Vectors

👋 歡迎來到 3D 向量的世界！

哈囉，未來的 P4 數學家！這一章「向量 (Vectors)」是你將會學習到的最強大且令人興奮的主題之一。向量讓我們能夠在三維空間 (3D) 中描述運動、力和位置。如果你未來計劃修讀工程學、物理學或計算機圖形學，這些知識絕對是不可或缺的基石！

如果一開始覺得 3D 空間中的坐標和方向看起來有點複雜，別擔心！我們會將每個概念拆解，循序漸進，並運用簡單的類比來幫助你掌握空間中的直線與關係。讓我們開始吧！

📐 第 1 節：3D 空間向量基礎

什麼是向量？（快速回顧）

簡單來說，向量是一個同時具有大小 (magnitude)（長度）和方向 (direction)的量。

• 純量 (Scalar)： 只有大小（例如：速率、溫度、時間、質量）。
• 向量 (Vector)： 既有大小又有方向（例如：速度、力、位移）。

在 P4 中，我們主要處理 3D 空間中的向量，這意味著我們現在引入了 z 軸。

標記法與分量

3D 空間中的向量 \(\mathbf{a}\) 由其在 x、y 和 z 軸上的分量定義。我們使用標準的基向量 (basis vectors)：

• \(\mathbf{i}\)：沿正 x 軸方向的單位向量。
• \(\mathbf{j}\)：沿正 y 軸方向的單位向量。
• \(\mathbf{k}\)：沿正 z 軸方向的單位向量。

一般向量 \(\mathbf{a}\) 可以用兩種方式書寫：

1. 分量形式 (Component Form)：
$$\mathbf{a} = x \mathbf{i} + y \mathbf{j} + z \mathbf{k}$$ 2. 列向量形式 (Column Vector Form)（計算時的首選）：
$$\mathbf{a} = \begin{pmatrix} x \\ y \\ z \end{pmatrix}$$

類比： 可以將 \(\mathbf{i}\) 想像成在大型倉庫中的「前後」，\(\mathbf{j}\) 為「左右」，而 \(\mathbf{k}\) 為「上下」。要到達特定點，這三個指令缺一不可！

位置向量與位移向量

位置向量 (Position Vector, \(\mathbf{r}\))

位置向量描述了點 P 相對於固定原點 O 的位置，通常記作 \(\mathbf{r}\) 或 \(\mathbf{OP}\)。

若點 \(P\) 的坐標為 \((x, y, z)\)，則其位置向量為： $$\mathbf{p} = \vec{OP} = \begin{pmatrix} x \\ y \\ z \end{pmatrix}$$

位移向量 (Displacement Vector，尋找兩點之間的向量)

位移向量描述了從一點 (A) 到另一點 (B) 的路徑。

若 \(\mathbf{a}\) 是 A 的位置向量，\(\mathbf{b}\) 是 B 的位置向量，則從 A 到 B 的向量可以使用以下規則得出：

「終點減起點」法則 (Head Minus Tail Rule)： $$\vec{AB} = \mathbf{b} - \mathbf{a}$$

小撇步： 要記住這一點，永遠用終點 (Head) 的向量減去起點 (Tail) 的向量。

向量的大小（長度）

向量的大小就是它的長度，通常記作 \(|\mathbf{a}|\)。由於各分量相互垂直，我們使用 3D 版的畢氏定理 (Pythagorean theorem)。

若 \(\mathbf{a} = x \mathbf{i} + y \mathbf{j} + z \mathbf{k}\)，則： $$|\mathbf{a}| = \sqrt{x^2 + y^2 + z^2}$$

記憶口訣： 大小永遠是正數！因為你在求的是距離。

單位向量 (Unit Vectors)

單位向量是指大小恰好為 1 的向量。

要找到 \(\mathbf{a}\) 方向上的單位向量，只需將向量 \(\mathbf{a}\) 除以它自己的大小：

$$\hat{\mathbf{a}} = \frac{\mathbf{a}}{|\mathbf{a}|}$$

（小帽子 \(\hat{\mathbf{a}}\) 常被用來表示單位向量。）

➕ 第 2 節：向量運算（基礎）

向量加法與減法

向量的加減法非常簡單：只需對應分量相加或相減即可。

若 \(\mathbf{a} = \begin{pmatrix} x_1 \\ y_1 \\ z_1 \end{pmatrix}\) 且 \(\mathbf{b} = \begin{pmatrix} x_2 \\ y_2 \\ z_2 \end{pmatrix}\)：

加法： $$\mathbf{a} + \mathbf{b} = \begin{pmatrix} x_1 + x_2 \\ y_1 + y_2 \\ z_1 + z_2 \end{pmatrix}$$ 減法： $$\mathbf{a} - \mathbf{b} = \begin{pmatrix} x_1 - x_2 \\ y_1 - y_2 \\ z_1 - z_2 \end{pmatrix}$$

你知道嗎？ 在幾何上，向量加法遵循「三角形法則」或「平行四邊形法則」。執行 \(\mathbf{a} + \mathbf{b}\) 意味著先走 \(\mathbf{a}\) 路徑，再走 \(\mathbf{b}\) 路徑。

純量乘法（縮放向量）

當你將向量 \(\mathbf{a}\) 乘以一個純量（一個簡單的數，通常記為 \(\lambda\) 或 \(k\)）時，你需要將向量的每一個分量都乘以該純量。

$$k \mathbf{a} = k \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} kx \\ ky \\ kz \end{pmatrix}$$

產生的結果向量會與 \(\mathbf{a}\) 平行。

關鍵性質：平行向量
兩個非零向量 \(\mathbf{a}\) 和 \(\mathbf{b}\) 平行，若且唯若其中一個是另一個的純量倍數，即 \(\mathbf{a} = k \mathbf{b}\)。

• 第 3 節：純量積（點積/內積）

純量積（或稱點積，dot product）是一種作用於兩個向量之間的運算，結果為一個純量（一個數）。它用一個大點表示：\(\mathbf{a} \cdot \mathbf{b}\)。

計算分量形式的純量積

要計算兩個向量的點積，將它們的對應分量相乘，然後將結果相加。

若 \(\mathbf{a} = \begin{pmatrix} x_1 \\ y_1 \\ z_1 \end{pmatrix}\) 且 \(\mathbf{b} = \begin{pmatrix} x_2 \\ y_2 \\ z_2 \end{pmatrix}\)：

$$\mathbf{a} \cdot \mathbf{b} = x_1 x_2 + y_1 y_2 + z_1 z_2$$

幾何定義與角度計算

點積之所以極其重要，是因為它將向量長度與兩者之間的夾角聯繫了起來。

幾何定義為： $$\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos \theta$$ 其中 \(\theta\) 是兩向量之間的夾角（\(0^\circ \leq \theta \leq 180^\circ\)）。

我們可以重組公式來求角度 \(\theta\)： $$\cos \theta = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{a}| |\mathbf{b}|}$$

求角度 (\(\theta\)) 的步驟：

1. 計算點積 (\(\mathbf{a} \cdot \mathbf{b}\))。
2. 計算 \(\mathbf{a}\) 和 \(\mathbf{b}\) 的大小 (\(|\mathbf{a}|\) 和 \(|\mathbf{b}|\))。
3. 代入 \(\cos \theta\) 公式。
4. 使用 \(\theta = \cos^{-1}(\dots)\) 求出角度。

垂直性檢測 (Orthogonality)

這是點積在 P4 中最重要的應用。

若兩個向量 \(\mathbf{a}\) 和 \(\mathbf{b}\) 垂直（夾角為 \(90^\circ\)），則 \(\cos 90^\circ = 0\)。

因此，對於垂直向量： $$\mathbf{a} \cdot \mathbf{b} = 0$$

記憶口訣： 向量垂直，點積歸零 (DOTally zero)。如果題目要求你證明垂直或求解令兩向量垂直的未知數，直接令它們的點積等於零即可。

📍 第 4 節：3D 空間中的直線

與 2D 直線不同，3D 直線通常使用向量來表示。我們需要直線上的「固定點」和「方向」來完整描述它。

直線的向量方程式

直線上任意點的位置向量 \(\mathbf{r}\) 由下式給出：

$$\mathbf{r} = \mathbf{a} + \lambda \mathbf{b}$$

其中：

• \(\mathbf{r}\)：動點位置向量（描述線上任意一點）。
• \(\mathbf{a}\)：線上已知點的位置向量（起點）。
• \(\mathbf{b}\)：方向向量（指示直線走向）。
• \(\lambda\)：純量參數（一個變數，通過縮放方向，讓我們能到達直線上所有的點）。

類比： \(\mathbf{a}\) 是你的地址（固定位置）。\(\mathbf{b}\) 是 GPS 指引（「向東走3格，向上走1格」）。\(\lambda\) 是你遵循該指引的程度（旅行長度）。

直線的笛卡兒方程式 (Cartesian Equation)

雖然向量形式更簡潔，但笛卡兒形式對於尋找交點至關重要。

從向量形式開始： $$\begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} a_1 \\ a_2 \\ a_3 \end{pmatrix} + \lambda \begin{pmatrix} b_1 \\ b_2 \\ b_3 \end{pmatrix}$$

我們將其分離為三個參數方程式： $$x = a_1 + \lambda b_1 \quad \rightarrow \quad \lambda = \frac{x - a_1}{b_1}$$ $$y = a_2 + \lambda b_2 \quad \rightarrow \quad \lambda = \frac{y - a_2}{b_2}$$ $$z = a_3 + \lambda z_3 \quad \rightarrow \quad \lambda = \frac{z - a_3}{b_3}$$

因為 \(\lambda\) 對於同一點必須相同，我們將它們全部相等，得到笛卡兒形式：

$$\frac{x - a_1}{b_1} = \frac{y - a_2}{b_2} = \frac{z - a_3}{b_3}$$

方向分量為零的情況

如果方向向量的某個分量為零（例如 \(b_1 = 0\)），直線即平行於對應的平面。該變數的方程式簡單地表示為固定坐標：

若 \(\mathbf{b} = \begin{pmatrix} 0 \\ 4 \\ 7 \end{pmatrix}\) 且 \(\mathbf{a} = \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix}\)，則直線為： $$\mathbf{r} = \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix} + \lambda \begin{pmatrix} 0 \\ 4 \\ 7 \end{pmatrix}$$ 其笛卡兒形式為： $$x = 1; \quad \frac{y - 2}{4} = \frac{z - 3}{7}$$

求兩線之間的夾角

兩條直線 \(L_1\) 與 \(L_2\) 之間的夾角，定義為它們方向向量之間的夾角。

若 \(L_1\) 的方向向量為 \(\mathbf{b}_1\)，\(L_2\) 的方向向量為 \(\mathbf{b}_2\)，我們使用點積公式：

$$\cos \theta = \frac{|\mathbf{b}_1 \cdot \mathbf{b}_2|}{|\mathbf{b}_1| |\mathbf{b}_2|}$$

關於銳角的關鍵筆記： 求直線夾角時，我們通常指定銳角（\(0^\circ \leq \theta \leq 90^\circ\)）。為了確保得到銳角，我們對分子的點積取絕對值（這就是為什麼公式中有 \(|\dots|\) 的原因）。

兩直線的交點

要判斷兩直線 \(L_1\) 和 \(L_2\) 是否相交，我們必須找到一組參數（\(L_1\) 的 \(\lambda\) 和 \(L_2\) 的另一個參數 \(\mu\），使得位置向量相等。\n

\n

\n 給定：\n $$L_1: \mathbf{r}_1 = \mathbf{a}_1 + \lambda \mathbf{b}_1$$\n $$L_2: \mathbf{r}_2 = \mathbf{a}_2 + \mu \mathbf{b}_2$$\n

\n

\n 交點檢測步驟：\n

\n
1. 令兩向量相等： \(\mathbf{a}_1 + \lambda \mathbf{b}_1 = \mathbf{a}_2 + \mu \mathbf{b}_2\)。
2. 組成三個聯立方程式： x、y 和 z 分量各一個。
3. 解其中兩個方程式（例如用 x 和 y 方程式）以求出 \(\lambda\) 和 \(\mu\) 的唯一值。
4. 一致性檢查： 將求出的 \(\lambda\) 和 \(\mu\) 值代入第三個方程式（z 方程式）。
5. 若第三個方程式成立（左式 = 右式），則直線相交。若不成立，則直線不相交（它們是歪斜線，Skew lines）。
6. 若相交，將算出的 \(\lambda\)（或 \(\mu\)）代回原直線方程式以求出交點坐標。

🌟 最後的鼓勵

向量這一章，視覺化是關鍵！如果你遇到困難，試著畫出一個簡單的坐標系（哪怕只是正向軸），並嘗試描繪路徑。專注於核心關係：大小（畢氏定理）、角度（點積）以及直線定義 (\(\mathbf{r} = \mathbf{a} + \lambda \mathbf{b}\))。你一定行的！