2.1 Überblick. 2 Das Relationale Datenmodell
|
|
- Peter Fromm
- vor 8 Jahren
- Abrufe
Transkript
1 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell Das Relationale Datenmodell 2.1 Überblick Ende der 60er Jahre: Grundlagenforschung am IBM-Forschungslabor San Jose, CA., mit dem Ziel die Erstellung von Datenbankanwendungen einfacher zu machen. 1970: erste Veröffentlichung von E.F. Codd zum Relationalen Datenmodell. In der Folge verschiedene Prototyp-Entwicklungen, am bekanntesten wurden System R, IBM San Jose, CA. Ingres, University of California at Berkeley Relationale Datenbanken sind gegenwärtig die weitverbreitetesten Datenbanken in kommerziellen Anwendungen.
2 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-2 Grundlagen: Mathematisches Datenmodell: Relationen = Mengen von Tuplen Entwurfstheorie / Normalformen: Analyse von guten Datenbankschemata Deklarative Anfragesprachen Formale Grundlage Relationenalgebra Relationenkalkül Praktische Nutzung SQL QbE, QbF,... Optimierung umfassend analysiert seit den 70er Jahren immer noch neue Ergebnisse Verbesserung bekannter Ergebnisse Integration neuer Entwicklungen Kommerzielle Systeme: verschiedene relationale DBMSe auf dem Markt: DB2 (IBM) Oracle (Oracle) Ingres (CA) Sybase Informix SQL-Server (Microsoft)... Industriestandard: SQL ( Kapitel 3) Aktuelle Weiterentwicklungen: Objektorientierung OLAP Multimedia Geo-Datenbanken Zeitfolgen Verbesserung der Leistungsfähigkeit...
3 2.2 Basiskonzepte des Relationenmodells c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-3 Darstellung der Miniwelt in Tabellenform (DB-Schema = Menge von Relationen / Tables) Ansatz + Folge einzige Datenstruktur: Tabelle Relation saubere mathematische Grundlage: Mengentheorie (vgl. math. Relation) einfache Operationen, mengenorientiert Abgeschlossenheit: Operationen überführen Tabellen in Tabellen Entwurfstheorie: was sind gute Tabellen? Relation = Menge von Tupeln (mit atomaren Komponenten) R ) Schema sch(r) n { A 1 A 2... A n A S } Tupel Wert val(r) Attribut Attributwert Relation Typ = Menge von Attributen (mit entspr. Domains) z } { Eine Relation R ist ein Paar: Schema, Wert {z} Menge von Instanzen (Tupeln)
4 Eigenschaften des Relationenmodells c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-4 Alle Informationen (Entity- und Beziehungs-Typen) werden als Relationen modelliert. Relation= zweidimensionale Tabelle von Werten. = Menge von Tupeln (keine Duplikate, keine Reihenfolge (Sortierung)!) Jede Zeile genannt Tupel entspricht einem Entity- oder einer Beziehung. Die Spalten der Tabelle (Relation) sind benannt und werden als die Attribute der Relation bezeichnet. Die Reihenfolge der Spalten ist nicht relevant, da Attribute über ihren Namen identifiziert werden. Jedem Attribut ist ein Wertebereich (domain) zugeordnet. Ein Wertebereich ist eine Menge atomarer Werte, welche aus Sicht des DBMS elementar sind, d.h. keine weitere Substruktur mehr aufweisen. Beziehungen werden ausschließlich über Attributwerte realisiert (keine informationstragenden Verbindungen).
5 Schreibweisen und Definitionen c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-5 Relation R mit Attributen A 1 bis A 5 = R(A 1, A 2, A 3, A 4, A 5 ) Relation mit Attributen A bis D oft auch: ABCD dom(a i )= D i : Domain (Wertebereich) von A i sch(r)= {A 1,..., A n } : Schema einer Relation val(r) dom(a 1 )... dom(a n ) : Wert einer Relation (= Menge von Tupeln über den Wertebereichen der Attribute) Tupel t = A 1 : v 1,..., A n : v n mit v i D i meist mit fester Reihenfolge der Attribute: t = (v 1,..., v n ), t val(r) Tupelkomponenten / Attributwerte: t(a i ) = v i oftmals auch t [A i ] oder t.a i ; Notation auch auf Mengen von Attributen erweitert A sch(r) : t(a) ( Set of Mappings Definition von Relationen: Relation ist Menge von Abbildungen: t j : sch(r) S i D i, so dass t j (A i ) D i ) K sch(r) heißt Schlüsselkandidat, wenn für alle möglichen val(r) gilt: t, t val(r) : t(k) = t (K) = t = t und K ist minimal (d.h. die Bedingung ist für kein K K erfüllt). Primärschlüssel: ein ausgewählter Schlüsselkandidat Fremdschlüssel F in Relation R: F sch(r) und F sch(s) für eine Relation S, in der F Primärschlüssel ist. A sch(r) heißt Schlüsselattribut, wenn es Teil eines Schlüsselkandidaten ist.
6 Modell-inhärente Integritätsbedingungen des Relationenmodells c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell Entity Integrity : Primärschlüsselattribute dürfen nie undefiniert sein 2. Referential Integrity : Fremdschlüssel sind entweder undefiniert oder es gibt ein entsprechendes Tupel mit diesem Primärschlüssel in der anderen (referenzierten) Relation» 3. Domains Attribute dürfen nur Werte aus dem jeweiligen Domain annehmen (oder undefiniert sein).
7 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-7 Zu einer Datenbank über Kurse und deren Teilnehmer etc. könnte ein ER-Entwurf so aussehen: Kurs KursNr Titel id:kursnr 0-N hat 1-1 Voraus VorNr KursNr id:vornr KursNr 0-N wird_angeboten/ist_zugeordnet 1-1 Angebot Angebots_Nr Kursleiter Datum PersNr KursNr 1-1 fuehrt_durch 1-N Name Ort Gehalt id:angebots_nr id:persnr KursNr 1-N nimmt_teil 0-N Teilnehmer TnNr Name Ort id:tnnr Dazu passen die folgenden Relationenschemata: Kurs (KursNr, Titel) Kursleiter (PersNr, Name, Gehalt) Teilnehmer (TnNr, Name, Ort) Angebot (AngNr, KursNr, Datum, Ort) Vorauss (VorNr, KursNr) Nimmt-teil (AngNr, KursNr, TnNr) Führt-durch (AngNr, KursNr, PersNr)
8 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-8 Vorauss VorNr KursNr G08 P13 G10 P13 G08 I09 G10 I09 P13 I09 Teilnehmer TnNr Name Ort 143 Schmidt, M. Bremen 145 Huber, Chr. Augsburg 146 Abele, I. Senden 149 Kircher, B. Bochum 155 Meier, W. Stuttgart 171 Möller, H. Ulm 173 Schulze, B. Stuttgart 177 Mons, F. Essen 185 Meier, K. Heidelberg 187 Karstens, L. Hamburg 194 Gerstner, M. Ulm Angebot AngNr KursNr Datum Ort 1 G München 2 G Bremen 1 G München 2 G Hamburg 1 P Ulm 2 P Essen 1 I Stuttgart 2 I Hamburg 3 I München Kursleiter PersNr Name Gehalt Meier, I Schulze, H Huber, L Müller, K Kurs KursNr Titel G08 Grundlagen I G10 Grundlagen II P13 C-Programmierung I09 Datenbanken Nimmt teil AngNr KursNr TnNr 2 G P G P I P I I I P I I P Fuehrt durch AngNr KursNr PersNr 1 G G G G P P I I I Abbildung 2-1: Beispiel-Relationen zu KursDB-Rel
9 2.3 Sprachen für das Relationenmodell: Relationen-Algebra und -Kalkül c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell Eigenschaften Deskriptiv / Deklarativ Im Gegensatz zu prozedural: man beschreibt was man haben möchte, nicht wie (auf welchem Weg) es berechnet wird Mengenorientiert Im Gegensatz zu satzorientiert, navigierend abgeschlossen, d.h. Operationen liefern immer wieder Relationen orthogonal, d.h. Operationen lassen sich beliebig kombinieren Mathematische Fundierung Relationen-Algebra (5 Basisoperatoren: Vereinigung, Differenz, Produkt, Selektion, Projektion) Relationen-Kalkül (vgl. Prädikatenkalkül 1. Ordnung) Deduktionsformeln (Horn-Klauseln, s. später: rekursive Anfragen)
10 2.3.2 Relationen-Algebra c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell Operatoren der Relationen-Algebra (Teil 1) Charakteristisch: Konstruktion der Ergebnis-Relation durch ggf. geschachtelte Anwendung von Algebra-Operationen auf die Argument-Relation(en). Abgeschlossenheit: die Anwendung einer Algebra-Operation auf eine (oder zwei) Relation(en) liefert wieder eine Relation; Komponierbarkeit: daher kann auf das Ergebnis wieder eine Algebra-Operation angewendet werden. Minimalität: man kommt so mit wenigen Grundoperationen aus, aus denen durch Komposition komplexe Operationen zusammengefügt werden können. Formal: Algebra-Operationen sind Funktionen auf Relationen.
11 Selektion c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-11 σ F (R) steht für eine Selektion (Tupelauswahl) angewandt auf Relation R unter Anwendung der Selektionsformel F (Suchbedingung, Prädikat) Beispiel 2-1: Teilnehmer TnNr Name Ort 143 Schmidt, M. Bremen 145 Huber, Chr. Augsburg 146 Abele, I. Senden 149 Kircher, B. Bochum 155 Meier, W. Stuttgart 171 Müller, H. Ulm 173 Schulze, B. Stuttgart 177 Mons, F. Essen 185 Meier, K. Heidelberg 187 Karstens, L. Hamburg 194 Gerstner, M. Ulm Anfrage: σ TnNr>155 (Teilnehmer): Ergebnis-Rel TnNr Name Ort 171 Müller, H. Ulm 173 Schulze, B. Stuttgart 177 Mons, F. Essen 185 Meier, K. Heidelberg 187 Karstens, L. Hamburg 194 Gerstner, M. Ulm
12 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-12 Selektionsformel F : Attributwerte, Konstanten, Vergleiche (=, <, >,,, ) sowie logische Verknüpfungen (,, ) und ggf. Klammerung Beispiel 2-2: Anfrage: σ (TnNr 146) (Ort= Ulm ) (Teilnehmer): Ergebnis-Rel TnNr Name Ort 143 Schmidt, M. Bremen 145 Huber, Chr. Augsburg 146 Abele, I. Senden 171 Müller, H. Ulm 194 Gerstner, M. Ulm Anfrage: σ (TnNr<180) (Ort= Ulm ) (Teilnehmer): Ergebnis-Rel TnNr Name Ort 171 Müller, H. Ulm Formal: sch(σ F (R)) = sch(r) val(σ F (R)) = {t val(r) F (t)}
13 Projektion c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-13 π Attr (R) steht für eine Projektion angewandt auf Relation R, wobei Attr die Teilmenge der Attribute ist, auf die R abgebildet (projiziert) wird. Beispiel 2-3: Anfrage: π {TnNr, Name} (Teilnehmer): Ergebnis-Rel TnNr Name 143 Schmidt, M. 145 Huber, Chr. 146 Abele, I. 149 Kircher, B. 155 Meier, W. 171 Müller, H. 173 Schulze, B. 177 Mons, F. 185 Meier, K. 187 Karstens, L. 194 Gerstner, M. Anfrage: π Ort (Teilnehmer): Ergebnis-Rel Ort Bremen Augsburg Senden Bochum Stuttgart Ulm Essen Heidelberg Hamburg Formal: sch(π L (R)) = L... L sch(r) val(π L (R)) = {t(l) t val(r) t (L) = t}... Duplikatelimination!
14 Beispiel 2-4: Zusammengesetzte Anfrage Gib (nur) Teilnehmer-Nummer und -Name aller Kurs- Teilnehmer aus Ulm aus c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-14 Anfrage: π {TnNr, Name} σ Ort= Ulm (Teilnehmer) (logische!) Abarbeitungsreihenfolge: 1. Schritt: Berechnung des σ-ausdrucks = Rel 1 2. Schritt: Anwendung des π-operators auf Rel 1 = Erg Die alternative Formulierung σ Ort= Ulm π {TnNr, Name} (Teilnehmer) wäre nicht korrekt warum? Attribut-Umbenennung Es ist sinnvoll, den Projektions-Operator mit der Möglichkeit zur Attribut-Umbenennung zu versehen. Wir wollen hierfür die folgende Notation verwenden: π {..., NeuerName : AlterName,...} (Rel) Beispiel: Gib die Teilnehmer-Relation aus, aber benenne Name in Nachname um : π {TnNr,Nachname:Name} (Teilnehmer) oder falls Name nicht eindeutig wäre: π {TnNr,Nachname:Teilnehmer.Name} (Teilnehmer) Anmerkung: Einige Lehrbücher verwenden zur Umbenennung einen eigenen Operator, z.b. ρ.
15 Vereinigung, Differenz, Produkt c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-15 R S steht für die Vereinigung (union) der Relationen R und S, wobei R und S strukturgleich sein müssen. D.h. es muss gelten: sch(r) = sch(s). Kurzschreibweise: S i=1,2,...,k R i R 1 R 2... R k R S steht für die Differenz der Relationen R und S. D.h. alle Tupel von R, die auch in S vorkommen, werden aus R entfernt. (Auch hier: sch(r) = sch(s)). R S steht für das kartesische (relationale) Produkt der Relationen R und S. Beispiel 2-5: R A B a 1 b 1 a 2 b 2 S C D c 1 d 1 c 2 d 2 c 3 d 3 R S A B C D a 1 b 1 c 1 d 1 a 1 b 1 c 2 d 2 a 1 b 1 c 3 d 3 a 2 b 2 c 1 d 1 a 2 b 2 c 2 d 2 a 2 b 2 c 3 d 3 Anmerkung: Der Schnitt R S R (R S)... ist ableitbar, wie üblich!
16 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-16 Formal: sch(r S) = sch(r S) = sch(r) val(r S) = val(r) val(s) val(r S) = val(r) val(s) sch(r S) = sch(r) sch(s)... disjunkte Vereinigung! val(r S) = {t t(sch(r)) val(r) t(sch(s)) val(s)} Beispiel 2-6: Kombination von und σ: Beispiel für die Verknüpfung von Tabellen Anfrage: Welche Kurse (Ausgabe: Kurs-Nummer und -Titel) sind für welche anderen Kurse (Ausgabe: Kurs- Nummer) Voraussetzung? KursNr G08 G10 P13 I09 Kurs Titel Grundlagen I Grundlagen II C-Programmierung Datenbanken Vorauss VorNr KursNr G08 P13 G10 P13 G08 I09 G10 I09 P13 I09
17 Die Anfrage in Relationen-Algebra c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-17 π VorNr, Titel, Vorauss.KursNr σ VorNr = Kurs.KursNr (Vorauss Kurs) Abarbeitungsreihenfolge: 1. Schritt: Berechnung Vorauss Kurs Rel 1 Rel 1 VorNr Vorauss.KursNr Kurs.KursNr Titel G08 P13 G08 Grundlagen I G08 P13 G10 Grundlagen II G08 P13 I09 Datenbanken G10 P13 G08 Grundlagen I G10 P13 I09 Datenbanken P13 I09 I09 Datenbanken 2. Schritt: Anwendung von σ VorNr=Kurs.KursNr auf Rel 1 Erg-Rel VorNr Vorauss.KursNr Kurs.KursNr Titel G08 P13 G08 Grundlagen I G10 P13 G10 Grundlagen II G08 I09 G08 Grundlagen I G10 I09 G10 Grundlagen I P13 I09 P13 C-Programmierung
18 Mit Umbenennung c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-18 Mögliche Umbenennung von Attributen + Änderung der Attribut-Reihenfolge mittels (erweitertem) π-operator: π {VorNr, Titel, Vorauss für: Vorauss.KursNr} (Erg-Rel) bzw. σ VorNr = Kurs.KursNr (Vorauss Kurs) π {VorNr, Titel, Vorauss für: Vorauss.KursNr} Erg-Rel VorNr Titel Vorauss für G08 Grundlagen I P P13 C-Programmierung I09
19 Joins c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-19 Verknüpfung von Tabellen aufgrund von Attributwert-Beziehungen häufige Operation in relationalen Datenbanksystemen, daher durch spezielle Verbund-Operation explizit unterstützt: R F S steht für den Verbund (join) der Relationen R und S unter Verwendung der Verbund- Bedingung F. R F S ist semantisch äquivalent zu σ F (R S) Beispiel 2-7: (siehe Beispiel 2-6:) σ VorNr = Kurs.KursNr (Vorauss Kurs) führt zum selben Resultat wie: Vorauss VorNr = KursNr Kurs -Ausführungslogik: Nested Loops Algorithmus for each Tupel x in Vorauss do for each Tupel y in Kurs do if x.vornr = y.kursnr then erzeuge Resultat-Tupel x y; fi done done
20 Beispiel 2-8: c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-20 Kursleiter PersNr Name Gehalt Meier, I Schulze, H Huber, L Müller, K KursNr G08 G10 P13 I09 Kurs Titel Grundlagen I Grundlagen II C-Programmierung Datenbanken Fuehrt durch AngNr KursNr PersNr 1 G G G G P P I I I Anfrage: Gib (nur) KursNr und Titel aller Kurse sowie den Namen des Kursleiters aus, die von dem Kursleiter mit der Personalnummer durchgeführt werden Mögliche Anfrageformulierung: π {Kurs.KursNr, Titel, Name} σ PersNr = (Kurs K.KNr=Kl.KNr (Kursleiter Kl.PNr=F.PNr Fuehrtdurch)) Anmerkung: Die Join-Bedingung kann auch mittels <, >,, sowie (,, ) formuliert werden.
21 Wichtiger Sonderfall: c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell Joins werden oft zwischen Attributen gleichen Namens (Wertebereich sollte ohnehin gleich sein) formuliert ( Schlüssel-Fremdschlüssel-Join) 2. Joins mit = -Bedingung sind am häufigsten. Hierauf abgestellte Join-Variante: Natural Join R S steht für natürlichen Verbund (natural join) der Relationen R und S. Wirkungsweise: Alle in R und S auftretenden Attribute gleichen Namens werden mittels = -Bedingung verknüpft. Haben R und S keine gemeinsamen Attribute, so hat R S die gleiche Wirkung wie R S. Attribute gleichen Namens treten in der Ergebnis-Relation nur einmal auf (es findet also auch noch eine Projektion zur Entfernung der doppelten Attribute statt). Also: sch(r S) = sch(r) sch(s). Beispiel 2-9: Die Anfrage von eben mittels natürlichem Verbund formuliert: π {KursNr, Titel, Name} Kurs (σ PersNr = (Kursleiter) Fuehrt durch)
22 Beispiel 2-10: Beispiele zur Relationenalgebra c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-22 Gegeben: R: A B C 1 a d 3 c c 4 d f 5 d b 6 e f S: B D a 100 b 300 c 400 d 200 e 150 T: B D a 100 d 200 f 400 g 120 Anfragen und Ergebnisse: σ D < 300 S: B D a 100 d 200 e 150 π {A,C} R: A C 1 d 3 c 4 f 5 b 6 e R R.B=S.B S: A R.B C S.B D 1 a d a c c c d f d d b d e f e 150 π {C} R: C d c f b S T: B D b 300 c 400 e 150 S T: B D a 100 b 300 c 400 d 200 e 150 f 400 g 120 T S: B D f 40 g 12
23 Beispiele (Forts.): c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-23 R T: A R.B C T.B D 1 a d a a d d a d f a d g c c a c c d c c f c c g d f a d f d d f f d f g d b a d b d d b f d b g e f a e f d e f f e f g 120 S T: B D a 100 d 200 R T: A B C D 1 a d d f d b 200 R A 100=D S: A R.B C S.B D 1 a d a d f c c c b 300
24 Äquivalenz-Umformungen c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-24 Seien R, S und T drei jeweils geeignet definierte Relationen: Klassifikation algebraischer Umformungen: Vertauschbarkeit von unären Operationen f, g {σ, π}:?? f (g(r)) g(f (R)) Kommutativität von binären Operationen {,,, }: R S?? S R Assoziativität von binären Operationen {,,, }:?? R (S T ) (R S) T Idempotenz (bzw. Zusammenfassung) von unären Operationen f {σ, π}:?? f 1 (f 2 (R)) f 3 (R) Distributivität von unären und binären Operationen:?? f (R S) f (R) f (S) Hinweis: Es gilt: Relations-Typ R Relations-Typ S sch(r) = sch(s) Die Reihenfolge der Attribute ist wie immer ohne Bedeutung. D.h. es gilt: R(A, B, C) R(A, C, B) R(C, A, B)... R(C, B, A).
25 Äquivalenz-Umformungen von Relationen-Algebra-Ausdrücken Nr Regel Nebenbedingung 1 σ F1 (σ F2 (R)) σ F2 (σ F1 (R)) 2 σ F (π A (R)) π A (σ F (R)) : Attr(F ) A 3 R S S R 4 R S S R 5 R F S S F R 6 (R S) T R (S T ) 7 (R S) T R (S T ) 8 (R F1 S) F2 T R F1 (S F2 T ) : Attr(F 2 ) (Attr(S) Attr(T )) : Attr(F 1 ) (Attr(R) Attr(S)) 9 π A1 R π A1 π A2 R A 1 A 2 Attr(R) 10 σ F R σ F1 σ F2 R F = F 1 F 2 11 σ F (R S) (σ F R) (σ F S) 12 σ F (R S) (σ F R) (σ F S) 13 σ F (R S) (σ F1 R) (σ F2 S) : (F = F 1 F 2 ) (Attr(F 1 ) Attr(R)) (Attr(F 2 ) Attr(S)) 14 σ F (R F3 S) (σ F1 R) F3 (σ F2 S) : F = F 1 F 2 : (F = F 1 F 2 ) (Attr(F 1 ) Attr(R)) (Attr(F 2 ) Attr(S)) : F = F 1 F 2 15 π A (R S) (π A R) (π A S) 16 π A (R S) (π A1 R) (π A2 S) : (A 1 = A Attr(R)) (A 2 = A Attr(S)) : A = A 1 A 2 17 π A (R F S) (π A1 R) F (π A2 S) : (Attr(F ) A) (A 1 = A Attr(S)) (A 2 = A Attr(R)) : A = A 1 A 2 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-25
26 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell R R R 19 R R R 20 R R 21 R (σ F R) σ F R 22 R σ F R R 23 R σ F R σ F R 24 (σ F1 R) (σ F2 R) σ (F1 F 2 ) R 25 (σ F1 R) (σ F2 R) σ (F1 F 2 ) R 26 (σ F1 R) (σ F2 R) σ (F1 F 2 ) R Beispiele und Erläuterungen zu den Äquivalenz-Umformungen: Gegeben seien die Relationen R(A, B, C), R 1 (A, B, C), R 2 (A, B, C), S(D, E) und T (F, G, H) wobei die Wertebereiche der Attribute A bis H jeweils Teilmengen der natürlichen Zahlen sein sollen. Zu 1: σ A<10 C>8 (σ B>8 R) kann in σ B>8 (σ A<10 C>8 R) transformiert werden und umgekehrt. Zu 2: σ B<200 (π {A,B} R) kann in π {A,B} (σ B<200 R) transformiert werden. Geht man von der rechten Seite aus, d.h. von π {A,B} (σ B<200 R), so kann die Transformation nur dann durchgeführt werden, wenn sich die Selektions-Bedingung lediglich auf Attribute bezieht, die auch in der Projektion spezifiert sind (siehe NB zu Regel 2). Im vorliegenden Fall entspricht Attr(F ) der Attributmenge {B} und A entspricht der Attributmenge {A, B}. Die Nebenbedingung ist also erfüllt. D.h. die Transformation in die -Richtung ist ebenfalls möglich.
27 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-27 Zu 8: Gegeben sei (R A=D S) E=F T. Für die -Transformation muss folgende Nebenbedingung erfüllt sein: {E, F } ({D, E} {F, G, H}). Dies ist hier der Fall. Der Ausdruck kann somit in R A=D (S E=F T ) transformiert werden. Bei (R A=D S) A=F T ginge dies z.b. hingegen nicht. Zu 9: π {A} R kann in π {A}π{A,B} R transformiert werden und umgekehrt. Zu 10: σ A<100 B>30 R kann zerlegt werden in σ A<100 σ B>30 R. Umgekehrt kann man σ A<100 σ B>30 R durch Zusammenfassen der Selektionsbedingungen (UND-Verknüpfung) in σ A<100 B>30 R transformieren. Zu 11: σ B<300 (R 1 R 2 ) kann in (σ B<300 R 1 ) (σ B<300 R 2 ) transformiert werden und umgekehrt. Anmerkung: Hier ist keine Nebenbedingung erforderlich, da die Vereinigung nur zwischen Relationen gleichen Typs definiert ist. Zu 12: σ B<300 (R 1 R 2 ) kann in (σ B<300 R 1 ) (σ B<300 R 2 ) transformiert werden und umgekehrt. (σ bei R 2 kann auch entfallen!) Zu 13: Gegeben sei σ A<300 D>50 (R S). Dieser Ausdruck kann in zwei Selektion überführt werden, indem man die Selektions-Bedingung geeignet aufspaltet. In diesem Fall wäre etwa (σ A<300 R) (σ D>50 S) eine mögliche Aufspaltung. Zu 14: Da ein Verbund R F S äquivalent zu σ F (R S) ist, gilt das im vorangegangenen Beispiel Gesagte analog übertragen auch hier.
28 Zu 15: Ein Ausdruck der Art π {A,B} (R 1 R 2 ) kann stets ausmultipliziert werden zu (π {A,B} R 1 ) (π {A,B} R 2 ). c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-28 Zu 16: Die Nebenbedingung für die -Richtung besagt, dass nach dem Ausmultiplizieren die Projektions-Attribute so gewählt werden müssen, dass sie für die jeweilige Relation auch definiert sind. Im Falle des Ausdruckes π {A,R.B,D} (R S) wäre z.b. (π {A,R.B} R) (π {D} S) eine korrekte Transformation, (π {A} R) (π {R.B,D} S) hingegen nicht. Zu 17: Die Nebenbedingung für die -Richtung kann wie folgt interpretiert werden: Sind die in der Verbund-Bedingung angegebenen Attribute eine Teilmenge der in der Projektion angegebenen Attribute (d.h. gilt Attr(F ) A), dann kann der Ausdruck ausmultipliziert werden, wobei wieder zu beachten ist, dass die in der Projektion auf der linken Seite angegebenen Attribute wieder korrekt auf ihre Relationen verteilt werden. Z.B. kann π {A,B,E} (R B<E S) transformiert werden in (π {A,B} R) B<E (π {E} S). π {A,B,D} (R B<E S) hingegen wäre nicht transformierbar, da {B, E} {A, B, D}. Die umgekehrte Richtung ( ) ist trivial. Hier sind lediglich die Projektions-Attribute zusammenzufassen. Wichtiger Spezialfall : π A1 A 2 R? (π A1 R) (π A2 R) Die -Richtung gilt i.a. nicht!! Voraussetzung, damit sie doch gilt: lossless join = siehe Kapitel?? Zu 23: Etwa: R σ B<200 (R) σ B 200 (R) Zu 26: Etwa: (σ A<10 R) (σ B>100 R) σ A<10 B 100 R
29 Abgeleitete Operatoren der Relationenalgebra c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-29 R S Durchschnitt, wie üblich: R S R (R S) R S Division Sei D = R S, dann muss gelten: sch(s) sch(r) sch(d) = sch(r) sch(s) t D s val(s) : t, s val(r) Beispiel 2-11: R: A B a1 b1 a2 b1 a3 b1 a4 b1 a1 b2 a3 b2 a2 b3 a3 b3 a4 b3 a1 b4 a2 b4 a3 b4 S: A a1 a2 a3 R S: B b1 b4
30 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-30 Anwendungsbeispiele: Welchen Lieferanten liefern alle Teile? Welche Mitarbeiter arbeiten an allen Projekten mit? Welche Kursleiter können alle Kurse halten? Berechnung von D = R S äquivalent zu: (1) Temp1 π Attr(R S) R (2) Temp2 π Attr(R S) ((S Temp1) R) (3) D Temp1 Temp Abschließende Bemerkungen zur Relationen-Algebra Relationen-Algebra als Datenbanksprache nur bei den ersten relationalen DBMS-Prototypen als Anfragesprache an der Benutzerschnittstelle verwendet. Heute als DB-Sprache an der DBS-Schnittstelle keine praktische Bedeutung. Jedoch bis heute wichtigste formale Grundlage für DBMS-interne Anfrage-Optimierung. Relationale Algebra dient als Maßstab für die Ausdrucksmächtigkeit relationaler DB-Sprachen = relationale Vollständigkeit Relationale Algebra ist streng genommen (im Vgl. zum Kalkül, s. unten) nicht rein deklarativ, wegen der Reihenfolgeabhängigkeiten (sie ist eine funktionale Sprache). Jedoch: Die Äquivalenz-Regeln erlauben Umformung und Optimierung.
31 2.3.3 Relationen-Kalkül c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-31 Relationen-Algebra: Konstruktion der Ergebnisrelation durch sukzessive (geschachtelte) Anwendung von Algebra-Operatoren auf die Ausgangsrelationen ( prozedurale Vorgehensweise ) Relationen-Kalkül liegt andere Philosophie zugrunde: Beschreibung, welche Bedingungen (Prädikate) die Tupel der Ergebnisrelation erfüllen müssen, vgl. Prädikatenkalkül ( deklarative Vorgehensweise ) Beispiel 2-12: Gegeben seien die folgenden Relationen: Vorauss(VorNr, KursNr) Kurs(KursNr, Titel) Angebot(AngNr, KursNr, Datum, Ort) Zu beantworten sei folgende Anfrage: Gib für alle Kurse, die zwischen dem und stattfanden und den Kurs G08 als Voraussetzung haben, die KursNr, den Titel, das Datum und den Ort aus.
32 Anfrageformulierung in Algebra: (schrittweise Konstruktion der Ergebnismenge) c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-32 π KursNr, Titel, Datum, Ort ((Kurs σ <Datum< Angebot) (σ VorNr= G08 Vorauss)) (Tupel-) Relationenkalkül: (prädikative Beschreibung der Ergebnismenge) {t ( a)( v)( k) : Kurs(k) Angebot(a) Vorauss(v) k(kursnr) = a(kursnr) k(kursnr) = v(kursnr) a(datum) < a(datum) > v(vornr) = G08 t(kursnr) = k(kursnr) t(titel) = k(titel) t(datum) = a(datum) t(ort) = a(ort)} Relationenkalkül: vgl. Prädikatenlogik 1. Stufe Tupel-Relationenkalkül vs. Domain-Relationenkalkül: Variablen für Tupel bzw. einzelne Attributwerte
33 Tupel-Relationenkalkül (TRC) 1 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-33 Aufbau von Formeln Atome : 1. R(t): R = Relationenname, t = Tupelvariable Aussage: Tupel t ist in R enthalten (t val(r)) 2. XΘY : X, Y = Konstanten oder Tupelkomponenten t[i] (t = Tupelvariable, i = i-te Tupelkomponente) Θ = arithm. Vergleichsoperator (<, >, =,...) Alle Tupel einer Relation haben eine konstante Stelligkeit. Falls hierauf explizit Bezug genommen wird, so schreiben wir t (s). freie/gebundene Variablen in Formeln: Analogie: gebundene Variablen lokale Variablendeklaration einer Prozedur, kann nicht von außen referenziert werden. freie Variablen globale Variablen, außerhalb der betrachteten Prozedur deklariert. Sei eine freie Tupelvariable t global bzgl. Formel F, dann entspricht ( t) bzw. ( t) in etwa der Deklaration der Variablen t. 1 In Anlehnung an (Ullman 1988/1989)
34 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-34 Formeln, freie und gebundene Variablen im TRC: 1. Jedes Atom ist eine Formel. Alle in einem Atom auftretenden Tupelvariablen sind frei. 2. Falls F 1 und F 2 Formeln sind, dann sind auch F 1 F 2, F 1 F 2 und F 1 Formeln. Tupelvariablen sind frei oder gebunden, wenn sie in F 1 oder F 2 frei oder gebunden sind. 3. Wenn F eine Formel ist, dann ist ( t)f auch eine Formel. Alle in F auftretenden freien Tupelvariablen t werden durch ( t) in der Formel ( t)f gebunden. Der Status anderer Tupelvariablen in F ändert sich hierdurch nicht. 4. Wenn F eine Formel ist, dann ist ( t)f auch eine Formel. Alle in F auftretenden freien Tupelvariablen t werden durch ( t) in der Formel ( t)f gebunden. Der Status anderer Tupelvariablen in F ändert sich hierdurch nicht. 5. Formeln können bei Bedarf eingeklammert werden. 6. Nichts anderes ist eine Formel. Anfrage im TRC: {t F (t)} mit t als einziger freier Tupelvariablen in Formel F
35 c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-35 Beispiel 2-13: Algebra-Operatoren im TRC nachgebildet: Vereinigung von R 1 und R 2 : {t R 1 (t) R 2 (t)} Anmerkungen: Jedes Tupel hat auch eine feste Stelligkeit. R 1 und R 2 müssen also entsprechend kompatibel sein. In dieser einfachen Form sind alle Komponenten (Attribute) auch domain-kompatibel. Projektion auf Attribute (Komponenten) i 1, i 2,..., i k von R {t (k) ( u)(r(u) t[1] = u[i 1 ]... t[k] = u[i k ])} Selektion aller Tupel aus R, die Bedingung F erfüllen: {t R(t) F (t)} Anmerkung: F (t) steht hier stellvertretend für die konkrete Bedingung an die Tupelkomponente(n) z.b. (t[1] = 17) (t[3] = 24) Differenz zweier Relationen R und S: {t R(t) S(t)} Kartesisches/Relationales Produkt von R und S: {t (r+s) ( u (r) )( v (s) )(R(u) S(v) t[1] = u[1]... t[r] = u[r] t[r + 1] = v[1]... t[r + s] = v[s])}
36 2.3.4 Sicherer Tupel-Relationenkalkül c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-36 Eine Anfrage des TRC liefert nicht notwendig eine endliche Tupelmenge! Beispiel: Gib alle Tupel t aus, die nicht in R vorkommen! (Negation): {t R(t)} Beobachtungen: Welche Ergebnistupel (Schema)? Mögliche vereinfachende Annahme: Schema von R Dennoch: Welche Ausprägungen? Vereinfachend: Komplement von R bzgl. Produkt der Attributdomains Dann jedoch: Resultat von Domains abhängig! Evtl. immer noch nicht endlich! Wunsch: Domain-unabhängige TRC-Anfragen Problem: Domain-Unabhängigkeit lässt sich zu geg. TRC-Anfrage nicht automatisch feststellen (semantisches Kriterium, syntaktisch unentscheidbar). Ausweg: Wir suchen ein syntaktisches Kriterium, das einfach zu überprüfen ist, und Domain- Unabhängigkeit garantiert. Dies kann nur gelingen, indem wir noch stärker ( zu stark ) einschränken, dabei dürfen aber keine interessanten TRC-Anfragen ausgeschlossen werden. Lösung: sichere Anfragen des TRC
37 Domain-Unabhängigkeit c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-37 Überlegung: 1. Wir fragen nach Werten aus der DB, nicht von sonst irgendwoher 2. Jede Relation in der konkreten DB ist endlich, damit auch der betrachtete DB-Zustand 3. Einschränkung: Als Domain (für die Auswertung von Anfragen) werden nur in der DB vorkommende Werte oder in der Anfrage auftretende Konstanten zugelassen. Formal: 1. F (v 1,..., v n ) = Formel des TRC DOM(F ) = Menge der möglichen Werte für Komponenten der v i = Konstanten in F alle Werte aus DB 2 Beispiel 2-14: Für die Formel F = P (t) Q(s) s[1] = t[2] t[1] > 10 ist mit zweistelligen Prädikaten P, Q: DOM(F ) = {10} π 1 (P ) π 2 (P ) π 1 (Q) π 2 (Q) 2. Wert von F (v 1,..., v n ) bzgl. Datenbank D = Menge aller Tupel aus D, die F wahr machen 3. F heißt domain-unabhängig, wenn für alle DOM(F ) D gilt: Wert von F bzgl. DOM(F ) = Wert von F bzgl. D 2 Dies ist zwar eine sehr großzügige Abschätzung nach oben, genügt aber, um die Abgeschlossenheit zu gewährleisten.
38 Anmerkungen c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-38 Domain-Unabhängigkeit ist ein semantischer Begriff Es gibt keinen Algorithmus, der zu geg. F entscheidet, ob F domain-unabhängig ist oder nicht Wir brauchen ein anderes Kriterium, das sich einfach (syntaktisch) testen lässt das keine praktisch relevanten Anfragen ausschließt Sicherheit (safety)
39 Sichere Ausdrücke des TRC c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-39 Definition 2-1: Safety Eine Formel F des TRC heißt sicher, wenn 1. keine -Quantoren vorkommen; 2. bei F 1 F 2, F 1 und F 2 jeweils nur eine freie Variable haben, und zwar die gleiche; 3. bei (maximalen) konjunktiven Teilformeln F 1 F 2... F n alle freien Tupelkomponenten in den F i begrenzt sind. F i nicht negiert, kein arithm. Vergleich, freie Tupelvariable t alle Komp. von t begrenzt; F i t[a] = c oder F i c = t[a] für Konstante c t[a] begrenzt. F i t[a] = t [a ] oder F i t [a ] = t[a] und t [a ] begrenzt t[a] begrenzt. 4. Negation ( ) nur auf Termen innerhalb einer Konjunktion wie in 3) erlaubt. Bemerkung zu 1: ( t)f (t) ( t)( F (t))... d.h. keine Einschränkung Alternative: beschränkte Quantoren nur in der Form: ( t)( R(t) F (t)) bzw. ( t R)(F (t))... und bei : ( t)(r(t) F (t)) bzw. ( t R)(F (t))
40 Satz 2-1: c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-40 Relationenalgebra und sicherer Relationenkalkül (TRC) sind äquivalent. Beweisansatz: Finde zu jedem Ausdruck in Relationenalgebra einen sicheren TRC Ausdruck und umgekehrt. ( siehe Lehrbücher) Definition 2-2: ( Relational Completeness ) Eine Anfragesprache für das Relationenmodell heißt relational vollständig, wenn sie (mindestens) so ausdruckskräftig wie die Relationenalgebra (oder der sichere TRC) ist (Codd 1970).
41 2.4 Literaturhinweise c M. Scholl, 2005/06 Informationssysteme: 2. Das Relationale Datenmodell 2-41 Codd, E.F. (1970). A Relational Model of Data for Large Shared Data Banks. Communications of the ACM, 13( ). Elmasri, R. und S. Navathe (2000). Fundamentals of Database Systems. Addison-Wesley, Reading, MA., 3 Aufl. Titel der deutschen Ausgabe von 2002: Grundlagen von Datenbanken. Korth, H.F., A. Silberschatz und S. Sudarshan (1997). Database Systems Concepts. McGraw-Hill. Maier, D. (1983). The Theory of Relational Databases. Computer Science Press. Ullman, J. (1988/1989). Principles of Database and Knowledge-Base Systems I & II. Computer Science Press. Vossen, G. (1994). Datenmodelle, Datenbanksprachen und Datenbank-Management-Systeme. Addison-Wesley, 2 Aufl.
2 Das Relationale Datenmodell
2 Das Relationale Datenmodell 2.1 Überblick Ende der 60er Jahre: Grundlagenforschung am IBM-Forschungslabor San Jose, CA., mit dem Ziel die Erstellung von Datenbankanwendungen einfacher zu machen. 1970:
MehrEinleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join
Parsen der Anfrage (SQL) Transformation in eine Standardform (Relationenalgebra) Logische Optimierung Transformation in alternative Zugriffspläne, Physische Optimierung Ausführung des gewählten Zugriffsplans
Mehr3. Das Relationale Datenmodell
3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie
Mehr3. Grundlagen relationaler Datenbanksysteme
3. Grundlagen relationaler Datenbanksysteme Hier nur kurze Rekapitulation, bei Bedarf nachlesen 3.1 Basiskonzepte des Relationenmodells 1 Darstellung der Miniwelt in Tabellenform (DB = Menge von Relationen
MehrRelationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrTerme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)
Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden
MehrKapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies
Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrVorlesung Datenbanksysteme Univ.-Prof. Dr. Günther Specht. Universität Innsbruck Institut für Informatik Datenbanken und Informationssysteme (DBIS)
Grundlagen relationaler Datenbanksysteme Kapitel III Vorlesung Datenbanksysteme Univ.-Prof. Dr. Günther Specht Universität Innsbruck Institut für Informatik Datenbanken und Informationssysteme (DBIS) Vorlesungsinhalt
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrSQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I
SQL SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R VII-1 Beispielrelationen Filiale ( Name Leiter Stadt Einlagen ) Konto ( KontoNr KundenNr FilialName Saldo ) Kredit
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrGrundlagen: Datenbanken WS 15/16
Grundlagen: Datenbanken WS 15/16 2. Zentralübung / Wiederholung / Fragestunde Harald Lang gdb@in.tum.de Diese Folien finden Sie online. Die Mitschrift erhalten Sie im Anschluss. Termine Klausur 24.02.2016,
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr4. BEZIEHUNGEN ZWISCHEN TABELLEN
4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrÜbungsblatt 4. Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin)
Übungsblatt 4 Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin) Die Saartal Linien beauftragen Sie mit dem Entwurf der Datenstrukturen für ein Informationssystem. Dieses soll zur Verwaltung
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrMediator 9 - Lernprogramm
Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
Mehr2.5.2 Primärschlüssel
Relationale Datenbanken 0110 01101110 01110 0110 0110 0110 01101 011 01110 0110 010 011011011 0110 01111010 01101 011011 0110 01 01110 011011101 01101 0110 010 010 0110 011011101 0101 0110 010 010 01 01101110
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrKapitel 4 Die Datenbank Kuchenbestellung Seite 1
Kapitel 4 Die Datenbank Kuchenbestellung Seite 1 4 Die Datenbank Kuchenbestellung In diesem Kapitel werde ich die Theorie aus Kapitel 2 Die Datenbank Buchausleihe an Hand einer weiteren Datenbank Kuchenbestellung
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
Mehr4 Aufzählungen und Listen erstellen
4 4 Aufzählungen und Listen erstellen Beim Strukturieren von Dokumenten und Inhalten stellen Listen und Aufzählungen wichtige Werkzeuge dar. Mit ihnen lässt sich so ziemlich alles sortieren, was auf einer
MehrInformatik 12 Datenbanken SQL-Einführung
Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung
MehrBetragsgleichungen und die Methode der Fallunterscheidungen
mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrDatenbanken Kapitel 2
Datenbanken Kapitel 2 1 Eine existierende Datenbank öffnen Eine Datenbank, die mit Microsoft Access erschaffen wurde, kann mit dem gleichen Programm auch wieder geladen werden: Die einfachste Methode ist,
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrIm Original veränderbare Word-Dateien
Objekte einer Datenbank Microsoft Access Begriffe Wegen seines Bekanntheitsgrades und der großen Verbreitung auch in Schulen wird im Folgenden eingehend auf das Programm Access von Microsoft Bezug genommen.
MehrLogische Folgerung. Definition 2.11
Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell
MehrAccess [basics] Rechnen in Berichten. Beispieldatenbank. Datensatzweise berechnen. Berechnung im Textfeld. Reporting in Berichten Rechnen in Berichten
Berichte bieten die gleichen Möglichkeit zur Berechnung von Werten wie Formulare und noch einige mehr. Im Gegensatz zu Formularen bieten Berichte die Möglichkeit, eine laufende Summe zu bilden oder Berechnungen
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrMathematische Maschinen
Mathematische Maschinen Ziel: Entwicklung eines allgemeinen Schemas zur Beschreibung von (mathematischen) Maschinen zur Ausführung von Algorithmen (hier: (partiellen) Berechnungsverfahren). Mathematische
MehrKapitel DB:V (Fortsetzung)
Kapitel DB:V (Fortsetzung) V. Grundlagen relationaler Anfragesprachen Anfragen und Änderungen Relationale Algebra Anfragekalküle Relationaler Tupelkalkül Relationaler Domänenkalkül DB:V-67 Relational Algebra
MehrSQL - Übungen Bearbeitung der Datenbank Personal (1)
Bearbeitung der Datenbank Personal (1) 1. Abfragen einer einzigen Tabelle 1.1. Zeigen Sie alle Informationen an, die über die Kinder der Mitarbeiter gespeichert sind. 1.2. Zeigen Sie aus der Tabelle stelle
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrSUDOKU - Strategien zur Lösung
SUDOKU Strategien v. /00 SUDOKU - Strategien zur Lösung. Naked Single (Eindeutiger Wert)? "Es gibt nur einen einzigen Wert, der hier stehen kann". Sind alle anderen Werte bis auf einen für eine Zelle unmöglich,
MehrHilfedatei der Oden$-Börse Stand Juni 2014
Hilfedatei der Oden$-Börse Stand Juni 2014 Inhalt 1. Einleitung... 2 2. Die Anmeldung... 2 2.1 Die Erstregistrierung... 3 2.2 Die Mitgliedsnummer anfordern... 4 3. Die Funktionen für Nutzer... 5 3.1 Arbeiten
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrIn diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.
In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrInsiderwissen 2013. Hintergrund
Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen
MehrKalkülteil. Structured Query Language, SQL. 1. Semantik: erzeuge alle Kombinationen von Tupeln
Structured Query Language, SQL vom American National Standards Institute, ANSI, genormte Datenbanksprache. enthält eine Teilsprache, die eine relationale Anfragesprache ist, Mischung von tupelorientierten
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrGrundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung
ER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung Datenbank-Praktikum SS 2010 Prof. Dr. Georg Lausen Florian Schmedding ER-Modell: Wiederholung Entitäten E Beziehungen B Attribute
MehrAufgabe 1: [Logische Modellierung]
Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
Mehrhttp://train-the-trainer.fh-joanneum.at IINFO Storyboard
IINFO Storyboard Allgemeine Bemerkungen und Richtlinien zur Handhabung. Das Storyboard besteht aus einem Web, d.h. einer vernetzten Struktur von HTML-Seiten welche später von den Programmieren direkt als
MehrNicht kopieren. Der neue Report von: Stefan Ploberger. 1. Ausgabe 2003
Nicht kopieren Der neue Report von: Stefan Ploberger 1. Ausgabe 2003 Herausgeber: Verlag Ploberger & Partner 2003 by: Stefan Ploberger Verlag Ploberger & Partner, Postfach 11 46, D-82065 Baierbrunn Tel.
Mehrmit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007
6. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007 Aufgabe 1: Rekursion Betrachten Sie die folgende Tabelle
MehrFormale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
Mehr5. Übung: PHP-Grundlagen
5.1. Erstes PHP-Programm 1. Schreiben Sie PHP-Programm innerhalb einer Webseite, d.h. innerhalb eines HTML-Dokument. Ihr PHP-Programm soll einen kurzen Text ausgeben und Komentare enthalten. Speichern
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrElexis-BlueEvidence-Connector
Elexis-BlueEvidence-Connector Gerry Weirich 26. Oktober 2012 1 Einführung Dieses Plugin dient dazu, den Status Hausarztpatient zwischen der BlueEvidence- Anwendung und Elexis abzugleichen. Das Plugin markiert
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrSüdbaden-Cup. Ausstieg Champions
Südbaden-Cup Ausstieg Champions Beschreibung Der Ausstieg aus dem Turnier dient Spielern die eine weite Anreise haben sich aus dem Turnier zu verabschieden um noch am gleichen Tag heimzureisen und einen
MehrSQL Teil 2. SELECT Projektion Selektion Vereinigung, Schnitt, Differenz Verbund Komplexer SELECT-Ausdruck
SELECT Projektion Selektion Vereinigung, Schnitt, Differenz Verbund Fahren fort mit SQL Befehlen. Bilden Relationenalgebra auf SQL ab. So Umsetzung von Anfragen an die DB (bzw. Tabellen) möglich. SELECT
Mehr4. Lernen von Entscheidungsbäumen. Klassifikation mit Entscheidungsbäumen. Entscheidungsbaum
4. Lernen von Entscheidungsbäumen Klassifikation mit Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch /Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse zugeordnet werden.
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
Mehretutor Benutzerhandbuch XQuery Benutzerhandbuch Georg Nitsche
etutor Benutzerhandbuch Benutzerhandbuch XQuery Georg Nitsche Version 1.0 Stand März 2006 Versionsverlauf: Version Autor Datum Änderungen 1.0 gn 06.03.2006 Fertigstellung der ersten Version Inhaltsverzeichnis:
MehrSemantik von Formeln und Sequenzen
Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehr4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:
4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie
MehrVorlesung Dokumentation und Datenbanken Klausur
Dr. Stefan Brass 5. Februar 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises
MehrEinfÅhrung in die objektorientiere Programmierung (OOP) unter Delphi 6.0. EDV Kurs 13/2
EinfÅhrung in die objektorientiere Programmierung (OOP) unter Delphi 6.0 EDV Kurs 13/2 Inhaltsverzeichnis 1 Objekte... 1 2 Klassen... 3 2.1 Beziehungen zwischen Klassen... 4 2.1.1 Vererbung... 4 2.1.2
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
Mehr