Konjunktive Anfragen II
|
|
- Otto Maus
- vor 6 Jahren
- Abrufe
Transkript
1 Azyklische Anfragen Vorlesung Datenbanktheorie Vorlesung vom Mittwoch, 21. Juni 2006 Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Letzte Vorlesung: effiziente Auswertung von azyklischen konjunktiven Anfragen Konstruktion von Join-Bäumen Äquivalenz zwischen azyklischen Booleschen konjunktiven Anfragen, Booleschen Semijoin-Anfragen und konjunktiven Sätzen des Guarded Fragment Heute: Start mit neuem Kapitel: NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Motivation bisher: Mengen-Semantik (engl.: set semantics): DB-Relation = eine Menge von Tupeln Duplikate eines Tupels werden eliminiert {t} = {t, t} = {t, t, t} = 5.1 Der Homomorphismus-Satz, Statische Analyse und Anfrageminimierung 5.2 Azyklische Anfragen 5.3 in SQL: keine Duplikat-Elimination bei Anfragen der Form SELECT * FROM... WHERE... falls Duplikat-Elimination explizit gewünscht: SELECT DISTINCT * FROM... WHERE... betrachte jetzt: Multimengen-Semantik (engl: bag semantics): {t} {t, t} {t, t, t} NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
2 Beispiel Datenbankschema: 2-stellige Relation Hersteller mit Attributen Name und Ort 2-stellige Relation Bauteil mit Attributen Teil und Lager Datenbank I F mit I Flugzeug (Hersteller) Name Boeing Boeing Airbus Notation: Ort New York Hamburg Boeing, IF (Hersteller) = 1 Boeing,New York IF (Hersteller) = 1 Airbus,Hamburg IF (Hersteller) = 1 I F (Bauteil) Teil Flügel Notation: Lager Portland, IF (Bauteil) = 2 Flügel,Portland IF (Bauteil) = 1, IF (Bauteil) = 3 NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Anfragen mit Mulitmengen-Semantik Beispiel: SQL-Anfrage: SELECT B1.Teil, B2.Teil FROM Bauteil B1, Bauteil B2 WHERE B1.Lager = B2.Lager Auswertung der SQL-Anfrage in Datenbank mit I F (Bauteil) Teil Flügel Lager Portland Liefert als Ergebnis die Multimenge M mit regelbasiert: Ans(x, y) Bauteil(x, z), Bauteil(y, z) bilde Kreuzprodukt I F (Bauteil) I F (Bauteil) (ohne Duplikatelimination) wähle die Tupel, in denen die Lager-Komponenten gleich sind streiche die Spalten mit den Lager-Komponenten, M = 4 Flügel,Flügel M = 1, M = 9, M = 6 =, M NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Multimengen (Bags) und Multimengen-Datenbanken Sei M eine Menge. Eine Multimenge B über M ist eine Abbildung B : M N 0 Notation: Für a M schreibe a B an Stelle von B(a) a B = i bedeutet: das Element a kommt i-mal in der Multimenge B vor. B heißt endlich, falls die Menge {a M : a B 0} endlich ist. Für Multimengen B und B über M gilt: B = b B : a B = a B, für alle a M B b B : a B a B, für alle a M Insbesondere gilt: B = b B B b B und B b B B b B := die Multimenge B über M mit a B := a B + a B, für alle a M Definition 5.18 Sei R ein Datenbankschema. Eine Multimengen-Datenbank I inst b (R) ordnet jedem Relationssymbol R R eine endliche Multimenge I(R) über dom arity(r) zu. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Konjunktive Anfragen mit Multimengen-Semantik Multimengen-Semantik Q b : Sei Q := Ans(u) R 1 (u 1 ),..., R l (u l ) eine regelbasierte konjunktive Anfrage der Stelligkeit r über einem Datenbankschema R. Eine Belegung β für Q ist, wie bisher, eine Abbildung β : Var(Q) dom. Die Auswertung von Q in einer Multimengen-Datenbank I inst b (R) liefert als Ergebnis die Multimenge Q b (I), so dass für alle Tupel t dom r gilt: X t Q b (I) := β(u 1 ) I(R1 ) β(u 2 ) I(R2 ) β(u l ) I(Rl ) β : β Belegung für Q mit β(u)=t Äquivalenz von Anfragen & Query Containment: Seien Q und Q zwei regelbasierte konjunktive Anfragen derselben Stelligkeit r über einem Datenbankschema R. Q b Q : Q b (I) = b Q b (I), für alle I inst b (R) Q b Q : Q b (I) b Q b (I), für alle I inst b (R) Klar: Q b Q Q b Q und Q b Q Insbes: Äquivalenz ist höchstens so schwer wie Query Containment. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
3 Ergebnisse Theorem 5.19 (Chaudhuri, Vardi, 1993) (hier ohne Beweis) (a) Seien Q und Q regelbasierte konjunktive Anfragen derselben Stelligkeit über demselben Datenbankschema. Dann ist Q b Q genau dann, wenn die zu Q und Q gehörenden Tableau-Anfragen isomorph sind (im Sinne von Definition 5.6). (b) Das Problem ÄQUIVALENZ KONJ. ANFRAGEN BZGL. MULTIMENGEN-SEMANTIK Eingabe: regelbasierte konjunktive Anfragen Q und Q Frage: Ist Q b Q? ist genauso schwer wie das Graph-Isomorphie-Problem. (c) Das Problem QUERY CONTAINMENT FÜR KONJ. ANFRAGEN BZGL. MULTIMENGEN-SEMANTIK Eingabe: regelbasierte konjunktive Anfragen Q und Q Frage: Ist Q b Q? Folgerungen und eine offene Frage Das Äquivalenzproblem bzgl. Multimengen-Semantik liegt in NP und ist vermutlich nicht NP-vollständig (da vermutet wird, dass das Graph-Isomorphie-Problem nicht NP-hart ist). Somit: Äquivalenz bzgl. Multimengen-Semantik ist vermutlich einfacher als Äquivalenz bzgl. Mengen-Semantik. Das Query Containment Problem bzgl. Multimengen-Semantik ist vermutlich schwerer als das Query Containment Problem bzgl. Mengen-Semantik. Offene Forschungsfrage: Bisher ist nicht bekannt, ob das Query Containment Problem für konjunktive Anfragen bzgl. Multimengen-Semantik überhaupt entscheidbar ist. ist Π p 2 -hart. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Konj. Anfragen mit in Multimengen-Semantik Konjunktive regelbasierte Anfragen mit sind von der Form Ans(u) R 1 (u 1 ),..., R l (u l ), U 1,..., U m wobei R 1 (u 1 ),..., R l (u l ) Relations-Atome und U 1,..., U m Ungleichungen der Form x y mit x, y var dom sind. Ab jetzt wieder Theorem 5.20 (Jayram, Kolaitis, Vee, 2006) Das Problem (hier ohne Beweis) und bis zum Ende des Semesters Mengen-Semantik QUERY CONTAINMENT FÜR KONJ. ANFRAGEN MIT BZGL. MULTIMENGEN-SEMANTIK Eingabe: Q und Q Frage: Ist Q b Q? ist nicht entscheidbar. : regelbasierte konjunktive Anfragen mit NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
4 Zur Erinnerung Benannte Perspektive In Kapitel 1 hatten wir festgelegt: The Chase 6.3 Normalformen Informationstheoretischer Ansatz Eine abzählbar unendliche Mengen att von Attribut-Namen. Diese Menge ist geordnet via att. Eine abzählbar unendliche Menge relname von Relations-Namen. Die Mengen att, dom, relname seien disjunkt. Eine Funktion sort : relname P fin (att), die jedem Relations-Namen eine endliche Menge von Attributen zuordnet... und zwar so, dass f.a. U fin att gilt: es gibt unendlich viele R relname mit sort(r) = U. Ein Relationsschema ist einfach ein Relations-Name R. Manchmal schreiben kurz R[U] für sort(r) = U. Ein R-Tupel ist eine Funktion t : sort(r) dom. Eine R-Relation ist eine endliche Menge von R-Tupeln. inst(r) bezeichnet die Menge aller Relationen über R. inst(u) bezeichnet die Menge aller Relationen über einem Relationsschema der Sorte U (für U fin att) NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Motivation (1/2) Ziel beim Datenbank-Entwurf: Ein DB-Schema entwickeln, so dass Informationen zum gewünschten Anwendungsbereich sinnvoll gespeichert werden können. Insbesondere: Wenn möglich, Redundanzen und Inkonsistenzen vermeiden. Beispiel: Relation Warenlager[Bauteil-Nr, Lager-Nr, Menge, Ort] Warenlager: Bauteil-Nr Lager-Nr Menge Ort Adlershof Kreuzberg Spandau Adlershof Unschön: Redundanz der Ort von Lager 2 ist mehrfach gespeichert. Dadurch können Inkonsistenzen auftreten: Update-Anomalien = Inkonsistenzen, die durch Aktualisierung der DB auftreten können: Änderungs-Anomalie: den Ort in Zeile 1 durch Tempelhof ersetzen Adresse von Lager 2 nicht mehr eindeutig Lösch-Anomalie: Löschen von Zeile 2 Information über die Adresse von Lager 3 geht verloren Einfüge-Anomalie: Die Adresse eines neuen Lagers kann erst dann eingefügt werden, wenn mindestens ein Bauteil dort gelagert wird. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Motivation (2/2) Zur Vermeidung dieser Update-Anomalien: Informationen auf 2 Relationen Adressen[Lager-Nr,Ort] und Lagerung[Bauteil-Nr,Lager-Nr,Menge] aufteilen Adressen: Lager-Nr Ort 2 Adlershof 3 Kreuzberg 1 Spandau Abhängigkeit: Lager-Nr Ort Zur Anfrage-Optimierung: Lagerung: Bauteil-Nr Lager-Nr Menge Abhängigkeit: Bauteil-Nr,Lager-Nr Menge Die optimierte Anfrage muss nur auf solchen Datenbanken äquivalent zur Original-Anfrage sein, die die obigen Abhängigkeiten erfüllen. die minimale, solchermaßen äquivalente Anfrage ist evtl. noch kleiner als die, die durch die Tableau-Minimierung aus Kapitel 5 gefunden wird. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
5 Notation The Chase 6.3 Normalformen Informationstheoretischer Ansatz Attribut-Namen : A, B, C, A 1, A 2,... Attribut-Mengen : X, Y, Z, X 1, X 2,..., U Relationen : I, J {A, B, C} : ABC X Y : XY NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI und verlustfreie Joins Definition 6.1 Sei U eine endliche Menge von Attribut-Namen. (a) Eine funktionale Abhängigkeit (kurz: FD) über U ist ein Ausdruck der Form X Y, wobei X, Y U. ( FD steht für functional dependency ) (b) Eine Relation I inst(u) erfüllt die FD X Y (kurz: I = X Y ), falls für alle Tupel t und s aus I gilt: π X (t) = π X (s) = π Y (t) = π Y (s) (D.h.: Wenn t und s in sämtlichen Spalten aus X übereinstimmen, dann stimmen sie auch in jeder Spalte aus Y überein.) (c) Ist Σ eine Menge von FDs über U, so gilt I = Σ : I = f, für alle f Σ Proposition 6.2 Sei X Y eine FD über U und sei Z := U \ (X Y). Für jede Relation I inst(u) gilt: Falls I = X Y, so ist I = π XY (I) π XZ (I). Beweis: Siehe Tafel. Folgerung: Die in Relation I gespeicherte Information kann verlustfrei auf zwei Relationen aufgeteilt werden (eine mit den Spalten XY und eine mit den Spalten XZ ), aus denen die Original-Relation rekonstruiert werden kann. ( lossless join ) (d) Eine Schlüsselbedingung ist eine FD der Form X U. Beispiel für einen verlustreichen Join : Siehe Tafel. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
6 Implikation von Abhängigkeiten Gegeben: Eine Menge Σ von FDs über U. Frage: Welche anderen FDs folgen aus Σ? Beispiel 6.3 Sei U := {A, B, C, D, E} und Σ := { A C, B C, CD E }. Dann gilt für jede Relation I mit I = Σ auch, dass I = AD E. Definition 6.4 Seien Σ und Γ zwei Mengen von FDs über U. (a) Σ impliziert Γ (kurz: Σ = U Γ bzw. Σ = Γ, falls U aus dem Kontext klar ist), falls für alle Relationen I inst(u) gilt: Falls I = Σ, so auch I = Γ. Besteht Γ aus einer einzigen FD f, so schreibe auch Σ = f statt Σ = {f }. (b) Σ und Γ sind äquivalent (kurz: Σ U Γ bzw. Σ Γ, falls U aus dem Kontext klar ist), falls Σ = Γ und Γ = Σ. (c) Die Hülle von Σ über U (kurz: Σ,U bzw. Σ, falls U aus dem Kontext klar ist), ist definiert als Σ,U := { X Y : X, Y U und Σ = X Y }. Klar: Für alle X U und alle Y X gilt X Y Σ,U. Insbesondere: 2 U Σ,U 2 2 U. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Axiomatisierung für FDs Frage: Wie kann man testen, ob Σ = X Y? die Hülle Σ,U berechnen? Problem: Die Definition von Σ = X Y spricht über alle Relationen I inst(u). Das sind unendlich viele (da dom unendlich ist). Ausweg: Eine endliche Regelmenge M finden, mit deren Hilfe aus Σ neue Abhängigkeiten hergeleitet werden können. (Analog zum Begriff der Ableitungsregeln und Beweissysteme aus der Vorlesung Theoretische Informatik I) Ideal: Alle FDs, die sich mit M aus Σ ableiten lassen, sind in Σ M ist korrekt Alle FDs aus Σ lassen sich in M aus Σ herleiten M ist vollständig NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI Der Armstrong-Kalkül Herleitungen im Armstrong-Kalkül Der Armstrong-Kalkül über U ist wie folgt definiert: Axiome: (FD1) Für alle X U und alle Y X ist Regeln: X Y ein Axiom des Armstrong-Kalküls über U. (FD2) Für alle X, Y, Z U ist die Erweiterungs-Regel X Y XZ YZ eine Regel des Armstrong-Kalküls über U. (FD3) Für alle X, Y, Z U ist die Transitivitäts-Regel X Y Y Z X Z eine Regel des Armstrong-Kalküls über U. Definition 6.5 Sei f eine FD über U und sei Σ eine Menge von FDs über U. Ein Beweis im Armstrong-Kalkül von f aus Σ ist ein Tupel (f 1,..., f n ) von FDs über U mit n 1, so dass gilt: f n = f und für alle i {1,.., n} gilt: f i Σ oder f i ist ein Axiom des Armstrong-Kalküls über U es gibt ein j < i, so dass f j f i Armstrong-Kalküls über U ist es gibt j, k < i, so dass f j f k Armstrong-Kalküls über U ist. f i oder eine Erweiterungs-Regel (FD2) des oder eine Transitivitäts-Regel (FD3) des Wir schreiben Σ U f (bzw. Σ f, falls U aus dem Kontext klar ist), um auszudrücken, dass es einen Beweis von f aus Σ im Armstrong-Kalkül über U gibt. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
7 Beispiel für einen Beweis im Armstrong-Kalkül Korrektheit und Vollständigkeit des Armstrong-Kalküls Sei U := {A, B, C, D, E} und Σ := { A C, B C, CD E }. Ein Beweis von AD E aus Σ im Armstrong-Kalkül über U: ( ) A C, AD CD, CD E, AD E Erläuterung: 1. A C Σ 2. AD CD durch Anwenden der Erweiterungs-Regel (FD2) auf CD E Σ 4. AD E durch Anwenden der Transitivitäts-Regel (FD3) auf 2. und 3. Theorem 6.6 (Armstrong, 1974) Für jede endliche Menge U von Attribut-Namen, jede FD f über U und jede Menge Σ von FDs über U gilt: Σ U f Σ = U f. Beweis: = : Übung. = : Siehe Tafel. Bemerkungen: Die Hülle Σ,U kann man also berechnen, indem man alle FDs f berechnet, für die gilt Σ U f. Wenn man nur für eine bestimmte FD f testen will, ob Σ = U f, so ist es ziemlich aufwendig, erst ganz Σ,U zu berechnen, da die Hülle immer mindestens 2 U viele Elemente enthält. NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI NICOLE SCHWEIKARDT HU BERLIN VORLESUNG DATENBANKTHEORIE SOSE 2006 MI
Vorlesung Datenbanktheorie. Church-Rosser-Eigenschaft der Verfolgungsjagd. Berechnung von chase(t, t, Σ) Vorlesung vom Mittwoch, 05.
Vorlesung Datenbanktheorie Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Vorlesung vom Mittwoch, 05. Juli 2006 Letzte Vorlesung: Kurze Bemerkungen zum Armstrong-Kalkül The Chase:
MehrKonjunktive Anfragen II
Zur Erinnerung (1/3): Tableau-Anfragen Beispiel Beispiel-Anfrage: Filmtitel + Regisseur aller z.zt. laufenden Filme, deren Regisseur schon mal mit Liz Taylor zusammengearbeitet hat. Als regelbasierte konjunktive
MehrVorlesung Logik und Datenbanken
Vorlesung Logik und Datenbanken Nicole Schweikardt Johann Wolfgang Goethe-Universität Frankfurt am Main Sommersemester 2008 Konjunktive Anfragen (I) 2.1 2.2 Auswertungskomplexität 2.3 Algebraischer Ansatz:
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrDatenbanktheorie. Teil A: Einleitung 1: Grundbegriffe. Sommersemester Thomas Schwentick. Version von: 4. April 2012 (11:50)
Datenbanktheorie Sommersemester 2012 - Thomas Schwentick Teil A: Einleitung 1: Grundbegriffe Version von: 4. April 2012 (11:50) Inhalt 1.1 Das relationale Datenmodell 1.2 Anfragen an relationale Datenbanken
MehrDatenbanktheorie. Literatur: Abiteboul, S., R. Hull und V. Vianu, Foundations of Databases, Addison-Wesley 1995.
FGIS SS 2009 1. Datenbanktheorie 1. Datenbanktheorie 1 Enthaltensein-Problem konjunktiver Anfragen 2 Minimierung und Chase 3 Auswertung von Verbundausdrücken Literatur: Abiteboul, S., R. Hull und V. Vianu,
MehrVerfeinerung des relationalen Schemas
Verfeinerung des relationalen Schemas Ein schlechtes Schema Filmliste Titel Regisseur Kino Telefonnummer Zeit The Hobbit Jackson Cinema City 441111 11:30 The Lord of the Rings3 Jackson Cinema City 441111
MehrKapitel 7: Formaler Datenbankentwurf
7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen
MehrAnfragesprachen mit Rekursion Datalog
Beispiel: Frankfurter U-Bahn-Netz Hier vereinfacht: Eine Relation U-Bahn-Netz mit Attributen Linie, Halt, nächsterhalt 7.1 7.2 Statische Analyse 7.3 U-Bahn-Netz Linie Halt nächsterhalt U4 Bockenheimer
MehrBeschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung
Beschreibungslogik Kapitel 7: ABoxen und Anfragebeantwortung Sommersemester 2017 Thomas Schneider AG Theorie der künstlichen Intelligenz (TdKI) http://tinyurl.com/ss17-bl Beschreibungslogik SoSe 2017 7
MehrGruppe B Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit.
Gruppe B Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit. PRÜFUNG AUS DATENMODELLIERUNG (184.685) GRUPPE B 22.06.2012 Matrikelnr. Familienname
Mehr7.1.2 Membership-Test - fortgesetzt
7. Formaler Datenbankentwurf 7.1. Funktionale Abhängigkeiten Seite 1 7.1.2 Membership-Test - fortgesetzt Membership-Test: X Y F +? (Attribut-)Hülle X + von X (bzgl. F) X + = {A A V und X A F + }. Membership-Test
MehrDas Relationale Modell
Das Relationale Modell 1.1 1.2 Anfragen 1.3 Datenkomplexität und kombinierte Komplexität NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 1, SEITE 1 Das Relationale
MehrDatenbanken Unit 5: Funktionale Abhängigkeit
Datenbanken Unit 5: Funktionale Abhängigkeit 19 IV 2016 Outline 1 Organisatorisches 2 SQL 3 Funktionale Abhängigkeit 4 Anomalien 5 Datenbank Normalisierung Zerlegung von Relationen Organisatorisches Heute
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrRelationale Algebra. Relationale Algebra. Grenzen der Ausdrucksstärke konjunktiver Anfragen. Vereinigung und Differenz.
4.1 4.2 4.1 4.2 NICOLE SCHWEIKARDT, ISOLDE ADLER GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 4, SEITE 1 Grenzen der Ausdrucksstärke konjunktiver Anfragen Wir haben gesehen: konjunktive
MehrGruppe A Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit.
Gruppe A Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit. PRÜFUNG AUS DATENMODELLIERUNG (184.685) GRUPPE A MUSTERLÖSUNG 06.05.2014 Matrikelnr.
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 10 Übung zur Vorlesung Grundlagen: Datenbanken im WS16/17 Harald Lang, Linnea Passing (gdb@in.tum.de)
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 Algebra. Relationale Algebra. Grenzen der Ausdrucksstärke konjunktiver Anfragen. Vereinigung und Differenz.
3.1 3.2 3.1 3.2 NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 3, SEITE 1 NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann Blatt Nr. 7 Hausaufgabe 1 Übung zur Vorlesung Grundlagen: Datenbanken im WS14/15 Harald Lang (harald.lang@in.tum.de)
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 07 Übung zur Vorlesung Grundlagen: Datenbanken im WS15/16 Harald Lang, Linnea Passing (gdb@in.tum.de)
Mehr8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem
8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung
MehrRückblick: Relationale Entwurfstheorie
Rückblick: Relationale Entwurfstheorie Redundanzen führen zu Anomalien beim Einfügen, Löschen und Ändern Gute Relationenschemata vermeiden Redundanzen und damit Anomalien Funktionale Abhängigkeiten zwischen
MehrGrundlagen: Datenbanken
Grundlagen: Datenbanken 1. Zentralübung Harald Lang FAQs Ist der Prüfungtermin schon bekannt? Termin: Mi. 18.02.2015, 08:00 Uhr FAQs Gilt der Bonus auch für die Nachholklausur? Ja. Selbst dann, wenn die
Mehrfunktionale Abhängigkeiten: Semantik funktionale Abhängigkeiten: Syntax
funktionale Abhängigkeiten: Syntax < R U F > ein Relationenschema mit R ein Relationensymbol, U eine Menge von Attributen, F eine Menge von funktionalen Abhängigkeiten (über R und U) Eine funktionale Abhängigkeit
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrKap. 3 Relationenmodell mit relationaler Algebra
Kap. 3 Relationenmodell mit relationaler Algebra Kap. 3.1. Trägermenge Seien D 1, D 2,..., D k Domänen: (Typen, Arten, Sorten, Wertmengen) z.b. string integer real Boolean DateTime BLOB, TIFF-image, HTML-Doc,
MehrAnalysis für Informatiker
Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während
Mehrd.h. zu Definitions-Stelle eindeutiger Funktionswert x X! y Y : (x,y) f umgekehrt: (x 1,y), (x 2,y) f ist o.k. X Y f(x) = y
Kapitel 7 Normalformen und DB-Entwurf Kap. 7.1 Normalformen Theorie Funktionale Abhängigkeit: f X Y f als Relation, d.h. Menge von Paaren {(x,y)} x: Definitions-Stelle, y: Funktionswert f ist Funktion
MehrDas Relationale Modell. Das Relationale Modell. Datenmodell. Das Relationale Modell
11 12 13 Datenkomplexität und kombinierte Komplexität 11 12 13 Datenkomplexität und kombinierte Komplexität NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 1, SEITE
Mehr5. Relationaler Datenbankentwurf. Relationaler DB-Entwurf: Überblick. Bücher-Relation mit Redundanzen
5. Relationaler Datenbankentwurf Relationaler DB-Entwurf: Überblick Funktionale Abhängigkeiten Schema-Eigenschaften Transformationseigenschaften Entwurfsverfahren Mehrwertige Abhängigkeiten Weitere Abhängigkeiten
MehrAggregatfunktionen in der Relationenalgebra?
Aggregatfunktionen in der Relationenalgebra? Dieter Sosna Aggregatfunktionen in der Relationenalgebra p.1/23 Gliederung Motivation Begriffe Definitionen Anwendungen Zusammenfassung Aggregatfunktionen in
MehrDaten Bank. 4. Vorlesung
Daten Bank 4. Vorlesung Bisher von bis Person (0,n) lebt_in (0,n) Ort AusweisNr. Name Vorname PLZ Ortsname SQL: create insert select Dr. Karsten Tolle PRG2 SS 2015 2 Heute von bis Person (0,n) lebt_in
MehrTeil VI Relationale Theorie
Teil VI Relationale Theorie Relationale Theorie 1 Formalisierung 2 Rechnen mit FDs 3 Mehr zu Normalformen 4 Entwurfsverfahren Sattler / Saake Datenbanksysteme Letzte Änderung: Okt. 2016 6 1 Lernziele für
MehrVorlesung Einführung in die Datenbanktheorie
Vorlesung Einführung in die Datenbanktheorie Wintersemester Prof. Dr. Nicole Schweikardt Lehrstuhl Logik in der Informatik Institut für Informatik Humboldt-Universität zu Berlin Kapitel 1: Einleitung Abschnitt
MehrFormale Systeme. Prädikatenlogik 2. Stufe. Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz
MehrGruppe A Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit.
Gruppe A Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit. PRÜFUNG AUS DATENMODELLIERUNG (184.685) GRUPPE A 03.05.2016 Matrikelnr. Familienname
Mehr2.3 Deduktiver Aufbau der Aussagenlogik
2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte
MehrFuzzy Funktionale Abhängigkeiten (FFD) Julie Orzea Betreuer: Heiko Schepperle
Fuzzy Funktionale Abhängigkeiten (FFD) Julie Orzea Betreuer: Heiko Schepperle Fuzzy Funktionale Abhängigkeiten Fuzzy Datenbanken (FFD) Verschiedene (fuzzy) Funktionale Abhängigkeiten Inferenz-Regeln, Schlüssel
MehrKapitel 3: Ehrenfeucht-Fraïssé Spiele
Kapitel 3: Ehrenfeucht-Fraïssé Spiele Kapitel 3: Ehrenfeucht-Fraïssé Spiele Abschnitt 3.0: In diesem Kapitel werden Ehrenfeucht-Fraïssé-Spiele (kurz: EF-Spiele) eingeführt. Diese liefern ein Werkzeug,
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
Mehr3. Normalform. Redundanz: Land mehrfach gespeichert Anomalien?
3. Normalform Motivation: Man möchte zusätzlich verhindern, dass Attribute von nicht-primen Attributen funktional abhängig sind. Beispiel: LieferAdr (LNr, LName, LStadt, LLand) 001 Huber München Deutschland
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )
MehrDatenbanksysteme I Übung: Normalformen und Relationale Algebra Jana Bauckmann
Datenbanksysteme I Übung: Normalformen und Relationale Algebra 29.11.2007 Jana Bauckmann Organisatorisches 2 Zur Abgabe: Eine Aufgabe pro Blatt sonst -1Punkt Namen auf jedes Blatt sonst -1Punkt Übungstermine
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrCognitive Interaction Technology Center of Excellence
Kanonische Abdeckung Motivation: eine Instanz einer Datenbank muss nun alle funktionalen Abhängigkeiten in F + erfüllen. Das muss natürlich immer überprüft werden (z.b. bei jedem update). Es reicht natürlich
MehrKlammersprache Definiere
Klammersprache w=w 1...w n {(,)}* heißt korrekt geklammert, falls die Anzahl ( ist gleich der Anzahl ). in jedem Anfangsstück w 1,...,w i (i n) ist die Anzahl ( nicht kleiner als die Anzahl ). Definiere
Mehr- Theorie der uninterpretierten
Theorie der uninterpretierten Funktionen Entscheidungsverfahren mit Anwendungen in der Softwareverifikation STEPHAN FALKE INSTITUT FÜR THEORETISCHE INFORMATIK (ITI) 0 KIT 13. Universität Mai 2013 des S.
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrKapitel 7: Normalformen
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2013/2014 Vorlesung: Prof. Dr. Christian Böhm Übungen:
MehrKapitel DB:VII. VII. Entwurfstheorie relationaler Datenbanken
Kapitel DB:VII VII. Entwurfstheorie relationaler Datenbanken Informelle Entwurfskriterien für Relationenschemata Funktionale Abhängigkeiten Normalformen Dekompositionseigenschaften von Relationen Relationale
MehrAn approximation of Edgar Codd's definition of 3NF:
4 Datenbank-Entwurf Informationssysteme für Ingenieure Herbstsemester 2016 4-2 Normalisierung An approximation of Edgar Codd's definition of 3NF: Every non-key attribute must provide a fact about the key,
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 4. Aussagenlogik Syntax und Semantik der Aussagenlogik Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Syntax der Aussagenlogik:
Mehr2. Übungsblatt 3.0 VU Datenmodellierung
2. Übungsblatt 3.0 VU Datenmodellierung 9. April 2014 Allgemeines In diesem Übungsteil sollten Sie Aufgabenstellungen aus den Bereich SQL und Normalformentheorie bearbeiten. Lösen Sie die Beispiele eigenständig,
MehrEinführung in die Datenbanktheorie
Einführung in die Datenbanktheorie Vorlesung im Wintersemester Prof. Dr. Nicole Schweikardt Lehrstuhl Logik in der Informatik Institut für Informatik Humboldt-Universität zu Berlin Version vom 11. Januar
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
MehrLemma Für jede monotone Grammatik G gibt es eine kontextsensitive
Lemma Für jede monotone Grammatik G gibt es eine kontextsensitive Grammatik G mit L(G) = L(G ). Beweis im Beispiel (2.): G = (V,Σ, P, S) : P = {S asbc, S abc, CB BC, ab ab, bb bb, bc bc, cc cc}. (i) G
MehrEinführung in die Informatik II
Einführung in die Informatik II Relationale Datenbanken und SQL Theorie und Anwendung Prof. Dr. Nikolaus Wulff Gründe für eine Datenbank Meist werden Daten nicht in XML-Dokumenten, sondern innerhalb einer
MehrDBS1: Übungsserie Normalformen und relationale Algebra Structured Query Language (SQL)
DBS1: Übungsserie 3 + 4 Normalformen und relationale Algebra Structured Query Language (SQL) Sascha Szott Fachgebiet Informationssysteme Aufgabe 1a: Bestimmung von 2 gegeben: Relation R mit Attributen
MehrAutomaten und Formale Sprachen ε-automaten und Minimierung
Automaten und Formale Sprachen ε-automaten und Minimierung Ralf Möller Hamburg Univ. of Technology Literatur Gottfried Vossen, Kurt-Ulrich Witt: Grundkurs Theoretische Informatik, Vieweg Verlag 2 Danksagung
Mehr2.1 Allgemeines. Was ist eine Sprache? Beispiele:
Was ist eine Sprache? Beispiele: (a) Deutsch, Japanisch, Latein, Esperanto,...: Natürliche Sprachen (b) Pascal, C, Java, Aussagenlogik,...: Formale Sprachen Wie beschreibt man eine Sprache? (i) Syntax
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Kapitel 3: Datenbanksysteme Vorlesung:
MehrNormalformen. Was sind Kriterien eines guten Entwurfs? So wenig Redundanz wie möglich. Keine Einfüge-, Lösch-, Änderungsanomalien
Normalformen Was sind Kriterien eines guten Entwurfs? So wenig Redundanz wie möglich Keine Einfüge-, Lösch-, Änderungsanomalien IX-19 Erste und Zweite Normalform Beispiel: (nicht 1. Normalform) vorrat
Mehr1 Syntax und Semantik der Logik erster Stufe
1 Syntax und Semantik der Logik erster Stufe Die Logik erster Stufe Prädikatenlogik) besitzt eine Syntax, die festlegt, welche Zeichenketten Formeln der Logik erster Stufe sind, und eine Semantik, die
MehrKapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik
Kapitel 1.5 und 1.6 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2010/11) Kapitel 1.5 und 1.6: Kalküle 1 /
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrDeduktion in der Aussagenlogik
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus
MehrGrundlagen von Datenbanken
Agenda: Grundlagen von Datenbanken SS 2010 3. Relationale Algebra Prof. Dr. Stefan Böttcher Universität Paderborn mit Material von Prof. Dr. Gregor Engels Grundlagen von Datenbanken - SS 2010 - Prof. Dr.
MehrDesign Theorie für relationale Datenbanken
Design Theorie für relationale Datenbanken Design von relationalen Datenbanken alternativen Datenabhängigkeiten Normalisierung Ziel: automatisches Datenbankdesign IX-1 Schlechtes Datenbank Design Frage:
MehrFormale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem
MehrKapitel 1: Einführung 1.1 Datenbanken?
1. Einführung 1.1. Datenbanken? Seite 1 Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken? Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine
MehrDatenbanksysteme Übungsblatt 1
Datenbanksysteme Übungsblatt 1 Sommersemester 2003 AIFB Institut für Angewandte Informatik und Formale Beschreibungsverfahren 1 Aufgabe 1a (1/2) Änderungsanomalie: Wenn eine Änderung nicht überall ordnungsgemäß
MehrQuery Languages (QL) Relationale Abfragesprachen/Relational
Relationale Algebra Relationale Abfragesprachen/Relational Query Languages (QL) Abfragesprachen: Daten aus einer Datenbank zu manipulieren und abzufragen (retrieve information) Das relationalle Modell
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Normalformen Atome, Literale, Klauseln Konjunktive
MehrDatenbanken 6: Normalisierung
Datenbanken 6: Normalisierung 27 III 2017 Outline 1 SQL 2 Überblick Datenbankdesign 3 Anomalien 4 Datenbank Normalisierung Zerlegung von Relationen 5 Normalisierung Erste Normalform Zweite Normalform Dritte
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in
MehrKapitel 11. Normalisierung
Kapitel 11 Normalisierung Ziel: Ziel und Idee der Normalisierung Anpassen an die Erfordernisse des Relationenmodells (1. Normalform) Vermeidung von Redundanz (weitere Normalformen) Keine Fehler (Anomalien)
MehrDatenbanken 1. Relationale Entwurfstheorie. Nikolaus Augsten. FB Computerwissenschaften Universität Salzburg
Datenbanken 1 Relationale Entwurfstheorie Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg http://dbresearch.uni-salzburg.at Sommersemester 2016 Version 29. Juni
MehrRelationen-Algebra. Prof. Dr. T. Kudraß 1
Relationen-Algebra Prof. Dr. T. Kudraß 1 Relationale Anfragesprachen Query Language (QL): Manipulation und Retrieval von Daten einer Datenbank Relationenmodell erlaubt einfache, mächtige Anfragesprachen
MehrPRG2 Folien Zicari Teil 5. Einführung in Datenbanken SS 2007
PRG2 Folien Zicari Teil 5 Einführung in Datenbanken SS 2007 Prof. Dott. Ing. Roberto Zicari Johann Wolfgang Goethe-Universität Frankfurt am Main PRG2 V-1 Fachbereich Informatik und Mathematik SQL SQL =
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
MehrDaten-Definitionssprache (DDL) Bisher: Realwelt -> ERM -> Relationen-Modell -> normalisiertes Relationen-Modell. Jetzt: -> Formulierung in DDL
Daten-Definitionssprache (DDL) Bisher: Realwelt -> ERM -> Relationen-Modell -> normalisiertes Relationen-Modell Jetzt: -> Formulierung in DDL Daten-Definitionssprache (DDL) DDL ist Teil von SQL (Structured
MehrResolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren:
Resolutionskalkül Ein Kalkül ist eine Kollektion von syntaktischen Umformungsregeln, die unter gegebenen Voraussetzungen aus bereits vorhandenen Formeln neue Formeln erzeugen. Der Resolutionskalkül besteht
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrGrundlagen: Datenbanken
Grundlagen: Datenbanken 3. Zentralübung / Fragestunde Linnea Passing Harald Lang gdb@in.tum.de Diese Folien finden Sie online. Die Mitschrift stellen wir im Anschluss online. Agenda Hinweise zur Klausur
MehrAutomaten und Coinduktion
Philipps-Univestität Marburg Fachbereich Mathematik und Informatik Seminar: Konzepte von Programmiersprachen Abgabedatum 02.12.03 Betreuer: Prof. Dr. H. P. Gumm Referentin: Olga Andriyenko Automaten und
Mehr2. Übungsblatt 3.0 VU Datenmodellierung
2. Übungsblatt 3.0 VU Datenmodellierung 2. Dezember 2015 Allgemeines In diesem Übungsteil sollten Sie Aufgabenstellungen aus den Bereich SQL und Normalformentheorie bearbeiten. Lösen Sie die Beispiele
MehrNormalform. 2.1 Äquivalenz und Folgerung. 2.2 Die pränexe Normalform
2 Normalformen 2.1 Äquivalenz und Folgerung Definition 2.1 Äquivalenz, Folgerung). Seien ϕ, ψ FO[σ]. a) ϕ und ψ heißen äquivalent kurz: ϕ ψ, bzw. ϕ = ψ), wenn für alle zu ϕ und ψ äquivalent passenden σ-interpretationen
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,
MehrVorlesung Datenbanken I Zwischenklausur
Prof. Dr. Stefan Brass 12. Dezember 2003 Institut für Informatik MLU Halle-Wittenberg Vorlesung Datenbanken I Zwischenklausur Name: Matrikelnummer: Studiengang: Aufgabe Punkte Max. Punkte Zeit 1 (Integritätsbedingungen)
MehrUniversität Augsburg, Institut für Informatik WS 2007/2008 Prof. Dr. W. Kießling 18. Jan Dr. A. Huhn, M. Endres, T. Preisinger Übungsblatt 12
Universität Augsburg, Institut für Informatik WS 2007/2008 Prof Dr W Kießling 18 Jan 2008 Dr A Huhn, M Endres, T Preisinger Übungsblatt 12 Datenbanksysteme I Hinweis: Das vorliegende Übungsblatt besteht
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrTableaukalkül für Aussagenlogik
Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird
MehrB Grundbegriffe zu Mengen und Abbildungen
B Grundbegriffe zu Mengen und Abbildungen Die Sprache der Mengen und Abbildungen hat sich als Basissprache in der modernen Mathematik durchgesetzt. Da sie sehr praktisch ist, wird sie auch in diesem Buch
MehrOrdnungen und Verbände
Ordnungen und Verbände Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Ordnungen und Verbände Slide 1/28 Agenda Klausur Hausaufgaben Ordnungsrelation Baum-Ordnung Verbände
MehrWir haben folgende Ausprägung der Relation Studenten:
Übungen Aufgabe Wir haben folgende Ausprägung der Relation Studenten: SID Name Email Age Note 2833 Jones jones@scs.ubbcluj.ro 9 9 2877 Smith smith@scs.ubbcluj.ro 2 8 2976 Jones jones@math.ubbcluj.ro 2
MehrReguläre Sprachen. R. Stiebe: Theoretische Informatik für ING-IF und Lehrer,
Reguläre Sprachen Reguläre Sprachen (Typ-3-Sprachen) haben große Bedeutung in Textverarbeitung und Programmierung (z.b. lexikalische Analyse) besitzen für viele Entscheidungsprobleme effiziente Algorithmen
Mehr2. Übungsblatt 3.0 VU Datenmodellierung
2. Übungsblatt 3.0 VU Datenmodellierung 13. November 2013 Allgemeines In diesem Übungsteil sollten Sie Aufgabenstellungen aus den Bereich SQL und Normalformentheorie bearbeiten. Lösen Sie die Beispiele
Mehr