■ 现实生活中的小数
数学中的小数,又称为实数。一般用十进制表示
例如: 3.14159265
■ 科学计算法
数学中的科学计算法许多种表示法
3.14159265 = 0.314159265 × 101
■ 计算机中浮点数的表示
在计算机中的使用科学计数法是一种“规格化计数法”。
● 规格化计数法
用科学计数法表示实数时,如果最左边的第一个数字不是0,则被称为“规格化计数法”
0.1 × 10-2 不是规格化计数法
1.0 × 10-3 则是规格化计数法
● IEEE 754 标准
IEEE 754 标准成立于1985年,80年代起所有的计算机系统均支持IEEE 754
IEEE 754 对浮点数在计算机表示方法有三个主要的规定:
对于单精度(single precision):单精度浮点数位长:32位
(1) IEEE 754 标准规定:第1位为符号位,1 代表负,0代表正
(2) 接下来用8位来表示指数部分。
(3) 接下来的23位用来表示有效数位
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
- --------------- ---------------------------------------------
S 指数(8位) 有效数位 (23 位)
★ IEEE 754 考虑到利用现有的整数比较指充,对浮点数能进行快速的比较和排序,由于指数部分大小能快速反应出浮点数的大小,所以,在符号位接下来的8位用来表示指数,有效数位的大小反应出浮点数的精度。安排在最后的23位
★ 对于规格化二进制浮点示法而言,有效数位的第1位必定是1而不是0,因此,IEEE 754 规定:实际有效数位中的第1位被省去,因而,有效数位中默计含有1位。
★ 移码:除了将指数安排在有效数位前面,还不足以快速比较两个浮点数的大小,例如:
1.0 × 2 -1 在计算机中表示为:0 11111111 00000000000000000000000
这个数相当于整数的 0x7F800000
1.0 × 2 1 在计算机中表示为:0 00000001 00000000000000000000000
这个数相当于整数的 0x00800000
如果用整数比较指令,比较两个数,1.0 × 2 -1 竟然比 1.0 × 2 1 还大!
为了解决这个问题,IEEE 754 设计了一个方案:将指数加上一个常数 127
这个常数 127 被称为“移码”(biased notation)
我们再来看一看:
1.0 × 2 -1 将指数: -1 + 127 = 126 后,得出以下的二进制数:
0 01111110 00000000000000000000 也就是: 0x3F000000
1.0 × 2 1 将指数:1 + 127 = 128 后,得出以下的二进制数:
0 10000000 00000000000000000000 也就是:0x40000000
这样的话,就可以得出正确结果了。
对于双精度(double precision)浮点数来说:位长64 位
(1)IEEE 754 标准规定:第1位为符号位,1 代表负,0代表正。
(2)接下来用11位来表示指数部分。
(3)接下来的52位用来表示有效数位。
★ 双精度浮点数用52位来表示有效数位,11位表示指数位,这样提高浮点数的精度,也还提高了浮点数的取值范围。
★ 双精度的移码为 1023
例子:
1、将 -0.625 转化为计算机中的二进制数浮点数
解:
-0.625 = -5/8 = -5/23 = -101 × 2-3 = -1.01 × 2-1
符号位:1
指数位:-1 + 127 = 126
有效数位:1.01(在机器中要相应去掉默认位)
所以,在机器表示的二进制序列为:1 01111110 0100000000000000000000
相当于整数:0xBF200000
2、将如下二进制序列用十进制浮点数表示。
11000000101000000000000000000000
解:
符号位:1 是负数
指数位;10000001 = 129, 这个数要减去移码值,即:129 – 127 = 2
有效数位:01000000000000000000000 这个数要加上默认1,即得:1.01
整个序列结果为:- 1.01 × 22 = -101 = -5.0
下面的例子是按照二进制格式化输出整型、字符型以及单精度和双精度浮点型的例子:
执行结果:
分享到:
相关推荐
用浮点数存储方式表示整数数值,用十六进制表示浮点数
C语言中浮点数存储异常的研究与实践.pdf
主要是介绍浮点数在C语言中的比较存储方式,这个可以探讨一下,与存储整型不同
“C++ 你是四月底突如其来的的IEEE-754”文章里的详细内容,自制的notability笔记
浮点数在计算机内存中的存储格式
基于IEEE 754的浮点数存储格式 IEEE(Institute of Electrical and Electronics Engineers,电子电气工程师协会)在I985年制定的IEEE 754(IEEE Standard for Binary Floating-Point Arithmetic, ANSI/IEEE Std 754-...
有关c语言的学习,浮点数的存储,帮助我们更好的了解浮点数的存储。
利用QT/C++实现的三种方法进行十六进制与浮点数相互转化:直接方法、强制转化法和union与struct转化法,经验证有效,并附带源码。
使用vb6.0实现的三字节浮点数互换程序,按照三字节浮点数的基本原理实现互换,可以加深对浮点数存储格式的认识。很容易修改后现实四字节和浮点数之间的转换
对于计算机中常见的浮点数存储格式进行分析,编程提取float和double中的阶码好尾码。
在计算机中,浮点数的存储均采用4字节的IEEE-754格式。例如,浮点数50.0的IEEE表示形式如下:二进制: 其中,最高位表示符号,"1"表示负,"0"表示正;第23~30位表示阶码。注意:阶码是以2为底的指数再加上偏移量...
在JAVA中,通常使⽤的浮点数的类型为 FLoat和Double,他们的区别在于⼤⼩与储存⽅式不同 public class App { public static void main(String[] args) { System.out.println("Float:"+Float.SIZE); System.out....
结合图释详细介绍浮点数的计算机存储结构。解释了IEEE有关浮点数的标准。
2021年09月16日
浮点数在内存中的存储格式浮点数在内存中的存储格式
TIA博途_32位浮点数大小端存储_高低字节转换全局FB库文件(4种字节排列顺序)
浮点数在内存中的存储方式 浮点数保存的字节格式如下: 地址 +0 +1 +2 +3 内容 SEEE EEEE EMMM MMMM MMMM MMMM MMMM MMMM 这里 S 代表符号位,1 是负,0 是正 E 偏移 127 的幂,二进制阶码=(EEEEEEEE)-127。...
浮点数的存储 我的一些心得 这是小弟的一些心得 仅供参考
本工具可以在大小端、IEEE格式的浮点数之间转换,是研究浮点数存储格式的好帮手。
深入介绍浮点数的存储形式,讲解误差形成的缘由!新的层面,新的认知!!