Die Glättung einer Funktion durch Faltung mit einer Familie glatter, kompakt getragener Kerne (Mollifikatoren), die als Maß der Skalierung gegen die Identität konvergieren; sie erzeugt glatte Approximanten offenbar rauer Funktionen.

Prinzip

Prinzip der Approximation der Identität: wähle einen glatten Kern η mit Integral 1 und setze η_ε(x)=ε^{-n}η(x/ε); die Faltung f*η_ε liefert C^∞-Funktionen, die f in verschiedenen Normen für ε→0 approximieren, wobei Ableitungen durch das Skalierungsverhalten von η kontrollierbar sind.

Demonstration

Konkretes Beispiel: die Indikatorfunktion eines Intervalls in R mit einem Standard-Bump η_ε zu mollifizieren ergibt eine Folge C^∞-Funktionen mit leicht erweitertem Träger, die in L^1 konvergieren oder punktweise fern der Grenze übereinstimmen.

Fehlanwendung

Mollifikation anzuwenden, ohne eine auf einem Gebiet definierte Funktion korrekt zu verlängern, kann Randbedingungen zerstören; blindes Mollifizieren von Distributionen mit zu schnellem Wachstum oder ohne Integrabilitätsprüfung ist ungültig.

Konsequenz

Mollifikation liefert glatte Approximanten, die Konvergenz in L^p-Räumen erhalten und Distributionen regularisieren; Standardwerkzeug zur Rechtfertigung von Manipulationen für schwache Lösungen, zur Approximation in Sobolev-Räumen und zum Beweis der Dichte glatter Funktionen.

Umkehrung

Verwendet man einen nicht-approximativen Kern (der sich nicht in Null konzentriert) oder eine Mittelung mit globalem Träger, so approximiert man die ursprüngliche Funktion nicht oder verliert lokale Merkmale; das Gegenteil der Mollifikation besteht darin, Rauigkeiten oder Hochfrequenzanteile einzuführen statt sie zu entfernen.

Abgrenzung

Voraussetzung ist, dass die Ausgangsfunktion lokal integrierbar ist (oder eine Distribution), sodass die Faltung definiert ist; Mollifikation erhält nicht notwendigerweise den Träger oder Randbedingungen, es sei denn, man führt geeignete Fortsetzungen durch, und kann globale Invarianten wie totale Variation ohne Kontrolle verändern.

Semantische Spannung

Steht im Wettbewerb mit anderen Regularisierungsmethoden (Spektralcuts, Heat-Kernel-Glättung, Tikhonov-Regularisierung); Spannung zwischen lokaler Faltungsglättung, die Lokalität bewahrt, und globalen spektralen Methoden, die sich in anderen Normen vorteilhafter verhalten können.

Synthese

Mollifikation ist die lokale konvolutionale Regularisierung durch Faltung mit skalierten glatten Kernen, die die Identität approximieren: systematisch glatte Approximanten rauer Objekte erzeugend und die Approximation in gewählten Normen kontrollierend.