我想更好地理解浮点算术,并且看到了一些'每个计算机科学家应该知道什么关于浮点算术'的链接。如何在浮点算术和十进制中表示0.1?
我仍然不明白像0.1
或0.5
这样的数字是如何存储在浮点数和小数。
有人可以解释它是如何摆放的吗?
我知道浮体是两部分(即与某物的力量相关的数字)。
我想更好地理解浮点算术,并且看到了一些'每个计算机科学家应该知道什么关于浮点算术'的链接。如何在浮点算术和十进制中表示0.1?
我仍然不明白像0.1
或0.5
这样的数字是如何存储在浮点数和小数。
有人可以解释它是如何摆放的吗?
我知道浮体是两部分(即与某物的力量相关的数字)。
我一直指出人们朝着Harald Schmidt's online converter,随着Wikipedia IEEE754-1985 article与其不错的图片。
对于这两个特定值,你会得到(0.1):
s eeeeeeee mmmmmmmmmmmmmmmmmmmmmmm 1/n
0 01111011 10011001100110011001101
| || || || || || +- 8388608
| || || || || |+--- 2097152
| || || || || +---- 1048576
| || || || |+------- 131072
| || || || +-------- 65536
| || || |+----------- 8192
| || || +------------ 4096
| || |+--------------- 512
| || +---------------- 256
| |+------------------- 32
| +-------------------- 16
+----------------------- 2
符号为正,这是很容易的。
指数为64+32+16+8+2+1 = 123 - 127 bias = -4
,所以乘数为2-4
或1/16
。
尾数是矮胖。它由1
(隐含的基数)加上(对于所有那些值为1/(2n)
的位为n
开始于1
并增加到右边),{1/2, 1/16, 1/32, 1/256, 1/512, 1/4096, 1/8192, 1/65536, 1/131072, 1/1048576, 1/2097152, 1/8388608}
。
当你添加所有这些,你会得到1.60000002384185791015625
。
当你乘上倍频,你0.100000001490116119384765625
,这就是为什么他们说你不能代表0.1
完全一样的IEEE754浮点,并提供了这么多的机会,就SO人回答"why doesn't 0.1 + 0.1 + 0.1 == 0.3?"
型问题:-)
0.5的例子大大简化了。它表示为:
s eeeeeeee mmmmmmmmmmmmmmmmmmmmmmm
0 01111110 00000000000000000000000
这意味着它是隐式的基础上,1
,再加上没有其它添加剂(所有的尾数位是零)。
该符号再次为正数。指数是64+32+16+8+4+2 = 126 - 127 bias = -1
。因此乘数为2-1
,即1/2
或0.5
。
所以最终的值是1
乘以0.5
或0.5
。瞧!
我有时会发现用小数来考虑它更容易。
数字1。345是相当于
1 + 3/10 + 4/100 + 5/1000
或:
-1 -2 -3
1 + 3*10 + 4*10 + 5*10
类似地,对于小数0.8125
的IEEE754表示为:
s eeeeeeee mmmmmmmmmmmmmmmmmmmmmmm
0 01111110 10100000000000000000000
随着1隐含的基础上,这相当于二进制:
01111110-01111111
1.101 * 2
或:
-1
(1 + 1/2 + 1/8) * 2 (no 1/4 since that bit is 0)
成为:
(8/8 + 4/8 + 1/8) * 1/2
和然后变为:
13/8 * 1/2 = 0.8125
参见the Wikipedia entrythe IEEE group和,第一。
基本上,有一个标志,一个数字和一个指数。如果源代码库中的因素不在目标库中,则一个基地中的数字不能有限地表示在另一个基地中。例如,1/3不能表示为有限的十进制数,但是表示为三元(基数3)数是微不足道的:(0.1)。
所以0.5具有有限二进制表示,(0.1)2 ,即,2 -1,但0.1具有重复表示,因为2和10具有(5)不处于因子共同。