C語言進階：浮點數內存表示與精度損失根因分析

回顧與引入：從整數到浮點數

前文已詳解整數（補碼）在內存中的存儲。本講轉向浮點數，以 IEEE 754 標準為核心，推導 float/double 內存佈局，揭示精度損失的兩大根本原因。

整數補碼復習：兩道實戰練習

正數 51,245,412（0x030DF164）

二進制：0000 0011 0000 1101 1111 0001 0110 0100
小端存儲（地址 0x0012FF7C 起）：64 F1 0D 03

負數 -6,231,541（補碼 0xFFA0EA0B）

絕對值二進制 → 按位取反 → +1 → FF A0 EA 0B
小端存儲：0B EA A0 FF

調試器 Memory 窗口驗證完全吻合。

浮點數二進制表示法：科學計數法的二進制版

例：19.375 = 10011.011₂ = 1.0011011 × 24。
關鍵步驟：整數部分除二取餘，小數部分乘二取整（或分解為 2 的負冪次和）。

IEEE 754 單精度（float）32位佈局

19.375 編碼演示

• 符號位：0
• 指數：127 + 4 = 131 = 10000011₂
• 尾數：0011011 + 16 個 0 → 00110110000000000000000
• 合併：0 10000011 00110110000000000000000 = 0x419B0000
• 小端存儲：00 00 9B 41

調試器驗證完美匹配。負數僅需將符號位置 1 → 0xC19B0000。

雙精度（double）64位佈局差異

• 符號位：1 bit
• 指數位：11 bits，基數 1023（2¹⁰-1）
• 尾數位：52 bits

精度損失的兩大根因

1. 尾數位截斷：二進制科學計數法尾數超過 23/52 位時，低位被捨棄。double 緩解但無法根治（超過 52 位同樣失效）。
2. 無限循環二進制：許多十進制小數（如 0.2）轉二進制為無限循環（0.001100110011…），無法精確表示，必然產生誤差。

結語

透過手工推導編碼過程，可深刻理解浮點數「近似表示」的本質。下一講將系統講解數據類型，這是構建健壯程序的基石。