Tema2 PDF

T2
REPRESENTACIÓN DE LA
INFORMACIÓN
Fundamentos de Informática
Departamento de Ingeniería de Sistemas y Automática. EII.
Universidad de Valladolid
Índice
1. Introducción
2. Sistemas de numeración
3. Representación binaria de números enteros
4. Aritmética binaria de enteros
5. Representación binaria de números reales
6. Desbordamiento de la representación
7. Representación de caracteres
8. Conversión entre tipos de datos
Temas de ampliación
1. Representación binaria de números reales.
Procedimiento de cálculo general
Casos especiales
Rangos
Introducción
La información es un conjunto de datos, cuyo significado
depende del contexto. Su propósito puede ser el de reducir la
incertidumbre o incrementar el conocimiento acerca de algo.
• Nombre • No. de serie • Dimensiones

• Edad • Potencia • Composición química
• Sexo • Eficiencia de reactivos
• DNI • Par motor • Caudales
• NIA • Modelo • Caudal del
• Altura, peso refrigerante.
• Potencia del agitador
• Temperatura 3
Introducción
La representación de la información estudia las distintas
formas en que se puede comunicar y acceder a la
información.
Para la ejecución de un programa, al ordenador debemos

suministrarle dos tipos de información:
 las instrucciones que forman el programa
 los datos con los que debe operar ese programa.
Tanto las instrucciones como los datos asociados a un

programa se codifican mediante patrones de bits,
coexistiendo en la memoria del ordenador.
4
Introducción
¿Cómo almacena el ordenador la información?
Un bit sólo distingue entre dos
posibilidades:
carga/no carga
• La memoria del convención: 1 / 0
ordenador es una tabla
de n octetos o bytes.
Cada byte está
compuesto de 8 bits.
• El bit es la unidad de
información.
Esta es la solución más
robusta y eficiente.
5
Introducción
¿Cómo almacena el ordenador la información?
En la zona de memoria donde se

almacena un programa conviven:
• Instrucciones
• Datos: texto, valores numéricos
(enteros, reales,…)
6
Introducción
¿Cómo suministramos la información?
Cuando introducimos datos vía teclado
trabajamos con caracteres:
dígitos, letras, signos de puntuación, etc.,
pero el ordenador trabaja con 0’s y 1’s.
¡Tendremos que codificar la información!
Codificación
7
Introducción
La codificación de la información
La codificación es una transformación que representa los
elementos de un conjunto mediante los de otro, de tal forma
que a cada elemento del primer conjunto le corresponda un
elemento distinto del segundo.
• Ejemplo:
- Código postal
- NIA
- DNI
8
Introducción
La existencia de dos conjuntos diferentes de caracteres, uno
externo para el usuario y otro interno para el ordenador, hace
necesario codificar los caracteres de un conjunto con los del otro.
Son los llamados códigos de E/S (por ejemplo el código ACSII).
Por otro lado, a nivel interno y para mejorar la eficiencia, la

existencia de datos numéricos de muy diferentes características
(caracteres, enteros, coma flotante), motiva la utilización de
múltiples representaciones, dependiendo del número bits
utilizados, si los valores tienen signo, sin son enteros o
fraccionarios, etc.
9
Introducción
Un aspecto fundamental en la codificación es el número de valores
diferentes que podemos codificar a partir de una cantidad fija de 𝒏 bits.
¿Cuántos 𝒎 valores diferentes con 𝒏 bits?  𝒎 = 2𝒏
Ejemplo: Con 𝟏𝟎 bits podemos representar 𝟏𝟎𝟐𝟒 = 2𝟏𝟎 valores diferentes
Si necesito codificar 𝒎 valores, ¿cuál es el número mínimo 𝒏 de bits

necesarios?  𝒏 = log 2 𝒎
Dado que 𝒏 puede ser un valor no entero, tomaríamos el entero más próximo
por exceso.
Ejemplo: Tenemos un almacén con 𝟏𝟕𝟓𝟐𝟒 contenedores y queremos
identificarlos mediante una pegatina con un código binario. ¿Cuántos bits
necesitamos?
log 2 𝟏𝟕𝟓𝟐𝟒 ≈ 𝟏𝟒. 𝟎𝟗𝟕 Por tanto, la solución es 𝒏 = 𝟏𝟓.
10
Sistemas de numeración
Un sistema de numeración es una colección de símbolos
utilizado para representar cantidades, junto al conjunto de
reglas que permiten construir números válidos.
Sistemas de numeración posicional
El número de símbolos (cifras) permitidos en un sistema de
numeración posicional se conoce como base del sistema de
numeración.
Por ejemplo, en el sistema decimal la base es b=10.
El conjunto de 10 símbolos es: {0,1,2,3,4,5,6,7,8,9}
Un número se expresará mediante una secuencia de cifras,
contribuyendo cada una de ellas con un valor dependiente de:
• El valor que representa esa cifra
• La posición que ocupe dentro del número
El sistema de numeración romano es un ejemplo de sistema de
numeración no posicional.
11
Para construir un número 𝑁 en la base 𝑏 con:
𝑛 cifras enteras
𝑘 cifras fraccionarias
puede usarse con carácter general la siguiente fórmula:
𝑛−1
𝑑𝑛−1 … 𝑑1 𝑑0 . 𝑑−1 … 𝑑−𝑘 = 𝑑𝑖 𝑏 𝑖
𝑁= 𝑖=−𝑘
𝑁 = 𝑑𝑛−1 𝑏 𝑛−1 + ⋯ + 𝑑1 𝑏 + 𝑑0 + 𝑑−1 𝑏 −1 + … + 𝑑−𝑘 𝑏 −𝑘
Por ejemplo, el número N=739.3 en base 10 (739.3|10) tiene

como valor:
7x102 + 3x101 + 9x100 + 3x10-1
El polinomio 𝑁, que permite calcular el valor del número, se
denomina polinomio equivalente. 12
En informática los sistemas de numeración usuales son:
Binario
Base 2 (2=21).
Símbolos {0,1}
Octal
Base 8 (8=23).
Símbolos {0,1,2,3,4,5,6,7}
Hexadecimal
Base 16 (16=24).
Símbolos {0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F}
y por supuesto el decimal.

13
Conversión entre sistemas de numeración
Conversión desde un sistema en base b a decimal
La conversión desde un sistema posicional de base b cualquiera al
sistema decimal (base 10) se realiza calculando el valor del polinomio
equivalente.
Código Número Polinomio equivalente Valor en decimal

Binario 110.01 1 ∙ 22 + 1 ∙ 21 +0 ∙ 20 +0 ∙ 2−1 +1 ∙ 2−2 6.25
Octal 56.2 5 ∙ 81 + 6 ∙ 80 +2 ∙ 8−1 46.25
Hexadecimal 3F.D 3 ∙ 161 + 15 ∙ 160 +13 ∙ 16−1 63.8125
14
Conversión desde decimal a un sistema en base b
Se transforma por separado la parte entera y la parte fraccionaria del
número:
• Parte entera: divisiones sucesivas entre b.
• Parte fraccionaria: productos sucesivos por b.
15
Conversión desde decimal a un sistema en base b: parte entera
Haremos divisiones sucesivas del número 𝑵 por la base 𝒃 hasta alcanzar
un cociente 𝑪𝒏−𝟏 que sea menor que la base 𝒃.
𝑵 𝒃
𝒓𝟎 𝑪𝟏 𝒃
𝒓𝟏 𝑪𝟐
⋱
⋱
𝑪𝒏−𝟐 𝒃
𝒓𝒏−𝟐 𝑪𝒏−𝟏
16
Conversión desde decimal a un sistema en base b : parte entera
𝑵 𝒃
𝒓𝟏 𝑪𝟐
⋱
⋱
𝑵 𝒃 𝑪𝟏 𝒃
→ 𝑵 = 𝒃 ∙ 𝑪𝟏 +𝒓𝟎 → 𝑪𝟏 = 𝒃 ∙ 𝑪𝟐 +𝒓𝟏
𝒓𝟎 𝑪𝟏 𝒓𝟏 𝑪𝟐
Sustituyendo 𝐂𝟏 en la 1ª ecuación:
𝑵 = 𝒃 ∙ (𝒃 ∙ 𝑪𝟐 +𝒓𝟏 )+𝒓𝟎 = 𝒃𝟐 ∙ 𝑪𝟐 + 𝒃 ∙ 𝒓𝟏 +𝒓𝟎
17
Conversión desde decimal a un sistema en base b : parte entera
𝑵 𝒃
𝒓𝟏 𝑪𝟐
⋱
⋱
𝑵 𝒃 𝑪𝒊−𝟏 𝒃
→ 𝑵 = 𝒃 ∙ 𝑪𝟏 +𝒓𝟎 → 𝑪𝒊−𝟏 = 𝒃 ∙ 𝑪𝒊+𝒓𝒊−𝟏
𝒓𝟎 𝑪𝟏 𝒓𝒊−𝟏 𝑪𝒊
Si repetimos el proceso de sustitución de los cocientes 𝑪𝒊 obtenemos:

𝑵 = 𝑪𝒏−𝟏 𝒃𝒏−𝟏 + 𝒓𝒏−𝟐 𝒃𝒏−𝟐 + ⋯ + 𝒓𝟏 𝒃 + 𝒓𝟎
18
𝑵 𝒃
𝒓𝟏 𝑪𝟐
⋱
⋱
Si repetimos el proceso de sustitución de los cocientes 𝑪𝒊 obtenemos:

𝑵 = 𝑪𝒏−𝟏 𝒃𝒏−𝟏 + 𝒓𝒏−𝟐 𝒃𝒏−𝟐 + ⋯ + 𝒓𝟏 𝒃 + 𝒓𝟎
¡Hemos obtenido el polinomio equivalente! El número en base b será:
𝑵𝒃 = 𝑪𝒏−𝟏 𝒓𝒏−𝟐 … 𝒓𝟏 𝒓𝟎
19
Ejemplo: Conversión del número 3510 a base 2
𝟑𝟓 𝟐
𝟏 𝟏𝟕 𝟐
𝟏 𝟖 𝟐
𝟎 𝟒 𝟐
𝟎 𝟐 𝟐
𝟎 𝟏
𝟑𝟓𝟏𝟎 = 𝟏𝟎𝟎𝟎𝟏𝟏𝟐
20
𝟑𝟓 𝟖
𝟑 𝟒
𝟑𝟓𝟏𝟎 = 𝟒𝟑𝟖
21
4𝟓 𝟏𝟔
𝟏𝟑 𝟐
𝟒𝟓𝟏𝟎 = 𝟐𝐃𝟏𝟔
22
Conversión desde decimal a base b: parte fraccionaria
La parte fraccionaria de un número es aquella que representa una
cantidad inferior a la de la unidad.
Un número fraccionario 𝑁𝑏 en base b será:
𝑁𝑏 =. 𝑎−1 𝑎−2 … 𝑎−𝑗+1 𝑎−𝑗
Por tanto, la parte fraccionaria 𝑁10 en base 10 será:
𝑁10 = 𝑎−1 𝑏−1 + 𝑎−2 𝑏−2 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+1 𝑎−𝑗 𝑏−𝑗
Obviamente conocemos la parte fraccionaria 𝑁10 y queremos obtener los

coeficientes fraccionarios 𝑎−𝑖 .
23
Veamos que mediante multiplicaciones sucesivas por el valor de la
base 𝑏, podemos obtener esos coeficientes:
𝑏 ∙ 𝑁10 = 𝑏 ∙ 𝑎−1 𝑏−1 + 𝑎−2 𝑏−2 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+1 𝑎−𝑗 𝑏−𝑗
= 𝒂−𝟏 + 𝑎−2 𝑏 −1 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+2 𝑎−𝑗 𝑏−𝑗+1 = 𝒂−𝟏 . 𝑥−1 𝑥−2 …
Por tanto, en la primera multiplicación obtenemos un número cuya parte
entera es precisamente el primer coeficiente buscado.
¿Cómo obtener el 2º coeficiente? Quedándonos con la parte fraccionaria
del valor obtenido en la etapa anterior y volviendo a multiplicar por 𝑏.
𝒂−𝟏 . 𝑥−1 𝑥−2 … − 𝒂−𝟏 = 𝑏 ∙ 𝑁10 − 𝒂−𝟏 = 𝑎−2 𝑏 −1 + ⋯ + 𝑎−𝑗+1 𝑏 −𝑗+2 𝑎−𝑗 𝑏 −𝑗+1
𝑏 ∙ 𝑎−2 𝑏−1 + 𝑎−3 𝑏−2 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+2 𝑎−𝑗 𝑏 −𝑗+1

= 𝒂−𝟐 + 𝑎−3 𝑏 −1 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+3 𝑎−𝑗 𝑏−𝑗+2 = 𝒂−𝟐 . 𝑦−1 𝑦−2 …
24
En este caso se tiene que definir un criterio de parada dado que la
conversión puede no tener una solución finita. Opciones:
• número máximo de cifras fraccionarias
• error de truncamiento por debajo de una tolerancia dada
El error de truncamiento es la diferencia en valor absoluto entre el valor
real y el obtenido.
Ejemplo: Convertir a binario 0.7910
0.79 x 2 1.58  𝑎−1 = 𝟏 0.58

0.58 x 2 1.16  𝑎−2 = 𝟏 0.16
0.16 x 2 0.32  𝑎−3 = 𝟎 0.32
𝟎. 𝟕𝟗𝟏𝟎 = 𝟎. 𝟏𝟏𝟎𝟎𝟏 …𝟐
0.32 x 2 0.64  𝑎−4 = 𝟎 0.64
0.64 x 2 1.28  𝑎−5 = 𝟏 0.28
0.28 x 2 …  … …
El error de truncamiento 𝜀𝑡 es:
𝜀𝑡 = 0.79 − 1 ∙ 2−1 +1 ∙ 2−2 + 1 ∙ 2−5 = 0.79 − 0.78125 = 0.00875 25
OCTAL BINARIO
Conversión entre binario, octal y hexadecimal 0 000
La conversión es muy simple dado que 8 = 23 y 16 = 24 . 1
2
001
010
3 011
4 100
Desde base 2: 5 101
• Se forman grupos desde el punto fraccionario de 3 6

7
110
111
(4) cifras consecutivas. Cada grupo corresponde a un HEXADECIMAL BINARIO
símbolo en base octal (hexadecimal). Si quedan 0 0000
1 0001
grupos de 3 (4) sin completar, se rellenan con 0’s: 2 0010
por la izquierda si es la parte entera y por la derecha 3
4
0011
0100
si es la parte fraccionaria. 5 0101
6 0110
Desde base octal (hexadecimal): 7 0111
8 1000
• Se transforma cada cifra a su correspondiente valor 9 1001
A 1010
de 3 (4) cifras en binario, manteniendo el orden a B 1011
izquierda y derecha del punto fraccionario. C 1100
D 1101
E 1110
F 1111 26
OCTAL BINARIO
Conversión entre binario, octal y hexadecimal 0 000
1 001
2 010
Ejemplo: Convertir el número 0101110100.1101012 3 011
4 100
5 101
6 110
00 0101110100,110101 7 111
HEXADECIMAL BINARIO
0 0000
1 0001
En base 8 (octal) 0 5 6 4 . 6 5
2
3
4
0010
0011
0100
5 0101
000101110100,110101 00 6
7
0110
0111
8 1000
9 1001
A 1010
En base 16 (hexadecimal) 1 7 4 . D 4 B
C
1011
1100
D 1101
E 1110
F 1111 27
Conversión entre binario, octal y hexadecimal
Ejemplo: Convertir el número 475.218 a binario

OCTAL BINARIO
0 000
4 7 5 , 2 1 1 001
2 010
3 011
4 100
5 101
En base 2 (binario) 100 111 101 . 010 001 6 110
7 111
La conversión de octal a hexadecimal o viceversa se hace de forma

rápida convirtiendo previamente a binario.
Octal  Binario  Hexadecimal
Hexadecimal  Binario  Octal 28
Representación binaria de números enteros
Enteros sin signo
Muchos problemas reales involucran el uso de valores positivos
(números naturales) más el 0 (número de alumnos en clase,
posición de un ítem en una secuencia ordenada, etc.)
La representación interna coincide con el sistema numérico
posicional descrito anteriormente.
El rango de representación es 0, 2𝑛 − 1
Decimal
Representación binario sin signo para n=8 bits
sin signo
Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 1
2 0 0 0 0 0 0 1 0
… … … … … … … … …
254 1 1 1 1 1 1 1 0
255 1 1 1 1 1 1 1 1 29
Enteros: representación signo magnitud
La representación signo magnitud de un entero consiste en utilizar el bit
más significativo (el situado más a la izquierda) para codificar el signo:
• 0 para los positivos
• 1 para los negativos
Los 𝒏 − 𝟏 bits restantes, el significando, se usan para codificar la
magnitud (valor absoluto) del entero siguiendo el sistema posicional.
El rango de representación es −(2𝑛−1 − 1), 2𝑛−1 − 1
30
Esta representación es muy poco utilizada en computación para enteros
(se estudia por motivos pedagógicos). Tiene 2 problemas:
• el 0 tiene 2 codificaciones
• las operaciones aritméticas son complejas de realizar: requieren
circuitería electrónica diferente para sumas y restas.

Decimal
Representación binario con signo para n=8 bits
con signo
Signo Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
-127 1 1 1 1 1 1 1 1
-126 1 1 1 1 1 1 1 0
… … … … … … … … …
-1 1 0 0 0 0 0 0 1
-0 1 0 0 0 0 0 0 0
+0 0 0 0 0 0 0 0 0
+1 0 0 0 0 0 0 0 1
… … … … … … … … …
+126 0 1 1 1 1 1 1 0
+127 0 1 1 1 1 1 1 1 31
Ejemplo:
Representación del número -4710 (decimal) con 8 bits
El signo del número -4710 es negativo, luego el bit de signo es 1.
|-4710|=4710=3210+810+410+210+110=1x25+0x24+1x23+1x22+1x21+1x20
En binario con 7 bits es: 01011112  rellenamos de 0’s a la izquierda
hasta tener los 7 bits.
El número -4710 en binario con formato de signo y magnitud
es: 101011112.
32
Enteros: representación en complemento a 2
El complemento a la base 𝒃 de un número positivo 𝑿 codificado con
𝒏 posiciones es:
ComplementoBase 𝑿 = 𝒃𝒏 − 𝑿
En binario, 𝒃 = 𝟐, de ahí complemento a 2. Es una representación muy
extendida para trabajar con enteros negativos y es la que usa C++:
• El valor 0 y los positivos se representan como en signo magnitud.
• Los negativos se representan con el complemento a 2 del valor absoluto
El bit más significativo nos indica el signo:

• 0 para los positivos
• 1 para los negativos
pero ahora este bit de signo tiene valor: en la representación en
complemento a la base, el polinomio equivalente de un número con 𝒏
posiciones pasa a ser:
𝑁 = −𝒅𝒏−𝟏 𝒃𝒏−𝟏 + 𝑑𝑛−2 𝑏𝑛−2 + ⋯ + 𝑑1 𝑏 + 𝑑0 33
El rango de representación es −2𝑛−1 , 2𝑛−1 − 1 .
El rango es asimétrico: podemos representar un valor negativo más
respecto a los positivos.
La representación en complemento a 2 ya fue sugerida por J. V. Neumann en
su célebre borrador de 1945 First Draft of a Report on the EDVAC.
Decimal
Representación binario complemento a 2 para n=4 bits
con signo
Signo Bit 2 Bit 1 Bit 0 Cálculo polinomio equivalente 𝒃𝒏 − 𝑿
-8 1 0 0 0 −𝟏 ∙ 23 + 0 ∙ 22 +0 ∙ 21 +0 ∙ 20 24 − 8 = 8
-7 1 0 0 1 −𝟏 ∙ 23 + 0 ∙ 22 +0 ∙ 21 +1 ∙ 20 24 − 7 = 9
… … … … … … … … …
3 2 1 0
-1 1 1 1 1 −𝟏 ∙ 2 + 1 ∙ 2 +1 ∙ 2 +1 ∙ 2 24 − 1 = 15
0 0 0 0 0 +𝟎 ∙ 23 + 0 ∙ 22 +0 ∙ 21 +0 ∙ 20
+1 0 0 0 1 +𝟎 ∙ 23 + 0 ∙ 22 +0 ∙ 21 +1 ∙ 20
… … … … … … … … …
3 2 1 0
+6 0 1 1 0 +𝟎 ∙ 2 + 1 ∙ 2 +1 ∙ 2 +0 ∙ 2
+7 0 1 1 1 +𝟎 ∙ 23 + 1 ∙ 22 +1 ∙ 21 +1 ∙ 20 34
Existe una regla muy fácil (que los circuitos electrónicos aprovechan) para
obtener el complemento a 2 de un número binario positivo:
1. Nos desplazamos de derecha a izquierda bit a bit hasta encontrar el
primer 1. Lo dejamos inalterado.
2. A partir de este 1, cambiamos 0’s por 1’s y 1’s por 0’s.
Otra regla simple consiste en:

1. Cambiar 0’s por 1’s y 1’s por 0`s y
2. Al resultado obtenido sumarle 1.
Existen otra representación similar, el complemento a la base menos 1

(complemento a 1 en binario).
Fue utilizada en algunas series de computadoras descendientes de la
ENIAC, como la serie UNIVAC.
En este caso, el complemento a 1 se obtiene simplemente intercambiando

0’s y 1’s. No la estudiaremos en el curso por su escasa utilización actual. 35
Ejemplos
Representar -1310 en binario complemento a 2 con 6 bits
Método 1
Obtenemos 1310 con 6 bits: 1310 =810+410+110=0011012
De derecha a izquierda buscamos el primer 1: 0011012
A partir del primer 1, cambiamos 0’s por 1’s y 1’s por 0’s: 1100112
Método 2
Por definición, ComplementoBase 𝑿 = 𝒃𝒏 − 𝑿 = 26-13=64-13=51
Obtenemos 5110 con 6 bits: 5110=3210+1610+210+110=1100112
36
Ejemplos
Representar -1310 en binario complemento a 2 con 10 bits
Método 1
Obtenemos 1310 con 10 bits: 1310 =810+410+110=00000011012
De derecha a izquierda buscamos el primer 1: 00000011012
A partir del primer 1, cambiamos 0’s por 1’s y 1’s por 0’s: 11111100112
Método 2
Por definición, ComplementoBase 𝑿 = 𝒃𝒏 − 𝑿 = 210-13=1024-13=1011
Obtenemos 101110 con 10 bits:
101110=51210+25610+12810+6410+3210+1610+210+110=11111100112
37
Enteros: representación en C++
La representación interna, aunque similar, va a depender de cada
lenguaje de programación, compilador y arquitectura del
ordenador.
El lenguaje C++ permite trabajar con enteros almacenados en
memoria ocupando 1(8), 2(16), 4(32) y 8(64) bytes(bits).
Como hemos visto, el número 𝒏 de bits determina el número de
posibles valores representables.
C++ permite trabajar utilizando valores con signo y sin signo.
Java no contempla el uso de enteros sin signo. Python o Lisp
permiten trabajar con enteros con un número ilimitado de bits.
Los datos dentro de un programa (enteros, reales, caracteres,

etc.) se manejan a través de variables: zonas de memoria que
almacenan un valor y a las que se asigna un nombre.
38
En C++, una declaración como
int x;
reservará espacio en memoria para la variable entera x usando complemento a

2 y ocupando 4(32) bytes(bits).
Así, la línea de código
x=23;
supondrá que en memoria se almacenará la secuencia

00000000 00000000 00000000 00010111
mientras que la línea de código

x=-23;
supondrá que en memoria se almacenará la secuencia

11111111 11111111 11111111 11101001 39
Enteros sin signo: representación en C++
En C++ una declaración como
unsigned x; (o la equivalente unsigned int x;)
determina que la variable x se almacenará como un entero sin signo y
ocupará en memoria 4(32) bytes(bits).
Por tanto, el rango de la representación es:
0, 232 − 1 = 0,4294967295
A los efectos de programar un algoritmo, no es imprescindible disponer
de una representación de valores enteros sin signo. La única diferencia
es que el rango de valores es la mitad al necesitar un bit para el signo.
Realizar un programa que mezcle representaciones con y sin signo, o
que realice operaciones tales como restas entre valores sin signo,
requiere ser muy cuidadoso para no cometer graves errores.
Por ello, en general, durante el curso no utilizaremos variables sin
signo en nuestros programas.
40
El lenguaje C++ (y C) no especifica el tamaño en bytes de los tipos de datos.
Sólo estandariza un número mínimo de bytes.
Es sin duda un aspecto desconcertante del lenguaje, pues compromete la
portabilidad de los programas entre plataformas.
Así, una variable int puede ocupar 2 bytes en una arquitectura (en 1980 no
existían ordenadores de 32 y/o 64 bits) y 4 en otra (lo habitual hoy en día,
aunque no por mucho tiempo).
¿Podemos trabajar en C++ con enteros de tal forma que ocupen en memoria
menos o más bytes?
Sí. Para ello existen otros tipos de datos para enteros.
Por ejemplo:
• short x;
hará que la variable entera x se almacene en memoria con 2 bytes si el
tamaño en bytes de los int es de 4 bytes.
• long long x;
hará que la variable entera x se almacene en memoria con 8 bytes si el
tamaño en bytes de los int es de 4 bytes.
41
Desde el estándar del lenguaje C, C99, y ahora, desde el estándar C++ 11 podemos
usar tipos de datos enteros de tamaño predefinido, lo que garantiza la portabilidad.
Así, en int64_t x; la variable entera x se almacenará con representación
complemento a 2 con 8 bytes con independencia de la plataforma.
Nombre Tamaño Rango
int8_t 1 byte con signo -128 to 127
uint8_t 1 byte sin signo 0 to 255
int16_t 2 byte con signo -32,768 to 32,767
uint16_t 2 byte sin signo 0 to 65,535
int32_t 4 byte con signo -2,147,483,648 to 2,147,483,647
uint32_t 4 byte sin signo 0 to 4,294,967,295
int64_t 8 byte con signo -9,223,372,036,854,775,808 to 9,223,372,036,854,775,807
uint64_t 8 byte sin signo 0 to 18,446,744,073,709,551,615
En este curso nos limitaremos a usar siempre int para referirnos a valores enteros.
Un tipo de dato que nos será útil más adelante es size_t. Este tipo de dato es un
entero sin signo que nos garantiza almacenar el máximo valor posible en ese
dispositivo. 42
Aritmética binaria de enteros
El álgebra de Boole
George Boole (1815 – 1864) observó que, codificando los
valores lógicos VERDAD y FALSO con los valores binarios 1 y 0,
podía formularse un álgebra que capturaba los principios básicos
del razonamiento lógico.
Claude Shannon (1916 – 2001), padre de la Teoría de la
Información, mostró en su tesis doctoral en 1937 que el álgebra
de Boole podía aplicarse al análisis y diseño de relés
electromecánicos, es decir, sistemas digitales.
43
Las operaciones básicas del álgebra de Boole pueden representarse con tablas
de verdad.
~ NOT & AND | OR ^ XOR
0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 1 1 0 1 1
1 0 0 1 0 1 1 0 1
1 1 1 1 1 1 1 1 0
Una tabla de verdad despliega el valor de verdad de una proposición para cada
combinación de valores de verdad que se pueda asignar a sus componentes.
Por ejemplo:
Dadas dos proposiciones P y Q,
la proposición compuesta P AND Q es cierta si P es cierta y Q es cierta.
la proposición compuesta P OR Q es cierta si P es cierta o Q es cierta.
A nivel de bits, dados dos bits 𝑝 y 𝑞,
𝑝&𝑞 = 1 si 𝑝 = 1 y 𝑞 = 1
𝑝|𝑞 = 1 si 𝑝 = 1 o 𝑞 = 1
Las 4 operaciones básicas del álgebra de Boole pueden aplicarse también a
secuencias de bits
1 0 1 0 1 0 1 0 1 0 1 0
& 1 1 0 0 | 1 1 0 0 ^ 1 1 0 0 ~ 1 1 0 0
1 0 0 0 1 1 1 0 0 1 1 0 0 0 1 1 44
C++ posee los operadores a nivel de bits &, |, ^ y ~.
Ejemplo: si ejecutamos el siguiente programa
#include <iostream>
using namespace std;
int main()
{
int x=10;
cout <<"x="<<x<<endl;
x=~x; // Aplicamos el operador negación NOT
cout <<"~x="<<x<<endl;
}
vemos que la salida por consola es:
La representación de 1010 es 00000000 00000000 00000000 00001010
Por tanto, ~1010 es 11111111 11111111 11111111 11110101
Al tener un 1 como bit más significativo, ~x es un número negativo y, por tanto,

representado en complemento a 2.
Descomplementando, tenemos 00000000 00000000 00000000 00001011=1110 45
Ejemplo: si ejecutamos el siguiente programa
#include <iostream>
int main()
{
int x=10;
cout <<"x="<<x<<endl;
x=~x+1; //Complemento a 2==operador NOT +1
cout <<"~x+1="<<x<<endl;
}
vemos que la salida por consola es:
Es decir, el complemento a 2 de un número podemos obtenerle negando bit a bit

un número binario y sumando 1 al resultado.
No trabajaremos a nivel de bit en este curso, pero estos ejemplos nos permiten
observar que C++ permite programar a un nivel cercano al hardware.
46
La suma binaria
Las reglas básicas para sumar 2 bits son:
0+0=0 0+1=1 1+0=1 1+1=10
Al igual que ocurre en la aritmética decimal (ej. 7+8=15), se
produce acarreo en el caso 1+1=10.
La suma aislada de dos bits, conocida como semisumador
binario, podemos describirla con una tabla de verdad con dos
bits de entrada, 𝑝 y 𝑞, y dos bits de salida, suma 𝑆 y acarreo 𝐶.
𝒑 𝒒
SEMISUMADOR
BINARIO
𝒑 𝒒 𝑺 𝑪
0 0 0 0
0 1 1 0
1 0 1 0 𝑪 Semisumador
1 1 0 1
Nótese que las operaciones del semisumador

son fácilmente reconocibles:
𝑺
𝑆 = 𝑝 ^ 𝑞 XOR
𝐶 = 𝑝 & 𝑞 AND
47
La suma binaria
Supongamos que queremos sumar 2 números binarios de 5 bits cada
uno, por ejemplo 00110+00111, o lo que es lo mismo 610+710
11 Acarreos
00110 610
00111 710
01101 1310
Al igual que ocurre en la aritmética decimal (ej. 87+78=165), al

sumar dos dígitos también hay que tener en cuenta el acarreo
procedente de la suma de los dígitos anteriores.
Por ello, para describir la suma de dos bits en un número binario
se utiliza el sumador completo.
48
La suma binaria
El sumador completo binario podemos describirlo con una tabla de
verdad con tres bits de entrada, 𝑝, 𝑞 y 𝐶𝑒 y dos bits de salida 𝑆 y 𝐶𝑠 .
𝐶𝑒 es el valor de acarreo procedente de la suma de los bits anteriores y
𝐶𝑠 es el acarreo que se inyecta a la siguiente suma de bits.
SUMADOR COMPLETO
𝒑 𝒒 BINARIO
𝒑 𝒒 𝑪𝒆 𝑺 𝑪𝒔
0 0 0 0 0
0 0 1 1 0
Sumador 0 1 0 1 0
𝑪𝒔 𝑪𝒆 0 1 1 0 1
completo
1 0 0 1 0
1 0 1 0 1
1 1 0 0 1
1 1 1 1 1
𝑺
49
La suma binaria
Supongamos que necesitamos sumar dos números binarios 𝒙 e 𝒚 de 4
bits. Bastaría disponer de 4 sumadores completos colocados en serie
para realizar la operación en paralelo.
𝒙𝟑 𝒚𝟑 𝒙𝟐 𝒚𝟐 𝒙𝟏 𝒚𝟏 𝒙𝟎 𝒚𝟎
𝑪𝟑 Sumador 𝑪𝟐 Sumador 𝑪𝟏 Sumador 𝑪𝟎 Sumador

0
completo completo completo completo
𝑺𝟑 𝑺𝟐 𝑺𝟏 𝑺𝟎
Un ejemplo comercial es el chip 4008
Combinando sumadores completos podemos sumar números con el

número de bits deseado.
Este tipo de circuitos los estudiaréis más a fondo en la asignatura
Fundamentos de Electrónica. 50
La suma binaria
¿Qué pasa si sumamos un número positivo con uno negativo?
¿Y si los dos operandos son negativos?
La representación en complemento a 2 realiza las operaciones correctamente.
Veámoslo con 2 ejemplos:
Queremos sumar 610 y -710. El resultado debe ser obviamente -110
Acarreos
00110 610
11001 -710
11111 -110
Queremos sumar -610 y -710. El resultado debe ser obviamente -1310
11 Acarreos
El último acarreo no se tiene 11010 -610
en cuenta pues no hay un 11001 -710
sumador a continuación al
cual inyectarlo. 10011 -1310
51
La resta binaria
Hemos hablado de sumas, ¿qué pasa con restas como en x=y-z;?
Cuando delante de una variable aparece el operador -, internamente:
el valor de la variable afectada (z en el ejemplo) se modifica calculando su
complemento a 2
el operador – pasa a ser +
Como hemos visto en un ejemplo anterior: -z ⟺ ~z+1
#include <iostream>
int main()
{
int x,y=10;
int z=7;
x=y-z;
cout <<" y-z="<<x<<endl;
x=y+~z+1; // Resta ⟺ suma del complemento a 2
cout <<" y+~z+1="<<x<<endl;
} 52
Multiplicaciones y divisiones con enteros
Estas operaciones involucran procedimientos más complejos y no las
estudiaremos.
En esencia, estas operaciones se construyen mediante algoritmos que realizan
sumas parciales y desplazamientos de bits.
0110 610
x0011 310
00110
00110  Desplazamiento de 1 bit a la izquierda
010010 1810
C++ dispone de operadores de desplazamiento de bits: << y >>.
Por ejemplo:
x<<2 desplaza a la izquierda el valor de x, rellenando con dos 0’s por la derecha.
Equivale a multiplicar por 4 el valor de x.
x>>3 desplaza a la derecha el valor de x, rellenando con tres 0’s por izquierda.
Equivale a dividir por 8 el valor de x siempre que x sea un valor positivo. ¿por qué no
equivale a una división cuando x es negativo?
No estudiaremos los operadores de desplazamiento en este curso.
53
Representación binaria de números reales
Un número real consta de una parte entera y otra fraccionaria, más el
signo.
Existen dos opciones de representación: coma fija o coma flotante.
Coma fija
Se asigna una cantidad fija de dígitos para la parte entera y una cantidad
fija para la parte fraccionaria.
Ejemplo: Obviando por el momento el signo, si disponemos de 8 bits y
reservamos 5 bits para la parte fija y 3 para la fraccionaria, el número 21.7510
sería 10101.110
Al usar la notación en coma fija, queda muy limitado el número de

cantidades a representar y todas ellas tienen la misma resolución.
Ejemplo: 8 bits (5 parte entera y 3 parte fraccionaria) sin tener en cuenta el signo
• No podremos representar números enteros mayores o iguales que 32 (25)
• Ni números más pequeños que 0.125 (2-3).
• La resolución fija entre dos valores consecutivos es 0.125 (2-3).
54
Coma flotante
Un número real 𝑟 en coma flotante se representa según la notación
científica:
𝑟 = 𝑚 ∙ 𝑏𝑒
donde:
• 𝑚 es la mantisa, un coeficiente formado por un número real con una
sola cifra entera seguido por una coma (o punto) y de varias cifras
fraccionarias.
• 𝑏 es la base del sistema de numeración (10 en el caso decimal y 2 en
el binario).
• 𝑒 es el exponente al que se eleva la base.
Utilizando el mismo número de cifras que con la coma fija, se consigue:

• representar un rango mayor de números (dependiendo del exponente)
• con una mayor o menor precisión (según el número de cifras en la
mantisa).
55
Coma flotante: norma IEEE 754
Hasta la década de los 80, cada fabricante de chips usaba su propia
representación, lo que dificultaba el desarrollo de algoritmos eficientes
de cálculo, procesadores estándar, etc.
Por ello, la asociación IEEE desarrolló el estándar IEEE 754, que
contempla, entre otros, dos posibles formatos:
Simple precisión: 32 bits

1 bit de signo
8 bits para el exponente (representado en exceso 127)
23 bits para la mantisa
Doble precisión: 64 bits.

1 bit de signo
11 bits para el exponente (representado en exceso 1023)
52 bits para la mantisa
56
El orden de almacenamiento es: signo, seguido de exponente, seguido
de mantisa:
n bits
nc bits
1 bit de nm bits
exponente
signo mantisa
(característica)
El orden no es baladí: permite que los algoritmos de comparación (y

por tanto los chips que los implementan) entre números enteros sean
también válidos para esta representación de números reales.
Se emplea en la bibliografía la palabra característica para distinguir el

valor real del exponente de su representación, la cual veremos veremos
enseguida. 57
Números negativos
Como en la representación de enteros se usa un bit de signo
Positivos : Bit 0
Negativos: Bit 1
58
Representación de los exponentes: la característica
En el caso de la representación del exponente nos encontramos con el
hecho de que éste puede ser positivo (3.45 ∙ 10𝟑 ) o negativo (2.7 ∙ 10−𝟔 )
y, por tanto, además de un bit de signo para determinar si el número es
positivo o negativo, necesitamos un segundo bit de signo para el
exponente.
Este segundo bit de signo es un grave inconveniente pues su uso
invalidaría el poder comparar de forma sencilla dos valores reales entre
sí. Afortunadamente, podemos ahorrarnos ese segundo bit de signo para
el exponente usando una representación en exceso.
Representar los exponentes en complemento a 2 no aporta ninguna

ventaja:
• los exponentes no se suman al sumar dos números
• se pierde la propiedad de orden comentada arriba
59
La representación en exceso 𝒌 de un número 𝑥 es tan simple como
sumar al número un número positivo 𝑘, 𝑥𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 = 𝑥 + 𝑘.
La norma IEEE 754 define el rango de valores para los exponentes de la
siguiente forma:
• Simple precisión (8 bits): rango=[-127,128]

 2𝟖 = 256 posibles valores
Usando un exceso 𝑘 = 127 el nuevo rango es [0,255]
• Doble precisión (11 bits): rango=[-1023,1024]

2𝟏𝟏 = 2048 posibles valores
 Usando un exceso 𝑘 = 1023 el nuevo rango es [0,2047]
60
La representación en exceso tiene la importante propiedad de que dos
números representados en exceso conservan sus propiedades de orden
(las tareas de ordenación son muy habituales en los algoritmos).
𝑥𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 ≤ 𝑦𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 ⟺ 𝑥 ≤ 𝑦
No hay beneficio sin servidumbre: si sumamos dos números

representados en exceso, debemos corregir el resultado restando un
exceso.
𝑥𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 + 𝑦𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 = 𝑥 + 𝑘 + 𝑦 + 𝑘 = (𝑥 + 𝑦)𝑒𝑛_𝑒𝑥𝑐𝑒𝑠𝑜 +𝒌
61
Representación de la mantisa
Se utiliza la notación científica, normalizando del modo 1. 𝑚: el primer
uno (bit más significativo) del número se sitúa a la izquierda de la coma.
Uno de los retos que debe lograrse para representar los números reales
es conseguir poder representar el mayor rango de ellos y con la mejor
precisión posible. Una posibilidad es la de ahorrarnos bits superfluos:
Puesto que siempre tendremos un único 1 a la izquierda del punto
fraccionario, no hace falta representarlo (uno implícito).
La mantisa 𝑚 representa en binario la magnitud del número.

Aquí tampoco tiene sentido usar la representación complemento a 2 dado
que, en general, las mantisas de dos números en notación científica no
pueden sumarse directamente.
62
Ejemplo: representar 13.125|10 en simple precisión
1) Transformamos a binario la parte entera y la parte fraccionaria
13.125|10 = 1101.001|2
2) Determinamos el signo
El número es positivo, luego el bit de signo es 0.
3) Representamos el número según la notación científica
1101.001 = 1.101001 ∙ 23
4) Identificamos la mantisa (desechamos el 1 implícito) y el exponente
𝟏. 𝟏𝟎𝟏𝟎𝟎𝟏 ∙ 2𝟑
5) Rellenamos la mantisa de 0’s por la derecha hasta completar los 23 bits que
marca la norma
𝟏𝟎𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
6) Añadimos el exceso 𝟏𝟐𝟕 al exponente y lo representamos en binario
con 8 bits
(𝟑 + 𝟏𝟐𝟕)10 = 13010 = (128 + 2)10 = (27 +21 )10 = 𝟏𝟎𝟎𝟎𝟎𝟎𝟏𝟎𝟐
7) Formamos el número
𝟎𝟏𝟎𝟎𝟎𝟎𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
8 bits exponente 23 bits mantisa
63
Ejemplo: A partir del valor 01000010111011010000000000000000
obtener su valor decimal.
1) Agrupamos los 1+8+23 bits para identificar signo, exponente y mantisa
0 10000101 11011010000000000000000
El número es positivo, pues el bit de signo es 0.
3) Calculamos el exponente
𝟏𝟎𝟎𝟎𝟎𝟏𝟎𝟏 = 27 + 22 + 20 = 133
Eliminando el exceso, 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒 = 133 − 127 = 𝟔
4) Calculamos la mantisa añadiendo el bit implícito y desechando 0’s superfluos
11011010000000000000000  1.1101101
5) Formamos el número en notación científica 𝑚 ∙ 2𝑒
1.1101101 ∙ 𝟐𝟔
6) Por comodidad de cálculo, eliminamos el término 𝟐𝒆 desplazando la coma 𝒆
posiciones (a la derecha si el signo es positivo y a la izquierda si es negativo)
1.1101101 ∙ 𝟐𝟔 = 𝟏𝟏𝟏𝟎𝟏𝟏𝟎. 𝟏
7) Transformamos a base 10
𝟏𝟏𝟏𝟎𝟏𝟏𝟎. 𝟏𝟐 = (𝟐𝟔 + 𝟐𝟓 + 𝟐𝟒 + 𝟐𝟐 + 𝟐𝟏 + 𝟐−𝟏 )𝟏𝟎 = 𝟏𝟏𝟖. 𝟓𝟏𝟎
64
Número de bits de la mantisa
La influencia de disponer de un bit a mayores en la mantisa supone que la
distancia entre 2 números consecutivos representables se divide por 2.
Según esto el término “doble precisión” no es riguroso. La precisión que
ofrece es mucho mayor.
Distribución en la recta real
Los números no están uniformemente distribuidos sobre la recta real, sino que
están más próximos cerca del origen (exponentes más pequeños) y más
separados a medida que nos alejamos de él (exponentes más grandes).
http://jasss.soc.surrey.ac.uk/9/4/4.html
65
Precisión
Veamos qué pasa representando el valor 0.1|10 en simple precisión.
1) Transformamos a binario la parte entera y la parte fraccionaria
0.1|10 = 0.0001100110011…|2 Es 1 el último bit en lugar
2) Determinamos el signo de 0 por que se redondea al
valor más próximo
El número es positivo, luego el bit de signo es 0.
3) Representamos el número según la notación científica
0.000110011 … = 1.100110011 … ∙ 2−4
4) Identificamos la mantisa (desechamos el 1 implícito) y el exponente
𝟏. 𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏 ∙ 2−𝟒
5) Añadimos el exceso 𝟏𝟐𝟕 al exponente y lo representamos en binario
con 8 bits
(−𝟒 + 𝟏𝟐𝟕)10 = 12310 = (64 + 32 + 16 + 8 + 2 + 1)10 = 𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟐
𝟎𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏
Hagamos ahora el proceso inverso para comprobar realmente qué número

estamos representando. 66
Precisión
0.1|10  𝟎𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏|2−IEEE 754
𝟎𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏|2−IEEE 754  ¿? |10
El número es positivo, pues el bit de signo es 0.
2) Calculamos el exponente
𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏 = 123
Eliminando el exceso, 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒 = 123 − 127 = −𝟒
3) Calculamos la mantisa añadiendo el bit implícito y desechando 0’s superfluos
𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏 1.𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏
5) Formamos el número en notación científica 𝑚 ∙ 2𝑒
1.𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏 ∙ 𝟐−𝟒
6) Por comodidad de cálculo, eliminamos el término 𝟐𝒆 desplazando la coma 𝒆
posiciones (a la derecha si el signo es positivo y a la izquierda si es negativo)
1.𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏 ∙ 𝟐−𝟒 = 0.00011𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏
7) Transformamos a base 10 0.00011𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟏𝟎𝟏𝟐 =
(𝟐−𝟒 + 𝟐−𝟓 + 𝟐−𝟖 + 𝟐−𝟗 + 𝟐−𝟏𝟐 + 𝟐−𝟏𝟑 + 𝟐−𝟏𝟔 + 𝟐−𝟏𝟕 + 𝟐−𝟐𝟎 + 𝟐−𝟐𝟏 + 𝟐−𝟐𝟒 + 𝟐−𝟐𝟓 + 𝟐−𝟐𝟕 )𝟏𝟎 =
= 𝟎. 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟒𝟗𝟎𝟏𝟏𝟔𝟏 …𝟏𝟎 ¡La representación no es exacta!
67
Aritmética en coma flotante
Los procedimientos son más complejos que en la aritmética de enteros y, como es
lógico, surgen casos especiales.
Resumiendo:
• Para sumas y restas tenemos que ajustar al mismo valor los exponentes de los
operandos. Esto los programas software o los circuitos electrónicos lo hacen
fácilmente pues:
• multiplicar por 2 (sumar 1 a uno de los exponentes) es desplazar un bit a la
izquierda
• dividir por 2 (restar 1 a uno de los exponentes) desplazar un bit a la derecha.
• Una vez hecho esto, podemos sumar o restar las mantisas en aritmética de
enteros y normalizar el resultado final si es necesario.
• Para multiplicaciones y divisiones tenemos que sumar o restar los

exponentes en aritmética de enteros (y restar el exceso que se produce). Las
mantisas se multiplican o dividen en aritmética de enteros y se normaliza el
resultado final si es necesario.
68
Reales: representación en C++
float x;
reservará espacio en memoria para la variable real x usando la norma IEEE 754
simple precisión y, por tanto, usando 4 bytes.
La declaración
double x;
reservará espacio en memoria para la variable real x usando la norma IEEE 754
doble precisión y, por tanto, usando 8 bytes.
Como hemos comentado, C++ permite diferentes tamaños de almacenamiento
para los tipos de datos fundamentales, pero 4 y 8 bytes respectivamente es lo
habitual.
Se recomienda usar siempre double cuando declaremos variables reales en
nuestros programas:
• A pesar de usar doble capacidad de almacenamiento, hoy en día gran parte del
hardware hace las operaciones más rápidas en precisión doble.
• Como ingenieros, necesitaremos programar algoritmos en los que la precisión
puede ser fundamental. 69
Reales: representación en C++
Precisión
Supongamos que en un programa C++ tenemos 3 variables en coma flotante
como en el siguiente ejemplo:
double x=0.5;
double y=0.1;
double z=0.4;
La representación del valor 0.5 es exacta, pero la de 0.1 y 0.4 no. Como
consecuencia de esto, x es distinto de y+z, y, por tanto x-(y+z) es distinto de 0.
Hay que ser muy cuidadosos en nuestros programas cuando el desempeño de

éste dependa de condiciones de este tipo. Las consecuencias pueden ser
catastróficas.
The Patriot Missile Failure
70
Desbordamiento de la representación
Se produce un desbordamiento (overflow) cuando tras operar entre dos
números, el resultado sale del rango de representación.
Supongamos que disponemos de 4 bits para representar enteros en
complemento a 2. Sumemos 610 y 510.
1 Acarreo
0110 610
0101 510
1011 -510
Vemos que el resultado es totalmente erróneo debido a que para poder

representar el verdadero resultado 1110 necesitamos al menos 5 bits.
En el caso de las operaciones en coma flotante, el desbordamiento lo veremos al
encontrar un exponente con todos sus valores a 1.
71
En C++ debemos vigilar el desbordamiento, ya sea al operar entre variables o al
introducir los datos. Se muestra un ejemplo con enteros.
#include <iostream>
int main()
{
int x=2147483647; //Limite superior para 4 bytes
int y=1;
cout<<x+y<<endl; //Suma es el límite inferior del rango
x=4294967296;
cout<<x<<endl; //El valor almacenado es 0
//Si introducimos un valor fuera de rango, C++ lo trunca
//al valor superior o inferior del rango
cout <<"Introduzca un valor superior o inferior al rango:";
cin>>x;
cout<<x<<endl;
}
Salida:
72
En el caso de números reales, si hay desbordamiento, C++ nos mostrará por
pantalla la salida inf.
#include <iostream>
int main()
{
cout<<endl;
float x=2e38; //Cerca del limite superior para 4 bytes
//Producto superior al límite superior del rango
cout<<2*x<<endl;
//Si introducimos un valor fuera de rango, C++ lo trunca
//al valor superior o inferior del rango
cout<<"Introduzca un valor superior o inferior al rango:";
cin>>x;
cout<<x<<endl;
}
Salida:
73
Representación de caracteres
La representación de caracteres se basa en asociar un código entero a
cada carácter.
Aunque hay diferentes codificaciones propuestas, las más importantes
son la codificación ASCII y la UNICODE. Ambas son estándares.
La codificación ASCII permite codificar 256 caracteres, por lo que
necesita 1 byte (8 bits) para lograrlo.
La codificación UNICODE permite codificar 65536 caracteres, para lo que
emplea 2 bytes (16 bits). UNICODE facilita la transmisión y visualización
de textos de múltiples lenguajes (incluso lenguas muertas) y en
diferentes disciplinas técnicas. El término Unicode refleja sus objetivos de
universalidad, eficiencia y unicidad.
74
Código ASCII (American Standard Code for Information Interchange)
Inicialmente constaba de 128 caracteres. Luego fue extendido para incluir
caracteres con tildes y otros símbolos.
http://www.elcodigoascii.com.ar
75
Código ASCII (American Standard Code for Information Interchange)
Nótese que los caracteres numéricos (0, 1, 2, … ,9) ocupan posiciones
consecutivas con códigos desde el 48 al 57. Esto facilita la conversión entre
caracteres y números enteros y viceversa, por ejemplo, en las operaciones de
entrada/salida.
Carácter 0  48  0011 0000  Número 0
Carácter 1  49  0011 0001  Número 1
Carácter 2  50  0011 0010  Número 2
…
Carácter 9  57  0011 1001  Número 9
Las mayúsculas y las minúsculas se diferencian únicamente en un bit:
internamente, los programas podrán pasar de minúsculas a mayúsculas y
viceversa de forma sencilla.
Carácter A  65  01000001  01100001  97  Carácter a
Carácter B  66  01000010  01100010  98  Carácter b
…
Carácter Z  90  01011010  01111010  122  Carácter z
El hecho de que las posiciones sean consecutivas permiten su ordenamiento
numérico o lexicográfico de forma sencilla.
76
Caracteres: representación en C++
char c;
reservará espacio en memoria para la variable c, que será un carácter codificado
en ASCII, usando 1 byte para su almacenamiento.
Nótese la existencia de los caracteres no imprimibles, como el salto de línea, que
usaremos mucho en C++. Para lograr un salto de línea, C++ dispone de la
secuencia '\n'. Esto permite distinguir entre caracteres numéricos y valores
numéricos cuando formamos cadenas de caracteres (secuencia de caracteres
entre comillas dobles). Las estudiaremos más a fondo más adelante.
#include <iostream>
int main() Salida:
{
char c=10; //Valor entero ASCII del retorno de línea
cout <<"Hola"<<c; //Forma correcta pero no se usa
cout <<"Hola\n"; //Forma preferida en C++
cout <<"Hola"<<endl; //Forma alternativa para el retorno de línea
cout <<"Hola10"; //Error: imprimiremos Hola10
}
77
Conversión entre tipos de datos
C++ es un lenguaje estáticamente tipado, lo que significa que los tipos
asignados a las variables se comprueban en tiempo de compilación.
Así, el compilador verifica que las operaciones que el programador ha escrito
en el código fuente están soportadas por el lenguaje. Si existe alguna
incompatibilidad, el compilador avisará con un mensaje de error.
Por ello, siempre deben declararse los tipos de las variables antes de
ser utilizadas.
No obstante, los lenguajes estáticamente tipados sí que permiten mezclar
tipos de datos en las expresiones a pesar de que sus representaciones
internas sean diferentes.
Para trabajar de forma cómoda con estas situaciones, los lenguajes
permiten que el programador adopte dos tipos de decisión:
• Conversión implícita: El compilador se encarga de forma automática
de adaptar las representaciones para poder efectuar los cálculos de
forma correcta.
• Conversión explícita: El programador escribe explícitamente en el
código fuente cómo quiere que se haga la conversión entre las
representaciones. 78
Conversión implícita en C++
Asignaciones
En las asignaciones se evalúa la expresión a la derecha del operador de
asignación = y el resultado se convierte implícitamente al tipo de dato situado a la
izquierda del operador de asignación.
Cualquier asignación de un tipo de dato no booleano a bool(1) da un resultado
falso si el valor es 0. En caso contrario, el resultado de la asignación es cierto.
bool b=48.1; //b es cierto
En cualquier asignación de un tipo real a un tipo entero se trunca al entero
resultante de eliminar la parte fraccionaria.
int r=48.1; //r se almacenara como entero con valor 48
int s=-28.1; //r se almacenara como entero con valor -28
En cualquier asignación de un tipo entero a un tipo real éste se convertirá según
la norma IEEE 754. Puede conllevar la pérdida de precisión en números grandes
para los float, no así para los double, que tienen suficientes bits (una razón
más para usar siempre double).
float x=19999999; //x se almacenara como real 2.0e7
double y=19999999; //y se almacenara como real 19999999
(1) bool es un tipo de dato que almacena un valor cierto (true) o falso (false). 79
Conversión implícita en C++
Operaciones
Cuando aparece una expresión con distintos tipos de datos mezclados, C++
promueve todos los tipos a un único tipo, el que tiene mas jerarquía de entre los
presentes. De esta forma, la operación (aritmética o lógica) se realiza según la
representación del tipo de mayor jerarquía.
Para los tipos de datos que vamos a manejar en la asignatura, la jerarquía de
menor a mayor en C++ es:
bool  int
char  int  float  double
int x=1;
double y=19999998;
//x+y es una expresión que se evalúa como double y se
//almacena en un registro interno. Al ejecutarse el
//programa, su valor será 19999999.
float w=x+y; //w se almacena con valor float 20000000
double z=x+y; //z se almacena con valor double 19999999
80
Conversión explícita en C++
En ocasiones el programador necesita forzar la conversión.
Imaginemos un problema en el cual deseamos calcular la pendiente media de un
puerto de montaña. Para la longitud del puerto y para la altitud se han elegido
variables enteras que representan metros.
𝑎𝑙𝑡𝑖𝑡𝑢𝑑
La fórmula será: 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 = 𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑
Un programa ejemplo podría ser el siguiente:
#include <iostream>
int main()
{
int longitud=18342;
int altitud=1123; //Respecto a la base del puerto
double pendiente=altitud/longitud;
cout<<"La pendiente es "<<pendiente;

}
Salida:
81
En el ejemplo observamos un valor no deseado pero lógico.
Las expresiones a la derecha de una asignación = se evalúan antes de realizarse
la asignación, almacenándose en un registro interno. En el ejemplo, la operación
altitud/longitud es una expresión que involucra 2 variables enteras y
puesto que el resultado real es 0.xxxx se trunca a 0. El valor 0 se asigna a la
variable double pendiente que toma el valor 0.
Un programa ejemplo para obtener el valor correcto sería:
#include <iostream>
int main()
{
int longitud=18342;
int altitud=1123; //Respecto a la base del puerto
double pendiente=static_cast<double>(altitud)/longitud;
cout<<pendiente;
} Salida: 82
La conversión forzada de tipos static_cast<tipo_de_dato>(expresion)
convierte la representación interna de expresion a la representación marcada
por tipo_de_dato.
En nuestro ejemplo, forzamos a que la representación interna de la variable
altitud sea double. De esta forma, la expresión altitud/longitud se
convertirá implícitamente a double y obtendremos el resultado correcto.
Podréis encontrar código con conversiones forzadas tales como:
double pendiente=double(altitud)/longitud;
double pendiente=(double)altitud/longitud;//Estilo C
Aunque para el ejemplo que nos ocupa todas las opciones son válidas y
compilarán perfectamente, se recomienda usar static_cast.
Por otro lado, en la medida de lo posible, debemos evitar el uso de las
conversiones forzadas. En muchas ocasiones podemos evitar su uso. En el
ejemplo hubiese bastado con declarar:
double longitud=18342;
double altitud=1123;
83
Las conversiones también conllevan graves riesgos. Un ejemplo clásico es el
ocurrido con el cohete Ariane, que se produjo por una conversión entre un
número en coma flotante de 64 bits (que era mayor de 32768) a un número
entero de 16 bits.
ariane 5 explosion.mp4
84
Temas de ampliación
Un número positivo 𝑥 podemos expresarle como:
𝑥 = 𝑚 ∙ 2𝑒
Tomando logaritmos en base 2 (valdría cualquier otra base):
log 2 𝑥 = log 2 (𝑚 ∙ 2𝑒 ) = log 2 𝑚 + e ∙ log 2 2 = log 2 𝑚 + 𝑒
Puesto que la mantisa normalizada es un valor positivo de la forma 1, …,
es decir, un número mayor o igual que 1 y menor que 2, log 2 𝑚 es un
valor mayor o igual que 0 y menor que 1, es decir, 0, …
Por tanto, si despreciamos log 2 𝑚, el exponente 𝑒 será siempre el entero
más próximo por defecto al valor obtenido en el cálculo de log 2 𝑥.
Ejemplo: Si log 2 𝑥=23.465, entonces 𝑒 = 23
Si log 2 𝑥=-23.465, entonces 𝑒 = −24
Una vez calculado el exponente:

𝑥
𝑚= 𝑒
2 86
Ejemplo: Representar 𝑥 = 1359 ∙ 1026 en simple precisión IEEE 754
1) El número es positivo, luego el bit de signo es 0.
2) Calculamos log 2 𝑥
log 2 1359 ∙ 1026 = 𝟗𝟔. 𝟕𝟕𝟖𝟒𝟔𝟎𝟐𝟎𝟕𝟖𝟑𝟖𝟖𝟐
3) Obtenemos el exponente tomando el entero por defecto más próximo
𝑒 = 𝑒𝑛𝑡𝑒𝑟𝑜_𝑝𝑜𝑟_𝑑𝑒𝑓𝑒𝑐𝑡𝑜(96.77846020783882) = 𝟗𝟔
El exponente en exceso es 96+127=223 cuya representación en
binario con 8 bits es 11011111
4) Calculamos la mantisa
𝑥 1359∙1026
𝑚= = = 𝟏. 715299129486084 …
2𝑒 296
Obviando el bit implícito y aplicando el método de multiplicaciones
sucesivas se obtiene la mantisa: 10110111000111011101100
𝟎1101111110110111000111011101100
87
Ejemplo: Representar 𝑥 = −0.027 ∙ 10−27 en simple precisión IEEE 754
1) El número es negativo, luego el bit de signo es 1.
2) Calculamos log 2 𝑥
log 2 0.027 ∙ 10−27 = −𝟗𝟒. 𝟗𝟎𝟐𝟗𝟓𝟓𝟑𝟒𝟒𝟒𝟓𝟕𝟒𝟏
3) Obtenemos el exponente tomando el entero por defecto más próximo
𝑒 = 𝑒𝑛𝑡𝑒𝑟𝑜_𝑝𝑜𝑟_𝑑𝑒𝑓𝑒𝑐𝑡𝑜(−94.90295534445741) = −𝟗𝟓
El exponente en exceso es -95+127=32 cuya representación en
binario con 8 bits es 00100000
4) Calculamos la mantisa
𝑥 −0.027∙10−27
𝑚= = = 𝟏. 0695801973342896 …
2𝑒 2−95
Obviando el bit implícito y aplicando el método de multiplicaciones
sucesivas se obtiene la mantisa: 00010001110100000000001
𝟏0010000000010001110100000000001
88
Casos especiales
La norma contempla situaciones especiales cuando el exponente está
formado completamente por 0’s (números muy pequeños en valor
absoluto) o por 1’s (números muy grandes en valor absoluto).
Exponente con todo 1’s
• Mantisa con todo “0” y signo “0” : +∞
• Mantisa con todo “0” y signo “1” : -∞
• Mantisa distinta de “0”: NaN (Not a Number: indeterminado)
Exponente con todo 0’s
• Mantisa con todo “0” y signo “0” : +0
• Mantisa con todo “0” y signo “1” : -0
• Mantisa distinta de “0”: Números desnormalizados
89
Casos especiales: números desnormalizados simple precisión
Imaginemos que queremos representar en la norma IEEE 754 el número decimal
3 ∙ 2−130 |10 en simple precisión.
Siguiendo las pautas que hemos indicado para calcular el exponente
log 2 3 ∙ 2−130 = −128.415 …. e = −129
El exponente −129, esta fuera del rango [-127,128] que marca la norma.
Pero tenemos una alternativa:
• A un exponente con todo 0’s y mantisa no todos 0’s se le asigna el valor -126.
• Relajemos la condición de que la mantisa tenga la forma 1, … de tal forma que

en estos casos particulares tenga la forma 0, …
3 ∙ 2−130 |10 = 11|2 ∙ 2−130 = 0.0011 ∙ 2−126
¿Por qué -126?
Dado que una mantisa y exponente con todo 0’s se asume como valor 0, el
menor valor absoluto representable normalizado en simple precisión es
1.000 … 000|2 ∙ 2−𝟏𝟐𝟔 .
El siguiente menor valor absoluto ya desnormalizado sería 0.111 … 111|2 ∙ 2−𝟏𝟐𝟔
El menor valor absoluto representable desnormalizado sería 2−𝟐𝟑 ∙ 2−𝟏𝟐𝟔 90
Rangos en simple precisión
Mayor valor en valor absoluto
Exponente: 11111110|2=254|10-127|10=127|10
Mantisa: 1111..1111|2=1.111…111|2=(2-2-23)|10=2x(1-2-24)|10
Por tanto, mayor valor en valor absoluto 2x(1-2-24)x2127 ≈3.4x1038
Menor valor normalizado en valor absoluto
Exponente: 00000001|2=1|10-127|10=-126|10
Mantisa: 0000…0000|2=1.000…000|2=1.0|10
Por tanto, menor valor normalizado en valor absoluto 2-126 ≈ 1.18x10-38
Menor valor desnormalizado en valor absoluto
Exponente: 00000000|2 por convención=-126|10
Mantisa: 0000…0001|2=0.000…001|2=2-23|10
Por tanto, menor valor normalizado en valor absoluto 2-23 2-126 ≈ 1.4x10-45
Estas tablas no hay que aprenderlas. Simplemente sirven para entender la norma
y practicar. Para doble precisión, con desarrollos análogos, puede consultarse la
bibliografía.
91
Bibliografía
• S. B. Lippman, J. Lajoie, B. E. Moo. C++ Primer. Addison-Wesley. 2012.
• R. E. Bryant, D. R. O’Hallaron Computer Systems. A Programmer’s Perspective.
Pearson 2010.
• https://es.wikipedia.org/wiki/Sistema_de_numeración
• https://es.wikipedia.org/wiki/UNIVAC_I
• https://en.wikipedia.org/wiki/Two’s_complement
• http://www.learncpp.com/cpp-tutorial/24a-fixed-width-integers/
• http://www.h-schmidt.net/FloatConverter/IEEE754.html
• https://en.wikipedia.org/wiki/IEEE_754-1985
• http://www.unicode.org/
• http://ta.twi.tudelft.nl/users/vuik/wi211/disasters.html
92

Tema2 PDF

Cargado por

Copyright:

Formatos disponibles

Tema2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema2 PDF

Cargado por

Copyright:

Formatos disponibles

T2

• Nombre • No. de serie • Dimensiones

Para la ejecución de un programa, al ordenador debemos

Tanto las instrucciones como los datos asociados a un

En la zona de memoria donde se

Por otro lado, a nivel interno y para mejorar la eficiencia, la

Si necesito codificar 𝒎 valores, ¿cuál es el número mínimo 𝒏 de bits

Por ejemplo, el número N=739.3 en base 10 (739.3|10) tiene

y por supuesto el decimal.

Código Número Polinomio equivalente Valor en decimal

Si repetimos el proceso de sustitución de los cocientes 𝑪𝒊 obtenemos:

Si repetimos el proceso de sustitución de los cocientes 𝑪𝒊 obtenemos:

Ejemplo: Conversión del número 3510 a base 2

Ejemplo: Conversión del número 3510 a base 8

Ejemplo: Conversión del número 4510 a base 16

Obviamente conocemos la parte fraccionaria 𝑁10 y queremos obtener los

𝑏 ∙ 𝑎−2 𝑏−1 + 𝑎−3 𝑏−2 + ⋯ + 𝑎−𝑗+1 𝑏−𝑗+2 𝑎−𝑗 𝑏 −𝑗+1

0.79 x 2 1.58  𝑎−1 = 𝟏 0.58

• Se forman grupos desde el punto fraccionario de 3 6

Ejemplo: Convertir el número 475.218 a binario

La conversión de octal a hexadecimal o viceversa se hace de forma

• las operaciones aritméticas son complejas de realizar: requieren

circuitería electrónica diferente para sumas y restas.

El bit más significativo nos indica el signo:

Otra regla simple consiste en:

Existen otra representación similar, el complemento a la base menos 1

En este caso, el complemento a 1 se obtiene simplemente intercambiando

Los datos dentro de un programa (enteros, reales, caracteres,

reservará espacio en memoria para la variable entera x usando complemento a

supondrá que en memoria se almacenará la secuencia

mientras que la línea de código

supondrá que en memoria se almacenará la secuencia

Al tener un 1 como bit más significativo, ~x es un número negativo y, por tanto,

vemos que la salida por consola es:

Es decir, el complemento a 2 de un número podemos obtenerle negando bit a bit

Nótese que las operaciones del semisumador

Al igual que ocurre en la aritmética decimal (ej. 87+78=165), al

𝑪𝟑 Sumador 𝑪𝟐 Sumador 𝑪𝟏 Sumador 𝑪𝟎 Sumador

Un ejemplo comercial es el chip 4008

Combinando sumadores completos podemos sumar números con el

Al usar la notación en coma fija, queda muy limitado el número de

Utilizando el mismo número de cifras que con la coma fija, se consigue:

Simple precisión: 32 bits

Doble precisión: 64 bits.

El orden no es baladí: permite que los algoritmos de comparación (y

Se emplea en la bibliografía la palabra característica para distinguir el

Representar los exponentes en complemento a 2 no aporta ninguna

• Simple precisión (8 bits): rango=[-127,128]

• Doble precisión (11 bits): rango=[-1023,1024]

No hay beneficio sin servidumbre: si sumamos dos números

La mantisa 𝑚 representa en binario la magnitud del número.

Hagamos ahora el proceso inverso para comprobar realmente qué número

• Para multiplicaciones y divisiones tenemos que sumar o restar los

Hay que ser muy cuidadosos en nuestros programas cuando el desempeño de

The Patriot Missile Failure

Vemos que el resultado es totalmente erróneo debido a que para poder

cout<<"La pendiente es "<<pendiente;

Una vez calculado el exponente:

• Relajemos la condición de que la mantisa tenga la forma 1, … de tal forma que