5 Relationaler Datenbank-Entwurf
|
|
- Bärbel Beltz
- vor 6 Jahren
- Abrufe
Transkript
1 5 Relationaler Datenbank-Entwurf Problem: Zu modellierender usschnitt der realen Welt durch unterschiedlichste relationale DB-Schemata darstellbar Welche Schemata sind äquivalent, d.h. stellen die gleiche Information dar? Welche sind gute Schemata? Gesucht: Äquivalenzkriterien und Gütekriterien; Methoden zur Schemaverbesserung Grundlage: Relationenschemata mit funktionalen bhängigkeiten (Fen); spezielle, für das relationale Datenmodell typische Integritätsbedingungen Erwünscht: Vermeidung von Redundanz nomalien Änderungs-, Einfüge- und Löschanomalien Entwurfsziele Redundanzen und nomalien beseitigen Äquivalenz garantieren Vorgehen: Normalisierung, d.h. Umwandlung von gegebenen Relationenschemata zu Relationenschemata in Normalform 5 1
2 Beispiel: KL (Kunde-uftrag-Lieferant) S1 KL(KName, Kdr, Kto, Ware, Menge, LName, Ldr, Preis) universelle Relation: alle ttribute S2 Original-KL KUNDE (KName, Kdr, Kto) UFTRG(KName, Ware, Menge) LIEFERNT(LName, Ldr, Ware, Preis) S3 KUNDE(KName, Kdr, Kto) UFTRG(KName, Ware, Menge) LIEFERNT (LName, Ldr) NGEBOT(LName, Ware, Preis) S4 wie S3, jedoch zusätzlich: BEZUG(KName, Ware, LName) S5-S7 wie S2-S4, jedoch KUNDE zerlegt in KUNDR(KName, Kdr) KUNKTO(KName, Kto) 5 2
3 Nachteile (anhand von Original-KL) LIEFERNT(LName, Ldr, Ware, Preis) Redundanz: dresse Ldr eines Lieferanten wird zu jeder Ware aufgeführt Änderungs-nomalien (Einfüge-, Update-, Lösch-nomalien) a) dresse kann nicht ohne Ware eingefügt werden b) dresse kann beim Update einer Ware unvollständig geändert werden c) dresse wird mit der letzten Ware gelöscht Verbesserung LIEFERNT (LName, Ldr) NGEBOT(LName, Ware, Preis) also Zerlegung der Relation LIEFERNT Problem: Ist LIEFERNT zusammen mit NGEBOT äquivalent zu LIEFERNT? neuer Nachteil: zum Teil aufwendigere nfragen, z.b. Lieferantenadressen zu Waren erfordert Verbundbildung 5 3
4 Beispiele für funktionale bhängigkeiten Beispiel: KL KUNDE(KName, Kdr, Kto) KName Kdr Kto UFTRG(KName, Ware, Menge) KName Ware Menge LIEFERNT(LName, Ldr, Ware, Preis) LName Ldr LName Ware Preis Beispiel: STDT STDT(SName,X,Y,Einwnz) SName X, Y X, Y SName SName Einwnz Obacht: als Schlüssel kommen {SName} oder {X,Y} in Frage; dies wird aber nicht durch STDT(SName,X,Y,Einwnz) ausgedrückt, sondern durch STDT(SName,X,Y,Einwnz) bzw. STDT(SName,X,Y,Einwnz) 5 4
5 Beispiel: WOHNUNGSMRKT (WM) WM VName dresse Wnr Miete MName HTier r da Idaweg Cher Fisch da Idaweg Dan Hund da Idaweg Dan Maus da Idaweg Eva Vogel Bob Idaweg Fred Löwe Bob Idaweg Gil Hund Bob Idaweg Gil Katze Bob Idaweg Hal Katze F: dresse, Wnr MName, Miete, VName MName dresse, Wnr, VName VERMIETUNG VName dresse Wnr Miete MName r 1 = π 1 (r) da Idaweg Cher da Idaweg Dan da Idaweg Eva Bob Idaweg Fred Bob Idaweg Gil Bob Idaweg Hal TIERE MName HTier r 2 = π 2 (r) Cher Fisch Dan Hund Dan Maus Eva Vogel Fred Löwe Gil Hund Gil Katze Hal Katze r = r 1 r 2 48[WM] verusus 30[VERMIETUNG] + 16[TIERE] 5 5
6 Funktionale bhängigkeiten Gegeben seien eine ttributmenge = { 1,..., n } und ein Relationenschema R() = R( 1,..., n ) Definition: Eine funktionale bhängigkeit (F) ist eine spezielle Integritätsbedingung, die syntaktisch durch ein Paar von Teilmengen X, Y beschrieben wird Notation: X Y wobei X und Y oft ohne Mengenklammern und Kommata notiert werden; gesprochen X bestimmt Y Beispiel: LName Ware Ldr Ware statt {LName, Ware} {Ldr, Ware} ; manchmal auch: LN, W L, W LName Ware Ldr Ware gleichbedeutend mit Ware LName Ware Ldr Definition: Eine Relation r zum Schema R() erfüllt die F X Y gdw. für je zwei Tupel t 1, t 2 r gilt: π X (t 1 ) = π X (t 2 ) π Y (t 1 ) = π Y (t 2 ) Äquivalente IB im Tupelkalkül: t 1, t 2 : R (t 1.X = t 2.X t 1.Y = t 2.Y ) wobei X, Y ttributmengen und t 1.Z = t 2.Z : t 1.B 1 = t 2.B 1... t 1.B m = t 2.B m für Z = {B 1,..., B m } Eigenschaften von Fen: einfache mathematische Objekte entsprechen verallgemeinerten Schlüsselbedingungen durch Indexe leicht überwachbar 5 6
7 Beispiel: F in R, TK und SQL LIEF(LN,L,W,P) mit LN, W P l 1, l 2 : LIEF π LN,W (l 1 ) = π LN,W (l 2 ) π P (l 1 ) = π P (l 2 ) l 1, l 2 : LIEF (t 1.LN = t 2.LN t 1.W = t 2.W t 1.P = t 2.P) SELECT DISTINCT F (LN W -> P) VERLETZT FROM LIEF WHERE EXISTS (SELECT * FROM LIEF L1, LIEF L2 WHERE L1.LN=L2.LN ND L1.W=L2.W ND L1.P<>L2.P) UNION SELECT DISTINCT F (LN W -> P) ERFUELLT FROM LIEF WHERE NOT EXISTS (SELECT * FROM LIEF L1, LIEF L2 WHERE L1.LN=L2.LN ND L1.W=L2.W ND L1.P<>L2.P) 5 7
8 Beispiel: LIEFERNT-Relationen erfüllen noch weitere Fen: (1) LName LName, LName Ware Ware,... (2) LName Ware Ldr,... zu (1) Definition: Eine F X Y heißt trivial gdw. X Y von jeder Relation erfüllt wird Lemma: F X Y trivial X Y zu (2) Definition: Es seien F eine Menge von Fen zum Schema R() und X, Y ; F impliziert X Y oder unter F ist X Y gültig, notiert als F = X Y, gdw. für alle Relationen r gilt: (r erfüllt alle Fen in F) (r erfüllt X Y ) Beispiel: { LName Ldr } = LName Ware Ldr Definition: bschluß von F: F + = {X Y F = X Y } 5 8
9 Herleitungsregeln Es gibt System von Herleitungsregeln, mit dem sich syntaktisch (ohne Untersuchung von Relationen) beweisen läßt, ob F = X Y gilt: Notation: F X Y ; ausgesprochen X Y herleitbar aus F oder unter F ist X Y herleitbar rmstrong xiome: X, Y, Z, W I: nfang: Für alle X Y F : F X Y II: Reflexivität: Für alle X Y : F X Y III: Expansivität: Für alle X, Y, W, Z mit W Z : F X Y F XW Y Z XW = X W; Y Z = Y Z IV: Transitivität: Für alle X, Y, Z: F X Y und F Y Z F X Z Definition: Hülle von F: F := {X Y F X Y } Satz: Für beliebige F und X, Y gilt: F X Y F = X Y D.h. obige Regeln bilden ein konsistentes ( ) und vollständiges ( ) Herleitungssystem Kurz: Für beliebiges F gilt: F = F + 5 9
10 Beispiel: F = { W MN M VN (1), MN W VN (2) } nach I: nach II: F W MN M VN F MN W VN F W MN M VN MN VN... nach III: F W MN MN M VN aus (1) mit Z=, W={MN} F MN M VN W MN M VN aus (2) mit Z=W={MN, M, VN}... nach IV: (F MN W) und (F W M) dann (F MN M)
11 Weitere Herleitungsregeln sind aus den gegebenen Herleitungsregeln ableitbar: (1) Mit W XY gilt auch W X und W Y Beweis: W XY und XY X (Reflexivität) lassen sich mittels Transitivität zu W X zusammensetzen. nalog für W Y. QED (2) Mit W X und Y Z gilt auch WY XZ Beweis: us W X folgt WY XY mittels Expansivität. us Y Z folgt XY XZ mittels Expansivität. Mittels Transitivität ergibt sich WY XZ. QED 5 11
12 Weitere mögliche Gesetze: entweder beweisen oder widerlegen - Symmetrie von Fen W X X W - Vereinigung von Fen: W X Y Z W Y X Z - Durchschnitt von Fen: W X Y Z W Y X Z - Differenz von Fen: W X Y Z W Y X Z - Symmetrische Differenz von Fen: W X Y Z W Y X Z B := ( B) (B ) = ( B) ( B) - ddition einer ttributmenge W X W Y X Y - Durchschnitt mit einer ttributmenge W X W Y X Y - Subtraktion einer ttributmenge W X W Y X Y - Symmetrische Subtraktion einer ttributmenge W X W Y X Y - Subtraktion einer F W X Y W Y X - Symmetrische Subtraktion einer F W X Y W Y X 5 12
13 Herleitbarkeit ist entscheidbar Verfahren: Gegeben F und X Y Entscheide ob F X Y gilt 1. Z := X 2. repeat for each U Z, U V F do Z := Z V until Z unverändert /* Z = X */ 3. Teste Y Z /* X Y F gdw. Y X */ Bezeichnung: X := Hülle von X; maximale, von X aus erreichbare ttributmenge Darstellung: Menge von Fen dargestellt als Graph mit Knoten=ttributmengen und Kanten=Fen MN W M VN Beispiel: { MN } = {, W, MN, M, VN } {, W } = {, W, MN, M, VN } { M } = { M } { } = { } 5 13
14 Minimale Überdeckungen Zu einer Menge F von Fen gibt es eine minimale, nicht notwendigerweise eindeutige Überdeckung G = MinCover(F) Definition: G Überdeckung von F gdw. G = F G minimal gdw. für alle X Y G gilt: (i) Y = 1 (Rechte Seiten einelementig) (ii) (Z X G Z Y ) Z = X (Linke Seiten nicht redundant) (iii) G {X Y } X Y (G nicht redundant) Verfahren: Konstruktion einer minimalen Überdeckung 0. G := F 1. for each X Y G, Y = B 1...B m do G := G {X Y } {X B 1,..., X B m } 2. repeat for each X Y G, Z X do if G Z Y then G := G {X Y } {Z Y } until G unverändert 3. for each X Y G do if G {X Y } X Y then G := G {X Y } 5 14
15 Beispiele zu minimalen Überdeckungen nach 0. W MN M VN MN W VN nach 1. W MN W M W VN ableitbar MN MN W MN VN nach 2. unverändert nach 3. W MN W M MN MN W MN VN... nach 0. B B C C B C B C nach 1. und 2. unverändert nach 3. B B C C oder nach 3. B C B C
16 Beispiel: minimale Überdeckungen WOHNUNGSMRKT W MN xor xor M VN W MN W MN M VN M VN W MN W MN M VN M VN Oben: Erzeugendenmenge für die unten angegebenen 4 minimalen Überdeckungen Mitte: 2 minimale Überdeckungen Unten: 2 weitere minimale Überdeckungen keine weiteren minimale Überdeckungen 5 16
17 Beispiel: minimale Überdeckungen B C B B C C B B B C C C Oben: gegebene Menge von Fen Mitte: zwei minimale Überdeckungen Unten: drei weitere minimale Überdeckungen keine weiteren minimalen Überdeckungen obiges Verfahren hängt z.b. ab von der Reihenfolge der uswahl der Fen in Schritt 3 Mitte links erzeugt von: B, C B, C, B, B C, C Mitte rechts erzeugt von: B, B C, C, B, C B, C Unten links erzeugt von:... Unten mitte erzeugt von:... Unten rechts erzeugt von:
18 Beispiel: minimale Überdeckungen B C D B C B C D D B C B C D D Oben: gegebene Menge von Fen Mitte: zwei minimale Überdeckungen Unten: zwei weitere minimale Überdeckungen keine weiteren minimalen Überdeckungen 5 18
19 Beispiel: minimale Überdeckungen STDT(S,X,Y,E), { S X Y, X Y S, S E } S X Y E minimale Überdeckungen: { S X, S Y, X Y S, S E } { S X, S Y, X Y S, X Y E } keine weiteren minimalen Überdeckungen 5 19
20 Schlüssel und Determinanten Definition: X heißt Schlüsselkandidat oder auch kurz Schlüssel von R() bzgl. F gdw. (i) F = X und (ii) F = Y Y X Y = X d.h. X ist minimale ttributmenge mit X Definition: Seien X 1,..., X k alle Schlüsselkandidaten von R() bzgl. F; i heißt Nicht-Schlüssel-ttribut (NS), gdw. i X 1... X k Definition: Seien D, Y, Y D; D heißt Determinante von Y in R() bzgl. F gdw. (i) F = D Y und (ii) F = C Y C D C = D Forderung (i) besagt, dass D das ttribut Y determiniert und Forderung (ii) besagt, dass D das ttribut Y minimal determiniert 5 20
21 Beispiel: F-Menge und Schlüssel Gegebene F-Menge B C D E F nach 1. B D C C E E F C E F D E F F nach 3. B D C C E E F C E F D minimale Überdeckung B C D E F Schlüssel: { B, C, F }, { B, E, F } NSen: {, D } 5 21
22 Normalformen Gegeben seien Relationenschema R() und Fen F Definition: R() ist in n-ter Normalform (1NF, 2NF, 3NF) bzgl. F gdw... 1NF: lle ttributwerte sind atomar, d.h. nicht selbst Mengen von Werten 2NF: Kein NS Z hängt partiell von einem Schlüssel X ab, d.h. Y (Y X Y Z) mit Y Z nicht trivial 3NF: Kein NS Z hängt transitiv von einem Schlüssel X ab, d.h. Y (X Y Y Z) mit Y Z nicht trivial und X Y Satz: R() ist in 3NF bzgl. F gdw. alle Determinanten von allen Nicht-Schlüssel-ttributen Schlüssel sind Definition: R() ist in Boyce-Codd-Normalform (BCNF) bzgl. F gdw. alle Determinanten von allen ttributen Schlüssel sind Überblick: 1NF 2NF 3NF BCNF 5 22
23 Beispiele: Normalformen, Schlüssel, Determinanten LIEFERNT(LName, Ldr, Ware, Preis) LName Ldr LName Ware Preis Schlüsselkandidaten: - { LName, Ware } Werte atomar, deswegen in 1NF; aber es gibt partielle bhängigkeit LName Ldr, deswegen nicht in 2NF LIEFORT(LName, Ldr, LOrt) LName Ldr Ldr LOrt Schlüsselkandidaten: - { LName } keine partielle bhängigkeit, deswegen in 2NF; aber es gibt transitive bhängigkeit, deswegen nicht in 3NF; Determinante von NS LOrt ist Ldr; Ldr kein Schlüssel SSP(Stadt, StrasseNr, Plz) Stadt StrasseNr Plz Plz Stadt Schlüsselkandidaten: - { Stadt, StrasseNr } - { Plz, StrasseNr } keine NSe, deswegen in 3NF; aber Plz Determinante von Stadt, deswegen nicht in BCNF 5 23
24 STDT(SName,X,Y,Einwnz) SName X, Y X, Y SName SName Einwnz Schlüsselkandidaten: - { SName } - { X, Y } Determinanten von ttributen sind Schlüsselkandidaten, deswegen in BCNF ttribut Determinanten SName { X, Y } X { SName } Y { SName } Einwnz { SName }, { X, Y } Überblick Normalformen Kriterium NF Beispiel ttributewerte 1NF LIEFERNT atomar keine partiellen 2NF LIEFORT bängigkeiten von NSen keine transitiven 3NF SSP bängigkeiten von NSen = Determinanten von NSen sind Schlüssel Determinanten von BCNF STDT ttributen sind Schlüssel 5 24
25 Definition: Zerlegung R() R 1 (B 1 ), R 2 (B 2 ) mit = B 1 B 2 F F 1, F 2 mit F i = {X Y F = X Y und X, Y B i } (oder Erzeugendenmenge) Beispiel SSP Stadt StrasseNr Plz HB Idaweg HH Idaweg Projektion π ւ ց SS Stadt StrasseNr HB Idaweg12 HH Idaweg12 SP StrasseNr Plz Idaweg Idaweg Verbund ց ւ SSP Stadt StrasseNr Plz HB Idaweg HB Idaweg HH Idaweg HH Idaweg
26 Äquivalenzkriterien Verlustlosigkeit Definition: Die Zerlegung (R(), F) (R 1 (B 1 ), F 1 ; R 2 (B 2 ), F 2 ) ist verlustlos gdw. für alle Relationen r zu R(), die F erfüllen, gilt: r = π B1 (r) π B2 (r) Bemerkung: Generell gilt r π B1 (r) π B2 (r) und... Beispiel: Zerlegung von SSP... r 1 π B1 (r 1 r 2 ) und r 2 π B2 (r 1 r 2 ) Beispiel: R 1 (, B) mit r 1 = {(a, b),(a, b 1 )} und R 2 (B, C) mit r 2 = {(b, c),(b 2, c)} π,b (r 1 r 2 ) = {(a, b)} und π B,C (r 1 r 2 ) = {(b, c)} Satz: Die obige Zerlegung verlustlos gdw. (1) F = B 1 B 2 B 1 B 2 oder (2) F = B 1 B 2 B 2 B 1 Erhaltung von funktionalen bhängigkeiten Definition: Die obige Zerlegung erhält die Fen F gdw. gilt: F 1 F 2 = F d.h. für alle Relationen r zu R() gilt: π Bi (r) erfüllt F i (i = 1,2) r erfüllt F 5 26
27 Beispiele: verlustlose und F-erhaltende Zerlegungen SSP(Stadt, StrasseNr, Plz), { Stadt StrasseNr Plz, Plz Stadt } SS(Stadt,StrasseNr), SP(StrasseNr,Plz), nicht verlustlos: weder StrasseNr Stadt noch StrasseNr Plz B 1 B 2 = { StrasseNr } B 1 B 2 = { Stadt } B 2 B 1 = { Plz } nicht F-erhaltend (beide Fen verloren) LIEFERNT(LName,Ldr,Ware,Preis) { LName Ldr, LName Ware Preis } LIEFERNT (LName,Ldr), { LName Ldr } NGEBOT(LName,Ware,Preis), { LName Ware Preis } verlustlos: LName Ldr B 1 B 2 = { LName } B 1 B 2 = { Ldr } B 2 B 1 = { Ware, Preis } F-erhaltend 5 27
28 STUD(Matnr, LoginId, Name) { Matnr Name, LoginId Name } ML(Matnr, LoginId), LN(LoginId, Name), { LoginId Name } verlustlos: LoginId Name B 1 B 2 = { LoginId } B 1 B 2 = { Matnr } B 2 B 1 = { Name } nicht F-erhaltend (F Matnr Name verloren) STUD(LoginId, Name, bschluss, MinSemnz) { LoginId Name, bschluss MinSemnz } LNM(LoginId, Name, MinSemnz), { LoginId Name } M(bschluss, MinSemnz), { bschluss MinSemnz } nicht verlustlos: weder MinSemnz LoginId Name noch MinSemnz bschluss B 1 B 2 = { MinSemnz } B 1 B 2 = { LoginId, Name } B 2 B 1 = { bschluss } F-erhaltend 5 28
29 Normalisierung in 3NF Satz: Seien R() ein Relationenschema und F eine Menge von Fen über ; dann gibt es immer eine Zerlegung (R i (B i ), F i ) m i=1 von (R(), F), so daß gilt: (1) Die Zerlegung ist verlustlos (2) Die Fen werden erhalten (3) Jedes Relationenschema R i (B i ) ist in 3NF bzgl. F i Synthese-Verfahren für 3NF-Schemata 0. Berechne eine minimale Überdeckung G von F keine F in G folgt aus anderen Fen in G; in jeder F X Y enthält X keine überflüssigen ttribute und Y ist einelementige Menge; für alle Fen X Y gilt: F = X Y G = X Y, d.h. F + = G + 1. Falls X Y G mit X Y =, so ist R() in 3NF bzgl. F 2. Sonst gruppiere die Fen aus G nach gleicher linker Seite und definiere zu jeder Gruppe F i := {D C 1, D C 2,..., D C r } ein Relationen-Schema R i (B i ) mit B i = D C 1... C r ; R i (B i ) ist in 3NF bzgl. F i 3. Falls noch kein Schlüssel von R() in einem der R i (B i ) enthalten ist, füge einen Schlüssel X von R() als weiteres Schema R (X) hinzu 5 29
30 Beispiel: Synthese-Verfahren KName Kdr, Kto Ware LName Menge Preis Ldr 0. Minimale Überdeckung KName Kdr, KName Kto KName Ware Menge LName Ldr LName Ware Preis 1. Schritt nicht anwendbar 2. KUNDE(KName, Kdr, Kto) UFTRG(KName, Ware, Menge) LIEFERNT (LName, Ldr) NGEBOT(LName, Ware, Preis) 3. Schlüssel: KName, Ware, LName BEZUG (KName, Ware, LName) 5 30
31 Normalisierung in BCNF: Zerlegungs-Verfahren Eingabe: S = (R(), F) usgabe: T = (R i (B i ), F i ) i = 1,..., m in BCNF (3NF), verlustlos; jedoch nicht immer F erhaltend (0) 1. T := {S} 2. solange T nicht in BCNF [3NF]: wähle Teilschema (Q(C), G) T, das nicht in BCNF [3NF] ist, und eine Determinante X eines ttributes [NS] Y, die kein Schlüssel ist (1) d.h. insbesondere X Y G und X Y = T := T { (Q(C), G) } { (Q 1 (X Y ), G(X Y )) } { (Q 2 (C Y ), G(C Y )) } nmerkungen: (0) Für nur 3NF gibt es auch eine F erhaltende Variante des Verfahrens (1) Determinanten sind aus einer minimalen Überdeckung von G ablesbar (2) nwendung des Zerlegungssatzes (2/3) (3) Mehr Fen werden erhalten, wenn eine minimale Überdeckung der Projektion von G auf X Y gebildet wird; also statt G(X Y ) besser MinCover(π X Y (G )); für C Y analog 5 31
32 Beispiel: Zerlegungs-Verfahren minimale Überdeckung (1 von 4) W VN M MN H Schlüsselkandidaten: {, W, H }, { MN, H } mittels W VN zerlegen X U Y C - Y W VN M MN H entstehendes Relationenschema: VERMIETER(, W, VN) Rest C-Y (fett umrandet) mittels W M zerlegen 5 32
33 X U Y C - Y W M MN H entstehendes Relationenschema: MIETEN(, W, M) Rest C-Y (fett umrandet) mittels W MN zerlegen X U Y C - Y W MN H entstehendes Relationenschema: MIETER(, W, MN) oder MIETER(, W, MN) entstehendes Relationenschema: TIERE(, W, H) nicht minimale nzahl von Relationenschemata: VERMIETER und MIETEN zusammenfassbar 5 33
34 Beispiel: Zerlegungs-Verfahren SSP(Stadt, StrasseNr, Plz) Stadt StrasseNr Plz Plz Stadt Schlüsselkandidaten: - { Stadt, StrasseNr } - { Plz, StrasseNr } einzig mögliche Wahl für X und Y: Plz Stadt entstehende Relationenschemata SP1(Stadt, Plz), { Plz Stadt } SP2(StrasseNr, Plz), in BNCF aber F Stadt StrasseNr Plz verlorengegangen Zerlegung damit verlustlos aber nicht F-erhaltend BCNF und F-Erhaltung sind unvereinbar 5 34
35 Motivation 4NF SFSBL Schulfach Schulbuch Lehrer Mathe BooleFunctions Meier Mathe RusselLogic Meier Mathe BooleFunctions Schmid Mathe RusselLogic Schmid Philo RusselLogic Meier Im obigen Zustand ist keine der 9 möglichen nicht-trivialen Fen gültig: z.b. gilt nicht: Schulfach Schulbuch wegen (Mathe,BooleFunctions,...) und (Mathe,RusselLogic,...) z.b. gilt nicht: Schulfach Schulbuch Lehrer wegen (Mathe,BooleFunctions,Meier) und (Mathe,BooleFunctions,Schmid) Für obiges Relationschema also Menge der Fen leer; Schlüssel besteht damit aus Gesamtattributmenge; damit in BCNF; dennoch Redundanz SFSB Schulfach Schulbuch Mathe BooleFunctions Mathe RusselLogic Philo RusselLogic SFL Schulfach Lehrer Mathe Meier Mathe Schmid Philo Meier Information in SFSBL mit 15 Zeichenketten dargestellt, in SFSB und SFL mit 12 Zeichenketten Es gelten mehrwertige bhängigkeiten: Schulfach Schulbuch, Schulfach Lehrer 5 35
36 Normalisierung in 4NF 4NF: BCNF und es gibt keine mehrwertige bhängigkeit (M) X Y Idee der Men: Jeder X-Wert bestimmt eine Menge von Y -Werten unabhängig vom Kontext, d.h. unabhängig von den weiteren ttributen Beispiel: Schulfach Schulbuch unabhängig vom ttribut Lehrer, Schulfach Lehrer unabhängig vom ttribut Schulbuch Definition: Es seien X, Y disjunkt und es gelte X Y Z = in R() mit Z und Z disjunkt zu X Y ; eine M X Y ist gültig gdw. für jede Relation r gilt: r = π XY (r) π XZ (r) Bermerkung: Zur 4NF gibt es Zerlegungs-Verfahren, die Verlustlosigkeit und (für konfliktfreie Men) auch Erhaltung der bhängigkeiten garantieren... und ein rtikel von Kent heisst: Simple Guide to Five Normal Forms
Kapitel 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
MehrRelationale Entwurfstheorie (Teil 2)
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken (Teil 2) Dr. Gerd Gröner Wintersemester 2013/14 Gliederung Funktionale Abhängigkeiten Dekomposition der Relationenschemata:
MehrDatenbanken 6: Normalisierung
Datenbanken 6: Normalisierung 26. IV. 2016 Outline 1 Organisatorisches 2 SQL 3 Überblick Datenbankdesign 4 Normalisierung Erste Normalform Zweite Normalform Dritte Normalform Boyce-Codd Normal Form Vierte
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:
MehrRelationale Entwurfstheorie. Kapitel 5 201 / 510
Kapitel 5 Relationale Entwurfstheorie 201 / 510 Relationale Entwurfstheorie Ein schlecht entworfenes Schema führt zu folgenden Anomalien Updateanomalien: bei Änderungen eines Fakts müssen viele Tupel angefaßt
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
Mehr4.2.2.2 Funktionale Abhängigkeiten
Funktionale Abhängigkeiten 4.2.2.2 Funktionale Abhängigkeiten 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 Spezielle Formen von FDs Ist die linke Seite einer FD nicht mehr verkleinerbar (reduzierbar),
MehrMusterlösung zur Finalklausur Datenbanksysteme am
Musterlösung zur Finalklausur Datenbanksysteme am 5.2.2003 Aufgabe 1 a) Anfragen: (20 Punkte) i.suchen Sie die Stücke (Titel), die Komponist Lennon erstellt hat und von der Musikfirma EMI veröffentlicht
MehrTag 4 Inhaltsverzeichnis
Tag 4 Inhaltsverzeichnis Normalformen Problem Formen (1-4) Weitere Formen Transaktionen Synchronisationsprobleme Überblick Autocommit Locking Savepoints Isolation levels Übungen RDB 4-1 Normalformen Problematik
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:
MehrTag 4 Inhaltsverzeichnis
Tag 4 Inhaltsverzeichnis Normalformen Problem Formen (1-4) Weitere Formen Transaktionen Synchronisationsprobleme Überblick Autocommit Locking Savepoints Isolation levels Übungen RDB 4-1 Normalformen Problematik
MehrDas SQL-Schlüsselwort ALL entspricht dem Allquantor der Prädikatenlogik
Beispielaufgaben Informationssysteme erstellt von Fabian Rump zur IS Vorlesung 2009/10 1 Multiple Choice Aussage richtig falsch Eine SQL-Abfrage beginnt immer mit dem Schlüsselwort SELECT Eine Datenbank
Mehr2. Übungsblatt 3.0 VU Datenmodellierung
2. Übungsblatt 3.0 VU Datenmodellierung 15. Mai 2012 Allgemeines In diesem Übungsteil sollten Sie Aufgabenstellungen aus den Bereich SQL und Normalformentheorie bearbeiten. Lösen Sie die Beispiele eigenständig,
Mehr2. Übungsblatt 3.0 VU Datenmodellierung
2. Übungsblatt 3.0 VU Datenmodellierung 3. Dezember 2014 Allgemeines In diesem Übungsteil sollten Sie Aufgabenstellungen aus den Bereich SQL und Normalformentheorie bearbeiten. Lösen Sie die Beispiele
MehrRelationale Entwurfstheorie
Relationale Entwurfstheorie Funktionale Abhängigkeiten Normalformen Normalisierung durch Dekomposition Funktionale Abhängigkeiten Def.: Sei R ein Schema, und R. Die funktionale Abhängigkeit gilt, wenn
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden
MehrDatenbanken 1 Sommersemester 2014/
Fachbereich für Computerwissenschaften Prof. Dr. Nikolaus Augsten Jakob-Haringer-Str. 2 5020 Salzburg, Austria Telefon: +43 662 8044 6347 E-Mail: nikolaus.augsten@sbg.ac.at Datenbanken 1 Sommersemester
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,
Mehr3. Das Relationale Datenmodell
3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie
MehrEinführung Gruppen, Beispiele, Konjugationsklassen
Einführung Gruppen, eispiele, Konjugationsklassen Fabian Rühle 21.10.2015 Inhaltsverzeichnis 1 Definition von Gruppen und einfache eispiele 1 2 Die zyklische Gruppe n 2 3 Die Diedergruppe D n 3 4 Die Permutationsgruppe
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrGrundlagen von Datenbanken SS 2010
Grundlagen von Datenbanken SS 2010 2. Formalisierung des relationalen Datenmodells Agenda: Prof. Dr. Stefan Böttcher Universität Paderborn mit Material von Prof. Dr. Gregor Engels Das Relationenmodell
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 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrDatenbanken und Informationssysteme Sommersemester 2012 Probeklausur
Datenbanken und Informationssysteme Sommersemester 2012 Probeklausur 1 Konzeptuelle Modellierung (12 Punkte) Die folgende Beschreibung skizziert ein Informationssystem zur Verwaltung von Musikern: Jeder
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrMengen (siehe Teschl/Teschl 1.2)
Mengen (siehe Teschl/Teschl 1.2) Denition nach Georg Cantor (1895): Eine Menge ist eine Zusammenfassung von bestimmten und wohlunterschiedenen Objekten unserer Anschauung oder unseres Denkens zu einem
Mehr4. Normalisierung von Relationenschemata
4. Normalisierung von Relationenschemata Ziel: Vermeidung von Anomalien in Relationenschemata wird erreicht durch systematische Vorgehensweise beim Datenentwurf vom eerm zum Relationalen Modell (s. voriges
MehrKapitel 11: Relationale Entwurfstheorie
Kapitel 11: Relationale Entwurfstheorie Ziele: - Charakterisierung "guter" relationaler Schemata - jede Relation entspricht genau einer Objektmenge - eventuell unter Einbezug von N:1- oder 1:1-Relationships
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
MehrDaten Bank. 5. Vorlesung
Daten Bank 5. Vorlesung 4. VL von bis Person (0,n) lebt_in (0,n) Ort AusweisNr. Name Vorname PLZ Ortsname SQL: create insert select 1. Normalform Schlüssel und Funktionale Abhängigkeiten Dr. Karsten Tolle
MehrVorlesung Datenbank-Entwurf Klausur
Dr. Stefan Brass 3. Juli 2002 Institut für Informatik Universität Giessen Vorlesung Datenbank-Entwurf Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrDatenbanken: Relationales Datenbankmodell RDM
Das RDM wurde in den 70'er Jahren von Codd entwickelt und ist seit Mitte der 80'er Jahre definierter Standard für Datenbanksysteme! Der Name kommt vom mathematischen Konzept einer Relation: (Sind A, B
Mehr1 Mengen. 1.1 Definition
1 Mengen 1.1 Definition Eine Menge M ist nach dem Begründer der Mengenlehre Georg Cantor eine Zusammenfassung von wohlunterschiedenen(verschiedenen) Elementen. Eine Menge lässt sich durch verschiedene
MehrMathematische Grundlagen der Computerlinguistik Relationen und Funktionen
Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
Mehr1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale
Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen
MehrNormalformen: Sinn und Zweck
Normalformen: Sinn und Zweck Redundanz und Inkonsistenz vermeiden Anomalien vermeiden Verlustlose Zerlegungen finden Abhängigkeiten bewaren NF2 und NF3 behandeln das Verhältnis zwischen Schlüsselund Nichtschlüssel-
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrSQL: statische Integrität
SQL: statische Integrität.1 SQL: statische Integrität Im allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen erfüllen. Integritätsbedingungen
Mehr1.4 Äquivalenzrelationen
8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,
MehrRelationentheorie grundlegende Elemente
Relationentheorie grundlegende Elemente Symbol Bedeutung Entsprechung in SQL π AAAA Projektion SELECT σ F Selektion WHERE ρ Umbenennung RENAME; AS Natural Join NATURAL JOIN (nicht in MS SQL Server verwendbar)
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-45 Relational Design
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. 8 Übung zur Vorlesung Grundlagen: Datenbanken im WS14/15 Harald Lang (harald.lang@in.tum.de) http://www-db.in.tum.de/teaching/ws1415/grundlagen/
MehrKontextfreie Grammatiken
Kontextfreie Grammatiken Bisher haben wir verschiedene Automatenmodelle kennengelernt. Diesen Automaten können Wörter vorgelegt werden, die von den Automaten gelesen und dann akzeptiert oder abgelehnt
MehrMathematik 1 für Informatik Inhalt Grundbegrie
Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrAbstraktionsschichten. Das Relationale Datenmodell
Abstraktionsschichten. Das Relationale Datenmodell Verschiedene Abstraktionsebene Data in Beziehung zur Application Data in Beziehung zur Datenmodell Data in Beziehung zur physischen Darstellung Datenunabhängigkeit
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
Mehr1. Ziel des Datenbankentwurfs
1. Ziel des Datenbankentwurfs Ziel ist der Aufbau eines Modells eines Teilbereiches der wahrnehmbaren Realität und Abbildung dieses Bereichs in Form von Daten, so dass diese nach verschiedensten Kriterien
MehrDas Banach-Tarski-Paradox
Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R
Mehr3. Übungszettel (Musterlösung)
3. Übungszettel (Musterlösung) Einführung in Datenbanksysteme Datenbanken für die Bioinformatik Heinz Schweppe, Jürgen Broß, Katharina Hahn Übungsaufgaben 1. Aufgabe (DDL + Constraints) XX Punkte Die Tabellen
Mehr4.2 Die Chomsky Normalform
4.2 Die Chomsky Normalform Für algorithmische Problemstellungen (z.b. das Wortproblem) aber auch für den Nachweis von Eigenschaften kontextfreier Sprachen ist es angenehm, von CFG in Normalformen auszugehen.
MehrReelle Zahlen, Gleichungen und Ungleichungen
9 2. Vorlesung Reelle Zahlen, Gleichungen und Ungleichungen 4 Zahlenmengen und der Körper der reellen Zahlen 4.1 Zahlenmengen * Die Menge der natürlichen Zahlen N = {0,1,2,3,...}. * Die Menge der ganzen
Mehrmit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 18. Juni 2007
7. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 18. Juni 2007 Aufgabe 1 Geben Sie jeweils die höchste Normalform (in
MehrDaten Bank. 5. Vorlesung. Dr. Karsten Tolle PRG2 SS 2014
Daten Bank 5. Vorlesung Dr. Karsten Tolle PRG2 SS 2014 Klausur Bemerkungen: Man benötigt keine Übungspunkte um bei der Klausur teilnehmen zu dürfen! Die Online-Anmeldung auf der PRG2-Seite reicht nicht
MehrR = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3}
Äquivalenzrelationen Aufgabe 1. Lesen Sie im Skript nach was eine Äquivalenzrelation und eine Äquivalenzklasse ist. Gegeben ist die Menge A = {1, 2, 3. Finden Sie 3 Äquivalenzrelationen auf A und geben
Mehr2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin
Die Menge der ganzen Zahlen von Peter Franzke in Berlin Das System der natürlichen Zahlen weist einen schwerwiegenden Mangel auf: Es gibt Zahlen mn, derart, dass die lineare Gleichung der Form mx n keine
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrWS 2016/17 Torsten Schreiber
104 Diese Fragen sollten Sie ohne Skript beantworten können: Was bedeutet die Rechtseindeutigkeit einer Relation? Was weiß man von einer surjektiven Funktion? Wann ist eine Funktion total / partiell? Welche
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrIn diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische
Kapitel 1 Mathematische Objekte In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Objekte wie Tupel, Mengen, Relationen und Funktionen. Außerdem erklären wir die
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
Mehr9. Einführung in Datenbanken
9. Einführung in Datenbanken 9.1 Motivation und einführendes Beispiel 9.2 Modellierungskonzepte der realen Welt 9.3 Anfragesprachen (Query Languages) 9.1 Motivation und einführendes Beispiel Datenbanken
MehrEinführung in Datenbanken - Wiederholung Normalformen - Philipp Cimiano AG Semantische Datenbanken und Wissensverarbeitung
Einführung in Datenbanken - Wiederholung Normalformen - Philipp Cimiano AG Semantische Datenbanken und Wissensverarbeitung 1 Überblick Normalformen 2NF 3NF BCNF 2 Zweite Normalform (2NF) Definition (zweite
MehrKlausur zur Vorlesung Datenbanken I im Wintersemester 2011/12
Prof. Dr. Lutz Wegner, Dipl.-Math. Kai Schweinsberg 21.03.2012 Klausur zur Vorlesung Datenbanken I im Wintersemester 2011/12 Name:... Vorname:... Matr.Nr.:... Studiengang:... Hinweis: Bearbeiten Sie alle
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes
MehrVervollständigung Lateinischer Quadrate
Vervollständigung Lateinischer Quadrate Elisabeth Schmidhofer 01.12.2013 Inhaltsverzeichnis 1 Vorwort 3 2 Einleitung 4 2.1 Beispele.............................................. 4 3 Lateinische Quadrate
MehrSpezifikation in Datalog:
Spezifikation in Datalog: darf_hinzufügen (X,W) :- editiert (Z,W), hat_mitglied (Z,X). darf_löschen (X,E) :- besitzt (X,E). darf_modifizieren (X,E) :- besitzt (X,E). darf_modifizieren (X,E) :- besitzt
MehrRelationale Datenbanken: Relationale Algebra
Relationale Datenbanken: Relationale Algebra Natürlicher Verbund (Natural Join, ): Zwei Relationen werden tupelweise bezüglich Übereinstimmung der Daten in einem gleichbenannten Attribut vereinigt. Das
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrLogik für Informatiker. 1. Grundlegende Beweisstrategien. Viorica Sofronie-Stokkermans Universität Koblenz-Landau
Logik für Informatiker 1. Grundlegende Beweisstrategien Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Mathematisches Beweisen Mathematische ussagen - haben oft
Mehr4. Normalformen. Qualitätsanforderungen an Tabellen. Klassische Normalformen (1,. 2., 3.) Spezielle Normalformen. Datenbanken
4. Normalformen Qualitätsanforderungen an Tabellen Klassische Normalformen (1,. 2., 3.) Spezielle Normalformen 90 Normalisierungsgründe Verständlicheres Datenmodell für Anwender und Entwickler Vermeidung
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
MehrVorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.
Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt
Mehr1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen
1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen Einleitung 1 Wie der Name schon sagt sind Äquivalenzrelationen besondere Relationen. Deswegen erkläre ich hier ganz allgemein, was Relationen
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
MehrDatenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück Kapitel 6b: Das relationale Modell Das Relationale Modell (vgl. Lerneinheit 6a) Wertebereiche (Domänen):
MehrAnhang B. Relationenalgebraische Definitionen. B.1 Relationen
Anhang B Relationenalgebraische Definitionen Die relationenalgebraischen Definitionen bilden die Grundlage der formalen Aspekte der Projekte WebReference und InterMediate [Her00]. Sie sind [SS89] entnommen.
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
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:
MehrWarum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7
Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
Mehr10. Datenbank Design 1
1 Die Hauptaufgabe einer Datenbank besteht darin, Daten so lange zu speichern bis diese explizit überschrieben oder gelöscht werden. Also auch über das Ende (ev. sogar der Lebenszeit) einer Applikation
MehrMathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen)
DEPENDABLE SYSTEMS AND SOFTWARE Fachrichtung 6. Informatik Universität des Saarlandes Christian Eisentraut, M.Sc. Julia Krämer Mathematik-Vorkurs für Informatiker (Wintersemester 0/3) Übungsblatt 8 (Relationen
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
Mehr3. Relationen Erläuterungen und Schreibweisen
3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob
MehrInformatik II Datenorganisation Datenbanken
Informatik II Datenorganisation Datenbanken Studiengang Wirtschaftsingenieurwesen (2. Semester) Prof. Dr. Sabine Kühn Tel. (0351) 462 2490 Fachbereich Informatik/Mathematik skuehn@informatik.htw-dresden.de
MehrAufgabe 1 Indexstrukturen
8. Übung zur Vorlesung Datenbanken im Sommersemester 2006 mit Musterlösungen Prof. Dr. Gerd Stumme, Dr. Andreas Hotho, Dipl.-Inform. Christoph Schmitz 25. Juni 2006 Aufgabe 1 Indexstrukturen Zeichnen Sie
MehrÄquivalenzrelation Restklassen Teilbarkeit in Z Kleiner Satz von Fermat Satz von Euler Eulersche ϕ-funktion
Äquivalenzrelation Restklassen Teilbarkeit in Z Kleiner Satz von Fermat Satz von Euler Eulersche ϕ-funktion Äquivalenzrelation Nehmen wir die Menge A = {,,,,,,,,}, z.b. nummerierte Personen. Unter Berücksichtigung
MehrVerwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert. Entität kann in einer oder mehreren Unterklassen sein
1 Definitionen 1.1 Datenbank Verwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert Integriert, selbstbeschreibend, verwandt 1.2 Intension/Extension Intension: Menge der Attribute Extension:
MehrGleichungen und Ungleichungen
Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung
Mehr2. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz http://www.kde.cs.uni-kassel.de 30. April 2007 Aufgabe 1 Betrachten Sie
MehrDas Relationenmodell. Contents. Pierre Fierz. Attribute und Domänen. 1 Attribute und Domänen. Relationenschema, Relation und Tupel
Contents Chapter 3 Lecture Datenbanken 28022014 1 2 3 4 5 Berner Fachhochschule Technik und Informatik 31 32 Die Lernziele dieses Kapitels Modell 1 Begriff des relationalen Datenmodells 2 Kennenlernen
Mehr