咱们来一步步拆解你遇到的这个问题——用Cardano方法求解三次方程实根时，代入后误差超出1e-6的阈值，这大概率是算法实现细节疏漏和浮点数固有精度限制共同作用的结果，咱们分开说：

一、浮点数舍入带来的固有误差 #

• 你提供的CubicRoot函数里用了Math.Pow(Math.Abs(n), 1d/3d)，这里有个核心问题：1/3是无限循环的二进制小数，无法用浮点数精确表示，所以直接用这个方法计算三次方根本身就会带有微小的精度损失。比如完美立方数8，计算出来可能是2.0000000000000004或者1.9999999999999996，如果你的方程系数刚好放大了这个误差，就很容易突破1e-6的要求。
• 另外，当三次方程有三个实根（判别式Δ>0）时，Cardano方法会引入复数运算，即使最终结果是实数，复数实部的计算过程中也会因为浮点数的精度问题累积误差——这时候其实根本不该用Cardano的原始公式，而是要切换到三角函数解法，这是很多人踩的坑。

二、算法实现的潜在错误 #

• 你的CubicRoot只处理了实数的三次方根，但Cardano方法在Δ>0的场景下需要处理复数的开立方，如果直接用这个实数版的开立方函数，计算出来的根必然是错误的，误差自然会很大。
• 你有没有正确完成三次方程的降次转换？Cardano方法要求先把一般三次方程ax³ + bx² + cx + d = 0转换成缺二次项的形式y³ + py + q = 0（替换x = y - b/(3a)），其中p = (3ac - b²)/(3a²)，q = (2b³ - 9abc + 27a²d)/(27a³)，如果这一步的系数计算出错，后续所有结果都会跑偏。
• 当判别式Δ接近0（重根场景）时，浮点数的精度误差会让你误判Δ的符号，比如本来是Δ≈0，却被算成Δ>0或者Δ<0，导致你选了错误的计算分支，进而产生大误差。

三、验证和修复建议 #

• 先核对降次转换的系数计算，这是最容易出错的第一步，把每一步的代数推导再走一遍，避免符号或者分母的错误。
• 针对判别式分分支处理：
  • 当Δ < 0（三个实根）：改用三角函数解法，公式为：

    y_k = 2*sqrt(-p/3)*cos( (1/3)*arccos( (-q/2)/sqrt( (-p/3)^3 )) - 2πk/3 )，k=0,1,2
    

    完全避开复数运算，精度会高很多。
  • 当Δ ≥ 0（一个实根，两个复根）：再用Cardano的原始公式，但优化三次方根的计算。
• 替换你的CubicRoot函数，用牛顿迭代提升精度：

  static double CubicRoot(double n)
  {
      if (n == 0) return 0;
      // 先用Math.Pow做初始值
      double x = Math.Pow(Math.Abs(n), 1.0/3.0);
      // 牛顿迭代优化1-2次，大幅提升精度
      x = (2*x + n/(x*x))/3;
      // 再优化一次可选
      // x = (2*x + n/(x*x))/3;
      return x * Math.Sign(n);
  }
  

  这个版本的三次方根精度能接近机器epsilon（约1e-16），基本能消除开方带来的误差。
• 最后，验证根的时候要区分“正常浮点数误差”和“实现错误”：如果误差在1e-8左右，属于正常范围；如果超过1e-6，优先检查降次转换和判别式的计算逻辑。

内容的提问来源于stack exchange，提问作者Danila Smirnov