Ementa: Condições de otimalidade para problemas sem restrições. Métodos para otimização irrestrita (métodos de descida e busca linear, o método do gradiente, o método de Newton, métodos quase-Newton, métodos de direções conjugadas). Conjuntos convexos. Teoremas de separação. Teoremas de alternativa. Funções convexas. Método subgradiente e método do ponto proximal. Condições de otimalidade no caso das restrições de igualdade e desigualdade (condições de Karush-Kuhn-Tucker, condições de segunda ordem). Elementos da Teoria de Dualidade. Teoria de Operadores Monótonos.
Bibliografia: 1. Bazaraa, M. S., Sherali, H. D. and Shetty, C. M.: Nonlinear programming: Theory and algorithms. 3nd ed. Wiley-Interscience, John Wiley & Sons, Hoboken, Nj, 2006.
2. Bertsekas, D. P.: Nonlinear programming, Belmont, Mass: Athena Scientific, 1995.
3. Izmailov, A. and Solodov, M.: Otimização, volume 1: Rio de Janeiro, IMPA, 2005.
4. Luenberger, D. G. and YE, Y.: Linear and Nonlinear Progromming. Fourth Edition, Stanford University, 2016.
5. Nesterov, Y.: Introductory Lectures on Convex Optimization: A Basic Course, 87 Applied Optimization, Springer Science & Business Media, 2003.
6. Peressini, A.L.; Sullivan, F.E., UHL, J.J., JR:The mathematics of nonlinear programming. Undergraduate Texts in Mathematics. Springer-Verlag, New York, 1988.
7. Rockafellar, R.T.: Convex Analysis. Princeton Univ. Press, 1970.