浮点数在计算机中的表示

浮点数

早期的计算机使用定点数来表示实数，由于定点数的小数点位置固定，而计算机字长有限，定点数无法表示很大和很小的实数，因此而在计算机科学中有了对于实数近似值数值的表示法——浮点数。这种表示法类似于十进制中的科学计数法——它的优点是数的数量级、精确度以及数值都非常准确，浮点数表示其基数为 $2$，因此一个浮点数 $a$ 由两个数 $m$ 和 $e$ 来表示：$a = m \times b^e$，其中 $b$ 表示基数，$m$ 称为尾数。下面对浮点数在计算机中的表示详细介绍。

1.1 浮点数在计算机中的表示

浮点数可以这样表示[1]：

$$Value = sign \times exponent \times fraction$$

也就是说浮点数的实际值等于，符号值乘以指数偏移值，再乘以分数值。

我们知道当前绝大多数计算机（据说有过三进制计算机[7]）的数据都是二进制编码（0 和 1），在计算机中，二进制的浮点数按照以上公式在一定字长内（单精度浮点数32位，双精度浮点数64位）分别存储“符号位（sign bit）”，“指数部分”——次高有效的 e 个比特，以及“有效数（significand）”的小数部分——非规约数（稍后介绍）整数部分为 0，其他整数部分一律为 1。存储形式如下图所示：

（图片引用自[1]）

1.1.1 指数偏移值

这里着重介绍关于“指数部分”的偏移量，IEEE754 中规定，单精度浮点数的指数域是 8 个比特，因此它的指数偏移值为 $2^{8-1} -1 = 127$，64 位双精度浮点数的值数域是 11 个比特，它的指数偏移值为 $2^{11-1} - 1 = 1023$。为什么要指数编码时需要加上一个偏移值？

我们知道，在 10 进制的科学计数法中，指数可以是负数，而计算机存储浮点数的“指数部分”又是一个无符号的整数，因此，在 IEEE754 标准规定，exponent 必须减去一个偏移值而得到真实的“指数值”。

为什么单精度浮点数指数偏移值是 127，双精度浮点数指数偏移值是 1023 呢？ IEEE754 标准规定了几个特殊值[1]:

• 如果指数是 0 并且尾数的小数部分是 0，这个数是 ±0（和符号位有关）。
• 如果指数 $= 2^e - 1$ 并且尾数的小数部分是 0，这个数是 ±∞(同样和符号位有关)。
• 如果指数 $= 2^e - 1$ 并且尾数的小数部分非 0，这个数表示为不是一个数 NaN。
  （注意，这里所说的指数是指编码后的指数值（即阶码），而非指数真值，务必了解清楚。）

[8]这就意味着，单精度浮点数的 8 位阶码（即移码表示的指数部分）除特殊值外所表示范围为 $(1,254)$，我们知道 8 位有符号数的补码取值范围是 $(-128,+127)，$假设偏移值是 +128，在表示真值 +127 时阶码为 1111 1111，显然，根据 IEEE754 标准，255 是保留数值，偏移值是 +128 表达 +127时产生了上溢。与此同时，偏移值为 +127，在表达 -127 时，阶码为 0000 0000，同样依据 IEEE754 标准，0 也是保留数值，于是产生了下溢（更无法表达 -128 真值），因此阶码真值去掉 -127 和 -128，其取值范围为 (−126,+127)