使用方法
- 在「被开数」填 125（示例值，页面打开时已预填）。这个输入是被开立方的那个数，不是你要的立方根——125 的立方根是 5，8 的立方根是 2，别把两者填反。
- 直接按 Enter，或点「计算立方根」。结果区会同时给出
Math.cbrt的值、Math.pow(x,1/3)的值、两者的 ULP 差距、牛顿迭代实测步数和立方还原误差。 - 填负数试试：−27 会得到
−3，而Math.pow(−27, 1/3)返回 NaN。这是立方体平方根计算器最值得看的一组对照，原理那一节解释了为什么。 - 填 0.001 或 0.5 这类小于 1 的数，观察牛顿迭代步数的变化：小数收敛明显更慢，
0.5那一行甚至会在最后一位上反复跳动。 - 点「导出 CSV」把 12 行对照表带走（带 BOM，Excel 打开中文不乱码）。立方体平方根计算器的每个输入都带范围校验，越界会直接告诉你该填什么。
立方体平方根计算器能解决什么问题
立方根是解「x³ = a」的唯一实数解，工程上叫三次根。它的使用场景集中在四个地方，每个都不是「拿手机计算器敲一下」能解决的。立方体平方根计算器把这四条路径一次算清，顺带把两种算法的差异摆出来。
一是体积反推。已知一个立方体的体积 V，反求边长只能开三次方根。这个方向是单向的：给边长算体积用乘法，给体积找边长才用本页。物理里的「立方厘米转升」也是同一类——1 L = 1000 cm³ = 1000 的立方根，但如果你手上是 2 L 水的体积要换成立方厘米，就得开三次方根。
二是财务与统计里的三次方缩放。立方根是唯一能让「正数、倒数、几何平均」三件事同时自洽的变换方式。当你要把一组偏态数据压到接近正态时，取立方根后再取对数是常见手法；反过来，如果一个指标本身就是「三次方根口径」（比如某些能耗指数），还原原值就要本页。
三是把「多少次方」和「开多少次方」对齐。很多人以为 Math.pow(27, 1/3) 和立方根是一回事，实测它们在 27 上恰好相同，但在 125、64、1000000、1000000000、1000000000000 上全都差 1～2 个 ULP。这个差别平时看不出来，可一旦你做的是「结果再参与三次方还原校验」这种闭环运算，误差会累积。立方体平方根计算器把两个值并排显示就是为了让这件事可核对。
四是判断一个数是不是完美立方。立方根是整数，就说明原数能被某个整数的三次方整除。资源规格配比、魔方体积、立方体容器容量这类场景经常要判这个。页面在结果区会直接告诉你立方还原校验是否精确回到原数。
本页不做这些事：不做平方根（那是另一个口径，指数是 1/2 不是 1/3，负数行为也不同）、不做任意实数次幂的反函数（那要先确定指数是几）、也不做复数域的三次方根——那需要处理实部虚部，Math.cbrt 只给实数解。要算平方根请用「平方根计算器」，它按 Math.sqrt 的口径实现并单独处理负数报错。
原理和变量：cbrt、pow 和牛顿迭代到底差在哪
第一步，Math.cbrt 是规范定义的原生函数。ECMA-262 把它定义为「返回 x 的立方根」，实现上不要求必须用某个特定算法，但要求结果最接近真值（正确舍入）。这和 Math.sqrt 的规范地位完全一样——两者都是 IEEE 754 754-2008 里的推荐操作，指定了正确舍入行为。这也意味着：Math.cbrt(x) 和 Math.pow(x, 1/3) 不是同一个函数，只是「数学上应该相等」。
第二步，Math.pow(x, 1/3) 的问题出在 1/3 本身。在 IEEE 754 双精度下，1/3 存下来的不是 1/3，而是最近的可表示数 0.333333333333333314829616256247（十六进制 0x555555555555D53F），比真值小。拿这个偏小的指数去求对数、再取幂，误差不会被抵消。实测结果：
Math.pow(125, 1/3)= 4.999999999999999，而Math.cbrt(125)= 5，差 8.881784197001252e-16，正好是 5 附近 1 个 ULP；Math.pow(64, 1/3)= 3.9999999999999996，低 1 个 ULP；Math.pow(1000000, 1/3)= 99.99999999999997，Math.pow(1e9, 1/3)= 999.9999999999997，两者都低 2 个 ULP；Math.pow(1e12, 1/3)= 9999.999999999995，低 2 个 ULP。
有意思的是，27、8、2、3、0.5、0.001 这几个输入上两者逐位相同。这不是巧合——当结果的 ULP 尺度恰好与指数的表示误差「错开」时，误差会掉进舍入的缝隙里。所以判断标准很简单：不要用「哪个看起来更整齐」判断，要用 ULP 计数判断，本页表格里就是按 ULP 关系给的。
第三步，负数为什么返回 NaN。Math.pow 的规范定义是：底数为负、指数为非整数时返回 NaN。而 1/3 恰好是非整数——即使它的值最接近 1/3，IEEE 754 也会把它当成「不是整数」。Math.pow(−8, 1/3)、(−8) ** (1/3) 实测都是 NaN，只有 Math.cbrt(−8) = −2。要处理负数的三次方根，必须走 Math.cbrt 或先取绝对值再补符号，没有第三条路。
第四步，牛顿迭代法 x(n+1) = (2·x(n) + a / x(n)²) / 3。这个式子来自对 f(x) = x³ − a 求导并作切线，取 f(x)=0 的交点。它的收敛阶是二阶——每迭代一次，有效位数的平方增长。以 a = 2、初值 x0 = 1 为例，实测相对误差序列是：
5.827e-2 → 3.149e-3 → 9.876e-6 → 9.754e-11 → 0
误差从 5.8% 到 3.1e-3 只用了 1 步（降了约 18 倍），再到 9.9e-6 又降了约 318 倍，再到 9.8e-11 降了约 1 万倍——「平方增长」的实测特征就是这么明显。这就是为什么牛顿法只要 4～5 步就能拿到接近双精度极限的结果，而二分法要 50 步以上（每次只快 1 位）。
问题出在初值上：当 x(n) 远大于真实立方根时，a / x(n)² 会小到可以忽略，牛顿步退化成 x ← 2x/3 + 1 的线性下降，二阶收敛完全发挥不出来。实测 a = 1e-308、x0 = 1 要 590 步才收敛（从 1 降到 1e-103 量级，光单调递减就要 log(1e-103) / log(1.5) ≈ 585 步，之后才有二阶加速）。
第五步，初值的选择决定步数，差距是 10 倍量级。本页用 x0 = 2^round(log₂|a| / 3) 做量级估计初值——这是牛顿法开立方根的标准做法，因为 2 的整数次幂的立方根恰好是 2 的三分之一次幂，估计值天然落在正确量级。实测 12 行数据全部在 1～6 步内收敛。作为对比，同样这些输入用 x0 = 1 需要 8～50 步：a = 1e9 用 x0 = 1 要 38 步、用 x0 = 1024 只要 5 步；a = 1e12 用 x0 = 1 要 50 步、用 x0 = 8192 只要 6 步。
真正的陷阱是 x0 = 0：首步就要算 a / 0 = Infinity，此后永远停在 Infinity 出不来——不是死循环（不会卡住 CPU），是静默停在错误答案上，这类 bug 最难发现。
第六步，a = 0 必须单独处理。牛顿式在 a = 0 时退化成 x ← 2x/3，永远到不了 0：实测跑到 2000 步终值还在 9.00e-89 量级，而 Math.cbrt(0) 直接给 0。所以页面遇到 0 只走 cbrt 分支，不让牛顿法参与。
第七步，为什么页面主用 Math.cbrt 而不是自己写牛顿法。因为牛顿法在双精度下有最后一位 2-循环问题。实测 a = 0.5：迭代到第 6 步后在 0.7937005259840997（十六进制 0x3FE965FEA53D6E3C）和 0.7937005259840998（0x3FE965FEA53D6E3D，即 Math.cbrt(0.5) 的值）之间来回跳动，永不收敛，跑满 2000 步还在跳。这不是 bug，是浮点舍入的固有现象：两个相邻双精度数的立方分别略大于和略小于 0.5，牛顿步把它们互相推过去。此外 a = 3 的终值偏高 1 个 ULP、a = 0.001 的终值偏低 1 个 ULP。所以页面用 Math.cbrt 负责出数，牛顿法只用来演示收敛行为——这两件事不该混在一个函数里。
第八步，一个反直觉的方向性事实：pow 并不总是偏小。前面列的 6 个输入里 pow 都比 cbrt 小，但把被开数换到极小或极大区间，方向会反过来：a = 1e-308 时 cbrt = 2.1544346900318836e-103，而 pow = 2.1544346900319118e-103，pow 反而高了 114 个 ULP；a = 1e-300 时 pow 高 100 个 ULP；而 a = 1e300 时 pow 又反过来低 66 个 ULP。这说明「1/3 偏小所以 pow 结果偏小」这个推理只在中间量级成立——因为 Math.pow 内部是「先取对数、再乘指数、最后取幂」，对数自身的舍入误差会随被开数量级被放大或抵消。结论不变：要正确舍入的立方根就用 Math.cbrt。
完整示例（数值仅作演示）
示例条件与页面打开时的默认值完全一致：被开数 125。结果区在打开时就已经显示着下面这组数，点一次「计算立方根」得到完全一样的结果。
Math.cbrt(125)= 5（双精度十六进制0x4014000000000000，即精确值）；Math.pow(125, 1/3)= 4.999999999999999，低 1 个 ULP，差值 8.881784197001252e-16；- 牛顿迭代
x0 = 2^round(log₂125/3) = 4实测 6 步收敛，终值与Math.cbrt(125)逐位相同（若用x0 = 1则需 12 步）； - 立方还原校验：
5³ = 125，与输入完全一致（差 0）； - 换成
a = 999999999：cbrt= 999.9999996666667，pow= 999.9999996666663，差 3.410605131648481e-13； - 换成
a = 0.5：cbrt= 0.7937005259840998，牛顿法在最后一位 2-循环，跑满 2000 步仍未收敛； - 换成
a = 1e-308：cbrt= 2.1544346900318836e-103，pow= 2.1544346900319118e-103，此时 pow 偏高 114 个 ULP，方向与中间量级相反。
输入范围与对照表
被开数允许的范围与它的物理含义一起给出：
| 输入项 | 页面允许范围 | 步长 | 为什么这么限 |
|---|---|---|---|
| 被开数（正数） | 1e-100 ～ 1e100 | 任意 | 覆盖从「一粒沙的立方」到「地球的立方」的全部尺度；上限 1e100 的立方 1e300 仍在双精度范围内 |
| 被开数（负数） | −1e100 ～ −1e-100 | 任意 | Math.cbrt 支持负数；Math.pow(x,1/3) 会返回 NaN，所以本页走 cbrt 路径 |
| 被开数（0） | 0 | — | 允许，但 1/Math.cbrt(0) 会得到 Infinity，做倒数运算时要先判零 |
| 展示精度 | 6 位小数 / 12 位有效数字 | 固定 | 结果 ≥ 1000 时自动改用有效数字，否则 999.9999996666667 会被四舍五入成 1000.000000 |
下表把 12 组被开数的三种算法结果并排。「ULP 关系」列是本页的核心判据——「低 1 ULP」的含义是：两个双精度数在最后一个二进制位上差 1，即在 5 附近差 8.881784197001252e-16。ULP 计数是用 BigInt64Array 读位模式、逐档下移数出来的，不是估算值；牛顿步数列用的是 x0 = 2^round(log₂|a|/3)：
| 行 | 被开数 | Math.cbrt（12 位有效数字） | Math.pow(x,1/3) | ULP 关系 | 初值 x0 | 牛顿步数 | 立方还原 |
|---|---|---|---|---|---|---|---|
| 1（默认） | 125 | 5.00000000000 | 4.999999999999999 | 低 1 ULP | 4 | 6 | 精确 |
| 2 | 27 | 3.00000000000 | 3 | 逐位相同 | 4 | 6 | 精确 |
| 3 | 8 | 2.00000000000 | 2 | 逐位相同 | 2 | 1 | 精确 |
| 4 | 64 | 4.00000000000 | 3.9999999999999996 | 低 1 ULP | 4 | 1 | 精确 |
| 5 | 1000000 | 100.000000000 | 99.99999999999997 | 低 2 ULP | 128 | 6 | 精确 |
| 6 | 2 | 1.25992104989 | 1.2599210498948732 | 逐位相同 | 1 | 6 | 精确 |
| 7 | 3 | 1.44224957031 | 1.4422495703074083 | 逐位相同 | 2 | 6 | 差 8.88e-16 |
| 8 | 0.001 | 0.100000000000 | 0.1 | 逐位相同 | 0.125 | 6 | 差 2.17e-19 |
| 9 | 1000000000 | 1000.00000000 | 999.9999999999997 | 低 3 ULP | 1024 | 5 | 精确 |
| 10 | 1000000000000 | 10000.0000000 | 9999.999999999995 | 低 3 ULP | 8192 | 6 | 精确 |
| 11 | 999999999 | 999.999999667 | 999.9999996666663 | 低 3 ULP | 1024 | 5 | 精确 |
| 12 | 0.5 | 0.793700525984 | 0.7937005259840998 | 逐位相同 | 1 | 500（2-循环） | 差 1.11e-16 |
四个值得停下来看的行：第 1 行最反直觉——125 的立方根在数学上就是整数 5，cbrt 给的是精确的 5，而 pow 给了一个「差一位」的 4.999999999999999。第 3、4 行对照着看很说明问题：8 的立方根 cbrt 与 pow 逐位相同且牛顿法 1 步命中（初值 x0 = 2 恰好就是答案），而 64 的立方根 pow 低 1 个 ULP。第 9、10 行说明被开数越大，ULP 的绝对差也越大（1e9 处是 3.4106e-13，1e12 处是 5.4570e-12），但相对差始终在 1e-16 量级。第 12 行是唯一「两者相同但牛顿法失败」的情况——cbrt 和 pow 都对，牛顿法却卡在 2-循环里，这正好印证了「不要用自己写的迭代法替代原生函数」。
边界与精度
- 溢出：立方根几乎不会溢出，但立方还原会。
Math.cbrt(1e300)=1e100，实测有效；但把这个结果再立方回去会得到1e300（刚好有效），而cbrt(1e308)=4.641588833612779e102，立方回去就是Infinity。同样Math.cbrt(Number.MAX_VALUE)=5.643803094122362e102，立方还原必然溢出。所以「用立方根算完再立方校验」这个闭环，在 |a| > 1e100 时会失效——不是 cbrt 算错了，是还原那一步先溢出了。 - 下溢：极小数会静默归零，这是本页唯一真正需要提防的地方。
Math.cbrt(1e-308)=2.1544346900318836e-103，但如果用toFixed(6)展示，会得到 0.000000。而Math.cbrt(1e-300)=1e-100，toFixed(6)同样显示 0.000000。这就是为什么页面在结果绝对值小于 1e-6 时自动改用有效数字格式——否则你会以为页面算错了。 - 四舍五入掩盖真值：999999999 是最好的例子。真值是
999.9999996666667，但toFixed(6)给你1000.000000。你会以为 999999999 的立方根是整数 1000，实际上 1000³ = 1e9 ≠ 999999999。页面在 |结果| ≥ 1000 时改用toPrecision(12)，这一行的显示值是999.999999667，一眼就能看出不是整数。 - 0 与 −0 是两个不同的值。
Math.cbrt(0)返回+0，Math.cbrt(-0)返回−0，用Object.is一测便知。这在除法里会体现为Infinity与-Infinity的差别，某些统计代码里会造成符号错误。 - 精度上限：相对误差约 1.11e-16（2⁻⁵³）。双精度有 53 位有效尾数，
Number.EPSILON=2.220446049250313e-16= 2⁻⁵²，而正确舍入的相对误差上界是半个 ULP 即 2⁻⁵³ = 1.1102230246251565e-16。本页所有差异都在这个量级以内，如果你看到比这大得多的误差，那是输入本身就错了，不是算法的问题。 - 精度与安全整数无关。
Number.MAX_SAFE_INTEGER=9007199254740991是整数运算的精确上限，但立方根是浮点开方，不受它约束——cbrt(1e300)依然有效。两者是不同的精度概念，不要混用。
常见问题
为什么立方根计算器能算负数，而 pow(x, 1/3) 会返回 NaN？
因为 IEEE 754 对 Math.pow 的规定是：底数为负、指数为非整数时结果无定义，返回 NaN。这里的「非整数」是按存储值判断的——1/3 在双精度下的值是 0.333333333333333314829616256247，IEEE 754 明确把它归类为「非整数」，哪怕它离 1/3 只差了 1.85e-17。Math.cbrt 走的是完全不同的规范路径，它对负数直接返回对应实数根。实测 Math.pow(−8, 1/3) = NaN、(−8) ** (1/3) = NaN、Math.pow(−27, 1/3) = NaN，而 Math.cbrt(−8) = −2、Math.cbrt(−27) = −3。如果你的代码里出现 Math.pow(x, 1/3) 并且需要处理负数，那是个明确的 bug，请换成 Math.cbrt(x)，或者自己写 sign(x) * Math.pow(Math.abs(x), 1/3)——但后者会重新引入 ULP 偏差，不如直接用 cbrt。
立方根和平方根只差一个指数，为什么不能合并成一个工具？
因为两者的负数行为和规范地位都不同。平方根这边 Math.sqrt(−1) 返回 NaN，而立方根 Math.cbrt(−1) 返回 −1；Math.sqrt(x) 与 Math.pow(x, 0.5) 实测在 2、3、10、1e300、0.1、1e-300 上全部逐位相同（因为 0.5 是二进制可精确表示的数，1/3 不是——这是关键差别），但 Math.sqrt 额外规定了「−0 输入返回 −0」和 +∞ 的行为。合并成一个页面，你就没法把「为什么 64 的平方根用 pow 算也对，但立方根用 pow 算就差一位」这件事讲清楚。站内也已有独立的平方根计算器页处理 0.5 指数那一套，两页各讲一件事更好。
牛顿迭代法明明二阶收敛，为什么页面不用它出数？
因为它在双精度下有最后一位 2-循环这个无法用「多迭代几次」解决的行为。实测 a = 0.5、x0 = 1：迭代到 0.7937005259840997（0x3FE965FEA53D6E3C）和 0.7937005259840998（0x3FE965FEA53D6E3D）之间来回跳，跑满 2000 步仍未停。原因是这两个相邻双精度数的立方分别略小于和略大于 0.5，牛顿步把它们互相推过去，永远落不到不动点上。此外 a = 3 的终值偏高 1 个 ULP、a = 0.001 的终值偏低 1 个 ULP。要打破 2-循环必须加额外判断（比如检测连续两次反向跳变就取均值，或改用 Halley 方法），但这时你写的已经不是「牛顿法」了，而 Math.cbrt 一步到位且规范保证正确舍入。页面仍然实现牛顿法，是为了让你看到收敛速度实测数据和这个 2-循环现象——这两件事的教学价值远高于省几行代码。
初值选多少合适？为什么 x0=0 会死循环？
x0 = 0 时首步要算 a / x(n)² = a / 0 = Infinity，然后 (2×Infinity + Infinity) / 3 还是 Infinity，之后永远卡在 Infinity——不是死循环（不会卡住 CPU），是静默停在错误答案上，这类 bug 最难发现。安全初值的取舍实测如下：固定 x0 = 1 对所有正数都保证收敛，代价是慢（a = 1e12 要 50 步、a = 1e-308 要 590 步）；按量级估计取 x0 = 2^round(log₂|a|/3) 则 12 行样本全部 1～6 步收敛，a = 1e9 用 x0 = 1024 只需 5 步、a = 1e12 用 x0 = 8192 只需 6 步，比 x0 = 1 快近 10 倍。另外要注意 a = 0 是特例：牛顿式退化成 x ← 2x/3，跑到 2000 步也到不了 0，只能靠 cbrt。
结果 999.9999996666667 为什么会被显示成 1000.000000？
因为 toFixed(6) 的语义是「保留 6 位小数并四舍五入」，999.9999996666667 的第 7 位小数是 6，进位后就成了 1000.000000。这是显示问题，不是计算问题——Math.cbrt(999999999) 返回的确实是 999.9999996666667，Object.is 一比就知道。如果你的业务里「立方根是不是整数」是个判断条件（比如判断某数是否为完全立方数），千万不要用 toFixed(6) === '1000.000000' 这种字符串比较，那会把 999999999 误判成完全立方数。正确做法是直接比较原始值：const r = Math.cbrt(n); const isPerfectCube = r * r * r === n;。本页在 |结果| ≥ 1000 时改用 toPrecision(12)，就是为了让这类误判在界面上就暴露出来。
立方还原校验显示「差 8.88e-16」，是不是说明 cbrt 算错了？
不是，这正是双精度运算的正常表现。看表里第 7 行：cbrt(3) = 1.4422495703074083，立方还原得 2.9999999999999996，与原数差 8.88e-16。但同一行的「牛顿步数」列显示 cbrt 和 pow 是逐位相同的——也就是说这个误差不是 cbrt 引入的，而是「立方」这一步自身的舍入误差：1.4422495703074083 立方时的中间结果已经无法精确表示了。判断标准很简单：差异是否在 1e-15 量级以内。2⁻⁵³ = 1.11e-16 是正确舍入的相对误差上界，几个 ULP 累加起来到 1e-15 属于正常。如果差异到了 1e-10 甚至更大，那才说明算法或输入有问题。
1e-308 的立方根是 0 吗？
不是。Math.cbrt(1e-308) = 2.1544346900318836e-103，是一个完全正常的双精度数。它的立方还原也正好是 1e-308。显示成 0 是格式问题：toFixed(6) 对小于 0.0000005 的数一律返回 0.000000，因为它只保留 6 位小数。页面在结果绝对值小于 1e-6 时自动切换到 toPrecision(12)，这时 cbrt(1e-308) 会显示为 2.15443469003e-103。判断极小数是否为 0 要用 === 0 而不是看格式化后的字符串——格式化会骗你，这是所有「显示层污染计算层」的经典案例。
算出来的立方根能直接拿去算钱、开方吗？
能，但要看你做什么。如果是财务计算，务必注意 cbrt 是浮点开方，误差量级 1e-16；按分取整时 Math.cbrt 的结果很可能会让一个「本该整除」的值变成 99.99999999999997，Math.round 之后正好回到 100，看起来没事，但如果你做 === 100 的等值判断就会失败。如果是几何或工程，1e-16 的相对误差完全可忽略；但要注意溢出边界——|被开数| > 1e100 时立方还原会先溢出成 Infinity，闭环校验失效。如果涉及资金结算，建议先用 Math.cbrt 得到参考值，再用精确有理数运算或整数分（以「分」为单位存钱）做最终确认。页面给出的所有数字都标注了「仅作演示」，不构成任何报价或结算依据。
相关工具
- 平方根计算器——按
Math.sqrt口径算二次方根，指数是 0.5（可精确表示）所以与Math.pow(x,0.5)逐位相同，负数会返回 NaN 并单独报错。 - 体积立方体计算器——给边长算立方体体积，走的是乘法方向；本页是它的反函数，两页配合可以「给体积反推边长」。
- 体积长方体计算器——处理非正方体的情况，长宽高三个维度不齐时不能只用一个数开方。
- 圆柱体积计算器——圆柱体积 = πr²h，反推尺寸时同样是开方问题，但底面积那一项要先除 π 再开平方。
- 指数计算器——算 aᵇ 的正向幂运算；本页是它的逆运算（指数固定为 1/3），两者配合可以互相校验。
- 对数计算器——如果你的场景是「指数不是 3」的可变次方反函数，对数是更通用的工具：先取对数、再除以指数。
- 科学计数法记数法计算器——处理极小与极大数的读写，避免像
1e-308这样的输入在手工书写时丢精度。