向量如何相乘：深入解析點乘、叉乘與其應用

Table of Contents

向量如何相乘？

許多初次接觸向量的朋友，都會被「向量如何相乘」這個問題給困擾。畢竟，對於普通的數字，我們熟知加、減、乘、除，但向量的乘法，卻有著幾種截然不同的方式，而且它們的結果也各不相同。這到底是怎麼回事呢？別擔心，今天我們就來一次說清楚、講明白！

簡單來說，向量的「相乘」主要有兩種基本形式：**點乘（Dot Product）**，也稱為數量積，它的結果是一個**純量**（也就是一個普通的數字，沒有方向）；以及**叉乘（Cross Product）**，也稱為向量積，它的結果是一個**新的向量**，這個新向量的方向和大小都蘊含著重要的資訊。

這兩種乘法，不僅計算方式不同，它們的幾何意義和應用場景更是天差地別。理解了「向量如何相乘」，就像是掌握了描述空間中物體之間關係的關鍵鑰匙，在物理學、工程學、電腦圖學等眾多領域都有著舉足輕重的地位。

點乘 (Dot Product)：向量的「內耗」與角度的秘密

想像一下，你有兩個向量，它們各自代表了某種「力」或者「位移」。如果你想知道這兩個向量在「同一個方向」上有多少重疊，或者說它們之間的方向有多接近，這時候點乘就派上用場了！

點乘的計算方式，可以從兩個角度來理解：

1. 代數定義：對應分量相乘後求和

這是最直接的計算方法。假設我們有兩個二維向量 $\vec{a} = (a_1, a_2)$ 和 $\vec{b} = (b_1, b_2)$，那麼它們的點乘，記作 $\vec{a} \cdot \vec{b}$，就是：

$\vec{a} \cdot \vec{b} = a_1 \times b_1 + a_2 \times b_2$

如果是在三維空間，向量 $\vec{a} = (a_1, a_2, a_3)$ 和 $\vec{b} = (b_1, b_2, b_3)$，那麼點乘就是：

$\vec{a} \cdot \vec{b} = a_1 \times b_1 + a_2 \times b_2 + a_3 \times b_3$

簡單吧？就是把向量的第一個數字乘起來，第二個數字乘起來，然後第三個（如果有的話）也乘起來，最後把這些乘積加總。得到的就是一個單純的數字，這就是點乘的結果。

2. 幾何定義：向量大小與夾角餘弦的乘積

點乘還有一個非常重要的幾何意義。它等於兩個向量的大小（長度）的乘積，再乘以它們之間夾角的餘弦值。記作 $|\vec{a}|$ 代表向量 $\vec{a}$ 的大小，$\theta$ 代表向量 $\vec{a}$ 和 $\vec{b}$ 之間的夾角：

$\vec{a} \cdot \vec{b} = |\vec{a}| |\vec{b}| \cos(\theta)$

這個公式可太有用了！它告訴我們，點乘的結果，直接關聯到兩個向量的「相似度」或「方向一致性」。

如果 $\vec{a}$ 和 $\vec{b}$ 方向大致相同，那麼 $\theta$ 會接近 0 度，$\cos(\theta)$ 接近 1，點乘結果為正，且值較大。
如果 $\vec{a}$ 和 $\vec{b}$ 互相垂直，那麼 $\theta$ 為 90 度，$\cos(\theta) = 0$，點乘結果就是 0。這是一個非常重要的判斷條件！
如果 $\vec{a}$ 和 $\vec{b}$ 方向大致相反，那麼 $\theta$ 會接近 180 度，$\cos(\theta)$ 接近 -1，點乘結果為負，且值較小（絕對值較大）。

點乘的應用場景

點乘的這些特性，讓它在許多地方都非常實用：

**計算向量間的夾角：** 透過點乘公式，我們可以很容易地反推出兩個向量之間的夾角：$\cos(\theta) = \frac{\vec{a} \cdot \vec{b}}{|\vec{a}| |\vec{b}|}$。這在機器學習中的「餘弦相似度」計算非常常見，用來衡量兩個文本或向量的相似程度。
**判斷向量是否垂直：** 如果兩個向量的點乘結果是 0，那它們就一定是互相垂直的（前提是兩個向量都不是零向量）。這在幾何學和物理學中，用來判斷法向量與平面是否平行，或者力與位移是否垂直（不做功）。
**計算投影：** 一個向量在另一個向量上的投影長度，也可以透過點乘來計算。例如，向量 $\vec{a}$ 在向量 $\vec{b}$ 上的投影向量是 $\text{proj}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|^2} \vec{b}$。
**物理學中的功：** 物理學中，功 $W$ 的定義就是力 $\vec{F}$ 和位移 $\vec{d}$ 的點乘：$W = \vec{F} \cdot \vec{d}$。這精準地描述了只有沿著位移方向的分力才會做功。

我自己在使用點乘時，最常感受到它的「減法」和「過濾」的威力。它就像一個篩子，能把兩個向量中不相關（方向不一致）的部分給「篩掉」，只留下它們在同一方向上的「共性」。

叉乘 (Cross Product)：向量的「協同」與垂直新向量的誕生

如果說點乘是關於向量「內耗」和「相似度」的，那麼叉乘則關乎向量的「協同」和「垂直」！叉乘只存在於三維空間中（在二維或更高維空間有類似的概念，但我們這裡主要討論三維）。

當你計算兩個向量的叉乘時，你得到的不會是一個數字，而是一個**全新的向量**。這個新向量非常特別，它同時具備兩個重要的特性：

1. 方向：垂直於原來兩個向量所決定的平面

這就像你把兩支筆（代表向量）放在桌面上，它們形成一個平面。叉乘出來的新向量，就是一根筆直地從這個桌面「垂直」向上或向下伸出的向量。它的方向是怎麼決定的呢？這就用到了「右手定則」。

右手定則： 將右手食指指向第一個向量的方向，然後彎曲中指指向第二個向量的方向，那麼大拇指所指的方向，就是叉乘結果向量的方向。

請注意，向量的順序非常重要！ $\vec{a} \times \vec{b}$ 和 $\vec{b} \times \vec{a}$ 的方向是相反的。這表示叉乘是「反交換律」的，即 $\vec{a} \times \vec{b} = -(\vec{b} \times \vec{a})$。

2. 大小：平行四邊形面積

叉乘出來的新向量的「大小」（長度），等於原來兩個向量 $\vec{a}$ 和 $\vec{b}$ 所張成的平行四邊形的面積。這個面積可以透過它們的大小和夾角餘弦來計算：

$|\vec{a} \times \vec{b}| = |\vec{a}| |\vec{b}| \sin(\theta)$

這裡的 $\theta$ 仍然是兩個向量之間的夾角。為什麼是用 $\sin(\theta)$ 呢？想想看，當兩個向量越「不平行」（夾角越大），它們張成的平行四邊形面積就越大，叉乘的大小也就越大。反之，如果兩個向量幾乎平行（$\theta$ 接近 0 或 180 度），$\sin(\theta)$ 就接近 0，叉乘的大小也就接近 0。這也解釋了為什麼如果兩個向量平行，它們的叉乘結果是零向量，因為它們無法張成一個有面積的平行四邊形。

叉乘的代數計算

對於三維向量 $\vec{a} = (a_1, a_2, a_3)$ 和 $\vec{b} = (b_1, b_2, b_3)$，它們的叉乘 $\vec{a} \times \vec{b}$ 的計算比較繁複，但有一個方便的「行列式」記憶法：

$\vec{a} \times \vec{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix}$

其中 $\mathbf{i} = (1, 0, 0)$，$\mathbf{j} = (0, 1, 0)$，$\mathbf{k} = (0, 0, 1)$ 是三個標準正交基向量。展開這個行列式，我們得到：

$\vec{a} \times \vec{b} = (a_2 b_3 – a_3 b_2)\mathbf{i} – (a_1 b_3 – a_3 b_1)\mathbf{j} + (a_1 b_2 – a_2 b_1)\mathbf{k}$

所以，叉乘的結果向量的三個分量分別是：

x 分量：$a_2 b_3 – a_3 b_2$
y 分量：$a_3 b_1 – a_1 b_3$ (注意符號的差異)
z 分量：$a_1 b_2 – a_2 b_1$

初學時，這個公式可能會讓人眼花繚亂，但多練習幾次，就會發現它背後有規律可循。重點在於記住「對角線」的乘法和減法，以及 $\mathbf{j}$ 分量的符號要反。

叉乘的應用場景

叉乘這個「製造」垂直向量的能力，讓它在很多領域大顯身手：

**計算法向量：** 在三維圖形學和計算機圖形學中，計算一個面的法向量（垂直於平面的向量）是基礎。當我們知道面的兩個不共線的向量時，它們的叉乘就能直接得到法向量。
**判斷向量方向：** 透過叉乘的結果向量方向，可以判斷兩個向量的相對位置，例如判斷一個點是否在某條線段的左側或右側（這在遊戲開發和碰撞檢測中很重要）。
**計算力矩 (Torque)：** 在物理學中，力矩 $\vec{\tau}$ 的計算就涉及到叉乘。力矩描述的是一個力對物體產生的轉動效應，公式是 $\vec{\tau} = \vec{r} \times \vec{F}$，其中 $\vec{r}$ 是從轉軸到施力點的向量，$\vec{F}$ 是作用的力。
**計算迴轉 (Angular Momentum)：** 類似地，角動量 $\vec{L}$ 也與叉乘有關：$\vec{L} = \vec{r} \times \vec{p}$，其中 $\vec{p}$ 是動量。
**面積計算：** 前面提到的，叉乘的大小就是兩個向量所張成平行四邊形的面積。如果是三角形，面積就是這個值的一半。

在我看來，叉乘最迷人的地方就是它創造了一種「第三維度」的關係。原本在一個平面上的兩個向量，它們的叉乘卻能「跳出」這個平面，指引一個全新的、垂直的方向。這就像是把兩個向量的「潛力」激發出來，形成一個與它們都「最不相關」的方向。

向量乘法的總結與比較

為了讓大家更清楚地區分這兩種向量乘法，我們來做個小總結：

性質	點乘 (Dot Product, $\vec{a} \cdot \vec{b}$)	叉乘 (Cross Product, $\vec{a} \times \vec{b}$)
結果類型	純量 (Scalar)	向量 (Vector)
定義	對應分量相乘求和；或 $\|\vec{a}\|\|\vec{b}\|\cos(\theta)$	新的垂直向量；或 $\|\vec{a}\|\|\vec{b}\|\sin(\theta)$
幾何意義	向量間的「相似度」、投影；用於判斷垂直	垂直於兩向量所張平面的向量；其大小為平行四邊形面積
適用空間	二維、三維及更高維度	僅限三維空間 (在其他維度有類似推廣)
交換律	交換律：$\vec{a} \cdot \vec{b} = \vec{b} \cdot \vec{a}$	反交換律：$\vec{a} \times \vec{b} = -(\vec{b} \times \vec{a})$
什麼時候為零？	當兩向量垂直，或其中一個為零向量	當兩向量平行（共線），或其中一個為零向量

看到這個表格，是不是就一目了然了？點乘像是「壓縮」信息，將向量的「共性」提煉成一個數字；而叉乘則像是「擴展」信息，利用兩個向量的關係，製造出一個全新的、與它們都垂直的向量。

進階的「向量乘法」：純量乘法與外積

除了點乘和叉乘這兩種最常見的「乘法」，我們也需要稍微提及一下其他相關的概念，以免造成混淆。

純量乘法 (Scalar Multiplication)

這其實是最簡單的「乘法」，但有時候大家可能會把它跟前面兩種混淆。純量乘法是指一個純量（就是一個普通的數字，例如 2、-5、$\pi$）乘以一個向量。它的結果是一個新的向量，方向與原向量相同（如果純量為正）或相反（如果純量為負），大小則按照純量進行縮放。

例如，如果 $k$ 是一個純量，$\vec{v} = (v_1, v_2)$ 是一個向量，那麼 $k\vec{v} = (kv_1, kv_2)$。這非常直觀，就像把向量「拉長」或「縮短」。

外積 (Outer Product)

嚴格來說，外積（也稱為張量積）與點乘和叉乘有所不同。外積產生的是一個「張量」（Tensor），在二維空間中，兩個二維向量的外積會得到一個二階張量，也就是一個矩陣。在三維空間中，兩個三維向量的外積也會得到一個三階張量，但通常我們討論的是兩個 $n$ 維向量的外積得到一個 $n \times n$ 的矩陣。

外積的計算方式是：對於向量 $\vec{u} = (u_1, u_2, \dots, u_n)$ 和 $\vec{v} = (v_1, v_2, \dots, v_n)$，它們的外積 $\vec{u} \otimes \vec{v}$ 是一個 $n \times n$ 的矩陣 $M$，其中 $M_{ij} = u_i v_j$。

例如，在三維空間，$\vec{u} = (u_1, u_2, u_3)$ 和 $\vec{v} = (v_1, v_2, v_3)$ 的外積是：

$\vec{u} \otimes \vec{v} = \begin{pmatrix} u_1 v_1 & u_1 v_2 & u_1 v_3 \\ u_2 v_1 & u_2 v_2 & u_2 v_3 \\ u_3 v_1 & u_3 v_2 & u_3 v_3 \end{pmatrix}$

外積在機器學習、統計學（協方差矩陣的計算）等領域有廣泛應用，它描述了向量的分量之間的「組合」關係。這與點乘「壓縮」信息不同，外積是「擴展」了信息。

常見問題解答：關於向量乘法

Q1: 為什麼向量乘法會有兩種不同的形式 (點乘和叉乘)？它們各自代表什麼？

這是個非常好的問題，也是許多初學者會感到困惑的地方。向量乘法之所以有不同的形式，是因為數學家們需要不同的工具來描述向量之間在不同意義下的「相互作用」或「關係」。

點乘 (Dot Product)，也稱為數量積，它衡量的是兩個向量在「方向上有多接近」。計算結果是一個純量（數字），它的值代表了其中一個向量在另一個向量方向上的「投影」的長度，乘以另一個向量的長度。簡單來說，它告訴你兩個向量有多「一致」或「平行」。例如，在物理學中計算功，只有力在位移方向上的分量才做功，這就是點乘的體現。

叉乘 (Cross Product)，也稱為向量積，它只存在於三維空間中，並產生一個全新的向量。這個新向量有兩個重要的性質：

方向： 垂直於原來兩個向量所決定的平面，具體方向由右手定則決定。
大小： 等於由這兩個向量張成的平行四邊形的面積。

叉乘描述的是兩個向量「協同」工作時，產生一個垂直於它們所在平面的「旋轉」或「力矩」效應。例如，在計算物理學中的力矩時，我們就使用叉乘。

所以，點乘像是「內耗」和「壓縮」，關注方向一致性；叉乘像是「協同」和「擴展」，關注垂直性和產生新的方向。

Q2: 我應該如何判斷什麼時候使用點乘，什麼時候使用叉乘？

這個判斷，主要取決於你想要獲得的「結果」以及你所處的「空間」。

使用點乘的時機：

你需要一個純量（數字）作為結果。
你想知道兩個向量的方向有多接近（夾角是多少）。
你想判斷兩個向量是否互相垂直（點乘結果為 0）。
你想計算一個向量在另一個向量上的投影。
你在處理物理學中的功、能量等標量概念。
你在進行機器學習中的相似度計算（如餘弦相似度）。

使用叉乘的時機：

你需要一個新的向量作為結果。
你想要一個與原來兩個向量都互相垂直的向量（例如計算法向量）。
你想要計算由兩個向量張成的平行四邊形面積。
你在處理三維空間中的旋轉、力矩、角動量等向量概念。
你需要在三維空間中判斷一個點相對於一條直線的左右位置。

簡單記憶：如果需要「數字」且關注「角度」或「垂直」，用點乘；如果需要「新向量」且關注「垂直方向」或「面積」，用叉乘。

Q3: 點乘的結果是 0，這是否一定意味著兩個向量互相垂直？

是的，在大多數情況下，點乘結果為 0 確實意味著兩個向量互相垂直。但有一個小小的例外需要注意：如果其中一個（或兩個）向量是零向量，那麼它們的點乘結果也會是 0，但零向量本身並沒有明確的方向，所以我們不能說零向量與任何向量都「垂直」。

數學上嚴謹的表述是：對於非零向量 $\vec{a}$ 和 $\vec{b}$，若 $\vec{a} \cdot \vec{b} = 0$，則 $\vec{a}$ 和 $\vec{b}$ 互相垂直。

Q4: 叉乘的結果是零向量，這意味著什麼？

如果兩個向量 $\vec{a}$ 和 $\vec{b}$ 的叉乘結果 $\vec{a} \times \vec{b} = \vec{0}$（零向量），這有兩個主要原因：

其中一個向量是零向量： 如果 $\vec{a}$ 或 $\vec{b}$ 是零向量，那麼它們無法張成一個有面積的平行四邊形，叉乘結果自然是零向量。
兩個向量互相平行（共線）： 如果 $\vec{a}$ 和 $\vec{b}$ 方向相同或相反（夾角為 0 度或 180 度），那麼 $\sin(\theta) = 0$，因此 $|\vec{a} \times \vec{b}| = 0$。這意味著叉乘結果向量的大小為零，也就是一個零向量。

所以，叉乘結果為零向量，通常表示這兩個向量「沒有產生」一個新的、有方向的「旋轉」效應，它們要么是「無效」的（零向量），要么是「方向重複」的（平行）。

Q5: 點乘和叉乘可以互相轉換嗎？或者它們之間有什麼關係？

點乘和叉乘是兩種基本不同的運算，它們的結果類型和幾何意義不同，因此不能直接互相轉換。點乘得出的是一個純量，而叉乘得出的是一個向量。

然而，它們之間確實存在一些有趣的數學聯繫，其中最著名的是「拉格朗日恆等式」(Lagrange’s identity)：

$|\vec{a} \times \vec{b}|^2 = |\vec{a}|^2 |\vec{b}|^2 – (\vec{a} \cdot \vec{b})^2$

這個恆等式將叉乘的「大小」與點乘聯繫了起來。它表明，兩個向量叉乘的平方大小，等於它們各自大小平方的乘積，減去它們點乘的平方。

這再次印證了它們的幾何意義：叉乘的大小 $|\vec{a}| |\vec{b}| \sin(\theta)$ 和點乘的大小 $|\vec{a}| |\vec{b}| \cos(\theta)$，透過平方和差，可以用畢氏定理 ($(\sin\theta)^2 + (\cos\theta)^2 = 1$) 聯繫起來。

所以，雖然不能直接轉換，但它們在數學上是相互關聯的，它們的組合可以表達出更複雜的幾何關係。

理解「向量如何相乘」，就像是解開了空間中許多奧秘的鎖。點乘和叉乘，這兩種看似不同的數學運算，卻各自以其獨特的方式，幫助我們量化和描述向量之間的關係，為科學、工程、圖學等領域的發展提供了強大的數學基礎。希望今天的說明，能讓您對向量的乘法有更清晰、更深入的認識！

向量如何相乘