math.ulp(x)返回x与相邻可表示浮点数之间的间距，即ieee 754双精度下该数值处的最小单位末位（ulp），其值由指数部分决定：数值越大ulp越大，0.0时为5e-324（最小正浮点数）。

Math.ulp() 返回的是什么，不是“精度”而是浮点表示的单位末位

Math.ulp() 不是计算“当前精度下的人为最小步长”，而是返回该数值在 IEEE 754 双精度浮点格式中，**紧邻该值的两个可表示浮点数之间的间距**。这个间距取决于数值的指数部分：越接近 0，间距越小；越大，间距越大。比如 Math.ulp(1.0) 是 2^-52（约 2.22e-16），而 Math.ulp(1024.0) 是 2^-42（约 2.27e-13）。

常见误解是认为它能“控制精度”或“设置舍入粒度”——它不能。它只是描述浮点数在该数量级上**天然的分辨率极限**。

为什么 Math.ulp(0.0) 返回 5e-324 而不是 0

Math.ulp(0.0) 返回的是**最小规格化正数的值**（即 Double.MIN_NORMAL 的一半？不完全是），实际是次正规数范围的最小单位步长：5e-324 对应 Double.MIN_VALUE（4.9e-324），这是双精度能表示的**绝对最小正数**，也是 0 和第一个正浮点数之间的距离。

• Math.ulp(0.0) ≠ 0，因为 IEEE 754 中 0 有正负之分，且存在次正规数
• 对负数，Math.ulp(-x) 等价于 Math.ulp(x)（返回正值）
• Math.ulp(Double.NaN)、Math.ulp(Double.POSITIVE_INFINITY) 均返回 NaN

用 ulp 判断两个 double 是否“数学上相等”要小心

直接用 Math.abs(a - b) 是常见但**错误的比较方式**——它只在 <code>a 附近有效，若 b 显著更大或更小，ulp(a) 就远小于实际间距。

更稳健的做法是结合相对误差与 ulp：

double diff = Math.abs(a - b);
double scale = Math.max(Math.abs(a), Math.abs(b));
if (diff <p>或者使用现成工具如 <code>org.junit.Assert.assertEquals(double, double, double)</code> 的第三参数应传入基于 ulp 的容差（例如 <code>Math.ulp(scale) * 2</code>），而非固定值。</p><h3>ulp 在测试浮点计算误差时的实际用途</h3><p>当你实现一个数学函数（比如 <code>sin(x)</code> 近似），想验证结果是否在“正确舍入”范围内（即误差 ≤ 0.5 ulp），可以用 ulp 作为基准衡量误差量级：</p>

• 先用高精度库（如 BigDecimal 或 MPFR）算出参考值 ref
• 计算你的结果 approx 与 ref 的绝对误差：Math.abs(approx - ref)
• 取 Math.ulp(ref) 作单位，看误差是否 ≤ 0.5（说明满足 IEEE 754 正确舍入要求）
• 注意：必须用 ref 的 ulp，而不是 approx 的——因为标准以精确值为基准

忽略这一点会导致在大数区域误判“超差”，因为 approx 可能已漂移至不同指数段，ulp 值变大，掩盖真实误差。