“Análisis de eficiencia de algoritmos para calcular DFT y

FFT”

Nombre: Abel O’Rian A.

Asignatura: Diseño y Análisis de Algoritmos
Profesor: Eric Jeltsch
Marzo 2009
“Yo Abel O’Rian A., certifico que este trabajo es el resultado de mi propio esfuerzo.
Además, el material de apoyo, fuente de información o colaboración utilizados han
sido citado y agradecido. Finalmente, estoy conciente de la falta a la ética que
representa el engañar a mi profesor y a mis compañeros de curso, si es que se
constata, aunque la Universidad no tenga medidas disciplinarias al respecto.
Análisis DFT:

Revisando el código de este algoritmo se ve claramente su funcionamiento.

Al inicio se generan un conjunto de números al azar. Luego se calcula N*N veces lo
siguiente:

El N*N veces que se calcula esto, se ve en 2 for, uno anidado en otro. Esto da un costo
de complejidad de O(N^2).
Análisis FFT:

El algoritmo de FFT calcula el DFT usando el método de “Divide Y Vencerás”. EN el

código se puede ver las 2 llamadas recursivas a FFT de tamaño N/2, más el N/2
operaciones para combinar los subproblemas.

T(n) = 2 T(n/2) + N/2 n>1

T(1) = C

Usando el Teorema Maestro:

T(n) = a T(n/b) + f(n), donde:

a=2
b=2
f(n) = n/2

F(n) = ½ n = ½ n^log 2 (2) = ½ n

 n/2 Є Θ (n)
 T(n) Є Θ (n*log n)
Pruebas de FFT y DFT

FFT DFT
N (n log n) (n*n)
2 2 4
4 8 16
8 24 64
16 64 256
32 160 1024
64 384 4096
128 896 16384
256 2048 65536
512 4608 262144
1024 10240 1048576
2048 22528 4194304
4096 49152 16777216
8192 106496 67108864

Tabla 2: Comparación entre el número de operaciones en el cálculo de DFT y FFT.

Figura : Ejecución de programa con GUI

 Figura: Programa desde consola.

FFT DFT
N (microSeg) (microSeg)
2 5 9
4 8 13
8 12 30
16 20 109
32 39 417
64 85 1651
128 185 6689
256 407 26929
512 917 106712
1024 2966 444358
2048 6648 1781026
4096 13405 7167926
8192 32610 30037472

Tabla 2: Valores extraídos de la ejecución de ambos algoritmos.

 Costos

1000000
900000
800000
Tiempo (microSeg)

700000
600000
500000
400000
300000
200000
100000
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
N

FFT DFT

Figura 2: Grafico de costos de ejecución (tiempo)

Se ve claramente que el costo de ejecución baja considerablemente con el algoritmo de

FFT, que tiene un costo Θ (n log n). , con lo que la teoría se demuestra al ejecutar el
programa.