پايگاه دادهها. Database. جزوه مهندس حمید رضا نیرومند

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "پايگاه دادهها. Database. جزوه مهندس حمید رضا نیرومند"

Transcript

1 پايگاه دادهها Database جزوه مهندس حمید رضا نیرومند

2 توجه: استفاده از جزوه بدون حضور در کالسها پيشنهاد نميشود. اين يک انتشار غيررسمي و بدون بازبيني نهايي از جزوه و ويژه دانشجويان مهندس نيرومند است. اين نسخه از جزوه است و به مرور غنيتر خواهد شد. )لطفا اشتباهات سهوي که مشاهده ميکنيد را به ايميلinfo@niroomand.ir ارسال نماييد(. 2

3 مقدمه: Database و سيستمهاي مرتبط با آن به يک جزء حياتي زندگي بشر تبديل شدهاند. بسياري از فعاليتهاي روزمره ما با Database درگير است. از جمله: اکثر کارهاي بانکي روال تهيه بليط هواپيما و.... به اين نوع از پايگاه دادهها که فقط با دادههاي عددي و متني سروکار دارند در اصطالح»پايگاه داه سنتي«)Traditional( گفته ميشود در حاليکه اين روزها Multimedia DBs يا GIS و... قابليت ذخيره سازي عکسها ويدئو و صدا را نيز دارد. اما به هر حال براي آموزش پايهاي پايگاه داده بايد از پايگاه دادههاي سنتي استفاده کرد. تعريف عمومي پايگاه داده: ابتدا تشريح کلمه :Database Data کلمهاي است که هم به صورت جمع و هم به صورت مفرد به کار ميرود اما در حقيقت يک کلمه جمع است که مفرد آن Datum است Base هم يعني پايه پايگاه. :Data حقايق شناخته شده يا Fact که ميتواند ثبت شود. مثل: نام آدرس شماره تلفن و... تعريف عمومي پايگاه داده: Database: a Database is a collection of related data پايگاه داده مجموعهاي از دادههاي مرتبط است. مشخصات عمومي :Database يک Database نماد دنياي در مفاهيمي واقعيت به خاطر همين به است miniworld( خرده جهان واقع( يا )Universe Of Discourse (UOD نيز ميگويند. Database مينيورلد يک Database يک مجموعه منطقا مرتبط با معاني غير مرتبط است. مجموعهاي از دادههاي تصادفي )random( Database ناميده نميشود. Database براي يک هدف خاص طراحي و ساخته شده است. 3

4 تعريف سيستم مديريت :DBMS يک DBMS: DataBase Management System يک پايگاه داده ممکن است به صورت دستي ايجاد شده باشد يا به صورت کامپيوتري مثل فايل.Excel ميدهد. DBMS مجموعهاي از برنامهها است که فوايد استفاده از :DBMS کنترل افزوندگي دادهها کنترل سطح دسترسيها به کاربر امکان ايجاد و مديريت پايگاه داده امکان تهيه نسخه پشتيبان )Backup( و بازگرداني اطالعات )Recovery( امکان استفاده همزمان چندين کاربر از پايگاه داده تعيين قيود يکپارچگي -6 و... تعريف سيستم پايگاه دادهاي System( )DB : به مجموعه پايگاه داده و سيستم مديريت پايگاه داده سيستم پايگاه دادهاي گفته ميشود. شکل ک يل محيط سيستم پايگاه دادهاي: کامپيوتري را Query Meta Data Stored Data 4

5 Student مثال: پايگاه دادهاي که شامل ترمها و پروژهها و دانشجوها و نفرات است: مشخصات دانشجويان Name stno Mager Ali Amin cs math Course رابطه دوره name C01 Course name DB credit 3 Department cs با رشته M203 stat 2 Math Section مشخصات Section ID 85 Course Number C01 Semaster 882 Instractor Year Akbari 2010 هر دوره 82 M Ahmadi 2010 Grades نمرات stno 3382 Se ID 85 grade 22 تفاوت مشي فايلينگ و با مشي پايگاه دادهاي: مشي فايلينگ: None-DBMS Approach مشي پايگاه دادهاي: DBMS Approach معايب مشي فايلينگ: - تصور کنيد اداره امور دانشجويي به اطالعات دانشجويان نياز داشته باشد در مشي فايلينگ نام و نام خانوادگي و شماره دانشجويي و کليه اطالعات امور در فايلي ذخيره ميشود. از طرفي اداره امور مالي نيز که براي محاسبه شهريه دانشجويان وام و غيره... به اطالعاتي مثل نام آدرس و بسياري اطالعات ديگر نياز دارد که در يک فايل مجزا ذخيره ميشود. پس بدون حضور سيستم پايگاه دادهاي بسياري از اطالعات به صورت تکراري در فايلهاي مختلف ذخيره ميشوند که هدر رفتن فضاي حافظه را در پي خواهد داشت. به اين عيب در اصالح»افزونگي داده«گفته ميشود. - براي به روز کردن يک سري اطالعات بايد چندين فايل مختلف ويرايش شود. - براي هر فايل يک برنامه کاربردي مخصوص به آن نياز است که در نتيجه سيستمهاي کاربردي پراکندهاي خواهيم داشت. 5

6 خطر بروز ناسازگاري داده عدم امکان اشتراک داده عدم امکان اشتراک داده عدم امکان اعمال ضوابط امنيتي روي کل دادههاي سازمان مزاياي مشي پايگاه دادهاي: برعکس معايب مشي فايلينگ خواهد بود... افراد مرتبط با پايگاه دادهها Database Administrator -1 DBA وظيفه نظارت و مديريت دو منبع اصلي سيستم يعني DB و DBMS را دارد. برخي از وظايف: مديريت دسترسي کاربران سطوح مختلف به DB - مانيتور کردن و نظارت لحظه به لحظه کارکرد سيستم - تهيه نرمافزارها و سخت افزارهاي الزم - تأمين امنيت سيستم - Database Designers -2 مشخص کردن دادههايي که در پايگاه داده بايد ذخيره شوند. تهيه ساختاري براي نمايش و ذخيره سازي دادههاا در اصطالح به اين ساختار ميگويناد ااش ما.Schema ايجااد Viewهااي مختلاف باراي گروههااي مختلاف سيستم. 3- کاربران نهايي يا :End Users کاربراني هستند که کار آنها طوري اسات کاه نيااز باه دسترساي Database دارناد باراي پارس و جاو و Update کردن و غيره Software Engineers & System Analysis & Application programmers -4 )مهندسان نرمافزار تحليل گران سيستم و برنامه نويسان برنامههاي کاربردي( نيازهاي کاربران نهايي را تعيين ميکنند برنامههاي الزم جهت رفع اين نيازمنديها را طراحي و پيادهساازي ميکنند وظيفه تست خطايابي و تعميرات را نيز بر عهده دارند. نکته: بايد با تمام قابليته يا DBMS آشنا باشد. 6

7 5- کاربراني که به طور غير مستقيم با Database در ارتباط اند: System Designers & Implementers -5-1 وظيفه طراحي و پياده سازي ماژولهاي DBMS و رابطه يا Tool Developers -5-2 وظيفه طراحي و پيادهسازي پکيجه يا Operators and Maintenance Personel -5-3 نرمافزاري الزم را بر عهده دارند. نرمافزاري را که استفاده از Database را تسهيل ميکنند دارند. پرسنل مربوط به نگهداري و انجامکارهاي عملياتي سيستم وظيفه اجرا تعميرات و مديريت سختافزارها و نرمافزارهاي سيستم را بر عهده دارد تاريخچه :Database 1- Databaseهاي اوليه در ساله يا - وجود دادههاي مشابه بسيار در بانک اطالعاتي - عدم انعطاف پذيري مناسب در ايجاد پرس و جوهاي الزم - بزرگترين مشکل: عدم حضور DBMS يعني براي هر بانک اطالعااتي ياک برناماه مخصاوص نوشاته ميشد در نتيجه براي افزودن يک پرس و جوي جديد بايد يک برنامه جديد نوشاته تسات و خطاياابي ميشاد که بسيار وقتگير بود. 2- ظهور Databaseهاي رابطهاي در طراحي زبانهاي پرس و جوي سطح باال و قبليت طراحي Applicationهاي منعطفتر. دوره ظهور برنامههاي شيئگرا و نياز به طراحي پايگاه دادههاي پيچيده در اواسط و اواخر دهه 82 دوره ظهور پايگاه دادههاي تحت وب در دهه 82 دوره توسعه قابليته يا Databaseها براي برنامههاي کاربردي جديد قابليتهايي مثل ذخياره ساازي دادههاا در زماان خااص ياا باه صاورت ماهياناه گارفتن نساخه پشاتيبان حرفهايتر و... 7

8 انواع معماري سيستم پايگاه دادهها 1- پايگاه داده متمرکز يا Centralized DB يا : CDB DB و DBMS هر دو بر روي يک کامپيوتر هستند و به شبکه خاصي متصل نيستند. Centeralized DB (CDB) OS Apps DBMS DB 2- پايگاه داده توزيع شده يا Distributed DB يا : DDB OS APPS DBMS DB1 OS APPS DBMS DB2 DCM DCM PC2 NET DCM OS APPS DBMS DB3 PC3 در اين نوع پايگاه داده داريم: DDB={DB1+DB2+DB3} شعب مختلف بانک ملي را به عنوان PC2 PC1 و PC3 در نظر بگيريد. اطالعات هر شعبه روي سيستم همان شعبه است. 8

9 DDB Technology = DB Tech + NET Tech سوال: تکنولوژي DDB با چه تکنولوژيهايي درگير است -3 پايگاه داده کالينت-سروري يا Client / Server DB يا : C/S DB مانند سيستم شبکه بانکي شتاب OS APPS DBMS OS APPS DBMS DB DCM DCM Clint NET Server LAN WAN پايگاه داده چند کالينتي-چند سروري يا Multi Client / Multi Server DB يا / MC MS DB -4 OS APPS DBMS DB OS APPS DBMS DB DCM DCM LAN WAN NET DCM OS APPS DBMS DB 8

10 محيط عملياتي: به محيطي که قصد طراحي يک سيستم ذخياره و بازياابي اطالعاات )ذباا( را باراي آن داريام )miniworld( خرده جهان واقع يا»محيط عملياتي«گفته ميشود. هر محيط عملياتي معموال از چندين محيط تشکيل شده است: محیط عملیاتی دانشگاه اداره امور آموزشی اداره امور دانشجویی اداره امور مالی... 12

11 The Entity-Relationship Model )مدل )E/R روند طراحي يک پايگاه داده با تحليل اطالعاتي که بايد در Database نگه داشته شاوند و رواباط باين آنهاا آغاز ميشود. سپس اين دادهها باياد مدل سازي معنايي شاوند. باراي مادل ساازي معناايي دادههاا روشهااي مختلفي وجود دارد مانند روش.E/R اما رايج ترين تکنولوژي روشي است به نام UML يا روش Functional :E/R يک مدل گرافيکي است شامل Boxها و فلشهايي براي نمايش عناصر دادهاي و روابط بين آنها. )در فصلهاي بعد اين اشکال گرافيکي با استفاده از مدل رابطهاي به جدول تبديل ميشوند( روند پياده سازي يک :Database Ideas E/R Modeling E/R Relational Schema Relational DBMS عناصر مدل :E/R در مدل E/R ساختار Database توسط عناصر زير به صورت گرافيکي نمايش داده ميشود. -1 موجوديت Entity -2 صفات Attribute -3 روابط Relationship -1 موجوديت: An entity represents a real-world object or concepts such as an employee or project. تعريف: يک موجوديت نماد يک شيئ يا مفهوم در دنياي واقعي است. مثل يک کارمند يا يک پروژه. توجه: در هر محيط عملياتي مجموعهاي از موجوديتها وجود دارد که مدل ساز بايد اين مجموعه را به درساتي تشخيص دهد. براي نمونه در محيط عملياتي دانشگاه چند نمونه موجوديت عبارتند از: دانشجو استاد کارمناد کالس درس ترم و

12 راهنماي عملي تشخيص موجوديتهاي محيط عملياتي: - يک موجوديت معموال چندين نمونه )instance( در محيط دارد. - کاربر مجموعهاي از اطالعات در مورد آن ميخواهد. - معموال بيش از يک صفت دارد. نمونههاي ديگري از موجوديت: در يک آموزشکده زبان برخي از موجوديتها عبارتند از: زبان آموزان اساتيد کالسها ترمها و غيره. توجه کنيد که در اين سيستم خاود»آموزشاکده«ياک موجوديات نيسات چاون بناد اول در ماورد آن برقارار نيست. اما اگر بخواهيم براي کل آموزشکدههاي سراسار کشاور برناماه بنويسايم آنگااه آموزشاکده خاود ياک موجوديت خواهد بود. براي نمونهاي ديگر ميتوان از کتابخانه نام برد و موجوديتهاايي چاون کتابهاا گروههااي کتااب قفساهها اعضا کتابداران و غيره. يا در مدرسه: دانشآموزان معلمها کالسها کارمندان درسها و غيره. انواع موجوديت: 1- موجوديت قوي يا مستقل 2- موجوديت ضعيف يا وابسته موجوديت قوي: موجوديتي است که وجود آن وابسته به وجود موجوديت ديگري نيست. براي نمونه در سيستم دانشگاه يک»دانشجو«يک موجوديت قوي است حتي اگر هيچ درسي در يک ترم اخذ نکند )مرخصي( باز هم»دانشجو«است.»استاد«نيز موجوديتي قوي است حتاي اگار در ياک تارم درساي ارائاه نکند باز هم»استاد«است. موجوديت ضعيف: موجوديتي است که وجودش وابسته به وجود موجوديت ديگري است. مثل گواهينامه= اگر شخص حذف شود گواهينامه او ديگر مطرح نيست. مثل والدين= اگر شخص حذف شود ديگر والدين او مطرح نيست. 12

13 -2 صفت: An Attribute represts some property of interest that further describes an Entity هر موجوديت داراي مشخصاتي است که آن موجوديت را بيشتر توصيف ميکند. ايان مشخصاات در اصاطالح»صفت«يا Attribute گفته ميشود. اين موضوع را به صورت زير نيز نمايش ميدهند: مجموعهای از اطالعاتی در مورد هر یک از نمونههایi E Ei = { Ai } i =1,2,... یا => i=1 Ai مثال: موجوديتي به نام دانشجو داراي صفاتي مانند: نام نام خانوادگي نام پدر آدرس تلفن و... است. بخشهاي تشکيل دهنده يک صفت: نام معنا نوع )عددي رشتهاي و...( طول مقدار )22 کاراکتري 42 کاراکتري و...( ميدان يا دامنه )مقادير مجاز( مثل صفت نمره: Grade نمره دانشجو Decimal 4 2 تا 22 انواع صفت: 1- صفت ميتواند شناسه باشد يا نباشد. صفت شناسه عامل جداسازي يک نمونه موجوديت از يک نمونه ديگار اسات. )مثال شاماره دانشاجويي براي موجوديت دانشجو( صفت شناسه داراي دو ويژگي زير است: 1-1- يکتايي مقدار دارد. 1-2 ي- حت االمکان طول کوتاهتر و ترجيحا از صفات طبيعي است. مثل کد ملي 13

14 صفت ممکن است ساده باشد يا مرکب: صفت مرکب صفتي است که از تعدادي صفت ساده تشکيل شده است. مثل صفت آدرس شامل: نام شهر خيابان کوچه پالک صفت ممکن است تک مقداري يا چند مقداري )Multi-Valued( باشد. مثل صفت شماره تلفن صفت ممکن است واقعي يا مجازي باشد. صفت واقعي مقدار ذخيره شده در Database است. مثل نام نام خانوادگي نمره و... صفت مجازي مقدار ذخيره شده ندارد بلکه از پردازش از روي مقادير ذخيره شده به دست ميآيد. مثل معدل يا سن توجه: به صفت مجازي صفت محاسباتي يا صفت مشتقشده يا Derived Attribute نيز گفته ميشود :E/R Diagram يک دياگرام E/R گرافي است که نماد موجوديتها صفات و روابط است. Symbol Meaning موجوديت صفت رابطه صفت مجازي موجوديت ضعيف صفت چند مقداري 14

15 مثال: نمودار نمايش دانشجو در محيط عملياتي دانشگاه را رسم کنيد. ت ت مجازي شماره دا. دانشجو آدرس نام نام خانوادگي ش ش 3- رابطهها: Relationships are connections among two or more Entity sets. رابطهها ارتباط بين 2 يا چند موجوديت هستند. به طور مثال درس و دانشجو 2 موجوديت هستند. رابطه )اخذ کردن( 2 موجوديت را به هم متصل ميکند:»دانشجو«اخذ ميکند»درس«را 1 1 E1 R E2 انواع رابطه بين 2 موجوديت: 1- رابطه One-One يا يک به يک: اگر يک نمونه از موجوديت E1 با يک نمونه از موجوديت E2 رابطه داشته باشد و بالعکس آنگااه رابطاه آنهاا يک به يک است. مثال: رابطه مديريت بين استاد و دانشکده. يک نمونه از دانشکده فقط توسط يک استاد مديريت ميشود و بالعکس دانشکده 1 مديريت 1 استاد 2- رابطه Many-One يا يک به چند يا 1 به N: اگر ياک نموناه از موجوديات E1 باا N نموناه از موجوديات E2 در ارتبااط باشاد در حاليکاه ياک نموناه از موجوديت E2 فقط با يک نمونه از موجوديت E1 در ارتباط است در اينصورت رابطه ياک باه چناد برقارار خواهد بود. 1 N E1 R E2 15

16 مثال: رابطه بين»دانشگاه«و»دانشجو«در سيستم دانشگاههاي کل کشور. باشد. هر دانشجو فقط در يک دانشگاه ميتواند تحصيل کند اما هر دانشگاه ميتواند باا چنادين دانشاجو رابطاه داشاته N 1 تحصيل دانشجو دانشگاه 3- رابطه Many-Many يا چند به چند يا N به : M اگر يک نمونه از موجوديت E1 با M نمونه از موجوديت E2 و يک نمونه از موجوديات E2 باا N نموناه از موجوديت E1 ارتباط داشته باشد بين E1 و E2 رابطه N به M برقرار است. مثال: رابطه بين»دانشجو«و»درس«. يک»دانشجو«چندين»درس«اخذ ميکند و يک»درس«نيز توسط چندين»دانشجو«اخذ ميشود. نکته: در محيطهاي عملياتي بيش از همه اين رابطه به چشم ميخورد. N M E1 R E2 N M درس دانشجو اخذ نکته: ارتباط نيز ميتواند صفت يا صفاتي داشته باشد از اين منظر ارتباط نيز نوعي موجوديت است. مثال: N M نام شماره ترم درس دانشجو انتخاب st تاريخ اخذ نمره units name نام خانواگي نکته: مشارکت يک نوع موجوديت در يک رابطه ممکن است الزامي يا )کامل( باشد يا نباشد. مشارکت الزاماي زماني است که تمام نمونههاي موجوديت در آن ارتباط شرکت داشته باشند. مثال: استاد 1 گروه آموزشي ارتباط الزامي مديريت 1 هر گروه آموزشي حتما بايد توسط يک استاد مديريت شود اما لزوما يک استاد مديريت يک گروه آموزشي را بر عهده ندارد. 16

17 نکاتي در مورد ارتباط: ارتباط ممکن است بين يک موجوديت و خودش باشد. در اين حالت ارتباط Self-Relation ناميده ميشود. نکته: ارتباط بزرگتر از سه موجوديتي در محيط عملياتي توصيه نميشود. نکته: با داشتن يک ارتباط سه موجوديتي ميتوان ساه ارتبااط دو موجاوديتي باه دسات آورد اماا بار عکاس آن هميشه درست نيست. اگر چنين کنيم در اصطالح دچار دام پيوندي trap( )Connection شدهايم. مثال: استاد مدل اول: يک ارتباط سه موجوديتي درس اخذ دانشجو اگر کاربر به طور قطع از سه ارتباط دو موجوديتي يک ارتباط سه موجوديتي به دست بياورد دچاار دام پيونادي شده است. دانشجو انتخاب درس مدل دوم: سه ارتباط دو موجوديتي ارائه انتخاب استاد اگر بخواهيم مدل دوم را به مدل اول تبديل کنيم )دام پيوندي( به مشکل زير بر ميخوريم. فرض کنيد داريم: R1= دانشجوي ST100 درس C200 را انتخاب کرده است. R2= دانشجوي ST100 دانشجوي استاد PR7 است. R3= استاد PR7 درس C200 را تدريس ميکند. اگر مدل دوم را به مدل اول تبديل کنيم نتيجه زير گرفته ميشود که ممکن است درست نباشد: R4= دانشجوي ST100 درس C200 را با استاد PR7 انتخاب کرده است. ST100 ST200 C200 C300 PR7 PR8 در شکل باال درست است که با PR7 در ارتباط است و درس C200 را نيز اخذ کارده اماا ممکان اسات ايان درس را با PR8 اخذ کرده باشد و درس C300 را با PR7 گرفته باشد. 17

18 مشکالت روش :ER دام چند شاخه يا چتري: اين دام وقتي توليد ميشود که يک نوع موجوديت با ديگار موجوديات ارتبااط 1 به N با مشارکت الزامي داشته باشد. مثال: دانشکده 1 1 گروه آموزشي دانشکده استاد PR1 F10 DE99 دارد دارد PR2 PR3 F19 DE33 DE44 N N گروهآموزشي استاد توضيح: در اين مثال نميتوان گفت استاد PR1 عضو گروه آموزشي DE99 است يا گروه آموزشاي.DE33 اگر اين مدل سازي به صورت زير تغيير کند مشکل برطرف ميشود: گروه آموزشي N 1 دانشکده گروه آموزشي استاد دارد وابسته است PR1 PR2 PR3 DE99 DE33 DE44 F10 F19 1 N استاد دانشکده 18

19 دام شکاف يا گسل: زماني ايجاد ميشود که ياک موجوديات باا موجوديات ديگار ارتبااط N باه 1 از ناوع الزامي داشته باشد ولي با يک موجوديت ديگر ارتباط 1 به N غير الزامي داشته باشد. استاد N 1 درس استاد گروه آموزشي DE2 PR1 L11 PR2 L22 انتخاب انتخاب DE3 PR3 L33 1 N گروه آموزشي درس سؤال: در اين مثال درس L22 از درسهاي کدام گروه آموزشي است جواب: نميدانيم. اگر مدل باال به صورت زير تغيير کند مشکل حل ميشود: استاد N 1 درس استاد گروه آموزشي DE2 PR1 L11 تدريس عضويت PR2 L22 DE3 PR3 L33 1 N 1 گروه آموزشي دارد N درس 18

20 EER (Extended ER or Enhanced ER): روش ER کمبودهايي دارد که در مباحث شيئگرايي برخي از روابط بين اشياء در دنياي واقعي را نميتوان باه اين روش مدلسازي کرد به همين خاطر گسترش داده شده و روش EER ايجااد شاده اسات. ايان مادل شابيه کالسها و وراثت در برنامه نويسي شيئگرا است. - رابطه IS-A )گونهاي است از(: براي نمايش ارتباط يک نوع موجوديت با گونههايش از ايان رابطاه اساتفاده ميشود. معموال به صورت کمان يا مثلث درج ميشود. ميتوان به جاي کمان از استفاده کرد. صفات موجودات زنده توسط صفات موجود زنده صفات حيوانات و انسان به ارث ميبرند. حيوان نباتات انسان نکته: يک زير-موجوديت )sub-entity( ميتواند بايش از ياک موجوديات والاد )super-entity( داشاته باشد. رابطه :IS-A-PART-OF ارتباط بين يک شيئ کل است و اشاياء تشاکيل دهناده آن. ياا باه عباارت ديگار ميگوييم يک موجوديت از تعدادي موجوديت جزء تشکيل شده است. ماشين is-a-part-of is-a-part-of is-a-part-of شاسي درب موتور 22

21 نمودار ER نشان دهنده پايگاه دادههايي اسات کاه قارار اسات طراحاي و پيااده ساازي شاوند بناابراين نماايش Database است در باالترين سطح انتظار. تخصيص: مشخص کردن گونههاي خاص يک شيئ را گويند. به طور مثاال در ماورد موجاود زناده ساه گوناه خاص عبارتند از: انسان حيوان نبات تعميم: عکس عمل تخصيص است يعني با داشتن زير نوعهاي خاص صفات آنها را در يک مجموعاه صافات براي يک ابر موجوديت در نظر ميگيريم. 21

22 مشهورترين روشهاي مدلسازي داده: مدل دادهاي رابطهاي Model) 1. RDM (Relational Data مدل دادهاي سلسله مراتبي Model) 2. HDM (Hierarchical Data مدل دادهاي شبکهاي Model) 3. NDM (Network Data مدل دادهاي شيئگرا Model) 4. ODM (Object Data مدل دادهاي شيئگرا رابطهاي Model) 5. ORDM (Object Relational Data مدلهاي HDM و NDM از ابتداييترين مدلهاا باوده و باه دليال برخاي مشاکالت از جملاه عادم وضاوح کاربري ديگر کاربرد خاصي ندارد. مدلهاي ODM و ORDM مدلهاي تازه وارد به حساب ميآيند. آشنايي با مدل RDM - اولين بار توسط آقاي CODD در سال 1872 و سپس توسط آقاي C.J.Date مطرح شد. Edgar 'Ted' Codd C.J. Date - اولااين DBS کااه رابطااهاي بااود در اواياال سااال 1882 توسااط شاارکتهاي oracle و IBM مهاامتاارين RDBMS )سيستمهاي مديريت پايگاه داده رابطهاي( عبارتند از: Microsoft محصول شرکت Access و SQL Server و Oracle محصول شرکت RDB و Oracle مفاهيم RDBMS رابطه: رابطه يک مفهوم رياضي است اما از ديدگاه کاربري نمايش جدولي دارد. به هماين خااطر باه RDM ممکن است )Tabular Data Model( TDM نيز گفته شود. 22

23 عناصر مدل رابطهاي يا جدولي: جدول :)Table( در طراحاي Database باا TDM هار ناوع موجوديات و رابطاه باا جادول نماايش داده ميشود. سطر :)Row( هر نمونه موجوديت و هر نمونه ارتباط با مفهوم سطر نمايش داده ميشود. ستون :)Column( هر صفت به صورت ستونهاي يک جدول نمايش داده ميشود. در طراحي در روش TDM نمودارهاي ER به مجموعهاي از جدولها تبديل ميشود. هر نوع موجوديت مستقل يک جدول را تشکيل ميدهد و روابط M به N نيز يک جادول باه خاود اختصااص ميدهند. مثال: مسأله توليد کننده و قطعه. تعريف رابطه در مدل :RBM با فرض وجاود m مجموعاه از مقاادير توليد کننده S N M 1 قطعه P تهيه وD D 2 و...و Dهار m ياک باا ناوع مشخص )و نه لزوما متمايز( رابطه R تعريف شده روي ميدان m از دو قسمت تشکيل شده است. S S# SName SN1 Staus 90 City C1 SP S# P# P1 City Heading )عنوان( -2 Body )بدنه( S2 SN2 20 C2 S2 P2 50 S3 SN3 10 C3 S3 P3 10 مجموعه Heading مجموعهاي است نامدار از اسامي صفات رابطه. مثال: براي مثال توليد کننده و قطعه داريم S (S#, SName, Status, City) P (P#,PName,Color,Weight) SP (S#,P#,City) {<A 1 :V 11 >, <A 2 :V 12 >,..., <A n :V n >} مجموعه Body بدنهاي است از تاپلها: مثال: براي سطر اول جدول S داريم: {<S#:''>, <SName:'SN1'>, <Status:'10'>, <City:C1>} 23

24 نکته: مجموعه بدنه»متغير در زمان«است يعني در هر لحظه ممکن است صفر يا چندين تاپل )tuple( يا سطر در آن موجود باشد. )مثل بدو تعريف رابطه که اين مجموعه تهي است و هيچ رابطهاي ندارد.( اما مجموعه عنوان»ثابت در زمان«است. يعني اگر صفتي از آن کم يا زياد کنيم از نظر رياضي با رابطه اول متفاوت است. درجه رابطه: به تعداد صفات يک رابطه درجه رابطه گفته ميشود. )در اصاطالح گفتاه ميشاود: کاردينااليتي مجموعه عنوان( درجه n اصطالح انگليسي Unary Binary Ternary n-ary اصطالح فارسي يگاني دوگاني سهگاني nگاني نکته: به درجه )Degree( در اصطالح arity نيز گفته ميشود. مثال: مدل S در مثال قبل يک مدل چهارگاني است. کارديناليتي رابطه: تعداد تاپلهاي مجموعه بدنه را کارديناليتي رابطه گويند. تناظر بين مفاهيم رابطهاي و جدولي مفاهيم رابطه رابطه تاپل صفت درجه رابطه کارديناليتي رابطه ميدان کليد مفاهيم جدول جدول سطر ستون تعداد ستون تعداد سطرها محدوده مقادير مجاز ستون شناسه نکته 1: جدول صرفا يک امکان است براي نمايش رابطه. نکته 2: در مدل رابطهاي هم موجوديت و هم ارتباط )رابطه( نمايش داده ميشوند. 24

25 خصوصيات رابطه: 1- رابطه تاپل تکراري ندارد. )مثال دو سطر در جدول دانشجويان با مشخصات مشابه نداريم.( 2- صفات رابطه نظم مکاني ندارند. R (A 1, A 2 ) = R (A 2, A 1 ) S (S#, SName,...) = S (SName, S#,...) 3- تاپلها نظم ندارند. 4- طبق تعيين آقاي کاد صفات رابطه بايد اتوميک )Atomic( باشد. )ساده باشد يعني مرکب نباشد.( 5- تمام صفات تک مقداري هستند. يعني در تقاطع سطر و ستون بايد يک مقدار وجود داشته باشند. تعريف رابطه :Normal رابطهاي است که صفات ساده يا مرکب چناد مقاداري نداشاته باشاد. باه عباارت ديگر مقادير صفات در تاپلهاي مختلف تکرار شونده نباشند. )مثل شماره تلفن( )مدرک نام شماره( Prof در مورد مدرک به مشکل ميخوريم که کدام را در جدول درج کنيم! ليسانس فيزيک ) ليسانس زبان, Ali Prof (P20, فوق مکانيک ليسانس فيزيک ليسانس زبان فوق مکانيک نام مدرک شماره استاد دليل لزوم Normal بودن رابطه: دليل يک چيز است و آن سادگي! - سادگي در نمايش ظاهري رابطه - سادگي دستورات - سادگي در اجراي عمليات در پايگاه داده. رابطه غير :Normal رابطهاي که صفات ساده يا مرکب چند مقداري داشته باشد. به اين رابطه رابطه تودرتاو نيز گفته ميشود. 25

26 S.K = Super Key C.K = Candidate Key P.K = Primary Key A.K = Alternative Key F.K = Foreign Key Key يا کليد در مدل رابطهاي: انواع کليد: 1- کليد سوپر يا ابر کليد 2- کليد کانديد 3- کليد اصلي 4- کليد بديل 5 -کليد خارجي R (H) = R (A 1, A 2,... A i, A H... A n ) با توجه به اين رابطه کليدهاي مختلف را تعريف ميکنيم. سوپر کليد: هر زير مجموعه از H که يکتايي مقدار داشته باشد. کليد کانديد: هر زير مجموعه از H که دو خاصيت زير را داشته باشد: 1- يکتايي مقدار داشته باشد. 2- کاهش ناپذير باشد. يعني اگر يکي از عناصر اين مجموعه را حذف کنيم ديگر شاهد يکتايي مقادار نباشيم. مثال: در سيستم کتابخانه چنين جدولي خواهيم داشت. Book Member B-M B# BName Author M# MName MAddress B# M# Date در جدول بوک #B کليد کانديد است. نکته: براي يافتن يک سطر خاص از طريق کليد کانديد ميتوان آن را يافت. در جدول B-M ترکيب #B, #M, Date کليد کانديد است. سؤال: آيا ميتوان فقط ترکيب #B و #M را کليد کانديد گرفت خير. چون ممکن است يک عضاو خااص يک کتاب خاص را چندين بار اخذ کرده باشد. سؤال: آيا هر رابطه حداقل يک کليد کانديد دارد بله. زيرا در بدترين حالات باا ترکياب تماام صافات باه H ميرسيم و طبق تعريف رابطه )که هيچ تاپل تکراري نداريم( H يکتايي مقدار دارد. 26

27 - رابطهاي که در آن خود H کليد کانديد باشد رابطه All-Key يا»تمام کليد«گفته ميشود. - رابطه ممکن است بيش از يک کليد کانديد داشته باشد. کليد اصلي: طراح پايگاه داده بايد يکي از کليدهاي کانديد را به عنوان کلياد اصالي رابطاه انتخااب و معرفاي کند. از کليد اصلي در تمام بخشهاي سيستم براي يافتن سطر مورد نظر استفاده ميشود. سؤال: آيا هر رابطه حتما يک کليد اصلي دارد بله چون حداقل يک کليد کانديد داريم پس حتما يک کلياد اصلي داريم. کليد بديل: هر کليد کانديد غير از کليد اصلي کليد بديل ناميده ميشود. مثل ترکيب #M, Date در جدول B-K اگر هر عضو در هر روز قادر به بردن فقط يک کتاب باشد. کليد خارجي: صفت کانديد باشد. A i )ساده يا مرکب( از R 2 در R 2 کليد خارجي ناميده ميشاود اگار A i در R 1 کلياد به طور مثال: #B در B-M کليد خارجي است. همچنين #M در B-M کليد خارجي است. نکته: کليد خارجي امکان اصلي براي نمايش ارتباط بين موجوديتها است. مثال: صفت #B و #M در رابطه B-M نشان دهنده ارتباط چند به چند»اخذ«بين موجوديات کتااب و عضاو است. 27

28 حالت اول: دو موجوديت مستقل و ارتباط چند به چند تبديل مدل ER به مدل رابطهاي بررسي حاالت مختلف روابط # St StName Student N اخذ کردن Getting M Course # Co CoName Grade Date مثال: Student (St#, StName,...) C.K Course (Co#, CoName,...) C.K S-C (St#, Co#, Date, Grade) F.K F.K C.K * در اين حالت تعداد رابطه برابر است با 1+n که n تعداد موجوديتهاست. * در نمايش ارتباط بين دو موجوديت کلياد کاندياد رابطاه حاداقل از ترکياب کليادهاي خاارجي باه دسات ميآيد. يعني ممکن است صفت يا صفاتي از ارتباط هم در کليد کانديد به کار رود. حالت دوم: دو موجوديت مستقل و يک ارتباط يک به N: در اين حالت موجوديت طرف 1 را با يک رابطه و موجوديت طرف N و ارتباط را با هم در ياک رابطاه ديگار نمايش ميدهيم.. استاد 1 N عضويت گروه آموزشي DE# PR name #PR. 28

29 در رابطه دوم کليد کانديد رابطه اول به عنوان کليد خارجي حضور دارد و ارتباط مورد نظر را برقرار ميکند. نکته: کليد کانديد طرف يک را در طرف N نگه ميداريم. DEPT (DE#, Title,...) C.K PROF (Pr#, PrName,..., DE#) C.K F.K DE# Title حالت سوم: دو نوع موجوديت مستقل و ارتباط يک به يک 1 1 مديريت استاد گروه آموزشي Pr # PrName براي موجوديتي که سمت يک ارتباط است يک رابطه تعيين ميکنيم و براي موجوديتي که در سمت مشارکت است. الزامي رابطه است يک رابطه ديگر تعريف خواهيم کرد که کليد کانديد رابطه اول در اين رابطه کلياد خاارجي نکته: اگر رابطه 1 PROF (Pr#, PrName,...) C.K Deft (DE#, Title,..., Pr#) C.K F.K به N خود صفاتي داشت صفات را به رابطهاي که شامل کليد خارجي است اضافه ميکنيم. حالت چهارم: يک نوع موجوديت داريم که با خودش رابطه N به M دارد. مثال: مسأله قطعه و توليد کننده P# PNam e Part شماره قطعه فرعي : MinP# شماره قطعه اصلي MajP#: P-P Part (P#, P name,...) C.K P-P = (MajP#, MinP#, Qty) F.K C.K F.K Qty MajP# MinP# کليد کانديد رابطه دوم حداقل از ترکيب کليدهاي خارجي به دست ميآيد. 28

30 حالت پنجم: يک نوع موجوديت که با خودش رابطه يک به N دارد. اين حالت با يک رابطه طراحي ميشود. EMPL (E#, EName, E1name, EManager#) (شماره کارمندي مدير) F.K C.K E# Employee يک کارمند توسط يک مدير مديريت ميشود ولي يک مدير چندين کارمند را مديريت ميکند. حالت ششم: 1 N مديريت ارتباط موجوديت قوي با موجوديت ضعيف. معموال ارتباط موجوديت قوي با موجوديت ضعيف 1 به N است. E# نام تاريخ تولد عضو خانوادگي دارد کارمند جنسيت موجوديت ضعيف در اين حالت براي موجوديت قوي يک رابطه: و براي موجوديت ضعيف و ارتباط آن که حالت هفتم: EMPL (E#, EName, ELName, Address, ) C.K ميتواند صفت هم داشته باشد يک رابطه در نظر ميگيريم: MEM (MName, Birthday, Gender, E#) C.K F.K C.K وجود صفت چند مقداري [اعم از ساده يا مرکب] در اين حالت 2 رابطه يکي براي موجوديت يکي براي صرفت چند مقداري در نظر ميگيريم. E A1 An Aj Ai... A2 32

31 MEM (M#, Mname,...) C.K مثال 1: صفت چند مقداري ساده: يک جدول براي عضو و يک جدول براي Tel در نظر ميگيريم. Tel (TelNumber, Code,..., M#) F.K C.K MEM شماره تلفن تماس عضو مثال 2: صفت مرکب: سمت از سابقه کار کارمند تا حقوق EMP (E#, Ename,...) C.K EMP jobtistory (E#, JobTittle, BDate, EDate,...) F.K C.K نکته: اگر تعداد صفات چند مقداري يک موجوديت n باشد 1+n رابطه بايد طراحي کرد. حالت هشتم: رابطه IS-A اگر يک نوع موجوديت n زير نوع داشته باشد 1+n رابطه طراحي ميشود. EMP (E#, name, Last name,...) C.K NOPRM (title,..., E#) F.K PRM (PrLanquequ, Fee,..., E#) F.K LastName کارمند E# EName سمت نابرنامهساز برنامهساز 31 پايهحقوق زبانبرنامهنويسي...

32 حالت نهم: IS-A-PART-OF در اين حالت شيئا جزء صفات شيئا کل را به ارث نمي برد. در اين حالت براي موجوديت کل يک رابطه و براي موجوديت جزء نيز يک رابطه تعريف ميکنيم. Car (M#, Model,...) C.K Motor (M#, Mt#,...) C.K Shasi (M#, Sh#,...) C.K M# Model دارد ماشين دارد Mt# شاسي موتور Sh# حالت دهم: ارتباط سلسله مراتبي بين انواع موجوديتها: در اين حالت براي هر موجوديت يک رابطه تعريف ميکنيم. کليد رابطه ترکيب شناساه موجوديات باا شناساه موجوديت پدر آن موجوديت در نظر گرفته ميشود. E1REL (E1#,...) C.K E2REL (E2#, E1#,...) F.K C.K E3REL (E3#, E1#,...) F.K C.K E4REL (E4#, E3#, E1#,...) C.K E5 (E5#, E3#, E1#,...) F.K F.K C.K E2 E2#,... E1#,... E4 E1 E3 E3#,.. E5 E4#,... E5#,... 32

33 ادامه مفاهيم مدل رابطهاي نمودار ارجاع Diagram( :)Reference همان طور که گفته شده کليد خارجي عامل ارتباط يک رابطه با رابطه ديگر است يعناي باا داشاتن مقادار کلياد خارجي در هر سطر از رابطه R 2 ميتوانيم به يک سطر مشخص در رابطاه R 1 رجاوع کنايم ايان معناا را چناين R 2 نمايش ميدهيم: R 1 و آن را نمودار ارجاع و يا گراف ارجاع ميناميم. Get Book Member به طور مثال در رابطه اخذ در سيستم کتابخانه داريم: مسير ارجاع ميتواند حلقوي )بازگشتي يا چرخشي( باشد. R n R n-1... R 2 R 1 سؤال: در روابط Self-Relation نمودار ارجاع چگونه خواهد بود جواب: درس Lesson پيش نياز 33

34 قوانين جامعيت در مدل رابطهاي: در هر محيط عملياتي هميشه مجموعهاي از قواعد و محادوديتها )مثال بيشاتر نباودن نماره از عادد 22( وجاود دارند. اگر دادههاي ذخيره شده در پايگاه داده در تمام لحظات اين محدوديتها را رعايت کنند در اين صورت جامعيت پايگاه دادهها تأمين است. هر DBMS بايد جامعيت پايگاه داده را کنترل و تأمين کند. دليل اصلي کنترل جامعيت پايگاه داده چيست چون دادهها مبناي کلي تصميمگيري در سازمان هستند بنابراين هميشه بايد صحيح دقيق و معتبر باشند. انواع قواعد جامعيت: در RM دو رده کلي محدوديت و قواعد وجود دارد: 1- قواعد خاص 2- قواعد عام 1- قواعد خاص: قواعدي هستند که کاربر مجاز تعريف ميکنند. )معموال اين کاربر DBA است( اين قواعد وابسته به يک محيط عملياتي مشخص هستند و خاص آن محيط هستند. مثال: در محيط عملياتي دانشگاه: قاعده 1: نمره بين 2 تا 22 باشد. قاعده 2: يک دانشجو بيشتر از 22 واحد در يک ترم نميتواند اخذ کند. قاعده 3: اخذ يک درس بدون گذراندن پيش نياز ممکن نيست قواعد عام: وابسته به محيط خاصي نيستند و هر سيستم رابطهاي باياد بتواناد ايان قواعاد را روي DB اعماال کند. ( به اين قاعده Meta Rules هم گفته ميشود( انواع قواعد عام: C 1 C 2 1- قاعده 2- قاعده يا»قاعده جامعيت موجوديتي«Rule] [Entity Integrity يا»قاعده جامعيت کليد خارجي يا ارجاعي«Rule] [Referential Integrity C1: قاعده در مورد کليد اصلي است. طبق اين قاعده هر جز تشکيل دهنده کليد اصلي نميتواند»هيچ مقادار«)NULL( باشد.»هيچ مقدار«يعني ناشناخته تعريف نشده ناموجود و غيرقابل اعمال. دليل توجيح کننده قاعده C1: کلياد اصالي شناساه هار تاپال در رابطاه اسات يعناي عامال تماايز ياک نموناه موجوديت از نمونه ديگر و عامل تمايز خود نميتواند ناشناخته باشد. 34

35 براي اعمال قاعده Cبايد 1 کليد اصلي را مطابق کد زير به سيستم معرفي کنيم: CREATE TABLE R ( A1 DOMAIN dom1 NOT NULL Primary Key, A2..., A3..., ); قاعده C2: در مورد کليد خارجي است. طبق اين قاعده اگار Ai در R2 کلياد خاارجي باشاد Ai در رابطاه R2 ميتواند نامعلوم يا NULL باشد به شرطي که جز تشکيل دهنده کليد R2 نباشاد. در غيار ايان صاورت بايد حتما مقداري داشته باشد که در R2 وجود دارد. يعني: مقدار کليد خارجي يک رابطه نميتواند در يک رابطه مرجع وجود نداشته باشد. نکته کنکوري: کليد خارجي ميتواند NULL باشد. مثال 1: در محيط کتابخانه در جدول اخذ نميتوان کد کتابي را اخذ کرد که هناوز در جادول Book تعرياف نشده است. مثال 2: R1: S (S#, SName, Status, City) R2: SP (S#, P#, Qty) SN1 5 Saveh P1 10 S2 SN2 10 Tehran S4 P2 زيرا S4 تعريف نشده است 100 S3 SN3 2 Qom دليل توجيح کننده قاعده C2: کليد خارجي عامل ارجاع است از يک نمونه موجوديت باه نموناه موجوديات ديگر. بنابراين نميتوان به نمونه موجوديت ناموجود ارجاع کرد. نکته: در تعريف کليد خارجي به رابطه R2 در مثال قبل»رابطه رجوع کننده«و باه رابطاه R1»رابطاه مرجاع«گفته ميشود. براي اعمال قاعده C 2-1 اوال کليد يا کليدهاي خارجي بايد به سيستم معرفي شوند. ثانيا بايد مشخص شود که در عمل افزودن و حذف يا ويرايش يک تاپل سيستم چگونه عمل کند. مثال در عمل درج چک شود که آيا در رابطه مرجع مقدار کليد خارجي وجود دارد يا خير و يا در عمل حاذف کدام يک از حاالت زير اتفاق بيفتد: روش آبشاري )Cascading( : دراين روش با حذف ياک تاپال از رابطاه مرجاع )ماثال رابطاه s( تماام تاپلهاي رجوع کننده به آن در رابطههاي رجوع کننده نيز حذف ميشوند. 35

36 -2-3 روش محدوديا مشروط) Restricted (: اگر درخواست شود که تاپلي از رابطه مرجع حاذف شاود ايان حذف تا زمانيکه تاپل هاي رجوع کنناده در رابطاههااي رجاوع کنناده وجاود داشاته باشاد باه تعوياق ميافتد. روش پر کردن با :)Nullifing) NULL کننده NULL ميشود به شرط آنکه قاعده C1 رعايت شود روش مقدار گذاري با مقدار پيشفرض Value( :)Set-To-Default با حذف تاپل مرجع مقدار کليد خارجي در تاپلهااي رجاوع با حذف تاپل مرجع مقدار کليد خارجي در تاپلهاي رجوع کننده به جاي NULL به مقدار اوليه تعريف شاده در شاماي Database تغيير ميکند. روش عدم اقدام Action( :)No نميشود. توجه: اين روشها در عمل Update )ويرايش( نيز قابل در صورت حذف تااپلي از رابطاه مرجاع اقادام ديگاري درخواسات اعمالاند. * بهتر است يک RBMS همه اين روشها را دارا باشد تا طراح متناسب باا کاارش گزيناهي ماورد نظارش را انتخاب کند. مثال از اعمال قاعده وC 1 CREATE TABLE SP ( S# CHAR (6) NOT NULL, P# CHAR(6) NOT NULL, قاعده C2 QTY NUMBER(2) ) CHECK 0 QTY 100, خاص قاعده PRIMARY KEY (S#,P#), قاعده C1 FOREIGN KEY S# REFERENCES S(S#), ON DELETE CASCADE, ON UPDATE CASCADE, FOREIGN KEY P# REFERENCES P(P#), ON DELETE CASCADE, ON UPDATE CASCADE, :C 2 36

37 عمليات بر روي پايگاه جدولي: براي انجام عملياتي مثل ايجاد و حذف جدول افزودن حذف و ويرايش رکورد و غيره بر روي پايگاه جادولي از زبان اساتاندارد سيساتمهاي رابطاهاي Language) SQL (Structured Query )زباان پرسوجاوي ساختيافته( استفاده ميشود. که با اين زبان در آزمايشگاه پايگاهدادهها آشنا خواهيد شد. عمليات بر روي پايگاه رابطهاي: جبر رابطهاي Relational Algebra به مجموعهاي از قوانين و عملگرها که امکان پردازش رابطهها را فراهم ميکنند»جبر رابطهاي«ميگويند. در جبر رابطهاي حاصل اجراي هر ياک از عملگرهاا خاود ياک رابطاه اسات. يعناي ورودي و خروجاي تماام عملگرها يک رابطه است. خاصيت بسته بودن: اين واقعيت که خروجي حاصل از هر عمل رابطهاي رابطه است خاصيت بسته بودن يا بستار يا Closure ناميده ميشود براي نمونه اجتماع دو رابطه عملگرها در جبر رابطهاي به 4 دسته زير تقسيم ميشوند. )جدول( يک عملگرهاي ساده شامل: عملگر گزينش )σ, SELECT, RESTRICT عملگرهاي مجموعهاي شامل: اشتراک ) ( تفاضل )-( اجتماع ) ) و( رابطه )جدول( است.. پرتو )تصوير Project )π, عملگرهاي پيوند شامل: ضرب دکارتي ) ( پيوند طبيعي ) ( نيم پيوند) ( پيوند شرطي) θ عملگرهاي ديگر مثل نامگذاري )ρ( تقسيم) ( و جايگزيني ) ( توجه: مثالهاي اين بخش بر اساس جداول S و P و SP زير طراحي شده است. فراپيوند و( S S# S2 S3 SName City ساوه ساوه تبريز کاوه صفا فن آور SP S# P# P1 P2 Qty P P# P1 P2 P3 P4 Color Type City تهران تبريز ساوه شيراز آهن مس برنج آهن قرمز سبز آبي قرمز 37 S2 S2 S3 P3 P1 P2 P

38 عملگر گزينش: اين عملگر سطرهايي از جدول را بر ميگرداند که با يک شرط مطابقت دارند. در کتب مختلف از نمادهاي و SELECT و RESTRICT استفاده ميشود. مثال: تاپلهايي از رابطه S را مشخص کنيد که شهر آنها ساوه باشد. (S) "ساوه" = city :الف خروجي کاوه ساوه صفا ساوه "ساوه" = city SELECT S WHERE :ب "ساوه" = city RESTRICT S WHERE :ج S2 (R) conds :الف Conditions ساختار کلي: ممکن است 1 يا چند شرط باشد SELECT R WHERE conds :ب RESTRICT R WHERE conds :ج مثال: تاپلهايي را از رابطه SP مشخص کنيد که S#= و P#=P1 باشد. جواب: خروجي σs#= ^ P#=P1(SP) SELECT SP WHERE S#= AND P#=P1 P1 300 * به جاي عملگر = ميتوان از > => < =< >< در صورت نياز استفاده کرد. مثال: تاپل هايي از جدول SP را برگردانيد که قطعه P2 را توليد کرده باشند و به جز شرکت : خروجي σs# s1^p#=p2(sp) SELECT SP WHERE S# AND P#=P2 S2 P2 400 S3 P2 200 مثال: تاپلهايي از جدول SP را برگردانيد که قطعه P3 را بيش از 522 تا توليد کرده باشند! خروجي نداريم صفر است. σp#=p3^ Qty>500 (SP) 38

39 عملگر پرتو: در خروجي عملگار پرتاو ساطرهاي تکاراري حاذف مايشاوند. عملگار پرتاو هايچ شارطي را نميپذيرد. براي اين عملگر از نمادهاي يا PROJECT استفاده ميشود. ستونهاي مورد نظر زير عالمت نوشته شده و نام جدول جلوي عالمت در پرانتز. مثال: ستون شهر را از جدول S نمايش دهيد. نکته: شهرهاي تکراري حذف ميشود. خروجي (S) city :الف [City] PROJECT S :ب PROJECT S OVER City :ج City ساوه تبريز Qty, P# (SP) مثال: ستونهاي #P, Qty را از جدول SP نمايش دهيد. خروجي P# P1 P2 P3 Qty مثال: شماره توليد کنندگان و شماره قطعات توليدي آنها را چاپ کنيد به شرط آن که قعطه توليدي آنهاا بيشاتر S#, P# ( Qty 200 (SP)) SName ( City = "ساوه" (S)) S# S2 از 222 عدد باشد. خروجي P# P1 P2 مثال: نام شرکتهايي را برگردانيد که در شهر ساوه قرار دارند. 38

40 مثال: کد قطعاتي را برگردانيد که از نوع آهن باشند و در شيراز توليد شده باشند. P# ( City = 'شيراز' ^ Type = 'آهن' (P)) PROJECT (SELECT P WHERE City = 'شيراز' AND Type = 'آهن' ) [P#] عملگرهاي و و - اجتماع : اجتماع دو رابطه رابطهاي است که تاپلهايش در يک يا هر دو رابطه وجود دارد. يعني رکوردهاي هر دو جدول با هم ترکيب شده و تاپلهاي تکراري يک بار نوشته ميشوند. R = R1 R2 R = R1 UNION R2 R 1 R 2 اشتراک : اشتراک دو رابطه رابطهاي است که تاپل هايش در هر دو رابطه وجود داشته باشد. به صورت زير نمايش داده ميشود: R = R1 R2 R = R1 INTERSECT R2 R 1 R 2 R 1 R 2 تفاضل: تفاضل دو رابطه رابطهاي است که تاپلهايش در رابطه اول موجاود اسات ولاي در رابطاه دوم وجاود ندارد. R = R1 - R2 R = R1 MINUS R2 R 1 R 2 R 1 R 2 R 1 - R 2 city (S) city (P) city (S) city (P) city (P) - city (S) مثال: ليست شهرهاي مربوط به تهيه کنندگان و قطعات را بدهيد. خروجي: ساوه تهران شيراز تبريز مثال: ليست شهرهايي که بين جدول قطعات و تهيه کنندگان مشترک اند را بدهيد. خروجي: ساوه و تبريز مثال: اسامي شهرهاي قطعاتي را بدهيد که در رابطه S وجود ندارد. خروجي: تهران و شيراز 42

41 چند مثال کنکوري: مثال: رابطه S و SL به صورت زير مفروض اند. حاصل پرسوجوي زير چيست S (S#, Sname) SL (S#, L#, Term#, Grade) SL [S#] Minus (S WHERE Grade 20) [S#] # Sهايي که نمره مخالف 22 دارند. ليست # Sها در جدول SL الف: شماره دانشجوياني که حداقل يک نمره بيست دارند. ب: شماره دانشجوياني که تمام نمرههاي آنها بيست است. ج: شماره دانشجوياني که نمره بيست ندارند. د: شماره دانشجوياني که حداکثر يک نمره بيست دارند. مثال: اگر A و B دو رابطه با عنوان يکسان باشند عبارت زير معادل کدام رابطه است A - (A - B) (B - (B - A)) A INTERSECT B الف: ب: A DEVIDED BY B ج: A JOIN B د: A MINUS B چند نکته کنکوري: 1- در تفاضل )-( خاصيت شرکت پذيري نداريم. 2- روابااط ورودي بااراي عملگرهاااي و و بايااد همتااا Arity( )Same باشااند. يعنااي تعااداد صفتهاي 2 رابطاه در تعاداد ساتونهاي 2 جادول مسااوي باشاند همچناين صافتها باه ترتياب داراي دامنههاي يکسان باشد. 3- عملگرهاي اجتماع و اشتراک خاصيت جابه جايي دارند ولي تفاضل اين خاصيت را ندارد. A B B A 41

42 عملگرهاي پيوند يا الحاق )JOIN( : اين عملگرها پرکابرد و قدرتمند ميباشند ولي گاهي اوقات باعث مصرف و زماان زياادي مايگاردد لاذا موقاع استفاده از آنها بايد دقت کافي را داشت. ضرب دکارتي ) (: گران ترين عملگرهاي عملياتي بانک اطالعاتي که زمان و فضاي زيادي ميخواهد. بنابراين تا حد امکان بايد از آنها اجتناب کرد. حاصلضرب 2 رابطه رابطهاي که تاپل هايش از اتصال هر يک از تاپلهاي دو رابطه بدست مايآياد باه عباارت ديگار در R1 R2 هار ساطر R1 را قبال از تماام ساطرهاي R2 قارار ميدهيم. نحوه نمايش R = R1 R2 مثال: حاصلضرب دکارتي 2 رابطه S و P را بنويسيد. S# S2 S2 S2 S2 S3 S3 S3 S3 Sname کاوه کاوه کاوه کاوه صفا صفا صفا صفا فن آور فن آور فن آور فن آور S. city ساوه ساوه ساوه ساوه ساوه ساوه ساوه ساوه تبريز تبريز تبريز تبريز P# Color قرمز سبز آبي قرمز قرمز سبز آبي قرمز قرمز سبز آبي قرمز Type P. city تهران تبريز ساوه شيراز تهران تبريز ساوه شيراز تهران تبريز ساوه شيراز آهن مس برنج آهن آهن مس برنج آهن آهن مس برنج آهن P1 P2 P3 P4 P1 P2 P3 P4 P1 P2 P3 P4 مثال: اگر جدول A داراي m سطر و N ستون و B داراي p سطر و q ستون باشد آنگاه A B چناد ساطر و چند ستون خواهد داشت. سطر = P M ستون = q N + نکته: در رياضاات مجموعاهها خاصايت جاباه جاايي نادارد يعناي B A A B اسات ولاي در جبار رابطهاي چون ترتيب ستونها مهم نيست خاصيت جابجايي دارد. نکته: ضرب دکارتي خاصيت شرکت پذيري دارد. 42

43 عملگر پيوند طبيعي : اين عملگر 2 رابطه را بر مبناي يک يا چند فيلد مشترک به هم پيوند ميدهد و رکوردهايي از جادول هاايي کاه مقدارهايي از دو فيلد مشترک يکسان است به هم ميچسبند. باه عباارت ديگار فقاط ساطرهايي از دو جادول را کنار هم قرار ميدهد که ستونهاي هم نام دو جدول مقادير مساوي داشته باشد ستونهاي هم نام فقط يکباار در خروجي ظاهر ميشود. مثال: خروجي S SP چيست S# S2 S2 S3 Sname City ساوه ساوه ساوه ساوه ساوه تبريز کاوه کاوه کاوه صفا صفا آور فن P# P1 P2 P3 P1 P2 P3 Qty توضيح: ستون مشترک بين Sو SP فيلد S# است پس هر سطر جدول S را برداشاته باين ساطرهايي از جادول 43 S# قرار ميدهيم که S# آنها با هم برابر باشد. نکته: پيوند طبيعي خاصيت شرکت پذيري و جابه جايي دارد. نکته: اگر دو جدول فيلد هم نام داشته باشند R1 join R2 يعني تبديل به R1 R2 ميشود. نکته: اگر تمام فيلدهاي دو جدول يکسان باشند آنگاه R1 join R2 معادل R1 R2 نکته: پيوند طبيعي زمان و فضاي کمتري نسبت به ضرب دکارتي ميگيرد. تمرين: خروجي S P را حساب کنيد. اسامي تهيه کنندگان قطعه P2 را ليست کنيد. خروجي عملگر جايگزين : چيست اگر دستوري طوالني باشد با اين عملگر مقداري از دستور در يک متغير موقتي ذخيره ميشاود تاا بعادا بتاوان از آن در خطوط بعد استفاده کرد. مثال: اسامي تهيه کنندگان قطعه P2 را ليست کنيد. sname ( P# = P2 (S SP) ) 1. S join SP Giving temp1 2. select temp1 where P#="P2" Giving temp2 3. project temp2 [sname] #S S3 S

44 با هم ترکيب ميکنيم: Project (select (S join SP) where P#="P2")[sname] Giving اساتفاده شاده اسات باراي نماايش از temp يک متغير موقتي است کاه در ايان جاا از Temp استفاده ميکنند که نوع نمايش آن به صورت زير است: 1. tmep1 S SP 2. temp2 P# = "P2" (temp1) sname (temp2) sname [ S# ( P# = "P2" (SP) ) S] Temp1 P# = "P2" (SP) Temp2 S# (temp1) Temp3 temp2 S عملگر پيوند شرطي: همان ضرب دکارتي با اين تفاوت که شرط بر روي آن اعمال ميشاود باه صاورت X نمايش داده ميشود که شرطها به جاي مينشيند. مثال: خروجي دستور مقابل چيست عملگر نيم پيوند يا شبه الحاق: SX S.city P.city P مشابه پيوند طبيعي است اما فقط ستونهاي جدول اول را نشان ميدهد و نحوه نمايش آن با عالمت که باه آن semijoin مثال: مشخصات قطعاتي را ليست کنيد که در ساوه ساخته شده و تعداد آنها از 222 بيشتر باشد. خروجي: آبي برنج ساوه Qty 200 (SP) city = "ساوه" (P) 44 P3 نکته: عملگر پيوند خاصيت جابه جايي ندارد. يعني A B B A ليست ميشود. مثال: مشخصات تهيه کنندگاني را بدهيد که قطعه P2 را توليد کرده اند. خروجي: عملگر تقسيم يا ) يا )Divide By چون هميشه ساتونهاي جادول اول S P#="P2" (SP) S# Sname City اگر R1 و R2 به صورت زير باشد. ساوه ساوه تبريز کاوه صفا فنآور S2 S3

45 R1 S# S2 S2 S3 S4 S4 S4 P# P1 P2 P3 P4 P5 P6 P1 P2 P2 P2 P5 P6 R2 P# P1 مثال: نتيجه R1 R2 جواب: S# S2 توضيح: در حقيقت به سادگي ليست توليدکنندگاني را داريم که قطعه P1 را توليد کرده اند. مثال: ليست کد تهيه کنندگاني را نمايش دهيد که تمام قطعات را تولياد کارده باشاند. )باا توجاه باه R2 و R1 مسأله قبلي( در اينجا تمام قطعات P را توليد کرده است (P ) ) R1 ( P# تمرين: اسامي تهيه کنندگاني را بياوريد که قطعه P2 را توليد نمي کنند. تمرين: اسامي تهيه کنندگاني را بياوريد که حداقل يک قطعه قرمز رنگ را تهيه کرده اند. تمرين: اسامي تهيه کنندگاني را بياوريد که تمام قطعات را تهيه ميکنند. الف: ) sname [S ( P# P2 (SP ]) چون همه شرکتها P2 را توليد کردند جدول تهي است. :ب )] (P SP) "قرمز" = color sname [S ( :ج (P)]] [S [ P#,S# (SP) PE 45

46 مقدمات نرمال سازي روابط: تعريف آنومالي :)Anomaly( به معني غير متعارف و غير معمول است. هرگاه در يک رابطه مشاکلي غيار عادي در درج يا حذف يا در update کردن اطالعات وجود داشاته باشاد در اصاطالح گفتاه مايشاود رابطاه آنومالي دارد. به طور مثال مشکالتي از قبيل: 1- عدم امکان انجام يک عمل که منطقا قابل انجام باشد بروز پيامد بد پس از انجام يک عمل 3- بروز فزون کاري در سيستم در انجام يک عمل اگر يک رابطه داراي چنين مشکالتي باشد بايد در اصطالح نرمال تر شود. در مبحث نرمال تر سازي رابطه به مفاهيمي از تئوري وابستگي تابعي نياز داريم. بنابراين در ابتدا با برخاي از ايان مفاهيم آشنا ميشويم. وابستگي تابعي :)FD( پس فرض ميکنيم که R يک رابطه و B و A دو زير مجموعه دلخواه از صافات R باشد. در اين صورت ميگوييم B با A وابستگي تابعي دارد اگر و فقط اگار باه ازاي هار مقادار A فقاط ياک مقدار B متناظر باشد. ممکن است گفته شود صفت A صفت B را تعيين ميکند و نشاان داده مايشاود باه ايان صورت A B مثال: در اين مثال نام تابعي از شماره است. ولي صفت فاميلي تابعي از نام نيست. داليل: در مورد اول چون به ازاي 121 فقط يک نام و به ازاي 122 نيز فقط يک نام وجود دارد. اما در مورد دوم به ازاي علي بيش از 1 فاميلي وجود دارد. مثال: در جدول S هر يک از صفات Sname و city با صافت S# وابساتگي تاابعي دارد. چاون باه ازاي هار S.S# S.Sname S.S# S.City مقدار S# فقط يک مقدار از Sname و city متناظر است. S.S# (S.Sname, S.City) تمرين: وابستگيهاي تابعي مربوط به جدول P را بنويسيد. نام خانوادگي حسيني کريمي نام علي علي شماره P# color, type, city Color type City P# City type

47 City color Type color نکته: واضح است که هر صفت که کليد کانديد و بويژه کليد اصلي باشد با تماام ساتونهاي جادول ياا صافات وابستگي تابعي دارد چون کليد کانديد يکتايي مقدار دارد. نکته: در A B به سمت چپ عبارت دترمينان و به سمت راست عبارت )وابسته( گفته شود. نکته: اگر A B لزوما B تعيين ميکند A را درست نيست. وابستگي تابعي کامل: در وابستگي A B را اگر A را ترکيبي از چند صفت بگيريم مثال Sname(,#S( در رابطه S اگر B با هيچ کدام از زير مجموعههاي A وابستگي تابعي نداشته باشد ميگوييم B با A وابساتگي تابعي کامل دارد. S#, Sname city مثال: در رابطه S صفت city با صفت مرکب Sname و S# وابستگي تابعي ندارد. يعني ولي بستگي تابعي کامل نيست. چون S# با city وابستگي تابعي دارد. يعناي يکاي از زيار مجموعاههاي S# و Sname وابستگي تابعي دارد. مثال: در مثال SP صفت Qty با صفات مرکب )p #s#(, وابستگي تابعي کامل دارد. چون هيچ کدام از زيار مجموعهها با Qty وابستگي تابعي ندارند. نمودار وابستگي: براي نمايش وابساتگيهاي تاابعي ياک باناک از نماوداري باه ناام FDDigram ياا نماودار وابستگي تابعي استفاده ميشود. در اين نمودار صفات در مستطيل قرار ميگيرند. و يک فلش از آنها به هر ياک از صفات وابسته وصل ميشوند. S# Sname City P# Pname color type S# P# Qty city وابستگي تابعي بديهي :)tririal( اگر در رابطه R,,A),B C...( صفت B زير مجموعهاي از صفت A باشد در اين صورت A B را ياک وابستگي تابعي بديهي است. مثال: Sname( S#, Sname) دارد. 47

48 دقت کنيد که وابستگيهاي تابعي بديهي در مورد نظر طراح نيستند. بلکه طراح بايد مجموعه وابستگيهاي مهام بين صفات راشناسايي کند. گاهي اوقات بعضي از وابستگيها مخفي بوده و ممکن است در نگاه اول طراح آنهاا را نبيند. لذا بايد بوسيله يک روش سيستماتيک وابستگيهاي ديگر را کشف کنيم. قواعد استنتاج آرمسترانگ: طبق کشف و بيان شخصي به اين نام اگر,A,B C زير مجموعاه هاايي از صافات If B A A B اگر B زر مجموعه A بود آنگاه A B C, If A B AC BC.اگر, Cيک A B صفت باشد. آنگاه AC BC.را If AC BC AC B, AC C if A B, B C A C 48 رابطه R باشند. قواعد زير برقرارند: 1- انعکاس يا بازتاب: 2- بسط پذيري: 3- انتقال يا تعدي: هر چند قواعد فوق براي استنتاج تمام وابستگيها کامل بود اعمال آنها کار مشکلي بود. بناابراين بعادها ديگاران قواعد ديگري را بيان کردند. If If If A B, A C A BC A BC A C, A B A B, C D AC BD union: decomposition: 4- اجتماع يا 5- تجزيه 6- ترکيب: 7- خود تعيين: 8- شبه تعدي: A B If If If A B, BC D AC D A B, AB C A C A B, C D AV (C-B) BD اتحاد کلي يا يگانگي عمومي: تعريف بستار: هر رابطهاي يک مجمعه از وابستگي تابعي دارد. اگر اين مجموعه )يعني مجموعه وابساتگيهاي تابعي يک رابطه(را F بناميم ممکن است مجموعهاي ديگر از وابستگيهاي وابستگيهاي موجود در F اساتنتاج + شود. مجموعه تمام FDهايي که از FDهاي موجود در F قابل اساتنتاج هساتند را بساتار F ماينااميم. و باا F نمايش ميدهيم. مثال: فرمول زير را اثبات کنيد. A B, AB C A C A B A AB A AB, AB C A C

49 F= {A BC, A E, CD EF} مثال: فرض کنيد رابطه R با صفات FDهاي,,B,C,D,E F زير موجودند. A BC A B, A C :قانون 5 A C AD CD :قانون 2 CD EF CD E, CD F :قانون 5 AD CD, CD F AD F :قانون 3 آيا رابطه Ad F درست است. توجه کنيد که اگر اين باشاد A BC در ايان صاورت A,B A C اماا اگار AC C را نماي توان نتيجه گرفت A C, B C را. مثال: اگر مجموعه وابستگيهاي زير در رابطه R( (A,B,,C,D,E,F G مفروض باشد آنگاه کدام ياک {A B, CD F, B D, B C, Be G, G F, AG B} F= {A D, CD B, AD C} A CD, CD B C B A D, AD C A C A C, A D A CD از وابستگيهاي زير را ميتوان نتيجه گرفت الف: B G ب: G B ج: G D د: A F تمرين: از مجموعه FD زير کدام رابطه را نمي توان اثبات کرد. الف: C D ب: A B ج: A C د: A CD کدام گزينه معدال مجموعه زير است: ا, D {(x,y,z) A,B,C,D, A B, x y} الف: XA BY({ }x,y,z) A,B,C,D, ب: x y({ }x,y) A,C,D, A B, ج: x y({ }y,z) A,C,D, A B, د: x y({ }x,z) A,C,D, A B, 48

50 نکته: اگر در يک قسمت گزينهها طوري بود که باياد گزيناهها تاک تاک بررساي گردناد از گزيناههاي ج و د شروع کنيد. تبديل مجموعه وابستگيها به مجموعههاي بهينه: با اعمال قواعد آرمسترانگ وابستگيهاي زيادي به وجود ميآيد که تعادادي از آن اضاافه و تکاراري اسات در ادامه بروشي براي حذف اين گونه وابستگيهاي زائد و رسيدن به مجموعه وابسته بهينه ارائه ميکند. قواعد سه گانه براي تبديل يک مجموعه وابستگي به مجموعه بهينه: 1- وابستگيهاي تکراري و اضافه حذف شود. 2- سمت راست هر وابستگي فقط يک صفت + را تغيير نمي دهد از سمت چپ حذف شود. 3- هر صفتي که E مثال: در بانک اطالعاتي زير مجموعه وابستگي بهينه را بدست آوريد. R= {U, V, W, X, Y, Z} F= {U XY, X Y, XY ZV} جواب مثال قبل: u xy u x, u y u xy, xy zv u zv u zv u z, u v xy zv xy z, xy v F + = {x y, u x, x y, u z, x z, u v, x v} opt x y, xy z x z x y, xy zv x zv Fmin= {x y, u x, x z, z v} x zv x z, x v F + = {x y, u x, u y, u z, x z, u v, x y, x v} نکته: با توجه به اين کاه وابساتگيهاي u v, u y, u z از طرياق ديگار وابساتگيها بدسات مايآيناد ميتوان آنها را نيز حذف کرد. مثال: مجموعه وابستگي بهينه مجموعه وابستگيهاي زير را بدست آوريد. A (B, C) A D K C B D A K (B, C) D A (B,C) A B, A C A B, B D A D A K, K C A C F + optm = {A B, A C, A D, A K, K G, B D} F + = {A B, A K, K C, B D} min 52

51 نمودار وابستگيهاي اوليه و min را رسم کنيد. اوليه min A B K A B C C K تمرين: اگر =R[ [s,t,u,v,w و =F[ [s t, v sw, t u وابستگي بهينه را بدست آوريد. s t, t u s u v sw v s, v w v s, s u v u v s, s t v t F + optm = {s t, t u, s u, v s, v w, v u, v t} F + = {s t, t u, v s, v w, v t} min نحوه بدست آوردن کليد کانديد: همانطور که گفته شد تمام صفات يک رابطه با صفت کلياد وابساتگي تاابعي دارند. + با استفاده از قواعد زير ميتوان کليد کانديد را شناسايي کرد. پس از بهينه کردن F قاعده 1: حرکت کليد کانديد شامل مجموعه از صفت هايي است که در سمت چپ پيکانها ميآيد. قاعده 2: کليد کانديد بايد کمينه باشد. يعني زير مجموعهاي از آن خاصيت کليدي نداشته باشد. اگر w و s به عنوان کليد کانديد در نظر گرفته شود در حالي که خود s حالت کليدي داشته باشد ديگار مجموعاه sw کليد کانديد به حساب نمي آيند. قاعده 3: ممکن است چند کليد کانديد وجود داشته باشد. قاعده 4: کليدهاي کانديد ممکن است در يک يا چند صفت مشترک داشته باشند. + در مثال قبل در F optm در مثال قبل چون v تمام صفات را تعيين ميکند کليد کانديد است. مثال: کدام گزينه کليد کانديد جدولي با 5 ستون ABCDE است با توجه به وابستگيهاي زيار کلياد کاندياد را پيدا کنيد. D {A B, C, B D, D A} 51 D )D, E( )1 )A, E( )2 )A, D( )3 )A,,D, E( )4

52 اگر يکي از صفات در هيچ يک از وابستگيهاي کانديد است. A B, B D A D B D, D A B A A BC A B, A C تابعي شرکت نکرده بود حتما مي تواند يکاي از اعضااي کلياد نکته: اگر ليست صفات در متن سؤال آمده بود به متن سؤال آمده بود دقت کافي شود. مثال: در بانک زير کليد کانديد کدام است R= {A, B, C, D, E, H} F= { A B, B C, D E, H A} A B, C B C C D E E H C, B, A HD Ce, BE, EA HD C, B, A, E مجموعاه روش هاايي کاه در طراحاي باناک اطالعااتي جهات کااهش EH -1 HD -2 ABD -3 ADH -4 نرماال ساازي: )Normalization( افزونگي اطالعات آنوماليها استفاده ميشوند و طبق آنها روابط بين موجوديتها کنترل ميشوند نرماال ساازي گفته ميشود. در حقيقت هدف نرمال سازي 2 چيز است. minimizing redundancy -1...,minimizing the insertion, deletion -2 براي مثال فرض کنيد يکي سوال کناد چارا باياد باراي جادولهاي SP و S و P ساه جادول جداگاناه در نظار بگيريم. براي پاسخ به اين سوال بايد همه اطالعات را در يک جدول در نظر بگيريم. A B, B C A C H A, A C H C H A, A B A B ترکيب کنيم S# Sname کاوه S.city ساوه P# P1 Color قرمز type آهن p. city تهران Qty

53 S2 S2 S3 P2 P3 P1 P2 P3 تبريز ساوه تهران تبريز تبريز مس برنج آهن مس مس سبز آبي قرمز سبز سبز ساوه ساوه ساوه ساوه تبريز کاوه کاوه صفا صفا فن آور در اين صورت همانطور که ميبينيد افزونگي داده داريم. نکته: در پايگاه داده رابطهاي تنها افزونگي و تکرار داده که داريم و راهي جز آن نيست در مورد کليد اصلي است که در جدول ديگري به عنوان کليد خارجي عنوان ميشود. تکرارهاي بيش از کليد خارجي افزودگي داده ناميده ميشود. سطوح نرمال سازي: روند نرمال سازي که در سال 1872 توسط آقاي کاد براي اولين بار ارائه شد شامل يکسري تست بود تا مشخص کند آيا يک رابطه به فرم نرمال رسيده است. فرم نرمال يع ين حالت تجزيه شده جداول به طوريکه کمترين افزونگي انومال را داشته باشد. کاد تا 3 سطح نرمال سازي معرفي کرد و بعدها طراحان ديگر ستوني به اينها اضافه کردند تاکنون اين صورتهاي نرمال معرفي شده اند. First normal form 1 NF Second normal form 2 NF Third normal form 3 NF Boyce/GDD normal form BCNF Fourth normal form 4 NF Fifth normal form 5 NF Domain key normal form DKNF 1 NF 2 NF 3 NF BCNF 4 NF 5 NF DKNF سطوح نرمالسازي در عمل: هر چند با ارائه سطوح نرمالسازي پايگاه دادهه يا امروز بسيار بهينه تر از پايگاه دادهه يا گذشتهاند اما طراحان و کاربران بيش از سطوح فعلي را قابل درک نميدانند. و در عمل نرمال سازي بيش از سطوح BCNF و NF 4 و... کاربرد ندارد. 53

54 نکته: ممکن است يک رابطه نرمال باشد يا نباشد. اگر نرمال باشد حداقل NF 1 است. نکته: هر سطح نسبت به سطح بااليي خود نرمال تر است. يع ين NFو 1 NF 2 را موفقيت طي کرده است. نکته: در کل نرمال سازي يع ين اگر يک رابطه در سطح NF 3 باشد حتما سطوح پيروي از يکسري فرمهاي نرمال که منجر به تجزيه جداول ميشود. فرم :NF 1 اگر در يک رابطه يا جدول صفت ترکيبي نداشته باشيم آن رابطه در سطح NF 1 است. به طور مثال اگر جدولي شامل فيلد آدرس باشد و خود فيلد آدرس از فيلدهاي کوچکتري مثل نام استان و نام شهر و... تشکيل شده باشد جدول مورد نظر NF 1 است. دليل ديگري يک رابطه را غير NF 1 ميکنداين است که يک فيلد با کليدهاي اصلي رابطه وابستگي تابعي کامل نداشه باشد. تعريف صفت عمده :Prime ATTR صفتي است که کليد اصلي يا جز از کليد اصلي باشد. فرم :NF2 رابطه R در حالت فرم دوم نرمال است اگر )اوال NF1 باشد و ثانيا ( هر صفت غير کليد با کليد اصلي رابطه R وابستگي تابعي کامل داشته باشد. مثال: فرض کنيد جدول S و SP را يک جدول در نظر بگيريم. S S2 S2 S3 status city C2 C2 C2 C3 C3 C3 P P1 P2 P3 P1 P2 P3 Qty در اين جدول کليد اصلي ترکيب P و S است. درست است که اين به خوبي City را تعي ني نيز به تنهايي ميتوان City را تعيين کند. يع ين ميکند اما S City که يک صفت غير کليد است با کليد اصلي رابطه وابستگي تابعي کامل ندارد. وجود اين مشکل باعث ايجاد آنرمالي هايي در درج و افزونگي دادهها ميشود. براي رفع اين مشکل جدول به دو جدول SP و S تجزيه ميکنيم. S S S2 S3 status city C2 C3 C3 P S S2 S2 S3 P P1 P2 P3 P1 P2 P3 Qty

55 فرم :NF3 رابطه A در فرم NF3 است اگر )اوال در فرم NF2 باشد و ثانيا ( هيچ صفت غير کليد از R با R وابستگي با واسطه يا انتقالي نداشته باشد. تعريف وابستگي با واسطه انتقالي: اگر صفت B از رابطه R با صفت A از همين رابطه وابستگي A B C تابعي داشته باشد و صفت C از اين رابطه با صفت B در اين رابطه وابستگي تابعي داشته باشد )و A با B وابستگي تابعي نداشته باشد( در اين صورت گفته ميشود C با A وابستگي انتقالي يا با واسطه دارد. مثال: به جدول P دقت کنيد. اين در سطح NF3 status P PName P1 P2 P3 P4 P5 نيست چون فيلد غير کليد PN1 PN2 PN1 PN2 PN3 color weight Red 100 Blue 200 Blue 100 Blue 200 Red 100 در مثال قبل بدست آمد در سطح NF3 city C1 C2 C3 C1 C2 است اما جدول S وابسته به فيلد غير کليد است. )يع ين چون فقط P بقيه را تعي ني Status city را تعي ني ميکند.( ميکند و بقيه اصال همديگر را تعيين نمي کنند. براي رفع اين مشکل ميتوان جدول S را به دو جدول تبديل کرد. S S2 S3 S4 S5 S (S, city) city C2 C3 C3 C2 C1 CS (city, status) city status C1 30 C2 20 C3 10 نکاتي در مورد تجزيه رابطه: -1 تجزيه مطلوب: تجزيهاي که در آن با پيوند رابطههاي حاصل از تجزيه همان محتواي اطالعاتي رابطه اوليه بدست آيد و اطالعات زايد و ناموجود در رابطه اول پديد نيايد و همچنين تمام وابستگيهاي تابعي رابطه اوليه محفوظ بماند. تجزيه مطلوب است. 55

56 2- بر اساس ضوابط رسانن Ressanen اگر در رابطه )RCABC( اگر رابطه A B و B C در اين صورت تجزيه مطلوب به صورت زير است. )R (A,B,C) R1 (A,B) R2(B,C 3- قضيه :heath اگر با توجه به اين رابطه A,B,C)R( A B آنگاه ميتوان R را به هر رابطه تجزيه کرد )R1 A,B)= و )R2 A,C)= و اين تجزيه مطلوب است )البته اگر ضوابط رساني برقرار نباشد.( الگوريتمهاي تبديل NF1 به NF2 و NF2 به :NF3 مثال: رابطه ABCDEFG)=R( با کليد اصلي BCD با مجموعه وابستگيهاي زير مفروض است FD= BCD E, BCD B, BCD F, BD A, F G, E F, C E در صورت تبديل آن به NF3 چند رابطهايجاد خواهد شد ب( 4 الف( 6 ج( 3 براي تبديل NF1 به NF2 به صورت زير عمل ميکنيم. د( 5 1- هر بخش از کليد اصلي را که صفت وابسته دارد با آن صفتها کنار هم قرار ميدهيم. 2- کل کليد اص يل 3- ساير وابستگيها را ترسيم ميکنيم. را با صفتهاي باقيمانده کنار هم قرار ميدهيم. اگر وابستگي به بخشي از کليد به صورت تو در تو بود الگوريتم فوق بايد تکرار شود. جواب: در مورد مثال قبل فرم NF1 به صورت زير است. BCD E F A G در حقيقت هيچ صفتي نبايد به قسمتي از کليد اصلي وابسته باشد. در سطح NF2 داريم: B D A C E F G سپس الگوريتم جدول NF2 به NF3 تبديل ميکنيم. الگوريتم تبديل جدول NF2 به NF3 به صورت زير است. 1- صفت هايي را که وابستگي انتقالي ايجاد کرده اند با وابستگي آنها کنار هم قرار ميدهيم. 2- کليد اصلي را با صفتهاي باقيمانده کنار هم قرار ميدهيم. 3- صفتهاي کليدي را به عنوان کليد خارجي را در رابطه دوم تکرار ميکنيم. BD A C E E F F G 56

57 مثال: با نرمال سازي رابطه R تا سطح NF3 چند جدول به جا ميماند R (A, B, C, D, E, F, G, H, I) FD= BC A, B G, BCD I, G H, E I, BCD E, BCD A BCD I A G H E تبديل NF1 به :NF2 B G H B C A BCD E I تبديلNF2 به :NF3 B G G H BC A BCD I I E الف( ب( مثال: اگر رابطه F)R( A B C D E و کليد اصلي BCD باشد آنگاه کدام وابستگي تابعي زير شرط NF2 بودن رابطه R را نقص ميکند. DCB A BC E ج( E F د( A EF فرم :BCNF گاهي اوقات يک رابطه هر چند در فرم NF3 است اما باز هم شاهد افزونگي دادهها هستيم در اين شرايط بايد تجزيه را بيشتر ادامه دهيم. به طور مثال در مواقعي که: 1- رابطه داراي چند کليد کانديد باشد. 2- کليدهاي کانديد رابطه مرکب باشند. 3- کليدهاي کانديد در يک صفت اشتراک داشته باشند. 57

58 مثال: جدول و رابطه زير را در نظر بگيريد. S Sname P Qty Sn1 P1 300 (S,P ) Sn1 P2 200 کليدهاي کانديد Sn1 P3 400 (Sname,P ) Sn1 P4 200 هر چند رابطه در فرم NF3 است اما هنوز افزونگي داريم. براي رفع مشکل فوق بايد جدول را به دو جدول زير تعيين کنيم. S (S, Sname) S SP (S, P, Qty) نکته: رابطهاي که BCNF باشد حتما NF3 است و يل هر رابطه NF3 لزوما BCNF نيست. Sname Sn1 Sn1 Sn1 Sn نکته: در عمل بايد نرمال سازي را تا حد BCNF ادامه داد مگر اينکه با اين کار وابستگيها حذف شوند. در اين صورت تا سطح NF3 کافي است. S P Qty P1 P2 P3 P مثال: اگر رابطه )R(ABCDED و کليد اصلي BCD باشد آنگاه کدام وابستگي تابعي زير شرط nf2 بودن رابطه R را نقص ميکند. الف: BC E ب: DCB A ج: E F د: A EF فرم :BCNF گاهي اوقات يک رابطه هر چند در فرم NF3 است اما باز هم شاهد افزونگر دادهها هستيم در اين شرايط بايد تجزيه را بيشتر ادامه دهيم به طور مثال در مواقعي که: 1- رابطه داراي چند کليد کانديد باشد. 58

59 S# Sname P# Qty Sn1 Sn1 Sn1 Sn1 P1 P2 P3 P کليدهاي کانديد رابطه مرکب باشند. 3- کليدهاي کانديد در يک صفت اشتراک داشته باشند. مثال: جدول و رابطه زير را در نظر بگيريد. کليدهاي کانديد )#s#, p( )#Sname, P( S (S#, Sname) SP (S#, P#, Qty) هر چند رابطه در فرم NF3 است اما هنوز افزونگي داريم. براي رفع مشکل فوق بايد جدول را به دو جدول زير تعيين کنيم. نکته: رابطهاي که BCNF باشد حتما NF3 است ولي هر رابطه NF3 لزوما BCNF نيست. نکته: در عمل بايد نرمال سازي را تا حد BCNF صورت تا سطح NF3 کافي است. S# Sname Sn1 Sn1 Sn1 Sn1 ادامه داد مگر انيکه با اين کار وابستگيها حذف شوند. در اين S# P# Qty P1 P2 P3 P مثال: رابط زير در حالت NF1 است آن را به حالت NF3 ببريد. NF2 A B C D E F BC ABC E D F 58

60 NF3 BC E E E ABC D معماري پايگاه داده: Database Architect اين معماري به معماري سه سطحي نيز مشهور است. اجراي معماري :db -1 view external ديد خارجي 2- view conceptual ديد مفهومي يا ادراکي -3 view internal ديد داخلي 4- mapping تبديالت بين سطوح -5 sub-language )DSL (data زبان دادهاي فرعي -6 language )HL (Host زبان ميزبان -7 user کاربر 8- DBMS سيستم مديريت پايگاه داده اي 8- DBA مدير پايگاه داده ممکن است به سطح داخلي فيزيکي نيز گفته شود. کاربر 1 کاربر 2 کاربر i DSL+[HL] DSL+[HL] DSL+[HL] سطح ديد خارجي i ديد خارجي 2 ديد خارجي سطح خارجي انتزاعي DBA ناظر بر امور (ديد ادراکي )مفهومي سطح ادراکي DB سطح فايلينگ منطقي ديد داخلي 62 DB

61 شرح اجزاي معماري :DB ديد ادراکي يا مفهومي: - ديد ادراکي ديد طراح است نسبت به دادههاي ذخيره شده در Database - اين ديد مبتني است بر يک DS مشخص )جدولي يا رابطهاي...( - طراح سيستم به کمک دستورات بايد اين ديد را توصيف کند. - در اين سطح ساختار داده ها. ارتباط بين موجوديت ها امنيت و جامعيت دادهها و اطالعات معنايي دادهها مطرح ميگردد. - نامهاي ديگري چون سطح مفهومي )سطح منطقي اجتماع( يا سطح منطقي نيز به اين سطح گفته ميشود. مثال: پس از بررسي محيط عمليا يت دانشگاه موجوديتهاي درس و دانشجو مشخص ميشود همين که طراح پايگاه داده دو جدول براي موجوديتها و به طور مثال يک جدول براي رابطه بين آنها در نظر ميگيرد و تعريف ميکند در حقيقت با ديد ادراکي خود در اصطالح )شماي ادراکي( را تعريف کرده است. ديد خارجي: - ديد کابر است نسبت به دادههاي ذخيره شده در Database - اين ديد معموال مبتني بر BS ديد ادراکي است. و اگر مبتني بر BS ديد ادراکي نباشد ميگوييم سيستم دو ساختاره است. - اين ديد جزئي است و فقط در حد نيازهاي اطالعاتي يک کاربر است. - چند کاربر ميتوانند در يک ديد اشتراک داشته باشند. - DBA ديد مربوط به هر کاربر را تعي ني ميکند و ميتواند بيش از يک ديد به کاربر بدهد. )منظور از ديد يا view در حقيقت سطح دسترسي است( V1 مثال: DBA پايگاه دادههاي بانک ملي مرکزي به يک بانک شهرستاني فقط اجازه ديدن شماره حساب و نام کاربران را بدهد نه اجازه مشاهده شماره تلفن و آدرس و... S# Status 10 S2 20 S3 30 S4 10 مثال: در مورد جدول S ميتوان 2 کاربر با viewهاي مختلف زير را تعيين کنيد. ديد خارجي user 1 ديد ادراکي V2 S# Sname S2 S3 SN2 SN3 61 S# Sname Status City 10 C1 20 C2 30 C3 40 C4 S2 S3 S4 SN1 SN2 SN3 SN4

هر عملگرجبر رابطه ای روی يک يا دو رابطه به عنوان ورودی عمل کرده و يک رابطه جديد را به عنوان نتيجه توليد می کنند.

هر عملگرجبر رابطه ای روی يک يا دو رابطه به عنوان ورودی عمل کرده و يک رابطه جديد را به عنوان نتيجه توليد می کنند. 8-1 جبررابطه ای يک زبان پرس و جو است که عمليات روی پايگاه داده را توسط نمادهايی به صورت فرمولی بيان می کند. election Projection Cartesian Product et Union et Difference Cartesian Product et Intersection

Διαβάστε περισσότερα

پایگاه داده جلسه 8 محمد علی فرجیان مدرس :محمد علی فرجیان 1

پایگاه داده جلسه 8 محمد علی فرجیان مدرس :محمد علی فرجیان 1 پایگاه داده جلسه 8 محمد علی فرجیان مدرس :محمد علی فرجیان 1 2/23/2015 فهرست تعاریف مدل رابطهاي انواع کلید جامعیت جبر رابطهاي تعاريف دامنه )Domain( مجموعه تمام مقادیر ممکن براي صفت )Attribute( است. تعاريف

Διαβάστε περισσότερα

ﻞﻜﺷ V لﺎﺼﺗا ﺎﻳ زﺎﺑ ﺚﻠﺜﻣ لﺎﺼﺗا هﺎﮕﺸﻧاد نﺎﺷﺎﻛ / دﻮﺷ

ﻞﻜﺷ V لﺎﺼﺗا ﺎﻳ زﺎﺑ ﺚﻠﺜﻣ لﺎﺼﺗا هﺎﮕﺸﻧاد نﺎﺷﺎﻛ / دﻮﺷ 1 مبحث بيست و چهارم: اتصال مثلث باز (- اتصال اسكات آرايش هاي خاص ترانسفورماتورهاي سه فاز دانشگاه كاشان / دانشكده مهندسي/ گروه مهندسي برق / درس ماشين هاي الكتريكي / 3 اتصال مثلث باز يا اتصال شكل فرض كنيد

Διαβάστε περισσότερα

روش محاسبه ی توان منابع جریان و منابع ولتاژ

روش محاسبه ی توان منابع جریان و منابع ولتاژ روش محاسبه ی توان منابع جریان و منابع ولتاژ ابتدا شرح کامل محاسبه ی توان منابع جریان: برای محاسبه ی توان منابع جریان نخست باید ولتاژ این عناصر را بدست آوریم و سپس با استفاده از رابطه ی p = v. i توان این

Διαβάστε περισσότερα

فصل چهارم: جبر رابطه اي

فصل چهارم: جبر رابطه اي فصل چهارم: جبر ه اي عملوند ها اعداد هستند. که با آن بخوبي آشنا هستيم جبر هاي در جبر رياضي حاصل يک عدد ديگر مي و عدد انجام مي شود دو عملگري )مثل +( روي مثال جبري است که که بحث اين فصل از کتاب است جبر ه

Διαβάστε περισσότερα

محاسبه ی برآیند بردارها به روش تحلیلی

محاسبه ی برآیند بردارها به روش تحلیلی محاسبه ی برآیند بردارها به روش تحلیلی برای محاسبه ی برآیند بردارها به روش تحلیلی باید توانایی تجزیه ی یک بردار در دو راستا ( محور x ها و محور y ها ) را داشته باشیم. به بردارهای تجزیه شده در راستای محور

Διαβάστε περισσότερα

مقدمه -1-4 تحليلولتاژگرهمدارهاييبامنابعجريان 4-4- تحليلجريانمشبامنابعولتاژنابسته

مقدمه -1-4 تحليلولتاژگرهمدارهاييبامنابعجريان 4-4- تحليلجريانمشبامنابعولتاژنابسته مقدمه -1-4 تحليلولتاژگرهمدارهاييبامنابعجريان -2-4 بامنابعجريانوولتاژ تحليلولتاژگرهمدارهايي 3-4- تحليلولتاژگرهبامنابعوابسته 4-4- تحليلجريانمشبامنابعولتاژنابسته 5-4- ژاتلو و 6-4 -تحليلجريانمشبامنابعجريان

Διαβάστε περισσότερα

V o. V i. 1 f Z c. ( ) sin ورودي را. i im i = 1. LCω. s s s

V o. V i. 1 f Z c. ( ) sin ورودي را. i im i = 1. LCω. s s s گزارش کار ا زمايشگاه اندازهگيري و مدار ا زمايش شمارهي ۵ مدار C سري خروجي خازن ۱۳ ا بانماه ۱۳۸۶ ي م به نام خدا تي وري ا زمايش به هر مداري که در ا ن ترکيب ي از مقاومت خازن و القاگر به کار رفتهشده باشد مدار

Διαβάστε περισσότερα

e r 4πε o m.j /C 2 =

e r 4πε o m.j /C 2 = فن( محاسبات بوهر نيروي جاذبه الکتروستاتيکي بين هسته و الکترون در اتم هيدروژن از رابطه زير قابل محاسبه F K است: که در ا ن بار الکترون فاصله الکترون از هسته (يا شعاع مدار مجاز) و K ثابتي است که 4πε مقدار

Διαβάστε περισσότερα

( ) x x. ( k) ( ) ( 1) n n n ( 1) ( 2)( 1) حل سري: حول است. مثال- x اگر. يعني اگر xها از = 1. + x+ x = 1. x = y= C C2 و... و

( ) x x. ( k) ( ) ( 1) n n n ( 1) ( 2)( 1) حل سري: حول است. مثال- x اگر. يعني اگر xها از = 1. + x+ x = 1. x = y= C C2 و... و معادلات ديفرانسيل y C ( ) R mi i كه حل سري يعني جواب دقيق ميخواهيم نه به صورت صريح بلكه به صورت سري. اگر فرض كنيم خطي باشد, اين صورت شعاع همگرايي سري فوق, مينيمم اندازه است جواب معادله ديفرانسيل i نقاط

Διαβάστε περισσότερα

( ) قضايا. ) s تعميم 4) مشتق تعميم 5) انتگرال 7) كانولوشن. f(t) L(tf (t)) F (s) Lf(t ( t)u(t t) ) e F(s) L(f (t)) sf(s) f ( ) f(s) s.

( ) قضايا. ) s تعميم 4) مشتق تعميم 5) انتگرال 7) كانولوشن. f(t) L(tf (t)) F (s) Lf(t ( t)u(t t) ) e F(s) L(f (t)) sf(s) f ( ) f(s) s. معادلات ديفرانسيل + f() d تبديل لاپلاس تابع f() را در نظر بگيريد. همچنين فرض كنيد ( R() > عدد مختلط با قسمت حقيقي مثبت) در اين صورت صورت وجود لاپلاس f() نامند و با قضايا ) ضرب در (انتقال درحوزه S) F()

Διαβάστε περισσότερα

در اين آزمايش ابتدا راهاندازي موتور القايي روتور سيمپيچي شده سه فاز با مقاومتهاي روتور مختلف صورت گرفته و س سپ مشخصه گشتاور سرعت آن رسم ميشود.

در اين آزمايش ابتدا راهاندازي موتور القايي روتور سيمپيچي شده سه فاز با مقاومتهاي روتور مختلف صورت گرفته و س سپ مشخصه گشتاور سرعت آن رسم ميشود. ك ي آزمايش 7 : راهاندازي و مشخصه خروجي موتور القايي روتور سيمپيچيشده آزمايش 7: راهاندازي و مشخصه خروجي موتور القايي با روتور سيمپيچي شده 1-7 هدف آزمايش در اين آزمايش ابتدا راهاندازي موتور القايي روتور

Διαβάστε περισσότερα

ﻴﻓ ﯽﺗﺎﻘﻴﻘﺤﺗ و ﯽهﺎﮕﺸﻳﺎﻣزﺁ تاﺰﻴﻬﺠﺗ ﻩﺪﻨﻨﮐ

ﻴﻓ ﯽﺗﺎﻘﻴﻘﺤﺗ و ﯽهﺎﮕﺸﻳﺎﻣزﺁ تاﺰﻴﻬﺠﺗ ﻩﺪﻨﻨﮐ دستوركارآزمايش ميز نيرو هدف آزمايش: تعيين برآيند نيروها و بررسي تعادل نيروها در حالت هاي مختلف وسايل آزمايش: ميز مدرج وستون مربوطه, 4 عدد كفه وزنه آلومينيومي بزرگ و قلاب با نخ 35 سانتي, 4 عدد قرقره و پايه

Διαβάστε περισσότερα

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { }

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { } هرگاه دسته اي از اشیاء حروف و اعداد و... که کاملا"مشخص هستند با هم در نظر گرفته شوند یک مجموعه را به وجود می آورند. عناصر تشکیل دهنده ي یک مجموعه باید دو شرط اساسی را داشته باشند. نام گذاري مجموعه : الف

Διαβάστε περισσότερα

t a a a = = f f e a a

t a a a = = f f e a a ا زمايشگاه ماشينه يا ۱ الکتريکي ا زمايش شمارهي ۴-۱ گزارش کار راهاندازي و تنظيم سرعت موتورهايي DC (شنت) استاد درياباد نگارش: اشکان نيوشا ۱۶ ا ذر ۱۳۸۷ ي م به نام خدا تي وري ا زمايش شنت است. در اين ا زمايش

Διαβάστε περισσότερα

+ Δ o. A g B g A B g H. o 3 ( ) ( ) ( ) ; 436. A B g A g B g HA است. H H برابر

+ Δ o. A g B g A B g H. o 3 ( ) ( ) ( ) ; 436. A B g A g B g HA است. H H برابر ا نتالپي تشكيل پيوند وا نتالپي تفكيك پيوند: ا نتالپي تشكيل يك پيوندي مانند A B برابر با تغيير ا نتالپي استانداردي است كه در جريان تشكيل ا ن B g حاصل ميشود. ( ), پيوند از گونه هاي (g )A ( ) + ( ) ( ) ;

Διαβάστε περισσότερα

هدف:.100 مقاومت: خازن: ترانزيستور: پتانسيومتر:

هدف:.100 مقاومت: خازن: ترانزيستور: پتانسيومتر: آزمايش شماره (10) تقويت كننده اميتر مشترك هدف: هدف از اين آزمايش مونتاژ مدار طراحي شده و اندازهگيري مشخصات اين تقويت كننده جهت مقايسه نتايج اندازهگيري با مقادير مطلوب و در ادامه طراحي يك تقويت كننده اميترمشترك

Διαβάστε περισσότερα

گروه رياضي دانشگاه صنعتي نوشيرواني بابل بابل ايران گروه رياضي دانشگاه صنعتي شاهرود شاهرود ايران

گروه رياضي دانشگاه صنعتي نوشيرواني بابل بابل ايران گروه رياضي دانشگاه صنعتي شاهرود شاهرود ايران و ۱ دسترسي در سايت http://jnrm.srbiau.ac.ir سال دوم شماره ششم تابستان ۱۳۹۵ شماره شاپا: ۱۶۸۲-۰۱۹۶ پژوهشهاي نوین در ریاضی دانشگاه آزاد اسلامی واحد علوم و تحقیقات دستهبندي درختها با عدد رومي بزرگ حسين عبدالهزاده

Διαβάστε περισσότερα

آزمایش 8: تقویت کننده عملیاتی 2

آزمایش 8: تقویت کننده عملیاتی 2 آزمایش 8: تقویت کننده عملیاتی 2 1-8 -مقدمه 1 تقویت کننده عملیاتی (OpAmp) داراي دو یا چند طبقه تقویت کننده تفاضلی است که خروجی- هاي هر طبقه به وروديهاي طبقه دیگر متصل شده است. در انتهاي این تقویت کننده

Διαβάστε περισσότερα

تلفات کل سيستم کاهش مي يابد. يکي ديگر از مزاياي اين روش بهبود پروفيل ولتاژ ضريب توان و پايداري سيستم مي باشد [-]. يکي ديگر از روش هاي کاهش تلفات سيستم

تلفات کل سيستم کاهش مي يابد. يکي ديگر از مزاياي اين روش بهبود پروفيل ولتاژ ضريب توان و پايداري سيستم مي باشد [-]. يکي ديگر از روش هاي کاهش تلفات سيستم اراي ه روشي براي کاهش تلفات در سيستم هاي توزيع بر مبناي تغيير محل تغذيه سيستم هاي توزيع احد کاظمي حيدر علي شايانفر حسن فشکي فراهاني سيد مهدي حسيني دانشگاه علم و صنعت ايران- دانشکده مهندسي برق چکيده براي

Διαβάστε περισσότερα

آزمایش 2: تعيين مشخصات دیود پيوندي PN

آزمایش 2: تعيين مشخصات دیود پيوندي PN آزمایش 2: تعيين مشخصات دیود پيوندي PN هدف در اين آزمايش مشخصات ديود پيوندي PN را بدست آورده و مورد بررسي قرار مي دهيم. وسايل و اجزاي مورد نياز ديودهاي 1N4002 1N4001 1N4148 و يا 1N4004 مقاومتهاي.100KΩ,10KΩ,1KΩ,560Ω,100Ω,10Ω

Διαβάστε περισσότερα

1 ﺶﻳﺎﻣزآ ﻢﻫا نﻮﻧﺎﻗ ﻲﺳرﺮﺑ

1 ﺶﻳﺎﻣزآ ﻢﻫا نﻮﻧﺎﻗ ﻲﺳرﺮﺑ آزمايش 1 بررسي قانون اهم بررسي تجربي قانون اهم و مطالعه پارامترهاي مو ثر در مقاومت الكتريكي يك سيم فلزي تي وري آزمايش هر و دارند جسم فيزيكي داراي مقاومت الكتريكي است. اجسام فلزي پلاستيك تكه يك بدن انسان

Διαβάστε περισσότερα

O 2 C + C + O 2-110/52KJ -393/51KJ -283/0KJ CO 2 ( ) ( ) ( )

O 2 C + C + O 2-110/52KJ -393/51KJ -283/0KJ CO 2 ( ) ( ) ( ) به كمك قانون هس: هنري هس شيميدان و فيزيكدان سوي يسي - روسي تبار در سال ۱۸۴۰ از راه تجربه دريافت كه گرماي وابسته به يك واكنش شيمياي مستقل از راهي است كه براي انجام ا ن انتخاب مي شود (در دماي ثابت و همچنين

Διαβάστε περισσότερα

تحلیل مدار به روش جریان حلقه

تحلیل مدار به روش جریان حلقه تحلیل مدار به روش جریان حلقه برای حل مدار به روش جریان حلقه باید مراحل زیر را طی کنیم: مرحله ی 1: مدار را تا حد امکان ساده می کنیم)مراقب باشید شاخه هایی را که ترکیب می کنید مورد سوال مسئله نباشد که در

Διαβάστε περισσότερα

تمرین اول درس کامپایلر

تمرین اول درس کامپایلر 1 تمرین اول درس 1. در زبان مربوط به عبارت منظم زیر چند رشته یکتا وجود دارد (0+1+ϵ)(0+1+ϵ)(0+1+ϵ)(0+1+ϵ) جواب 11 رشته کنند abbbaacc را در نظر بگیرید. کدامیک از عبارتهای منظم زیر توکنهای ab bb a acc را ایجاد

Διαβάστε περισσότερα

برخوردها دو دسته اند : 1) كشسان 2) ناكشسان

برخوردها دو دسته اند : 1) كشسان 2) ناكشسان آزمايش شماره 8 برخورد (بقاي تكانه) وقتي دو يا چند جسم بدون حضور نيروهاي خارجي طوري به هم نزديك شوند كه بين آنها نوعي برهم كنش رخ دهد مي گوييم برخوردي صورت گرفته است. اغلب در برخوردها خواستار اين هستيم

Διαβάστε περισσότερα

آرايه ها و ساختارها سید مهدی وحیدی پور با تشکر از دکتر جواد سلیمی دانشکده مهندسی برق و کامپیوتر

آرايه ها و ساختارها سید مهدی وحیدی پور با تشکر از دکتر جواد سلیمی دانشکده مهندسی برق و کامپیوتر آرايه ها و ساختارها سید مهدی وحیدی پور با تشکر از دکتر جواد سلیمی دانشگاه کاشان- دانشکده مهندسی برق و کامپیوتر آرايه ها آرايه ها به عنوان يک نوع داده مجرد ساختارها و يونيون ها نوع داده اي مجرد چند جمله

Διαβάστε περισσότερα

تصاویر استریوگرافی.

تصاویر استریوگرافی. هب انم خدا تصاویر استریوگرافی تصویر استریوگرافی یک روش ترسیمی است که به وسیله آن ارتباط زاویه ای بین جهات و صفحات بلوری یک کریستال را در یک فضای دو بعدی )صفحه کاغذ( تعیین میکنند. کاربردها بررسی ناهمسانگردی

Διαβάστε περισσότερα

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل شما باید بعد از مطالعه ی این جزوه با مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل کامال آشنا شوید. VA R VB به نظر شما افت ولتاژ مقاومت R چیست جواب: به مقدار عددی V A

Διαβάστε περισσότερα

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك آزمایش : پاسخ فرکانسی تقویتکننده امیتر مشترك -- مقدمه هدف از این آزمایش بدست آوردن فرکانس قطع بالاي تقویتکننده امیتر مشترك بررسی عوامل تاثیرگذار و محدودکننده این پارامتر است. شکل - : مفهوم پهناي باند تقویت

Διαβάστε περισσότερα

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار محاسبات کوانتمی (22671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: هیربد کمالی نیا جلسه 9 1 مدل جعبه-سیاه یا جستاري مدل هایی که در جلسه ي پیش براي استفاده از توابع در الگوریتم هاي کوانتمی بیان

Διαβάστε περισσότερα

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i.

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i. محاسبات کوانتمی (671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: محمد جواد داوري جلسه 3 می شود. ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک

Διαβάστε περισσότερα

مقاومت مصالح 2 فصل 9: خيز تيرها. 9. Deflection of Beams

مقاومت مصالح 2 فصل 9: خيز تيرها. 9. Deflection of Beams مقاومت مصالح فصل 9: خيز تيرها 9. Deflection of eams دکتر مح مدرضا نيرومند دااگشنه ايپم نور اصفهان eer Johnston DeWolf ( ) رابطه بين گشتاور خمشی و انحنا: تير طره ای تحت بار متمرکز در انتهای آزاد: P انحنا

Διαβάστε περισσότερα

مقاطع مخروطي 1. تعريف مقاطع مخروطي 2. دايره الف. تعريف و انواع معادله دايره ب. وضعيت خط و دايره پ. وضعيت دو دايره ت. وتر مشترك دو دايره

مقاطع مخروطي 1. تعريف مقاطع مخروطي 2. دايره الف. تعريف و انواع معادله دايره ب. وضعيت خط و دايره پ. وضعيت دو دايره ت. وتر مشترك دو دايره مقاطع مخروطي فصل در اين فصل ميخوانيم:. تعريف مقاطع مخروطي. دايره الف. تعريف و انواع معادله دايره ب. وضعيت خط و دايره پ. وضعيت دو دايره ت. وتر مشترك دو دايره ث. طول مماس و طول وتر مينيمم ج. دورترين و نزديكترين

Διαβάστε περισσότερα

را بدست آوريد. دوران

را بدست آوريد. دوران تجه: همانطر كه در كلاس بارها تا كيد شد تمرينه يا بيشتر جنبه آمزشي داشت براي يادگيري بيشتر مطالب درسي بده است مشابه اين سه تمرين كه در اينجا حل آنها آمده است در امتحان داده نخاهد شد. m b الف ماتريس تبديل

Διαβάστε περισσότερα

آزمایش 1 :آشنایی با نحوهی کار اسیلوسکوپ

آزمایش 1 :آشنایی با نحوهی کار اسیلوسکوپ آزمایش 1 :آشنایی با نحوهی کار اسیلوسکوپ هدف در اين آزمايش با نحوه كار و بخشهاي مختلف اسيلوسكوپ آشنا مي شويم. ابزار مورد نياز منبع تغذيه اسيلوسكوپ Function Generator شرح آزمايش 1-1 اندازه گيري DC با اسيلوسكوپ

Διαβάστε περισσότερα

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ(

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ( آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ( فرض کنید جمعیت یک دارای میانگین و انحراف معیار اندازه µ و انحراف معیار σ باشد و جمعیت 2 دارای میانگین µ2 σ2 باشند نمونه های تصادفی مستقل از این دو جامعه

Διαβάστε περισσότερα

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) X"Y=-XY" X" X" kx = 0

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) XY=-XY X X kx = 0 مثال( مساله الپالس در ناحیه داده شده را حل کنید. (,)=() > > < π () حل: به کمک جداسازی متغیرها: + = (,)=X()Y() X"Y=-XY" X" = Y" ثابت = k X Y X" kx = { Y" + ky = X() =, X(π) = X" kx = { X() = X(π) = معادله

Διαβάστε περισσότερα

در اين ا زمايش ابتدا راهاندازي موتور القايي رتور سيمپيچي شده سه فاز با مقاومت مختلف بررسي و س سپ مشخصه گشتاور سرعت ا ن رسم ميشود.

در اين ا زمايش ابتدا راهاندازي موتور القايي رتور سيمپيچي شده سه فاز با مقاومت مختلف بررسي و س سپ مشخصه گشتاور سرعت ا ن رسم ميشود. ا زمايش 4: راهاندازي و مشخصه خروجي موتور القايي با رتور سيمپيچي شده 1-4 هدف ا زمايش در اين ا زمايش ابتدا راهاندازي موتور القايي رتور سيمپيچي شده سه فاز با مقاومت مختلف بررسي و س سپ مشخصه گشتاور سرعت ا

Διαβάστε περισσότερα

(,, ) = mq np داريم: 2 2 »گام : دوم« »گام : چهارم«

(,, ) = mq np داريم: 2 2 »گام : دوم« »گام : چهارم« 3 8 بردارها خارجي ضرب مفروضاند. (,, ) 3 و (,, 3 ) بردار دو تعريف: و ميدهيم نمايش نماد با را آن كه است برداري در خارجي ضرب ( 3 3, 3 3, ) m n mq np p q از: است عبارت ماتريس دترمينان در اينكه به توجه با اما

Διαβάστε περισσότερα

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم هو الحق دانشکده ي مهندسی کامپیوتر کدگذاري شبکه Coding) (Network شنبه 2 اسفند 1393 جلسه هفتم استاد: مهدي جعفري نگارنده: سید محمدرضا تاجزاد تعریف 1 بهینه سازي محدب : هدف پیدا کردن مقدار بهینه یک تابع ) min

Διαβάστε περισσότερα

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار محاسبات کوانتمی (22671) ترم بهار 1390-1391 مدرس: سلمان ابوالفتح بیگی نویسنده: نادر قاسمی جلسه 2 در این درسنامه به مروري کلی از جبر خطی می پردازیم که هدف اصلی آن آشنایی با نماد گذاري دیراك 1 و مباحثی از

Διαβάστε περισσότερα

سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات

سايت ويژه رياضيات   درسنامه ها و جزوه هاي دروس رياضيات سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات دانلود نمونه سوالات امتحانات رياضي نمونه سوالات و پاسخنامه كنكور دانلود نرم افزارهاي رياضيات و... کانال سایت ریاضی سرا در تلگرام: https://telegram.me/riazisara

Διαβάστε περισσότερα

10 ﻞﺼﻓ ﺶﺧﺮﭼ : ﺪﻴﻧاﻮﺘﺑ ﺪﻳﺎﺑ ﻞﺼﻓ ﻦﻳا يا ﻪﻌﻟﺎﻄﻣ زا ﺪﻌﺑ

10 ﻞﺼﻓ ﺶﺧﺮﭼ : ﺪﻴﻧاﻮﺘﺑ ﺪﻳﺎﺑ ﻞﺼﻓ ﻦﻳا يا ﻪﻌﻟﺎﻄﻣ زا ﺪﻌﺑ فصل چرخش بعد از مطالعه اي اين فصل بايد بتوانيد : - مكان زاويه اي سرعت وشتاب زاويه اي را توضيح دهيد. - چرخش با شتاب زاويه اي ثابت را مورد بررسي قرار دهيد. 3- رابطه ميان متغيرهاي خطي و زاويه اي را بشناسيد.

Διαβάστε περισσότερα

حل J 298 كنيد JK mol جواب: مييابد.

حل J 298 كنيد JK mol جواب: مييابد. تغيير ا نتروپي در دنياي دور و بر سيستم: هر سيستم داراي يك دنياي دور و بر يا محيط اطراف خود است. براي سادگي دنياي دور و بر يك سيستم را محيط ميناميم. محيط يك سيستم همانند يك منبع بسيار عظيم گرما در نظر گرفته

Διαβάστε περισσότερα

1سرد تایضایر :ميناوخ يم سرد نيا رد همانسرد تلااؤس یحيرشت همان خساپ

1سرد تایضایر :ميناوخ يم سرد نيا رد همانسرد تلااؤس یحيرشت همان خساپ 1 ریاضیات درس در اين درس ميخوانيم: درسنامه سؤاالت پاسخنامه تشریحی استخدامی آزمون ریاضیات پرورش و آموزش بانک آزمونهای از اعم کشور استخدامی آزمونهای تمام در ریاضیات پرسشهای مجموعهها میشود. ارائه نهادها و

Διαβάστε περισσότερα

پايداری Stability معيارپايداری. Stability Criteria. Page 1 of 8

پايداری Stability معيارپايداری. Stability Criteria. Page 1 of 8 پايداری Stility اطمينان از پايداری سيستم های کنترل در زمان طراحی ا ن بسيار حاي ز اهمييت می باشد. سيستمی پايدار محسوب می شود که: بعد از تغيير ضربه در ورودی خروجی به مقدار اوليه ا ن بازگردد. هر مقدار تغيير

Διαβάστε περισσότερα

سبد(سرمايهگذار) مربوطه گزارش ميكند در حاليكه موظف است بازدهي سبدگردان را جهت اطلاع عموم در

سبد(سرمايهگذار) مربوطه گزارش ميكند در حاليكه موظف است بازدهي سبدگردان را جهت اطلاع عموم در بسمه تعالي در شركت هاي سبدگردان بر اساس پيوست دستورالعمل تاسيس و فعاليت شركت هاي سبدگردان مصوب هيي ت مديره سازمان بورس بانجام مي رسد. در ادامه به اراي ه اين پيوست مي پردازيم: چگونگي محاسبه ي بازدهي سبد

Διαβάστε περισσότερα

مدار معادل تونن و نورتن

مدار معادل تونن و نورتن مدار معادل تونن و نورتن در تمامی دستگاه های صوتی و تصویری اگرچه قطعات الکتریکی زیادی استفاده می شود ( مانند مقاومت سلف خازن دیود ترانزیستور IC ترانس و دهها قطعه ی دیگر...( اما هدف از طراحی چنین مداراتی

Διαβάστε περισσότερα

P = P ex F = A. F = P ex A

P = P ex F = A. F = P ex A محاسبه كار انبساطي: در ترموديناميك اغلب با كار ناشي از انبساط يا تراكم سيستم روبرو هستيم. براي پي بردن به اين نوع كار به شكل زير خوب توجه كنيد. در اين شكل استوانهاي را كه به يك پيستون بدون اصطكاك مجهز

Διαβάστε περισσότερα

Distributed Snapshot DISTRIBUTED SNAPSHOT سپس. P i. Advanced Operating Systems Sharif University of Technology. - Distributed Snapshot ادامه

Distributed Snapshot DISTRIBUTED SNAPSHOT سپس. P i. Advanced Operating Systems Sharif University of Technology. - Distributed Snapshot ادامه Distributed Snapshot يك روش براي حل GPE اين بود كه پردازهي مبصر P 0 از ديگر پردازهها درخواست كند تا حالت محلي خود را اعلام كنند و سپس آنها را باهم ادغام كند. اين روش را Snapshot گوييم. ولي حالت سراسري

Διαβάστε περισσότερα

هدف از انجام این آزمایش بررسی رفتار انواع حالتهاي گذراي مدارهاي مرتبه دومRLC اندازهگيري پارامترهاي مختلف معادله

هدف از انجام این آزمایش بررسی رفتار انواع حالتهاي گذراي مدارهاي مرتبه دومRLC اندازهگيري پارامترهاي مختلف معادله آزما ی ش پنج م: پا س خ زمانی مدا رات مرتبه دوم هدف از انجام این آزمایش بررسی رفتار انواع حالتهاي گذراي مدارهاي مرتبه دومLC اندازهگيري پارامترهاي مختلف معادله مشخصه بررسی مقاومت بحرانی و آشنایی با پدیده

Διαβάστε περισσότερα

يﺎﻫ ﻢﺘﻳرﻮﮕﻟا و ﺎﻫ ﺖﺧرد فاﺮﮔ ﻲﻤﺘﻳرﻮﮕﻟا ﻪﻳﺮﻈﻧ :سرد ﻲﺘﺸﻬﺑ ﺪﻴﻬﺷ هﺎﮕﺸﻧاد ﺮﺗﻮﻴﭙﻣﺎﻛ مﻮﻠﻋ هوﺮﮔ ﻪﻴﻟوا ﺞﻳﺎﺘﻧ و ﺎﻫﻒ ﻳﺮﻌﺗ

يﺎﻫ ﻢﺘﻳرﻮﮕﻟا و ﺎﻫ ﺖﺧرد فاﺮﮔ ﻲﻤﺘﻳرﻮﮕﻟا ﻪﻳﺮﻈﻧ :سرد ﻲﺘﺸﻬﺑ ﺪﻴﻬﺷ هﺎﮕﺸﻧاد ﺮﺗﻮﻴﭙﻣﺎﻛ مﻮﻠﻋ هوﺮﮔ ﻪﻴﻟوا ﺞﻳﺎﺘﻧ و ﺎﻫﻒ ﻳﺮﻌﺗ BFS DFS : درخت یک گراف همبند بدون دور است. جنگل یک گراف بدون دور است. پس هر مولفه همبندی جنگل درخت است. هر راس درجه 1 در درخت را یک برگ مینامیم. یک درخت فراگیر از گراف G یک زیردرخت فراگیر از ان است که

Διαβάστε περισσότερα

Vr ser se = = = Z. r Rr

Vr ser se = = = Z. r Rr ا زمايشگاه ماشينه يا ۱ الکتريکي ا زمايش شمارهي ۳-۴ گزارش کار اتصال کوتاه و بارداري موتور ا سنکرون استاد درياباد نگارش: اشکان نيوشا ۱۱ ا بان ۱۳۸۷ ي م به نام خدا تي وري ا زمايش هدف ما در اين ا زمايش به دست

Διαβάστε περισσότερα

فصل اول آشنايي با Excel

فصل اول آشنايي با Excel فصل اول آشنايي با Excel 1 هدفهاي رفتاري پس از پايان اين فصل هنرجو بايد در Excel بتواند : 1- قسمتهاي مختلف محيط كار Excel را بشناسد. 2- كاربرد شكلهاي مختلف حالت ماوس را بشناسد. 3- با كاربرد روبانهاي مختلف

Διαβάστε περισσότερα

فصل پنجم زبان های فارغ از متن

فصل پنجم زبان های فارغ از متن فصل پنجم زبان های فارغ از متن خانواده زبان های فارغ از متن: ( free )context تعریف: گرامر G=(V,T,,P) کلیه قوانین آن به فرم زیر باشد : یک گرامر فارغ از متن گفته می شود در صورتی که A x A Є V, x Є (V U T)*

Διαβάστε περισσότερα

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) :

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) : ۱ گرادیان تابع (y :f(x, اگر f یک تابع دومتغیره باشد ا نگاه گرادیان f برداری است که به صورت زیر تعریف می شود f(x, y) = D ۱ f(x, y), D ۲ f(x, y) اگر رویه S نمایش تابع (y Z = f(x, باشد ا نگاه f در هر نقطه

Διαβάστε περισσότερα

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢ دانش اه صنعت شریف دانش ده ی علوم ریاض تمرینات درس ریاض عموم سری دهم. ١ سیم نازک داریم که روی دایره ی a + y x و در ربع اول نقطه ی,a را به نقطه ی a, وصل م کند. اگر چ ال سیم در نقطه ی y,x برابر kxy باشد جرم

Διαβάστε περισσότερα

كار شماره توانايي عنوان آموزش

كار شماره توانايي عنوان آموزش پنجم بخش منطقي گيتهاي و ديجيتال : كلي هدف ديجيتال در پايه مدارهاي عملي و نظري تحليل واحد كار شماره توانايي توانايي عنوان آموزش زمان نظري عملي جمع 22 2 آنها كاربرد و ديجيتال سيستمهاي بررسي توانايي 2 U8

Διαβάστε περισσότερα

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز تي وري اطلاعات کوانتومی ترم پاییز 1391-1392 مدرس: ابوالفتح بیگی و امین زاده گوهري نویسنده: محمد مهدي مجاهدیان جلسه 22 تا اینجا خواص مربوط به آنتروپی را بیان کردیم. جهت اثبات این خواص نیاز به ابزارهایی

Διαβάστε περισσότερα

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد:

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد: تخمین با معیار مربع خطا: هدف: با مشاهده X Y را حدس بزنیم. :y X: مکان هواپیما مثال: مشاهده نقطه ( مجموعه نقاط کنارهم ) روی رادار - فرض کنیم می دانیم توزیع احتمال X به چه صورت است. حالت صفر: بدون مشاهده

Διαβάστε περισσότερα

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان هو الحق دانشکده ي مهندسی کامپیوتر کدگذاري شبکه Coding) (Network سه شنبه 21 اسفند 1393 جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان استاد: مهدي جعفري نگارنده: علیرضا حیدري خزاي ی در این نوشته مقدمه اي بر

Διαβάστε περισσότερα

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه آزما ی ش شش م: پا س خ فرکا نس ی مدا رات مرتبه اول هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه و پاسخ فاز بررسی رفتار فیلتري آنها بدست

Διαβάστε περισσότερα

چکيده

چکيده تشخيص مرزهاي عنبيه در تصوير چشم در سامانههاي تشخيص هويت با استفاده از ماسک لاپلاسين و تبديل هاف هاتف مهرابيان دانشگاه تهران h.mehrabian@ece.ut.ac.ir احمد پورصابري دانشگاه تهران a.poursaberi@ece.ut.ac.ir

Διαβάστε περισσότερα

دانشگاه ا زاد اسلامی واحد خمينی شهر

دانشگاه ا زاد اسلامی واحد خمينی شهر دانشگاه ا زاد اسلامی واحد خمينی شهر fact svc موضوع پروژه: شبيه سازی حالات داي می وگذرای وادوات ارشادی مهندس اقای جناب پروژه: استاد نام کشکوليان سعيد کننده تهيه : قدرت برق مهندسی رشته : 874174015 شماره

Διαβάστε περισσότερα

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn درس»ریشه ام و توان گویا«تاکنون با مفهوم توان های صحیح اعداد و چگونگی کاربرد آنها در ریشه گیری دوم و سوم اعداد آشنا شده اید. فعالیت زیر به شما کمک می کند تا ضمن مرور آنچه تاکنون در خصوص اعداد توان دار و

Διαβάστε περισσότερα

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد.

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد. تي وري اطلاعات کوانتمی ترم پاییز 39-39 مدرس: ابوالفتح بیگی و امین زاده گوهري نویسنده: کامران کیخسروي جلسه فرض کنید حالت سیستم ترکیبی AB را داشته باشیم. حالت سیستم B به تنهایی چیست در ابتداي درس که حالات

Διαβάστε περισσότερα

:نتوين شور شور هدمع لکشم

:نتوين شور شور هدمع لکشم عددی آناليز جلسه چھارم حل معادلات غير خطي عمده روش نيوتن: مشکل f ( x را در f ( x و برای محاسبه ھر عضو دنباله باید ھر مرحله محاسبه کرد. در روشھای جایگزین تقریبی f ( x x + = x f جایگزین میکنم کنيم. ( x مشتق

Διαβάστε περισσότερα

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد.

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد. ) مسائل مدیریت کارخانه پوشاک تصمیم دارد مطالعه ای به منظور تعیین میانگین پیشرفت کارگران کارخانه انجام دهد. اگر او در این مطالعه دقت برآورد را 5 نمره در نظر بگیرد و فرض کند مقدار انحراف معیار پیشرفت کاری

Διαβάστε περισσότερα

ا يز د ر آ آ لو زا د ا

ا يز د ر آ آ لو زا د ا Logical Circuit بولي توابع سازي ساده آارنو از جدول استفاده : ١- روشهای سازه سازی توابع - جدول آارنو - جدول آارنو براي دو متغير ۴- جدول آارنو براي سه متغير ۵- جدول آارنو براي چهار متغير ۶- جدول آارنو براي

Διαβάστε περισσότερα

بررسي علل تغيير در مصرف انرژي بخش صنعت ايران با استفاده از روش تجزيه

بررسي علل تغيير در مصرف انرژي بخش صنعت ايران با استفاده از روش تجزيه 79 نشريه انرژي ايران / دوره 2 شماره 3 پاييز 388 بررسي علل تغيير در مصرف انرژي بخش صنعت ايران با استفاده از روش تجزيه رضا گودرزي راد تاريخ دريافت مقاله: 89//3 تاريخ پذيرش مقاله: 89/4/5 كلمات كليدي: اثر

Διαβάστε περισσότερα

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی از ابتدای مبحث تقارن تا ابتدای مبحث جداول کاراکتر مربوط به کنکور ارشد می باشد افرادی که این قسمت ها را تسلط دارند می توانند از ابتدای مبحث جداول کاراکتر به مطالعه

Διαβάστε περισσότερα

یﺭﺎﺘﻓﺭ یﺭﺎﺘﻓﺭ یﺎﻫ یﺎﻫ ﻑﺪﻫ ﻑﺪﻫ

یﺭﺎﺘﻓﺭ یﺭﺎﺘﻓﺭ یﺎﻫ یﺎﻫ ﻑﺪﻫ ﻑﺪﻫ دهم فصل اندازه گذارى ساعات آموزش نظری عملی جمع ٤ ٣ ١ فصل دهم كند. های رفتاری هدف پس از پايان اين فصل از هنرجو انتظار می رود: 1 لزوم اندازه گذاری را تعريف كند. 2 علايم اندازه گذاری را طبق استاندارد شناسايی

Διαβάστε περισσότερα

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد:

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد: شکل کلی معادلات همگن خطی مرتبه دوم با ضرایب ثابت = ٠ cy ay + by + و معادله درجه دوم = ٠ c + br + ar را معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد: c ١ e r١x

Διαβάστε περισσότερα

هدف: LED ديودهاي: 4001 LED مقاومت: 1, اسيلوسكوپ:

هدف: LED ديودهاي: 4001 LED مقاومت: 1, اسيلوسكوپ: آزمايش شماره (1) آشنايي با انواع ديود ها و منحني ولت -آمپر LED هدف: هدف از اين آزمايش آشنايي با پايه هاي ديودهاي معمولي مستقيم و معكوس مي باشد. و زنر همراه با رسم منحني مشخصه ولت- آمپر در دو گرايش وسايل

Διαβάστε περισσότερα

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1 محاسبات کوانتمی (67) ترم بهار 390-39 مدرس: سلمان ابوالفتح بیگی نویسنده: سلمان ابوالفتح بیگی جلسه ذخیره پردازش و انتقال اطلاعات در دنیاي واقعی همواره در حضور خطا انجام می شود. مثلا اطلاعات کلاسیکی که به

Διαβάστε περισσότερα

1- مقدمه است.

1- مقدمه است. آموزش بدون نظارت شبكه عصبي RBF به وسيله الگوريتم ژنتيك محمدصادق محمدي دانشكده فني دانشگاه گيلان Email: m.s.mohammadi@gmail.com چكيده - در اين مقاله روشي كار آمد براي آموزش شبكه هاي عصبي RBF به كمك الگوريتم

Διαβάστε περισσότερα

جلسه 2 جهت تعریف یک فضاي برداري نیازمند یک میدان 2 هستیم. یک میدان مجموعه اي از اعداد یا اسکالر ها به همراه اعمال

جلسه 2 جهت تعریف یک فضاي برداري نیازمند یک میدان 2 هستیم. یک میدان مجموعه اي از اعداد یا اسکالر ها به همراه اعمال نظریه اطلاعات کوانتمی 1 ترم پاییز 1391-1392 مدرسین: ابوالفتح بیگی و امین زاده گوهري جلسه 2 فراگیري نظریه ي اطلاعات کوانتمی نیازمند داشتن پیش زمینه در جبرخطی می باشد این نظریه ترکیب زیبایی از جبرخطی و نظریه

Διαβάστε περισσότερα

جلسه ی ۱۰: الگوریتم مرتب سازی سریع

جلسه ی ۱۰: الگوریتم مرتب سازی سریع دانشکده ی علوم ریاضی داده ساختارها و الگوریتم ها ۸ مهر ۹ جلسه ی ۱۰: الگوریتم مرتب سازی سریع مدر س: دکتر شهرام خزاي ی نگارنده: محمد امین ادر یسی و سینا منصور لکورج ۱ شرح الگور یتم الگوریتم مرتب سازی سریع

Διαβάστε περισσότερα

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: این شبکه دارای دو واحد کامال یکسان آنها 400 MW میباشد. است تلفات خط انتقال با مربع توان انتقالی متناسب و حداکثر

Διαβάστε περισσότερα

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد دانشگاه صنعتی خواجه نصیر طوسی دانشکده برق - گروه کنترل آزمایشگاه کنترل سیستمهای خطی گزارش کار نمونه تابستان 383 به نام خدا گزارش کار آزمایش اول عنوان آزمایش: آشنایی با نحوه پیاده سازی الکترونیکی فرایندها

Διαβάστε περισσότερα

است). ازتركيب دو رابطه (1) و (2) داريم: I = a = M R. 2 a. 2 mg

است). ازتركيب دو رابطه (1) و (2) داريم: I = a = M R. 2 a. 2 mg دستوركارآزمايش ماشين آتوود قانون اول نيوتن (قانون لختي يا اصل ماند): جسمي كه تحت تا ثيرنيروي خارجي واقع نباشد حالت سكون يا حركت راست خط يكنواخت خود را حفظ مي كند. قانون دوم نيوتن (اصل اساسي ديناميك): هرگاه

Διαβάστε περισσότερα

بخش ششم: عملیات در پایگاه داده رابطهای

بخش ششم: عملیات در پایگاه داده رابطهای هب انم آنکه جان را فک رت آموخت بخش ششم: عملیات در پایگاه داده رابطهای مرتضی امینی نیمسال دوم 92-91 )محتویات اسالیدها برگرفته از یادداشتهای کالسی استاد محمدتقی روحانی رانکوهی است.( یادآوری: مدل دادهای 2

Διαβάστε περισσότερα

a a VQ It ميانگين τ max =τ y= τ= = =. y A bh مثال) مقدار τ max b( 2b) 3 (b 0/ 06b)( 1/ 8b) 12 12

a a VQ It ميانگين τ max =τ y= τ= = =. y A bh مثال) مقدار τ max b( 2b) 3 (b 0/ 06b)( 1/ 8b) 12 12 مقاومت مصالح بارگذاري عرضي: بارگذاري عرضي در تيرها باعث ايجاد تنش برشي ميشود كه مقدار آن از رابطه زير قابل محاسبه است: كه در اين رابطه: - : x h q( x) τ mx τ ( τ ) = Q I برش در مقطع مورد نظر در طول تير

Διαβάστε περισσότερα

Answers to Problem Set 5

Answers to Problem Set 5 Answers to Problem Set 5 Principle of Economics Graduate School of Management and Economics, Sharif University of Technology Fall 94 5. Suppose a competitive firm has the following cost function c(y) =

Διαβάστε περισσότερα

رياضي 1 و 2. ( + ) xz ( F) خواص F F. u( x,y,z) u = f = + + F = g g. Fx,y,z x y

رياضي 1 و 2. ( + ) xz ( F) خواص F F. u( x,y,z) u = f = + + F = g g. Fx,y,z x y رياضي و رياضي و F,F,F F= F ˆ ˆ ˆ i+ Fj+ Fk)F ديورژانس توابع برداري ديورژانس ميدان برداري كه توابع اسكالر و حقيقي هستند) به صورت زير تعريف ميشود: F F F div ( F) = + + F= f در اين صورت ديورژانس گراديان,F)

Διαβάστε περισσότερα

جلسه 28. فرض کنید که m نسخه مستقل یک حالت محض دلخواه

جلسه 28. فرض کنید که m نسخه مستقل یک حالت محض دلخواه نظریه اطلاعات کوانتمی 1 ترم پاییز 1392-1391 مدرسین: ابوالفتح بیگی و امین زاده گوهري نویسنده: مرتضی نوشاد جلسه 28 1 تقطیر و ترقیق درهم تنیدگی ψ m بین آذر و بابک به اشتراك گذاشته شده است. آذر و AB فرض کنید

Διαβάστε περισσότερα

فصل چهارم موتورهاي جريان مستقيم

فصل چهارم موتورهاي جريان مستقيم فصل چهارم موتورهاي جريان مستقيم هدفهاي رفتاري پس از پايان اين فصل از فراگير انتظار ميرود که: موتورهاي جريان مستقيم را تعريف كند و آنها را طبقهبندي نمايد. مشخصههاي اصلي موتورهاي جريان مستقيم را تعريف كند

Διαβάστε περισσότερα

شاخصهای پراکندگی دامنهی تغییرات:

شاخصهای پراکندگی دامنهی تغییرات: شاخصهای پراکندگی شاخصهای پراکندگی بیانگر میزان پراکندگی دادههای آماری میباشند. مهمترین شاخصهای پراکندگی عبارتند از: دامنهی تغییرات واریانس انحراف معیار و ضریب تغییرات. دامنهی تغییرات: اختالف بزرگترین و

Διαβάστε περισσότερα

جلسه 16 نظریه اطلاعات کوانتمی 1 ترم پاییز

جلسه 16 نظریه اطلاعات کوانتمی 1 ترم پاییز نظریه اطلاعات کوانتمی ترم پاییز 39-39 مدرسین: ابوالفتح بیگی و امین زاده گوهري نویسنده: محم دحسن آرام جلسه 6 تا اینجا با دو دیدگاه مختلف و دو عامل اصلی براي تعریف و استفاده از ماتریس چگالی جهت معرفی حالت

Διαβάστε περισσότερα

مربوطند. با قراردادن مقدار i در معادله (1) داريم. dq q

مربوطند. با قراردادن مقدار i در معادله (1) داريم. dq q مدارهاي تا بحال به مدارهايي پرداختيم كه در ا نها اجزاي مدار مقاومت بودند و در ا نها جريان با زمان تغيير نميكرد. در اينجا خازن را به عنوان يك عنصر مداري معرفي ميكنيم خازن ما را به مفهوم جريانهاي متغير با

Διαβάστε περισσότερα

یک روش بهینه سازی ترکیبی بر مبنای الگوریتم pso برای حل مسئله زمان بندی

یک روش بهینه سازی ترکیبی بر مبنای الگوریتم pso برای حل مسئله زمان بندی یک روش بهینه سازی ترکیبی بر مبنای الگوریتم pso برای حل مسئله زمان بندی خالصه: مسئله هاي زمان بندي و برنامه ريزي سازگارسازي و هماهنگ نمودن مجموعه اي از نهادها مانند رخدادها فعاليتها افراد ابزار و دستگاهها

Διαβάστε περισσότερα

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )( shimiomd خواندن مقاومت ها. بررسی قانون اهم برای مدارهای متوالی. 3. بررسی قانون اهم برای مدارهای موازی بدست آوردن مقاومت مجهول توسط پل وتسون 4. بدست آوردن مقاومت

Διαβάστε περισσότερα

نيمتوان پرتو مجموع مجموع) منحني

نيمتوان پرتو مجموع مجموع) منحني شبيه سازي مقايسه و انتخاب روش بهينه پيادهسازي ردگيري مونوپالس در يك رادار آرايه فازي عباس نيك اختر حسن بولوردي صنايع الكترونيك شيراز Abbas.nikakhtar@Gmail.com صنايع الكترونيك شيراز hasan_bolvardi@yahoo.com

Διαβάστε περισσότερα

يا (Automatic Generation Control) AGC

يا (Automatic Generation Control) AGC و ١ شبيه سازي سيستم AGC دو ناحيه اي در فضاي تجديدساختار شده صنعت برق با استفاده از تخمينگر حالت جواد ساده استاديار ٢ ١ الياس رخشاني دانشجوي کارشناسي ارشد- کنترل ١ گروه کارشناسي ارشد کنترل دانشگاه ا زاد

Διαβάστε περισσότερα

نظریه زبان ها و ماشین ها

نظریه زبان ها و ماشین ها نظریه زبان ها و ماشین ها Theory of Languages & Automatas سید سجاد ائم ی زمستان 94 به نام خدا پیش گفتار جزوه پیش رو جهت استفاده دانشجویان عزیز در درس نظریه زبانها و ماشینها تهیه شده است. در این جزوه با

Διαβάστε περισσότερα

قطعات DNA وصل ميشوند فاژT7. pppapcpc/a(pn) 1 2 فاژT4. pppapc (PN) 3. *** (p)ppa /G (PN) 7 pppa / G (Pn)~9 در حدود ۱۰

قطعات DNA وصل ميشوند فاژT7. pppapcpc/a(pn) 1 2 فاژT4. pppapc (PN) 3. *** (p)ppa /G (PN) 7 pppa / G (Pn)~9 در حدود ۱۰ نواحي تكرشتهاي شده DNA به وسيله پروتي ينهايي كه به ا نها متصل ميشوند پايدار ميگردند نواحي تك رشتهاي كه در اثر فعاليت پروتي ينهاي هليكاز بوجود ميا يند ممكن است دوباره به يكديگر متصل شوند بنابراين نواحي

Διαβάστε περισσότερα

بخش غیرآهنی. هدف: ارتقاي خواص ابرکشسانی آلياژ Ni Ti مقدمه

بخش غیرآهنی. هدف: ارتقاي خواص ابرکشسانی آلياژ Ni Ti مقدمه بخش غیرآهنی هدف: ارتقاي خواص ابرکشسانی آلياژ Ni Ti مقدمه رفتار شبه کشسان )Pseudoelasticity( که به طور معمول ابرکشسان )superelasticity( ناميده می شود رفتار برگشت پذیر کشسان ماده در برابر تنش اعمالی است

Διαβάστε περισσότερα

Top Down Parsing LL(1) Narges S. Bathaeian

Top Down Parsing LL(1) Narges S. Bathaeian طراحی کامپایلر Top Down Parsing LL1) تعریف top down parsing Parse tree را از ریشه به سمت برگها می سازد. دو نوع LL1), LLk) Recursive descent مثال G = {S},{, ) }, P, S) S S S ) S ε ))$ مثال S S ) S ε ))$

Διαβάστε περισσότερα

سلسله مزاتب سبان مقدمه فصل : زبان های فارغ از متن زبان های منظم

سلسله مزاتب سبان مقدمه فصل : زبان های فارغ از متن زبان های منظم 1 ماشیه ای توریىگ مقدمه فصل : سلسله مزاتب سبان a n b n c n? ww? زبان های فارغ از متن n b n a ww زبان های منظم a * a*b* 2 زبان ها پذیرفته می شوند بوسیله ی : ماشین های تورینگ a n b n c n ww زبان های فارغ

Διαβάστε περισσότερα