浮点数表示

实数的二进制表示

浮点数在计算机中的存储遵循IEEE标准，但在这里为了方便理解IEEE标准，这里首先阐明一般实数在计算机中是如何存储的。

在这里实数分为两个部分存储：整数部分 和 小数部分，两个部分在逻辑上用 · 隔开。

比如对于以下浮点数的二进制表示：

$$d_m d_{m-1} \cdots d_1 d_0 \cdot d_{-1} d_{-2} \cdots d_{-n}$$

其中每一位对应的数值如下表所示：

上述二进制表示对应的数值为

$$b = \sum_{i=-n}^{m} {2^{i} \times b_{i}}$$

其中$b_i = 0$ 或 $b_i = 1$，表示第i为是0还是1。

举例说明如何使用上述表示法计算实数：

• $101.11_{2}$ 对应的数值为 $1 \times 2^2 + 0 \times 2^1 + 1 \times 2^0 + 1 \times 2^{-1} + 1 \times 2^{-2} = 5.75$
• $1011.1_{2}$ 对应的数值为 $8 + 0 + 2 + 1 + \frac{1}{2} = 11.5$

IEEE Floating-Point

上述浮点数存储方式的缺点在于如果要表示比较大的数，就需要比较多的二进制位数，比如对于$5 \times 2^{100}$ 就需要103位。IEEE表示就解决了这个问题，在IEEE表示中，浮点数 $V$ 被表示为 $V = (-1)^{s} \times M \times 2^{E}$，其中 $s, M, E$ 的含义如下：

• $s$ 为符号位
• $M$ 为乘法因子
• $E$ 为浮点数的指数部分

IEEE 754标准是定义浮点数表示和算术的国际标准，它定义了多种不同精度的浮点数格式，但最常见的是单精度 single precesion（32位）和双精度 double precesion（64位），浮点数分为 s, exp, frac 三个部分存储：

• $1$ 位的 $s$ 与上述计算公式中的符号位 $s$ 相同，位于浮点数二进制表示的最高位，标志了浮点数的正负，如果 $s = 1$ 的话 $V$ 是负数，如果 $s = 0$ 的话 $V$ 为正数
• $k$ 位的 $exp = e_{k-1} \cdots e_1 e_0$ 用于计算指数部分 $E$，使用原码表示，其中 $E = exp - Bias$，其中 $Bias = 2^{k-1} - 1$
  • 对于单精度浮点数，$k = 8$，$Bias = 2^{8-1} - 1 = 127$，$1 \le exp \le 254$，$-126 \le M \le 127$
  • 对于双精度浮点数，$k = 11$，$Bias = 2^{11-1} - 1 = 1023$, $1 \le exp \le 1022$，$-1022 \le M \le 1023$
• $n$ 位的 $frac = 0 \cdot f_{n-1} \cdots f_1 f_0$ 用于计算因子 $M$，其中 $M = 1 + frac$，$frac$ 表示的小数计算方式见实数的二进制表示
  • 对于单精度浮点数，$n = 23$，$M$ 的最大值为 $2 - 2^{-23}$，$M$ 最小值为 $1$
  • 对于双精度浮点数，$n = 52$，$M$ 的最大值为 $2 - 2^{-52}$，$M$ 最小值为 $1$