信息的表示和处理（4）：浮点数

信息的表示和处理（4）：浮点数

1.1 二进制小数的定点表示

• 符号"."变成了二进制的点，点左边的位的权是2的正幂，右边的位的权是2的负幂。如$101.11_2$ 表示

$1\ast 2^2+0\ast 2^1+1\ast 2^1+1\ast 2^{-1}+1\ast 2^{-2}=5\frac{3}{4}$ 。

• 二进制小数点左移一位相当于这个数被2除，右移一位相当于该数乘2。
• 形如$0.11...1_2$ 的数表示刚好小于1 的数。如$0.111111_2$ 表示$\frac{63}{64}$ ，可以用简单表达法1.0-$\epsilon$ 表示。
• 有限长度的编码，并不能表示$\frac{1}{3}$ 和 $\frac{5}{7}$ 这样的数。小数的二进制表示法只能表示那些能被写成 $x\ast 2^y$ 的数，其他的值只能被近似地表示。可通过增加二进制表示的长度提高表示的长度。

1.2 IEEE浮点表示

• 定点表示法不能有效表示非常大的数，因此可用浮点标准$V=(-1{)}^s\ast M\ast 2^E$的形式表示一个数。

  • 符号s 决定这个数是负数(s=1)还是正数(s=0)，数值0的符号位做特殊处理。
  • 尾数M 是一个二进制小数，范围是1~2-$\epsilon$ ，或者是0~1-$\epsilon$ 。
  • 阶码E 的作用是对浮点数加权，权重是2的E次幂（可能是负数）

  注意，这里的s、M、E都是可以通过二进制数编码的数。

• 将浮点数的位表示划分为三个字段，分别对s、M、E进行编码

  • 一个单独的符号位s直接编码符号s
  • k位的阶码字段$exp=e_{k-1}....e_1{e}_0$ 编码阶码E
  • n位小数字段$frac=f_{n-1}...f_1{f}_0$ 编码尾数M，但是编码出来的值依赖于阶码字段是否等于0

浮点格式

• C语言中的单精度浮点格式(float)，符号位s、阶码exp和小数frac的位数分别为1位，k=8位和n=23位，加起来共32位的位表示。

  

• 双精度浮点格式（double）中，符号位s、阶码exp和小数frac的位数分别为1位，k=11位和n=52位，加起来共64位的位表示。

  

浮点数值的分类

根据exp的值，编码值可分成三种情况：

• 规格化的浮点数（exp的位模式既不全为0，也不全为1）

  

  • 当exp的位模式既不全为0，也不全为1时（当全为1时，单精度数值为255，双精度数值为2047），浮点数是规格化的。
  • 阶码E的定义：
    • 对规格化的浮点数来说，阶码字段被解释为以偏置形式表示的有符号整数，即阶码$E=e-Bias$ ，其中e是无符号数，位表示是$e_{k-1}....e_1{e}_0$ （实际上，即上面提到的阶码字段exp所对应的值），而$Bias=2^{k-1}-1$ （单精度格式下Bias=127，双精度格式下Bias=1023）。
    • 由此产生的阶码E的取值范围，单精度是-126 ~ +127，双精度是-1022 ~ +1023
  • 尾数M的定义：
    • 小数字段frac被解释为小数值f，其中$0\le f<1$ ，二进制表示为 $0.f_{n-1}...f_1{f}_0$ ，即二进制小数点在小数的最高有效位的左边，小数值f表示一个数的小数部分。
    • 尾数M=1+f，这种方式叫隐含的以1开头的表示。因此M也可看成是一个二进制表达式为$1.f_{n-1}...f_1{f}_0$ 的数字。由定义可知，$1\le M<2$ 。

• 非规格化的浮点数（exp全0）

  

  • 当阶码域全0的时候，表示的数就是非规格化形式。此时阶码$E=1-Bias$ ，尾数M=f，即此时M不包含隐含的开头的1。
  • 非规格化数的用途
    • 提供了一种表示数值0的方法。用规格化数表示时，因为$M\ge 1$ ，所以规格化数不能表示0。当阶码和尾数的位表示全为0时，符号位为0，可得到+0.0的值；符号位为1，其他域为0时可得到-0.0的值。
    • 非规格化数可表示那些非常接近于0.0的数。它提供了一种称为逐渐溢出的属性，可能的数值分布均匀地接近于0.0。

• 特殊值（exp全为1）

  
  当阶码全为1时，出现特殊值。又分几种情况：

  • 小数域全为0时，得到的值表示无穷：
    • 符号位s=0时表示正无穷。
    • 符号位s=1时表示负无穷。
  • 小数域非0时，得到的值为"NaN"，即不是一个数(Not a Number)的缩写。当一些运算结果不能是实数或无穷时（如根号-1），就会返回NaN值。

浮点数的数字示例

重要浮点数的表示和数字值，以及整数值转换成浮点形式：

1.3 舍入

浮点数的表示方法限制了浮点数的范围和精度，因此浮点运算只能近似表示实数运算。

舍入方式

• 向偶数舍入：将数字向上或者向下舍入，使得结果的最低有效数字是偶数。
• 向零舍入：把正数向下舍入，把负数向上舍入。（即向靠近0的方向舍入）
• 向下舍入：把正数和负数都向下舍入，得到$x^{-}$ ，使得$x^{-}\le x$ 。
• 向上舍入：把正数和负数都向上舍入，得到$x^{+}$ ，使得$x\le x^{+}$ 。

将偶数舍入法应用到二进制小数上，将最低有效位的值0认为是偶数，值1认为是奇数，只有形如XX…X . YY….Y100…的二进制位模式的数，这种舍入方式才有效，其中X和Y表示任意位值，最右边的Y是要被舍入的位置。只有这种位模式表示两个可能的结果的正中间的值。

对不满足上述形式的浮点数，观察舍入位置的下一位的值，若为1，可考虑向上舍入，若为0，则可考虑向下舍入。

1.4 浮点运算

把浮点数x和y看成是实数，而某个运算$\odot$ 定义在实数上，计算将产生$Round(x\odot y)$ ，这是对实际运算的精确结果进行舍入后的结果。

浮点加法

将$x{+}^{f}y$ 定义为$Round(x+y)$ ，有如下特点：

• 满足交换律
• 不满足结合律（因为存在溢出和舍入）
• 大多数值都存在加法逆元。
• 满足单调属性：若$a\ge b$， 则除了NaN外，对于任意的a, b, x的值，都有$x+a\ge x+b$ 。（无符号或补码加法不具有单调性）
• 特殊情况：$，1/-0=-\infty ,1/+0=+\infty ,+\infty -\infty =NaN，x{+}^{f}NaN=NaN$ 。

浮点乘法

将$x{\ast }^{f}y$ 定义为$Round(x\ast y)$ ，有如下特点：

• 运算是封闭的

• 满足交换律

• 乘法单位元为1.0

• 不满足结合律（因为存在溢出和舍入）

• 不满足分配律

• 满足单调属性：对任意的a, b, c，且都不等于NaN，有

  ​ $且，则a\ge b且c\ge 0，则a{\ast }^{f}c\ge b{\ast }^{f}c$

  ​ $且，则a\ge b且c\le 0，则a{\ast }^{f}c\le b{\ast }^{f}c$

  只要$a̸=NaN$， 就有$a{\ast }^{f}a\ge 0$。

  无符号数和补码乘法没有这个单调性。

1.5 C语言中的浮点数

int float double 之间进行类型强制转换的原则：

• int -> float，数字不会溢出但可能会被舍入
• int / float -> double，能保留精确的数值（double可表示的值范围更大，有效位数也更多）
• double -> float，因为范围较小，可能溢出成正无穷或负无穷；精度较小，也可能被舍入
• float / double -> int，将会向零舍入，也可能会溢出。与Intel兼容的微处理器指定位模式[10…00] 为整数不确定值。一个浮点数到整数的转换，如果不能为该浮点数找到一个合理的整数近似值，就会产生整数不确定值。