Funktionella beroenden - teori
|
|
- Viktor Blomqvist
- för 7 år sedan
- Visningar:
Transkript
1 Relationell databasdesign, FB Teori 7-12 Funktionella beroenden - teori Vid utformning av databassystem är det av största vikt att man kan resonera systematiskt om funktionella beroenden bl.a. för att kunna testa scheman för BCNF och 3NF. Formella begreppet nyckel (repetition): K är en (kandidat)nyckel för relation R om (1) K alla attribut i R (2) För ingen äkta delmängd av K är (1) sann. Om K bara satisfierar (1) så är K en supernyckel. Hölje av en mängd av funktionella beroenden Vi kunde definiera ett relationsschema genom att helt enkelt ge en enda kandidatnyckel. De enda funktionella beroenden som sedan anges är att K A för varje attribut A. K är då den enda kandidatnyckeln för dessa funktionella beroenden, enligt den formella definitionen på kandidatnyckel. Eller vi kunde ange några funktionella beroenden och härleda en eller flere nycklar enligt den formella definitionen Tumregel: Funktionella beroenden kommer antingen från nyckelhet eller från fysik. T.ex. "inga två kurser kan hållas i samma rum vid samma tid" ger rum tid kurs Vilka beroenden fås ur E-R-diagrammet?
2 Relationell databasdesign, FB Teori 7-13 Det räcker ej att beakta en mängd funktionella beroenden, man måste beakta alla funktionella beroenden som gäller. Genom att utgå från en given mängd F av funktionella beroenden kan man bevisa att andra funktionella beroenden gäller är logiskt implicerade av F: Givet ett relationsschema R. Ett funktionellt beroende f på R är logiskt implicerat av en mängd F av funktionella beroenden på R om varje instans r(r) som satisfierar F även satisfierar f. Ex.: Givet relationsschema R(A,B,C,G,H,I) där följande funktionella beroenden gäller A B XY = X Y A C CG H CG I B H Man kan visa att A H är logist implicerat. Dvs. man kan visa att om den givna mängden av funktionella beroenden gäller så gäller äver A H: Antag att t 1 och t 2 är tupler så att t 1 [A] = t 2 [A] A B, def.fb B H, def.fb t 1 [A] = t 2 [A] t 1 [B] = t 2 [B] t 1 [H] = t 2 [H] dvs. A H Hölje av en mängd funktionella beroenden, F + Låt F vara en mängd av funktionella beroenden. Höljet av F (bet. F + ) är mängden av alla funktionella beroenden implicerade av F. F + kan bestämmas m.h.a. en algoritm som utnyttjar Armstrongs axiom, med det är besvärligt ty F + kan vara stort. (Om R innehåller n attribut är antalet möjliga funktionella beroenden i F + 2 2n -2 n+1 +1.)
3 Relationell databasdesign, FB Teori 7-14 Inferensregler Följande regler kan användas för att härleda funktionella beroenden Armstrongs axiom (1974) 1. Reflexivitet: Om Y X, så X Y 2. Augmentering: Om X Y, så XZ YZ 3. Transitivitet: Om X Y och Y Z, så X Z Av 1-3 följer 4. Union: Om X Y och X Z, så X YZ 5. Uppdelning: Om X YZ så X Y och X Z 6. Pseudo-transitivitet: Om X Y och WY Z, så XW Z Armstrongs axiom är sunda (ger inga felaktiga funktionella beroenden) och fullständiga. Ex.: Visa att A B och BC D implicerar AC D 1. A B (givet) 2. AC BC (augmentering) 3. BC D (givet) 4. AC D (transitivitet anv. 2 och 3) Ex.: Visa att A B och A C implicerar A BC 1. A B (givet) 2. A AB (augmentering m.h.a A) 3. A C (givet) 4. AB CB (augmentering) 5. A BC (transitivitet anv 2 och 4)
4 Relationell databasdesign, FB Teori 7-15 Höljet av en mängd attribut Ett attribut B är funktionellt bestämt av α om α B. Låt α vara en mängd attribut. Höljet av α under F (bet. α + ) är mängden av alla attribut som funktionellt bestäms av α under en mängd F av funktionella beroenden. Algorim för att beräkna höljet av α, α + Bas: α + = α. Induktion: Om β α +, och β γ är ett givet funktionellt beroende, så lägg γ till α +. Varför? Sluta då α + inte kan ändras. Då bestämmer α funktionellt alla medlemmar av α +, och inga andra attribut. Algorimen kan användas på många sätt: Testa om en attributmängd α är en supernyckel: Beräkna α + i schemat under mängden av dess funktionella beroenden. Om alla attribut i schemat ingår i höljet är mängden en supernyckel. Ex.: R = (A,B,C,D) A B, BC D A + = AB B + = B (AC) + = ABCD dvs. AC är en nyckel Testa om ett funktionellt beroende α β gäller, dvs tillhör F + : Beräkna α +, om β α + gäller α β eljest gäller det ej. Ex.: A C gäller ej ty C / A + = AB Beräkna F + : Beräkna γ + för varje γ R. Varje S γ + ger det funktionella beroendet γ S till F +.
5 Relationell databasdesign, FB Teori 7-16 Ex.: R = (A,B,C,G,H,I) F = {A B, A C, CG H, CG I, B H} Några element i F + i exemplet ovan: A H CG HI AG I Finns det flere? ty A B och B H (anv. trans) ty CG H, CG I (anv. union) ty A C i F, AG CG (aug med G), CG I i F (trans) ger res. Bestämning av alla härledda funktionella beroenden Motivering: Antag att vi har en relation ABCD med några funktionella beroenden F. Om vi besluter att uppdela ABCD i ABC och AD, vad är de funktionella beroendena för ABC och AD? Ex.: R = (A,B,C,D), F = {AB C, C D, D A} Det ser ut som om bara AB C gäller i ABC, men i själva verket följer C A från F och är tillämpbar på relation ABC. Problemet är exponentiellt i värsta fall. Algoritm För varje mängd av attribut X i R beräkna X +. Eliminera några "uppenbara" beroenden som följer av andra: 1. Eliminera triviala funktionella beroenden (högersida vänstersida) 2. Eliminera XY Z om X Z gäller. 3. Eliminera funktionella beroenden vars högra sidor inte är enskilda attribut. Obs! Efter det att de upptäckta FB na projicerats på en relation kan de som eliminerats med reglerna ovan rekonstrueras i den projicerade relationen.
6 Relationell databasdesign, FB Teori 7-17 Ex.: R = (A,B,C,D) F = {AB C, C D, D A} Vilka funktionella beroenden följer. Dvs. AB, BC och BD är supernycklar A + = A B + = B C + = ACD D + = AD (AB) + = ABCD (BC) + = ABCD (BD) + = ABCD (AC) + = ACD (AD) + = AD (CD) + = ACD ingenting ingenting lägg C A till höljet lägg AB D (lämna bort alla supermängder av AB) (lämna bort alla supermängder av BC) lägg till BD C (lämna bort alla supermängder av BD) Alla andra mängder innehåller AB, BC eller BD så de ger inget nytt. Dvs. de enda intressanta funktionella beroenden som följer av F är: C A AB D BD C
7 Relationell databasdesign, FB Teori 7-18 Kanonisk övertäckning Alltid då en uppdatering görs i en databas måste systemet kontrollera att inga funktionella beroenden brytes mot. Dvs. att alla funktionella beroenden i F är satisfierade i databasens nya tillstånd. (Om de ej är satisfierade skall systemet återställas.) Kontrollen kan göras för en förenklad mängd av funktionella beroenden som har samma hölje som F, som är enklare att utföra. Att F och den förenklade mängden har samma hölje innebär att om databasen satisfierar den förenklade mängden av funktionella beroenden så satisfierar den även F, och tvärtom. Def.: Betrakta en mängd F av funktionella beroenden och det funktionella beroendet α β i F. Attribut A är överflödigt i α om A α och F logiskt implicerar (F { α β } ) { (α A) β } Attribut A är överflödigt i β om A β och mängden av funktionella beroenden Varför F F (F { α β } ) { α (β A) } och ej F F? logiskt implicerar F. En kanonisk övertäckning F c för F är en mängd av beroenden så att F logiskt implicerar alla beroenden i F c och F c logiskt implicerar alla beroenden i F, och vidare Inget FB i F c innehåller ett överflödigt attribut Varje vänstersida av ett FB i F c är unikt Hur hitta en förenklad mängd F av F? Varför F F och ej F F? Kan en mängd av funktionella beroenden ha flere kanonisk övertäckningar?
8 Relationell databasdesign, FB Teori 7-19 Beräkning av en kanonisk övertäckning för F: F c = F repeat Använd union-regeln för att ersätta beroenden α 1 β 1 och α 1 β 2 med α 1 β 1 β 2 Bestäm ett FB α βmed ett överflödigt attribut i antingen α eller i β Om ett överflödigt attribut hittas, stryk det från α β until F c inte ändras Ex.: R = (A, B, C) F = { A BC B C A B AB C } Det finns två FB n med samma vänstersida, kombinera dem: A BC och A B kombineras till A BC Är A överflödigt i AB C? dvs. gäller F (F { AB C} ) { B C } Ja ty B C F implicerar logiskt AB C Är C är överflödigt i A BC? dvs. gäller (F { A BC } ) { A B} F Ja ty A BC kan härledas ur F ty A + = ABC under F F = { A BC B C AB C } F = { A BC B C } F = { A B B C } Den kanoniska övertäckningen F c för F är F c = { A B, B C }
Relationell databasdesign
Relationell databasdesign Kapitel 7 Relationell databasdesign sid Uppdelning m.h.a. funktionella beroenden 3 Funktionella beroenden - teori 12 Uppdelningsalgoritmer 27 Designprocess 33 Relational oath
Läs merUppdelning. Relationell databasdesign, FB Teori 7-20. Låt R vara ett relationsschema. R 1, R 2,..., R n är en uppdelning av
Relationell databasdesign, FB Teori 7-20 Uppdelning Låt R vara ett relationsschema. R 1, R 2,..., R n är en uppdelning av R om R i = R, i=1,...,n. Dvs. varje R i är en delmängd av R och varje attribut
Läs merDatabaser Design och programmering
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning 2 Varför normalisera? Metod att skydda
Läs merKvalitetstänkande. Utgångsläge Samtliga ER-diagram har överförts till scheman
Kvalitetstänkande Utgångsläge Samtliga ER-diagram har överförts till scheman Förbättra kvaliteten på relationsscheman Normalformler ger dugligare nycklar Hitta funktionella beroenden med hjälp av slutsatsdragning
Läs merLösningar till tentamen i EDAF75
Lösningar till tentamen i EDAF75 4 april 2018 Lösning 1 (a) Här är ett förslag till E/R-modell: Det finns flera rimliga alternativa sätt att modellera, så du behöver inte vara orolig bara för att du inte
Läs merAnalytisk relationsdatabasdesign
Analytisk relationsdatabasdesign Att förbättra kvaliteten i databaser Presenter s Name Organization name www.horton.com Domän-regler och främmande nyckel regler via DDL Datatyp! Datatyp! Maxvärde! Maxvärde!
Läs merDatabasdesign. E-R-modellen
Databasdesign Kapitel 6 Databasdesign E-R-modellen sid Modellering och design av databaser 1 E-R-modellen 3 Grundläggande begrepp 4 Begränsningar 10 E-R-diagram 14 E-R-design 16 Svaga entitetsmängder 19
Läs merUniversitetet: ER-diagram
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning Varför normalisera? Metod att skydda
Läs merIdag. Databaskvalitet(??) Databaskvalitet... Databaskvalitet...
Idag Databaskvalitet(??) Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? Det finns metoder
Läs merInformationssystem och databasteknik
Informationssystem och databasteknik Föreläsning 5 Analytisk databasdesign F5! Funktionellt beroende: Pnr Namn Funktion (i vanlig mat. betydelse): 610321 11111 22222 33333 Maria Eva Sture Olle För varje
Läs merGIS, databasteknik och kartografi. Kursmaterial för databasdelen
GIS, databasteknik och kartografi Kursmaterial för databasdelen Våren 2004 Innehåll Objekt och objektklasser......................... 3 Samband och sambandsklasser...................... 4 Övningsuppgifter:
Läs merRelationsmodellen. Relations modellen är idag den mest änvända datamodellen för kommersiella
Relationsmodellen 2-1 Relationsmodellen Relations modellen är idag den mest änvända datamodellen för kommersiella applikationer. Relationsdatabasstruktur En relationsdatabas består av en samling tabeller,
Läs merExplorativ övning 9 RELATIONER OCH FUNKTIONER
Explorativ övning 9 RELATIONER OCH FUNKTIONER Övningens syfte är att bekanta sig med begreppet relation på en mängd M. Begreppet relation i matematiska sammanhang anknyter till betydelsen av samma ord
Läs merKarlstads Universitet, Datavetenskap 1
* * * * DAV B04 - Databasteknik! "# $ %'&( ) KaU - Datavetenskap - DAV B04 - MGö 132 Riktlinjer när man vill skapa en databas 1) Designa så att det är lätt att förstå innebörden. Kombinera inte attribut
Läs merIT i organisationer och databasteknik
IT i organisationer och databasteknik Föreläsning 5 Analytisk databasdesign Arkitektur hos ett informationssystem Presentation Användargränssnitt via en browser Applikationslogik Data Java servlets som
Läs mer2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY!, där RIDKURS.KursId = KURS.KursId 3NF Hästnamn, Art, NY! NY! NY! NY!
ÖVNING 9 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs merDefinition av kombinatorisk logik Olika sätt att representera kombinatorisk logik Minimering av logiska uttryck
KOMBINATORISK LOGIK Innehåll Definition av kombinatorisk logik Olika sätt att representera kombinatorisk logik Minimering av logiska uttryck Boolesk algebra Karnaugh-diagram Realisering av logiska funktioner
Läs merGrunderna för relationsmodellen!
Grunderna för relationsmodellen! 1 Varför behöver jag lära mig relationsmodellen?! Relationsmodellen är den totalt dominerande datamodellen i moderna databassystem Beskriver databaser som en mängd tabeller
Läs merPga att (Nummer och Typ) tillsammans bestämmer övriga attribut funktionellt väljer vi (Nummer, Typ) till primärnyckel:
ÖVNING 1. PRODUKT(Nummer, Namn, Typ, Klass, Prisklass, Vikt, Volym, Fraktkostnad) Nummer, Typ Namn, Klass, Pris, Prisklass, Vikt, Volym, Fraktkostnad Namn, Typ Nummer Typ Klass Pris Prisklass Vikt, Volym,
Läs merSkriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18
LiTH, Tekniska högskolan vid Linköpings universitet 1(5) IDA, Institutionen för datavetenskap Juha Takkinen Skriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18 Lokal T2 och
Läs merNormalisering. Varför? För att åstadkomma en så bra struktur i databasen som möjligt med minimalt med dubbellagrad info.
Normalisering Varför? För att åstadkomma en så bra struktur i databasen som möjligt med minimalt med dubbellagrad info. Tillbaka i modelleringsfasen. 1NF: Vad menas med ett sammansatt attribut? Exempel:
Läs merLösningsförslag, tentamen i Databaser
LUNDS TEKNISKA HÖGSKOLA 1(4) Institutionen för datavetenskap Lösningsförslag, tentamen i Databaser 2004-04-20 1. ER-diagram: Matsedel år vecka serveras 1..5 lagas-med Maträtt Ingrediens dag mängd Allergi
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-12-18 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merUppföljning av diagnostiskt prov HT-2016
Uppföljning av diagnostiskt prov HT-0 Avsnitt Ungefärligen motsvarande uppgifter på diagnosen. Räknefärdighet. Algebra, ekvationer, 8 0. Koordinatsystem, räta linjer 8 0. Funktionerna ln och e.. Trigonometri
Läs merENDIMENSIONELL ANALYS B1 FÖRELÄSNING II. Föreläsning II. Mikael P. Sundqvist
Föreläsning II Mikael P. Sundqvist Att bygga matematisk teori Odefinierade begrepp Axiom påstående som ej behöver bevisas Definition namn på begrepp Sats påstående som måste bevisas Lemma hjälpsats Proposition
Läs merTENTAMEN För kursen. Databasteknik. Ansvarig för tentamen: Anna Palmquist. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2015-11-06 TID: 14 19 Ansvarig för tentamen: Anna Palmquist Förfrågningar: 0734-612003 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merLösningar till utvalda uppgifter i kapitel 1
Lösningar till utvalda uppgifter i kapitel. Vi utnyttjar definitionen av skalärprodukt som ger att u v u v, där α är (minsta) vinkeln mellan u v. I vårt fall så får vi 7 =. Alltså är den sökta vinkeln
Läs merTENTAMEN TDDB77 Databaser och Bioinformatik 22 augusti 2006, kl 14-18
Institutionen för datavetenskap Linköpings universitet TETAME TDDB77 Databaser och Bioinformatik 22 augusti 2006, kl 14-18 Jourhavande lärare: Lena Strömbäck (Patrick Lambrix, 0703-492066) Poäng: Tentan
Läs merLogisk databasdesign
NORMALISERING Peter Bellström Logisk databasdesign 2 Arbetssteget vars syfte är att konstruera en modell (diagram, schema), baserad på en specifik datamodell, över verksamhetens begrepp och samband. Modellen
Läs merKarlstads Universitet, Datavetenskap 1
DAV B04 - Databasteknik KaU - Datavetenskap - DAV B04 - MGö 1 Normalisering Förut sunt förnuft Nu formell metod riktlinjer för att hjälpa till att gruppera attributen (egenskaperna) för varje relation
Läs merKompletteringsmaterial. K2 Något om modeller, kompakthetssatsen
KTH Matematik Bengt Ek Maj 2008 Kompletteringsmaterial till kursen SF1642, Logik för D1 och IT3: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och
Läs merNormalisering. Christer Stuxberg Institutionen för Informatik och Media
Normalisering Christer Stuxberg christer.stuxberg@im.uu.se Institutionen för Informatik och Media Översikt Normalisering Dataredundans och Uppdateringsanomalier Anomalier vid insättning Anomalier vid borttagning
Läs merFilosofisk logik Kapitel 15. Robin Stenwall Lunds universitet
Filosofisk logik Kapitel 15 Robin Stenwall Lunds universitet Dagens upplägg Första ordningens mängdlära Naiv mängdlära Abstraktionsaxiomet (eg. comprehension) Extensionalitetsaxiomet Små mängder Ordnade
Läs merFöreläsning 9: NP-fullständighet
Föreläsning 9: NP-fullständighet Olika typer av problem: 1. Beslutsproblem: A(x) =Ja. 2. Optimeringsproblem: A(x) =m Vanligen max/min. 3. Konstruktionsproblem: A(x) =En struktur. Vanligen lösningen till
Läs merKarlstads Universitet, Datavetenskap 1
2003-01-20 DAV B04 - Databasteknik 2003-01-20 KaU - Datavetenskap - DAV B04 - MGö 26 Relationsmodellen En formell teori som baserar sig på (främst) mängdlära predikatlogik Föreslogs av E.F Codd 1970 i
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://w3.msi.vxu.se/users/pa/vektorgeometri/gymnasiet.html Institutionen för datavetenskap, fysik och matematik Linnéuniversitetet Vektorer i planet
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-08-20 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merFöreläsning 6: Normalisering & funktionella beroenden
Föreläsning 6: Normalisering & funktionella beroenden DVA234 Databaser IDT Akademin för Innovation, Design och Teknik Innehåll Föreläsningens mål: Att ge en överblick över hur normalisering fungerar Önskvärda
Läs merFöreläsning 8: Intro till Komplexitetsteori
Föreläsning 8: Intro till Komplexitetsteori Formalisering av rimlig tid En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Räta linjens och planets ekvationer II Innehåll
Läs merAlgebra och Diskret Matematik A (svenska)
MITTUNIVERSITETET TFM Tentamen 2007 MAAA99 Algebra och Diskret Matematik A (svenska) Skrivtid: 5 timmar Datum: 7 juni 2007 Denna tenta omfattar 8 frågor, där varje fråga kan ge 3 poäng. Maximalt poängantal
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-11-07 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merFinaltävling i Uppsala den 24 november 2018
SKOLORNAS MATEMATIKTÄVLING Svenska matematikersamfundet Finaltävling i Uppsala den 4 november 018 1. Låt ABCD vara en fyrhörning utan parallella sidor, som är inskriven i en cirkel. Låt P och Q vara skärningspunkterna
Läs merRepetition inför tentamen
Sidor i boken Repetition inför tentamen Läxa 1. Givet en rätvinklig triangel ACD, där AD = 10 cm, AB = 40 cm och BC = 180 cm. Beräkna vinkeln BDC. Läxa. Beräkna omkretsen av ABC, där BE = 4 cm, EA = 8
Läs merLösningsförslag till Exempel tentamen
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Lösningsförslag till Exempel tentamen 2I-1033 IT i Organisationer och Databasteknik Tentamenstiden är 5 timmar Skriv bara på
Läs merKonceptuella datamodeller
Databasdesign Relationer, Nycklar och Normalisering Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Konceptuella datamodeller Om man ska skapa en databas som beskriver en del av verkligheten
Läs merPeanos axiomsystem för de naturliga talen
5B1493, lekt 3, HT06 P1. Det finns ett naturligt tal 0. Peanos axiomsystem för de naturliga talen P2. Varje natutligt tal n har en s.k. efterföljare n +. P3. Om n + = m + så är n = m. P4. Inget naturligt
Läs merFrågeoptimering. Frågeoptimering kapitel 14
Frågeoptimering kapitel 14 Frågeoptimering sid Introduktion 1 Transformering av relationsuttyck 4 Kataloginformation för kostnadsestimering Statisk information för kostnadsestimering Kostnadsbaserad optimering
Läs merK2 Något om modeller, kompakthetssatsen
KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och fullständighetssatsen
Läs merMaterial till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning
Matematik, KTH Bengt Ek november 207 Material till kursen SF679, Diskret matematik: Lite om kedjebråk 0 Inledning Talet π (kvoten mellan en cirkels omkrets och dess diameter) är inte ett rationellt tal
Läs merKap Inversfunktion, arcusfunktioner.
Kap 3. 3.5. Inversfunktion, arcusfunktioner. 30. (A) Förenkla uttrycken så långt som möjligt a. ln 8 ln + ln 8 ln + ln b. ln 3 log 0 3 log 0 e + 3 ln 3 log 3 e 30. (A) Lös ekvationerna a. e x = e x b.
Läs merKTH Matematik B.Ek Lösningar tentamen 5B1928 Logik för D (och IT), 29 augusti 2007
KTH Matematik B.Ek Lösningar tentamen 5B1928 Logik för D (och IT), 29 augusti 2007 1) Det handlar om knarröborna A, B och C. A säger: Om C är kung är vi alla det. B säger: A och C är olika sorter. Vad
Läs merKongruens och likformighet
Kongruens och likformighet Torbjörn Tambour 23 mars 2015 I kompendiet har jag tagit kongruens- och likformighetsfallen mer eller mindre som axiom, vilket jag nu tycker är olyckligt, och de här sidorna
Läs merTrigonometri. Sidor i boken 26-34
Sidor i boken 6-34 Trigonometri Definition: Gren av matematiken som studerar samband mellan vinklar och sträckor i planet (och rymden). Det grundläggande trigonometriska problemet är att beräkna alla sidor
Läs merMatriser. En m n-matris A har följande form. Vi skriver också A = (a ij ) m n. m n kallas för A:s storlek. 0 1, 0 0. Exempel 1
Matriser En m n-matris A har följande form a 11... a 1n A =.., a ij R. a m1... a mn Vi skriver också A = (a ij ) m n. m n kallas för A:s storlek. Exempel 1 1 0 0 1, 0 0 ( 1 3 ) 2, ( 7 1 2 3 2, 1 3, 2 1
Läs merFinaltävling i Umeå den 18 november 2017
KOLORNA MATEMATIKTÄVLING venska matematikersamfundet Finaltävling i Umeå den 18 november 017 1. Ett visst spel för två spelare går till på följande sätt: Ett mynt placeras på den första rutan i en rad
Läs merAlgebra I, 1MA004. Lektionsplanering
UPPSALA UNIVERSITET Matematiska Institutionen Dan Strängberg HT2016 Fristående, IT, KandDv, KandMa, Lärare 2016-11-02 Algebra I, 1MA004 Lektionsplanering Här anges rekommenderade uppgifter ur boken till
Läs merOm semantisk följd och bevis
Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om semantisk följd och bevis Logik handlar bla om studiet av korrekta slutledningar, dvs frågan om när det är riktigt
Läs merTentamen TMV210/MMGD10 Inledande Diskret Matematik, D1/GU
Tentamen TMV210/MMGD10 Inledande Diskret Matematik, D1/GU 2015-10-24 kl. 8.30 12.30 Examinator: Peter Hegarty, Matematiska vetenskaper, Chalmers Telefonvakt: Matteo Molteni, telefon: 0703 088 304 Hjälpmedel:
Läs merSidor i boken Figur 1:
Sidor i boken 5-6 Mer trigonometri Detta bör du kunna utantill Figur 1: Triangeln till vänster är en halv liksidig triangel. Varje triangel med vinklarna 0,60,90 är en halv liksidig triangel. Hypotenusan
Läs merProgramdesign, databasdesign. Databaser - Design och programmering. Funktioner. Relationsmodellen. Relation = generaliserad funktion.
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Programdesign, databasdesign Databasdesign Konceptuell design Förstudie, behovsanalys
Läs mer{ } { } En mängd är en samling objekt A = 0, 1. Ex: Mängder grundbegrepp 5 C. Olof M C = { 7, 1, 5} M = { Ce, Joa, Ch, Je, Id, Jon, Pe}
Mängder grundbegrepp En mängd är en samling objekt Ex: { } { } A = 0, 1 B = 0 C = { 7, 1, 5} tomma mängden (har inga element) D = { 1, 2, 3,, 10} M = { Ce, Joa, Ch, Je, Id, Jon, Pe} kallas element i mängden
Läs merTentamen DATABASTEKNIK - 1DL116
Uppsala universitet Institutionen för informationsteknologi Kjell Orsborn Tentamen 2003-05-20 DATABASTEKNIK - 1DL116 Datum...Tisdagen den 20 Maj, 2003 Tid...12:00-17:00 Jourhavande lärare...kjell Orsborn,
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 3: Bevissystem, Hilbertsystem Henrik Björklund Umeå universitet 8. september, 2014 Bevissystem och Hilbertsystem Teorier och deduktionsproblemet Axiomscheman
Läs merExempel tentamen. Skriv bara på en sida av pappret Skriv namn på varje papper Skriv läsligt, annars rättas inte tentamen Alla hjälpmedel är tillåtna
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Exempel tentamen 2I-1100 Informationssystem och Databasteknik Tentamen är öppen i så motto att läroböcker, föreläsningsanteckningar,
Läs merFilosofisk logik Kapitel 19. Robin Stenwall Lunds universitet
Filosofisk logik Kapitel 19 Robin Stenwall Lunds universitet Dagens upplägg Gödels fullständighetsteorem Sundhet och fullständighet Fullständighetsbeviset Vittneskonstanter Henkinteorin Eliminationsteoremet
Läs merTENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18 Jourhavande lärare: Jose M. Peña (1651) Poäng: Tentan består av 2 delar. För godkänd krävs
Läs merNöjd Medarbetar Index 2012
Kod: 35015273-4EDD20 Kod: 35015274-3B8D36 Kod: 35015275-0F4A36 Kod: 35015276-1F8B23 Kod: 35015277-860103 Kod: 35015278-BF5703 Kod: 35015279-84AD82 Kod: 35015319-26C3AF Kod: 35015545-8C9D82 Kod: 35015546-91D178
Läs merÖVNING 10 2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY! 3NF Hästnamn, Art, NY! NY! NY! NY! KursId, StartDatum, SlutDatum KursId NY!
ÖVNING 10 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs mer10.4. Linjära höljet LINJÄRA RUM
98 LINJÄRA RUM.4. Linjära höljet Definition.37. Mängden av alla linjärkombinationer av M = {v, v,...,v n } iett linjärt rum V kallas för linjära höljet av M betecknas [M], dvs [M] ={u V : u = λ v + λ v
Läs merTDDI60 Tekniska databaser
Lena Strömbäck 2006-10-13 Skriftlig tentamen i kursen TDDI60 Tekniska databaser Datum: 2006-10-13 Tid: 8-12 Lokal: T2, U3 Hjälpmedel: Engelsk ordlista tillåten ej elektronisk Poängränser: Tentamen består
Läs merIdag. Hur vet vi att vår databas är tillräckligt bra?
Idag Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? DD1370 (Föreläsning 6) Databasteknik
Läs merÖvningshäfte 6: 2. Alla formler är inte oberoende av varandra. Försök att härleda ett par av de formler du fann ur några av de övriga.
GÖTEBORGS UNIVERSITET MATEMATIK 1, MAM100, HT2005 MATEMATISK BASKURS Övningshäfte 6: Syftet med övningen är att utforska strukturen hos talsystemen under addition respektive multiplikation samt sambandet
Läs merFöreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 7+8: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merMatematiska uppgifter
Elementa Årgång 67, 984 Årgång 67, 984 Första häftet 3340. a) Vilket av talen A = 984( + + 3 + + 984 ) är störst? b) Vilket av talen B 3 = 3 + 3 + 3 3 + + 984 3 är störst? A / = 984( + + 3 + + 984) B =
Läs merTentamen i Databasteknik
Tentamen i Onsdagen den 7 mars 2007 Tillåtna hjälpmedel: Allt skrivet material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs merNORMALISERING. Mahmud Al Hakim
NORMALISERING Mahmud Al Hakim mahmud@webacademy.se 1 SCHEMA Schema eller databasschema är en beskrivning av vilka data som kan finnas i en databas, oberoende av vilka data (innehållet) som råkar finnas
Läs merFöreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 8+9: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merDatabasteori. Övningar
Databasteori Övningar Erik Prytz Uppdaterad november 2014, november 2015 Eva L. Ragnemalm November 2009, uppdaterad april 2010 Kapitel 1: ER- modellering Skapa ER- diagram för nedanstående övningar (läs
Läs merÖVNING 10 2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY! 3NF Hästnamn, Art, NY! NY! NY! NY! KursId, StartDatum, SlutDatum KursId NY!
ÖVNING 10 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2013-12-12 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merSidor i boken 8-9, 90-93
Sidor i boken 8-9, 90-93 Absolutbelopp Men först lite om Absolutbelopp., kallas absolutbeloppet av, och är avståndet för till origo på tallinjen. Som bekant är avståndet till origo för talet 4, 4. Detta
Läs merDatabaser - Design och programmering. Relationsmodellen. Relationer - som tabeller. Relationer som tabeller. Alternativa notationer: Relationsschema
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Relationsmodellen Introducerades av Edward Codd 970 Mycket vanlig Stödjer kraftfulla
Läs merDigitalteknik syntes Arne Linde 2012
Digitalteknik, fortsättningskurs Föreläsning 3 Kombinatoriska nät 202 VHDL repetition + Strukturell VHDL Lite repetition + Karnaughdiagram(4-6var), flera utgångar + Quine-McCluskey + intro tid 2 Entity
Läs merTentamen TMV210 Inledande Diskret Matematik, D1/DI2
Tentamen TMV20 Inledande Diskret Matematik, D/DI2 208-0-27 kl. 4.00 8.00 Examinator: Peter Hegarty, Matematiska vetenskaper, Chalmers Telefonvakt: Anton Johansson, telefon: 5325 (alt. Peter Hegarty 070-5705475)
Läs merLKT325/LMA521: Faktorförsök
Föreläsning 3 Innehåll Reducerade försöksplaner Generatorer Denierande relationer Ord Upplösning Reducerade försöksplaner Varje mätning kommer med en kostnad. I många fall är den kostnaden så dyr att man
Läs merSMD033 Digitalteknik. Digitalteknik F1 bild 1
SMD033 Digitalteknik Digitalteknik F1 bild 1 Vi som undervisar Anders Hansson A3209 91 230 aha@sm.luth.se Digitalteknik F1 bild 2 Registrering Registrering via email till diglabs@luth.se Digitalteknik
Läs mer1 som går genom punkten (1, 3) och är parallell med vektorn.
KTH Matematik Extra uppgifter på linjär algebra SF1621 Analytiska metoder och linjär algebra 2 för OPEN och T Förkunskaper Obs en del av detta är repetition från förra kursen Men innan ni ens börjar med
Läs mer1. (3p) Ett RSA-krypto har parametrarna n = 77 och e = 37. Dekryptera meddelandet 3, dvs bestäm D(3). 60 = = =
Matematiska Institutionen KTH Lösningar till tentamensskrivning på kursen Diskret Matematik, moment B, för D2 och F, SF63 och SF630, den 20 maj 2009 kl 08.00-3.00. Hjälpmedel: Inga hjälpmedel är tillåtna
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671
Institutionen för Matematik LINJÄR ALGEBRA OCH NUMERISK ANALYS F Göteborg --9 TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 OBS! NYA KURSEN DAG: Tisdag 9 januari TID: 8.45 -.45 SAL: V Ansvarig:
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen DEL A
SF64 Algebra och geometri Lösningsförslag till tentamen 533 DEL A Planet H ges av ekvationen 3x y + 5z + a) Bestäm en linje N som är vinkelrät mot H ( p) b) Bestäm en linje L som inte skär planet H ( p)
Läs merKTHs Matematiska Cirkel. Reella tal. Joakim Arnlind Tomas Ekholm Andreas Enblom
KTHs Matematiska Cirkel Reella tal Joakim Arnlind Tomas Ekholm Andreas Enblom Institutionen för matematik, 2005 Finansierat av Marianne och Marcus Wallenbergs Stiftelse Innehåll 1 Mängdlära 7 1.1 Mängder...............................
Läs merExplorativ övning euklidisk geometri
Explorativ övning euklidisk geometri De viktigaste begreppen och satser i detta avsnitt är: Kongruens och likhet mellan sträckor, vinklar och trianglar. Kongruensfallen för trianglar. Parallella linjer
Läs merMoment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6
Moment 6., 6. Viktiga exempel 6.-6. Övningsuppgifter T6.-T6.6 Matriser Definition. En matris är ett schema med m rader och n kolonner eller kolumner, som vi kallar dem i datalogin innehållande m n element.
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Areor, vektorprodukter, volymer och determinanter
Läs merTentamen i Linjär algebra (TATA31/TEN1) , 8 13.
Linköpings universitet Matematiska institutionen Ulf Janfalk Kurskod: TATA Provkod: TEN (p) (p) (p) Tentamen i Linjär algebra (TATA/TEN) 8 4, 8. Inga hjälpmedel. Ej räknedosa. För godkänt räcker 9 poäng
Läs merInduktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen
Föreläsning 3 Induktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen Mängder Induktion behöver inte börja från 1, Grundsteget kan vara P (n 0 ) för vilket heltal n 0 som
Läs merMatematik CD för TB. tanv = motstående närliggande. tan34 = x 35. x = 35tan 34. x 23.6. cosv = närliggande hypotenusan. cos40 = x 61.
Föreläning 8 Problem hämtade från boken idan 15 A 510 a) Rätvinklig triangel med vinkel och katet given. Mottående katet efterfråga. tan4 = x 5 x = 5tan 4 Svar:.6 cm x.6 A 510 b) Vinkel och hypotenuan
Läs merMoment 4.11 Viktiga exempel 4.32, 4.33 Övningsuppgifter Ö4.18-Ö4.22, Ö4.30-Ö4.34. Planet Ett plan i rummet är bestämt då
Moment 4.11 Viktiga exempel 4.32, 4.33 Övningsuppgifter Ö4.18-Ö4.22, Ö4.30-Ö4.34 Planet Ett plan i rummet är bestämt då två icke parallella riktningar, v 1 och v 2, och en punkt P 1 i planet är givna.
Läs merOm ordinaltal och kardinaltal
Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om ordinaltal och kardinaltal (Ännu ofullständig version) Mängdteorin kan ses som grunden för all matematik Här skall
Läs mer