雙精度浮點數

浮點數精度
IEEE 754
半精度浮点数 單精度浮點數 雙精度浮點數
其他
高精度计算

雙精度浮點數（double）是计算机使用的一種資料型別。比起單精度浮點數，雙精度浮點數(double)使用 64 位（8字节） 來儲存一個浮點數。 它可以表示二進位制的53位有效數字，其可以表示的数字的绝对值范围为$[2^{-1024},2^{1024}]$。

格式

sign bit（符號）：用來表示正負號

exponent（指數）：用來表示次方數

mantissa（尾數）：用來表示精確度

符号

0代表數值為正，1代表數值為負。

指数

使用二補數表示法，範圍為-1024（0x400）到+1023（0x3ff），但有四個例外：

• 指數為+1023（0x3ff），尾數的每個位數都是1，符號為0，表示正無窮大

• 指數為+1023（0x3ff），尾數的每個位數都是1，符號為1，表示負無窮大

• 指數為-1024（0x400），尾數的每個位數都是0，符號為0，表示0

• 指數為-1024（0x400），尾數的每個位數都是0，符號為1，表示NaN

尾數

在二進位的「科學記號」，數字被表示為：

${\text{1.mantissa}}\times {\text{2}}^{\text{exponent}}$

二進位的「科學記號」（a×2ⁿ）的a的範圍是大於等於1而小於2，例如：

 二進位制的  ${\text{11.101}}\times {\text{2}}^{\text{1001}}$ 可以規格化為 ${\text{1.1101}}\times {\text{2}}^{\text{1010}}$，儲存時尾数只需要儲存1101即可

 二進位制的  ${\text{0.00110011}}\times {\text{2}}^{\text{-1001}}$ 可以規格化為 ${\text{1.10011}}\times {\text{2}}^{\text{-1100}}$，儲存時尾數只需要儲存10011即可

小結

根據以上的敘述，一個雙精度浮點數所代表的數值為：

$(-1)^{\text{sign}}\times 2^{\text{exponent}}\times 1.{\text{mantissa}}$

例子

0 01111111111 00000000000000000000000000000000000000000000000000002 ≙ 3FF0 0000 0000 000016 ≙ +20 × 1 = 1

0 01111111111 00000000000000000000000000000000000000000000000000012 ≙ 3FF0 0000 0000 000116 ≙ +20 × (1 + 2−52) ≈ 1.0000000000000002, the smallest number > 1

0 01111111111 00000000000000000000000000000000000000000000000000102 ≙ 3FF0 0000 0000 000216 ≙ +20 × (1 + 2−51) ≈ 1.0000000000000004

0 10000000000 00000000000000000000000000000000000000000000000000002 ≙ 4000 0000 0000 000016 ≙ +21 × 1 = 2

1 10000000000 00000000000000000000000000000000000000000000000000002 ≙ C000 0000 0000 000016 ≙ −21 × 1 = −2

0 10000000000 10000000000000000000000000000000000000000000000000002 ≙ 4008 0000 0000 000016 ≙ +21 × 1.12 = 112 = 3

0 10000000001 00000000000000000000000000000000000000000000000000002 ≙ 4010 0000 0000 000016 ≙ +22 × 1 = 1002 = 4

0 10000000001 01000000000000000000000000000000000000000000000000002 ≙ 4014 0000 0000 000016 ≙ +22 × 1.012 = 1012 = 5

0 10000000001 10000000000000000000000000000000000000000000000000002 ≙ 4018 0000 0000 000016 ≙ +22 × 1.12 = 1102 = 6

0 10000000011 01110000000000000000000000000000000000000000000000002 ≙ 4037 0000 0000 000016 ≙ +24 × 1.01112 = 101112 = 23

0 01111111000 10000000000000000000000000000000000000000000000000002 ≙ 3F88 0000 0000 000016 ≙ +2−7 × 1.12 = 0.000000112 = 0.01171875 (3/256)

0 00000000000 00000000000000000000000000000000000000000000000000012 ≙ 0000 0000 0000 000116 ≙ +2−1022 × 2−52 = 2−1074 ≈ 4.9406564584124654 × 10−324 (Min. subnormal positive double)

0 00000000000 11111111111111111111111111111111111111111111111111112 ≙ 000F FFFF FFFF FFFF16 ≙ +2−1022 × (1 − 2−52) ≈ 2.2250738585072009 × 10−308 (Max. subnormal double)

0 00000000001 00000000000000000000000000000000000000000000000000002 ≙ 0010 0000 0000 000016 ≙ +2−1022 × 1 ≈ 2.2250738585072014 × 10−308 (Min. normal positive double)

0 11111111110 11111111111111111111111111111111111111111111111111112 ≙ 7FEF FFFF FFFF FFFF16 ≙ +21023 × (1 + (1 − 2−52)) ≈ 1.7976931348623157 × 10308 (Max. Double)

0 00000000000 00000000000000000000000000000000000000000000000000002 ≙ 0000 0000 0000 000016 ≙ +0

1 00000000000 00000000000000000000000000000000000000000000000000002 ≙ 8000 0000 0000 000016 ≙ −0

0 11111111111 00000000000000000000000000000000000000000000000000002 ≙ 7FF0 0000 0000 000016 ≙ +∞ (positive infinity)

1 11111111111 00000000000000000000000000000000000000000000000000002 ≙ FFF0 0000 0000 000016 ≙ −∞ (negative infinity)

0 11111111111 00000000000000000000000000000000000000000000000000012 ≙ 7FF0 0000 0000 000116 ≙ NaN (sNaN on most processors, such as x86 and ARM)

0 11111111111 10000000000000000000000000000000000000000000000000012 ≙ 7FF8 0000 0000 000116 ≙ NaN (qNaN on most processors, such as x86 and ARM)

0 11111111111 11111111111111111111111111111111111111111111111111112 ≙ 7FFF FFFF FFFF FFFF16 ≙ NaN (an alternative encoding of NaN)

0 01111111101 01010101010101010101010101010101010101010101010101012 = 3fd5 5555 5555 555516 ≙ +2−2 × (1 + 2−2 + 2−4 + ... + 2−52) ≈ 1/3

0 10000000000 10010010000111111011010101000100010000101101000110002 = 4009 21fb 5444 2d1816 ≈ pi

參閱

• IEEE二进制浮点数算术标准（IEEE 754）
• 浮点数