Matemática de distância: o que acontece quando você realmente precisa calcular
A fórmula básica é d = ((x - x)² + (y - y)²). Você pega as coordenadas de dois pontos num plano cartesiano, subtrai, eleva ao quadrado, soma e tira a raiz quadrada. Pronto. Mas a questão de distancia entre dois pontos nunca para por aí na prática. Eu trabalhei com um projeto de mapeamento urbano onde tínhamos que calcular distâncias entre milhares de pontos de coleta de dados. O problema era que alguns pontos vinham com coordenadas duplicadas ou próximas demais, e o sistema de roteamento simplesmente travava. A solução foi implementar uma verificação prévia: se a distância entre dois pontos era menor que 0,5 metros, eu consolidava os dois como um único ponto. Isso reduziu o tempo de processamento de cerca de 4 horas para algo em torno de 35 minutos.
Questões de distancia entre dois pontos no dia a dia
O que a maioria dos cursos não ensina é que a fórmula do plano cartesiano só funciona em duas dimensões com eixos ortogonais. Se você estiver lidando com coordenadas geográficas reais — latitude e longitude — a coisa muda completamente. A Terra é esférica, e usar a fórmula euclidiana ali vai te dar erros de quilômetros em distâncias longas. Para coordenadas terrestres, use a fórmula de Haversine: a = sin²(/2) + cos() · cos() · sin²(/2), onde é latitude, é longitude, e os deltas são as diferenças entre os pontos. O resultado é a distância angular, que multiplicada pelo raio da Terra (aproximadamente 6371 km) te dá a distância real em linha reta sobre a superfície.
Outro problema recorrente é o arredondamento de precisão. Em projetos computacionais, somar pequenas diferenças flutuantes entre centenas de pares de pontos pode gerar acumulação de erro. No meu caso, o sistema acumulava uma margem de erro de cerca de 0,3% após mil iterações. A correção foi usar aritmética de precisão dupla e validar periodicamente com pontos de controle conhecidos. Uma limitação séria que muitas pessoas ignoram: a fórmula de distância mais comum calcula a linha reta entre dois pontos. Em terrenos reais, isso pode significarwall um rio, uma montanha ou uma área privada. Se o seu cenário exige percorrer ruas ou trilhas, você precisa de algoritmos de grafo — Dijkstra ou A* — que calculam a distância pelo trajeto disponível, não pela geometria pura. Isso aumenta significativamente a complexidade computacional, passando de O(1) para O(V + E log V) no pior caso, mas é o que separa um resultado teórico de um útil.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Ainda tem o caso de pontos em três dimensões, que é basicamente a fórmula 2D com um termo extra de z². Parece simples, mas em aplicações de drones e modelagem 3D, o eixo Z muitas vezes tem escala diferente dos eixos X e Y, o que distorce o resultado se você não normalizar primeiro. Um erro comum é tratar coordenadas altimétricas da mesma forma que coordenadas planas, sem considerar que um drone voando a 100 metros de altitude com um desvio horizontal de 10 metros está, geometricamente, muito mais longe do que a projeção 2D indicaria.
Quando a distância não importa tanto quanto você pensa
Em muitos cenários aplicados, a métrica de distância euclidiana é apenas aproximada porque não captura a realidade do deslocamento. Redes de transporte, rotas de entrega, navegação autônoma — todos esses casos exigem métricas diferentes. A distância de Manhattan, por exemplo, que soma os valores absolutos das diferenças em cada eixo separadamente, é mais adequada para grade de ruas onde você não pode cortar quarteirões diagonalmente. Também existe a questão dos pesos. Dois pontos podem estar geograficamente próximos, mas se um está do outro lado de uma rodovia movimentada sem passarela, a distância percebida e praticável é bem maior. Em projetos de logística, a gente frequentemente aplica fatores de correção baseados em tempo de deslocamento real, não apenas em metros lineares. Isso transforma o problema de geometria pura em um problema de otimização.
Se você tá começando agora com questões de distancia entre dois pontos, o conselho prático é: entenda primeiro qual é o contexto do seu problema antes de escolher a fórmula. Plano cartesiano simples para exercícios de escola. Haversine para coordenadas reais de GPS. Grafo com Dijkstra para rotas urbanas. E sempre, sempre, valide seu resultado com um caso conhecido antes de confiar nos números.
