Miraflores

Introduccion Proyecciones metrica no expansivas Retractos proximinales en espacios de funciones continuas Cuestiones abiertas
Proyecciones ortogonales (metricas) en

espacios de funciones continuas
Rafa Espnola
Universidad de Sevilla
III Encuentro de Analisis Funcional

Miraflores de la Sierra, Madrid
Junio 21-23, 2007
1 Nonexpansive retractions in hyperconvex spaces, Journal of

Mathematical Analisis and Applications, 251, 557-570, 2000.
(E., W. A. Kirk, G. Lopez)
2 On selections of the metric projetion and best proximity pairs
in hyperconvex spaces, Annales Universitatis Mariae
Curie-Sklodowska, LIX, 9-17, 2005. (E.)
3 Nonexpansive selection of metric projection in spaces of
continuous functions, Journal of Approximation Theory, 137,
187-200, 2005. (Y. Benyamini, E., G. Lopez)
Outline
1 Introduccion
La proyeccion ortogonal y sus propiedades
Extensiones de la nocion de proyeccion ortogonal
Relacion entre las proyecciones de norma 1 y la proyeccion
metrica
2 Proyecciones metrica no expansivas
Proyecciones metrica no expansivas. Espacios de Hilbert.
Retractos proximinales no expansivos en espacios
hiperconvexos
3 Retractos proximinales en espacios de funciones continuas
Planteamiento del problema
Subespacios que admiten proyecciones ortogonales
Subconjuntos que admiten proyecciones ortogonales
Subconjuntos de `n que admiten proyecciones ortogonales
4 Cuestiones abiertas
Definicion (Proyeccion ortogonal/Proyeccion metrica)

Sea H un espacio de Hilbert y M un subconjunto convexo, cerrado
y no vaco de H. Se llama proyeccion ortogonal de H en M a la
aplicacion PM : H M definida como
PM (x) = {z M : kx zk = inf{kx y k : y M}.
Propiedades
Algunas propiedades de la proyeccion ortogonal son:
Si M es un subespacio de H, entonces PM es lineal.
En el caso anterior, PM tiene norma 1. Es decir, es no
expansiva en el sentido de que
kPM x PM y k kx y k.
Por definicion, PM coincide con la proyeccion metrica.

Definicion (Proyeccion ortogonal/Proyeccion metrica)

Sea H un espacio de Hilbert y M un subconjunto convexo, cerrado
y no vaco de H. Se llama proyeccion ortogonal de H en M a la
aplicacion PM : H M definida como
PM (x) = {z M : kx zk = inf{kx y k : y M}.
Propiedades
Algunas propiedades de la proyeccion ortogonal son:
Si M es un subespacio de H, entonces PM es lineal.
En el caso anterior, PM tiene norma 1. Es decir, es no
expansiva en el sentido de que
kPM x PM y k kx y k.
Por definicion, PM coincide con la proyeccion metrica.

Hay muchas en la literatura, pero nos fijaremos en las tres

siguientes:
Nocion 1
Atendiendo a su naturaleza lineal: proyecciones lineales de norma
1.
Nocion 2
Atendiendo a su naturaleza no lineal: proyecciones no
necesariamente lineales pero que sean no expansivas.
Nocion 3
Atendiendo a su naturaleza proximinal: sencillamente definirla
como proyeccion metrica.

siguientes:
Nocion 1
1.
Nocion 2
Nocion 3

siguientes:
Nocion 1
1.
Nocion 2
Nocion 3
Muchas propiedades se conservan
Proposicion
Sea M un subespacio 1-complementado del espacio normado X .
Entonces, si T : M Z es una aplicacion lineal y acotada, existe
tildeT : X Z extension de T y tal que kT k = kT k.
Prueba
Basta definir T = T P, donde P es la proyeccion de norma 1 de
X sobre M.
Muchas propiedades se conservan
Proposicion
Sea M un subespacio 1-complementado del espacio normado X .
Entonces, si T : M Z es una aplicacion lineal y acotada, existe
tildeT : X Z extension de T y tal que kT k = kT k.
Prueba
Basta definir T = T P, donde P es la proyeccion de norma 1 de
X sobre M.
Sobre subespacios 1-complementados
La existencia de proyecciones de norma uno se relaciona, por

supuesto, con el estudio de los subespacios 1-complementados de
los espacios normados.
Caracterizar exactamente que subespacios de un espacio normado

dado son 1-complementados y que tipo de propiedades son
heredadas por esta condicion.
Aunque se han hecho inmensos avances en esta teora, son muchas

las preguntas que aun no se han podido resolver. Por ejemplo, solo
se conoce una caracterizacion completa de tales subespacios para
los espacios Lp .



los espacios Lp .



los espacios Lp .
Proyeccion metrica
Tambien conocida como best approximation operator, nearest
point map, Chebyshev map, proximity mapping, normal projection,
projection of minimal distance.
Definicion
Sea M un espacio metrico y A M, se llama proyeccion metrica
de M sobre A a la aplicacion dada por:
PM (x) = {y A : d(x, y ) = inf{d(x, z) : z A}}.
Propiedades
Solo esta bien definida si PM (x) 6= para todo x M. En
este caso se dice que A es proximinal.
En general, es una aplicacion multivaluada.
En general, es una aplicacion no lineal.
Proyeccion metrica
Tambien conocida como best approximation operator, nearest
point map, Chebyshev map, proximity mapping, normal projection,
projection of minimal distance.
Definicion
Sea M un espacio metrico y A M, se llama proyeccion metrica
de M sobre A a la aplicacion dada por:
PM (x) = {y A : d(x, y ) = inf{d(x, z) : z A}}.
Propiedades
Solo esta bien definida si PM (x) 6= para todo x M. En
este caso se dice que A es proximinal.
En general, es una aplicacion multivaluada.
En general, es una aplicacion no lineal.
Proyecciones de norma 1 y la proyeccion metrica

Proposicion
Sea X un espacio normado y sea P una proyeccion lineal definida
en X . Se cumple que kPk = 1 si, y solo si, I P es una seleccion
de la de la proyeccion metrica sobre KerP.
Prueba
Sea P como en el enunciado. Para cada x X e y KerP
kx (I P)xk = kPxk = kP(x y )k kx y k.
Por tanto, I P es una seleccion lineal de la proyeccion metrica

sobre KerP.
Si I P es una seleccion de la proyeccion metrica sobre KerP,
entonces para cada x X se tiene
kPxk = kx (I P)xk kx 0k = kxk.


Proposicion
Prueba

sobre KerP.


Proposicion
Prueba

sobre KerP.

Proyecciones metrica no expansivas
Que pasa si unimos las nociones 2 y 3 anteriores?

Definicion
Sea M un espacio metrico y A M no vaco. Una proyeccion
P : M A se dira proximinal no expansiva (u ortogonal en sentido
ampliado) si
P(x) PM (x) para todo x M.
P es no expansiva.
A A le llamaremos retracto proximinal no expansivo o,
sencillamente, RPN.
Proyecciones metrica no expansivas
Que pasa si unimos las nociones 2 y 3 anteriores?

Definicion
Sea M un espacio metrico y A M no vaco. Una proyeccion
P : M A se dira proximinal no expansiva (u ortogonal en sentido
ampliado) si
P(x) PM (x) para todo x M.
P es no expansiva.
A A le llamaremos retracto proximinal no expansivo o,
sencillamente, RPN.
Donde podemos encontrar los retractos proximinales no

expansivos?
De un modo muy natural aparecen en los siguientes espacios:
En los espacios de Hilbert hay muchos: la proyeccion

ortogonal sobre conjuntos convexos y cerrados es proximinal y
no expansiva.
En los espacios de curvatura acotada CAT(0) tambien hay
muchos: Estos espacios son el equivalente metrico a espacios
de Hilbert por el gran numero de propiedades que comparten,
en particular, el hecho de que la proyeccion metrica sobre
subconjuntos convexos y cerrados es univaluada y no
expansiva.
Donde mas?
En espacios de funcione continuas tambien hay retractos

proximinales no expansivos:
Proposicion
Sea B la bola unidad cerrada en el espacio C ([0, 1]), entonces B es
un retracto proximinal no expansivo de C ([0, 1]).
Prueba
Dada f C ([0, 1]) sea

1, f (x) > 1
(Rf )(x) = f (x), |f (x)| 1
1, f (x) < 1.

La misma idea se aplica a cualquier conjunto que sea interseccion

de bolas cerradas.
Donde mas?
En espacios de funcione continuas tambien hay retractos

proximinales no expansivos:
Proposicion
Sea B la bola unidad cerrada en el espacio C ([0, 1]), entonces B es
un retracto proximinal no expansivo de C ([0, 1]).
Prueba
Dada f C ([0, 1]) sea

1, f (x) > 1
(Rf )(x) = f (x), |f (x)| 1
1, f (x) < 1.

La misma idea se aplica a cualquier conjunto que sea interseccion

de bolas cerradas.
Donde mas?
En los espacios metricos hiperconvexos (tambien llamados

P1 -espacios o espacios inyectivos.)
Definicion
Un espacio metrico M se dice hiperconvexo si siempre que M X
existe una proyeccion no expansiva de X en M, es decir, si son
inyectivos.
Ejemplo: espacio L y algunos espacios de funciones continuas,

las bolas cerradas de tales espacios, sus conjuntos admisibles,
R-trees y algun que otro mas.
Definicion
Un subconjunto A de un espacio metrico M se dice admisible si es
interseccion de bolas cerradas.
Donde mas?
En los espacios metricos hiperconvexos (tambien llamados

P1 -espacios o espacios inyectivos.)
Definicion
Un espacio metrico M se dice hiperconvexo si siempre que M X
existe una proyeccion no expansiva de X en M, es decir, si son
inyectivos.
Ejemplo: espacio L y algunos espacios de funciones continuas,

las bolas cerradas de tales espacios, sus conjuntos admisibles,
R-trees y algun que otro mas.
Definicion
Un subconjunto A de un espacio metrico M se dice admisible si es
interseccion de bolas cerradas.
Teorema (R. Sine89)

Si A es un subconjunto admisible de un espacio hiperconvexo
entonces es un retracto proximinal no expansivo.
Ejemplo
El segmento de extremos (0, 0) y (1, 1) es un retracto proximinal
no expansivo en `2 pero no es admisible.
Se pueden caracterizar mediante alguna propiedad geometrica los

retractos proximinales no expansivos de los espacios hiperconvexos
y de los espacios de funciones continuas?
Teorema (R. Sine89)

Si A es un subconjunto admisible de un espacio hiperconvexo
entonces es un retracto proximinal no expansivo.
Ejemplo
El segmento de extremos (0, 0) y (1, 1) es un retracto proximinal
no expansivo en `2 pero no es admisible.
Se pueden caracterizar mediante alguna propiedad geometrica los

retractos proximinales no expansivos de los espacios hiperconvexos
y de los espacios de funciones continuas?

hiperconvexos
(Un subconjunto de un espacio metrico se dice debilmente

externamente hiperconvexo si verifica una cierta propiedad de
interseccion de bolas.)
Teorema (E., Kirk, Lopez00)

Dado A un subconjunto no vaco de un espacio hiperconvexo M se
tiene que A es debilmente externamente hiperconvexo si, y solo si,
es un casi retracto proximinal no expansivo.
Teorema (E05)
El casi del teorema anterior se puede quitar.

hiperconvexos
(Un subconjunto de un espacio metrico se dice debilmente

externamente hiperconvexo si verifica una cierta propiedad de
interseccion de bolas.)
Teorema (E., Kirk, Lopez00)

Dado A un subconjunto no vaco de un espacio hiperconvexo M se
tiene que A es debilmente externamente hiperconvexo si, y solo si,
es un casi retracto proximinal no expansivo.
Teorema (E05)
El casi del teorema anterior se puede quitar.
NPR en espacios de funciones continuas
Problema 1
Cuales son los subespacios de los espacios de funciones continuas
que admiten una proyeccion ortogonal (metrica)?, es posible
caracterizarlos?
Problema 2
Cuales son los subconjuntos de los espacios de funciones
continuas que admiten una proyeccion ortogonal (metrica)?, es
posible caracterizarlos?
NPR en espacios de funciones continuas
Problema 1
Cuales son los subespacios de los espacios de funciones continuas
que admiten una proyeccion ortogonal (metrica)?, es posible
caracterizarlos?
Problema 2
Cuales son los subconjuntos de los espacios de funciones
continuas que admiten una proyeccion ortogonal (metrica)?, es
posible caracterizarlos?
Subespacios canonicos
Para resolver el Problema 2, consideramos los siguientes
subespacios de C (K ) que llamaremos canonicos y que s son
retractos proximinales no expansivos.
Tipo I: Dado Z K clopen,
EZ0 = {f C (K ) : f|Z 0}.
Tipo II: Dado S K clopen,
ES = {f C (K ) : f|S es constante}.
Tipo III: Dados S 1 , S 2 dos clopen disjuntos,
ES 1 ,S 2 = {f C (K ) : f|S i es constante y fS 1 = fS 2 }.
EZ0 = {f C (K ) : f|Z 0}.
EZ0 = {f C (K ) : f|Z 0}.
EZ0 = {f C (K ) : f|Z 0}.
Algunos hechos faciles de probar:

Todos los subespacios canonicos y sus trasladados son
Si un subespacios de codimension 1 es RPN, tambien lo son
los semiespacios que determina.
Si Z , {Si }ni=1 y {Sj1 , Sj2 }nj=1 son clopen y disjuntos, entonces
el subespacio
E = EZ0 (ESi ) (ES 1 ,S 2 ) (1)

j j
es un RPN.
Definicion
Un subespacio E de C (K ) se dira estandar si es de la forma (1), es
decir, si es interseccion de hiperplanos canonicos.
Algunos hechos faciles de probar:

Todos los subespacios canonicos y sus trasladados son
Si un subespacios de codimension 1 es RPN, tambien lo son
los semiespacios que determina.
Si Z , {Si }ni=1 y {Sj1 , Sj2 }nj=1 son clopen y disjuntos, entonces
el subespacio
E = EZ0 (ESi ) (ES 1 ,S 2 ) (1)

j j
es un RPN.
Definicion
Un subespacio E de C (K ) se dira estandar si es de la forma (1), es
decir, si es interseccion de hiperplanos canonicos.
Teorema (Benyamini, E., Lopez05)

Si E es un subespacio RPN de codimension finita de C (K ),
entonces estandar.
Si E es un subespacio RPN finito dimensional entonces es estandar.
Conjetura
Todo subespacio RPN de C (K ) es estandar.

entonces estandar.
Conjetura

entonces estandar.
Conjetura
Otros hechos:
Una interseccion infinita de hiperplanos RPN no tiene por que
ser RPN.
Si K es conexo, entonces C (K ) no admite ningun subespacio
RPN de codimension finita ni de dimension finita, excepto los
de dimension 1 de tipo II.
Algunos ejemplos faciles de obtener:

Semiespacios definidos por hiperplanos RPN.
Intersecciones finitas de semiespacios definidos por
hiperplanos RPN.
Sin embargo,
No todos los subconjuntos RPN se pueden expresar como
interseccion de semiespacios que, a su vez, sean RPN. Por
ejemplo, la bola unidad de C ([0, 1]).
No toda interseccion de semiespacios RPN define un conjunto
RPN.
Algunos ejemplos faciles de obtener:

Semiespacios definidos por hiperplanos RPN.
Intersecciones finitas de semiespacios definidos por
hiperplanos RPN.
Sin embargo,
No todos los subconjuntos RPN se pueden expresar como
interseccion de semiespacios que, a su vez, sean RPN. Por
ejemplo, la bola unidad de C ([0, 1]).
No toda interseccion de semiespacios RPN define un conjunto
RPN.
RPN y convexidad
Se puede garantizar, al menos, que los subconjuntos RPN de un

espacio de funciones continuas debe ser convexo?
En general, no lo sabemos.
En particular, s para los espacios `n .
El plano dotado con bolas hexagonales regulares admite RPN
que no son convexos.
Lema
Si A `n es un RPN de `n , entonces A es convexo.
Prueba (Detalles de la prueba)

1 Se observa que si v = (v1 , , vn )`n alcanza su norma en
todas sus coordenadas, entonces existe un unico segmento
metrico uniendo v y v que coincide con el segmento lineal.
2 Si el conjunto de puntos y de A tales que y A y y A es
no vaco, entonces existe x en A con la misma propiedad y tal
que alcanza su norma en todas sus coordenadas.
3 Dados x, y A, por traslacion, se puede forzar a que sean de
la forma v y v . Utilizando lo anterior, 0 (punto medio entre
v y v ) esta en el trasladado de A y, por tanto, el punto
medio de x e y esta en A.
Subconjuntos de `n que admiten proyecciones ortogonales

Un subconjunto A `n es un RPN si, y solo si, es interseccion de
semiespacios RPN.
Cuestiones abiertas
Son muchas las preguntas que quedan por resolver sobre cuales son
exactamente los RPN de los espacios de funciones continuas y sus
propiedades. Algunas de las mas destacadas son las siguientes:
1 Son todos los subespacios RPN de un espacio de funciones
continuas interseccion de subespacios canonicos?
2 Bajo que condiciones se tiene que si A es RPN de B y B lo
es de C , tambien se tiene que A lo es de B?
3 Son convexos los subconjuntos RPN de los espacios de
funciones continuas?
4 Cual es la situacion en los espacio L1 ?
Cuestiones abiertas
Cuestiones abiertas
Cuestiones abiertas
Cuestiones abiertas
Nuestra mayor frustracion
Otra de las muy buenas propiedades de la proyeccion ortogonal en

los espacios de Hilbert es que es sunny.
Definicion
Sea X un espacio normado y A X . Una proyeccion P : X A
se dice sunny si
P(P(x) + (x P(x))) = P(x)
para todo 0.
Si A es un RPN de `n , se puede garantizar que existe una

proyeccion sobre A que sea seleccion no expansiva de la proyeccion
metrica y, ademas, sunny?
Nuestra mayor frustracion
Otra de las muy buenas propiedades de la proyeccion ortogonal en

los espacios de Hilbert es que es sunny.
Definicion
Sea X un espacio normado y A X . Una proyeccion P : X A
se dice sunny si
P(P(x) + (x P(x))) = P(x)
para todo 0.
Si A es un RPN de `n , se puede garantizar que existe una

proyeccion sobre A que sea seleccion no expansiva de la proyeccion
metrica y, ademas, sunny?
Referencias
1 Nonexpansive retractions in hyperconvex spaces, Journal of

Mathematical Analisis and Applications, 251, 557-570, 2000.
(E., W. A. Kirk, G. Lopez)
2 Norm one projections in Banach spaces, Taiwaneese J. Math.
5 (2001), pp.35-95 (B. Randrianantoanina)
3 On selections of the metric projetion and best proximity pairs
in hyperconvex spaces, Annales Universitatis Mariae
Curie-Sklodowska, LIX, 9-17, 2005. (E.)
4 Nonexpansive selection of metric projection in spaces of
continuous functions, Journal of Approximation Theory, 137,
187-200, 2005. (Y. Benyamini, E., G. Lopez)

Miraflores

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Miraflores

Uploaded by

Copyright:

Available Formats

Introduccion Proyecciones metrica no expansivas Retractos proximinales en espacios de funciones continuas Cuestiones abiertas

Proyecciones ortogonales (metricas) en

III Encuentro de Analisis Funcional

1 Nonexpansive retractions in hyperconvex spaces, Journal of

Definicion (Proyeccion ortogonal/Proyeccion metrica)

PM (x) = {z M : kx zk = inf{kx y k : y M}.

Por definicion, PM coincide con la proyeccion metrica.

Definicion (Proyeccion ortogonal/Proyeccion metrica)

PM (x) = {z M : kx zk = inf{kx y k : y M}.

Por definicion, PM coincide con la proyeccion metrica.

Extensiones de la nocion de proyeccion ortogonal

Hay muchas en la literatura, pero nos fijaremos en las tres

Extensiones de la nocion de proyeccion ortogonal

Hay muchas en la literatura, pero nos fijaremos en las tres

Extensiones de la nocion de proyeccion ortogonal

Hay muchas en la literatura, pero nos fijaremos en las tres

Muchas propiedades se conservan

Muchas propiedades se conservan

Sobre subespacios 1-complementados

La existencia de proyecciones de norma uno se relaciona, por

Caracterizar exactamente que subespacios de un espacio normado

Aunque se han hecho inmensos avances en esta teora, son muchas

Sobre subespacios 1-complementados

La existencia de proyecciones de norma uno se relaciona, por

Caracterizar exactamente que subespacios de un espacio normado

Aunque se han hecho inmensos avances en esta teora, son muchas

Sobre subespacios 1-complementados

La existencia de proyecciones de norma uno se relaciona, por

Caracterizar exactamente que subespacios de un espacio normado

Aunque se han hecho inmensos avances en esta teora, son muchas

PM (x) = {y A : d(x, y ) = inf{d(x, z) : z A}}.

PM (x) = {y A : d(x, y ) = inf{d(x, z) : z A}}.

Proyecciones de norma 1 y la proyeccion metrica

kx (I P)xk = kPxk = kP(x y )k kx y k.

Por tanto, I P es una seleccion lineal de la proyeccion metrica

kPxk = kx (I P)xk kx 0k = kxk.

Proyecciones de norma 1 y la proyeccion metrica

kx (I P)xk = kPxk = kP(x y )k kx y k.

Por tanto, I P es una seleccion lineal de la proyeccion metrica

kPxk = kx (I P)xk kx 0k = kxk.

Proyecciones de norma 1 y la proyeccion metrica

kx (I P)xk = kPxk = kP(x y )k kx y k.

Por tanto, I P es una seleccion lineal de la proyeccion metrica

kPxk = kx (I P)xk kx 0k = kxk.

Proyecciones metrica no expansivas

Que pasa si unimos las nociones 2 y 3 anteriores?

Proyecciones metrica no expansivas

Que pasa si unimos las nociones 2 y 3 anteriores?

Donde podemos encontrar los retractos proximinales no

De un modo muy natural aparecen en los siguientes espacios:

En los espacios de Hilbert hay muchos: la proyeccion

En espacios de funcione continuas tambien hay retractos

La misma idea se aplica a cualquier conjunto que sea interseccion

En espacios de funcione continuas tambien hay retractos

La misma idea se aplica a cualquier conjunto que sea interseccion

En los espacios metricos hiperconvexos (tambien llamados

Ejemplo: espacio L y algunos espacios de funciones continuas,

En los espacios metricos hiperconvexos (tambien llamados

Ejemplo: espacio L y algunos espacios de funciones continuas,

Teorema (R. Sine89)

Se pueden caracterizar mediante alguna propiedad geometrica los

Teorema (R. Sine89)

Se pueden caracterizar mediante alguna propiedad geometrica los

Retractos proximinales no expansivos en espacios