INSUFFISANCE DE LA 3NF
|
|
- Anaïs René
- il y a 8 ans
- Total affichages :
Transcription
1 156 INSUFFISANCE DE LA 3NF Exemple: Poste (Ville, Rue, Code) et DF={V,R C ; C V} Clés: VR, RC Relation en 3 NF Poste Ville Rue Code Paris St Michel Paris Champollion Redondance entre le code et la ville
2 157 forme normale de Boyce-codd La forme normale de Boyce-Codd, (BCNF en anglais ou FNBC en français) examine les dépendances de parties de clé entre elles, et les dépendances d'attributs non-clé vers une partie de clé. Une relation est sous la Forme Normale de Boyce-Codd Si et seulement si Ses clés candidates sont les uniques sources de DFs Définition: Un schéma relationnel R(A1,.,An) avec un ensemble F de DF est en forme normale BCNF si pour chaque DF élémentaire X A dans F+, la partie gauche X est une clé candidate. Toute relation en BCNF est en 3NF Théorème. Toute relation admet une décomposition en BCNF sans perte d information mais parfois au prix de perte de dépendances fonctionnelles.
3 158 forme normale de Boyce-codd (2) Exemple: soit la relation Poste (Ville, Rue, Code) DF = {V,R C ; C V} Clés: VR, RC R est en 3NF mais n est pas en BCNF (dans C V, C n est pas une clé) Poste Ville Rue Code Paris St Michel Paris Champollion 75005
4 159 forme normale de Boyce-codd (3) La décomposition R1(Ville, Code); R2(Rue, Code) évite la redondance Ville, Code, elle est donc sans perte d information mais elle ne préserve pas la dépendance V,R C R1 Ville Code Paris R2 Code Rue St Michel Champollion
5 160 Algorithme de décomposition de Boyce-codd Une décomposition SPI de R, qu'on appellera D, est construite de manière itérative : Entrée: un schéma R et un ensemble de dépendances fonctionnelles F Sortie: Schémas {R1, R2,..., Rn} avec Ri en BCNF pour tout i 1) D est initialisée à R, 2) Tant qu il existe une relation R(U) qui n est pas en BCNF: a) Chercher une dépendance non triviale X Y dans F+, telle que X ne soit pas une clé candidate de R b) Décomposer R comme indiqué dans le théorème de décomposition (sans perte) c est-à-dire en R 1 (X,Y) et R 2 (X,Z) 3) D est réinitialisée avec R 1 et R 2 et on répète cette procédure tant qu il existe des relations qui ne sont pas en BCNF. 4) S il existe des relations R i (Xi) et R j (Xj) dans la décomposition telle que Xi Xj alors on supprime Ri.
6 161 Algorithme de décomposition de Boyce-codd (2) Exemple: Soit R(A,B,C,D,E) et DF={A B ; A C ; C,D E ; B D} 1 )Calcul des clés candidates: A est la seule clé et R n est pas en BCNF car C,D E, B D 2) Calculons les fermetures transitives: A+={A,B,C,D,E} B+={B,D} (C,D)+= {C,D,E} et (BC)+= {B,C,D,E} 3) Première décomposition: Nous pouvons prendre la dépendance B D: a) L algorithme de décomposition donne deux relations: R1(B,D) et R2(A,B,C,E) R A, B, C, D, E R1 B, D A B C E R2 R1 est en BCNF avec une seule DF non triviale B D R2 n est pas BCNF car BC E viole la condition BCNF
7 162 Algorithme de décomposition de Boyce-codd (3) b) Décomposition de la relation R2 en deux relations R 21 (B,C,E) et R 22 (A,B,C) qui sont en BCNF R2 A, B, C, E R21 B, C, E A B C R22 Dans R 21 (B,C,E), on a une dépendance non triviale: B,C E Dans R 22 (A,B,C), on a deux dépendances non triviales: A B et A C Avec ces dépendances R 21 (B,C,E) et R 22 (A,B,C) sont BCNF
8 163 Algorithme de décomposition de Boyce-codd (4) R(A,B,C,D,E) est finalement décomposée en trois relations: R 1 (B,D) avec B D R 21 (B,C,E) avec B,C E et R 22 (A,B,C) avec A B et A C Cette décomposition préserve les DF et SPI Décomposez R en commençant avec la DF: C,D E
9 164 Algorithme de décomposition de Boyce-codd (5) Deuxième décomposition en commençant par C,D E En utilisant l algorithme de décomposition nous obtenons 2 relations: R1(C, D, E) avec la DF C,D E Et R2(A, B, C, D) avec 3DF: A B, A C, B D R1 est en BCNF avec comme clé C,D Dans R2, A est la seule clé candidate, mais B D viole BCNF. On décompose: R21(B,D) et R22(A,B,C)
10 165 décomposition de Boyce-codd Exercice: Proposer une décomposition en BCNF 1) Description des pièces employées dans un atelier de montage. Piece(numPiece, prix, tva, libelle, categorie) DF1 : numpiece prix, tva, libelle, categorie et DF2 : categorie tva 2) Liste des auteurs d'une publication avec leur position dans la liste des auteurs. Auteurs(publication, auteur, position) DF1 : (auteur, publication) position et DF2 : (publication, position) auteur 3) Commande(numCommande, numclient, nomclient, date, numproduit, nomproduit) DF1 : numcommande numclient, date,numproduit DF2 : numclient nomclient et DF3 : numproduit nomproduit
11 décomposition de Boyce-codd (2) Soit le schéma relationnel VOL (V, P, A, J, H, D, R) Avec C: nom de la Compagnie ; V: num Vol, A: nom Avion P: nom pilote H: heure du départ du vol J: Jour du départ du vol D: ville de départ et R: ville arrivée. et Les DF= { V H, D, R H, D, R V J, V P, A J,H,P D, R, A J, H, A D, R, P } Proposer une décomposition en BCNF 166
12 167 décomposition de Boyce-codd (3) Supposons la contrainte (peu réaliste) suivante : Un pilote ne travaille qu'un jour par semaine (tous les lundi ou tous les mardi ou...) qui se traduit par la DF : P J Considérons maintenant le schéma : VOL( V, P, A, J) avec {P J ; J, V P, A} Proposer une décomposition en BCNF
13 168 Décomposition en 3 ème forme normale et en BCNF Il est démontré que: Toute relation a au moins une décomposition en 3 ème forme normale qui préserve les dépendances fonctionnelles et qui est sans perte Toute relation a au moins une décomposition en forme normale de Boyce Codd qui est sans perte mais qui peut ne pas préserver les dépendances fonctionnelles.
14 169 Quatrième forme normale La notion de dépendance fonctionnelle nous a conduit à décomposer les relations en 3NF et en forme normale de BOYCE CODD. Ceci est pourtant insuffisant pour éliminer les redondances et les anomalies de mises à jour.
15 170 Quatrième forme normale Exemple: Considérons la relation ETUDIANT(NUMERO, COURS, SPORT) qui modélise la réalité suivante : Un étudiant est identifié par un NUMERO, peut suivre un ou plusieurs COURS et pratiquer un ou plusieurs SPORTS. Il n existe aucune DF entre les différents attributs La clé de cette relation est donc l ensemble de ses attributs (elle est en 3NF). Une extension de cette relation est : NUMERO COURS SPORT 100 BD TENNIS 100 BD FOOT 200 BD VELO 200 MATH VELO 300 BD FOOT 300 BD TENNIS Il y a une dépendance multivaluée entre un Numéro et Cours car à chaque valeur de Numero, il correspond un ensemble de valeurs de Cours et que cet ensemble de valeurs ne dépend pas des valeurs de Sport.
16 171 Dépendances multivaluées Définition formelle: Soit R (X, Y, Z) un schéma relationnel. On dit que X Y (X multidétermine Y ou il y a une dépendance multivaluée de Y sur X) si pour toute extension de R (X Y) : À chaque valeur de X il correspond toujours le même ensemble de valeurs de Y cet ensemble de valeurs ne dépend pas de Z On dit que X multidétermine Y et l on note : X Y, si, soit Z = R - X - Y, ((x,y,z) et (x,y,z ) R (x,y,z) et (x,y,z ) R ) Les dépendances multivaluées sont une généralisation des dépendances fonctionnelles: si X Y alors X Y
17 172 Dépendances multivaluées (2) Exemple Reprenons la relation ETUDIANT(NUMERO, COURS, SPORTS) et l ensembles des D.M. sont : 1- NUMERO COURS 2- NUMERO SPORTS En posant : X = NUMERO ; Y = COURS et Z = W - (X Y) = SPORTS. On peut constater que : Les deux tuples ( X =100, Y=B.D., Z=TENNIS) et (X=100, Y =B.D., Z = FOOT) à R donc on doit aussi trouver les tuples (X=100, Y =B.D., Z=TENNIS) et (X=100, Y=B.D., Z = FOOT) dans R ce qui est le cas car Y= Y. NUMERO COURS SPORT 100 BD TENNIS 100 BD FOOT 200 BD VELO 200 MATH VELO 300 BD FOOT 300 BD TENNIS
18 173 Dépendances multivaluées (3) Exemple Un employé peut avoir plusieurs compétences et parler plusieurs langues. On a une relation R (N Employé, Compétence, Langue) N Employé Compétence Langue 4 Cuisine Français 4 Cuisine Allemand 4 Cuisine Grec 4 Dactylo Français 4 Dactylo Allemand 4 Dactylo Grec N Employé Compétence,Langue
19 174 Dépendances multivaluées (4) De même que pour les DF, une dépendance multivaluée D est déductible de F si elle est obtenue par application des axiomes d Armstrong: A étant l ensemble des attributs d une relation 1. Complémentation : Si (X Y) alors on a ( X A (X Y) ) 2. Augmentation : Si (X Y) et (V W), alors on a (X W Y V) 3. Transitivité : Si on a ( X Y ) et ( Y Z ), alors on a ( X Z) 4. Union : Si on a ( X Y ) et ( X Z ), alors on a ( X YZ) Fermeture transitive: Définition identique aux DF
20 175 Dépendances multivaluées (5) Décomposition sans perte d une relation Soient une relation R(A) et une partition {X,Y,Z} de A. La décomposition formée de deux relations R(X,Y) et R(X,Z) est une décomposition sans perte de R(A) Ssi On a X Y Décomposition préservant les dépendances Même définition que pour les DF
21 176 Quatrième forme normale La 4FN est une généralisation de la BCNF destinée à décomposer les relations ayant des DM élémentaires Un schéma relationnel est en quatrième forme normale si (1) Ce schéma est en 1 ère forme normale (1NF) (2) Ssi les seules dépendances multivaluées élémentaires sont celles dans lesquelles une clé multi détermine un attribut Rappel: La dépendance fonctionnelle X Y entre les deux ensembles d attributs X et Y est triviale si : Y X La dépendance multivaluée X Y entre les deux ensembles d attributs X et Y est triviale si: Y X ou (A-Y) X (avec A ensemble des attributs)
22 177 Quatrième forme normale Exemple Soit la relation VOL(Pilote, Avion, Ville_Départ, Ville_Arrivée) ayant pour clé le couple d attributs (Pilote, Avion) et vérifiant les D.M suivantes : Pilote Avion Pilote (Ville_Départ, Ville_Arrivée) Cette relation n est pas en 4 FN car l attribut Pilote est une partie gauche des deux D.M. mais n est pas une clé candidate de R (Pilote n est qu une partie de la clé!)
23 178 Quatrième forme normale La 4 ème forme normale implique la forme normale de Boyce Codd puisqu une dépendance fonctionnelle est un cas particulier de dépendance multivaluée. Il est démontré que toute relation a au moins une décomposition en 4e forme normale qui est sans perte mais qui peut ne pas préserver les dépendances.
24 179 Décomposition en 4 ème forme normale On utilise cet algorithme lorsque certaines dépendances sont des DM Entrée : Schéma R(X) contenant des DF et des DM Sortie : Schémas {R1, R2,..., Rn} avec Ri en 4NF pour tout Etape1 : Initialisation : S={R} Etape 2: itération Si T est un schéma de S qui n'est pas en 4NF, alors chercher une DM non triviale W V de T telle que W ne contienne pas une clé de T. Remplacer le schéma T dans S par les deux schémas T1(W, V) et T2(X,W) munis des dépendances dérivées de la fermeture de celles du schéma T. Répéter l'étape 2 si S contient un schéma qui n'est pas en 4NF. Etape 3 : élimination de la redondance Pour tout couple Ri et Rj de S, si Xi Xj alors éliminer Ri de S.
25 180 Décomposition en 4 ème forme normale Exemple: Soit la relation VOL(Pilote, Avion, Ville_Départ, Ville_Arrivée) ayant pour clé le couple d attributs (Pilote, Avion) et vérifiant les D.M.suivantes : Pilote Avion Pilote (Ville_Départ, Ville_Arrivée) Et on aura : R1(Pilote, Avion) R2(Pilote, Ville_Départ, Ville_Arrivée)
26 181 Synthèse sur la normalisation Permet d'affiner une conception de schéma Si on applique de façon rigoureuse la méthode d'élaboration d'un Modèle Conceptuel de Données (M.C.D.), le Modèle Relationnel résultant sera automatiquement en 3FN. Inconvénient majeur : on suppose qu'on possède une couverture minimale des DF (si on a oublié une DF tout est faux) Peut être remise en cause au niveau physique (dénormalisation)
Bases de Données Avancées
1/62 Bases de Données Avancées Introduction & Rappel Conception et Modélisation Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR
Plus en détailFormation à l utilisation des Systèmes de Gestion de Bases de Données Relationnelles. organisée avec la collaboration du
Proyecto FAO COPEMED Universidad de Alicante Ramón y Cajal, 4 03001 - Alicante, España GCP/REM/057/SPA Web : www.fao.org/fi/copemed Tel : +34 96 514 59 79 Fax : +34 96 514 59 78 Email : copemed@ua.es Formation
Plus en détailPatrice BOURSIER. Professeur, Univ. de La Rochelle. patrice.boursier@univ-lr.fr. Bases de Données. Notes de cours
Patrice BOURSIER Professeur, Univ. de La Rochelle patrice.boursier@univ-lr.fr Bases de Données Notes de cours SOMMAIRE Chapitre 1 : Introduction Chapitre 2 : Modèle conceptuel Chapitre 3 : Modèle relationnel
Plus en détailDESS CCI Formation Continue. Février 2002. Université Louis-Pasteur de Strasbourg Département d'informatique
DESS CCI Formation Continue Février 2002 Université Louis-Pasteur de Strasbourg Département d'informatique %DVHVGH'RQQpHV 6\OYDLQ%5$1'(/ Pôle API, Boulevard Sébastien Brant 67 400 ILLKIRCH bureau C 126
Plus en détail1 Modélisation d une base de données pour une société de bourse
IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une
Plus en détailINITIATION AUX BASES DE DONNEES MODELISATION et LANGAGE SQL
INITIATION AUX BASES DE DONNEES MODELISATION et LANGAGE SQL Master2 Modélisation Statistique - Génie logiciel & Bases des données Laboratoire de Mathématiques CNRS - Université de Franche-Comté Département
Plus en détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
Plus en détailChapitre 1 Généralités sur les bases de données
Chapitre 1 Généralités sur les bases de données I. Définition d un SGBD Une base de données, généralement appelée BD est un ensemble structuré et organisé permettant le stockage de grandes quantités d'informations
Plus en détailConcevoir un modèle de données Gestion des clients et des visites
page 1 MCD Concevoir un modèle de données Gestion des clients et des visites La gestion des informations d une organisation est un élément essentiel de son efficacité. L obligation de les trouver et de
Plus en détailCours Base de données relationnelles. M. Boughanem, IUP STRI
Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailConception des bases de données : Modèle Entité-Association
Conception des bases de données : Modèle Entité-Association La modélisation d un problème, c est-à-dire le passage du monde réel à sa représentation informatique, se définit en plusieurs étapes pour parvenir
Plus en détailIntroduction aux bases de données. Généralités sur les bases de données. Fonctions d'un SGBD. Définitions. Indépendance par rapport aux traitements
Introduction aux bases de données Université de Nice Sophia-Antipolis Version 2.1-5/12/2000 Richard Grin Généralités sur les bases de données R. Grin SGBD 2 Définitions Une base de données est un ensemble
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailMERISE. Modélisation de Systèmes d Information. Pierre Gérard. DUT Informatique 2ème année 2004/2005. IUT de Villetaneuse - Université de Paris 13
Modélisation de Systèmes d Information IUT de Villetaneuse - Université de Paris 13 DUT Informatique 2ème année 2004/2005 LATEX Cycle de vie Introduction Processus de développement d un logiciel La méthode
Plus en détailCONCEPTION Support de cours n 3 DE BASES DE DONNEES
CONCEPTION Support de cours n 3 DE BASES DE DONNEES Auteur: Raymonde RICHARD PRCE UBO PARTIE III. - LA DESCRIPTION LOGIQUE ET PHYSIQUE DES DONNEES... 2 A. Les concepts du modèle relationnel de données...
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailChap. 3: Le modèle de données entité-association (E.A.)
Chap. 3: Le modèle de données entité-association (E.A.) En anglais: Entity-Relationship (ER) Origines: C.Bachman (1969), P.Chen (1976). Modèle de données > décrire la réalité perçue à travers les données
Plus en détailAnnée Universitaire 2009/2010 Session 2 de Printemps
Année Universitaire 2009/2010 Session 2 de Printemps DISVE Licence PARCOURS : CSB4 & CSB6 UE : INF 159, Bases de données Épreuve : INF 159 EX Date : Mardi 22 juin 2010 Heure : 8 heures 30 Durée : 1 heure
Plus en détailBases de Données Relationnelles. Le Modèle Relationnel
Bases de Données Relationnelles Le Modèle Relationnel Le modèle relationnel modèle de niveau logique modèle simple : deux concepts relation (table) attribut (colonne) défini par Ted Codd en 1970 ; prix
Plus en détailIntroduction aux Systèmes de Gestion de Bases de Données Relationnelles. Olivier Losson
Introduction aux Systèmes de Gestion de Olivier Losson L'objectif de ce cours est l'acquisition des connaissances fondamentales relatives aux systèmes de gestion de bases de données relationnelles (SGBDr),
Plus en détailModélisation des données
Modélisation des données Le modèle Entité/Association Le MCD ou modèle Entité/Association est un modèle chargé de représenter sous forme graphique les informations manipulées par le système (l entreprise)
Plus en détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailExemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions
Exemple accessible via une interface Web Une base de données consultable en ligne : Bases de données et systèmes de gestion de bases de données The Trans-atlantic slave trade database: http://www.slavevoyages.org/tast/index.faces
Plus en détailwww.centraliup.fr.st Thierry Spriet Version rééditée au format PDF et remise en page
www.centraliup.fr.st de de de Thierry Spriet Version rééditée au format PDF et remise en page Table des matières 1. GENERALITES SUR LES S.G.B.D...7 1.1. Définition... 7 1.2. Historique... 7 1.3. Objectifs
Plus en détailChapitre 5 LE MODELE ENTITE - ASSOCIATION
Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailChapitre 07 Le modèle relationnel des données
Chapitre 07 Le modèle relationnel des données Introduction Ce chapitre est un prolongement de l'étude du modèle relationnel vu en classe de première. L'idée principale est de faire comprendre aux élèves
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailBases de données. Yamine AIT AMEUR. INPT-ENSEEIHT DIMA 2 Rue Charles Camichel 31071 Toulouse Cedex 7
Bases de données Yamine AIT AMEUR INPT-ENSEEIHT DIMA 2 Rue Charles Camichel 31071 Toulouse Cedex 7 Première partie Introduction 1 Généralités et notions de base Première partie Introduction 1 Généralités
Plus en détailConception d une base de données
Conception d une base de données Cyril Gruau 17 octobre 2005 (corrigé le 13 juillet 2006) Résumé Ce support de cours regroupe quelques notions concernant le modélisation conceptuelle de système d information
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailLE MODELE CONCEPTUEL DE DONNEES
LE MODELE CONCEPTUEL DE DONNEES Principe : A partir d'un cahier des charges, concevoir de manière visuelle les différents liens qui existent entre les différentes données. Les différentes étapes de réalisation.
Plus en détailEtude d Algorithmes Parallèles de Data Mining
REPUBLIQUE TUNISIENNE MINISTERE DE L ENSEIGNEMENT SUPERIEUR, DE LA TECHNOLOGIE ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L INFORMATIQUE
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détail1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation
Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie
Plus en détailBases de Données. Plan
Université Mohammed V- Agdal Ecole Mohammadia d'ingénieurs Rabat Bases de Données Mr N.EL FADDOULI 2014-2015 Plan Généralités: Définition de Bases de Données Le modèle relationnel Algèbre relationnelle
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailUML et les Bases de Données
CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailInformation utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/
Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailIMAFA O5 LOGO2 PARTIE I
IMAFA O5 LOGO2 PARTIE I BASES DE DONNEES RELATIONNELLES POUR LE WEB SI 5 MAM5 - MS IFI -MS IMAFA 2010-2011 Anne-Marie Hugues, Philippe Salvan hugues@polytech.unice.fr http://www.essi.fr/~hugues/bdr/log2
Plus en détailCours Premier semestre
C.Belleudy, D.Gaffé Université de Nice-Sophia Antipolis DEUG Première année SM,MP,MI UECS EEA Électronique Numérique Cours Premier semestre C. Belleudy, D.Gaffé version 3. 2 Électronique Numérique Chapitre
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailIntroduction aux Bases de Données
Licence 3 Géographie Aménagement NHUC5548 Introduction aux Bases de Données Le cas des BD relationnelles Concepts, méthodes et applications JP ANTONI / Y FLETY 1 Logistique et autres fonctionnements Cours
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailUniversité de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Plus en détailModélisation de bases de données : Le modèle relationnel
Modélisation de bases de données : Le modèle relationnel Rappel chapitre 1 C est quoi un modèle? Type de modèle : Modèle hiérarchique Modèle réseau Modèle objet Modèle relationnel Cours BD Dr REZEG K 1
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailCHAPITRE 1. Introduction aux bases de données
CHAPITRE 1 Contenu du chapitre 1 Pourquoi utiliser une bases de? Définitions et objectifs d'un SGBD Niveaux d'abstraction des Méthodes de modélisation d une BD Modèles de structuration des Structure globale
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailCH.6 Propriétés des langages non contextuels
CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailBases de données - Modèle relationnel
Bases de données - Modèle relationnel Introduction SITE :http://www.univ-orleans.fr/lifo/members/mirian.halfeld/ BD - Mírian Halfeld-Ferrari p. 1 Les bases de données - Bibliographie Ullman and Widom,
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailBases de données réparties: Fragmentation et allocation
Pourquoi une base de données distribuée? Bibliographie Patrick Valduriez, S. Ceri, Guiseppe Delagatti Bases de données réparties: Fragmentation et allocation 1 - Introduction inventés à la fin des années
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailSGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)
SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients
Plus en détailModèle conceptuel : diagramme entité-association
Modèle conceptuel : diagramme entité-association Raison d'être de ce cours «La conception et l'utilisation de bases de données relationnelles sur micro-ordinateurs n'est pas un domaine réservé aux informaticiens.»
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailEntrepôt de données 1. Introduction
Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailÉPREUVE COMMUNE DE TIPE 2008 - Partie D
ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailChapitre 1 : Introduction aux bases de données
Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données
Plus en détailIFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailModèle Entité/Association
Base de données Modèle Entité/Association L3 Informatique Antoine Spicher antoine.spicher@u-pec.fr Contexte du cours Organisation du cours 1 ère partie (C. D.) Modèle et algèbre relationnel Langage SQL
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailII. Modèle conceptuel le modèle entité-association
II. Modèle conceptuel le modèle entité-association Personne Voiture Schéma conceptuel Monde réel υ Concepteur υ Personne conduit Voiture ϖ ϖ Schéma logique utilisateurs ω LMD BD Personne Dupont Durant
Plus en détailModélisation conceptuelle des données Responsable: Dominique Schneuwly, Regis Caloz
Geographic Information Technology Training Alliance (GITTA) presents: Modélisation conceptuelle des données Responsable: Dominique Schneuwly, Regis Caloz Table des matières 1. Modélisation conceptuelle
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détail