信息的表示和处理(2):整数表示
精确定义如何编码和操作整数的数学术语:
1.1 整数数据类型
- 唯一一个与机器相关的类型是long,其他类型的取值范围在32位机器和64位机器都一样。
- 所有类型的取值范围都是不对称的,负数范围比整数范围大1。
- C/C++都支持有符号数和无符号数,默认是有符号数。Java只支持有符号数。
1.2 无符号数的编码
-
无符号数编码的定义
对向量 x ⃗ = [ x w − 1 , x w − 2 , ⋯   , x 0 ] \vec { x } = \left[ \begin{array} { l l l l l } { x _ { w - 1 } , } & { x _ { w - 2 } , } & { \cdots , } & { x _ { 0 } } \end{array} \right] x=[xw−1,xw−2,⋯,x0] ,
B 2 U w ( x ⃗ ) ≐ ∑ i = 0 w − 1 x i 2 i B 2 U _ { w } ( \vec { x } ) \doteq \sum _ { i = 0 } ^ { w - 1 } x _ { i } 2 ^ { i } B2Uw(x)≐i=0∑w−1xi2i
也就是说,一个无符号整数,等于第i位的比特值乘 2 i 2 ^ i 2i , 再将各项相加,即得整数值。
-
函数 B 2 U w B2U_w B2Uw 的取值范围是,[0, 2 ω 2^\omega 2ω - 1]。每个介于这个区间的数都有唯一一个 ω \omega ω 位的值编码。反过来,每个处于这个区间的位模式,都有一个大小在这个区间的整数与之对应。因此, B 2 U w B2U_w B2Uw 是一个双射。
1.3 补码编码
-
补码是有符号数的表示方式。字的最高有效位解释为负权。
- 最高有效位 x ω − 1 x_{\omega-1} xω−1 称为符号位,权重是 − 2 ω − 1 -2^{\omega-1} −2ω−1 。是无符号表示中权重的负数。
- 符号位被设置为1时,值为负,设置为0时,值为非负。
-
ω \omega ω 位补码,能表示的最小值是[10…0],其整数值为 T M i n w ≐ − 2 w − 1 T M i n _ { w } \doteq - 2 ^ { w - 1 } TMinw≐−2w−1 。最大值为[01…1],其整数值为 TMax w ≐ ∑ i = 0 w − 2 2 i = 2 w − 1 − 1 \operatorname { TMax } _ { w } \doteq \sum _ { i = 0 } ^ { w - 2 } 2 ^ { i } = 2 ^ { w - 1 } - 1 TMaxw≐∑i=0w−22i=2w−1−1 。(实际上,按照上面的定义公式,将最小值和最大值的比特位代入公式,也可得出最小值和最大值的值)。
-
在取值范围内的每个补码都有一个唯一的 ω \omega ω 位的补码。和无符号数一样,补码编码的函数 B 2 T ω B2T_\omega B2Tω 也是一个双射。
几个重要位模式示意图
- 补码范围不对称, ∣ TMin ∣ = ∣ TMax ∣ + 1 | \operatorname { TMin } | = | \operatorname { TMax } | + 1 ∣TMin∣=∣TMax∣+1 ,即TMin没有与之对应的正数。因为符号位设置为1 的数表示负数,而符号位为0的数表示非负数,两者各占一半。但由于全0是非负数,所以能表示的正数比负数少一个。
- 最大的无符号数值刚好比补码的最大值的两倍多一。 U M a x w = 2 T M a x w + 1 U M a x _ { w } = 2 T M a x _ { w } + 1 UMaxw=2TMaxw+1
- 补码表示中所有表示负数的位模式在无符号表示中都变成了正数。
- 几乎所有机器都是以补码形式来表示有符号整数。C语言中没有要求用补码形式表示有符号整数,但是在Java中明确要求用补码表示整数,单字节数据类型称为byte。这些都是为了保证Java在任何机器上运行都能表现一致。
原码、反码、补码
- 注意区别于无符号数,上图列出的都是有符号数的表示方式。即有符号数的表示方式可以有原码、反码、补码三种,而无符号数的表示方式,按照除2取余法即可得到,不存在符号位。
- 原码、反码、补码之间的转换关系,简单来说,就是原码按位取反得到反码,反码最低位+1得到补码。
- 用原码或反码表示数字0时,都会存在正负0的问题。但是用补码表示,正负0的值都是唯一的,不存在这个问题。存在正负0的原因是符号位不同导致的。
1.4 有符号数和无符号数之间的转换
-
强制类型转换的结果保持位值不变,只是改变了解释这些位的方式。
-
处理同样字长的有符号数和无符号数之间相互转换的规则是:数值可能会改变,但是位模式不变(二进制位对应的值不变)
-
T2U(有符号数转无符号数)的一般行为:负数转换成了大的正数,非负数保持不变。U2T的一般行为:小的数($\le TMax_\omega ) , 从 无 符 号 到 有 符 号 的 转 换 将 保 留 数 字 的 原 值 。 对 于 大 的 数 ( ),从无符号到有符号的转换将保留数字的原值。对于大的数( ),从无符号到有符号的转换将保留数字的原值。对于大的数(\gt TMax_\omega$),数字将会被转换成一个负数值。
总结:
- 在范围 0 ≤ x ≤ T M a x ω 0\le x\le TMax_\omega 0≤x≤TMaxω 内的值,T2U(x)=x, U2T(x)=x。即在这个范围内的数字有相同的无符号和补码表示。
- 在上述范围之外的值,转换需要加上(T2U)或者减去(U2T) 2 ω 2 ^ \omega 2ω 。
如何从一个负数得到它的补码表示?
- 官方定义,补码编码的定义如下:
但这只是列出了从补码编码得到负数的过程,如果通过这个函数求反函数会比较困难。
- 民间做法:
- 对于非负数,其无符号数表示和补码表示相同。则按照除2取余法得到该非负数的补码表示。
- 对于负数,先按照非负数的做法,求得其绝对值的原码表示。然后,对原码进行取反,再加1。这时再看符号位,因为是负数,符号位必定为1,若求得补码的最高位是1,则此时得到的补码即为所求。如果此时最高位是0,说明此时求得的补码已经超出了位数的取值范围,需要扩大位数,再次执行上述原码取反加1 的过程,即可得到补码表示。
- 举例说明
比如需要知道-5的补码,用4位比特位表示,则按照民间做法,-5 绝对值为5,5的原码是0101,按位取反加1 得1011,此时最高位是1,即符号位为1,则1011为-5的补码。
验证:按照官方定义,补码1011对应的整数是:-1 * 2 3 2^3 23 + 0 * 2 2 2^2 22 + 1 * 2 1 2^1 21 + 1 * 2 0 2^0 20 = -5。
再比如需要知道-11的补码,如果仍用4位比特位表示,按照上述方法,绝对值原码(1011)取反加1 ,则得到的绝对值的补码是0101,符号位是0,而负数的符号位应该是1,说明超过了-11超过了4位比特位所能表示的取值范围。因此扩大到8位比特位,再求绝对值原码(0000 1011)取反加1 得 1111 0101。此时最高符号位是1,则1111 0101是-11 的补码。
验证:按照官方定义计算补码 1111 0101 对应的整数,得-128+64+32+16+4+1=-11。
1.5 C语言中的有符号数和无符号数
-
当声明一个无符号常量时,需要在数字后面加上后缀字符’U’或’u’,否则就会被认为是有符号的。
-
当执行一个运算时,一个运算数是有符号的,另一个运算数是无符号的时候,会隐式地将有符号数强转成无符号数。对于<、>这样的关系运算来说就会有问题,而对于标准算术运算来说无什么差异。关系运算示例如下所示:
1.6 扩展一个数字的位表示
- 无符号数的零扩展:将无符号数转换为一个更大的数据类型,只需简单地在表示的开头添加0,这种运算叫零扩展。
- 补码数的符号扩展:将补码数字转换为一个更大的数据类型,只需要在开头添加最高有效位的值,这种运输叫符号扩展。其本质是,加上一个权值为 − 2 ω -2^\omega −2ω 的位(即加上一个符号位),和将权值为 − 2 ω − 1 -2^{\omega-1} −2ω−1 的位转换为一个权值为 2 ω − 1 2^{\omega-1} 2ω−1 的位(即将原来符号位的负权消除,但保留了该位所表示的数值),这两项运算的综合结果保持了原始的数值。(即 − 2 ω − 1 = − 2 ω + 2 ω − 1 -2^{\omega-1} = -2^\omega + 2^{\omega-1} −2ω−1=−2ω+2ω−1 )。
- 一个数据的类型大小转换,以及有符号数和无符号数的转换,它们的相对顺序会影响程序的行为。在C语言标准中,需要先改变大小,再完成从有符号数和无符号数的转换。
1.7 截断数字
- 截断无符号数:将一个 ω \omega ω 位的数截断为一个k位的数( ω ≥ k \omega \ge k ω≥k ),会将 ω − k \omega - k ω−k 位丢弃,得到截断后的k位无符号数。
- 截断补码数值:和截断无符号数类似,截断后得到k位的无符号数,然后将最高位转换为符号位,即得到截断补码的值。
两者都采用了同样的属性:对于任何的 i ≥ k , 2 i m o d 2 k = 0 i\ge k, 2^i mod 2^k = 0 i≥k,2imod2k=0 。
1.8 有符号数和无符号数的建议
- 有符号数和无符号数在程序中的转换可能会出现难以发现的错误。避免错误的一种方法是不使用无符号数。
- 除C语言外很少有语言支持无符号整数。在Java中,支持有符号整数,且要求以补码运算实现,>> 被定义为算术右移,>>>被定义为逻辑右移。
- 无符号数的应用场景:用于把字看作是位的集合而没有任何数字意义;用于系统中的内存地址;可用于实现模运算和多精度运算的数学包。
其中细微的错误可参照习题2.25和2.26,