Systemy baz danych. Notatki z wykładu
|
|
- Sławomir Kaczor
- 8 lat temu
- Przeglądów:
Transkrypt
1 Systemy baz danych Notatki z wykładu Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument może być wykorzystywany jedynie do celów własnych, poglądowych, niekomercyjnych. Przedstawione teorie nie mogą być traktowane bezkrytycznie. 1. Relacje 1.1. Pojęcie relacji Definicja (Domena atrybutu). Niech U = {A 1,..., A n } będzie skończonym zbiorem atrybutów A i. Domeną atrybutu A nazywamy zakres wszystkich wartości, jakie przyjmuje ten atrybut, ozn. DOM(A). Definicja (Relacja). Relacją R(U) nazywamy pozbiór iloczynu kartezjańskiego domen atrybutów ze zbioru U: R(U) DOM(A 1 ) DOM(A n ), A i U W praktyce porządek domen nie jest ważny, bo odwołujemy się do atrybutu poprzez jego nazwę. Definicja (Krotka typu U). Krotką typu U nazywamy dowolną funkcję r : U DOM(A) A U 1
2 taką że r(a i ) DOM(A i ), A i U i krótko zapisujemy r(u). Zbiór wszystkich krotek typu U oznaczmy KROT KA(U). Definicja (Wartość prosta, atrybut prosty). Wartość a DOM(A) jest prosta, jeżeli nie jest ona zbiorem ani ciągiem atrybutów należących do A U DOM(A). Atrybut A U nazywamy atrybutem prostym, jeżeli wszystkie jego wartości są proste. Od tej chwili zakładamy, że wszystkie atrybuty są proste. Definicja (1PN). Mówimy, że relacja R(U) jest znormalizowana, lub że jest w pierwszej postaci normalnej (ozn. 1PN), jeżeli każdy atrybut A U jest atrybutem prostym Operacje na krotkach Niech r będzie krotką typu U. Definicja (Ograniczenie krotki). Niech X U. Krotkę r[x] nazywamy ograniczeniem krotki r do zbioru X, gdy dla wszystkich atrybutów A X wartości tych krotek są równe. Definicja (Złączenie krotek). Weźmy X, Y U i krotki r(x), s(y ). Złączeniem krotek r i s nazywamy krotkę t(x Y ), taką że t[x] = r oraz t[y ] = s i oznaczamy r s. Uwaga Złączenie krotek jest przemienne i łączne Operacje na relacjach Definicja (Suma relacji). R(U) S(U) = {t KROT KA(U) : t R(U) t S(U)} Definicja (Różnica relacji). R(U) \ S(U) = {t KROT KA(U) : t R(U) t / S(U)} 2
3 Definicja (Iloczyn relacji). R(U) S(U) = {t KROT KA(U) : t R(U) t S(U)} Definicja (Dopełnienie relacji). R(U) = {t KROT KA(U) : t / R(U)} Dopełnienie jest dobrze zdefiniowane, gdy KROT KA(U) jest zbiorem skończonym. Definicja (Projekcja). Niech R(U) i X U. Relację R[X] nazywamy projekcją (rzutem) relacji R na zbiór atrybutów X, gdy R[X] = {t KROT KA(X) : r R r[x] = t} Definicja (Selekcja). Niech A, B U, v A U DOM(A) (wartość pewnego atrybutu) i niech Θ będzie zbiorem pewnych relacji. Elementarnym warunkiem selekcji nazywamy wyrażenie logiczne AθB lub Aθv gdzie θ Θ. Warunek selekcji definiujemy następująco. Każdy elementalny warunek selekcji jest warunkiem selekcji; ponadto jeżeli E, E są warunkami selekcji to E E, E E i E też są warunkami selekcji. Relację T (U) nazywamy selekcją relacji R(U) z warunkiem selekcji E, gdy jest ona zbiorem tylko tych krotek, które spełniają warunek selekcji. Definicja (Złączenie relacji). R S = {t KROT KA(R S) : t[x] R t[y ] S} Uwaga Złączenie relacji jest przemienne i łączne Zależności funkcyjne W kontekście zależności fukncyjnych rodzinę atrybutów {A, B} będziemy krótko oznaczać AB, a nawet {A} jako A. Definicja (Zależności funkcyjne). Niech X, Y U będą rodzinami atrybutów. Mówimy, że w relacji R(U) zachodzi zależność funkcyjna X Y, gdy dla każdych dwóch krotek r 1, r 2 R zachodzi r 1 [X] = r 2 [X] = r 1 [Y ] = r 2 [Y ] 3
4 Definicja (Dopełnienie zbioru zależności funkcyjnych). Niech F {X Y : X, Y U} będzie zbiorem zależności funkcyjnych. Przez F + oznaczamy najmniejszy zbiór zależności fukncyjnych, który zawiera F oraz jest zamknięty na aksjomaty Armstronga: (F1) Y X = X Y F + (pseudozwrotność) (F2) X Y F + = XZ Y Z F + (poszerzalność) (F3) X Y F + Y Z F + = X Z F + (przechodniość) Twierdzenie Układ aksjomatów Armstronga jest niesprzeczny oraz zupełny. Wniosek Można wyprowadzić z aksjomatów Armstronga następujące zależności: (F4) X Y F + Y W X F + = XW Z F + (pseudoprzechodniość) (F5) X Y F + X Z F + = X Y Z F + (addytywność) (F6) X Y Z F + = X Y F + X Z F + (dekompozycyjność) + (F 2) Dowód. (F4) X Y F XW Y W F + oraz Y W Z F + (z założenia). Stąd z (F3) XW Z F +. (F5) Z poszerzalności mamy XX = X Y X F + oraz XY ZY F +. Stąd na podstawie (F3) X Y Z F +. (F6) Ze zwrotności mamy Y Z Y F + oraz Z Z F +. Skoro X Y Z F + to z przechodniości otrzymujemy X Y F + oraz X Z F +. Definicja (Minimalny generator zależności funkcyjnych). Niech F 0 F będzie takim podzbiorem, że F + 0 = F +. Wówczas najmniejszy zbiór F 0 nazywamy minimalnym generatorem zależności funkcyjnych w F. Jeżeli F 0 jest minimalnym generatorem z lewymi stronami zależności funkcyjnych o mocy 1 to nazywamy go minimalnym zredukowanym generatorem zależności funkcyjnych w F. Definicja (Domknięcie zbioru atrybutów). Niech X U. Domknięciem zbioru atrybutów X nazywamy zbiór X + = {A U : X A F + } Wniosek ) X X + (wynika z F1) 2) (X + ) + = X + 3) X Y = X + Y + 4
5 Twierdzenie Niech X, Y U. Wtedy X Y F + Y X + Dowód. ( ) Y = {A 1,..., A n } X + U. Z definicji X + : X A i F +. Z (F5) mamy X A 1 A 2... A n F +. Stąd X Y F +. ( ) Załóżmy, że X Y F +. Y = A 1,..., A n, więc z (F1): Y A i F +. Teraz (F3): X A i F +. Z definicji X + mamy A i X +, czyli Y = A i X +. Stąd Y X Schematy relacyjne Definicja (Schemat relacyjny). Niech F będzie zbiorem zależności funkcyjnych nad U. Parę R = (U, F ) nazywamy schematem relacyjnym nad U ze zbiorem zależności funkcyjnych F. Definicja (Instancja schematu). Relację R(U) nazywamy instancją (przypadkiem) schematu R = (U, F ) jeżeli zachodzi w niej każda zależność funkcyjna z F. Zbiór wszystkich instancji schematu R oznaczamy IN ST (R). Definicja (Projekcja schematu). Niech X U. Schemat R[X] = (X, G) nazywamy projekcją (rzutem) schematu R na zbiór atrybutów X, jeżeli G + = {Y Z F + : Y Z X} + Definicja (Złączenie schematów). Niech R = (X, F ), S = (Y, G). Schemat T = (X Y, (F G) + ) nazywamy złączeniem schematów relacyjnych Rozkładalność schematów relacyjnych Definicja (Rozkładalność bez straty danych). Mówimy, że schemat R jest rozkładalny bez straty danych na schematy R[X] i R[Y ], gdy 1) X Y = U 2) R INST (R) R = R[X] R[Y ] 5
6 Twierdzenie Jeśli X Y F + to schemat relacyjny R jest rozkładalny bez straty danych na schematy R[XY ] oraz R[XZ], gdzie XY Z = U, Y Z =. Natomiast jeśli schemat relacyjny R jest rozkładalny bez straty danych na schematy R[XY ] i R[XZ] (gdzie XY Z = U, Y Z = ) to X Y F + lub X Z F +. Definicja (Rozkładalność bez straty zależności funkcyjnych). Mówimy, że schemat relacyjny R = (U, F ) jest rozkładalny bez straty zależności funkcyjnych na schematy R 1 = (X, G) oraz R 2 = (Y, H) gdy 1) X Y = U 2) (G H) + = F + Definicja (Rozkładalność bez straty danych i zależności funkcyjnych). Mówimy, że schemat relacyjny R = (U, F ) jest rozkładalny bez straty danych i zależności funkcyjnych na schematy S = (X, G) oraz T = (Y, H) gdy 1) X Y = U 2) (G H) + = F + 3) R INST (R) = R[X] R[Y ] = R Taki rozkład nazywamy rozkładem na składowe niezależne. Twierdzenie Niech X, y U oraz X, Y mają niepusty przekrój. Projekcje S = R[X] = (X, G), T = R[Y ] = (Y, H) są niezależnymi składowym schematu R wtedy i tylko wtedy gdy 1) X Y = U 2) F + = (G H) + 3) X Y X F + lub X Y Y F Normalizacja schematów relacyjnych 2.1. Pojęcie klucza Definicja (Klucz schematu). Zbiór atrybutów K U nazywamy kluczem schematu R gdy 1) K U F + 2) X U F + = X nie jest podzbiorem właściwym zbioru K (minimalność). W literaturze klucz nazywa się często kluczem kandydującym. Definicja (Nadklucz). Każdy zbiór, który zawiera klucz, np. ABK. 6
7 2.2. Sprowadzanie schematów relacyjnych do 2PN Definicja (Pełna zależność funkcyjna). Niech X, Y U, X Y =. Mówimy, że Y jest w pełni zależny od X jeżeli X Y F i nie jest zależny od żadnego właściwiego podzbioru X (zmniejszenie X spowoduje utratę zależności). Definicja (2PN). Mówimy, że schemat R jest w drugiej postaci normalnej (2PN) jeżeli każdy niekluczowy atrybut A U jest w pełni funkcyjnie zależny od każdego klucza tego schematu. Uwaga Jeżeli w schemacie istnieje tylko jeden klucz lub nie ma atrybutów niekluczowych to schemat jest już w 2PN. Uwaga (Algorytm sprowadzania do 2PN). Jeśli istnieje klucz K U, że dla pewnego K K i X U zachodzi K X F + to rozłóż schemat na dwa rzuty: R 1 = R[U 1 ] = (U 1, F 1 ), R 2 = R[U 2 ] = (U 2, F 2 ) gdzie U 1 = K X, U 2 = K (U \ X) oraz F 1, F 2 są generatorami zależności funkcyjnych w tych schematach. Wykonaj algorytm ponownie dla powstałych składowych. Otrzymany rozkład nie jest jednoznacznie określony. Staramy się rozkładać na możliwie najmniejszą liczbę składowych Trzecia postać normalna Definicja (Zależność tranzytywna). Niech A B F + i B C F +. Mówimy, że zbiór atrybutów C jest tranzytywnie zależny od A jeżeli A nie jest zależne ani od B ani od C. Definicja (3PN). Mówimy, że schemat R jest w trzeciej postaci normalnej (3PN) jeżeli jest w 2PN oraz żaden atrybut niekluczowy nie jest tranzytywnie zależny od klucza. Uwaga Jeżeli w schemacie nie ma atrybutów niekluczowych to schemat jest już w 3PN. Uwaga (Sprowadzanie schematu do 3PN). Niech K będzie kluczem schematu R i niech istnieje tranzytywna zależność K X Y (tzn. nie istnieje zależność funkcyjna X K). Aby rozłożyć schemat na składowe będące w 3PN należy rozkładać go, podobnie jak poprzednio, lecz względem zależności X Y. Jeśli składowe nie są w 3PN, rozkładamy je ponownie. 7
8 2.4. Postać normalna Boyce a-codda Definicja (BCNF). Mówimy, że schemat R jest w postaci normalnej Boyce a-codda, jeżeli dla każdej zależności funkcyjnej X Y (gdzie Y nie zawiera się w X) prawdą jest, że X jest kluczem lub nadkluczem. Uwaga Jeśli schemat jest w BCNF to jest w 3PN. Uwaga (Sprowadzanie schematu do BCNF). Jeśli w schemacie relacyjnym istnieje zależność funkcyjna X Y i X nie jest kluczem ani nadkluczem, należy rozkładać go na składowe, podobnie jak poprzednio, lecz względem tej zależności. Jeśli składowe nie są w BCNF, rozkładamy je ponownie Czwarta postać normalna Definicja (Zależność wielowartościowa). Niech R będzie instancją schematu R, atrybuty X, Y, Z U, XY Z = U oraz krotki x R[X], y, y R[Y ], z, z R[Z]. Mówimy, że zachodzi zależność wielowartościowa z X do Y (ozn. X Y ) jeżeli z tego, że wynika x y z R x y z R x y z R x y z R Zależność wielowartościową X Y nazywamy trywialną, gdy XY = U. Uwaga Zależność funkcyjna X Y pociąga za sobą zależność wielowartościową X Y. Definicja (4PN). Mówimy, że schemat R jest w czwartej postaci normalnej, jeżeli każda nietrywialna zależność wielowartościowa wynika z klucza lub nadklucza. Uwaga (Sprowadzanie schematu do 4PN). Jeśli w schemacie relacyjnym istnieje zależność wielowartościowa X Y która nie wynika z klucza ani nadklucza i jeśli istnieje zależność funkcyjna X Y, należy rozkładać schemat na składowe, podobnie jak poprzednio, lecz względem tej zależności. Jeśli składowe nie są w 4PN, rozkładamy je ponownie. 8
Zależności funkcyjne
Zależności funkcyjne Plan wykładu Pojęcie zależności funkcyjnej Dopełnienie zbioru zależności funkcyjnych Postać minimalna zbioru zależności funkcyjnych Domknięcie atrybutu relacji względem zależności
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoPODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych
PODSTAWY BAZ DANYCH Wykłd 2 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy bz dnych" 1 Pojęcie krotki - definicj Definicj. Niech dny będzie skończony zbiór U := { A 1, A 2,..., A n }, którego
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 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 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 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 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 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 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 szczegółowoINFORMATYKA GEODEZYJNO- KARTOGRAFICZNA Relacyjny model danych. Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe
Relacyjny model danych Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe Charakterystyka baz danych Model danych definiuje struktury danych operacje ograniczenia integralnościowe
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 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 szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
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 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 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 szczegółowoAlgebra relacji. nazywamy każdy podzbiór iloczynu karteziańskiego D 1 D 2 D n.
Algebra relacji Definicja 1 (Relacja matematyczna). Relacją R między elementami zbioru D 1 D 2 D n, gdzie przypomnijmy D 1 D 2 D n = {(d 1, d 2,..., d n ) : d i D i, i = 1, 2,..., n}, nazywamy każdy podzbiór
Bardziej szczegółowoRelacyjny model danych
Model relacyjny Relacyjny model danych Relacyjny model danych jest obecnie najbardziej popularnym modelem używanym w systemach baz danych. Podstawą tego modelu stała się praca opublikowana przez E.F. Codda
Bardziej szczegółowoMatematyka dyskretna. 1. Relacje
Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli
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 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 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 szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
Bazy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 5 Strukturalny język zapytań (SQL - Structured Query Language) Algebraiczny rodowód podstawowe działania w przykładach Bazy danych.
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 szczegółowoProjektowanie relacyjnych baz danych
Mam nadzieję, że do tej pory przyzwyczaiłeś się do tabelarycznego układu danych i poznałeś sposoby odczytywania i modyfikowania tak zapisanych danych. W tym odcinku poznasz nieco teorii relacyjnych baz
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 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 szczegółowoBazy danych. Bazy danych. wykład kursowy. Adam Kolany. Państwowa Wyższa Szkoła Zawodowa 2007/2008
Bazy danych wykład kursowy Adam Kolany Państwowa Wyższa Szkoła Zawodowa dr.a.kolany@wp.pl 2007/2008 Wielozbiory Definicja Wielozbiory Definicja Niech A będzie dowolnym zbiorem. Wielozbiór elementów A,
Bardziej szczegółowo1 Przygotował: mgr inż. Maciej Lasota
Laboratorium nr 1 1 Bazy Danych Instrukcja laboratoryjna Temat: Normalizacje 1 Przygotował: mgr inż. Maciej Lasota 1) Wprowadzenie. Normalizacja to proces organizacji danych w bazie danych. Polega on na
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 szczegółowoCiała i wielomiany 1. przez 1, i nazywamy jedynką, zaś element odwrotny do a 0 względem działania oznaczamy przez a 1, i nazywamy odwrotnością a);
Ciała i wielomiany 1 Ciała i wielomiany 1 Definicja ciała Niech F będzie zbiorem, i niech + ( dodawanie ) oraz ( mnożenie ) będą działaniami na zbiorze F. Definicja. Zbiór F wraz z działaniami + i nazywamy
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 szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowoBazy danych. Algebra relacji
azy danych lgebra relacji Model danych Model danych to spójny zestaw pojęć służący do opisywania danych i związków między nimi oraz do manipulowania danymi i ich związkami, a także do wyrażania więzów
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 szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
Bazy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 2 Podstawy integralności w relacyjnym modelu baz danych Bazy danych. Wykład 2 2 Integralność relacyjnych baz danych Schemat relacji
Bardziej szczegółowoProjektowanie Systemów Informacyjnych
Projektowanie Systemów Informacyjnych Wykład II Encje, Związki, Diagramy związków encji, Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.Widom Copyrights by Arkadiusz Rzucidło
Bardziej szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowo1 Działania na zbiorach
M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej
Bardziej szczegółowoMetalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM
Metalogika (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Uniwersytet Opolski Jerzy Pogonowski (MEG) Metalogika (1) Uniwersytet Opolski 1 / 21 Wstęp Cel: wprowadzenie
Bardziej szczegółowoGrupy, pierścienie i ciała
Grupy, pierścienie i ciała Definicja: Niech A będzie niepustym zbiorem. Działaniem wewnętrznym (lub, krótko, działaniem) w zbiorze A nazywamy funkcję : A A A. Niech ponadto B będzie niepustym zbiorem.
Bardziej szczegółowo1. Wykład NWD, NWW i algorytm Euklidesa.
1.1. NWD, NWW i algorytm Euklidesa. 1. Wykład 1 Twierdzenie 1.1 (o dzieleniu z resztą). Niech a, b Z, b 0. Wówczas istnieje dokładnie jedna para liczb całkowitych q, r Z taka, że a = qb + r oraz 0 r< b.
Bardziej szczegółowoRBD Relacyjne Bazy Danych
Wykład 7 RBD Relacyjne Bazy Danych Bazy Danych - A. Dawid 2011 1 Selekcja σ C (R) W wyniku zastosowania operatora selekcji do relacji R powstaje nowa relacja T do której należy pewien podzbiór krotek relacji
Bardziej szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
Bazy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 1 Algebra relacyjnych baz danych jako podstawa języka SQL i jego implementacji w systemach baz danych Oracle Bazy danych. Wykład
Bardziej szczegółowo2010-10-21 PLAN WYKŁADU BAZY DANYCH MODEL DANYCH. Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna HISTORIA
PLAN WYKŁADU Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna BAZY DANYCH Wykład 2 dr inż. Agnieszka Bołtuć MODEL DANYCH Model danych jest zbiorem ogólnych zasad posługiwania
Bardziej szczegółowoWykład II Encja, atrybuty, klucze Związki encji. Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.
Bazy Danych Wykład II Encja, atrybuty, klucze Związki encji Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.Widom Copyrights by Arkadiusz Rzucidło 1 Encja Byt pojęciowy
Bardziej szczegółowoWykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.
Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo
Bardziej szczegółowoNormalizacja baz danych
Wrocławska Wyższa Szkoła Informatyki Stosowanej Normalizacja baz danych Dr hab. inż. Krzysztof Pieczarka Email: krzysztof.pieczarka@gmail.com Normalizacja relacji ma na celu takie jej przekształcenie,
Bardziej szczegółowoBazy danych 3. Normalizacja baz danych (c.d.)
Bazy danych 3. Normalizacja baz danych (c.d.) P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012/13 Postać normalna Boyce a-codda Tabela jest w postaci normalnej Boyce a-codda (BCNF, PNBC), jeżeli 1.
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 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 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 szczegółowoRelacyjny model danych
Relacyjny model danych Wykład przygotował: Robert Wrembel BD wykład 2 (1) 1 Plan wykładu Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe BD wykład 2 (2) W ramach drugiego
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 szczegółowoWykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych
Arytmetyka liczb całkowitych Wykład 1 Na początku zajmować się będziemy zbiorem liczb całkowitych Z = {0, ±1, ±2,...}. Zakładamy, że czytelnik zna relację
Bardziej szczegółowoTeoria automatów i języków formalnych. Określenie relacji
Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA
Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,
Bardziej szczegółowoDefinicja odwzorowania ciągłego i niektóre przykłady
Odwzorowania Pojęcie odwzorowania pomiędzy dwoma zbiorami było już definiowane, ale dawno, więc nie od rzeczy będzie przypomnieć, że odwzorowaniem nazywamy sposób przyporządkowania (niekoniecznie każdemu)
Bardziej szczegółowoIndukcja matematyczna. Zasada minimum. Zastosowania.
Indukcja matematyczna. Zasada minimum. Zastosowania. Arkadiusz Męcel Uwagi początkowe W trakcie zajęć przyjęte zostaną następujące oznaczenia: 1. Zbiory liczb: R - zbiór liczb rzeczywistych; Q - zbiór
Bardziej szczegółowoBazy danych. Plan wykładu. Podzapytania - wskazówki. Podzapytania po FROM. Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych.
Plan wykładu azy danych Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych. Dokoczenie SQL Zalenoci wielowartociowe zwarta posta normalna Dekompozycja do 4NF Przykład sprowadzanie do
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 szczegółowo1. R jest grupą abelową względem działania + (tzn. działanie jest łączne, przemienne, istnieje element neutralny oraz element odwrotny)
Rozdział 1 Pierścienie i ideały Definicja 1.1 Pierścieniem nazywamy trójkę (R, +, ), w której R jest zbiorem niepustym, działania + : R R R i : R R R są dwuargumentowe i spełniają następujące warunki dla
Bardziej szczegółowoDefinicja obiektowego modelu danych: struktura i zachowanie
Definicja obiektowego modelu danych: struktura i zachowanie Podziękowania Dla Grzegorza Enzo Dołęgowskiego za wpisanie moich notatek do komputera. Relacyjna baza danych (przypomnienie) Pojęcia pierwotne
Bardziej szczegółowoALGEBRA Z GEOMETRIĄ LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY
ALGEBRA Z GEOMETRIĄ 1/10 LINIOWA NIEZALEŻNOŚĆ, ROZPINANIE I BAZY Piotr M. Hajac Uniwersytet Warszawski Wykład 10, 11.12.2013 Typeset by Jakub Szczepanik. Geometryczne intuicje Dla pierścienia R = R mamy
Bardziej szczegółowoFUNKCJE. (odwzorowania) Funkcje 1
FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru
Bardziej szczegółowoTemperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.
Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu
Bardziej szczegółowoBazy danych Projektowanie i implementacja relacyjnych baz danych
Bazy danych Projektowanie i implementacja relacyjnych baz danych Marcin Szpyrka Katedra Informatyki Stosowanej AGH w Krakowie 2016/17 Literatura 1. Jeffrey D. Ullman, Jennifer Widom: Podstawowy kurs systemów
Bardziej szczegółowoRelacyjny model danych. Relacyjny model danych
1 Plan rozdziału 2 Relacyjny model danych Relacyjny model danych - pojęcia podstawowe Ograniczenia w modelu relacyjnym Algebra relacji - podstawowe operacje projekcja selekcja połączenie operatory mnogościowe
Bardziej szczegółowoRelacje. opracował Maciej Grzesiak. 17 października 2011
Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla
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 szczegółowoWyk lad 6 Podprzestrzenie przestrzeni liniowych
Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)
Bardziej szczegółowoRównania różniczkowe. Notatki z wykładu.
Równania różniczkowe 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 szczegółowoRodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.
1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X
Bardziej szczegółowoZdarzenia losowe i prawdopodobieństwo
Rozdział 1 Zdarzenia losowe i prawdopodobieństwo 1.1 Klasyfikacja zdarzeń Zdarzenie elementarne pojęcie aprioryczne, które nie może być zdefiniowane. Odpowiednik pojęcia punkt w geometrii. Zdarzenie elementarne
Bardziej szczegółowoNormalizacja schematów relacji
Normalizacja schematów relacji 1. Przykład złego schematu relacji Rozważmy schemat relacji: Dostawcy = { Nazwa_dostawcy, Adres_dostawcy, Nazwa_towaru, Cena } i przykładową jej zawartość: NazwaDostawcy
Bardziej szczegółowoRACHUNEK ZBIORÓW 5 RELACJE
RELACJE Niech X i Y są dowolnymi zbiorami. Układ ich elementów, oznaczony symbolem x,y (lub też (x,y) ), gdzie x X i y Y, nazywamy parą uporządkowaną o poprzedniku x i następniku y. a,b b,a b,a b,a,a (o
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoZadania z algebry liniowej - sem. I Struktury algebraiczne
Zadania z algebry liniowej - sem. I Struktury algebraiczne Definicja 1. Działaniem dwuargumentowym w niepustym zbiorze A nazywamy każdą funkcję : A A A, tzn. taką funkcję, że zachodzi a,b A (a, b) ((a,
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 szczegółowoBazy danych Algebra relacji Wykład dla studentów matematyki
Bazy danych Algebra relacji Wykład dla studentów matematyki 8 marca 2015 Algebra relacji Model teoretyczny do opisywania semantyki relacyjnych baz danych, zaproponowany przez T. Codda (twórcę koncepcji
Bardziej szczegółowoProgram wykładu. zastosowanie w aplikacjach i PL/SQL;
Program wykładu 1 Model relacyjny (10 godz.): podstawowe pojęcia, języki zapytań (algebra relacji, relacyjny rachunek krotek, relacyjny rachunek dziedzin), zależności funkcyjne i postaci normalne (BCNF,
Bardziej szczegółowo