Este trabalho tem como objetivo principal propor um método, baseado em técnicas de aprendizagem de máquina, para a detecção de trajetórias anômalas em relação a um conjunto de trajetórias, com vista à aplicação em monitoramento de tráfego aéreo. Dadas as características do tráfego aéreo (regulamentação, economia, segurança) existe uma certa regularidade nas trajetórias das aeronaves de tal forma que o seu comportamento conjunto pode ser modelado e eventuais desvios desse modelo podem ser detectados. A fim de comprovar esta hipótese, dados reais de tráfego aéreo da área de controle terminal de São Paulo (TMA-SP) foram obtidos e armazenados em um sistema gerenciador de banco de dados. Aplicações de visualização foram implementadas para permitir um exame visual das trajetórias e um estimador de densidade por função de núcleo multivariado foi utilizado para verificar as direções predominantes do tráfego. Um modelo de representação das trajetórias baseado na Transformada Discreta de Fourier é proposto e utilizado na preparação de um conjunto de trajetórias que alimentam um algoritmo de agrupamento. Este algoritmo foi capaz de identificar os procedimentos principais do tráfego, e as trajetórias rotuladas por este procedimento foram utilizadas por um método proposto de classificação de pontos individuais de trajetórias que obteve êxito na detecção de trajetórias anômalas, confirmando as hipóteses deste trabalho.