博客
关于我
南京晓庄学院计组期末复习限时训练15(第六章计算机的计算方法)
阅读量:336 次
发布时间:2019-03-04

本文共 417 字,大约阅读时间需要 1 分钟。

补码运算过程如下:

  • 计算X的补码:

    • X = -0.10110
    • 绝对值0.10110的补码为1.011011
    • 补1后得到1.0111000
  • 计算Y的补码:

    • Y = 0.10010
    • 补码为0.10010(前导零不影响)
  • 计算[-Y]的补码:

    • Y = 0.10010
    • -Y = -0.10010
    • 绝对值0.10010的补码为1.011011
    • 补1后得到1.0111000
  • 计算[X+Y]的补码:

    • X的补码1.0111000与Y的补码0.10010相加:
    • 结果为11.1110000,符号位未变,无溢出。
  • 计算[X-Y]的补码:

    • X的补码1.0111000与Y的补码0.10010相减:
    • 结果为10.1100000,符号位未变,无溢出。
  • 最终答案:

    (1)1.0111000

    (2)0.10010
    (3)1.0111000
    (4)11.1110000,无溢出
    (5)无
    (6)10.1100000,无溢出

    注:补码运算时,符号位未变则无溢出。

    转载地址:http://nyrq.baihongyu.com/

    你可能感兴趣的文章
    Objective-C实现随机图生成器算法(附完整源码)
    查看>>
    OJ中常见的一种presentation error解决方法
    查看>>
    OK335xS UART device registe hacking
    查看>>
    ok6410内存初始化
    查看>>
    one_day_one--mkdir
    查看>>
    OpenCV 中的图像转换
    查看>>
    OpenCV-Python接口、cv和cv2的性能比较
    查看>>
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>