Skip to content · ⁨Saltar al contenido⁩

Representación de información

A-Level Ciencias de la Computación · Topic 1 · ⁨Tema 1⁩

Train · ⁨Entrenar⁩
Video lesson for this topic · ⁨Lección de video para este tema⁩ Open the video page · ⁨Abrir la página de video⁩
22:30

Sistemas numéricos y datos

Esta foto. Esta canción. Este mismo video. Tu nombre, tus mensajes, cada archivo en cada dispositivo — dentro de la computadora, todo ello no son más que unos y ceros.…

English narration · English + 中文 subtitles burned in · ⁨Narración en inglés · Subtítulos en inglés + 中文 quemados en pantalla⁩

1.1

Number systems · ⁨Sistemas numéricos⁩

Syllabus
English
Candidates should be able to: Notes and guidance
Show understanding of binary magnitudes and the difference between binary prefixes and decimal prefixes Understand the difference between and use: • kibi and kilo • mebi and mega • gibi and giga • tebi and tera
Show understanding of different number systems Use the binary, denary, hexadecimal number bases and Binary Coded Decimal (BCD) and one’s complement and two’s complement representation for binary numbers
Convert an integer value from one number base/ representation to another
Perform binary addition and subtraction Using positive and negative binary integers
Show understanding of how overflow can occur
Describe practical applications where Binary Coded Decimal (BCD) and Hexadecimal are used
Show understanding of and be able to represent character data in its internal binary form, depending on the character set used Students are expected to be familiar with ASCII (American Standard Code for Information Interchange), extended ASCII and Unicode. Students will not be expected to memorise any particular character codes
Español
Los candidatos deben ser capaces de: Notas y orientación
Demostrar comprensión de las magnitudes binarias y la diferencia entre prefijos binarios y prefijos decimales Comprender la diferencia y utilizar: • kibi y kilo • mebi y mega • gibi y giga • tebi y tera
Demostrar comprensión de los diferentes sistemas numéricos Utilizar las bases numéricas binaria, decimal y hexadecimal, así como la representación en Código Decimal Codificado por Bites (BCD), complemento a uno y complemento a dos para números binarios
Convertir un valor entero de una base numérica o representación a otra
Realizar sumas y restas binarias Utilizando enteros binarios positivos y negativos
Demostrar comprensión de cómo puede producirse el desbordamiento (overflow)
Describir aplicaciones prácticas donde se utilizan el Código Decimal Codificado por Bites (BCD) y el Hexadecimal
Demostrar comprensión y poder representar datos de caracteres en su forma binaria interna, según el conjunto de caracteres utilizado Se espera que los estudiantes estén familiarizados con ASCII (American Standard Code for Information Interchange), ASCII extendido y Unicode. No se espera que los estudiantes memoricen ningún código de carácter específico

Source: Cambridge International syllabus · ⁨Fuente: Plan de estudios Cambridge International⁩

English
Counting in binary: 0 to 15

The three number systems 数制 you must use:

  • denary 十进制 (decimal, base 10) — uses digits 0–9. Place values are powers of ten.
  • binary 二进制 (base 2) — uses 0 and 1. Place values are powers of two. Every byte 字节 is 8 bits 位.
  • hexadecimal 十六进制 (base 16) — uses 0–9 then A–F for 10–15. Each hex digit 数位 stands for exactly 4 bits.

Conversions

Denary → binary: keep dividing by 2 and record the remainders, read bottom-up. Or subtract the largest place value 位值 (power of 2) that fits.

Example: $558_{10}$: $558 = 512 + 32 + 8 + 4 + 2 = 2^{9} + 2^{5} + 2^{3} + 2^{2} + 2^{1}$. In 12 bits: 0010 0010 1110.

Binary → hex: group the bits into nibbles 半字节 (4 bits) from the right and convert each. 0010 0010 1110 → 2 2 E → 22E.

Hex → binary: replace each hex digit with its 4-bit pattern. Hex → denary: multiply each digit by its place value. 22E $= 2 \times 256 + 2 \times 16 + 14 = 558$.

Worked example. Convert denary 200 to 8-bit binary, then to hexadecimal.

$200 = 128 + 64 + 8$, so the binary is 11001000. In nibbles, 1100 1000 $= 12$ and $8$, i.e. $\text{C}$ and $8$, so the hexadecimal is C8.

How many bits?

Exam questions fix the register width 寄存器宽度 (8, 12 or 16 bits). Pad with leading zeros to that width: $558$ in 12 bits is 0010 0010 1110, never 10 0010 1110.

To find the minimum number of bits that can store a value, ask which place values you need:

  • an unsigned integer from $0$ to $2^{n} - 1$ needs $n$ bits: $200$ needs 8 bits (the top is $255$), $1000$ needs 10 bits (the top is $1023$), $16$ needs 5 bits (4 bits stop at $15$).
  • a signed two's-complement integer from $-2^{n-1}$ to $2^{n-1} - 1$ needs $n$ bits: $-200$ needs 9 bits, because 8 bits stop at $-128$.
  • one hexadecimal digit needs 4 bits, one BCD digit needs 4 bits, and one ASCII character needs 7 bits (8 for extended ASCII).

Binary vs decimal prefixes

Two prefix families look similar but differ — decimal (powers of 10) and binary (powers of 2):

Decimal (SI) Binary (memory)
kilo $= 10^{3}$ kibi (Ki) $= 2^{10} = 1024$
mega $= 10^{6}$ mebi (Mi) $= 2^{20}$
giga $= 10^{9}$ gibi (Gi) $= 2^{30}$
tera $= 10^{12}$ tebi (Ti) $= 2^{40}$

So a tebibyte (TiB) is slightly more than a terabyte (TB). A "1 TB" drive holds $10^{12}$ bytes, but an operating system that reports in TiB shows a smaller number.

Español
Contando en binario: 0 a 15

Los tres sistemas numéricos 数制 que debes usar:

  • decimal 十进制 (denary, base 10) — usa los dígitos 0–9. Los valores de posición son potencias de diez.
  • binario 二进制 (base 2) — usa 0 y 1. Los valores de posición son potencias de dos. Cada byte 字节 está formado por 8 bits 位.
  • hexadecimal 十六进制 (base 16) — usa 0–9 seguido de A–F para representar 10–15. Cada dígito hexadecimal representa exactamente 4 bits.
Beads on a traditional abacus
Un ábaco representa números mediante valores de posición — la misma idea detrás del decimal, binario y hexadecimal

Conversiones

Decimal → binario: sigue dividiendo entre 2 y anota los residuos; léelos de abajo hacia arriba. O bien, resta el mayor valor de posición 位值 (potencia de 2) que quepa.

Ejemplo: $558_{10}$: $558 = 512 + 32 + 8 + 4 + 2 = 2^{9} + 2^{5} + 2^{3} + 2^{2} + 2^{1}$. En 12 bits: 0010 0010 1110.

Binario → hexadecimal: agrupa los bits en nibbles 半字节 (4 bits) desde la derecha y convierte cada grupo. 0010 0010 1110 → 2 2 E → 22E.

Hexadecimal → binario: sustituye cada dígito hexadecimal por su patrón de 4 bits. Hexadecimal → decimal: multiplica cada dígito por su valor de posición. 22E $= 2 \times 256 + 2 \times 16 + 14 = 558$.

Ejercicio resuelto. Convierte el decimal 200 a binario de 8 bits y luego a hexadecimal.

$200 = 128 + 64 + 8$, por lo tanto el binario es 11001000. Agrupado en nibbles, 1100 1000 y $= 12$ $8$, es decir, $\text{C}$ y $8$, así que el hexadecimal es C8.

Una tabla de valor posicional binario para 200: las columnas 128, 64, 32, 16, 8, 4, 2, 1 contienen los bits 1,1,0,0,1,0,0,0; los dos nibbles de 4 bits 1100 y 1000 se convierten en los dígitos hexadecimales C y 8, por lo que 200 = 11001000 = C8
Lectura de 200 a partir de sus valores de posición, y agrupación de los bits en nibbles para obtener C8 en hexadecimal

¿Cuántos bits?

Las preguntas de examen fijan el ancho del registro 寄存器宽度 (8, 12 o 16 bits). Rellena con ceros a la izquierda hasta alcanzar ese ancho: $558$ en 12 bits es 0010 0010 1110, nunca 10 0010 1110.

Para encontrar el número mínimo de bits necesarios para almacenar un valor, pregunta qué valores de posición necesitas:

  • Un entero sin signo desde $0$ hasta $2^{n} - 1$ necesita $n$ bits: $200$ necesita 8 bits (el máximo es $255$), $1000$ necesita 10 bits (el máximo es $1023$), $16$ necesita 5 bits (4 bits se detienen en $15$).
  • Un entero en complemento a dos desde $-2^{n-1}$ hasta $2^{n-1} - 1$ necesita $n$ bits: $-200$ necesita 9 bits, porque 8 bits se detienen en $-128$.
  • Un dígito hexadecimal necesita 4 bits, un dígito BCD necesita 4 bits y un carácter ASCII necesita 7 bits (8 para ASCII extendido).

Prefijos binarios vs decimales

Dos familias de prefijos parecen similares pero difieren — decimal (potencias de 10) y binario (potencias de 2):

Decimal (SI) Binario (memoria)
kilo $= 10^{3}$ kibi (Ki) $= 2^{10} = 1024$
mega $= 10^{6}$ mebi (Mi) $= 2^{20}$
giga $= 10^{9}$ gibi (Gi) $= 2^{30}$
tera $= 10^{12}$ tebi (Ti) $= 2^{40}$

Por lo tanto, un tebibyte (TiB) es ligeramente mayor que un terabyte (TB). Una unidad de almacenamiento marcada como "1 TB" contiene $10^{12}$ bytes, pero un sistema operativo que informa en TiB mostrará un número menor.

Explore · ⁨Explorar⁩

Binario, decimal y hexadecimal

Escribe un número y vélo en binario, decimal y hexadecimal a la vez — y cómo se suman los valores posicionales.

Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
number system/ˈnʌmbə ˈsɪstəm/ 数制 shù zhì
binary/ˈbaɪnəri/ 二进制 èr jìn zhì
denary/ˈdiːnəri/ 十进制 shí jìn zhì
place value/pleɪs ˈvæljuː/ 位值 wèi zhí
byte/baɪt/ 字节 zì jié
bit/bɪt/ 位 wèi
hexadecimal/ˌheksəˈdesɪml/ 十六进制 shí liù jìn zhì
nibble/ˈnɪbl/ 半字节 bàn zì jié
register width/ˈredʒɪstə wɪtθ/ 寄存器宽度 jì cún qì kuān dù
register/ˈredʒɪstə/ 寄存器 jì cún qì
BCD/ˌbiː siː ˈdiː/ 二进码十进数 èr jìn mǎ shí jìn shù
1.1

Binary arithmetic · ⁨Aritmética binaria⁩

English

Binary addition

Add column by column from the right, carrying as in denary:

Bit A Bit B Carry in Sum bit Carry out
0 0 0 0 0
0 0 1 1 0
0 1 0 1 0
0 1 1 0 1
1 1 0 0 1
1 1 1 1 1

Overflow 溢出 happens when the result needs more bits than the register 寄存器 can hold — the carry-out of the leftmost column is the overflow bit.

Worked example. Add the 8-bit unsigned integers $10110101$ and $01101100$, and comment on the result.

$10110101 + 01101100 = 1\,00100001$. The answer needs 9 bits, so it does not fit in an 8-bit register: overflow has occurred. A full answer names the error and says why, using the word size the question gave: "Overflow: the true result ($289$) is larger than the largest value an 8-bit register can hold ($255$), so the carry out of the most significant bit is lost and the stored result ($00100001 = 33$) is wrong."

Binary subtraction

The usual way is two's complement 补码 addition: to do $A - B$, form the two's complement of $B$ (invert every bit and add 1), then add, and discard any final carry-out.

To subtract $00011110$ from $01100100$ (unsigned 8-bit):

  • two's complement of $00011110$: invert → $11100001$, add 1 → $11100010$.
  • add to $01100100$: result $1\,01000110$ (9 bits) — discard the leading 1 → $01000110 = 70_{10}$. Check: $100 - 30 = 70$. ✓

Two's complement signed integers

In an $n$-bit two's-complement number:

  • the most significant bit 最高有效位 (MSB) is the sign bit 符号位: 0 = positive, 1 = negative.
  • to read a negative number: invert every bit, add 1, then negate.

So $11100010$ is negative; invert → $00011101$, add 1 → $00011110 = 30$, so it is $-30$. This is a signed integer 有符号整数 (unlike an unsigned 无符号 one). The range for $n$ bits is $-2^{n-1}$ to $+2^{n-1} - 1$; for 8 bits, $-128$ ($10000000$) to $+127$ ($01111111$).

The same bits mean different numbers depending on the agreed reading. As an unsigned integer every bit is a place value, so 8 bits run from $0$ to $255$; as a signed two's-complement integer the top bit is the sign, so the same 8 bits run from $-128$ to $+127$. The pattern $11111111$ is $255$ read one way and $-1$ read the other — nothing in the bits themselves says which.

The same byte read as unsigned and as signed: only the agreed interpretation tells them apart 8-bit two's complement: the sign bit splits the range into negative ($-128$ to $-1$) and positive ($0$ to $127$)

Worked example. What denary value does the 8-bit two's-complement number $10110100$ represent?

The MSB is 1, so it is negative. Invert → $01001011$, add 1 → $01001100 = 76$, so the value is $-76$. Check with place values: $-128 + 32 + 16 + 4 = -76$.

Worked example. Write $-108$ as a 12-bit two's-complement integer.

Start from $+108$ in 12 bits: $108 = 64 + 32 + 8 + 4$, so 0000 0110 1100. Invert every bit: 1111 1001 0011. Add 1: 1111 1001 0100. Check with place values, where the top bit is worth $-2^{11} = -2048$: $-2048 + 1024 + 512 + 256 + 128 + 16 + 4 = -108$. ✓

For 12 bits the range is $-2048$ (1000 0000 0000) to $+2047$ (0111 1111 1111). Questions that ask for the smallest and largest values want these two patterns, so learn the rule: the most negative number is a 1 followed by zeros; the most positive is a 0 followed by ones.

An arithmetic shift 算术移位 moves every bit left or right but keeps the sign: a shift right by one place halves the value and copies the sign bit into the empty space on the left, so a negative number stays negative (1111 1001 0100 shifted right three places is 1111 1111 0010, which is $-14$: $-108 / 8 = -13.5$, and a shift right rounds down). A shift left doubles the value. Shifts belong to the assembly instruction set in topic 4, but this question is asked with the number work here.

Overflow in signed arithmetic happens when the true result falls outside this range — spotted when the sign bit flips wrongly (two positives giving a negative, or two negatives giving a positive).

One's complement

Before two's complement, an older scheme called one's complement 反码 represented a negative number by simply inverting every bit of the positive — there is no "add 1" step.

  • $+30 = 00011110$, so in one's complement $-30 = 11100001$ (just the inverse).
  • Drawback: it has two zeros — $00000000$ ($+0$) and $11111111$ ($-0$) — which wastes a bit pattern and makes arithmetic awkward.

Two's complement (invert and add 1) removes the negative zero: it has a single zero and lets addition and subtraction use the same circuit. That is why modern computers store signed integers in two's complement, not one's complement.

Español

Suma binaria

Se suma columna por columna de derecha a izquierda, llevándolos tal como se hace en decimal:

Bit A Bit B Acarreo entrante Bit de suma Acarreo saliente
0 0 0 0 0
0 0 1 1 0
0 1 0 1 0
0 1 1 0 1
1 1 0 0 1
1 1 1 1 1

Desbordamiento (Overflow) ocurre cuando el resultado necesita más bits de los que puede contener el registro; el acarreo saliente de la columna más a la izquierda es el bit de desbordamiento.

Ejemplo resuelto. Sume los enteros sin signo de 8 bits $10110101$ y $01101100$, y comente sobre el resultado.

$10110101 + 01101100 = 1\,00100001$. La respuesta necesita 9 bits, por lo que no cabe en un registro de 8 bits: ha ocurrido un desbordamiento. Una respuesta completa debe nombrar el error y explicar por qué, utilizando el tamaño de palabra dado en la pregunta: "Desbordamiento: el resultado real ($289$) es mayor que el valor máximo que puede contener un registro de 8 bits ($255$), por lo que el acarreo saliente del bit más significativo se pierde y el resultado almacenado ($00100001 = 33$) es incorrecto."

Resta binaria

La forma habitual es mediante la suma del complemento a dos: para realizar $A - B$, forme el complemento a dos de $B$ (invierta cada bit y sume 1), luego sume y descarte cualquier acarreo saliente final.

Para restar $00011110$ de $01100100$ (sin signo, 8 bits):

  • Complemento a dos de $00011110$: invertir → $11100001$, sumar 1 → $11100010$.
  • Sumar a $01100100$: resultado $1\,01000110$ (9 bits) — descarte el 1 inicial → $01000110 = 70_{10}$. Verificación: $100 - 30 = 70$. ✓

Enteros con signo en complemento a dos

En un número en complemento a dos de $n$ bits:

  • El bit más significativo (MSB) es el bit de signo: 0 = positivo, 1 = negativo.
  • Para leer un número negativo: invierta cada bit, sume 1 y luego cambie el signo.

Así, $11100010$ es negativo; invierte → $00011101$, suma 1 → $00011110 = 30$, por lo que es $-30$. Esto es un entero con signo (a diferencia de uno sin signo). El rango para $n$ bits es de $-2^{n-1}$ a $+2^{n-1} - 1$; para 8 bits, de $-128$ ($10000000$) a $+127$ ($01111111$).

Los mismos bits significan diferentes números dependiendo de la lectura acordada. Como un entero sin signo, cada bit es un valor posicional, por lo que 8 bits van desde $0$ hasta $255$; como un entero signado en complemento a dos, el bit superior es el signo, por lo que los mismos 8 bits van desde $-128$ hasta $+127$. El patrón $11111111$ representa $255$ leído de una manera y $-1$ leído de la otra —nada en los propios bits indica cuál es la correcta.

Una tabla de cuatro patrones de 8 bits leídos dos veces: 00000000 es 0 en ambos casos, 01111111 es 127 sin signo y +127 con signo, 10000000 es 128 sin signo pero -128 con signo, y 11111111 es 255 sin signo pero -1 con signo El mismo byte leído como sin signo y como signado: solo la interpretación acordada los distingue Una recta numérica de complemento a dos de 8 bits desde -128 (10000000) hasta +127 (01111111); los números con bit de signo 1 son negativos y los con bit de signo 0 son positivos, con -1 = 11111111 situado justo debajo de 0 = 00000000 Complemento a dos de 8 bits: el bit de signo divide el rango en negativo ($-128$ a $-1$) y positivo ($0$ a $127$)

Ejemplo resuelto. ¿Qué valor decimal representa el número en complemento a dos de 8 bits $10110100$?

El MSB es 1, por lo tanto es negativo. Invertir → $01001011$, sumar 1 → $01001100 = 76$, por lo tanto el valor es $-76$. Verificar con valores posicionales: $-128 + 32 + 16 + 4 = -76$.

Ejemplo resuelto. Escribir $-108$ como un entero en complemento a dos de 12 bits.

Empezar con $+108$ en 12 bits: $108 = 64 + 32 + 8 + 4$, por lo tanto 0000 0110 1100. Invertir cada bit: 1111 1001 0011. Sumar 1: 1111 1001 0100. Verificar con valores posicionales, donde el bit superior vale $-2^{11} = -2048$: $-2048 + 1024 + 512 + 256 + 128 + 16 + 4 = -108$. ✓

Para 12 bits, el rango va de $-2048$ (1000 0000 0000) hasta $+2047$ (0111 1111 1111). Las preguntas que solicitan los valores más pequeños y más grandes buscan estos dos patrones específicos, por lo que se debe aprender la regla: el número más negativo es un 1 seguido de ceros; el más positivo es un 0 seguido de unos.

Un corrimiento aritmético 算术移位 mueve cada bit hacia la izquierda o hacia la derecha pero mantiene el signo: un corrimiento a la derecha por una posición reduce a la mitad el valor y copia el bit de signo en el espacio vacío a la izquierda, por lo que un número negativo permanece negativo (1111 1001 0100 desplazado tres posiciones a la derecha es 1111 1111 0010, que equivale a $-14$: $-108 / 8 = -13.5$, y un corrimiento a la derecha redondea hacia abajo). Un corrimiento a la izquierda duplica el valor. Los corrimientos pertenecen al conjunto de instrucciones de ensamblaje en el tema 4, pero esta pregunta se formula en el contexto del trabajo numérico aquí tratado.

El desbordamiento en aritmética signada ocurre cuando el resultado real cae fuera de este rango —se detecta cuando el bit de signo cambia incorrectamente (dos positivos dando como resultado un negativo, o dos negativos dando como resultado un positivo).

Complemento a uno

Antes del complemento a dos, un esquema más antiguo llamado complemento a uno 反码 representaba un número negativo simplemente invertiendo todos los bits del positivo —no existe el paso de "sumar 1".

  • $+30 = 00011110$, por lo tanto en complemento a uno $-30 = 11100001$ (solo el inverso).
  • Desventaja: tiene dos ceros —$00000000$ ($+0$) y $11111111$ ($-0$)— lo cual desperdicia un patrón de bits y complica la aritmética.

El complemento a dos (invertir y sumar 1) elimina el cero negativo: tiene un único cero y permite que la suma y la resta utilicen el mismo circuito. Por eso las computadoras modernas almacenan enteros signados en complemento a dos, no en complemento a uno.

Explore · ⁨Explorar⁩

Binario y enteros con signo

byte = Σ valores de posición

Ver cómo un patrón de 8 bits se mapea a un número (y cómo desbordaría más allá de 255).

Explore · ⁨Explorar⁩

Bits con signo en complemento a dos

El bit más a la izquierda tiene un valor de posición negativo. Invierta cualquier bit o haga clic en Negar (invertir todos los bits, luego sumar 1) y observe cómo cambia el valor con signo.

Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
unsigned/ʌnˈsaɪnd/ 无符号 wú fú hào
overflow/ˌəʊvəˈfləʊ/ 溢出 yì chū
most significant bit/məʊst sɪɡˈnɪfɪkənt bɪt/ 最高有效位 zuì gāo yǒu xiào wèi
two's complement/tuːz ˈkɒmplɪmənt/ 补码 bǔ mǎ
signed integer/saɪnd ˈɪntɪdʒə/ 有符号整数 yǒu fú hào zhěng shù
sign bit/saɪn bɪt/ 符号位 fú hào wèi
arithmetic shift/ˌærɪθˈmetɪk ʃɪft/ 算术移位 suàn shù yí wèi
one's complement/wʌnz ˈkɒmplɪmənt/ 反码 fǎn mǎ
7-segment display/ˈsevən ˈseɡmənt dɪˈspleɪ/ 七段显示器 qī duàn xiǎn shì qì
memory address/ˈmeməri əˈdres/ 内存地址 nèi cún dì zhǐ
code point/kəʊd pɔɪnt/ 码点 mǎ diǎn
character set/ˈkærɪktə set/ 字符集 zì fú jí
encoding/enˈkəʊdɪŋ/ 编码 biān mǎ
render/ˈrendə/ 渲染 xuàn rǎn
analogue data/ˈænəlɒɡ ˈdeɪtə/ 模拟数据 mó nǐ shù jù
digital data/ˈdɪdʒɪtl ˈdeɪtə/ 数字数据 shù zì shù jù
1.1

Binary Coded Decimal (BCD) · ⁨Decimal codificado binariamente (BCD)⁩

English

In BCD 二进码十进数, each denary digit is written as its own 4-bit pattern. The number $93$ is 1001 0011 in BCD — not binary 93 ($01011101$). Each nibble uses only 0–9; patterns $1010$–$1111$ are invalid.

BCD reading: 0010 0111 0101 → 2, 7, 5 → 275.

Use: calculators, digital clocks, and devices that show denary digits — each digit drives a 7-segment display 七段显示器. Currency code often uses BCD to avoid the rounding errors of converting fractions like 0.1 to binary.

A "justify" answer must link the use to a property of BCD: each denary digit has its own 4 bits, so a digit can be sent straight to its display, or added digit by digit, with no conversion of the whole number; and a decimal fraction such as $0.10$ is stored exactly, which a binary fraction cannot do.

Español

En BCD (código decimal binario), cada dígito decimal se escribe como su propio patrón de 4 bits. El número $93$ es 1001 0011 en BCD — no el binario 93 ($01011101$). Cada nibble usa solo 0–9; los patrones $1010$–$1111$ son inválidos.

Lectura BCD: 0010 0111 0101 → 2, 7, 5 → 275.

Uso: calculadoras, relojes digitales y dispositivos que muestran dígitos decimales — cada dígito acciona un pantalla de 7 segmentos (七段显示器). Los códigos de divisa suelen usar BCD para evitar errores de redondeo al convertir fracciones como 0.1 a binario.

Una respuesta de "justificación" debe vincular el uso con una propiedad del BCD: cada dígito decimal tiene sus propios 4 bits, por lo que un dígito puede enviarse directamente a su pantalla o sumarse dígito por dígito, sin conversión de todo el número; y una fracción decimal como $0.10$ se almacena exactamente, algo que una fracción binaria no puede hacer.

Un componente de visualización LED de siete segmentos de un solo dígito, mostrando sus siete barras separadas
Una pantalla de 7 segmentos muestra un dígito decimal, frecuentemente accionada por BCD
Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
digit/ˈdɪdʒɪt/ 数位 shù wèi
1.1

Hexadecimal — practical uses · ⁨Hexadecimal — usos prácticos⁩

English

Hex is a compact way to write binary (1 hex digit = 4 bits):

  • memory addresses 内存地址 in low-level programming — 0x7FFE.
  • colour values in HTML/CSS — #FF8800.
  • MAC addresses — AC:DE:48:00:11:22.

Hex does not change the stored data — it just makes binary easier for humans.

Español

El hexadecimal es una forma compacta de escribir binario (1 dígito hex = 4 bits):

Un byte se divide en dos nibbles; cada nibble es un dígito hexadecimal
Un byte son dos nibbles; cada nibble es un dígito hexadecimal
  • direcciones de memoria (内存地址) en programación de bajo nivel — 0x7FFE.
  • valores de color en HTML/CSS — #FF8800.
  • direcciones MAC — AC:DE:48:00:11:22.

El hexadecimal no cambia los datos almacenados — solo hace el binario más fácil para los humanos.

1.1

Character codes · ⁨Códigos de caracteres⁩

English

Computers store text as numbers; each character has a numeric code point 码点 set by a character set 字符集.

ASCII

  • ASCII uses 7 bits — 128 code points. Basic Latin letters, digits, punctuation, and control codes.
  • Extended ASCII uses 8 bits — 256 code points; the lower 128 match ASCII, the upper 128 vary by region.

Unicode

  • Unicode is a universal character set covering almost every script, plus symbols and emoji.
  • common encodings 编码: UTF-8 (1–4 bytes, ASCII-compatible), UTF-16 (2 or 4 bytes), UTF-32 (fixed 4 bytes).

Why Unicode beats ASCII

  • it represents far more characters (every script, emoji); ASCII covers only basic English.
  • files are portable with no code-page confusion, and allow multilingual text in one document.
  • trade-off: Unicode files are usually larger for English-only text.

When a question asks for differences, give them in pairs with numbers: ASCII uses 7 bits (extended ASCII 8), so 128 (256) characters; Unicode uses up to 32 bits (UTF-8 uses 1 to 4 bytes), so more than a million code points. ASCII covers basic English only; Unicode covers every script, and its first 128 code points are the ASCII ones. In UTF-8 an English letter still takes 1 byte, so a 40-letter English file name is 40 bytes in ASCII and in UTF-8 alike, while a Chinese character takes 3 bytes.

Español

Las computadoras almacenan texto como números; cada carácter tiene un punto de código (码点) numérico definido por un juego de caracteres (字符集).

ASCII

  • ASCII usa 7 bits — 128 puntos de código. Letras latinas básicas, dígitos, puntuación y códigos de control.
  • ASCII extendido usa 8 bits — 256 puntos de código; los primeros 128 coinciden con ASCII, los últimos 128 varían según la región.
Una pequeña tabla ASCII: el carácter A es código 65 = 01000001, a es 97 = 01100001, el dígito 0 es 48 = 00110000 y el espacio es 32 = 00100000
Cada carácter se almacena como un número — algunos puntos de código ASCII en decimal y binario

Unicode

  • Unicode es un juego de caracteres universal que cubre casi todos los alfabetos, además de símbolos y emojis.
  • codificaciones (编码) comunes: UTF-8 (1–4 bytes, compatible con ASCII), UTF-16 (2 o 4 bytes), UTF-32 (fijo de 4 bytes).

Por qué Unicode supera a ASCII

  • representa mucho más caracteres (todos los alfabetos, emojis); ASCII cubre solo inglés básico.
  • los archivos son portátiles sin confusión de páginas de código, y permiten texto multilingüe en un solo documento.
  • compromiso: los archivos Unicode suelen ser más grandes para texto en inglés únicamente.

Cuando una pregunta pide diferencias, da las respuestas en pares con números: ASCII usa 7 bits (ASCII extendido 8), así que 128 (256) caracteres; Unicode usa hasta 32 bits (UTF-8 usa de 1 a 4 bytes), así que más de un millón de puntos de código. ASCII cubre solo inglés básico; Unicode cubre todos los alfabetos, y sus primeros 128 puntos de código son los de ASCII. En UTF-8, una letra en inglés aún ocupa 1 byte, así que un nombre de archivo en inglés de 40 letras mide 40 bytes tanto en ASCII como en UTF-8, mientras que un carácter chino ocupa 3 bytes.

Explore · ⁨Explorar⁩

Un carácter se almacena como un número

Cada carácter tiene un código numérico: 'A' es 65. Invierte los bits para ver ese código en binario y hexadecimal, exactamente como lo guarda el ordenador.

1.2

Bitmap images · ⁨Imágenes bitmap⁩

Syllabus
English
Candidates should be able to: Notes and guidance
Show understanding of how data for a bitmapped image are encoded Use and understand the terms: pixel, file header, image resolution, screen resolution, colour depth / bit depth
Perform calculations to estimate the file size for a bitmap image
Show understanding of the effects of changing elements of a bitmap image on the image quality and file size Use the terms: image resolution, colour depth / bit depth
Show understanding of how data for a vector graphic are encoded Use the terms: drawing object, property, drawing list
Justify the use of a bitmap image or a vector graphic for a given task
Show understanding of how sound is represented and encoded Use the terms: sampling, sampling rate, sampling resolution, analogue and digital data
Show understanding of the impact of changing the sampling rate and resolution Including the impact on file size and accuracy
Español
Los candidatos deben ser capaces de: Notas y orientación
Demostrar comprensión de cómo se codifican los datos de una imagen bitmap Utilizar y comprender los términos: píxel, cabecera del archivo, resolución de imagen, resolución de pantalla, profundidad de color / profundidad de bits
Realizar cálculos para estimar el tamaño de un archivo de una imagen bitmap
Demostrar comprensión de los efectos que produce el cambio de elementos en una imagen bitmap sobre la calidad de la imagen y el tamaño del archivo Utilizar los términos: resolución de imagen, profundidad de color / profundidad de bits
Demostrar comprensión de cómo se codifican los datos de una gráfica vectorial Utilizar los términos: objeto de dibujo, propiedad, lista de dibujos
Justificar el uso de una imagen bitmap o una gráfica vectorial para una tarea dada
Demostrar comprensión de cómo se representa y codifica el sonido Utilizar los términos: muestreo, frecuencia de muestreo, resolución de muestreo, datos analógicos y datos digitales
Demostrar comprensión del impacto del cambio en la frecuencia de muestreo y la resolución Incluye el impacto en el tamaño del archivo y la precisión

Source: Cambridge International syllabus · ⁨Fuente: Plan de estudios Cambridge International⁩

English

A bitmap 位图 image (also called a bitmapped image) stores the colour of every pixel 像素 in a grid. At the start of the file a file header 文件头 records the image's metadata — its width, height and colour depth — so software knows how to read the pixel data that follows.

  • image resolution 图像分辨率: the bitmap's own size, width × height in pixels (e.g. 1920 × 1080).
  • screen resolution 屏幕分辨率: the width × height the display can show. If an image's resolution is larger than the screen it is scaled down to fit; a low-resolution image looks blocky when stretched onto a higher-resolution screen.
  • colour depth 颜色深度 (bit depth 位深度): bits per pixel. 1 bit → black/white; 8 bits → 256 colours; 24 bits → 16.7 million ("true colour").

File size

$$\text{size in bits} = \text{width} \times \text{height} \times \text{bit depth}.$$

Divide by 8 for bytes, by 1024 for KiB, etc. Example: a $3000 \times 2000$ image at 24 bpp is $3000 \times 2000 \times 24 = 1.44 \times 10^{8}$ bits $\approx 17.2\ \text{MiB}$.

State the units you used. The mark scheme accepts $1\ \text{MB} = 10^{6}$ bytes (the SI prefix) or $1\ \text{MiB} = 1024 \times 1024$ bytes (the binary prefix), as long as your working shows which one; the same image is $18.0\ \text{MB}$ or $17.2\ \text{MiB}$. Add the size of the file header if the question gives one.

A video is a sequence of bitmap images, each one a frame 帧. Before compression its size is the size of one frame $\times$ the frame rate 帧率 (frames per second) $\times$ the duration in seconds: 30 frames per second of $1920 \times 1080$ pixels at 24 bits is $30 \times 1920 \times 1080 \times 24 \approx 1.5 \times 10^{9}$ bits, about $187\ \text{MB}$, for every second. That is why video is always compressed.

Changing settings

  • lower resolution → smaller file, less detail (looks blocky when enlarged).
  • lower colour depth → smaller file, but smooth shades show banding.
  • higher of either → larger file, better quality.
Español

Una imagen bitmap (también llamada imagen bitmap) almacena el color de cada píxel (像素) en una cuadrícula. Al inicio del archivo, un encabezado de archivo (文件头) registra los metadatos de la imagen — su ancho, alto y profundidad de color — para que el software sepa cómo leer los datos de píxeles que siguen.

  • resolución de imagen (图像分辨率): el tamaño propio del bitmap, ancho × alto en píxeles (ej. 1920 × 1080).
  • resolución de pantalla (屏幕 resolución): el ancho × alto que el pantalla puede mostrar. Si la resolución de una imagen es mayor que la pantalla, se escala hacia abajo para caber; una imagen de baja resolución se ve pixelada al estirarla sobre una pantalla de mayor resolución.
  • profundidad de color 颜色深度 (profundidad de bits 位深度): bits por píxel. 1 bit → blanco y negro; 8 bits → 256 colores; 24 bits → 16.7 millones ("color verdadero").
El mismo disco almacenado en tres cuadrículas de píxeles, de la A a la C, volviéndose más pixelado a medida que los píxeles crecen y disminuyen en número
La misma imagen almacenada a tres resoluciones, de alta (A) a baja (C): menos píxeles, más grandes significan menos detalle

Tamaño de archivo

$$\text{size in bits} = \text{width} \times \text{height} \times \text{bit depth}.$$

Divide entre 8 para bytes, entre 1024 para KiB, etc. Ejemplo: una imagen $3000 \times 2000$ a 24 bpp es $3000 \times 2000 \times 24 = 1.44 \times 10^{8}$ bits $\approx 17.2\ \text{MiB}$.

Una cuadrícula de píxeles de 6 por 4 con su ancho y alto etiquetados; píxeles = 6 por 4 = 24, y a 8 bits por píxel el tamaño = 24 por 8 = 192 bits
La misma fórmula con números pequeños: cuenta los píxeles, luego multiplica por la profundidad de color

Indica las unidades que usaste. La rúbrica acepta $1\ \text{MB} = 10^{6}$ bytes (el prefijo SI) o $1\ \text{MiB} = 1024 \times 1024$ bytes (el prefijo binario), siempre que tu procedimiento muestre cuál usaste; la misma imagen mide $18.0\ \text{MB}$ o $17.2\ \text{MiB}$. Añade el tamaño del encabezado de archivo si la pregunta te lo proporciona.

Un video es una secuencia de imágenes bitmap, cada una es un frame (帧). Antes de la compresión, su tamaño es el de un frame $\times$ la velocidad de fotogramas (帧率) (fotogramas por segundo) $\times$ la duración en segundos: 30 fotogramas por segundo de $1920 \times 1080$ píxeles a 24 bits es $30 \times 1920 \times 1080 \times 24 \approx 1.5 \times 10^{9}$ bits, aproximadamente $187\ \text{MB}$, por cada segundo. Por eso el video siempre se comprime.

Cambiar configuraciones

  • menor resolución → archivo más pequeño, menos detalle (se ve pixelado al ampliarse).
  • menor profundidad de color → archivo más pequeño, pero los degradados suaves muestran bandas.
  • mayor de cualquiera de los dos → archivo más grande, mejor calidad.
Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
bitmap/ˈbɪtmæp/ 位图 wèi tú
pixel/ˈpɪksl/ 像素 xiàng sù
file header/faɪl ˈhedə/ 文件头 wén jiàn tóu
colour depth/ˈkʌlə depθ/ 颜色深度 yán sè shēn dù
image resolution/ˈɪmɪdʒ ˌrezəˈluːʃn/ 图像分辨率 tú xiàng fēn biàn lǜ
screen resolution/skriːn ˌrezəˈluːʃn/ 屏幕分辨率 píng mù fēn biàn lǜ
bit depth/bɪt depθ/ 位深度 wèi shēn dù
frame/freɪm/ 帧 zhēn
1.2

Vector graphics · ⁨Gráficos vectoriales⁩

English

A vector graphic 矢量图形 stores the instructions to draw the image as a drawing list 绘图列表 — an ordered list of drawing objects 绘图对象 (geometric primitives 图元: lines, curves, polygons, circles). Each drawing object has properties 属性 such as colour, fill, line width and position (coordinates). To show it, the program renders 渲染 the drawing list at any resolution needed.

Bitmap vs vector

Task Better choice Why
Photograph Bitmap Complex pixel-level detail can't be described as shapes.
Logo, icon, sign Vector Sharp edges; scales to any size without blur.
Engineering drawing Vector Precise geometry and scaling.
Painting, texture Bitmap Smooth tonal detail per area.

Vector advantage: it scales without losing quality — a vector logo stays sharp at any size, while a bitmap blurs when enlarged. Vector disadvantage: it cannot describe arbitrary pixel detail (photographs).

A "justify" answer links the choice to the task. "The logo must appear on a business card and on a billboard, so it should be a vector graphic: it is stored as drawing objects and is re-rendered sharply at any size, whereas a bitmap would show its pixels when enlarged." For a photograph the argument runs the other way: there are no shapes to describe, so every pixel's colour must be stored.

Español

Un gráfico vectorial (矢量图形) almacena las instrucciones para dibujar la imagen como una lista de dibujo (绘图列表) — una lista ordenada de objetos de dibujo (绘图对象) (primitivas geométricas 图元: líneas, curvas, polígonos, círculos). Cada objeto de dibujo tiene propiedades (属性) como color, relleno, grosor de línea y posición (coordenadas). Para mostrarlo, el programa renderiza (渲染) la lista de dibujo a cualquier resolución necesaria.

Un dibujo sencillo de una casa compuesto por un cuerpo rectangular, techo triangular, ventana circular, puerta rectangular y una línea, cada uno etiquetado con su tipo de forma y atributos
Una imagen vectorial está construida a partir de formas geométricas etiquetadas, cada una con atributos

Bitmap vs vector

Tarea Mejor opción Por qué
Fotografía Bitmap El detalle complejo a nivel de píxel no se puede describir como formas.
Logo, icono, señal Vector Bordes nítidos; escala a cualquier tamaño sin desenfoque.
Dibujo técnico Vector Geometría precisa y escalado.
Pintura, textura Bitmap Detalle tonal suave por área.

Ventaja vectorial: escala sin perder calidad — un logo vectorial permanece nítido a cualquier tamaño, mientras que un bitmap se desenfoca al ampliarse. Desventaja vectorial: no puede describir arbitrary detalle de píxeles (fotografías).

Una respuesta de "justificación" vincula la elección con la tarea. "El logo debe aparecer en una tarjeta de visita y en un cartel publicitario, por lo que debería ser un gráfico vectorial: se almacena como objetos de dibujo y se renderiza con nitidez a cualquier tamaño, mientras que un bitmap mostraría sus píxeles al ampliarse." Para una fotografía el argumento funciona a la inversa: no hay formas que describir, por lo que el color de cada píxel debe almacenarse.

Lado a lado, ambos ampliados: una diagonal en mapa de bits es una escalera irregular de píxeles, mientras que una diagonal vectorial permanece como una línea recta suave
Al agrandar, los píxeles de un mapa de bits se vuelven dentados; un vector permanece suave a cualquier tamaño
Explore · ⁨Explorar⁩

Laboratorio de conceptos informáticos

Clasificar ejemplos concretos según la idea informática que demuestran.

Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
vector graphic/ˈvektə ˈɡræfɪk/ 矢量图形 shǐ liàng tú xíng
drawing list/ˈdrɔːɪŋ lɪst/ 绘图列表 huì tú liè biǎo
drawing objects/ˈdrɔːɪŋ ˈɒbdʒekts/ 绘图对象 huì tú duì xiàng
primitive/ˈprɪmɪtɪv/ 图元 tú yuán
properties/ˈprɒpətiz/ 属性 shǔ xìng
1.2

Sound · ⁨Sonido⁩

English

A continuous wave of analogue data 模拟数据 (the sound) is converted into digital data 数字数据 by sampling 采样:

  • sampling rate 采样率 — samples per second (Hz). CD quality is $44.1\ \text{kHz}$.
  • sampling resolution 采样分辨率 (bit depth) — bits per sample's amplitude 振幅. CD quality is 16 bits.

File size

$$\text{size in bits} = \text{sampling rate} \times \text{resolution} \times \text{duration} \times \text{channels}.$$

A 10-second stereo CD clip: $44100 \times 16 \times 10 \times 2 = 14\,112\,000$ bits $\approx 1.68\ \text{MiB}$.

Changing settings

  • higher sampling rate → captures higher pitches, larger file.
  • higher sample resolution → finer amplitude steps, less quantisation 量化 noise, larger file.
  • lower of either → smaller file, clear quality loss.

(The sampling rate must be at least twice the highest frequency you want to keep.)

Español

Una onda continua de datos analógicos 模拟数据 (el sonido) se convierte en datos digitales 数字数据 mediante el muestreo 采样:

  • frecuencia de muestreo 采样率 — muestras por segundo (Hz). La calidad CD es $44.1\ \text{kHz}$.
  • resolución de muestreo 采样分辨率 (profundidad de bits) — bits por muestra de amplitud 振幅. La calidad CD es 16 bits.
Una onda sonora analógica suave con barras de muestreo verticales en intervalos regulares de tiempo, leyendo cada barra la amplitud de la onda
Muestreo de una onda sonora: su amplitud se lee en cada intervalo de tiempo

Tamaño de archivo

$$\text{size in bits} = \text{sampling rate} \times \text{resolution} \times \text{duration} \times \text{channels}.$$

Un clip estéreo CD de 10 segundos: $44100 \times 16 \times 10 \times 2 = 14\,112\,000$ bits $\approx 1.68\ \text{MiB}$.

Cambiar configuraciones

  • mayor frecuencia de muestreo → capta tonos más agudos, archivo más grande.
  • mayor resolución de muestreo → pasos de amplitud más finos, menos ruido de cuantificación 量化, archivo más grande.
  • menor cualquiera de ellos → archivo más pequeño, pérdida clara de calidad.

(La frecuencia de muestreo debe ser al menos el doble de la frecuencia más alta que desees mantener.)

Una onda sonora cruzada por líneas de muestreo espaciadas uniformemente, un punto por muestra, anotado como tasa de muestreo = muestras por segundo y Nyquist al menos el doble de la frecuencia más alta
La tasa de muestreo son muestras por segundo; la regla de Nyquist explica por qué debe ser al menos el doble de la frecuencia más alta mantenida
Explore · ⁨Explorar⁩

Muestreo de sonido

y = a sin(bt + c)

El muestreo mide una onda sonora a intervalos regulares; una tasa mayor la copia con mayor fidelidad.

Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
sampling/ˈsæmplɪŋ/ 采样 cǎi yàng
sampling rate/ˈsæmplɪŋ reɪt/ 采样率 cǎi yàng lǜ
sampling resolution/ˈsæmplɪŋ ˌrezəˈluːʃn/ 采样分辨率 cǎi yàng fēn biàn lǜ
amplitude/ˈæmplɪtjuːd/ 振幅 zhèn fú
sample resolution/ˈsæmpl ˌrezəˈluːʃn/ 采样分辨率 cǎi yàng fēn biàn lǜ
quantisation/ˌkwɒntaɪˈzeɪʃn/ 量化 liàng huà
bandwidth/ˈbændwɪdθ/ 带宽 dài kuān
lossless/ˈlɒsləs/ 无损 wú sǔn
lossy/ˈlɒsi/ 有损 yǒu sǔn
run-length encoding/rʌn leŋθ enˈkəʊdɪŋ/ 行程编码 xíng chéng biān mǎ
dictionary methods/ˈdɪkʃənəri ˈmeθədz/ 字典编码 zì diǎn biān mǎ
1.3

Compression · ⁨Compresión⁩

Syllabus
English
Candidates should be able to: Notes and guidance
Show understanding of the need for and examples of the use of compression
Show understanding of lossy and lossless compression and justify the use of a method in a given situation
Show understanding of how a text file, bitmap image, vector graphic and sound file can be compressed Including the use of run-length encoding (RLE)
Español
Los candidatos deben ser capaces de: Notas y orientación
Demostrar comprensión de la necesidad y los ejemplos de uso de la compresión
Demostrar comprensión de la compresión con pérdida y sin pérdida, y justificar el uso de un método en una situación determinada
Demostrar comprensión de cómo se puede comprimir un archivo de texto, una imagen mapa de bits, un gráfico vectorial y un archivo de sonido Incluyendo el uso del codificación por longitud de corrida (RLE)

Source: Cambridge International syllabus · ⁨Fuente: Plan de estudios Cambridge International⁩

English

Compression 压缩 reduces file size, saving storage and transmission bandwidth 带宽. Two kinds:

  • lossless 无损 — the original data is recovered exactly (text, programs, ZIP/PNG).
  • lossy 有损 — some detail is dropped for much smaller files (JPEG, MP3, video).

When to use which

  • lossless for documents, source code, medical images — anything needing exact data.
  • lossy for streaming media. Real-time video streaming uses lossy compression because it must send huge amounts of data in real time over limited bandwidth; lossless would not shrink it enough. Raw HD video is gigabytes per minute, so without compression the picture would keep freezing.

A "justify" answer names the method, then the reason from the situation: "Lossless, because the spreadsheet must be restored exactly; a single changed value would make the accounts wrong." Or: "Lossy, because the photographs are viewed on a phone screen where the dropped detail is not visible, and the smaller files upload faster and use less storage."

Lossless methods

  • run-length encoding 行程编码 (RLE): store "the next $n$ values are $x$" instead of repeating $x$. Great for flat areas; useless for noisy data.
  • dictionary methods 字典编码 (ZIP, PNG): replace repeated byte sequences with a short reference. Good for text and code.
  • Huffman coding 霍夫曼编码: give short codes to common symbols and long codes to rare ones, bringing the average code length near the data's entropy 熵.

How each kind of file is compressed:

  • text file: dictionary methods and Huffman coding turn repeated words and common characters into short codes. Text must stay lossless, because one changed character changes the meaning.
  • bitmap image: RLE for runs of identical pixels (icons, diagrams, black-and-white scans); lossy JPEG for photographs, or a lower colour depth or resolution.
  • vector graphic: the drawing list is already small; remove drawing objects that are not needed, store coordinates to fewer decimal places, or apply a lossless method such as ZIP to the file.
  • sound file: lossy MP3 or AAC removes what the ear cannot hear; a lower sampling rate or resolution is also lossy; lossless formats keep every sample and shrink the file much less.

Lossy methods

  • images (JPEG): drop fine detail and colour differences the eye barely sees.
  • sound (MP3, AAC): drop pitches we hear less well, and quiet sounds hidden by louder ones.
  • video combines spatial 空间 compression (within each frame, like JPEG) with temporal 时间 compression (most frames store only the differences from the previous frame).
Español

La compresión 压缩 reduce el tamaño del archivo, ahorrando almacenamiento y ancho de banda 带宽 para la transmisión. Dos tipos:

  • sin pérdida 无损 — los datos originales se recuperan exactamente (texto, programas, ZIP/PNG).
  • con pérdida 有损 — se descarta algún detalle para obtener archivos mucho más pequeños (JPEG, MP3, vídeo).

Cuándo usar cada uno

  • sin pérdida para documentos, código fuente, imágenes médicas: cualquier cosa que necesite datos exactos.
  • con pérdida para medios en streaming. El vídeo en streaming en tiempo real usa compresión con pérdida porque debe enviar grandes cantidades de datos en tiempo real sobre ancho de banda limitado; la sin pérdida no lo reduciría lo suficiente. El vídeo HD sin comprimir pesa gigabytes por minuto, así que sin compresión la imagen seguiría congelándose.

Una respuesta "justificar" menciona el método y luego la razón derivada de la situación: "Sin pérdida, porque la hoja de cálculo debe restaurarse exactamente; un único valor cambiado haría que las cuentas estuvieran mal". O: "Con pérdida, porque las fotografías se ven en una pantalla de teléfono donde el detalle descartado no es visible, y los archivos más pequeños se cargan más rápido y ocupan menos almacenamiento".

Métodos sin pérdida

  • código de longitud de corrida 行程编码 (RLE): almacena "los siguientes $n$ valores son $x$" en lugar de repetir $x$. Ideal para zonas planas; inútil para datos ruidosos.
  • métodos de diccionario 字典编码 (ZIP, PNG): reemplazan secuencias repetidas de bytes con una referencia corta. Bueno para texto y código.
  • codificación Huffman 霍夫曼编码: asigna códigos cortos a símbolos comunes y largos a raros, acercando la longitud promedio del código a la entropía 熵 de los datos.

Cómo se comprime cada tipo de archivo:

  • archivo de texto: los métodos de diccionario y la codificación Huffman convierten palabras repetidas y caracteres comunes en códigos cortos. El texto debe permanecer sin pérdida, porque un solo carácter cambiado altera el significado.
  • imagen bitmap: RLE para series de píxeles idénticos (iconos, diagramas, escaneados en blanco y negro); JPEG con pérdida para fotografías, o menor profundidad de color o resolución.
  • gráfico vectorial: la lista de dibujo ya es pequeña; eliminar objetos de dibujo innecesarios, almacenar coordenadas con menos decimales, o aplicar un método sin pérdida como ZIP al archivo.
  • archivo de sonido: MP3 o AAC con pérdida elimina lo que el oído no puede escuchar; una frecuencia o resolución de muestreo menor también es con pérdida; los formatos sin pérdida mantienen cada muestra y reducen el archivo significativamente menos.
Una fila de 16 píxeles con 6 celdas blancas, 4 negras y 6 blancas; las tres series están entre corchetes y etiquetadas 6B, 4N, 6B, por lo que 16 píxeles se almacenan como las 3 series 6B 4N 6B
Código de longitud de corrida en una sola fila: 16 píxeles se convierten en 3 corridas
Una cuadrícula en blanco y negro de 8 por 8 que muestra la letra F, con el patrón binario de cada fila y su código de codificación por longitud de carrera más corto listados junto a ella
Código de longitud de corrida de la letra F en una cuadrícula blanco y negro de $8\times8$
Codificación diccionario trabajada paso a paso: la fuente ABC ABC ABC XYZ, un diccionario en el que 1 representa ABC y 2 representa XYZ, y el flujo codificado 1 1 1 2
Codificación de diccionario: cada secuencia repetida se almacena una vez, y cada ocurrencia se convierte en un índice corto
Codificación Huffman trabajada en la palabra BANANA: los conteos de letras A 3, N 2 y B 1, el árbol de código construido a partir de ellos, y los códigos resultantes A = 0, B = 10, N = 11
Codificación Huffman: el símbolo más común obtiene el código más corto, por lo que BANANA necesita 10 bits en lugar de 12

Métodos con pérdida

  • imágenes (JPEG): descarta detalles finos y diferencias de color que el ojo apenas percibe.
  • sonido (MP3, AAC): descarta tonos que escuchamos peor y sonidos silenciosos ocultados por otros más fuertes.
  • vídeo combina compresión espacial 空间 (dentro de cada fotograma, como JPEG) con compresión temporal 时间 (la mayoría de los fotogramas solo almacenan las diferencias respecto al fotograma anterior).
Un árbol que clasifica la compresión en sin pérdida (RLE, diccionario/ZIP/PNG, Huffman) y con pérdida (imágenes JPEG, sonido MP3/AAC, vídeo) con ejemplos bajo cada rama
Métodos de compresión: sin pérdida versus con pérdida, con ejemplos comunes
Explore · ⁨Explorar⁩

Codificación de longitud de corrida

Observa cómo una serie de símbolos repetidos se comprime en un conteo — compresión sin pérdida simple.

Vocabulary · ⁨Vocabulario⁩ Train · ⁨Entrenar⁩
English · ⁨Inglés⁩ Chinese · ⁨Chino⁩ Pinyin
compression/kəmˈpreʃn/ 压缩 yā suō
frame rate/freɪm reɪt/ 帧率 zhēn lǜ
Huffman coding/ˈhʌfmən ˈkəʊdɪŋ/ 霍夫曼编码 huò fū màn biān mǎ
entropy/ˈentrəpi/ 熵 shāng
spatial/ˈspeɪʃl/ 空间 kōng jiān
temporal/ˈtempərəl/ 时间 shí jiān
Watch lesson · ⁨Ver lección⁩
1.3

Definitions the examiner accepts · ⁨Definiciones aceptadas por el examinador⁩

English

A definition question is marked against fixed wording. Learn these exactly, and give one answer only.

Term Definition
bit a single binary digit, 0 or 1
byte a group of 8 bits
binary prefix a multiplier that is a power of 2 (kibi = 1024) rather than a power of 10 (kilo = 1000)
two's complement a way of representing signed integers in which the most significant bit has a negative place value
overflow the result of a calculation is too large to be represented in the number of bits available
Binary Coded Decimal each denary digit is stored as its own 4-bit binary pattern
character set the set of characters a computer can represent, each with its own binary code
pixel the smallest element of a bitmap image, storing one colour value
image resolution the number of pixels in an image, given as width by height
screen resolution the number of pixels a display can show, given as width by height
colour depth the number of bits used to store the colour of one pixel
sampling rate the number of samples of the sound taken per second
sampling resolution the number of bits used to store the amplitude of one sample
lossless compression compression from which the original data can be recovered exactly
lossy compression compression that permanently removes some data, so the original cannot be recovered
run-length encoding replacing a run of repeated values with one value and a count
Español

Una pregunta de definición se califica según un texto fijo. Aprende estas definiciones exactamente, y da solo una respuesta.

Término Definición
bit un solo dígito binario, 0 o 1
byte un grupo de 8 bits
prefijo binario un multiplicador que es una potencia de 2 (kibi = 1024) en lugar de una potencia de 10 (kilo = 1000)
complemento a dos una forma de representar enteros con signo en la que el bit más significativo tiene un valor posicional negativo
desbordamiento el resultado de un cálculo es demasiado grande para ser representado en el número de bits disponibles
Decimal Codigo Binario cada dígito decimal se almacena como su propio patrón binario de 4 bits
conjunto de caracteres el conjunto de caracteres que una computadora puede representar, cada uno con su propio código binario
píxel el elemento más pequeño de una imagen bitmap, que almacena un valor de color
resolución de imagen el número de píxeles en una imagen, dado como ancho por alto
resolución de pantalla el número de píxeles que una pantalla puede mostrar, dado como ancho por alto
profundidad de color el número de bits usados para almacenar el color de un píxel
frecuencia de muestreo el número de muestras de sonido tomadas por segundo
resolución de muestreo el número de bits usados para almacenar la amplitud de una muestra
compresión sin pérdida compresión de la cual los datos originales pueden recuperarse exactamente
compresión con pérdida compresión que elimina permanentemente algunos datos, por lo que los originales no pueden recuperarse
código de longitud de corrida reemplazar una serie de valores repetidos con un valor y un conteo
1.3

Exam tips · ⁨Consejos para el examen⁩

English
  • Show working for base conversions: denary → binary by place values, binary → hexadecimal in nibbles (groups of 4 bits).
  • For two's complement the MSB is negative; to negate, invert and add 1; watch for overflow when the sign bit flips wrongly.
  • Distinguish bitmap (pixels; file size $=$ width $\times$ height $\times$ colour depth) from vector (drawing commands; scales without loss).
  • Sound file size depends on sample rate $\times$ bit depth $\times$ time — more of each means better quality but a bigger file.
  • Compare lossless vs lossy compression and give a use for each.

Common mistakes

  • Explaining an overflow with "the answer was greater than 255" or "it has 9 bits". State the word size the question gave, then say the result cannot be represented in it.
  • Making a negative number by setting the top bit to 1 and leaving the rest (sign and magnitude). Two's complement means invert every bit of the positive value, then add 1.
  • Forgetting to pad a converted number to the register width the question asks for.
  • Mixing bits and bytes in a file-size calculation. Work in bits, divide by 8 once, and say whether you used 1000 or 1024.
  • Answering "describe" in everyday words ("the picture gets worse"). Use the syllabus terms: fewer colours, banding, lower image resolution, larger pixels.
Español
  • Mostrar el procedimiento para conversiones de bases: decimal → binario por posiciones, binario → hexadecimal en nibbles (grupos de 4 bits).
  • Para el complemento a dos, el bit más significativo es negativo; para negar, invertir y sumar 1; tener cuidado con el desbordamiento cuando el bit de signo cambia incorrectamente.
  • Diferenciar entre mapa de bits (píxeles; tamaño del archivo $=$ ancho $\times$ alto $\times$ profundidad de color) y vectorial (comandos de dibujo; escala sin pérdida).
  • El tamaño de un archivo de sonido depende de la tasa de muestreo $\times$ profundidad de bits $\times$ tiempo: mayor cantidad de cada uno implica mejor calidad pero un archivo más grande.
  • Comparar la compresión sin pérdidas vs con pérdidas y dar un uso para cada una.

Errores comunes

  • Explicar un desbordamiento diciendo "la respuesta fue mayor que 255" o "tiene 9 bits". Indicar el tamaño de palabra dado en la pregunta, luego afirmar que el resultado no puede representarse en él.
  • Crear un número negativo estableciendo el bit superior en 1 y dejando el resto igual (signo y magnitud). El complemento a dos significa invertir todos los bits del valor positivo, luego sumar 1.
  • Olvidar rellenar con ceros un número convertido hasta alcanzar el ancho de registro que pide la pregunta.
  • Mezclar bits y bytes en un cálculo del tamaño de un archivo. Trabajar en bits, dividir entre 8 una sola vez, e indicar si se usaron 1000 o 1024.
  • Responder "describe" con lenguaje cotidiano ("la imagen empeora"). Usar los términos del programa: menos colores, banda de color, menor resolución de imagen, píxeles más grandes.

Interactive lessons on this topic · ⁨Lecciones interactivas sobre este tema⁩

Work through it step by step, with instant-check exercises. · ⁨Trátalo paso a paso, con ejercicios de verificación instantánea.⁩

Past Papers · ⁨Exámenes Anteriores⁩

More topics in A-Level Ciencias de la Computación · ⁨Más temas en A-Level Ciencias de la Computación⁩

Log in or create account · ⁨Iniciar sesión o crear cuenta⁩

IGCSE, A-Level & AP