ACSO Cap2 Conceitos 2020 2021 v2

Arquitetura
Arquitetura de
de Computadores,
Computadores
Sistemas
e Sistemas
de Computação
Operativos
Informática2015/2016
de Gestão, ESTiG/IPB
José Rufino
baseado no livro “The Essentials of
2020/2021
Computer Organization and Architecture”
de Linda Null e Julia Lobur
Parte AC2
Representação de Dados
Objetivos
• entender os fundamentos da representação e

manipulação de dados num sistema de computação
• dominar as técnicas de conversão entre diferentes
sistemas de numeração
• compreender como ocorrem erros de computação
devido a truncagem e overflow
• entender os conceitos fundamentais da representação
em vírgula flutuante
• conhecer os principais códigos de caracteres
2
2.1 Introdução
• bit: unidade de informação básica num computador

– bit = contração de binary digit
– corresponde ao estado “on” ou “off” num circuito digital
– às vezes, esses estados correspondem a níveis “altos” ou
“baixos” de voltagem, em vez de “ligado” ou “desligado”
• byte: grupo de 8 bits (IBM System/360, 1964)

– a mais pequena unidade de armazenamento “endereçável”
– “endereçável”: significa que a informação pode ser acedida
(lida/escrita) com base na sua localização em memória
3
2.1 Introdução
• palavra (word): grupo contíguo de bytes

– as palavras podem ter qualquer número de bits ou bytes
– os tamanhos 16, 32 e 64 bits são os mais comuns
– num sistema “endereçável à palavra”, a palavra é a mais
pequena unidade de armazenamento possível de endereçar
• nibble (ou nybble): grupo contíguo de 4 bits
– os bytes são, portanto, constituídos por 2 nibbles:
• o mais significativo e o menos significativo
(grosso modo: o que tem mais/menos peso no valor do byte)
4
2.2 Sistemas de Numeração Posicionais
• um número é uma sequência de algarismos/dígitos (tb

designados por numerais), expresso numa certa base
• a base define o conjunto (alfabeto) de dígitos admissíveis

• base 10: 10 dígitos (0,1,2,...,9) - sist. decimal
• base 2: 2 dígitos (0,1) - sist. binário
• base 3: 3 dígitos (0,1,2) - sist. ternário
• base 8: 8 dígitos (0,1,...,7) - sist. octal
• base 16: 16 dígitos (0,1,...,9,A,B,C,D,E,F)
- sist. hexadecimal
5
• os Sistemas de Numeração Posicionais são também

conhecidos por Sistemas de Numeração Pesados:
– cada algarismo, ocupando uma certa posição num
número, é multiplicado por uma potência da base
• o algarismo atua como coeficiente da potência
– o valor das potências depende da posição dos dígitos
• a utilização da base como índice permite distinguir

números expressos em bases diferentes (101 0≠102)
– sem índice, a base 10 é assumida implicitamente
6
• 5836.471 0 como soma de produtos (de coeficientes

{0,1,…,9} por potências de 10) é:
5  10 3 + 8  10 2 + 3  10 1 + 6  10 0 + 4  10 -1 + 7  10 -2
• 11001.11 2 como soma de produtos (de coeficientes

{0,1} por potências de 2) é:
1  2 4 + 1  2 3 + 0  2 2 + 0  2 1 + 1  2 0 + 1  2 -1 + 1  2 -2 =
16 + 8 + 0 + 0 + 1 + 0.5 + 0.25 = 25.751 0
7
2.3 Conversão entre Sist. de Numeração
- Conversão de Números Naturais
• para já, consideramos apenas inteiros não-negativos

• a conversão entre sistemas pode fazer-se usando
– método da subtração repetida
• é o método mais intuitivo … mas exige alguma
familiarização com as potências da base alvo
• baseia-se na obtenção da expressão do número como
soma de potências da base para a qual se vai converter
– método da divisão com resto
8
2.3 Conversão entre Sistemas de Numeração
- Método da Subtração
• converter 1901 0 para a base 3
– exprimir 190 como uma soma
de potências de 3, em que o
peso de cada potência só pode
ser 0, 1 ou 2 (alfabeto ternário)
– como 3 5 = 243, então o resul-
tado terá menos de 6 dígitos
– ora, para a potência 3 4 = 81,
tem-se 2 x 81 = 162 ≤ 190
– aproveita-se o 2 e subtrai-se
162 a 190, pelo que resta 28
9
– a próxima potência de 3
ainda não usada é 3 3 = 27
– o coeficiente/dígito 2 não se
pode usar pois 2 x 27 > 28
– o coeficiente/dígito 1 pode- -
se usar pois 1 x 27 ≤ 28 ;
aproveita-se o 1 e subtrai-se
27 a 28, pelo que resta 1
– a próxima potência de 3 (3 2
= 9) é demasiado grande,
pelo que o seu coeficiente 10
será 0; continua a sobrar 1
– a próxima potência de 3 (3 1
= 3), é demasiado grande,
pelo que o seu coeficiente
será 0; continua a sobrar 1
– para a última potência de 3
(30 = 1), o coeficiente/dígito
1 permite ter 1 x 30 = 1 ≤ 1 ;
aproveita-se o 1 e o resto é 0
– o resultado da conversão,
lido de cima para baixo, é:
19010 = 210013
11
- Método da Divisão
• é um método mais mecânico (e mais rápido)
• ideia base:
– sucessivas divisões pelo valor da base equivalem a

sucessivas subtrações de potências dessa base
– os restos obtidos durante o processo de divisão

correspondem aos dígitos/coeficientes pretendidos
12
- Método da Divisão
– divisão do número a conver-
ter (190), pela base (3) para
a qual se pretende converter 190 |3
10 63 |3
1
– o processo termina quando 03 21 |3
o quociente for igual a 0 0
0 7 |3
1 2 |3
– o resultado da conversão, 2 0
lido de baixo para cima, é:
1901 0 = 210013 13
- Conversão da Base 10 para a Base 2
• tomando como referência o exemplo anterior, a

conversão da base 10 para a base 2 pode ser feita
usando os mesmos dois métodos apresentados
• Método da Subtração: é trivial, dado que cada
potência de 2 ou conta (coeficiente ou bit 1) ou
não conta (coeficiente ou bit 0), uma vez que o
alfabeto binário tem apenas dois símbolos (0,1)
• Método da Divisão: aplica-se a mesma lógica,
apenas com a diferença de que se divide por 2
• exercício: converter 190 da base 10 p/ a base 2
14
– Conversão de Valores Fracionários
• até aqui, estudou-se a conversão de inteiros

(não-negativos); aborda-se agora a conversão
de valores fracionários (igual/ não-negativos) ...
• valores fracionários têm uma parte inteira e uma
parte fracionária (por exemplo: 5836.47)
• ao contrário da parte inteira, a parte fracionária
pode não ter representação exata numa base
– exemplo: a quantidade ½ tem representação
exata no sistema binário e no sistema decimal,
mas não tem no sistema ternário (base 3)
15
• valores decimais fracionários têm dígitos à direita

do ponto decimal; valores binários fracionários
têm dígitos à direita do ponto binário; etc ...
• à direita do ponto da base, os dígitos são coefici-

entes de potências negativas da base em causa:
0.471 0 = 4  10 -1 + 7  10 -2
0.112 = 1  2 -1 + 1  2 -2
= ½ + ¼
= 0.5 + 0.25 = 0.75
16
• tal como para valores inteiros, existem dois métodos

de conversão: o da subtração e o da multiplicação
• método da subtração:
– idêntico ao aplicado para valores inteiros, mas ...
– … subtraem-se potências negativas da base alvo
• começa-se pela potência de expoente -1 (n - 1, para
a base n) e vai-se diminuindo o valor do expoente
17
- Conversão de Valores Fracionários
• conversão do decimal
0.81251 0 para binário
– o resultado da conversão,
lido de cima para baixo, é:
0.81251 0 = 0.11012
18
- Método da Multiplicação
• método da multiplicação:
– multiplica-se o valor fracionário original pela base
– no produto, o valor à esquerda do ponto (ou seja, a
parte inteira do produto) é o 1º dígito do número
– o valor à direita do ponto é nova/ multiplicado pela base
– no produto, o valor à esquerda do ponto é o 2º dígito
– ...
– o processo repete-se até que a parte à direita do ponto
seja zero (ou até se atingir uma precisão “suficiente”)
19
conversão do decimal
0.81251 0 para binário:
– o primeiro dígito do número

pretendido em binário será 1
20
– ignorando-se o valor das

unidades em cada passo,
continuar a multiplicar a parte
fracionária pelo valor da base
21
– o processo termina quando o

produto for zero ou se atingir
o número desejado de dígitos
– o resultado da conversão, lido

de cima para baixo, é:
0.81251 0 = 0.11012
22
– Conversão expedita entre Bases 2, 8 e 16
• o sistema de numeração binário (base 2) é o +

importante no mundo dos computadores digitais
– os números binários são a base da representação

de dados em sistemas de computação digitais
– o conhecimento do sistema binário é essencial à

compreensão da operação dos componentes de
um computador, bem como para o desenho de
arquiteturas de conjuntos de instruções
23
• no entanto, é difícil ler sequências longas de bits;

além disso, um valor decimal da ordem dos
milhares já produz uma sequência de bits longa
– por exemplo: 110101000110112 = 135951 0
• por razões de dimensão e facilidade de leitura,

valores binários são vulgarmente expressos no
sistema de numeração hexadecimal (base 16)
ou no sistema de numeração octal (base 8)
24
• para converter de binário para hexadecimal, basta

agrupar os dígitos binários em grupos de 4 dígitos
[ um grupo de 4 dígitos binários é designado por hextet ]
• para converter de binário para octal, é suficiente

agrupar os dígitos binários em grupos de 3 dígitos
[ um grupo de 3 dígitos binários é designado por octet ]
25
• usando grupos de 4 bits, a representação hexade-

cimal do valor binário 110101000110112 (= 1359510) é:
• valores em octal (base 8) são derivados dos

binários usando grupos de 3 bits (8 = 23):
26
– Tabela Auxiliar p/ Conversão entre Bases
n 2^n 3^n 4^n 5^n 6^n 7^n 8^n 9^n

-5 0,03125 0,0041152263 0,0009765625 0,00032 0,0001286008 0,000059499 3,05176E-005 1,69351E-005
-4 0,0625 0,012345679 0,00390625 0,0016 0,0007716049 0,0004164931 0,0002441406 0,0001524158
-3 0,125 0,037037037 0,015625 0,008 0,0046296296 0,0029154519 0,001953125 0,0013717421
-2 0,25 0,1111111111 0,0625 0,04 0,0277777778 0,0204081633 0,015625 0,012345679
-1 0,5 0,3333333333 0,25 0,2 0,1666666667 0,1428571429 0,125 0,1111111111
0 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9
2 4 9 16 25 36 49 64 81
3 8 27 64 125 216 343 512 729
4 16 81 256 625 1296 2401 4096 6561
5 32 243 1024 3125 7776 16807 32768 59049
6 64 729 4096 15625 46656 117649 262144 531441
7 128 2187 16384 78125 279936 823543 2097152 4782969
8 256 6561 65536 390625 1679616 5764801 16777216 43046721
9 512 19683 262144 1953125 10077696 40353607 134217728 387420489
10 1024 59049 1048576 9765625 60466176 282475249 1073741824 3486784401
27
– A memorizar !!!
checkpoint:
exercícios 2.1 a 2.4
28
2.3.1 Adenda
- Gama de Representação na Base 2 s/ Sinal
• para número inteiros binários sem sinal (i.e., >=0)

expressos com N bits, a gama de representação é:
{ 0, … , 2 N – 1 }
• exemplos:
– para N=8 bits
{ 0, … , 2 8 – 1 } = { 0, … , 255 }
– para N=7 bits
{ 0, … , 2 7 – 1 } = { 0, … , 127 }
29
2.3.1 Adenda
- Aritmética Decimal e Aritmética Binária
• a aritmética binária é semelhante à aritmética decimal
(nota: veremos apenas exemplos com duas parcelas)
• adição decimal: 1 1
– se a soma de uma coluna é

>= 10, haverá transporte …
– transporte => somar 1 unidade à próxima coluna
• adição binária:
– regras bit-a-bit → <=> 1 + 1 = 10
1 1 1
– exemplo →
30
2.3.1 Adenda
- Aritmética Decimal e Aritmética Binária
• subtração decimal: 1 1 1
– numa coluna, se subtraendo >

minuendo, haverá empréstimo
– empréstimo => somar 1 ao subtraendo da próx. coluna
• subtração binária: 0
0
– regras bit-a-bit → 1
1 empresta 1
– exemplo → 1 1
0
31
2.4 Representação de Inteiros com Sinal
• até agora, apenas consideramos números >=0

• para representar números inteiros com sinal (+/-),
os sistemas de computação reservam o bit mais
significativo do número para indicar o seu sinal
– bit mais significativo: “o que se encontra mais à esquerda”
• os restantes bits representam o valor do número
S V V V V V ... V
• as representações c/ sinal mais relevantes são:
– representação “sinal e magnitude”
– representação “complemento para um”
– representação “complemento para dois” 32
- Sinal e Magnitude
• bits à direita do bit de sinal: correspondem à repre-

sentação binária da magnitude/módulo do número
• gama representável com N = 1 + (N-1) bits
{ - (2 N - 1– 1), … , - 0, +0, … , (2 N - 1– 1) }
• exemplo: numa palavra de N=8 bits, na representação
em sinal e magnitude, o valor absoluto é colocado nos
N-1 = 7 bits menos significativos (à direita do sinal)
– +3 será representado como 00000011
– - 3 será representado como 10000011
– gama representável: { - 127, … , -0, +0, … , 127 }
33
- Sinal e Magnitude
• generalização: para inteiros de N bits, o negativo de

um positivo obtém-se somando-lhe a sequência de N
bits em que o bit à esquerda é 1 e o outros são zeros
– confirmar isto para o exemplo da página anterior ...
• regras da adição para “sinal e magnitude”:
– sinais iguais
• somar as magnitudes e reutilizar o sinal comum
– sinais diferentes
• o sinal do resultado é o do operando de maior magnitude
• a magnitude do resultado obtém-se subtraindo o menor
operando ao maior operando 34
- Sinal e Magnitude
• usando a aritmética de sinal e

magnitude, somar 75 com 46
– converter 75 e 46 para a base

2 e organizar as parcelas com
a separação do bit do sinal
– tal como na aritmética decimal,

começar pelo bit mais à direita
e avançar para a esquerda
35
- Sinal e Magnitude

– no segundo bit, como 1+1=10,

há lugar ao transporte de um
bit, anotado por cima do terceiro
– para o terceiro e quarto bits

procede-se de forma similar
36
- Sinal e Magnitude

– a operação termina depois de

processados todos os bits
Note-se que na aritmética de sinal e magnitude

o bit de sinal é processado à parte !...
Neste exemplo, os valores foram escolhidos de

forma a garantir que a soma fosse representável em
7 bits. Se tal não acontecer, haverá um problema →
37
- Sinal e Magnitude

– sobra o bit que deveria ser

transportado ao somar a 7ª
coluna, i.e., ocorre overflow
• pois o bit de sinal não pode
receber o bit de overflow (o
resultado seria negativo !)
– obtém-se assim um valor

errado: 107 + 46 = 25
38
- Sinal e Magnitude

magnitude, somar -46 com -25
111
– os sinais são iguais: é apenas

necessário somar as magni-
tudes e manter o bit do sinal
39
- Sinal e Magnitude

magnitude, somar 46 com -25
1 1
– os sinais são diferentes 0 0101110

1 - 0011001
– o sinal do resultado será +, pois é 0 0010101
o sinal do maior operando (46)
– subtrai-se o menor operando (25)
ao maior operando (46)
– no 1º bit há lugar ao empréstimo
de um bit, anotado por cima do 2º;
o mesmo ocorre entre o 5º e o 6º
40
- Sistemas de Complemento
• a representação em “sinal e magnitude” é simples

para os humanos, mas requer hardware complexo
• outra desvantagem dessa representação é o facto

de ser possível representar o número 0 de duas
maneiras diferentes (o 0 positivo e o 0 negativo)
• pelas razões acima, os Sistemas de Computação

utilizam representações “em complemento”
41
- Sistemas de Complemento à Base
• facto, no sistema decimal:
– seja A = minuendo – subtraendo, B = [ “tudo a
noves” - subtraendo ], C = [ minuendo + B ] e
D = [ transporte de C ] ; então, A = C + D
• exemplo: A = 167- 52
– B = 999 – 52 = 947 (complemento para 9 de 52)
– C = 167 + B = 167 + 947 = 114, com D = 1
– A = C + D = 1 + 114 = 115 = 167- 52 !!
– ou seja: -52 (<0) foi representado como 947 (>0)
42
- Sistemas de Complemento à Base
• generica/ as representações em complemento:

– representam número negativos recorrendo a uma
diferença do seu módulo em relação à sua base
– permitem transformar subtrações em somas

• uma diferença entre dois valores é obtida soman-
do ao minuendo o complemento do subtraendo
– permitem dispensar hardware para a subtracção
• esta técnica é também aplicável ao sistema binário

43
- Complemento à Base Menos Um
• no “complemento à base menos um”, um número
negativo é dado pela diferença entre [a sua base
subtraída de uma unidade] e [o seu valor absoluto]
• no caso da base 10, o complemento para 9
representa o “complemento à base menos um”
• no caso da base 2, o “complemento à base
menos um” é dado pelo “complemento para 1”
– exemplo: o complemento para 1 de 01012 é, pelo
método já antes usado, 1111 2 – 01012 = 10102
– na prática, o complemento para 1 de um número
binário é obtido negando/trocando os seus bits
44
- Complemento para Um
• na base 2, o “complemento para 1” suporta a
seguinte representação de inteiros com sinal:
– número positivo: não é sujeito a qualquer conversão;
o valor obtém-se pela leitura direta da representação
– número negativo: resulta da conversão do módulo
desse número para “complemento para 1”; logo:
• para saber que número >0 corresponde a um número
negativo tem de se calcular o seu complemento para 1
• exemplo (com números de 8 bits):
– +3 será, em complemento para 1: 00000011
– - 3 será, em complemento para 1: 11111100
– - 3 será, em “sinal e magnitude”: 10000011 45
(*) - Aritmética em Complemento para Um
• somar 48 com -19

– 481 0 = 001100002,
191 0 = 00010011 2 11101100
– o complemento para 1 de
00010011 2 é 111011002
– a adição dá origem a um
bit de transporte final, que 000111012= 291 0= 48 – 19
é adicionado ao resultado
Note-se que o bit de sinal faz agora parte dos cálculos (i.e., não
é preciso processá-lo à parte), e pode ser modificado por estes.
[ o mesmo irá acontecer na aritmética em complemento para 2 ] 46
(*) - Aritmética em Complemento para Um
• somar 19 com - 48
– 191 0 = 00010011 2, 11111
481 0 = 001100002 00010011
+ 11001111
– o complemento para 1 de 11100010
001100002 é 11001111 2
– a adição dá origem a um
número negativo (-29)
1
111000102 → 000111012=
– o valor absoluto obtém-
se do complemento p/ 1 = 291 0= | 19 – 48 |
47
- Complemento para Um
• apesar da sobrecarga imposta pelo tratamento do

bit de transporte, o “complemento para um” é mais
simples de implementar que o “sinal e magnitude”
• porém, continua a haver duas representações
possíveis para o número zero (00 ...0 e 11...1)
– donde, na prática, a gama de representação é a
mesma que a suportada em “sinal e magnitude”
– o “complemento para dois” resolve o problema
• o “complemento para dois” é o “complemento à
base” de facto do sistema de numeração binário
48
- Complemento para Dois
• na base 2, o “complemento para 2” suporta a

seguinte representação de inteiros com sinal:
– número >0: basta fazer a conversão para binário
– número <0: adicionar 1 ao complemento para 1
• exemplo (com 8 bits):

– +3 é, em complemento para 2: 00000011
– - 3 é, em complemento para 1: 11111100
– - 3 é, em complemento para 2: 11111101
49
(*) - Aritmética em Complemento para 2
• na aritmética de complemento para dois, somam- -
se os valores binários e ignora-se qualquer bit de
transporte produzido nos bits mais significativos
• somar 48 com -19 11101100
+ 1
– 481 0= 001100002, 11101101
191 0= 00010011 2
00010011 2 é 111011002
11101101
00010011 2 é 111011012
– agora, o bit de transporte final, 000111012=
não é adicionado ao resultado 291 0= 48 – 19
50
(*) - Aritmética em Complemento para 2
1111
• somar 19 com - 48 11001111
+ 1
– 191 0 = 00010011 2,
11010000
481 0 = 001100002
– o complemento para 1 de 1
001100002 é 11001111 2 00010011
– o complemento para 2 de + 11010000
001100002 é 110100002 11100011
– não há bit de transporte final 1

11100011 → 00011100
– a adição dá um número <0
00011100
– para saber o seu valor absolu- + 1
to, convertê-lo para comp. p/ 2 00011101=2910 51
(*) - Deteção de Overflow em Comp. p/ 2
• quando se usa um número finito de bits para

representar um número, corre-se o risco de o
resultado de um cálculo ser demasiado grande
(overflow) para ser armazenado no computador
• overflow em complemento para 2:
– quando a soma de números positivos é negativa
– quando a soma de números negativos é positiva
– a soma de um número positivo com um número
negativo nunca origina uma situação de overflow
52
• apesar de não ser possível prevenir casos de

overflow, pode-se detetar a sua ocorrência
• na aritmética de complemento para 2, a
situação de overflow é fácil de detetar :
se o transporte que entra no bit de sinal for

diferente do transporte que sai, há overflow
53
• exemplo: somar 107 com 46
– o bit de transporte proveniente da

7ª coluna de bits e que entra na
8ª coluna (bit de sinal) é 1
– o bit de transporte que sai da 8ª
coluna (bit de sinal) é 0
– logo, é porque há overflow ...
– de facto, o complemento para 2
de 10011001 é 01100110 = 10310
donde 107 + 46 = - 103 !!
54
- Gamas de Representação (Resumo)
• gama representável com N = 1 + (N-1) bits

– sinal e magnitude, complemento para 1
{ - (2 N - 1– 1), … , - 0, +0, … , (2 N - 1– 1) } checkpoint:
– complemento para 2 exercícios 2.5 a
2.7, 2.16, 2.17
{ - 2 N - 1, … , 0, … , (2 N - 1– 1) }
• exemplo: N=4 bits : { -8, ..., 0, ..., 7}
• representação dos zeros
– sinal e magnitude: 0 0...0 (+0) ; 1 0...0 (-0)
– complemento para 1: 0 0...0 (+0) ; 1 1...1 (-0)
– complemento para 2: 0 0...0
55
2.5 Representação em Vírgula Flutuante
• as representações em “sinal e magnitude”,

“complemento para 1” e “complemento
para 2” apenas permitem manipular inteiros
• sem modificação, estes formatos não são

úteis em aplicações científicas que neces-
sitem de usar valores numéricos reais
• solução: representação em vírgula flutuante

56
• com algum esforço adicional de programação,

pode-se efetuar cálculos em vírgula flutuante
usando apenas formatos inteiros
• a isto chama-se “emulação de vírgula flutuante”,
visto que os valores em vírgula flutuante não são
armazenados como tal; o software faz crer que
estão a ser usados valores em vírgula flutuante
• no entanto, a maioria dos computadores atuais
possuem hardware dedicado para a realização de
cálculos aritméticos em vírgula flutuante
57
• valores em vírgula flutuante podem ter um núm.

arbitrário de dígitos à direita do ponto decimal
– por exemplo: 0.5  0.25 = 0.125
• normalmente os valores em vírgula flutuante

são representados usando notação científica
– por exemplo:
➢
0.125 = 1.25  10-1
➢
5000000 = 5.0  106
58
• os computadores usam uma espécie de notação

científica para a representação em vírgula flutuante
• em notação científica, os números possuem três
componentes: sinal, mantissa e expoente (de 10)
59
• num computador, a representação de um número

em vírgula flutuante tem três campos de tamanho
fixo: sinal, expoente (de 2) e significando
• esta é a disposição standard para esses campos
60
• o campo do sinal corresponde a um único bit

• o tamanho do campo do expoente determina a
gama de valores que podem ser representados
• o tamanho do campo do significando determina
a precisão da representação
61
• norma IEEE-754 para vírgula flutuante

– precisão simples: 1+31 bits
• 8 bits para o expoente, 23 bits para o significando
– precisão dupla: 1+63 bits
• 11 bits para o expoente, 52 bits para o significando
para ilustração de conceitos será usado um modelo

de 14 bits (expoente de 5 bits; significando de 8 bits)
62
• o significando de um número é sempre precedido

por um ponto binário implícito
➢
o significando representa sempre um valor
binário fracionário (i.e., menor que 1)
• o expoente indica a potência de 2 que deve ser
multiplicada pelo significando
63
• exemplo: representar 321 0 no modelo de 14 bits

– para tal, fazer flutuar a vírgula/ponto o necessário,
até que o significando seja fracionário (i.e., < 1)
– em notação científica binária tem-se 3210 =
1000002 x 20 = 10000.02 x 21= … = 10.00002 x 24
= 1.000002 x 25 = 0.1000002 x 26 = 0.12 x 26
– usando esta informação, coloca-se 110 (= 610) no
campo do expoente e 1 no campo do significando
64
- Normalização
• problema: são possíveis

várias representações 0.1 x 26
para o mesmo número

– desperdício de espaço 0.01 x 27
e fonte de confusão
0.001 x 28
• exemplo: as ilustrações à
direita são todas represen- 0.0001 x 29
tações válidas do valor 32
65
- Normalização
• solução: normalização - o problema das represen-
tações sinónimas resolve-se estabelecendo a regra
de que o 1º dígito do significando tem que ser 1,
resultando daí um padrão único para cada valor
6
– portanto, para o exemplo anterior, tem-se 321 0 = 0.12x2
– na norma IEEE-754, este 1 é assumido implicitamente a
seguir ao ponto binário, dispensando-se a sua representação
• essa assumpção permite maior precisão da representação
no modelo de 14 bits não serão usados bits implícitos
66
- Notação em Excesso
• problema: como representar expoentes negativos ?
(e.g., como representar 0.062510 = 0.0001 = 0.12 x 2 -3 ?)
• solução1: no expoente, reservar um bit para o sinal

– mas há outra solução, mais eficiente em hardware
• solução2: notação em excesso

– os expoentes são guardados como números >=0
– para obter o verdadeiro valor de um expoente, é
necessário subtrair-lhe um deslocamento (bias)
67
• solução2: notação em excesso (cont.)

– o deslocamento (bias) é um número que se encontra
aproximadamente a meio da gama de números que
seria usada para representar expoentes positivos
– números menores que o deslocamento representam
expoentes negativos, usados p/ números fracionários
no modelo de 14 bits (5 para o expoente) será usado um

deslocamento de 16 (representação em excesso-16):
- com 5 bits, o expoente pode ir de 0 até 31
- mais ou menos a meio dessa gama encontra-se o 16
68
• exemplo1: representar 3210 (que é 25) no

modelo simplificado de 14 bits em excesso-16
– em not. científica binária normalizada 3210 = 0.12x26
– significando = 100000002 (com 8 bits)
– expoente = 6 + 16 = 221 0 = 101102 (com 5 bits)
– graficamente:
69
• exemplo2: representar 0.062510 (que é 2-4) no

modelo simplificado de 14 bits em excesso-16
– em not. científica binária normalizada tem-se
0.062510 = 0.00012 x 20 =…= 0.012 x 2-2 = 0.12 x 2 -3

– expoente = -3 + 16 = 1310 = 011012 (com 5 bits)
– graficamente:
70
• exemplo3: representar -26.62510 no modelo

simplificado de 14 bits em excesso-16
– sabendo-se que 26.62510 = 11010.1012, após a
normalização tem-se 26.62510 = 0.110101012 x 2 5
– expoente = 5 + 16 = 2110 = 101012 (com 5 bits)
– como -26.625 < 0, coloca-se a 1 o bit do sinal
– graficamente:
71
• norma IEEE-754 para vírgula flutuante

– precisão simples (8 bits para expoente)
• usa um deslocamento de 127 (=2 7-1)
• o expoente 255 traduz valores especiais
– se o significando for 0, o valor será  infinito
– se o significando for diferente de 0, o valor será NaN
(“not a number”), usado normalmente para indicar erros
– precisão dupla (11 bits para expoente)

• usa um deslocamento de 1023 (=2 10-1)
• o valor especial do expoente é 2047
72
• representação do valor zero
– quer o nosso modelo de 14 bits, quer a norma IEEE- -

754 permitem duas representações para o valor 0
• zeros no expoente e no significando, e 0 ou 1 no sinal
– logo, os programadores devem evitar comparações

(de valores em vírgula flutuante) com o valor 0
• o zero negativo é diferente do zero positivo !
73
- Aritmética em Vírgula Flutuante
• a adição e a subtração em vírgula flutuante usam

métodos análogos aos dos humanos
• inicialmente, expressam-se os dois operandos com o
mesmo expoente; se for necessário, desnormaliza-se
um dos operandos (o de menor valor absoluto)
• mantendo o expoente, adicionam-se os significandos
• se a soma dos significandos gerar transporte (1) na
coluna do bit mais significativo, o transporte entra
pela esquerda no significando (que perde o bit menos
significativo) e o expoente é somado uma unidade
74
• exemplo (s/ transporte): somar 121 0 com 1.251 0 expressando
as parcelas no modelo simplificado de 14 bits em excesso-16
– 121 0 = 0.11002 x 2 4
– 1.251 0 = 0.1012 x 2 1 = 0.0001012 x 2 4
– expoente = 4 + 16 =
20 = 101002
– a soma será
0.1101012 x 2 4
75
• exemplo (c/ transporte): somar 0.51 0 a si próprio expressando
as parcelas no modelo simplificado de 14 bits em excesso-16
– 0.51 0 = 0.12 x 2 0
– expoente = 0 + 16 = 16 = 100002
– soma: 10
| 0 | 10000 | 10000000 |
+ | 0 | 10000 | 10000000 |
| 0 | 10000 | 00000000 |
– acerto: +1 | 10000000 | 0
| 0 | 10001 | 10000000 | =
0.12 x 2 17-16 = 0.12 x 2 1 = 1.02 x 2 0 = 110 76
- Erros de Representação
• independentemente do número de bits usado na
representação em vírgula flutuante, o modelo em
causa tem uma capacidade finita de representação
• o universo de números reais é infinito; portanto,
qualquer modelo de representação oferecerá
apenas aproximações dos valores reais
• em algum ponto, todos os modelos acabam por
falhar introduzindo erros nos cálculos
• aumentando o número de bits do modelo, reduzem-
se esses erros, mas nunca se eliminam por completo
77
• o objetivo é reduzir os erros ou, pelo menos, ter
alguma ideia da magnitude dos erros nos cálculos
• exemplo:
– no modelo de 14 bits, não é possível representar
com exatidão o valor decimal 128.5, pois seriam
necessários 9 bits no significando: 128.51 0 = 10000000.12
– quando se tenta representar 128.51 0 no modelo de 14
bits, perde-se o bit menos significativo e produz-se
um erro relativo de (128.5 -128) / 128.5 = 0.39%
• é ainda necessário levar em conta que os erros se
podem acumular ao longo de repetidas operações
78
• exemplo: se, repetidamente, se adicionasse 0.5 a
128.5, haveria um erro de 2% ao fim de 4 iterações
– [(128.5+0.5+0.5+0.5+0.5)-(128)] / 130.5 = 1.9%
• os erros podem ser minimizados quando se usam
operandos com magnitudes similares ou próximas:
– para adicionar repetidamente 0.5 a 128.5, será melhor
adicionar 0.5 a si próprio e adicionar o resultado a 128.5
– 0.5+0.5+0.5+0.5=2; 2 + 128.5 = 130 (perde-se 0.5,
logo o erro relativo seria (130.5 – 130)/130.5 = 0.38%)
• nestes exemplos, o erro surge pela perda do bit (-)
significativo; a perda do (+) significativo seria pior !
79
• Devido à truncagem de bits, nem sempre se pode

assumir que uma operação em vírgula flutuante é
comutativa ou distributiva, ou seja, que
(a + b) + c = a + (b + c)
a*(b + c) = ab + ac
• Para testar se um valor em virgula flutuante é igual a
outro, pode-se usar um grau de aproximação epsilon:
if (abs(x)-abs(y)) < epsilon) then ...
80
• o overflow e o underflow em vírgula flutuante podem
levar os programas a terminar abruptamente
• ocorre overflow quando não há espaço para guardar
os bits + significativos que resultam de um cálculo
• ocorre underflow quando um número é demasiado
pequeno para ser armazenado; uma situação deste
tipo pode resultar numa tentativa de divisão por zero
Reflexão: é melhor que um

checkpoint:
programa termine abrupta-
mente, ou que produza exercícios 2.18, 2.20, 2.*1
resultados incorretos ?
81
2.6 Códigos de Caracteres
• os valores numéricos codificados em binário

terão pouco utilidade se não forem apresen-
tados de forma percetível aos utilizadores
• assim, os “caracteres compreendidos pelos
humanos” têm de ser convertidos para “padrões
de bits compreendidos pelos computadores”
usando esquemas de codificação de caracteres
• o ASCII (American Standard Code for Information
Interchange), de 7 bits, e o Unicode, de 16 bits,
são os códigos de caracteres mais usados atual/
82
- ASCII
• 32 caracteres de controlo (NUL, SOH, ...), 10 dígitos (0-9),

52 letras (a-zA-Z), 32 caracteres especiais ($, #, ...), espaço
• 8º bit usável como bit de paridade para deteção de erros (pouco
usado hoje em dia), ou para codificar caracteres especiais (ç,ã,...)
83
- Bit(s) de Paridade
• a forma mais básica de deteção de erros
• bit de paridade par (even parity):
– 1 se (“número de 1s do conjunto” + 1) for par
• bit de paridade ímpar (odd parity):
– 1 se (“número de 1s do conjunto” + 1) for ímpar
8 bits (incluindo bit de paridade)
7 bits de dados
(número de 1s) paridade
paridade PAR
ÍMPAR
0000000 (0) 0 0000000 1 0000000
1010001 (3) 1 1010001 0 1010001
1101001 (4) 0 1101001 1 1101001
1111111 (7) 1 1111111 0 1111111
84
- Unicode
• o código ASCII assenta no alfabeto latino, usado
por uma minoria da população mundial ...
• muitos dos sistemas atuais optaram pelo Unicode,
um sistema de 16 bits que permite codificar os
caracteres de qualquer linguagem
– a linguagem Java e alguns sistemas operativos usam
o Unicode como código de caracteres por omissão
• o espaço de codificação do Unicode divide-se em
6 partes; a primeira parte destina-se aos alfabetos
ocidentais, incluindo Latino, Grego e Cirílico
85
- Unicode
• apresenta-se à direita
o espaço de codifica-
ção Unicode →
– os caracteres Unicode
de numeração + baixa
incluem o código ASCII
– os de numeração + alta
permitem a definição de
códigos próprios
checkpoint:
exercícios 2.24 a 2.26
86
Conclusões
• os computadores armazenam dados na forma de
bits, bytes e palavras, usando o sistema binário
• números em hexadecimal são formados usando
grupos de 4 bits
• os inteiros com sinal podem ser armazenados
em sinal e magnitude, complemento para um,
e complemento para dois
• os números em vírgula flutuante são codificados
segundo a norma IEEE 754
• os caracteres são armazenados usando ASCII,
EBCDIC ou Unicode
87
Referências
• livro ECOA – Capítulo 2
• http://en.wikipedia.org/wiki/Binary_numeral_system
• http://en.wikipedia.org/wiki/Octal
• http://en.wikipedia.org/wiki/Hexadecimal
• http://en.wikipedia.org/wiki/Signed_number_representations
• http://en.wikipedia.org/wiki/One%27s_complement
• http://en.wikipedia.org/wiki/Two%27s_complement
• http://en.wikipedia.org/wiki/Floating-point_arithmetic
• http://en.wikipedia.org/wiki/IEEE_754-2008
• http://en.wikipedia.org/wiki/Unicode
• http://en.wikipedia.org/wiki/Ascii
• http://en.wikipedia.org/wiki/Binary-coded_decimal
• http://en.wikipedia.org/wiki/Ebcdic 88
Referências
• http://en.wikipedia.org/wiki/Unicode
• http://en.wikipedia.org/wiki/Ascii
• http://en.wikipedia.org/wiki/Binary-coded_decimal
• http://en.wikipedia.org/wiki/Ebcdic
89

ACSO Cap2 Conceitos 2020 2021 v2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ACSO Cap2 Conceitos 2020 2021 v2

Enviado por

Direitos autorais:

Formatos disponíveis

Arquitetura

• entender os fundamentos da representação e

• bit: unidade de informação básica num computador

• byte: grupo de 8 bits (IBM System/360, 1964)

• palavra (word): grupo contíguo de bytes

• um número é uma sequência de algarismos/dígitos (tb

• a base define o conjunto (alfabeto) de dígitos admissíveis

• os Sistemas de Numeração Posicionais são também

• a utilização da base como índice permite distinguir

• 5836.471 0 como soma de produtos (de coeficientes

• 11001.11 2 como soma de produtos (de coeficientes

• para já, consideramos apenas inteiros não-negativos

– método da divisão com resto

• é um método mais mecânico (e mais rápido)

– sucessivas divisões pelo valor da base equivalem a

– os restos obtidos durante o processo de divisão

• tomando como referência o exemplo anterior, a

• até aqui, estudou-se a conversão de inteiros

• valores decimais fracionários têm dígitos à direita

• à direita do ponto da base, os dígitos são coefici-

• tal como para valores inteiros, existem dois métodos

– o primeiro dígito do número

– ignorando-se o valor das

– o processo termina quando o

– o resultado da conversão, lido

• o sistema de numeração binário (base 2) é o +

– os números binários são a base da representação

– o conhecimento do sistema binário é essencial à

• no entanto, é difícil ler sequências longas de bits;

• por razões de dimensão e facilidade de leitura,

• para converter de binário para hexadecimal, basta

[ um grupo de 4 dígitos binários é designado por hextet ]

• para converter de binário para octal, é suficiente

[ um grupo de 3 dígitos binários é designado por octet ]

• usando grupos de 4 bits, a representação hexade-

• valores em octal (base 8) são derivados dos

n 2^n 3^n 4^n 5^n 6^n 7^n 8^n 9^n

• para número inteiros binários sem sinal (i.e., >=0)

– para N=7 bits

– se a soma de uma coluna é

– numa coluna, se subtraendo >

• até agora, apenas consideramos números >=0

• bits à direita do bit de sinal: correspondem à repre-

• generalização: para inteiros de N bits, o negativo de

• usando a aritmética de sinal e

– converter 75 e 46 para a base

– tal como na aritmética decimal,

• usando a aritmética de sinal e

– no segundo bit, como 1+1=10,

– para o terceiro e quarto bits

• usando a aritmética de sinal e

– a operação termina depois de

Note-se que na aritmética de sinal e magnitude

Neste exemplo, os valores foram escolhidos de

• usando a aritmética de sinal e

– sobra o bit que deveria ser

– obtém-se assim um valor

• usando a aritmética de sinal e

– os sinais são iguais: é apenas

• usando a aritmética de sinal e

– os sinais são diferentes 0 0101110

• a representação em “sinal e magnitude” é simples

• outra desvantagem dessa representação é o facto