有理数的数量是无限的，而用来表示有理数的比特的数量是有限的。见http://en.wikipedia.org/wiki/Floating_point # Accuracy_problems。

如果你用浮点数做一个足够大的数(它可以做指数)，那么小数点前也会不精确。所以我不认为你的问题是完全正确的，因为前提是错误的;移位10并不总是会产生更高的精度，因为在某些情况下，浮点数将不得不使用指数来表示数字的大小，这样也会失去一些精度。

分数和整数可以构成比例尺。有些分数，如1/7，如果没有很多很多的小数，就不能用十进制形式表示。因为浮点数是基于二进制的，所以特殊情况会发生变化，但同样的精度问题也会出现。

例如，数字61.0具有精确的二进制表示，因为任何数字的整数部分总是精确的。但6.10这个数字并不准确。我所做的只是把小数点移了一位突然间我就从精确乌托邦变成了不精确镇。从数学上讲，这两个数字之间不应该有本质差别——它们只是数字。

让我们暂时撇开以10为底和以2为底的细节。我们问一下，在以b为底的情况下，哪些数字有终止表示，哪些数字没有?稍微思考一下，我们就知道一个数字x有一个终止的b表示，当且仅当存在一个整数n，使得x b^n是一个整数。

例如，x = 11/500有一个终止10表示，因为我们可以选择n = 3，然后x b^n = 22，一个整数。但是x = 1/3不是，因为不管n取多少都不能消掉3。

第二个例子促使我们思考因子，我们可以看到，对于任何有理数x = p/q(假设是最小值)，我们可以通过比较b和q的质因数分解来回答这个问题。如果q有任何不在b的质因数分解中的质因数，我们将永远无法找到一个合适的n来摆脱这些因数。

因此，对于以10为底的任何p/q，其中q有除2或5之外的素数因子，将没有终止表示。

现在回到以10和2为底，我们看到任何以10为底的有理数都是p/q的形式当q的质因数分解中只有2s和5s时;当q的质因数分解中只有2时，同样的数会有一个终止的2表示。

但其中一个案例是另一个案例的子集!每当

Q的质因数分解只有2

这显然也是正确的

Q的质因数分解只有2和5

换句话说，只要p/q有终止的2表示，p/q就有终止的10表示。然而反过来就不成立了——只要q的质因数分解中有一个5，它就会有一个终止的10表示，而不是终止的2表示。这是其他答案提到的0.1的例子。

这就是问题的答案了因为2的质因数是10的质因数的子集，所以所有以2结尾的数都是以10结尾的数，反之则不然。不是61比6.1，而是10比2。

最后提醒一下，如果有些人使用17进制，而我们的计算机使用5进制，你的直觉永远不会被这引入歧途——在这两种情况下都不会有(非零，非整数)数字终止!

根(数学)原因是，当你处理整数时，它们是可数无限的。

这意味着，即使它们的数量是无限的，我们也可以“数出”序列中的所有项目，而不会跳过任何一项。这意味着，如果我们想要在列表中的第610000000000000th位置上得到一项，我们可以通过一个公式来计算它。

然而，实数是无限的。你不能说“给我位置610000000000000的真实数字”并得到一个答案。原因是，即使在0到1之间，当考虑浮点值时，也有无限个值。这同样适用于任何两个浮点数。

更多信息:

http://en.wikipedia.org/wiki/Countable_set

http://en.wikipedia.org/wiki/Uncountable_set

更新: 很抱歉，我似乎误解了这个问题。我的回答是关于为什么我们不能表示每一个真实的值，我没有意识到浮点数被自动归类为理性。

(注意:我将在这里添加'b'来表示二进制数。其他数字均为十进制)

一种思考方法是用科学记数法。我们习惯看到用科学符号表示的数字，比如6.022141 * 10^23。浮点数内部使用类似的格式存储——尾数和指数，但使用2的幂而不是10。

你的61.0可以重写为1.90625 * 2^5，或者1.11101b * 2^101b加上尾数和指数。把它乘以10(移动小数点)，我们可以这样做:

(1.90625 * 2 ^ 5) * 1.25 * 2 ^ (3) = 2.3828125 * 2 ^ (8) = 1.19140625 * 2 ^ (9)

或者在二进制中用尾数和指数:

(1.1110b * 2^101b) * (1.01b * 2^11b) = (10.011000b * 2^1000b) = (1.0011000b * 2^1001b)

Note what we did there to multiply the numbers. We multiplied the mantissas and added the exponents. Then, since the mantissa ended greater than two, we normalized the result by bumping the exponent. It's just like when we adjust the exponent after doing an operation on numbers in decimal scientific notation. In each case, the values that we worked with had a finite representation in binary, and so the values output by the basic multiplication and addition operations also produced values with a finite representation.

现在，考虑一下我们如何用61除以10。我们先把尾数分成1.90625和1.25。小数是1.525，一个很短的数。但是如果我们把它转换成二进制呢?我们会用通常的方法来做——尽可能减去2的最大幂，就像把整数小数转换成二进制一样，但我们将使用2的负幂:

1.525         - 1*2^0   --> 1
0.525         - 1*2^-1  --> 1
0.025         - 0*2^-2  --> 0
0.025         - 0*2^-3  --> 0
0.025         - 0*2^-4  --> 0
0.025         - 0*2^-5  --> 0
0.025         - 1*2^-6  --> 1
0.009375      - 1*2^-7  --> 1
0.0015625     - 0*2^-8  --> 0
0.0015625     - 0*2^-9  --> 0
0.0015625     - 1*2^-10 --> 1
0.0005859375  - 1*2^-11 --> 1
0.00009765625...

哦哦。现在我们有麻烦了。原来，1.90625 / 1.25 = 1.525，用二进制表示时是一个重复分数:1.1110b / 1.01b = 1.10000110011…b我们的机器只有这么多位来容纳尾数，所以它们会四舍五入，假设超过某一点是零。当你用61除以10时，你看到的错误是:

1.100001100110011001100110011001100110011……B * 2^10b 而且,说: 1.100001100110011001100110b * 2^10b

正是尾数的舍入导致了我们与浮点值相关的精度损失。即使当尾数可以精确地表示(例如，当只是两个数字相加时)，如果在标准化指数后尾数需要太多数字来拟合，我们仍然会得到数字损失。

实际上，我们一直在做这样的事情，当我们把小数四舍五入到一个可管理的大小时，只给出它的前几位。因为我们用十进制表示结果，所以感觉很自然。但是如果我们四舍五入一个小数，然后把它转换成不同的底数，它看起来就像我们通过浮点四舍五入得到的小数一样难看。