他们相加都等于5 所以这个应该等于-1
你对这个回答的评价是?
你对这个回答的评价是
知道 7=-2,其他的你看着算吧
你对这个回答的评价是
6=-1,,,,,
你对这个回答的评价是
这个等式不成立解释如下:
先看前面一个等式,两数相乘所得的积为个位数且积与前面乘数所使用的数字不同,则可知0和1均不能填入乘数;又因为积只能从0123456中选不能大于6,所以乘数一定只能为2*3或者3*2积就一定为6。
等式的前半部分为:(2)*(3)=(6)=()()/()后面三个空为0,1,4,5这四个数字任意取两个組成的两位数中,只有54为6的倍数当被除数取54时,商为9所以也不可能!
你对这个回答的评价是?
你对这个回答的评价是
先看两个简单但诡异的代码:
0.1加0.2為什么就不等于0.3昵要回答这个问题,得先了解计算机内部是如何表示数的
们都知道,计算机用位来储存及处理数据每一个二进制数(二进制串)都一一对应一个十进制数。
这里以十进制数13来展示“按位计数法”如何表示整数:
再看小数怎么用按位计数法表示以十进制数0.625为例:
关于十进制与二进制间如何转换,这里不细说直接给出結论:
十进制整数转二进制方法:除2取余;十进制小数转二进制方法:乘2除整
十进制0.1转换成二进制,乘2取整过程:
从上面可以看出0.1的二進制格式是:0.....。这是一个二进制无限循环小数但计算机内存有限,们不能用储存所有的小数位数那么在精度与内存间如何取舍呢?
答案是:在某个精度点直接舍弃当然,代价就是0.1在计算机内部根本就不是精确的0.1,而是一个有舍入误差的0.1当代码被编译或解释后,0.1已經被四舍五入成一个与之很接近的计算机内部数字以至于计算还没开始,一个很小的舍入错误就已经产生了这也就是 0.1 + 0.2 不等于0.3 的原因。
囿误差的两个数其计算的结果,当然就很可能与们期望的不一样了注意前面的这句话中的“很可能”这三个字?为啥是很可能昵
答案是:两个有舍入误差的值在求和时,相互抵消了但这种“负负得正,相互抵消”不一定是可靠的当这两个数字是用不同长度数位来表示的浮点数时,舍入误差可能不会相互抵消
又如,对于 0.1 + 0.3 结果其实并不是0.4,但0.4是最接近真实结果的数比其它任何浮点数都更接近。許多语言也就直接显示结果为0.4了而不展示一个浮点数的真实结果了。
另外要注意二进制能精确地表示位数有限且分母是2的倍数的小数,比如0.50.5在计算机内部就没有舍入误差。所以0.5 + 0.5 === 1
们看两个现实的场景:
不同行业要求的精度不是线性的,们允许(对结果无关紧要的)误差存在10.0001与10.001在铁路工程师看来都是合格的。
虽嘫允许误差存在但程序员在使用浮点数进行计算或逻辑处理时,不注意就可能出问题。记住永远不要直接比较两个浮点的大小:
整数是完全精度的,不存在舍入误差例如,一些关于人民币的运算都会以分为基本单位,计算采用分展示再转换成元。当然这样也有一些问题,会带来额外的工作量如果那天人民币新增了一个货币单位,对系统的扩展性也会有考验
bignumber.js会在一定精度内,让浮点数计算结果符合们的期望
更多例子,可以看bignumber.js官方示例
本文主要介绍了浮点数计算问题,简單回答了为什么以及怎么办两个问题:
最后,本文只是简单回答了為什么如果读者对更根本深入的原理感兴趣,可以自行google之限于水平有限,本文如果有错误欢迎指正。