[关闭]
@pearl3344 2018-02-24T04:41:40.000000Z 字数 2982 阅读 1186

浮点数 floating point system

浮点数

IEEE standard 754-2008



以32位2进制数为例。

b=2 基数radius
k=32=1+w+t 机器存储长度
s=0,1 符合部分的位数1,取值0或1,表示负数正数
w=8 指数部分的位数
e: 指数exponent
E 指数部分表示的整数 biased exponent.

t=23 有效数字的小数部分的位数 the number of digints in the trailing significand (precision).
p=t+1=24 有效数字的位数 the number of digits in the significand (precision),包括一个隐含首位 the leading bit of the significand is implicitly encode in the biased exponent E.
m: 有效数字mantissa, significand (in scientific form) 1.xxxx 或者0.xxx
T 有效数字的小数点后面部分trailing significand field digit string 如果表示成整数

指数部分E有8位可以表示2^8=256个数,有不同的定义:

1. 指数部分全0,E=0:0,subnormal浮点数

最小的非0 .

2. 指数部分全1,E=255 :NaN无穷大

3. 指数部分 E=[1,254] :normal浮点数

指数部分w位,可表示个整数,除去全0全1两个,剩下的分成两波: 正数、负数和0。可以得到 the minimum exponent, the maximum exponent.

E=,
e=E-bias =


m可以无限逼近2,

指数部分确定了overflow、underflow

overflow: 能表示的最大数the largest floating-point number


underflow: normal浮点数能表示的最小绝对值,smallest positive normalized floating-point number, smallest normal magnitude,

有效数字部分确定了unit roundoff (machine precision, machine epsilon)

机器能准确表示的浮点数是离散的有限的,称这些能被准确表示的数叫machine number。
当实数x不能被机器准确表示时,用machine number近似表示fl(x)。 将实数近似成浮点数会造成误差rounding error, roundoff error。

unit roundoff, machine precision, machine epsilon定义了一个浮点数系统表示任意非0实数可能的相对误差的上界maximum relative error。“相对”误差,因为浮点数不是均匀分布的,有效数字部分还要乘以指数部分。


存在不同的近似方法,相应的近似误差也不一样。

最小subnormal量级

能表示的最小绝对值数, smallest subnormal magnitude


所有浮点数都是最小subnormal量级的整数倍。
指数位不同,两个相邻浮点数的数值差也不同;最小量级是两个相邻浮点数的最小数值差。

subnormal浮点数

normal浮点数


都是最小绝对值数的整数倍

当w=3,,
当t=4,
这些整数倍数仅仅包括 16-31
2(16-31),4(16-31),8(16-31),16(16-31),32(16-31)
17、19、21、23、25、27....这些倍数的 仍然无法用machine number精确表示。

normal浮点数


不能保证是的整数倍。

如果e=-1, T=13,则是0.5*(16+13)= 14.5倍的, 会表示成14倍的,让T=12.
如果e=-2, T=13,则是0.25*(16+13)=7.25倍的, 会表示成7倍的, 7=0.25*(16+8)让T=8.

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注