SlideShare ist ein Scribd-Unternehmen logo
1 von 17
Downloaden Sie, um offline zu lesen
Matrizes em C
Yuri Tavares dos Passos
Gabriel de Carvalho Arimatéa
Fernando Melo Nascimento
Matrizes em C
● Em qualquer linguagem de programação, uma
matriz é uma estrutura de armazenamento de
dados com indexação bidimensional.
● A primeira dimensão corresponde a linha da
matriz e a segunda dimensão a coluna.
● Assim como na Matemática, matrizes podem
ser representadas graficamente como nos
exemplos a seguir:
Matrizes em C
● Em C, a declaração de uma matriz é feita de modo
análogo ao vetor, mas com o uso de uma dimensão
extra:
– int A[3][3];
– float B[3][2];
● Em C, a utilização de matriz é feita elemento a
elemento. Para acessar cada elemento deve-se indexá-
lo pela linha e pela coluna:
– A[0][0] = 2;
– A[0][1] = 3;
– B[2][0] = 1.1;
– B[1][1] = 7.1;
Matrizes em C
● Para inicializar uma matriz o processo é
semelhante ao de vetores, mas deve-se
considerar que cada linha da matriz é um
vetor individual.
● Exemplo:
– int A[3][3] = {{2,3,7},{9,1,-1},{0,0,1}};
– float B[3][2] = {{2,7},{4.01,7.1},{1.1,0.01}};
Exemplo 1
● Escreva um algoritmo que leia uma matriz
de 5 linhas por 10 colunas de números
reais via teclado. Em seguida, escreva
esta matriz na tela.
Exemplo 1
Exemplo 2
● Escreva um algoritmo que extraia a
diagonal principal de uma matriz NxN,
quadrada, com N elementos e seus
elementos lidos pelo usuário. Salve os
valores da diagonal em um vetor e escreva
seus valores na tela.
Exemplo 2
Exemplo 3
● Escreva um algoritmo que leia duas
matrizes. A matriz A tem tamanho MxN e a
matriz B é LxC. Faça um algoritmo que:
– Teste se é possível realizar a multiplicação de
A por B. Isto só é possível se N=L.
– Se elas podem ser multiplicadas, crie uma
matriz C resultante desta multiplicação, onde:
Ci , j= ∑
K=1
N
aiK bKj
Exemplo 3
Exemplo 3 (cont.)
Exemplo 4
● Escreva um algoritmo que leia uma matriz
MxN e armazene seus elementos em um
vetor. Leia os elementos da matriz linha
por linha. Exemplo:
A=
[
1 2 3
4 5 6
7 8 9] V =
[
1
2
3
4
5
6
7
8
9
]
Exemplo 4
Exemplo 5
● Escreva um algoritmo que leia um vetor de
tamanho MN e escreva seus elementos
em uma matriz de tamanho MxN.
– Ao invés de ler a matriz e escrever o vetor,
deve-se ler o vetor e escrever a matriz
Exemplo 5
Exemplo 5 (cont.)
Exercício
● Escreva um algoritmo que leia a
quantidade de linhas e colunas de uma
matriz, leia a posição i e j de um elemento
qualquer desta matriz e indique qual a
posição K do vetor da questão 3 este
elemento se encontraria. Não crie nenhum
vetor ou matriz neste programa.

Weitere ähnliche Inhalte

Was ist angesagt?

Matemática Discreta - Parte V relações
Matemática Discreta - Parte V relaçõesMatemática Discreta - Parte V relações
Matemática Discreta - Parte V relações
Ulrich Schiel
 
Lista de exercícios resolvidos
Lista de exercícios resolvidosLista de exercícios resolvidos
Lista de exercícios resolvidos
Crishna Irion
 
01 introdução à algebra relacional
01   introdução à algebra relacional01   introdução à algebra relacional
01 introdução à algebra relacional
charlesoliveira13
 
Aula 4 - Teste de mesa
Aula 4 - Teste de mesaAula 4 - Teste de mesa
Aula 4 - Teste de mesa
Pacc UAB
 
Aula 13 - Matrizes
Aula 13 - MatrizesAula 13 - Matrizes
Aula 13 - Matrizes
Pacc UAB
 

Was ist angesagt? (20)

Aula 3 algoritmos
Aula 3   algoritmosAula 3   algoritmos
Aula 3 algoritmos
 
Pseudocódigo ou Portugol (Lógica de Programação)
Pseudocódigo ou Portugol (Lógica de Programação)Pseudocódigo ou Portugol (Lógica de Programação)
Pseudocódigo ou Portugol (Lógica de Programação)
 
Aula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem CAula sobre matrizes - Linguagem C
Aula sobre matrizes - Linguagem C
 
Introdução a Banco de Dados
Introdução a Banco de DadosIntrodução a Banco de Dados
Introdução a Banco de Dados
 
Banco de dados exercícios resolvidos
Banco de dados exercícios resolvidosBanco de dados exercícios resolvidos
Banco de dados exercícios resolvidos
 
Aula 01 - Algoritmo e Programação
Aula 01 - Algoritmo e ProgramaçãoAula 01 - Algoritmo e Programação
Aula 01 - Algoritmo e Programação
 
EXCEL 2019
EXCEL 2019EXCEL 2019
EXCEL 2019
 
Excel Básico
Excel BásicoExcel Básico
Excel Básico
 
Exercicios resolvidos visu alg vetores
Exercicios resolvidos visu alg vetoresExercicios resolvidos visu alg vetores
Exercicios resolvidos visu alg vetores
 
Introdução ao SQL
Introdução ao SQLIntrodução ao SQL
Introdução ao SQL
 
Lista de exercícios em portugol
Lista de exercícios em portugolLista de exercícios em portugol
Lista de exercícios em portugol
 
Matemática Discreta - Parte V relações
Matemática Discreta - Parte V relaçõesMatemática Discreta - Parte V relações
Matemática Discreta - Parte V relações
 
Aula01 - Logica de Programação
Aula01 - Logica de ProgramaçãoAula01 - Logica de Programação
Aula01 - Logica de Programação
 
Lista de exercícios resolvidos
Lista de exercícios resolvidosLista de exercícios resolvidos
Lista de exercícios resolvidos
 
Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)
 
BD I - Aula 08 B - Algebra Relacional - Exercicios Resolucao
BD I - Aula 08 B - Algebra Relacional - Exercicios ResolucaoBD I - Aula 08 B - Algebra Relacional - Exercicios Resolucao
BD I - Aula 08 B - Algebra Relacional - Exercicios Resolucao
 
01 introdução à algebra relacional
01   introdução à algebra relacional01   introdução à algebra relacional
01 introdução à algebra relacional
 
Aula 4 - Teste de mesa
Aula 4 - Teste de mesaAula 4 - Teste de mesa
Aula 4 - Teste de mesa
 
Aula 01 - Introdução ao C++
Aula 01 - Introdução ao C++Aula 01 - Introdução ao C++
Aula 01 - Introdução ao C++
 
Aula 13 - Matrizes
Aula 13 - MatrizesAula 13 - Matrizes
Aula 13 - Matrizes
 

Andere mochten auch

Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
Network Learning: AI-driven Connectivist Framework for E-Learning 3.0Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
Neil Rubens
 
ThingTank @ MIT-Skoltech Innovation Symposium 2014
ThingTank @ MIT-Skoltech Innovation Symposium 2014ThingTank @ MIT-Skoltech Innovation Symposium 2014
ThingTank @ MIT-Skoltech Innovation Symposium 2014
Neil Rubens
 
Arquiteturas de software para computação ubiqua
Arquiteturas de software para computação ubiquaArquiteturas de software para computação ubiqua
Arquiteturas de software para computação ubiqua
Rubens Matos Junior
 

Andere mochten auch (20)

IBECC - Contratos Empresariais - Revisão e Controle
IBECC - Contratos Empresariais - Revisão e ControleIBECC - Contratos Empresariais - Revisão e Controle
IBECC - Contratos Empresariais - Revisão e Controle
 
Ecossistemas de startups nordestinos os desafios para a competitividade (2)
Ecossistemas de startups nordestinos  os desafios para a competitividade (2)Ecossistemas de startups nordestinos  os desafios para a competitividade (2)
Ecossistemas de startups nordestinos os desafios para a competitividade (2)
 
MySQL - copiando, movendo e restaurando dados
MySQL - copiando, movendo e restaurando dadosMySQL - copiando, movendo e restaurando dados
MySQL - copiando, movendo e restaurando dados
 
Social Web Studies - What kind of collaboration is right for your business
Social Web Studies - What kind of collaboration is right for your businessSocial Web Studies - What kind of collaboration is right for your business
Social Web Studies - What kind of collaboration is right for your business
 
Palestra - Bem vindo a era pós-digital: Empreendendo em um ambiente mutante.
Palestra - Bem vindo a era pós-digital: Empreendendo em um ambiente mutante.Palestra - Bem vindo a era pós-digital: Empreendendo em um ambiente mutante.
Palestra - Bem vindo a era pós-digital: Empreendendo em um ambiente mutante.
 
Web 2.0 Collaboration – Using digital tools for redesigning governance
Web 2.0 Collaboration – Using digital tools for redesigning governanceWeb 2.0 Collaboration – Using digital tools for redesigning governance
Web 2.0 Collaboration – Using digital tools for redesigning governance
 
Web 2.0 Collaboration – Using digital tools for redesigning governance
Web 2.0 Collaboration – Using digital tools for redesigning governanceWeb 2.0 Collaboration – Using digital tools for redesigning governance
Web 2.0 Collaboration – Using digital tools for redesigning governance
 
O papel da internet na Assessoria de Imprensa
O papel da internet na Assessoria de ImprensaO papel da internet na Assessoria de Imprensa
O papel da internet na Assessoria de Imprensa
 
Ruby on rails - CEFET de Lagarto
Ruby on rails - CEFET de LagartoRuby on rails - CEFET de Lagarto
Ruby on rails - CEFET de Lagarto
 
Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
Network Learning: AI-driven Connectivist Framework for E-Learning 3.0Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
Network Learning: AI-driven Connectivist Framework for E-Learning 3.0
 
Plano do Projeto
Plano do ProjetoPlano do Projeto
Plano do Projeto
 
Projeto software alem da tecnologia v2
Projeto   software alem da tecnologia v2Projeto   software alem da tecnologia v2
Projeto software alem da tecnologia v2
 
Google+ Para Empresas - GBG Aracaju - Tiago Araujo Melo
Google+ Para Empresas - GBG Aracaju - Tiago Araujo MeloGoogle+ Para Empresas - GBG Aracaju - Tiago Araujo Melo
Google+ Para Empresas - GBG Aracaju - Tiago Araujo Melo
 
História do Escritório Virtual de Aracaju
História do Escritório Virtual de AracajuHistória do Escritório Virtual de Aracaju
História do Escritório Virtual de Aracaju
 
ThingTank @ MIT-Skoltech Innovation Symposium 2014
ThingTank @ MIT-Skoltech Innovation Symposium 2014ThingTank @ MIT-Skoltech Innovation Symposium 2014
ThingTank @ MIT-Skoltech Innovation Symposium 2014
 
Introdução ao scrum
Introdução ao scrumIntrodução ao scrum
Introdução ao scrum
 
Arquiteturas de software para computação ubiqua
Arquiteturas de software para computação ubiquaArquiteturas de software para computação ubiqua
Arquiteturas de software para computação ubiqua
 
Análise dos sites dos presidenciáveis - Eleições 2014
Análise dos sites dos presidenciáveis - Eleições 2014Análise dos sites dos presidenciáveis - Eleições 2014
Análise dos sites dos presidenciáveis - Eleições 2014
 
Desafios da Cocriação
Desafios da CocriaçãoDesafios da Cocriação
Desafios da Cocriação
 
Apresentação ForkInSergipe
Apresentação ForkInSergipeApresentação ForkInSergipe
Apresentação ForkInSergipe
 

Ähnlich wie Aula06 matriz em C

Ähnlich wie Aula06 matriz em C (20)

Aula05
Aula05Aula05
Aula05
 
Apostila vol1 matlab
Apostila vol1 matlabApostila vol1 matlab
Apostila vol1 matlab
 
Plano de trabalho matrizes e determinantes.
Plano de trabalho  matrizes e determinantes.Plano de trabalho  matrizes e determinantes.
Plano de trabalho matrizes e determinantes.
 
Algoritmos e Programação: Matrizes
Algoritmos e Programação: MatrizesAlgoritmos e Programação: Matrizes
Algoritmos e Programação: Matrizes
 
Notas.al
Notas.alNotas.al
Notas.al
 
Linguagem c wellington telles - aula 06
Linguagem c   wellington telles - aula 06Linguagem c   wellington telles - aula 06
Linguagem c wellington telles - aula 06
 
Aula04
Aula04Aula04
Aula04
 
Aula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvidoAula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvido
 
aula4_economia.ppt
aula4_economia.pptaula4_economia.ppt
aula4_economia.ppt
 
Plano de trabalho matrizes e determinantes
Plano de trabalho  matrizes e determinantesPlano de trabalho  matrizes e determinantes
Plano de trabalho matrizes e determinantes
 
Matrizes
MatrizesMatrizes
Matrizes
 
Multiplicação de matrizes
Multiplicação de matrizesMultiplicação de matrizes
Multiplicação de matrizes
 
Gaal_Aula_01
Gaal_Aula_01Gaal_Aula_01
Gaal_Aula_01
 
Gaal_Aula_01
Gaal_Aula_01Gaal_Aula_01
Gaal_Aula_01
 
Minicurso Matlab IVSEE 2013 UERJ
Minicurso Matlab IVSEE 2013 UERJMinicurso Matlab IVSEE 2013 UERJ
Minicurso Matlab IVSEE 2013 UERJ
 
Álgebra Linear e Suas Aplicações - André Gustavo de A. Santos
Álgebra Linear e Suas Aplicações -  André Gustavo de A. SantosÁlgebra Linear e Suas Aplicações -  André Gustavo de A. Santos
Álgebra Linear e Suas Aplicações - André Gustavo de A. Santos
 
Filtro_matlab_toobox
Filtro_matlab_tooboxFiltro_matlab_toobox
Filtro_matlab_toobox
 
Algoritmo e estruturas de dados operações com matrizes
Algoritmo e estruturas de dados operações com matrizesAlgoritmo e estruturas de dados operações com matrizes
Algoritmo e estruturas de dados operações com matrizes
 
IMRT, sua Implementação no CAT3D
IMRT,  sua Implementação no CAT3DIMRT,  sua Implementação no CAT3D
IMRT, sua Implementação no CAT3D
 
10 - Matrizes
10 - Matrizes10 - Matrizes
10 - Matrizes
 

Mehr von Yuri Passos

Mehr von Yuri Passos (20)

06-Complementos de LRE e LR - Reducoes.pdf
06-Complementos de LRE e LR - Reducoes.pdf06-Complementos de LRE e LR - Reducoes.pdf
06-Complementos de LRE e LR - Reducoes.pdf
 
03-Notacoes O omega teta Complexidade e Corretude.pdf
03-Notacoes O omega teta Complexidade e Corretude.pdf03-Notacoes O omega teta Complexidade e Corretude.pdf
03-Notacoes O omega teta Complexidade e Corretude.pdf
 
04-Extensoes de MTs.pdf
04-Extensoes de MTs.pdf04-Extensoes de MTs.pdf
04-Extensoes de MTs.pdf
 
07 intratablilidade
07 intratablilidade07 intratablilidade
07 intratablilidade
 
05 indecibilidade
05 indecibilidade05 indecibilidade
05 indecibilidade
 
09 problemas de grafos np-completos
09 problemas de grafos np-completos09 problemas de grafos np-completos
09 problemas de grafos np-completos
 
10 maquinas probabilisticas
10 maquinas probabilisticas10 maquinas probabilisticas
10 maquinas probabilisticas
 
Teorema de rice
Teorema de riceTeorema de rice
Teorema de rice
 
01 maquinas de turing
01 maquinas de turing01 maquinas de turing
01 maquinas de turing
 
02 maquinas de turing modificadas
02 maquinas de turing modificadas02 maquinas de turing modificadas
02 maquinas de turing modificadas
 
04 tese de church-turing
04 tese de church-turing04 tese de church-turing
04 tese de church-turing
 
07 intratablilidade
07 intratablilidade07 intratablilidade
07 intratablilidade
 
08 SAT e Variacões
08 SAT e Variacões08 SAT e Variacões
08 SAT e Variacões
 
Aula04 ponteiros e conversao
Aula04   ponteiros e conversaoAula04   ponteiros e conversao
Aula04 ponteiros e conversao
 
Aula02 condicionais
Aula02   condicionaisAula02   condicionais
Aula02 condicionais
 
Aula01 introducao operacoes
Aula01   introducao operacoesAula01   introducao operacoes
Aula01 introducao operacoes
 
Aula03 repeticao
Aula03   repeticaoAula03   repeticao
Aula03 repeticao
 
Aula03
Aula03Aula03
Aula03
 
Aula02
Aula02Aula02
Aula02
 
Aula01
Aula01Aula01
Aula01
 

Aula06 matriz em C

  • 1. Matrizes em C Yuri Tavares dos Passos Gabriel de Carvalho Arimatéa Fernando Melo Nascimento
  • 2. Matrizes em C ● Em qualquer linguagem de programação, uma matriz é uma estrutura de armazenamento de dados com indexação bidimensional. ● A primeira dimensão corresponde a linha da matriz e a segunda dimensão a coluna. ● Assim como na Matemática, matrizes podem ser representadas graficamente como nos exemplos a seguir:
  • 3. Matrizes em C ● Em C, a declaração de uma matriz é feita de modo análogo ao vetor, mas com o uso de uma dimensão extra: – int A[3][3]; – float B[3][2]; ● Em C, a utilização de matriz é feita elemento a elemento. Para acessar cada elemento deve-se indexá- lo pela linha e pela coluna: – A[0][0] = 2; – A[0][1] = 3; – B[2][0] = 1.1; – B[1][1] = 7.1;
  • 4. Matrizes em C ● Para inicializar uma matriz o processo é semelhante ao de vetores, mas deve-se considerar que cada linha da matriz é um vetor individual. ● Exemplo: – int A[3][3] = {{2,3,7},{9,1,-1},{0,0,1}}; – float B[3][2] = {{2,7},{4.01,7.1},{1.1,0.01}};
  • 5. Exemplo 1 ● Escreva um algoritmo que leia uma matriz de 5 linhas por 10 colunas de números reais via teclado. Em seguida, escreva esta matriz na tela.
  • 7. Exemplo 2 ● Escreva um algoritmo que extraia a diagonal principal de uma matriz NxN, quadrada, com N elementos e seus elementos lidos pelo usuário. Salve os valores da diagonal em um vetor e escreva seus valores na tela.
  • 9. Exemplo 3 ● Escreva um algoritmo que leia duas matrizes. A matriz A tem tamanho MxN e a matriz B é LxC. Faça um algoritmo que: – Teste se é possível realizar a multiplicação de A por B. Isto só é possível se N=L. – Se elas podem ser multiplicadas, crie uma matriz C resultante desta multiplicação, onde: Ci , j= ∑ K=1 N aiK bKj
  • 12. Exemplo 4 ● Escreva um algoritmo que leia uma matriz MxN e armazene seus elementos em um vetor. Leia os elementos da matriz linha por linha. Exemplo: A= [ 1 2 3 4 5 6 7 8 9] V = [ 1 2 3 4 5 6 7 8 9 ]
  • 14. Exemplo 5 ● Escreva um algoritmo que leia um vetor de tamanho MN e escreva seus elementos em uma matriz de tamanho MxN. – Ao invés de ler a matriz e escrever o vetor, deve-se ler o vetor e escrever a matriz
  • 17. Exercício ● Escreva um algoritmo que leia a quantidade de linhas e colunas de uma matriz, leia a posição i e j de um elemento qualquer desta matriz e indique qual a posição K do vetor da questão 3 este elemento se encontraria. Não crie nenhum vetor ou matriz neste programa.