SlideShare a Scribd company logo
1 of 12
Download to read offline
Algoritmos e
Estruturas de Dados
Aula 5 e Aula 6
04 e 11/09/2012
Profª Ms. Engª Elaine Cecília Gatto
Unidade 5: Variáveis Compostas
Curso de Bacharelado em Engenharia de Computação
Universidade do Sagrado Coração – USC
Bauru/SP
Vetores
• Variáveis compostas homogêneas: é um conjunto de dados do
  mesmo tipo.
• Variáveis compostas homogêneas unidimensionais: são
  variáveis compostas que necessitam de apenas um índice para
  individualizar um elemento do conjunto. Essas variáveis são
  chamadas de vetores.
• Declaração:
    nome_do_vetor: vetor[1..dimensao] de tipo_de_dados;

• Em que 1 .. Dimensao é a quantidade de elementos do vetor;
• Exemplo:
                  nota: vetor[1..50] de reais;
Vetores
• Exemplo:
• Media: vetor[1..5] de reais;

  Posição do elemento no vetor   Conteúdo do vetor
  media[1]                       3.2
  media[2]                       5.7
  media[3]                       9.5
  media[4]                       10
  media[5]                       1.3
Vetores
 algoritmo exemplo;
 inicio
     inteiro: i;
     n: vetor[1..4] de reais;
     para i de 1 até 4 passo 1 faça
         inicio
            escreva(‘digite um número’);
            leia(n[i]);
         fim para;
     escreva(‘posição valor’);
     para i de 1 até 4 passo 1 faça
         inicio
            escreva(i, n[i]);
         fim para;
 fim.
Vetores
• Declaração de vetores em pascal:
      nome ... vetor: array[1 ... dimensao] of tipo ... dados;
• Em que 1 ... Dimensao é o tamanho do vetor.
• Exemplo:
var
  v: array[1..6] of integer;

• Atribuindo valores avulsos ao vetor:
• V[5]  28; (posição 5 recebe o valor 28)
Vetores
program vetor1;
var
    n,i,maior:integer;
    nro:array[1..100] of integer;
begin
    write('forneca a quantidade de numeros: '); readln(n);
    writeln;
    for i:=1 to n do
          begin
          write('forneca o ',i,'o. numero: ');
          readln(nro[i]);
          end;
    writeln;
    maior:=nro[1];
    for i:=2 to n do
          begin
          if (nro[i] > maior)then maior:=nro[i];
          end;
    writeln('maior numero: ',maior);
    readln;
end.
Vetores
Não é possível:

Não se pode ler todo um vetor diretamente com um comando read.
Não se pode escrever: read(v);

É necessário ler elemento por elemento, diretamente, ou com um laço
de repetição como for.

Não se pode escrever todos os elementos de um vetor com um único
comando write. Não é permitido escrever: write(v). Também nesse
caso cada elemento deve ser tratado como uma variável
independente, por exemplo:

    for i:= 1 to 6 do write(v[i]:3);
Vetores
Não é possível copiar os valores dos elementos de um vetor para outro
com um único comando de atribuição. Ou seja, dados dois vetores v e
w, ambos do mesmo tamanho e do mesmo tipo, não é permitido fazer:
w:= v; . Também aqui é necessário trabalhar elemento a elemento, e o
comando for mais uma vez é indicado:

   for i:= 1 to 6 do w[i]:= v[i];

Não existe comandos ou funções que dão o tamanho (número de
elementos) de um vetor.

Não é permitido tentar acessar uma posição fora do intervalo de
posições definido para o vetor. A tentativa causará um erro em tempo
de execução e o programa abortará. No caso do vetor v acima, por
exemplo, não é permitido escrever: v[8]:= 20, read(v[8]) ou write
(v[8]) porque a faixa de valores das posições vai de 1 a 6 apenas.
Vetores
A faixa de valores das posições não precisa começar em 1. Qualquer
intervalo de valores pode ser usado na definição de um vetor. Por
exemplo, podemos definir um vetor assim:

var v:array[15..20] of real;

Nesse caso o vetor v terá apenas os elementos: v[15], v[16], v[17],
v[18], v[19] e v[20]

As posições não precisam ser necessariamente números inteiros.
Podem ser qualquer tipo ordinal, ou seja, que possa ser definido por
uma seqüência ordenada de valores.

Por exemplo, os caracteres em Pascal formam uma seqüência
ordenada na tabela de caracteres, e podem portanto serem
marcadores de posição em um vetor.
Vetores
Podemos definir um vetor assim:

 var letras: array['a'..'z'] of integer;

Nesse caso os elementos do vetor são: letras['a'], letras['b'], …..,
letras['z']

Um uso possível para esse vetor poderia ser que cada posição
poderia guardar a quantidade de vezes que a letra dessa posição
aparece em uma determinada frase.
Exercícios:
    Faça primeiro em pseudocódigo e depois passe para pascal.

1. Faça um algoritmo para ler dez números e armazená-los em um
   vetor. Em seguida, calcule e imprima a soma e a média destes
   números. Imprima também o vetor.
2. Modifique o exercício anterior para calcular a média dos números
   negativos e a porcentagem de números positivos.
3. Faça um algoritmo para ler cinco número inteiros quaisquer e
   armazene-os em um vetor A. Em seguida, crie um novo vetor B
   cujos elementos são os elemmentos do vetor A com sinal trocado.
   Imprima os dois vetores. Exemplo:
                       Vetor A: 5 -3 6 67 -10
                       Vetor B: -5 3 -6 -67 10
Exercícios
4. Faça um algoritmo para ler cinco números inteiros quaisquer
   e armazene-os em um vetor. Em seguida, imprima o vetor e
   quantos elementos do vetor são positivos, quantos são
   negativos, e quantos são nulos.
5. Faça um algoritmo para ler dez números quaisquer e
   armaze-os em um vetor. Em seguida, imprimir o vetor, o
   maior e o menor valores armazenados no vetor.
6. Faça um algoritmo para ler a nota de prova e de trabalho de
   dez alunos. Armazenar as notas em dois vetores diferentes.
   Em seguida, calcular a média de cada aluno, armazenando-
   os em um outro vetor. Imprimir a maior e a menor média,
   quantos alunos obtiveram média igual ou superior à 7,0, e
   os três vetores.

More Related Content

Similar to Aula 5 aed - vetores

Similar to Aula 5 aed - vetores (20)

Algoritmos - Vetores
Algoritmos - VetoresAlgoritmos - Vetores
Algoritmos - Vetores
 
Aula 06 vetores e matrizes
Aula 06   vetores e matrizesAula 06   vetores e matrizes
Aula 06 vetores e matrizes
 
Vetores e Matrizes em C.
Vetores e Matrizes em C.Vetores e Matrizes em C.
Vetores e Matrizes em C.
 
Algoritmos e Programação: Vetores
Algoritmos e Programação: VetoresAlgoritmos e Programação: Vetores
Algoritmos e Programação: Vetores
 
Cap09
Cap09Cap09
Cap09
 
Cap09
Cap09Cap09
Cap09
 
Cap09
Cap09Cap09
Cap09
 
Aula06
Aula06Aula06
Aula06
 
mod4-estruturas-dadosestaticas-ordenacao
mod4-estruturas-dadosestaticas-ordenacaomod4-estruturas-dadosestaticas-ordenacao
mod4-estruturas-dadosestaticas-ordenacao
 
Vetores e Matrizes.pdf
Vetores e Matrizes.pdfVetores e Matrizes.pdf
Vetores e Matrizes.pdf
 
Aula 8 - Vetores e Matrizes.pptx
Aula 8 - Vetores e Matrizes.pptxAula 8 - Vetores e Matrizes.pptx
Aula 8 - Vetores e Matrizes.pptx
 
Aula 13
Aula 13Aula 13
Aula 13
 
Lógica de Programação - Vetor
Lógica de Programação - VetorLógica de Programação - Vetor
Lógica de Programação - Vetor
 
Manual PSInf - Modulo 5
Manual PSInf - Modulo 5Manual PSInf - Modulo 5
Manual PSInf - Modulo 5
 
Alg aula 06 - vetores tp1
Alg   aula 06 - vetores tp1Alg   aula 06 - vetores tp1
Alg aula 06 - vetores tp1
 
Ap vetores
Ap vetoresAp vetores
Ap vetores
 
Alg04 - Vetores e Matrizes.pdf
Alg04 - Vetores e Matrizes.pdfAlg04 - Vetores e Matrizes.pdf
Alg04 - Vetores e Matrizes.pdf
 
Aula Vetores - 08-05-2023.pdf
Aula Vetores - 08-05-2023.pdfAula Vetores - 08-05-2023.pdf
Aula Vetores - 08-05-2023.pdf
 
Aula 2 | Vetores
Aula 2 | VetoresAula 2 | Vetores
Aula 2 | Vetores
 
Algoritmos - Aula 07 A - Vetores
Algoritmos - Aula 07 A - VetoresAlgoritmos - Aula 07 A - Vetores
Algoritmos - Aula 07 A - Vetores
 

More from Elaine Cecília Gatto

A influência da Tecnologia em cada faixa etaria
A influência da Tecnologia em cada faixa etariaA influência da Tecnologia em cada faixa etaria
A influência da Tecnologia em cada faixa etariaElaine Cecília Gatto
 
Inteligência Artificial Aplicada à Medicina
Inteligência Artificial Aplicada à MedicinaInteligência Artificial Aplicada à Medicina
Inteligência Artificial Aplicada à MedicinaElaine Cecília Gatto
 
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...Elaine Cecília Gatto
 
Apresentação da minha tese de doutorado no EPPC
Apresentação da minha tese de doutorado no EPPCApresentação da minha tese de doutorado no EPPC
Apresentação da minha tese de doutorado no EPPCElaine Cecília Gatto
 
Como a pesquisa científica impacta o mundo real.pptx
Como a pesquisa científica impacta o mundo real.pptxComo a pesquisa científica impacta o mundo real.pptx
Como a pesquisa científica impacta o mundo real.pptxElaine Cecília Gatto
 
Explorando correlações entre rótulos para o particionamento do espaço de rótu...
Explorando correlações entre rótulos para o particionamento do espaço de rótu...Explorando correlações entre rótulos para o particionamento do espaço de rótu...
Explorando correlações entre rótulos para o particionamento do espaço de rótu...Elaine Cecília Gatto
 
Community Detection for Multi-Label Classification - Seminários UFSCar
Community Detection for Multi-Label Classification - Seminários UFSCarCommunity Detection for Multi-Label Classification - Seminários UFSCar
Community Detection for Multi-Label Classification - Seminários UFSCarElaine Cecília Gatto
 
Classificação Multirrótulo: Aprendizado de Correlações
Classificação Multirrótulo: Aprendizado de CorrelaçõesClassificação Multirrótulo: Aprendizado de Correlações
Classificação Multirrótulo: Aprendizado de CorrelaçõesElaine Cecília Gatto
 
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...Elaine Cecília Gatto
 
Community Detection Method for Multi-Label Classification
Community Detection Method for Multi-Label ClassificationCommunity Detection Method for Multi-Label Classification
Community Detection Method for Multi-Label ClassificationElaine Cecília Gatto
 
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdf
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdfMulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdf
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdfElaine Cecília Gatto
 
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...Elaine Cecília Gatto
 
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...Elaine Cecília Gatto
 
Pipeline desdobramento escalonamento
Pipeline desdobramento escalonamentoPipeline desdobramento escalonamento
Pipeline desdobramento escalonamentoElaine Cecília Gatto
 
Resumo das Instruções de Desvio Incondicionais MIPS 32 bits
Resumo das Instruções de Desvio Incondicionais MIPS 32 bitsResumo das Instruções de Desvio Incondicionais MIPS 32 bits
Resumo das Instruções de Desvio Incondicionais MIPS 32 bitsElaine Cecília Gatto
 
Como descobrir e classificar coisas usando machine learning sem compilcação
Como descobrir e classificar coisas usando machine learning sem compilcaçãoComo descobrir e classificar coisas usando machine learning sem compilcação
Como descobrir e classificar coisas usando machine learning sem compilcaçãoElaine Cecília Gatto
 

More from Elaine Cecília Gatto (20)

A influência da Tecnologia em cada faixa etaria
A influência da Tecnologia em cada faixa etariaA influência da Tecnologia em cada faixa etaria
A influência da Tecnologia em cada faixa etaria
 
Inteligência Artificial Aplicada à Medicina
Inteligência Artificial Aplicada à MedicinaInteligência Artificial Aplicada à Medicina
Inteligência Artificial Aplicada à Medicina
 
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...
Além do Aprendizado Local e Global: Particionando o espaço de classes em prob...
 
Apresentação da minha tese de doutorado no EPPC
Apresentação da minha tese de doutorado no EPPCApresentação da minha tese de doutorado no EPPC
Apresentação da minha tese de doutorado no EPPC
 
entrevista r7.pdf
entrevista r7.pdfentrevista r7.pdf
entrevista r7.pdf
 
Como a pesquisa científica impacta o mundo real.pptx
Como a pesquisa científica impacta o mundo real.pptxComo a pesquisa científica impacta o mundo real.pptx
Como a pesquisa científica impacta o mundo real.pptx
 
Empoderamento Feminino
Empoderamento FemininoEmpoderamento Feminino
Empoderamento Feminino
 
Explorando correlações entre rótulos para o particionamento do espaço de rótu...
Explorando correlações entre rótulos para o particionamento do espaço de rótu...Explorando correlações entre rótulos para o particionamento do espaço de rótu...
Explorando correlações entre rótulos para o particionamento do espaço de rótu...
 
Community Detection for Multi-Label Classification - Seminários UFSCar
Community Detection for Multi-Label Classification - Seminários UFSCarCommunity Detection for Multi-Label Classification - Seminários UFSCar
Community Detection for Multi-Label Classification - Seminários UFSCar
 
Classificação Multirrótulo: Aprendizado de Correlações
Classificação Multirrótulo: Aprendizado de CorrelaçõesClassificação Multirrótulo: Aprendizado de Correlações
Classificação Multirrótulo: Aprendizado de Correlações
 
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
 
Community Detection Method for Multi-Label Classification
Community Detection Method for Multi-Label ClassificationCommunity Detection Method for Multi-Label Classification
Community Detection Method for Multi-Label Classification
 
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdf
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdfMulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdf
Mulheres na Campus Party assumir o feminismo ou não – Blogueiras Feministas.pdf
 
Curtinhas de sábado.pdf
Curtinhas de sábado.pdfCurtinhas de sábado.pdf
Curtinhas de sábado.pdf
 
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...
Explorando Correlações entre Rótulos usando Métodos de Detecção de Comu...
 
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
EXPLORANDO CORRELAÇÕES PARA O PARTICIONAMENTO DO ESPAÇO DE RÓTULOS EM PROBLEM...
 
Pipeline desdobramento escalonamento
Pipeline desdobramento escalonamentoPipeline desdobramento escalonamento
Pipeline desdobramento escalonamento
 
Cheat sheet Mips 32 bits
Cheat sheet Mips 32 bitsCheat sheet Mips 32 bits
Cheat sheet Mips 32 bits
 
Resumo das Instruções de Desvio Incondicionais MIPS 32 bits
Resumo das Instruções de Desvio Incondicionais MIPS 32 bitsResumo das Instruções de Desvio Incondicionais MIPS 32 bits
Resumo das Instruções de Desvio Incondicionais MIPS 32 bits
 
Como descobrir e classificar coisas usando machine learning sem compilcação
Como descobrir e classificar coisas usando machine learning sem compilcaçãoComo descobrir e classificar coisas usando machine learning sem compilcação
Como descobrir e classificar coisas usando machine learning sem compilcação
 

Aula 5 aed - vetores

  • 1. Algoritmos e Estruturas de Dados Aula 5 e Aula 6 04 e 11/09/2012 Profª Ms. Engª Elaine Cecília Gatto Unidade 5: Variáveis Compostas Curso de Bacharelado em Engenharia de Computação Universidade do Sagrado Coração – USC Bauru/SP
  • 2. Vetores • Variáveis compostas homogêneas: é um conjunto de dados do mesmo tipo. • Variáveis compostas homogêneas unidimensionais: são variáveis compostas que necessitam de apenas um índice para individualizar um elemento do conjunto. Essas variáveis são chamadas de vetores. • Declaração: nome_do_vetor: vetor[1..dimensao] de tipo_de_dados; • Em que 1 .. Dimensao é a quantidade de elementos do vetor; • Exemplo: nota: vetor[1..50] de reais;
  • 3. Vetores • Exemplo: • Media: vetor[1..5] de reais; Posição do elemento no vetor Conteúdo do vetor media[1] 3.2 media[2] 5.7 media[3] 9.5 media[4] 10 media[5] 1.3
  • 4. Vetores algoritmo exemplo; inicio inteiro: i; n: vetor[1..4] de reais; para i de 1 até 4 passo 1 faça inicio escreva(‘digite um número’); leia(n[i]); fim para; escreva(‘posição valor’); para i de 1 até 4 passo 1 faça inicio escreva(i, n[i]); fim para; fim.
  • 5. Vetores • Declaração de vetores em pascal: nome ... vetor: array[1 ... dimensao] of tipo ... dados; • Em que 1 ... Dimensao é o tamanho do vetor. • Exemplo: var v: array[1..6] of integer; • Atribuindo valores avulsos ao vetor: • V[5]  28; (posição 5 recebe o valor 28)
  • 6. Vetores program vetor1; var n,i,maior:integer; nro:array[1..100] of integer; begin write('forneca a quantidade de numeros: '); readln(n); writeln; for i:=1 to n do begin write('forneca o ',i,'o. numero: '); readln(nro[i]); end; writeln; maior:=nro[1]; for i:=2 to n do begin if (nro[i] > maior)then maior:=nro[i]; end; writeln('maior numero: ',maior); readln; end.
  • 7. Vetores Não é possível: Não se pode ler todo um vetor diretamente com um comando read. Não se pode escrever: read(v); É necessário ler elemento por elemento, diretamente, ou com um laço de repetição como for. Não se pode escrever todos os elementos de um vetor com um único comando write. Não é permitido escrever: write(v). Também nesse caso cada elemento deve ser tratado como uma variável independente, por exemplo: for i:= 1 to 6 do write(v[i]:3);
  • 8. Vetores Não é possível copiar os valores dos elementos de um vetor para outro com um único comando de atribuição. Ou seja, dados dois vetores v e w, ambos do mesmo tamanho e do mesmo tipo, não é permitido fazer: w:= v; . Também aqui é necessário trabalhar elemento a elemento, e o comando for mais uma vez é indicado: for i:= 1 to 6 do w[i]:= v[i]; Não existe comandos ou funções que dão o tamanho (número de elementos) de um vetor. Não é permitido tentar acessar uma posição fora do intervalo de posições definido para o vetor. A tentativa causará um erro em tempo de execução e o programa abortará. No caso do vetor v acima, por exemplo, não é permitido escrever: v[8]:= 20, read(v[8]) ou write (v[8]) porque a faixa de valores das posições vai de 1 a 6 apenas.
  • 9. Vetores A faixa de valores das posições não precisa começar em 1. Qualquer intervalo de valores pode ser usado na definição de um vetor. Por exemplo, podemos definir um vetor assim: var v:array[15..20] of real; Nesse caso o vetor v terá apenas os elementos: v[15], v[16], v[17], v[18], v[19] e v[20] As posições não precisam ser necessariamente números inteiros. Podem ser qualquer tipo ordinal, ou seja, que possa ser definido por uma seqüência ordenada de valores. Por exemplo, os caracteres em Pascal formam uma seqüência ordenada na tabela de caracteres, e podem portanto serem marcadores de posição em um vetor.
  • 10. Vetores Podemos definir um vetor assim: var letras: array['a'..'z'] of integer; Nesse caso os elementos do vetor são: letras['a'], letras['b'], ….., letras['z'] Um uso possível para esse vetor poderia ser que cada posição poderia guardar a quantidade de vezes que a letra dessa posição aparece em uma determinada frase.
  • 11. Exercícios: Faça primeiro em pseudocódigo e depois passe para pascal. 1. Faça um algoritmo para ler dez números e armazená-los em um vetor. Em seguida, calcule e imprima a soma e a média destes números. Imprima também o vetor. 2. Modifique o exercício anterior para calcular a média dos números negativos e a porcentagem de números positivos. 3. Faça um algoritmo para ler cinco número inteiros quaisquer e armazene-os em um vetor A. Em seguida, crie um novo vetor B cujos elementos são os elemmentos do vetor A com sinal trocado. Imprima os dois vetores. Exemplo: Vetor A: 5 -3 6 67 -10 Vetor B: -5 3 -6 -67 10
  • 12. Exercícios 4. Faça um algoritmo para ler cinco números inteiros quaisquer e armazene-os em um vetor. Em seguida, imprima o vetor e quantos elementos do vetor são positivos, quantos são negativos, e quantos são nulos. 5. Faça um algoritmo para ler dez números quaisquer e armaze-os em um vetor. Em seguida, imprimir o vetor, o maior e o menor valores armazenados no vetor. 6. Faça um algoritmo para ler a nota de prova e de trabalho de dez alunos. Armazenar as notas em dois vetores diferentes. Em seguida, calcular a média de cada aluno, armazenando- os em um outro vetor. Imprimir a maior e a menor média, quantos alunos obtiveram média igual ou superior à 7,0, e os três vetores.