Vektorový součin a nabla

Vektorový součin a nabla — kompletní průvodce

---

Co musíš umět předtím — prerekvizity

Než pochopíš vektorový součin a nablu, musíš mít jistotu v těchto věcech:

1. Vektory základy

• Vektor je šipka v prostoru: $\mathbf{a}=(a_1,a_2,a_3)$
• Sčítání: $\mathbf{a}+\mathbf{b}=(a_1+b_1,a_2+b_2,a_3+b_3)$
• Násobení skalárem: $k\mathbf{a}=(k{a}_1,k{a}_2,k{a}_3)$
• Velikost (délka) vektoru: $|\mathbf{a}|=\sqrt{a_1^2+a_2^2+a_3^2}$

2. Skalární součin (tečkový součin)

$\mathbf{a}\cdot \mathbf{b}=a_1{b}_1+a_2{b}_2+a_3{b}_3$

Výsledek je číslo (skalár), ne vektor.

Geometrický význam: $\mathbf{a}\cdot \mathbf{b}=|\mathbf{a}||\mathbf{b}|\cos \alpha$

kde $\alpha$ je úhel mezi vektory. Pokud $\mathbf{a}\cdot \mathbf{b}=0$, vektory jsou kolmé.

3. Bázové vektory

$\mathbf{i}=(1,0,0),\mathbf{j}=(0,1,0),\mathbf{k}=(0,0,1)$

Každý vektor lze zapsat jako: $\mathbf{a}=a_1\mathbf{i}+a_2\mathbf{j}+a_3\mathbf{k}$

4. Determinant matice 2×2

$\left|\begin{array}{ccc}a& bc& d\end{array}\right|=ad-bc$

5. Determinant matice 3×3 (rozvoj podle prvního řádku)

$\left|\begin{array}{ccccccc}a& b& cd& e& fg& h& i\end{array}\right|=a\left|\begin{array}{ccc}e& f\text{h}& i\end{array}\right|-b\left|\begin{array}{ccc}d& f\text{g}& i\end{array}\right|+c\left|\begin{array}{ccc}d& e\text{g}& h\end{array}\right|$

6. Parciální derivace

$\frac{\partial f}{\partial x}$ — derivuješ podle $x$, ostatní proměnné bereš jako konstanty.

Příklad: $f(x,y)=x^{2}y+3y$

$\frac{\partial f}{\partial x}=2xy,\frac{\partial f}{\partial y}=x^2+3$

---

---

Část 1: Vektorový součin

Co to je

Vektorový součin $\mathbf{a}\times \mathbf{b}$ dvou vektorů v prostoru dává nový vektor, který je:

• kolmý na oba původní vektory
• jeho délka odpovídá ploše rovnoběžníku rozepjatého vektory $\mathbf{a}$ a $\mathbf{b}$

---

Výpočet pomocí determinantu

$\mathbf{a}\times \mathbf{b}=\left|\begin{array}{ccccccc}\mathbf{i}& \mathbf{j}& \mathbf{k}{a}_1& a_2& a_3{b}_1& b_2& b_3\end{array}\right|$

Rozvineme podle prvního řádku:

$=\mathbf{i}\left|\begin{array}{ccc}{a}_2& a_3{\text{b}}_2& b_3\end{array}\right|-\mathbf{j}\left|\begin{array}{ccc}{a}_1& a_3{\text{b}}_1& b_3\end{array}\right|+\mathbf{k}\left|\begin{array}{ccc}{a}_1& a_2{\text{b}}_1& b_2\end{array}\right|$

Konkrétně:

$\mathbf{a}\times \mathbf{b}=(a_2{b}_3-a_3{b}_2,a_3{b}_1-a_1{b}_3,a_1{b}_2-a_2{b}_1)$

---

Příklad 1 — základní

$\mathbf{a}=(1,2,3),\mathbf{b}=(4,5,6)$

$\mathbf{a}\times \mathbf{b}=\left|\begin{array}{ccccccc}\mathbf{i}& \mathbf{j}& \mathbf{k}\text{1}& 2& 3\text{4}& 5& 6\end{array}\right|$

$=\mathbf{i}(2\cdot 6-3\cdot 5)-\mathbf{j}(1\cdot 6-3\cdot 4)+\mathbf{k}(1\cdot 5-2\cdot 4)$

$=\mathbf{i}(12-15)-\mathbf{j}(6-12)+\mathbf{k}(5-8)$

$=\boxed{(-3,6,-3)}$

Ověření kolmosti — skalární součin musí být nula:

$\mathbf{a}\cdot (\mathbf{a}\times \mathbf{b})=1\cdot (-3)+2\cdot 6+3\cdot (-3)=-3+12-9=0✓$

---

Příklad 2 — bázové vektory

$\mathbf{i}\times \mathbf{j}=\left|\begin{array}{ccccccc}\mathbf{i}& \mathbf{j}& \mathbf{k}\text{1}& 0& 0\text{0}& 1& 0\end{array}\right|=(0\cdot 0-0\cdot 1,0\cdot 0-1\cdot 0,1\cdot 1-0\cdot 0)=\mathbf{k}$

Tedy: $\mathbf{i}\times \mathbf{j}=\mathbf{k},\mathbf{j}\times \mathbf{k}=\mathbf{i},\mathbf{k}\times \mathbf{i}=\mathbf{j}$

---

Geometrický význam

$|\mathbf{a}\times \mathbf{b}|=|\mathbf{a}||\mathbf{b}|\sin \alpha$

kde $\alpha$ je úhel mezi vektory.

• Pokud $\mathbf{a}\times \mathbf{b}=0$, vektory jsou rovnoběžné
• Směr výsledného vektoru určuje pravidlo pravé ruky: prsty ve směru $\mathbf{a}$, zkroutíš ke $\mathbf{b}$, palec ukáže směr $\mathbf{a}\times \mathbf{b}$

---

Plocha trojúhelníku a rovnoběžníku

$S_{\text{rovnobeˇzˇnıˊk}}=|\mathbf{a}\times \mathbf{b}|$

$S_{\text{trojuˊhelnıˊk}}=\frac{1}{2}|\mathbf{a}\times \mathbf{b}|$

---

Důležité vlastnosti

Vlastnost	Vzorec
Antikomutativita	$\mathbf{a}\times \mathbf{b}=-\mathbf{b}\times \mathbf{a}$
Distributivita	$\mathbf{a}\times (\mathbf{b}+\mathbf{c})=\mathbf{a}\times \mathbf{b}+\mathbf{a}\times \mathbf{c}$
Součin s sebou	$\mathbf{a}\times \mathbf{a}=0$
Kolmost	$\mathbf{a}\cdot (\mathbf{a}\times \mathbf{b})=0$

---

---

Část 2: Operátor Nabla $\nabla$

Co to je

$\nabla$ (čti “nabla”) není číslo ani vektor — je to operátor. Sám o sobě nic neznamená, ale říká “udělej parciální derivace”:

$\nabla =\left(\frac{\partial }{\partial x},\frac{\partial }{\partial y},\frac{\partial }{\partial z}\right)$

Aplikuje se třemi způsoby a pokaždé dá něco jiného:

---

Způsob 1: Gradient $\nabla f$

Aplikace na skalární funkci $f(x,y,z)$ — výsledek je vektor:

$\nabla f=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y},\frac{\partial f}{\partial z}\right)$

Intuice: Gradient ukazuje směr nejrychlejšího růstu funkce. Jako šipka ukazující do kopce na mapě vrstevnic.

Příklad: $f(x,y,z)=x^2+y^2+z^2$

$\nabla f=(2x,2y,2z)$

V bodě $(1,1,1)$: $\nabla f=(2,2,2)$ — šipka mířící “ven” od počátku. ✅

---

Způsob 2: Divergence $\nabla \cdot \mathbf{F}$

Skalární součin $\nabla$ s vektorovým polem $\mathbf{F}=(P,Q,R)$ — výsledek je číslo (skalár):

$\nabla \cdot \mathbf{F}=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}$

Intuice: Divergence měří, zda z bodu pole “vytéká” (kladná) nebo “vtéká” (záporná). Představ si proud vody — divergence říká, jestli je v daném místě zdroj nebo propad.

Příklad: $\mathbf{F}=(x^2,y^2,z^2)$

$\nabla \cdot \mathbf{F}=2x+2y+2z$

---

Způsob 3: Rotace $\nabla \times \mathbf{F}$

Vektorový součin $\nabla$ s vektorovým polem $\mathbf{F}=(P,Q,R)$ — výsledek je vektor:

$\nabla \times \mathbf{F}=\left|\begin{array}{ccccc}\mathbf{i}& \mathbf{j}& \mathbf{k}& & \\ frac\partial \partial x& \frac{\partial }{\partial y}& \frac{\partial }{\partial z}\P & Q& R\end{array}\right|$

$=\left(\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z},\frac{\partial P}{\partial z}-\frac{\partial R}{\partial x},\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)$

Intuice: Rotace měří, zda pole “rotuje” kolem bodu. Představ si vír ve vodě — rotace říká, jak moc a v jakém směru se voda točí.

Příklad: $\mathbf{F}=(-y,x,0)$ — toto pole rotuje kolem osy $z$

$\nabla \times \mathbf{F}=\left(\frac{\partial 0}{\partial y}-\frac{\partial x}{\partial z},\frac{\partial (-y)}{\partial z}-\frac{\partial 0}{\partial x},\frac{\partial x}{\partial x}-\frac{\partial (-y)}{\partial y}\right)$

$=(0-0,0-0,1-(-1))=(0,0,2)$

Výsledek ukazuje ve směru osy $z$ — pole skutečně rotuje kolem $z$. ✅

---

Přehledná tabulka

Operace	Zápis	Vstup	Výstup	Intuice
Gradient	$\nabla f$	skalár	vektor	směr největšího růstu
Divergence	$\nabla \cdot \mathbf{F}$	vektor	skalár	zdroj / propad
Rotace	$\nabla \times \mathbf{F}$	vektor	vektor	vír / otáčení

---

Laplaceův operátor ${\nabla }^2$

Speciální případ — divergence gradientu:

${\nabla }^{2}f=\nabla \cdot (\nabla f)=\frac{{\partial }^{2}f}{\partial x^2}+\frac{{\partial }^{2}f}{\partial y^2}+\frac{{\partial }^{2}f}{\partial z^2}$

Používá se ve fyzice — popisuje šíření tepla, vln, elektromagnetické pole.

---

---

Část 3: Jak to všechno sedí dohromady

Skalární funkce f
        │
        │  gradient ∇f
        ▼
Vektorové pole F = (P, Q, R)
        │                    │
        │  divergence ∇·F    │  rotace ∇×F
        ▼                    ▼
    skalár               vektor
  (zdroj/propad)        (vír/otáčení)

A pak nastupují věty, které propojují integrály:

Věta	Co propojuje	Dimenze
Greenova	$\oint$ křivka $\leftrightarrow$ $\iint$ plocha	2D
Stokesova	$\oint$ křivka $\leftrightarrow$ $\iint$ rotace přes plochu	3D
Gaussova	$\iint$ plocha $\leftrightarrow$ $\iiint$ divergence přes objem	3D

Všechny jsou instancí jednoho principu:

$\boxed{\text{integraˊl prˇes hranici}=\text{integraˊl derivace prˇes vnitrˇek}}$

---

Časté chyby

• ❌ Zaměnit $\mathbf{a}\times \mathbf{b}$ a $\mathbf{b}\times \mathbf{a}$ — mají opačné znaménko!
• ❌ Myslet si, že $\nabla$ je vektor — je to operátor, sám o sobě nic neznamená
• ❌ Zaměnit divergenci (výsledek skalár) a rotaci (výsledek vektor)
• ❌ Zapomenout na znaménko $-$ u prostředního členu při rozvoji determinantu
• ❌ Počítat $\nabla \times f$ místo $\nabla \times \mathbf{F}$ — rotace se počítá jen z vektorového pole