Floating-point numbers
Diperkenalkan
15:05
Jenis Data Buatan Pengguna
Medan string biasa akan dengan senang hati menyimpan hal yang tidak masuk akal. Minta jenis kendaraan, lalu seseorang mengetik Pisang — program menerimanya tanpa protes. Namun jika Anda…
Narasi bahasa Inggris · takarir bahasa Inggris dan 中文 yang dapat dipilih
In this lesson
| English | Makna |
|---|---|
| floating-point/ˈfləʊtɪŋ pɔɪnt/ | titikapengambang |
| mantissa/mænˈtɪsə/ | mantis |
| exponent/ekˈspəʊnənt/ | eksponen |
| normalised/ˈnɔːməlaɪzd/ | dinspeksikan |
| precision/prɪˈsɪʒn/ | ketepatan |
| rounding errors/ˈraʊndɪŋ ˈerəz/ | kesalahan pembulatan |
| fixed-point/fɪkst pɔɪnt/ | titik tetap |
| overflow/ˌəʊvəˈfləʊ/ | |
| underflow/ˌʌndəˈfləʊ/ |
Rudal yang meleset 600 meter
- Pada 25 Februari 1991, baterai Patriot di Dhahran gagal Intercept rudal yang mendekat. Dua puluh delapan prajurit tewas.
- Sistem menghitung waktu dalam persepuluh detik, dan 0.1 tidak memiliki representasi biner yang eksak: itu adalah pecahan berulang, dipotong sesuai lebar register. Setiap detak kehilangan sebagian mikrodetik.
- Setelah seratus jam berjalan, akumulasi kesalahannya adalah sepertiga detik, dan dalam sepertiga detik target bergerak 600 meter. Perhitungan benar pada setiap langkahnya.
- Pelajaran ini adalah format floating-point, normalisasi, dan kesalahan aproksimasi yang memungkinkan kasus seperti ini.
Format
- Untuk menyimpan bilangan riil dengan ukuran sangat berbeda, komputer menggunakan bentuk biner notasi ilmiah dengan dua bidang: mantissa, digit signifikan, dan eksponen, pangkat 2 untuk dikalikan. Keduanya disimpan sebagai complement dua.
- Baca mantissa sebagai pecahan biner: bit pertama setelah titik bernilai $\tfrac12$, berikutnya $\tfrac14$, lalu $\tfrac18$. Jadi
0.1010000adalah $\tfrac12 + \tfrac18 = 0.625$. - Dengan eksponen
00000010, yaitu $+2$, nilainya adalah $0.625 \times 2^2 = 2.5$.

Pecahan dan pangkat dua
Build a floating-point number
Flip the mantissa and exponent bits to make a value, and check whether it is normalised.
A floating-point number is stored as:
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
value = mantissa × 2^exponent — binary scientific notation, with both parts stored in two's complement.
Match each part of floating-point representation to its role.
Kesulitan 2/5 · 140 koin + bonus kecil pada penyelesaian pertama hari ini
value = mantissa × 2^exponent; normalising maximises precision; money uses fixed-point/BCD to avoid rounding.
Contoh terpecah: biner ke desimal
- Sebuah angka memiliki mantissa
10110000dan eksponen00000011. Temukan nilai desimalnya. - Eksponen adalah $+3$. Mantisa dimulai dengan 1, sehingga nilainya negatif dan dibaca sesuai aturan dua komplemen: sebagai
1.0110000, bit tanda bernilai $-1$ dan bit pecahan menambahkan $\tfrac14 + \tfrac18 = 0.375$, sehingga mantisa bernilai $-1 + 0.375 = -0.625$. - $\text{number} = -0.625 \times 2^3 = -5.0$.
- Kesalahan yang paling umum adalah membaca mantisa negatif seolah-olah positif. Periksa bit pertama sebelum hal lainnya.
A floating-point number has mantissa 10110000 and exponent 00000011. What is its denary value?
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
The mantissa starts with 1, so it is negative: $-1 + \dfrac{1}{4} + \dfrac{1}{8} = -0.625$. Times $2^{3}$ gives $-5.0$. Reading it as positive is the usual error.
Contoh terpecahkan: desimal ke biner
- Simpan $+2.5$ dalam format mantisa 8-bit, eksponen 8-bit yang sama.
- Dalam biner, $2.5 = 10.1$. Ditulis sebagai pecangan dikali pangkat dua: $2.5 = 0.101 \times 2^2$.
- Jadi mantisanya adalah
01010000, bit tanda 0 lalu.101yang diisi dengan nol, dan eksponennya adalah00000010. - Selalu tulis dalam bentuk normalisasi terlebih dahulu; kemudian kedua bidang terbaca langsung.
Written as a normalised fraction times a power of two, $2.5 = 0.101 \times 2^{n}$ (the fraction in binary). The exponent $n$ is ____.
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
$2.5$ adalah $10.1$ in binary; sliding the point two places left gives $0.101$, so the exponent is $2$ and the mantissa is 01010000.
Normalisasi
- Sebuah angka dinormalisasi ketika bit signifikan pertama berada tepat setelah koma biner, sehingga tidak ada nol awal yang sia-sia. Untuk angka positif mantisa dimulai
0.1; untuk negatif,1.0. - Mengapa: ini memaksimalkan presisi, karena setiap bit mantisa membawa informasi alih-alih nol awal.
- Untuk menormalisasi, geser mantisa ke kiri dan turunkan eksponen sebanyak jumlah tempat tersebut, atau geser ke kanan dan naikkan. Nilainya tetap sama; hanya representasinya yang berubah.

Geser bit, sesuaikan eksponen, pertahankan nilai
Menawarkan bit mantisa terhadap bit eksponen
- Jumlah total bit tetap, sehingga kedua bidang bersaing.
- Lebih banyak bit mantisa berarti presisi lebih besar: setiap nilai disimpan lebih akurat, dengan kesalahan pembulatan yang lebih kecil.
- Lebih banyak bit eksponen berarti rentang lebih besar: besaran yang jauh lebih besar dan jauh lebih kecil dapat direpresentasikan, tetapi masing-masing kurang presisi.
- Pertanyaan yang meminta efek memindahkan satu bit dari satu bidang ke bidang lain menginginkan trade-off ini secara spesifik: rentang terhadap presisi.
Normalising a floating-point number
Step through normalisation. Shifting the mantissa to remove wasted leading zeros — and adjusting the exponent to match — keeps the value the same but spends every bit on precision.
Normalising a floating-point number:
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
Normalisation shifts the mantissa so the first significant bit follows the point — every bit then carries information, and the value is unchanged.
Which are true of normalising a floating-point number? Select semua that apply.
Kesulitan 2/5 · 140 koin + bonus kecil pada penyelesaian pertama hari ini
Normalising changes only the representation. The value is unchanged; that is what adjusting the exponent guarantees.
Pendekatan dan konsekuensinya
- Banyak bilangan real desimal tidak dapat disimpan secara eksak dalam biner. $0.1$ adalah pecahan berulang $0.000110011\ldots$, sehingga harus dipotong: nilai yang disimpan mendekati $0.1$ tetapi tidak pernah sama dengannya.
- Kesalahan pembulatan menumpuk melalui banyak operasi, itulah sebabnya
0.1 + 0.2tidak sama persis dengan0.3dan mengapa jam Patriot bergeser. - Jadi jangan pernah menguji dua bilangan real untuk kesamaan: tulis
ABS(x - 0.3) < 1e-9alih-alihx = 0.3. Dan waspadai pengurangan dua nilai yang hampir sama, yang membuang sebagian besar digit signifikan. - Untuk nilai yang harus eksak, terutama mata uang, gunakan titik tetap atau BCD sebagai gantinya.
Match each change in the bit allocation to its effect.
Kesulitan 2/5 · 140 koin + bonus kecil pada penyelesaian pertama hari ini
The word size is fixed, so precision and range trade against each other; overflow and underflow are the exponent field running out at each end.
Overflow dan underflow
- Overflow terjadi ketika hasil terlalu besar untuk rentang eksponen, sehingga tidak dapat direpresentasikan sama sekali.
- Underflow terjadi ketika hasil terlalu kecil, sehingga sangat dekat dengan nol sehingga eksponen tidak bisa turun cukup rendah, dan dibulatkan menjadi nol.
- Keduanya adalah sifat dari ukuran bidang eksponen, yang merupakan separuh lain dari trade-off di atas.
0.1 cannot be stored exactly in binary (it is a repeating fraction), so 0.1 + 0.2 does not give exactly 0.3 on a computer.
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
The tiny approximation errors add up — which is why money is handled with fixed-point or BCD, not floating-point.
For exact money calculations you should use:
Kesulitan 1/5 · 100 koin + bonus kecil pada penyelesaian pertama hari ini
Floating-point rounding errors are unacceptable for currency; fixed-point or BCD store decimal values exactly.
Nilai yang mudah terlewat
- Mantisa adalah pecahan, bukan bilangan bulat: bit pertama setelah titik adalah setengah.
- Mantisa yang dimulai dengan 1 adalah negatif dan mengikuti aturan dua komplemen. Periksa bit itu terlebih dahulu.
- Normalisasi memaksimalkan presisi; ini tidak mengubah nilai, dan tidak membuat angka menjadi lebih besar.
- Lebih banyak mantisa berarti presisi, lebih banyak eksponen berarti rentang. Overflow terlalu besar, underflow terlalu kecil.
Anda telah memahaminya
- Floating point menyimpan $\text{mantissa} \times 2^{\text{exponent}}$, keduanya dalam dua komplemen; mantisa adalah pecahan biner
- Konversi dengan membaca mantisa sebagai pecahan (dua komplemen jika dimulai dengan 1) dan mengalikannya dengan dua pangkat eksponen
- Ternormalisasi berarti bit signifikan pertama tepat setelah titik, yang memaksimalkan presisi; menggeser ke kiri menurunkan eksponen
- Lebih banyak bit mantisa memberikan presisi, lebih banyak bit eksponen memberikan rentang; biner tidak dapat menyimpan banyak bilangan real secara eksak, jadi harapkan kesalahan pembulatan, bandingkan dengan toleransi, dan gunakan titik tetap atau BCD untuk mata uang