浮点数系统与 IEEE 754

形式陈述

理想化浮点系统由基数 $\beta\ge2$ 、精度 $p$ 和指数范围 $e_{\min}\le e\le e_{\max}$ 决定。一个非零正规数写成

x=(-1)^s\,(d_0.d_1\ldots d_{p-1})_\beta\,\beta^e, \qquad d_0\ne0,\quad 0\le d_i<\beta.

有限的尾数和指数使可表示集合成为有限集合，而不是实数连续统。IEEE 754-2019 规定多种二进制和十进制交换格式、舍入方向、异常标志，以及加减乘除、平方根等基本运算的结果要求。常见 binary64 具有 1 个符号位、11 个指数位和 53 位有效二进制精度；“IEEE 754”并不等同于这一种格式。

除正规数外，标准还包含正负零、次正规数、正负无穷和 NaN。次正规数在最小正规指数附近逐渐放弃有效位，使下溢不是从最小正规数直接跳到零；无穷可表示某些溢出或除零结果；NaN 承载无效运算，不是实数，普通比较也不形成实数式全序。符号零数值相等，却可在 $1/(+0)$ 与 $1/(-0)$ 等运算中保留方向信息。

标准规定的是格式与运算语义，不完全决定一段源代码的每个中间值。表达式求值还可能受到语言规则、编译器重排、融合乘加、寄存器扩展精度和硬件模式影响。严谨误差分析应先声明采用的算术模型，再说明实现与模型可能不同之处。

直觉

浮点数像一把刻度会随数值大小伸缩的尺子。同一指数区间内刻度近似等距；指数增加一位后，相邻数的间距也乘以 $\beta$ 。因此机器数在零附近密、在大数附近疏，不能把它想成实轴上固定小数位数的均匀网格。

十进制 $0.1$ 在二进制中循环展开，和 $1/3$ 不能有限十进制表示是同一现象。程序读入 0.1 时通常先选择最邻近的 binary64 数；后续运算处理的是这个机器数，而不是符号文本背后的精确有理数 $1/10$ 。

例子与边界

binary64 在 $1$ 附近的下一个可表示数是 $1+2^{-52}$ ，而在 $2^{53}$ 附近相邻间距已经是 $2$ 。所以所有绝对值不超过 $2^{53}$ 的整数都能精确表示，但 2^53 + 1 不能作为新的 binary64 整数落点；“double 能精确保存整数”必须带范围。

最小正规数以下的次正规区域使用固定间距，牺牲相对精度以保留逐渐下溢。这里常用的相对误差模型可能失效，却仍可给出绝对误差界。若硬件启用 flush-to-zero，实际行为又会偏离渐进下溢假设。

NaN 的边界尤其重要：NaN == NaN 为假，普通 < 比较也不提供总序。排序、最值和几何谓词若没有先规定 NaN 策略，即使其离散算法在实数全序上正确，也没有完整的浮点输入规格。

推论与应用

浮点格式只回答“哪些值可以存、基本运算怎样返回机器结果”。局部间距、舍入误差和 unit roundoff 由舍入、机器精度与 ulp展开；多步运算的标准黑箱模型见浮点算术标准误差模型。

FFT、线性规划和方向判定等算法页面应引用共同的机器数语义，再讨论自身的误差传播或鲁棒性；把 IEEE 754 的全部特殊情形复制进每个算法页既容易不一致，也会遮住算法本身的结构。

参考资料

IEEE, IEEE Standard for Floating-Point Arithmetic, IEEE Std 754-2019.
David Goldberg, “What Every Computer Scientist Should Know About Floating-Point Arithmetic,” ACM Computing Surveys 23(1), 1991.
Nicholas J. Higham, Accuracy and Stability of Numerical Algorithms, 2nd ed., SIAM, 2002, Ch. 2.

形式陈述 ​

直觉 ​

例子与边界 ​

推论与应用 ​

反向链接

形式陈述

直觉

例子与边界

推论与应用