无法理解 Python 浮点数乘法 - float64 导致错误结束，而 float32 不理解-解网

问：

我试图在 python 中演示浮点错误。对于以下代码：

import numpy as np
N = 100
a = b = np.float64(0.1)

for _ in range(N): 
  c = 3*a - 2*b 
  b = a
  a = c
print(a)

浮点误差在每次迭代中都会累积，最终输出为：

35184372088832.07

但是对于 32 位浮点数，误差不会累积。将 a 和 b 初始化为：

a = b = np.float32(0.1)

导致以下输出：

0.10000000149011612

a 和 b 在每次迭代中保持不变。由于类型转换，在后一种情况下，a、b 和 c 无论如何都会通过第三次迭代转换为 float64，但为什么没有错误累积呢？C 的等效代码是什么？

我试图用 C 复制代码，但我无法生成 a 和 b 保持不变的情况。

Python 浮点精度

精确执行计算只需要比最初四舍五入的精度略高。最初四舍五入为 float32，但计算是在 float64 数学中执行的，并且 float64 比 float32 具有更高的精度。初始计算中没有舍入误差，因此，后续迭代不会放大任何误差。每次迭代都会保留原始值。3*a-2*babab3*a-2*b

如果你最初四舍五入并浮点64，然后在数学中执行随后的算术运算，你会看到类似的效果。abnumpy.longdouble

无法理解 Python 浮点数乘法 - float64 导致错误结束，而 float32 不理解