Este trabalho trata da minimização de funções não diferenciáveis e
não convexas em variedades de Hadamard, com foco específico em
diferença de funções convexas (DC). O objetivo principal é
generalizar o método do ponto proximal não monótono proposto no
contexto euclidiano para o cenário riemanniano, estabelecendo uma
ponte entre algoritmos DC euclidianos e espaços geométricos
curvados. A nossa abordagem consiste em utilizar a função de
Busemann para linearizar a componente côncava da decomposição,
estratégia que permite transformar subproblemas DC riemannianos
em problemas convexos tratáveis. Propomos um algoritmo acelerado
(boosted), denominado nmBDCPPBA, que incorpora uma busca
linear não monótona para aumentar a eficiência computacional. Esta
pesquisa visa contribuir para a área de otimização riemanniana ao
oferecer uma nova abordagem para lidar com problemas DC em
geometrias não lineares.