The binary number system - Computer Science (9645) - Oxford AQA International A-level

👋 欢迎来到二进制系统！

欢迎来到计算机科学最基础的构建模块！本章“二进制数系统”是你探索数据表示（Representing Data）旅程的一部分。计算机所做的一切——从显示一张照片到运行复杂的计算——归根结底都是由“1”和“0”组成的。

如果数学不是你最擅长的科目，请不要担心。我们将拆解这些概念，对比不同的数字系统（二进制、十进制、十六进制），并学习计算机处理负数和小数等棘手问题时所使用的巧妙技巧。让我们开始吧！

1. 基础：进位制与单位 (3.5.1 & 3.5.2)

1.1 理解不同的进位制（十进制、二进制、十六进制）

我们习惯使用十进制（Decimal），即10进制来计数。然而，计算机依靠电流（通或断）工作，因此它们使用二进制（Binary），即2进制。

十进制 (Base 10)： 使用10个数字（0–9）。每一位代表10的幂（个位、十位、百位、千位……）。
二进制 (Base 2)： 仅使用2个数字（0和1）。每一位代表2的幂（1, 2, 4, 8, 16……）。这些单独的数字被称为位（Bits）。
十六进制 (Base 16)： 使用16个符号（0–9 和 A–F）。该系统是二进制的缩写，使得程序员更容易阅读冗长的二进制字符串。

你知道吗？“十六进制”中的 A=10, B=11, C=12, D=13, E=14, F=15。

1.2 信息单位

信息的基本单位是位（Bit）（单个0或1）。然而，数据通常是以组为单位进行处理的：

字节（Byte） 是8个位的组合。
用 \(n\) 位可以表示的唯一值的数量是 \(2^n\)。
例如：用3位，你可以表示 \(2^3 = 8\) 个不同的值（从 000 到 111）。

1.3 二进制与十进制前缀（“千”的争议）

在讨论计算机存储大小时，我们使用前缀，但有两种不同的类型：

二进制前缀（2的幂） - 用于存储/内存：

这些基于 \(2^{10}\) (1024) 的幂。它们通常用于精确定义内存大小。

Kibi (Ki)： \(2^{10}\) (1,024)
（例如：1 KiB = 1024 Bytes）
Mebi (Mi)： \(2^{20}\) (1,048,576)
Gibi (Gi)： \(2^{30}\)
Tebi (Ti)： \(2^{40}\)

十进制前缀（10的幂） - 用于通信速度：

这些是我们在数学和科学中使用的标准前缀，基于 \(10^3\) (1000) 的幂。

kilo (k)： \(10^3\) (1,000)
（例如：1 kB = 1000 Bytes）
mega (M)： \(10^6\) (1,000,000)
giga (G)： \(10^9\)
tera (T)： \(10^{12}\)

核心要点： 计算机以二进制（2进制）进行通信。十六进制（16进制）是人类友好的速记法。在讨论数据容量时，请记住 Kibi (\(2^{10}\)) 与 kilo (\(10^3\)) 的区别。

1.4 不同进位制间的转换

虽然转换通常不会作为独立的考点，但你需要能够在其他主题（如浮点数或汇编语言）中运用它们。

十进制转二进制（例如：将 42 的十进制转换为二进制）

找出小于等于42的最大2的幂（是32）。在该位上写1。
用42减去32。余数为10。
检查下一个2的幂（16）。16能放入10吗？不能。写0。
检查8。8能放入10吗？能。写1。余数为2。
检查4。4能放入2吗？不能。写0。
检查2。能。写1。余数为0。
检查1。不能。写0。

42₁₀ = 00101010₂（8位表示）

二进制转十六进制（快速方法）

从右向左将二进制数字每4位分成一组（每4位一组称为一个“半字节”，正好对应一个十六进制数字）。
将每组转换成对应的十六进制。

例如：10110011
第1组：1011 (8 + 2 + 1) = 11。在十六进制中，这是 B。
第2组：0011 (2 + 1) = 3。在十六进制中，这是 3。
结果：10110011₂ = B3₁₆

2. 表示正整数：无符号二进制 (3.5.3.1)

2.1 无符号二进制与有符号二进制

无符号二进制（Unsigned Binary）是最简单的形式，其中所有位都用于表示正数的大小。它无法表示负值。

有符号二进制（Signed Binary）（稍后介绍）保留一位（通常是最高有效位，即MSB）来指示该数是正数还是负数。

2.2 无符号整数的范围

如果有 \(n\) 位，在无符号二进制中可表示的值范围是：

最小值：0
最大值：\(2^n - 1\)

例如：使用8位 (\(n=8\))
最大值：\(2^8 - 1 = 256 - 1 = 255\)。
范围：0 到 255。

2.3 无符号二进制算术 (3.5.3.2)

二进制加法和乘法遵循与十进制算术相似的规则，但只有在和为2或更大时才进位1。

二进制加法规则：

0 + 0 = 0
0 + 1 = 1
1 + 1 = 0（进位1）
1 + 1 + 1（进位输入） = 1（进位1）

加法示例 (12 + 5 = 17)：

1 1 0 0 (12)
+ 0 1 0 1 (5)
-----
1 0 0 0 1 (17)

常见错误： 进行算术运算时，如果结果所需的位数超过了分配的位数，就会发生溢出错误（overflow error）（在第5节介绍）。

核心要点： 无符号二进制很简单，仅代表正数，最大值总是 \(2^n - 1\)。

3. 表示负整数：补码 (3.5.3.3)

补码（Two's Complement）是你需要掌握的唯一有符号二进制表示法。它允许计算机使用标准的加法电路进行减法运算，从而简化了硬件设计。

3.1 识别符号

在补码中：

最高有效位 (MSB)（最左边的位）指示符号。
如果 MSB 是 0，则该数为正数。
如果 MSB 是 1，则该数为负数。

3.2 补码整数的范围

由于有一位被保留用于符号位，对于相同的位数，其最大范围比无符号二进制小。

对于 \(n\) 位，其范围是：

最大正值：\(2^{n-1} - 1\)
最小负值：\(-2^{n-1}\)

例如：使用8位 (\(n=8\))
最大正值：\(2^7 - 1 = 127\)。
最小负值：\(-2^7 = -128\)。
范围：-128 到 +127。

3.3 将负十进制转换为补码二进制

分步技巧（“按位取反加1”法）：

目标：用8位表示 -5。

找到正数的二进制： +5 的8位二进制是 0000 0101。
按位取反（翻转）： 将所有的0变为1，所有的1变为0（这称为反码）。
0000 0101 变为 1111 1010。
结果加1：
1111 1010 + 1 = 1111 1011。
这就是 -5 的补码表示。（注意 MSB 为 1，表示这是一个负数）。

3.4 使用补码进行减法

补码的神奇之处在于减法 (A - B) 等同于加法 (A + (-B))。

示例：计算 12 - 5（使用8位）

表示 12： 0000 1100
表示 -5： 1111 1011（来自3.3步）
相加：
0000 1100 (+12)
+ 1111 1011 (-5)
----------
(1) 0000 0111 (+7)

如果计算结果在分配的位数内，最终的进位（1）将被忽略。结果 0000 0111 即为 7，这是正确的。

核心要点： 补码使计算机能够表示负数，并利用加法电路完成减法。MSB 决定了符号。

4. 表示分数 (3.5.3.4, 3.5.3.8, 3.5.3.9)

为了表示带有小数部分的数字（实数），计算机主要使用两种方法：定点数（Fixed Point）和浮点数（Floating Point）。

4.1 定点数表示法

在定点数中，二进制点的位置是预先确定的，保持“固定”。

我们分配固定的位数给整数部分（点左侧），分配固定的位数给小数部分（点右侧）。
点右侧使用的幂是2的负幂：\(2^{-1}\) (0.5), \(2^{-2}\) (0.25), \(2^{-3}\) (0.125) 等。

示例（4位整数，4位小数）：
1 0 1 1 . 0 1 0 0
\( (8+0+2+1) . (0.25) \) = 11.25

4.2 浮点数表示法（简化版）

浮点数是计算机版本的科学计数法（例如 \(6.022 \times 10^{23}\)）。二进制点“浮动”以最大化表示的有效数字。

浮点数由两个主要部分组成，通常都使用补码表示：

尾数 (Mantissa, M)： 表示数字的有效数字（精度）。
指数 (Exponent, E)： 表示尾数所乘的2的幂（范围）。

其值计算公式为： \( M \times 2^E \)

4.2.1 范围 vs. 精度

位数在尾数和指数之间的分配方式决定了系统的能力：

精度： 由尾数的位数决定。尾数位数越多 = 数字表示越精确（舍入误差越小）。
范围： 由指数的位数决定。指数位数越多 = 存储极大或极小数字的能力越强。

4.2.2 规范化 (3.5.3.9)

为了确保每个数字都有唯一的表示并最大化精度，浮点数必须进行规范化（Normalisation）。

为什么规范化？ 为了将二进制点固定在一个标准位置，从而消除冗余的零。

规范化规则： 尾数必须以“01...”开头（正数）或“10...”开头（负数）。

如何规范化（步骤）：

移动二进制点，直到尾数以 01（正）或 10（负）开头。
更新指数以反映你移动点的位数。

示例：非规范化的正数 001100 \(\times 2^2\)（6位尾数，4位指数）
1. 将点向右移动1位：0.1100。
2. 新指数：\(2^2\) 变为 \(2^{2-1} = 2^1\)。
结果：011000 \(\times 2^1\)。(开头的0是符号位，点后的第一个数字是 '1'，满足 01... 的要求)。

4.3 定点数与浮点数的对比 (3.5.3.8)

	定点数	浮点数
范围	非常有限。	非常大（由指数决定）。
精度	恒定但有限（由小数位数决定）。	高（由尾数决定）。
速度	计算速度更快（算术简单）。	计算速度较慢（需要复杂硬件进行移位/规范化）。
用途	简单的财务系统（精度必须固定）。	科学建模、图形处理、大规模计算。

核心要点： 浮点数提供了巨大的范围（指数）和良好的精度（尾数），但定点数在数字大小差异不大的计算中更简单、更快捷。

5. 表示的局限性与错误 (3.5.3.5, 3.5.3.6, 3.5.3.7)

5.1 舍入误差（不精确性） (3.5.3.5)

二进制系统无法精确表示所有十进制分数，就像我们在十进制中无法完美写出 1/3（结果是 0.3333...）一样。

一个十进制数（如 0.1）可能需要无限多的二进制位才能完全精确。
由于计算机使用固定的位数（精度受限），它必须截断或舍入，这会导致小的舍入误差（Rounding Errors）。

5.2 绝对误差与相对误差 (3.5.3.6)

当计算不准确时，我们需要一种方法来衡量误差：

绝对误差： 真值与表示值之间的实际差异。
公式：\( | \text{真值} - \text{存储值} | \)
相对误差： 绝对误差除以真值（以百分比或分数表示）。这通常更有用，因为它显示了相对于数字大小的误差。
公式：\( \frac{\text{绝对误差}}{\text{真值}} \)

例如：如果真值是 200，100 的绝对误差非常大（50%相对误差）；但如果真值是 1,000,000，它就非常小（0.01%相对误差）。

5.3 溢出与下溢 (3.5.3.7)

这些错误发生在计算结果超出了所分配位数可表示的范围时。

溢出 (Overflow)： 当结果太大（太正或太负）而无法存储在可用位数中时发生。
想象一下试图在一个8位无符号系统（最大255）中存储300，这就会溢出。
下溢 (Underflow)： 当结果太接近于零而无法精确表示时发生，意味着系统能存储的最接近的值是0。
这种情况主要发生在极小的浮点数计算中，此时指数太小，无法处理。

核心要点： 计算机使用有限的位数，这导致了固有的局限性（舍入误差）。溢出和下溢错误定义了系统表示范围的边界。

🧠 复习检查清单

我能进行二进制、十进制和十六进制之间的转换吗？
我能计算n位无符号数的范围吗？（0 到 \(2^n - 1\)）
我能计算n位有符号数的范围吗？（\(-2^{n-1}\) 到 \(2^{n-1} - 1\)）
我能使用补码来表示负数并执行减法吗？
我理解在浮点数中，尾数控制精度，指数控制范围吗？
我能解释什么是规范化以及为什么它很重要吗？
我清楚溢出（太大）和下溢（太接近于零）的区别吗？

恭喜！你已经掌握了计算机内部数字管理的核心概念。继续练习那些进位制转换和补码计算步骤吧！

* thinka提供的内容由AI生成，可能并非总是准确或最新。请将其用作辅助资源，并与官方材料进行核实。