2. Informationsmodellierung mit Entity-Relationship-Modell und UML

Größe: px
Ab Seite anzeigen:

Download "2. Informationsmodellierung mit Entity-Relationship-Modell und UML"

Transkript

1 2. Iformatiosmodellierug mit Etity-Relatioship-Modell ud UML Eiführug Modellierug / Abstraktioskozepte Etity-Relatioship-Modell Etity-Mege Attribute ud Wertebereiche Primärschlüssel Relatioship-Mege Klassifikatio der Beziehugstype (:, :, :, :m) Kardialitätsrestriktioe Schwache Etity-Mege Geeralisierug / Spezialisierug Aggregatio Modellierug mit UML (Klassediagramme) Prof. E. Rahm 2 - Lerziele Kapitel 2 Ketis der Vorgehesweise beim DB-Etwurf Grudkozepte des ER-Modells sowie vo UML- Klassediagramme Ketis der Abstraktioskozepte, isbesodere vo Geeralisierug ud Aggregatio Fähigkeit zur praktische Awedug der Kozepte Erstellug vo ER-Modelle ud -Diagramme bzw. UML-Modelle für gegebee Awedugsszearie Festlegug der Primärschlüssel, Beziehugstype, Kardialitäte, Existezabhägigkeite etc. Iterpretatio gegebeer ER- bzw. UML-Modelle Prof. E. Rahm 2-2

2 Iformatios- ud Datemodellierug (DB-Etwurf) Ziele: modellhafte Abbildug eies awedugsorietierte Ausschitts der reale Welt (Miiwelt) Etwurf der logische DB-Struktur (DB-Etwurf) Nebebediguge: Vollstädigkeit Korrektheit Miimalität Lesbarkeit, Modifizierbarkeit Schrittweise Ableitug: (Verschiedee Sichte) ) Iformatio i userer Vorstellug 2) Iformatiosstruktur: Orgaisatiosform der Iformatio 3) Logische (zugriffspfaduabhägige) Datestruktur (Was-Aspekt) 4) Physische Datestruktur (Was- ud Wie-Aspekt) Prof. E. Rahm 2-3 reales (Objekt-) System Aforderugsermittlug ud -aalyse Auswertug ud ikremetelle Modifikatioe Etwurf Kozeptioeller Etwurf (Iformatiosmodellierug) Logischer Etwurf (DB-Schema, extere Schema) Implemetierug Physischer Etwurf (iteres Schema) Awedugserstellug, Systemitegratio Test, Auswertug Iformatiossystem Verwedug Prof. E. Rahm 2-4

3 Iformatiosmodellierug Gegestäde Iformatioe Zusammehäge Tatsache Persoe Sachverhalte Objekte Formalisierug, Diskretisierug ( Systemaalyse ) Beziehuge Attribute (Eigeschafte) Vorgäge, Veräderuge Wirklichkeitsausschitt ( Miiwelt ) Darstellugselemete + Regel: Objekte (Etities) ud Beziehuge (Relatioships) Klasse vo Objekte / Beziehuge Eigeschafte (Attribute) Iformatioe über Objekte ud Beziehuge ur we: relevat uterscheidbar ud idetifizierbar, selektiv beschreibbar Prof. E. Rahm 2-5 Iformatiosmodell Abstraktioskozepte Iformatios- ud Datemodelle basiere auf drei grudlegede Abstraktioskozepte Klassifikatio: fasst Objekte (Etities, Istaze) mit gemeisame Eigeschafte zu eiem eue (Mege-) Objekt (Etity-Mege, Klasse, Objekttyp) zusamme. Istaze/Objekte eier Klasse uterliege gleicher Struktur (Attribute), gleiche Itegritätsbediguge, gleiche Operatioe mathematisch: Megebildug Aggregatio: Zusammefassug potetiell uterschiedlicher Teilobjekte (Kompoete) zu euem Objekt mathematisch: Bildug vo kartesische Produkte Verallgemeierug / Geeralisierug: Teilmegebeziehuge zwische Elemete verschiedeer Klasse mathematisch: Bildug vo Potezmege (bzw. Teilmege) wesetlich: Vererbug vo Eigeschafte a Teilmege Prof. E. Rahm 2-6

4 Etity-Relatioship-Modell etwickelt vo P. P. Che (ACM Trasactios o Database Systems 976) Kozepte: Etity-Mege Beziehugsmege (Relatioship-Mege) Attribute Wertebereiche Primärschlüssel uterstützt die Abstraktioskozepte der Klassifikatio ud Aggregatio graphische Darstellug durch Diagramme zahlreiche Erweiterugsvorschläge weite Verbreitug über kozeptioelle DB-Etwurf hiaus: Systemaalyse, Uterehmesmodellierug Prof. E. Rahm 2-7 Etity-Mege Etity (Etität, Gegestad): repräsetiert abtraktes oder physisches Objekt der reale Welt Gleichartige Etities (d. h. Etities mit gemeisame Eigeschafte) werde zu Etity-Mege (Gegestadstype, Objekttype) zusammegefasst (Klassifikatio) => Etities sid Elemete eier (homogee) Mege: e E z. B. Persoe, Projekte... Bücher, Autore... Kude, Vertreter, Wei, Behälter DB ethält edlich viele Etity-Mege: E, E 2,..., E ; icht otwedigerweise disjukt z. B. E... Persoe, E 2... Kude: E 2 E Symbol für Etity-Mege E: E Prof. E. Rahm 2-8

5 Attribute ud Wertebereiche Attribute ud Attributwerte: Eigeschafte vo Etity-Mege werde durch Attribute bestimmt Eigeschafte eizeler Etities sid durch Attributwerte festgelegt Nullwert: spezieller Attributwert, desse Wert ubekat oder icht möglich ist (z. B. FaxNr) Jedem Attribut ist ei Wertebereich (Domai) zugeordet, der festlegt, welche Attributwerte zulässig sid (Itegritätsbedigug!) E (A : D, A 2 : D 2,... A : D ) Attribute orde damit jedem Etity eie Attributwert aus dem Domai zu, d. h., ei Attribut A etspricht eier mathematische Fuktio Attributsymbol i ER-Diagramme: Attr.Name Prof. E. Rahm 2-9 Attributarte eifache vs. zusammegesetzte Attribute Beispiele: NAME [Vorame: char (30), Nachame: char (30) ] ANSCHRIFT [Strasse: char (30), Ort: char (30), PLZ: char (5) ] Domai für zusammegesetztes Attribut A [A, A 2,... A k ]: W (A ) W (A 2 )... W (A k ) eiwertige vs. mehrwertige Attribute Beispiele: AUTOFARBE: {char (20)} KINDER: {[Name: char (30), Alter: it]} Domai für mehrwertiges Attribut A: 2 W (A) Symbol für mehrwertige Attribute: Attr.Name Prof. E. Rahm 2-0

6 Schlüsselkadidat / Primärschlüssel Schlüsselkadidat oder kurz Schlüssel (key) eiwertiges Attribut oder Attributkombiatio, die jedes Etity eier Etity-Mege eideutig idetifiziert keie Nullwerte! Defiitio Schlüsselkadidat A = {A, A 2,..., A m } sei Mege der Attribute zu Etity- Mege E K A heißt Schlüsselkadidat vo E. e i, e j E mit e i e j ---> K(e i ) K(e j ); 2. K miimal Prof. E. Rahm 2 - Schlüsselkadidat / Primärschlüssel (2) Primärschlüssel = Schlüsselkadidat ggf. küstlich zu erzeuge (lfd. Nr.) ggf. uter mehrere Kadidate eie auszuwähle Beispiel: Prof (Zi-Nr, Sekr-TelNr, Vorame, Name, PNR) Primärschlüsselattribute werde durch Uterstreichug gekezeichet Attr.Name Prof. E. Rahm 2-2

7 Relatioships Relatioship-Mege: Zusammefassug gleichartiger Beziehuge (Relatioships) zwische Etities, die jeweils gleiche Etity-Mege agehöre Beispiel: Beziehuge Vorlesugsbesuch zwische Studet ud Vorlesug s2 s s3 v2 v v3 STUDENT VORLESUNGS- TEILNAHME VORLESUNG Prof. E. Rahm 2-3 Relatioships (2) Relatioship-Mege R etspricht mathematischer Relatio zwische Etity-Mege E i R E E 2... E, d. h. R = {r = [e, e 2,..., e ] e E,..., e E } gewöhlich: =2 oder =3 Symbol: E R E 2 Prof. E. Rahm 2-4

8 Relatioships (3) Relatioship-Mege köe auch Attribute besitze R E E 2... E W(A )... W(A m ) d. h. R = {r = [e, e 2,..., e, a, a 2,... a m ] e i E i, a j W (A j ) } Beispiel Datum Note PROF PRUEFUNG STUDENT PROF (Pr, Pame, Fach) STUDENT (Matr, Same, Immdatum) PRUEFUNG ( PROF, STUDENT, Datum, Note) Etities e i köe durch ihre Primärschlüssel ersetzt werde Prof. E. Rahm 2-5 Relatioships (4) keie Disjuktheit der beteiligte Etity-Mege gefordert (rekursive Beziehuge) VERHEIRATET ON ON VORGESETZTER ON ON ON VORGESETZTER Eiführug vo Rolleame möglich (Reihefolge!) VORGESETZTER (Chef: ON, Mitarbeiter: ON) e r3 r e2 r4 r2 e5 e e2 e3 e4 e5 r r2 r3 r4 e3 Prof. E. Rahm 2-6 e4

9 Relatioships (5) Beispiel eier 3-stellige Relatioship-Mege Lieferat Lieferug Projekt Teil icht gleichwertig mit drei 2-stellige (biäre) Relatioship-Mege! Lieferat Beliefert Projekt Beispiel: Liefert Bezieht L liefert T, L beliefert P, P bezieht T Impliziert icht otwedigerweise Teil Lieferug (L, P, T) Prof. E. Rahm 2-7 Relatioships (6) Beziehuge zwische Relatioship-Mege werde im ERM icht uterstützt (magelde Orthogoalität) Beispiel Tourist Reisegruppe Führer Besichtigug Seheswürdigkeit Prof. E. Rahm 2-8

10 Kardialität vo Beziehuge Festlegug wichtiger struktureller Itegritätsbediguge Uterschiedliche Abbildugstype für biäre Beziehug zwische Etity-Mege E i ud E j : eieideutige Fuktio (ijektive Abbildug) : mathematische Fuktio (fuktioale Abbildug) : ivers fuktioale Abbildug :m mathematische Relatio (komplexe Abbildug) Abbildugstype impliziere icht, dass für jedes e E i auch tatsächlich ei e E j existiert! :- sowie :-Beziehuge repräsetiere somit i.a. ur partielle Fuktioe Präzisierug der Kardialitätsrestriktioe durch Mi-Max- Notatio Prof. E. Rahm 2-9 :-Beziehuge :-Beziehug zwische uterschiedliche Etity-Mege : LEITET/WIRD-GELEITET: ABT LEITET WIRD- GELEITET ABT ABT rekursive :-Beziehug : VERHEIRATET: ON FRAU MANN Prof. E. Rahm 2-20

11 :-Beziehug :-Beziehug zwische uterschiedliche Etity-Mege : ARBEITET-FÜR/MITARBEITER: -> ABT ABT ARBEITET- FÜR MITARBEITER ABT rekursive :-Beziehug : UNTERGEB./VORGESETZTER_VON: -> UNTERG. ON VORGES. Prof. E. Rahm 2-2 :m-beziehug :m-beziehug zwische uterschiedliche Etity-Mege :m... ARBEITET_FÜR/MITARBEIT: ---- PROJEKT m PROJEKT ARBEITET- FÜR MITARBEIT PROJEKT rekursive :m-beziehug :m SETZT_SICH_ZUSAMMEN_AUS/GEHT_EIN_IN: TEIL ---- TEIL SETZT-S-Z-A. TEIL TEIL m GEHT_EIN. Prof. E. Rahm 2-22

12 Kardialitätsrestriktioe: Mi-Max-Notatio Verfeierug der Sematik eies Beziehugstyps durch Mi- Max-Kardialitätsrestriktioe bisher ur 2-stellige Beziehuge ud grobe strukturelle Festleguge (z. B.: : bedeutet höchstes eis zu höchstes eis ) Defiitio: sei R E E 2... E Kardialitätsrestriktio kard(r,e i ) = [mi,max] bedeutet, dass jedes Elemet aus E i i weigstes mi ud höchstes max Auspräguge vo R ethalte sei muss (mit 0 <= mi <= max, max >= ) Mi-Max-Notatio erlaubt Uterscheidug, ob Teilahme eies Etities a eier Beziehug optioal (Midestkardialität 0) oder obligatorisch (Midestkardialität >= ) ist Diagrammdarstellug: [mi, max ] [mi 2, max 2 ] E R E 2 e immt a [mi, max ] Beziehuge vo Typ R teil e 2 immt a [mi 2, max 2 ] Beziehuge vo Typ R teil Prof. E. Rahm 2-23 Mi-Max-Kardialitätsrestriktioe: Beispiele ABT Abt.- Zugehörigkeit R E E 2 klass. Beziehugstyp kard (R, E ) kard (R, E 2 ) Abt.Leitug ABT Proj.Mitarbeit PROJEKT Parteimitglied PARTEI Verheiratet FRAU MANN V.teilame VORL STUDENT Belegug ZIMMER Elter PAARE KIND Prof. E. Rahm 2-24

13 Schwache Etity-Mege (weak etities) Etity-Mege mit Existezabhägigkeit zu aderer Etity-Mege kei eigeer Schlüsselkadidat, soder Idetifikatio über Beziehug zur übergeordete Etity-Mege Bsp.: Etity-Mege Raum (Nummer, Größe) abhägig vo Gebäude Kosequeze i.a. : bzw. :-Beziehug zwische schwacher Etity-Mege ud Vater- Etity-Mege jedes schwache Etity muss i Relatioship-Mege mit Vater-Etity- Mege vertrete sei (obligatorische Beziehugsteilahme, miimale Kardialität ) Primärschlüssel ist zumidest teilweise vo Vater-Etity-Mege abgeleitet ER-Symbole: E V Prof. E. Rahm 2-25 Überblick über ER-Diagrammsymbole E R E Etity-Mege Relatioship-Mege schwache Etity-Mege A A A A A2 A3 A Attribut Schlüsselattribut mehrwertiges Attribut zusammegesetztes Attribut Kardialitätsagabe E R E 2 [mi, max ] [mi 2, max 2 ] E R E 2 Prof. E. Rahm 2-26

14 ERM: Awedugsbeispiel Eie Bibliothek besteht aus Bücher ud Zeitschrifte. Jedes Buch ka ggf. mehrere Autore habe ud ist eideutig durch seie ISBN gekezeichet. Die Bibliothek besitzt teilweise mehrere Exemplare eies Buches. Zeitschrifte dagege sid jeweils ur eimal vorhade. Sie erscheie i eizele Hefte ud werde jahrgagsweise gebude. Die i Zeitschrifte publizierte Artikel sid ebeso wie Bücher eiem oder mehrere Fachgebiete (z. B. Betriebssysteme, Datebaksysteme, Programmiersprache) zugeordet. Ausgeliehe werde köe ur Bücher (keie Zeitschrifte). ISBN Titel Buch Buchexemplar m m Autor Fachgebiet m m Zeitschrift Artikel ZNR Name Jahrgag Heft Titel Leser Prof. E. Rahm 2-27 Geeralisierug/Spezialisierug Is-A-Beziehug zwische Etity-Mege E is-a E 2 bedeutet, dass jedes Etity e aus E auch ei Etity aus E 2 ist, jedoch mit zusätzliche strukturelle Eigeschafte Substitutiosprizip: alle Istaze eier Subklasse sid auch Istaze der Superklasse Vererbug vo Eigeschafte (Attribute, Itegritätsbediguge, Methode...) der Superklasse a alle Subklasse Wiederverwedbarkeit, Erweiterbarkeit keie Wiederholug vo Beschreibugsiformatio, Fehlervermeidug Superklasse is-a is-a Superklasse is-a Kezeiche Halter Baujahr Fahrzeug Subklasse Subklasse2 Subklasse Subklasse2 PKW LKW Prof. E. Rahm 2-28

15 Geeralisierug/Spezialisierug (2) Geeralisierug: Bottom-Up-Vorgehesweise Bildug allgemeierer Superklasse aus zugrudeliegede Subklasse Überahme gemeisamer Eigeschafte ud Uterdrückug spezifischer Uterschiede rekursive Awedbarkeit => Geeralisierugshierarchie Spezialisierug: Top-Dow-Vorgehesweise zuerst werde die allgemeiere Objekte (Superklasse), da die speziellere (Subklasse) beschriebe Prof. E. Rahm 2-29 Geeralisierug/Spezialisierug (3) oft keie reie Hierarchie, soder Netzwerke (:m) eie Klasse ka Subklasse mehrerer Superklasse sei ei Objekt ka gleichzeitig Istaz verschiedeer Klasse sei Zykle icht erlaubt/sivoll (A is-a B, B is-a A) führt zum Problem der Mehrfach-Vererbug Nameskoflikte möglich beutzergesteuerte Auflösug, z. B. durch Umbeeug Uiversitätsagehöriger Name Geburtstag Bediesteter Pr Fakultät Studet Matr Fakultät Beamter Agestellter Prof. E. Rahm 2-30 studetische Hilfskraft Wochestude Kostestelle

16 Spezialisierug: Defiitioe Klasse: Mege vo Etities (Etity-Mege, Superklasse, Subklasse) Subklasse: Klasse S, dere Etities eie Teilmege eier Superklasse G sid (is-a-beziehug), d. h. S G d. h. jedes Elemet (Ausprägug) vo S ist auch Elemet vo G. Spezialisierug: Z = {S, S 2,... S } Mege vo Subklasse Si mit derselbe Superklasse G Zusätzliche Itegritätsbediguge: Vollstädigkeit (Überdeckug) ud Disjuktheit vo Spezialisieruge Z heisst vollstädig (complete), falls gilt: G = S i (i =..) aderfalls partiell (icomplete). Z ist disjukt (disjoit), falls S i S j = { } für i j aderfalls überlapped (overlappig). Prof. E. Rahm 2-3 Arte vo Spezialisieruge X Superklasse (Spezialisierugstyp) Y Z Subklasse disjukte Spezialisieruge (Partitioierug) vollstädig, disjukt (complete, disjoit) partiell, disjukt (icomplete, disjoit) X Y Z X Y Z Prof. E. Rahm 2-32

17 Arte vo Spezialisieruge (2) X Superklasse (Spezialisierugstyp) Y Z Subklasse überlappede Spezialisieruge vollstädig, überlapped (complete, overlappig) partiell, überlapped (icomplete, overlappig) X Y Z X Y Z Prof. E. Rahm 2-33 Aggregatio Objekte werde als Zusammesetzug vo adere Objekte agesehe eie Kombiatio vo eifache (atomare, d.h. icht weiter zerlegbare) Objekte (Elemet, Teil) wird betrachtet als zusammegesetztes Objekt (Aggregatobjekt) rekursive Awedug des Aggregatsprizips: Aggregatiosobjekte mit komplexe Kompoete Eifache Forme der Aggregatio: - zusammegesetzte Attribute - Etity-Mege als Aggregatio verschiedeer Attribute Erweiterug auf Part-of-Beziehug zwische Etity-Mege / Klasse Prof. E. Rahm 2-34

18 Aggregatio (2) Part-of-Beziehug (Teil-vo-Beziehug) zwische Kompoeteud Aggregatobjekte Elemete eier Subkompoete sid auch Elemete aller Superkompoete dieser Subkompoete Referezsematik ermöglicht, dass ei Objekt gleichzeitig Elemete verschiedeer Kompoete bzw. Subkompoete vo mehrere Superkompoete sei -> Netzwerke, (:m)! Wertesematik (Kompositio): Teil-Objekt gehört geau zu eiem Aggregat-Objekt; Existezabhägigkeit! part-of Aggregatklasse part-of Aggregatklasse oder Aggregatklasse Komp.klasse Komp.klasse2 Komp.klasse Komp.klasse2 Komp.klasse Komp.klasse2 Kompositio Prof. E. Rahm 2-35 Aggregatio (3) Fahrräder Gewicht part-of part-of Rahme Räder part-of part-of part-of part-of Rohre Leker Felge Speiche Uterstützug komplex-strukturierter Objekte heterogee Kompoete möglich keie Vererbug! Prof. E. Rahm 2-36

19 Kombiatio vo Geeralisierug ud Aggregatio Fahrzeuge umotor. Fahrzeuge motoris. Fahrzeuge Roller Fahrräder LKW PKW Rahme Räder Rohre Leker Felge Speiche Prof. E. Rahm 2-37 Uified Modelig Laguage (UML) stadardisierte graphische Notatio/Sprache zur Beschreibug objektorietierter Software-Etwicklug Kombiatio uterschiedlicher Modelle bzw. Notatioe, u.a. Booch Rumbaugh (OMT) Jacobso(UseCases) Stadardisierug durch Herstellervereiigug OMG (Object Maagemet Group) 997: UML. 200: UML : UML 2.0 Ifos: Prof. E. Rahm 2-38

20 UML-Bestadteile UML umfasst Modellelemete (Klasse, Iterfaces, Awedugsfälle...), Beziehuge (Assoziatioe, Geeralisierug, Abhägigkeite...) ud Diagramme Geerelle Sichtweise Awedugsfälle Klasse- vs. Istazsicht Spezifikatios- vs. Implemetierugssicht (Iterface / Klassediagramme, Modularisierug Aalyse Klasse) Aalyse- vs. Etwurf- vs. Laufzeit-Sichte Klassediagramme Etwurf (verfeiert) (Statische) Strukturdiagramme Festlegug vo Klasse, Iterfaces,..., dere itere Struktur sowie vo Beziehuge Klassediagramme vs. Objektdiagramme Prof. E. Rahm 2-39 Kompoetediagramme Code (Klassedefi.) Objekstruktur SW-Etwicklug Aforderuge Implemetierug Aktivitäte Szearie, Sequezdiagr. Kooperatios-, Zustadsdiagr. Verteilugsdiagr. Code (Methode) Objektverhalte Darstellug vo Klasse ud Objekte Klassesymbol: Agabe vo Klasseame, Attribute (optioal), Methode (optioal) i. a. werde ur relevate Details gezeigt Studet Studet MatNr: it Name: Strig Immat: Date Studet Semester(): it SummeSWS(): short aaloge Darstellug vo Klasseistaze (Objekte) keie Methodeagabe Studet MatNr: it Name: Strig Immat: Date Semester(): it SummeSWS (): short studi :Studet S2: Studet MatNr: Name: "Jeifer Meyer" Immat: Prof. E. Rahm 2-40

21 Darstellug vo Klasse (2) Detaildarstellug auf Implemetierugsebee Attributspezifikatio: Sichtbarkeit Name: Typ = Default-Wert { Eigeschafte } Operatioe: Sichtbarkeit Name (Parameterliste) : Rückgabeausdruck { Eigeschafte } Sichtbarkeit: öffetlich / public (+), geschützt / protected (#), privat (-) uterstriche: Klasse-Attribute / -Operatioe Darstellug vo Bediguge (Costraits) ierhalb geschweifter Klammer { } Widow Widow {abstrakt, autor=joe} Widow size: Area visibility: Boolea display () hide () +size: Area = (00,00) #visibility: Boolea = ivisible +default-size: Rectagle # maximum-size: Rectagle -xptr: Xwidow* +display () +hide () +create () -attachxwidow (xwi:xwidow*) Prof. E. Rahm 2-4 Assoziatioe Repräsetatio vo Beziehuge (relatioships) optioal: Festlegug eies Assoziatiosames, seier Leserichtug ( bzw. ), vo Rolleame, Sichtbarkeit vo Rolle (+, -, #) sowie Kardialitätsrestriktioe Klasse Klasse 2 Assoziatiosame Rolle Rolle 2 Kardialitätsrestriktioe (multiplicity) betreffe gegeüberliegede Klasse! ( multiplicity specifies # of target istaces that may be associated with a sigle source istace across the give associatio ) x..y midestes x, maximal y Objekte ehme a der Beziehug teil * viele 0..* optioale Teilahme a der Beziehug..* 0.. geau Prof. E. Rahm 2-42

22 Assoziatioe (2) Assoziatios-Klasse otwedig für Beziehuge mit Prof eigee Attribute gestrichelte Liie Name der A.-Klasse etspricht dem der Assoziatio * Prüfugstermi * Studet gerichtete Assoziatio Eischräkug der Navigierbarkeit: keie direkte Navigatiosmöglichkeit i umgekehrter Richtug (eifachere Implemetierug) auf kozeptioeller Ebee icht otwedigerweise festzulege 0... arbeiteti ABT Prof. E. Rahm 2-43 Assoziatioe (3) 3-stellige Beziehug Multiplizitätsagabe eier Klasse regelt bei -stellige Beziehuge die Azahl möglicher Istaze (Objekte) zu eier fixe Kombiatio vo je eiem Objekt der übrige - Assoziatiosede Lieferat * Teil * * Projekt Prof. E. Rahm 2-44

23 UML-Darstellug Geeralisierug Separate Target Style (Pfeil pro Verbidug ) Figur Polygo Ellipse Kurve Figur Shared Target Style Polygo Ellipse Kurve Prof. E. Rahm 2-45 Geeralisierug (2) Agabe vo Diskrimiatore sowie Spezialierugsart (overlappig/disjoit, icomplete/complete) Baum Baumart Eiche Buche Birke Fahrzeug Atrieb Eisatz Atrieb Eisatz {overlappig} {overlappig} Wid-getriebees Fahrzeug Motorfahrzeug Ladfahrzeug Wasserfahrzeug LKW Segelboot Prof. E. Rahm 2-46

24 Aggregatio (UML) Aggregatio: spezielle Assoziatio zwische 2 Klasse, i der eie Klasse eie adere vollstädig (whole) ethält By-Referece Whole By-Value Whole Aggregatio Part Kompositio Part Kompositio: Aggregatio, bei der eie Klasse ei Attribut eier adere ist Teil-Objekt gehört geau zu eiem Aggregat-Objekt Existezabhägigkeit Prof. E. Rahm 2-47 Aggregatio (2) Uterschiedliche Darstellugsarte zur Kompositio Widow Widow scrollbar [2]: Slider title: Header body: Pael Widow scrollbar: Slider 2 title: Header body: Pael Prof. E. Rahm 2-48

25 Studet MatNr: it Name: Strig Immat: Date Semester(): it SummeSWS (): short Beispiel UML-Klassediagramm Prüflig Hörer 3..* hört * * setztvoraus Vorlesug VorlNr: it Name: Strig SWS: it * * AzHörer(): it * Prüfugsstoff * Prüfug Datum: Date Note: Decimal * * Prüfer liest Assistet Promotiosgebiet: Strig Resturlaub (): it * arbeitetfür Rag: Strig Professor LehrStudezahl (): it Dozet Beschäftigte PersNr: it Name:Strig Gehalt (): short Prof. E. Rahm 2-49 Zusammefassug DB-Etwurf umfasst Iformatiosaalyse kozeptioeller Etwurf (-> Iformatiosmodell) logischer Etwurf (-> logisches DB-Schema) physischer Etwurf (-> physisches DB-Schema) Iformatiosmodellierug mit dem ER-Modell Etity-Mege ud Relatioship-Mege Attribute, Wertebereiche, Primärschlüssel Beziehugstype (:, :, :m) ud Kardialitätsrestriktioe Diagrammdarstellug UML-Klassediagramme: Uterschiede zu ER-Modell stadardisiert Spezifikatio vo Verhalte (Methode), icht ur strukturelle Aspekte Uterstützug der Abstraktioskozepte der Geeralisierug / Spezialisierug, Aggregatio / Kompositio keie feste Regel zur eigetliche Iformatiosmodellierug (i.a. mehrere Modellierugsmöglichkeite eier bestimmte Miiwelt) Prof. E. Rahm 2-50

Lehrveranstaltung Grundlagen von Datenbanken WS 2018/19. Gesamtpunktzahl 40 Ausgabe Do Abgabe Fr

Lehrveranstaltung Grundlagen von Datenbanken WS 2018/19. Gesamtpunktzahl 40 Ausgabe Do Abgabe Fr Iformatiosmodellierug mit dem Etity-Relatioship-Modell Die Abteilug für Cyber Idetizierug Dieste (ACID) möchte ei eues Überwachugssystem für Mobilfukgespräche eiführe. Dabei soll eie relatioale Datebak

Mehr

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell Aufgabezettel 2 (Lösugsvorschläge) Gesamtpuktzahl 40 Iformatiosmodellierug mit dem Etity-Relatioship-Modell Ei ahegelegeer Tierpark möchte ei eues System zur Verwaltug der Tierpopulatioe eiführe, bei dem

Mehr

Elektrotechnik und Informatik Faculty of Electrical Engineering and Computer Science

Elektrotechnik und Informatik Faculty of Electrical Engineering and Computer Science 2.4 Sematische Modelle 2.4. Der sematische Asatz Ebee des Datebaketwurfs (Wdh.): kozeptioelle Ebee logische Gesamtsicht des Aweders auf die Date uabhägig vom eigesetzte DBS-Typ Implemetierugsebee kozeptioelle

Mehr

ER Modell Relationenmodell

ER Modell Relationenmodell ER Modell Relatioemodell II Orgaisatio Orgaisatioseiheite Date Steuerug Fuktio ` Iformatiosobjekte Itegratio Aufgabe 0.06.006 Das Etity-Relatioship-Modell (ERM) Erster Schritt zum Aufbau eies datebakbasierede

Mehr

3. Informationsmodelle

3. Informationsmodelle 203 LG IS Iformatios- systeme 3. Iformatiosmodelle Stefa Deßloch Überblick Vorgehesweise bei ud -Modellierug Lebeszyklus Iformatioserhebug Etity-Relatioship-Modell (ERM) Defiitioe, Kozepte Beziehugstype

Mehr

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL SQL Elmar Fuchs 2. Ausgabe, April 202 Grudlage ud Datebakdesig SQL 3 SQL - Grudlage ud Datebakdesig 3 Der Datebaketwurf I diesem Kapitel erfahre Sie wie sich der Datebak-Lebeszyklus vollzieht welche Etwurfsphase

Mehr

Vorlesung Informationssysteme

Vorlesung Informationssysteme Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche

Mehr

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell Iformatiosmodellierug mit dem Etity-Relatioship-Modell McAcid's beötigt ei eues Burgastisches Kassesystem, bei dem eie relatioale Datebak verwedet werde soll. [5 P.] Erfasse Sie die im Folgede beschriebee

Mehr

Entity Relationship Modell

Entity Relationship Modell Etity Relatioship Modell A.Kaiser; WU-Wie MIS 90 Wahrehmug Systems vo Perso Wahrehmug Systems vo Perso 2 System (oder Ausschitt) Wahrehmug Systems vo Perso 3 Wahrehmug Systems vo Perso 4 Wahrehmug Systems

Mehr

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen: - 2 - - 22-2. Datebaketwurf mittels Etity-Relatioship - Modell (ERM) Ursprug: Che 976, heute viele Variate Bedeutug: grafisches Hilfsmittel zur sematische Modellierug der Diskurswelt (Awedugsgebiet) (d.h.

Mehr

Datenbasis - 3 Sichten

Datenbasis - 3 Sichten Etity Relatioship Modell A.Kaiser; WU-Wie MIS 76 Datebasis - 3 Sichte Kozeptioelle Sicht EER-Modell Extere Sicht Beutzerorietiert Itere Sicht Computer-orietiert A.Kaiser; WU-Wie MIS 77 Kozeptioelle Datemodelle

Mehr

Konzeptioneller DB-Entwurf: Entity-Relationship Modellierung Beispiel: Kontoführung

Konzeptioneller DB-Entwurf: Entity-Relationship Modellierung Beispiel: Kontoführung Techische Uiversität Müche WS 2003/04, Fakultät für Iforatik Datebaksystee I Prof. R. Bayer, Ph.D. Lösugsblatt 2 Dipl.-Ifor. Michael Bauer Dr. Gabi Höflig 3.. 2003 Kozeptioeller DB-Etwurf: Etity-Relatioship

Mehr

2. Informationsmodelle

2. Informationsmodelle GBIS-Rahme: Eiordug 2 Iformatiosmodelle wedug Vorgehesweise bei DB-Etwurf ud -Modellierug Ziel: Modellierug eier Miiwelt (Etwurf vo Datebakschemata) Date Steuerug Fuktioe modellhafte bbildug eies awedugsorietierte

Mehr

Lösungsvorschläge zu den Aufgaben der Lernsituation 20 (S. 64, 65)

Lösungsvorschläge zu den Aufgaben der Lernsituation 20 (S. 64, 65) Lösugsvorschläge zu de Aufgabe der Lersituatio 20 (S. 64, 65) Aufgabe : a ERM für die Vermittlug vo Fahrradreise Kudeummer Vorame Nachame Straße ud Hausr. Telefoummer IBAN (FS) Buchugsummer Kudeummer (FS)

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

DB-Entwurf und Modellierung (1) DB-Entwurf und Modellierung (2) DB-Entwurf und Modellierung (3) DB-Entwurf und Modellierung (4)

DB-Entwurf und Modellierung (1) DB-Entwurf und Modellierung (2) DB-Entwurf und Modellierung (3) DB-Entwurf und Modellierung (4) DB-Etwurf ud Modellierug (1) 3. Iformatsmodelle Ihalt DB-Etwurf ud Modellierug Etity-Relatship-Modell (ERM) Erweiteruge des ERM Kardialitätsrestrikte bstraktskozepte N. Ritter, DIS, SS 2005, Kapitel 3

Mehr

Das Prinzip des Entity Relationship Modells (ERM)

Das Prinzip des Entity Relationship Modells (ERM) Ageda Vom Datemodell zur Tabelle Vom Datemodell zur Tabelle Beschreibugsregel des ERM Eiführug i die Wirtschaftsiformatik Vom ERM zum Relatioeschema Uiversität Potsdam Lehrstuhl für Wirtschaftsiformatik

Mehr

Einleitung. Aufgabe 1a/1b. Übung IV

Einleitung. Aufgabe 1a/1b. Übung IV Übug IV Eileitug Etity-Relatioship-Modell: Modellierug zu Aalyse- ud Etwurfszwecke (Phase 2 i Wasserfallodell). "diet dazu, de projektierte Awedugsbereich zu strukturiere." [Keper/Eickler: Datebaksystee]

Mehr

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell 1 Iforatiosodellierug it de Etity-Relatioship-Modell Die ACID-Dopig-Detektei beötigt für ihre Jagd ach Dopigsüder ei Iforatiossyste, bei de ei relatioales Datebaksyste zu Eisatz koe soll. [20 P.] i) Erfasse

Mehr

Einführung in die Computerlinguistik Merkmalsstrukturen (Feature Structures)

Einführung in die Computerlinguistik Merkmalsstrukturen (Feature Structures) Eiführug i die Computerliguistik Merkmalsstrukture (Feature Structures) Laura Heirich-Heie-Uiversität Düsseldorf Sommersemester 2013 Eileitug (1) Die i CFGs verwedete Nichttermiale sid i der Regel icht

Mehr

Datenbanksysteme 1 Herbst-/Wintersemester Oktober 2014

Datenbanksysteme 1 Herbst-/Wintersemester Oktober 2014 Lehrstuhl für Praktische Iformatik III Prof. Dr. Guido Moerkotte Email: moer@db.iformatik.ui-maheim.de Marius Eich Email: marius.eich@ui-maheim.de Fisik Kastrati Email: kastrati@iformatik.ui-maheim.de

Mehr

2. Informationsmodellierung mit Entity-Relationship-Modell und UML

2. Informationsmodellierung mit Entity-Relationship-Modell und UML 2. Informationsmodellierung mit Entity-Relationship-Modell und UML Einführung Modellierung / Abstraktionskonzepte Entity-Relationship-Modell Entity-Mengen Attribute und Wertebereiche Primärschlüssel Relationship-Mengen

Mehr

Kombinatorik. Alexander (Axel) Straschil. 8. Dezember Begrie. 2 Permutationen, Kombinationen und Variationen

Kombinatorik. Alexander (Axel) Straschil. 8. Dezember Begrie. 2 Permutationen, Kombinationen und Variationen Kombiatori Alexader (Axel Straschil 8. Dezember 2006 Diese urze Zusammefassug über Permutatioe, Variatioe, Kombiatioe ud de Biomische Lehrsatz etstad im laufe meies Iformatistudiums a der Techische Uiversität

Mehr

Informationssysteme SS 2013 Lösungsvorschläge zu Übungsblatt 5. Übungsblatt 5. Für die Übungen in der Woche vom 22. Mai bis 26.

Informationssysteme SS 2013 Lösungsvorschläge zu Übungsblatt 5. Übungsblatt 5. Für die Übungen in der Woche vom 22. Mai bis 26. Prof. Dr.-Ig. Stefa Deßloch AG Heterogee Iformatssysteme Fachbereich Iformatik Techische Uiversität Kaiserslauter Übugsblatt 5 Für die Übuge i der Woche vom 22. Mai bis 26. Mai 203 Aufgabe : E/R-Modellierug

Mehr

2. Informationsmodellierung mit Entity Relationship Modell und UML

2. Informationsmodellierung mit Entity Relationship Modell und UML 2. Informationsmodellierung mit Entity Relationship Modell und UML Einführung Modellierung / Abstraktionskonzepte Entity Relationship Modell Entity Mengen Attribute und Wertebereiche Primärschlüssel Relationship

Mehr

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe. Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Modellierung.NET basierter Anwendungssysteme mit der UML

Modellierung.NET basierter Anwendungssysteme mit der UML Zwischebericht zur Diplomarbeit Christia Wurbs Modellierug.NET basierter Awedugssysteme mit der UML Überblick 4 Aufgabestellug Was ist.net?.net vs. EJB Kompoete MDA ud EDOC Profileaforderug.NET Profile

Mehr

Skriptum zur ANALYSIS 1

Skriptum zur ANALYSIS 1 Skriptum zur ANALYSIS 1 Güter Lettl WS 2017/2018 1. Grudbegriffe der Megelehre ud der Logik 1.1 Naive Megelehre [Sch-St 4.1] Defiitio eier Mege ach Georg Cator (1845 1918):,,Eie Mege M ist eie Zusammefassug

Mehr

FH Bingen 1 EnDa SS 2003

FH Bingen 1 EnDa SS 2003 FH Bige 1 EDa SS 2003 1.Grudkozepte für die Architektur vo Datebaksysteme (DaBa) 1.1Ausgagssituatio Frühere Awedugssysteme sid gekezeichet, dass zusammegehörige Programme auf viele Dateie operiere. : Verwalte

Mehr

3. Informationsmodelle

3. Informationsmodelle 3 Iforatiosodelle Vorgehesweise bei DB-Etwurf ud -Modellierug Vorgehesweise bei DB-Etwurf ud -Modellierug - Lebeszyklus - Iforatioserhebug Etity-Relatioship-Modell (ERM) 2 - Defiitioe, Kozepte - Beziehugstype

Mehr

Zusammenfassung: Mathe 1

Zusammenfassung: Mathe 1 Zusammefassug: Mathe 1 Beispiel zur Iduktio Behauptug: es gilt k 2 = 6 (+1) (2+1) Beweis: Iduktio über Iduktiosafag: = 1 k 2 + 1: für = 1: k 2 =1 2 =1 1 Aahme: Für ei N gilt Zu zeige: da muss auch gelte

Mehr

4.3 Relationen [ Partee 27-30, 39-51, McCawley , Chierchia ]

4.3 Relationen [ Partee 27-30, 39-51, McCawley , Chierchia ] 4 Elemetare Megetheorie 43 Relatioe [ Partee 7-30, 39-5, McCawley 48-49, Chierchia 534-536 ] Relatioe köe als spezielle Mege verstade werde Hierfür muss zuächst der Begriff eies weitere megetheoretische

Mehr

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n. Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie

Mehr

II. Grundlagen der Programmierung. Variable: Literale (Konstanten) Operatoren & Ausdrücke. Variablendeklaration:

II. Grundlagen der Programmierung. Variable: Literale (Konstanten) Operatoren & Ausdrücke. Variablendeklaration: Techische Iformatik für Igeieure (TIfI) WS 20052006, Vorlesug 2 II. Grudlage der Programmierug Ekkart Kidler Überblick Sytaxdefiitio Variable ud Ausdrücke Aweisuge Literale (Kostate) Variable Out.pritl("Das

Mehr

2. Informationsmodellierung mit Entity-Relationship-Modell und UML

2. Informationsmodellierung mit Entity-Relationship-Modell und UML 2. Informationsmodellierung mit Entity-Relationship-Modell und UML Einführung Modellierung / Abstraktionskonzepte Entity-Relationship-Modell Entity-Mengen Attribute und Wertebereiche Primärschlüssel Relationship-Mengen

Mehr

Entwurf von Datenbanken (Normalisierung)

Entwurf von Datenbanken (Normalisierung) Grudlage MS-Access97 Exkurs Datebake-Theorie 1/6 Etwurf vo Datebake (Normalisierug) Bevor ma mit der Implemetierug eier Datebak i eiem real existierede Datebaksystem begit, ist es otwedig, die Datebak

Mehr

Komplexe Zahlen. Gauss (1831) stellte eine strenge Theorie zur Begründung der komplexen Zahlen auf.

Komplexe Zahlen. Gauss (1831) stellte eine strenge Theorie zur Begründung der komplexen Zahlen auf. Komplexe Zahle Problem: x 2 + 1 = 0 ist i R icht lösbar. Zur Geschichte: Cardao 1501-1576: Auflösug quadratischer ud kubischer Gleichuge. Empfehlug: Reche z.b. mit 1 wie mit gewöhliche Zahle. Descartes

Mehr

Software Engineering I. Musterlösungen zur Hauptklausur vom Aufgabe 1

Software Engineering I. Musterlösungen zur Hauptklausur vom Aufgabe 1 1 Software Egieerig I Musterlösuge zur Hauptklausur vom 05.08.2000 Aufgabe 1 a) Abb. 1.1 zeigt ei ER-Diagramm, das zur Beatwortug der Afrage i der Aufgabestellug ausreicht: Perso E-Mail-Adresse KotoNr

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf Fudametale Prizipie der Kombiatori ud elemetare Abzähloeffiziete Wolfram Koepf Die abzählede Kombiatori beschäftigt sich vor allem mit der Auswahl eier Teilmege, die ma häufig eie Stichprobe et (aus Wahrscheilicheitsrechug

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Techische Uiversität Müche Fakultät für Iformatik Lehrstuhl für Effiziete Algorithme Dr. Hajo Täubig Tobias Lieber Sommersemester 2011 Übugsblatt 1 13. Mai 2011 Grudlage: Algorithme ud Datestrukture Abgabetermi:

Mehr

1.1 Grundlegende Zusammenhänge

1.1 Grundlegende Zusammenhänge 1 Defiitioe 1.1 Grudlegede Zusammehäge Die grudlegede Modellierugseiheite der Automatetheorie sid Alphabete, Zeichereihe ud Sprache. Diese Eiheite sid i der Automatetheorie abstrakter gefasst als i der

Mehr

Verhaltensmodellierung Übersicht

Verhaltensmodellierung Übersicht DHBW Stuttgart, SWEgieerig März 2010 Problem: Das dyamische Verhalte vo Systeme lässt sich icht durch Dateflussdiagramme beschreibe; es fehle Beschreibugsmittel zur: Spezifikatio vo komplee Ablaufbediguge

Mehr

Anwendungen der Wahrscheinlichkeit II. Markovketten

Anwendungen der Wahrscheinlichkeit II. Markovketten Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht Nachtrag Alteratives Buch zum Satz vo Fermat 1999 bei amazo ur och gebraucht 1 Uedliche (Zahle-) Mege 2 Wiederholug Steuer Bei eiem Eikomme vo ud eiem Steuersatz vo 33% müsse Sie Steuer zahle. Da werde

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis 1, Woche 2 Reelle Zahle A1 2.1 Ordug Defiitio 2.1 Ma et eie Ordug für K, we 1. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a,

Mehr

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert. Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall

Mehr

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes. Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,

Mehr

Kreuztabellenanalyse und Assoziationsmaße

Kreuztabellenanalyse und Assoziationsmaße FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)

Mehr

Relationale Datenbanken. Modellieren

Relationale Datenbanken. Modellieren Relatioale Datebake Modelliere Schulverwaltug Schüler Klasse Lehrer Peter Müller 5a Herr Mezel Fraz Maier 5b Frau Müller Berd Schmid Frau Träger Regie Hauser Miriam Schaller Judith Bauer Peter Müller 5a

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis, Woche 2 Reelle Zahle A 2. Ordug Defiitio 2. Ma et eie Ordug für K, we. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a, b, c K

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5 FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Wörterbuchmethoden und Lempel-Ziv-Codierung

Wörterbuchmethoden und Lempel-Ziv-Codierung Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches

Mehr

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-

Mehr

HEUTE. Beispiele. O-Notation neue Einführung Ideen und Eigenschaften Aufgaben 47 und 52

HEUTE. Beispiele. O-Notation neue Einführung Ideen und Eigenschaften Aufgaben 47 und 52 11.02.04 1 HEUTE 11.02.04 3 Beispiele 2, 2 2, 2 +, 1 2 2 log habe asymptotisch gleiches Wachstum: O-Notatio eue Eiführug Idee ud Eigeschafte Aufgabe 47 ud 2 Aufteilugs- ud Beschleuigugssatz Idee ud Awedug

Mehr

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln. Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

1 EINFÜHRUNG 1 2 DATENBANKARCHITEKTUR 5 3 DATENMODELLIERUNG 10

1 EINFÜHRUNG 1 2 DATENBANKARCHITEKTUR 5 3 DATENMODELLIERUNG 10 Datebak Ihaltsverzeichis EINFÜHRUNG. Beispiel eier Datebak, Teil I.2 Itegrierte Iformatiosverarbeitug 2.3 Ziele der Dateorgaisatio 3.4 Dateisysteme ud Datebaksysteme 4 2 DATENBANKARCHITEKTUR 5 2. Das Kozept

Mehr

Gleichungen und Ungleichungen. Mathematische Grundlagen. Beispiel. Beispiel. Lösung einer quadratischen Gleichung:

Gleichungen und Ungleichungen. Mathematische Grundlagen. Beispiel. Beispiel. Lösung einer quadratischen Gleichung: Gleichuge ud Ugleichuge Mathematische Grudlage Das Hadout ist Bestadteil der Vortragsfolie zur Höhere Mathemati; siehe die Hiweise auf der Iteretseite wwwimgui-stuttgartde/lstnumgeomod/vhm/ für Erläuteruge

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 13. Besprechung in KW05/2018

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 13. Besprechung in KW05/2018 Techische Uiversität Müche Witer 2017/18 Prof. J. Esparza / Dr. M. Lutteberger, S. Sickert 2018/02/08 HA-Lösug TA-Lösug Diskrete Strukture Tutoraufgabeblatt 13 Besprechug i KW05/2018 Beachte Sie: Soweit

Mehr

Universität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?

Universität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es? Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

Informatik in der Mittelstufe

Informatik in der Mittelstufe Iformatik i der Mittelstufe 2. Datemodellierug ud Datebake http://ddi.i.tum.de Jahrgagsstufe 8/2 Systeme strukturiere Objekte klassifiziere ud Beziehuge feststelle (Objekte, Klasse, Attribute, Beziehuge,

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

1 Lösungen zu Analysis 1/ 12.Übung

1 Lösungen zu Analysis 1/ 12.Übung Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt

Mehr

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike Gebhard Dettmar Istitut für Urchristetum ud Atike www2.hu-berli.de/ura Die Forschugsdatebak zu Ischrifte/Scas/Bilder im Istitut für Urchristetum ud Atike Eie Etwurfsdokumetatio zum Datebaketwurf ach dem

Mehr

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0 Kompaktheit ud gleichgradige Stetigkeit Vortrag zum Prosemiar zur Aalysis, 14.06.2010 Mao Wiescherma Matthias Klupsch Dieser Vortrag beschäftigt sich mit Kompaktheit vo Teilräume vom Raum der stetige Abbilduge

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge.

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge. Vorkurs Mathematik, PD Dr. K. Halupczok, WWU Müster Fachbereich Mathematik ud Iformatik 22.9.20 Ÿ3.2 Folge ud Summe (Fortsetzug) Eie wichtige Möglichkeit, wie ma Zahlefolge deiere ka, ist die über eie

Mehr

1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig.

1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. 1.3 Fuktioe Seie M ud N Mege f : M N x M : 1 y N : y fx et ma Fuktio oder Abbildug. Beachte: Zuordug ist eideutig. Bezeichuge: M : Defiitiosbereich N : Bildbereich Zielmege vo f Der Graph eier Fuktio:

Mehr

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (02 Funktionenklassen) Prof. Dr. Susanne Albers

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (02 Funktionenklassen) Prof. Dr. Susanne Albers Vorlesug Iformatik 2 Algorithme ud Datestrukture (2 Fuktioeklasse) Prof. Dr. Susae Albers Beschreibug ud Aalyse vo Algorithme Mathematisches Istrumetarium zur Messug der Komplexität (des Zeitud Platzbedarfs

Mehr

2. Informationsmodellierung mit Entity-Relationship-Modell und UML

2. Informationsmodellierung mit Entity-Relationship-Modell und UML 2. Informationsmodellierung mit Entity-Relationship-Modell und UML Einführung Modellierung / Abstraktionskonzepte Entity-Relationship-Modell Entity-Mengen Attribute und Wertebereiche Primärschlüssel Relationship-Mengen

Mehr

Kombinatorik. Permutationen Permutationen eines Kollektivs

Kombinatorik. Permutationen Permutationen eines Kollektivs Kombiatorik Permutatioe Permutatioe eies Kollektivs Kombiatorik Die Fuktio P perm_a gibt die kombiatorische Azahl der mögliche Aorduge oder Permutatioe a, die sich bei der Umordug der atürliche gaze Zahle,,...

Mehr

Aussagenlogik. Aussagenlogik

Aussagenlogik. Aussagenlogik I der mathematische Logik gibt es geau zwei Wahrheitswerte ämlich ur wahr oder falsch. Ei Drittes gibt es icht (Tertium o datur!). Zu eier Aussage a lässt sich die Negatio a (die Vereiug, sprich: "icht

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2 D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

Mehr

Grundlagen der Mathematik (LPSI/LS-M1)

Grundlagen der Mathematik (LPSI/LS-M1) Fachbereich Mathematik Algebra ud Zahletheorie Christia Curilla Grudlage der Mathematik (LPSI/LS-M1) Übugsklausur WiSe 2010/11 - C. Curilla/S. Koch/S. Ziegehage Liebe Studierede, im Folgede fide Sie eiige

Mehr

HM I Tutorium 2. Lucas Kunz. 3. November 2017

HM I Tutorium 2. Lucas Kunz. 3. November 2017 HM I Tutorium 2 Lucas Kuz 3. November 2017 Ihaltsverzeichis 1 Theorie 2 1.1 Reelle Zahle.................................. 2 1.2 Itervalle..................................... 2 1.3 Beträge.....................................

Mehr

Die Probabilistische Methode

Die Probabilistische Methode Mathematisch-Naturwisseschaftliche Fakultät II Istitut für Iformatik Die Probabilistische Methode Prosemiar Das Buch der Beweise Dozet: Dr. Wolfgag Kössler Floria Becker 11. Februar 013 1 Ihaltsverzeichis

Mehr

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1 Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme

Mehr

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)!

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)! Aufgabe.4 Die Verallgemeierug der biomische Formel für (x y ist der Biomische Lehrsatz: (x y x y, x, y R, N. (a Zeige Sie die Beziehug ( ( ( zwische de Biomialoeffiziete. (b Beweise Sie de Biomische Lehrsatz.

Mehr

2. Übung Algorithmen II

2. Übung Algorithmen II Johaes Sigler, Prof. Saders 1 Johaes Sigler: KIT Uiversität des Lades Bade-Württemberg ud atioales Forschugszetrum i der Helmholtz-Gemeischaft Istitut für Theoretische www.kit.edu Iformatik Orgaisatorisches

Mehr

Musterlösung. Testklausur Vorkurs Informatik, Testklausur Vorkurs Informatik Musterlösung. Seite 1 von 10

Musterlösung. Testklausur Vorkurs Informatik, Testklausur Vorkurs Informatik Musterlösung. Seite 1 von 10 Musterlösug Name, Vorame, Matrikelummer Agabe sid freiwillig) Bitte ubedigt leserlich ausfülle Testklausur Vorkurs Iformatik, 27.09.20 Testklausur Vorkurs Iformatik 27.09.20 Musterlösug eite vo 0 Musterlösug

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 6 Für Experte 8 Defiitioe ud Beispiele für Folge Defiitio Eie

Mehr

Quantenmechanik I. Musterlösung 12.

Quantenmechanik I. Musterlösung 12. Quatemechaik I. Musterlösug 1. Herbst 011 Prof. Reato Reer Übug 1. Ster-Gerlach (19). Ei Strahl aus ugeladee Teilche mit Spi s = 1 läuft etlag der x-achse ud durchquert ei i z-richtug stark ihomogees Magetfeld.

Mehr

1 Funktionen und Flächen

1 Funktionen und Flächen Fuktioe ud Fläche. Fläche Defiitio: Die Ebee R ist defiiert als Mege aller geordete Paare vo reelle Zahle: R = {(,, R} Der erste Eitrag heißt da auch Koordiate ud der zweite Koordiate. Für zwei Pukte (,,

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukture Prof. Dr. J. Esparza Lehrstuhl für Grudlage der Softwarezuverlässigkeit ud theoretische Iforatik Fakultät für Iforatik Techische Uiversität Müche http://www7.i.tu.de/u/courses/ds/ws0910

Mehr

Modellierung und Requirements Management Ein starkes Team

Modellierung und Requirements Management Ein starkes Team advertorial Rudolf Hauber Susae Mühlbauer (Rudolf.Hauber@HOOD-Group.com) betreut bei der HOOD Group als Seior Cosultat das Thema Aforderugsmodellierug ud ist dort für de Bereich Aerospace ud Defese zustädig.

Mehr

Mengenbegriff und Mengendarstellung

Mengenbegriff und Mengendarstellung R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege

Mehr