因为我上课没好好听

什么是浮点数

浮点数，是与定点数相对的概念，指小数点位置约定在固定位置的数。

浮点数的存储标准：IEEE754

浮点数在计算机中以遵循IEEE754浮点数计数标准的方式存储。

IEEE 754规定了四种表示浮点数值的方式：单精确度（32位）、双精确度（64位）、延伸单精确度（43比特以上，很少使用）与延伸双精确度（79比特以上，通常以80位实现）。

浮点数的数学表示：Sign,Exponent和Significand

存在一个浮点数X，则X的数学表示为
X=(−1)S×M×REX=(-1)^{S}\times M\times R^{E} X=(−1)S×M×RE

S，Sign：符号位，决定该浮点数的正负
M，Mantissa/Significand：尾数，取值为[1,2)的二进制小数，长成1.xxxxxx这样。
R，Radix base：基数，一般是2。
E，Exponent：阶/指数，二进制定点（无符号）整数。

考试的时候问你尾数是什么，你要回答小数点后那部分xxxxx

在基数R一定的情况下:
尾数M的位数反映数X的有效位数，它决定了数的表示精度，有效位数越多，表示精度越高。
阶E的位数决定数X的表示范围，值确定了小数点的位置。

M越长，X越精确
E越大，X越大

浮点数的数据类型：float与double

IEEE754规定浮点数有单精确度、双精确度、延伸单精确度与延伸双精确度四种类型，但是本文只对单精确度float与双精确度double类型作分析学习。

在科学计数法中指数是可以取负数的，所以IEEE754规定计算机存储浮点数时，阶E需要在真实值基础上再减去一个偏移值bias，即127(for float)或1023(for double) 得到阶E的移码 即阶码

规格化尾数M( 1.xxxxx )的小数点后第一位总是1，故规定第一位默认的1被省略，由此用23个数表示24位尾数。

浮点数的数值范围

绝对值范围为：
2−(2e−1)×2−m≤∣X∣≤(1−2−m)×2(2m−1)2^{-(2^{e}-1)} \times 2^{-m} \leq \left | X \right |\leq (1-2^{-m}) \times 2^{(2^{m}-1)} 2−(2e−1)×2−m≤∣X∣≤(1−2−m)×2(2m−1)
其中e和m分别表示阶数与尾数的位数

float的正规数取值范围

在32位浮点数float中，符号位占1位，尾数占23位，阶数占8位。
不考虑阶数全为0或全为1的情况下，8位二进制数取值范围即[1,254]减去其偏移量127，得到阶数E的范围为 [-126,127]。

在正常情况下，阶数不包括全为0或全为1的情况
实际的指数值 -127（保存为全0）以及 +128（保存为全 1）保留用作特殊值（见下文）

正数最小值为

Sign	Exponent	Mantissa
0	00000001	00000000000000000000000

1.00...0×200...1=1×2−126=2−1261.00...0 \times 2^{00...1}=1 \times 2^{-126}=2^{-126} 1.00...0×200...1=1×2−126=2−126

正数最大值为

Sign	Exponent	Mantissa
0	11111110	11111111111111111111111

1.11...1×211111110=(2−2−23)×2127≈3.4028234664×10381.11...1 \times 2^{11111110}=(2-2^{-23}) \times 2^{127} \approx 3.4028234664 \times 10^{38} 1.11...1×211111110=(2−2−23)×2127≈3.4028234664×1038

于是对于正浮点数有：
1.0×2−126≈1.1755×10−38≤FloatNum≤(2−2−23)×2127≈3.4028×10381.0 \times 2^{-126} \approx 1.1755 \times 10^{-38} \leq FloatNum \leq (2-2^{-23}) \times 2^{127} \approx 3.4028 \times 10^{38} 1.0×2−126≈1.1755×10−38≤FloatNum≤(2−2−23)×2127≈3.4028×1038

同理对于负浮点数有
−(2−2−23)×2127≈−3.4028×1038≤FloatNum≤−1.0×2−126≈−1.1755×10−38≈3.4028×10−38-(2-2^{-23}) \times 2^{127} \approx -3.4028 \times 10^{38} \leq FloatNum \leq -1.0 \times 2^{-126} \approx -1.1755 \times 10^{-38} \approx 3.4028 \times 10^{-38} −(2−2−23)×2127≈−3.4028×1038≤FloatNum≤−1.0×2−126≈−1.1755×10−38≈3.4028×10−38

double的正规数取值范围

在64位浮点数中，符号位占1位，尾数占52位，阶数占11位。
不考虑阶数全为0或全为1的情况下，11位二进制数取值范围即[1,2046]减去其偏移量1023，得到阶数E的范围为 [-1022,1023]。

实际的指数值 -1023（保存为全0）以及 +1024（保存为全 1）保留用作特殊值

正数最小值为

Sign	Exponent	Mantissa
0	00000000001	0000000000000000000000000000000000000000000000000000

1.00...0×200...1=1×2−1022=2−10221.00...0 \times 2^{00...1}=1 \times 2^{-1022}=2^{-1022} 1.00...0×200...1=1×2−1022=2−1022

正数最大值为

Sign	Exponent	Mantissa
0	11111111110	1111111111111111111111111111111111111111111111111111

1.11...1×211...10=(2−2−52)×21023≈1.7976931348623157×103081.11...1 \times 2^{11...10}=(2-2^{-52}) \times 2^{1023} \approx 1.7976931348623157 \times 10^{308} 1.11...1×211...10=(2−2−52)×21023≈1.7976931348623157×10308

于是对于正浮点数有：
1.0×2−1022≈2.2251×10−308≤DoubleNum≤(2−2−52)×21023≈1.7977×103081.0 \times 2^{-1022} \approx 2.2251 \times 10^{-308} \leq DoubleNum \leq (2-2^{-52}) \times 2^{1023} \approx 1.7977 \times 10^{308} 1.0×2−1022≈2.2251×10−308≤DoubleNum≤(2−2−52)×21023≈1.7977×10308

同理对于负浮点数有
−(2−2−52)×21023≈−1.7977×10308≤DoubleNum≤−1.0×2−1022≈−2.2251×10−308-(2-2^{-52}) \times 2^{1023} \approx -1.7977 \times 10^{308} \leq DoubleNum \leq -1.0 \times 2^{-1022} \approx -2.2251 \times 10^{-308} −(2−2−52)×21023≈−1.7977×10308≤DoubleNum≤−1.0×2−1022≈−2.2251×10−308

浮点数的特殊取值

Single-precision floating-point format:
https://en.wikipedia.org/wiki/Single-precision_floating-point_format
Double-precision floating-point format:
https://en.wikipedia.org/wiki/Double-precision_floating-point_format

这里贴一个小工具，在IEEE754的标准下手动控制输入Sign,Exponent和Mantissa的值，输出对应的十进制值，二进制值，十六进制值，非常简单直观
https://www.h-schmidt.net/FloatConverter/IEEE754.html

常见浮点数特殊值取值如下表

	Sign	Exponent	Mantissa
0	Both cases valid	all zeros	all zeros
+∞+\infty+∞	zero	all ones	all zeros
−∞-\infty−∞	one	all ones	all zeros
NaN	Both cases valid	all ones	nonzero
Denorms	Both cases valid	all zeros	nonzero

更多特殊值见上floating-point format from Wikipedia

次正规数Denorms

在计算机科学中，次正规数denormal numbers or denormalized numbers (now often called subnormal numbers)填补了浮点运算中以0为中心的下溢缺口。次正规数包含所有小于最小正规数的非0数。

float中的最小正规数是 2^-126
double中的最小正规数是 2^-1022

次正规数的尾数是含有前导零的，如0.1 × 2^-1

次正规数的数学表示为

Denorms	Both cases valid	all zeros	nonzero

float中Denorms的特殊取值如下

double中Denorms的特殊取值如下

浮点数与其他数制的转换

将十进制数-0.75转换为IEEE754的单精度浮点数格式表示
(-0.75) ₁₀ = (-0.11) ₂ = (-1.1) ₂ × 2^-1 = (-1)^s × 1.f × 2^e-127
s = 1，f = 0.100…0，e = (127-1) ₁₀ = ( 01111 1110 ) ₂ ，表示为单精度浮点数格式为 1 0111 1110 1000 0000…0000 000，用十六进制表示为BF40 0000H

求IEEE754单精度浮点数C0A0 0000H的值是多少
将C0A0 0000H展开为一个32位单精度浮点数：1 10000001 010 0000…0000.
s = 1，f = (0.01) ₂ = (0.25) ₁₀ ，阶码e = (10000001) ₂ = (129)₁₀
所以其值为( -1 )^s × 1.f × 2^e-127 = （-1）¹ × 1.25 × 2^129-127 = -1.25 × 2² = -5.0

浮点数运算

五种异常情况

1.无效运算（无意义）

-运算时有一个数是非有限数，如：
加/减 ∞，0 × ∞，∞ / ∞等

-结果无效，如：
源操作数是NaN、0 / 0、x REM 0、∞ REM y等

2.除以0
结果即无限大

3.阶上溢
对于float，指[ E ]_移 > 1111 1110，即大于127

4.阶下溢
对于float，指阶码exponent < 0000 0001，即小于-126

5.结果不精确
舍入时引起的异常，如1/3、1/10等不能精确表示为浮点数

浮点数加法

设X_m、Y_m分别是X和Y的尾数，X_e、Y_e分别是X和Y的阶码

1.对阶

对阶的目的是使两数阶码相等

小阶向大阶看齐，阶码小的数的尾数向右移，右移位数等于两个阶码差的绝对值Δ_e = Y_e - X_e。

IEEE754尾数右移时，要将隐藏的“1”移到小数部分，高位补0，移出的低位保留到特定的“附加位”上

2.尾数加减

X_m × 2^(X_e-Y_e) ± Y_m

3.尾数规格化

当尾数高位为0，则需左规：尾数左移一次，阶码减一，直到MSB（阶码最高位）为1

每次阶码减一后要判断阶码是否下溢，阶码下溢则结果为0

当尾数最高位有进位，则需右规：尾数右移一次，阶码加一，直到MSB为1

每次阶码加一后要判断阶码是否上溢，阶码上溢则结果溢出

右规最多只需要一次，因为即使是最大的两个尾数相加(1.11…1+1.11…1)，其结果也不会达到4，故尾数的整数部分最多有2位，保留一个隐含的"1"后，最多只有一位被右移到小数部分

4.舍入

如果尾数比规定数位长（有附加位），则需考虑舍入（舍入的方式有多种）
没写完，等我考完试

5.校验

若运算结果尾数为0，则说明结果为0，即阶码和尾数均应为0，需要将阶码也置0.

用二进制浮点数形式计算0.5 +（-0.4375）的值
(0.5)₁₀ = 1.000 × 2^-1（大阶），(-0.4375) = -1.110 × 2^-2（小阶）
对阶： -1.110 × 2^-2 → 0.111 × 2^-1
加减： 1.000 × 2^-1 + (-0.111 × 2^-1) = 0.001 × 2^-1
左规： 0.001 × 2^-1 → 1.000 × 2^-4
判断溢出：否
所以结果为1.000 × 2^-4 = 0.0001000 = 1/16 = 0.0625

良人从零开始的踩坑笔记：浮点数相关推荐

1. iphone se 一代 不完美越狱 14.6 视频壁纸教程(踩坑笔记)

   iphone se 一代 不完美越狱 14.6 加 视频壁纸教程-踩坑笔记 越狱流程 1.爱思助手制作启动u盘 坑点: 2.越狱好后 视频壁纸软件 1.源 2.软件安装 越狱流程 1.爱思助手制作启动 ...

2. OpenCV4.0.1/4.0.0/3.4.2 + Contrib + Qt5.9 + CMake3.12.1编译及踩坑笔记、Qt5+OpenCV配置、代码验证、效果图、福利彩蛋

   Table of Contents 前言 Windows 10, OpenCV4.0.1, Qt5.9.3, CMake3.12.1, MinGW5.3.0 Windows 10, OpenCV4.0 ...

3. Vue 踩坑笔记: 引入 ElementUI 时打包失败修复记录(ERROR in ./node_modules/element-ui/lib/theme-chalk/index.css)

   Vue 踩坑笔记: 引入 ElementUI 时打包失败修复记录(ERROR in ./node_modules/element-ui/lib/theme-chalk/index.css Module ...

4. Linux内核踩坑笔记

   systemtap embedded C踩坑笔记戳这: https://blog.csdn.net/qq_41961459/article/details/103093912 task_struct的 ...

5. 阿里云部署Tiny Tiny RSS踩坑笔记

   阿里云部署Tiny Tiny RSS踩坑笔记 前言 入坑了RSS,之前的配置是阿里云部署RSSHub,配合Inoreader进行文章阅读,详情见RSS入坑指南.阿里云部署RSSHub踩坑笔记.在202 ...

6. 「Java」基于Mirai的qq机器人开发踩坑笔记（其一）

   目录 0. 前置操作 I. 安装MCL II. MCL自动登录配置 III. 安装IDEA插件 1. 新建Mirai项目 2. 编写主类 3. 添加外部依赖 4. IDEA运行 5. 插件打包 6. ...

7. 「Java」基于Mirai的qq机器人开发踩坑笔记（其二）

   目录 0. 配置机器人 1. onLoad方法 2. onEnable方法 3. 消息属性 4. 消息监听 I. 好友消息 II. 群聊消息 III. 无差别消息 5. 发送消息 I. 文本消息 II ...

8. 昆仑通态触摸屏1003故障码，踩坑笔记

   昆仑通态触摸屏1003故障码,踩坑笔记 第一次使用这个昆仑通态触摸屏,使用modbusRTU与金田变频器做通讯. 触摸屏在线后报1003通讯错误代码,现象是控制指令正常,但是读取不正常.读取变频器状态 ...

9. EDUSOHO踩坑笔记之四十二：资讯

   EDUSOHO踩坑笔记之四十二:资讯 获取资讯列表信息 GET /articles/{id} 权限 老API,需要认证 参数 字段 是否必填 描述 sort string 否 排序,'created' ...

最新文章

1. 分布式消息技术 Kafka
2. Web前端_项目实践01_萌娃摄影网页（纯HTML+CSS静态页面）
3. 诛仙单机java数据库_诛仙2单机11职业架设教程
4. Java文件的写入与读出
5. Invalid maximum heap size: -Xmx
6. AD637 有效值检测
7. Windows11如何使用安卓子系统的Amazon Appstore
8. vscode终端清屏
9. 二叉树的先序、中序、后续遍历（递归）
10. 防止浏览器自动填充表单
11. Nagios常见问题集锦
12. 浅读C Primer Plus——C语起源
13. 高德地图定位失败_常见问题
14. 借记来帐，借记往账，贷记来帐，贷记往账
15. BP神经网络原理及Python实现
16. WebLogic 10.3.1 下载地址
17. linux shell 三元运算符,语法 - Bash中的三元运算符（？:)
18. 编程大佬是否能记住代码?
19. java一键换壁纸_Java 版下载必应每日壁纸并自动设置 Windows 系统桌面（改编自 C# 版）...
20. Android挂机 屏幕,游戏蜂窝新版支持全面屏手机 简单几步教你如何设置挂机

热门文章

1. pip 安装 nexmo
2. html和jsp轮播,jsp页面、图片轮播
3. zc706开发板的linux开发,第一篇：zc706 开箱及开发环境搭建
4. python3爬虫实战姚良_Python3.X 爬虫实战（缓存与持久化）
5. c语言分离个位十位百位_用c语言如何表示出一个数的个位，百位，十位
6. 世界七大数学难题——千年大奖问题(转载)
7. 批量压缩图片大小 – Caesium简体中文
8. 阿里云虚拟机Windows系统控制台解压缩文件提示操作异常、解压缩失败的解决方案
9. 566页19万字区级一网通办政务服务应用平台建设项目方案书
10. Divan and bitwise operations（组合数+思维）