歡迎來到 FP3 的向量世界！
你好，未來的數學家！向量 (Vectors) 這一章是「高級純數」(Further Pure Mathematics) 中最強大且最美妙的領域之一。在 FP3 中，我們將告別熟悉的 2D 平面世界，完全進入 3D 幾何 (3D geometry) 的領域。你將學習如何利用進階工具來描述平面、計算體積，並在空間中求出距離與夾角。
如果你之前覺得向量很抽象，不用擔心。我們會將一個關鍵的新概念——向量積（外積，Vector Product / Cross Product）——拆解成簡單且易於掌握的步驟。只要精通這個概念，空間幾何的大門就為你敞開了！
第一節：基礎複習（純量積）
在進入新概念之前，先讓我們快速回顧一下你已經熟悉的工具：純量積 (Scalar Product)。
1.1 純量積（點積，Dot Product）複習
純量積將兩個向量相乘，並產生一個純量 (scalar)（即一個數值）。 若 \(\mathbf{a} = a_1 \mathbf{i} + a_2 \mathbf{j} + a_3 \mathbf{k}\) 且 \(\mathbf{b} = b_1 \mathbf{i} + b_2 \mathbf{j} + b_3 \mathbf{k}\)：
$ \mathbf{a} \cdot \mathbf{b} = a_1 b_1 + a_2 b_2 + a_3 b_3 $
- 夾角計算： $\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}||\mathbf{b}| \cos \theta$。
- 垂直檢定： 若 $\mathbf{a} \cdot \mathbf{b} = 0$，則這兩個向量互相垂直 (perpendicular/orthogonal)。這是一個至關重要的測試！
第二節：向量積（外積，Cross Product）
這是 FP3 向量章節的核心。這裡的關鍵區別在於：運算結果不是一個純量，而是另一個向量！
2.1 定義與方向
兩個向量 \(\mathbf{a}\) 和 \(\mathbf{b}\) 的向量積寫作 $\mathbf{a} \times \mathbf{b}$。
最重要的性質： 所得的向量 \(\mathbf{c} = \mathbf{a} \times \mathbf{b}\) 會與 \(\mathbf{a}\) 和 \(\mathbf{b}\) 兩者同時垂直 (perpendicular)。這使得外積成為求平面方程式的必備工具。
外積的模（長度）
所得向量的模由以下公式給出： $$ |\mathbf{a} \times \mathbf{b}| = |\mathbf{a}||\mathbf{b}| \sin \theta $$ 其中 \(\theta\) 是 \(\mathbf{a}\) 與 \(\mathbf{b}\) 之間的夾角。
方向：右手定則 (Right-Hand Rule)
我們如何判斷所得向量的方向？我們使用右手定則：
想像將向量 \(\mathbf{a}\) 沿著夾角 \(\theta\) 的方向轉向向量 \(\mathbf{b}\)。將你的右手手指沿著這個旋轉方向捲曲，伸出的拇指方向即為 $\mathbf{a} \times \mathbf{b}$ 的方向。
記憶小撇步： 因為有右手定則，運算順序很重要！ $$ \mathbf{b} \times \mathbf{a} = -(\mathbf{a} \times \mathbf{b}) $$ （外積具有反交換律，anti-commutative。）
2.2 計算向量積
為了求出所得向量的分量，我們使用行列式 (determinants) 的方法。
設 $\mathbf{a} = a_1 \mathbf{i} + a_2 \mathbf{j} + a_3 \mathbf{k}$ 且 $\mathbf{b} = b_1 \mathbf{i} + b_2 \mathbf{j} + b_3 \mathbf{k}$。
我們建立一個 3x3 的行列式矩陣： $$ \mathbf{a} \times \mathbf{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix} $$
分步計算
- 對於 \(\mathbf{i}\) 分量： 遮住第一行。計算剩餘 2x2 矩陣的行列式： $$ (a_2 b_3) - (a_3 b_2) $$
- 對於 \(\mathbf{j}\) 分量： 遮住第二行。計算行列式（記得要減去該項，或乘以 \(-1\)）： $$ - [(a_1 b_3) - (a_3 b_1)] $$
- 對於 \(\mathbf{k}\) 分量： 遮住第三行。計算行列式： $$ (a_1 b_2) - (a_2 b_1) $$
所得向量為： $$ \mathbf{a} \times \mathbf{b} = [(a_2 b_3 - a_3 b_2)]\mathbf{i} - [(a_1 b_3 - a_3 b_1)]\mathbf{j} + [(a_1 b_2 - a_2 b_1)]\mathbf{k} $$
- 結果是一個向量。
- 結果向量與兩個原始向量垂直。
- 若 \(\mathbf{a}\) 與 \(\mathbf{b}\) 平行（或反向平行），則 \(\theta = 0^\circ\) 或 \(180^\circ\)。由於 \(\sin(0^\circ) = 0\)，因此 \( \mathbf{a} \times \mathbf{b} = \mathbf{0} \)（零向量）。
第三節：向量積的應用
外積為求 3D 空間中的面積和體積提供了優雅的快捷方式。
3.1 平行四邊形與三角形面積
請記住外積的模為 $|\mathbf{a} \times \mathbf{b}| = |\mathbf{a}||\mathbf{b}| \sin \theta$。在幾何上，這正是由向量 \(\mathbf{a}\) 和 \(\mathbf{b}\) 所組成的平行四邊形面積。
- 平行四邊形面積： 若 \(\mathbf{a}\) 和 \(\mathbf{b}\) 為相鄰邊，則： $$ Area = |\mathbf{a} \times \mathbf{b}| $$
- 三角形面積： 由於三角形面積是平行四邊形的一半： $$ Area = \frac{1}{2} |\mathbf{a} \times \mathbf{b}| $$
3.2 平行六面體的體積（純量三重積，Scalar Triple Product）
平行六面體 (parallelepiped) 是一個 3D 圖形，就像一個被拉伸或壓扁的立方體（六個面都是平行四邊形）。其體積可使用純量三重積求出。
若平行六面體由在同一頂點會合的三個向量 \(\mathbf{a}\)、\(\mathbf{b}\) 和 \(\mathbf{c}\) 所定義，則體積 (V) 為： $$ V = |\mathbf{a} \cdot (\mathbf{b} \times \mathbf{c})| $$
你知道嗎？ 由於兩個向量的點積具有交換律，我們通常將純量三重積寫成一個單一的行列式： $$ V = \left| \begin{vmatrix} a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \\ c_1 & c_2 & c_3 \end{vmatrix} \right| $$
四面體 (Tetrahedron) 的體積
四面體是一個具有四個三角形面的金字塔。其體積為由相同三個邊向量所定義的平行六面體體積的 1/6。 $$ V_{tetrahedron} = \frac{1}{6} |\mathbf{a} \cdot (\mathbf{b} \times \mathbf{c})| $$
關鍵重點： 外積用於尋找垂直向量與面積；純量三重積用於尋找體積。
第四節：平面方程式
3D 空間中的一個平面由其方位（傾斜度）及其位置來定義。方位完全由單一個向量控制：法向量 (normal vector)。
4.1 法向量 (\(\mathbf{n}\))
法向量 \(\mathbf{n}\) 是一個垂直於平面本身的向量。它與平面內的所有直線和向量都垂直。
如何尋找法向量
若已知平面上三個不共線的點 A、B 和 C：
- 在平面上構成兩個向量，例如 \(\mathbf{a} = \vec{AB}\) 和 \(\mathbf{b} = \vec{AC}\)。
- 計算外積：\(\mathbf{n} = \mathbf{a} \times \mathbf{b}\)。所得結果即為法向量。
4.2 平面的向量方程式
平面可以由一個已知位置向量 \(\mathbf{a}\)（平面上的一點）及其法向量 \(\mathbf{n}\) 來定義。
設 \(\mathbf{r}\) 為平面上任意點 P(x, y, z) 的位置向量。向量 \(\mathbf{r} - \mathbf{a}\) 完全位於平面內。由於 \(\mathbf{n}\) 垂直於平面，它必然垂直於 \(\mathbf{r} - \mathbf{a}\)。
由此得出標準向量方程式： $$ (\mathbf{r} - \mathbf{a}) \cdot \mathbf{n} = 0 $$
整理後可得到常見形式： $$ \mathbf{r} \cdot \mathbf{n} = \mathbf{a} \cdot \mathbf{n} $$ 數值 \(\mathbf{a} \cdot \mathbf{n}\) 是一個固定的純量，通常記作 D。 $$ \mathbf{r} \cdot \mathbf{n} = D $$
4.3 平面的笛卡兒方程式 (Cartesian Equation)
若 \(\mathbf{r} = x\mathbf{i} + y\mathbf{j} + z\mathbf{k}\) 且 \(\mathbf{n} = n_1\mathbf{i} + n_2\mathbf{j} + n_3\mathbf{k}\)，向量方程式 \(\mathbf{r} \cdot \mathbf{n} = D\) 可直接展開為笛卡兒形式：
$$ n_1 x + n_2 y + n_3 z = D $$
關鍵洞察： 笛卡兒方程式中 \(x, y, z\) 的係數即為法向量 \(\mathbf{n}\) 的分量。
例子： 若平面為 \(2x - 3y + z = 10\)，則法向量為 \(\mathbf{n} = 2\mathbf{i} - 3\mathbf{j} + \mathbf{k}\)。
常見錯誤警示！
請記住直線 (Line) 與平面 (Plane) 方程式的區別：
直線： \(\mathbf{r} = \mathbf{a} + \lambda \mathbf{d}\)（使用方向向量 \(\mathbf{d}\)）
平面： \(\mathbf{r} \cdot \mathbf{n} = D\)（使用法向量 \(\mathbf{n}\)）
第五節：3D 空間中的夾角與距離
向量的最後應用涉及計算直線與平面之間的關係。
5.1 兩平面之間的夾角
當兩個平面相交時，它們之間的夾角 \(\theta\) 定義為其各自法向量 \(\mathbf{n}_1\) 和 \(\mathbf{n}_2\) 之間的夾角。
我們使用點積公式，確保得出銳角（通常在 \(0^\circ\) 到 \(90^\circ\) 之間）： $$ \cos \theta = \frac{|\mathbf{n}_1 \cdot \mathbf{n}_2|}{|\mathbf{n}_1||\mathbf{n}_2|} $$ （我們使用點積的絕對值來確保得到的是銳角。）
- 平行平面： 若 \(\mathbf{n}_1\) 平行於 \(\mathbf{n}_2\)（即 \(\mathbf{n}_1 = k \mathbf{n}_2\)），則夾角 \(\theta = 0^\circ\)。
- 垂直平面： 若 \(\mathbf{n}_1 \cdot \mathbf{n}_2 = 0\)，則夾角 \(\theta = 90^\circ\)。
5.2 直線與平面之間的夾角
這經常是陷阱！若直線 L 的方向向量為 \(\mathbf{d}\)，平面 \(\Pi\) 的法向量為 \(\mathbf{n}\)。
我們使用點積求出的夾角 \(\alpha\)，其實是直線方向 \(\mathbf{d}\) 與法向量 \(\mathbf{n}\) 之間的夾角。
$$ \cos \alpha = \frac{|\mathbf{d} \cdot \mathbf{n}|}{|\mathbf{d}||\mathbf{n}|} $$
然而，題目通常要求的是直線 L 與平面 \(\Pi\) 之間的夾角 \(\theta\)。
由於平面與法向量互相垂直： $$ \theta = 90^\circ - \alpha \quad \text{或} \quad \sin \theta = \cos \alpha $$
關鍵技巧： 一定要先計算直線方向與法向量之間的餘弦值 (\(\cos \alpha\))，然後利用三角函數求出所需夾角的正弦值 (\(\sin \theta\))。
5.3 點到平面的最短距離
我們要求點 \(P(x_0, y_0, z_0)\) 到平面 \(\Pi: n_1 x + n_2 y + n_3 z = D\) 的垂直距離。
首先，將笛卡兒方程式改寫為等於零的形式：\(n_1 x + n_2 y + n_3 z - D = 0\)。
最短距離 (S) 可透過將點的座標代入平面方程式，並除以法向量的模來得出：
$$ S = \frac{|n_1 x_0 + n_2 y_0 + n_3 z_0 - D|}{\sqrt{n_1^2 + n_2^2 + n_3^2}} $$
鼓勵一下： 這看起來很複雜，但這只是一個公式代入！找出你的 \(x_0, y_0, z_0\) 以及方程式中的法向量分量 \(n_1, n_2, n_3\) 並帶入即可。絕對值確保了距離為正數。
5.4 尋找交點（直線與平面）
如果有一條直線 L 和一個平面 \(\Pi\)，它們要麼平行，要麼在唯一的一點相交。
步驟：
- 從直線 L 的向量方程式開始：\(\mathbf{r} = \mathbf{a} + \lambda \mathbf{d}\)。
- 從平面 \(\Pi\) 的向量方程式開始：\(\mathbf{r} \cdot \mathbf{n} = D\)。
- 代入：將直線的 \(\mathbf{r}\) 表達式代入平面方程式： $$ (\mathbf{a} + \lambda \mathbf{d}) \cdot \mathbf{n} = D $$
- 展開點積：\(\mathbf{a} \cdot \mathbf{n} + \lambda (\mathbf{d} \cdot \mathbf{n}) = D\)。
- 此方程式只有一個未知數 \(\lambda\)，求出 \(\lambda\)。
- 將 \(\lambda\) 的值帶回直線方程式 \(\mathbf{r} = \mathbf{a} + \lambda \mathbf{d}\)，即可求出交點的位置向量。
如果 \(\mathbf{d} \cdot \mathbf{n} = 0\) 怎麼辦？ 如果直線方向與平面法向量的點積為零，說明直線垂直於法向量。這代表直線平行於平面！在這種情況下，要麼沒有交點（若 \(\mathbf{a} \cdot \mathbf{n} \neq D\)），要麼整條直線都位於平面上（若 \(\mathbf{a} \cdot \mathbf{n} = D\)）。
章節總結：重點回顧
- 向量積 \(\mathbf{a} \times \mathbf{b}\) 產生的向量與 \(\mathbf{a}\) 和 \(\mathbf{b}\) 皆垂直。這個結果是尋找平面的法向量及計算面積的基礎。
- 法向量 \(\mathbf{n}\) 是平面的定義特徵。
- 平面方程式的兩種主要形式為 \(\mathbf{r} \cdot \mathbf{n} = D\)（向量式）和 \(n_1 x + n_2 y + n_3 z = D\)（笛卡兒式）。
- 計算直線與平面之間的夾角時，記得先算出與法向量的夾角 (\(\alpha\))，再進行轉換 (\(\theta = 90^\circ - \alpha\))。
你已經成功駕馭了 3D 幾何的深海！多練習這些公式與技巧，特別是外積的計算，你會發現 FP3 的向量章節非常有成就感。祝你好運！