基于精度最大化Python中乘数z的代数方法探究

问题背景 #

已知等式 x / y = z，其中：

• x的精度为5位小数（x_prec=5），取值为15.00000
• z的精度为8位小数（z_prec=8）
• y的取值为81.63

通过计算得到初始z值为0.18375597，现在需要找到最大的z_max（保留8位小数），使得round(y * z_max, x_prec)仍等于x（即15.00000），替代低效的循环遍历方法。

代数推导思路 #

要满足round(y * z_max, x_prec) ≤ x，核心是明确四舍五入的边界条件：

• 当一个数四舍五入到n位小数后不大于x，等价于这个数严格小于x + 0.5 * 10^(-n)（超过这个值就会被进位到x的下一个精度单位）。

针对本题：

1. 计算x的上界阈值：x_upper = x + 0.5 * 10^(-x_prec)，代入数值后为15.00000 + 0.5*1e-5 = 15.000005
2. 由y * z_max < x_upper，推导出z_max < x_upper / y
3. 最后取小于该临界值的最大8位小数，即为所求的z_max

精确实现代码 #

使用decimal.Decimal避免浮点精度误差，直接计算：

from decimal import Decimal, getcontext

# 设置足够高的计算精度，确保中间结果准确
getcontext().prec = 20

x = Decimal('15.00000')
y = Decimal('81.63')
x_prec = 5
z_prec = 8

# 计算x的四舍五入上界阈值
x_upper_bound = x + Decimal('0.5') * Decimal('10') ** (-x_prec)
# 计算z的理论上界
z_upper = x_upper_bound / y

# 取小于z_upper的最大z_prec位小数
# 先放大10^z_prec倍，向下取整，再缩小回原精度
z_max = (z_upper * Decimal('10') ** z_prec).to_integral_value(rounding="ROUND_FLOOR") / Decimal('10') ** z_prec

print(z_max)  # 输出：0.18375603

验证结果 #

计算y * z_max：

x_unrounded = y * z_max  # 结果为15.0000047289
rounded_x = round(x_unrounded, x_prec)  # 结果为15.00000，符合要求

如果尝试下一个8位小数0.18375604：

test_z = Decimal('0.18375604')
test_x = y * test_z  # 结果为15.0000094452
rounded_test_x = round(test_x, x_prec)  # 结果为15.00001，超过原x，不符合要求

内容的提问来源于stack exchange，提问作者Joshua Lusk