Normalització de bases de dades
Dependències funcionals, anomalies i pas a 1FN, 2FN i 3FN amb ShopSphere i UniLearn
2 fonts originals
01. Resum
Comença per aquí
Si només recordes cinc coses d'aquest tema:
- La redundància provoca tres anomalies: d'inserció, d'actualització i d'eliminació.
- Dependència funcional A → B: si saps A, saps B. Surt de les regles del negoci, no de les dades d'exemple.
- 1FN: un sol valor per cel·la i cap grup repetitiu.
- 2FN: 1FN i cap atribut depèn només d'una part de la clau composta (dependència parcial).
- 3FN: 2FN i cap atribut no clau depèn d'un altre atribut no clau (dependència transitiva). La clau, tota la clau i res més que la clau.
A la versió completa, cada apartat acaba amb una pregunta d'examen i la seva resposta model.
La idea en un minut
Normalitzar és posar cada dada a la taula que li correspon. Així no es repeteix i no es contradiu. El tema 3 crea les taules. El tema 4 comprova que cada atribut és al lloc bo.
- Regles del negociQuè determina què
- ClausQuè identifica cada fila
- DependènciesCompletes, parcials i transitives
- 1FN → 2FN → 3FNSeparar taules pas a pas
- RevisióLes FK permeten tornar a unir-ho tot
Normalitzar no és crear moltes taules. Cada separació necessita un motiu. Les claus han de permetre reconstruir la informació.
Redundància i tres anomalies
Quan una taula repeteix dades, apareixen tres problemes (IAE):
- Inserció: no pots guardar un client sense inventar una comanda.
- Actualització: has de corregir el mateix canvi en moltes files.
- Eliminació: esborres l'única comanda d'un client i perds les dades del client.
Repetir una FK en una relació 1:N és normal. El problema és repetir les dades que la FK ja identifica (el nom, la ciutat…).
Exemple: una taula repeteix el nom i la ciutat del client a cada comanda. L'Ana passa de Barcelona a Girona. Cal canviar moltes files. Si n'oblides una, l'Ana té dues ciutats.
| PedidoID | Cliente | Ciudad | Producto |
|---|---|---|---|
| 1001 | Ana | Barcelona | Portàtil |
| 1002 | Ana | Barcelona | Ratolí |
| 1003 | Ana | Girona | Teclat |
Quina és la ciutat bona? La taula no ho sap.
| Anomalia | Problema | Exemple |
|---|---|---|
| Inserció | No pots guardar una dada sense inventar-ne una altra | Registrar una clienta nova sense crear una comanda falsa |
| Actualització | El mateix canvi s'ha de fer en diversos llocs | Canviar la ciutat a totes les comandes |
| Eliminació | Esborres una dada i en perds una altra | Esborrar l'última comanda elimina les dades del client |
Pregunta. Una taula única guarda PedidoID, Fecha, ClienteID, NombreCliente, Ciudad, ProductoID, NombreProducto i Cantidad. Explica les tres anomalies amb un exemple de cadascuna.
Resposta model. Inserció: no puc guardar un client nou fins que faci una comanda, perquè les seves dades viuen a la fila de la comanda. Actualització: si un client canvia de ciutat, he de corregir totes les files de les seves comandes; si me'n deixo una, les dades queden inconsistents. Eliminació: si esborro l'única comanda d'un client, perdo també el nom i la ciutat del client.
Dependències funcionals
A → B vol dir: si saps A, saps B. Dues files amb el mateix A sempre tenen el mateix B.
Exemples: ClienteID → Nombre, Ciudad · ProductoID → Precio · (PedidoID, ProductoID) → Cantidad.
La dependència surt de les regles del negoci, no de les dades d'exemple. I A → B no implica B → A: dos clients poden viure a la mateixa ciutat.
A → B vol dir: dues files amb el mateix A han de tenir el mateix B. A és el determinant.
ClienteID → Nombre, Ciudad
Un client té un nom i una ciutat.
PedidoID → Fecha, ClienteID
Una comanda té una data i un client.
ProductoID → NombreProducto, PrecioCatalogo
Un producte té un nom i un preu actual.
(PedidoID, ProductoID) → Cantidad
La quantitat depèn del producte dins d'una comanda.
Claus i tipus de dependència
Una clau candidata és el mínim d'atributs que identifica una fila. Una d'elles es tria com a PK. Si la clau té diversos atributs, és composta.
| Tipus | Què passa | Exemple |
|---|---|---|
| Completa | L'atribut depèn de tota la clau | (PedidoID, ProductoID) → Cantidad |
| Parcial | L'atribut depèn només d'una part de la clau composta | (PedidoID, ProductoID): ProductoID → NombreProducto |
| Transitiva | L'atribut depèn d'un altre atribut no clau | ClienteID → CodigoPostal → Ciudad |
Taula PRESTECS (SociID, NomSoci, LlibreID, Titol, DataPrestec). Un soci pot agafar molts llibres. Un llibre es pot prestar a molts socis. Suposa que un soci no agafa el mateix llibre dues vegades. Quina és la clau? Quines dependències hi ha?
Solució
- Clau: (SociID, LlibreID).
- SociID → NomSoci (parcial).
- LlibreID → Titol (parcial).
- (SociID, LlibreID) → DataPrestec (completa).
Pregunta. Què vol dir ClienteID → Ciudad? Vol dir també que Ciudad → ClienteID? D'on surten les dependències?
Resposta model. ClienteID → Ciudad vol dir que, si sé el client, sé la ciutat: dues files amb el mateix ClienteID tenen sempre la mateixa ciutat. No implica el contrari: dos clients diferents poden viure a la mateixa ciutat. Les dependències surten de les regles del negoci, no de les dades d'exemple: que en una mostra no hi hagi repetits no demostra res.
Primera forma normal: 1FN
Un sol valor per cel·la. Cap grup repetitiu.
| Malament | Bé |
|---|---|
| Productos = «Portàtil, ratolí, teclat» | Una fila per producte |
| Producto1, Producto2, Producto3 | Una taula de línies |
Complir 1FN no treu totes les repeticions. Per això cal revisar 2FN i 3FN.
Una taula està en 1FN quan:
- cada cel·la té un sol valor,
- no hi ha grups repetitius (columnes Telefono1, Telefono2…),
- cada fila es pot identificar.
Abans: no és 1FN
| PedidoID | Productos |
|---|---|
| 1001 | Portàtil, ratolí, teclat |
La cel·la té una llista. No pots dir quantes unitats hi ha de cada producte.
Després: 1FN
| PedidoID | ProductoID | Cantidad |
|---|---|---|
| 1001 | 10 | 1 |
| 1001 | 20 | 2 |
| 1001 | 30 | 1 |
Una fila per producte de la comanda.
Producto1, Producto2 i Producto3 tampoc és bona solució. És un grup repetitiu: limita a tres productes i complica les consultes.
L'atomicitat depèn de l'ús. Si mai has de buscar pel cognom, el nom complet pot anar en una sola columna. Si has de buscar o ordenar per cognom, separa'ls.
1FN no treu totes les repeticions. Pots tenir una fila per línia i continuar repetint el nom del producte a cada línia. Per això existeixen 2FN i 3FN.
Segona forma normal: 2FN
1FN + cap atribut depèn només d'una part de la clau composta.
Exemple: clau (PedidoID, ProductoID). NombreProducto depèn només de ProductoID → dependència parcial → el traus a PRODUCTOS. Cantidad depèn de la parella → es queda.
Si la PK és simple (una sola columna), no hi pot haver dependències parcials respecte d'aquesta PK.
Una taula està en 2FN si està en 1FN i cap atribut no clau depèn només d'una part de la clau composta.
| PedidoID · PK | ProductoID · PK | NombreProducto | PrecioCatalogo | Cantidad |
|---|---|---|---|---|
| 1001 | 10 | Portàtil | 899 | 1 |
| 1001 | 20 | Ratolí | 25 | 2 |
| 1002 | 10 | Portàtil | 899 | 1 |
- Cantidad depèn de (PedidoID, ProductoID): cal la parella. ✅
- NombreProducto i PrecioCatalogo depenen només de ProductoID: dependència parcial. ❌
- El nom «Portàtil» i el preu 899 es repeteixen.
La taula és 1FN però no 2FN. Separa:
Pregunta. DETALLE (PedidoID, ProductoID, NombreProducto, Cantidad), amb clau (PedidoID, ProductoID). Està en 2FN? Normalitza-la.
Resposta model. No està en 2FN. NombreProducto depèn només de ProductoID, que és una part de la clau: és una dependència parcial. Cantidad depèn de la parella sencera i es queda. Resultat: PRODUCTOS (ProductoID PK, NombreProducto) i DETALLE_PEDIDO (PedidoID, ProductoID, Cantidad), on ProductoID queda com a clau forana.
Tercera forma normal: 3FN
2FN + cap atribut no clau depèn d'un altre atribut no clau (dependència transitiva).
Exemple: CLIENTES (ClienteID, Nombre, CodigoPostal, Ciudad). Si cada codi postal té una ciutat: ClienteID → CodigoPostal → Ciudad. Ciudad depèn de la clau a través de CodigoPostal. Separa CODIGOS_POSTALES (CodigoPostal, Ciudad).
Una taula està en 3FN si està en 2FN i cap atribut no clau depèn d'un altre atribut no clau.
Exemple dels apunts: CLIENTES (ClienteID, Nombre, CodigoPostal, Ciudad). Suposem que cada codi postal correspon a una sola ciutat.
- ClienteIDDetermina el codi postal
- CodigoPostalDetermina la ciutat
- CiudadDepèn de ClienteID a través del codi
| ClienteID | Nombre | CodigoPostal | Ciudad |
|---|---|---|---|
| 1 | Ana | 08001 | Barcelona |
| 2 | Joan | 08001 | Barcelona |
| 3 | Marta | 17001 | Girona |
La parella 08001 – Barcelona es repeteix per a cada client d'aquell codi. Separa:
Aquest exemple funciona si el supòsit codi → ciutat és cert. En un sistema real, cal comprovar-ho.
Pregunta. CLIENTES (ClienteID, Nombre, CodigoPostal, Ciudad). Cada codi postal correspon a una sola ciutat. Està en 3FN? Normalitza-la.
Resposta model. No està en 3FN. Hi ha una dependència transitiva: ClienteID → CodigoPostal → Ciudad. Ciudad depèn de la clau a través d'un atribut no clau. Resultat: CLIENTES (ClienteID PK, Nombre, CodigoPostal FK) i CODIGOS_POSTALES (CodigoPostal PK, Ciudad). La diferència amb la 2FN és que aquí l'atribut depèn d'un no clau, no d'una part de la clau.
ShopSphere: de la taula única a 3FN
Una taula única amb comandes, clients i productes es divideix en quatre:
- CLIENTES (ClienteID, Nombre, Ciudad)
- PEDIDOS (PedidoID, Fecha, ClienteID)
- PRODUCTOS (ProductoID, NombreProducto, PrecioCatalogo)
- DETALLE_PEDIDO (PedidoID, ProductoID, Cantidad)
El preu actual (PRODUCTOS) i el preu de venda d'una comanda passada (DETALLE_PEDIDO) són dues dades diferents.
Supòsits: cada comanda té un client. Un producte surt com a màxim una vegada per comanda. PrecioCatalogo és el preu actual.
Taula inicial, amb una fila per producte de cada comanda:
| PedidoID | ProductoID | Fecha | ClienteID | Cliente | Ciudad | Producto | PrecioCatalogo | Cantidad |
|---|---|---|---|---|---|---|---|---|
| 1001 | 10 | 2026-09-15 | 1 | Ana | Barcelona | Portàtil | 899 | 1 |
| 1001 | 20 | 2026-09-15 | 1 | Ana | Barcelona | Ratolí | 25 | 2 |
| 1002 | 10 | 2026-09-17 | 1 | Ana | Barcelona | Portàtil | 899 | 1 |
- 1. Clau i 1FNPK = (PedidoID, ProductoID). Els valors són atòmics: ja és 1FN.
- 2. Dependències parcialsPedidoID → Fecha, ClienteID, Cliente, Ciudad. ProductoID → Producto, PrecioCatalogo. Separa PEDIDOS i PRODUCTOS.
- 3. Dependència completa(PedidoID, ProductoID) → Cantidad. La quantitat es queda a DETALLE_PEDIDO.
- 4. Dependència transitivaA PEDIDOS: PedidoID → ClienteID → Cliente, Ciudad. Separa CLIENTES.
- 5. RevisióLes PK i FK connecten les quatre taules.
Tornar a unir les dades
Separar no vol dir perdre informació. Un JOIN ho torna a ajuntar:
SELECT pe.PedidoID, pe.Fecha, c.Nombre,
p.NombreProducto, d.Cantidad
FROM PEDIDOS AS pe
INNER JOIN CLIENTES AS c ON c.ClienteID = pe.ClienteID
INNER JOIN DETALLE_PEDIDO AS d ON d.PedidoID = pe.PedidoID
INNER JOIN PRODUCTOS AS p ON p.ProductoID = d.ProductoID;Surt una fila per línia de comanda. El nom del client es repeteix al resultat, però a la base de dades només està guardat un cop.
Preu actual i preu de venda
Avui el portàtil costa 950 €. Una comanda antiga de 899 € no ha de canviar. Solució: afegeix PrecioVenta a DETALLE_PEDIDO i mantén PrecioCatalogo a PRODUCTOS.
- ProductoID → PrecioCatalogo (el preu d'avui).
- (PedidoID, ProductoID) → PrecioVenta (el preu d'aquella venda).
No és una dada duplicada: són dos fets diferents. Passa el mateix amb l'adreça de facturació d'una compra antiga i l'adreça actual del client.
UniLearn: exercici resolt
Taula: EstudianteID, Estudiante, CursoID, Curso, ProfesorID, Profesor, Nota.
- Clau: (EstudianteID, CursoID).
- 2FN: EstudianteID → Estudiante i CursoID → Curso, ProfesorID són parcials. Separa ESTUDIANTES i CURSOS.
- 3FN: CursoID → ProfesorID → Profesor és transitiva. Separa PROFESORES.
- Resultat: ESTUDIANTES, PROFESORES, CURSOS i MATRICULAS (amb la Nota).
Taula: EstudianteID, Estudiante, CursoID, Curso, ProfesorID, Profesor, Nota. Cada curs té un professor. Cada estudiant es pot matricular en diversos cursos. La nota depèn de l'estudiant i del curs. Troba la clau, les dependències i les taules fins a 3FN.
Solució
Clau: (EstudianteID, CursoID). Suposem una sola matrícula per estudiant i curs.
Dependències:
- EstudianteID → Estudiante (parcial)
- CursoID → Curso, ProfesorID (parcial)
- ProfesorID → Profesor (transitiva dins de CURSOS)
- (EstudianteID, CursoID) → Nota (completa)
2FN: separa ESTUDIANTES i CURSOS. MATRICULAS conserva la parella i la nota.
3FN: a CURSOS hi ha CursoID → ProfesorID → Profesor. Treu el nom del professor a PROFESORES.
Si un estudiant pot repetir el mateix curs en anys diferents, cal afegir l'edició a la clau.
Taula PRESTECS (SociID, NomSoci, TelefonSoci, LlibreID, Titol, EditorialID, NomEditorial, DataPrestec). Clau: (SociID, LlibreID). Cada llibre té una editorial. Porta-la a 3FN.
Solució
- 1FN: ja ho és (valors atòmics).
- 2FN: SociID → NomSoci, TelefonSoci (parcial) → taula SOCIS. LlibreID → Titol, EditorialID, NomEditorial (parcial) → taula LLIBRES.
- 3FN: a LLIBRES, LlibreID → EditorialID → NomEditorial (transitiva) → taula EDITORIALS.
Pregunta. Normalitza fins a 3FN: (EstudianteID, Estudiante, CursoID, Curso, ProfesorID, Profesor, Nota). Cada curs té un sol professor.
Resposta model. Clau: (EstudianteID, CursoID), perquè la nota depèn de la parella. 2FN: EstudianteID → Estudiante i CursoID → Curso, ProfesorID són dependències parcials; separo ESTUDIANTES i CURSOS. 3FN: CursoID → ProfesorID → Profesor és transitiva; separo PROFESORES. Resultat: ESTUDIANTES (EstudianteID, Estudiante), PROFESORES (ProfesorID, Profesor), CURSOS (CursoID, Curso, ProfesorID FK) i MATRICULAS (EstudianteID FK, CursoID FK, Nota).
Disseny real i pràctica de WooCommerce
A la pràctica, normalitzar es combina amb rendiment i manteniment. Si un disseny repeteix dades a propòsit, cal justificar-ho i dir com es mantenen coherents.
Exemples a WooCommerce: metadades en files clau–valor (wp_postmeta), dades històriques de la compra i taules de totals per anar més ràpid. Un producte en dues categories és una relació N:M.
Les diapositives demanen combinar normalització amb rendiment, volum, consultes i manteniment. Una excepció s'ha de justificar i documentar.
| Què veus a la pràctica | Com raonar-ho |
|---|---|
| Metadades en files clau–valor (wp_postmeta) | Donen flexibilitat. Compliquen tipus, validacions i consultes |
| Nom i cognoms separats | Permeten buscar i ordenar per cognom |
| Dades de la compra guardades a part | Representen el moment de la compra, no la fitxa actual |
| Taules de totals | Fan les consultes més ràpides. Cal explicar com s'actualitzen |
| Producte en dues categories | Relació N:M: CATEGORIAS i PRODUCTO_CATEGORIA |
No diguis «3FN» només mirant els noms de les columnes. Escriu les claus, les dependències i els supòsits.
La Pràctica 2
La fitxa demana:
- explorar les taules i trobar dues relacions 1:N i dues N:M,
- dibuixar l'ER i passar-lo a model lògic,
- normalitzar una taula aplanada de quatre files,
- fer consultes SQL amb captures,
- preparar una exposició de 8–10 minuts.
Mínims de la botiga: 3 categories, 10 productes, 3 clients i 5 comandes, amb almenys un producte en dues categories.
Comprova a la teva base els noms i les claus reals. Una relació de l'aplicació no sempre té una FOREIGN KEY declarada al SGBD.
Com resoldre un exercici d'examen
Set passos: què és cada fila → clau i supòsits → dependències → 1FN → 2FN → 3FN → revisió.
Justifica cada separació amb el determinant. Exemple: «NombreProducto depèn de ProductoID, que només és una part de la clau. És una dependència parcial. El trasllado a PRODUCTOS i deixo ProductoID com a FK.»
- 1. Què és cada fila?Una comanda, una línia o una matrícula?
- 2. Clau i supòsitsQuè fa única la fila? Es pot repetir un producte en una comanda?
- 3. DependènciesEscriu totes les A → B segons les regles del negoci.
- 4. 1FNUn valor per cel·la. Cap llista ni grup repetitiu.
- 5. 2FNSepara el que depèn d'una part de la clau composta.
- 6. 3FNSepara el que depèn d'un atribut no clau.
- 7. RevisióPK i FK. Pots tornar a unir-ho tot amb JOIN?
Frases per justificar:
- «X depèn de Y, que és només una part de la clau. És una dependència parcial: X va a la taula de Y.»
- «Z depèn de W, que no és clau. És una dependència transitiva: creo una taula amb W com a PK.»
- «La quantitat depèn de la parella. Es queda a la taula intermèdia.»
Connexions amb els altres temes
| Tema | Connexió |
|---|---|
| T3 | El resultat de normalitzar és el mateix que el d'un bon model ER: una N:M acaba en una taula intermèdia. |
| T2 | Cada taula que separes conserva una clau forana per poder-la tornar a unir amb JOIN. |
| T1 | Les anomalies són la versió precisa de la duplicació i la inconsistència dels fitxers plans. |
Errors típics d'examen
Tota repetició és un error
Repetir una FK en una 1:N és normal.
1FN = normalitzat
1FN no treu les dependències parcials ni transitives.
Afegir un ID resol 2FN
El nom del producte continua repetit.
Quantitat a PRODUCTOS
Canvia a cada comanda: va a DETALLE_PEDIDO.
Parcial = transitiva
Parcial: depèn d'una part de la clau. Transitiva: depèn d'un no clau.
Separar sense FK
Si no conserves les claus, no pots tornar a unir les dades.
Preu actual = preu de venda
Són dos fets diferents.
Xuleta
| Si veus… | Pensa… |
|---|---|
| A → B | Si sé A, sé B |
| Llistes en una cel·la o Telefono1, Telefono2 | No és 1FN |
| Atribut que depèn d'una part de la clau | Dependència parcial → no és 2FN |
| Clau → no clau → altre no clau | Dependència transitiva → no és 3FN |
| Nom del producte repetit al detall | Taula PRODUCTOS i ProductoID com a FK |
| Quantitat d'un producte en una comanda | DETALLE_PEDIDO |
| Nota d'un alumne en un curs | MATRICULAS |
| Canviar la mateixa dada en moltes files | Anomalia d'actualització |
| No poder registrar una dada sola | Anomalia d'inserció |
| Perdre dades en esborrar | Anomalia d'eliminació |
| Preu de catàleg i preu de venda | Dos fets: guarda'ls tots dos |
| Regla de memòria | La clau, tota la clau i res més que la clau |
Fonts
Basat en T4.pdf (Gabriela Zúñiga Zárate) i la fitxa de la Pràctica 2. Tema 3 i Tema 4. ShopSphere i UniLearn són els casos del material. El tema cobreix 1FN, 2FN i 3FN.
02. Test
12 fàcils, 14 mitjanes i 14 difícils. L'ordre canvia cada vegada.
03. Targetes
Toca la targeta per girar-la i marca si te la saps. El progrés queda desat.