com c normalizando ∫ρ=1, é C∞ em Rd: o ponto é que t↦e−1/t1t>0 é C∞ em R, com todas as derivadas em 0+ iguais a 0 (cada derivada é P(1/t)e−1/t para um polinômio P, e isso tende a 0; indução). Para ε>0, ponha ρε(x)=ε−dρ(x/ε): com suporte em Bˉ(0,ε) e ainda de integral 1.
Exemplos
Exemplo 12.10(Regularizando ∣x∣, com taxas)
Tome f(x)=∣x∣ em R (localmente L1; o teorema se aplica em toda janela limitada) e uma aproximação da identidade simétrica ρε. Então
fε(x)=(f∗ρε)(x)=∫∣x−y∣ρε(y)dy
é C∞; longe do bico, nada acontece: para ∣x∣≥ε, ∣x−y∣ é linear em x no suporte de ρε, de modo que fε(x)=∣x∣exatamente (a simetria mata a correção). Perto de 0, a suavização custa precisamente
0≤fε(0)=∫∣y∣ρε(y)dy≤ε,∥fε−f∥∞≤ε:
o erro de aproximação fica confinado à vizinhança de raio ε da singularidade e é da ordem dela. Enquanto isso, fε′′≥0 em toda parte (f é convexa, e a convolução com ρε≥0 preserva a convexidade), com ∫fε′′=fε′(∞)−fε′(−∞)=2: a segunda derivada é uma onda de massa 2 espremida em largura O(ε), de modo que ∥fε′′∥∞≳ε−1. Suavizar é uma troca: erro uniforme O(ε) contra explosão da derivada O(ε−1) — exatamente a taxa de câmbio que a análise quantitativa (desigualdades de interpolação, o círculo de ideias do Problema 12.1) formaliza.