Chapitre 2

Dictionnaire des Données

et Dépendances Fonctionnelles
(Travail préparatoire au MCD)
Plan

 Introduction

 Dictionnaire des données

 Dépendances fonctionnelles (DF)

 Graphe et matrice des DF

Introduction
 Au niveau conceptuel on se pose les questions
–quoi faire (Traitements)?
–et avec quelles informations(Données)?
 Le modèle conceptuel de données permet de
–faire l’inventaire de ces informations
–décrire quelle en est la structure
Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N en euro
5 Référence article AN 8 catalogue clt
6 Quantité N 1..100
7 Taux TVA P N = 17%
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Un exemple
n° donnée T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N nom de la donnée en euro
5 Référence article AN (court
8 mais explicite !)catalogue clt
6 Quantité N 1..100
7 Taux TVA P N = 17%
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N en euro
Commentaire,
5 Référence article précision,
AN 8 ... sur la catalogue clt
6 signification de la Ndonnée
Quantité 1..100
7 Taux TVA P N = 17%
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N en %
Type deRG1
la donnée :
4 Prix article HT N en euro
Numérique,
5 Référence article AN 8 catalogue clt
6 Quantité N
AlphaNumérique,
1..100
7 Taux TVA P N
Booléen = 17%
8 Bon Client B ...
RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%
Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant«facture
Contrainte Cd’intégrité
N »: hors taxes
3 précision surClesN valeurs
Taux remise RG1 en %
4 possibles
Prix article HT de la donnée
N en euro
5 Référence article AN 8 catalogue clt
6 Quantité N 1..100
7 Taux TVA P N = 17%
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N en euro
5 Référence article AN 8 catalogue clt
6 Quantité N 1..100
7 Taux TVA P N
longueur de la donnée = = 17%
8 Bon Client B
nombre maximal de caractères
RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%
Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N en euro :
« nature » de la donnée
5 Référence article 8
AN
ordinaire,catalogue clt
6 Quantité N 1..100
Calculée ou
7 Taux TVA P N = 17%
Paramètre
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Un exemple
n° données T Lg Cte intégrité RG Commentaire
1 Adresse client AN 60 adr facturation
2 Montant facture C N hors taxes
3 Taux remise C N RG1 en %
4 Prix article HT N en euro
« Règle de Gestion »AN: précision
5 Référence article 8 catalogue clt
6 sur la méthode de calcul
Quantité N d’une
1..100
7 donnée
Taux TVA (calculée !)P N = 17%
8 Bon Client B

RG1 : Si Bon Client et Montant fact >1000 alors 15 % sinon 0%

Le dictionnaire des données

 Une donnée ???

 type d’information qui « intéresse » le SI de
l’organisation ( = qui est nécessaire à la
réalisation de l’objectif du système)
la référence d’un produit

 les informations qui circulent dans l’organisation

ne sont pas toutes des données !
le résultat du dernier match de l’équipe
de foot de l’entreprise
Le dictionnaire des données

 Les différentes sortes de données (1)

 exemple donnée élémentaire / non élémentaire
donnée valeurs
Nom « Du Jean Antoinette »
« Durand Jordi »

pour la sté « REV » organisatrice de spectacle :

Nom est une donnée élémentaire
pour la sté « La Reboute à Douraix » (VPC) :
Nom est une donnée non élémentaire
Le dictionnaire des données

 Les différentes sortes de données (2)

 une donnée est élémentaire lorsque la possi-
bilité (éventuelle) de décomposer ses valeurs en
unités informatives plus petites n’intéresse pas
le SI étudié.
C’est une caractéristique relative à un SI.

dans le dictionnaire des données,

on ne recense que les données élémentaires !
Le dictionnaire des données

 Les différentes sortes de données (3)

 une donnée calculée est une donnée dont la
valeur est obtenue par un « calcul » à partir des
valeurs d’autres données

dans le dictionnaire des données

on signale les données calculées (C) !
Le dictionnaire des données

 Les différentes sortes de données (3)

 une donnée calculée est une donnée dont la
valeur est obtenue par un « calcul » à partir des
valeurs d’autres données
 une donnée calculée est « stable » si le recalcul
de sa valeur donne toujours le même résultat
 une donnée calculée est « instable » si le
recalcul de sa valeur peut donner des résultats
différents selon le moment de ce calcul
Le dictionnaire des données

 Les différentes sortes de données (5)

 Exemple de donnée calculée :
Montant Facture =  Quantité  Prix Article HT

La donnée calculée Montant Facture est

instable car les valeurs de Prix Article HT
peuvent changer entre deux calculs !

Faut-il mémoriser une donnée calculée ?

le choix sera fait au niveau du MOD.
Le dictionnaire des données

 Les différentes sortes de données (3)

 une donnée paramètre est une donnée qui,
dans le SI, à un moment donné, ne peut
posséder qu’une seule occurrence de valeur.
 exemple
–Taux TVA Luxe donnée paramètre
– Nom Client donnée paramètre
dans le dictionnaire des données
on signale les données paramètres (P) !
Le dictionnaire des données

 Les différents types de données

 Numérique : entier, décimal

 (alphabétique : tout caractère autre qu’un chiffre)

 AlphaNumérique : tous caractères

 Booléen : valeur  {VRAI, FAUX}

 Date : jj/mm/aa
Le dictionnaire des données

 Les contraintes d’intégrité (CI) de domaine

 définition : limitation du domaine des valeurs
possibles de la donnée interdire
la présence dans le SI
 exemples de données incohérentes
– appartenance à intervalle
7 Age 77
– appartenance à une liste finie
Civilité  {Mle,Mme, M}
Le dictionnaire des données

 Les règles de gestion (RG)

 définition : au niveau du dictionnaire des
données(1), une RG décrit le procédé d’obtention
d’une donnée calculée
 exemples
– Cumul Gal = somme des Cumul Mensuel
– Taux remise = Si Bon Client et Montant
facture >1000 alors 15 % sinon 0%
(1) en dehors de ce contexte : signification plus large !
Le dictionnaire des données

 Le recueil des données (1)

(point de vue : analyse de l’existant)
 les sources :
– les information portées par les flux
formulaires d’inscription,
facture, bon de commande, états divers, ...
– les « documents » internes
fiche de suivi, planning mural, ...
Le dictionnaire des données

 Le recueil des données (2)

 les difficultés :
– la synonymie : la même donnée intervient
sous des libellés différents selon les
documents
sur la commande
Votre Référence : FG/9756
sur la fiche de suivi de commande
Identification client : FG/9756
Le dictionnaire des données

 Le recueil des données (2)

 les difficultés :
– illafaut
synonymie
éliminer du : la même donnée
dictionnaire intervient
les données
sous
synonymes des : libellés différents selon les
documents
une donnée  un seul nom
sur la commande
Votre Référence : FG/9756 RéfClient
sur la fiche de suivi de commande
Identification client : FG/9756 RéfClient
Le dictionnaire des données

 Le recueil des données (3)

 les difficultés :
– l’homonymie : le même nom représente des
données différents selon les documents,
exemple :
sur la commande
Quantité : 25
sur la fiche de suivi de stock
Quantité : 145
Le dictionnaire des données

 Le recueil des données (3)

 les difficultés :
– l’homonymie : le même nom représente des
ildonnées
faut éliminer du dictionnaire
différents selon l’homonymie :
les documents,
exempleun : nom  une seule donnée
sur la commande
Quantité : 25 Quantité
sur la fiche de suivi de stock
Quantité : 145 QuantitéStock
Dépendances Fonctionnelles (DF)
 Exemple (1)

Nom Série Etab Adresse Ville

Durand Jean ES Carnot bd Thiers Dijon
Dupond Alain S Le Castel rue Daubenton Dijon
Randu Pierre STT Le Castel rue Daubenton Dijon
Tarmin Paul S Thiers(L) bd Thiers Lyon
Il y aPondu
redondance
Marie S d’information
Brochon rue! Liégeard Brochon
Martin Gilles L Carnot bd Thiers Dijon
 Dépendances Fonctionnelles (DF)
 Exemple (2)
Nom Série Etab Etab Adresse Ville
Durand Jean ES Carnot
Dupond Alain S Le Castel
Randu Pierre STT Le Castel
Tarmin Paul S Thiers(L)
Pondu Marie S Brochon
Martin Gilles L Carnot supprimer la redondance
sans perte d’information !
 Dépendances Fonctionnelles (DF)
 Exemple (2)
Nom Série Etab Etab Adresse Ville
Durand Jean ES Carnot Carnot bd Thiers Dijon
Dupond Alain S Le Castel Le Castel rue Daubenton Dijon
Randu Pierre STT Le Castel Thiers(L) bd Thiers Lyon
Tarmin Paul S Thiers(L) Brochon rue Liégeard Brochon
Pondu Marie S Il n’y a
Brochon plus redondance, mais
Martin Gilles L pourquoi
Carnot y avait-il redondance ?
Dépendances Fonctionnelles (DF)
 Exemple (3)
 il y avait redondance car
à un établissement correspond une adresse
On dira :
il y a une dépendance fonctionnelle
entre les données Etab et Adresse
On notera
Etab  Adresse
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (1)
 définition : pour un SI, il existe une dépendance
fonctionnelle entre les données nomS et nomB
si à chaque valeur de nomS correspond au plus
une valeur de nomB.
au plus une
=
nomS  nomB 0 ou 1

source but
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (1)
 définition : pour un SI, il existe une dépendance
fonctionnelle entre les données nomS et nomB
si à chaque valeur de nomS correspond au plus
une valeur de nomB.
notion
nomS  nomB relative
à un SI !

source but
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (2)
 exemples
– à la BU (on peut emprunter 3 documents)
NuméroLecteur  NomLecteur
NuméroLecteur  RéfDoc (doc. emprunté)
– à la bibliothèque de Trouperdu en Plaine (on
peut emprunter au plus un document !)
NuméroLecteur  NomLecteur
NuméroLecteur  RéfDoc (doc. emprunté)
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (2)
 exemples
– à la BU (on peut emprunter 3 documents)
NuméroLecteur  NomLecteur

NuméroLecteur  RéfDoc (doc. emprunté)
– à la bibliothèque de Trouperdu en Plaine (on
peut emprunter au plus un document !)
NuméroLecteur  NomLecteur
NuméroLecteur  RéfDoc (doc. emprunté)
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (2)
 exemples
– à la BU (on peut emprunter 3 documents)
NuméroLecteur  NomLecteur

NuméroLecteur  RéfDoc (doc. emprunté)

– à la bibliothèque de Trouperdu en Plaine (on

peut emprunter au plus un document !)
NuméroLecteur  NomLecteur
NuméroLecteur  RéfDoc (doc. emprunté)
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (3)
 pour y voir plus clair ?
nomS  nomB
domaine de valeur domaine de valeur
de la donnée nomS de la donnée nomB

au plus un
départ de flèche !
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (4)
 pour y voir plus clair ?

? ? ?
nomS  nomB nomS  nomB nomS  nomB
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle simple (DFS) (4)
 pour y voir plus clair ?

nomS  nomB nomS  nomB 

nomS  nomB
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle directe (1)
 Exemple
à la BU toujours !
un document peut être emprunté par au plus un lecteur

DF1 : RéfDoc  NomLecteur (nom de l’empteur)

DF2 : NuméroLecteur  NomLecteur

DF3 : RéfDoc  NuméroLecteur (n° de l’empteur)

DF1 résulte de DF3 et DF2

Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle directe (2)
 Exemple (suite)
NuméroLecteur

DF1
RéfDoc NomLecteur

DF1 est une

dépendance fonctionnelle indirecte
Dépendances Fonctionnelles (DF)
 Dépendance fonctionnelle directe (3)
 définition : pour un SI déterminé, la dépendance
fonctionnelle nomS  nomB est directe si elle
ne peut se déduire d’autres DF.
 propriété : s’il existe une donnée nomX telle
que nomS  nomX et nomX  nomB, alors la
DF nomS  nomB est n’est pas directe.
 Chapitre 4
Dictionnaire des Données
et Dépendances Fonctionnelles
(Travail préparatoire au MCD)
Plan


 Introduction


 Dictionnaire des données

 Dépendances fonctionnelles

 DFS
 DFC
 Graphe et matrice des DF
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements (1)
Jour H Salle Classe Disc Nom prof
Lu 08-09 R05 TS1 Math Mme Durand
Ma 10-11 B11 TS2 Phy M Dupond
Ma 09-10 B12 TS1 Math Mme Durand
Je 15-16 R12 TS1 Math Mme Durand
AnalysteJe
: «13-15
Est-ilR01
possible
TS1
qu’une matière
Phy Mme Martin
puisse-t-être enseignée par deux profs
Me 09-11 B11 STTL2 Chim M Martin
différents dans la même classe ? »
Lu 14-15 R01 STTL1 Phy M Martin
Gestionnaire : « C’est impossible ! »me
Ve 10-12 B05 TS1 Phy M Martin
Ve 10-12 B04 TS2 Phy M Dupond
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements
Jour H Salle Classe Disc Nom prof
Lu 08-09 R05 TS1 Math Mme Durand
Ma 10-11 B11 TS2 Phy M Dupond
Ma 09-10 B12 TS1 Math Mme Durand
Je 15-16 R12 TS1 Math Mme Durand
Je 13-15 R01 TS1 Phy Mme Martin
Il y a donc redondance d’information !Martin
Me 09-11 B11 STTL2 Chim M
Lu 14-15 R01 STTL1 Phy M Martin
Ve 10-12 B05 TS1 Phy Mme Martin
Ve 10-12 B04 TS2 Phy M Dupond
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements (2)
Jour H Salle Classe Disc Classe Disc Nom prof
Lu 08-09 R05 TS1 Math
Ma 10-11 B11 TS2 Phy
Ma 09-10 B12 TS1 Math
Je 15-16 R12 TS1 Math
Je 13-15 R01 TS1 Phy
Me 09-11 B11 STTL2 Chim
Lu 14-15 R01 STTL1 Phy
il est possible de supprimer la redondance
Ve 10-12 B05 TS1 Phy
Ve 10-12 B04 TS2
sans perte
Phy
d’information !
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements (3)
Jour H Salle Classe Disc Classe Disc Nom prof
Lu 08-09 R05 TS1 Math TS1 Math Mme Durand
Ma 10-11 B11 TS2 Phy TS2 Phy M Dupond

Ma 09-10 B12 TS1 Math TS1 Phy Mme Martin

STTL2 Chim M Martin
Je 15-16 R12 TS1 Math
STTL1 Phy M Martin
Je 13-15 R01 TS1 Phy
Me 09-11 B11 STTL2 Chim
Lu 14-15 R01 STTL1 Phy
Il y avait redondance car ...
Ve 10-12 B05 TS1 Phy
Ve 10-12 B04 TS2 Phy
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements (4)
 A tout couple (Classe, Discipline) correspond un
seul professeur
 On dira : il existe une dépendance fonctionnelle
entre les données Classe, Discipline et la
donnée NomProf
 On notera
Classe, Discipline  NomProf
c’est une DF à source Composée (DFC)
Dépendances Fonctionnelles (DF)
 Exemple : planning enseignements (5)
 Dire que l’on a la DF
Classe, Discipline  NomProf
revient à interdire la présence simultanée dans
le SI des lignes ()
Classe Disc Nom prof
TS1 Phy M Dupond
TS2
TS1
Phy
Chim
M
M
Dupond
Martin

TS2 Phy M Martin 
Dépendances Fonctionnelles (DF)
 Dépendance fonctelle à source composée (DFC)
 définition : pour un SI, il existe une DFC entre
les données nomS1, nomS2, …, nomSn et la
donnée nomB si, à tout suite (valnomS1,
valnomS2, … valnomSn), correspond au plus
une valeur de la donnée nomB ; on écrira
nomS1, nomS2, …, nomSn  nomB

source but
Dépendances Fonctionnelles (DF)
 Dépendance fonctelle à source composée (DFC)
 autre exemple : Dans une station de sports d’hiver,
un organisme de gestion de studios achetés « à la
semaine ». Une semaine (numSem) de chaque studio
(réfStudio) est la propriété d’une personne (nomPro).

réfStudio, numSem  nomPro

réfStudio numSem nomPro
C12
B23
23
12
Dupond
Durand
 cet extrait de
planning est-il


B23 13 Dupond
C12 23 Durand
cohérent ?
Dépendances Fonctionnelles (DF)
 DFC directe et non directe (1)
 définition : voir DFS
 exemple 1 (planning enseignements)
DF1 : Classe, Discipline  NomProf
DF2 : Classe, Discipline, Jour  NomProf VRAI?
DF3 : Classe, Discipline, H  NomProf VRAI?
Dépendances Fonctionnelles (DF)
 DFC directe et non directe (1)
 définition : voir DFS
 exemple 1 (planning enseignements)
DF1 : Classe, Discipline  NomProf
DF2 : Classe, Discipline, Jour  NomProf VRAI
DF3 : Classe, Discipline, H  NomProf VRAI

Mais, DF2 et DF3 sont des conséquences de DF1

DF2 et DF3 sont des DF non-directes !
Dépendances Fonctionnelles (DF)
 DFC directe et non directe (2)
 exemple 2 (planning enseignements)
(à chaque prof est attribué un n° de téléphone)
DF1 : NomProf  NumTel VRAI ?
DF2 : Classe, Discipline  NomProf VRAI ?
DF3 : Classe, Discipline  NumTel VRAI ?
Dépendances Fonctionnelles (DF)
 DFC directe et non directe (2)
 exemple 2 (planning enseignements)
(à chaque prof est attribué un n° de téléphone)
DF1 : NomProf  NumTel VRAI
DF2 : Classe, Discipline  NomProf VRAI
DF3 : Classe, Discipline  NumTel VRAI

Mais, DF3 est une conséquence de DF1 et DF2

DF3 est une DF non-directe
Dépendances Fonctionnelles (DF)
 ATTENTION !
Pour élaborer le MCD, il sera nécessaire de
 réaliser dictionnaire des données
 faire l’inventaire de toutes les DF directes

Les DF non directes ne seront

pas prises en compte dans le
travail d’analyse
Dépendances Fonctionnelles (DF)
 Inventaire des DF (1)
 à partir du « discours » informel
– « Un établissement (codeEtab) ne peut pas faire
partie de deux circonscriptions (numCirc) à la fois»
 codeEtab  numCirc
– «Quant au réapprovisionnement, nous avons choisi
un fournisseur (codeFour) exclusif pour chaque
article (réfArt) en stock »

 refArt  codeFour
Dépendances Fonctionnelles (DF)
 Inventaire des DF (2)
 à partir du « discours » informel
– « Dans notre centre de formation, les stages que
nous organisons, sont constitués d’un certain
nombre d’unités (nomUnité) ; un formateur
(codeForm) ne peut pas, lors d’un stage (numStage)
intervenir dans plus d’une unité »

 numStage, codeForm  nomUnité

Dépendances Fonctionnelles (DF)
 Inventaire des DF (3)
 à partir des documents structurés
– fiche Réf Client : ____________
Nom : ____________
Adresse : ___________________

Client suivi par : ___ (n° représentant)

 réfClient Nom
 réfClient Adresse
 réfClient n°Représentant
Dépendances Fonctionnelles (DF)
 Inventaire des DF (4)
 à partir des documents structurés
– tableau (exemple 1)

Appartmt RdC1 RdC2 RdC3 1E1 1E2 …

Proptaire Martin Durand C Durand P /// Martin …

 Appartement Propriétaire
Dépendances Fonctionnelles (DF)
 Inventaire des DF (5)
 à partir des documents structurés
– tableau (exemple 2)
Niveaux de Tarification
Véhicule V3M V2P V5M C6N
ModeLoc
HH 5 6 6 3
JJ 4 4 5 3
WE 4 3 5 3
SE 2 3 4 2
MM 1 2 3 2

 Véhicule, ModeLoc  NiveauTarif

Graphe et matrice des DF
 Nécessité d’un formalisme pour représenter un
ensemble de DF
 Voici une liste de DF (SI d’un café)
a/ codeServeur  nomServeur g/ codeCat  catégorie
b/ n°Cmde  date h/ n°Conso  prix
c/ n°Cmde  heure i/ n°Conso  codeCat
d/ n°Table, date  codeServeur j/ n°Conso  libellé
il ye/an°Cmde, n°Conso  »,
des « problèmes quantité
mais…k/ n°Conso  catégorie
ils ne
f/ n°Table, sont
date pas « visiblesl/»n°Cmde
nomServeur !  n°Table
Graphe et matrice des DF
 Graphe des DF
 règle 1
nomS  nomB nomS1, nomS2  nomC
nomS nomS1 nomS2

nomB nomC

 règle 2 : un nom de donnée ne doit figurer

qu’une seul fois dans le graphe
Graphe et matrice des DF
 Exemple de graphe des DF
n°Cmde
n°Conso

n°Table date heure

libellé prix

codeCat
codeServeur
quantité
catégorie

nomServeur
Graphe et matrice des DF
 Exemple de graphe des DF
n°Cmde
n°Conso

n°Table date heure

libellé prix

codeCat
codeServeur
quantité
catégorie

nomServeur
Graphe et matrice des DF
 Exemple de graphe des DF
n°Cmde
n°Conso

n°Table date heure

libellé i prix

codeCat
k
gk
codeServeur g
i etquantité
la DF k n’est pas directe catégorie

nomServeur
Graphe et matrice des DF
 Exemple de graphe des DF
n°Cmde
n°Conso

n°Table date heure

libellé prix

d codeCat
codeServeur
a
d et a
quantité f
f catégorie
la DF f n’est pas directe
nomServeur
Graphe et matrice des DF
 Exemple de graphe des DF
n°Cmde
n°Conso

n°Table date heure

libellé prix

codeCat
on ne représente
codeServeur
que les DF directes !
quantité
catégorie

nomServeur
Graphe et matrice des DF
 Matrice des DF
5 7 2, 3
1 n°Cmde
2 n°Table
3 date
4 heure
5 CodeServeur
6 nomServeur la
1 liste des données
7 n°Conso
8 libellé
9 prix
10 codeCat
11 catégorie
12 quantité
Graphe et matrice des DF
 Matrice des DF
5 7 2, 3
1 n°Cmde
2 n°Table
3 date
4 heure
5 CodeServeur les sources de DF
6 nomServeur 1
7 n°Conso « 5 » est la source de la DF a
8 libellé « 2, 3 » est la source des DF d et f
9 prix
10 codeCat
11 catégorie
12 quantité
Graphe et matrice des DF
 Matrice des DF
5 7 2, 3
1 n°Cmde
2 n°Table
3 date
4 heure
5 CodeServeur
6 nomServeur 1
7 n°Conso
8 libellé
9 prix «5»«6»
10 codeCat CodeServeur  nomServeur
11 catégorie
12 quantité
Graphe et matrice des DF
 Matrice des DF
5 7 2, 3
1 n°Cmde
2 n°Table
3 date
4 heure
5 CodeServeur 1
6 nomServeur 1
7 n°Conso
8 libellé
9 prix « 2, 3 »  « 5 »
10 codeCat n°Table, date  codeServeur
11 catégorie
12 quantité
Graphe et matrice des DF
 Matrice des DF
5 7 2, 3
1 n°Cmde
2 n°Table
3 date
4 heure
5 CodeServeur 1
6 nomServeur 1
7 n°Conso
8 libellé
9 prix ce mode de représentation
10 codeCat aide à une recheche
11 catégorie systématique des DF
12 quantité
Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde
2 n°Table 1
3 date 1
4 heure 1
5 CodeServeur 1
6 nomServeur 1 1
7 n°Conso
8 libellé 1 les DF
9 prix 1 non directes
10 codeCat 1 sont à rayer !
11 catégorie 1 1
12 quantité 1
Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde
2 n°Table 1 Il ne doit rester que
3 date 1 des DF directes
4 heure 1
5 CodeServeur 1
6 nomServeur 1
7 n°Conso
8 libellé 1
9 prix 1
10 codeCat 1
11 catégorie 1
12 quantité 1
Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde 1 (1)
2 n°Table 1 (1)
3 date 1 visualisation
(1) des
4 heure 1 sources de DFS
5 CodeServeur 1 1
6 nomServeur 1
7 n°Conso 1 (1)
8 libellé 1
9 prix 1
10 codeCat 1 1
11 catégorie 1
12 quantité 1
Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde 1 (1)
2 n°Table 1 (1)
3 date 1 (1)
4 heure 1
5 CodeServeur 1 1
6 nomServeur 1
7 n°Conso 1 (1)
8 visualisation
libellé des 1
9 sources
prix de DFC 1
10 codeCat 1 1
11 catégorie 1
12 quantité 1
Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde 1 (1)
2 n°Table 1 (1)
3 date 1 (1)
4 heure 1
5 CodeServeur 1 1
6 nomServeur 1
7 n°Conso 1 (1)
ATTENTION
8 libellé ! 1
les « 91»prixet les « (1) » n’apportent
1
10 codeCat
aucune information nouvelle 1 1
11 catégorie 1
12 quantité 1
 Graphe et matrice des DF
 Matrice des DF
1 5 7 10 2, 3 1, 7
1 n°Cmde 1 (1)
2 n°Table 1 (1)
3 date 1 (1)
4 heure
Mais, il aident à 1


5 CodeServeur 1 1
repérer les6DFnomServeur 1 1
non directes
7 n°Conso 1 (1)
8 libellé 1
9 prix 1


10 codeCat 1 1
11 catégorie 1 1
12 quantité 1
Graphe et matrice des DF
 Représentation de DF de même « profil »
 exemple
– A un appartement (codeAppart), on peut
associer le nom de la personne
(nomPersonne) locataire
deux DF
différentes codeAppart  nomPersonne
mais de
– A un appartement (codeAppart), on peut
même profil
associer le nom de la personne
(nomPersonne) propriétaire

codeAppart  nomPersonne
Graphe et matrice des DF
 Représentation de DF de même « profil »
 représentation dans le graphe des DF

codeAppart

(pro) (loc)

nomPersonne
Graphe et matrice des DF
 Représentation de DF de même « profil »
 représentation dans la matrice des DF
5

5 codeAppart 1

8 nomPersonne 1, 1