Floating-point numbers
Introduzido| English | Significado |
|---|---|
| floating-point/ˈfləʊtɪŋ pɔɪnt/ | ponto flutuante |
| mantissa/mænˈtɪsə/ | mantissa |
| exponent/ekˈspəʊnənt/ | expoente |
| normalised/ˈnɔːməlaɪzd/ | normalizado |
| precision/prɪˈsɪʒn/ | precisão |
| rounding errors/ˈraʊndɪŋ ˈerəz/ | erros de arredondamento |
| fixed-point/fɪkst pɔɪnt/ | ponto fixo |
| overflow/ˌəʊvəˈfləʊ/ | transbordo |
| underflow/ˌʌndəˈfləʊ/ | estouro de pilha |
Um míssil que errou por 600 metros
- Em 25 de fevereiro de 1991, uma bateria Patriot em Dhahran falhou em interceptar um míssil incoming. Vinte e oito soldados morreram.
- O sistema contava o tempo em décimos de segundo, e 0.1 não tem representação binária exata: é uma fração periódica, truncada à largura do registro. Cada tick perdeu uma fração de microsegundo.
- Após cem horas rodando, o erro acumulado foi um terço de segundo, e em um terço de segundo o alvo se moveu 600 metros. A aritmética estava correta em cada passo único.
- Esta lição é sobre o formato floating-point 浮点, normalização 规格化, e os erros de aproximação que tornam casos como este possíveis.
O formato
- Para armazenar números reais de tamanhos muito diferentes, um computador usa uma forma binária de notação científica com dois campos: uma mantissa 尾数, os dígitos significativos, e um exponente 指数, a potência de 2 para multiplicar. Ambos são armazenados como complemento a dois.
- Leia a mantissa como uma fração binária: o primeiro bit após o ponto vale $\tfrac12$, o próximo $\tfrac14$, depois $\tfrac18$. Então
0.1010000é $\tfrac12 + \tfrac18 = 0.625$. - Com exponente
00000010, isso é $+2$, o valor é $0.625 \times 2^2 = 2.5$.

Uma fração e uma potência de dois
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:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
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.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
value = mantissa × 2^exponent; normalising maximises precision; money uses fixed-point/BCD to avoid rounding.
Exemplo resolvido: binário para decimal
- Um número tem mantissa
10110000e expoente00000011. Encontre seu valor decimal. - O exponente é $+3$. A mantissa começa com 1, então é negativo e é lido pelas regras do complemento a dois: como
1.0110000o bit de sinal vale $-1$ e os bits de fração somam $\tfrac14 + \tfrac18 = 0.375$, então a mantissa é $-1 + 0.375 = -0.625$. - $\text{number} = -0.625 \times 2^3 = -5.0$.
- O erro mais comum é ler uma mantissa negativa como se fosse positiva. Verifique o primeiro bit antes de qualquer outra coisa.
A floating-point number has mantissa 10110000 and exponent 00000011. What is its denary value?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
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.
Exemplo resolvido: decimal para binário
- Armazene $+2.5$ no mesmo formato de mantissa de 8 bits, exponente de 8 bits.
- Em binário, $2.5 = 10.1$. Escrito como uma fração vezes uma potência de dois: $2.5 = 0.101 \times 2^2$.
- Então a mantissa é
01010000, um bit de sinal de 0 então.101preenchido com zeros, e o exponente é00000010. - Sempre escreva primeiro na forma normalizada; então os dois campos lêm direito fora.
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 ____.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
$2.5$ é $10.1$ in binary; sliding the point two places left gives $0.101$, so the exponent is $2$ and the mantissa is 01010000.
Normalização
- Um número é normalizado quando o primeiro bit significativo fica imediatamente após o ponto binário, então não há zeros à esquerda desperdiçados. Para um número positivo a mantissa começa
0.1; para um negativo,1.0. - Por quê: ele maximiza a precisão 精度, porque cada bit da mantissa carrega informação em vez de um zero à esquerda.
- Para normalizar, desloque a mantissa para a esquerda e diminua o expoente no mesmo número de posições, ou desloque para a direita e aumente-o. O valor permanece inalterado; apenas a sua representação muda.

Desloque os bits, ajuste o expoente, mantenha o valor
Troca de bits da mantissa por bits do expoente
- O número total de bits é fixo, pelo que os dois campos competem entre si.
- Mais bits de mantissa significam maior precisão: cada valor é armazenado com mais exatidão, com um erro de arredondamento menor.
- Mais bits de expoente significam maior intervalo: magnitudes muito maiores e muito menores podem ser representadas, mas cada uma com menos precisão.
- Uma pergunta sobre o efeito de mover um bit de um campo para o outro pretende exatamente esta troca: intervalo contra precisão.
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:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
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 todos that apply.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
Normalising changes only the representation. The value is unchanged; that is what adjusting the exponent guarantees.
Aproximação e suas consequências
- Muitos números reais decimais não podem ser armazenados exatamente em binário. $0.1$ é a fração periódica $0.000110011\ldots$, logo deve ser truncada: o valor armazenado está próximo de $0.1$, mas nunca igual a ele.
- Erros de arredondamento 舍入误差 acumulam-se ao longo de muitas operações, razão pela qual
0.1 + 0.2não é exatamente0.3e porque o relógio do Patriot derivou. - Então nunca teste dois reais para igualdade: escreva
ABS(x - 0.3) < 1e-9em vez dex = 0.3. E cuidado ao subtrair dois valores quase iguais, o que elimina a maioria dos dígitos significativos. - Para valores que devem ser exatos, principalmente moedas, use ponto fixo 定点 ou BCD em vez disso.
Match each change in the bit allocation to its effect.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
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.
Transbordamento e subtransbordamento
- Transbordamento 溢出 ocorre quando um resultado é demasiado grande para o intervalo do expoente, pelo que não pode ser representado de forma alguma.
- Subtransbordamento 下溢 ocorre quando um resultado é demasiado pequeno, tão próximo de zero que o expoente não pode descer o suficiente, e arredonda-se para zero.
- Ambos são propriedades do tamanho do campo do expoente, que é a outra metade da troca acima.
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.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
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:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Floating-point rounding errors are unacceptable for currency; fixed-point or BCD store decimal values exactly.
Marcas que escapam
- A mantissa é uma fração, não um inteiro: o primeiro bit após a vírgula representa meio.
- Uma mantissa que começa com 1 é negativa e segue as regras de complemento de dois. Verifique esse bit primeiro.
- A normalização maximiza a precisão; não altera o valor e não torna o número maior.
- Mais mantissa significa precisão, mais expoente significa alcance. Estouro é muito grande, subfluxo é muito pequeno.
Entendeu?
- O ponto flutuante armazena $\text{mantissa} \times 2^{\text{exponent}}$, tanto em complemento de dois; a mantissa é uma fração binária
- Converta lendo a mantissa como uma fração (complemento de dois se começar com 1) e multiplicando por dois elevado ao expoente
- Normalizado significa que o primeiro bit significativo está imediatamente após a vírgula, o que maximiza a precisão; deslocar para a esquerda diminui o expoente
- Mais bits de mantissa dão precisão, mais bits de expoente dão intervalo; binário não pode armazenar muitos reais exatamente, portanto espere erros de arredondamento, compare com uma tolerância e use ponto fixo ou BCD para moedas