Corso di Laurea Professionalizzante in Ingegneria Meccatronica

Fondamenti di Programmazione

Rappresentazione e Codifica
dell’Informazione
capitolo 1 del testo:
“Le radici dell’informatica” – Chianese Moscato Picariello Sansone
Il concetto di Informazione
• Informazione
– …. deriva da informare, ossia dare forma
– … fa riferimento ad un concetto astratto che può coincidere
con qualunque notizia o racconto

• L'informazione è qualcosa che viene comunicato in una

qualsiasi forma, scritta o orale
• ... è associata al concetto di incertezza
– ricevere un’informazione fa diminuire l’incertezza
riguardo un insieme di possibilità (eventi, decisioni)
Rappresentazione dell’Informazione

• Perché persone (o macchine) possano utilizzare

un’informazione essa deve essere appropriatamente
“rappresentata”
–La lingua parlata permette di comunicare (trasmettere
informazioni) tramite i suoni
–La scrittura ha permesso la conservazione (trasmissione nel
tempo) di conoscenze, eventi, o semplici informazioni
pratiche
 Rappresentazione Analogica e Discreta
• Rappresentazione Analogica
– Le proprietà del fenomeno rappresentato sono omomorfe alla
forma della rappresentazione
– La rappresentazione varia in analogia con la grandezza reale
• una grandezza è rappresentata in modo continuo e la gran parte delle
grandezze fisiche della realtà sono di tipo continuo

• Rappresentazione Discreta
– Utilizza un insieme finito di rappresentazioni distinte che vengono
messe in relazione con alcuni elementi dell’universo da
rappresentare
–è un’approssimazione di quella analogica
Codifica
• Un’informazione per essere elaborata deve essere
codificata in una rappresentazione comprensibile
all’interlocutore
–La codifica è l’insieme di convenzioni e di regole da adottare per
trasformare un’informazione in una sua rappresentazione
• La stessa informazione può essere codificata in modi diversi
(rappresentazioni diverse) a seconda del contesto
Esempi:
cifre arabe:1 numerazione romana: I numerazione cinese:

UP 向上 ALTO
Codici
• Un codice è un sistema di simboli che permette la rappresentazione
dell’informazione ed è definito dai seguenti elementi
–I simboli che sono gli elementi atomici della rappresentazione
–L’alfabeto che rappresenta l’insieme dei simboli possibili:
con cardinalità (n) del codice si indica il numero di elementi dell’alfabeto
–Le parole codice o stringhe che rappresentano sequenze possibili (ammissibili)
di simboli: per lunghezza ( l ) delle stringhe si intende poi il numero di simboli
dell’alfabeto da cui ciascuna parola codice risulta composta
–il linguaggio che definisce le regole per costruire parole codici che abbiano
significato per l’utilizzatore del codice
Parole Codice
• Siano
–V= {v1 , v2 , ... , vm } l’insieme degli m valori diversi di una data informazione
–A = {s1 , s2 , ... , sn } un alfabeto composto da n simboli distinti
• Si considerino diverse lunghezze delle parole codice
–con l = 1 si hanno tante parole codice diverse (n1)
quanti sono i simboli dell’alfabeto
–con l = 2 si hanno tante parole codice diverse quante sono le
combinazioni con ripetizione degli n simboli nelle due posizioni, ossia n2
–con l = 3 si hanno n3 parole codice diverse
• In generale il numero di parole codice differenti è uguale a nl
Esempio
• Considerato l’alfabeto A = {-,.}
del codice Morse (ha cardinalità
n=2 ),
al variare della lunghezza l
cambia il numero di parole codice
a disposizione (e quindi dei valori
che si possono rappresentare)
Corrispondenza parola codice - valore
• La codifica è tale che
–ad ogni vi corrisponde almeno una sequenza s1i s2i ...sni
–a ciascuna parola codice s1i s2i ...sni corrisponde uno ed un solo vi

• allora la lunghezza l deve essere scelta in modo che:

nl > m
Ridondanza
• Nel caso di nl > m, non tutte le configurazioni possibili
(parole codice) vengono utilizzate per la rappresentazione

Attenzione!
In alcuni contesti, “ridondanza” per un codice ha una definizione più
stringente (ed è una proprietà utile, non è indice di inefficienza).
Codifica a Lunghezza fissa e variabile
• Codifica a lunghezza fissa
–tutte le parole codice hanno sempre la stessa lunghezza,
fissata da particolari esigenze applicative
• I calcolatori adottano codifiche a lunghezza fissata e definita

• Codifica a lunghezza variabile

–Non tutte le parole codice hanno la stessa lunghezza
• Introducono vantaggi nella trasmissione e conservazione dell’informazione
• La scrittura è un caso di codifica a lunghezza variabile
Rappresentazione Digitale Binaria
• Ai fini informatici assume particolare interesse
la rappresentazione digitale binaria
–basata su un alfabeto costituito da due soli simboli distinti, che assumono
convenzionalmente la forma di “0” e “1”
–Tali due simboli rappresentano le unità minime di rappresentazione e
memorizzazione digitale e vengono denominate bit da “binary digit”

NOTA: Solitamente si indica con digitale la rappresentazione basata sui bit,

anche se essa teoricamente può implicare un qualsiasi tipo di cifre.
L’uso ha portato ad un’estensione del significato del termine e digitale assume il
significato di informazione codificata in contrapposizione con analogico che
invece descrive la realtà nelle sue infinite forme e varietà.
Vantaggi della rappresentazione Binaria
• La rappresentazione digitale semplifica la memorizzazione (e
l’elaborazione) delle informazioni e rende i sistemi digitali meno
soggetti ai disturbi elettrici rispetto ai sistemi analogici
–I supporti di memorizzazione delle informazioni, i registri di memoria,
vengono realizzati con componenti elementari semplici detti flip-flop, che
operano in due soli stati possibili
–per questo la rappresentazione delle informazioni all’interno
dell’elaboratore si basa sull’alfabeto binario {0,1}
Il codice binario
• Utilizza un alfabeto A = {0,1} con n=2
–Le informazioni numeriche vengono quindi rappresentate
mediante stringhe di bit di lunghezza l che producono 2l
configurazioni (parole codice) diverse
–Viceversa se si devono rappresentare K informazioni diverse
occorrono log2K bit per associare ad esse codici diversi
Byte e Words
• Per ragioni legate alla costruzione dei moderni calcolatori, è d'uso fare riferimento
a stringhe con l uguale ad 8 che vengono dette byte
• Sequenze di bit più lunghe di un byte sono invece denominate word, la loro
lunghezza dipende dalle caratteristiche del sistema, ma è sempre un multiplo del
byte: 16, 32, 64 o 128 bit
Come funziona nei moderni calcolatori
• Con otto bit si rappresentano solo 28 (256) valori diversi
• Nel caso in cui un solo byte non fosse sufficiente per rappresentare i K valori
dell’informazione, allora si individua il numero b di byte tale che
2 (b*8) > K
• In altri termini, la codifica è a lunghezza fissa ed adotta parole codice con una
lunghezza che ha valori multipli di 8
Corso di Laurea Professionalizzante in Ingegneria Meccatronica
Fondamenti di Programmazione

Rappresentazione e Codifica dell’Informazione

Sistemi di numerazione
capitolo 1 del testo:
“Le radici dell’informatica” – Chianese Moscato Picariello Sansone
Precisione Finita
• L’adozione di stringhe a lunghezza finita e definita implica
che i numeri gestiti siano a precisione finita
–ossia siano quelli rappresentati con un numero finito di cifre, o
più semplicemente definiti all’interno di un prefissato intervallo
di estremi [min,max] determinati
–... e la più piccola differenza tra due valori consecutivi è fissata
Overflow
• Nei sistemi di calcolo con numeri a precisione finita, le
operazioni possono causare errori quando il risultato non
appartiene all’insieme dei valori rappresentabili
–Si chiama overflow la condizione che si verifica quando il risultato
dell’operazione è maggiore del più grande valore rappresentabile
(max) o minore del più piccolo (min)
–Un altro caso notevole si verifica quando il risultato dell’operazione
non è compreso nell’insieme dei valori rappresentabili, pur non
essendo né troppo grande né troppo piccolo
Esempio
• Calcolatrice dotata di sole tre cifre, con intervallo di
definizione formato da numeri interi compresi
nell’intervallo [-999,+999]
Algebra con precisione finita
• Anche l’algebra dei numeri a precisione finita è diversa da quella
convenzionale poiché alcune delle proprietà
–proprietà associativa: a + (b - c) = (a + b) – c
–proprietà distributiva: a × (b - c) = a × b – a × c
• non sempre vengono rispettate, in base all’ordine con cui le operazioni
vengono eseguite
Sistemi Periodici
• L’algebra dei numeri a precisione finita deve essere gestita
applicando i criteri di periodicità
• Per la periodicità, i valori esterni all’intervallo di definizione
vengono ricondotti ad esso prendendo il resto della divisione
dei valori per il periodo
Calcolatrice per Sistemi di Numerazione finiti
Sistema (di numerazione) Binario
● Ha una importanza capitale in informatica
○ consente di rappresentare numeri mediante la combinazione di due
soli simboli, ovvero di codificare i numeri direttamente in bit
● All’interno dei calcolatori viene adottata un’algebra dei numeri a
precisione finita con un intervallo di definizione che dipende dal
numero di byte associato alla rappresentazione
LSB e MSB
● In un byte, il bit più a destra è quello meno significativo
○ (posizione o peso 0, detto anche LSB da Least Significant Bit)
● mentre quello più a sinistra è quello più significativo
○ (posizione o peso 7, detto anche MSB da Most Significant Bit)
● Poiché un byte può rappresentare 28 valori diversi, si possono, ad
esempio con 8 bit gestire i seguenti intervalli di numeri interi
○ [0, 255] (in binario [00000000,11111111])
○ [-127, 128] (in binario [11111111,01111111])
● entrambi costituiti da 256 numeri
Sistemi di Numerazione
● Un sistema di numerazione può essere visto come un insieme di
simboli (cifre) e regole che assegnano ad ogni sequenza di cifre uno ed
un solo valore numerico
● I sistemi di numerazioni vengono di solito classificati in sistemi
posizionali e non posizionali
○ Posizionali: ogni cifra della sequenza ha un’importanza variabile a seconda
della relativa posizione
■ nel sistema decimale la prima cifra a destra indica l’unità, la seconda le centinaia,
etc.
○ Non posizionali: ogni cifra esprime una quantità non dipendente dalla
posizione
■ nel sistema romano il simbolo “L” esprime la quantità 50 indipendentemente dalla
posizione
 Numerazione posizionale pesata
N= ci × bi + ci - 1 × bi - 1 + ci - 2 × bi - 2 + ………+ c2 × b2 + c1 × b1 + c0 × b0 + c-1 × b-1 + c-2 × b-2 + ……
Nel caso dei numeri interi scompaiono le potenze negative della base e la formula diventa
N=ci × bi + ci - 1 × bi - 1 + ci - 2 × bi - 2 + ………+ c2 × b2 + c1 × b1 + c0 × b0
• Un sistema di numerazione posizionale è quindi definito dalla base (o radice) utilizzata per la
rappresentazione
• In un sistema posizionale in base b servono b simboli per rappresentare i diversi valori delle cifre
compresi tra 0 e (b-1)
Proprietà delle Rappresentazioni
• Nel passaggio da una base all’altra alcune proprietà dei numeri si perdono
–Ad esempio un risultato di una divisione può essere periodico nella base dieci ma non è detto
che lo sia in un’altra base
• Conversione nella base 10 da qualsiasi base b, calcolando la sommatoria dei
prodotti delle cifre per i pesi

Ad esempio
• (101111)2 = 1 × 25 + 0 × 24 + 1 × 23 + 1 × 22 + 1 × 21 + 1 × 20 = 32 + 8 + 4 + 2 +1 =
• (142)5 = 1 × 52 + 4 × 51 + 2 × 50 = 25 +20 +2 =
• (47)10 = 4 × 101 + 7 × 100

NOTA: L'impiego nella base 2 di un minor numero simboli rispetto al sistema decimale (2 contro
10) implica che lo stesso valore abbia una rappresentazione più lunga in notazione binaria che
non in quella decimale
 Conversione decimale - binario
Dato un valore d decimale, nel caso di b=2

dpi = ci × 2i + ci-1 × 2i-1 +………+ c2 × 22 + c1 × 21 + c0 × 20

dpf = c-1 × b-1 + c-2 × b-2 + ……
con: d = dpi + dpf

se si divide la parte intera per 2

dpi /2 = ci × 2i-1 + ci-1 × 2i-2 +………+ c2 × 21 + c1 × 20 + c0 × 2-1
con c0 resto della divisione

Se ora si divide la parte intera ottenuta precedentemente (dpi1 )ancora per la base 2
dpi1 /2 = ci × 2i-2 + ci-1 × 2i-3 +………+ c2 × 20 + c1 × 2-1 , con c1 resto della divisione

Il procedimento deve essere ripetuto fino a quando si ottiene un quoziente uguale a 0

Procedimento
 Conversione per numeri frazionari
• Per la conversione della parte frazionaria si procede al contrario moltiplicando per 2
dpf × 2 = c-1 × b0 + c-2 × b-1 + ……
dpf1 = c-2 × b-1 + ……
per spostare c-1 a sinistra della virgola che diventa parte intera
• Si continua a moltiplicare per 2 solo la parte frazionaria fino a quando non si verifica una
delle seguenti condizioni
la parte frazionaria dpfi-esima non si annulla;
la parte frazionaria dpfi-esima si ripete con periodicità
• Ci si accontenta di una rappresentazione approssimata con un numero di bit inferiore a
quello che andrebbero calcolati per raggiungere una delle condizioni precedenti
–solo la prima condizione garantisce una conversione senza approssimazione
Procedimento
 Ottale ed Esadecimale
• Per rappresentare dieci cifre occorrono
log210 bit (≅ 3,3 bit), solitamente la stringa
di cifre in bit è circa 3 volte più lunga di
quella decimale

(1001101)2 =
=1 × 26 + 0 × 25 + 0 × 24 + 1 × 23 + 1 × 22 + 0 × 21 + 1 × 20 =
= 64 + 0 + 0 + 8 + 4 + 0 + 1 = (77)10
• Per evitare l’uso di stringhe troppo lunghe e di difficile
lettura, sono molto usati il sistema ottale ed esadecimale
Esempi d’uso della notazione ottale
• Rappresentazione sintetica dei permessi di file in UNIX
Esempi d’uso della notazione esadecimale
• Rappresentazione RGB dei colori • Indirizzi fisici delle schede di rete
○ HTML, programmi di grafica...

• Letture di misure da sensori, indirizzi di memoria

 Relazione tra numeri in basi potenze di due
● La trasformazione di una rappresentazione da binaria in ottale è molto
semplice: una cifra in ottale è rappresentabile esattamente con tre cifre
binarie, il cui valore è uguale proprio alla cifra rappresentata.
a. raggruppare le cifre binarie in gruppi di tre a partire dalla posizione di peso minore
b. sostituire alle cifre binarie il valore corrispondente decimale (max=7, ok!)

● La conversione ottale-binaria è ugualmente semplice: ogni cifra ottale viene

“esplosa” esattamente nelle tre cifre binarie che la rappresentano
(attenzione agli zeri)

● La rappresentazione esadecimale è ancora più compatta: il processo è

equivalente a quello binario-ottale ma le cifre binarie devono essere
raggruppate in gruppi di 4
Binario-Ottale
Binario-Esadecimale
Ottale-Esadecimale
Corso di Laurea Professionalizzante in Ingegneria Meccatronica
Fondamenti di Programmazione

Rappresentazione e Codifica dell’Informazione

Operazioni su numeri binari: interi con segno
capitolo 1 del testo:
“Le radici dell’informatica” – Chianese Moscato Picariello Sansone
Operazioni sui numeri binari
• Si definiscono la tavola dell’addizione e la tabellina del
prodotto per le cifre binarie
Esempi
 Rappresentazione numeri negativi in segno e
modulo
● Segno e Modulo
○ Poiché il segno assume due soli valori
(“+” oppure “–“), allora lo si può codificare
con un singolo bit utilizzando il bit più
significativo per indicarlo
■ ad esempio, “0” per indicare un valore positivo
ed “1” per indicarne uno negativo
○ Con N bit, N – 1 di essi vengono attribuiti
alla rappresentazione del valore assoluto
del numero, e il bit più a sinistra (MSB) alla
rappresentazione del segno
Rappresentazione in segno e modulo
● Consente di codificare tutti i numeri relativi appartenenti all’intervallo
● [-2l - 1+ 1, 2l - 1 - 1]
● con 2l - 1 valori positivi e altrettanti negativi: per un totale di 2l valori diversi
○ Ad esempio, Per l =8 sono rappresentabili tutti i numeri relativi
appartenenti all’intervallo [-127,127]
● Problemi del segno e modulo
○ Sono presenti due configurazioni dello zero, lo “0” positivo (00000000) e
lo “0” negativo (10000000) → le operazioni di somma e sottrazione
devono essere corrette nell’attraversamento dello zero
○ Richiede un algoritmo complesso per effettuare somma e sottrazione in
presenza delle diverse combinazioni dei segni degli operandi
Complemento a due
• Le configurazioni che hanno il bit più significativo uguale a zero, cioè
quelle comprese nell’intervallo [0, 2l - 1- 1], rappresentano se stesse
(numeri positivi)
• Le configurazioni col bit più significativo uguale a uno, cioè quelle
rientranti nell’intervallo [2l - 1,2l - 1], rappresentano i numeri negativi
che si ottengono traslando a sinistra l’intervallo di 2l, cioè l’intervallo [-
2l - 1,-1]
Complemento a due (caso 4 bit)
 Come si calcola
• Il complemento a due x” di un valore negativo x si calcola
sottraendo il valore assoluto di x da 2l
x” = 2l – |x|
• Se si definisce il complemento alla base b di una cifra c come
c’ = b -1 - c
allora il complemento a 2 del valore si ottiene
complementando alla base tutte le cifre del valore assoluto del
numero x e sommando poi 1 al valore ottenuto
Esempio: N= 00110101
Complemento alla base delle cifre=
11001010+
00000001=
11001011
Osservazioni
● Nella rappresentazione per complemento a 2, i valori
rappresentati sono compresi nell’intervallo [-2l - 1, 2l - 1 - 1] sono
sempre 2l
○ [ 0 , 2l - 1-1 ] per i valori positivi
○ [-2l - 1 , -1 ] per i valori negativi
● L’intervallo non è simmetrico
○ 2l - 1 valore assoluto del minimo
○ 2l - 1-1 valore del massimo
● Esiste una sola rappresentazione dello zero
Esempi
● Con 8 bit, ad esempio, si rappresentano i numeri naturali
nell’intervallo [0, 28-1], cioè [0, 255], oppure i numeri relativi
nell’intervallo [-27, 27-1], cioè [-128, 127]
● Con 16 bit (2 byte) si rappresentano i numeri naturali
nell’intervallo [0,216-1], cioè [0,65535], oppure i numeri
relativi nell’intervallo [-215, 215-1], cioè [-32768, 32767]
Numeri Negativi: complemento a 2
• Se si ha una sequenza di l bit che rappresenta un numero intero con
segno, con i numeri negativi rappresentati in complemento a 2, allora,
per ottenere il numero rappresentato, si procede nel seguente modo
• Si esamina il bit più significativo
–Se esso è zero, il numero rappresentato è non negativo e lo si calcola con la
normale conversione binario-decimale
–Se invece è uno, allora si tratta di un numero negativo, per cui, per ottenerne
il valore assoluto, si complementano tutti i bit e si somma 1 al risultato
 Interpretazione del complemento a due

• Dati l bit, con la prima posizione che parte da zero, si ha che il

peso della cifra più significativa cl -1 è -2l - 1
cl - 1 ×(-2l - 1) + cl - 2 ×(2l - 2) + ………+ c1 × 21 + c0 × 20
Complemento diminuito
• Il complemento a uno (x’) del numero x si differenzia dal complemento a
2 (x”) dello stesso numero per una unità
x’ = x” – 1
• Il complemento a 1 di un numero si ottiene semplicemente
complementando tutte le cifre del numero
• E’ stato usato in alcuni calcolatori, ma è stato abbandonato perché
–nonostante la determinazione dei numeri negativi sia semplice, ha una doppia
rappresentazione dello zero che complica le operazioni di somma e sottrazione
Rappresentazione per eccessi
• I numeri negativi si determinano come somma
degli stessi con 2l -1 dove l è il numero di bit utilizzati
• Il sistema è identico al complemento a due con il bit di segno
invertito
–In pratica i numeri compresi in [-2l - 1, 2l - 1-1] sono mappati tra [0, 2 l -1]
–In tale rappresentazione, il numero binario che rappresenta 2l -1 sarà
associato allo zero, mentre i valori minori di 2l - 1 ai numeri negativi e quelli
maggiori a quelli positivi
• Nel caso di n = 8 i numeri appartenenti a [–128, 127] sono mappati nell’intervallo [0, 255]
(con i numeri da 0 a 127 considerati negativi, il valore 128 corrisponde allo 0 e quelli
maggiori di 128 sono positivi)
Confronto (su 4 bit)
Confronto (su 8 bit)
Quali si usano?
• Le rappresentazioni in complemento a due ed
eccesso sono le più efficienti per svolgere operazioni
in aritmetica binaria poiché permettono di trattare
la sottrazione tra numeri come una somma tra
numeri di segno opposto
(X - Y) = (X + (-Y))
• È così possibile costruire dei circuiti che
fanno solo addizioni
–Si noti che tale proprietà ha validità solo nel caso di
rappresentazioni finite dei numeri
Corso di Laurea Professionalizzante in Ingegneria Meccatronica
Fondamenti di Programmazione

Rappresentazione e Codifica dell’Informazione

Numeri reali
capitolo 1 del testo:
“Le radici dell’informatica” – Chianese Moscato Picariello Sansone
 Numeri Reali
• I numeri reali vengono rappresentati in binario attraverso la seguente
notazione scientifica: r=mbe, con
–m numero frazionario detto mantissa,
–la base b numero naturale prefissato,
–ed e numero intero chiamato esponente o caratteristica

• L'esponente determina l’ampiezza dell'intervallo di valori preso in considerazione,

mentre il numero di cifre della mantissa determina la precisione del numero,
ossia con quante cifre significative sarà rappresentato
Notazione Scientifica

• Vantaggi
–indipendenza dalla posizione della virgola “floating point”
–possibilità di trascurare tutti gli zeri che precedono la prima cifra
significativa con la normalizzazione della mantissa
–possibilità di rappresentare con poche cifre numeri molto grandi
oppure estremamente piccoli
Rappresentazione finita e discreta dei numeri reali
• In un intervallo reale, comunque piccolo, esistono
infiniti valori (i numeri reali formano un continuo)
• I valori rappresentabili in binario appartengono
invece ad un sottoinsieme che contiene un numero
finito di valori reali ognuno dei quali rappresenta
un intervallo del continuo
• In altri termini, diviso l'insieme dei numeri reali in
intervalli di fissata dimensione, si ha che ogni x
appartenente all'intervallo [Xi, Xi+1[ viene
sostituito con Xi
Effetti delle Approssimazioni
• Il CALCOLO NUMERICO si pone come obiettivo la ricerca di algoritmi appropriati per la
soluzione di problemi matematici che fanno largo uso dei numeri reali
–un qualsiasi calcolo numerico sarebbe privo di senso, qualora non si avesse un'idea del tipo e
dell'entità degli errori che si possono commettere
• I numeri reali rappresentabili in binario godono della seguente proprietà

–dove ε rappresenta l'errore che si commette sostituendo x con X, e

• X = Xi se si approssima per difetto
• X = Xi+1 se si approssima per eccesso
–Il valore ε dipende dalla rappresentazione finita (numero finito di cifre) utilizzata per i numeri reali
Esempio errori di arrotondamento

• Per un’aritmetica a quattro cifre decimali con un errore massimo sull’ultima

cifra di 0.5 (0.5 * 10-4)
• In generale se -m è il peso della cifra meno significativa, l’errore massimo che
si commette è
 Rappresentazione Normalizzata
• La rappresentazione in virgola mobile, fissata la base, consente di esprimere lo
stesso valore con infinite coppie (mantissa, esponente)
–ad esempio: 48 × 102 è uguale a 4800 × 100, ma anche a 4,8 × 103
• È allora possibile scegliere, tra le infinite coppie quella che preserva il maggior
numero di cifre significative con la normalizzazione della mantissa
–Per esempio, per i numeri minori di uno quando la cifra più a sinistra è uno zero, si
traslano (shift) verso sinistra le cifre diverse da zero (significative) decrementando
l'esponente di tante cifre quante sono le posizioni scalate: in questo modo si ottiene
un’altra coppia distinta, ma avente il medesimo valore del precedente
■ ad esempio 0,0025 *100 è equivalente 2,5000 * 10-3
• In generale la forma normalizzata della mantissa obbliga che la sua prima cifra sia
diversa da zero e che la sua parte intera sia in generale un numero minore della base
Esempio di Normalizzazione
• Rappresentazione con b = 10
• Cinque cifre per la mantissa considerata minore di Esempi di rappresentazioni normalizzate
10
• Due cifre per l'esponente
• Rappresentazione normalizzata con la prima cifra
diversa da zero

•Con condizione di overflow quando

•x >9,9999 × 1099
•e di underflow quando
•x < 1,0000 × 10-99
Overflow e Underflow
• I numeri reali rappresentabili sono definiti in un insieme
limitato con estremi predefiniti
[-minreal, maxreal]
–Overflow: condizione che si verifica quando i valori o sono più piccoli di
minreal o più grandi di maxreal
–Underflow: condizione che si verifica quando un valore, per effetto
delle approssimazioni, viene confuso con lo zero
 Osservazione
• Gli intervalli [Xi, Xi+1] non hanno tutti la stessa ampiezza a causa della
finitezza del numero di cifre della mantissa
– man mano che ci si avvicina alla condizione di overflow gli intervalli si fanno
sempre più ampi
– mentre intorno alla condizione di underflow non solo si addensano ma
diventano sempre più piccoli
• Con l’esempio precedente è facile osservare il fenomeno
confrontando gli intervalli [1.0000 × 10-99, 1.0001 × 10-99] e [9.9998 ×
1099, 9.9999 × 1099]
Operazioni in Virgola Mobile
• Le operazioni non solo si complicano ma possono generare errori di approssimazione
–Ad esempio la somma e la sottrazione richiedono l'allineamento degli esponenti:
100×100 + 100×10-2 = 100×100 + 1×100 = 101×100
–mentre per il prodotto e la divisione servono operazioni separate sulle mantisse e sugli
esponenti: 100×100 * 100×10-2 = (100 * 100)×10(0-2) = 10000×10-2
• L'allineamento degli esponenti produce come effetto indesiderato quello di far
scomparire alcune cifre rappresentative del numero
–Ad esempio la somma dei numeri seguenti: 1,9099×101 + 5,9009×104 nell’esempio
precedente, diventa: 0,0001×104 + 5,9009×104
–con il troncamento delle cifre 9099 del numero con esponente più piccolo
NB1: se si sottraggono numeri di valore quasi uguale, le cifre più significative si eliminano fra loro e la
differenza risultante perde un certo numero di cifre significative o anche tutte (cancellazione)
NB2: la divisione per valori molto piccoli può facilmente superare il valore di overflow
 Perché rappresentare in virgola mobile?
• Se si conviene che le mantisse siano trasformate in valori minori di 10 con
operazioni interne, un numero reale può essere rappresentato nella memoria di
un calcolatore con un numero intero indicativo della parte decimale della mantissa
e con un altro numero intero per l'esponente
• Per esempio il numero 0,1230 × 10-9 viene rappresentato con la coppia di numeri
interi (1230, -9) e gestito con operazioni interne che ne costruiscono l'effettivo
valore
• Analogamente in base due
Standard Virgola Mobile
• Standard 754 IEEE: definisce principalmente tre formati numerici a virgola
mobile
–singola precisione o precisione semplice (32 bit)
–doppia precisione (64 bit)
–precisione estesa (80 bit)
Rappresentazione v.m. precisione singola e doppia
• Un bit per il segno del numero complessivo (zero per positivo ed uno per negativo)
• Otto bit nel caso della singola precisione (11 per la doppia precisione) per l'esponente
rappresentato per eccesso così da non doverne indicare il segno
• 23 bit nel caso della singola precisione (52 per la doppia) per la mantissa
• La mantissa è normalizzata per cui comincia sempre con un 1 seguito da una virgola
binaria, e poi a seguire il resto delle cifre
–Lo standard prevede l’assenza sia del primo bit che del bit della virgola perché è sempre
presente
IEEE 754 a 32 bit: esponente
• Esponente (8bit)
–Rappresentato in eccesso 127
–L’intervallo di rappresentazione è [-127, 128]
–Le due configurazioni estreme sono riservate [-126, 127]
• Numero più grande 11….11; più piccolo 00..00: per confrontare due interi polarizzati,
per determinare il minore basta considerarli come interi senza segno

–Esempio:
• 10100011 = 163 in b=10; 163-127 = 36
• 00100111 = 39 in b= 10; 39-127=-88
Esempi:
• 1 10000001 01000000000000000000000
–Segno negativo
–Esponente: 27+20=129-127=2
–Mantissa: 1+2-2=1.25
–Numero: -1.25 22=-5
Esempi
• 8.5
• Segno +
• 8.5 in binario: 1000.1=1.0001 23
–Mantissa: 00010000000000000000000
–Esponente: 3+127=130=10000010
–NUMERO: 0 10000010 00010000000000000000000
Esempi
• -109.78125
• Segno -, quindi il primo bit sarà 1
• Cominciamo trasformando 109.78125 in binario
• Per la parte intera: 10910 = 11011012
• Per la parte decimale 0.7812510 = 0.110012
• Quindi il numero in binario è 1101101.110012, che normalizzato diventa
1.10110111001 * 262
• Adesso abbiamo mantissa ed esponente, dobbiamo metterli nel formato
richiesto
• Esponente 6, da portare in eccesso 127 -> 6 + 127 = 13310 = 100001012
• Mantissa 1.101101110012 si toglie il primo 1 e si mettono gli 0 a destra per
arrivare a 23 bit
• Risultato: 1 10000101 10110111001000000000000
Configurazioni particolari
• Esponente e mantissa tutti 0 : rappresentano 0
• Mantissa tutti 0 ed esponente tutti 1: rappresentano infinito
• Mantissa diversa da 0 e esponente tutti 1: rappresentato la situazione di
Not a Number (NAN), cioè un valore indefinito (esempio il risultato di una
divisione per 0 o la radice quadrata di un numero negativo)
Testi, Immagini, Video e Audio
Rappresentazione Testi
Il testo è uno degli oggetti digitali più diffuso nel mondo informatico. Molte
sono le applicazioni che generano e manipolano i cosiddetti documenti
elettronici. Un testo digitale è una stringa di simboli ad ognuno dei quali viene
associato un codice binario secondo un prefissato standard.
Rappresentazione dei Caratteri
● Per rappresentare i caratteri esistono vari codici
● Gli standard accettati sono
○ EBCDIC 8 bit
○ ASCII 7 bit (ASCII esteso 8 bit = 256 simboli)
● Lo standard e’ importante affinchè sistemi diversi
comunichino tra loro
 ANSI ASCII
● Alla fine degli anni sessanta l'ente americano di standardizzazione ANSI (American
National Standards Institute) decise di fissare un alfabeto che consentisse a tutti i
calcolatori, anche di produttori diversi, di poter comunicare tra loro o con i
dispositivi ad essi collegati
● I simboli dell’alfabeto vennero elencati in una tabella per codificare, attraverso la
posizione assunta da loro in essa, vari tipi di caratteri: alfabetici, numerici, di
punteggiatura, simbolici, e anche alcuni codici da usare come controllo della
comunicazione tra una macchina e l'altra (per esempio, per segnalare l’inizio o la
fine di una trasmissione)
● Il trasferimento di un insieme di informazioni da un calcolatore all'altro su una rete
poteva così essere effettuato attraverso un linguaggio comune, costituito da tale
forma di codifica
● La tabella fu chiamata ASCII, ossia American Standard Code for Information
Interchange
Codice ASCII
UNICODE
● Uno standard che si propone di affrontare il problema del multilinguismo è Unicode
(Universal Encoding)
○ Assegna un numero univoco ad ogni simbolo in maniera indipendente dal programma, dalla
piattaforma e dalla lingua (e relativo alfabeto): il suo scopo è quello di creare una codifica delle
scritture a livello universale
○ Si basa sulla codifica ASCII, ma va oltre la limitazione dell'alfabeto latino potendo codificare
caratteri scritti in tutte le lingue del mondo. Originariamente si basava su una codifica a 16 bit che
dava la possibilità di codificare più di 65 mila caratteri
● Per rappresentare qualunque carattere, compresi quelli cinesi e tutte le loro varianti, è stato
proposto lo standard Unicode (ISO-10646) che utilizza l'UTF (Unicode Transformation Format)
● I formati UTF possono essere a 8, 16 e 32 bit
○ L'UTF-8 si basa su parole di 8 bit (1 byte) per la codifica dei caratteri; ed usa da 1 a 4 byte per
carattere: i primi 128 valori, che iniziano col bit 0, utilizzano 1 byte per carattere e corrispondono
all'ASCII, i successivi 1920 (dal 128 al 2047) utilizzano 2 bytes per codificare greco, cirillico, copto,
armeno, ebraico, arabo. Per gli altri caratteri si usano 3 o 4 bytes. UTF-16 utilizza parole di 16 bit
per codificare i caratteri, viene utilizzato da Java, ed è la rappresentazione interna usata da
Windows e Mac OS-X.
I dati multimediali

La realtà è continua
Immagini Suoni
La codifica delle informazioni è discreta
Da analogico a digitale
● Un formato analogico può essere rappresentato matematicamente
sempre come una funzione continua del tempo, mentre una
rappresentazione digitale è una rappresentazione discreta di questa
● La trasformazione da analogico a digitale si realizza per mezzo di una
operazione detta campionamento ed una di quantizzazione
■ a intervalli regolari di tempo, si va a osservare quali valori assume la funzione
analogica e se ne conservano le osservazioni o campioni
■ l’operazione di quantizzazione approssima i campioni ad un certo numero
prefissato di livelli
Convertitori Analogici-Digitali
Campionamento
Quantizzazione
Codifica delle Immagini
• Nel mondo reale, una immagine è un insieme continuo di
informazioni
–luce, colore
• Il calcolatore tratta informazioni discrete
• E’ allora necessario scomporre l’informazione in un insieme
finito di elementi che verranno codificati con sequenze di bit
Le Immagini BITMAP
• La scomposizione più ovvia consiste nel
suddividere l’immagine in un reticolo di punti
detti pixel (picture element)

10000000 10000000
11000000 11000000
11100000 11100000
11111000 11111000
11111100 11111100
11111111 11111111
Bitmap BN e GreyLevel
● Ogni punto del reticolo viene codificato con uno o più bit
■ per immagini a due soli colori, bianco e nero
● 1 bit/pixel
■ per immagini a livelli di grigio (256 livelli)
● 8 bit/pixel
 Dispositivi di Acquisizione
● Gli “occhi” elettronici (ad esempio, dispositivi ad
accoppiamento di carica) acquisiscono una “areola”
del mondo, registrandone le caratteristiche di colore,
luminosità, etc,
● Più piccola è l’areola, più vicine sono tra loro, più
numerose sono, e migliore è la “qualità”
dell’immagine acquisita
● Il concetto di risoluzione è legato a quanto sono fitti i
punti che visualizzano l’immagine
○ Maggiore è la risoluzione dell’immagine, maggiore è la
possibilità di distinguere dettagli in essa presenti
○ Tutti i pixel contenuti in una immagine digitale hanno
dimensioni identiche. La loro dimensione è determinata
dalla risoluzione alla quale l’immagine viene
digitalizzata
■ ad esempio la risoluzione di 600 dpi indica che ciascun
pixel misura 1/600 di pollice
Le immagini a colori
● La colorimetria spiega che un colore può essere ottenuto tramite
combinazione di almeno tre colori base detti primari
● Se i tre colori base sono il Rosso, il Verde ed il Blu si ha lo spazio
RGB
● Color = a R + b G + c B
● Con 8 bit/colore base, per ogni colore si useranno 24 bit, ovvero
circa 16 milioni di colori diversi
Esempio di Immagini Digitali
I formati BITMAP
● Ciascuna immagine viene memorizzata con diversi formati
bitmap alcuni dei quali prevedono forme di compressione
● Tra i formati più comuni,
○ Tagged Image File Format TIFF
○ Graphics Interchange Format GIF
○ Joint Photographers Expert Group JPEG
○ Microsoft Bit Map BMP e Device Independent BitMap DIB
○ PC Paintbrush PCX
Dimensione dei Bitmap: un esempio

Immagine Definizione Colori Bit Occupazione

Televisiva 720x625 256 8
450 KB
SVGA 1024x768 65536 16
1,5 MB
Fotografia 15000x10000 16 M 24
450MB
Le Immagini Vettoriali
•Una immagine viene descritta in modo astratto attraverso gli
elementi grafici di alto livello (linee, archi, colori) che la
costituiscono

Triangle 0, 0, 0, 100, 100, 100

Caratteristiche della Grafica Vettoriale
● Ogni figura è codificata tramite un identificatore e alcuni parametri
di posizione (punti, lunghezze di segmenti..)
● Pro
○ Indipendenza dal dispositivo di visualizzazione e dalla sua risoluzione
○ Possibilità di modifiche ad alto livello
● Contro
○ Una immagine reale non è sempre scomponibile in elementi primitivi
○ Per Visualizzare occorre avere lo stesso programma di Generazione del
File Vettoriale
I formati Vettoriali
● Tra i formati grafici più diffusi, vanno ricordati
○ PostScript PS
■ EPS
■ PDF
○ Drawing eXchange Format (DXF)
○ Initial Graphics Exchange Specifications (IGES)
Un disegno astratto

Gli elementi non perdono la loro identità

Le immagini in Movimento
● L’occhio umano ricostruisce l’informazione di movimento se riceve una successione
sufficientemente rapida di immagini fisse

■ Cinema: 24 fotogrammi/sec
■ TV: 25 o 30 fotogrammi/sec
○ La sequenza continua di immagini della realtà viene quindi discretizzata ottenendo una
serie di immagini (detti frame) che variano velocemente, ma a intervalli stabiliti
○ Il frame-rate è il numero di frame mostrati per secondo (fps)
● Lo standard MPEG (Moving Picture Expert Group) prevede la codifica di ciascun frame fisso,
oltre alla codifica di suoni, attraverso tecniche di Compressione Dei Dati
○ senza compressione, 1 min. di filmato a 24 fotogrammi/sec occuperebbe 644MB
Compressione
● Per risolvere i problemi connessi con le dimensioni elevate sono stati introdotti
processi di compressione
○ riducono lo spazio occupato mediante o la diminuzione del numero di bit
necessari per codificare una singola informazione (compressione entropica)
○ oppure la diminuzione del numero di informazioni da memorizzare o trasmettere
(compressione differenziale, compressione semantica). La compressione può
conservare integralmente o no il contenuto della rappresentazione originale
secondo due tecniche principali
■ la compressione senza perdita di informazione (lossless, reversibile) che sfrutta le ridondanze
nella codifica del dato
■ la compressione con perdita di informazione (lossy, irreversibile) che invece sfrutta le
ridondanze nella percezione dell’informazione
Compressione Lossless
● La compressione lossless avviene tramite una classe di algoritmi che consentono
di ricostruire tutta l’informazione iniziale partendo da quella compressa
● Non sempre si ottengono riduzioni significative
● Tra le tecniche di compressione lossless si ricordano
○ la Run-length encoding (RLE) che codifica sequenze di valori uguali premettendo un
indicatore di ripetizioni al valore codificato
○ la codifica di Huffman che assegna un numero inferiore di bit alle sequenze più
probabili attraverso un vettore di codifica
○ la compressione Lempel-Ziv-Welch (LZW) che costruisce dinamicamente una tabella
di codifica con numero variabile di bit sulla base delle sequenze incontrate
○ la codifica differenziale in cui ogni dato è rappresentato come differenza rispetto al
dato precedente
Compressione Lossy
● I metodi lossy comportano riduzioni notevoli delle dimensioni, ma la ricostruzione
dell’informazione da quella compressa non è identica a quella iniziale
● Tali metodi rimuovono parti che possono non essere percepite come avviene nel caso di
immagini, video e suoni
○ Ad esempio gli algoritmi di compressione usati nei formati GIF e JPEG per immagini fisse
sfruttano la caratteristica dell’occhio umano di essere poco sensibile a lievi cambiamenti di
colore in punti contigui, e quindi eliminano questi lievi cambiamenti appiattendo il colore
dell’immagine
● Tra le tecniche di compressione lossy si ricordano:
○ la compressione JPEG per le immagini che applica una trasformata nel dominio delle frequenze
(Discrete Cosine Transform) che permette di sopprimere dettagli irrilevanti riducendo il numero
di bit necessari per la codifica
○ la compressione MPEG per i video che codifica parte dei frame come differenze rispetto ai
valori previsti in base ad una interpolazione
○ la compressione MP3 per l’audio che si basa alle proprietà psicoacustiche dell’udito umano per
sopprimere le informazioni inutili
Codifica dell’Audio
● Il suono è un segnale analogico funzione del tempo consistente in vibrazioni che
formano un’onda, la cui ampiezza misura l’altezza dell’onda e il periodo è la
distanza tra due onde
● Anche il suono deve essere campionato e quantizzato per poter essere
digitalizzato
● L'operazione di campionamento discretizza il segnale con una frequenza
dell'ordine delle decine di KHz (migliaia di campioni al secondo) perché è
dimostrato che l’orecchio umano percepisce fedelmente il suono originale se il
suo campionamento è non inferiore a 30KHz
Frequenze di campionamento
Algebra di Bool (cenni)
Operatori Booleani
● Sulle stringhe di bit sono anche definiti operatori che lavorano bit a bit
(bitwise operator). Essi sono detti booleani e sono
○ AND: dati due bit restituisce il valore 1 se e solo se i bit erano entrambi posti a
1, in tutti gli altri casi il risultato è 0; l’AND è detto anche prodotto logico
○ OR: dati due bit restituisce il valore 0 se e solo se i bit erano entrambi posti a 0,
in tutti gli altri casi il risultato è 1; l’OR è anche detto somma logica
○ NOT: dato un bit restituisce il valore 0 se esso era posto a 1, restituisce invece 1
se il bit era posto a 0; il NOT viene anche detto operatore di negazione o di
complementazione
Tavola di Verità
Esempio
Proposizioni Logiche
● Una proposizione semplice è qualsiasi enunciato che può
assumere valore vero o falso
○ Esempio “vi sono altre cifre a sinistra delle ultime
considerate”
■ Queste condizioni possono assumere un valore vero o falso, cioè un
valore logico
■ In modo più sintetico la condizione usata come esempio che si può
anche esprimere con l’espressione
● (numero di cifre a sinistra) > 0
Operatori di Confronto
● Permettono il confronto di valori qualsiasi
● Gli operatori di relazione più noti sono quelli che permettono
di confrontare quantità numeriche
○ uguale ( simbolo ‘=’)
○ diverso ( simbolo ‘≠’)
○ maggiore ( simbolo ‘>’)
○ minore ( simbolo ‘<’)
○ maggiore o uguale ( simbolo ‘≥’)
○ minore o uguale ( simbolo ‘≤’)
Predicati Semplici con Operatori di relazione

● Gli operatori di relazione permettono di esprimere predicati

semplici
○ 1 < 2 (valore: vero)
○ 7 < 0 (valore: falso)
○ x ≠ 0 (valore: dipende cosa rappresenta ‘x’)
○ oggi = mercoledì (valore: dipende cosa rappresenta ‘oggi’)
● Non sono operatori logici, ma consentono di costruire
espressioni che possono essere usate come argomenti di
operatori logici
Proposizioni Composte: esempio
● Ad esempio l'algoritmo seguito dall'impiegato di un ufficio postale
nell'accettare conti corrente da parte degli utenti in coda
potrebbe contenere un passo del tipo
○ accetta un altro conto corrente se l'utente ha già consegnato meno di 5
conti corrente o non ci sono altri utenti in coda
■ Oppure
○ accetta un altro conto corrente se non accade che l'utente ha già
consegnato almeno 5 conti corrente e ci sono altri utenti in coda
La logica delle Proposizioni
● La verità di un predicato che contiene operatori logici può essere
però facilmente calcolata a partire dalla verità dei predicati
componenti e dalle proprietà degli operatori che li uniscono
● Conoscendo tali proprietà è agevole
○ costruire predicati complessi, confrontarli per verificarne l'equivalenza
○ trasformarli per individuare la formulazione più conveniente
Operatori logici
● { F , V } : valori (F = falso, V = vero)
● OR : operatore binario chiuso, detto anche
disgiunzione logica (indicato anche con il simbolo
‘’+’’)
● AND : operatore binario chiuso, detto anche congiunzione
logica (indicato anche con il simbolo ‘’•’’)
● NOT : operatore unario chiuso, detto anche negazione
logica (indicato anche con il simbolo “⁻”)
Proprietà
Commutativa P1 a+b=b+a P’1 a•b=b•a

Associativa P2 (a+b)+c = P’2 (a•b)•c = a•(b•c)

a+(b+c)
Idempotenza P3 a+a=a P’3 a•a=a

Assorbimento P4 a+a•b=a P’4 a • (a + b) = a

Distributiva P5 a•(b+c) = P’5 a+b•c = (a+b)•(a+c)

a•b+a•c
Min e max P6 a•0=0 P’6 a+1=1
Complemento P7 a•ā=0 P’7 a+ā=1
 Algebra di Boole
● La logica delle proposizioni è un’algebra di Boole
● Legge di dualità
○ Da qualsiasi identità booleana se ne può trarre un’altra per dualità,
sostituendo cioè ad ogni operatori e ai valori F e T il rispettivo duale
 Teorema di De Morgan

● Per la dimostrazione
○ Consideriamo ad esempio la prima: dovete dimostrare che
a+b è il complemento dell’espressione al secondo membro.
Per farlo applicate la definizione di complemento

117
 118

Teorema di De Morgan
(1)

(2)

La (2) vale per dualità

 Assorbimento del complemento

● Per la dimostrazione
○ Usate la proprietà distributiva ed infine il complemento

119
Risoluzione dell’esempio
● Poniamo
○ A: l'utente ha già consegnato meno di 5 conti corrente
○ B: ci sono altri utenti in coda
○ A': l'utente ha già consegnato almeno 5 conti corrente
● La prima condizione corrisponde alla formula
● A OR (NOT B)
● La seconda condizione corrisponde alla formula
● NOT (A' AND B)
● osservando che A' = NOT A diventa
● NOT (NOT A AND B)
Risoluzione dell’esempio
● Costruiamo le tabelle di verità delle due espressioni
○ valore di verità dell’espressione composta in corrispondenza
di ogni possibile combinazione di valori di verità delle
condizioni atomiche componenti (A e B)
● Le due condizioni sono equivalenti se le due tabelle di
verità sono uguali
Confronto tabelle di verità
prima condizione

seconda condizione