Bazy danych. Bazy danych. wykład kursowy. Adam Kolany. Państwowa Wyższa Szkoła Zawodowa 2007/2008
|
|
- Stanisława Białek
- 7 lat temu
- Przeglądów:
Transkrypt
1 Bazy danych wykład kursowy Adam Kolany Państwowa Wyższa Szkoła Zawodowa 2007/2008
2 Wielozbiory Definicja Wielozbiory Definicja Niech A będzie dowolnym zbiorem. Wielozbiór elementów A, to dowolna funkcja Nośnik wielozbioru W: W : A N supp(w) df == { x : W(x) 0 }, W df == supp(w) Wielozbiór W jest skończony wtw, gdy supp(w) jest skończony.
3 Wielozbiory Działania na wielozbiorach Działania na wielozbiorach Definicja Niech W i V będą wielozbiorami elementów zbioru A. (W V) (x) = W(x) + V(x) (W V) (x) = min { W(x), V(x) } (W \ V) (x) = max { W(x) V(x), 0 }
4 Wielozbiory Działania na wielozbiorach Działania na wielozbiorach, cd. Definicja Niech W będzie wielozbiorem elementów zbioru A i niech V będzie wielozbiorem elementów zbioru B. (W V) ( x, y ) = W(x) V(y)
5 Wielozbiory Reprezentacja wielozbiorów Reprezentacja wielozbiorów Definicja Niech A będzie zbiorem i niech a A. Definiujemy wielozbiór δ a następująco: { 1, x = a δ a (x) = 0, x a, x A
6 Wielozbiory Reprezentacja wielozbiorów Definicja [ a 1,..., a n ] = δ a1... δ an
7 Wielozbiory Reprezentacja wielozbiorów Reprezentacja wielozbiorów, cd. Twierdzenie Niech W będzie skończonym wielozbiorem elementów A. Wówczas istnieją takie a 1,..., a n, że W = [ a 1,..., a n ] Dowód. indukcja względem #supp(w)
8 Wielozbiory Reprezentacja wielozbiorów Uwaga Niech π będzie permutacją { 1,..., n }. Wówczas [ a 1,..., a n ] = [ a π(1),..., a π(n) ] Dowód. Lączność i przemienność
9 Atrybuty, dziedziny, tabele Dziedziny Dziedzina Definicja Dziedziną nazywamy układ A, { f A j : j J }, { ρ A i : i I }, gdzie A jest niepustym zbiorem, f A j, j J, są działaniami w A oraz ρa i, i I, są relacjami w A. Zakładamy przy tym, że jedna z relacji jest identycznością.
10 Atrybuty, dziedziny, tabele Dziedziny Umowa Ustalamy zbiór dopuszczalnych nazw N, nazw atrybutów A oraz indeksowaną rodzinę dziedzin { D a : a A }. D a nazywać będziemy dziedziną atrybutu a A. Zakładamy przy tym, że dziedziny są nieskończone i ponumerowane: D a = { d a n : n = 0, 1, 2, 3,... }
11 Atrybuty, dziedziny, tabele Krotki Krotki Definicja Niech A będzie zbiorem atrybutów. Krotką o nagłówku A nazywamy dowolną funkcję k : A a A D a, o ile k(a) D a, a A.
12 Atrybuty, dziedziny, tabele Tabele Tabele Definicja Niech A będzie zbiorem atrybutów. Tabelą/relacją o nagłówku A nazywamy dowolny wielozbiór krotek o nagłówku równym A Tabelą/relacją częściową o nagłówku A nazywamy dowolny wielozbiór krotek o nagłówku zawartym w A
13 Atrybuty, dziedziny, tabele Tabele Oznaczenia Częściowa tabela maksymalna o nagłówku w A T c (A) rodzina wszystkich krotek o nagłówku w A T c (A) rodzina wszystkich tabel częściowych o nagłówku w A Tabela maksymalna o nagłówku w A T(A) rodzina wszystkich krotek o nagłówku A T(A) rodzina wszystkich tabel o nagłówku A
14 Atrybuty, dziedziny, tabele Operacje na tabelach Rzutowanie Definicja Niech R T(A) relacją i niech B A. Rzutem R na B jest tabela R B o nagłówku B R B (k) = { R(l) : l B = k }
15 Atrybuty, dziedziny, tabele Operacje na tabelach Zawężenie Definicja Niech R T(A) i niech B A oraz l T(B). Zawęrzeniem (Restrykcją) { R do l jest tabela R[l], dana wzorem R(k), k B = l R[l](k) = 0, w poz. przyp., k R 2
16 Atrybuty, dziedziny, tabele Operacje na tabelach Uwaga Niech B A, R T(A) k R B l R (k = l B ) Dowód. k R B 0 (R B )(k) = { R(l) : l B = k } l (R(l) 0 & k = l B ) l R (k = l B )
17 Atrybuty, dziedziny, tabele Operacje na tabelach Uwaga Niech B 1, B 2 A, R T(A) k R B1 R B2 l1,l 2 R(k B1 = l 1 B1, k B2 = l 2 B2 ) Dowód. k (R B1 ) (R B2 ) 0 ( (R B1 ) (R B2 ) ) (k)(r B1 )(k B1 ) (R B2 )(k B2 ) (R B1 )(k B1 ) 0 & (R B2 )(k B2 ) 0 k B1 R B1 & k B2 R B2 l1,l 2 R(k B1 = l 1 B1, k B2 = l 2 B2 )
18 Atrybuty, dziedziny, tabele Operacje na tabelach Uwaga Niech R T(A), B C A. Dowód R C R B R C k R B R C l,n R (k C = l C, k B = l B ) l R (k C = l C ) l (k = l C ) k R C
19 Elementy logiki Systemy formalne Reguły wnioskowania Definicja Regułą wnioskowania w zbiorze E nazywamy relację ρ (E) E dla której dm(ρ)
20 Elementy logiki Systemy formalne Definicja Reguła r jest finitarna: Π, e r Π skończone
21 Elementy logiki Systemy formalne Definicja System formalny to układ S = E, R, A, gdzie E jest niepustym zbiorem, A E oraz R jest zbiorem reguł w E
22 Elementy logiki Systemy formalne Definicja Dowód w systemie S ze zbiorem założeń X E: e 1,..., e n lub 1. e j A X 2. r R Π { e1,...,e j 1 } Π, e j r, j = 1,..., n.
23 Elementy logiki Systemy formalne Definicja Prv S (X) = = {e E : e1,...,e n e 1,..., e n, e - dowód w S ze zbiorem założeń X}
24 Elementy logiki Systemy formalne Uwaga S = E, R, A, X, Y E Y Prv S (X), Y, e r R = e Prv S (X) Twierdzenie S = E, R, A, X, Y E X, A Prv S (X) X Y = Prv S (X) Prv S (Y ) Prv S (Prv S (X)) Prv S (X)
25 Elementy logiki Systemy formalne Definicja S = E, R, A. Reguła r jest wyprowadzalna w S, jeżeli Π, e r e Prv S (Π) Twierdzenie Załóżmy, że r jest wyprowadzalna w S = E, R, A i niech S = E, R { r }, A. Wówczas Prv S = Prv S.
26 Elementy logiki Przykłady systemów formalnych Przykłady systemów formalnych Klasyczny Rachunek Zdań
27 Elementy logiki Przykłady systemów formalnych Klasyczny Rachunek Zdań Formuły Fml(P) : P Fml(P) α Fml(P) ( α) Fml(P) α, β Fml(P) (α β) Fml(P), {,,, }
28 Elementy logiki Przykłady systemów formalnych Klasyczny Rachunek Zdań Aksjomaty KRZ Ax 1. p (q p) Ax 2. [p (q r)] [(p q) (p r)] Ax 3. (p q) [(p r) (p q r)] Ax 4. p q p, Ax 5. p q q Ax 6. (p q) [(r q) (p r q)] Ax 7. p p q, Ax 8. q p q Ax 9. (p q) [(q p) (p q)] Ax 10. (p q) (p q), Ax 11. (p q) (q p) Ax 12. p ( p q), Ax 13. (p p) p Ax 14. p p
29 Elementy logiki Przykłady systemów formalnych Reguły r o : r : α, α β β α h(α), h : P Fml(P) α, β Fml(P)
30 Elementy logiki Przykłady systemów formalnych Przykład p p jest tezą KRZ 1. (p (q s)) ((p q) (p s)) Ax 2 2. (p ((p p) p)) ((p (p p)) (p p)) 1, q / p p, s / p, 3. p (q p) Ax 1 4. p ((p p) p) 3, q / p p 5. (p (p p)) (p p) r o (2, 4) 6. p (p p) 3, q / p 7. p p r o (5, 6)
31 Elementy logiki Przykłady systemów formalnych Klasyczny Rachunek Kwantyfikatorów
32 Elementy logiki Przykłady systemów formalnych Języki I-rzędu Definicja L = V, C, F, P, ς, ς : P F { 1, 2, 3,... } V = { x 0, x 1, x 2,... }
33 Elementy logiki Przykłady systemów formalnych Termy Trm(L) : V, C Trm(L) τ 1,..., τ n Trm(L) fτ 1... τ n Trm(L), ς(f) = n
34 Elementy logiki Przykłady systemów formalnych Formuły Frm(L) : τ 1,..., τ n Trm(L) Pτ 1... τ n Trm(L), ς(p) = n τ, σ Trm(L) τ = σ Frm(L), α Frm(L) ( α), ( xk α), ( xk α) Frm(L) α, β Frm(L) (α β) Frm(L), {,,, }
35 Elementy logiki Przykłady systemów formalnych Aksjomaty identyczności Eq 1 (a) s = s Eq 1 (b) s = t s = r t = r, Eq 2 (a) s 1 = t 1... s n = t n ( ) p (n) s 1... s n p (n) t 1... t n Eq 2 (b) s 1 = t 1... s n = t n ( ) f (n) s 1... s n = f (n) t 1... t n,.
36 Elementy logiki Przykłady systemów formalnych Aksjomaty logiczne gdzie Ax 1 (a) xm δ δ[ xm / τ ] Ax 1 (b) δ[ xm / τ ] xm δ Ax 2 (a) xn (α β) ( xn α β) Ax 2 (b) xn (β α) (β xn α) x m Ff(τ, δ), x n Vf(α) Ax 3 : podstawienia tautologii zdaniowych
37 Elementy logiki Przykłady systemów formalnych Klasyczny Rachunek Kwantyfikatorów Reguły r o : r : α, α β β α ( xk α), α, β Frm(L)
38 Elementy logiki Przykłady systemów formalnych Klasyczny Rachunek Kwantyfikatorów Przykładowy dowód α x n α, x n α α, xn ( xn α α ), x n α xn α, xn α α, α xn α, xn ( α xn α ), xn α xn α, xn α xn α, x n α xn α.
39 Zależności, schematy relacyjne Język zależności Język zależności Niech A będzie ustalonym nagłówkiem Definiujemy język L dep (A) = V, (A),, {,, 1, 2,... }, ς gdzie ς( ) = ς( ) = 2, ς( n ) = n
40 Zależności, schematy relacyjne Język zależności Umowa Zakładamy odtąd, że wszelkie rozważane relacje są płaskie.
41 Zależności, schematy relacyjne Język zależności Zależności Definicja Zależność funkcyjna w L dep (A), to formuła postaci: X Y, X, Y (A) Zależność wielowartościowa w L dep (A), to formuła postaci: X Y, X, Y (A)
42 Zależności, schematy relacyjne Język zależności Definicja Zależność złączeniowa w L dep (A), to formuła postaci: n X 1 X 2... X n, X 1,..., X n (A)
43 Zależności, schematy relacyjne Język zależności Schemat relacyjny Definicja Schematem relacyjnym, jest para A, D, gdzie D jest zbiorem zależności w L dep (A)
44 Zależności funkcyjne Spełnianie Spełnianie Definicja Relacja R T(A) spełnia zależność X Y, jeśli dla dowolnych k, l R zachodzi k X = l X = k Y = l Y Ozn. R = X Y Relacja R T(A) spełnia zbiór zależności D jeśli spełnia każdą z zależności tego zbioru. Ozn. R = D.
45 Zależności funkcyjne Spełnianie Wynikanie logiczne Definicja Relacja R jest relacją schematu Σ = A, D, jeżeli jej nagłówkiem jest A i spełnia ona zależności z D Ozn. R Rel(Σ) Zależność δ wynika logicznie ze schematu Σ, jeśli jest ona prawdziwa w każdej relacji schematu Σ. Ozn. Σ = δ, D = A δ.
46 Zależności funkcyjne Zależności trywialne Zależności trywialne Uwaga Zależność X Y jest prawdziwa w schemacie A, wtw, gdy Y X. ( ) k X = l X (k X ) Y = (l X ) Y k Y = k X Y = (k X ) Y = (l X ) Y = l X Y = l Y
47 Zależności funkcyjne Zależności trywialne ( ) Niech Y X i niech d x 0, k(x) = d x 0, x A oraz l(x) = d x 1, x X x A \ X Niech dalej Wówczas R = [ k, l ]. R = X Y.
48 Zależności funkcyjne Zależności trywialne Tryw(A) df == { X Y : Y X A }
49 Zależności funkcyjne System Armstronga System Armstronga Definicja S Arm (A) = Func(A), { r A ext, r A } trans, Tryw(A) r ext : Oznaczenie: X Y X Z Y Z, r trans : X Y, Y Z X Z X, Y, Z A. A, F f, F A f f Prv SArm (A)(F)
50 Zależności funkcyjne System Armstronga Sumowanie, pseudoprzechodniość, rozkładanie Następujące reguły są wyprowadzalne w S Arm (A) (Sumowanie) X Y, X Z X Y Z (Pseudoprzechodniość) X Y, W Y Z X W Z (Rozkładanie) X Y X Z, Z Y
51 Zależności funkcyjne System Armstronga Sumowanie, pseudoprzechodniość, rozkładanie Dowód Sumowanie 1. X Y zał 2. X X Y r ext (1) 3. X Z zał 4. X Y Y Z r ext (3) 5. X Y Z r trans (2, 4) Pseudoprzechodniość 1. X Y zał 2. X W Y W r ext (1) 3. W Y Z zał 4. X W Z r trans (2, 3) Rozkładanie 1. X Y zał 2. Y Z aks 3. X Z r trans (1, 2)
52 Zależności funkcyjne System Armstronga Sumowanie, pseudoprzechodniość, rozkładanie Wniosek Σ X Y (Σ X y) y Y dowód ( ) Aksjomat + przechodniość ( ) Indukcja na wielkość Y i sumowanie.
53 Zależności funkcyjne Zgodność systemu Armstronga Adekwatność Definicja Reguła r w L dep (A) jest adekwatna, jeśli Π = A δ dla Π, δ r
54 Zależności funkcyjne Zgodność systemu Armstronga Twierdzenie Formuły r ext i r trans są adekwatne. Dowód. r ext R = A X Y R = A XZ YZ? k XZ = l XZ k X = l X k Z = l Z k Y = l Y k Z = l Z k YZ = k Y k Z = l Y l Z = l YZ k YZ = l YZ R = A XZ YZ
55 Zależności funkcyjne Zgodność systemu Armstronga Dowód. r trans R = A X Y, Y Z R = A X Z? k X = l X k Y = l Y k Z = l Z R = A X Z
56 Zależności funkcyjne Zgodność systemu Armstronga Twierdzenie o zgodności Twierdzenie (Zgodność) S f S = f Dowód. [indukcja względem długości dowodu]
57 Zależności funkcyjne Pełność systemu Armstronga Twierdzenie o pełności Twierdzenie (pełność) S = f S f
58 Zależności funkcyjne Pełność systemu Armstronga Domknięcie zbioru atrybutów Definicja [X] + S = { x A : S X { x } }
59 Zależności funkcyjne Pełność systemu Armstronga Twierdzenie S X Y Y [X] + S Dowód. zwrotność i sumowanie
60 Zależności funkcyjne Pełność systemu Armstronga Dowód twierdzenia o pełności Dowód twierdzenia o pełności Niech S = A, F i załóżmy, że S X Y. Wówczas Y [X] + S. Niech d x 0, x [X] + k(x) = d x S 0, x A oraz l(x) = d x 1, x A \ [X] + S i niech dalej Wówczas R = F, ale R = [ k, l ]. R = X Y.
61 Zależności funkcyjne Reprezentacja boolowska Reprezentacja boolowska zależności funkcyjnych Definicja P A = { p x : x A } (X Y) df == { px : x X } { py : y Y } F df == { f : f F }
62 Zależności funkcyjne Reprezentacja boolowska Wynikanie logiczne formuł zdaniowych Przypomnienie Niech Φ będzie zbiorem formuł zdaniowych, a ϕ formułą zdaniową. Φ = ϕ h:p { 0,1 } (h Φ { 1 } h(ϕ) = 1)
63 Zależności funkcyjne Reprezentacja boolowska Definicja Niech h : P A { 0, 1 }. Definiujemy R h = [ k h, l h ], gdzie k h (x) = d x 0, x A oraz l h (x) = d x 1 h(p x), x A
64 Zależności funkcyjne Reprezentacja boolowska Lemat Niech W A. ( Mamy: ) h { pw : w W } = 1 k h W = l h W Dowód. h ( { pw : w W }) = 1 w W (h(p w )) = 1) w W (k h (w) = d w 0 = d w 1 h(p = w) lh (w) k h W = l h W
65 Zależności funkcyjne Reprezentacja boolowska Lemat Niech W, V A. ( Wówczas: h (U V) ) = 1 R h = U V Dowód. ) h ((U V) = 1 ( k h U = l h U k h V = l h V ) ( h( p u ) = 1 h( ) p v ) = 1 u v R h = U V
66 Zależności funkcyjne Reprezentacja boolowska Twierdzenie o reprezentacji Twierdzenie F A f F = f
67 Zależności funkcyjne Reprezentacja boolowska dowód. Niech f = X Y. ( ) Załóżmy, że F A f i niech h F { 1 } ) Niech dalej U V F. Wówczas h ((U V) = 1, skąd R h = U V. Czyli R h = F, a co za tym idzie, R h = X Y. ) Wobec tego h ((X Y) = 1, czyli F = f.
68 Zależności funkcyjne Reprezentacja boolowska ( ) Załóżmy, że F = f i niech h : P A { 0, 1 } dane będzie wzorem: h(p x ) = 1 x [X] + A,F, x A Niech teraz U V F i niech h( p u ) = 1. Wówczas U [X] + A,F, u skąd także V [X] + A,F. Czyli h( p v ) = 1. v ) Tym samym wykazaliśmy, że h ((U V) = 1, dla zależności z F. Czyli, że h F { 1 }. Wobec ( tego h (X Y) ) = 1. Ponieważ X [X] + A,F, h( p x ) = 1, skąd h( p y ) = 1. Czyli Y [X] + A,F, a stąd F A X Y. x y
69 Zależności funkcyjne Reprezentacja boolowska Zastosowanie - nietwórczość atrybutów Uwaga Niech Atr(F) B A. Wówczas Jeśli X, Y B, to F A X Y F B X Y. Jeśli (XY) Atr(F) =, to F A X Y Y X
70 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Wyznaczanie domknięcia Przykład N nauczyciel T termin S sala K klasa L lekcja P 1 df == { N, T, S, K, L }, { NT K, T S N, T K S, N L } P 2 df == { N, T, S, K, L }, { N L, T K N, T S N }
71 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Uwaga X = (α β) X, α, β Cons
72 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Zadanie Wyznacz domknięcie NT w P 1 Mamy F1 : 1. n + t + k 2. t + s + n 3. t + k + s 4. n + l Szukamy takiego maksymalnego zbioru { A 1,..., A n } { N, T, S, K, L }, że F 1 { n, t } { a a n } jest sprzeczny.
73 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Rozwiązanie Mamy: 1. n + t + k 2. t + s + n 3. t + k + s 4. n + l 5. n 6. t 7. k z 1,5,6 8. l z 4,5 9. s z 3,6,7 Widzimy, że dołożenie n + t + k + l + s usprzecznia zadanie. Czyli [NT ] + P 1 = NT KLS
74 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Klucze Definicja Nadkluczem schematu S = A, D jest takie K A, że [K] + S = A. Klucz, to minimalny nadklucz.
75 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Wyznaczanie kluczy Zadanie Znajdź klucze schematu P 2. Mamy: 1. n + l 2. t + k + n 3. t + s + l 4. n + t + k + l + s 5. n + t + k + s z 1,4 6. t + k + s z 2,5 Widzimy, że kluczem tutaj jest T KS.
76 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Wyznaczanie (nad)kluczy Zadanie Znajdź klucze schematu P 1. Mamy: 1. n, t, k 2. t, s, n 3. t, k, s 4. n, l 5. n, t, k, l, s 6. n, t, l, s z 1,5 7. t, l, s z 2,5 8. t, k, l z 3,7 9. t, k, n z 4,8 Widzimy, że kluczemi tutaj są T LS, T KL i T KN.
77 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Uwaga K jest nadkluczem wtw, gdy rezolwenta F, { p x : x A } zawiera { p x : x K }
78 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Równoważność schematów Definicja Schematy S 1 = A, D 1 i S 2 = A, D 2 są równoważne, jeśli (Ozn. S 1 S 1 ) Rel(S 1 ) = Rel(S 2 )
79 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Uwaga Schematy S 1 = A, D 1 i S 2 = A, D 2 są równoważne wtw, gdy D 1 = A D 2 oraz D 2 = A D 1 Dowód ( ) Niech { i, j } = { 0, 1 } R = D i R Rel(S i ) = Rel(S j ) R = D j Więc D i = A D j. ( ) To jest oczywiste.
80 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Przykład P 1 P 2 bo P 2 NT K
81 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Pokrycia nieredundantne Definicja Zależność X Y schematu S = A, D jest pełna, jeśli Y jest jednoelementowy oraz S Z Y dla Z X Zbiór zależności pełnych G jest pokryciem nieredundantnym schematu S, jeśli A, G S, ale A, G 1 S, dla G 1 G.
82 Zależności funkcyjne Wyznaczanie domknięć, kluczy i pokryć Wyznaczanie pokrycia Zadanie Wyznacz pokrycie ABCDEG, F, gdzie F = { AB C, C A, BC D, ACD B, D EG, BE C, CG BD, CE AG }
83 Zależności funkcyjne Anomalie Anomalie Skutki redundancji anomalie aktualizacji anomalie usuwania anomalie dopisywania
84 Zależności funkcyjne Anomalie R Nazwa (N) Adres (A) Towar (T) Cena (C) Ajax Akacjowa 15 Rower 1200 Bendix Źródlana 3 Skuter 800 Ajax Akacjowa 15 Lódka 3000 Bendix Źródlana 3 Rower 1100 Rymer Akacjowa 15 Maluch 500 Centor Polna 6 Lódka 2600 Leszcz Źródlana 16 Klucz: NT. N A, NT C
85 Zależności funkcyjne Anomalie R NA Nazwa Adres Ajax Akacjowa 15 Bendix Źródlana 3 Rymer Akacjowa 15 Centor Polna 6 Leszcz Źródlana 16 R NTC Nazwa Towar Cena Ajax Rower 1200 Bendix Skuter 800 Ajax Lódka 3000 Bendix Rower 1100 Rymer Maluch 500 Centor Lódka 2600 R (R NA ) (R NTC )
86 Zależności funkcyjne Anomalie Uwaga R NT A = N A
87 Zależności funkcyjne Anomalie Uwaga R = X Y R XY = X Y Dowód ( ) k, l R XY, k X = l X k1,l 1 R(k 1 XY = k, l 1 XY = l) k 1 X = l 1 X k Y = k 1 Y = l 1 Y = l Y ( ) k, l( R, ) k X = l X k XY, l XY R XY, k XY X = ( ) l XY X ( ) k XY Y = ( ) l XY Y k Y = k Y
88 Zależności funkcyjne Rozkładalność Rozkładalność Twierdzenie (Heath) Jeśli Σ X Y, to R (R XY ) (R XZ ), dla R Rel(Σ), gdzie Z = A \ XY.
89 Zależności funkcyjne Rozkładalność Dowód. ( ) Zachodzi zawsze. ( ) Niech k (R XY ) (R XZ ). Wówczas istnieją m, n R, że m XY = k XY i n XZ = k XZ Stąd, w szczególności, m X = k X = n X. Ponieważ R = X Y, m Y = n Y, Skąd k = k X k Y k Z = n X m Y n Z = n X n Y n Z = n R
90 Zależności funkcyjne Rozkładalność Twierdzenie Jeśli R (R XY ) (R XZ ), dla R Rel(Σ), gdzie Z = A \ XY, to Σ X Y lub Σ X Z
91 Zależności funkcyjne Rozkładalność Dowód. Niech R = [ k, l ], gdzie k(x) = d x 0, x A, zaś l(x) = d x 0, gdy x [X] + Σ oraz l(x) = d x 1, gdy x A \ [X] + Σ. Jak pamiętamy, R jest relacją schematu Σ, więc (R XY ) (R XZ ) R Ale l XY k XZ (R XY ) (R XZ ), więc l XY k XZ = k lub l XY k XZ = l. df Niech Y 0 == Y \ X. W pierszym wypadku l XY k XZ = k (l XY k XZ ) Y0 = k Y0 l Y0 = k Y0 skąd Y 0 [X] + Σ, a co za tym idzie, Σ X Y 0. Czyli także Σ X Y.
92 Zależności funkcyjne Rozkładalność W drugim przypadku, mamy: l XY k XZ = l (l XY k XZ ) Z = l Z k Z = l Z skąd Z [X] + Σ, a co za tym idzie, Σ X Z.
93 Zależności funkcyjne Rozkładalność Definicja Rozkładem odwracalnym schematu Σ jest zbiór A 1,..., A n A, dla którego R (R A1 )... (R An )
94 Zależności funkcyjne Rozkładalność Rozstrzyganie odwracalności Twierdzenie Istnieje algorytm rozstrzygający, czy A 1,..., A n A jest rozkładem odwracalnym schematu Σ.
95 Zależności funkcyjne Rozkładalność Przykład Zadanie Zbadać odwracalność rozkładu AB, AD, BE, CDE, AE schematu Σ = ABCDE, F, gdzie F == df { A C, B C, C D, CE A, DE C }
96 Zależności funkcyjne Rozkładalność Rozwiązanie k (R AB ) (R AD ) (R BE ) (R CDE ) (R AE ) k1,...,k 5 R k AB = k 1 AB k AD = k 2 AD k BE = k 3 BE k CDE = k 4 CDE k AE = k 5 AE
97 Zależności funkcyjne Rozkładalność A B C D E k 1 a b k 2 a d k 3 b e k 4 c d k 5 a e
98 Zależności funkcyjne Rozkładalność A B C D E a b a 4 5 d 6 7 b 8 9 e c d e a e F : A C, B C, C D, CE A, DE C
99 Zależności funkcyjne Rozkładalność Rozwiązanie, cd. A B C D E a b a 4 1 d 6 7 b 8 9 e c d e a e F : A C, B C, C D, CE A, DE C
100 Zależności funkcyjne Rozkładalność Rozwiązanie, cd. A B C D E a b a 4 1 d 6 7 b 1 9 e c d e a e F : A C, B C, C D, CE A, DE C
101 Zależności funkcyjne Rozkładalność Rozwiązanie, cd. A B C D E a b 1 d 3 a 4 1 d 6 7 b 1 d e c d e a 12 1 d e F : A C, B C, C D, CE A, DE C
102 Zależności funkcyjne Rozkładalność Rozwiązanie, cd. A B C D E a b c d 3 a 4 c d 6 7 b c d e c d e a 12 c d e F : A C, B C, C D, CE A, DE C
103 Zależności funkcyjne Rozkładalność Rozwiązanie, cd. A B C D E a b c d 3 a 4 c d 6 a b c d e a 11 c d e a 12 c d e k = k 3 Rozkład jest odwracalny.
104 Zależności funkcyjne Zachowywanie zależności Rzut zbioru zależności Definicja Niech Σ = A, D będzie schematem. Rzutem schematu Σ na B A jest zbiór π B (Σ) df == { δ dep(b) : Σ = δ } Rozkład odwracalny A 1,..., A n zachowuje zależności D, jeśli π A1 (Σ)... π An (Σ) = D
105 Zależności funkcyjne Zachowywanie zależności Uwaga Niech B A, R Rel(Σ).Wówczas R B = π B (Σ)
106 Zależności funkcyjne Zachowywanie zależności Uwaga Jeśli C Atr(F) =, to π C (Σ) = Tryw(C) π Atr(F) (Σ) = Prv ΣArm (Atr(F))(F) Dowód Z reprezentacji boolowskiej i interpolacji Craiga. Z twierdzenia o nietwórczości.
107 Zależności funkcyjne Zachowywanie zależności Zachowywanie zależności Algorytm Dane: Σ { = A, F, A 1,..., A n, X Wynik: x A : } j π A j (Σ) = A X x = [X] + Program; begin repeat Z :=Z; until Z=Z ; return(x) end. Z:= n j=1 ( Aj [X A j ] + Σ) ;X:=X Z; j π A j (Σ)
108 Zależności funkcyjne Zachowywanie zależności Przykład Czy rozkład AB, BC, CD zachowuje zależności: F == df { A B, B C, C D, D A } Mamy: A B π AB (F), B C π BC (F), C D π CD (F)
109 Zależności funkcyjne Zachowywanie zależności Przykład Wyznaczamy [D] + π AB (F) π BC (F) π CD (F) D D (AB [AB D] + ) (BC [BC D] + ) (CD [CD D] + ) = D (CD [D] + ) = D (CD ABCD) = CD CD CD (AB [AB CD] + ) (BC [BC CD] + ) (CD [CD CD] + ) = CD (BC [C] + ) (CD [D] + ) = CD (BC ABCD) (CD ABCD) = BCD BCD BCD (AB [AB BCD] + ) (BC [BC BCD] + ) (CD [CD BCD] + BCD (AB [B] + ) (BC [BC] + ) (CD [CD] + ) = BCD (AB ABCD) (BC ABCD) (CD ABCD) = ABCD
110 Zależności funkcyjne Postacie normalne Atrybuty kluczowe Definicja Atrybut kluczowy (główny), to element pewnego klucza.
111 Zależności funkcyjne Postacie normalne Druga postać normalna Definicja Schemat jest w drugiej postaci normalnej, jeśli każdy atrybut niekluczowy jest w pełni zależny od każdego z kluczy. Ozn. Σ 2NF
112 Zależności funkcyjne Postacie normalne W tabeli a b c a 1 b 1 c 1 a 2 b 1 c 1 a 3 b 2 c 2 a 3 b 1 c 1 ab jest kluczem, c jest niekluczowy, a ab c nie jest pełna, bo R = b c.
113 Zależności funkcyjne Postacie normalne Zależności przechodnie Definicja Zależność X Y schematu Σ jest przechodnia, jeśli istnieje Z takie, że X Z, Z Y są nietrywialnymi zależnościami w Σ oraz, że Z X nie jest zależnością Σ. Zależność bezpośrednia, to zależność nie będąca przechodnią.
114 Zależności funkcyjne Postacie normalne R = a b c, R = b a k, l : k(b) = l(b) i k(a) l(a) k(c) = l(c) a b c a 1 b 1 c 1 a 2 b 1 c 1
115 Zależności funkcyjne Postacie normalne Trzecia postać normalna Definicja Schemat jest w trzeciej postaci normalnej, jeśli każdy atrybut niekluczowy jest w pełni bezpośrednio zależny od każdego z kluczy. Ozn. Σ 3NF
116 Zależności funkcyjne Postacie normalne Uwaga Schemat jest w trzeciej postaci normalnej, jeśli każda nietrywialna zależność atrybutu niekluczowego jest zależnością od nadklucza
117 Zależności funkcyjne Postacie normalne Dowód ( ) Niech Σ = X x będzie nietrywialną zależnością dla atrybutu niekluczowego x i niech K X będzie kluczem. Wówczas K X x jest ciągiem zależności nietrywialnych. Ponieważ Σ 3NF, mamy Σ = X K. Czyli X jest nadkluczem.
118 Zależności funkcyjne Postacie normalne ( ) Załóżmy, że każda zależność nietrywialna atrybutu niekluczowego jest zależnością od nadklucza i niech Σ = X Y, Y x będą nietrywialne, gdzie x jest niekluczowy. Wówczas jednak Y jest nadkluczem, skąd Σ = Y X. Tym sposobem, Σ 3NF.
119 Zależności funkcyjne Postacie normalne Postać normalna Boyce a-codda-kenta Definicja Schemat jest w postaci normalnej Boyce a-codda-kenta, jeśli każda jego nietrywialna zależność jest zależnością od nadklucza. Ozn. Σ BCNF
120 Zależności funkcyjne Postacie normalne Przykład a b c b c, ac b, c a, a c Klucze: ab, ac.
121 Zależności funkcyjne Synteza i rozkład Synteza i rozkład Pankowski, Podstawy Baz Danych, PWN 1992
122 Zależności wielowartościowe Definicje i własności Zależności wielowartościowe Przykład podręcznik przedmiot uczeń profesor Gleichgewicht algebra Paweł Mądrala Gleichgewicht algebra Wojtek Mądrala R Gleichgewicht algebra Józek Pogodny Gleichgewicht algebra Piotr Pogodny Mostowski algebra Paweł Mądrala Mostowski algebra Wojtek Mądrala Mostowski algebra Józek Pogodny Mostowski algebra Piotr Pogodny Gleichgewicht algebra Stefan Mądrala Mostowski algebra Stefan Mądrala Fichtenholz analiza Piotr Mądrala Fichtenholz analiza Wojtek Mądrala Fichtenholz analiza Paweł Pogodny Fichtenholz analiza Józek Pogodny [{ prz algebra, prof Mądrala, uczen Piotr }] podr = R[{ prz algebra, prof Mądrala }] podr = = R[{ prz algebra, prof Pogodny }] podr = = R[{ prz algebra }] podr = = { Gleichgewicht, Mostowski } R[{ uczen Paweł }] podr = = { Gleichgewicht, Mostowski, Fichtenholz } R[{ uczen Paweł, prz algebra }] podr = { Gleichgewicht, Mostowski } =
123 Zależności wielowartościowe Definicje i własności Zależności wielowartościowe Definicja Relacja R T(A) spełnia zależność X Y, jeśli R[r XZ ] Y R[r X ] Y, dla dowolnej r R, gdzie Z df == A \ XY. Ozn. R = X Y
124 Zależności wielowartościowe Definicje i własności Uwaga R = X Y R[r X ] Y R[r XY ] Y dowód XZ = X (X Y) = X (X Y ) = X Y
125 Zależności wielowartościowe Definicje i własności Uwaga R = X Y R[r X ] Y R[r XC ] Y, C Y
126 Zależności wielowartościowe Definicje i własności Dowód ( ) k R[r X ] Y k = l Y, l R[r X ] R[r XY ] l XY = r XY l XC = r XC l R[r XC ] k R[r XC ] Y ( ) k R[r XC ] Y k = l Y, l R[r XC ] l XC = r XC l X = r X l R[r X ] k R[r X ] Y
127 Zależności wielowartościowe Definicje i własności Uwaga R = X Y wtw., gdy dla dowolnych krotek k, l R spełniających k X = l X, istnieje krotka m R, dla której k XY = m XY i l XZ = m XZ, gdzie Z = A \ (XY).
128 Zależności wielowartościowe Definicje i własności Dowód. ( ) Niech k, l R, k X = l X Mamy k R[l X ] k Y R[l X ] Y R[l XZ ] Y Istnieje zatem ( ) m R[l XZ ] takie, że m Y = k Y. Z ( ) jednak mamy m XZ = l XZ, skąd m XY = k XY, m XZ = l XZ.
129 Zależności wielowartościowe Definicje i własności ( ) ( ) Niech k R[r XZ ]. Wówczas k XZ = r XZ. Niech m R, spełnia m XY = k XY, m XZ = r XZ. W szczególności m R[r X ] oraz k Y R[r X ] Y. ( ) Niech k R[r X ]. Wówczas k R oraz k X = r X. Wobec tego istnieje m R, dla którego m XY = k XY, m XZ = r XZ. Wówczas m R[r XZ ] oraz k Y R[r XZ ] Y.
130 Zależności wielowartościowe Definicje i własności Rozkładalność Twierdzenie R = X Y R (R XY ) (R XZ )
131 Zależności wielowartościowe Definicje i własności Dowód. ( ) Niech n (R XY ) (R XZ ). Istnieją takie k, l R, że n XY = k XY oraz n XZ = l XZ. Istnieje m R, dla którego m XY = k XY i m XZ = l XZ Wtedy n = n XY n Z = k XY l Z = m XY m Z = m R
132 Zależności wielowartościowe Definicje i własności ( ) Niech k, l R i niech k X = l X. Wówczas k XY l XZ (R XY ) (R XZ ) R. Czyli m == df k XY l XZ jest szukaną krotką.
133 Zależności wielowartościowe Definicje i własności Wniosek gdzie Z = A \ (XY). R = X Y R = X Z,
134 Zależności wielowartościowe Definicje i własności Dowód. Mamy R = X Z R (R XZ ) (R X(XZ) ) = (R XZ ) (R XY ) = (R XY ) (R XZ ) R = X Y
135 Zależności wielowartościowe Definicje i własności Uwaga Zależność X Y jest trywialna wtw, gdy X Y = A lub Y X
136 Zależności wielowartościowe Definicje i własności Dowód. ( ) Niech Z df == A \ XY. Jeśli X Y = A, to Z =. Wtedy (R XY ) (R XZ ) = R (R X ) R Jeśli Y X, to X Z = A.Wtedy (R XY ) (R XZ ) = (R X ) R R
137 Zależności wielowartościowe Definicje i własności Dowód. ( ) Załóżmy, że X Y jest trywialna. Niech Z == df A \ XY i niech k(x) = d x 0, x A oraz niech l(x) = d x 0, x X, i l(x) = d x 1, x A \ X. Wówczas n == df k XY l XZ (R XY ) (R XZ ) R == df [ k, l ]. Jeśli n = k, to k Z = n Z = (k XY l XZ ) Z = l Z, skąd Z =, a co za tym idzie X Y = A. Jeśli zaś n = l, to l Y\X = n Y\X = (k XY l XZ ) Y\X = k Y\X, skąd Y \ X =, a co za tym idzie Y X.
138 Zależności wielowartościowe Definicje i własności Definicja D, δ zależności funkcyjne i wielowartościowe: D = A δ R (R = D R = δ)
139 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) Twierdzenie Następujące reguły są niezawodne: (Dopełnianie) r A compl : (Rozszerzanie MVD) r A mvext : (Przechodniość MVD) X Y X Z r A mvtrans :, Z = A \ XY X Y, W V XW YV X Y, Y Z X Z \ Y
140 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) Twierdzenie, cd. Następujące reguły są niezawodne: r mvfunc,1 : X Y X Y r mvfunc,2 : X Y, W Z X Z, Z Y, W Y =
141 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód dopełnianie Mamy R = X Y R (R XY ) (R XZ ) R (R XZ ) (R XY ) R = X Z
142 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód rozszerzanie Załóżmy, że R = X Y, U V. Niech dalej k, l R spełniają k XU = l XU. Stąd w szczególności k V = l V. Ponieważ także k X = l X, istnieje m R, spełniający m XY = k XY i m XY = l XY Mamy m XUYV = m XY m (UV) (XY) = k XY m (UV) X Y = = k XY l (UV) X Y = k XY k (UV) X Y = = k XUYV.
143 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód rozszerzanie, cd. Dalej m XU(YV) = m (XU)Y V = m Y V m (XU) (Y V ) = = l Y V m (XU) (YV) = = l Y V m X (YV) m U X (YV) = = l Y V l X (YV) m U X Y m U X V Y = = l Y V l X (YV) k U X Y l U X V Y = = l Y V l X (YV) l U X Y l U X V Y = = l XU(YV). Czyli R = XU YV.
144 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód przechodniość Niech R = X Y, Y Z i niech k, l R spełniają k X = l X. Istnieją zatem m, n R, że m XY = l XY i m XY = k XY oraz n YZ = m YZ i n YZ = l YZ Mamy n X(Z\Y) = n X n Z Y = k Z Y n X Z n X Z = = k Z Y n X Z l X Z = k Z Y n X Z k X Z = = k (Z Y )(X Z ) n X Z = k (Z Y )(X Z ) m X Z = = k (Z Y )(X Z ) k X Z = k X(Z\Y)
145 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód przechodniość (m XY = l XY, m XY = k XY, n YZ = m YZ, n YZ = l YZ ) Mamy n X(Z\Y) = n XZ Y = n X Z n YZ = n X Z l YZ = = m X Z l YZ = l X Z l YZ = l X(Z\Y)
146 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód r mvfunc,1 Było: R = X Y R (R XY ) (R XZ ) R = X Y
147 Aksjomatyka dla zależności wielowartościowych Reguły systemu S MVD (A) dowód r mvfunc,2 Niech Z Y i niech W Y =. Niech także R = X Y, W Z oraz niech k, l R spełniają k X = l X. Istnieje m R, dla którego m XY = k XY i m XY = l XY Ponieważ W Y, także m W = l W, skąd m Z = l Z. Skoro Z Y, mamy k Z = m Z = l Z
148 Aksjomatyka dla zależności wielowartościowych System formalny S MVD (A) System formalny S MVD (A) Definicja S MVD (A) df == MVD(A) Func(A), { r A ext, r A trans, r A compl, r A mvext, r A mvtrans, r A mvfunc,1, ra mvfunc,2, }, Tryw MVD (A) Niech Σ = A, D, D MVD(A) Func(A) Σ d, D A d d Prv SMVD (A)(D)
149 Aksjomatyka dla zależności wielowartościowych Twierdzenie o zgodności dla S MVD (A) Twierdzenie o zgodności dla S MVD (A) Twierdzenie Σ δ Σ = δ Dowód. indukcja na długość wywodu
150 Aksjomatyka dla zależności wielowartościowych Baza zależności Twierdzenie Następujące reguły są wyprowadzalne w S MVD (A): 1 X Y X Y 2 X Y, X Z X YZ 3 X Y, X Z X (Y Z)
151 Aksjomatyka dla zależności wielowartościowych Baza zależności Dowód. Ad. (1) 1. X Y założenie 2. Y A aksjomat 3. X A \ Y r mvtrans
152 Aksjomatyka dla zależności wielowartościowych Baza zależności Dowód. Ad. (2) 1. X Y założenie 2. X XY r mvext (1) 3. X Z założenie 4. X Z p. (1), 3 5. XY YZ r mvext (4) 6. X (YZ ) \ (XY) r mvtrans (2, 5) 7. X X Y Z (YZ ) \ (XY) = X Y Z 8. X X Y Z aksjomat 9. X Y Z r mvext (7, 8) 10. X YZ p. (1), 9
153 Aksjomatyka dla zależności wielowartościowych Baza zależności Uwaga Niech Σ = A, D i niech X, Y A. Σ X Y Σ X Y \ X Dowód. ( ) ( ) X Y, X X X Y \ X X Y \ X, X Y X X Y
154 Aksjomatyka dla zależności wielowartościowych Baza zależności Wniosek Niech Σ = A, D i niech X A. Zbiór B Σ (X) df == { Y A : Σ X Y } jest podalgebrą Boole a algebry (X).
155 Aksjomatyka dla zależności wielowartościowych Pełność systemu S MVD (A) Pełność systemu S MVD (A) Twierdzenie Niech Σ = A, D. Σ = δ Σ δ
156 Aksjomatyka dla zależności wielowartościowych Pełność systemu S MVD (A) Silne twierdzenie o pełności Uwaga Niech Σ = A, D. Istnieje relacja R, dla której R = δ Σ δ dla dowolnej zależności δ Func(A) MVD(A).
157 Aksjomatyka dla zależności wielowartościowych Reprezentacja boolowska Reprezentacja boolowska Definicja Niech X, Y A i niech (X Y) df == p x p y + x X y Y z Y p z
158 Aksjomatyka dla zależności wielowartościowych Reprezentacja boolowska Twierdzenie o reprezentacji boolowskiej Twierdzenie Niech Σ = A, D. D = A δ D = δ
159 Aksjomatyka dla zależności wielowartościowych Czwarta postać normalna Czwarta postać normalna Definicja Schemat S = A, D jest w czwartej postaci normalnej, jeśli każda nietrywialna zależność wielowartościowa jest zależnością od nadklucza.
160 Zależności złączeniowe Definicja Zależności złączeniowe Definicja Niech X 1... X n A. W R T(A) spełniona jest zależność X 1... X n jeśli (R X1 )... (R Xn ) (R X1...X n ) Ozn. R = X 1... X n
161 Zależności złączeniowe Definicja Eliminacja zależności wielowartościowych Twierdzenie R = X Y R = XY XY
162 Zależności złączeniowe Definicja Uwaga wtw, gdy ( k 1,...,k n R R = X 1... X n k i Xi X j = k j Xi X j (k X1 = k 1 X1,..., k Xn = k n Xn ) i,j n k R )
163 Zależności złączeniowe Definicja Dowód ( ) Niech k i Xi X j = k j Xi X j, i, j = 1,..., n. Wówczas k 1 X1... k n Xn (R X1 )... (R Xn ) R X1...X n skąd istnieje takie k R, że k 1 X1... k n Xn = k X1...X n, czyli też k X1 = k 1 X1,..., k Xn = k n Xn.
164 Zależności złączeniowe Definicja ( ) Niech m (R X1 )... (R Xn ). Istnieją k 1,..., k n R, że m X1 = k 1 X1,..., m Xn = k n Xn Oczywiście k i Xi X j = k j Xi X j, i, j = 1,..., n. Istnieje zatem k R, dla którego k X1 = k 1 X1,..., k Xn = k n Xn. Wtedy jednak, m X1...X n = k X1...X n, skąd m R X1...X n.
165 Zależności złączeniowe Definicja Uwaga Zależność X 1... X n jest trywialna wtw, gdy X j = n i=1 X i dla pewnego j = 1,..., n.
166 Zależności złączeniowe Definicja Dowód ( ) Niech k (R X1 )... (R Xn ). Istnieją l 1,..., l n R, dla których k X1 = l 1 X1,..., k Xn = l n Xn Ponieważ X 1,..., X n X j, l i Xi = l j Xi, dla i = 1,..., n. Mamy k X1...X n = i (k Xi ) = i (l i Xi ) = i (l j Xi ) = l j X1...X n R X1...X n
167 Zależności złączeniowe Definicja ( ) Niech k j (x) df == { d x 0, x X j d x 1, x A \ X j Oczywiście k i Xi X j = k j Xi X j, i, j = 1, 2,..., n. Ponieważ X 1... X n jest spełniona w [ k 1,..., k n ], istnieje takie j = 1,..., n, że k j X1 = k 1 X1,..., k j Xn = k n Xn Ustalmy i = 1, 2,..., n. Skoro k j Xi = k i Xi, mamy też k j Xi\X j = k i Xi\X j, co oznacza, że X i \ X j jest puste, skąd X i X j, dla wszystkich i = 1, 2,..., n
168 KONIEC
Systemy baz danych. Notatki z wykładu. http://robert.brainusers.net 17.06.2009
Systemy baz danych Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument
Bardziej szczegółowoZależności funkcyjne
Zależności funkcyjne Plan wykładu Pojęcie zależności funkcyjnej Dopełnienie zbioru zależności funkcyjnych Postać minimalna zbioru zależności funkcyjnych Domknięcie atrybutu relacji względem zależności
Bardziej szczegółowoPojęcie zależności funkcyjnej
Postacie normalne Plan wykładu Zależności funkcyjne Cel normalizacji Pierwsza postać normalna Druga postać normalna Trzecia postać normalna Postać normalna Boyca - Codda Pojęcie zależności funkcyjnej Definicja
Bardziej szczegółowoPLAN WYKŁADU BAZY DANYCH ZALEŻNOŚCI FUNKCYJNE
PLAN WYKŁADU Zależności funkcyjne Anomalie danych Normalizacja Postacie normalne Zależności niefunkcyjne Zależności złączenia BAZY DANYCH Wykład 5 dr inż. Agnieszka Bołtuć ZALEŻNOŚCI FUNKCYJNE Niech R
Bardziej szczegółowoBazy danych. Andrzej Łachwa, UJ, /15
Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 10/15 Semantyka schematu relacyjnej bazy danych Schemat bazy danych składa się ze schematów relacji i więzów
Bardziej szczegółowoBazy danych. Andrzej Łachwa, UJ, /15
Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 11/15 NORMALIZACJA c.d. Przykład {UCZEŃ*, JĘZYK*, NAUCZYCIEL} {UCZEŃ, JĘZYK} NAUCZYCIEL NAUCZYCIEL JĘZYK Są
Bardziej szczegółowoKaŜdemu atrybutowi A przyporządkowana jest dziedzina Dom(A), czyli zbiór dopuszczalnych wartości.
elacja chemat relacji chemat relacji jest to zbiór = {A 1,..., A n }, gdzie A 1,..., A n są artybutami (nazwami kolumn) np. Loty = {Numer, kąd, Dokąd, Odlot, Przylot} KaŜdemu atrybutowi A przyporządkowana
Bardziej szczegółowoBazy Danych i Usługi Sieciowe
Bazy Danych i Usługi Sieciowe Model relacyjny Paweł Daniluk Wydział Fizyki Jesień 2011 P. Daniluk (Wydział Fizyki) BDiUS w. III Jesień 2011 1 / 40 Iloczyn kartezjański Iloczyn kartezjański zbiorów A, B
Bardziej szczegółowoJak wiernie odzwierciedlić świat i zachować występujące w nim zależności? Jak implementacja fizyczna zmienia model logiczny?
Plan wykładu Spis treści 1 Projektowanie baz danych 1 2 Zależności funkcyjne 1 3 Normalizacja 1NF, 2NF, 3NF, BCNF 4 4 Normalizacja 4NF, 5NF 6 5 Podsumowanie 9 6 Źródła 10 1 Projektowanie baz danych Projektowanie
Bardziej szczegółowoBazy danych Teoria projektowania relacyjnych baz danych. Wykła. Wykład dla studentów matematyki
Bazy danych Teoria projektowania relacyjnych baz danych. Wykład dla studentów matematyki 2 kwietnia 2017 Ogólne wprowadzenie No przecież do tego służa reguły, rozumiesz? Żebyś się dobrze zastanowił, zanim
Bardziej szczegółowoBazy danych i usługi sieciowe
Bazy danych i usługi sieciowe Model relacyjny Paweł Daniluk Wydział Fizyki Jesień 2016 P. Daniluk (Wydział Fizyki) BDiUS w. III Jesień 2016 1 / 50 Iloczyn kartezjański Iloczyn kartezjański zbiorów A, B
Bardziej szczegółowovf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).
6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j
Bardziej szczegółowoBAZY DANYCH. Anomalie. Rozkład relacji i normalizacja. Wady redundancji
BAZY DANYCH WYKŁAD 5 Normalizacja relacji. Zapytania zagnieżdżone cd. Wady redundancji Konieczność utrzymania spójności kopii, Marnowanie miejsca, Anomalie. (Wybrane materiały) Dr inż. E. Busłowska Copyright
Bardziej szczegółowoNormalizacja. Pojęcie klucza. Cel normalizacji
Plan Normalizacja Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski 1. Cel normalizacji. 2. Klucze schematów relacyjnych atrybuty kluczowe i niekluczowe. 3. 2PN druga postać normalna. 4. 3PN trzecia
Bardziej szczegółowoZależności funkcyjne pierwotne i wtórne
Zależności funkcyjne pierwotne i wtórne W praktyce, w przypadku konkretnej bazy danych, nie jest zwykle możliwe (ani potrzebne), by projektant określił wszystkie zależności funkcyjne na etapie analizy
Bardziej szczegółowoAlgebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie
3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa
Bardziej szczegółowoCo to są liczby naturalne i czemu ich nie ma?! Adam Kolany
Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany Załóżmy, że wiemy co to są liczby naturalne... Język (I-go rzędu): V, { F n : n IN
Bardziej szczegółowoNormalizacja relacyjnych baz danych. Sebastian Ernst
Normalizacja relacyjnych baz danych Sebastian Ernst Zależności funkcyjne Zależność funkcyjna pomiędzy zbiorami atrybutów X oraz Y oznacza, że każdemu zestawowi wartości atrybutów X odpowiada dokładnie
Bardziej szczegółowoDefinicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d.
TECHNOLOGIE BAZ DANYCH WYKŁAD 1 Wprowadzenie do baz danych. Normalizacja. (Wybrane materiały) Dr inż. E. Busłowska Definicja bazy danych Uporządkowany zbiór informacji, posiadający własną strukturę i wartość.
Bardziej szczegółowoCel normalizacji. Tadeusz Pankowski
Plan Normalizacja Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski 1. Cel normalizacji. 2. Klucze schematów relacyjnych atrybuty kluczowe i niekluczowe. 3. 2PN druga postać normalna. 4. 3PN trzecia
Bardziej szczegółowoStruktury formalne, czyli elementy Teorii Modeli
Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j
Bardziej szczegółowoBazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL.
Plan wykładu Bazy danych Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Deficja zależności funkcyjnych Klucze relacji Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoJacek Czekaj. Rodziny równoważne z bazodanową rodziną relacji
UNIWERSYTET ŚLĄSKI W KATOWICACH WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Jacek Czekaj Rodziny równoważne z bazodanową rodziną relacji Praca magisterska napisana pod kierunkiem dra Przemysława Koprowskiego KATOWICE
Bardziej szczegółowoBazy Danych i Usługi Sieciowe
Bazy Danych i Usługi Sieciowe Ćwiczenia III Paweł Daniluk Wydział Fizyki Jesień 2011 P. Daniluk (Wydział Fizyki) BDiUS ćw. III Jesień 2011 1 / 1 Strona wykładu http://bioexploratorium.pl/wiki/ Bazy_Danych_i_Usługi_Sieciowe_-_2011z
Bardziej szczegółowoProjektowanie relacyjnych baz danych
BAZY DANYCH wykład 7 Projektowanie relacyjnych baz danych Dr hab. Sławomir Zadrożny, prof. PR Zależności funkcyjne Niech X i Y oznaczają zbiory atrybutów relacji R Powiemy, że dla relacji R obowiązuje
Bardziej szczegółowoBazy danych 2. Zależności funkcyjne Normalizacja baz danych
Bazy danych 2. Zależności funkcyjne Normalizacja baz danych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012/13 Zależności funkcyjne Definicja: Mówimy, że atrybut B jest zależny funkcyjnie od atrybutów
Bardziej szczegółowoLogika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język
Bardziej szczegółowoSystem BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10
System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki
Bardziej szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
azy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 5 Normalizacja relacji bazy danych jako podstawa relacyjnego modelowania danych (wykład przygotowany z wykorzystaniem materiałów
Bardziej szczegółowoTechnologie baz danych
Plan wykładu Technologie baz danych Wykład 2: Relacyjny model danych - zależności funkcyjne. SQL - podstawy Definicja zależności funkcyjnych Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoDefinicja: alfabetem. słowem długością słowa
Definicja: Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy nazywać słowem a liczbę elementów tego ciągu nazywamy długością słowa. Na
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:
Bardziej szczegółowoEgzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
Bardziej szczegółowoMetoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Bardziej szczegółowoSemantyka rachunku predykatów
Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie
Bardziej szczegółowoSemantyka rachunku predykatów pierwszego rzędu. Dziedzina interpretacji. Stałe, zmienne, funkcje. Logika obliczeniowa.
Logika obliczeniowa Instytut Informatyki 1 Interpretacja i wartościowanie Dziedzina interpretacji Interpretacja Wartościowanie 2 Wartość formuły Wartość termu Wartość logiczna formuły Własności 3 Logiczna
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu
Bardziej szczegółowon=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa
Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski. Definicja. Definicja
Plan Zależności funkcyjne 1. Zależności funkcyjne jako klasa ograniczeń semantycznych odwzorowywanego świata rzeczywistego. 2. Schematy relacyjne = typ relacji + zależności funkcyjne. 3. Rozkładalność
Bardziej szczegółowoBAZY DANYCH model relacyjny. Opracował: dr inż. Piotr Suchomski
BAZY DANYCH model relacyjny Opracował: dr inż. Piotr Suchomski Relacyjny model danych Relacyjny model danych posiada trzy podstawowe składowe: relacyjne struktury danych operatory algebry relacyjnej, które
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Bardziej szczegółowoDefinicja: zmiennych zdaniowych spójnikach zdaniowych:
Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których
Bardziej szczegółowodomykanie relacji, relacja równoważności, rozkłady zbiorów
1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i
Bardziej szczegółowoBazy danych 3. Zależności funkcyjne Normalizacja relacyjnych baz danych
Bazy danych 3. Zależności funkcyjne Normalizacja relacyjnych baz danych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2017/18 Zależności funkcyjne (ang. functional dependencies) to jedno z najważniejszych
Bardziej szczegółowoDefinicja: zmiennych zdaniowych spójnikach zdaniowych:
Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoLogika Matematyczna (10)
Logika Matematyczna (10) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Rezolucja w KRZ Jerzy Pogonowski (MEG) Logika Matematyczna (10) Rezolucja w KRZ 1 / 39 Plan
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 14. Wprowadzenie do logiki intuicjonistycznej
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 14. Wprowadzenie do logiki intuicjonistycznej 1 Przedstawione na poprzednich wykładach logiki modalne możemy uznać
Bardziej szczegółowoMonoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.
3. Wykłady 3 i 4: Języki i systemy dedukcyjne. Klasyczny rachunek zdań. 3.1. Monoidy wolne. Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 12 i 13. Dowód i dowodzenie w KRP. Tezy KRP
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykłady 12 i 13. Dowód i dowodzenie w KRP. Tezy KRP 1 Pojęcie dowodu w KRP Pojęcia: formuły zdaniowej języka Klasycznego Rachunku
Bardziej szczegółowo0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.
Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek
Bardziej szczegółowoWYKŁAD 1. Wprowadzenie do problematyki baz danych
WYKŁAD 1 Wprowadzenie do problematyki baz danych WYKŁAD 2 Relacyjny i obiektowy model danych JĘZYK UML (UNIFIED MODELING LANGUAGE) Zunifikowany język modelowania SAMOCHÓD
Bardziej szczegółowoO pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
Bardziej szczegółowo1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.
1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań 1 Struktury modelowe Przedstawimy teraz pewien
Bardziej szczegółowoPostać normalna Boyce-Codd (BCNF)
Postać normalna Boyce-Codd (BCNF) Grunty Id_Własności Wojewódz. Id-gruntu Obszar Cena Stopa_podatku Postać normalna Boyce-Codd a stanowi warunek dostateczny 3NF, ale nie konieczny. GRUNTY Id_Własności
Bardziej szczegółowoRachunek predykatów. Formuły rachunku predykatów. Plan wykładu. Relacje i predykaty - przykłady. Relacje i predykaty
Rachunek predykatów Wykład 4 Plan wykładu Relacje i predykaty Formuły rachunku predykatów Interpretacje Logiczna równoważność Metoda tabel Modele skończone i nieskończone Rozstrzygalność Relacje i predykaty
Bardziej szczegółowoBazy danych 2. Algebra relacji Zależności funkcyjne
Bazy danych 2. Algebra relacji Zależności funkcyjne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011/12 Relacyjne systemy baz danych... zdominowały rynek. Systemy nierelacyjne maja status eksperymentalny
Bardziej szczegółowoAlgebra i jej zastosowania konspekt wyk ladu, czȩść druga
Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Anna Romanowska January 29, 2016 4 Kraty i algebry Boole a 41 Kraty zupe lne Definicja 411 Zbiór uporza dkowany (P, ) nazywamy krata zupe lna,
Bardziej szczegółowoAdam Meissner.
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu
Bardziej szczegółowoNormalizacja schematów logicznych relacji
Normalizacja schematów logicznych relacji Wykład przygotował: Tadeusz Morzy BD wykład 5 Celem niniejszego wykładu jest przedstawienie i omówienie procesu normalizacji. Proces normalizacji traktujemy jako
Bardziej szczegółowoBazy danych 3. Normalizacja baz danych
Bazy danych 3. Normalizacja baz danych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011/12 Pierwsza postać normalna Tabela jest w pierwszej postaci normalnej (1PN), jeżeli 1. Tabela posiada klucz.
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoPODSTAWY BAZ DANYCH 2009/ / Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 2009/2010 1 Literatura 1. Connolly T., Begg C.: Systemy baz danych. Tom 1 i tom 2. Wydawnictwo RM 2004. 2. R. Elmasri, S. B. Navathe: Wprowadzenie do systemu baz danych, Wydawnictwo
Bardziej szczegółowoRelacyjne Bazy Danych Andrzej M. Borzyszkowski. Projekt bazy danych normalizacja. PJATK/ Gdańsk. Dwie metodologie. Formalne zasady projektowe
Relacyjne Bazy Danych Andrzej M. Borzyszkowski PJATK/ Gdańsk materiały dostępne elektronicznie http://szuflandia.pjwstk.edu.pl/~amb Projekt bazy danych normalizacja 2 Dwie metodologie Formalne zasady projektowe
Bardziej szczegółowoPożyczkobiorcy. Anomalia modyfikacji: Anomalia usuwania: Konta_pożyczkowe. Anomalia wstawiania: Przykłady anomalii. Pożyczki.
Normalizacja Niewłaściwe zaprojektowanie schematów relacji może być przyczyną dublowania się danych, ich niespójności i anomalii podczas ich aktualizowania Przykłady anomalii PROWNIY id_prac nazwisko adres
Bardziej szczegółowoKorzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi
M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 6A: REZOLUCJA III rok kognitywistyki UAM, 2016 2017 1 Rezolucja w KRZ Dowody rezolucyjne w KRZ są równie proste, jak dowody tablicowe Metoda
Bardziej szczegółowoDowody założeniowe w KRZ
Dowody założeniowe w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl w styczniu 2007 Jerzy Pogonowski (MEG) Dowody założeniowe w KRZ w styczniu 2007 1 / 10 Dowody
Bardziej szczegółowoBaza w jądrze i baza obrazu ( )
Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem
Bardziej szczegółowoTautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych
Bardziej szczegółowoAlgebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i
Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach
Bardziej szczegółowoPierwsza postać normalna
Normalizacja Pierwsza postać normalna Jedynymi relacjami dozwolonymi w modelu relacyjnym są relacje spełniające następujący warunek: każda wartość w relacji, tj. każda wartość atrybutu w każdej krotce,
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 14: POWTÓRKA III rok kognitywistyki UAM, 2016 2017 Dzisiejszy wykład w całości poświęcony będzie omówieniu przykładowych zadań, podobnych do
Bardziej szczegółowoWykład ze Wstępu do Logiki i Teorii Mnogości
Wykład ze Wstępu do Logiki i Teorii Mnogości rok ak. 2016/2017, semestr zimowy Wykład 1 1 Wstęp do Logiki 1.1 Rachunek zdań, podstawowe funktory logiczne 1.1.1 Formuła atomowa; zdanie logiczne definicje
Bardziej szczegółowoRelacyjny model baz danych, model związków encji, normalizacje
Relacyjny model baz danych, model związków encji, normalizacje Wyklad 3 mgr inż. Maciej Lasota mgr inż. Karol Wieczorek Politechnika Świętokrzyska Katedra Informatyki Kielce, 2009 Definicje Operacje na
Bardziej szczegółowoElementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Bardziej szczegółowoProjektowanie baz danych
Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2005/06 Plan wykładu Ewolucja
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań III
Wstęp do logiki Klasyczny Rachunek Zdań III Przypomnijmy: Logika: = Teoria form (schematów, reguł) poprawnych wnioskowań. Wnioskowaniem nazywamy jakąkolwiek skończoną co najmniej dwuwyrazową sekwencję
Bardziej szczegółowoWYKŁAD 3: METODA AKSJOMATYCZNA
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 3: METODA AKSJOMATYCZNA III rok kognitywistyki UAM, 2016 2017 Plan na dziś: 1. Przypomnimy, na czym polega aksjomatyczna metoda dowodzenia twierdzeń.
Bardziej szczegółowoRelacje i relacje równoważności. Materiały pomocnicze do wykładu. przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak
Relacje i relacje równoważności Materiały pomocnicze do wykładu uczelnia: PJWSTK przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak Zbiór i iloczyn kartezjański Pojęcie zbioru Zbiór jest
Bardziej szczegółowoMatematyka dyskretna
Matematyka dyskretna Wykład 6: Ciała skończone i kongruencje Gniewomir Sarbicki 2 marca 2017 Relacja przystawania Definicja: Mówimy, że liczby a, b Z przystają modulo m (co oznaczamy jako a = b (mod m)),
Bardziej szczegółowoRACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.
Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana
Bardziej szczegółowo5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.
5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. Algebra jest jednym z najstarszych działów matematyki dotyczącym początkowo tworzenia metod rozwiązywania równań
Bardziej szczegółowo1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
Bardziej szczegółowoLogika. Michał Lipnicki. 15 stycznia Zakład Logiki Stosowanej UAM. Michał Lipnicki () Logika 15 stycznia / 37
Logika Michał Lipnicki Zakład Logiki Stosowanej UAM 15 stycznia 2011 Michał Lipnicki () Logika 15 stycznia 2011 1 / 37 Wstęp Materiały na dzisiejsze zajęcia zostały opracowane na podstawie pomocy naukowych
Bardziej szczegółowo1 Wstęp do modelu relacyjnego
Plan wykładu Model relacyjny Obiekty relacyjne Integralność danych relacyjnych Algebra relacyjna 1 Wstęp do modelu relacyjnego Od tego się zaczęło... E. F. Codd, A Relational Model of Data for Large Shared
Bardziej szczegółowoROZDZIAŁ 1. Rachunek funkcyjny
ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast
Bardziej szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Bardziej szczegółowoZależności funkcyjne c.d.
Zależności funkcyjne c.d. Przykłady. Relacja Film (zapis w postaci tabeli): Tytuł Rok Długość typfilmu nazwastudia nazwiskogwiazdy Gwiezdne 1977 124 Kolor Fox Carrie Fisher Gwiezdne 1977 124 Kolor Fox
Bardziej szczegółowoWprowadzenie i pojęcia wstępne.
Wprowadzenie i pojęcia wstępne. X\A a b c x 1 a 1 b 1 c 1 x 2 a 1 b 1 c 2 x 3 a 1 b 2 c 3 x 4 a 2 b 1 c 4 x 5 a 1 b 2 c 1 x 6 a 1 b 2 c 2 x 7 a 1 b 1 c 1 S = X = {x 1,,x 8 } A = {a, b, c}
Bardziej szczegółowoElementy teorii mnogości. Część I. Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im.
Elementy teorii mnogości 1 Elementy teorii mnogości Część I Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza Elementy teorii mnogości 2 1. Pojęcia
Bardziej szczegółowoRachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Rachunek zdań Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak RACHUNEK ZDAŃ Zdania Definicja Zdanie jest to stwierdzenie w języku naturalnym, któremu można przypisać wartość prawdy lub
Bardziej szczegółowoLogika Matematyczna (2,3)
Logika Matematyczna (2,3) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 11, 18 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (2,3) 11, 18 X 2007 1 / 34 Język KRZ
Bardziej szczegółowo030 PROJEKTOWANIE BAZ DANYCH. Prof. dr hab. Marek Wisła
030 PROJEKTOWANIE BAZ DANYCH Prof. dr hab. Marek Wisła Elementy procesu projektowania bazy danych Badanie zależności funkcyjnych Normalizacja Projektowanie bazy danych Model ER, diagramy ERD Encje, atrybuty,
Bardziej szczegółowoInterpretacja Niech U będzie zbiorem formuł takim, że zbiór {p 1,..., p k } jest zbiorem wszystkich symboli predykatywnych, {f 1,..., f l } jest zbior
Rachunek predykatów Wykład 5 Plan wykładu Funkcje i termy Postać klauzulowa formuł Modele Herbranda Twierdzenie Herbranda Rezolucja dla klauzul ustalonych Podstawienia Uzgadnianie Rezolucja Funkcje i termy
Bardziej szczegółowoLogika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Wprowadzenie Jerzy Pogonowski (MEG) Logika Matematyczna (1) Wprowadzenie 1 / 20 Plan konwersatorium
Bardziej szczegółowoKonstruowanie Baz Danych Wprowadzenie do projektowania. Normalizacja
Studia podyplomowe In»ynieria oprogramowania wspóªnansowane przez Uni Europejsk w ramach Europejskiego Funduszu Spoªecznego Projekt Studia podyplomowe z zakresu wytwarzania oprogramowania oraz zarz dzania
Bardziej szczegółowo