You are on page 1of 9

Breve resumen de la Teoría de Distribuciones

Introducción

En numerosas aplicaciones deben ser considerados límites de sucesiones de funciones que si bien representan
un proceso físico, desde el punto de vista matemático no pueden considerarse sus límites puntuales, sino un
tipo de límite "débil" que desde el punto de vista físico, corresponde a estudiar una magnitud o un proceso a
través de los efectos que causan en otras magnitudes o procesos. ([9]) En los siguientes casos puede
observarse esta situación:

1) Si f es continua en un intervalo [a,b], en cualquiera de sus puntos de continuidad x,


xh
1
f (x) = hlim
0 
2h 
xh
f (t ) dt (I)

1 1
x
n n
n n
que puede escribirse como: f(x) = lim
n   2  f (t ) dt
1
= lim
n    1 2
f ( x  t ) dt =
x 
n n
 
(  n  f )( x) .
lim
n   

n (t ) f ( x  t ) dt = lim
n  

n ( x  t ) f (t ) dt = nlim
 

 n2 si n1  t  1n
Donde  (t ) 
n 
De la definición y del gráfico de las funciones  (x ) , se observa que :
n

0 si |t |  n
1

0 si t  0
(i) lim  (t ) 


n 

y como   n (t ) dt 1 resulta (ii) lim   (t ) dt  1 . n

 si t  0
n  
n
 

Si se considerara que estas funciones tienen como límite una función dependiente de t, llamando por ejemplo

0 si t  0
al nlim  n (t )   (t ) , se obtendría que (i ' )  (t)   , y si se intentara permutar el límite con la
 si t  0


integral en (ii) se obtendría ( ii ' ) 



(t ) dt 1 . Ambas afirmaciones crecen de sentido matemático

y se obtienen a partir de querer considerar este límite como el límite de funciones en la variable real "t", en
lugar de considerarlo en su forma "débil ", afectando por ejemplo a funciones continuas como en ( I ).

2) Si se considera la fórmula de inversión de Fourier, se llega a probar que para funciones continuas
absolutamente integrables, con derivada seccionalmente continua absolutamente integrable, utilizando las
hipótesis y el Lema de Riemann Lebesgue se verifica que:

1

1 sen  y
lim
   

f ( x  y)
y
dy  f ( x)

1 sen  y 1

sen  y
donde las funciones
 y
verifican que
 

y
dy  1

3) Si se considera la ecuación del calor unidimensional infinita:


1
uxx - c2
ut = 0, -  < x < , t > 0 , u(x,0) = f(x) - < x < , la solución es
 ( x y )2

1 u ( x, t )  f ( x ) .
u ( x, t )  e
4 t c2
f ( y ) dy , donde si f es continua entonces lim
t 0
2c  t 

De modo que si se considera como en 1) t = 1


con n  N se obtendrá que f (x) = nlim (  n  f )( x) ,
n  

siendo 3

 n  nx 2  2

{ n ( x) }nN   e  cuyos gráficos son de la forma :


 
1
 nN
0
y tienen propiedades como en 1), con la diferencia de que son funciones -2 -1 0 1 2

infinitamente derivables que tienden a cero en el infinito "muy rápidamente".


Aquí también se aprecia que el límite en cuestión es de tipo "débil" es decir el límite
se considera no en cada valor de x sino para cada f en este caso continua.
En este caso, las funciones continuas, sobre las que se observan los efectos de estos
procesos, son llamadas funciones de prueba.

Laurent Schwartz (1950) introdujo rigor en el tratamiento matemático de estos procesos a los que se llama
"distribuciones" o "funciones generalizadas". Debido a las aplicaciones, se considerarán en principio dos tipos
de funciones de prueba.

Lo que sigue es un breve resumen de la teoría de distribuciones.

Espacios de funciones de prueba


I.- Funciones infinitamente diferenciables de soporte compacto C 0 ( R ) también notado con D
D = {f: RC, infinitamente diferenciables, nulas fuera de algún intervalo acotado ( soporte compacto) }

  12
 1x
Ejemplo: la función f ( x)  e si | x | 1 tiene soporte en [0, 1] y es de clase C 

0 si | x | 1
II.- El espacio S de funciones de decrecimiento rápido:
Son funciones infinitamente diferenciables tales que éstas y sus derivadas de cualquier orden, decrecen más
rápidamente que una potencia entera negativa de x y sus derivadas , esto es :

S = { f: R C tal que f  C y para todo par de enteros no negativos, m y k, existe una constante cm,k > 0 tal
que | x |m | f (k)(x) |  cm,k para todo x en R}
2
Ejemplos: 1) f ( x )  e  x x R.
Resulta : D  S por lo tanto:

2) Cualquier función de C 0 ( R ) es una función de S .

2
Convergencia en D : Una sucesión { n }de funciones de D converge a 0 en D (n  0 en D) si:
(i) Todas las funciones de la sucesión tienen su soporte en un intervalo fijo, sop n  [a, b]  n , n  N.
(ii) n ⇉0 (convergencia uniforme)
(iii) k N, Dkn ⇉0 (convergencia uniforme)

Convergencia en S : Una sucesión { n }de funciones de S converge a 0 en S (n  0 en S) si:

 m, k N0 xm Dkn ⇉0 (convergencia uniforme)

Resulta
2 - Si   S entonces
a) x (x)  S.
b) D()(x)  S
c)   L1  L2
d)  : S  S y vale la fórmula de inversión.

Sucesiones regulares en S
Definición: Una sucesión { hn }de funciones de S se llama regular si para toda función de prueba  S

Existe el límite de la sucesión numérica h



n ( x ) ( x ) dx .

Sucesiones regulares equivalentes


Dos sucesiones regulares en S,{ hn } y { gn }son equivalentes si para toda función de prueba  S las
 

sucesones  hn ( x ) ( x ) dx y

g

n ( x ) ( x ) dx tienen el mismo límite. Se tiene definida así una

relación de equivalencia en S.

Distribuciones Temperadas

Definición 1: A la clase de equivalencia de una sucesión regular en S se la llama “distribución temperada”.

Así queda definida una funcional T: S  C que a cada función de prueba  S le hace corresponder el

número lím

h n ( x ) ( x ) dx esta funcional es lineal respetando la convergencia a 0 en S, lo que permite

dar
otra definición de distribución temperada equivalente:

Definición 2:
T : S  C es una distribución temperada si
(i) T es lineal
(ii) T es "continua", en el sentido siguiente:  sucesión { n }de funciones de S tal que n  0 en S se verifica
que T(n )  0

El conjunto de todas las distribuciones en S se notará con S ' y es un espacio vectorial que a su vez es un
subespacio de D '. ( Es el "dual" de D considerando la noción de convergencia y la topología que la define)

Ejemplo: T() =(0) si  S es una distribución temperada: La Distribución Delta de Dirac o Impulso
unitario. Se designa con . (i) y (ii) resultan fácilmente.
3

0
-2 -1 0 1 2

3
También puede verse como la clase de equivalencia de la sucesión regular en S:
 n  nx 2 
{ n ( x) }nN  e  cuyos gráficos son de la forma :
   nN

La distribución Delta de Dirac no es una función de variable numérica.


Es una función que está definida sobre las funciones de prueba.
Otras aproximaciones pueden verse en http://mathworld.wolfram.com/DeltaFunction.html

Resulta
1- Si f : RC es integrable en intervalos acotados y crece menos que una potencia entera no negativa de x ,
es decir si existe m  N0 y M >0 tal que |f(x)|  M (|x|m +1)  x R entonces la funcional Tf : S C
definida por :

Tf (  ) = 

f ( x )  ( x ) dx verifica que Tf S '.

Nota: Estas funciones se llaman "de crecimiento lento" y por extensión, la distribuciones de S ' se llaman
distribuciones de crecimiento lento o temperadas.

Si se considera en cambio el espacio de funciones de prueba D se pueden definir distribuciones:

Distribuciones en D

T : D  C es una distribución si
(i) T es lineal
(ii) T es "continua", en el sentido siguiente:  sucesión { n }de funciones de D tal que n  0 en D se
verifica que T(n )  0

El conjunto de todas las distribuciones en D se notará con D ' y es un espacio vectorial.


Ejemplo: T() =(0) si   D es una distribución: La Distribución Delta de Dirac.

Se puede probar que no existe ninguna función integrable en intervalos acotados (designadas como
localmente integrables") cuya distribución asociada Tf coincida con .

La notación que suele emplearse en vez de T( ) por analogía con las distribuciones T f definidas con una
integral es : <T,  > = T( ) , asimismo , la distribución Tf se notará simplemente con "f".

De esta manera se tienen las siguientes inclusiones : D  S  S'  D' que son estrictas.

Derivada de una distribución :

La derivada de una distribución se define para distribuciones en D :


T ' = D(T) como la distribución <D(T ),  > =def (-1) < T, D() >  D.

Se prueba fácilmente que esta igualdad efectivamente define una distribución. Y si T es temperada y el
espacio de funciones de prueba que se considera es S la derivada de T como distribución será una
distribución temperada.

Se generaliza : <D(k)T,  > = (-1)k <T, D(k) >, para cada función de prueba , y k  N {0}.

4
Ejemplo: La derivada como distribución (temperada) de la función signo ( cuyos valores son: 1 si x>0, 0 si
x = 0, -1 si x <0) hay que calcularla en forma débil dado que no es derivable como función de variable real.
Así si  S :
<(sig x) ' ,  > =
 0 
    (t ) dt    (1)  (t ) dt     (t ) dt   (0))  ( (0))  2 (0)   2 ,  
  0
De donde resulta: D(sig) = 2 

Transformada de Fourier de una distribución temperada:


Se define para distribuciones temperadas, como la distribución (T), que a cada  S le hace correspondeer
el valor : <(T)  > =def < T, () >

Se puede probar que efectivamente (T) S' y tiene muchas de las propiedades de la Transformada de
Foureier de funciones de variable real.

Ejemplo: La transformada como distribución de la distribución Delta de Dirac: () , dado que se define
como distribución deberá definirse sobre cada función de prueba  S
 

  (t ) e   (t ) 1
i 0 t
<()  > = <, () > = ()(0) = dt = dt = <1,  > para cada  S, de
 

donde
() = 1.

(eiat): <(eiat),  > = <eiat, () > =   (t ) e dt = 2  (a ) (ya que vale el teorema de inversión
iat



para la transformada de Fourier) de aquí resulta que <(eiat),  > = 2  (a ) = < 2  a,  > para cada  S
de donde resulta (eiat) = 2  a donde <  a,  > =  (a) . También se usa la notación  a = (x- a).
Así, funciones de clase C que no son absolutamente integrables pero que definen distribuciones temperadas,
como por ejemplo la función cos ax, se pueden transformar Fourier como distribución, escribiendo:
1
cos ax = 2 ( eiat + e- iat) y utilizando la linealidad y el resultado anterior se llega a que :
1 1 1 1
 (cos ax ) = 2  ( eiat + e- iat) = 2  ( eiat )+ 2 ( e- iat) = 2 (  a +  -a )
1
También se escribe :  (cos ax ) = 2 (  (x-a ) + (x +a) ).

Otras operaciones con distribuciones

Multiplicación de una distribución temperada por una función de decrecimiento rápido:


Sea T  S ' , f  S, se define la distribución f T como : la que a cada  en S le hace corresponder el valor
<fT,  > = <T, f > que está bien definida dado que T  S ' y f  S.

Esta definición se extiende al caso en que f es una función C de crecimiento lento, es decir para algún
entero k >0, y una constante M >0, | f(x) |  M | x | k para todo x en R, y T =  a = (x- a)  S ', ya que en
este caso también se cumple que está definida :
<  a, f > = f (a )(a ) con lo cual <f  a ,  > = <  a, f > = f (a )(a ) está bien definida.
Convolución de una distribución temperada por una función de decrecimiento rápido:
Sea T  S ' , f  S, se define la distribución f T como : la que a cada  en S le hace corresponder el
valor : <fT,  > = <T, (f(t) (-t))(-x) > de modo que si se denota (t) =  (-t) entonces   S y
resulta:
<fT,  > =<T, (f ) > y por lo tanto está bien definida dado que T  S ' y, , y también ( f  )  S.

Un ejemplo lo proporciona f   a = f(x-a) (Traslación en a)

5
Como ejemplo de estas últimas operaciones se define la distribución de muestreo cuyos efectos de
multiplicación y convolución con funciones son de gran importancia en las aplicaciones.

Distribución de muestreo:

a = 
n  
( x  n a ) la distribución de muestreo también llamada Peine de Dirac o Tren de

Impulsos.
Se la representa gráficamente como
   

-na ... -2a -a 0 a 2a.... na .......

RESULTA:

1.-  a S ' . Ya que :



(i) a está bien definida. <a ,  > =   (na)
n  
(*)

c
como |  (x)|   xR, la serie (*) resulta absolutamente convergente.
1 | x | 2
(ii) a es lineal ( en  S).

(iii) a es continua : si n  0 en S, dado  >0 para n > n0 se verificará | n (x)|   xR
1 | x | 2
en particular para todo x = n entero. La serie (*) quedará dominada en valor absoluto por la serie cuyo

término general es de donde resultará que <a , n >  0.
1 | n | 2

II.- Multiplicación por una función ( Muestreo de la señal )

Si f es una función C de crecimiento lento, es decir para algún entero k >0, y una constante M > 0, es
| f(x) |  M | x | k para todo x en R,

a .f es la distribución: f a .f

a .f (x) = 
n  
f ( na ) ( x  n a ) ..... -a a 2a 3a ......

III.- Convolución con una función ( Periodización o "réplica" de la señal )



Si f es una función C 0 ( R ) entonces a  f es la distribución: a  f (x) = 
n  
f ( x  n a)

f(x) a  f (x)
-b 0 b a-b a a+b 2a 3a

a también es llamada la distribución "réplica", ya que extiende periódicamente con período "a" a f, para lo
cual deberá ser 2b  a para evitar el "solapamiento" o "aliasing" .

6
IV.- Transformada de Fourier de  a

Para hallar la transformada de fourier de a se procederá indirectamente hallando la transformada de a  f



para una función f  C 0 ( R ) entonces si sop f  [-b, b] , a  f (x) = 
n  
f ( x  n a) es una

función periódica de período 2a por consiguiente su serie exponencial de Fourier converge uniformemente y
también en S ', luego si escribimos:

a
2 2 2
 in x 1 in x
a  f (x) =  c n e a
, se tiene cn =  f ( x) e a
dx =
n   a a

2
 2
1  in x 1  2
a 

f ( x) e a
dx 
a
f (n
a
)

Es decir los coeficientes de Fourier de una función periódica coinciden con las muestras de la transformada de
Fourier de la restricción al primer intervalo del período. De este modo:

2

1  2 i n a x
a  f (x) = 
n   a
f (n
a
)e , siendo la convergencia en S '.


La transformada de Fourier como distribución es:    f  ( ) 
a

2  2 2

n   a
f (n
a
)  (  n
a
) es decir

  2 
a . f   2 . f . Esta igualdad ocurre para toda f  C 0 ( R ) .
a a


Si ahora se considera una sucesión {fn} C 0 tal que fn   en S ' entonces por la continuidad de la
transformación de Fourier en S' y la multiplicación por funciones de crecimiento lento, resulta :

 2
a   2 .
a a


Si la hipótesis es que f es una función infinitamente derivable nula fuera de un intervalo [ - , ], lo que se
 
1 2 2
observa es que f( t ) =   a  f (t )  
  )  (t  n

f (n ) siempre que 2  a para
  n   a a a
evitar el "solapamiento" o "aliasing" .

El teorema del Muestreo expresa de otra manera esto último, implicando que los valores de la señal en todo
instante pueden obtenerse a partir de las muestras de la misma, siempre y cuando hayan sido obtenidas

7
evitando el solapamiento. Este teorema se enunciará y demostrará con hipótesis restringidas, una
demostraación m´s genral puede verse en [1].

Teorema (Shannon)


Sea f  S tal que f es nula fuera del intervalo [ - , ] . Sea a >0, tal que 2  a.


2 2 2 sen x
Entonces f(t)=  a
f (n
a
) sinc ((t  n
a
)) donde sinc x  .
n   x

 a a
Demostración: El soporte de f (w) está incluido en [ - , ]  [ - , ] . Si se considera la extensión
2 2
 
periódica f p de período "a" de f , ésta se representa como:

a
 2 2  2   2
in w 1 in w 1  in
 cn e
w



f p (w) =
n  
a
donde cn =
a
f ( x) e a
dw =
a 

f ( w) e a
dw =
a

2
2 2
f (n )
a a

 2
in w
c
 
Por otro lado f (w) = f p (w) . 1   ,   = n 1   ,   e a
de modo que su transformada de
n  
  2
1
 
1 in w
Fourier será : f (t) = 2 

f ( w) e iw t dt =
2  c
  n  
n 1   ,   e a
e iwt dw

Como la serie converge uniformemente, se puede integrar término a término es decir:

  2  2
1 in w 1 in w
f (t) =
2

n  
cn  1   ,   e a
e iwt dw =
2
 c n (1 ,   e a
)(t ) y
 n  
entonces

1 
2
f (t) =
2
c
n  
n (1  ,   )(t  n
a
) y por lo tanto

1 
2 2 2
f (t) =
2

n   a
f (n
a
) 2 sinc (( t  n
a
)) o sea

2 2 2
f(t)= 
n   a
f (n
a
) sinc ((t  n
a
) ) . 

REFERENCIAS BIBLIOGRÁFICAS

8
1. Benedetto, J. J, "Irregular Sampling and Frames" Wavelets- A tutorial in Theory and Applications. C. S.
Chui ( ed. ) Academic Press . (1992). 603-654
2.
3. Gabel, R,Roberts, R., Señales y sistemas lineales. Limusa. ( 1975)
4. Gelfand, I. M., Shilov, G. E., Generalized Functions. Academic Press, New York and London. (1964)
5. Kwakernaak, H., Sivan, R., Modern Signals and Systems. Prentice Hall, Englewood Cliffs, N.J. (1991)
6. Lighthill, M.J., Introduction to Fourier Analysis and Generalised Functions. Cambridge University
Press, Cambridge. (1958)
7. Oppenheim, A.V., Willsky, A.S.,Young, I.T, Signals and Systems. Prentice Hall, Englewood Cliffs. (1983)
8. Schwartz, L., Theorie des Distributions. Hermann, Paris. (1950)
9. Zemanian, A.H.,Distribution Theory and Transform Analysis. McGraw-Hill Book Company, N.Y. (1965)
10. http://mathworld.wolfram.com/GeneralizedFunction.html