MATEMÁTICAS

1. Mapa estructurado de las ramas (árbol de alto nivel)

A. Fundamentos y lógica

• Lógica matemática: teoría de la demostración, lógica proposicional y de predicados, teoría de modelos, demostrabilidad,
consistencia.

• Teoría de conjuntos: axiomas (ZFC), cardinalidades, ordinales, constructibilidad, combinatoria de conjuntos.

• Teoría de la computabilidad (en la intersección con CS): Turing, decidibilidad, recursividad.

• Teoría de tipos / fundamentos constructivos: lógica intuicionista, pruebas como programas.

B. Álgebra

• Álgebra elemental: aritmética, polinomios, estructuras básicas.

• Álgebra lineal: espacios vectoriales, matrices, transformaciones lineales, autovalores/autovectores.

• Álgebra abstracta (moderna): grupos, anillos, cuerpos, ideales.

• Teoría de Galois: extensión de cuerpos, solvencia de ecuaciones por radicales.

• Álgebra conmutativa: anillos, espectro, geometría algebraica local.

• Teoría de representaciones: cómo las estructuras algebraicas actúan en espacios vectoriales.

• Álgebra homológica: cadenas, cohomología, extensiones, Tor/Ext.

• Teoría de categorías: categorías, funtores, transformaciones naturales — lenguaje unificador.

C. Teoría de números

• Aritmética elemental: divisibilidad, congruencias.

• Teoría algebraica de números: enteros de campos, ideales, unidades.

• Teoría analítica de números: distribución de primos, funciones zeta/L.

• Teoría adélica/arimética moderna: modular forms, curvas elípticas, teoremas avanzados.

D. Análisis

• Cálculo diferencial e integral (univariable y multivariable).

• Análisis real: métricas, convergencia, series, medida de Lebesgue.

• Análisis complejo: funciones holomorfas, integrales, teoría de residuos.

• Análisis funcional: espacios normados, hilbertianos, operadores lineales (clave para PDEs y física).

• Análisis armónico: transformadas (Fourier), series, teoría de señales.

• Teoría de la medida y probabilidad (formalización medida-probabilidad).

E. Geometría

• Geometría Euclídea y analítica: geometría clásica, coordenadas.

• Geometría diferencial: variedades, tensores, curvatura, geometría Riemanniana.

• Geometría algebraica: variedades algebraicas, esquemas, cohomología algebraica.

• Geometría sintética (clásica) y geometría discreta.

• Geometría computacional (intersección con CS): algoritmos geométricos.

F. Topología

• Topología general (puntual): espacios topológicos, continuidad, compacidad, conexidad.

• Topología algebraica: homotopía, grupos de homotopía, homología, cohomología.

• Topología diferencial: intersección con geometría diferencial (variedades suaves).

G. Combinatoria y teoría de grafos

• Combinatoria enumerativa: conteo, coeficientes binomiales, métodos generadores.

• Combinatoria extremal: máximos/mínimos estructurales.

• Teoría de grafos: conectividad, coloración, flujos, algoritmos en grafos.

• Diseños combinatorios y teoría de códigos.

H. Probabilidad y estadística (matemáticas de la incertidumbre)

• Probabilidad matemática (medida + teoría).

• Estadística matemática: inferencia, estimación, tests.

• Estadística aplicada / machine learning: modelos, regresión, clasificación.

• Procesos estocásticos: cadenas de Markov, martingalas, procesos continuos (Browniano).

I. Ecuaciones diferenciales y sistemas dinámicos

• Ecuaciones diferenciales ordinarias (EDO).

• Ecuaciones en derivadas parciales (EDP): elípticas, parabólicas, hiperbólicas.

• Sistemas dinámicos y teoría del caos: atractores, estabilidad, bifurcaciones.

• Teoría ergódica: comportamiento a largo plazo, medidas invariantes.

J. Matemática aplicada y numérica

• Análisis numérico: métodos numéricos para ecuaciones, errores y estabilidad.

• Métodos de aproximación: interpolación, cuadraturas, solvers.

• Optimización: lineal, no lineal, convexa, teoría de dualidad.

• Control óptimo y teoría del control.

• Matemática de la ingeniería: modelado, simulación.

K. Matemática computacional / teoría de la computación

• Algoritmos y complejidad: eficiencia, clases P/NP, estructuras de datos.

• Criptografía matemática: teoría de números aplicada, curvas elípticas.

• Combinatoria algoritmica y análisis de algoritmos.

L. Intersecciones y áreas especializadas

• Matemáticas financieras: modelos estocásticos, valoración de opciones.

• Matemática de la información: teoría de la información, entropía.

• Física matemática: relatividad, mecánica cuántica matemática.

• Bio-matemáticas, eco-modelos, redes: aplicaciones a biología/sociosistemas.

• Topología aplicada / TDA (Topological Data Analysis).

2. Ruta de aprendizaje gradual (ordenada por dependencias conceptuales)
“Nivel 0” — Preparación (habilidades matemáticas y lógica)

• Contenidos: lógica informal (qué es una demostración), teoría de conjuntos básica, álgebra elemental, trigonometría,
manipulación algebraica.

• Objetivo: tener fluidez en simbolismo y razonamiento.

• Por qué: todo lo demás usa estas herramientas.

Nivel 1 — Núcleo I: Cálculo y Álgebra Lineal (fundamentos técnicos)

• Cálculo I & II (univariable y multivariable): límites, derivadas, integrales, series, derivadas parciales.

• Álgebra lineal: vectores, matrices, espacios vectoriales, transformaciones lineales, sistemas lineales.

• Conceptos puente: nociones de continuidade, convergencia, bases y coordenadas.

• Por qué: Cálculo y Álgebra Lineal son omnipresentes (análisis, PDEs, física, ML).

Nivel 2 — Núcleo II: Análisis y Estructuras Algebraicas básicas

• Análisis real (intro a la teoría): topología de la recta real, convergencia de series, límites rigurosos.

• Álgebra abstracta básica: teoría de grupos, anillos, cuerpos, polinomios.

• Probabilidad básica: combinatoria, probabilidad discreta.

• Por qué: análisis formaliza cálculo; álgebra abstrata introduce estructuras que aparecen en muchas áreas.

Nivel 3 — Método y herramientas avanzadas

• Análisis complejo (intro): funciones holomorfas, series de Laurent, integrales.

• Ecuaciones diferenciales ordinarias.

• Cálculo vectorial y geometría diferencial básica (curvas y superficies elementales).

• Teoría de la medida (intro) y probabilidad medida (variables aleatorias, esperanza).

• Por qué: conecta cálculo y análisis con fenómenos físicos y estocásticos.

Nivel 4 — Profundización en Análisis y Álgebra

• Análisis funcional (espacios normados, hilbertianos) — puente a PDEs.

• Álgebra avanzada: teoría de Galois, álgebra lineal avanzada, representaciones básicas.

• Topología general: espacios topológicos, compacidad, conexidad.

• Por qué: herramientas para entender operadores, variedades, y estructuras más abstractas.

Nivel 5 — Geometría, Topología y Teoría de Números

• Geometría diferencial: variedades, métricas, curvatura.

• Topología algebraica: homología y homotopía.

• Teoría de números (intro y algebraica).

• Combinatoria avanzada y teoría de grafos.

• Por qué: con estas se abordan problemas de espacio, simetría y estructura discreta.

Nivel 6 — EDPs, Análisis avanzado y Dinámica

• Ecuaciones en derivadas parciales (teoría y métodos).

• Teoría ergódica y sistemas dinámicos.

• Análisis armónico avanzado (transformada de Fourier en L², distribuciones).

• Por qué: estas áreas requieren análisis funcional y geometría previa.

Nivel 7 — Algebraic Geometry, Representación, y Temas Modernos

• Geometría algebraica avanzada (variedades, esquemas, cohomología).

• Teoría de representaciones profunda y conexiones con número y física.

• Categoría y Teoría homológica avanzada.

• Topología moderna (teoría de cobordismos, K-teoría).

• Por qué: son altamente abstractas y sintetizan muchas áreas previas.

Nivel 8 — Especialización y aplicaciones

• Investigación pura: problemas abiertos en número, geometría, topología.

• Matemáticas aplicadas: optimización avanzada, control, CFD (dinámica de fluidos), modelado estadístico.

• Matemática computacional: complejidad, criptografía, machine learning teórico.

• Por qué: aquí eliges camino según interés (pura vs aplicada vs computacional).
3. Libros Recomendados
Nivel 0:

• How to Prove It — Daniel Velleman

• Naive Set Theory — Paul Halmos
• Basic Mathematics — Serge Lang

Nivel 1:

• Calculus — James Stewart

• Calculus (2 vols) — Michael Spivak
• Linear Algebra and Its Applications — Gilbert Strang
• Linear Algebra Done Right — Sheldon Axler

Nivel 2:

• Introduction to Real Analysis — Bartle & Sherbert

• Principles of Mathematical Analysis — Walter Rudin
• (“Baby Rudin”) Abstract Algebra — Dummit & Foote
• Algebra — Michael Artin
• A First Course in Probability — Sheldon Ross
• Probability and Measure — Patrick Billingsley

Nivel 3:

• Complex Analysis — Elias M. Stein & Rami Shakarchi

• Complex Variables and Applications — Brown & Churchill
• Ordinary Differential Equations — Tenenbaum & Pollard
• Partial Differential Equations — Lawrence C. Evans
• Elementary Differential Geometry — Andrew Pressley
• Differential Geometry of Curves and Surfaces — Manfredo do Carmo

Nivel 4:

• Intro to Functional Analysis — Kreyszig

• Functional Analysis — Walter Rudin (más avanzado)
• Topology — James Munkres (clásico moderno)
• General Topology — Stephen Willard

Nivel 5:

• Algebraic Topology — Allen Hatcher

• Elements of Algebraic Topology — James R. Munkres
• Algebraic Geometry — Robin Hartshorne (avanzado)
• Undergraduate Algebraic Geometry — Miles Reid (intro accesible)
• An Introduction to the Theory of Numbers — Hardy & Wright
• Algebraic Number Theory — Jürgen Neukirch

Nivel 6:

• Chaos: An Introduction to Dynamical Systems — Alligood, Sauer & Yorke

• Fourier Analysis: An Introduction — Stein & Shakarchi
• Real Analysis — Folland (con capítulo de Fourier)

Nivel 7:

• Categories for the Working Mathematician — Saunders Mac Lane

• Category Theory in Context — Emily Riehl
• An Introduction to Homological Algebra — Charles Weibel

Nivel 8:

• Convex Optimization — Boyd & Vandenberghe

• Numerical Analysis — Richard L. Burden & J. Douglas Faires
• Mathematical Statistics with Applications — Wackerly, Mendenhall & Scheaffer
• An Introduction to Mathematical Cryptography — Hoffstein, Pipher & Silverman