{
  "id": "binary-number",
  "title": "二进制数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "二进制数使用以二为底的位值制记数法，仅以数字 0 和 1 表示数值。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "二进数"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/binary-number/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/binary-number/",
      "json": "https://aiwiki.page/en/binary-number.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "二进制数是采用以二为底的位值制记数法表示数的一种形式，只使用数字 0 和 1。每一位数字所表示的值取决于它所在的位置：各位的位值依次为二的各次幂。二进制记数法是计算机科学的基础，因为具有两种状态的器件能够编码二进制数字并实现算术运算。它是一种书写数的方式，而不是一类独立的数学对象：例如，\\(101_2\\) 和 \\(5_{10}\\) 表示的是同一个值。(math.mit.edu)"
    },
    {
      "heading": "位值与记数法",
      "text": "在十进制中，从右向左，每一位的位值都是前一位的十倍。在二进制中，则是两倍：\\(1,2,4,8,16,\\ldots\\)。非负整数的有限二进制表示，其值为\n\n\\[(b_{n-1}\\cdots b_1b_0)_2 =\\sum_{i=0}^{n-1}b_i2^i, \\qquad b_i\\in\\{0,1\\}.\\]\n\n因此，\n\n\\[101101_2=32+8+4+1=45_{10}.\\]\n\n下标用于标明底数，避免歧义：\\(10_2\\) 表示二，而 \\(10_{10}\\) 表示十。前导零不会改变无符号数的值，因此 \\(00101_2=101_2\\)。不计前导零时，每个正整数都有唯一的有限二进制表示；零通常写作 \\(0\\)。(math.mit.edu)\n\n一个二进制位称为一个比特。由 \\(n\\) 个比特组成的无符号序列有 \\(2^n\\) 种可能的组合，可以表示从 \\(0\\) 到 \\(2^n-1\\) 的整数。因此，八个比特可以编码 256 个不同的值。不过，比特组合的含义取决于所采用的编码方式，并不一定表示数。(cs.cmu.edu)"
    },
    {
      "heading": "进制转换",
      "text": "将二进制转换为十进制，只需将所有数字为 1 的位所对应的位值相加。反向转换则可以采用反复除以二的算法：记录每次的余数，以所得的整数商继续相除，最后按相反的顺序读取余数。例如，对 13 连续进行除以二的运算，依次得到余数 \\(1,0,1,1\\)，所以 \\(13_{10}=1101_2\\)。这一过程直接依据以下关系：一个整数等于其除以二所得的商的两倍，加上其二进制表示的最后一位。(math.mit.edu)\n\n十六进制和八进制可以更紧凑地表示二进制数值。由于 \\(16=2^4\\)，一个十六进制位对应四个比特；由于 \\(8=2^3\\)，一个八进制位对应三个比特。因此，将 \\(11010110_2\\) 分组为 \\(1101\\,0110\\)，便可写成 \\(\\mathrm{D6}_{16}\\)。分组转换既保持数值不变，又缩短了书写形式。(csapp.cs.cmu.edu)"
    },
    {
      "heading": "二进制算术",
      "text": "二进制算术采用熟悉的进位和借位原则，但逢二进位，而不是逢十进位。基本的加法规则为 \\(0+0=0\\)、\\(0+1=1\\) 和 \\(1+1=10_2\\)。某一位上有两个 1 相加时，该位的结果为 0，并向高一位进 1。如果还有低一位传来的进位，则 \\(1+1+1=11_2\\)。例如，\n\n\\[1011_2+0110_2=10001_2,\\]\n\n对应的就是 \\(11+6=17\\)。减法同样可以向高一位借位，而高一位的位值是当前位的两倍。(openstax.org)\n\n乘法则针对乘数中数字为 1 的各位，将被乘数相应移位后相加。在无符号二进制整数的末尾添上一个零，相当于乘以二；去掉最后一位，则得到除以二的整数商。不过，在固定字长的硬件中，移位可能丢弃有效位。数学上成立的运算结果可能超出可用的表示范围，从而发生溢出。(math.mit.edu)"
    },
    {
      "heading": "小数与无限展开",
      "text": "二进制小数点右侧各位的位值依次为 \\(2^{-1},2^{-2},2^{-3},\\ldots\\)。例如，\n\n\\[0.101_2=\\frac12+\\frac18=\\frac58=0.625_{10}.\\]\n\n一个有理数具有有限二进制展开，当且仅当它约分至最简分数后的分母是二的幂。其他有理数的二进制展开在某一位之后会循环。例如，十进制的 \\(0.1\\) 等于无限二进制小数 \\(0.0001100110011\\ldots_2\\)。(docs.python.org)\n\n二进制展开也可以通过无限数字序列表示实数。与十进制记数法一样，有些数值具有两种展开形式：\\(0.1_2=0.01111\\ldots_2\\)。这一等式成立，是因为右侧无限延续的部分之和等于二分之一。计算机的有限表示无法完整保存任意的无限展开，因此，浮点运算在处理许多看似简单的十进制小数时，也需要进行近似和舍入。(docs.python.org)"
    },
    {
      "heading": "有符号数与计算机编码",
      "text": "在纸面上，负数可以用负号表示。计算机通常使用二进制补码编码有符号整数。在 \\(n\\) 位表示中，最高位的权重为 \\(-2^{n-1}\\)，其余各位的权重仍为正数。因此，其表示范围是 \\(-2^{n-1}\\) 到 \\(2^{n-1}-1\\)。对于八位表示，这一范围是 \\(-128\\) 到 \\(127\\)。(cs.cmu.edu)\n\n要得到一个可表示的正数所对应的负数，只需将它的各位取反，再加一。二进制补码使结构非常相近的电路能够执行有符号和无符号加法。仅保留结果的 \\(n\\) 个比特，相当于进行模 \\(2^n\\) 的模算术，但若将结果解释为有符号数，还需要另行判断是否发生溢出。(openstax.org)\n\n二进制记数法还应与一般的二进制编码相区分。比特序列可以编码字符、指令或其他数据，而不一定表示通常的位值制数。其含义由约定的表示方式决定，而不是仅由零和一决定。(csapp.cs.cmu.edu)"
    },
    {
      "heading": "历史发展与数字逻辑",
      "text": "戈特弗里德·威廉·莱布尼茨在 1703 年的论文《二进制算术阐释》中，系统地论述了使用 0 和 1 进行算术运算的方法。他的论述包括数值表、运算方法，以及与中国六十四卦图式的比较。(leibniz-translations.com)\n\n此后，二进制表示与布尔代数及开关电路紧密联系起来。克劳德·香农在 1937 年的硕士论文中，将布尔代数应用于继电器和开关网络。逻辑门处理只有两种取值的信号，使电路能够实现逻辑运算和二进制算术。电压或电流的高低等物理状态用来表示这些数字，但它们本身并不是抽象的数。(computerhistory.org)"
    }
  ],
  "links": [
    "positional-notation",
    "number",
    "computer-science",
    "decimal-number-system",
    "integer",
    "zero",
    "bit",
    "algorithm",
    "hexadecimal",
    "octal",
    "arithmetic",
    "rational-number",
    "real-number",
    "floating-point-arithmetic",
    "twos-complement",
    "modular-arithmetic",
    "gottfried-wilhelm-leibniz",
    "boolean-algebra",
    "claude-shannon",
    "logic-gate"
  ],
  "sources": [
    {
      "title": "math.mit.edu/classes/18.783/2023/LectureNotes3.pdf",
      "url": "https://math.mit.edu/classes/18.783/2023/LectureNotes3.pdf"
    },
    {
      "title": "cs.cmu.edu/~kgao/course/15213/notes/week3.html",
      "url": "https://www.cs.cmu.edu/~kgao/course/15213/notes/week3.html"
    },
    {
      "title": "csapp.cs.cmu.edu/2e/ch2-preview.pdf",
      "url": "https://csapp.cs.cmu.edu/2e/ch2-preview.pdf"
    },
    {
      "title": "openstax.org/books/introduction-computer-science/pages/5-3-machine-level-inform…",
      "url": "https://openstax.org/books/introduction-computer-science/pages/5-3-machine-level-information-representation"
    },
    {
      "title": "docs.python.org/3/tutorial/floatingpoint.html",
      "url": "https://docs.python.org/3/tutorial/floatingpoint.html?highlight=float+notation+format"
    },
    {
      "title": "cs.cmu.edu/afs/cs/academic/class/15213-s02/www/applications/ln/class03/class03-…",
      "url": "https://www.cs.cmu.edu/afs/cs/academic/class/15213-s02/www/applications/ln/class03/class03-4up.pdf"
    },
    {
      "title": "leibniz-translations.com/leibnizonbinary",
      "url": "https://leibniz-translations.com/leibnizonbinary"
    },
    {
      "title": "computerhistory.org/revolution/digital-logic/12/269",
      "url": "https://www.computerhistory.org/revolution/digital-logic/12/269"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}