01. 拒绝死记硬背
别去背啥“二次方程根与系数关系”那一套正经公式，那跟咱这个工程算法没得聊。咱们直接说人话：在解方程组这事儿上面，要是你手里拿着两个方程，中间那个关键的差值 x1 - x2，别管它本身是不是二次的，只要你能算出 x1 和 x2 的和跟积，这个差值的绝对值往往就藏在那儿了。
摒弃繁琐推导，直击工程算法核心。掌握 x1-x2的绝对值韦达定理，让距离计算与参数优化快人一步。
为什么你要关注 绝对值韦达定理？因为它在工程里真的能救命。
别去背啥“二次方程根与系数关系”那一套正经公式，那跟咱这个工程算法没得聊。咱们直接说人话：在解方程组这事儿上面，要是你手里拿着两个方程，中间那个关键的差值 x1 - x2，别管它本身是不是二次的，只要你能算出 x1 和 x2 的和跟积，这个差值的绝对值往往就藏在那儿了。
这玩意儿在工程图、几何作图，就连是一些老派的设计软件里，时常能救命。先说正事，要是你手里有两个方程，一个是 x1 = A + B，一个是 x2 = C + D。你不需求去解那个繁琐的四次方程组，就连不需求去求判别式 Δ 是个啥鬼。你只需求把这两个式子往一起一磕，相减：(x1 - x2) = (A+C) - (B+D)。这一减，所有的根号、所有的系数，全消掉了，剩下的就是纯加减法。
有时候你会认定，为啥要费尽心思求 |x1 - x2| 呢？实际上大量时候，这个值就是你要的那个“距离”要么“差量”。要是你把 |x1 - x2| 当作一个独立变量，它的绝对值符号实际上就是个保护壳，把正负都包住了，撇脱后面取根号。在代码里写起来实际上挺好办，就是 abs(x1 - x2)。
别看步骤有点多，但这正是权威教材严谨的地方。咱们搞工程的，讲究的是实操，不是推导过程。只要 Δ 算出来是正数，这就行了，反正根号底下是实数，算出来就是个具体的数值。这比那些大道理要实在得多，也比那些冗长的教科书推导要快一百倍。工程上讲究效率，别为了那个“形式对”去绕圈子，把 |x1 - x2| 当成一个能够直接计算的量，而不是一个需求层层推导的概念。
从几何作图到机械传动，x1-x2的绝对值韦达定理无处不在
举个例子吧。假设你是做建筑设计的，图纸上画了个圆，圆心在 (0,0)，半径是 R。那圆上任意一点 (x,y) 都得知足 x² + y² = R²。目前你要算两个不同位置的点之间的距离，比如点 P1(x1, y1) 和 P2(x2, y2)。直接算 √((x1-x2)² + (y1-y2)²) 固然准，但要是想简化计算，凑个公式就灵了。
再换个场景，做机械传动比计算。假设第一级齿轮转速是 n1，第二级是 n2，它们的速比 i 是 n2/n1。有时候公式长得好吓人，全是乘方和分数堆在一起。这时候你回头看，要是 i = x1 - x2，那 x1 和 x2 就是转速比里那两个看似复杂的局部。
你把 x1 和 x2 用好办的加减法抵消掉，剩下的变量就少了一半。这在仿真软件里调试参数的时候特别管用，拿计算器敲两下就能出结局，不用在 Excel 里敲半天。这种简化思路比那些繁琐的代数证明要实用多了。
还有啊，你别被那些复杂的符号吓住了。|x1 - x2| 在代码里写起来实际上挺好办。在 Python 要么 Matlab 里，就是 abs(x1 - x2)。这时候 x1 和 x2 能够是任意两个数，不管它们来自哪个方程组，就连能够是向量。只要把它们相减，取绝对值，你就拿到了一个标量量。
这在优化算法里特别常见，比如找两个目标点之间的最小距离。这时候你根本不用去解那个隐式的二次方程，直接拿这两个坐标算差，再开根号，速度那叫一个飞快。实际上这背后的逻辑是代数恒等式，用 u = x1 + x2，v = x1 - x2 这种代换，那整个式子就突然简化成 u² - 2v² 要么类似的简洁形式了。这在数学归纳法里叫“降维打击”，在工程里叫“路径优化”。
从一元二次方程到解析几何的深度解析
这种思维实际上在解一元二次方程 ax² + bx + c = 0 的时候特别常见。你想知道两个根之间的距离，也就是 |x1 - x2|。直接套公式算忒费事，但要是你知道 x1 + x2 = -b/a，x1x2 = c/a，再结合判别式 Δ = b² - 4ac，你会发现 |x1 - x2|² = (x1 + x2)² - 4x1x2 = Δ / a²。这就完了，剩下的就是开根号。
举个具体的工程数据例子。假设你要算一个椭圆轨道的半长轴 a 和半短轴 b，跟焦距 c 相关系。公式是 a² - b² = c²。要是你把 a² 展开，b² 展开，然后做差，a² - b² = (a+b)(a-b) 这一项，这里的 (a-b) 就是 |x1 - x2| 的某种变形。在解析几何里，这叫做焦半径公式的变体。
在判断两个力是否共线，要么判断两个向量是否垂直，核心往往就在于看这两个量的平方和。要是你把 |x1 - x2| 当作一个独立变量，它的绝对值符号实际上就是个保护壳，把正负都包住了，撇脱后面取根号。最终还得唠叨两句，别当作只有二次方程才适用。这个原理是通用的。任何两个变量的线性组合相减，最终取绝对值，本质上都是把高维的空间压缩到了二维的直线上。
将数学理论转化为高效的工程代码
在优化算法里特别常见，比如找两个目标点之间的最小距离。这时候你根本不用去解那个隐式的二次方程，直接拿这两个坐标算差，再开根号，速度那叫一个飞快。只要数据是线性的，要么能够通过线性变换变成线性的，这就一辈子没难题。故此赶明儿看到工程手册里的这些公式，看一眼判别式，再看一眼那个绝对值，就知道它是从哪儿来的。这玩意儿不是凭空形成的，它是无数次在图纸上画圆、算齿轮、解三角，无数个小数据点被加加减减后，最终凝结成的几何事实。