GATE Mathematics — หลักสูตร หัวข้อสอบ และสูตรสำคัญ

GATE Mathematics โดยทั่วไปหมายถึงข้อสอบ MA หากคุณกำลังค้นหาสิ่งนี้ หลักสูตรถือว่ากว้างมาก ครอบคลุม 11 หมวดใหญ่ ตั้งแต่ Calculus และ Linear Algebra ไปจนถึง Topology และ Linear Programming รวมถึงส่วน General Aptitude ที่มีในข้อสอบ GATE ทุกสาขา

สิ่งแรกที่ต้องทำให้ชัดคือชื่อเรียก ข้อสอบ MA ไม่เหมือนกับส่วน Engineering Mathematics ที่อยู่ในข้อสอบอย่าง EE, ME หรือ CSE หากสับสนสองอย่างนี้ แผนการอ่านของคุณจะผิดตั้งแต่ยังไม่เริ่ม

GATE Mathematics ครอบคลุมอะไรบ้าง

หลักสูตร MA มักแบ่งเป็นหน่วยกว้าง ๆ ดังนี้:

• Calculus
• Linear Algebra
• Real Analysis
• Complex Analysis
• Ordinary Differential Equations
• Algebra
• Functional Analysis
• Numerical Analysis
• Partial Differential Equations
• Topology
• Linear Programming

รายการนี้ตั้งใจกว้างไว้ก่อน วิธีที่เร็วที่สุดในการทำความเข้าใจคือจัดหัวข้อเหล่านี้ตามวิธีที่คุณต้องใช้ในการอ่านจริง:

• หน่วยที่เน้นการคำนวณ มักได้แก่ Calculus, Linear Algebra, Complex Analysis, Ordinary Differential Equations, Numerical Analysis, Partial Differential Equations และบางส่วนของ Linear Programming
• หน่วยที่เน้นนิยามและทฤษฎีบท มักได้แก่ Real Analysis, Algebra, Functional Analysis และ Topology
• หน่วยแบบผสมต้องใช้ทั้งเทคนิคและทฤษฎี โดย Complex Analysis และ Linear Algebra เป็นตัวอย่างที่ดี

ถ้าจะจำจากหน้านี้เพียงแนวคิดเดียว ให้จำสิ่งนี้ไว้: GATE Mathematics ไม่ใช่วิชา “ท่องสูตร” เพียงอย่างเดียว บางหน่วยให้คะแนนกับการคำนวณที่เร็ว แต่บางหน่วยให้คะแนนกับการใช้นิยามและสมมติฐานอย่างรอบคอบ

หัวข้อไหนของ GATE Math ที่ต้องใช้สูตร

คำว่า “สูตรสำคัญ” มีประโยชน์ แต่ก็มีขีดจำกัด ในหลายหัวข้อของ MA ความต่างของคะแนนจริง ๆ มาจากการรู้ว่าทฤษฎีบทใช้ได้เมื่อไร ไม่ใช่จากการท่องรายการสูตรยาว ๆ

ตัวอย่างเช่น ใน Real Analysis ทฤษฎีบท dominated convergence มีพลังมาก แต่ใช้ได้ก็ต่อเมื่อสมมติฐานครบจริง ๆ ใน Algebra การรู้ข้อความของทฤษฎีบทของ Sylow สำคัญกว่าการพกชีตสูตร ใน Topology นิยามอย่าง compactness, connectedness, basis และ quotient topology เป็นแกนหลักของการทำโจทย์

ดังนั้นกฎแบบใช้งานได้จริงคือ:

• ทำชีตสูตรสำหรับส่วนที่เน้นการคำนวณ
• ทำชีตเงื่อนไขสำหรับส่วนที่เน้นการพิสูจน์

สูตรสำคัญที่ควรทบทวน

นี่ไม่ใช่หลักสูตรทั้งหมด แต่เป็นสูตรหลักที่ช่วยให้คุณมองออกได้เร็วว่าควรใช้วิธีมาตรฐานแบบไหน

Calculus และ Optimization

สำหรับฟังก์ชันสเกลาร์ $f(x_1, \dots, x_n)$, gradient คือ

$$\nabla f = \left(\frac{\partial f}{\partial x_1}, \dots, \frac{\partial f}{\partial x_n}\right)$$

สำหรับการหาค่าสูงสุดหรือต่ำสุดภายใต้เงื่อนไขเรียบ $g(x_1, \dots, x_n) = c$, เงื่อนไขของตัวคูณลากร็องจ์คือ

$$\nabla f = \lambda \nabla g$$

เงื่อนไขนี้ใช้กับจุดผู้สมัครที่วิธีนี้ใช้ได้ แต่เพียงอย่างเดียวไม่ได้รับประกันว่าจะเป็นค่าสูงสุดหรือค่าต่ำสุด

Linear Algebra

พหุนามลักษณะเฉพาะของเมทริกซ์จัตุรัส $A$ คือ

$$p_A(\lambda) = \det(\lambda I - A)$$

eigenvalue และ eigenvector เป็นไปตาม

$$Av = \lambda v$$

สำหรับการแปลงเชิงเส้น $T: V \to W$ บนปริภูมิเวกเตอร์มิติจำกัด

$$\dim(V) = \operatorname{rank}(T) + \operatorname{nullity}(T)$$

ความสัมพันธ์ rank-nullity นี้เป็นข้อเท็จจริงเชิงโครงสร้างที่ใช้บ่อยทั้งในการพิสูจน์และการคำนวณ

Complex Analysis

ถ้า $f$ เป็นฟังก์ชันวิเคราะห์ได้บนและภายในเส้นโค้งปิดอย่างง่ายที่เหมาะสม $C$ แล้วสูตรอินทิกรัลของ Cauchy ให้ว่า

$$f(a) = \frac{1}{2\pi i} \oint_C \frac{f(z)}{z-a}\,dz$$

สำหรับเอกฐานโดดเดี่ยวภายใน $C$, ทฤษฎีบท residue กล่าวว่า

$$\oint_C f(z)\,dz = 2\pi i \sum \operatorname{Res}(f; a_k)$$

ตรงนี้เงื่อนไขก็สำคัญเช่นกัน คุณต้องมีสมมติฐานเรื่องความเป็น analytic และเส้นโค้งให้ครบก่อน

Numerical Analysis

การวนซ้ำแบบ Newton-Raphson สำหรับแก้ $f(x)=0$ คือ

$$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$$

วิธีนี้ต้องมี $f'(x_n) \ne 0$ และจะทำงานได้ดีเมื่อค่าเริ่มต้นสมเหตุสมผลและฟังก์ชันมีพฤติกรรมดีใกล้ราก

สำหรับกฎคางหมูแบบประกอบ เมื่อ $h = \frac{b-a}{n}$,

$$\int_a^b f(x)\,dx \approx \frac{h}{2}\left[f(x_0) + 2\sum_{k=1}^{n-1} f(x_k) + f(x_n)\right]$$

นี่เป็นสูตรประมาณค่า ไม่ใช่อัตลักษณ์ที่เท่ากันเป๊ะ

สมการเชิงอนุพันธ์และทรานส์ฟอร์ม

Laplace transform นิยามโดย

$$\mathcal{L}\{f\}(s) = \int_0^\infty e^{-st} f(t)\,dt$$

เมื่ออินทิกรัลลู่ออก

ใน PDE เรื่องที่สำคัญกว่าสูตรเดียวคือการจำแนกประเภท, canonical forms, separation of variables และวิธีทรานส์ฟอร์ม ดังนั้นควรจำลำดับวิธีทำมากกว่าท่องรายการนิพจน์ล้วน ๆ

Linear Programming

แบบจำลองมาตรฐานของ linear programming เขียนได้เป็น

$$\text{maximize or minimize } c^T x \quad \text{subject to } Ax \le b,\ x \ge 0$$

รูปแบบที่แน่นอนขึ้นอยู่กับโจทย์ ในหน่วยนี้ การตั้งแบบจำลองสำคัญพอ ๆ กับการแก้

ตัวอย่างทำจริง: Newton-Raphson สำหรับ $\sqrt{2}$

กำหนด

$$f(x) = x^2 - 2$$

ดังนั้น

$$f'(x) = 2x$$

Newton-Raphson ให้ว่า

$$x_{n+1} = x_n - \frac{x_n^2 - 2}{2x_n}$$

เริ่มจาก $x_0 = 1.5$ จะได้

$$x_1 = 1.5 - \frac{1.5^2 - 2}{2(1.5)} = 1.5 - \frac{0.25}{3} = 1.4167$$

ทำอีกหนึ่งรอบจะได้

$$x_2 = 1.4167 - \frac{1.4167^2 - 2}{2(1.4167)} \approx 1.4142$$

ซึ่งใกล้กับ $\sqrt{2} \approx 1.4142$ มากแล้ว

ตัวอย่างนี้ควรจำ เพราะมันแสดงให้เห็นความต่างระหว่างการรู้สูตรกับการรู้วิธีทำ ใน GATE Mathematics หลายข้อจริง ๆ แล้วคือการเปลี่ยนวิธีมาตรฐานหนึ่งวิธีให้เป็นลำดับขั้นตอนที่สะอาดและถูกต้อง

ข้อผิดพลาดที่พบบ่อยในการเตรียมตัว GATE Mathematics

สับสนระหว่าง MA กับ Engineering Mathematics

นี่คือความผิดพลาดพื้นฐานที่สุด ข้อสอบ MA อย่างเป็นทางการมีเนื้อหากว้างกว่าส่วนคณิตศาสตร์ในข้อสอบ GATE สาขาอื่นหลายฉบับมาก

ทำแต่ชีตสูตรอย่างเดียว

วิธีนี้ใช้ได้ไม่ดีสำหรับ Real Analysis, Algebra, Functional Analysis และ Topology ในวิชาเหล่านี้ นิยาม ตัวอย่าง และเงื่อนไขของทฤษฎีบทมีน้ำหนักมากกว่ามาก

ใช้ทฤษฎีบทโดยไม่ตรวจสมมติฐาน

คำตอบที่ผิดหลายแบบดูเหมือนถูก เพราะตัวทฤษฎีบทนั้นถูกต้อง แต่ไม่ได้ตรวจว่าสมมติฐานครบหรือไม่ เรื่องนี้เกิดบ่อยกับทฤษฎีบทการลู่เข้า, inverse และ implicit function theorems และผลลัพธ์เกี่ยวกับ contour integration

มองวิธีเชิงตัวเลขว่าเป็นคำตอบเป๊ะ

วิธีอย่าง Newton-Raphson, trapezoidal rule, Simpson rule, Jacobi iteration และ Gauss-Seidel เป็นกระบวนการเชิงตัวเลข จึงมีเงื่อนไขเรื่องการประมาณค่าและการลู่เข้าเสมอ

มองข้ามการตั้งปัญหาใน Linear Programming

พอแบบจำลองถูกแล้ว พีชคณิตอาจไม่ยาก แต่ความผิดพลาดจริงมักเกิดก่อนหน้านั้นหนึ่งขั้น คือเขียน objective function หรือ constraints ผิด

เมื่อไร GATE Mathematics จึงมีลักษณะเหมือนวิชาสูตร

GATE Mathematics จะดูเหมือนวิชาสูตรในหน่วยที่คุณต้องใช้เครื่องมือมาตรฐานซ้ำ ๆ เช่น การหา eigenvalue, การคำนวณ residue, การวนซ้ำ Newton-Raphson, การแก้สมการเชิงอนุพันธ์ หรือการตั้งปัญหา linear program

แต่จะมีลักษณะเป็นวิชาสูตรน้อยลงในหน่วยที่คุณต้องตีความนิยามและสมมติฐานของทฤษฎีบทอย่างระมัดระวัง Real Analysis, Algebra, Functional Analysis และ Topology มักเป็นแบบนี้

ทบทวน GATE Mathematics อย่างไรให้มีประสิทธิภาพ

แผนทบทวนที่ใช้ได้จริงคือแบ่งโน้ตของคุณออกเป็น 3 ส่วนสั้น ๆ:

• ส่วนสำหรับสูตรและแม่แบบการคำนวณ
• ส่วนสำหรับนิยาม ข้อความของทฤษฎีบท และตัวอย่างโต้แย้งมาตรฐาน
• ส่วนสำหรับโจทย์ที่เฉลยสั้นและชัดเจน

โครงสร้างแบบนี้สอดคล้องกับหลักสูตรมากกว่าการรวมทุกอย่างไว้ในสมุดเล่มยาวเล่มเดียว และยังช่วยไม่ให้คุณอ่านหน่วยที่ใช้สูตรมากเกินไป แต่กลับอ่านหน่วยที่เน้นการพิสูจน์น้อยเกินไป

ภาพรวมนี้มีประโยชน์ที่สุดเมื่อไร

หน้านี้มีประโยชน์มากที่สุดในช่วงเริ่มเตรียมตัว เมื่อคุณต้องการเห็นภาพรวมของข้อสอบ MA อย่างรวดเร็ว และในช่วงทบทวน เมื่อคุณต้องตัดสินใจว่าอะไรควรอยู่ในชีตสูตร และอะไรควรอยู่ในชีตทฤษฎีบท

มันยังมีประโยชน์ถ้าคุณกำลังเปลี่ยนจากข้อสอบ GATE เฉพาะสาขามาเป็น MA เพราะความต่างไม่ได้อยู่แค่ระดับความยาก แต่ยังอยู่ที่ชนิดของคณิตศาสตร์ที่ถูกทดสอบด้วย

ลองทำฉบับของคุณเอง

เลือกหนึ่งหน่วยของ MA แล้วทำสรุปหนึ่งหน้าที่มี 2 ส่วน: เงื่อนไขที่ห้ามลืม และสูตรหรือวิธีทำ 2–3 อย่างที่คุณใช้บ่อยที่สุดในหน่วยนั้น ถ้าคุณอยากตรวจเลขคำนวณในขั้นตอนอย่าง Newton-Raphson iteration หรือการหา eigenvalue ให้ลองทำเวอร์ชันของคุณเองด้วย GPAI Solver แล้วเปรียบเทียบกับวิธีทำที่คุณเขียนด้วยมือ