Contenidos:
1.- Formulación de problemas de optimización convexa. Conjunto convexos. Funciones convexas. Problemas de optimización convexa (LP, AP, QCQP, SOCP, SDP).
2.- Condiciones de optimalidad y teoría de dualidad. Teorema de las alternativas.
3.- Algoritmos numéricos. Optimización no restringida. Optimización con restricciones de igualdad. Métodos de punto interior.
4.- Optimización convexa “nonsmoooth”. Subgradiente, planos cortantes y método del elipsoide.
5.- Optimización convexa descentralizada vía descomposición primas-dual. Métodos proximales. Método de las direcciones alternadas.
6.- Relajaciones convexas de problemas complejos. Optimización global vía “branch-and-bound”.
7.- Optimización estocástica y robusta.
8.- Aplicaciones a: gestión de operaciones, finanzas, estadística, aprendizaje de máquinas y problemas de ingeniería en general.