计算机中的浮点数

计算机中的浮点数：二进制表示与存储机制

浮点数是计算机中表示小数的核心方式，其设计巧妙但也因二进制特性存在独特的精度问题。以下从二进制小数表示、浮点数结构、IEEE 754 标准等方面详细解析：

二进制表示小数：精度问题的根源

计算机以二进制存储数据，十进制小数需转换为二进制的 “负指数幂之和”，这是浮点数精度问题的核心原因。

二进制小数的表示规则

二进制小数的整数部分与整数的二进制表示一致（如十进制5→二进制101），小数部分则通过 “2 的负指数幂累加” 表示：

• 二进制小数 b₀.b₁b₂...bₙ 对应十进制的值为：
  b₀×2⁰ + b₁×2⁻¹ + b₂×2⁻² + ... + bₙ×2⁻ⁿ
  （其中b₀是整数位，b₁~bₙ是小数位，取值为 0 或 1）

示例

• 二进制 1.011 转换为十进制：
  1×2⁰ + 0×2⁻¹ + 1×2⁻² + 1×2⁻³ = 1 + 0 + 0.25 + 0.125 = 1.375（精确表示）。
• 十进制 0.1 转换为二进制：
  结果是无限循环小数 0.0001100110011...，计算机无法用有限位存储，只能近似表示（这就是0.1 + 0.2 ≠ 0.3的原因）。

浮点数的组成：符号、尾数与指数

浮点数通过 “科学计数法” 的二进制形式表示，核心是用符号、尾数、指数三部分描述一个数，格式为：

// 指数也叫做阶码，阶码一般是用移码表示，尾数一般是补码表示(IEEE754标准中尾数也可以用原码表示)，阶码的正负叫阶符，尾数的符号位叫数符
// 阶码决定数的表示范围
// 尾数决定数的有效精度
// 对阶时，小数向大数看齐，通过较小的尾数右移实现的
符号 尾数 * 基数 ^ (指数)

如果浮点数的阶码(包括一位阶符)用R位的移码表示，尾数(包括一位数符)用M位的补码表示，则浮点数表示的数值范围时

最大正数为 $+(1-2^{-M+1})*2^{2^{R-1}-1}$

最小负数为$-1*2^{(2^{R-1}-1)}$

（计算机中基数固定为 2，因此无需存储，只需记录符号、尾数和指数）

各部分的作用

1. 符号（Sign）：
   • 1 位二进制（0 表示正数，1 表示负数），决定数的正负。
2. 尾数（Mantissa）：
   • 表示数的有效数字，通常为二进制小数（如0.1011），决定数值的精度（位数越多，精度越高）。
   • 为避免歧义，尾数通常采用 “规格化形式”：整数位固定为 1（如1.011×2³的尾数存储为011，隐含整数位 1），节省存储空间。
3. 指数（Exponent，又称阶码）：
   • 表示基数的幂次（如2³中的 3），决定数值的表示范围（指数范围越大，可表示的数越大或越小）。
   • 为同时表示正负指数，指数通常用 “移码” 表示（如单精度浮点数的指数偏移量为 127，实际指数 = 存储值 - 127）。

IEEE 754 标准：单精度与双精度浮点数

IEEE 754 是目前最广泛使用的浮点数标准，定义了单精度（32 位）和双精度（64 位）两种格式，明确了各部分的位数分配：

单精度浮点数（32 位）

• 结构：
  1位符号位 + 8位指数位 + 23位尾数位
• 细节：
  • 指数位：偏移量为 127，可表示的指数范围为 -126 ~ +127（存储值 0~255，减去 127 后）。
  • 尾数位：隐含整数位 1，实际有效位数为 24 位（23 位存储位 + 1 位隐含位），精度约为十进制 6~7 位。

双精度浮点数（64 位）

• 结构：
  1位符号位 + 11位指数位 + 52位尾数位
• 细节：
  • 指数位：偏移量为 1023，可表示的指数范围为 -1022 ~ +1023。
  • 尾数位：隐含整数位 1，实际有效位数为 53 位，精度约为十进制 15~17 位（精度远高于单精度）。

浮点数的关键特性与问题

1. 表示范围与精度

• 范围：由指数位决定，双精度可表示的数值范围远大于单精度（如单精度最大正数约3.4×10³⁸，双精度约1.8×10³⁰⁸）。
• 精度：由尾数位决定，双精度的 53 位尾数可精确表示更多小数，但仍无法避免二进制无限循环小数的近似问题（如0.1的存储误差）。

2. 对阶操作

当两个浮点数运算时（如加减），需先进行 “对阶”：

• 规则：小数向大数看齐，将指数较小的数的尾数右移（同时增大指数），使两者指数相同。
• 示例：1.01×2³ + 1.1×2¹ → 对阶后为 1.01×2³ + 0.011×2³ = 1.021×2³。

3. 特殊值

IEEE 754 定义了特殊表示：

• 无穷大（±∞）：指数全为 1，尾数全为 0（如正无穷：符号位 0，指数 11111111，尾数 000…）。
• NaN（Not a Number）：指数全为 1，尾数非 0，表示无效结果（如0/0、√-1）。