Nesta tese apresentamos um algoritmo inexato de ponto proximal para resolver problemas de otimização quase-convexa em variedades Riemannianas com curvatura seccional não positiva, chamada de variedades de Hadamard. Considerando hipóteses naturais no problema, provamos a convergência da sequência gerada pelo método para um ponto crítico do problema. Além disso, provamos que a taxa de convergência do método é linear e superlinear em alguns casos. Objetivando a importância das aplicações tanto na economia quanto na teoria de localização, estendemos o algoritmo para resolver problemas de otimização irrestrita, quase-convexa e multiobjetivo onde provamos, supondo hipóteses razoáveis, a convergência da sequência para um ponto crítico Pareto-Clarke. Finalmente, realizamos alguns experimentos computacionais para validar o método proposto e resultados encontrados.

En esta tesis presentamos una extensión del método de punto proximal con distancia de Bregman para resolver el modelo anterior. Bajo algunas hipótesis naturales sobre F, obtenemos la convergencia de la sucesión generada por el MPP para una solución del problema planteado.