Ну вот если вы запишите это преобразование (запаздывание) линейными дифференциальными уранениями, то я поверю :). Где в этой формуле зависимость от

? Передаточная функция это отношение изображений Лапласа, а чтобы получить частотную характеристику надо получить преобразование Фурье, это к тому что переход от

к

прост, но вот что это такое не столь очевидно.
Рассмотрим систему, описываемую ЛДУ с постоянными коэффициентами:

где

- сигнал на входе,

- синал на выходе,

- постоянные коэффициенты, определяемые структурой системы и параметрами её элементов, независят от времени и от вида и интенсивности входного воздействия. Рассматриваем воздействие на систему при нулевых начальных условиях.
1. Возмём преобразование Лапласа от обеих частей записанного уравнения, обозначим

- изображения синалов на входе и выходе соответственно. Тогда с учётом свойства дифференцирования оригинала, получим:

Или

Передаточной функцией системы

называется отношение изображения выходного сигнала к изображению входного сигнала при нулевых начальных условиях, то есть:

2. Рассмотрим случай гармонического воздействия

. Воспользуемся известным фактом, что если некоторая комплексная функция является решением ЛДУ, то её действительная и мнимая части по отдельности тоже являются решениями этого ЛДУ. Это позволяет выполнить анализ при воздействии вида

, где

- комплексная амплитуда входного сигнала. (Для определения сигнала на выходе потом надо будет взять действительную часть результата.) В стационарном режиме (для устойчивой системы) сигнал на выходе представляет собою частное решение ЛДУ системы, которое можно представить в виде

, где

- комплексная амплитуда выходного сигнала (пока не известна), действительно, так как

, непосредственной подстановкой в ДУ получим:

или

Полученное выражение повзоляет определить константу

, но она нас сейчас не интересует, а интересует отношение комплексной амплитуды выходного сигнала к комплексной амплитуде входного сигнала:

Полученная функция называется коплексной частотной характеристикой (частотной характеристикой, частотной передаточной функцией и тд и тп). Сравнивая полученное выражение с выражением для передаточной функции легко уставновить их взаимосвязь: КЧХ получается из ПФ путём замены

на

.
3. Чтобы вы меня более не утомляли. Возьмём преобразование Фурье от обеих частей ЛДУ системы, обозначим

- спектральные плотности (спектральные функции, спектры) входного и выходного сигналов соответственно, тогда, с учётом свойства дифференцирования, получим:

или

Рассматривая отношние спектральной плотности сигнала на выходе к спекральной плотности сигнала на входе, запишем:

Комплесную частотную характеристику иногда определяют и как отношение спектра выходного сигнала к спектру входного сигнала.
4. КЧХ для задерживающего звена даётся выражением

, где

- время задержки. Обратите внимание на показатель экспоненты - там отнюдь не константа! Линейное уравнение для задерживающего звена, которое вас интересовало, имеет вид:

.