关联性数学:(a + b) + c != a + (b + c)

Associativity math: (a + b) + c != a + (b + c)

最近我正在经历一个 old blog post by Eric Lippert 其中,在撰写有关关联性的文章时,他提到在 C# 中,对于 a、b、c 的某些值,(a + b) + c 不等同于 a + (b + c)

我无法弄清楚什么类型和范围的算术值可能成立以及为什么。

一个例子

a = 1e-30
b = 1e+30
c = -1e+30

double 类型的范围内:

double dbl1 = (double.MinValue + double.MaxValue) + double.MaxValue;
double dbl2 = double.MinValue + (double.MaxValue + double.MaxValue);

第一个是double.MaxValue,第二个是double.Infinity

关于double类型的精度:

double dbl1 = (double.MinValue + double.MaxValue) + double.Epsilon;
double dbl2 = double.MinValue + (double.MaxValue + double.Epsilon);

现在 dbl1 == double.Epsilon,而 dbl2 == 0

从字面上看问题:-)

checked模式下:

checked
{
    int i1 = (int.MinValue + int.MaxValue) + int.MaxValue;
}

i1int.MaxValue

checked
{
    int temp = int.MaxValue;
    int i2 = int.MinValue + (temp + temp);
}

(注意使用 temp 变量,否则编译器会直接报错...从技术上讲,即使这将是不同的结果:-)正确编译 vs 不编译)

这会引发 OverflowException... 结果不同 :-)(int.MaxValue vs Exception

扩展其他答案,这些答案显示了小数和大数的极端情况如何得到不同的结果,这是一个示例,其中具有实际正态数的浮点数给您不同的答案。

在这种情况下,我没有使用精度极限的数字,而是简单地做了很多加法。区别在于 (((...(((a+b)+c)+d)+e)......(((a+b)+(c+d))+((e+f)+(g+h)))+...

我在这里使用 python,但是如果您用 C# 编写它,您可能会得到相同的结果。首先创建一个包含一百万个值的列表,所有值都是 0.1。从左侧将它们相加,您会发现舍入误差变得很大:

>>> numbers = [0.1]*1000000
>>> sum(numbers)
100000.00000133288

现在再次添加它们,但这次是成对添加它们(有更有效的方法可以使用更少的中间存储,但我在这里保持实现简单):

>>> def pair_sum(numbers):
    if len(numbers)==1:
        return numbers[0]
    if len(numbers)%2:
        numbers.append(0)
    return pair_sum([a+b for a,b in zip(numbers[::2], numbers[1::2])])

>>> pair_sum(numbers)
100000.0

这次任何舍入误差都最小化了。

编辑 为了完整起见,这里有一个更有效但不太容易遵循的成对求和的实现。它给出与上面 pair_sum() 相同的答案:

def pair_sum(seq):
    tmp = []
    for i,v in enumerate(seq):
        if i&1:
            tmp[-1] = tmp[-1] + v
            i = i + 1
            n = i & -i
            while n > 2:
                t = tmp.pop(-1)
                tmp[-1] = tmp[-1] + t
                n >>= 1
        else:
            tmp.append(v)
    while len(tmp) > 1:
        t = tmp.pop(-1)
        tmp[-1] = tmp[-1] + t
    return tmp[0]

下面是用 C# 编写的简单 pair_sum:

using System;
using System.Linq;

namespace ConsoleApplication1
{
    class Program
    {
        static double pair_sum(double[] numbers)
        {
            if (numbers.Length==1)
            {
                return numbers[0];
            }
            var new_numbers = new double[(numbers.Length + 1) / 2];
            for (var i = 0; i < numbers.Length - 1; i += 2) {
                new_numbers[i / 2] = numbers[i] + numbers[i + 1];
            }
            if (numbers.Length%2 != 0)
            {
                new_numbers[new_numbers.Length - 1] = numbers[numbers.Length-1];
            }
            return pair_sum(new_numbers);
        }
        static void Main(string[] args)
        {
            var numbers = new double[1000000];
            for (var i = 0; i < numbers.Length; i++) numbers[i] = 0.1;
            Console.WriteLine(numbers.Sum());
            Console.WriteLine(pair_sum(numbers));
        }
    }
}

输出:

100000.000001333
100000

这源于普通值类型(int、long 等)使用固定数量的字节存储的事实。因此,当两个值的总和超过字节存储容量时,可能会发生溢出。

在C#中,可以使用BigInteger来避免这种问题。 BigInteger 的大小是任意的,因此不会产生溢出。

BigInteger 仅适用于 .NET 4.0 及更高版本 (VS 2010+)。

简短的回答是 (a + b) + c == a + (b + c) 数学上的,但不一定是计算上的。

记住计算机确实以二进制工作,即使是简单的小数在转换为内部格式时也会导致舍入错误。

根据语言的不同,即使加法也会产生舍入误差,在上面的示例中,a+b 中的舍入误差可能与 b+c 中的舍入误差不同。

一个令人惊讶的违规者是 JavaScript:0.1 + 0.2 != 0.3。舍入误差在小数点后有很长的距离,但真实且有问题。

通过先添加小部分来减少舍入误差是一般原则。这样他们就可以在被更大的数字淹没之前积累起来。

几个类似的例子:

static void A(string s, int i, int j)
{
  var test1 = (s + i) + j;
  var test2 = s + (i + j);
  var testX = s + i + j;
}

这里 A("Hello", 3, 5) 导致 test1testX 等于 "Hello35",而 test2 将是 "Hello8".

并且:

static void B(int i, int j, long k)
{
  var test1 = (i + j) + k;
  var test2 = i + (j + k);
  var testX = i + j + k;
}

这里B(2000000000, 2000000000, 42L)导致test1testX在通常的unchecked模式下等于-294967254L,而test2变成4000000042L.

在同一博客的评论中我发现了这个,C# 中的“^”符号是什么意思

a = 10^x

b = -a

c = 5

(a+b) + c == 5

a + (b+c) == 0