壹 2.4浮点数

二进制小数

十进制表示公式：

二进制表示公式：

注意：二进制小数是不精确的。二进制小数不像整数一样，只要位数足够，它就可以表示所有整数。假设我们仅考虑有限长度的编码，那么二进制小数无法精确的表示任意小数，比如十进制小数0.2，我们并不能将其准确的表示为一个二进制数，只能增加二进制长度提高表示的精度。

IEEE浮点表示

IEEE 浮点标准表示： V = (-1)s * M * 2E 。
　　①、s 是符号位，为0时表示正，为1时表示负。
　　②、M为尾数，是一个二进制小数，它的范围是0至1-ε，或者1至2-ε（ε的值一般是2-k次方，其中设k > 0）
　　③、E为阶码，可正可负，作用是给尾数加权。
　　此处概念很不好理解，参考下面这个链接：
https://www.jianshu.com/p/a1b06a151033
https://www.jianshu.com/p/caf552ea3322
正式进入对754标准的讲解之前，我想先回到我之前在博客中提到过的一句话：

0和1这种离散值在用机器来表示时是非常方便的……虽然0和1是离散的，但大量的0和1，足够让我们认为是“连续”的。

什么叫做“大量的离散，足够让我们认为是连续的”呢？对于整数编码了解后，我们知道其实计算机能够表示的整数的范围很有限。但如果用比较长的字长，例如32位，那么对于普通人来说，他们日常需要用到的加减法是绝对够用了。但是，整数编码是表示不了特别大的数的，也不能表示特别小的负数、以及小数。例如，如果你用一个32位的int整型去存储计算阶乘!n的结果，那么计算到13的阶乘时就已经溢出了。即使你用long long去存，算到20的阶乘也就溢出了。

下面你将能够看到，浮点数不仅仅能表示小数，还具有表示特别大/特别小的数的能力。但通过二进制小数我们也了解到，不是每个数都能够被“精确”地表示，有的时候只能用另一个近似数通过“舍入”去表示，因此也增加了对于编码设计、数值分析方面的挑战性。综上所诉，我们可以这样认为：整型只能表示范围较小的数，但它能表示的每个数都是准确的。浮点数虽然能编码一个很大的范围，但这种表示只是近似的。

https://www.cnblogs.com/ZCplayground/p/6583264.html
总的来说这一节，特别注意，难以理解。知识教不会我做人，题会。