BANCO DE DADOS I - Aula - 08 - Normalizacao (Anomalias de Modificacoes e Dependencia Funcional)

OBJETIVOS DE APRENDIZAGEM
1. ANALISAR MODELOS RELACIONAIS PELO ÓTICA DE FORMAS NORMAIS,

COMO: 1FN, 2FN E 3FN.
2. IDENTIFICAR ANOMALIAS DE INSERÇÃO, ATUALIZAÇÃO E REMOÇÃO.
BY JOSE CARLOS VITORINO 2

NORMALIZAÇÃO
DEFINIÇÃO(1)
• ANTES DE FORMALIZARMOS UMA DEFINIÇÃO VEJAMOS A SEGUINTE TABELA

DE VENDEDORES.

NORMALIZAÇÃO
DEFINIÇÃO(1)
VENDEDOR
codvend nomevend cidade telcomercial cliente01 cliente02 cliente03
1003 Maria Jose São Paulo 11 3254-1791 FORD GM
1004 João Cruz Paraná 43 17945821 DELL HP APPLE
1005 Mario Marques Recife 81 4518-2534 BOING

NORMALIZAÇÃO
DEFINIÇÃO(1)
• ANALISANDO A TABELA DO SLIDE ANTERIOR, PERCEBEMOS:
• ELA TEM VÁRIOS PROPÓSITOS
1) IDENTIFICAÇÃO DOS VENDEDORES;
2) EXIBE AS CIDADES E TELEFONES DE FILIAIS DA EMPRESA
3) ASSOCIA CADA VENDEDOR A UMA FILIAL
4) MOSTRA OS CLIENTES DE CADA VENDEDOR

NORMALIZAÇÃO
DEFINIÇÃO(1)
• ANALISANDO A TABELA DO SLIDE ANTERIOR, PERCEBEMOS:
• PARA UM DBA
• É UM SINALIZADOR DE PROBLEMAS
• UMA TABELA COM DIVERSOS OBJETIVOS SINALIZA OS SEGUINTES PROBLEMAS:
• DUPLICAÇÃO DE DADOS
• ANOMALIAS DE MANUTENÇÃO DE DADOS
• MAIOR ESFORÇO PARA DESENVOLVIMENTO DE QUERIES.
• COMPROMETIMENTO DE DESEMPENHO
NORMALIZAÇÃO
DEFINIÇÃO(1)
• NORMALIZAÇÃOÉ O PROCESSO DE ORGANIZAÇÃO DOS DADOS
DECOMPONDO TABELAS EM TABELAS MENORES, FACILITANDO A SUA
MANIPULAÇÃO;
• FOI PROPOSTO INICIALMENTE POR EDGAR F. CODD EM 1972 COMO PARTE
DE SEU MODELO RELACIONAL ATRAVÉS DO ARTIGO: "FURTHER
NORMALIZATION OF THE DATA BASE RELATIONAL MODEL"

NORMALIZAÇÃO
DEFINIÇÃO(2)
• NORMALIZAÇÃO DE DADOS É O PROCESSO DE ANALISAR UM DADO
ESQUEMA RELACIONAL BASEADO EM SUAS DEPENDÊNCIAS FUNCIONAIS E
CHAVES PRIMÁRIAS E ALCANÇAR PROPRIEDADES DESEJÁVEIS COMO:
• MINIMIZAÇÃO DE REDUNDÂNCIA;
• REDUÇÃO DAS ANOMALIAS DE MODIFICAÇÃO;
• OTIMIZAÇÃO DE CONSULTAS; E
• MELHORIA NO DESEMPENHO.
NORMALIZAÇÃO
OBJETIVOS:
• O OBJETIVO DA NORMALIZAÇÃO É CRIAR UM CONJUNTO DE TABELAS

RELACIONAIS LIVRES DE REDUNDÂNCIA DE DADOS E ANOMALIAS DE
MODIFICAÇÃO:

NORMALIZAÇÃO
FORMAS NORMAIS

NORMALIZAÇÃO
REDUNDÂNCIA E ANOMALIAS
•PROBLEMAS DE MANUTENÇÃO :
• A REDUNDÂNCIA SIGNIFICA ARMAZENAMENTO REPETIDO DA MESMA
INFORMAÇÃO. POR ESSA RAZÃO, A ALTERAÇÃO OU REMOÇÃO DE
INFORMAÇÃO PODE IMPLICAR O ACESSO A VARIADAS PARTES DA BASE
DE DADOS, TORNANDO-SE DIFÍCIL MANTER A COERÊNCIA DOS DADOS.

NORMALIZAÇÃO
•
CUSTOS DE ARMAZENAMENTO:
• UMA VEZ QUE EXISTE INFORMAÇÃO REPETIDA, EXISTE ESPAÇO QUE
ESTÁ SENDO DESPERDIÇADO. ESSE DESPERDÍCIO PODER SER MAIOR OU
MENOR DEPENDENDO DA QUANTIDADE DE REDUNDÂNCIA.
• MESMO QUE O PREÇO DE ARMAZENAMENTO, NOS DIAS DE HOJE, SEJA DE

0,023 USD POR GB. ESTA É UMA QUESTÃO QUE NÃO PODEMOS IGNORAR.

NORMALIZAÇÃO
•PROBLEMAS DE DESEMPENHO:
• EMBORA MENOS EVIDENTE, SE EXISTE DESPERDÍCIO DE ESPAÇO
[FRAGMENTAÇÃO] , É NECESSÁRIO UM MAIOR NÚMERO DE ACESSO AO DISCO
PARA LOCALIZAR A MESMA INFORMAÇÃO.
• COMO AS OPERAÇÕES DE I/O SÃO AS DE MAIORES CUSTOS NO

PROCESSAMENTO DA INFORMAÇÃO, ESSES ACESSO TRADUZEM-SE EM
DESPERDÍCIO DE TEMPO.

NORMALIZAÇÃO
•ANOMALIAS
•DEFINIÇÃO GERAL
•ALGO FORA DO NORMAL; FORA DO COMUM; IRREGULAR
•EM BANCO DE DADOS
•INDICAÇÃO DE IRREGULARIDADES NOS DADOS E QUE
PODERÃO CAUSAR ALGUM TIPO DE PROBLEMA NO BANCO DE
DADOS.
NORMALIZAÇÃO
•TIPOS DE ANOMALIAS
•INSERÇÃO
•EXCLUSÃO
•ALTERAÇÃO

NORMALIZAÇÃO
•EXEMPLOS DE ANOMALIAS EM BANCO DE DADOS
ra nomealuno val_mensal nomecurso disciplina1 disciplina2 disciplina3
123 Jose 350 CST em ADS Matemática Fundamentos Algoritmos
234 Maria 500 Bel em CC Matemática Algoritmos Estrutura Dados
345 Suzana 300 Bel de ADM Teoria Geral Matemática
456 Matheus 800 DIREITO Intro. Direito

NORMALIZAÇÃO
•ANOMALIAS DE INSERÇÃO
•SE QUISERMOS ADICIONAR UM NOVO ALUNO, MAS NÃO
SOUBERMOS O NOME DO CURSO?

NORMALIZAÇÃO
567 João Silva ??? ???

NORMALIZAÇÃO
•TERÍAMOS DADOS INCOMPLETOS, INCONSISTENTES

NORMALIZAÇÃO
•ANOMALIAS DE ALTERAÇÃO
•SE QUISERMOS ALTERAR O NOME DE UMA DISCIPLINA?
•POR EXEMPLO, MATEMÁTICA PARA INT. MATEMÁTICA

NORMALIZAÇÃO
123 Jose 350 CST em ADS Int. Matemática Fundamentos Algoritmos
234 Maria 500 Bel em CC Int. Matemática Algoritmos Estrutura Dados
345 Suzana 300 Bel de ADM Teoria Geral Int. Matemática

NORMALIZAÇÃO
•ANOMALIAS DE ALTERAÇÃO
•TERÍAMOS QUE ALTERAR O NOME DA DISCIPLINAS EM
VÁRIAS TUPLAS (DUPLICIDADE DE ESFORÇO)
•E, TALVEZ, EM INFORMAÇÕES DO PASSADO.

NORMALIZAÇÃO
•ANOMALIAS DE EXCLUSÃO
•SE PRECISÁSSEMOS EXCLUIR ALGUMA(S) TUPLA(S) DA
TABELA?
•IMAGINEM QUE JOSÉ OU SUZANA, POR ALGUM MOTIVO,
SAÍSSEM DA IES.

NORMALIZAÇÃO

NORMALIZAÇÃO
•ANOMALIAS DE EXCLUSÃO
•PERDERÍAMOS INFORMAÇÕES SOBRE:
•CURSOS; E
•DISCIPLINAS

NORMALIZAÇÃO

CPF Nome-Func Data-Nasc Endereço Num-Dept Nome-Dept Gerente-Dept

NORMALIZAÇÃO
•INSERÇÃO:
• INCLUIR
UM NOVO FUNCIONÁRIO IMPLICA EM INCLUIR DADOS DE
DEPARTAMENTO OU DEIXÁ-LOS NULOS;
• COMO INCLUIR UM NOVO DEPARTAMENTO, SE CPF É CHAVE PRIMÁRIA ?

NORMALIZAÇÃO
•EXCLUSÃO:
• AO EXCLUIR UM FUNCIONÁRIO QUE SEJA O ÚNICO FUNCIONÁRIO DE UM
DEPARTAMENTO, ESTAREMOS PERDENDO DADOS SOBRE O
DEPARTAMENTO;

NORMALIZAÇÃO
•ALTERAÇÃO:
• AO MUDARMOS UM DADO DE UM DEPARTAMENTO (POR EXEMPLO, O
GERENTE), TODAS AS TUPLAS DE FUNCIONÁRIOS DAQUELE
DEPARTAMENTO TERÃO QUE SER MODIFICADAS.

NORMALIZAÇÃO
•ANOMALIAS
Codfornecedor Nome Endereço CodProduto NomProduto Preço

NORMALIZAÇÃO
•INSERÇÃO
• COMO SE ADICIONA UM NOVO FORNECEDOR?
• SERÁ POSSÍVEL ESSA ADIÇÃO SEM ELE FORNECER ALGUM PRODUTO?
• COLOCANDO NULL NOS CAMPOS REFERENTES AOS PRODUTOS
• CODPRODUTO IDENTIFICA UNIVOCAMENTE UM PRODUTO
• NÃO É PERMITIDO TER VALOR NULL!
NORMALIZAÇÃO
•EXCLUSÃO
• COMO PROCEDER PARA REMOVER AS TUPLAS RELACIONADAS A UM
DETERMINADO FORNECEDOR?
• OS PRODUTOS POR ELES FORNECIDOS SERÃO IGUALMENTE
APAGADOS?
• COMO REMOVER UM PRODUTO?
• TANTO CODFORNECEDOR E CODPRODUTO SÃO CHAVES!
NORMALIZAÇÃO
•ALTERAÇÃO
• COMO ALTERAR O ENDEREÇO DE UM FORNECEDOR QUALQUER. ?
• QUE ACONTECERIA SE ESSA ALTERAÇÃO NÃO FOSSE FEITA EM UMA DAS
TUPLAS?

NORMALIZAÇÃO
•NOS PRÓXIMOS SLIDES VAMOS REPRESENTAR UMA RELAÇÃO DE

BANCO DE DADOS DA SEGUINTE FORMA:
•NOME_DA_RELAÇÃO (a1, a2, a3,...,an), ONDE:
•NOME_DA_RELAÇÃO, CORRESPONDE AO NOME DA RELAÇÃO QUE
QUEREMOS REPRESENTAR;

NORMALIZAÇÃO
•NOS PRÓXIMOS SLIDES VAMOS REPRESENTAR UMA RELAÇÃO DE

BANCO DE DADOS DA SEGUINTE FORMA:
•a(1..n) REPRESENTAM OS ATRIBUTOS DA RELAÇÃO;
•AS CHAVES PRIMARIAS E ESTRANGEIRAS PODERÃO APARECER EM
QUALQUER POSIÇÃO NA RELAÇÃO.

NORMALIZAÇÃO
•FUNCIONÁRIO=(matricula-funcionário, nome-funcionário, cod-cargo,

descrição-cargo, cod-curso, nome-curso, grau, data-conclusão )

NORMALIZAÇÃO
•INSERÇÃO
•UM FUNCIONÁRIO SÓ PODE SER INSERIDO SE CONCLUIR UM
CURSO

NORMALIZAÇÃO
•EXCLUSÃO
• SE REMOVERMOS OS CURSOS DE UM FUNCIONÁRIO ELE TAMBÉM SERÁ
REMOVIDO

NORMALIZAÇÃO
•ALTERAÇÃO
•SE O FUNCIONÁRIO FOR PROMOVIDO, TEREMOS DE ATUALIZAR
VÁRIAS COLUNAS;
•SE O RH RESOLVER ALTERAR A DESCRIÇÃO DE UM
DETERMINADO CARGO, TODAS AS TUPLAS QUE TIVEREM
AQUELE CARGO TERÃO QUE SER ALTERADA.

NORMALIZAÇÃO
•PACIENTE (id, nome, endereço, telefone, sexo, data_nascimento,

sigla_convênio, nome_convênio, endereço_convênio, telefone_convênio)

NORMALIZAÇÃO
•INSERÇÃO
• QUANDO SE INSERIR UM PACIENTE É PRECISO INSERIR TAMBÉM OS
DADOS DO CONVÊNIO, MESMO QUE JÁ ESTEJAM CADASTRADOS.
• NÃO É POSSÍVEL INSERIR UM CONVÊNIO SEM INSERIR TAMBÉM UM
PACIENTE.

NORMALIZAÇÃO
•EXCLUSÃO
• AO SE EXCLUIR UM PACIENTE, SE ESTE FOR O ÚNICO ASSOCIADO DE UM
CONVÊNIO ENTÃO OS DADOS DO CONVÊNIO SERÃO PERDIDOS.

NORMALIZAÇÃO
•ALTERAÇÃO
• PARA SE MODIFICAR OS DADOS DE UM CONVÊNIO, É PRECISO ATUALIZAR
OS MESMOS DADOS EM TODAS AS TUPLAS DE PACIENTES QUE ESTEJAM
ASSOCIADOS ÀQUELE CONVÊNIO.

NORMALIZAÇÃO
•EXERCÍCIOS DE APRENDIZAGEM

NORMALIZAÇÃO
DEPENDÊNCIA FUNCIONAL

NORMALIZAÇÃO
• A NOÇÃO DE DEPENDÊNCIA FUNCIONAL FOI ORIGINALMENTE INTRODUZIDA POR E. F.
CODD NOS ANOS 1970 ATRAVÉS DO ARTIGO: “FURTHER NORMALIZATION OF THE DATA
BASE RELACIONAL MODEL”
• NESTE ARTIGO, CODD PROPÔS O USO DE DEPENDÊNCIA FUNCIONAL PARA PROJETOS DE

BANCO DE DADOS;
• ASSIM COMO NOS OUTROS ARTIGOS, CODD EMPRESTA DA TEORIA MATEMÁTICA – NESTE
CASO TEORIA DE FUNÇÕES MATEMÁTICAS -, O CONCEITO DE DEPENDÊNCIA FUNCIONAL.

NORMALIZAÇÃO
• DEFINIÇÃO
• SEJAM A1,A2,...,AN O CONJUNTO DE ATRIBUTOS DE UMA RELAÇÃO
• SEJAM X E Y DOIS CONJUNTOS NÃO VAZIOS DE {A1,A2,...,AN}
• DIZ-SE QUE EXISTE UMA DEPENDÊNCIA FUNCIONAL ENTRE X E Y,
DENOTADA COMO X → Y, QUANDO UMA INSTÂNCIA DE VALORES DE X
IDENTIFICA UNIVOCAMENTE UMA INSTÂNCIA DE VALORES DE Y

NORMALIZAÇÃO
• UMADEPENDÊNCIA FUNCIONAL É UM RELACIONAMENTO ENTRE PELO

MENOS DOIS ATRIBUTOS;
• O CONHECIMENTO DE UM ATRIBUTO PERMITE SEMPRE DETERMINAR OUTRO;

NORMALIZAÇÃO
•NOTAÇÃO
• A→B ONDE LÊ-SE QUE:
• “O VALOR DE A DETERMINA FUNCIONALMENTE O VALOR DE B”; OU QUE
• “O VALOR DE B DEPENDE FUNCIONAMENTO DO VALOR DE A”

NORMALIZAÇÃO
• EM TERMOS GERAIS, UM ATRIBUTO B É FUNCIONALMENTE DEPENDENTE DE
UM ATRIBUTO A SE:
• O VALOR DE A DETERMINA O VALOR DE B; OU

• SE CONHECEMOS O VALOR DE A PODEMOS OBTER O VALOR DE B.
• NOTA: EM QUALQUER DIAGRAMA DE DEPENDÊNCIA ENCONTRADO, O CAMPO DO
LADO ESQUERDO É CHAMADO DE DETERMINANTE E O CAMPO DO LADO
DIREITO É CHAMADO DE DEPENDENTE
NORMALIZAÇÃO
• AS EQUAÇÕES REPRESENTAM DEPENDÊNCIAS FUNCIONAIS.
• POR EXEMPLO SE CONHECEMOS O PREÇO DE UM ITEM E A QUANTIDADE DE
ITENS COMPRADOS, PODEMOS CALCULAR O PREÇO TOTAL DESTES ITENS,
OU SEJA:
•precototal = precoitem x quantidade

NORMALIZAÇÃO
•EXEMPLOS: Nº Cliente Nome Cliente
• NUM DETERMINADO INSTANTE, EM QUALQUER PONTO DO BD ONDE

FIGUREM ESTES 2 ATRIBUTOS, A UM MESMO Nº DE CLIENTE
CORRESPONDERÁ NECESSARIAMENTE O MESMO NOME (*)
(*) NOTE QUE O INVERSO PODERÁ NÃO SER VERDADE!

NORMALIZAÇÃO
• EXEMPLOS:
ra Nome Aluno
• NUM DETERMINADO INSTANTE, EM QUALQUER PONTO DO BD ONDE FIGUREM

ESTES 2 ATRIBUTOS, A UM MESMO RA CORRESPONDERÁ
NECESSARIAMENTE O MESMO ALUNO(*)
(*) NOTE QUE O INVERSO PODERÁ NÃO SER VERDADE!

NORMALIZAÇÃO
•EXEMPLOS:
• UM EXCELENTE EXEMPLO DE DEPENDÊNCIA FUNCIONAL É UMA CHAVE
PRIMÁRIA. A CHAVE PRIMÁRIA DETERMINA FUNCIONALMENTE TODOS OS
CAMPOS NÃO CHAVE NA TABELA

NORMALIZAÇÃO

NORMALIZAÇÃO
•EXEMPLOS:
• COMPUTADOR (nserie, tamanhomemoria)
• nserie → tamanhomemoria

NORMALIZAÇÃO
•EXEMPLOS:
•ATIVIDADE(idatv, atividade, taxa)
•idatv→(atividade, taxa)

NORMALIZAÇÃO
•EXEMPLOS:
• ITEM_NOTA_FISCAL(num_nota, cod_item, descrição_item, quantidade)
• (num_nota, cod_item)→quantidade
• cod_item→descrição_item

NORMALIZAÇÃO
•EXEMPLOS:
• VEICULO (placa, numchassi, marca, ano)
• placa → marca
• placa → numchassi
• placa → ano
• numchassi → marca
• numchassi → ano
NORMALIZAÇÃO
•EXEMPLOS:
• EMP-PROJ(cpf, num_proj, horas, nome_emp, nome_proj, local_proj)
• {cpf, num-proj} → {horas}
• {cpf}→ {nome-emp}
• {num-proj} → {nome-proj, local-proj}

NORMALIZAÇÃO
• DORAVANTE CHAMAREMOS DEPENDÊNCIA FUNCIONAL DE DF

NORMALIZAÇÃO
DF TRANSITIVA
DEPENDÊNCIA FUNCIONAL TRANSITIVA

NORMALIZAÇÃO
DF TRANSITIVA
DADA AS RELAÇÕES A, B e C
A → C é uma Dependência Funcional Transitiva se, e somente se,
A → B, B → C e B → A.

NORMALIZAÇÃO
DF TRANSITIVA
Uma dependência funcional transitiva ocorre quando um

Atributo (coluna), além de depender da chave primária da
tabela, depende de outro Atributo (coluna) ou conjunto de
Atributos (colunas) da tabela.

NORMALIZAÇÃO
DF TRANSITIVA
Existe uma dependência transitiva (DF) entre A e C porque um valor distinto de A
está indiretamente associado a um valor distinto de C por meio de B. Aqui está a
lógica por trás dessa declaração:
• A determina o valor de B;
• B determina o valor de C;
• Portanto, A determina transitivamente o valor de C.

NORMALIZAÇÃO
DF TRANSITIVA
Uma DF TRANSITIVA é diagramada como A→C e pode ser lida: de forma equivalente
como uma das seguintes afirmações:
• “O valor de A determina transitivamente o valor de C (via B)”;
• "O valor de C depende transitivamente do valor de A (via B)."

NORMALIZAÇÃO
DF TRANSITIVA
A Figura, no próximo slide, mostra uma tabela EMPLOYEES com uma dependência
transitiva entre os campos EmployeeID e Departament. Aqui está a lógica:
• EmployeeID determina o valor do DepartmentID;
• DepartmentID determina o valor de Department.
• Portanto, EmployeeID determina transitivamente o valor do Departament.

NORMALIZAÇÃO
DF TRANSITIVA

NORMALIZAÇÃO
Ex: PK DF TRANSITIVA
matrfunc nomefunc codcargo nomecargo salario
019 Aristóteles 215 Filosofo 7.500,00
028 Platão 216 Professor 10.000,00
037 Sócrates 217 Advogado 12.500,00
046 Descartes 218 Matemático 8.750,00
055 John Locke 219 Economista 15.000,00
matrfunc → nomefunc matrfunc → codcargo

codcargo → nomecargo matrfunc → nomecargo

NORMALIZAÇÃO
DF TRANSITIVA
Ex: Isbn → nomeautor: Se soubermos o isbn
poderemos definir o nome do autor ou autores de
um livro;
nomeautor → nacionalidade: Conhecendo-se o

autor poderemos definir sua nacionalidade
Logo:
Isbn = International Standard Book Isbn → nacionalidade: Se soubermos o isbn do livro

Number ou Número Internacional
Padrão do Livro, em português)
poderemos determinar, transitivamente, a
nacionalidade do autor do livro

NORMALIZAÇÃO
DF TRANSITIVA
Ex: codrenavam → cpf: Se soubermos o codrenavam
poderemos definir o cpf do proprietário do veículo
cpf → nomeprop: Conhecendo-se cpf poderemos

definir o nome do proprietário do veículo
Logo:
codrenavam → nomeprop: Se soubermos o

codrenavam poderemos determinar,
transitivamente, o nome do proprietário.

NORMALIZAÇÃO
DF TRANSITIVA
Ex:
PEDIDO = {numped, codcliente, nomecliente)
numped → codcliente
codcliente → nomecliente
codcliente → numped
Logo, numped → nomecliente é uma DF Transitiva.

NORMALIZAÇÃO
DF TRANSITIVA
PEDIDO (num_pedido, prazo, cliente, endereco, cidade, uf, insc_est,
cod_prod, unid, qtde, desc, val_unit, total_prod, total_pedido, cod_vendedor,
nome_vendedor)
num_pedido→cod_vendedor
cod_vendedor→nome_vendedor.
logo
num_pedido→nome_vendedor

NORMALIZAÇÃO
DF TRANSITIVA
EMPREGADO (codemp, nomeemp, categoria, salario)
codemp → categoria
categoria → salario
logo
codemp →salario

NORMALIZAÇÃO
DF PARCIAIS
DEPENDÊNCIA (FUNCIONAL) PARCIAL

NORMALIZAÇÃO
DF PARCIAIS
Uma DEPENDÊNCIA (FUNCIONAL) PARCIAL ocorre quando um Atributo
(coluna) depende apenas de parte de uma
CHAVE PRIMÁRIA COMPOSTA ou CHAVE CANDIDATA
combinação de duas ou mais chaves, identificador único dentro de

necessária para eliminar a ambiguidade, uma relação que garante que
formando um identificador único nenhuma tupla será duplicada

NORMALIZAÇÃO
DF PARCIAIS
Uma dependência funcional X → Y diz-se parcial se a remoção de algum

atributo de X não deixar de determinar funcionalmente Y.
X → Y é uma dependência funcional parcial se ∃A ∈ X: (X – A) → Y

NORMALIZAÇÃO
DF PARCIAIS
Para que ocorra DEPENDÊNCIA PARCIAL é necessário CHAVE
PRIMÁRIA COMPOSTA ou CHAVE CANDIDATA
Por outro lado, nem sempre que ocorre PK composta haverá

dependência parcial.

NORMALIZAÇÃO
DF PARCIAIS
npedido codprod descprod unidprod valunipro qtdeprod vltotprod
codprod → descprod
CHAVE codprod → unidprod
COMPOSTA codprod → valunipro
LOGO, EXISTE DEPENDÊNCIA FUNCIONAL PARCIAL

NORMALIZAÇÃO
DF PARCIAIS
PROJETO_EMPREGADO ({codproj, codemp}, nomeemp, categoria,
salario, dataini, tempaloc)
(codproj, codemp) → (nomeemp, categoria, salario)

codemp → nomeemp
Assim sendo, existe dependência
codemp → categoria
funcional parcial
codemp → salario

NORMALIZAÇÃO
DF PARCIAIS
ITEMVENDA (numeronf, codtipprod, codprod, descprod, datavenda, codreg,
codemp, qtdeitem, precoitem, nomeemp, desctripprod)
(codtipprod, codprod)→ descprod

codtipprod → desctipoprod
numeronf → datavenda
numeronf → codreg
numeronf → codemp
numeronf → nomeemp

NORMALIZAÇÃO
DF PARCIAIS
LIVRO( cdd, isbn, titulo, codeditor, volume, tombo)
(cdd, isbn) → titulo;

cdd→ titulo
isbn→ titulo

NORMALIZAÇÃO
DEPENDÊNCIA FUNCIONAL MULTIVALORADA
Uma dependência multivalorada significa que ao se conhecer o valor de um

atributo, então pode-se sempre determinar os valores de um conjunto de
outros atributos. A notação usada na teoria relacional é:
A →→ B onde se lê “A determina muitos B’s”

NORMALIZAÇÃO
Exemplo: conhecendo um curso posso determinar a lista de seus alunos.
codprof ra disciplina codprof ra disciplina
2587 0612250 estatística
1234 0659032 matemática
1234 0648009 matemática 2587 0632616 estatística

NORMALIZAÇÃO
Codpesq
Aluno
CodAl Nome Cat Créditos DataIng Duração
MA001 Matemática Aplicada Informática 5645 Mário M1 20 12/3/2000 10
8963 Carlos M2 30 15/2/2000 12
8942 Manoel G3 17 25/4/2000 16
1787 Joaquim D4 60 7/1/2000 30
4893 Omar D3 54 25/3/2000 28

INF003 Sistemas Lineares Redes Neurais 4893 Omar D3 54 1/5/2000 10
8949 Mário M1 20 15/12/2000 10
8942 José G3 17 25/4/2000 16

NORMALIZAÇÃO
Exemplo: conhecendo um curso posso determinar a lista de seus alunos.
Uma das maneiras de controlar a consistência é por meio das Dependências Funcionais
existentes entre os atributos armazenados.

NORMALIZAÇÃO
•EXERCÍCIOS

NORMALIZAÇÃO
• EXERCÍCIO-01 DEPENDÊNCIA FUNCIONAL
• DADA A RELAÇÃO PROJETO (codproj, codemp, nomeproj, nomemp, coddepto,
nomedepto, horastrabalhadas). DETERMINE AS DEPENDÊNCIAS.
• RESPOSTA
• {codproj, codemp} FORMAM UMA PK COMPOSTA
• DEPENDÊNCIAS PARCIAIS • DEPENDÊNCIA TRANSITIVA
codproj → nomeproj; codproj →codemp
codemp → nomemp, coddepto; codemp → nomemp
{codproj, codemp} → horastrabalhadas codproj → nomemp

NORMALIZAÇÃO
• DADA A RELAÇÃO GUIA_CONSULTA (codcli, nomecli, logradouro, nomelogradouro, nrlogradouro,
cidade, estado, país, fonecli, idadecli)
• RESPOSTA
• codcli→nomecli • codcli→cidade
• codcli→logradouro • codcli→estado
• codcli→nomelogradouro • codcli→idadecli
• codcli→nrlogradouro
NORMALIZAÇÃO
• DADA A RELAÇÃO LIVRO (isbn, titulo_livro, nomeautor_livro, ediçao_livro,
ano_edicao, editora, pais)
• RESPOSTA
• isbn →titulo_livro • isbn →ano_edicao
• isbn →nomeautor_livro • isbn →editora
• isbn →edicao_livro • isbn →pais
Isbn →International Standard Book Number

NORMALIZAÇÃO
• DADA A RELAÇÃO ESCRITORES (id_autor, nome_autor, livro,nacionalidade_autor)
id_autor nome_autor livro nacionalidade_autor
159784 Ramez Elmasri Sistemas de Banco de Dados Egito
364125 Christopher J. Date Introdução a sistemas de bancos de dados Reino Unido
741258 Abraham Silberschatz Sistema de Banco de Dados Israel
963258 Alan Beaulieu Aprendendo SQL: Dominando os Fundamentos de Estados Unidos
SQL
456987 Edgar Frank Codd Relational Model of Data for Large Shared Data Reino Unido
Banks
258736 Ramez Elmasri Fundamentals of Database Systems Egito

NORMALIZAÇÃO
• RESPOSTA
• TRATA-SE DE UMA DF TRANSITIVA
• livro → autor: NESTE EXEMPLO O ATRIBUTO LIVRO DETERMINA O ATRIBUTO AUTOR. SABENDO-
SE O NOME DO LIVRO, PODEREMOS DETERMINAR O NOME DO AUTOR. ,
• NO ENTANTO, O AUTOR NÃO DETERMINAR O LIVRO, PORQUE UM AUTOR PODE ESCREVER

VÁRIOS LIVROS.
• POR EXEMPLO, AINDA QUE SAIBAMOS O NOME DO AUTOR RAMEZ ESMASRI, NÃO PODEMOS
DETERMINAR O TÍTULO DO LIVRO.

NORMALIZAÇÃO
• RESPOSTA
• autor → nacionalidade_autor: DA MESMA FORMA, O ATRIBUTO autor DETERMINAR O ATRIBUTO
nacionalidade_autor, MAS NÃO O CONTRÁRIO; SÓ PORQUE CONHECEMOS A NACIONALIDADE DE
UM AUTOR, NÃO SIGNIFICA QUE PODERMOS DETERMINAR O AUTOR.
• MAS, CLARAMENTE A RELAÇÃO APRESENTA UMA DEPENDÊNCIA TRANSITIVA, VEJA SÓ
• livro → nacionalidade_autor: SE SOUBERMOS O TÍTULO DO LIVRO, PODEMOS DETERMINAR A
NACIONALIDADE DO AUTOR

NORMALIZAÇÃO
• DADA A RELAÇÃO CIA_TI (company, ceo_name, ceo_age, ceo_form,ceo_patrim)
company ceo_name idade formação_acad patrimonio
Airbnb Brian Chesky 38 design industrial 4,2 bilhões USD
Bumble Whitney Wolfe 30 estudos internacionais 290 milhões USD
Slack Technologies Stewart Butterfield 46 Filosofia 1,7 bilhoes USD
Apple Tim Cook 58 engenharia industrial 700 milhoes USD
Microsoft Satya Nadella 52 Engenharia 270 milhoes USD
Google Sundar Pichai 47 Engenharia Metalúrgica 1,9 bilhões USD
Amazon Jeff Bezos 55 engenharia elétrica e informática 220 bilhões USD
IBM Ginni Rometty 62 bel em ciência da computação e eng. 33 milhões USD
elétrica
Oracle Safra Catz 58 Bacharel em Direito – Uni Pensilvania 1,1 bilhões USD

NORMALIZAÇÃO
• RESPOSTA
• nomecompany → ceo_name • nome_company → idade

• ceo_name → idade • nome_company → form_acad
• ceo_name → form_acad • nome_company → patrimônio
• ceo_name → patrimônio
NORMALIZAÇÃO
• DADA A RELAÇÃO VEICULO (marca, modelo, anofabricacao, cor)
marca modelo anofabricacao cor
volkswagen up 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
2018, 2019
volkswagen gol 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
2018, 2019
chevrolet prisma 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
2018, 2019
chevrolet cobalt 2017, 2018, 2019 branco, vermelho, preto, azul, verde
fiat toro 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
2018, 2019
fiat grand siena 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
2018, 2019
ford ranger 2011, 2012, 2015 ,2014. 2015, 2016, 2017, branco, vermelho, preto, azul, verde
ford
BY JOSE CARLOS
territory
VITORINO 962018, 2019
2018, 2019 branco, vermelho, preto, azul, verde
NORMALIZAÇÃO
• RESPOSTA
• TRATA-SE DE UMA DF MULTIVALORADA
• NESTE EXEMPLO, ANO DE FABRICAÇÃO E COR SÃO INDEPENDENTES UM
DO OUTRO, MAS
DEPENDEM DO MODELO DO CARRO. AQUI, ESTES DOIS ATRIBUTOS SÃO CONSIDERADOS
DEPENDENTES MULTIVALORADOS EM MODELO.
• AS DEPENDÊNCIAS SÃO ASSIM REPRESENTADAS
• DF SIMPLES
• Marca → modelo
• DF MULTIVALORADA
• modelo →→ anofabricacao
• modelo →→ cor
NORMALIZAÇÃO
• DADA A RELAÇÃO ROCK_IN_RIO (palco, data, horário, banda_artista)
Palco data horario banda_artista
Mundo 03/10/19 0h10 Red Hot Chili Pepper
Sunset 03/10/19 21h15 Hip Hop Hurricane com Nova Orquestra, Rael, Agir, Baco Exu do Blues & Rincon Sapiência
Sunset 03/10/19 16h55 Pará Pop com Dona Onete, Fafá de Belém, Gaby Amarantos, Jaloo e Lucas Estrela
Sunset 03/10/19 15h30 Francisco, el Hombre & Monsieur Periné
Mundo 04/10/19 17h30 Sepultura
Mundo 04/10/19 21h30 Iron Maiden
Mundo 04/10/19 0h05 Scorpion
Sunset 04/10/19 16h25 Torture Squad & Claustrofobia convidam Chuck Billy (Testament)
Supernova 04/10/19 15:30 Firestrike
Supernova 04/10/19 16:30 Jimmy & Rats
Mundo 05/10/19 22h20 Black Eyed Peas
MundoBY JOSE CARLOS
05/10/19 15h30 VITORINO
Funk Orquestra com Ludmilla,98
Fernanda Abreu, Buchecha e Kevinho
Mundo 05/10/19 16h55 Projota & Vitão & Giulia Be
Supernova 05/10/19 15:30 Dani Vellocet
NORMALIZAÇÃO
• RESPOSTA
• NESTE EXEMPLO, OS ATRIBUTOS data, horário e banda_artista SÃO INDEPENDENTES UM DO
OUTRO, MAS DEPENDEM DO PALCO, ASSIM SENDO, SÃO CONSIDERADOS ATRIBUTOS
MULTIVALORADOS.
• AS DEPENDÊNCIAS SÃO ASSIM REPRESENTADAS
• DF MULTIVALORADA
• palco → →data
• palco → →horário
• palco → →banda_artista
NORMALIZAÇÃO
• DADA A RELAÇÃO EmployeesCommittees (employeeid, empfirstname, emplastname,
empphonenumber, committees)

NORMALIZAÇÃO
• RESPOSTA
• E UMA RELAÇÃO MULTIVALORADA, VEZ QUE, NO NÍVEL DAS TUPLAS, PARA
CADA employeeid EXISTEM VÁRIOS ATRIBUTOS committees
• Apresentando a mesma relação de outra maneira, teremos

NORMALIZAÇÃO
• RESPOSTA
• TRATA-SE DE UMA DF
MULTIVALORADA, ONDE
employeeid→→committee

NORMALIZAÇÃO
• RESPOSTA
• NA TABELA MOSTRADA NO SLIDE 84, A DEPENDÊNCIA DE VÁRIOS VALORES ESTÁ NO NÍVEL DA
TUPLA E EXISTE MAIS UMA VEZ ENTRE employeeid e committee. NESSE CASO, NO
ENTANTO, OS ATRIBUTOS employeeid SÃO REPETIDOS PARA CADA ATRIBUTO committee NO
QUAL O employeeid PARTICIPA. E ESSA TABELA, COMO SUA PARTE DO EXEMPLO ANTERIOR,
TAMBÉM DESCREVE OS MESMOS DOIS ASSUNTOS: employees e committeemembers.

NORMALIZAÇÃO
• IMPORTÂNCIA DAS DEPENDÊNCIAS FUNCIONAIS
•É IMPORTANTE ENTENDER AS DEPENDÊNCIAS FUNCIONAIS DO BANCO DE DADOS, POIS
FORNECEM OS BLOCOS DE CONSTRUÇÃO BÁSICOS USADOS NA NORMALIZAÇÃO DO BANCO DE
DADOS, O PROCESSO DE ORGANIZAÇÃO EFICIENTE DOS DADOS EM UM BANCO DE DADOS. POR
EXEMPLO:
• PARA QUE UMA TABELA ESTEJA NA SEGUNDA FORMA NORMAL (2NF) , NÃO DEVE HAVER NENHUM
CASO DE ATRIBUTO NÃO PRIMÁRIO NA TABELA QUE SEJA FUNCIONALMENTE DEPENDENTE DE UM
SUBCONJUNTO DE UMA CHAVE CANDIDATA .
• NESTE CASO DEPENDÊNCIA FUNCIONAL PARCIAL

NORMALIZAÇÃO
• IMPORTÂNCIA DAS DEPENDÊNCIAS DEPENDÊNCIA FUNCIONAL
• PARA QUE UMA TABELA ESTEJA NA TERCEIRA FORMA NORMAL (3NF) , TODO
ATRIBUTO NÃO PRIMÁRIO DEVE TER UMA DEPENDÊNCIA FUNCIONAL NÃO
TRANSITIVA DE TODAS AS CHAVES CANDIDATAS.
• PARA QUE UMA TABELA ESTEJA NO FORMATO NORMAL BOYCE-CODD (BCNF) ,
TODAS AS DEPENDÊNCIAS FUNCIONAIS (EXCETO DEPENDÊNCIAS TRIVIAIS) DEVEM
ESTAR EM UMA SUPERCHAVE .
• PARA UMA TABELA ESTAR NA QUARTA FORMA NORMAL (4NF) , ELA NÃO DEVE TER
DEPENDÊNCIAS MULTIVALORADAS.

REFERÊNCIA
• KORTH, H. F.; SILBERSCHATZ, A.; SUDARSHAN, S.. SISTEMA DE BANCO DE DADOS. 5ª..ED., CAMPUS, 2006.
• ELMASRI, R.; NAVATHE, S. B.. SISTEMAS DE BANCO DE DADOS. 7ª. ED., SÃO PAULO: PEARSON EDUCATION BRASIL, 2018.
• DATE, C. J.. INTRODUÇÃO A SISTEMAS DE BANCO DE DADOS. ELSEVIER EDITORA, 2004.
• ORACLE® DATABASE README 10G RELEASE 2 (10.2), DISPONÍVEL EM
HTTPS://DOCS.ORACLE.COM/CD/B16351_01/DOC/READMES.102/B14233/TOC.HTM, ACESSADO EM 31/07/2019;
• ORACLE9I DATABASE CONCEPTS RELEASE 2 (9.2), DISPONÍVEL EM
HTTPS://DOCS.ORACLE.COM/CD/B10500_01/SERVER.920/A96524/C11SCHEM.HTM, ACESSADO EM 31/07/2019;

REFERÊNCIA
• IBM KNOWLEDGE CENTER - DESIGN DO BANCO DE DADOS, DISPONÍVEL EM
HTTPS://WWW.IBM.COM/SUPPORT/KNOWLEDGECENTER/PT-
BR/SSLKT6_7.6.0/COM.IBM.MBS.DOC/CONFIGUR/C_CTR_DATABASE_DESIGN.HTML, ACESSADO EM 31/07/2019;
• MICROSOFT SQL DOCUMENTATION, DISPONÍVEL EM HTTPS://DOCS.MICROSOFT.COM/PT-BR/SQL/RELATIONAL-

DATABASES/DATABASES/DATABASE-FILES-AND-FILEGROUPS?VIEW=SQL-SERVER-2017, ACESSADO EM 31/07/2019

BANCO DE DADOS I - Aula - 08 - Normalizacao (Anomalias de Modificacoes e Dependencia Funcional)

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

BANCO DE DADOS I - Aula - 08 - Normalizacao (Anomalias de Modificacoes e Dependencia Funcional)

Enviado por

Direitos autorais:

Formatos disponíveis

OBJETIVOS DE APRENDIZAGEM

1. ANALISAR MODELOS RELACIONAIS PELO ÓTICA DE FORMAS NORMAIS,

BY JOSE CARLOS VITORINO 2

• ANTES DE FORMALIZARMOS UMA DEFINIÇÃO VEJAMOS A SEGUINTE TABELA

BY JOSE CARLOS VITORINO 3

BY JOSE CARLOS VITORINO 4

BY JOSE CARLOS VITORINO 5

BY JOSE CARLOS VITORINO 7

• O OBJETIVO DA NORMALIZAÇÃO É CRIAR UM CONJUNTO DE TABELAS

BY JOSE CARLOS VITORINO 9

BY JOSE CARLOS VITORINO 10

BY JOSE CARLOS VITORINO 11

• MESMO QUE O PREÇO DE ARMAZENAMENTO, NOS DIAS DE HOJE, SEJA DE

BY JOSE CARLOS VITORINO 12

• COMO AS OPERAÇÕES DE I/O SÃO AS DE MAIORES CUSTOS NO

BY JOSE CARLOS VITORINO 13

BY JOSE CARLOS VITORINO 15

123 Jose 350 CST em ADS Matemática Fundamentos Algoritmos

234 Maria 500 Bel em CC Matemática Algoritmos Estrutura Dados

345 Suzana 300 Bel de ADM Teoria Geral Matemática

456 Matheus 800 DIREITO Intro. Direito

BY JOSE CARLOS VITORINO 16

BY JOSE CARLOS VITORINO 17

123 Jose 350 CST em ADS Matemática Fundamentos Algoritmos

234 Maria 500 Bel em CC Matemática Algoritmos Estrutura Dados

345 Suzana 300 Bel de ADM Teoria Geral Matemática

456 Matheus 800 DIREITO Intro. Direito

567 João Silva ??? ???

BY JOSE CARLOS VITORINO 18

BY JOSE CARLOS VITORINO 19

BY JOSE CARLOS VITORINO 20

123 Jose 350 CST em ADS Int. Matemática Fundamentos Algoritmos

234 Maria 500 Bel em CC Int. Matemática Algoritmos Estrutura Dados

345 Suzana 300 Bel de ADM Teoria Geral Int. Matemática

456 Matheus 800 DIREITO Intro. Direito

BY JOSE CARLOS VITORINO 21

BY JOSE CARLOS VITORINO 22

BY JOSE CARLOS VITORINO 23

123 Jose 350 CST em ADS Matemática Fundamentos Algoritmos

234 Maria 500 Bel em CC Matemática Algoritmos Estrutura Dados

345 Suzana 300 Bel de ADM Teoria Geral Matemática

456 Matheus 800 DIREITO Intro. Direito

BY JOSE CARLOS VITORINO 24

BY JOSE CARLOS VITORINO 25

•EXEMPLOS DE ANOMALIAS EM BANCO DE DADOS

BY JOSE CARLOS VITORINO 26

BY JOSE CARLOS VITORINO 27

BY JOSE CARLOS VITORINO 28

BY JOSE CARLOS VITORINO 29

BY JOSE CARLOS VITORINO 30

BY JOSE CARLOS VITORINO 33

•NOS PRÓXIMOS SLIDES VAMOS REPRESENTAR UMA RELAÇÃO DE

BY JOSE CARLOS VITORINO 34

•NOS PRÓXIMOS SLIDES VAMOS REPRESENTAR UMA RELAÇÃO DE

BY JOSE CARLOS VITORINO 35

•FUNCIONÁRIO=(matricula-funcionário, nome-funcionário, cod-cargo,

BY JOSE CARLOS VITORINO 36

BY JOSE CARLOS VITORINO 37

BY JOSE CARLOS VITORINO 38

BY JOSE CARLOS VITORINO 39

•PACIENTE (id, nome, endereço, telefone, sexo, data_nascimento,

BY JOSE CARLOS VITORINO 40

BY JOSE CARLOS VITORINO 41

BY JOSE CARLOS VITORINO 42