Comme d'habitude, @whuber fournit une réponse perspicace. J'ajouterais que la réponse dépend de l'application spécifique du SIG qui vous intéresse. Il s'agit d'un terme général qui désigne un très grand domaine d'applications spatiales. En tant que tels, les travaux de cours devraient être guidés par un objectif spécifique d'analyse spatiale ou d'informatique.
Je me concentre particulièrement sur les statistiques spatiales dans les applications écologiques. Dans ce domaine spécifique de l'analyse spatiale, je guide les étudiants vers des travaux sur l'algèbre matricielle et la statistique mathématique. Une formation à la théorie des probabilités, fournie par les statistiques mathématiques, peut être très utile pour comprendre les statistiques en général et fournir des compétences dans le développement de nouvelles méthodes. Cela nécessite une base solide en calcul et les prérequis de deux semestres de calc de division supérieure ne sont pas rares.
Les cours en algèbre matricielle fournissent des compétences qui aident à comprendre les mécanismes qui sous-tendent les statistiques spatiales et la mise en œuvre basée sur le code (programmation) de méthodes spatiales complexes. Bien que je dois ajouter que je suis tout à fait d’accord avec @whuber en ce sens que de nombreux problèmes spatiaux complexes peuvent être résumés en solutions mathématiques de base.
Voici quelques cours que je recommande pour une formation en mathématiques dans le domaine des statistiques spatiales, disponibles à l’Université du Wyoming. Évidemment, je ne demande pas à mes étudiants de suivre tous ces cours et les préalables associés, mais il s’agit là d’un bon choix. Bien que je force tous mes étudiants à utiliser la théorie des probabilités. Votre question étant spécifique aux mathématiques, j’ai exclu les cours de statistique et d’écologie quantitative.
MATH 4255 (STAT 5255). Théorie mathématique de la probabilité. Basé sur le calcul. Introduit les propriétés mathématiques des variables aléatoires. Comprend les distributions de probabilité discrètes et continues, l’indépendance et la probabilité conditionnelle, les attentes mathématiques, les distributions multivariées et les propriétés de la loi de probabilité normale.
MATH 5200. Variables réelles I. Développe la théorie des mesures, les fonctions mesurables, la théorie de l'intégration, les théorèmes de densité et de convergence, les mesures de produit, la décomposition et la différenciation des mesures et les éléments d'analyse des fonctions sur les espaces Lp. La théorie de Lebesgue est une application importante de ce développement.
MATH 1050. Mathématiques finies. Introduit les mathématiques finies. Inclut l’algèbre matricielle, l’élimination gaussienne, la théorie des ensembles, les permutations, les probabilités et les attentes.
MATH 4500. Théorie des matrices. L'étude des matrices, un outil important en statistique, physique, ingénierie et mathématiques appliquées en général. Se concentre sur la structure des matrices, y compris la diagonalisation; matrices symétriques, hermitiennes et unitaires; et formes canoniques.