Bases de Données AIAC 2P

Bases de donnes relationnelles
Les Bases de Donnes

Relationnelles
Chapitre I
Introduction et objectifs
Quest ce quune base de donnes?

SQL
REQUETE
CLE
ACCESS
RELATIONNEL
ORACLE
SGBD
ENREGISTREMENT
TABLE
DONNEE
SQL SERVER
MODELE LOGIQUE
3
B. EL HATIMI
Quest ce quune base de donnes ?
Une Base de Donnes (BD), en anglais Database,

est une collection de donnes structures,
modlisant les objets du monde rel, relies par
des relations et stockes sur un support
permanent. Une BD doit tre interrogeable et
modifiable par des langages de haut niveau.
Une BD sert de support des applications
informatiques. Sa gestion est assure par un
Systme de Gestion de Bases de Donnes
(SGBD).
Les fichiers
B. EL HATIMI
Un fichier est un rcipient dinformation

caractrise par un nom,, permettant dcrire des
programmes dapplication indpendants des
mmoires secondaires. [GARDARIN 2003]
Un systme de Gestion de Fichiers (SGF) est un
ensemble de programmes qui assure les fonctions
de cration/suppression de fichiers, lallocation de la
mmoire secondaire, la localisation et la recherche
des fichiers.
Pourquoi les fichiers ne sont pas suffisants pour la
gestion des donnes ?
Systmes de fichiers
Comptabilit
Caractristiques
Chirurgie
Problmes
Consultations
Psychiatrie
Format des fichiers
Caractristiques
Plusieurs applications
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
plusieurs formats
plusieurs langages
Turlututudhjsd
Analyses :xx
Problmes
Difficults de gestion
Duhpon
Duipont
Turlututu : sq
B. EL HATIMI
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
Redondance (donnes)
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
Caractristiques
Plusieurs
applications
plusieurs formats
plusieurs langages
Turlututudhjsd
Analyses :xx
Redondance de
donnes
Problmes
Incohrence des donnes
Duhpon
Duipont
Turlututu : sq
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
Interrogations
Caractristiques
ComptaSoft
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
Turlututudhjsd
Analyses :xx
ChiruSoft
plusieurs formats
plusieurs langages
Redondance de
donnes
Pas de facilit
dinterrogation
Question dveloppement
Problmes
ConsultSoft
B. EL HATIMI
Duhpon
Duipont
Turlututu : sq
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
PsychiaSoft
Cots levs
Maintenance difficile
Pannes ???
Caractristiques
ComptaSoft
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
Turlututudhjsd
Analyses :xx
ChiruSoft
plusieurs formats
plusieurs langages
Redondance de
donnes
Pas de facilit
dinterrogation
ConsultSoft
Duhpon
Duipont
Turlututu : sq
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
PsychiaSoft
Problmes
Partage de donnes
Cots levs
Gestion de pannes ???10
Caractristiques
ComptaSoft
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
Turlututudhjsd
Analyses :xx
ChiruSoft
plusieurs formats
plusieurs langages
Redondance de donnes
Pas de facilit
dinterrogation
ConsultSoft
B. EL HATIMI
Duhpon
Duipont
Turlututu : sq
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
PsychiaSoft
Problmes
Cots levs
Gestion de pannes ???
11
Partage des donnes ???
Confidentialit
Caractristiques
ComptaSoft
Dupont
Symptomes : y
Turlututu : sqj
Symptomes : y
Turlututu : sdd
Analyses : xxx
Dupond
Turlututusqjsk
Symptom: yyyy
Analyses xxxx
Turlututudhjsd
Analyses :xx
ChiruSoft
plusieurs formats
plusieurs langages
Pas de facilit
dinterrogation
Redondance de code
ConsultSoft
Duhpon
Duipont
Turlututu : sq
Symptomes : yy
Analyses : xxxx
Symptomyyyy
Analysesxxxx
Symptomes : yy
Turlututudhjsd
PsychiaSoft
Problmes
Cots levs
Gestion de pannes ???
Partage des donnes ???
12
Confidentialit ???
Quand utiliser les fichiers ?

Faut-il pour autant abandonner les fichiers ?
Non.
Dans le cas de donnes importantes et
homognes les fichiers et les SGF
(Systmes de Gestion de fichiers) restent
une solution idale.
Exemple : Listing des oprations bancaires.
13
B. EL HATIMI
Systmes de Gestion de Bases de

Donnes (SGBD)
Un Systme de Gestion de Bases de

Donnes est un logiciel de haut niveau qui
permet de manipuler les informations
stockes dans une base de donnes.
Exemple de SGBD : Oracle, SQL Server,
MySQL, PostgreSQL, Informix
14
15
B. EL HATIMI
Objectifs des SGBD

I- Indpendance
Physique
X - Standards
II- Indpendance
Logique
IX - Gestion de la
confidentialit
VIII - Concurrence
daccs
III Langage de
manipulation
BD
IV - Gestion des
vues
V - Optimisation des
questions
VII - Gestion des

pannes
VI - Gestion de la
cohrence
16
Fonctions principales dun SGBD

Description des donnes.
Recherche des donnes.
Mise jour des donnes.
Contrle de lintgrit des donnes.
Scurit des donnes.
17
B. EL HATIMI
Architecture dun SGBD
18
Un objectif majeur du SGBD est dassurer une abstraction des

donnes stockes sur disques pour simplifier la vision des
utilisateurs. Pour cela trois niveaux de description des donnes
sont identifies appels aussi niveaux dabstraction.
Niveaux dabstraction
Niveau externe fournit pour chaque
utilisateur une description des donnes
perues (vue).
Niveau logique contient la description et la
structuration des donnes selon un modle
propre au SGBD.
Niveau interne correspond la structure de
stockage supportant les donnes (les
fichiers).
19
B. EL HATIMI
Cycle de vie dune BD
Conception
Implantation
dans un SGBD
20
Utilisation
Plan lment Bases de donnes

relationnelles
Modle relationnel.
Conception dune base de donnes.
Algbre relationnel.
Thorie de la normalisation.
21
B. EL HATIMI
10
Les Bases de Donnes

Relationnelles
Chapitre II
Modle relationnel
22
Modle Logique de Donnes

Un Modle Logique est le modle sur lequel
est construit le SGBD. Il existe plusieurs
modles logiques et donc autant de familles
de SGBD : relationnel, rseau, hirarchique,
orient objet.
On parlera de Systme de Gestion de Base
de Donnes Relationnel (SGBDR) dans le
cas dun SGBD bas sur le modle
relationnel.
23
B. EL HATIMI
11
Modle Logique de Donnes

Diffrents modles :
Modle Rseau
Modle Hirarchique
Modle Relationnel (Oracle, SQL Server,
MySQL)
Standard du march - 90% du
march des SGBD
Modle Objet
Futur ?
Modle Relationnel Objet
24
Un petit historique
25
B. EL HATIMI
1960 : Systmes de gestion de fichiers

1970 : Dbut des SGBD rseaux et hirarchiques
1970 : Article de CODD (IBM SanJose) proposant le
modle relationnel A Relational Model for Large
Shared Data Banks (Voir annexe)
1976 : Article de CHEN sur le modle entitassociation The Entity-Relationship Model
Towards a Unified View of Data
1979 : Premier SGBDR Oracle de IRS
1990 : Les SGBD relationnels dominent le march
12
Un petit historique
Annes 1990 : Dbut des SGBD Orients
Objet. Datawarehouse . Datamining. BD
rfrence spatiales.
1992 : Norme ISO SQL2 (International
Organization for Standardization)
2004 : Standard SQL 2003 ou SQL3 publi
Maintenant : BD multimdia, BD spatiotemporelles, Data Warehouses, .
26
Legacy Systems
Les premiers modles logiques et SGBD
(dits Legacy Systems) sont apparus dans les
annes1970s.
Approche systme des BDs.
Modliser la BD comme un ensemble de
fichiers relis par des pointeurs.
Privilgier loptimisation des entres sorties.
Modles daccs
27
B. EL HATIMI
13
Legacy Systems : 2 exemples

Langages de Manipulation de Donnes
(LMD) bass sur le parcours de fichiers et de
liens entre fichiers
Langages
Navigationnels
Les modles les plus populaires : le Modle
rseau et le Modle hirarchique
28
Legacy Systems
Forces :
Proche du niveau interne (gestion des fichiers)
Efficacit (accs disques)
Faiblesses :
Manque dindpendance Programmes-Donnes
Grande complexit des LMD associs
LMD de bas niveau laissant la navigation la charge
du programmeur
29
B. EL HATIMI
14
CODD le fondateur
Edgar F. CODD (1923 2003)
1969 : Premier article de CODD sur le
modle relationnel.
1970 : Article fondateur de CODD (IBM
SanJose) sur le modle relationnel A
Relational Model for Large Shared Data
Banks
30
CODD le fondateur
31
B. EL HATIMI
Objectif 1 : Indpendance Programmes dapplication Vs

Reprsentation interne des donnes
Objectif 2 : Une base solide pour traiter les problmes de
cohrence et de redondance des donnes (Rgles
dintgrit Algbre relationnelle Thorie de la
normalisation)
Objectif 3 : Modle extensible
Objectif 4 : Devenir un standard pour la description et la
manipulation des bases de donnes
Objectif 5 : Simplicit du modle (modle un seul
concept : la relation)
Objectif 6: Simplicit des vues relationnelles :
reprsentation tabulaires des donnes
15
Modlisation des donnes

1.
2.
3.
4.
Pour dcrire les objets dans une BD :

Type dobjets.
Instances (ou occurrences) dobjets.
Modle de description de donnes (ou modle
logique) : ensemble de concepts et de rgles
permettant de dcrire des donnes
Exemple le
modle relationnel.
Langage de description de donnes : langage
supportant un modle et permettant de dcrire les
donnes dune BD dune manire assimilable par une
machine
Exemple le langage SQL.
32
Le domaine de valeurs
Le domaine de valeurs : Ensemble dinstances dun
type lmentaire caractris par un nom : Les
domaines sont les ensembles dans lesquels les
donnes prennent leurs valeurs.
Exemples de domaines : Entier, Rel, Alpha-numrique,
Couleur {Rouge, Blanc, Bleu, Jaune}
Un domaine peut tre dfini en intention en
dfinissant une proprit caractristique des valeurs du
domaine (Rel, Boolen, Caractre) ou dfini en
extension en donnant la liste des valeurs le composant
(Couleur {Rouge, Blanc, Bleu, Jaune})
33
B. EL HATIMI
16
Relation ou Table
34
La Relation ou Table : Sous-ensemble fini

du produit cartsien dune liste de domaines
caractris par un nom.
Une relation reprsente un objet (concret ou
abstrait) du monde rel, identifiable et
pertinent pour la base de donnes.
CODD a reprsent les relations sous forme
de tables deux dimensions (reprsentation
tabulaire).
Relation ou Table : Reprsentation

tabulaire
CLIENT
C342
C235
C145
C98
C114
Nom de la table
ELECTRA S.A.
Comptoirs du SOUSS
Africaine de cbles
Electronia
SMEC
Casablanca
Agadir
Tanger
Casablanca
Casablanca
35
B. EL HATIMI
17
Attribut ou Colonne
Un attribut : Colonne dune relation caractrise par un
nom. Un attribut est toujours associ un domaine (on
parle de contrainte de domaine).
Domaines possibles : Rel, Entier, Boolen, Date,
Heure, Caractre, Chane de caractres, Montaire,
domaines dfinis en extension
Le choix des domaines pour les attributs dpend du
SGBD.
36
Un attribut ou Colonne
CLIENT
Code
LibelleClient
Adresse
C342
C235
C145
C98
C114
ELECTRA S.A.
Comptoirs du SOUSS
Africaine de cbles
Electronia
SMEC
Casablanca
Agadir
Tanger
Casablanca
Casablanca
37
B. EL HATIMI
18
Vocabulaires relationnel et tabulaire

Remarque importante : Il existe deux
vocabulaires dans le modle relationnel : un
vocabulaire formel ou relationnel (relation,
attribut, enregistrement ou tupple) et un
vocabulaire lie la reprsentation tabulaire
(table, colonne, ligne).
38
Enregistrement ou Tupple
39
B. EL HATIMI
Tupple ou Enregistrement : n-uplet (v1,,vn)

correspondant une ligne de la table reprsentant la
relation.
Un enregistrement est une ralisation de la relation.
Exemple pour la relation CLIENT : (C342,ELECTRA
S.A, Casablanca), (C235, Comptoirs du Souss,
Agadir)
Les n-uplet dune relation reprsentent lensemble des
instanciations de cette relation
On peut alors
appliquer des contraintes ensemblistes sur ces
ensembles.
19
Attributs facultatifs et obligatoires

Un attribut est dit facultatif si on admet que pour un
enregistrement donn sa valeur peut ne pas tre
renseigne : on parle alors de valeur nulle.
Un attribut est dit obligatoire si sa valeur doit tre
renseigne. On parle de contrainte de non nullit.
40
Valeurs complexes
Le modle relationnel nadmet que des domaines
ayant des valeurs lmentaires.
Il est interdit dans le modle relationnel de manipuler
des attributs ayant des valeurs complexes :
instances de graphes, listes, enregistrement
Exemple :
Soit la relation LEVE (Id : Entier, Coord : Point) o Point est

dfini comme {(X:Rel,Y:Rel, Z:Rel)}
FAUX !!!
LEVE (Id : Entier, CoordX : Rel, CoordY : Rel, CoordZ :
Rel)
CORRECT !!!
41
B. EL HATIMI
20
Attributs monovalus et attributs

multivalus
Un attribut monovalu est un attribut qui na pour un
enregistrement quune seule valeur.
Un attribut multivalu est un attribut qui pour un
mme enregistrement peut prendre plusieurs
valeurs.
Le modle relationnel nadmet que des attributs
monovalus !!!
Nb : Se rfrer la partie Cl trangre pour la
transformation des attributs multivalus en attributs
monovalus.
42
Attributs atomiques
Les attributs dans le modle relationnel
doivent tre simples (non complexes) et
monovalus (non multivalus). On parle
dattributs atomiques.
Premire Forme Normale Tous les
attributs de la relation sont atomiques (Voir
partie Thorie de la normalisation).
43
B. EL HATIMI
21
Cl ou identifiant dune relation

Tout tuple (toute ligne) doit tre identifiable.
Cl ou Identifiant : Plus petit ensemble des
attributs dont la connaissance des valeurs
permet didentifier un tuple de la relation de
manire unique.
44
Cl ou identifiant dune relation
Code
C342
C235
C145
C98
C114
LibelleClient
Adresse
ELECTRA S.A.
Comptoirs du SOUSS
Africaine de cbles
Electronia
SMEC
Casablanca
Agadir
Tanger
Casablanca
Casablanca
45
B. EL HATIMI
22
Contrainte dunicit
Contrainte dunicit : Deux enregistrements distincts
ne peuvent avoir la mme valeur pour la cl.
Code
C342
C235
C145
C98
C114
C145
46
LibelleClient
Adresse
ELECTRA S.A.
Comptoirs du SOUSS
Africaine de cbles
Electronia
SMEC
SODETA
Casablanca
Agadir
Tanger
Casablanca
Casablanca
Rabat
Schma dune relation
1.
2.
3.
4.
Soit la relation CLIENT. Pour dfinir formellement cette relation on

utilise son schma : CLIENT ( Code : alphanumrique,
LibelleClient : alphanumrique, Adresse : alphanumrique)
Code est la cl de la relation CLIENT.
Le schma relationnel ou formel dune relation contient :
Nom de la relation.
Dfinition de la relation.
Nom des attributs avec leur domaine de valeurs.
Identifiants(s) avec prcision de la cl primaire et des cls
secondaires. Dans le schma de la relation la cl primaire est
souligne.
47
B. EL HATIMI
23
Schma dune relation

Remarque : Le schma dune relation est la
dfinition en intention de la relation alors que
la table est la dfinition en extension de celleci.
Exercice : Proposer un schma pour une
relation Etudiant.
48
Cl primaire et cls secondaires
49
B. EL HATIMI
Une relation peut possder plusieurs cls. Ainsi

ETUDIANT (CIN, CNE, CodeCNC, ) : CIN, CNE ou
CodeCNC sont toutes des cls de la relation ETUDIANT.
On choisit une de ces cls comme cl principale ou
primaire, les autres sont alors dites secondaires.
On choisit comme cl primaire la cl la plus utilise. Dans
lexemple prcdent si la BD est relative au CNC on
choisira CodeCNC, si par contre la BD gre les tudiants
dune universit on prendra CNE comme cl primaire.
Important : La contrainte dunicit sapplique la cl
primaire et aux cls secondaires.
24
Contrainte dentit
Contrainte dentit : Toute relation doit
possder une cl primaire et tout attribut
participant cette cl primaire doit tre non
nul (attribut obligatoire).
Remarque importante : Tous les attributs
composant la cl primaire dune relation sont
soumises la contrainte de non nullit.
50
Cl - Notions supplmentaires
Avant le choix de la cl primaire, toute cl est dite
cl candidate.
Un ensemble dattributs qui inclut une cl est
appel super-cl.
Remarque : Une super-cl nest pas une cl
puisque par dfinition ce nest pas un ensemble
minimal dattributs constituant une cl.
51
B. EL HATIMI
25
Cl naturelle et cl artificielle
Si dans la ralit lobjet reprsenter possde un
identifiant, alors on le choisira comme cl et on
parlera de cl naturelle. Sinon, on lui attribuera une
cl artificielle.
EMPLOYE (Nom, Prenom, Fonction, Salaire) :
Nom+Prenom est une cl naturelle.
EMPLOYE (Code : Entier, Nom, Prenom, Fonction,
Salaire) : Code a t ajout comme une cl
artificielle de type entier.
Code devient la cl primaire et Nom+Prenom garde
la contrainte dunicit.
52
Cl trangre
Comment exprimer les liens entre objets ?
Exemple : Un employ est rattach un service.
53
B. EL HATIMI
SERVICE
EMPLOYE
IdService
NomService
Matricule
Nom
Fonction
(Ceci est une reprsentation graphique dune relation).
26
Cl trangre - Dfinition
Une cl trangre (ou cl externe) est un
ensemble dattributs dune relation formant une
cl dans une autre relation. La relation qui
contient la cl de rfrence est dite parent (ou de
rfrence), celle contenant la cl trangre
enfant.
Une cl trangre exprime un lien logique (mais
aussi une dpendance) entre deux relations.
54
Cl trangre
SERVICE
IdService
NomService
EMPLOYE
Matricule
Nom
Fonction
Service
Rf : Service
55
B. EL HATIMI
Remarque : La cl trangre na pas obligatoirement le

mme nom que dans la relation parent.
27
Cl trangre
On crira dans la description du schma
relationnel :
EMPLOYE (Matricule, Nom, Fonction ,Service)
SERVICE (IdService, NomService)
EMPLOYE. Service rfrence SERVICE.IdService
56
Cl trangre
SERVICE
IdService
S01
S02
EMPLOYE
Matricule
57
B. EL HATIMI
NomService
Service comptabilit
Service achats
Nom
Fonction
Service
1234
Filali
Chef de service
S02
5678
Alami
Secrtaire
S01
28
Contrainte rfrentielle
1.
2.
58
Contrainte rfrentielle : Contrainte dintgrit portant sur une

relation R1, consistant imposer que la valeur dun groupe
dattributs apparaisse comme valeur de cl sur une autre
relation R2.
Le SGBD devra assurer lintgrit rfrentielle de la base de
donnes :
On ne peut pas crer denregistrements dans la table enfant
avec une valeur de la cl trangre qui nexiste pas dans la
table parent.
La suppression dun enregistrements de la table de rfrence
doit entraner soit la suppression des enregistrements de la
table enfant correspondant, soit le changement de la valeur de
la cl trangre la valeur nulle, soit tre interdit.
Contrainte rfrentielle
SERVICE
IdService
S01
S02
EMPLOYE
Matricule
59
B. EL HATIMI
NomService
Service comptabilit
Service achats
Nom
Fonction
S03 nexiste pas dans

SERVICE
Service
1234
Filali
Chef de service S03
5678
Alami
Secrtaire
S01
29
Cl trangre compose
Une cl trangre est dite compose si la cl de la

table de rfrence est compose de deux attributs
au moins.
Dans ce cas la cl trangre doit aussi tre
compose du mme nombre dattributs.
La contrainte rfrentielle sapplique lensemble
des attributs composant la cl trangre.
Les attributs constituant la cl trangre doivent tre
de mme type que les attributs de la cl de
rfrence.
60
Cl trangre compose
Dans cet exemple nous avons deux relations

: PlaceVol qui reprsente les places dans un
vol et Rservation qui reprsente les
rservations faites.
PlaceVol (NVol, NSige, Compagnie,

HeureDpart) o NSige est le numro de sige
Rservation (NRservation, NomClient, Vol,
Sige)
(Vol, Sige) rfrence (Nvol, NSige)
61
B. EL HATIMI
30
Cl trangre compose
NVol
NSige
Compagnie
HeureDpart
A451
24
RAM
15H30
A451
15
RAM
15H30
F266
24
Jet4You
16H00
NRservation
NomClient
Vol
Sige
1252
Muawiya
A451
24
1253
Yazid
F266
15
1254
Marwan
Y102
24
1255
Abd Al Malik
Y102
10
62
Cl trangre rflexive
Une relation peut avoir une

contrainte rfrentielle vers
elle-mme. On parlera
alors de cl trangre
rflexive.
Exemple : Le responsable
dun employ est lui-mme
un employ.
EMPLOYE
Matricule
Nom
Fonction
Responsable
Rf : Responsable
63
B. EL HATIMI
31
Traitement des attributs multivalus

par cl trangre
Que faire dans le cas dun attribut multivalu ?
Exemple : Un tudiant reprsent par la relation
ETUDIANT (CNE, Nom, Adresse, Tlphone) peut avoir
plusieurs tlphones (GSM, domicile).
ETUDIANT
CNE
2226123
64
2125745
2125990
Nom
Amaoui
Ibrahimi
Bensedik
Adresse
Tlphone
Rabat 061333344
Agadir
Tanger
061232344
022113344, 065122345
Traitement des attributs multivalus

par cl trangre
Solution : On cre
une nouvelle
relation avec les
valeurs de
lattribut
multivalu et
ayant une cl
trangre
rfrenant la
table dorigine.
65
B. EL HATIMI
CNE
2226123
Nom
Amaoui
Adresse
Rabat
2125745
2125990
Ibrahimi
Bensedik
Agadir
Tanger
IdTel
Tlphone
1
061333344
2
061232344
3
022113344
4
065122345
tudiant
2226123
2125745
2125990
2125990
32
Cas particulier : Relation faible

Une relation faible est une relation dont la cl
est compos dattributs de la relation et de
cls trangres. Elle est dite faible car sa cl
dpend dautres relations.
Exemple :
HOTEL (IdHotel, NomHotel, Adresse)

CHAMBRE (NChambre, Hotel, Capacit,
Description) avec Hotel cl trangre vers
HOTEL
66
Contraintes dintgrit
Les donnes dune BD ne sont pas
indpendantes mais obissent des rgles
appeles contraintes dintgrit et qui
assurent la cohrence de la BD.
Ces rgles doivent tre dclares
explicitement et associes au schma de la
base de donnes.
67
B. EL HATIMI
33
Contraintes dintgrit
Dfinition : Une contrainte dintgrit est une
assertion vrifie par les donnes de la base de
donnes tout moment. Le but des contraintes est
dassurer la cohrence logique de la base de
donnes.
On distingue plusieurs catgories de contraintes :
Contraintes structurelles et comportementales
Contraintes intra-relations et inter-relations
Contraintes ensemblistes.
68
Contraintes dintgrit structurelles
1.
2.
3.
4.
5.
Une contrainte structurelle est une contrainte lie au modle

relationnel.
Contrainte de domaine : tout attribut doit possder une valeur qui
appartient un type. Les valeurs de lattribut sont restreints ce
domaine.
Contraintes dentit : Toute relation doit possder une cl primaire
et que tout attribut participant cette cl primaire soit non nul.
Contraintes dunicit : Deux tuples distincts ne peuvent avoir la
mme valeur pour la cl.
Contraintes rfrentielles : contraintes lies une cl trangre.
Contrainte de non nullit : Spcifie que la valeur dun attribut doit
tre renseigne.
Ce type de contrainte est implment lors de la cration du schma
de la BD puis gr par le SGBD automatiquement.
69
B. EL HATIMI
34
Contraintes dintgrit comportementales

Toutes les contraintes autres que structurelles sont
appeles comportementales car elles sont lies au
domaine tudi (besoins du client).
Exemple : Dans une BD pour la gestion de ltat civil
(mariage, divorce, dcs) on peut avoir comme
contrainte que lge minimum pour tre mari est de
18 ans, quune personne de sexe masculin peut tre
marie au maximum quatre femmes
Ce type de contrainte peut ncessiter une
programmation spcifique pour tre pris en compte.
70
Contraintes intra-relations
Une contrainte intra-relation est une
contrainte qui met en jeu des donnes issues
dune seule relation.
71
B. EL HATIMI
35
Contraintes intra-relations : Exemple

Soit la relation PERSONNE dans une BD sur
ltat civil :
PERSONNE
CIN
NomPrnom
Sexe
DateNaissance
DateMariage
DateDcs
Conjoint
Rf : Conjoint
72
Contraintes intra-relations : Exemple

1.
2.
3.
Deux conjoints doivent tre de sexe

diffrent.
La date de mariage doit tre suprieur la
date de naissance.
La date de dcs doit tre suprieur la
date de naissance et la date de mariage.
Ces rgles sont des contraintes dintgrit
intra-relation.
73
B. EL HATIMI
36
Contraintes inter-relations
Une contrainte inter-relations est une
contrainte qui met en jeu des donnes issues
de deux relations (ou plus rarement de plus
que deux).
Exemple : Contrainte rfrentielle (cl
trangre).
74
Les contraintes ensemblistes

Les contraintes ensemblistes sont les
relations dinclusion, dexclusion, qui
peuvent exister entre les occurrences des
relations.
Le modle relationnel ne modlise pas les
contraintes ensemblistes, ces contraintes
devront tre traites par de la programmation
spcifique.
75
B. EL HATIMI
37
Notion dhritage
1.
2.
3.
76
Le concept dhritage nexiste pas dans le modle

relationnel, cependant dans le monde rel les relations
dhritage sont trs frquentes.
Exemple : Articles dans un hypermarch.
ARTICLE (Code, Libelle, Rayon, Prix)
ARTICLE_VETEMENT (Code, Libelle, Rayon, Prix,
couleur, taille)
ARTICLE_PERISSABLE (Code, Libelle, Rayon, Prix,
DatePeremption, TemperatureMin, TemperatureMax)
Problme redondance dinformation
Le code, le
libelle, le rayon et le prix dun vtement est repris dans
les tables ARTICLE et ARTICLE_VETEMENT
Notion dhritage
Solution A : On garde la table sur-type compose
des attributs de tous les sous-types et disparition
des tables sous-types. Avec un tel principe les
proprits spcifiques chacun des sous-types ne
seront pas valorises pour certaines occurrences
de la relation sur-type.
Exemple : ARTICLE (Code, Libelle, Rayon, Prix,
couleur, taille, DatePeremption, TemperatureMin,
TemperatureMax)
77
B. EL HATIMI
38
Notion dhritage
Solution B : Ajout des attributs de la table sur-type aux
tables sous-types et disparition de la table sur-type. Cette
solution entrane une redondance importante des
donnes du sur-type sil ny a pas dexclusion entre les
sous-types.
Exemple :
ARTICLE_VETEMENT (Code, Libelle, Rayon, Prix, couleur,
taille)
ARTICLE_PERISSABLE (Code, Libelle, Rayon, Prix,
ARTICLE_POISSON (Code, Libelle, Rayon, Prix, KiloUnite,
1.
2.
783.
Notion dhritage
1.
2.
3.
Solution C : On garde les tables sur-type et sous-types.

Dans chacune des relations sous-types, lidentifiant de
lentit sur-type est intgr. Il est la fois cl primaire de
la relation et cl trangre par rapport lentit sur-type.
On limine les autres attributs communs
Exemple :
ARTICLE (Code, Libelle, Rayon, Prix)
ARTICLE_VETEMENT (Code, couleur, taille)
ARTICLE_PERISSABLE (Code, DatePeremption,
TemperatureMin, TemperatureMax)
79
B. EL HATIMI
39
Les Bases de Donnes

Relationnelles
Chapitre III
Construction du Schma Relationnel
80
Schma relationnel de la BD
1.
2.
3.
4.
81
B. EL HATIMI
5.
Le schma dune base de donnes se composent de

lensemble des schmas de ses relations, ainsi que
des diffrentes contraintes dintgrit qui leur sont
associs.
Le schma relationnel dune relation contient :
Nom de la relation.
Dfinition de la relation.
Nom des attributs avec leur domaine de valeurs.
Identifiant(s) avec prcision de la cl primaire.
ventuellement le(s) cl(s) trangre(s).
40
Exemple Schma Relationnel Gestion des

accidents et des polices dassurance
82
Le schma relationnel suivant reprsente les accidents avec les vhicules

impliqus et leur police dassurance.
CLIENT (NumClient : Entier, Nom : Chane, Adresse : Chane)
ACCIDENT (NumAcc : Entier, DateAcc : Date, Montant : Rel)
VEHICULE (Matricule : Chane, Marque : Chane, Modle : Chane,
Anne, Puissance : Entier, Client : Entier) VEHICULE.Client rfrence
CLIENT.NumClient
POLICE (NumPolice : Entier, Type : Chane, Date : Date, Client : Entier,
Vhicule : Chane) POLICE. Client rfrence CLIENT.NumClient et
POLICE.Vhicule rfrence VEHICULE.Matricule
IMPLICATION ( Accident : Entier, Vhicule : Chane)
IMPLICATION.Accident rfrence ACCIDENT.NumAcc et
IMPLICATION.Vhicule rfrence VEHICULE.Matricule
CLIENT
NumClient
Nom
Adresse
VEHICULE
Matricule
Marque
Modle
Anne
Puissance
Client
Rf : Client
B. EL HATIMI
NumPol
Type
Date
Client
Vhicule
Rf : Client
Rf : Vhicule
IMPLICATION
Accident
Vhicule
Rf : Accident
Rf : Vhicule
83
POLICE
ACCIDENT
NumAcc
DateAcc
Montant
Reprsentation graphique du schma relationnel
41
Dmarche de construction dune BD

Analyse du problme et des besoins
Conception de la BD
Mthodes de conception
formelle (MERISE )
Schma conceptuel
Choix du modle logique
Modle relationnel
Construction du schma logique
Schma relationnel
Choix du SGBD
SGBD Relationnel (Oracle, MySQL,
PostgreSQL )
Cration de la BD en utilisant un langage de
description de donnes
SQL
Exploitation de la BD
Mise jour des donnes,
requtes
84
Types de relation
1.
2.
Il existe deux types de relations :

Des relations reprsentant des objets du
monde rel pertinents et identifiables.
Des relations dassociation exprimant un
lien logique entre plusieurs autres relations.
Ex : la relation IMPLICATION exprime le fait
quun vhicule est impliqu dans un
accident.
85
B. EL HATIMI
42
Comment construire une relation

Une relation reprsentant un objet est construite
partir des caractristiques de cet objet. Ces
caractristiques constituent alors les attributs de
la relation.
Exemple : la relation CLIENT (NumClient : Entier,
Nom : Chane, Adresse : Chane) reprsente les
clients de la compagnie dassurance.
86
Comment choisir la cl dune relation

Si lobjet reprsent par la relation dispose dun
identifiant naturel, le ou les attributs constituant cet
identifiant constitueront une cl ( condition quil nexiste
pas didentifiant compos dun nombre infrieur
dattributs).
Si lobjet possde plusieurs cls naturels, on choisit la
plus utilise comme cl primaire et les autres seront des
cls secondaires.
Il est prfrable dans le cas dune cl compose de
plusieurs attributs de la remplacer par une cl artificielle
compose dun seul attribut.
87
B. EL HATIMI
43
Comment choisir la cl dune relation
88
NumAcc
2308
2408
1709
DateAcc
15/06/2008
17/06/2008
08/01/2009
Montant
1200,00
2500,00
3400,00
3409
11/02/2009
800,00
La condition dunicit est une condition ncessaire mais

non suffisante pour constituer une cl. Ainsi dans la table
ci-dessus, DateAcc ne peut pas tre considr comme
une cl car deux accidents peuvent avoir lieu la mme
date.
Quand crer une cl trangre

Une cl trangre exprime un lien logique entre deux
relations.
Aprs avoir cr les relations reprsentant les objets
manipuler par la base de donnes, on cherche les liens
logiques existant entre eux.
Exemple : Le fait qun vhicule appartient un client est
modlis par la cl trangre VEHICULE.Client qui
rfrence CLIENT.NumClient.
89
B. EL HATIMI
44
Cas des tables dassociation

Exemple : Un vhicule est impliqu dans un ou
plusieurs accidents et un accident implique un ou
plusieurs vhicules.
Solution : On cre une nouvelle relation IMPLICATION
(Accident : Entier, Vhicule : Entier) compose de deux
cls trangres rfrenant VEHICULE et ACCIDENT.
Les cls trangres constituent la cl de
IMPLICATION.
IMPLICATION est dite table dassociation, car elle
reprsente un lien logique entre deux autres tables.
90
Les contraintes du schma
1.
2.
3.
4.
5.
6.
Le schma relationnel doit prciser les

contraintes ventuelles :
Contrainte de domaine,
Contraintes dentit,
Contraintes dunicit,
Contraintes rfrentielles,
Contrainte de non nullit,
Contraintes dintgrit comportementales.
91
B. EL HATIMI
45
Lapproche par dcomposition

Lapproche par dcomposition pour la construction dun schma
relationnel part dune relation compose de tous les attributs,
appele relation universelle, et la dcompose en sous-relations
de manire aboutir des relations lmentaires.
Exemple de relation universelle : ETUDIANT (CNE, CNC, CIN,
NomEtudiant, DateNaissance, Adresse, Classe, Filire, Anne,
Matire, Coefficient, Note, Enseignant, NomEnseignant,
Dpartement)
Problme
Redondance dinformations. Un tudiant est rpt
autant de fois quil a de matires.
La dcomposition doit se faire sans perte dinformations.
92
TD1 : Socit InfoPower

Gestion des commandes
NCommande : C112/05
Date : 14/09/05
Nom Client : Compagnie Industrielle du Gharb
Adresse : 20 Avenue Med V, KENITRA
Nom Reprsentant : ZITOUNI Hassan
TD 1
REF
IN143
IN213
DESIGN
QTE
PC DELL PIV
15
IMP Laser HP A4 5
NFacture : 88/05
Date : 23/11/05
NCommande : C112/05
Nom Client : Compagnie Industrielle du Gharb
Adresse : 20 Avenue Med V, KENITRA
Nom Reprsentant : ZITOUNI Hassan
REF
IN143
IN213
93
B. EL HATIMI
DESIGN
QTE
PC DELL PIV
10
IMP Laser HP A4 5
PU
8000
2000
MONTANT
80000
10000
TOTAL : 90000
46
CLIENT (NomClient : Chaine, NomRep : Chaine,

[Adresse] : Chaine)
COMMANDE (CodeCom : Chaine, DateCom :
Date, Client : Chaine)
FACTURE ( CodeFact : Chaine, DateFact : date,
Commande : Chaine)
PRODUIT (Ref : Chaine, Design : Chaine, PU :
Rel)
Design est une cl secondaire
LIGNE_COM (Produit : Chaine, Commande :
Chaine, QteCom : Entier)
LIGNE_FACT (Produit : Chaine, Facture : Chaine,
94 QteFact : Entier)
TD1 Schma relationnel

COMMANDE (NCommande : Chaine, DateCommande
: Date, Client : Entier)
COMMANDE.Client rfrence CLIENT.NClient
FACTURE (NFacture : Chaine, DateFacture : Date,

Commande : Chaine)
FACTURE.Commande rfrence COMMANDE.Ncommande

Rq : Il ne faut pas ajouter de cl trangre vers CLIENT car on
peut rcuprer cette rfrence partir de COMMANDE.
CLIENT (NClient : Entier, NomClient : Chaine, Adresse

: Chaine, Reprsentant : Chaine)
95
B. EL HATIMI
NClient est une cl artificielle
47
TD1 Schma relationnel

ARTICLE (Ref : Chaine, Dsignation : Chaine, PU : Rel) o PU
est le prix unitaire de larticle
LIGNE_COM (Commande : Chaine, Article : Chaine, Qt : Entier)
LIGNE_COM.Commande rfrence COMMANDE.NCommande

LIGNE_COM.Article rfrence ARTICLE.Ref
LIGNE_FACT (Facture: Chaine, Article : Chaine, Qt : Entier)
LIGNE_FACT.Facture rfrence FACTURE.NFacture

LIGNE_FACT.Article rfrence ARTICLE.Ref
LIGNE_COM et LIGNE_FACT sont des tables dassociation

Les informations calculables (Montant et Total) ne doivent pas tre
reprsentes.
96
Les Bases de Donnes

Relationnelles
Chapitre IV
Algbre relationnelle
97
B. EL HATIMI
48
Introduction
Lalgbre relationnelle a t dfinie par
CODD (1970) comme un ensemble
doprations formelles agissant sur des
relations et produisant dautres relations.
Lalgbre relationnelle est un langage de
manipulation de donnes (LMD) algbrique
la base des LMD prdicatifs (e.g. SQL).
98
Dfinition
LMD algbrique : exprime une requte
comme un enchanement doprations
conduisant au rsultat (e.g. Algbre
relationnelle).
LMD prdicatif : spcifie par des prdicats
les proprits du rsultat (e.g. SQL). Un
prdicat est une proposition susceptible de
devenir vraie ou fausse selon les valeurs
attribues aux variables quelle contient.
99
B. EL HATIMI
49
Dfinition
Exemple : USINE (NU, NomU, Ville)
Slectionner les usines qui se trouvent
Casablanca ?
LMD algbrique : Algbre relationnelle
[Ville = Casablanca'] USINE
LMD prdicatif : SQL
select * from USINE where ville = Casablanca'
10
0
Intrt de lalgbre relationnelle

L'intrt de l'algbre relationnelle est multiple:
l'algbre a identifi les oprateurs fondamentaux

pour la manipulation d'une base de donnes
relationnelle;
ces oprateurs ont dfini les principales fonctions
optimiser dans les SGBD relationnels;
l'algbre a donn naissance aux LMD prdicatifs
dont le langage SQL.
10
1
B. EL HATIMI
50
Les oprations algbriques

Oprations ensemblistes :
Union
Intersection
Diffrence
Produit cartsien
10
2
Les oprations algbriques

Oprations spcifiques :
Projection
Slection ou Restriction
Jointure
Renommage
Division
10
3
B. EL HATIMI
51
Union
Union : opration binaire qui partir de
deux relations R et S ayant le mme
schma (Mme attributs : nom et domaine
de valeurs), cre une relation U de mme
schma et de population gale lunion
des tuples de R et S (en liminant les
doublons).
On notera U =
10
4
Intersection
Intersection : opration binaire qui partir de
schma, cre une relation I de mme
schma et de population gale
lintersection des tuples de R et S. Les tuples
retenus sont ceux ayant la mme valeur pour
tous les attributs.
On notera I =
10
5
B. EL HATIMI
52
Diffrence
Diffrence : opration binaire qui partir de
schma, cre une relation D de mme
schma et ayant comme tuples ceux
appartenant R et nappartenant pas S.
On notera D = R S.
Remarque : R S S R
10
6
Projection
10
7
B. EL HATIMI
Projection : Opration unaire qui partir

dune relation R cre une relation R en
enlevant la relation initiale tous les attributs
non mentionns en oprandes tout en
liminant les doublons ventuels.
On notera [A1,An] R
A partir dune relation R on peut construire
par projection, autant de relations quil y a de
compositions possibles de ses attributs.
53
Projection
Projection : Exemple : Soit la relation
ETUDIANT (CNE, Nom, Prnom, DateNaiss,
Filire)
CNE
10
8
Nom
Prnom
DateNaiss
Filire
2214
Himmi
Ahmed
11/02/1984
GI
2218
Karimi
Lamiaa
06/05/1983
GI
2158
Alaoui
Imane
21/12/1984
SIG
9908
Ikama
Nabil
10/08/1981
SIG
Projection
Projection : Exemple :
[CNE,Nom,Prnom] ETUDIANT
10
9
B. EL HATIMI
CNE
Nom
Prnom
2214
Himmi
Ahmed
2218
Karimi
Lamiaa
2158
Alaoui
Imane
9908
Ikama
Nabil
54
Projection
Remarque importante :
Dans le cas o aucune cl napparat dans
les oprandes de la projection, une cl
primaire arbitraire est attribue au rsultat :
ce sera la composition de tous les attributs
restant. Ceci permettra dliminer les
ventuels doublons.
11
0
Slection (ou Restriction)

Slection : Opration unaire qui partir
dune relation R cre une relation R de
mme schma mais ne comportant que
les tuples vrifiant la condition prcise
en argument (prdicat de slection).
On notera [prdicat] R
11
1
B. EL HATIMI
55
Slection
Les conditions (prdicat) possibles sont de la
forme :
<Attribut> <Oprateur> <Valeur>
Les oprateurs sont les oprateurs de
comparaison {=, <, , >, , }.
On peut combiner plusieurs prdicats avec
les oprateurs logiques {ET, OU}
11
2
Slection
Slection : Exemple :
[Filire = SIG] ETUDIANT
CNE
Nom
Prnom
DateNaiss
Filire
2158
Alaoui
Imane
21/12/1984
SIG
9908
Ikama
Nabil
10/08/1981
SIG
11
3
B. EL HATIMI
56
Expressions algbriques
On peut combiner entre eux les
oprateurs algbriques.
Pour rpondre la question quels sont les
noms et les prnoms des tudiants de la
filire SIG, on crira:
[Nom,Prnom] [Filire = SIG] ETUDIANT
11
4
SIG = [Nom,Prnom] [Filire =
SIG] ETUDIANT
SIG
Nom
Prnom
Alaoui
Imane
Ikama
Nabil
11
5
B. EL HATIMI
57
On pourra aussi crire :
R = [Filire = SIG] ETUDIANT
SIG = [Nom,Prnom] R
11
6
Exemple
Soit la relation :
PERSONNE ( nom , prnom , jour-nais ,

mois-nais , an-nais , sexe)
Avec sexe appartient { M, F }
crire lexpression algbrique donnant

la liste des noms et prnoms des
hommes ns avant 1975.
11
7
B. EL HATIMI
58
Exemple
PERSONNE ( nom , prnom , jour-nais ,
mois-nais , an-nais , sexe)
H = [Nom,Prnom] [sexe = M ET annais < 1975] PERSONNE
11
8
Produit Cartsien
11
9
B. EL HATIMI
Produit Cartsien : Soient deux relations, R (A1, A2, ,

An) et T (B1, B2, , Bp), n'ayant pas d'attribut de mme
nom, alors le produit de R par T, cre une relation de
schma P (A1, A2, , An, B1, B2, , Bp) et de population
toutes les concatnations possibles de tuples de R et de T.
On notera P = R x T
Lopration de produit cartsien est la mme opration que
celle du produit cartsien des domaines.
Remarque : On peut prendre comme cl primaire la
composition des attributs des cls primaires de R et de S.
59
Exemple de produit cartsien

Deux relations PRODUIT et COULEUR
CodeProduit
Libell
Prix
P1
Chemise
220,00
P2
Pantalon
450,00
P3
Veste
500,00
P4
Polo
280,00
CodeCouleur
Couleur
C1
Noir
C2
Bleu
12
0
Exemple de produit cartsien

R = PRODUIT x COULEUR
12
1
B. EL HATIMI
CodeProduit
Libell
Prix
CodeCouleur
Couleur
P1
Chemise
220,00
C1
Noir
P1
Chemise
220,00
C2
Bleu
P2
Pantalon
450,00
C1
Noir
P2
Pantalon
450,00
C2
Bleu
P3
Veste
500,00
C1
Noir
P3
Veste
500,00
C2
Bleu
P4
Polo
280,00
C1
Noir
P4
Polo
280,00
C2
Bleu
60
Renommage
Renommage : Oprateur unaire qui permet de
renommer les attributs dune relation. Cet
oprateur est utile avant les jointures s'il y a un
problme d'homonymie ou de synonymie, ou
avant les oprations ensemblistes (union,
diffrence, intersection) qui requirent que les
attributs correspondants aient le mme nom.
On notera :
12
[nom_attribut1 : nouveau_nom_attribut1, ] R
2
Jointure
12
3
B. EL HATIMI
Jointure : Opration binaire qui partir de deux

relations R1 et R2, cre la relation R3 dont les
attributs sont lunion des attributs de R1 et R2, et
dont les tuples sont la concatnation dun tuple de R1
et dun tuple de R2 vrifiant un prdicat ou critre de
jointure.
On notera R3 = R1 *[prdicat] R2
Le prdicat de jointure a la mme forme que le
prdicat de slection avec en plus des conditions
lmentaires qui comparent des attributs de R1 et
R2.
61
Thta - Jointure
12
4
Soient les relations :

PRODUIT (NPrd, NomProd, PrixProd, QuantitMinimal)
COMMANDE (NCom, NomClient, ValeurCom)
La jointure R = PRODUIT * [ValeurCom >
QuantitMinimal] COMMANDE est ralise en faisant le
produit cartsien PRODUIT x COMMANDE puis en
appliquant une slection sur le rsultat partir du
prdicat de jointure.
On parle dans ce cas de Thta-jointure.
Remarque : Les attributs pris en compte dans un
prdicat doivent avoir un domaine de valeurs
compatibles.
Equi-Jointure
Thta-jointure particulire o loprateur
dans le prdicat est une galit. Pour les
autres cas on parle de inqui-jointure.
Remarque : Dans le cas de lqui-jointure,
les deux attributs gaux apparaissent chacun
dans le rsultat
duplication dune mme
valeur dans chaque tuple. Pour liminer cette
redondance on utilise la jointure naturelle.
12
5
B. EL HATIMI
62
Jointure naturelle
Jointure naturelle : tant donn deux relations R(X,
Y) et S(Y, Z), o X, Y, Z symbolisent soit un
attribut, soit un ensemble d'attributs, et o Y n'est
pas vide, la jointure (naturelle) de R et S, note : R
* S cre une nouvelle relation temporaire, de
schma (X, Y, Z).
La population de R * S est l'ensemble des tuples
{x, y, z} crs par composition d'un tuple {x, y} de
R et d'un tuple {y, z} de S, tels que les deux tuples
12 ont la mme valeur pour Y.
6
Jointure naturelle
Exemple :
Soit le schma relationnelle :
ETUDIANT (CIN, CNE, Filire, Moyenne)
PERSONNE (CIN, Nom, Prnom,
DateNaiss, Adresse)
J = ETUDIANT * PERSONNE
J (CIN, CNE, Filire, Moyenne, Nom,
12
Prnom, DateNaiss, Adresse)
7
B. EL HATIMI
63
Jointure naturelle
Exemple :
Pour rpondre la question donner le
nom, le prnom et ladresse de tous les
tudiants on crira lexpression
algbrique :
[Nom, Prnom, Adresse] (
ETUDIANT * PERSONNE )
12
8
Exemple
Soit le schma relationnel suivant :
PERS (CIN, Nom, Adresse)
ETUDIANT (CIN, CNE, Filire) CIN cl
trangre
OBTENU (CNE, NomCours, Note)
crire lexpression donnant le nom des
tudiants ayant valid le cours
12
Algorithmique ?
9
B. EL HATIMI
64
Exemple
Soit le schma relationnel suivant :
PERS (CIN, Nom, Adresse)
ETUDIANT (CIN, CNE, Filire)
[Nom] ( PERS * ETUDIANT * [NomCours

= Algorithmique] OBTENU )
13
0
Jointure naturelle
Remarque :
En notant A * B, la jointure naturelle se fait
sur lensemble des attributs communs (sil y
en a).
On peut spcifier les attributs en question en
notant : A * [X] B o X est un sous-ensemble
des attributs communs.
13
1
B. EL HATIMI
65
Division
13
2
Division : Soient deux relations R(A,B) et

S(B) o A et B sont des ensembles
dattributs. La division de R par S suivant B
est une relation D ayant comme attribut(s)
A et contenant toutes les valeurs de A
dans R qui sont associes toutes les
valeurs de S.
On notera R / S
Division
Division : Exemple :
R
13
3
B. EL HATIMI
R/S
66
Division - Exemple
ETUDIANT (CNE, Nom, Adresse, Filire)
OBTENU.CNE rfrence ETUDIANT.CNE
PREREQUIS (NomCours, NomPrrequis)
Quels sont les tudiants (donner leur CNE) qui
peuvent sinscrire au module JAVA (cest--dire qui
ont valid les pr-requis de ce cours) ?
13
4
Division - Exemple
CNE
Nom
Adresse
AL ABBASSI Abu Al
Abbas
Rue de Bagdad,
Casablanca
1GI
21502150
AL FATIMI Ubayd
Allah
Rue de Mehdia,
Casablanca
1GI
20402040
AL AMAWI Muawiya
Rue de Damas,
Casablanca
1SIG
NomCours
13
5
B. EL HATIMI
Filire
22332233
NomPrrequis
JAVA
C++
JAVA
Algorithmique
Dveloppement Web
Algorithmique
67
Division - Exemple
CNE
NomCours
Note
22332233
Dveloppement Web
13,50
22332233
Algorithmique
12,00
22332233
Rseaux
11,50
22332233
C++
15,50
21502150
Rseaux
12,00
21502150
Dveloppement Web
12,00
20402040
Algorithmique
14,00
20402040
Godsie
16,50
13
6
Division - Exemple
Nous cherchons les pr-requis du cours JAVA :
R = [NomPrrequis] [NomCours = JAVA]
PREREQUIS
Pour pouvoir faire la division on renomme la colonne
NomPrrequis en NomCours :
[ NomPrrequis : NomCours ] R
13
7
B. EL HATIMI
68
Division - Exemple
Les lves pouvant sinscrire dans JAVA sont :
S = [CNE, NomCours] OBTENU / R
Un seul lve vrifie cette condition.
CNE
22332233
13
8
Les Bases de Donnes

Relationnelles
Chapitre V
Thorie de la normalisation
13
9
B. EL HATIMI
69
Relation universelle
On appelle relation universelle toute relation
unique compose de lunion de tous les
attributs des relations constituant la base de
donnes.
Exemple : Soit la relation universelle
suivante : ETUDIANT (CNE, Nom, Adresse,
CodeModule, NomModule, Note)
14
0
CNE
Nom
Adresse
Risques dincohrences des donnes

CodeModule
1000 AAA Casablanca TPR

1130 BBB Agadir
TPR
1000 AAA Casablanca RES1

..
..
..
14
1409 CCC Rabat
1
B. EL HATIMI
..
TPR
NomModule
Techniques de
programmation
Techniques de
programmation
Rseaux 1
..
Techniques de
programmation
Note
12,5
8,5
10,5
..
14
70
Anomalies de mise jour
1.
2.
3.
La redondance des donnes entrane des

anomalies de mise jour qui sont de trois
types :
Anomalies dinsertion
Anomalies de suppression
Anomalies de modification
Toutes ces anomalies induisent une non
fiabilit de la base de donnes.
14
2
1.
2.
Supposons quon veuille ajouter un nouveau module

Bases de donnes 1 .
Ce module ne pourra pas tre ajout tant que nous
navons pas dtudiants inscrits dans celui-ci.
Les informations sur le nouveau module
(CodeModule, NomModule) seront rptes autant de
fois quil y a dtudiants inscrits, donc autant de
risques derreurs lors de la saisie
Incohrence de
la base de donnes.
14
3
B. EL HATIMI
71
CNE
Nom
Adresse
CodeModule
NomModule
Note
1000
AAA
Casablanca
TPR
Techniques de
programmation
12,5
1130
BBB
Agadir
TPR
Techniques de
programmation
8,5
1000
AAA
Casablanca
RES1
Rseaux 1
10,5
1130
BBB
Agadir
BD1
Databases 1
16
1000
AAA
Casablanca
BD1
Bases de donnes 1 15
..
..
14
4 1409
CCC
..
Rabat
..
TPR
..
Techniques de
programmation
..
14
Anomalies de suppression
Supposons quon veuille supprimer les notes
concernant le module Rseaux 1 .
Pour cela il faudra supprimer tous les
enregistrements concernant ce module.
Aprs la suppression, nous aurons supprim
toutes les notes concernes mais aussi les
informations concernant le module
Rseaux 1 lui-mme
Perte
dinformations.
14
5
B. EL HATIMI
72
Supposons quon veuille modifier le nom du
module Rseaux 1 en Rseaux et
Tlcoms 1 .
Pour cela il faudra rpter la modification
autant de fois quil y a dlves inscrits dans
ce module. Donc, autant de risques derreur
de saisie entranant une incohrence de la
base.
14
6
CNE
B. EL HATIMI
Nom
Adresse
CodeModule
NomModule
Note
1000
AAA
Casablanca
TPR
Techniques de
programmation
12,5
1130
BBB
Agadir
TPR
Techniques de
programmation
8,5
1000
AAA
Casablanca
RES1
Rseaux et
tlcoms 1
10,5
1130
BBB
Agadir
BD1
1000
AAA
Casablanca
BD1
14 ..
7 1409
..
CCC
..
Rabat
..
RES1
..
Rseaux Tlcoms
..
14
73
Do viennent ces anomalies ?

Ces anomalies sont dues au fait que les attributs sont
lis entre eux. Ainsi, on ne peut pas avoir deux
enregistrements (, RES1, Rseaux et tlcoms 1,
) et (, RES1, Rseaux Tlcoms, ), car
NomModule dpend de CodeModule.
On dit quil y a une dpendance fonctionnelle de
CodeModule vers NomModule.
Les dpendances fonctionnelles entre attributs dune
relation sont lorigine des anomalies de mise jour.
14
8
Dpendances fonctionnelles entre

attributs dune relation
Soient la relation R (A1,A2,An).
On dit quil y a une dpendance
fonctionnelle (DF) de Ai vers Aj et on crit
Ai
Aj SSI quelques soient deux tuples r1
et r2 de R Si ai1 = ai2 alors aj1 = aj2.
Ceci est une dpendance fonctionnelle intrarelation.
14
9
B. EL HATIMI
74
Dpendances fonctionnelles entre

attributs dune relation
Soit la relation (CNE, Nom, Fil, NomFil)
Nous avons la DF : Fil
NomFil
15
0
CNE
Nom
Fil
NomFil
22201
XXX
GI
Gnie Info.
21996
AAA
GI
Gnie Info.
22203
BBB
SIG
Sc. Inf. Go.
21998
YYY
SIG
Sc. Inf. Go.
22204
CCC
SIG
Sc. Inf. Go.
Question
Comment construire une base de donnes
sans anomalies de mise jour ?
15
1
B. EL HATIMI
75
Solution
1.
2.
3.
On dcompose la relation ETUDIANT (CNE, Nom,

Adresse, CodeModule, NomModule, Note) en trois
relations:
ETUDIANT_BIS (CNE, Nom, Adresse)
MODULE (CodeModule, NomModule)
NOTE (CNE, CodeModule, Note)
On parlera de NORMALISATION de la relation
ETUDIANT par dcomposition de celle-ci.
15
2
Normalisation dun schma relationnel
15
3
B. EL HATIMI
Dfinition : La normalisation dune relation

est le processus de transformation pour
liminer les anomalies dues aux DFs intrarelation.
La qualit dune relation est mesure par son
degr de normalisation, on parlera de
premire forme normale, deuxime forme
normale dans lordre croissant de
normalisation.
76

Dfinition : Un schma relationnel est
normalis pour une certaine forme
normale si toutes les relations qui le
composent le sont toutes .
15
4

Processus de normalisation : Normaliser un
schma relationnel cest le transformer en un
schma normalis quivalent, cd sans pertes
de donnes ni (si possible) de DFs.
Comment ? Par dcomposition.

15
5
B. EL HATIMI
77
Dcomposition
1.
2.
ETUDIANT (CNE, Nom, Adresse,

CodeModule, NomModule, Note)
La dcomposition suivante nest pas
correcte :
ETUDIANT_BIS (CNE, Nom, Adresse)
MODULE (CodeModule, NomModule, Note)
On ne peut pas dcomposer nimporte
comment.
15
6
Les dpendances fonctionnelles (DF)

Dfinition formelle :
Soient X et Y deux sous-ensembles dattributs
dune relation R.
On a X
Y si et seulement si : Quelques
soient E1 et E2 deux tuples de R alors : Si
[X](E1) = [X](E2) Alors [Y](E1) = [Y](E2)
15
7
B. EL HATIMI
78

Une donne 2 est en dpendance fonctionnelle d'une
donne 1 quand la connaissance d'une valeur de la
donne 1 permet de dterminer la connaissance d'au
maximum une et une seule valeur de la donne 2. La
donne 1 est appele la source de la DF et la donne 2
est appele le but.
On notera SOURCE
BUT
La question se poser pour retrouver une DF est :
"Connaissant une valeur de la source, peut-on
connatre une valeur unique du but ?".
15
8
1.
2.
15
9
B. EL HATIMI
Deux informations ne sont pas en dpendance

fonctionnelle si la connaissance d'une valeur de la
premire :
ne permet de connatre aucune des valeurs de la
seconde ( aucune relation entre les deux ).
Exemple : la connaissance d'une date de naissance
ne permet pas de connatre une adresse.
dtermine la connaissance de plusieurs valeurs de
la seconde : la connaissance d'un numro de
facture permet de connatre plusieurs rfrences
d'articles.
79
Dpendance fonctionnelle source

compose
16
0
Il peut arriver que ce soit la combinaison de

plusieurs attributs ( en source ) qui permettent de
connatre une valeur unique en but.
Exemple : un numro de facture + un code
produit nous donne la quantit facture.
quantit
(numro facture, code produit)
On parlera de dpendance fonctionnelle
source compose ou partie gauche compose
(DFPGC).
Do viennent les DFs ???

Important !!!
16
1
B. EL HATIMI
Une DF doit tre vraie dans tous les cas. Aussi

la DF entre attributs dune relation doit tre
vrifie pour la relation en intention et non en
extension (qui est une image linstant t du
schma de la relation).
Les DFs sont dceles lors de la conception de
la base de donnes ( partir du monde rel).
80
Dpendances fonctionnelles et Cls

Proprit :
Soit la relation R et X une cl de la relation.
Quelque soit le sous-ensemble dattributs Y de
R, nous avons :
16
2
DF lmentaire
Une DF, X
A, est dite lmentaire si A est une
information unique, et si X est un ensemble minimum
dinformations, cest dire que X est soit une
information unique soit quil nexiste pas de sousensemble X de X tel que X
A.
Rfrence article
Nom article : lmentaire
(Numro facture, Rfrence article )
Quantit
facture : lmentaire
(Numro facture, Rfrence article )
Nom article :
Non lmentaire car nous avons la DF Rfrence article
Nom article
16
3
B. EL HATIMI
81
Les trois axiomes dArmstrong (1974)
1.
2.
3.
Soient X, Y et Z des sous-ensembles

dattributs dune relation R :
Rflexivit : Si Y inclus dans X Alors X Y
Augmentation : Si X
Y Alors XZ
YZ
Transitivit : Si X Y et Y Z Alors X Z
16
4
Les trois axiomes dArmstrong (1974)
1.
2.
3.
16
5
B. EL HATIMI
A partir des trois axiomes dArmstrong on

peut dduire les proprits suivantes :
Soient X, Y, Z et W des sous-ensembles
dattributs dune relation R :
Union : Si X
Y et X
Z Alors X
YZ
Pseudo-transitivit : Si X
Y et WY
Z
Alors WX
Z
Dcomposition : Si X
Y et Z inclus dans Y
Alors X
Z
82
Dpendance fonctionnelle directe

Une DF Donne 1
Donne 2 est dite directe s'il
n'existe pas de Donne 3 qui engendrerait une
dpendance fonctionnelle transitive de telle sorte
que l'on pourrait crire :
Donne 1
Donne 3
Donne 2
Exemple :
16
6
Numro facture
Numro reprsentant
Numro reprsentant
Nom reprsentant
Numro facture
Nom reprsentant cette DF nest pas
directe
Dpendance fonctionnelle directe

Pour dterminer si une DF est directe, il suffit
de la supprimer puis de voir si on peut la
retrouver partir des DFs restantes par
transitivit. SI on ne peut pas la retrouver
alors cest une DF directe.
16
7
B. EL HATIMI
83
Dpendance fonctionnelle lmentaire

et directe ( DFED)
Soit la relation Livraison (NP, NF, Date, Qt)
NP : Numro du produit
NF : Numro du fournisseur
Date : Date de livraison
Qt : Quantit livre
(NP, NF, date) Qt est une DF lmentaire

et directe.
16
8
Graphe des DFs dune relation

Soit la relation suivante FOURNISSEUR (NF,
NomProduit, Adr, Tl, Prix)
NF : Numro du fournisseur
Adr son adresse et Tl son tlphone
Nous avons les dpendances fonctionnelles

suivantes :
16
9
B. EL HATIMI
NF
Adr et NF
Tl (quon peut noter NF
Tl)
NomProduit + NF
Prix
Adr,
84
Graphe des DFs dune relation
17
0
Graphe minimum des DFs

Dfinition : Soit F lensemble des DFs dune relation
R. On appelle G graphe minimum des DFs de R, tout
ensemble de DFs lmentaires directes, quivalent
F.
Cest dire que toute DF de F peut tre dduite des
DFs de G.
Le graphe minimum des DFs nest pas

unique!!!
17
1
B. EL HATIMI
85

Exemple :
PRODUIT (NP, NomP, Poids, Couleur)
NP est la cl principale et NomP est une cl
secondaire.
17
2
17
3
B. EL HATIMI
NP
Poids
NomP
Couleur
Graphe non minimum puisque les DFs NP

Poids et NP
Couleur ne sont pas directes.
86
17
4
NP
Poids
NomP
Couleur
Solution 1 : Graphe minimum car toutes les DFs

sont lmentaires et directes.
17
5
B. EL HATIMI
NP
Poids
NomP
Couleur
Solution 2 : Graphe minimum car toutes les DFs

sont lmentaires et directes.
87
Recherche des cls sur le graphe

des DFs
Mthode :
Etablir le graphe (minimum ou pas) des DFs,
Chercher sur le graphe un ensemble minimum
dattributs X, tel que tous les chemins partant
de X et suivant les DFs atteignent tous les
autres attributs.
17
6

Exercice : tablir le graphe minimum des DFs
suivantes et donner la cl de la relation R :
R (A, B, C, D, E, F, G)
(A,B)
C, D, E, F
B
C
D
E, F
G
A
17
7
B. EL HATIMI
88
Anomalies dues la non-normalisation

Soit la relation R
(NomProduit, NF, Adr, Tel,
Prix)
17
8
Redondance : s'il existe 100 produits pour un

fournisseur on va rpter 100 fois l'adresse et le
tlphone du fournisseur.
Anomalies dinsertion : quand on veut
rajouter un produit, il faut rentrer nouveau
l'adresse et le tlphone du fournisseur.
Anomalies de suppression : si on supprime
(momentanment) la liste des produits d'un
fournisseur, alors on supprime aussi le
fournisseur.
Anomalies de modification : si un
fournisseur change d'adresse ou de tlphone, il
faut faire cette mise jour sur tous les 100 tuples
!
Anomalies dues la non-normalisation

Soit la relation R
(NomProduit, NF, Adr, Tel,
Prix)
17
9
B. EL HATIMI
Solution : Dcomposer la relation R en un schma

quivalent :
R1 (NF, Adr, Tel)
R2 (NomProduit, NF, Prix)
89
Dcomposition dune relation

Dfinition :
La dcomposition de la relation R (A1, A2, An) consiste en son
remplacement par une collection de relations R1, , Rp obtenues
par des projections sur des sous-ensembles dattributs dont lunion
contient tous les attributs de R. La relation R est retrouve par
jointure naturelle de R1, , Rp.
Il y a donc autant de dcompositions possibles que densemble de
sous-ensembles dattributs.
Problme :
La dcomposition doit donner un schma quivalent
Sans perte
dinformation et au possible sans perte des DFs.
Comment faire ???
18
0
Dcomposition dune relation sans

perte dinformation
Dfinition : Une dcomposition dune relation
R(X,Y,Z) en deux relations :
R1 = [X,Y] R et R2 = [X,Z] R
est dite sans perte dinformation (lossless join
decomposition) si :
R = R1 * R2.
18
1
B. EL HATIMI
90
Dcomposition dune relation avec

perte dinformation
1.
2.
Soit EMP_DEPT (Matr, Dept, NomE, Salaire, NomD)

Matr
NomE
Dept
NomD
Dcomposons EMP_DEPT en :
[Matr, NomE, Salaire] EMP_DEPT = EMP_DEPT1
(Matr, NomE, Salaire)
[Dept, Salaire, NomD] EMP_DEPT = EMP_DEPT2
(Dept, Salaire, NomD)
EMP_DEPT1 * EMP_DEPT2 EMP_DEPT
18
2
Dcomposition dune relation sans

perte dinformation
1.
2.
La bonne dcomposition de EMP_DEPT en

un schma quivalent est :
[Matr, Dept, NomE, Salaire] EMP_DEPT =
EMP (Matr, Dept, NomE, Salaire)
[Dept, NomD] EMP_DEPT DEPT (Dept,
NomD)
EMP * DEPT = EMP_DEPT

18
3
B. EL HATIMI
91
Thorme de Heath
Thorme : Toute relation R(X,Y,Z) est
dcomposable sans perte dinformation en
R1 = [X,Y] R et R2 = [X,Z] R sil y a dans
R une DF de X vers Y (X Y).
18
4
Thorme de Heath
18
5
B. EL HATIMI
Dmonstration :
R1*R2 contient au moins tous les tuples de R, puisque
tout tuple xyz de R cre un tuple xy dans R1 et un
tuple xz dans R2, qui sont concatns par jointure
naturelle en xyz.
R1*R2 ne peut pas contenir de tuples en plus de ceux
de R. Ceci est dmontr par l'absurde.
Soit xyz un tuple de R1*R2, qui n'appartient pas R.
xyz provient de deux tuples de R: xyz' et xy'z. Etant
donn que xyz n'appartient pas R, on a: z'z et y'y,
ce qui est contraire la DF XY.
92
Thorme de Heath
1.
2.
Appliquons le thorme de Heath

EMP_DEPT (Matr, Dept, NomE, Salaire,
NomD) avec les DFs suivantes : Dept
NomD et Matr
NomE, Salaire, Dept
On obtient la dcomposition suivante :
EMP (Matr, Dept, NomE, Salaire)
DEPT (Dept, NomD)
18
6
Les Formes Normales
1.
2.
3.
4.
5.
6.
Il en existe six et qui sont classes de la moins

normalise la plus normalise :
Premire forme normale (1FN)
Deuxime forme normale (2FN)
Troisime forme normale (3FN)
Forme normale de Boyce-Codd (FNBC)
Quatrime forme normale (4FN)
Cinquime forme normale (5FN)
18
7
B. EL HATIMI
93
Premire Forme Normale 1FN

Dfinition : Une relation est en 1FN si tous
ses attributs sont atomiques (simples et
monovalus)
Pour la normalisation dune relation en 1FN
on applique la rgle de passage dun attribut
multivalu un attribut monovalu et dun
attribut complexe des attributs simples.
18
8
Deuxime Forme Normale 2FN

Dfinition : Une relation est en 2FN si elle
est en 1FN et si tout attribut nappartenant
aucune cl candidate ne dpend pas dune
partie de cl.
La 2FN limine les anomalies cres par les
DFs entre parties de cls et attribut non-cl.
18
9
B. EL HATIMI
94

Proprit importante : Si les cls candidates
dune relation sont formes dun seul attribut,
alors la relation est en 2FN.
Autrement dit, il et ncessaire davoir une cl
candidate compose de plusieurs attributs
pour quune relation ne soit pas en 2FN.
19
0

Soit la relation FOURNISSEUR
(NF, NomProduit, Adr, Tl, Prix)
NF
Adr, Tl
NomProduit, NF
Prix
Cette relation nest pas en 2FN
puisque Adr et Tl dpendent de
NF qui est une partie de la cl
(NF, NomProduit)
19
1
B. EL HATIMI
95
Mthode de normalisation en 2FN

1.
2.
3.
4.
5.
Vrifier que la relation est en 1FN,

Etablir son graphe minimum des dpendances,
Identifier les cls candidates,
Identifier les DFs entre les attributs non-cl et une
partie dune cl,
Pour chaque source de ces DFs, on cre une
relation ayant pour attributs la source et tous les
attributs en dpendance fonctionnelle directe de
cette source et ce par application du thorme de
Heath.
19
2

Solution on applique le thorme de HEATH :
FOURNISSEUR (NF, Adr, Tl)
FP (NF, NomProduit, Prix)
Cette dcomposition est :
- sans perte d'information (NF est l'identifiant de la relation
Fournisseur)
- sans perte de dpendance fonctionnelle (les DF sont
soit dans l'une, soit dans l'autre des deux relations
dcomposes).
19
3
B. EL HATIMI
96

Exercice :
Soit la relation PRIME (Ntype-machine, nommachine, Ntechn, montant-prime, nom-techn)

avec les dpendances fonctionnelles suivantes:
Ntype-machine nom-machine
Ntechn nom-techn
(Ntype-machine, Ntechn) montant-prime
19
4

Solution :
PRIME est en 1FN car nom-techn ne dpend que dune
partie de la cl Ntechn, de mme nom-machine ne
dpend que de Ntype-machine
On applique deux fois le thorme de HEATH et on
obtient le schma en 2FN suivant :
MACHINE (Ntype-machine, nom-machine)
TECHNICIEN (Ntechn, nom-techn)
PRIME_BIS (Ntype-machine, Ntechn, montant-prime)
19
5
B. EL HATIMI
97
Troisime Forme Normale 3FN
19
6
Soit la relation CONTACT (Id, NomContact, Ville,

Pays)
Id
Ville
Pays
Cette relation est en 2FN (car lidentifiant est
compos dun seul attribut) mais nous avons une
anomalie de redondance de Pays pour chaque
contact.
La 2FN nest pas suffisante pour supprimer cette
redondance dues des DFs entre attributs ne faisant
pas partie dune cl : Ville
Pays.
Solution : Dcomposer en (Id, NomContact, Ville) et
(Ville, Pays)
Troisime Forme Normale 3FN

La 3FN permet dliminer les anomalies dues
aux DFs entre attributs non-cl.
Dfinition : Une relation R est en 3FN si elle
est en 1FN et que tout attribut qui nappartient
aucune cl candidate ne peut dpendre que
dune cl candidate entire.
Remarque : Une relation en 3FN est en 2FN
car une partie de cl nest pas une cl.
19
7
B. EL HATIMI
98

Remarque importante : Il est possible de
dcomposer une relation en 3FN sans perte
dinformation ni de DF. Cest la forme la plus
normalise qui possde cette proprit.
Algorithme de Bernstein (1976).
19
8

1.
2.
3.
4.
5.
Soit une relation R. Vrifier que la relation est en 1FN,

tablir son graphe minimum des dpendances,
Identifier les cls candidates,
Crer pour chaque source de DF une relation
comprenant comme attributs la source et toutes les
cibles de la source en appliquant le thorme de
Heath.
Si aucune cl de R nest prsente dans au moins une
relation cre, ajouter une relation constitue des
attributs dune cl de R.
19
9
B. EL HATIMI
99

Exercice :
EMPLOYE ( NEmp, NLab, NProj, NomEmp,
NomProj, adresse)
(NEmp, NLab) NProj
NEmp NomEmp, adresse
NProj NomProj
20
0
20
1
B. EL HATIMI
Solution :
EMPLOYE est en 1FN car elle nest pas en
2FN puisque NEmp NomEmp, adresse
En appliquant deux fois le thorme de
HEATH on obtient le schma quivalent
suivant qui est la 3FN
EMPLOYE2 (NEmp, NomEmp, adresse)
PROJET (NProj, NomProj)
ELP (NEmp, NLab, NProj)
100
Forme Normale de Boyce Codd

Soit la relation CATALOGUE (NF, NomF, NomProduit, Prix) avec 2 cls
candidates : NF + NomProduit et NomF + NomProduit.
20
2
Cette relation est en 3FN mais il y a redondance entre NF et NomF,

ce qui gnre des problmes lors des mises jour. Si un fournisseur
change de nom, il faut mettre jour son nom dans tous les tuples
correspondants ses produits.
20
3
B. EL HATIMI
Dfinition : Une relation est en forme normale

de Boyce-Codd si et seulement si elle est en
1FN et les seules dpendances fonctionnelles
lmentaires sont celles dans lesquelles une cl
entire dtermine un attribut.
Par rapport la 3FN on sassure quaucun
attribut faisant partie dune cl candidate ne
dpende pas dun attribut ne faisant pas partie
de la cl primaire.
Une relation en FN de Boyce Codd est en 3FN.
101

Soit la relation CATALOGUE (NF, NomF, NomProduit,
Prix) avec 2 cls candidates : NF + NomProduit et NomF
+ NomProduit.
20
4
CATALOGUE nest pas en FN de Boyce Codd parce

que l'attribut NF est source de DF (NF NomF) et
n'est pas un identifiant entier. Il en est de mme pour
NomF.
Solution dcomposer CATALOGUE en :
1. Fournisseur (NF , NomF) avec NF et NomF
identifiants
2. Catalogue (NF , NomProduit , Prix)

Soit la relation :
PLACE (NEtud, Matire, Rang) qui reprsente le
rang obtenu par chaque tudiant pour chaque matire.
On suppose qu'il n'y a pas d'ex aequo. Il y a deux
identifiants : (NEtud + Matire) , (Matire + Rang).
Dans quelle FN est cette relation ?
20
5
B. EL HATIMI
102

La relation PLACE (NEtud, Matire, Rang) est en
3FN car tous les attributs appartiennent des
cls. Elle est aussi en FN de Boyce Codd puisque
toutes les sources de DFs sont des cls entires.
20
6

Soit la relation ENSEIGNEMENT (NEtud,
Matire, Prof).
On suppose que chaque professeur enseigne
une seule matire, et que pour chaque matire,
chaque tudiant suit les cours d'un seul
professeur.
20
7
B. EL HATIMI
103

La relation ENSEIGNEMENT (NEtud, Matire, Prof) a
deux identifiants : (NEtud + Matire) et (NEtud +
Prof). Elle est en 3FN puisque tout attribut fait partie
d'un identifiant. Mais elle n'est pas en FN de Boyce
Codd puisque l'attribut Prof est source de DF et ne
constitue pas un identifiant entier.
20
8
20
9
B. EL HATIMI
ENSEIGNEMENT (NEtud, Matire, Prof).

Appliquons le thorme de Heath pour la dcomposition
de cette relation. On obtient (Prof, Matire) et (NEtud,
Prof).
On a perdu la DF: (NEtud, Matire) Prof. Cette
dcomposition permet d'insrer le fait qu'un mme
tudiant suit deux cours portant sur la mme matire avec
deux professeurs diffrents, ce qu'interdisait la relation
Enseignement.
Il n'y a pas de solution idale dans ce cas. Pratiquement
on conserve la relation initiale et on rajoute une contrainte
d'intgrit spcifiant le fait qu'un professeur ne peut
enseigner qu'une seule matire.
104
21
0
Conclusion : Il nexiste pas dalgorithme

permettant de dcomposer une relation en un
schma quivalent normalis la forme
normale de Boyce-Codd sans perte ni
dinformations ni de DFs.
Par contre, il est possible de dcomposer
toute relation en forme normale de Boyce
Codd sans perte d'information en appliquant
itrativement le thorme de Heath.
21
1
B. EL HATIMI
Mthode : Tant que dans une des relations obtenues

par dcomposition, R(X,Y,Z), il existe une DF XZ, on
dcompose R en [X,Y]R et [X,Z]R.
Cette mthode prsente plusieurs inconvnients :
Elle peut conduire trop dcomposer, notamment en
dcomposant une relation qui est dj en Boyce Codd.
Un schma trop dcompos complique l'emploi de la
base de donnes, car les requtes seront plus
coteuses (nombreuses jointures).
On peut perdre des DFs (Exemple ENSEIGNEMENT).
Les DFs perdues doivent alors tre ajoutes au
schma dcompos sous la forme de contraintes
d'intgrit.
105
Dpendances multivalues
Soit la relation PRO_EMPL (Typrod, Nuprod,
Codemp)
Typrod est le type de produits. Chaque type
de produit englobe plusieurs produits
identifis par Nuprod. Un employ Codemp
gre un ou plusieurs types de produits (et
donc tous les produits qui en font partie).
La cl est compos de lensemble des
attributs.
21
2
21
3
B. EL HATIMI
Typrod
NuProd
Codemp
A
A
A
A
A
3
4
6
3
4
009
009
009
023
023
A
B
B
6
2
13
023
009
009
B
B
2
13
067
067
PRO_EMPL est en FNBC car

tous les attributs constituent la
cl et il ny a aucune DF. Malgr
cela il reste encore des
anomalies :
Pour ajouter un employ 031
charg du type de produit A, il
faudra crer autant de tuples quil
y a de produits dans le type A
(dans notre exemple 3).
La FNBC nest donc pas
suffisante pour supprimer toutes
les anomalies.
106
21
4
Typrod
NuProd
Codemp
A
A
A
A
3
4
6
3
009
009
009
023
A
A
B
4
6
2
023
023
009
B
B
B
3
2
3
009
067
067
Ces anomalies sont dues au fait

que la connaissance du type de
produit dtermine un ensemble
de valeurs pour les produits, et
quen plus lensemble de valeurs
demploys et de produits sont
indpendants.
On parle de dpendance
multivalue et on note :
Typrod
Nuprod
(Req : Le Nuprod 3 appartient 2
types pour liminer la DF NuProd
Typrod)
Dfinition :
Soit la relation R (A1, A2, An), et X et Y
des sous-ensembles de A1, A2, An. On dit
que X multi-dtermine Y et on note X
Y
si, tant donnes des valeurs de X, il y a un
ensemble de valeurs de Y associes et cet
ensemble est indpendant des autres
attributs Z = R (X, Y) de la relation R.
21
5
B. EL HATIMI
107
En analysant les anomalies dues aux
dpendances multivalues, CODD a dfini
les quatrime (4FN) et cinquime (5FN)
formes normales pour les liminer.
21
6
Dpendances multivalues nontriviales (DMNT)
21
7
B. EL HATIMI
Dfinition :
La DM X
Y de la relation R est une
DM non-triviale si et seulement si X nest pas
un sous-ensemble de Y et si X U Y R.
Exemple : dans la relation PRO_EMPL
(Typrod, Nuprod, Codemp), la DM Typrod
Nuprod est non triviale : cest une
DMNT.
108

Dfinition :
Une relation est en 4FN si et seulement si
elle est en FNBC et elle ne contient aucune
DM non-triviale (DMNT).
21
8
21
9
B. EL HATIMI
Pour passer de la FNBC la 4FN, on dcompose la

relation initiale en crant une nouvelle relation
comportant la source et les buts de la DMNT. La source
reste dans la relation originelle et les buts en sont
retirs.
La dcomposition se fait sans pertes en appliquant le
thorme de HEATH.
Dans lexemple prcdent la relation PRO_EMPL
(Typrod, Nuprod, Codemp) est dcompose en :
R1 (Typrod, Nuprod) et R2 (Typrod, Codemp)
R1 et R2 sont en 4FN car ils ne contiennent que deux
attributs.
109

Typrod NuProd
A
3
A
4
A
6
B
B
2
3
Typrod Codemp
A
009
A
023
B
009
B
067
On peut maintenant ajouter lemploy 031 en charge du type
22 A sans redondances.
0
B. EL HATIMI
110

Bases de Données AIAC 2P

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Bases de Données AIAC 2P

Încărcat de

Drepturi de autor:

Formate disponibile

Bases de donnes relationnelles

Les Bases de Donnes

Quest ce quune base de donnes?

Bases de donnes relationnelles

Quest ce quune base de donnes ?

Une Base de Donnes (BD), en anglais Database,

Un fichier est un rcipient dinformation

Bases de donnes relationnelles

Format des fichiers

Bases de donnes relationnelles

Bases de donnes relationnelles

Bases de donnes relationnelles

Quand utiliser les fichiers ?

Bases de donnes relationnelles

Systmes de Gestion de Bases de

Un Systme de Gestion de Bases de

Bases de donnes relationnelles

Objectifs des SGBD

VII - Gestion des

Fonctions principales dun SGBD

Bases de donnes relationnelles

Architecture dun SGBD

Un objectif majeur du SGBD est dassurer une abstraction des

Bases de donnes relationnelles

Cycle de vie dune BD

Plan lment Bases de donnes

Bases de donnes relationnelles

Les Bases de Donnes

Modle Logique de Donnes

Bases de donnes relationnelles

Modle Logique de Donnes

1960 : Systmes de gestion de fichiers

Bases de donnes relationnelles

Bases de donnes relationnelles

Legacy Systems : 2 exemples

Bases de donnes relationnelles

Objectif 1 : Indpendance Programmes dapplication Vs

Bases de donnes relationnelles

Modlisation des donnes

Pour dcrire les objets dans une BD :

Bases de donnes relationnelles

La Relation ou Table : Sous-ensemble fini

Relation ou Table : Reprsentation

Bases de donnes relationnelles

Bases de donnes relationnelles

Vocabulaires relationnel et tabulaire

Tupple ou Enregistrement : n-uplet (v1,,vn)

Bases de donnes relationnelles

Attributs facultatifs et obligatoires

Soit la relation LEVE (Id : Entier, Coord : Point) o Point est

Bases de donnes relationnelles

Attributs monovalus et attributs

Bases de donnes relationnelles

Cl ou identifiant dune relation

Cl ou identifiant dune relation

Bases de donnes relationnelles

Schma dune relation

Soit la relation CLIENT. Pour dfinir formellement cette relation on

Bases de donnes relationnelles

Schma dune relation

Cl primaire et cls secondaires

Une relation peut possder plusieurs cls. Ainsi

Bases de donnes relationnelles

Bases de donnes relationnelles