Transformada

de Fourier
generalizada

Distribuciones
El concepto de distribución es la herramienta esencial que permite
extender la aplicación de la transformada de Fourier a aquellos
casos donde la función a transformar no es cuadrado integrable. En
los textos se suele referir a esta versión “ampliada” como
“Transformada de Fourier generalizada” y no suele mencionarse la
base matemática que la justifica y que no es sino el concepto de
función generaliza o distribución que en esta monografía
elaboramos someramente.

Procederemos a presentar las distribuciones mediante dos definiciones:

DEFINICIÓN: Función de Schwartz.

Sea “S” el conjunto de funciones de decrecimiento rápido. Estas funciones son
infinitamente diferenciables y con derivadas que decrecen más rápidamente que
cualquier potencia de la variable independiente “x” en el infinito. Tienen las siguientes
propiedades:

1. Si f(x) está en S entonces, su transformada de Fourier, F(f(x)) está también en S.

2. Si f(x) está en S entonces, F-1Ff = f.

Nos referiremos habitualmente a las funciones de S como funciones de Schwartz.

El segundo paso es usar las funciones en S para definir una clase amplia de “funciones
generalizadas” o, como denominaremos, distribuciones temperadas, a cuyo espacio
denotaremos como T.

DEFINICIÓN: Distribuciones temperadas.

Los miembros de T incluyen a los de S así como a algunas de las funciones no

integrables, seno, coseno, delta, y muchas más y para las cuales se siguen verificando
las dos propiedades anteriores de las funciones en S.

Las distribuciones temperadas se definen mediante su operación sobre las funciones en

S de manera que una distribución en T opera sobre una función de S devolviendo un
número. En este sentido las distribuciones no son sino lo que en otros contextos se
denomina operador o funcional.

Una distribución temperada T es un funcional lineal continuo que retorna un

valor complejo al operar sobre el conjunto de funciones de Schwartz S
llamado funciones de prueba. Denotaremos el conjunto de distribuciones por
T. T es el espacio dual de S.

Comentarios a la definición:

1. Si φ está en S entonces T(φ) es un número complejo. Normalmente se denota la

acción de T sobre φ como 〈T, φ〉y decimos que T está emparejada con φ.
2. Las funciones temperadas operan linealmente sobre las funciones de prueba:
T¿
O bien, con la nueva notación:
⟨ T , α 1 φ 1+ α2 φ2 ⟩ ¿ α1 ⟨ T , φ1 ⟩ +α 2 ⟨ T , φ 2 ⟩

Para las funciones de prueba φ 1 y φ2 y los números complejos α 1 y α 2

3. Dos distribuciones T1 y T2 son iguales si dan el mismo resultado al actuar sobre
cualquier función de prueba:
T 1=T 2 si T 1 ( φ )=T 2 ( φ ) para todo φ en S

2
Distribuciones temperadas generadas por funciones.

Es posible definir distribuciones a partir de funciones tradicionales.

Sea f(x) una función para la cual existe la siguiente integral sea cual sea la función de
Schwartz (de prueba) φ(x) elegida:
∞

∫ f ( x ) φ ( x ) dx
−∞

En estas condiciones la función f(x) determina o induce una distribución temperada que
denotaremos como Tf mediante la expresión:
∞
T f ( φ )=⟨ T f , φ ⟩ ≡ ∫ f ( x ) φ ( x ) dx con φ una función de prueba
−∞

En definitiva, Tf actúa sobre la función de prueba φ integrando su producto con f. A

veces se denotará la distribución así generada mediante la expresión ⟨ f , φ ⟩
Es inmediato comprobar que la definición anterior cumple con las propiedades de
linealidad y unicidad (propiedad 3) de las funciones temperadas.

Ejemplos:
La función “sinc” define una distribución temperada puesto que aún a pesar de no ser
integrable, (sinc x) φ(x) es integrable para cualquier función de Schwartz φ(x).
De la misma forma cualquier exponencial compleja, así como el seno y coseno, definen
distribuciones temperadas.
Ejemplos importantes son la función escalón de Heaviside u(x) y la función rampa r(x).
Ninguna de las dos funciones es integrable, pero al ser multiplicadas por una función
de Schwartz determinan distribuciones temperadas.
Sin embargo, como veremos más adelante, no todas las funciones temperadas
provienen de funciones. Por ejemplo, la distribución delta de Dirac es una distribución,
esto es, un funcional lineal que no proviene de ninguna función. Es en este sentido que
se dice que las funciones generalizadas (distribuciones) incluye muchas funciones en el
sentido clásico, pero van más allá (generalizan) de ellas.
En todo caso, cabe resaltar que la naturaleza del emparejamiento de una distribución
temperada dada T con una función de prueba φ no está, por decirlo de alguna manera,
definida a priori. Con esto queremos decir que no se ha de pensar que ⟨ T , φ ⟩ es una
integral como:
∞

⟨ T , φ ⟩ ≡ ∫ T ( x ) φ ( x ) dx
−∞

Para determinada distribución T.

El emparejamiento ⟨ T , φ ⟩ es una integral cuando la distribución proviene de una
función, lo cual, como ya se ha comentado no siempre es el caso.

3
Notar también que no toda función determina una distribución temperada. Véase por
2 2
ejemplo la función e x junto con la función de Schwartz e− x , ya que en este caso:
∞ ∞

∫e dx= ∫ 1 dx=∞
2 2
x −x
e
−∞ −∞

La distribución temperada δ

Las exposiciones tradicionales en cursos de señales y sistemas

presentan la “delta de Dirac” como una función límite de funciones
que convergen a una señal de anchura despreciable y área finita.
Sin embargo, esta aproximación al concepto de delta de Dirac,
aunque intuitivo se traduce en una serie de propiedades poco
intuitivas. La presentación alternativa de la delta de Dirac como
distribución, aunque menos intuitiva es la más correcta desde el
punto de vista formal y proporciona un marco en el que poder
entender sus propiedades y extenderlas a otras distribuciones y
transformaciones muy utilizadas en estos ámbitos.

El objetivo que perseguimos es encontrar una distribución temperada que opere con
funciones como lo hace la delta de Dirac, esto es:
⟨ δ , φ ⟩ ≡ φ(0)
Esto es, se le pasa una función de prueba y devuelve el valor de la función en el punto
0 de la variable independiente.
Se puede comprobar que la definición anterior cumple con las propiedades requeridas
de linealidad para las funciones en T.
De manera similar se puede definir la distribución correspondiente a la delta
desplazada a otro punto “a” de la variable independiente como:

⟨ δ a ,φ ⟩ ≡ φ(a)

Téngase en cuenta que las dos distribuciones δ y δ a son distintas (si “a” es diferente de
cero) aunque en la aproximación tradicional a estos conceptos se pensaba que la
función era la misma, aunque desplazada en su variable independiente.

4
Analogía física de las distribuciones
Piénsese en una región del espacio donde el aire contiene calor. Un
número asociado a la cantidad de calor contenida es la temperatura.
Supóngase que deseamos medir la temperatura usando un
termómetro. En estas condiciones, ¿es razonable preguntarse por la
temperatura en un punto concreto del espacio? ¿Qué tipo de
instrumento de medida puede medir la temperatura en “un” punto?

Lo que es posible medir no es la temperatura “puntual” sino la

temperatura “global”. El termómetro registra un valor “medio” de la
temperatura en un entorno próximo al punto. En analogía con el
concepto de distribución, el valor de temperatura que nos muestra
el termómetro se determina emparejando el calor (la distribución)
con el termómetro (una función de prueba o dispositivo de medida).
Cuanto más “concentrado” está el termómetro (cuanto más
“picuda” es la función de prueba) más precisa es la medida, esto es,
más cercana es la medida a la temperatura “puntual”.

El emparejamiento de una función de prueba con el calor es análogo

a la respuesta del termómetro a distribución de calor.

Concretando, la lectura del termómetro se puede modelar

considerando “f” la distribución del calor y “ φ“ la función de prueba
con lo que la lectura del termómetro es:

∫ f ( x ) φ ( x ) dx
Una temperatura media en torno al punto donde está situado el
termómetro.

Las medidas de magnitudes físicas como la temperatura obedecen

leyes de superposición (linealidad) con lo que en nuestro caso se
cumplirá:

5
 ∫ f ( x ) ( α1 φ1 ( x ) + α2 φ2 ( x ) ) dx=α 1∫ f ( x ) φ1 ( x ) dx +α 2∫ f ( x ) φ 2 ( x ) dx
Para funciones de prueba φ 1 y φ2. Es por este motivo que hemos
incorporado la linealidad en la definición de las distribuciones.

Transformada de Fourier generalizada de

distribuciones temperadas
Recordemos que el objetivo final que perseguimos con la
introducción del concepto de distribuciones, en el contexto de las
señales y los sistemas, es el de poder generalizar la transformada de
Fourier a las señales que, por ejemplo, por estar definidas en
potencia, no la admiten. La extensión de la transformada de Fourier
se realiza después de extender las operaciones tradicionales sobre
funciones al conjunto T de distribuciones temperadas.

Definimos la transformada de Fourier de una distribución temperada T y la denotamos

como F(T) como una nueva distribución:
⟨ F T , φ ⟩≡ ⟨T , F φ ⟩
Para cualquier función de Schwartz φ.
Comprobemos que la definición anterior tiene sentido. Para ello no hay más que
considerar que si ψ es una función de Schwartz entonces su transformada de Fourier F
ψ también lo será. Por tanto, la distribución inducida por esta nueva función F ψ al
actuar sobre otra función de Schwartz φ, será:

( ) ( )
∞ ∞ ∞ ∞ ∞ ∞ ∞
⟨ F ψ ,φ ⟩ =∫ F ψ ( x ) φ ( x ) dx= ∫ ∫e − j 2 πxt
ψ ( t ) dt φ ( x ) dx=∫ ∫ e
− j 2 πxt
ψ ( t ) φ ( x ) dtdx= ∫ ∫ e− j 2 πxt φ ( x ) dx ψ (t )d
−∞ −∞ −∞ −∞ −∞ −∞ −∞

En definitiva, el resultado de emparejar F ψ ( x ) con φ es precisamente la definición de la

transformada de Fourier de una distribución temperada anteriormente propuesta:
⟨ F ψ ,φ ⟩ =⟨ ψ , F φ ⟩

Para la definición de la transformada inversa seguimos el mismo procedimiento y

definimos la transformada inversa de Fourier de la distribución temperada T, F−1 T ,
como:
⟨ F−1 T ,φ ⟩ =⟨ T , F−1 φ ⟩

6
Para cualquier función de Schwartz φ .

Es sencillo demostrar que:

−1 −1
F F T =T y que F F T =T
Con lo que F−1 F T y F F −1 T son la misma distribución.

La transformada de Fourier sobre distribuciones es también lineal, esto es:

F ( T 1 +T 2 ) =F T 1+ F T 2 y F ( αT )=α F T
Siendo α un número y donde hemos aplicand directamente la definición de la
transformada de distribuciones.

Veamos cuales serían la transformadas de Fourier de las distribuciones más utilizadas

en señales y sistemas.
Transformada de Fourier de la delta de Dirac δ :

La transformada de Fourier de la delta es: F δ=1

Es importante notar que la igualdad anterior ha de ser interpretada como una igualdad
entre distribuciones, esto es, que la distribución F δ y la distribución 1 arrojan los
mismos valores cuando son emparejadas con cualquier función de Schwartz φ . La
función constante “1” define una distribución temperada mediante la operación
integración, tal y como se ha comentado anteriormente:
∞

⟨ 1 , φ ⟩ ≡ ∫ 1 φ ( x ) dx
−∞

La convergencia de la integral está asegurada puesto que φ es una función de

Schwartz.
Demostración:

Por un lado, tenemos que:

∞
⟨ F δ , φ ⟩= ⟨ δ , F φ ⟩ =F φ ( 0 )=∫ φ ( x ) dx
−∞

Por otro lado, como se ha comentado más arriba:

∞ ∞

⟨ 1 , φ ⟩ ≡ ∫ 1 φ ( x ) dx=∫ φ ( x ) dx
−∞ −∞

Y por tanto se concluye la igualdad entre distribuciones: F δ=1

De manera similar se puede demostrar que F 1=δ , puesto que, por definición:

7
 ∞
⟨ F 1 ,φ ⟩ =⟨ 1 , F φ ⟩= ∫ F φ ( x ) dx
−∞

Pero la última integral no es sino la inversa de la transformada de Fourier de F φ

evaluada en 0:
∞
F F φ ( t ) =∫ e
−1 j 2 πst
F φ ( s ) ds
−∞
∞
F F φ ( 0 )= ∫ F φ ( s ) ds
−1
que en t=0 es:
−∞

Interpretando la última integral mediante la transformada inversa de Fourier en el

dominio S de φ , nos lleva a:
−1
F F φ ( 0 )=φ ( 0 )
Con lo que:
⟨ F 1 ,φ ⟩ =φ ( 0 )= ⟨ δ , φ ⟩
Y concluimos que: F 1=δ

Transformada de Fourier de δ a:

En primer lugar, definamos esta variante de la delta de Dirac ya conocida:

⟨ δ a ,φ ⟩ ≡ φ(a)
Como puede intuirse δ a no es sino lo que tradicionalmente se denotaba como δ (x−a) y
que ahora, con el nuevo concepto de distribución no denota ya una función desplazada
en abscisas cuyo valor resulta de sustituir los puntos de abscisas en la ecuación de la
función. En todo caso, se puede mantener la notación de la distribución como si fuese
una delta desplazada, pero teniendo siempre presente su correcto significado.
Veamos cuál sería su transformada de Fourier; para ello sigamos los mismos pasos que
los seguidos en el caso de la delta sin desplazar:
∞

⟨ F δ a , φ ⟩ =⟨ δ a , F φ ⟩ =F φ ( a )= ∫ e− j 2 πat φ (t ) dt
−∞

Esta última integral, se puede interpretar como el emparejamiento de la función e− j2 πax

con la función de prueba φ (x), esto es:
⟨ F δ a , φ ⟩ =⟨ e− j 2 πax ,φ ⟩
Y por tanto:
− j 2 πax
F δ a=e

A la inversa también podemos comprobar que

j2 πax
Fe ¿ δa

8
Para ello expresamos la transformada de Fourier del lado izquierdo sobre la
distribución:
∞
⟨ Fe j 2 πax
, φ ⟩ =⟨ e
j 2 πax
, F φ ⟩ =∫ e
j2 πax
F φ ( x ) dx
−∞

Pero esta integral no es sino la transformada inversa de Fourier de F φ evaluada en a,

con lo que recuperamos φ (a):

⟨ F e j 2 πax , φ ⟩ =φ ( a )=⟨ δ a , φ ⟩
Con lo que finalmente:
j2 πax
Fe ¿ δa

Transformada de Fourier de funciones circulares:

Equipados con la transformada de la delta (ahora ya con su verdadera personalidad de

distribución y no en su caricatura de función) y usando la linealidad de la transformada
de Fourier generalizada, podemos encontrar las transformadas de las funciones seno y
coseno.

F ( 12 (δ +δ ))= 12 (e
a −a
− j 2 πsa
+e j 2 πsa )=cos 2 πsa

Lo que antes escribíamos como:

F¿
Y a la inversa:

F cos 2 πxa=¿ F ( 12 ( e − j 2 πsa

) 1
+ e j 2 πsa ) = ( δ a + δ −a ) ¿
2
O en la notación tradicional:
1
F cos 2 πxa=¿ ¿ ¿
2
Lo que habitualmente se dibuja como dos flechas con un “peso” ½ en los puntos a y -a:

De manera similar, para la distribución seno:

F¿
Y

F sen 2 πxa=¿ F ( 21j (e j 2 πsa

−e
− j 2 πsa
)
) = 1 ¿¿
2j
Y habitualmente se representa como dos flechas con pesos j/2 centrada en -a y de -j/2
centrar en a.
Recordemos que las funciones seno y coseno son el paradigma de aquellas que no
tienen transformada de Fourier “no generalizada” ya que llegamos a expresiones no
integrables:

9
 ∞ ∞

∫e − j 2 πsx
cos 2 πx dx o bien ∫ e
− j2 πsx
sen 2 πx dx
−∞ −∞

Y es por ello por lo que para poder generalizar la transformada de Fourier a estas
señales hemos tenido que abandonar el terreno familiar de las funciones y adentrarnos
en territorios nuevos como es el de las distribuciones o funciones generalizadas.

Derivación de distribuciones
Para poder extender la transformada de Fourier a señales clásicas
de la teoría de sistemas como son la función escalón, rampa, etc. es
necesario ampliar la derivación clásica de funciones a este nuevo
espacio de las distribuciones temperadas.

Comencemos con la extensión de una expresión muy conocida que, haciendo uso de la
integración por partes, permite cambiar el operador derivada en un producto de dos
funciones bajo el signo integral:

Sea φ es una función de prueba y f una función para la cual f ( x ) φ ( x ) → 0 cuando x →± ∞

.Si f es diferenciable, entonces podemos usar la integración por partes con:

'
u=φ , dv=f ( x ) dx
para escribir:
∞ ∞ ∞

∫ f ' ( x ) φ ( x ) dx=¿ [ f (x ) φ(x )]−∞− ∫ f ( x ) φ ' ( x ) dx=¿− ∫ f ( x ) φ ' ( x ) dx ¿ ¿

∞

−∞ −∞ −∞

Con lo que logramos cambiar la operación derivada sobre la f a la función φ

Podemos ampliar la expresión anterior para derivadas superiores y así, por ejemplo:
∞ ∞

∫ f ' ' ( x ) φ ( x ) dx=¿ ∫ f '' ( x ) φ ( x ) dx ¿

−∞ −∞

Notar que en este caso no hay cambio de signo al trasladar la derivación.

La propiedad anterior nos permite generalizar la derivada y definir la derivada de una

distribución.
Si T es una distribución, entonces su derivada T’ es la distribución definida por:

⟨ T ' , φ ⟩ ≡−⟨ T , φ' ⟩

10
Esta definición mantiene las propiedades usuales de la derivada de la suma de dos
funciones y multiplicación de una función por un escalar:
' ' ' '
( T 1+ T 2 ) =T 1 +T 2 y ( α T ) =αT '
Pero no podemos extender la propiedad de la derivada del producto de dos funciones
puesto que no hay un concepto análogo de producto de dos distribuciones.

Se pueden definir derivadas de orden superior sin mayor problema lo que lleva a
encontrar que las distribuciones son infinitamente diferenciables.

Veamos ahora varios ejemplos de derivadas de distribuciones “generalizadas” a partir

de señales clásicas:

Derivada del escalón unitario:

El escalón unitario, función escalón o función de Heaviside es:

{
u ( x )= 0 , x ≤ 0
1 , x >0
U(x) determina una distribución temperada porque para cualquier función de Schwartz
φ , el emparejamiento:
∞ ∞
⟨ u , φ ⟩ =∫ u ( x ) φ ( x ) dx =∫ φ ( x ) dx
−∞ 0

Tiene sentido.

De la definición de derivada de una distribución, si φ (x) es una función de prueba

cualquiera, entonces:
∞ ∞
⟨ u ,φ ⟩ =−⟨ u , φ ⟩ =−∫ u ( x ) φ ( x ) dx =¿−∫ 1 φ' ( x ) dx =¿−( φ ( ∞ )−φ ( 0 ) )=φ(0)¿ ¿
' ' '

−∞ 0

Con lo que vemos que el emparejamiento de u’ con una función de prueba produce el
mismo resultado que el de emparejar una delta con una función de prueba:
⟨ u' ,φ ⟩ =φ ( 0 )=⟨ δ , φ ⟩
Con lo que podemos concluir que la derivada de la distribución escalón es la
(distribución) delta:
'
u =δ

Derivada de la función rampa:

Recordemos la función rampa:

11
 {
r ( x )= 0 , x ≤ 0
x , x >0

La función rampa, en sentido clásico no es derivable en el origen, pero veamos cómo

generalizándola a una distribución si lo es:

Para una función de prueba φ ( x ) :

( )
∞ ∞ ∞ ∞

⟨ r ( x ) , φ( x )⟩ =− ⟨ r ( x ) , φ ( x ) ⟩ =− ∫ r ( x ) φ ( x ) dx=¿−∫ x φ ( x ) dx=− [ xφ ( x ) ] −∫ φ ( x ) dx =¿ ∫ φ ( x ) dx= ⟨ u , φ ⟩ ¿ ¿

' ' ' ' ∞
0
−∞ 0 0 0

Con lo que podemos concluir que la derivada de la (distribución) rampa es la

distribución escalón:
'
r =u
Y por supuesto, se sigue que:
''
r =δ

Derivada del signo:

La función signo:

{
sgn ( x )= +1 , x >0
−1 , x <0

No está ni siquiera definida en el cero, pero esto, veremos no es un problema para

derivarla siempre que la consideremos como una distribución que actúa sobre una
función de prueba φ

Sea φ una función de prueba cualquiera. Tenemos entonces:

( )
∞ 0 ∞
⟨ sg n' , φ ⟩ =−⟨ sgn , φ ' ⟩=−∫ sgn ( x ) φ' ( x ) dx=− ∫ (−1 ) φ ' ( x ) dx+∫ (+1 ) φ ' ( x ) dx = ( φ ( 0 )−φ (−∞ ) )− ( φ ( ∞ )−φ ( 0 ) )=2
−∞ −∞ 0

Con lo que el resultado de emparejar la derivada de la función signo con φ es el mismo

que el de emparejar φ con 2 δ :
⟨ sg n' , φ ⟩ =2 φ ( 0 )= ⟨ 2 δ , φ ⟩
Y por tanto concluimos que:
'
sg n =2 δ

Este resultado, junto con el anterior de la derivada del escalón, se suele resumir como
la regla de “por cada salto de discontinuidad finita de valor P que se derive genera una
delta de peso P”.

12
Derivada de la delta:

Para encontrar la expresión de la derivada de la delta aplicamos el mismo

procedimiento de operar sobre una función de prueba:
⟨ δ ' , φ ⟩=− ⟨ δ , φ' ⟩ =−φ ' (0)

O con palabras, la delta, operando sobre una función de prueba devuelve el valor de la
función de prueba en el origen y la derivada de la delta devuelve el valor de la función
de prueba en el origen cambiado de signo.

Producto de distribuciones
No es posible definir el producto de dos distribuciones de una forma
coherente con las propiedades y definiciones presentadas hasta
ahora. Es posible, sin embargo, definir el producto entre funciones y
distribuciones.

Sea g una función tal que el producto de g con cualquier función de prueba φ es
también una función de prueba. Definimos el producto de g y T con T una distribución:
⟨ ¿ , φ ⟩ ≡ ⟨ T , gφ ⟩
Veamos la coherencia de la definición cuando T f es una distribución proveniente de una
función f. El producto de g con T f será:
∞ ∞

⟨ gT f , φ ⟩ =∫ g ( x ) f ( x ) φ ( x ) dx= ∫ f ( x ) ( g ( x ) φ ( x ) ) dx= ⟨ T f , gφ ⟩
−∞ −∞

Donde la última igualdad se justifica por el hecho de que el producto de g y φ sigue

siendo una función de prueba.

A modo de ejemplo importante calculemos el producto de una función con la delta:

⟨ gδ , φ ⟩ =⟨ δ , gφ ⟩=g ( 0 ) φ (0)
Resultado idéntico al que hubiese resultado de emparejar g(0) δ con φ , y por tanto:
g ( x ) δ=g(0)δ
En particular, si g(0)=0 entonces el resultado es siempre 0, por ejemplo:
xδ=0 , y x n δ=0
para cualquier potencia positiva de x.

13
Es trivial demostrar siguiendo el mismo procedimiento que:
g ( x ) δ a=g (a)δ a

Que es la llamada “propiedad de selección” de la delta.

Transformada de Fourier generalizada y

derivadas
En este apartado vamos a generalizar a las distribuciones la
propiedad de la transformada de Fourier de convertir derivadas de
funciones en productos.

Recordemos que, para una función f(t) con derivada f’(t) y transformada F(s) se
cumple:
F [ f ' ( t ) ]= j2 πsF (s ) y F−1 [ F ' ( s ) ]=− j 2 πt f (t )

Calculemos en primer lugar la transformada de Fourier de la derivada T’ de una

distribución T:
⟨ F T ' , φ ⟩= ⟨ T ' , F φ ⟩ =−⟨ T , ( F φ )' ⟩ =−⟨ T , F (− j2 πsφ ) ⟩ =− ⟨ F T ,− j 2 πsφ ⟩= ⟨ j 2 πs F T , φ ⟩
Con lo que:
F T ' = j2 πs F T
Donde el miembro de la derecha de la igualdad es el producto de la función '= j 2 πs por
la distribución F T .

Igualmente se puede demostrar fácilmente la relación dual:

( F T )' =F (− j 2 πsT )

Equipados con estas relaciones se pueden encontrar todas las transformadas de

Fourier generalizadas de las distribuciones que provienen de funciones para las que no
existía transformada de Fourier como son, por ejemplo, la función signo y escalón.

14
Transformada de Fourier generalizada y
desplazamientos
Nos preguntamos ahora por el equivalente en las distribuciones de
un desplazamiento de la variable independiente en el caso de las
funciones.
Esta pregunta no es trivial y requiere de una definición cuidada
puesto que, como ya sabemos, no tiene sentido plantearse el cálculo
del valor de una distribución en un determinado punto o valor de la
variable independiente.

Como anteriormente se ha hecho, comenzaremos por tratar de generalizar el

desplazamiento de la variable independiente a distribuciones partiendo de una
distribución generada por una función. Así, si suponemos una distribución T que
proviene de una función f(x), veamos cómo debería emparejarse f(x-b) con una función
de prueba φ (x):

∞ ∞

∫ f ( x−b ) φ ( x ) dx=¿ ∫ f ( u ) φ ( u+b ) du ¿

−∞ −∞

Donde hemos realizado el cambio de variable u=x-b.

Usando la notación τ b φ para denotar φ (x−b) podemos reescribir la expresión anterior:

∞ ∞

⟨ τ b f , φ ⟩ =∫ ( τ b f ) ( x ) φ ( x ) dx=∫ f ( x ) ( τ−b φ ) ( x ) dx=⟨ f , τ −b φ ⟩

−∞ −∞

Lo anterior nos lleva a la definición del desplazamiento de una distribución T por una
cantidad “b”:

⟨ τ b T , φ ⟩ =⟨ T , τ −b φ ⟩

La definición es coherente con la distribución δ a interpretada “a la antigua”, esto es,

como un desplazamiento de la delta:
⟨ τ a δ , φ ⟩ =⟨ δ , τ −a , φ ⟩ =(τ ¿¿−a , φ) ( 0 )=φ ( a ) =⟨ δa , φ ⟩ ¿
Con lo que:
τ a δ=δ a

15
Lo que en la notación “tradicional” se expresaba:
τ a δ=δ(x−a)

Equipados con la manera de desplazar distribuciones podemos extender el concepto de

desplazamiento a la transformada generalizada de Fourier. Proponemos un
desplazamiento de distribuciones en el tiempo tal y como se realiza en la transformada
de Fourier “tradicional”:
− j 2 πbx
F ( τ b T ) =e FT

Veamos si esta extensión de la propiedad de traslación a la transformada generalizada

es consistente.

Por un lado:
⟨ F ( τ b T ) , φ ⟩=⟨ τ b T , F φ ⟩ =⟨ T , τ −b F φ ⟩

Y la expresión que implica a la función de prueba en la expresión anterior la podemos

desarrollar:
∞ ∞
τ −b ( F φ ) ( s )=F φ ( s +b )=∫ e φ ( x ) dx=¿ ∫ e
− j 2 π ( s +b) x − j 2 πsx − j 2 πbx − j 2 πbx
e φ ( x ) dx =F (¿ e φ) ( s ) ¿ ¿
−∞ −∞

Insertando esta expresión en la anterior:

⟨ F ( τ b T ) , φ ⟩=⟨ T , τ −b F φ ⟩ =¿

Con lo que finalmente:

− j 2 πbx
F ( τ b T ) =e FT
Tal y como queríamos verificar.

Por ejemplo:
− j2 πas − j 2 πas
F δ a=F τ a δ=e F δ =e

Tal y como se comprobó en un apartado anterior.

Transformada de Fourier y escalados

Generalizamos en este apartado el escalado y compresión de
funciones al caso de las distribuciones, así como su transformación
mediante la transformada generalizada.

16
Procediendo de idéntica manera al caso del desplazamiento, miramos, en primer lugar,
el resultado de la acción de una función f(ax), considerada como distribución, sobre
una función de prueba:
∞ ∞

∫ f ( ax ) φ ( x ) dx= ∫ f (u)φ( ua ) 1a du para a>0

−∞ −∞
∞ −∞ ∞

∫ f ( ax ) φ ( x ) dx= ∫ f (u)φ( ua ) 1a du=− ∫ f (u)φ ( ua ) 1a du para a< 0

−∞ ∞ −∞

Y combinando ambos casos:

∞ ∞

∫ f ( ax ) φ ( x ) dx= ∫ f (u)φ( ua )|1a| du

−∞ −∞

Denotando el escalado con la notación:

(σ ¿¿ a φ) ( x ) =φ( ax)¿

Las integrales anteriores se pueden escribir:

( σ φ ) ( x ) dx= ⟨ f , |a| ( σ φ )⟩ ¿
∞ ∞
1 1
⟨ σ a f , φ ⟩ =∫ (¿ σ a f )( x ) φ ( x ) dx =∫ f ( x ) |a| 1 1
−∞ −∞ a a

Y podemos definir, para una distribución genérica T, σ a T :

⟨ σ a T ,φ ⟩ = ⟨ T,
1
σ φ
|a| 1a ⟩
Apliquemos el escalado a la delta:

⟨ σ aδ , φ⟩= ⟨ δ,
1
σ1 φ =
|a| a
1
⟩
|a| a ( )
1
σ 1 φ ( 0 )= φ
|a|
0
a
1
= φ ( 0 )=
|a|
1
|a|
δ,φ () ⟨ ⟩
Por lo que:
1
σ a δ= δ
|a|
Que no es sino la conocida expresión:
1
δ ( ax )= δ (x)
|a|

Que se interpretaba de manera que el escalado de la variable independiente escala el

peso de la delta en el valor recíproco de la magnitud del escalado.

Equipados con el escalado de distribuciones podemos afrontar su generalización de

transformada de Fourier y comprobaremos que:

17
 1
F ( σa T )= σ (F T )
|a| 1a
Procedamos como es habitual:

⟨ F ( σ a T ) , φ ⟩ =⟨ σ a T , F φ ⟩ = ⟨ T,
1
σ Fφ
|a| 1a ⟩
Desarrollando la expresión de la función de prueba:
1
|a|
1 1
(σ ¿ ¿ F φ) ( s )= F φ
a |a|
s
a ()
=F (σ a φ)(s )¿

Con lo que :

⟨ F ( σ a T ) , φ ⟩= ⟨ T,
1
⟩
σ 1 F φ =⟨ T , F ( σ a φ) ⟩ =⟨ F T , σ a φ ⟩ =
|a| a
1
⟨
σ (F T ), φ
|a| 1a ⟩
Quedando probada la generalización:
1
F ( σa T )= σ (F T )
|a| 1a

Transformada de Fourier y convolución

La definición de la operación de convolución para distribuciones es
fundamental para poder completar la generalización de la
transformada de Fourier. Sin embargo, esta definición no está
exenta de dificultades técnicas derivadas del hecho que no es
posible definir el producto de distribuciones. Procederemos por la vía
indirecta de definir la convolución de una distribución con una
función de prueba.

Nuestro objetivo final es el de poder definir el operador convolución y su interacción

con la transformada de Fourier generalizada:
F ( φ∗T )=(F φ)(F T )
Donde la expresión de la derecha contiene el producto de una función de prueba y una
distribución ya definido con anterioridad.

Comencemos definiendo la convolución de una distribución T y una función de prueba

ψ .Como es habitual procedemos en primer lugar suponiendo que la distribución T

18
proviene de una función f y comprobamos el efecto de emparejar ψ∗f con una función
de prueba φ :

(∫ ) (∫
∞ ∞ ∞ ∞ ∞ ∞ ∞
⟨ ψ∗f ,φ ⟩ =∫ (¿ ψ∗f )(x)φ( x )dx=∫ ψ ( x− y ) f ( y ) dy φ ( x ) dx =∫ ∫ ψ ( x − y ) φ ( x ) f ( y ) dy dx= ∫ ψ ( x− y ) φ
−∞ −∞ −∞ −∞ −∞ −∞ −∞

Dentro del paréntesis tenemos “casi” la convolución de ψ∗φ pero con el signo
cambiado. Usando la notación ψ−¿ (x )=ψ (−x)¿ lo que tenemos es ψ−¿∗φ ¿:
∞ ∞
⟨ ψ∗f ,φ ⟩ =∫ (¿ ψ∗f )(x)φ( x )dx=∫ ¿ ¿ ¿ ¿
−∞ −∞

Lo que nos lleva a definir para una distribución general T y una función de prueba ψ su
convolución:
⟨ ψ∗T , φ ⟩=¿
Apliquemos esta definición a la delta y comprobemos su propiedad de convolución:
ψ∗δ=ψ
Donde en el miembro de la derecha se considera a ψ como una distribución.
⟨ ψ∗δ , φ ⟩ =¿
Lo que nos dice que ψ∗δ da el mismo resultado que ψ cuando se empareja con una
función de prueba φ , esto es, ψ∗δ=ψ
Esta propiedad, que llamábamos tradicionalmente como la propiedad de
desplazamiento de la delta, la solíamos escribir:
∞
ψ ( x )=∫ δ ( x− y ) ψ ( y ) dy
−∞

19