计算机科学中的浮点运算
Floating-Point Arithmetic in Computer Science
简介
您好,我目前正在尝试了解 floating point arithmetic 在 计算机 科学.
声明
我明白 floating point arithmetic 在计算机科学中是什么,但不是 力学在它后面。
如果有人能给我一些浮动的子字段的定义,我会很高兴点 算术.
简介
您好,由于浮点运算整个定义起来非常复杂,我将定义一些子区域来帮助您探索 浮点运算.
的其他子领域
定义
舍入误差
要将无限数量的实数压缩成有限数量的比特,需要近似表示。
尽管整数的数量是无限的,但在大多数程序中,整数计算的结果可以存储在 32 位中。
相比之下,对于固定位数,大多数使用实数的计算都会导致无法用那么多位数精确表示的量。
出于这个原因,浮点计算的结果通常必须四舍五入以适应其有限表示。这种舍入误差是浮点计算的特征。
相对误差和 Ulps
由于浮点计算中固有的舍入误差,因此有必要有一种方法来计算此误差。
例如,考虑本节中使用的 b = 10
和 p = 3
的浮点格式。
如果一个浮点数计算的结果是3.12 × 10-2
,而在无限精度计算中答案是.0314
,很明显它在最后一位有2个单位的错误。
类似地,如果实数.0314159
被表示为3.14 × 10-2
,那么它在最后一位数中有.159
个单位的错误。
一般来说,如果用浮点数d.d...d × e
来表示z
,那么在最后的地方就错了d.d...d - (z/e)p-1
个单位。
术语 ulps 用作 "units in the last place"
.
的缩写
如果计算结果是最接近正确结果的浮点数,它仍然可能有高达 0.5 ulp
的误差。
衡量浮点数与其近似实数之间差异的另一种方法是相对误差,即两个数字之间的差异除以实数。例如逼近3.14159 by 3.14 × 100
的相对误差为.00159/3.14159 .0005
.
简介
您好,我目前正在尝试了解 floating point arithmetic 在 计算机 科学.
声明
我明白 floating point arithmetic 在计算机科学中是什么,但不是 力学在它后面。
如果有人能给我一些浮动的子字段的定义,我会很高兴点 算术.
简介
您好,由于浮点运算整个定义起来非常复杂,我将定义一些子区域来帮助您探索 浮点运算.
的其他子领域定义
舍入误差
要将无限数量的实数压缩成有限数量的比特,需要近似表示。 尽管整数的数量是无限的,但在大多数程序中,整数计算的结果可以存储在 32 位中。
相比之下,对于固定位数,大多数使用实数的计算都会导致无法用那么多位数精确表示的量。 出于这个原因,浮点计算的结果通常必须四舍五入以适应其有限表示。这种舍入误差是浮点计算的特征。
相对误差和 Ulps
由于浮点计算中固有的舍入误差,因此有必要有一种方法来计算此误差。
例如,考虑本节中使用的 b = 10
和 p = 3
的浮点格式。
如果一个浮点数计算的结果是3.12 × 10-2
,而在无限精度计算中答案是.0314
,很明显它在最后一位有2个单位的错误。
类似地,如果实数.0314159
被表示为3.14 × 10-2
,那么它在最后一位数中有.159
个单位的错误。
一般来说,如果用浮点数d.d...d × e
来表示z
,那么在最后的地方就错了d.d...d - (z/e)p-1
个单位。
术语 ulps 用作 "units in the last place"
.
如果计算结果是最接近正确结果的浮点数,它仍然可能有高达 0.5 ulp
的误差。
衡量浮点数与其近似实数之间差异的另一种方法是相对误差,即两个数字之间的差异除以实数。例如逼近3.14159 by 3.14 × 100
的相对误差为.00159/3.14159 .0005
.