浮点误差使“点在圆周上”需用容差判断而非直接比较，推荐用平方距离与epsilon比较，整数坐标且半径为整数时可用精确整数判别，但需防溢出；半径非正须特殊处理。
浮点误差让“精确位于”变成伪命题
直接用 distance == radius 判断点是否在圆周上，在 C++ 里几乎总是错的。浮点运算存在舍入误差，哪怕数学上严格满足，计算出的距离也极大概率不等于 radius。比如一个理论上刚好在圆上的点，sqrt((x-x0)*(x-x0) + (y-y0)*(y-y0)) 可能返回 4.999999999999999 或 5.000000000000001，而你的 radius 是 5.0 —— 比较结果为 false。
必须用误差容忍（epsilon）做近似判断：
const double eps = 1e-9; double dx = x - cx; double dy = y - cy; double dist_sq = dx * dx + dy * dy; double diff = std::abs(dist_sq - radius * radius); return diff
- 推荐比较平方距离，避免调用
sqrt（更快、更稳） -
eps值需匹配数据量级：若坐标在1e6级，1e-9就太小，应取1e-3左右 - 别用
std::numeric_limits直接当比较阈值——它表示的是 1.0 附近的相对精度，不是通用容差::epsilon()
当输入是整数坐标且半径为整数时，可用精确整数判别
如果所有输入都是整数（int cx, cy, x, y, r），且你真正需要的是“数学意义上的精确落在圆周上”，那可以绕过浮点，用整数运算验证：(x-cx)² + (y-cy)² == r²。这完全精确，无任何误差。
但要注意：
- 必须确保中间结果不溢出：比如
int最大值约 2e9，(x-cx)若达 5e4，其平方就超限。建议用long long存储平方和 - 一旦涉及小数输入（如
float或用户输入带小数），这条路立刻失效，必须回归浮点容差 - 即使坐标是整数，若半径是
double r = 5.0，也不能直接用r*r和整数平方比——因为5.0*5.0在二进制浮点中可能不精确表示为 25
std::hypot 更安全，但不解决根本问题
std::hypot(dx, dy) 比 sqrt(dx*dx + dy*dy) 更抗溢出和下溢，适合坐标差极大或极小的场景。但它仍是浮点运算，返回值仍有误差，不能替代容差判断。
正确用法仍是：
double d = std::hypot(x - cx, y - cy); return std::abs(d - radius)
- 仅当怀疑
dx*dx + dy*dy可能溢出（例如坐标差 > 1e9）时才值得换用hypot - 多数常规图形或几何计算中，平方距离法更高效、更常用
-
hypot在某些旧库或嵌入式平台上可能缺失或慢，需确认可用性
边界情况：半径为零或负数
圆的定义要求半径 > 0。若 radius ，则“圆周”无意义——半径为 0 时只有圆心一个点；负半径无几何定义。代码里应明确处理：
- 若
radius ，直接返回false或抛异常 - 若
radius == 0，则仅当x == cx && y == cy时返回true（注意：此时是点，不是“周界线”） - 不要依赖用户传入合法半径——生产代码必须校验
真正麻烦的不是公式，而是想清楚你到底要什么：是数学理想情况下的精确判定，还是工程中可接受的近似；是整数格点问题，还是连续空间中的浮点定位。选错前提，再准的代码也跑偏。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
