Oddělení technické informatiky Technická univerzita v Liberci
|
|
- Jayson Hutchinson
- 6 years ago
- Views:
Transcription
1 Outline Július 1,2 1 Ústav informatiky AV ČR, v.v.i. stuller@cs.cas.cz 2 Fakulta mechatroniky, informatiky a mezioborových studíı Oddělení technické informatiky Technická univerzita v Liberci Přednáška z Relačných databázových systémov, 28. marca 2013
2 Outline Outline 1 Historický kontext 2 RMD
3 Outline Outline 1 Historický kontext 2 RMD
4 Optimalizačné problémy (1971: Schwartz)... even if all problems arising from block addressability are ignored, a large number of design problems remain. Many of these are optimization problems of various kinds, generally having to do with methods for reducing the size of the otherwise very lengthy searches necessary to locate particular items to be retrieved.... the retrieval processes to be carried out are easily described in set-theoretical terms, so that the problems of the data base area are problems of efficiency rather than problems of description.
5 Abstraktný pohl ad (Schwartz)... the operations associated with data base processing are from the abstract set theoretical point of view extremely simple. They generally only require that certain straightforward combinations of the basic operations: subset extraction union intersection counting totalling and maximization be carried out.
6 Príklad č. 1 (Schwartz) How many employees belonging to organization central staff speak Chinese? print # { x employees department (x) eq centralstaff and Chinese languagesspoken (x)} We can rewrite the last two lines as follows: Card({x E d(x) = c 1 and c 2 l(x)}) and we see that the nucleus of a general query is simply the following one: { x S P (x) }, where P is an appropriate predicate.
7 Záver Data base problems are generally quite simple from the logical point of view, and easily formulated in set-theoretical terms.
8 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join
9 Definícia (1970: Codd) Given sets S 1, S 2,..., S M (not necessarily distinct), R is a relation on these m sets if it is a subset of the cartesian product S 1 S 2... S M (set of m-tuples each of which has its first element from S 1, its second element from S 2, and so on). S j is the jth domain of R.
10 Abstraktný pohl ad (Schwartz [1971]) A data base can be regarded as an encoded representation of certain sets S 1, S 2,..., S N (the files of the data base) together with a certain collection of mapping f 1,..., f m. Certain of these mappings will define value or attribute functions, i. e. will assign to one or another of their sets S i attributes whose meaning is external to the data base itself.... Other mappings will be cross-reference mappings which assign elements of one set S j to elements of another set S i....
11 Poznámka č. 1 Je možné použit maticovú (array) reprezentáciu relácie: Maroko Líbya Tunisko s následujúcima vlastnost ami: Rabat Tripoli Tunis P1: Každý riadok reprezentuje jednu m-ticu relácie R. P2: Poradie riadkov nie je dôležité. P3: Všetky riadky sú rôzne.
12 Poznámka č. 1 - pokračovanie P4: Poradie stĺpcov je dôležité odpovedá usporiadaniu S 1, S 2,..., S M domén, nad ktorými je relácia R definovaná. Kain Brutus Ábel César
13 Poznámka č. 1 - pokračovanie č. 2 P5: Význam každého stĺpca je možné čiastočne označit jeho pomenovaním názvom príslušnej domény. Americkí Prezidenti Clinton Bush Reaggan Carter Ford Nixon Johnson Keneddy Vice Prezidenti Gore Quale Bush Mondale Rockefeller Ford Humprey Johnson
14 Komentár č. 1 Aj ked označíme stĺpce názvami odpovedajúcich domén, na usporiadaní stĺpcov môže záležat : Môžeme mat reláciu s dvoma (alebo viacerými) rovnakými doménami vid následujúci príklad.
15 Príklad č. 2 Part Part Quantity Computer System board 1 System board I/O Support 1 I/O Support Keybord attachement 1 I/O Support Mouse attachement 1 I/O Support 8-bit IAS Slot 1 I/O Support 16-bit IAS Slot 6 I/O Support 32-bit VESA Slot 3 I/O Support Speaker attachement 1
16 Definícia v RMD (Relačný Model Dát) je (usporiadaná) trojica A, D, T kde 1. A je konečná množina názvov atribútov (rôznych slov konečnej dĺžky nad určitou abecedou). 2. D je zobrazenie, ktoré každému názvu atribútu a A priradí neprázdnu, nanajvýš spočetnú, množinu označenú D ( a ), ktorú budeme nazývat doména atribútu a. (Domény nemusia byt rôzne!) 3. T je konečná podmnožina kartézského súčinu všetkých domén atribútov D(a).
17 Príklad č. 3 - pokračovanie Components: Namiesto maticovej reprezentácie budeme v následujúcom používat tabulkovú reprezentáciu : Assembly: Parts Subassembly: Parts Quantity: Natural Numbers Computer System board 1 System board I/O Support 1 I/O Support Keybord attachment 1 I/O Support Mouse attachment 1 I/O Support 8-bit IAS Slot 1 I/O Support 16-bit IAS Slot 6 I/O Support 32-bit VESA Slot 3 I/O Support Speaker attachment 1
18 Príklad č. 3 - pokračovanie č. 2 Zjednodušená forma (bez uvádzania domén v hlavičke tabulky) Components : Assembly Subassembly Quantity Computer System board 1 System board I/O Support 1 I/O Support Keybord attachment 1 I/O Support Mouse attachment 1 I/O Support 8-bit IAS Slot 1 I/O Support 16-bit IAS Slot 6 I/O Support 32-bit VESA Slot 3 I/O Support Speaker attachment 1
19 Príklad č. 3 - pokračovanie č. 3 Components k : Assembly Quantity Subassembly Computer 1 System board System board 1 I/O Support I/O Support 1 Keybord attachment I/O Support 1 Mouse attachment I/O Support 1 8-bit IAS Slot I/O Support 6 16-bit IAS Slot I/O Support 3 32-bit VESA Slot I/O Support 1 Speaker attachment
20 Definícia č. 1 v RMD je trojica A, D, T kde 1. A je konečná množina názvov atribútov. 2. D je zobrazenie, ktoré každému názvu atribútu a A priradí príslušnú doménu D(a). Pomocou D(A) označíme zjednotenie všetkých domén D(a) a budeme ho nazývat databázovou doménou. 3. T je konečná množina zobrazení t z A do databázovej domény D(A) takých, že t(a) D(a) pre všetky a A.
21 Poznámka č. 2 Budeme používat opät tabulkovú reprezentáciu, avšak tentokrát tabulka reprezentujúca reláciu bude mat následujúce vlastnosti: Dohoda č. 1 P1: Každý riadok reprezentuje jedno zobrazenie t z T. P2: Poradie riadkov nie je dôležité. P3: Všetky riadky sú rôzne. P4: Poradie stĺpcov nie je dôležité. Namiesto názov atribútu budeme stručne hovorit iba o atribúte. Dohoda č. 2 Aj nad alej budeme používat názov entica pre prvky T.
22 Poznámka č. 3 Majúc vhodnú definíciu relácie sa môžeme vrátit ku Coddovej vízii databázy: The totality of data in a data bank may be viewed as a collection of time-varying relations. These relations are of assorted degrees. As time progresses, each m-ary relation may be subject to insertion of additional m-tuples, deletion of existing ones, and alteration of components of any of its existing m-tuples.
23 Charakteristiky (Schwartz) Within a data base one characteristically finds: a. Relatively few, but often quite large sets S i (These are the main files of the data base.) b. Items may be added to & substracted from these sets S i c. Particular values of maps may be changed with fair frequency as a data base is updated...
24 Poznámka č. 3 Majúc vhodnú definíciu relácie sa môžeme vrátit ku Coddovej vízii databázy: The totality of data in a data bank may be viewed as a collection of time-varying relations. These relations are of assorted degrees. As time progresses, each m-ary relation may be subject to insertion of additional m-tuples, deletion of existing ones, and alteration of components of any of its existing m-tuples.
25 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join
26 Za účelom podrobnejšieho preskúmania relácíı začneme definíciou pojmu rovnost relácíı: Definícia č. 2 Bud te R i = A i, D i, T i, i {1, 2}, dve relácie také, že: 1. A 1 = A 2 2. D 1 = D 2 3. T 1 = T 2 Potom povieme, že tieto dve relácie sú rovnaké (a budeme poúživat bežné značenie: R 1 = R 2 ).
27 Príklad č. 4 Prezidenti Clinton Bush Reaggan Carter Ford Nixon Johnson Keneddy R 1 Vice Prezidenti Gore Quale Bush Mondale Rockefeller Ford Humprey Johnson R 2 Vice Prezidenti Johnson Humprey Ford Rockefeller Mondale Bush Quale Gore Prezidenti Keneddy Johnson Nixon Ford Carter Reaggan Bush Clinton R 1 = R 2
28 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join
29 Komentár č. 4 Pojem rovnosti je špeciálnym prípadom obecnejšieho pojmu, menovite ekvivalencie, ktorú si teraz zavedieme.
30 Príklad č. 5 R 1 Prezident USA Vice Prezident Clinton Gore Bush Quale Reaggan Bush Carter Mondale Ford Rockefeller Nixon Ford Johnson Humprey Keneddy Johnson R 2 Prezident Vice Prez. Clinton Gore Bush Quale Reaggan Bush Carter Mondale Ford Rockefeller Nixon Ford Johnson Humprey Keneddy Johnson Značenie 1 m = {1, 2,, m}
31 Definícia Bud te R i = A i, D i, T i, i {1, 2}, dve relácie také, že: 1. A 1 = A 2 ( = m ) ( A i = {a ij j m}, i {1, 2} ) 2. ( i m ) ( D 1 (a 1i ) = D 2 (a 2i ) ) D 1 D 2
32 Definícia - pokračovanie 3. T 1 = T 2 ( = n ) ( T i = {t ik k n}, i {1, 2} ) ( k n ) ( i m ) ( t 1k (a 1i ) = t 2π(k) (a 2i ) ) ( k n ) ( t 1k (A 1 ) = t 2π(k) (A 2 ) ) T 1 T 2 kde π je vhodná permutácia v n. Potom povieme, že tieto dve relácie su ekvivalenté.
33 Ekvivalencia Komentár č. 5 Môžeme však íst ešte d alej: - môžeme nahradit bod 2. následujúcim: 2. ( i m ) ( D 1 (a 1i ) = D 2 (a 2π(i) )) D 1 D 2 kde π je vhodná permutácia v m. Toto potom vedie k následujúcej definícii ekvivalencie relácíı:
34 Definícia č. 3 Bud te R i = A i, D i, T i, i {1, 2}, dve relácie také, že: 1. A 1 = A 2 ( A i = {a ij j m}, i {1, 2} ) ( = m ) 2. ( i m ) ( D 1 (a 1i ) D 2 (a 2π(i) ) ) D 1 (A 1 ) D 2 (π(a 2 )) kde π je vhodná permutácia v m
35 Definícia č. 3 - pokračovanie 3. T 1 = T 2 ( T i = {t ik k n}, i {1, 2} ) ( k n ) ( i m ) (t 1k (a 1i ) = t 2ρ(k) (a 2π(i) )) ( k n ) ( t 1k (A 1 ) = t 2ρ(k) (π(a 2 ) ) ( = n ) kde ρ and π sú vhodné permutácie v n and m. T 1 T 2 (π(a 2 ) )
36 Definícia č. 3 - pokračovanie č. 2 T 1 T 2 Potom povieme, že tieto dve relácie sú Značenie: R 1 R 2. ekvivalenté.
37 Príklad č. 6 R 1 Prezident USA Vice Prezident Clinton Gore Bush Quale Reaggan Bush Carter Mondale Ford Rockefeller Nixon Ford Johnson Humprey Keneddy Johnson R 2 Vice Prez. Prezident Johnson Keneddy Humprey Johnson Ford Nixon Rockefeller Ford Mondale Carter Bush Reaggan Quale Bush Gore Clinton R 1 R 2
38 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join
39 Ekvivalentné relácie Podl a predchádzajúcich definicíı môžeme rozhodnút kedy sú dve relácie z (danej) množiny relácíı, označenej R ekvivalentné alebo dokonca rovnaké. V následujúcom často nebudeme rozlišovat medzi jednotlivými ekvivalentnými reláciami. (V takom prípade budeme vlastne pracovat nad tzv. faktorovou množinou, t.j. množinou tried ekvivalencie R / ).
40 Usporiadanie Môžeme zadefinovat usporiadanie medzi reláciami následovne: Definícia také že: Bud te R i = A i, D i, T i, i {1, 2}, dve relácie 1. A 1 = A 2 2. D 1 = D 2 3. T 1 T 2 Potom povieme, že relácia R 1 je podreláciou relácie R 2 čo budeme značit : R 1 R 2.
41 Príklad č. 7 Zavraždení prezidenti USA Prezident Vice Prezident Keneddy Johnson Prezidenti USA Prezident Vice Prezident Clinton Gore Bush Quale Reaggan Bush Carter Mondale Ford Rockefeller Nixon Ford Johnson Humprey Keneddy Johnson Zavraždení prezidenti USA Prezidenti USA
42 Komentár č. 6 Opät môžeme zobecnit pojem podrelácie vo viacerých smeroch. Môžeme nahradit podmienky následujúcimi: 1. A 1 = A 2 2. D 1 (A 1 ) D 2 (π(a 2 )) 3. ( t T 1 ) ( u T 2 ) (t(a 1 ) = u(π(a 2 ))) T 1 (A 1 ) T 2 (A 2 ) (kde π je vhodná permutácia v m)
43 Komentár č. 7 Neskôr, po zavedení operácie projekcie, sa ešte raz vrátime k zobecneniu definície podrelácie. V každom prípade, už teraz, nám pojem podrelácie dáva možnost zaviest čiastočné usporiadanie na množine relácíı.
44 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join
45 Nakol ko relácie sú, v určitom zmysle, množiny (zobrazení), môžeme nad nimi prevádzat všetky bežné množinové operácie.
46 Unárne operácie Definícia 5 Nech R = A, D, T je relácia. Aktívna doména atribútu a ( A), vzhl adom k relácii R, je následujúca podmnožina domény D(a) : αd(a, R) = { d D(a) ( t T ) (t(a) = d) } Aktívny doplnok relácie R je relácia R = A, D, T, kde: T = { t : A D(A) (( a A) (t(a) αd(a))) (t T ) }
47 Doplnok Doplnok relácie R je (usporiadaná) trojica R = A, D, T, kde: T = { t : A D(A) (( a A) (t(a) D(a))) (t T ) }
48 Vlastnosti doplnku Lema č. 1 V prípade nekonečnej databázovej domény doplnok relácie nemusí byt relácia. Dôsledok č. 1 Doplnok relácie je čiastočná unárna operácia. Dôsledok č. 2 Aktívny doplnok relácie je úplná unárna operácia. Poznámka č. 4 V d alšom (ak neuvedieme explicitne ináč) budeme používat iba aktívny doplnok, ktorý budeme v krátkosti nazývat iba doplnok.
49 Binárne operácie Definícia č. 6 Bud te R i = A i, D i, T i dve relácie s rovnakým počtom atribútov ( A 1 = A 2 ).
50 Prienik Prienik relácíı R i je relácia označená R 1 R 2 = A, D, T taká, že: 1. A = A 1 = A 2 2. D(A) D 1 (π(a 1 )) D 2 (ρ(a 2 )) (kde π a ρ sú vhodné permutácie) 3. T = { t : A D(A) ( (u, v) (T 1, T 2 )) (t(a) = u(π(a 1 )) = v(ρ(a 2 )))} T = (T 1 (π(a 1 )) T 2 (ρ(a 2 )))
51 Rozdiel Rozdiel relácíı R 1 a R 2 je relácia označená R 1 R 2 = A, D, T taká, že: 1. A = A 1 2. D(A) D 1 (π(a 1 )) (kde π je vhodná permutácia) 3. T = { t : A D(A) (( u T 1 )(t(a) = u(π(a 1 )))) (( v T 2 )(t(a) v(ρ(a 2 ))))} (kde π a ρ sú vhodné permutácie) T = (T 1 (π(a 1 )) T 2 (ρ(a 2 )))
52 Zjednotenie Zjednotenie relácíı R i je relácia označená R 1 R 2 = A, D, T taká, že: 1. A = A 1 = A 2 2. D(A) D 1 (π(a 1 )) D 2 (ρ(a 2 )) (kde π a ρ sú vhodné permutácie) 3. T = { t : A D(A) (( u T 1 ) ( v T 2 )) ((t(a) = u(π(a 1 ))) (t(a) = v(ρ(a 2 ))))} T = (T 1 (A 1 ) T 2 (A 2 ))
53 Codd The totality of data in a data bank may be viewed as a collection of time-varying relations. These relations are of assorted degrees. As time progresses, each m-ary relation may be subject to insertion of additional m-tuples, deletion of existing ones, and alteration of components of any of its existing m-tuples.
54 Codd The insertion of additional m-tuples corresponds to the union of the appropriate relations. The deletion of existing m-tuples corresponds to the difference of the appropriate relations. And The alteration of components of any of existing m-tuples can be expressed as a deletion followed by an insertion.
55 Algebraické vlastnosti relačných množinových operácíı Z pohladu obecnej algebry je možné jednoducho ukázat, že: unárna operácia: doplnok (nie aktívny) a binárne operácie: prienik rozdiel zjednotenie sú parciálne operácie. Prienik a zjednotenie sú komutatívne a associatívne. Vd aka asociativite môžeme tieto dve operácie zobecnit na lubovol nú vyššiu aritu n.
56 R =,, Označme R následujúcu reláciu: R =,,. Pomocou nej môžeme prienik a rozdiel rozšírit na totálne operácie (podobne ako aktívny doplnok) položiac pre prípady nepokryté Definíciou 6: R 1 R 2 = R R 1 R 2 = R 1
57 Algebraické vlastnosti relačných množinových operácíı č. 2 špeciálne: R 1 R = R R 1 R = R 1 R R 1 = R. Pridajúc: R sa chová ako: R 1 R = R 1 nula pre prienik pravá jednotka pre rozdiel l avá nula pre rozdiel jednotka pre zjednotenie.
58 Resumé Vd aka predchádzajúcim zobecneniam môžeme zhrnút : je: (čiastočne) usporiadaný grupoid vzhl adom k rozdielu (čiastočne) usporiadaný asociatívny Ábelový grupoid vzhl adom k zjednoteniu (čiastočne) usporiadaná Ábelova pologrupa vzhl adom k prieniku. Dohoda č. 3 V následujúcom budeme množinové operácie nad reláciami nazývat základnýmí operáciami.
59 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Čo však bolo naozaj nové v Coddovom RMD boli d alšie typy operácíı nad reláciami, ktoré predstavíme v následujúcej časti a ktoré budeme nazývat vyššie (relačné) operácie.
60 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
61 Projekcia Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Definícia č. 7 Nech R = A, D, T je relácia a A 1 A. Projekcia relácie R na atribúty A 1 je relácia značená R [ A 1 ] = A 1, D 1, T 1 taká, že: 1. D 1 = D/A 1 (reštrikcia zobrazenia D na podmnožinu A 1 ) 2. T 1 = { t : A 1 D 1 (A 1 ) ( u T ) (u(a 1 ) = t(a 1 ) } T 1 = T [ A 1 ]
62 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
63 Inklúzia relácíı Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Teraz sa môžeme vrátit k zobecneniu inklúzie relácíı:
64 Definícia č. 4 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Nech R i = A i, D i, T i, i {1, 2}, sú dve relácie, také že: 1. ( A 21 A 2 ) ( A 1 = A 21 ) ( = m ) 2. D 1 (A 1 ) (D 2 /A 21 )( π(a 21 )) ( kde π je vhodná permutácia v m ) 3. T 1 T 2 [ A 21 ] Potom povieme, že relácia R 1 je podreláciou relácie R 2 čo budeme značit : R 1 R 2.
65 Príklad č. 8 Poznámka ZPUSA Prezident Keneddy Prezident Clinton Bush Reaggan Carter Ford Nixon Johnson Keneddy Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Prezidenti USA Vice Prezident Gore Quale Bush Mondale Rockefeller Ford Humprey Johnson ZPUSA = Zavraždení Prezidenti USA [Prezident] ZPUSA Prezidenti USA
66 Minimálny element Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join V množine relácíı existuje najmenší prvok, konkrétne relácia R.
67 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
68 Antiprojekcia Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Značenie ( t, u ) označuje zobrazenie w : A D ( A ) také, že: w ( A 1 ) = t ( A 1 ) a w ( A 2 ) = u ( A 2 ). Definícia č. 8 Nech R = A, D, T je relácia a A 1 A. Antiprojekcia relácie R na atribúty A 1 je relácia značená R ] A 1 [ = A 1, D 1, T 1 taká, že: (A 2 = A A 1 ) 1. D 1 = D/A 1 2. T 1 = { t : A 1 D 1 ( A 1 ) ( u T [ A 2 ] ) ( ( t, u ) T ) } Značenie č. 3 T 1 = T ] A 1 [
69 Poznámka č. 8 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Množina T [ A 1 ] môže byt vyjadrená tiež ako: T [ A 1 ] = { t : A 1 D 1 ( A 1 ) ( u T [ A 2 ] ) ( ( t, u ) T ) } ( A 2 = A A 1 ) Porovnajúc to s výrazom pre množinu T ] A 1 [ T ] A 1 [ = { t : A 1 D 1 ( A 1 ) ( u T [ A 2 ] ) ( ( t, u ) T ) } môžeme vyslovit následujúce:
70 Lema č. 2 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Antiprojekcia sa ĺıši od projekcie iba nahradením existenčného kvantifikátora všeobecným kvantifikátorom. Dôsledok č. 3 V obecnom prípade platí následujúca inklúzia : R ] A 1 [ R [ A 1 ]
71 Príklad č. 9 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Jazykové znalosti Meno Jazyk Boris ruština François francúzština John angličtina Peter angličtina Peter francúzština Peter nemčina Peter ruština Wolfgan nemčina Jazykové znalosti [ Meno ] Meno Boris François John Peter Wolfgan
72 Príklad č. 9 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Jazykové znalosti Meno Jazyk Boris ruština François francúzština John angličtina Peter angličtina Peter francúzština Peter nemčina Peter ruština Wolfgan nemčina Jazykové znalosti ] Meno [ Meno Peter
73 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
74 Kartézsky súčin Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Nech R i = A i, D i, T i, i { 1, 2 }, sú dve relácie s disjunktnými množinami názvov atribútov: A 1 A 2 =. (Toto je možné vždy splnit premenovaním názvov atribútov.) Kartézsky súčin relácíı R i je relácia značená R 1 R 2 = A, D, T taká, že: 1. A = A 1 A 2 2. D / A i = D i / A i, i { 1, 2 } D = D 1 D 2 3. T = { t : A D ( A ) ( t ( A i ) = u i ( A i ) )( u i T i ) } T = T 1 T 2
75 Poznámka č. 9 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Kartézsky súčin je v určitom zmysle inverznou operáciou k operácii projekcia. Avšak v obecnom prípade platí iba následujúce lema: Lema č. 3 Nech R = A, D, T je relácia a A i A, i { 1, 2 }, také, že: A 2 = A A 1. Potom: R ( R [ A 1 ] R [ A 2 ] )
76 Príklad č.10 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Meno John Paul R Jazyk angličtina francúzština R [ Meno ] Meno John Paul R [ Jazyk ] Jazyk angličtina francúzština R [ Meno ] R [ Jazyk ] Meno Jazyk John angličtina John francúzština Paul angličtina Paul francúzština
77 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
78 Definícia č. 10 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Nech R i = A i, D i, T i, i { 1, 2 }, sú dve relácie a B i A i, i { 1, 2 }, dve množiny atribútov také, že D 1 ( B 1 ) D 2 ( π ( B 2 ) ). Spojenie relácíı R 1 a R 2, podl a atribútov ( množín...) B 1 a B 2, vzhl adom k rovnosti (nazývané spojenie na rovnost, anglicky equi-join), je relácia značená R 1 B1 = π(b 2 ) R 2 = A, D, T, taká, že:
79 Equi-join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join 1. A = A 1 A 2 2. D ( a j ) = D 1 ( a j ) D 2 ( a j ), j A D = D 1 D 2 3. T = { t : A D ( A ) ( ( i { 1, 2 } ) ( u i T i ) ) T = T 1 B1 = π(b 2 ) T 2 ( ( t ( A j ) = u j ( A j ) ) ( u 1 ( B 1 ) = u 2 ( π ( B 2 ) ) ) ) }
80 Dohoda č. 4 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join V prípade, že π je identita, rovnosti B i a takých B i, že sú maximálne (vo zmysle množinovej inklúzie ) s takouto vlastnost ou, budeme vynechávat index B1 = π(b 2 ) u symbolu a nazývat takéto spojenie stručne prirodzené spojenie R 1 a R 2.
81 Príklad č. 11 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Vedúci Meno R 1 Oddelenie Číslo Miro 21 Jirka 22 Emil 23 Zdeněk 24 R 2 Oddelenie Číslo Názov 21 CM 22 TCS 23 NM 24 MI R 1 R 2 Vedúci Oddelenie Meno Číslo Názov Miro 21 CM Jirka 22 TCS Emil 23 NM Zdeněk 24 MI
82 Dohoda č. 5 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join V následujúcom budeme množinu atribútov nazývat zloženým atribútom a niekedy, stručne, iba atribútom. Ak táto množina budema mat práve jeden prvok, budeme ho nazývat, ak to bude potrebné, jednoduchý atribút. Predchádzajúcu definíciu spojenia môžeme zobecnit nahradením rovnosti l ubovolnou (binárnou) reláciou...
83 Outline 1 Historický kontext 2 RMD 3 Projekcia Inklúzia relácíı Antiprojekcia Kartézsky súčin Spojenia Θ - join Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join
84 Definícia č. 11 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Nech R i = A i, D i, T i, i { 1, 2 }, sú dve relácie (RMD) a B i A i, i { 1, 2 }, dva atribúty také, že existuje binárna relácia ( v klasickom matematickom zmysle... ) Θ definovaná na kartézskom súčine kartézskych súčinov odpovedajúcich si domén D i ( a i j ), a i j B i, čo budeme značit pomocou D i X ( B i ) = a i j B i D i ( a i j ) D 1 X ( B 1 ) D 2 X ( B 2 ), kde:
85 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join R 1 Θ ( B1,B 2 ) R 2 Spojenie relácíı R 1 a R 2, podl a atribútov B 1 a B 2, vzhl adom k relácii Θ, je relácia značená R 1 Θ ( B1,B 2 ) R 2 = A, D, T taká, že: 1. A = A 1 A 2 2. D = D 1 D 2 3. T = { t : A D ( A ) ( ( i { 1, 2 } ) ( u i T i ) ) ( ( t ( A j ) = u j ( A j ) ) ( ( u 1 ( B 1 ), u 2 ( B 2 ) ) Θ ) ) } T = T 1 Θ ( B1, B 2 ) T 2
86 Dohoda č. 6 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join Spojenie vzhl adom k relácii Θ budeme nazývat Θ - spojením.
87 Príklad č. 12 Projekcia Podrelácia Antiprojekcia Kartézsky súčin Spojenia Theta-join R 1 Meno Vek Ročný príjem (roky) (tisíce USD) Peter John R 1 Vek < Rocny prijem R 1 Meno Vek Ročný príjem (roky) (tisíce USD) Peter 39 50
Databázové systémy. Ing. Július Štuller, CSc., Ústav informatiky AV ČR, v.v.i., & FMIaMS TUL Ing. Roman Špánek, PhD.
Databázové systémy Ing. Július Štuller, CSc., Ústav informatiky AV ČR, v.v.i., & FMIaMS TUL Ing. Roman Špánek, PhD. Ing. Marián Lamr, Ing. Pavel Štěpán FMIaMS TUL kancelář: budova A, 4. patro, A04016 tel.:
More informationTeória grafov. RNDr. Milan Stacho, PhD.
Teória grafov RNDr. Milan Stacho, PhD. Literatúra Plesník: Grafové algoritmy, Veda Bratislava 1983 Sedláček: Úvod do teórie grafů, Academia Praha 1981 Bosák: Grafy a ich aplikácie, Alfa Bratislava 1980
More informationMaticové algoritmy I maticová algebra operácie nad maticami súčin matíc
Maticové algoritmy I maticová algebra operácie nad maticami súčin matíc priesvitka Maurits Cornelis Escher (898-97) Ascending and Descending, 960, Lithograph priesvitka Matice V mnohých prípadoch dáta
More informationAplikácie teórie množín Martin Sleziak 24. februára 2015
Aplikácie teórie množín Martin Sleziak 24. februára 2015 Obsah 1 Úvod 5 1.1 Sylaby a literatúra................................. 5 1.1.1 Literatúra.................................. 5 1.1.2 Sylaby predmetu..............................
More informationKapitola S5. Skrutkovica na rotačnej ploche
Kapitola S5 Skrutkovica na rotačnej ploche Nech je rotačná plocha určená osou rotácie o a meridiánom m. Skrutkový pohyb je pohyb zložený z rovnomerného rotačného pohybu okolo osi o a z rovnomerného translačného
More information2-UMA-115 Teória množín. Martin Sleziak
2-UMA-115 Teória množín Martin Sleziak 23. septembra 2010 Obsah 1 Úvod 4 1.1 Predhovor...................................... 4 1.2 Sylaby a literatúra................................. 5 1.2.1 Literatúra..................................
More informationTeória kvantifikácie a binárne predikáty
Teória kvantifikácie a binárne predikáty Miloš Kosterec Univerzita Komenského v Bratislave Abstract: The paper deals with a problem in formal theory of quantification. Firstly, by way of examples, I introduce
More informationUniverzita Karlova v Praze Matematicko-fyzikální fakulta. Michal Kesely. Katedra matematické analýzy. Studijní program: Obecná matematika
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Michal Kesely Slavné neřešitelné problémy Katedra matematické analýzy Vedoucí bakalářské práce: RNDr. Dalibor Pražák, Ph.D. Studijní
More informationADM a logika. 4. prednáška. Výroková logika II, logický a sémantický dôsledok, teória a model, korektnosť a úplnosť
ADM a logika 4. prednáška Výroková logika II, logický a sémantický dôsledok, teória a model, korektnosť a úplnosť 1 Odvodzovanie formúl výrokovej logiky, logický dôsledok, syntaktický prístup Logický dôsledok
More informationUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY HADAMARDOVE MATICE A ICH APLIKÁCIE V OPTIMÁLNOM DIZAJNE BAKALÁRSKA PRÁCA 2012 Samuel ROSA UNIVERZITA KOMENSKÉHO V BRATISLAVE
More informationIng. Tomasz Kanik. doc. RNDr. Štefan Peško, CSc.
Ing. Tomasz Kanik Školiteľ: doc. RNDr. Štefan Peško, CSc. Pracovisko: Študijný program: KMMOA, FRI, ŽU 9.2.9 Aplikovaná informatika 1 identifikácia problémovej skupiny pacientov, zlepšenie kvality rozhodovacích
More informationPSEUDOINVERZNÁ MATICA
PSEUDOINVERZNÁ MATICA Jozef Fecenko, Michal Páleš Abstrakt Cieľom príspevku je podať základnú informácie o pseudoinverznej matici k danej matici. Ukázať, že bázický rozklad matice na súčin matíc je skeletným
More informationFakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA REGRESIA
Fakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA REGRESIA Róbert Tóth Bratislava 2013 Fakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA
More informationHistória nekonečne malej veličiny PROJEKTOVÁ PRÁCA. Martin Čulen. Alex Fleško. Konzultant: Vladimír Repáš
História nekonečne malej veličiny PROJEKTOVÁ PRÁCA Martin Čulen Alex Fleško Konzultant: Vladimír Repáš Škola pre mimoriadne nadané deti a Gymnázium, Skalická 1, Bratislava BRATISLAVA 2013 1. Obsah 1. Obsah
More informationDokonalé a spriatelené čísla
Dokonalé a spriatelené čísla 1. kapitola. Niektoré poznatky z teorie čísel In: Tibor Šalát (author): Dokonalé a spriatelené čísla. (Slovak). Praha: Mladá fronta, 1969. pp. 5 17. Persistent URL: http://dml.cz/dmlcz/403668
More informationTECHNICKÁ UNIVERZITA V KOŠICIACH Fakulta elektrotechniky a informatiky
TECHNICKÁ UNIVERZITA V KOŠICIACH Fakulta elektrotechniky a informatiky Prof.Ing.Štefan HUDÁK, DrSc. TEORETICKÁ INFORMATIKA: Katedra počítačov a informatiky FEI TU November 2002 2 Obsah 1 Algebra algoritmov
More informationDatabases 2011 The Relational Algebra
Databases 2011 Christian S. Jensen Computer Science, Aarhus University What is an Algebra? An algebra consists of values operators rules Closure: operations yield values Examples integers with +,, sets
More informationCSE 562 Database Systems
Outline Query Optimization CSE 562 Database Systems Query Processing: Algebraic Optimization Some slides are based or modified from originals by Database Systems: The Complete Book, Pearson Prentice Hall
More informationAppendix. Title. Petr Lachout MFF UK, ÚTIA AV ČR
Title ROBUST - Kráĺıky - únor, 2010 Definice Budeme se zabývat optimalizačními úlohami. Uvažujme metrický prostor X a funkci f : X R = [, + ]. Zajímá nás minimální hodnota funkce f na X ϕ (f ) = inf {f
More informationUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY REKURENTNÉ POSTUPNOSTI
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY Evidenčné číslo: 74b93af3-8dd5-43d9-b3f2-05523e0ba177 REKURENTNÉ POSTUPNOSTI 2011 András Varga UNIVERZITA KOMENSKÉHO V BRATISLAVE
More informationA l g o r i t m i c k y n e r i e š i t e ľ n é p r o b l é m y
A l g o r i t m i c k y n e r i e š i t e ľ n é p r o b l é m y Lev Bukovský Ústav matematických vied, Prírodovedecká fakulta UPJŠ Košice, 20. apríla 2004 Obsah 1 Úvod 2 2 Čiastočne rekurzívne funkcie
More informationUniverzita Karlova v Prahe, Filozofická fakulta Katedra logiky. Anna Horská. FRIEDBERG-MUCHNIKOVA VETA Ročníková práca
Univerzita Karlova v Prahe, Filozofická fakulta Katedra logiky Anna Horská FRIEDBERG-MUCHNIKOVA VETA Ročníková práca Vedúci práce: Vítězslav Švejdar 2007 Prehlasujem, že som ročníkovú prácu vypracovala
More informationMatematická analýza II.
V. Diferenciálny počet (prezentácia k prednáške MANb/10) doc. RNDr., PhD. 1 1 ondrej.hutnik@upjs.sk umv.science.upjs.sk/analyza Prednáška 8 6. marca 2018 It has apparently not yet been observed, that...
More informationA L A BA M A L A W R E V IE W
A L A BA M A L A W R E V IE W Volume 52 Fall 2000 Number 1 B E F O R E D I S A B I L I T Y C I V I L R I G HT S : C I V I L W A R P E N S I O N S A N D TH E P O L I T I C S O F D I S A B I L I T Y I N
More information1 Matice a ich vlastnosti
Pojem sústavy a jej riešenie 1 Matice a ich vlastnosti 11 Sústavy lineárnych rovníc a matice Príklad 11 V množine reálnych čísel riešte sústavu rovníc x - 2y + 4z + t = -6 2x + 3y - z + 2t = 13 2x + 5y
More informationDatabase Applications (15-415)
Database Applications (15-415) Relational Calculus Lecture 5, January 27, 2014 Mohammad Hammoud Today Last Session: Relational Algebra Today s Session: Relational algebra The division operator and summary
More informationP Q1 Q2 Q3 Q4 Q5 Tot (60) (20) (20) (20) (60) (20) (200) You are allotted a maximum of 4 hours to complete this exam.
Exam INFO-H-417 Database System Architecture 13 January 2014 Name: ULB Student ID: P Q1 Q2 Q3 Q4 Q5 Tot (60 (20 (20 (20 (60 (20 (200 Exam modalities You are allotted a maximum of 4 hours to complete this
More informationOdhady veľkosti pokrytí náhodne indukovaných podgrafov n-rozmernej hyperkocky
KATEDRA INFORMATIKY FAKULTA MATEMATIKY FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO Odhady veľkosti pokrytí náhodne indukovaných podgrafov nrozmernej hyperkocky Diplomová práca Bc. Ján Kliman študijný odbor:
More informationRelational Algebra & Calculus
Relational Algebra & Calculus Yanlei Diao UMass Amherst Slides Courtesy of R. Ramakrishnan and J. Gehrke 1 Outline v Conceptual Design: ER model v Logical Design: ER to relational model v Querying and
More informationLinear Algebra March 16, 2019
Linear Algebra March 16, 2019 2 Contents 0.1 Notation................................ 4 1 Systems of linear equations, and matrices 5 1.1 Systems of linear equations..................... 5 1.2 Augmented
More informationQuery Processing. 3 steps: Parsing & Translation Optimization Evaluation
rela%onal algebra Query Processing 3 steps: Parsing & Translation Optimization Evaluation 30 Simple set of algebraic operations on relations Journey of a query SQL select from where Rela%onal algebra π
More informationA comment on Intersecting Families of Permutations
A comment on Intersecting Families of Permutations Yuval Filmus July 3, 2017 Abstract Ellis, Friedgut and Pilpel [EFP11] prove that for large enough n, a t-intersecting family of permutations contains
More information7 RC Simulates RA. Lemma: For every RA expression E(A 1... A k ) there exists a DRC formula F with F V (F ) = {A 1,..., A k } and
7 RC Simulates RA. We now show that DRC (and hence TRC) is at least as expressive as RA. That is, given an RA expression E that mentions at most C, there is an equivalent DRC expression E that mentions
More informationSamuel Flimmel. Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Katedra pravděpodobnosti a matematické statistiky
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Samuel Flimmel Log-optimální investování Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce: doc. RNDr.
More informationAnalysis-3 lecture schemes
Analysis-3 lecture schemes (with Homeworks) 1 Csörgő István November, 2015 1 A jegyzet az ELTE Informatikai Kar 2015. évi Jegyzetpályázatának támogatásával készült Contents 1. Lesson 1 4 1.1. The Space
More information4. Sets The language of sets. Describing a Set. c Oksana Shatalov, Fall Set-builder notation (a more precise way of describing a set)
c Oksana Shatalov, Fall 2018 1 4. Sets 4.1. The language of sets Set Terminology and Notation Set is a well-defined collection of objects. Elements are objects or members of the set. Describing a Set Roster
More informationVYHLÁSENIE O PARAMETROCH. č SK. Predpoklada é použitie. stave ý h častí ako o kladov a stropov, pozri prílohu, najmä prílohy B 1 - B 8
VYHLÁSENIE O PARAMETROCH č. 0007 SK 1. Jedi eč ý ide tifikač ý k d typu výro ku: i jektáž y systé FIS V 2. )a ýšľa é použitie/použitia: Produkt O eľová kotva pre použitie v et e k upev e iu ťažký h systé
More informationOn Two Class-Constrained Versions of the Multiple Knapsack Problem
On Two Class-Constrained Versions of the Multiple Knapsack Problem Hadas Shachnai Tami Tamir Department of Computer Science The Technion, Haifa 32000, Israel Abstract We study two variants of the classic
More informationUniverzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCA. Bc. Roman Cinkais. Aplikace samoopravných kódů v steganografii
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCA Bc. Roman Cinkais Aplikace samoopravných kódů v steganografii Katedra algebry Vedúcí diplomovej práce: prof. RNDr. Aleš Drápal,
More informationKybernetika. Jan Havrda; František Charvát Quantification method of classification processes. Concept of structural a-entropy
Kybernetika Jan Havrda; František Charvát Quantification method of classification processes. Concept of structural a-entropy Kybernetika, Vol. 3 (1967), No. 1, (30)--35 Persistent URL: http://dml.cz/dmlcz/125526
More informationLecture 9: Dantzig-Wolfe Decomposition
Lecture 9: Dantzig-Wolfe Decomposition (3 units) Outline Dantzig-Wolfe decomposition Column generation algorithm Relation to Lagrangian dual Branch-and-price method Generated assignment problem and multi-commodity
More informationRelations. Relations of Sets N-ary Relations Relational Databases Binary Relation Properties Equivalence Relations. Reading (Epp s textbook)
Relations Relations of Sets N-ary Relations Relational Databases Binary Relation Properties Equivalence Relations Reading (Epp s textbook) 8.-8.3. Cartesian Products The symbol (a, b) denotes the ordered
More informationThe Golden Ratio and Signal Quantization
The Golden Ratio and Signal Quantization Tom Hejda, tohecz@gmail.com based on the work of Ingrid Daubechies et al. Doppler Institute & Department of Mathematics, FNSPE, Czech Technical University in Prague
More informationOutline. Sets. Relations. Functions. Products. Sums 2 / 40
Mathematical Background Outline Sets Relations Functions Products Sums 2 / 40 Outline Sets Relations Functions Products Sums 3 / 40 Sets Basic Notations x S membership S T subset S T proper subset S fin
More informationP a g e 5 1 of R e p o r t P B 4 / 0 9
P a g e 5 1 of R e p o r t P B 4 / 0 9 J A R T a l s o c o n c l u d e d t h a t a l t h o u g h t h e i n t e n t o f N e l s o n s r e h a b i l i t a t i o n p l a n i s t o e n h a n c e c o n n e
More informationÚlohy o veľkých číslach
Úlohy o veľkých číslach Ivan Korec (author): Úlohy o veľkých číslach. (Slovak). Praha: Mladá fronta, 1988. Persistent URL: http://dml.cz/dmlcz/404175 Terms of use: Ivan Korec, 1988 Institute of Mathematics
More informationObjavovanie znalostí v databázach. Ján Paralič
Objavovanie znalostí v databázach Ján Paralič Košice 2003 Ing. Ján Paralič, PhD. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita v Košiciach Jan.Paralic@tuke.sk
More informationA Dichotomy. in in Probabilistic Databases. Joint work with Robert Fink. for Non-Repeating Queries with Negation Queries with Negation
Dichotomy for Non-Repeating Queries with Negation Queries with Negation in in Probabilistic Databases Robert Dan Olteanu Fink and Dan Olteanu Joint work with Robert Fink Uncertainty in Computation Simons
More informationStrojové učenie. Princípy a algoritmy. Kristína Machová
Strojové učenie Princípy a algoritmy Kristína Machová Košice 2002 Ing. Kristína Machová, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita v Košiciach
More informationVYHLÁSENIE O PARAMETROCH. č SK
VYHLÁSENIE O PARAMETROCH č. 0048 SK 1. Jedi eč ý ide tifikač ý k d typu výro ku: rá ová h oždi ka fischer SXR/SXRL 2. )a ýšľa é použitie/použitia: Produkt Plastové kotvy pre použitie v betóne a murive
More informationApplying Phonetic Matching Algorithm to Tongue Twister Retrieval in Japanese
1 1 n-gram 2 Applying Phonetic Matching Algorithm to Tongue Twister Retrieval in Japanese Michiko Yasukawa 1 and Hidetoshi Yokoo 1 In this paper, we propose a Japanese phonetic matching algorithm for tongue
More informationLifted Inference: Exact Search Based Algorithms
Lifted Inference: Exact Search Based Algorithms Vibhav Gogate The University of Texas at Dallas Overview Background and Notation Probabilistic Knowledge Bases Exact Inference in Propositional Models First-order
More informationSkylines. Yufei Tao. ITEE University of Queensland. INFS4205/7205, Uni of Queensland
Yufei Tao ITEE University of Queensland Today we will discuss problems closely related to the topic of multi-criteria optimization, where one aims to identify objects that strike a good balance often optimal
More informationFSM Checking Sequences
FSM Checking Sequences Radek Mařík Czech Technical University Faculty of Electrical Engineering Department of Telecommunication Engineering Prague CZ December 12, 2017 Radek Mařík (radek.marik@fel.cvut.cz)
More information12/3/2010 REVIEW ALGEBRA. Exam Su 3:30PM - 6:30PM 2010/12/12 Room C9000
REVIEW Exam Su 3:30PM - 6:30PM 2010/12/12 Room C9000 2 ALGEBRA 1 RELATIONAL ALGEBRA OPERATIONS Basic operations Selection ( ) Selects a subset of rows from relation. Projection ( ) Deletes unwanted columns
More information1 Vektory. 1.1 Definovanie vektorov. Vektor = jednorozmerné pole. explicitným vymenovaním zoznamu prvkov
1 Vektory Vektor = jednorozmerné pole Definovanie je možné viacerými spôsobmi: explicitným vymenovaním zoznamu prvkov vygenerovaním pomocou zabudovaných matlabovských funkcií načítaním externého súboru
More informationa 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2.
Chapter 1 LINEAR EQUATIONS 11 Introduction to linear equations A linear equation in n unknowns x 1, x,, x n is an equation of the form a 1 x 1 + a x + + a n x n = b, where a 1, a,, a n, b are given real
More informationProperties of context-free Languages
Properties of context-free Languages We simplify CFL s. Greibach Normal Form Chomsky Normal Form We prove pumping lemma for CFL s. We study closure properties and decision properties. Some of them remain,
More informationMaximum sum contiguous subsequence Longest common subsequence Matrix chain multiplication All pair shortest path Kna. Dynamic Programming
Dynamic Programming Arijit Bishnu arijit@isical.ac.in Indian Statistical Institute, India. August 31, 2015 Outline 1 Maximum sum contiguous subsequence 2 Longest common subsequence 3 Matrix chain multiplication
More informationDEA modely a meranie eko-efektívnosti
Fakulta matematiky, fyziky a informatiky Univerzita Komenského v Bratislave DEA modely a meranie eko-efektívnosti 2008 Veronika Lennerová DEA modely a meranie eko-efektívnosti DIPLOMOVÁ PRÁCA Diplomant:
More informationDEFINÍCIE A DEFINOVANIE V NEWTONOVÝCH PRINCÍPOCH: POKUS O METODOLOGICKÚ ANALÝZU 1. Igor HANZEL
DEFINÍCIE A DEFINOVANIE V NEWTONOVÝCH PRINCÍPOCH: POKUS O METODOLOGICKÚ ANALÝZU 1 Igor HANZEL The paper analyzes Newton s eight definitions from his Principia from both the logico-semantic and epistemological
More information(b) Show that the charged induced on the hemisphere is: Q = E o a 2 3π (1)
Problem. Defects This problem will study defects in parallel plate capacitors. A parallel plate capacitor has area, A, and separation, D, and is maintained at the potential difference, V = E o D. There
More informationLecture : Set Theory and Logic
Lecture : Dr. Department of Mathematics Lovely Professional University Punjab, India October 18, 2014 Outline Contrapositive and Converse 1 Contrapositive and Converse 2 3 4 5 Contrapositive and Converse
More informationELEMENTARY LINEAR ALGEBRA
ELEMENTARY LINEAR ALGEBRA K R MATTHEWS DEPARTMENT OF MATHEMATICS UNIVERSITY OF QUEENSLAND First Printing, 99 Chapter LINEAR EQUATIONS Introduction to linear equations A linear equation in n unknowns x,
More informationPlan of the lecture. G53RDB: Theory of Relational Databases Lecture 2. More operations: renaming. Previous lecture. Renaming.
Plan of the lecture G53RDB: Theory of Relational Lecture 2 Natasha Alechina chool of Computer cience & IT nza@cs.nott.ac.uk Renaming Joins Definability of intersection Division ome properties of relational
More informationLecture 6. s S} is a ring.
Lecture 6 1 Localization Definition 1.1. Let A be a ring. A set S A is called multiplicative if x, y S implies xy S. We will assume that 1 S and 0 / S. (If 1 / S, then one can use Ŝ = {1} S instead of
More informationprogram Prienik_mnohouholnikov; const max=100; type pole=array[1..max+1,1..2] of integer; {v pole[i,1] je sucet x1+x2, v pole[i,2] je y}
Vzorové riešenia celoštátneho kola 45. ročníka MO P Prvý súťažný deň P-III-1 Hodnotenie Body rozdeľte medzi algoritmus, dôkaz správnosti, odhad zložitosti a popis takto: Za algoritmus priznávajte najviac
More informationSets are one of the basic building blocks for the types of objects considered in discrete mathematics.
Section 2.1 Introduction Sets are one of the basic building blocks for the types of objects considered in discrete mathematics. Important for counting. Programming languages have set operations. Set theory
More informationspaghetti fish pie cake Ann X X Tom X X X Paul X X X
CmSc175 Discrete Mathematics Lesson 14: Set Relations 1. Introduction A college cafeteria line has two stations: main courses and desserts. The main course station offers spaghetti or fish; the dessert
More informationFundamentos lógicos de bases de datos (Logical foundations of databases)
20/7/2015 ECI 2015 Buenos Aires Fundamentos lógicos de bases de datos (Logical foundations of databases) Diego Figueira Gabriele Puppis CNRS LaBRI About the speakers Gabriele Puppis PhD from Udine (Italy)
More informationPartial cubes: structures, characterizations, and constructions
Partial cubes: structures, characterizations, and constructions Sergei Ovchinnikov San Francisco State University, Mathematics Department, 1600 Holloway Ave., San Francisco, CA 94132 Abstract Partial cubes
More information9/19/2018. Cartesian Product. Cartesian Product. Partitions
Cartesian Product The ordered n-tuple (a 1, a 2, a 3,, a n ) is an ordered collection of objects. Two ordered n-tuples (a 1, a 2, a 3,, a n ) and (b 1, b 2, b 3,, b n ) are equal if and only if they contain
More informationCorrelated subqueries. Query Optimization. Magic decorrelation. COUNT bug. Magic example (slide 2) Magic example (slide 1)
Correlated subqueries Query Optimization CPS Advanced Database Systems SELECT CID FROM Course Executing correlated subquery is expensive The subquery is evaluated once for every CPS course Decorrelate!
More informationA diagrammatic calculus of syllogisms
A diagrammatic calculus of syllogisms Ruggero Pagnan DII, University of Genova ruggero.pagnan@disi.unige.it Categorical Propositions A P : All is P (universal affirmative) E P : No is P (universal negative)
More informationBasic counting techniques. Periklis A. Papakonstantinou Rutgers Business School
Basic counting techniques Periklis A. Papakonstantinou Rutgers Business School i LECTURE NOTES IN Elementary counting methods Periklis A. Papakonstantinou MSIS, Rutgers Business School ALL RIGHTS RESERVED
More information2 tel
Us. Timeless, sophisticated wall decor that is classic yet modern. Our style has no limitations; from traditional to contemporar y, with global design inspiration. The attention to detail and hand- craf
More informationMath 203, Solution Set 4.
Math 203, Solution Set 4. Problem 1. Let V be a finite dimensional vector space and let ω Λ 2 V be such that ω ω = 0. Show that ω = v w for some vectors v, w V. Answer: It is clear that if ω = v w then
More informationOn the Expressiveness and Complexity of ATL
On the Expressiveness and Complexity of ATL François Laroussinie, Nicolas Markey, Ghassan Oreiby LSV, CNRS & ENS-Cachan Recherches en vérification automatique March 14, 2006 Overview of CTL CTL A Kripke
More informationProbability and Statistics
Probability and Statistics Jesse Hoey School of Computer Science University of Waterloo January 9, 2012 Uncertainty Why is uncertainty important? Agents (and humans) don t know everything, but need to
More informationDictionary: an abstract data type
2-3 Trees 1 Dictionary: an abstract data type A container that maps keys to values Dictionary operations Insert Search Delete Several possible implementations Balanced search trees Hash tables 2 2-3 trees
More informationData Structures in Java
Data Structures in Java Lecture 20: Algorithm Design Techniques 12/2/2015 Daniel Bauer 1 Algorithms and Problem Solving Purpose of algorithms: find solutions to problems. Data Structures provide ways of
More informationDatabase Applications (15-415)
Database Applications (15-415) Relational Calculus Lecture 6, January 26, 2016 Mohammad Hammoud Today Last Session: Relational Algebra Today s Session: Relational calculus Relational tuple calculus Announcements:
More informationMETRICKÉ ÚLOHY V PRIESTORE
1. ÚVOD METRICKÉ ÚLOHY V PRIESTORE Monika ĎURIKOVIČOVÁ 1 Katedra Matematiky, Strojnícka fakulta STU, Abstrakt: Popisujeme možnosti použitia programového systému Mathematica pri riešení špeciálnych metrických
More informationMetódy merania fraktálnej dimenzie prírodných javov
Katedra Informatiky Fakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava Metódy merania fraktálnej dimenzie prírodných javov (Bakalárska práca) Michal Kováč Vedúci: Mgr. Ľuboš Steskal
More informationInformation Systems for Engineers. Exercise 5. ETH Zurich, Fall Semester Hand-out Due
Information Systems for Engineers Exercise 5 ETH Zurich, Fall Semester 2017 Hand-out 27.10.2017 Due 03.11.2017 Reading material: Chapter 2.4 in [1]. Lecture slides 4. 1. Given the two tables below, write
More informationKapitola P2. Rozvinuteľné priamkové plochy
Kapitola P2 Rozvinuteľné priamkové plochy 1 Priamková plocha je rozvinuteľná, ak na nej ležia iba torzálne priamky. Rozvinuteľné priamkové plochy rozdeľujeme na: rovinu, valcové plochy, kužeľové plochy,
More informationT h e C S E T I P r o j e c t
T h e P r o j e c t T H E P R O J E C T T A B L E O F C O N T E N T S A r t i c l e P a g e C o m p r e h e n s i v e A s s es s m e n t o f t h e U F O / E T I P h e n o m e n o n M a y 1 9 9 1 1 E T
More informationLucia Fuchsová Charakteristiky pravděpodobnostních
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Lucia Fuchsová Charakteristiky pravděpodobnostních předpovědí Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
More informationMGF 1106: Exam 1 Solutions
MGF 1106: Exam 1 Solutions 1. (15 points total) True or false? Explain your answer. a) A A B Solution: Drawn as a Venn diagram, the statement says: This is TRUE. The union of A with any set necessarily
More informationFakulta matematiky, fyziky a informatiky Univerzity Komenského BRATISLAVA. Diplomová práca. Martin Plesch
Fakulta matematiky fyziky a informatiky Univerzity Komenského BRATISLAVA Diplomová práca Martin Plesch BRATISLAVA 001 Fakulta matematiky fyziky a informatiky Univerzity Komenského BRATISLAVA Katedra teoretickej
More informationStavba Lobačevského planimetrie
Stavba Lobačevského planimetrie Riešenie úloh In: Ján Gatial (author); Milan Hejný (author): Stavba Lobačevského planimetrie. (Slovak). Praha: Mladá fronta, 1969. pp. 78 109. Persistent URL: http://dml.cz/dmlcz/403691
More informationVYHLÁSENIE O PARAMETROCH. č SK. Predpokladané použitie. stave ý h častí ako o kladov a stropov, pozri prílohu, najmä prílohy B 1 - B 4
VYHLÁSENIE O PARAMETROCH č. 0009 SK 1. Jedi eč ý ide tifikač ý k d typu výro ku: o eľová kotva fis her FAZ II 2. )a ýšľa é použitie/použitia: Produkt O eľová kotva pre použitie v betóne k upev e iu ťažký
More informationJádrové odhady gradientu regresní funkce
Monika Kroupová Ivana Horová Jan Koláček Ústav matematiky a statistiky, Masarykova univerzita, Brno ROBUST 2018 Osnova Regresní model a odhad gradientu Metody pro odhad vyhlazovací matice Simulace Závěr
More informationMASTER THESIS. Vlastnosti k-intervalových booleovských funkcí Properties of k-interval Boolean functions
Charles University in Prague Faculty of Mathematics and Physics MASTER THESIS Pavol Gál Vlastnosti k-intervalových booleovských funkcí Properties of k-interval Boolean functions Department of Theoretical
More informationDictionary: an abstract data type
2-3 Trees 1 Dictionary: an abstract data type A container that maps keys to values Dictionary operations Insert Search Delete Several possible implementations Balanced search trees Hash tables 2 2-3 trees
More informationCS Data Structures and Algorithm Analysis
CS 483 - Data Structures and Algorithm Analysis Lecture VII: Chapter 6, part 2 R. Paul Wiegand George Mason University, Department of Computer Science March 22, 2006 Outline 1 Balanced Trees 2 Heaps &
More informationSequential programs. Uri Abraham. March 9, 2014
Sequential programs Uri Abraham March 9, 2014 Abstract In this lecture we deal with executions by a single processor, and explain some basic notions which are important for concurrent systems as well.
More informationENTROPIA. Claude Elwood Shannon ( ), USA A Mathematical Theory of Communication, 1948 LOGARITMUS
LOGARITMUS ENTROPIA Claude Elwood Shao (96-00), USA A Mathematcal Theory of Commucato, 948 7. storoče Naer, Brggs, orovae číselých ostuostí: artmetcká ostuosť 3 0 3 4 5 6 geometrcká ostuosť /8 /4 / 4 8
More informationVariance reduction techniques
Variance reduction techniques Lecturer: Dmitri A. Moltchanov E-mail: moltchan@cs.tut.fi http://www.cs.tut.fi/kurssit/elt-53606/ OUTLINE: Simulation with a given accuracy; Variance reduction techniques;
More informationWindow-aware Load Shedding for Aggregation Queries over Data Streams
Window-aware Load Shedding for Aggregation Queries over Data Streams Nesime Tatbul Stan Zdonik Talk Outline Background Load shedding in Aurora Windowed aggregation queries Window-aware load shedding Experimental
More information