Python浮点数乘法误差疑问：float64累积误差，float32无累积？求C等效代码

API 探路者

2026-8-9

浮点数迭代行为差异解析及C语言复现

现象原因

数学上，迭代式 c = 3a - 2b 当初始 a = b = 0.1 时，理论上每次迭代都应得到 c = 0.1，但由于0.1无法精确表示为二进制浮点数，不同精度的浮点数会表现出截然不同的行为：

float32（单精度）无误差累积

0.1在float32中的近似存储值为 0.10000000149011612。计算 3*a - 2*b 时：

即便计算过程被临时提升到更高精度（如double），最终结果恰好等于float32中0.1的近似值；
赋值回float32类型变量时，无需额外舍入，因此每次迭代后a和b始终保持初始值不变。

float64（双精度）误差累积发散

0.1在float64中的近似值为 0.10000000000000000555...，计算3*a - 2*b后得到的结果是0.1000000000000000333...，与初始值存在微小偏差。由于双精度计算没有精度截断，每次迭代的偏差会被持续累积，经过100次迭代后值会迅速膨胀到极大值。

C语言复现代码

复现float32不变行为

使用float类型，确保计算结果截断回单精度：

#include <stdio.h>

int main() {
    const int N = 100;
    float a = 0.1f;
    float b = 0.1f;

    for (int i = 0; i < N; ++i) {
        const float c = 3*a - 2*b;
        b = a;
        a = c;
    }
    // 用%.16f可以看到精确的单精度值
    printf("float结果：%.16f\n", a);
    return 0;
}

输出：float结果：0.1000000014901161

复现float64发散行为

使用double类型，复现误差累积：

#include <stdio.h>

int main() {
    const int N = 100;
    double a = 0.1;
    double b = 0.1;

    for (int i = 0; i < N; ++i) {
        const double c = 3*a - 2*b;
        b = a;
        a = c;
    }
    printf("double结果：%.2lf\n", a);
    return 0;
}

输出：double结果：35184372088832.07（与Python中numpy.float64的结果一致）