浮点数的表示和运算(范围计算)
软考-浮点数的知识点
软考中浮点数的知识点主要包括以下几个方面：1、浮点数的基本概念和表示方法：浮点数是一种用科学计数法表示实数的方法，主要用于计算机中对实数的近似表示。
浮点数的表示方法分为单精度和双精度，其中单精度用32位表示，双精度用64位表示。
2、浮点数的运算：浮点数在计算机中的运算包括加、减、乘、除等基本运算，同时还有取模、取整、四舍五入等高级运算。
需要注意的是，浮点数的运算可能会产生精度误差，因此在实际应用中需要谨慎处理。
3、浮点数的异常情况：浮点数在计算中可能会出现一些异常情况，比如除以0、溢出、下溢等，这些情况需要特殊处理。
4、浮点数的应用：浮点数广泛应用于科学计算、金融计算、图像处理等领域，比如地球物理学中的测量数据处理、金融学中的股票交易计算、计算机游戏中的物理引擎等。
细节：阶符、阶码和数符阶符、阶码和数符都是计算机中用于表示浮点数的重要概念。
阶符用来表示浮点数的指数部分的符号，通常为0或1，表示正数或负数。
阶码是指数部分的值，采用补码表示，其位数与精度有关。
对于单精度浮点数，阶码采用8位补码表示；对于双精度浮点数，阶码采用11位补码表示。
阶码的值由指数部分的二进制表示得到，如单精度浮点数的指数部分是8位，则阶码的范围为-127到+128，双精度浮点数的指数部分是11位，则阶码的范围为-1023到+1024。
数符用来表示浮点数的符号部分，通常为0或1，表示正数或负数。
假设有一个单精度浮点数，其二进制表示为：0 10000100 11011000000000000000000其中，第1位为数符位，0表示正数，1表示负数；接下来的8位为阶码，这个数的阶码为10000100，最后的23位为尾数，为11011000000000000000000。
阶符位指的是阶码的符号位，因为阶码可以是正数或负数，阶符位为0表示阶码为正，为1表示阶码为负。
阶码是指尾数左移或右移的位数，由于计算机中浮点数的科学计数法表示方式，阶码的范围通常是有限的，例如单精度浮点数的阶码范围为-126到127，阶码的实际值是阶符位和剩余位的组合。
浮点数的表示方法
浮点数的表示方法
一、浮点数表示
一个数的浮点形式（设基数是2）可写成：
N = M × 2E
其中:M代表尾数,E代表阶码。
计算机中浮点数只用尾数和阶码表示，其形式如下：
浮点数的精度由尾数决定，数的表示范围由阶码的位数决定。
为了最大限度提高精度，尾数采用规格化形式，既1/2≤M<1。
采用二进制表示时，若尾数大于零，则规格化数应该是01XXXX的形式；若尾数小于零，则规格化数应为10XXXX的形式。
二、机器零
当浮点数的尾数为0或阶码为最小值时，计算机通常把该数当作零，因此程序中进行浮点运算时，判断某数是否为零，通常可以用小于某个极小值来代替。
三、实例
【例1】设X=0.0110×23 ,用补码、浮点数形式表示阶码为X j=011，尾数为00110，这时由于X 尾数不符合01XXXX的形式，因此不是规格化数，必须先进行规格化处理。
方法：若尾数小于1/2，把尾数左移一位（不包括符号位），观察结果是否满足规格化条件，满足则在把阶码减1即可，否则继续左移和调整阶码；若尾数大于1，则把尾数右移一位（不包括符号位），观察结果是否满足规格化条件，满足则在把阶码加1即可，否则继续右移和调整阶码。
上例中，00110左移一位为01100，符合规则化标准，此时阶码减1，为010即得到浮点表示形式。
这个数具体在计算机中如何表示要看计算机中规定的阶码和尾数的位数，若阶码和尾数均为16位，则上面的数X在计算机内部表示就是00000000000000100110000000000000 ，不足
均用零填充。
c语言浮点数合法规则
c语言浮点数合法规则C语言浮点数合法规则一、引言在C语言中，浮点数是一种用于表示带小数部分的数值的数据类型。
浮点数的合法规则是指在C语言中使用浮点数时需要遵守的一些规则，以确保浮点数的正确使用和计算。
本文将详细介绍C语言浮点数的合法规则。
二、浮点数的表示C语言中的浮点数使用单精度（float）和双精度（double）两种类型进行表示。
单精度浮点数使用32位存储空间，双精度浮点数使用64位存储空间。
浮点数的表示遵循IEEE 754标准，其中包括符号位、指数位和尾数位。
三、浮点数的合法格式1. 整数形式：例如，3、-5等整数可以直接表示为浮点数。
2. 小数形式：例如，3.14、-0.5等小数可以直接表示为浮点数。
3. 科学计数法形式：例如，1.23e-4表示为1.23乘以10的负4次方。
4. 0和-0：0和-0都是合法的浮点数表示。
5. 正无穷和负无穷：表示非常大或非常小的数值。
6. NaN：表示非数值，例如0/0的结果。
四、浮点数的合法操作1. 四则运算：加法、减法、乘法和除法等四则运算都是合法的浮点数操作。
2. 比较运算：等于、不等于、大于、小于、大于等于和小于等于等比较运算都是合法的浮点数操作。
3. 赋值操作：将一个浮点数赋值给另一个浮点数变量是合法的操作。
4. 数学函数：C语言提供了一系列的数学函数，如sin、cos、sqrt 等，这些函数的参数和返回值都可以是浮点数。
五、浮点数的合法范围C语言中的浮点数具有一定的范围限制。
单精度浮点数的范围约为-3.4e38到 3.4e38之间，双精度浮点数的范围约为-1.7e308到1.7e308之间。
六、浮点数的精度问题由于浮点数的表示方式是近似表示，因此在进行浮点数运算时可能会出现精度问题。
例如，0.1在二进制中无法精确表示，因此在进行0.1的加法和减法运算时可能会产生一些误差。
为了避免精度问题，可以使用整数进行计算，或使用浮点数的四舍五入函数进行处理。
浮点数计算方式
浮点数计算方式浮点数是计算机中用来表示实数的一种数据类型。
它由一个小数部分和一个指数部分组成，可以表示非常大或非常小的数值范围。
浮点数的计算方式是基于浮点数的表示规范和运算规则进行的。
本文将介绍浮点数的计算方式，并探讨其中的一些注意事项。
一、浮点数的表示方式在计算机中，浮点数通常采用IEEE 754标准进行表示。
根据该标准，浮点数由三部分组成：符号位、指数位和尾数位。
其中，符号位用于表示浮点数的正负性，指数位用于表示浮点数的指数部分，尾数位用于表示浮点数的小数部分。
通过这种方式，计算机可以表示非常大或非常小的实数。
二、浮点数的四则运算浮点数的四则运算（加法、减法、乘法和除法）是基于IEEE 754标准进行的。
在进行浮点数的四则运算时，需要注意以下几点：1. 精度丢失：由于浮点数的表示方式是有限的，所以在进行浮点数的运算时，可能会出现精度丢失的情况。
这是因为某些实数无法准确表示为有限位数的浮点数。
因此，在进行浮点数计算时，应注意精度丢失可能会产生的误差。
2. 舍入误差：由于浮点数的表示方式是基于二进制的，而实数是十进制的，所以在进行浮点数计算时，可能会出现舍入误差。
这是因为某些十进制数无法准确表示为二进制数。
因此，在进行浮点数计算时，应注意舍入误差可能会对计算结果产生影响。
3. 无穷大和NaN：浮点数的运算结果可能会出现无穷大（Infinity）或不确定值（NaN）。
无穷大表示计算结果超出了浮点数的表示范围，而NaN表示计算结果无法确定。
在进行浮点数计算时，应注意处理这些特殊情况，以避免出现错误结果。
三、浮点数计算中的问题和解决方法在进行浮点数计算时，可能会遇到一些问题，如计算结果不准确、计算速度较慢等。
为了解决这些问题，可以采取以下方法：1. 增加计算精度：可以增加浮点数的位数，从而提高计算精度。
例如，可以使用双精度浮点数（64位）替代单精度浮点数（32位），以提高计算精度。
2. 使用精确计算：可以使用精确计算方法，如使用有理数进行计算，从而避免浮点数计算中的精度丢失和舍入误差。
浮点数的表示方法规格化处理
二：基础知识扩展
-----------------------------------------------------------------------
值存储为指数偏移量
real*41位符号位(s)、8位指数(e)，23位尾数(m,共32位)127(7FH)
11………11
01………11
4标准表示法
为便于软件的移植，浮点数的表示格式应该有统一标准。1985年IEEE（Institute of Electrical and Electronics Engineers）提出了IEEE754标准。该标准规定基数为2，阶码E用移码表示，尾数M用原码表示，根据原码的规格化方法，最高数字位总是1，该标准将这个1缺省存储，使得尾数表示范围比实际存储的一位。实数的IEEE754标准的浮点数格式为：
[例3.2]：
0xC04E000000000000（real*8）
转换成二进制
1100000001001110000000000000000000000000000000000000000000000000
符号位指数部分（11位）尾数部分
1 10000000100 1110000000000000000000000000000000000000000000000000
计算公式：
V=(-1)^s*2^E*M
V=(-1)^s * 2^( 1 -指数偏移量) * (尾数)（当指数位为0时）
V=(-1)^s * 2^(指数位数值-指数偏移量) * (1+尾数)（当指数位不全为0或不全1）
情况1：当e（各位）为全'0'时：
E=1-(2^(e（位数）-1)-1)；<===>E=1-指数偏移量
概述浮点数的表示形式、表示范围、规格化
概述浮点数的表示形式、表示范围、规格化1. 前言在计算机科学和数值计算中，浮点数是一种用于近似表示实数的数据类型。
浮点数的表示形式、表示范围和规格化是计算机科学中非常重要的概念和知识点。
本文将从简到繁，由浅入深地探讨浮点数的表示形式、表示范围和规格化。
2. 浮点数的表示形式浮点数通常以科学计数法的形式表示，包括两部分：尾数和指数。
以二进制表示的浮点数通常采用IEEE 754标准，其中规定了单精度浮点数和双精度浮点数的表示形式。
单精度浮点数占32位，双精度浮点数占64位。
在IEEE 754标准中，浮点数采用“符号位-指数位-尾数位”的形式表示，其中符号位表示正负，指数位表示指数部分，尾数位表示尾数部分。
3. 表示范围浮点数的表示范围取决于浮点数所占的位数。
单精度浮点数的表示范围约为1.4013e-45到3.4028e+38，双精度浮点数的表示范围约为4.9407e-324到1.7977e+308。
表示范围的大小直接影响了浮点数能够表示的最大值和最小值。
4. 规格化规格化是指将浮点数表示为规格化形式，即将尾数部分的最高位固定为1，并且将指数部分调整为合适的值。
规格化可以使浮点数的表示更加简洁、清晰，并且可以减少出现溢出和下溢的可能性。
5. 个人观点和理解浮点数的表示形式、表示范围和规格化是计算机科学中非常基础和重要的概念。
对于编程语言和数值计算的学习者来说，深入理解浮点数的表示形式和规格化，可以帮助他们更好地理解计算机中浮点数的存储和运算方式，从而编写更加高效和准确的程序。
6. 总结本文从简到繁，由浅入深地探讨了浮点数的表示形式、表示范围和规格化。
通过本文的阐述，读者可以更全面、深刻和灵活地理解浮点数相关的基础知识，以便在实际工作和学习中能够更好地应用和运用这些知识。
在文章中多次提及“浮点数”的关键词，以确保文章内容贯穿主题。
文章总字数大于3000字，并使用普通文本撰写，遵循知识文章格式。
7. 浮点数的精度除了表示范围和规格化外，浮点数的精度也是一个重要的方面。
浮点数的运算方法
浮点数的运算方法浮点数是计算机中用于表示实数的一种数据类型，由于实数是无限的，而计算机只能存储有限的信息，所以必然存在精度误差。
浮点数的运算涉及到加法、减法、乘法和除法等基本运算，以及开方、幂函数等高级运算。
1.加法运算：浮点数相加时，先将较小的浮点数调整为与较大的浮点数相同的指数，然后进行尾数的相加，最后对结果进行规格化处理，即进行舍入操作，得到最终的结果。
2.减法运算：浮点数相减的原理与加法相同，只是在相减之前，需要将两个浮点数的指数调整为相等，然后进行尾数的相减操作，最后同样需要对结果进行规格化处理。
3.乘法运算：浮点数相乘时，将两个浮点数的指数相加，然后将尾数相乘得到结果的尾数部分，最后对结果进行规格化处理。
4.除法运算：浮点数除法的原理与乘法类似，先将两个浮点数的指数相减，然后将尾数相除得到结果的尾数部分，最后同样需要进行规格化处理。
5.开方运算：浮点数的开方运算是通过求解多项式的根来实现的，常用的方法有牛顿法、二分法和二次近似法等。
这些方法都是通过迭代的方式，逐步逼近平方根的值，直到达到所需的精度。
6.幂函数运算：浮点数的幂函数运算可以通过连乘或连乘的方式实现。
幂函数运算的精度取决于底数和指数的精度以及所需的结果精度。
在浮点数的运算过程中，需要注意以下几个常见问题：1.精度丢失：浮点数的表示是有限的，不可避免地存在精度误差，特别是在进行连续的浮点数运算时，会导致误差累积，可能导致结果的不准确。
2.舍入误差：浮点数的结果需要进行舍入操作以保持一定的精度。
舍入规则有多种，如四舍五入、向上取整、向下取整等，选择合适的舍入规则可以减小误差。
3.溢出和下溢：浮点数的范围是有限的，当计算结果超出范围时，会发生溢出；当结果接近零但无法表示时，会发生下溢。
这两种情况都需要进行特殊处理。
4. 特殊数值：浮点数中有几个特殊的数值，如无穷大（Infinity）、非数值（NaN）和零（0）。
这些特殊值的运算需要按照特定的规则进行处理，以免引起错误。
浮点数表示及运算
计算机组成原理
15
完成浮点加减运算的操作过程大体分为： (1) 0 操作数的检查；
(2) 比较阶码大小并完成对阶； (3) 尾数进行加或减运算； (4) 结果规格化。 (5) 舍入处理。 (6) 溢出处理。
计算机组成原理
16
(1) 0 操作数检查 (2) 对阶
使二数阶码相同（即小数点位置对齐），这个过程叫作对阶。 • 先求两数阶码 Ex 和 Ey之差，即△E = Ex－Ey 若△E = 0，表示 Ex=Ey 若△E > 0, Ex>Ey 若△E < 0, Ex<Ey 通过尾数的移动来改变Ex或Ey，使其相等。
19
(4) 结果规格化 求和之后得到的数可能不是规格化了的数, 为了增加有效数 字的位数, 提高运算精度,必须将求和的结果规格化。 ①规格化的定义:
采用原码： 正数: S=0.1 ×××…× 负数： S=1.1 ×××…× 采用双符号位的补码：
对正数: 对负数:
1 S 1 2
(二进制)
S=00.1×××…× S=11.0×××…×
格式 单精度 最小值 Emin=1, M=0, 1-127 -126 1.0×2 =2 最大值 Emax=254, 254-127 f=1.1111…, 1.111…1×2 127 -23 = 2 ×(2-2 ) Emax=2046, 2046-1023 f=1.1111…,1.111…1×2 1023 -52 =2 ×(2-2 )
8位定点小数可表示的范围
0.0000001 --- 0.1111111 1/128 --- 127/128 可表示2-11*0.0001 --- 211*0.1111
设阶码2位，尾数4位
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浮点数的表示和运算浮点数的表示和基本运算1 浮点数的表示通常，我们可以用下面的格式来表示浮点数其中S是符号位，P是阶码，M是尾数对于IBM-PC而言，单精度浮点数是32位（即4字节）的，双精度浮点数是64位（即8字节）的。
两者的S，P，M所占的位数以及表示方法由下表可知以单精度浮点数为例，可以得到其二进制的表示格式如下其中S是符号位，只有0和1，分别表示正负；P是阶码，通常使用移码表示（移码和补码只有符号位相反，其余都一样。
对于正数而言，原码，反码和补码都一样；对于负数而言，补码就是其绝对值的原码全部取反，然后加1.）为了简单起见，本文都只讨论单精度浮点数，双精度浮点数也是用一样的方式存储和表示的。
2 浮点数的表示约定单精度浮点数和双精度浮点数都是用IEEE754标准定义的，其中有一些特殊约定。
（1）当P = 0, M = 0时，表示0。
（2）当P = 255, M = 0时，表示无穷大，用符号位来确定是正无穷大还是负无穷大。
（3）当P = 255, M != 0时，表示NaN（Not a Number，不是一个数）。
当我们使用.Net Framework的时候，我们通常会用到下面三个常量Console.WriteLine(float.MaxValue); // 3.402823E+38Console.WriteLine(float.MinValue); //-3.402823E+38Console.WriteLine(float.Epsilon); // 1.401298E-45//如果我们把它们转换成双精度类型，它们的值如下Console.WriteLine(Convert.ToDouble(float.MaxValue)); // 3.40282346638529E+38Console.WriteLine(Convert.ToDouble(float.MinValue)); //-3.40282346638529E+38Console.WriteLine(Convert.ToDouble(float.Epsilon)); // 1.40129846432482E-45那么这些值是如何求出来的呢？根据上面的约定，我们可以知道阶码P的最大值是11111110（这个值是254，因为255用于特殊的约定，那么对于可以精确表示的数来说，254就是最大的阶码了）。
尾数的最大值是11111111111111111111111。
那么这个最大值就是：0 11111110 11111111111111111111111。
也就是2(254-127) * (1.11111111111111111111111)2 = 2127 * (1+1-2-23) = 3.40282346638529E+38从上面的双精度表示可以看出，两者是一致的。
最小的数自然就是-3.40282346638529E+38。
对于最接近于0的数，根据IEEE754的约定，为了扩大对0值附近数据的表示能力，取阶码P = -126，尾数M = (0.00000000000000000000001)2。
此时该数的二进制表示为：0 00000000 00000000000000000000001也就是2-126 * 2-23 = 2-149 = 1.40129846432482E-45。
这个数字和上面的Epsilon是一致的。
如果我们要精确表示最接近于0的数字，它应该是0 00000001 00000000000000000000000也就是：2-126 * (1+0) = 1.17549435082229E-38。
3 浮点数的精度问题浮点数以有限的32bit长度来反映无限的实数集合，因此大多数情况下都是一个近似值。
同时，对于浮点数的运算还同时伴有误差扩散现象。
特定精度下看似相等的两个浮点数可能并不相等，因为它们的最小有效位数不同。
由于浮点数可能无法精确近似于十进制数，如果使用十进制数，则使用浮点数的数学或比较运算可能不会产生相同的结果。
如果涉及浮点数，值可能不往返。
值的往返是指，某个运算将原始浮点数转换为另一种格式，而反向运算又将转换后的格式转换回浮点数，且最终浮点数与原始浮点数相等。
由于一个或多个最低有效位可能在转换中丢失或更改，往返可能会失败。
4 将浮点数表示为二进制4.1 无小数的浮点数转换成二进制表示首先，我们用一个不带小数的浮点数来说明如何将一个浮点数转换成二进制表示。
假设要转换的数据是45678.0f。
在处理这种不带小数的浮点数时，直接将整数部分转化为二进制表示：1011001001101110.0，这时要加上一位默认的1（这是因为按照浮点数规格化的要求，尾数必须化成1.M的格式），那么可以表示成：11011001001101110.0。
然后将小数点向左移，一直移到离最高位只有1位，也就是1.1011001001101110，一共移动了16位，我们知道，左移位表示乘法，右移位表示除法。
所以原数就等于这样：1.1011001001101110 * ( 216 )。
现在尾数和指数都出来了。
因为最高位的1是根据标准加上去的，只是为了满足规格化的要求，这时候需要把这个1去掉。
尾数的二进制就变成了：1011001001101110。
最后在尾数的后面补0，一直到补够23位，就是：10110010011011100000000。
再回来看指数，根据前面的定义，P-127=16，那么P = 143，表示成二进制就是：10001111。
45678.0f这个数是正的，所以符号位是0，那么我们按照前面讲的格式把它拼起来，就是：0 10001111 10110010011011100000000。
这就是45678.0f这个数的二进制表示，如果我们要得到16进制的表示，非常简单，我们只需要把这个二进制串4个一组，转换成16进制数就可以了。
但是要注意的是x86架构的CPU 都是Little Endian的（也就是低位字节在前，高位字节在后），所以在实际内存中该数字是按上面二进制串的倒序存储的。
要知道CPU是不是little endian的也很容易。
BitConverter.IsLittleEndian;4.2 含小数的浮点数表示为二进制对于含小数的浮点数，会有精度的问题，下面举例说明。
假设要转换的小数为123.456f。
对于这种带小数的就需要把整数部和小数部分开处理。
对于整数部分的处理不再赘述，直接化成二进制为：100100011。
小数部份的处理比较麻烦一些，我们知道，使用二进制表示只有0和1，那么对于小数就只能用下面的方式来表示：a1*2-1+a2*2-2+a3*2-3+......+a n*2-n其中a1等数可以是0或者1，从理论上将，使用这种表示方法可以表示一个有限的小数。
但是尾数只能有23位，那么就必然会带来精度的问题。
在很多情况下，我们只能近似地表示小数。
来看0.456这个十进制纯小数，该如何表示成二进制呢？一般说来，我们可以通过乘以2的方法来表示。
首先，把这个数字乘以2，小于1，所以第一位为0，然后再乘以2，大于1，所以第二位为1，将这个数字减去1，再乘以2，这样循环下去，直到这个数字等于0为止。
在很多情况下，我们得到的二进制数字都大于23位，多于23位的就要舍去。
舍入原则是0舍1入。
通过这样的办法，我们可以得到二进制表示：1111011.01110100101111001。
现在开始向左移小数点，一共移了6位，这时候尾数为：1.11101101110100101111001，阶码为6加上127得131，二进制表示为：10000101，那么总的二进制表示为：0 10000101 11101101110100101111001表示成十六进制是：42 F6 E9 79由于CPU是Little Endian的，所以在内存中表示为：79 E9 F6 42。
4.3 将纯小数表示成二进制对于纯小数转化为二进制来说，必须先进行规格化。
例如0.0456，我们需要把它规格化，变为1.xxxx * （2n）的形式，要求得纯小数X对应的n可用下面的公式：n = int( 1 + log 2X )0.0456我们可以表示为1.4592乘以以2为底的-5次方的幂，即1.4592 * ( 2-5 )。
转化为这样形式后，再按照上面处理小数的方法处理，得到二进制表示1. 01110101100011100010001去掉第一个1，得到尾数01110101100011100010001阶码为：-5 + 127 = 122，二进制表示为0 01111010 01110101100011100010001最后转换成十六进制11 C7 3A 3D5 浮点数的数学运算5.1 浮点数的加减法设两个浮点数X=Mx*2E x，Y=My*2E y实现X±Y要用如下5步完成：（1）对阶操作：小阶向大阶看齐（2）进行尾数加减运算（3）规格化处理：尾数进行运算的结果必须变成规格化的浮点数，对于双符号位（就是使用00表示正数，11表示负数，01表示上溢出，10表示下溢出）的补码尾数来说，就必须是001×××…×× 或110×××…××的形式若不符合上述形式要进行左规或右规处理。
（4）舍入操作：在执行对阶或右规操作时常用“0”舍“1”入法将右移出去的尾数数值进行舍入，以确保精度。
（5）判结果的正确性：即检查阶码是否溢出若阶码下溢（移码表示是00…0），要置结果为机器0；若阶码上溢（超过了阶码表示的最大值）置溢出标志。
现在用一个具体的例子来说明上面的5个步骤例题：假定X=0 .0110011*211，Y=0.1101101*2-10（此处的数均为二进制），计算X+Y；首先，我们要把这两个数变成2进制表示，对于浮点数来说，阶码通常用移码表示，而尾数通常用补码表示。
要注意的是-10的移码是00110[X]浮：0 1 010 *******[Y]浮：0 0 110 1101101符号位阶码尾数（1）求阶差：│ΔE│=|1010-0110|=0100（2）对阶：Y的阶码小，Y的尾数右移4位[Y]浮变为0 1 010 ******* 1101暂时保存（3）尾数相加，采用双符号位的补码运算00 1100110+00 000011000 1101100（4）规格化：满足规格化要求（5）舍入处理，采用0舍1入法处理故最终运算结果的浮点数格式为：0 1 010 *******即X+Y=+0. 1101101*2105.2 浮点数的乘除法（1）阶码运算：阶码求和（乘法）或阶码求差（除法）即[Ex+Ey]移= [Ex]移+ [Ey]补[Ex-Ey]移= [Ex]移+ [-Ey]补（2）浮点数的尾数处理：浮点数中尾数乘除法运算结果要进行舍入处理例题：X=0 .0110011*211，Y=0.1101101*2-10 求X*Y解：[X]浮：0 1 010 *******[Y]浮：0 0 110 1101101（1）阶码相加[Ex+Ey]移=[Ex]移+[Ey]补=1 010+1 110=1 0001 000为移码表示的0（2）原码尾数相乘的结果为：0 10101101101110（3）规格化处理：已满足规格化要求，不需左规，尾数不变，阶码不变。