Este livro é um guia essencial e abrangente para estudantes, profissionais e entusiastas que pretendem explorar e dominar o MATLAB, uma plataforma poderosa de cálculo numérico, visualização gráfica e desenvolvimento computacional.
Começando pelos fundamentos da linguagem, o leitor é conduzido por uma progressão pedagógica sólida que inclui controlo de fluxo, manipulação de matrizes, gráficos 2D e 3D, scripts e funções, culminando em aplicações avançadas em otimização, inteligência artificial, redes neuronais, deep learning, reinforcement learning e modelação com Simulink.
Com uma abordagem prática e acessível, reforçada por exemplos reais e exercícios progressivos, esta obra oferece uma curva de aprendizagem eficaz, preparando o leitor para enfrentar desafios académicos e profissionais no universo MATLAB.
1 Introdução
1.1 Janelas do MATLAB
1.2 Variáveis
1.3 Operações aritméticas simples em MATLAB
1.4 Arredondamentos
1.5 Operadores lógicos
1.6 Operadores relacionais
1.7 Funções trigonométricas
2 Controlo de Fluxo
2.1 Introdução
2.2 Instrução seletiva IF
2.3 Instrução repetitiva FOR
2.4 Instrução repetitiva WHILE
2.5 Seleção de casos SWITCH
2.6 Instrução TRY-CATCH
2.7 Exercícios
3 Matrizes e Estruturas
3.1 Introdução
3.2 Tipos de dados
3.3 Criação de matrizes multidimensionais
3.4 Tamanho e dimensão de matrizes
3.5 Pré-alocação de matrizes
3.6 Concatenação de matrizes
3.7 Acesso aos dados
3.8 Modificar a forma de uma matriz
3.9 Indexação de matrizes multidimensionais
3.10 Manipulação de matrizes de números reais ou complexos
3.11 Exercícios
4 Gráficos
4.1 Introdução
4.2 Componentes de um gráfico
4.3 Gráficos 2-D
4.4 Gráficos 3-D
4.5 Gráficos de superfície
4.6 Função subplot
4.7 Exercícios
5 Ficheiros-M
5.1 Scripts
5.2 Funções
5.3 Exercícios
6 Optimização
6.1 Introdução
6.2 Formulação e Processo de Otimização
6.3 Classificação dos Problemas de Otimização
6.4 Ferramentas de Otimização em MATLAB
6.5 Exemplos Práticos em MATLAB
6.6 Exemplo Prático Completo
6.7 Otimização Multiobjetivo e Avançada
6.8 Exercícios Propostos
7 Redes Neuronais
7.1 Redes Neuronais em MATLAB
7.2 Introdução Teórica
7.3 Preparação e Pré-processamento dos Dados
7.4 Tipos de Redes Neuronais no MATLAB
7.5 Funcionamento Matemático e Algoritmos de Treino
7.6 Exemplo Prático: Classificação com Rede Feedforward
7.7 Treino, Validação e Regularização
7.8 Redes Recorrentes e Séries Temporais
7.9 Visualização e Interpretação dos Resultados
7.10 Perguntas Frequentes e Dicas
7.11 Exemplos Avançados e Casos de Estudo
7.12 Conclusão
7.13 Exercícios Propostos8 Deep Learning: Técnicas e Aplicações Avançadas
8.1 Introdução ao Deep Learning Avançado em MATLAB
8.2 Evolução e Estado da Arte do Deep Learning
8.3 Arquiteturas Profundas e Modernas
8.4 Técnicas Avançadas de Treino e Regularização
8.5 Transferência de Aprendizagem e Fine-Tuning
8.6 Deployment, Otimização e Edge AI
8.7 Explicabilidade, Ética e Segurança em Deep Learning
8.8 Integração com Outras Linguagens e Frameworks
8.9 Desafios Atuais e Futuro do Deep Learning
8.10 Casos de Estudo Avançados
8.11 Exercícios Propostos
9 Reinforcement Learning: Conceitos, Métodos e Aplicações
9.1 Introdução
9.2 Conceitos Fundamentais
9.3 Modelos e Formalismos
9.4 Algoritmos Clássicos de RL
9.5 Deep Reinforcement Learning
9.6 Fluxo de Trabalho Profissional com MATLAB
9.7 Aplicações Avançadas
9.8 Paralelização, Deployment e Integração
9.9 Desafios Atuais e Tendências Futuras
9.10 Dicas Práticas e Boas Práticas
9.11 Exercícios Propostos
10 Matemática Simbólica
10.1 Introdução à Matemática Simbólica em MATLAB
10.3 Álgebra Simbólica Avançada
10.4 Cálculo Diferencial Simbólico
10.5 Cálculo Integral Simbólico
10.6 Limites, Séries e Aproximações
10.7 Equações e Sistemas
10.8 Álgebra Linear Simbólica
10.9 Transformadas
10.10 Aplicações em Física e Engenharia
10.11 Aplicações em Matemática Financeira
10.12 Visualização de Expressões Simbólicas
10.13 Técnicas Avançadas e Otimização
10.14 Exportação e Integração
10.15 Casos de Estudo Completos
10.16 Dicas, Truques e Boas Práticas
10.17 Exercícios Propostos
10.18 Apêndice: Funções de Matemática Simbólica
11 Processamento de Sinal
11.1 Introdução ao Processamento de Sinal em MATLAB
11.2 Fundamentos de Sinais e Sistemas
11.3 Representação e Visualização de Sinais no MATLAB
11.4 Transformadas no Processamento de Sinal
11.5 Filtragem de Sinais
11.6 Análise Espectral e Estatística de Sinais
11.7 Processamento de Áudio Digital
11.8 Identificação e Modelação de Sistemas
11.9 Aplicações Avançadas e Processamento em Tempo Real
11.10 Exercícios Propostos
11.11 Boas Práticas e Otimização em MATLAB
12 Processamento de Imagem
12.1 Introdução ao Processamento de Imagem em MATLAB
12.2 Fundamentos de Imagens Digitais
12.3 Operações Básicas com Imagens
12.4 Transformações Geométricas
12.5 Manipulação de Cor e Contraste
12.6 Filtragem e Suavização
12.7 Deteção de Bordas
12.8 Segmentação de Imagem
12.9 Morfologia Matemática
12.10 Análise de Regiões e Objetos
12.11 Transformações no Domínio da Frequência
12.12 Reconhecimento e Deteção de Objetos
12.13 Aplicações Avançadas
12.14 Desenvolvimento de Interfaces de Utilizador (GUIs)
12.15 Exercícios Propostos
12.16 Melhores Práticas e Dicas
13 Matemática Numérica e Métodos Computacionais
13.1 Introdução à Matemática Numérica
13.2 Erros Numéricos e Estabilidade
13.3 Resolução de Equações Não-Lineares
13.4 Sistemas de Equações Lineares
13.5 Interpolação e Aproximação
13.6 Integração Numérica
13.7 Equações Diferenciais Ordinárias
13.8 Otimização Numérica
13.9 Exercícios Propostos
13.10 Boas Práticas em Cálculo Numérico
14 Sistemas de Controlo e Simulink
14.1 Introdução aos Sistemas de Controlo com MATLAB e Simulink
14.2 Modelação de Sistemas em Simulink
14.3 Projeto de Controladores em Simulink
14.4 Simulação de Sistemas Não Lineares e Multidomínio
14.5 Implementação e Simulação em Tempo Real
14.6 Exemplo Prático: Projeto de um Sistema de Controlo de Velocidade de Motor DC
14.7 Exercícios Propostos
14.8 Boas Práticas em Modelação e Simulação com Simulink
15 Revisões
15.1 Exercícios Propostos
A Anexos
A.1 Anexo I
Nota do Autor
Bibliografia recomendada
Filipe Azevedo é Professor Adjunto no Instituto Superior de Engenharia do Porto e investigador integrado no INESC TEC – Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência. Licenciado e mestre em Engenharia Eletrotécnica e de Computadores pela Faculdade de Engenharia da Universidade do Porto, obteve o grau de Doutor em Engenharia Eletrotécnica e de Computadores pela Universidade de Trás-os-Montes e Alto Douro, com distinção e louvor.
Iniciou a sua carreira profissional na EFACEC Energia, na área técnico-comercial, antes de se dedicar à docência e investigação no ensino superior. Desde 2000, leciona no ISEP, onde tem vindo a desenvolver trabalho nas áreas dos sistemas de energia, inteligência artificial e engenharia económica.
A sua investigação no INESC TEC incide sobretudo na modelação e otimização de redes elétricas inteligentes, nos mercados de energia elétrica, na integração de fontes renováveis e na aplicação de técnicas de apoio à decisão. Os seus interesses estendem-se ainda à segurança energética, criptografia e cibersegurança, com particular atenção ao impacto destas tecnologias em contextos estratégicos.
Com mais de duas décadas de experiência académica e científica, tem procurado articular a prática pedagógica com uma investigação aplicada, desenvolvendo soluções inovadoras e formando engenheiros com sentido crítico e visão tecnológica.