无穷大 计算机语言,数值编程语言能区分“最大有限数”和“无穷大”吗？

问题动机：

在我所知的标准数值语言中(例如，Matlab、Python-numpy等)，如果你取一个适度大的数的指数，那么由于数值溢出，输出是无穷大的。如果这乘以0，就得到NaN。另外，这些步骤足够合理，但它们揭示了数学实现中的逻辑错误。溢出产生的第一个数是有限的，我们显然希望用这个大的有限数乘以0的结果是0。在

明确地：>>> import numpy as np

>>> np.exp(709)*0

0.0

>>> np.exp(710)*0

nan

我想我们可以在这里引入一个“最大有限值”(LFV)的概念，它具有以下特性：LFV是数值溢出的默认值，否则

四舍五入到无穷大

LFV&lt；无穷大

任何显式数字&lt；LFV(例如，如果LEV代表“最大显式值”，则LEV

(MATLAB详细信息：realmax&lt；LFV)

LFV*0=0

另一方面，不应该简单地用LFV所描述的方式重新定义无穷大。它对0*infinity=0没有意义……适当地说，当前的标准实现在这个设置中产生NaN。此外，有时需要将数字初始化为无穷大，并且您希望任何数值运算的结果，甚至是生成LFV的操作的结果都严格小于初始化值(这对于某些逻辑语句很方便)。我确信在其他情况下，一个合适的无穷大是必要的——我的观点是无限应该而不是被简单地重新定义为具有上述LFV属性。在

问题：

我想知道是否有任何语言使用这种方案，以及这种方案是否有任何问题。这个问题在正确的数学中不会出现，因为数字的大小没有这些数值限制，但我认为在编程语言中实现一致的数学时，这是一个真正的问题。基本上，通过LFV，我想我想要一个关于最大显式值和无穷大LFV=(LEV，infinity)之间的开区间的简写，但是这个直觉可能是错误的。在

更新：在评论中，人们似乎有点反对我提出的问题的效用。我的问题并不是因为发生了许多相关的问题，而是因为同一问题经常出现在许多不同的环境中。从与数据分析人员的交谈中可以看出，在训练/拟合模型时，这常常会导致运行时错误。问题基本上是为什么这不被数字语言处理。从评论中，我基本上是在收集编写语言的人没有看到这样处理事情的用处。在我看来，当某些特定的问题对于使用一种语言的人来说发生得足够频繁时，以一种原则性的方式处理这些异常可能是有意义的，这样每个用户就不必这样做了。