IA897 - Introdução à Otimização Matemática | Introduction to Mathematical Optimization | Introducción a la optimización matemática
Turma: A -
Período: 1/2027 -
Tipo Período: 1o. período letivo -
Disciplina: 4 créditos.
Ementa: Fundamentos Matemáticos; Conjuntos e Funções Convexas; Condições de Otimalidade; Teoria da Dualidade; Análise de Sensibilidade; Problemas de Otimização; Métodos Básicos de Otimização; Modelos e Métodos de Otimização Linear e não Linear.
Bibliografia: D. Luenberger, Linear and Nonlinear Programming, Second Edition, Addison-Wesley, 1984; M.S. Bazaraa, H.D. Sherali, C.M. Shetty, Nonlinear Programming - Theory and Algorithms, Second Edition, 1993; D.P. Bertsekas, Nonlinear Programming, Second Edition, 1995; A.P. Ruszczynski, Nonlinear Optimization, Princeton University Press, 2006; S. Boyd, L. Vandenberghe, Convex Optimization, Cambridge University Press, 2004; D. Bertsimas, J.N. Tsitsiklis, Introduction to Linear Optimization, Athena Scientific, 1997; I. Griva, S.G. Nash, A. Sofer, Linear and Nonlinear Optimization, SIAM, 2009; E.K.P. Chong, S.H. Zak, An Introduction to Optimization, Fourth Edition, Wiley, 2013.
Conteudo Programático: 1. Fundamentos Matemáticos: Revisão de Álgebra Linear: espaços vetoriais, subespaços, base e dimensão, projeções, autovalores. Revisão de Análise Real: continuidade, diferenciabilidade, teorema do valor médio. Noções de topologia: conjuntos abertos, fechados, compactos. Revisão de cálculo multivariado: gradiente, hessiana, derivadas direcionais. 2. Conjuntos e Funções Convexas: Definições e propriedades de conjuntos convexos. Separação e suporte de conjuntos convexos. Definição de funções convexas e côncavas. Composição e operações que preservam convexidade. Funções convexas diferenciáveis. 3. Condições de Otimalidade: Problemas de otimização irrestrita. Condições de primeira e segunda ordem. Qualificação de restrições. Otimização com restrições de igualdade e desigualdade. Condições de Karush-Kuhn-Tucker (KKT). 4. Teoria da Dualidade e Análise de Sensibilidade: Dualidade lagrangeana. Dualidade em otimização linear e não linear. Gap de dualidade e condições fortes para inexistência de gap. Sensibilidade a variações de parâmetros. Interpretação econômica das variáveis duais. 5. Problemas de Otimização: Classificação de problemas de otimização: contínuos vs. discretos; lineares vs. não lineares; convexos vs. não convexos. Modelagem matemática de problemas de engenharia. 6. Métodos Básicos de Otimização: Aspectos gerais sobre métodos de otimização. Métodos de otimização irrestrita: métodos de busca direta, métodos de primeira ordem, métodos de Newton e Quase-Newton. Métodos de otimização restrita. 7. Modelos, Métodos e Aplicações de Otimização Linear e Não Linear - Otimização linear, otimização quadrática, otimização geométrica, otimização fracionária, otimização multiobjetivo. -
Conteudo Programático em Inglês: 1. Mathematical Foundations: Review of Linear Algebra: vector spaces, subspaces, basis and dimension, projections, eigenvalues. Review of Real Analysis: continuity, differentiability, mean value theorem. Basic concepts of topology: open, closed, and compact sets. Review of multivariable calculus: gradient, Hessian, directional derivatives. 2. Convex Sets and Functions: Definitions and properties of convex sets. Separation and support of convex sets. Definition of convex and concave functions. Composition and operations that preserve convexity. Differentiable convex functions. 3. Optimality Conditions: Unconstrained optimization problems. First and second-order conditions. Qualification of constraints. Optimization with equality and inequality constraints. Karush-Kuhn-Tucker (KKT) conditions. 4. Theory of Duality and Sensitivity Analysis: Lagrange duality. Duality in linear and nonlinear optimization. Duality gap and strong conditions for non-existence of gap. Sensitivity to parameter variations. Economic interpretation of dual variables. 5. Optimization Problems: Classification of optimization problems: continuous vs. discrete; linear vs. nonlinear; convex vs. non-convex. Mathematical modeling of engineering problems. 6. Basic Optimization Methods: General aspects of optimization methods. Unconstrained optimization methods: direct search methods, first-order methods, Newton and Quasi-Newton methods. Constrained optimization methods. 7. Models, Methods, and Applications of Linear and Nonlinear Optimization - Linear optimization, quadratic optimization, geometric optimization, fractional optimization, multi-objective optimization.
Conteudo Programático em Espanhol: 1. Fundamentos Matemáticos: Revisión de Álgebra Lineal: espacios vectoriales, subespacios, base y dimensión, proyecciones, autovalores. Revisión de Análisis Real: continuidad, diferenciabilidad, teorema del valor medio. Conceptos de topología: conjuntos abiertos, cerrados, compactos. Revisión de cálculo multivariable: gradiente, hessiana, derivadas direccionales. 2. Conjuntos y Funciones Convexas: Definiciones y propiedades de conjuntos convexos. Separación y soporte de conjuntos convexos. Definición de funciones convexas y cóncavas. Composición y operaciones que preservan la convexidad. Funciones convexas diferenciables. 3. Condiciones de Optimalidad: Problemas de optimización irrestricta. Condiciones de primera y segunda orden. Calificación de restricciones. Optimización con restricciones de igualdad y desigualdad. Condiciones de Karush-Kuhn-Tucker (KKT). 4. Teoría de la Dualidad y Análisis de Sensibilidad: dualidad de Lagrange. Dualidad en la optimización lineal y no lineal. Brecha de dualidad y condiciones fuertes para la no existencia de brecha. Sensibilidad a las variaciones de parámetros. Interpretación económica de las variables duales. 5. Problemas de Optimización: Clasificación de problemas de optimización: continuo vs. discreto; lineal vs. no lineal; convexo vs. no convexo. Modelado matemático de problemas de ingeniería. 6. Métodos Básicos de Optimización: Aspectos generales de los métodos de optimización. Métodos de optimización sin restricciones: métodos de búsqueda directa, métodos de primer orden, métodos de Newton y Quasi-Newton. Métodos de optimización con restricciones. 7. Modelos, Métodos y Aplicaciones de Optimización Lineal y No Lineal - Optimización lineal, optimización cuadrática, optimización geométrica, optimización fraccionaria, optimización multiobjetivo.
Forma Avaliação: Três provas e um exame final (este, opcional) individuais presenciais. Projeto de otimização individual opcional, com defesa oral do trabalho (teórico e/ou aplicado) realizado. Cômputo da média final na disciplina: média aritmética das notas obtidas nas provas ou média ponderada da média nas provas e da nota no projeto, com pesos de 70% e 30%, respectivamente.
Ofertar para Graduação:
Sim Número Limite de Alunos de Graduação:
10
Aceita Estudante Especial:
Sim
Número de Alunos Total:
de 5 até 40