Algebra relacji - rozwiązania zadań. Zadania

Podobne dokumenty
Algebra relacji. nazywamy każdy podzbiór iloczynu karteziańskiego D 1 D 2 D n.

RBD Relacyjne Bazy Danych

SQL - Structured Query Language -strukturalny język zapytań SQL SQL SQL SQL

Bazy danych wykład drugi. Konrad Zdanowski

Bazy danych. Algebra relacji

7 Twierdzenie Fubiniego

R n jako przestrzeń afiniczna

Podstawy programowania w R - część 1

1 Wstęp do modelu relacyjnego

Model relacyjny. Wykład II

SQL (ang. Structured Query Language)

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

P o d s t a w y j ę z y k a S Q L

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

Podstawy programowania. Wykład 6 Złożone typy danych: struktury, unie. Krzysztof Banaś Podstawy programowania 1

Bazy danych Algebra relacji Wykład dla studentów matematyki

Wstęp 5 Rozdział 1. Podstawy relacyjnych baz danych 9

Topologia zbioru Cantora a obwody logiczne

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Teoretyczne podstawy informatyki

Krzysztof Jakubczyk. Zadanie 2

Na rysunku przedstawiony jest wykres funkcji f(x) określonej dla x [-7, 8].

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Optymalizacja w relacyjnych bazach danych - wybór wydajnej strategii obliczania wyrażenia relacyjnego.

Zbiory, relacje i funkcje

Wykład XII. optymalizacja w relacyjnych bazach danych

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,...

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

Model relacyjny. Wykład II

Plan wykładu: Operacje relacji: suma, przekrój, różnica, złączenia proste, iloczyn kartezjański, złączenia teta.

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S.

Liczby zespolone. Magdalena Nowak. 23 marca Uniwersytet Śląski

Indukcja matematyczna

Funkcje rekurencyjne

Wprowadzenie do baz danych

Zadanie 1. Test (6 pkt) Zaznacz znakiem X w odpowiedniej kolumnie P lub F, która odpowiedź jest prawdziwa, a która fałszywa.

3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Pojęcie zależności funkcyjnej

Egzamin z logiki i teorii mnogości, rozwiązania zadań

Semantyka rachunku predykatów pierwszego rzędu. Dziedzina interpretacji. Stałe, zmienne, funkcje. Logika obliczeniowa.

Uwaga 1.2. Niech (G, ) będzie grupą, H 1, H 2 < G. Następujące warunki są równoważne:

Liczby zespolone. x + 2 = 0.

1. Definicja granicy właściwej i niewłaściwej funkcji.

Spis treści. Zadania z rozwiązaniem krok po kroku Arkusz maturalny przykładowy zestaw zadań Odpowiedzi do zadań Indeks...

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).

Układy liniowo niezależne

BAZY DANYCH algebra relacyjna. Opracował: dr inż. Piotr Suchomski

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Bazy danych 2013/14. Egzamin. (5 pkt). Baza danych przechowuje w relacji binarnej G graf skierowany.

PERSONALIZACJA ZAPROSZEŃ

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

Autor: Joanna Karwowska

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

Indukcja matematyczna. Matematyka dyskretna

Jarosław Wróblewski Analiza Matematyczna 2, lato 2016/17

INFORMATYKA GEODEZYJNO- KARTOGRAFICZNA Relacyjny model danych. Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe

Agregacja i Grupowanie Danych. Funkcje Agregacji. Opcje GROUP BY oraz HAVING

Egzamin z Analizy Matematycznej I dla Informatyków, 28 I 2017 Część I

Prawdopodobieństwo i statystyka

JĘZYKI PROGRAMOWANIA Z PROGRAMOWANIEM OBIEKTOWYM. Wykład 6

Przykład: Σ = {0, 1} Σ - zbiór wszystkich skończonych ciagów binarnych. L 1 = {0, 00, 000,...,1, 11, 111,... } L 2 = {01, 1010, 001, 11}

Analiza matematyczna i algebra liniowa Macierze

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

EGZAMIN Z ANALIZY MATEMATYCZNEJ (CZEŚĆ 1)

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ. 1. Ciała

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Wykład 5. SQL praca z tabelami 2

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Konstruowanie Baz Danych SQL UNION, INTERSECT, EXCEPT

Matematyka. rok akademicki 2008/2009, semestr zimowy. Konwersatorium 1. Własności funkcji

Spotkanie olimpijskie nr lutego 2013 Kombinatoryka i rachunek prawdopodobieństwa

...o. 2. ZARYS ORGANIZACJI MASZYNY TYPOWEJ

Dynamiczny przydział pamięci w języku C. Dynamiczne struktury danych. dr inż. Jarosław Forenc. Metoda 1 (wektor N M-elementowy)

Wykład 8. Informatyka Stosowana. 26 listopada 2018 Magdalena Alama-Bućko. Informatyka Stosowana Wykład , M.A-B 1 / 31

Laboratorium Wstawianie skryptu na stroną: 2. Komentarze: 3. Deklaracja zmiennych

Matematyka stosowana i metody numeryczne

Matematyka dyskretna. Andrzej Łachwa, UJ, 2017 Zadania 1

n=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

Prawdopodobieństwo i statystyka

DB Algebra liniowa semestr zimowy 2018

POLITECHNIKA POZNAŃSKA. Programowanie systemów informatycznych LAB 30h

Konstruowanie Baz Danych DQL agregacja danych

Algebra liniowa. Macierze i układy równań liniowych

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Lab 10. Funkcje w argumentach funkcji metoda Newtona. Synonimy nazw typów danych. Struktury. Tablice struktur.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

Ułamki łańcuchowe i liczby niewymierne. Ułamki łańcuchowe i liczby niewymierne

Macierze. Rozdział Działania na macierzach

W dowolnym momencie można zmienić typ wskaźnika.

Relacyjny model danych. Relacyjny model danych

jest ciągiem elementów z przestrzeni B(R, R)

Imię i nazwisko... Grupa...

Transkrypt:

Algebra relacji - rozwiązania zadań Zadania Zadanie 1. Niech dom (IMIE) = { Adam, Ewa,, Zofia }, dom (NAZW ISKO) = { Kowalska, Kowalski, Nowak }, dom (P RZEDMIOT ) = { ANA, BAD, MAD, SIK }, dom (OCENA) = {2, 3, 4, 5}, dom (P UNKT Y ) = {0, 1, 2,..., 220} dom (IN DEKS) = {111111, 222222, 333333, 444444, 555555, 666666} R 1 INDEKS IMIE NAZW ISKO R 2 INDEKS IMIE NAZW ISKO 444444 N owak R 3 IMIE NAZW ISKO P UNKT Y Kowalski 170 Ewa N owak 219 Zof ia N owak 165 R 4 INDEKS P RZEDMIOT OCENA 111111 MAD 3 222222 MAD 4 444444 MAD 5 666666 MAD 2 222222 SIK 2 444444 SIK 4 Dla podanych niżej operacji algebry relacji obliczyć wynik wykonania operacji o ile jest to możliwe (podać postać relacji wynikowej i zinterpretować wynik): a) S 1 = R 1 R 2, R 1 R 3, S 1 INDEKS IMIE NAZW ISKO 444444 N owak Relacja R 1 R 3 nie jest określona ze względu na niezgodność argumentów relacji R 1 i R 3. b) S 2 = π {P RZEDMIOT } (R 4 ) S 2 c) S 1, S 2 P RZEDMIOT ANA BAD MAD SIK

S 1 INDEKS IMIE NAZW ISKO 111111 Adam Kowalska 111111 Adam N owak 111111 Ewa Kowalska 111111 Ewa Kowalski 111111 Ewa N owak 111111 Kowalska 111111 Kowalski 111111 N owak 111111 Zof ia Kowalska 111111 Zof ia Kowalski 111111 Zof ia N owak 222222 Adam Kowalska 222222 Adam Kowalski 222222 Adam N owak 222222 Ewa Kowalski 222222 Ewa N owak 222222 Kowalska 222222 Kowalski 222222 N owak 222222 Zof ia Kowalska 222222 Zof ia Kowalski 222222 Zof ia N owak 333333 Adam Kowalska 333333 Adam Kowalski 333333 Adam N owak 333333 Ewa Kowalska 333333 Ewa Kowalski 333333 Ewa N owak 333333 Kowalska 333333 Kowalski 333333 N owak 333333 Zof ia Kowalski 333333 Zof ia N owak 444444 Adam Kowalska 444444 Adam Kowalski 444444 Adam N owak 444444 Ewa Kowalska 444444 Ewa Kowalski 444444 Ewa N owak 444444 Kowalska 444444 Kowalski 444444 N owak 444444 Zof ia Kowalska 444444 Zof ia Kowalski 444444 Zof ia N owak 555555 Adam Kowalska 555555 Adam Kowalski 555555 Adam N owak 555555 Ewa Kowalska 555555 Ewa Kowalski 555555 Kowalska 555555 Kowalski 555555 N owak 555555 Zof ia Kowalska 555555 Zof ia Kowalski 555555 Zof ia N owak 666666 Adam Kowalska 666666 Adam Kowalski 666666 Adam N owak 666666 Ewa Kowalska 666666 Ewa Kowalski 666666 Ewa N owak 666666 Kowalska 666666 Kowalski 666666 N owak 666666 Zof ia Kowalska 666666 Zof ia Kowalski 666666 Zof ia N owak S 2 = d) R 2 R 3

Relacja R 2 R 3 nie jest określona, ale z kolei relacja π {IMIE,NAZW ISKO} (R 2 ) π {IMIE,NAZW ISKO} (R 3 ) ma sens i jest pustą relacją typu {IMIE, NAZW ISKO}. ( ) e) S 3 = π {IMIE} (S 1 ) π {NAZW ISKO} (S 1 ) \ π {IMIE, NAZW ISKO} (R 3 ) S 3 IMIE NAZW ISKO Adam Kowalska Adam Kowalski Adam Nowak Ewa Kowalska Ewa Kowalski Ewa Nowak Zof ia Zof ia Zofia Kowalska Kowalski Nowak Kowalska Kowalski Nowak f) σ P UNKT Y >170 (R 3 ) σ P UNKT Y >170 (R 3 ) IMIE NAZW ISKO P UNKT Y Ewa N owak 219 g) σ (P RZEDMIOT = ANA P RZEDMIOT = BAD ) OCENA>2 (R 4 ), (podać kolejne kroki wartościowania), oznaczmy S 4 = σ (P RZEDMIOT = ANA P RZEDMIOT = BAD ) OCENA>2 (R 4 ) i S 5 = σ OCENA>2 (S 4 ) (z własności 2.b) wiemy, że S 5 = σ (P RZEDMIOT = ANA P RZEDMIOT = BAD ) OCENA>2 (R 4 )) S 4 INDEKS P RZEDMIOT OCENA S 5 INDEKS P RZEDMIOT OCENA h) R 4 S 2 R 4 S 2 = i) S 1 S1.INDEKS=R 4.INDEKS R 4 S + + S 1.INDEKS S 1.IMIE S 1.NAZW ISKO R 4.INDEKS R 4.P RZEDMIOT R 4.OCENA j) S 1 + S1.INDEKS=R 4.INDEKS R 4

S + S 1.INDEKS S 1.IMIE S 1.NAZW ISKO R 4.INDEKS R 4.P RZEDMIOT R 4.OCENA NULL NULL NULL k) S 1 + S1.INDEKS=R 4.INDEKSR 4 S + S 1.INDEKS S 1.IMIE S 1.NAZW ISKO R 4.INDEKS R 4.P RZEDMIOT R 4.OCENA NULL NULL NULL 666666 M AD 2 l) S 1 + + S1.INDEKS=R 4.INDEKSR 4 S + + S 1.INDEKS S 1.IMIE S 1.NAZW ISKO R 4.INDEKS R 4.P RZEDMIOT R 4.OCENA NULL NULL NULL NULL NULL NULL 666666 M AD 2 Zadanie 2. Udowodnij następujące własności operatora selekcji:

a) σ E (R S) = σ E (R) σ E (S) σ E (R S) = {t R S : E (t) = TRUE} = {t R: E (t) = TRUE} {t S : E (t) = TRUE} = = σ E (R) σ E (S) b) σ E1 E 2 (R) = σ E1 (σ E2 (R)) = σ E2 (σ E1 (R)) = σ E1 (R) σ E2 (R), σ E1 E 2 (R) = {t R: (E 1 E 2 ) (t) = TRUE} = {t R: E 1 (t) = TRUE E 2 (t) = TRUE} = = {t R: E 1 (t) = TRUE} {t R: E 2 (t) = TRUE} = σ E1 (R) σ E2 (R) σ E1 E 2 (R) = {t R: (E 1 E 2 ) (t) = TRUE} = {t R: E 1 (t) = TRUE E 2 (t) = TRUE} = = {t {s R: E 1 (s) = TRUE} : E 2 (t) = TRUE} = σ E2 (σ E1 (R)) Równość σ E1 E 2 (R) = σ E1 (σ E2 (R)) pokazujemy w podobny sposób. c) σ E1 E 2 (R) = σ E1 (R) σ E2 (R) σ E1 E 2 (R) = {t R: (E 1 E 2 ) (t) = TRUE} = {t R: E 1 (t) = TRUE E 2 (t) = TRUE} = = {t R: E 1 (t) = TRUE} {t R: E 2 (t) = TRUE} = σ E1 (R) σ E2 (R)