AnalyseObjet mathématique · Glossaire
Suite régularisante
Une suite régularisante est une suite de fonctions lisses, positives et intégrables, de masse totale 1, dont le support se concentre autour de 0. Lorsque les convolutions sont définies — par exemple pour une fonction localement intégrable ou une distribution avec des noyaux lisses à support compact —, elles fournissent des fonctions lisses. Sous des hypothèses adaptées à l’objet et au mode de convergence, elles convergent vers l’objet initial, ce qui permet de l’approximer par des objets réguliers.
Sommaire
Ce que vous allez apprendre
- Relier la concentration d’un noyau à la convolution lissante.
- Suivre le lissage exact d’une fonction échelon avec un noyau pair.
- Distinguer l’approximation de l’identité de la régularité C∞.
- Reconnaître les limites liées au mode de convergence et aux bords.
En clair
Imaginez une marche d’escalier dessinée par une ligne qui saute brusquement de 0 à 1. On pose sur chaque point une petite bosse centrée, puis on remplace la hauteur par une moyenne des valeurs couvertes. Le saut devient une transition arrondie.
Une suite régularisante répète ce geste avec des bosses de plus en plus étroites. Chaque bosse garde une masse totale égale à 1 : elle lisse sans changer l’échelle globale. Quand sa largeur tend vers zéro, la version lissée se rapproche de l’objet initial.
Définition
Sur la droite réelle, une suite régularisante est une suite de noyaux, notés ρn. Ils sont positifs ou nuls, intégrables, de masse totale 1, et leur masse se concentre au voisinage de 0 lorsque l’entier n augmente. Une construction usuelle part d’un noyau ρ de masse 1 et définit : . Si ρ est porté par l’intervalle [−1, 1], alors ρn est porté par [−1/n, 1/n].
Pour une fonction f, la convolution avec ρn remplace la valeur en un point par une moyenne pondérée des valeurs voisines. Elle s’écrit : . Sous des hypothèses adaptées à f et au mode de convergence choisi, ces convolutions tendent vers f. Le même procédé s’étend aux distributions.
La positivité, la masse 1 et la concentration décrivent une approximation de l’identité. Pour obtenir des approximations infiniment dérivables, on choisit en plus un noyau ρ infiniment dérivable, généralement à support compact. Cette hypothèse de régularité est indispensable à l’affirmation que toutes les convolutions produites sont lisses.
De quoi c'est fait
La construction réunit quatre éléments. Le noyau initial ρ fixe la forme de la bosse. Sa positivité en fait un poids de moyenne, tandis que sa masse totale 1 préserve les constantes. L’indice entier n commande la dilatation : la largeur est divisée par n et la hauteur multipliée par n, ce qui conserve l’aire. Enfin, la convolution applique cette moyenne mobile à une fonction ou à une distribution.
La concentration est le lien décisif entre ces éléments : quand n augmente, le poids se concentre sur des valeurs de plus en plus proches du point étudié. La figure matérialise l’emboîtement exact des supports pour n égal à 1, 2 puis 4. La couleur ou le tracé de la bosse ne définissent pas la suite ; sa masse, sa concentration et, pour un lissage indéfiniment dérivable, sa régularité sont les données essentielles.
Un exemple, pas à pas
On lisse la fonction échelon H, égale à 0 pour une entrée strictement négative et à 1 pour une entrée positive ou nulle. On choisit un noyau ρ positif, pair, infiniment dérivable, de masse 1 et porté par [−1, 1]. On prend n = 4 ; le noyau ρ4 est donc porté par [−1/4, 1/4].
1. On forme la convolution de H avec ρ4.
2. Si x ≤ −1/4, la fenêtre ne rencontre que la zone où H vaut 0 : la convolution vaut 0.
3. À x = 0, la parité partage exactement la masse du noyau en deux : la convolution vaut 1/2.
4. Si x ≥ 1/4, la fenêtre ne rencontre que la zone où H vaut 1 : la convolution vaut 1.
2. Si x ≤ −1/4, la fenêtre ne rencontre que la zone où H vaut 0 : la convolution vaut 0.
3. À x = 0, la parité partage exactement la masse du noyau en deux : la convolution vaut 1/2.
4. Si x ≥ 1/4, la fenêtre ne rencontre que la zone où H vaut 1 : la convolution vaut 1.
Le saut initial est ainsi remplacé par une transition lisse, entièrement contenue entre −1/4 et 1/4. Le contrôle se refait sans connaître la formule du noyau : les valeurs 0 et 1 viennent du support, et la valeur 1/2 vient de la symétrie et de la masse totale 1.
En pratique
Pour approcher une fonction peu régulière, on la convolue avec ρn, puis on choisit n assez grand pour que la zone de moyenne soit plus petite que l’échelle que l’on veut conserver. Une moyenne sur une largeur fixe est préférable si l’objectif est de filtrer durablement les petites variations plutôt que de retrouver la fonction initiale.
Pour manipuler une distribution par des outils classiques, on régularise d’abord, on effectue le calcul sur les fonctions lisses obtenues, puis on étudie la limite. Une approximation discontinue ou seulement continue ne convient pas lorsque le raisonnement exige des dérivées de tout ordre.
Dans une preuve de densité, la convolution fournit des approximants réguliers. Le mode de convergence doit être annoncé : convergence dans Lp, uniforme sur des compacts ou au sens des distributions, selon l’espace et les hypothèses du problème.
À ne pas confondre
Suite régularisante et approximation de l’identité. Dans le cadre positif considéré ici, une approximation de l’identité est une famille de noyaux intégrables de masse totale 1 dont la masse se concentre en 0 ; sous des hypothèses adaptées, la convolution converge vers l’objet initial dans le mode choisi. L’expression « suite régularisante » insiste en plus sur l’usage de noyaux assez réguliers pour lisser. Une suite de noyaux rectangulaires peut approcher l’identité sans produire des fonctions infiniment dérivables.
Régularisation et filtrage à largeur fixe. Dans une suite régularisante, la largeur effective tend vers zéro afin de retrouver l’objet initial. Un filtre qui conserve la même largeur continue au contraire d’effacer les variations plus fines que cette largeur ; il ne converge donc pas vers l’identité par ce seul réglage.
Limites et pièges
Un noyau intégrable n’est pas forcément lisse. Le symptôme est une convolution qui conserve des angles ou ne possède qu’un nombre limité de dérivées. Si l’on veut une approximation C∞, il faut choisir un noyau C∞, et pas seulement positif et de masse 1.
La convergence dépend du cadre. Une fonction de Lp, pour 1 ≤ p < ∞, est approchée en norme Lp par une approximation de l’identité adaptée. Au seuil p = ∞, la convergence en norme n’est pas garantie pour une fonction essentiellement bornée quelconque ; il faut préciser une autre hypothèse ou un autre sens de convergence.
Les bords demandent une convention. Sur un intervalle ou un domaine, la formule de convolution utilise des valeurs situées hors du domaine près du bord. Il faut prolonger la fonction, par exemple par zéro, par réflexion ou périodiquement. Ces choix donnent des approximations différentes au voisinage du bord.
La positivité évite des compensations cachées. Avec des noyaux qui changent de signe, une masse totale égale à 1 ne suffit pas à garantir le comportement moyen attendu sans contrôle supplémentaire de leur norme L1. Il faut alors vérifier les hypothèses précises de l’approximation de l’identité utilisée.
Pour aller plus loin
convolution — Pour détailler l’opération qui transforme le noyau en moyenne mobile autour de chaque point.
Approximation de l'identité — Pour replacer les suites régularisantes dans la famille générale des noyaux qui convergent vers l’identité.
support compact — Pour préciser ce que signifie localiser exactement un noyau dans une région bornée.
Explorez les mathématiques autrement
Retrouvez nos magazines, podcasts et jeux pour explorer les mathématiques autrement.
Découvrir les offres