整数と浮動小数点数

はじめに

• 整数 (C言語で言うところのint)
• 浮動小数点数 (C言語で言うところのdouble)

整数型

char	8bit整数(文字型)
short int	16bit整数
long int	32bit整数
int	32bit整数

のような数値がある。 これは現在最も普及しているシステムでの 数値であり、これとは異なる場合もある。

また、整数型には符号無し整数と符号付き整数の2種類がある。C言語で言えば

unsigned int a;
signed int b;

符号無し整数

bit pattern	数値
11111111111111111111111111111111	4294967295
00000000000000000000000000000010	2
00000000000000000000000000000001	1
00000000000000000000000000000000	0

つまり普通の2進数であり、32個の各bitが次のような重みを持っている。

231

230

229

.....

21

20

上記のように、nビットで 0～2ⁿ-1の範囲の数を表現できる。 すなわち、Cのunsignedな整数型は、

char	0～255
short int	0～65535
long int	0～4294967295

の範囲の数が表せることになる。

符号付き整数

bit pattern	数値
01111111111111111111111111111111	2147483647
00000000000000000000000000000010	2
00000000000000000000000000000001	1
00000000000000000000000000000000	0
11111111111111111111111111111111	-1
11111111111111111111111111111110	-2
10000000000000000000000000000000	-2147483648

このような負の数の表現形式を「2の補数形式」と呼ぶ。 32個の各bitが次のような重みを持っていると考えることもできる (先頭だけ重みが負になっている)。

-231

230

229

.....

21

20

上記のように、2の補数形式の場合、nビットで -2^n-1～2^n-1-1の範囲の数を表現できる。 すなわち、Cのsignedな整数型は、

char	-128～127
short int	-32768～32767
long int	-2147483648～2147483647

の範囲の数が表せることになる。このようなフォーマットを採用している理由は、 オーバーフローを無視したunsigned用の32bit加算算を、そのままsigned用の 加算器として使えることが大きな理由として挙げられる。

浮動小数点数

浮動小数点数は仮数部の長さ、指数部の長さ、指数が2か10か16か、など、 様々なバリエーションが考えられ、実際昔は計算機メーカー毎に様々な フォーマットが乱立していた。 そこで、1985年にWilliam Kahanが中心となって

IEEE 754: Standard for Binary Floating-Point Arithmetic

倍精度浮動小数点数

1(符号)

11(指数部)

52(仮数部)

• 符号は、0なら正、1なら負。
• 指数部は、「×2^指数」の指数の部分に1023を加えたもの が11bit符号無しの整数の形で格納されている。
• 仮数部は、実際の仮数部の先頭の「1」を取り除いた残りが格納されている。表したい数が0でない限り仮数部の先頭は必ず1なので、それをメモリに格納しないことによって1bit分精度を稼いでいる。

x = (-1)^s × 1.m × 2^e-1023

例えば、5.25は2進数で書くと

  101.01 = 1.0101×22

0

1000000001

0101000000000000000000000000000000000000000000000000

のように格納されている。指数部の「1000000001」は、「2+1023=1025」 を2進数にしたものである。

ここまでは比較的簡単であるが、IEEE 754 Std.には複雑な例外事項がある。 以下それについて説明する。 指数部eは11bit符号無しなので0から2047まで取れるが、 その両端の数 (0と2047) は特殊な数を表すのに使われていて、 上で説明した規則が使われるのは指数部が1から2046まで (1023を減じた実際の指数では-1022から1023まで) の間である。

• e=0、m=0なら、x=±0である。
• e=2047、m=0なら、x=±無限大である。
• e=2047、m≠0なら、NaN (Not a Number) を表す。負数の平方根など、不可能な演算の結果を表すのに使われる。
• e=0、m≠0は「非正規化数」を表す。これに対して通常の1≤e≤2046のときの数を「正規化数」という。非正規化数においては、

  x = (-1)^s × 0.m × 2^-1022

  のような数値を表す。赤字のところの違いに注意。

まとめると、次の表のようになる。

-	m = 0	m ≠ 0
e = 0	±0	x = (-1)s × 0.m × 2-1022
1 ≤ e ≤ 2046	x = (-1)s × 1.m × 2e-1023
e = 2047	±∞	NaN (Not a Number)

正の正規化数の最大の数は、 e=2046, m=111...111なので、

1.111...111 × 2¹⁰²³ = 2¹⁰²⁴-2⁹⁷¹ ≈ 10^308.25

であり、これを超えた数は無限大になる。これを一般にオーバーフローという。 また、正の正規化数の最小の数は、e=1, m=000...000なので、

1.000...000 × 2^-1022 = 2^-1022 ≈ 10^-307.65

であり、これを下回る数を0にすることを一般にアンダーフローという。 しかし、IEEE 754 Std.では、ここでアンダーフローさせずにある「悪あがき」をしている。これが非正規化数である。 非正規化数は、文字通り「正規化していない」数である。 正規化数の最小数の最終bitを1だけ減じると、

0.111...111 × 2^-1022

となり、これを正規化すると

1.111...110 × 2^-1023

となって、指数部の限界を超えてしまう。そこで、 「2^-1022を下回ったら正規化をやめて指数部を2^-1022に固定して仮数部をそのままmとして格納する」 という約束にする。これが非正規化数である。これにより、

0.111...111 × 2^-1022
0.111...110 × 2^-1022
...
0.100...000 × 2^-1022
0.011...111 × 2^-1022
...
0.000...001 × 2^-1022 = 2^-1074 ≈ 10^-323.31

のような数が表現できるようになる。ただし、これらの2^-1022と2^-1074の間の数は、本来53bitあるべき仮数部の長さが52bit∼1bitまで減ってしまっており、精度が低下していることに注意する必要がある。

単精度浮動小数点数

単精度浮動小数点数(C言語で言うところのfloat)は、 全部で32bit=4byteで、

1(符号)

8(指数部)

23(仮数部)

のようになっている。指数部のオフセットが1023から127になるなどの違いは あるが、ほとんど倍精度と同じ。表にまとめると次の通り。

-	m = 0	m ≠ 0
e = 0	±0	x = (-1)s × 0.m × 2-126
1 ≤ e ≤ 254	x = (-1)s × 1.m × 2e-127
e = 255	±∞	NaN (Not a Number)

丸めについて

倍精度(または単精度)浮動小数点数同士の演算(加減乗除など)の結果は、 倍精度(または単精度)浮動小数点数で表せるとは限らない。 そのときは、「その値に近い倍精度(または単精度)浮動小数点数で代用する」という ことが行われる。これが丸めである。 一般的には、その数の上と下の表現可能な数のうち近い方で代用する。

例えば10進数で仮数部3桁の浮動小数点演算を考え、2/3を計算すると、

2.00×10⁰ / 3.00×10⁰
=0.66666666...×10⁰ =6.6666666...×10^-1

となり仮数部3桁には収まらないが、仮数部の4桁目で例えば四捨五入を行うと、

6.67×10^-1

のようになる。このときの計算値と真値との差

6.67×10^-1 - 6.6666666...×10^-1
=3.3333333...×10^-4

が丸め誤差である。

IEEE 754 Std.では、2進数なので、基本的には0捨1入で丸めが行われる。 例えば、10進数の「0.1」をIEEE 754 Std.のdoubleに変換してみる。

  0.1 (10)
  = 0.000110011001100110011... (2)
  = 1.10011001100110011...×2-4 (2)

である。e-1023=-4だからe=1019であり、

  1019 (10)
  = 01111111011 (2)

である。仮数部は無限小数になっているのでそのまま格納出来ない。小数点以下は、 52bit以内とそれ以降で区切って表示すると、

1001100110011001100110011001100110011001100110011001

10011001100....

となる。はみ出た部分の先頭が「1」なので、0捨1入で繰り上げる。最終的には、 計算機内では、

0

01111111011

1001100110011001100110011001100110011001100110011010

のように格納されている。すなわち、10進数の0.1は計算機には正確に格納できず、少しだけ0.1より大きい値で格納されていることが分かる。

(偶数丸めはまだ書いてない。)

Machine Epsilon

• (倍精度) 2^-52 ≈ 2.2×10^-16 ≈ 10^-15.65
• (単精度) 2^-23 ≈ 1.19×10^-7 ≈ 10^-6.92