| P8 | 三道分层例题 | 8 分钟 | 一题一手算 | 全用数字题，缺反例 |
P1 的作用是给出动机，不能省。直接从「定义」两个字开始讲，学生会觉得这是凭空造出来的东西。P5 的时长要给足，因为这是整节课认知冲突最强的地方，也是学生最需要停下来消化的一页。
4.2 公式排版与标注：行标列标、下标层级、字号
投影环境下的可读性有硬指标。正文字号不低于 24pt，公式字号不低于 28pt，一页里的公式行数控制在 8 行以内，超了就拆页。这个数字看起来保守，但教室最后一排的视角就是这样，字小了就是白讲。
公式不要用截图。截图在投影仪上会被二次压缩，下标的 i、j 糊成一团，学生抄错下标往往就是从这里开始的。用公式编辑器或者 LaTeX 渲染成矢量图，缩放不糊。
行标列标的约定要固定，并且在每页右上角放一个常驻图例：a 的第一个下标是行、第二个下标是列。这个约定不同教材可能相反，一旦选定就全课统一，不要在某一页为了「看起来顺」临时换过来。
正负项的区分不要只靠颜色。红绿在投影偏色和色弱学生那里都可能失效，正确做法是颜色加符号双重标注：负项前面明确写出减号，或者加一个上标标记。动画只在「项在移动」的时候用，比如把 a12a23a31 这三项从矩阵里抽出来排成一行；纯文字页加动画只会分散注意力。
4.3 例题与反例配比：三个必给的例子
例题要分层，不能全是同一类型。
例 1 是一个三阶数字矩阵，要求学生按六个排列硬算一遍，再用沙路法则验算，两条路结果相同。这一题的目的是把定义和口诀连起来。
例 2 是一个含零较多的三阶矩阵，比如第一行只有一个非零元素。手算时学生会发现 6 项里只有 2 项非零，自然产生「能不能只算非零项」的念头，这就为后面讲降阶展开留了接口。这里可以顺势提一句：递归降阶不是新规则，它是把定义里那些零项提前筛掉了。
例 3 就是第 2 章那个四阶交换块矩阵，用来证明对角线法则失效。
反例至少要留一个：交换矩阵的两行，用定义算一遍，看每一项的列标排列发生了什么变化。学生会看到每个排列的奇偶性都翻转了，所以整体符号取反。这个推导只用定义、不用性质，是检验「是否真懂定义」的最好题目。
练习量上，课后留三题即可：一道三阶手算、一道四阶用程序验证、一道证明题（交换两行变号）。题目太多会挤掉思考时间，这一节的重点是理解符号从哪来，不是刷计算速度。
5. 避坑与排查：讲「1.1 行列式的定义」最常见的 5 个翻车点
5.1 行标列标约定前后不一致
现象：同一道三阶题，课上算出来和教材答案差一个符号，学生反复检查也找不出错。
原因：a_ij 的第一个下标是行还是列，不同教材写法不一致；讲课时顺手写下的某个式子用了相反约定，后面的推导就整体错位。这种错很难自查，因为每一步看起来都对。
解决：在第一页就固定约定，并在每页角落放图例。所有例题的矩阵都显式标出行号列号。发现符号不一致时，第一个检查动作不是重算，而是核对这一页的约定有没有和前面冲突。
5.2 把沙路法则推广到四阶
现象：学生做四阶题，画出八条对角线，算出结果，与标准答案差得很远。
原因：三阶时 2n 恰好等于 n!，这个巧合让人误以为规则可以无限延伸。四阶 24 项，对角线只能覆盖 8 项。
解决：用第 2 章那个四阶反例当堂演示，让学生亲眼看到两种算法给出不同的数。同时给出项数对照表，把 4! = 24 和 2n = 8 并列写出来。这个反例要放进课后作业，让学生自己复现一遍。
5.3 逆序数重复计数
现象：手数 321 的逆序数，有人数出 6，有人数出 3。
原因：把每一对元素从两个方向各数了一次。(3,2)、(3,1)、(2,1) 是三对，数成 6 就是把 (2,3) 也算进去了。
解决：固定「只看左边比右边大」这个方向，在纸上把逆序对逐个写出来划掉，不要凭感觉报数。代码里的双循环就是按这个方向写的，可以对照。
5.4 把 (-1)^τ 和 (-1)^(i+j) 混为一谈
现象：讲完定义紧接着讲按行展开，学生把两个符号公式记混，做题时符号随机出错。
原因：两个公式长得像，出现的位置又近，中间没有明确的分界说明。
解决：定义这一节只用 (-1)^τ，完全不提余子式。等性质讲完、单独开一节讲降阶时，再引入 (-1)^(i+j)，并且当场用三阶矩阵把两条路径算一遍，证明它们给同一个结果。物理上隔开一节课，比在同一页上做对比更有效。
5.5 用浮点结果反推定义出错
现象：写脚本验证 n=9 的矩阵，程序给出 1.0000000000000002，学生断定「定义写错了」。
原因：矩阵库内部是 LU 分解加浮点运算，n 变大以后舍入误差累积，末位漂移是正常现象。定义本身是精确的整数或分数运算。
解决：验证脚本统一用Fraction做精确计算，只在最后和浮点结果比对量级。如果确实要用浮点，就把判据改成相对误差小于 1e-9，而不是要求完全相等。这条血泪经验值得在课上讲一句，免得学生把数值误差当成理论错误。
6. 用「定义—算法—几何」三线对照做课堂验收
定义这节课讲完，怎么判断学生是真的懂了，而不是记住了六个排列？我的做法是三条线同时验收，缺一条都算没过。
第一条是定义线：给定一个三阶矩阵，能不能不看书，把六个列标排列写全，标出每个的逆序数和符号，最后求和。这条线考的是记忆加理解，五分钟能测出来。
第二条是算法线：能不能写出十行以内的脚本，用全排列把行列式算出来，并且和递归降阶的结果对上。这条线考的是把数学翻译成可执行步骤的能力，也是最能暴露「似懂非懂」的环节——很多人写到A[i][p[i]]的时候，才第一次意识到行标是固定的。
第三条是几何线：能不能解释为什么二阶行列式是面积、三阶是体积、行列式为零意味着什么。这条线最难，但它是把定义和后续的线性相关性、秩、特征值连起来的关键。
三条线的验收标准可以做成一张表：
| 验收线 | 具体动作 | 及格标准 | 常见卡点 |
|---|---|---|---|
| 定义线 | 手写三阶六项 | 符号全对 | 逆序数数错 |
| 算法线 | 十行脚本 + 对照 | 两条路径同值 | 索引基准混用 |
| 几何线 | 解释面积与零行列式 | 说清符号含义 | 只记结论不记原因 |
我自己的教训是：头几年讲这一节，总想着把三种定义一次讲全，结果四十五分钟塞得满满当当，学生下课只记住了「有个逆序数」。后来砍掉公理化表述，把省下的时间全给四阶反例和手数逆序数，效果立刻不一样——那节课学生问的问题从「这个符号怎么来的」变成了「为什么四阶就不能画线了」，说明他们真的在跟着想。
还有一个习惯：每次讲完这一节，我都会留一道「不合常规」的作业，比如给一个五行四列的矩阵，问行列式是多少。正确答案是不存在，因为行列式只对方阵有定义。这道题每年都有人认真地去展开，然后在下一节课恍然大悟。这种小陷阱比反复强调「必须是方阵」有效得多。
如果你也在准备这一节课，建议先别急着改动画和配色，把四阶反例和逆序数手算这两件事做扎实，剩下的自然就顺了。希望帮到你。
本文还有配套的精品资源，点击获取
