math.ulp() 返回浮点数在当前精度下可表示的最小正差值，即该值与相邻可表示浮点数的间距；其值随数值大小动态变化，如 math.ulp(1.0) 为 2.22e-16，math.ulp(2.0) 为 4.44e-16，且对负数、零、无穷大等有明确定义。
Math.ulp() 是 Java 中用于获取浮点数“单位末位”（Unit in the Last Place）的内置方法，它返回参数在当前浮点精度下可表示的最小正差值，即该数值邻近两个可表示浮点数之间的间距。这对高精度误差分析、数值稳定性验证、浮点比较容差设定等场景非常关键。
理解 ulp 的含义和适用范围
ulp 不是固定常量，而是随数值大小动态变化：数值越大，相邻可表示浮点数的间隔越宽；数值越小（尤其接近零），ulp 越小（但非零）。例如：
-
Math.ulp(1.0)返回2.220446049250313E-16（即 2⁻⁵²，对应 double 的机器精度） -
Math.ulp(2.0)返回4.440892098500626E-16（翻倍，因指数+1） -
Math.ulp(Double.MIN_NORMAL)返回Double.MIN_NORMAL对应的最小正次正规数间距（约 4.9E-324） -
Math.ulp(0.0)返回Double.MIN_NORMAL（即最小正正规数，这是特殊约定）
正确调用 Math.ulp() 的注意事项
需注意类型匹配与边界行为：
- 方法有重载：
Math.ulp(double)和Math.ulp(float)，务必传入对应类型，避免隐式转换导致精度丢失或误用 float 版本 - 对
NaN、Infinity返回NaN；对负数，ulp 定义为绝对值的 ulp（即Math.ulp(-x) == Math.ulp(x)） - 不建议对任意计算结果直接套用 ulp——应先明确该值是否处于你关心的数值量级，否则 ulp 可能过大（如大数）或过小（如极小中间结果），失去误差参考意义
在误差计算中合理使用 ulp
ulp 常用于定义相对容差的“自适应阈值”，而非直接作为绝对误差上限：
- 判断两浮点数是否“在 1 ulp 内相等”：适用于要求严格数值一致性的场景（如单元测试验证算法精确性）
- 设定比较容差：例如
Math.abs(a - b) ，比固定 epsilon 更鲁棒 - 评估函数误差：若某数学函数理论值为
y，实际输出为y_hat，可用Math.abs(y - y_hat) / Math.ulp(y)计算“误差多少 ulp”，直观反映实现精度（如标准库 sin/cos 通常保证 ≤ 1 ulp）
结合 double 与 float 的精度差异使用
double 的 ulp 比 float 小约 2²³ 倍，因此：
- 若算法对精度敏感（如科学计算、金融中间值），优先用
double并以Math.ulp(double)为基准 - 在嵌入式或性能受限场景用
float时，须改用Math.ulp(float)，且容忍误差通常放宽至 2–4 ulp（因单精度本身误差更大） - 混合类型运算（如 float × double）会隐式提升，ulp 应基于最终结果类型计算，而非输入类型
