1. Normalización de una base de datos
El proceso de normalización de una base de datos consiste en aplicar una serie
de reglas a las relaciones obtenidas tras el paso del modelo E-R (entidad-relación)
al modelo relacional.
Las bases de datos relacionales se normalizan para:
• Evitar la redundancia de los datos.
• Evitar problemas de actualización de los datos en las tablas.
• Proteger la integridad de los datos.
En el modelo relacional es frecuente llamar tabla a una relación, aunque para que
una tabla bidimensional sea considerada como una relación tiene que cumplir con
algunas restricciones:
• Cada columna debe tener su nombre único.
• No puede haber dos filas iguales. No se permiten los duplicados.
• Todos los datos en una columna deben ser del mismo tipo.
Tabla de contenidos
• 1 Terminología equivalente
• 2 Claves
o 2.1 Clave ajena
o 2.2 Clave candidata
o 2.3 Clave alternativa
o 2.4 Clave simple
o 2.5 Clave compuesta
• 3 Formas Normales
o 3.1 Primera Forma Normal (1NF)
o 3.2 Segunda Forma Normal (2NF)
o 3.3 Tercera Forma Normal (3NF)
o 3.4 Cuarta Forma Normal (5NF)
• 4 Reglas de Codd
• 5 Véase también
• 6 Enlaces externos
Terminología equivalente
• entidad = tabla o archivo
• tupla = registro, fila o renglón
• atributo = campo o columna
• base de datos = banco de datos
• dependencia multivaluada = dependencia multivalor
• clave = llave
• clave primaria = superclave
• clave ajena = clave externa o clave foránea
• RDBMS = del inglés Relational Data Base Manager System que significa,
Sistema Gestor de Bases de Datos Relacionales

2. Dependencia funcional
Una dependencia funcional son conexiones entre uno o más atributos. Por ejemplo
si conocemos el valor de FechaDeNacimiento podemos conocer el valor de Edad.
Las dependencias funcionales se escriben utilizando una flecha, de la siguiente
manera:
FechaDeNacimiento->Edad
Aquí a FechaDeNacimiento se le conoce como un determinante. Se puede leer de
dos formas FechaDeNacimiento determina a Edad o Edad es funcionalmente
dependiente de FechaDeNacimiento. De la normalización (lógica) a la
implementación (física o real) puede ser sugerible tener éstas dependencias
funcionales para lograr mayor eficiencia en las tablas.
Dependencia funcional transitiva
Supongamos que en la relación de la figura 3.0 los estudiantes solo pueden estar
matriculados en un solo curso y supongamos que los profesores solo pueden dar un
curso.
ID_Estudiante -> Curso_Tomando
Curso_Tomando -> Profesor_Asignado
ID_Estudiante -> Curso_Tomando -> Profesor_Asignado
Entonces tenemos que ID_Estudiante determina a Curso_Tomando y el
Curso_Tomando determina a Profesor_Asignado, indirectamente podemos
saber a través del ID_estudiante el Profesor_Asignado. Entonces en la figura
3.0 tenemos una dependencia transitiva.
Claves
Clave ajena
Cuando se tienen dos tablas o más, una clave ajena es aquella columna de una
tabla que hace referencia a una clave primaria de otra tabla. Supongamos que
tenemos una base de datos con las dos tablas. Como podemos ver en la tabla de la
figura 4.0 la columna NumeroCliente hace de clave primaria, pero en la tabla de la
figura 5.0 la columna de NumeroCliente hace de clave externa. La clave primaria
NumeroCliente de la figura 4.0 hace referencia a toda la fila, evitando así errores
tipográficos y ahorrando espacio físico.
También existe el caso de Relaciones Autoreferenciales. Sucede cuando en la
misma relación se tiene una clave ajena que hace referencia a la clave primeria de
la misma relación. Un ejemplo es EMP (NumEmp, Nombre,... ,NumEmp-Ger). En
este caso NumEmp-Ger es una clave ajena que hace referencia a la clave primaria
NumEmp. Por otro lado las claves ajenas pueden tomar valores nulos, como por
ejemplo para un Gerente, el valor NumEmp-Ger sería nulo, ya que no posee
ninguna persona a nivel superior.

3. Regla de Integridad Referencial
La base de datos no debe contener valores de clave ajena sin concordancia. Así
como los valores de clave primaria representan identificadores de entidades, las
claves ajenas representan referencia a entidades.
La regla dice: Si B hace referencia a A entonces A debe existir.
Surgen los siguientes dos puntos: - La integridad referencial exige concordancia en
las claves ajenas, con las claves primarias, no con la claves alternativas. - Los
conceptos de clave ajena e integridad referencial se definen uno en termino del
otro.
Clave candidata
En la figura 1.0 podemos ver que tenemos al atributo ID_empleado como clave
primaria, aunque podemos ver que tenemos a otro atributo llamado Seguro Social
que también lo podemos utilizar de clave primaria, puesto que se supone que éste
sea unívoco para cada persona, entonces decimos que tanto ID_empleado como
Seguro Social son claves candidatas. Por lo general la forma más eficiente y segura
para escoger o hacer la clave primaria es poniendo un número y aumentando éste
a medida que se van añadiendo filas, pero si de casualidad se diera el caso de que
existan varias claves candidatas de las cuales se deba escoger la clave primaria,
esta elección se hace utilizando el sentido común.
Clave alternativa
Son aquellas claves candidatas que no han sido elegidas. En el ejemplo anterior
Seguro Social pasaría a ser una clave alternativa en caso de no ser elegida como
clave primaria.
Clave simple
Es una clave que esta compuesta solo de un atributo.
Clave compuesta
Es una clave que esta compuesta por más de un atributo.
Formas Normales
Las primeras tres formas normales son suficientes para cubrir las necesidades de la
mayoría de las bases de datos. El creador de estas 3 primeras formas normales (o
reglas) fue Edgar F. Codd, éste introdujo la normalización en un artículo llamado A
Relational Model of Data for Large Shared Data Banks Communications of the ACM,
Vol. 13, No. 6, June 1970, pp. 377-387[1].
Primera Forma Normal (1NF)
Una relación está en Primera Forma Normal si y sólo si todos los dominios son
atómicos. Un dominio es atómico si los elementos del dominio son indivisibles.
Por ejemplo:
La Relación:

4. • cursos: nombre, código, vacantes, horario, bibliografía
Queda después de aplicar la Forma Normal 1 de la siguiente manera:
• cursos1: nombre, código, vacantes
• horario1: código, día, módulo
• bibliografia1: código, nombre, autor
Una columna no puede tener multiples valores. Los datos estan atomicos (Si a cada
valor de X le pertenece un valor de Y, entonces a cada valor de Y le pertenece un
valor de X).
La regla de la Primera Forma Normal establece que las columnas repetidas deben
eliminarse y colocarse en tablas separadas
Segunda Forma Normal (2NF)
Dependencia completa. Esta en 2NF si esta en 1NF y si sus atributos no principales
dependen de forma completa de la clave principal. Toda columna que no sea clave
debe depender por completo de la clave primaria. Los atributos dependen de la
clave. Varia la clave y varian los atributos. Dependencia completa. Sus atributos no
principales dependen de forma completa de la clave principal.
Tercera Forma Normal (3NF)
Está en forma normal de Boyce-Codd y se eliminan las dependencias multivaluadas
y se generan todas las relaciones externas con otras tablas u otras bases de datos.
Esta se hace a base de claves
Cuarta Forma Normal (5NF)
Está en cuarta forma normal y toda dependencia-join viene implicada por claves
candidatas.
Reglas de Codd
Codd se dio de cuenta que existían bases de datos en el mercado las cuales decían
ser relacionales, pero lo único que hacían era guardar la información en las tablas,
sin estas tablas estar literalmente normalizadas; entonces éste publicó 12 reglas
que un verdadero sistema relacional debería de tener, en la práctica algunas de
ellas son difíciles de realizar.Un sistema podrá considerarse "más relacional" cuanto
más siga estas reglas.
Regla No. 1 - La Regla de la información
"Toda la información en un RDBMS está explícitamente representada de una
sola manera por valores en una tabla".
Cualquier cosa que no exista en una tabla no existe del todo. Toda la
información, incluyendo nombres de tablas, nombres de vistas, nombres de
columnas, y los datos de las columnas deben estar almacenados en tablas
dentro de las bases de datos. Las tablas que contienen tal información
constituyen el Diccionario de Datos.
Regla No. 2 - La regla del acceso garantizado

5. "Cada ítem de datos debe ser lógicamente accesible al ejecutar una
búsqueda que combine el nombre de la tabla, su clave primaria, y el nombre
de la columna".
Esto significa que dado un nombre de tabla, dado el valor de la clave
primaria, y dado el nombre de la columna requerida, deberá encontrarse
uno y solamente un valor. Por esta razón la definición de claves primarias
para todas las tablas es prácticamente obligatoria.
Regla No. 3 - Tratamiento sistemático de los valores nulos
"La información inaplicable o faltante puede ser representada a través de
valores nulos".
Un RDBMS (Sistema Gestor de Bases de Datos Relacionales) debe ser capaz
de soportar el uso de valores nulos en el lugar de columnas cuyos valores
sean desconocidos o inaplicables.
Regla No. 4 - La regla de la descripción de la base de datos
"La descripción de la base de datos es almacenada de la misma manera que
los datos ordinarios, esto es, en tablas y columnas, y debe ser accesible a
los usuarios autorizados".
La información de tablas, vistas, permisos de acceso de usuarios
autorizados, etc, debe ser almacenada exactamente de la misma manera:
En tablas. Estas tablas deben ser accesibles igual que todas las tablas, a
través de sentencias de SQL.
Regla No. 5 - La regla del sub-lenguaje Integral
"Debe haber al menos un lenguaje que sea integral para soportar la
definición de datos, manipulación de datos, definición de vistas, restricciones
de integridad, y control de autorizaciones y transacciones".
Esto significa que debe haber por lo menos un lenguaje con una sintaxis
bien definida que pueda ser usado para administrar completamente la base
de datos.
Regla No. 6 - La regla de la actualización de vistas
"Todas las vistas que son teóricamente actualizables, deben ser
actualizables por el sistema mismo".
La mayoría de las RDBMS permiten actualizar vistas simples, pero
deshabilitan los intentos de actualizar vistas complejas.
Regla No. 7 - La regla de insertar y actualizar
"La capacidad de manejar una base de datos con operandos simples aplica
no solo para la recuperación o consulta de datos, sino también para la
inserción, actualización y borrado de datos".
Esto significa que las cláusulas SELECT, UPDATE, DELETE e INSERT deben
estar disponibles y operables sobre los registros, independientemente del
tipo de relaciones y restricciones que haya entre las tablas.
Regla No. 8 - La regla de independencia física
"El acceso de usuarios a la base de datos a través de terminales o
programas de aplicación, debe permanecer consistente lógicamente cuando

6. quiera que haya cambios en los datos almacenados, o sean cambiados los
métodos de acceso a los datos".
El comportamiento de los programas de aplicación y de la actividad de
usuarios vía terminales debería ser predecible basados en la definición lógica
de la base de datos, y éste comportamiento debería permanecer inalterado,
independientemente de los cambios en la definición física de ésta.
Regla No. 9 - La regla de independencia lógica
"Los programas de aplicación y las actividades de acceso por terminal deben
permanecer lógicamente inalteradas cuando quiera que se hagan cambios
(según los permisos asignados) en las tablas de la base de datos".
La independencia lógica de los datos especifica que los programas de
aplicación y las actividades de terminal deben ser independientes de la
estructura lógica, por lo tanto los cambios en la estructura lógica no deben
alterar o modificar estos programas de aplicación.
Regla No. 10 - La regla de la independencia de la integridad
"Todas las restricciones de integridad deben ser definibles en los datos, y
almacenables en el catalogo, no en el programa de aplicación".
Las reglas de integridad son:
1. Ningún componente de una clave primaria puede tener valores en blanco
o nulos. (esta es la norma básica de integridad).
2. Para cada valor de clave foránea deberá existir un valor de clave primaria
concordante. La combinación de estas reglas aseguran que haya Integridad
referencial.
Regla No. 11 - La regla de la distribución
"El sistema debe poseer un lenguaje de datos que pueda soportar que la
base de datos esté distribuida físicamente en distintos lugares sin que esto
afecte o altere a los programas de aplicación".
El soporte para bases de datos distribuidas significa que una colección
arbitraria de relaciones, bases de datos corriendo en una mezcla de distintas
máquinas y distintos sistemas operativos y que este conectada por una
variedad de redes, pueda funcionar como si estuviera disponible como en
una única base de datos en una sola máquina.
Regla No. 12 - Regla de la no-subversión
"Si el sistema tiene lenguajes de bajo nivel, estos lenguajes de ninguna
manera pueden ser usados para violar la integridad de las reglas y
restricciones expresadas en un lenguaje de alto nivel (como SQL)".
Algunos productos solamente construyen una interfaz relacional para sus
bases de datos No relacionales, lo que hace posible la subversión (violación)
de las restricciones de integridad. Esto no debe ser permitido.
El Modelo Entidad/Relación (E/R) es un concepto de modelado para bases de
datos, propuesto por Peter Chen, mediante el cual se pretende 'visualizar' los
objetos que pertenecen a la Base de Datos como entidades (esto es similar al
modelo de Programación Orientada a Objetos) las cuales tienen unos atributos y se
vinculan mediante relaciones.

7. El modelo E-R es una representación lógica de la información. Mediante una serie
de procedimientos se puede pasar del modelo E-R a otros, como por ejemplo el
modelo relacional.
Modelo relacional
Éste es el modelo más utilizado en la actualidad para modelar problemas reales y
administrar datos dinámicamente.
Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd, de los
laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo
paradigma en los modelos de base de datos.
El modelo relacional para la gestión de una base de datos es un modelo de datos
basado en la lógica de predicado y en la teoría de conjuntos.
Este modelo considera la base de datos como una colección de relaciones. De
manera simple, una relación representa una tabla, en que cada fila representa una
colección de valores que describen una entidad del mundo real. Cada fila se
denomina tupla o registro y cada columna campo.
Entre las ventajas de este modelo están:
1. Garantiza herramientas para evitar la duplicidad de registros, a través de
campos claves o llaves.
2. Garantiza la integridad referencial: Así al eliminar un registro elimina todos
los registros relacionados dependientes.
3. Favorece la normalización por ser más comprensible y aplicable.
Se basa en describir la información usando tablas. Estas tablas se intentan
estructurar de forma que cumplan unos formatos llamados Formas Normales.
Cuanto más alta la forma normal, más estrictos son los criterios que cumple la
tabla y más fácil resulta tratarla.
• Primera FN: No hay campos múltiples
• Segunda FN: Cada atributo que no forme parte de la clave primaria
mantiene una dependencia funcional total respecto a la clave primaria (no
depende funcionalmente de un subconjunto de la clave primaria).
• Tercera FN: No hay dependencias transitivas
• Tercera FN de Boyce-Codd: No hay más de una clave primarias que
determine funcionalmente (de forma redundante) algún atributo.
• Cuarta FN y Quinta FN: No se describe porque no suele utilizarse.
El Modelo Relacional se puede dividir en tres partes:
1. Estructura de datos
2. Integridad de datos
3. Manipulación de datos

8. Estructura de datos
En programación, una estructura de datos es una forma de organizar un conjunto
de datos elementales (un dato elemental es la mínima información que se tiene en
el sistema) con el objetivo de facilitar la manipulación de estos datos como un todo
o individualmente.
Una estructura de datos define la organización e interrelacionamiento de estos, y
un conjunto de operaciones que se pueden realizar sobre él. Las operaciones
básicas son:
• Alta, adicionar un nuevo valor a la estructura.
• Baja, borrar un valor de la estructura.
• Búsqueda, encontrar un determinado valor en la estructura para realizar una
operación con este valor, en forma SECUENCIAL o BINARIO (siempre y
cuando los datos estén ordenados)...
Otras operaciones que se pueden realizar son:
• Ordenamiento, de los elementos pertenecientes a la estructura.
• Apareo, dadas dos estructuras originar una nueva ordenada y que contenga
a las apareadas.
Cada estructura ofrece ventajas y desventajas en relación a la simplicidad y
eficiencia para la realización de cada operación. De esta forma, la elección de la
estructura de datos apropiada para cada problema depende de factores como la
frecuencia y el orden en que se realiza cada operación sobre los datos.