graphes

48
 Introduction à la théorie des graphes Eric Sigward [email protected] Les sept ponts de Königsberg

Upload: sebastien-hamel

Post on 07-Jul-2015

627 views

Category:

Documents


0 download

TRANSCRIPT

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 1/47

 

Introduction à la théorie des graphes

Eric [email protected]

Les sept ponts de Königsberg

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 2/47

 

Introduction 2

Définitions et premiers exemples 2

Graphes non orientés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

Graphes orientés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Terminologie 7

Éléments de la théorie des graphes 9

G r a p h e s e u l é r i e n s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

Graphes hamiltoniens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Matrice d’adjacence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

Coloriage des sommets d’un graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Graphes valués et problème du plus court chemin . . . . . . . . . . . . . . . . . . . . . . . . . .20

Graphes probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

Chaîne de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

Graphes probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

Les graphes en Terminale ES 34

Exercices 35

Solutions des exercices 38

Complément : les arbres 43Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

Arbre de recouvrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

Arbre partiel de coût minimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

1

Eric Sigward Introduction à la théorie des graphes Mars 2002

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 3/47

 

A Introduction

L’histoire de la théorie des graphes débute peut-être avec les travaux d’Euler auXVIII   siècle et trouve son origine dans l’étude de certains problèmes, tels que celuides ponts de Königsberg (voir page de couverture, les habitants de Königsberg sedemandaient s’il était possible, en partant d’un quartier quelconque de la ville, detraverser tous les ponts sans passer deux fois par le même et de revenir à leur pointde départ), la marche du cavalier sur l’échiquier ou le problème de coloriage decartes.

La théorie des graphes s’est alors développée dans diverses disciplines tellesque la chimie, la biologie, les sciences sociales. Depuis le début du XX  siècle,elle constitue une branche à part entière des mathématiques, grâce aux travaux deKönig, Menger, Cayley puis de Berge et d’Erdös.

De manière générale, un graphe permet de représenter la structure, les connex-ions d’un ensemble complexe en exprimant les relations entre ses éléments : réseaude communication, réseaux routiers, interaction de diverses espèces animales, cir-cuits électriques,...

Les graphes constituent donc une méthode de pensée qui permet de modéliserune grande variété de problèmes en se ramenant à l’étude de sommets et d’arcs.Les derniers travaux en théorie des graphes sont souvent effectués par des infor-maticiens, du fait de l’importance qu’y revêt l’aspect algorithmique.

B Définitions et premiers exemples

B.1 Graphes non orientés

1. DéfinitionUn graphe simple    est un couple formé de deux ensembles : un ensemble      Ü 

½ 

Ü 

¾ 

Ü  

Ò 

  dont les éléments sont appelés sommets, et un ensemble       

½ 

 

¾ 

 

Ñ 

  , partie de l’ensemble È 

¾ 

(  ) des parties à deux élémentsde   , dont les éléments sont appelé s arêtes. On notera    ́   µ  .Lorsque       Ü Ý  ¾    , on dit que   est l’arête de   d’extrémités Ü  et Ý  , ou que 

 jointÜ 

etÝ 

, ou que 

passe parÜ 

etÝ 

. Les sommetsÜ 

etÝ 

sont dits adjacents

dans   .

2

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 4/47

 

2. DéfinitionUn multigraphe     ́  µ  est déterminé par :

– un ensemble   de sommets

– un ensemble cette fois abstrait

– une application      È 

¾ 

 ́   µ 

Dans cet exemple, Ü  , Ý  , Þ  , Ø  sont les sommets du multigraphe et :    ́  

½ 

µ  

   ́  

¾ 

µ      ́  

¿ 

µ     Ü Ø         ́  

 

µ     Ü Ý         ́  

 

µ     Ü Þ         ́  

 

µ     Þ Ø     

Un multigraphe avec boucles est un triplet  ́  µ  où   est une applicationde

 

dansÈ 

¾ 

 ́   µ  È 

½ 

 ́   µ 

en d’autres termes, un multigraphe avec bouclespeut comprendre des arêtes multiples entre deux sommets donnés ainsi quedes boucles multiples en un sommet.

3. Exemples :

a. Le graphe d’un tournoi,Ì   ́   µ 

où :  est l’ensemble des participants au tournoi  est l’ensemble des paires de joueurs se rencontrant dans le tournoi.

b. La carte routière de la France,   ́   µ 

où  est l’ensemble des villes de la France.      Ü Ý     

il y a au moins une route directe reliant les villesÜ 

etÝ   

c. Le graphe discret d’ordre Ò  ,  

Ò 

 ́   µ 

d. Le graphe complet d’ordreÒ 

,à

Ò 

où      ½  ¾  Ò    

et    È 

¾ 

 ́   µ 

à

½ 

à

¾ 

à

¿ 

à

 

à

 

e. Le graphe biparti-complet à

Ô Õ 

où       Ü 

½ 

Ü 

¾ 

Ü  

Ô 

Ý 

½ 

Ý 

¾ 

Ý  

Õ 

  et      Ü 

 

Ý 

 

    ½        Ô 

et½        Õ   

3

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 5/47

 

à

  ¾ 

f. Le cycle  

Ò 

, où       ½  ¾  Ò     et       ½  ¾      ¾  ¿      Ò    ½  Ò      Ò ½   

 

 

4. DéfinitionSoit    ́   µ  un graphe simple, et Ü  un sommet de ce graphe. Le degré 

de Ü  , noté    ́ Ü  µ  , est le nombre d’arêtes incidentes à Ü c’est–à-dire contenant Ü  .Lorsque    ́ Ü  µ ¼  , on dit que le sommet Ü  est isolé , lorsque Ü  ½  , il est dit

 pendant .Exemples :

si Ü  est un sommet de  

Ò 

,    ́ Ü  µ ¾ 

si ܠ est un sommet de à

Ò 

,    ́ Ü  µ   Ò    ½ 

5. DéfinitionUn graphe simple est dit régulier  de degré Ö  , lorsque tous ses sommets sont dedegré Ö  .

6. Lemme des poignées de mainsSoit    ́   µ  un graphe simple, alors

  

Ü  ¾   

   ́ Ü  µ ¾   

En effet, chaque paire  Ü Ý   

de 

est comptée deux fois, une fois pour   ́ Ü  µ 

etune seconde fois pour    ́ Ý  µ 

RemarqueLe lemme des poignées de mains reste valable pour les multigraphesavec bouclesen convenant qu’une boucle contribue pour 2 dans le calcul du degré d’un som-met.

7. Exercices

a. Montrer qu’un graphe simple a un nombre pair de sommets de degré impair.

NotonsÈ 

l’ensemble des sommets de degré pair etÁ 

l’ensemble des sommetsde degré impair d’un graphe simple    ́   µ  È  et Á  forment une partition

4

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 6/47

 

de

d’après le lemme des poignées de mains, on a :  

Ü  ¾   

   ́ Ü  µ ¾     

  

Ü  ¾  È 

   ́ Ü  µ · 

  

Ü  ¾  Á 

   ́ Ü  µ 

Or ¾    et  

Ü  ¾  È 

   ́ Ü  µ  sont des entiers pairs, on en déduit alors que  

Ü  ¾  Á 

   ́ Ü  µ 

est également pair, comme différence de deux entiers pairs. Chaque terme decette dernière somme est impair, elle ne peut donc être paire que si et seule-ment si le nombre de termes est pair, on a donc montré que Á  est un entierpair.

b. Est-il possible de relier 15 ordinateurs de sorte que chaque appareil soit reliéavec exactement trois autres ?

Considérons le graphe simple dont les sommets sont les 15 ordinateurs, lesarêtes étant les liaisons entre ces ordinateurs. Si chaque appareil est relié àexactement 3 ordinateurs du réseau, les sommets du graphe sont tous de degréimpair. D’après le résultat établi dans l’exercice précédent, un tel graphe doitposséder un nombre pair de sommets, le réseau est donc impossible.

c. Montrer que le nombre total de gens qui ont habité la Terre et qui ont donnéun nombre impair de poignées de mains est pair.

Considérons le graphe dont les sommets sont les gens qui ont habité la Terre etdont les arêtes représentent les poignées de mains échangées entre ces person-nes. La réponse à la question découle immédiatement du résultat du premierexercice.

B.2 Graphes orientés

1. Définition

Un graphe orienté    est formé de deux ensembles : un ensemble       Ü 

½ 

Ü 

¾ 

Ü  

Ò 

 

dont les éléments sont appelés sommets, et un ensemble        

½ 

 

¾ 

 

Ñ 

  ,partie du produit cartésien   ¢    , dont les éléments sont appelés arcs. On notera   ́   µ  .

Si    ́ Ü Ý  µ  est un arc du graphe   , Ü  est l’extrémitéinitiale de   et Ý  l’extrémitéfinale de   .

5

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 7/47

 

RemarqueÀ tout graphe orienté    ́   µ  on associe le graphe simple  ́   µ  où :  Ü Ý  ¾     ̧ ´  ́ Ü Ý  µ  ¾   

ou ́ Ý Ü  µ  ¾    µ µ 

2. DéfinitionSoit Ü  un sommet d’un graphe orienté. On note  

· 

 ́ Ü  µ  le nombre d’arcs ayant Ü 

comme extrémité initiale, et 

 

 ́ Ü  µ 

le nombre d’arcs ayantÜ 

comme extrémitéfinale. Ainsi, on a :

   ́ Ü  µ    

· 

 ́ Ü  µ ·   

 

 ́ Ü  µ 

3. Exercice   ́   µ  est un graphe orienté, montrer que  

  

Ü  ¾   

 

· 

 ́ Ü  µ  

  

Ü  ¾   

 

 

 ́ Ü  µ 

En effet, on a clairement :  

Ü  ¾   

 

· 

 ́ Ü  µ  

  

Ü  ¾   

 

 

 ́ Ü  µ    

6

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 8/47

 

C Terminologie

 ̄ Sous-graphe : À   ́   µ  est un sous-graphe de    ́   µ  si       et   

 ̄ Graphe partiel :À   ́   µ 

est un graphe partiel de   ́   µ 

si     

et   

 ̄ Ordre d’un graphe : l’ordred’un graphe est le nombre de sommets de ce graphe.

 ̄ Chaîne : suite finie de sommets reliés entre eux par une arête.

 ̄ Chaîne simple : chaîne qui n’utilise pas deux fois la même arête.

 ̄ Chaîne eulérienne : chaîne simple passant par toutes les arêtes d’un graphe.

 ̄ Chaîne hamiltonienne : chaîne simple passant par tous les sommets d’un grapheune et une seule fois.

 ̄ Chemin : suite de sommets reliés par des arcs dans un graphe orienté.

 ̄ Cycle : chaîne qui revient à son point de départ.

 ̄ Cycle eulérien : cycle simple passant par toutes les arêtes d’un graphe une etune seule fois.

 ̄ Cycle hamiltonien : cycle simple passant par tous les sommets d’un graphe uneet une seule fois.

 ̄ Graphe connexe : un graphe   est dit connexe si pour toute paire de sommets  Ü Ý   

de 

, il existe une chaîne de premier termeÜ 

et de dernier termeÝ 

.

 ̄ Arbre : graphe connexe sans cycle simple et sans boucle.

 ̄ Graphe eulérien : graphe qui possède un cycle eulérien.

 ̄ Graphe semi-eulérien : graphe qui possède une chaîne eulérienne. ̄ Graphe hamitonien : graphe qui possède un cycle hamiltonien.

 ̄ Graphe semi-hamiltonien : graphe qui possède une chaîne hamiltonienne.

 ̄ Graphe valué : graphe où des réels sont associés aux arêtes. Dans cet exposé,on ne considérera que des valuations positives.

 ̄ Longueur d’une chaîne : nombre des arêtes qui composent la chaîne.

 ̄ Valeur d’une chaîne : somme des valeurs des arêtes (arcs) d’une chaîne d’ungraphe valué.

 ̄

Distance entre deux sommets : longueur de la plus courte chaîne joignant cesdeux sommets.

 ̄ Diamètre d’un graphe : maximum des distances entre les sommets d’un graphe.

 ̄ Indice chromatique : nombre minimal de couleurs permettant de colorier les

7

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 9/47

 

arêtes d’un graphe, de telle sorte que deux arêtes adjacentes n’aient pas la mêmecouleur.

 ̄ Nombre chromatique d’un graphe : nombre minimal de couleurs permettantde colorier les sommets d’un graphe, de telle sorte que deux sommets adjacentsn’aient pas la même couleur.

8

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 10/47

 

D Éléments de la théorie des graphes

D.1 Graphes eulériens

1. Théorème d’Euler (1766)Un graphe simple connexe    ́   µ  est eulérien si et seulement si pour toutsommet Ü  de   ,    ́ Ü  µ  est pair.DémonstrationSupposons

 

eulérien, soit alors 

un cycle eulérien etÜ 

un sommet de 

. Lecycle   contient toutes les arêtes de   , donc toutes les    ́ Ü  µ  arêtes ayant Ü  commeextrémité. Lors d’un parcourt de

 

on arrive enÜ 

autant de fois qu’on en repart,chaque arête de   étant présente une et seule fois dans   ,    ́ Ü  µ  est nécessairementun nombre pair.Réciproquement, supposons que tous les sommets de   soient de degré pair.Formons une chaîne simple

 

½ 

, aussi longue que possible, à partir d’un sommetarbitraire Ü 

¼ 

. Cette chaîne  

½ 

est en fait un cycle, sinon, son extrémité finaleserait de degré impair. Si ce cycle  

½ 

contient toutes les arêtes du graphe   ,  

½ 

est le cycle eulérien cherché. Dans le cas contraire, on considère le sous-grapheÀ  obtenu à partir de   en éliminant les arêtes de  

½ 

et ses sommets qui ne sontincidents à aucune des arêtes restantes. Comme   est connexe, À  possède aumoins un sommet commun avec le cycle  

½ 

. Soit Ü 

½ 

un tel sommet. Les sommetsde

À 

sont encore de degré pair. Construisons alors, de la même manière queprécédemment, un cycle  

¾ 

dans À  à partir de Ü 

½ 

. Rallongeons le cycle  

½ 

eninsérant à partir du sommet

Ü 

½ 

le cycle 

¾ 

pour former un cycle 

¼ 

½ 

deÜ 

¼ 

àÜ 

¼ 

.Si ce cycle  

¼ 

½ 

possède toutes les arêtes de   ,  

¼ 

½ 

est le cycle eulérien cherché.Sinon, on continue ce processus, qui se terminera car les sommets du graphe  

sont en nombre fini.

Remarques

– Le théorème d’Euler reste valable pour des multigraphes connexes.

– La démonstration fournit un algorithme de construction de cycle eulérien

Exemples

i.

 

½ 

 

¾ 

 

½ 

n’est pas eulérien, ses sommets ne sont pas tous pairs.

9

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 11/47

 

 

¾ 

est eulérien, un cycle eulérien est par exemple :  

ii. Le problème des ponts de KönigsbergLa ville de Königsberg en Prusse (maintenant Kaliningrad) comprenait 4quartiers, séparés par les bras du Prégel. Les habitants de Königsberg sedemandaient s’il était possible, en partant d’un quartier quelconque de laville, de traverser tous les ponts sans passer deux fois par le même et derevenir à leur point de départ.Le plan de la ville peut se modéliser à l’aide du multigraphe ci-dessous, lesquartiers sont représentés par les 4 sommets, les 7 ponts par des arêtes :

La question posée devient alors : ce graphe est-il eulérien ? Le théorèmed’Euler répond immédiatement de façon négative aux habitants de Königs-berg.

iii. Est-il possible de tracer une courbe continue coupant chacun des 16 seg-ments de la figure ci-dessous exactement une et une seule fois ?

Considérons le multigraphe dont les sommets sont les 6 régions de la fig-ure,

et dont les arêtes sont les 16 segments qui sont frontièresentre les différentes régions.

10

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 12/47

 

Le problème consiste à construire un cycle eulérien, ce qui est impossible,car le sommet

par exemple, est de degré 5.

2. ThéorèmeUn graphe simple connexe est semi-eulérien si et seulement si il admet 0 ou ex-actement 2 sommets de degré impair.La démonstration est identique à celle du théorème d’Euler. Si le nombre desommets de degré impair est nul, la chaîne sera un cycle et le graphe sera en

fait eulérien, et s’il est égal à deux, les chaînes eulériennes du graphe auront cesdeux sommets pour extrémités.

D.2 Graphes hamiltoniens

Contrairement aux graphes eulériens, il n’existe pas de caractérisation simple desgraphes hamiltoniens ou semi-hamiltoniens. On peut cependant énoncer quelquespropriétés et conditions suffisantes.

1. Un graphe possédant un sommet de degré 1 ne peut être hamiltonien.2. Si un sommet dans un graphe est de degré 2, alors les deux arêtes incidentes à

ce sommet doivent faire partie du cycle hamiltonien.

3. Les graphesà

Ò 

sont hamiltoniens.

4. Théorème (Ore)Soit    ́   µ  un graphe simple d’ordre Ò    ¿  Si pour toute paire   Ü Ý    desommets non adjacents, on a

   ́ Ü  µ ·     ́ Ý  µ    Ò

alors 

est hamiltonien.

5. Corollaire (Dirac)Soit    ́   µ  un graphe simple d’ordre Ò    ¿  Si pour tout sommet Ü  de

on a   ́ Ü  µ   

Ò 

¾ 

alors 

est hamiltonien.En effet, un tel graphe vérifie les conditions du théorème précédent, si

Ü 

etÝ 

nesont pas adjacents, on a bien :

   ́ Ü  µ ·     ́ Ý  µ   

Ò 

¾ 

· 

Ò 

¾ 

  Ò 

6. Exemples

 

½ 

 

¾ 

 

½ 

n’est pas hamiltonien, car il possède un sommet de degré 1.

11

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 13/47

 

 

¾ 

est hamiltonien :  

est un cycle hamiltonien. (La condition du

corollaire de Dirac n’est pas nécessaire : 

¾ 

est d’ordre 5, et   ́   µ ¾   

 

¾ 

)

D.3 Matrice d’adjacence

1. DéfinitionSoit

   ́   µ 

un graphe orienté, avec      Ü 

½ 

Ü 

¾ 

Ü  

Ò 

 

La matrice 

d’adjacence  du graphe 

est la matriceÅ   ́   µ  ¾  Å 

Ò 

 ́ Ê 

) dont les coefficientsÑ 

 

sont définis par :

Ñ 

 

 

 

½ 

si ́ Ü 

 

Ü 

 

µ  ¾   

0 si  ́ Ü 

 

Ü 

 

µ   ¾   

exemple :

Å   ́   µ  

¼  

 

 

 

 

  

¼ ¼ ¼ ¼ ½  

½ ¼ ½ ¼ ¼  

¼ ¼ ¼ ¼ ¼  

¼ ½ ¼ ½ ¼  

½ ¼ ½ ¼ ¼  

½ 

 

 

 

 

 

 

2. PropriétésAvec les notations précédentes, nous avons les propriétés immédiates suivantes :

a. Pour tout  ¾   ½  ¾  Ò    

 

· 

 ́ Ü 

 

µ  

Ò 

  

  ½ 

Ñ 

 

 

 

 ́ Ü 

 

µ  

Ò 

  

  ½ 

Ñ 

 

  

 

Ñ 

 

 

Ò 

  

  ½ 

 

· 

 ́ Ü 

 

µ  

  

  ½ 

 

 

 ́ Ü 

 

µ    

b. La trace de Å   ́   µ  est égale au nombre de boucles du graphe  

Remarque La représentation matricielle est également utilisable pour desgraphes non orientés, leurs matrices sont symétriques.

3. ThéorèmeSoit    ́   µ  un graphe orienté, avec       Ü 

½ 

Ü 

¾ 

Ü  

Ò 

  de matriced’adjacence

Å   ́ Ñ 

 

µ 

Pour tout entier naturel

non nul notonsÅ 

 

 

 ́ Ñ 

 ́   µ 

 

µ 

AlorsÑ 

 ́   µ 

 

est égal au nombre de chemins de longueur 

du sommetÜ 

 

12

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 14/47

 

au sommetÜ 

 

DémonstrationEffectuons une récurrence sur

 

:Ñ 

´ ½ µ 

 

  Ñ 

 

désigne bien le nombre dechemins allant de Ü 

 

à Ü 

 

Supposons le résultat vrai pour l’entier     ½  commeÅ 

 

  Å 

    ½ 

¢  Å on a :

Ñ 

 ́   µ 

 

 

Ò 

  

Р ½ 

Ñ 

 ́     ½ µ 

Р

Ñ 

Ð  

Par hypothèse de récurrence, Ñ 

 ́     ½ µ 

Р

est le nombre de chemins de longueur     ½ 

allant deÜ 

 

àÜ 

Р

etÑ 

Ð  

est égal à 1 si ́ Ü 

Р

Ü 

 

µ 

est une arête de 

et ༠

sinon.Ñ 

 ́     ½ µ 

Р

Ñ 

Ð  

est donc le nombre de chemins de longueur   allant de Ü 

 

à Ü 

 

dontla dernière arête est  ́ Ü 

Р

Ü 

 

µ 

la somme de ces termes est donc bien le nombre dechemins de longueur   allant de Ü 

 

à Ü 

 

Exemples ̄ Déterminons le nombre de chemins de longueur 4 allant de   à   dans le graphe 

½ 

 

½ 

La matrice d’adjacence de 

½ 

est :

Å   

¼  

 

 

  

¼ ¼ ½ ½  

¼ ¼ ½ ½  

½ ½ ¼ ¼  

½ ½ ¼ ¼  

½ 

 

 

 

Le nombre de chemins cherché est le terme ´ ½  ¾ µ  de la matrice

Å 

 

 

¼  

 

 

  

¼ ¼  

¼ ¼  

¼ ¼  

¼ ¼  

½ 

 

 

 

c’est-à-dire 8. ̄ Déterminons le nombre de circuits de longueur 4 dans le graphe  

¾ 

 

13

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 15/47

 

 

¾ 

La matrice d’adjacence de  

¾ 

est :

Å   

¼  

  

¼ ½ ½ 

½ ¼ ½ 

¼ ½ ½ 

½ 

 

Le nombre de circuits de longueur 4 dans  

¾ 

est égale à la trace de Å 

 

 

Å 

 

 

¼  

  

¿  

¾  

¿  

½ 

 

et Ø Ö   ́ Å 

 

µ ½  

4. ExerciceSoit   un graphe simple orienté d’ordre Ò de matrice d’adjacence Å Mon-trer que si

Å 

Ò  n’est pas nulle, alors le graphe 

contient des cycles. Étudier laréciproque.

SiÅ 

Ò  n’est pas la matrice nulle, il existe ́   µ  ¾   ½  ¾  Ò    

¾ 

tel queÑ 

 ́ Ò  µ 

 

 

¼  Il existe donc au moins un chemin de longueur Ò  de Ü 

 

à Ü 

 

Or un cheminde longueur Ò  dans un graphe d’ordre Ò  passe au moins deux fois par le mêmesommet, c’est qu’il existe un cycle dans

Réciproquement si   contient un cycle, alors on peut trouver un chemin delongueur arbitraire dans le graphe, en particulier un chemin de longueur

Ò

On

en déduit queÅ 

Ò 

¼ 

D.4 Distance

1. DéfinitionSoit

   ́   µ 

un graphe orienté. Pour tout ́ Ü Ý  µ  ¾   

¾ 

la distance  entre lesommet Ü  et le sommet Ý  est le nombre    ́ Ü Ý  µ  défini par :

   ́ Ü Ý  µ  

 

½ 

s’il n’existe pas de chemin deÜ 

àÝ 

Ñ Ò    Р  ́   µ    est un chemin de Ü  à Ý   

Р  ́   µ  désigne la longueur du chemein La matrice des distances du graphe   estla matrice

   ́  

 

µ  ́    ́ Ü 

 

Ü 

 

µ µ 

14

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 16/47

 

exemple

 

La matrice des distances de   est :

   

¼  

  

¼ ½ ½ 

½ ¼ ½ 

½ ½  ¼ 

½ 

 

2. Algorithme de MooreSoit

Ü 

etÝ 

deux sommets d’un graphe   ́   µ 

L’algorithme suivant calculela distance    ́ Ü Ý  µ  :On étiquette les sommets de   en observant les règles suivantes :

– le sommetÜ 

reçoit l’étiquette 0

– si ́ Ù Ú  µ  ¾   

etÙ 

est étiqueté 

:

i. siÚ 

n’est pas étiqueté, alorsÚ 

reçoit l’étiquette  · ½ 

ii. si Ú  est étiqueté Ð alors l’étiquette de Ú  est remplacée par Ñ Ò ´  Ð   · ½ µ 

Si, à la fin, Ý  à une étiquette alors    ́ Ü Ý  µ   sinon    ́ Ü Ý  µ   ½ 

Exemple

On a dans cet exemple:   ́ Ü Ý  µ ¿ 

Remarque : lorsque    ́ Ü Ý  µ   l’algorithme précédent permet d’exhiberde façon récursive les chemins de longueur

 

deÜ 

àÝ 

: on part deÝ 

et ondétermine les sommets Þ  tels que  ́ Þ Ý  µ  ¾    avec    ́ Ü Þ  µ       ½  et ainsi de

suite jusqu’enÜ

15

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 17/47

 

D.5 Coloriage des sommets d’un graphe

1. DéfinitionsSoit    ́   µ  un graphe non orienté. Un sous-ensemble Ë  de   est stable 

s’il ne comprend que des sommets non adjacents deux à deux. Le cardinal de laplus grande partie stable est le nombre de stabilité  de

on le note«   ́   µ 

La coloration des sommets d’un graphe consiste à affecter tous les sommets dece graphe d’une couleur de telle sorte que deux sommets adjacents ne portentpas la même couleur. Une coloration avec   couleurs est donc une partition de

l’ensemble des sommets en   parties stables. Le nombre chromatique , noté ́   µ  du graphe   est le plus petit entier   pour lequel il existe une partition de

 

en 

sous-ensembles stables.

2. Encadrement du nombre chromatique

a. PropositionSoit

   ́   µ 

un graphe simple d’ordreÒ

On a l’encadrement suivant : 

Ò 

«   ́   µ 

 

   ́   µ    Ö  · ½ 

oùÖ 

est le degré maximal des sommets du graphe

DémonstrationNotons   Ë 

½ 

Ë 

¾ 

Ë  

 

  une partition de   en   parties stables avec    

 ́   µ 

Alors :

Ò   

 

  

  ½ 

Ë 

 

 

 

  

  ½ 

«   ́   µ   «   ́   µ    ́   µ  «   ́   µ 

Ò «   ́   µ  et  ́   µ  étant des entiers naturels, l’inégalité de gauche est établie.

Construisons une partition de   en sous-ensembles stables de la manièresuivante :

£ 

on considère un sommetÜ 

½ 

arbitraire de

etË 

½ 

est une plus grande partiestable de   contenant Ü 

½ 

£  s’il existe un sommet Ü 

¾ 

de   qui n’est pas dans Ë 

½ 

, on construit Ë 

¾ 

uneplus grande partie stable de

 

contenantÜ 

¾ 

disjointe deË 

½ 

£  s’il existe un sommet Ü 

¿ 

de   qui n’est pas dans Ë 

½ 

  Ë 

¾ 

on construit Ë 

¿ 

plus grande partie stable de   contenant Ü 

¿ 

telle que Ë 

½ 

Ë 

¾ 

et Ë 

¿ 

soientdeux à deux disjointes.

£    étant un ensemble fini, ce procédé se terminera et nous obtenons unepartition

  Ë 

½ 

Ë 

¾ 

Ë  

 

 

de

En choisissant une couleur par élément de

la partition, nous aurons nécessairement :  ́   µ   

Considérons à présent un sommetÜ 

de la partieË 

 

Le caractère maximaldes parties construites assure que ce sommet Ü  est adjacent à au moins unsommet de chaque partie Ë 

 

  ¾   ½  ¾      ½    On en déduit alors que

16

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 18/47

 

   ́ Ü  µ        ½ 

d’où :Ö       ́ Ü  µ        ½     ́   µ    ½ 

ce qui établit la deuxième inégalité.

b. PropositionSoit    ́   µ  un graphe simple d’ordre Ò alors :

 ́   µ ·  «   ́   µ    Ò  · ½ 

Démonstration

Considérons Ë une partie stable de   de cardinal «   ́   µ  Une coloration pos-sible des sommets consiste à colorier les sommets de Ë  d’une même couleuret les

Ò    «   ́   µ 

autres sommets de couleurs toutes différentes. On en déduitque :

 ́   µ    ½ ·  ́ Ò    «   ́   µ µ 

3. Exemples

i.  ́  

¾  Ò 

µ ¾ 

ii. ́  

¾  Ò  · ½ 

µ ¿ 

pourÒ    ½ 

iii.  ́  

Ò 

µ ½ 

iv.  ́ à

Ò 

µ   Ò 

v. Déterminons le nombre chromatique du graphe   suivant :

Considérons la partition de l’ensemble des sommets de   en sous-ensemblesstables :

Ë 

½ 

       

Ë 

¾ 

       

Ë 

¿ 

       

on a donc ́   µ    ¿ 

D’autre part, 

contient un cycle d’ordre 3, donc ́   µ    ¿  Finalement, le nombre chromatique de   est donc 3. La parti-

tion précédente en donne une 3_coloration :

17

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 19/47

 

4. Exemples d’application

a. Problème d’emploi du tempsUne université doit organiser les horaires des examens. On suppose qu’il y a7 épreuves à planifier, correspondant aux cours numérotés de 1 à 7 et que lespaires de cours suivantes ont des étudiants communs : 1 et 2, 1 et 3, 1 et 4, 1et 7, 2 et 3, 2 et 4, 2 et 5, 2 et 7, 3 et 4, 3 et 6, 3 et 7, 4 et 5, 4 et 6, 5 et 6, 5 et7 et 6 et 7. Comment organiser ces épreuves de façon qu’aucun étudiant n’aità passer deux épreuves en même temps et cela sur une durée miminale ?

Solution :Construisons le graphe

 

dont les sommets sont les épreuves numérotées de 1

à 7, une arête relie deux de ses sommets lorsque les deux cours correspondantpossèdent des étudiants communs :

Planifier les examens en un temps minimal consiste à déterminer une   _coloration de avec      ́   µ 

  possède un sous-graphe complet d’ordre 4 (de sommets 1,2,3,4), donc ́   µ      Déterminons une partition des sommets de   en sous-ensembles

stables :Ë 

½ 

    ½     

Ë 

¾ 

    ¾   

Ë 

¿ 

    ¿     

Ë 

 

         

d’où ́   µ     

et finalement ́   µ  

Les examens peuvent être répartis

en 4 périodes, de la manière suivante :

18

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 20/47

 

£ 

1Ö   période, épreuves des cours 1 et 6

£ 

2  période, épreuve du cours 2

£  3  période, épreuves des cours 3 et 5

£  4  période, épreuves des cours 4 et 7.

b. Un problème d’aquariophilie (exercice du document d’accompagnement )A, B, C, D, E, F, G et H désignent huit poissons ; dans le tableau ci-dessous,une croix signifie que les poissons ne peuvent cohabiter dans un même aquar-

ium :A B C D E F G H

A x x x x xB x x x xC x x x x xD x x x xE x x x xF x x xG x x x xH x x x

Quel nombre minimum d’aquariums faut-il ?Solution :Construisons le graphe   dont les sommets sont les huit poissons tel quedeux de ses sommets sont reliés lorsque les poissons associés à ces sommetsne peuvent cohabiter. Le nombre minimum d’aquariums est égal au nombrechromatique de ce graphe.

 

contient un sous-graphe complet d’ordre 4 (de sommets À   µ 

donc ́   µ      Déterminons une partition des sommets de   en sous-ensembles

stables :Ë 

½ 

       

Ë 

¾ 

       

Ë 

¿ 

       

19

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 21/47

 

Ë 

 

    À   

donc  ́   µ      et on en déduit que  ́   µ  

5. Algorithme de coloriage des sommets d’un graphe simpleVoici un algorithme permettant de colorier un graphe simple. Nommons lessommets du graphe en ordre de degré décroissant : Ü 

½ 

Ü 

¾ 

Ü  

Ò 

avec    ́ Ü 

 

µ   

   ́ Ü 

 

µ 

pour 1      Ò

Attribuons la couleur 

½ 

àÜ 

½ 

et au sommet suivantde la liste qui n’est pas adjacent à Ü 

½ 

et ainsi de suite avec les sommets de laliste qui ne sont pas adjacents aux sommets déjà coloriés. Ensuite, on attribue

la couleur 

¾ 

au premier sommet non colorié ainsi qu’aux sommets suivants quine sont pas adjacents aux sommets coloriés par la couleur  

¾ 

On continue ceprocessus jusqu’à épuisement des sommets de la liste. Remarquons bien que lenombre de couleurs ainsi utilisées n’est pas nécessairement minimal.Appliquons cet algorithme au graphe de l’exemple précédent. Rangeons les som-mets par ordre de degré décroissant :

Sommet degréA 5C 5B 4

D 4E 4G 4F 3H 3

On attribue la couleur 

½ 

aux sommets : A et EOn attribue la couleur  

¾ 

aux sommets : C et BOn attribue la couleur  

¿ 

aux sommets : D,F et GOn attribue enfin la couleur

 

 

au sommet H.

D.6 Graphes valués et problème du plus court chemin

Beaucoup de problèmes peuvent être modélisés en utilisant des graphes valués.Les problèmes de cheminement dans les graphes, en particulier la recherche duplus court chemin, comptent parmi les problèmes les plus anciens de la théorie desgraphes et les plus importants par leurs applications : coût de transport, temps deparcours, problème de trafic,. . . Les algorithmes de recherche de plus court cheminseront différents selon les caractérisitiques du graphe.

1. Définition

Un graphe valué  est un graphe orienté    ́   µ  muni d’une fonction :    Ê 

£ 

· 

appelée fonction de coût .Remarque On peut également définir la notion de graphe valué non orienté

20

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 22/47

 

2. Exemple

Graphe valué de modélisation d’un réseau aérien

3. DéfinitionsLe coût d’un chemin est la somme des coûts des arcs de ce chemin. On peutdéfinir la matrice des coûts du graphe, c’est la matrice    ́  

 

µ  où :

 

 

 

 

 

 

¼ 

si     

½  si       et  ́ Ü 

 

Ü 

 

µ   ¾   

 ́ Ü 

 

Ü 

 

µ 

si     

et ́ Ü 

 

Ü 

 

µ  ¾   

4. DéfinitionSoit

   ́   µ 

un graphe valué,Ü 

etÝ 

deux éléments de

Une chemin 

de   de Ü  à Ý  est dit minimum lorsque pour tout chemin  

¼  de   allant de Ü  à Ý 

on a : ́  

¼ 

µ     ́   µ 

On définit la matriceÅ   ́ Ñ 

 

µ 

de coût minimum par :

Ñ 

 

 

 

 

 

¼ 

si     

½  s’il n’existe pas de chemin de Ü  à Ý 

Ñ Ò     ́   µ    chemin de Ü  à Ý   

Décrivons à présent deux algorithmes de recherche de chemin minimum.

5. Algorithme de Dijkstra ½  ( 1959 )Numérotons les sommets du graphe de 1 à Ò Cet algorithme calcule le pluscourt chemin du sommet 1 à tous les sommets du graphe ( il donnera donc lapremière ligne de la matrice de coût minimum ). On construit un vecteur    

 ́   ´ ½ µ    ´ ¾ µ     ́ Ò  µ µ 

ayantÒ 

composantes tel que   ́   µ 

soit égal à la longueurdu plus court chemin allant de 1 au sommet On initialise ce vecteur à  ́  

½   

µ 

c’est-à-dire à la première ligne de la matrice des coûts du graphe. On considèreensuite deux ensembles de sommets, Ë  initialisé à   ½    et Ë  son complémentairedans ensemble des sommets du graphe. À chaque pas de l’algorithme, onajoute à

Ë 

des sommets jusquà ce queË     

de telle sorte que le vecteur 

donne à chaque étape le coût minimal des chemins de 1 aux sommets de Ë

½  Edsger Dijsktra, Université d’Amsterdam

21

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 23/47

 

Description de l’algorithme :initialisations

   ́  

½   

µ 

pour  ¾   ½  ¾  Ò    

Ë      ½    ; Ë      ¾  ¿  Ò    

itérationsTant que

Ë     

Choisir   dans Ë  tel que    ́   µ  est minimumRetirer   de Ë  et l’ajouter à Ë 

Pour chaque successeur   de   dans Ë 

   ́   µ Ñ Ò ´     ́   µ     ́   µ ·   ́   µ µ 

Exemple :Appliquons l’algorithme de Dijkstra au graphe suivant :

InitialisationË      ½    ; Ë      ¾  ¿        ;   ´ ¼  ½   ½  ½  µ 

1Ö   itération :   

car  ´ µ Ñ Ò ´ ½   ½  ½  µ  

Ë      ½     

;Ë      ¾  ¿     

; les successeurs de 5 dansË 

sont 3 et 4,  ´ ¿ µ 

prend la nouvelle valeurÑ Ò ´  ½    ´ µ ·   ´   ¿ µ µ Ñ Ò ´  ½  · µ ½ ½     ´ µ 

prend la nouvelle valeur Ñ Ò ´  ½    ´ µ ·   ´   µ µ   d’où le nouveau vecteur  ´ ¼  ½   ½ ½    µ 

2  itération :     ;   ´ µ  

Ë      ½        ; Ë      ¾  ¿    ;   ´ ¼  ½ ¾  ½ ½    µ 

3  itération :  ¿ 

;  ´ ¿ µ ½ ½  

Ë      ½      ¿    ; Ë      ¾    ;   ´ ¼  ½ ¾  ½ ½    µ 

4  itération :  ¾ 

;  ´ ¾ µ ½ ¾  

Ë      ½      ¿  ¾    ; Ë      ;   ´ ¼  ½ ¾  ½ ½    µ 

Le chemin minimal de 1 à 4 par exemple est de coût 9, c’est le chemin ½     

RemarqueSi    ́   µ  est un graphe orienté, on peut considérer la fonction de coût  

      ½   

    ½ 

22

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 24/47

 

Le coût d’un chemin du graphe 

ainsi valué par est la longueur de ce chemin.La matrice des coûts est la matrice des distances. L’algorithme de Dijkstra dansce cas particulier est en fait l’algorithme de Moore. (voir D.4.2)ExerciceLa matrice qui suit donne en heures les durées des vols entre certaines villesÚ 

½ 

Ú 

¾ 

Ú  

 

:

¼  

 

 

 

 

 

  

¼ ¿  ½    ½ ½ 

¿ ¼ ¾  ½ 

½  ¼  ½  ¿ 

¾  ½  ¼  

½  ¼ ¾  

½ ½  ¿ ¼  

½ 

 

 

 

 

 

 

le terme ́   µ 

de cette matrice est égal འ

lorque le vol au départ de la villeÚ 

 

à destination de Ú 

 

n’existe pas.

a. Quel est l’itinéraire le plus rapide de Ú 

½ 

à Ú 

 

?

b. S’il y a une escale obligatoire de respectivement 2,3,1,1,4,5 heures aux villesÚ 

½ 

Ú 

¾ 

Ú  

 

quel est alors l’itinéraire le plus rapide deÚ 

½ 

àÚ 

 

?

(a) Appliquons l’algorithmede Dijkstra pour déterminer la valeur d’un cheminminimal de Ú 

½ 

à Ú 

 

 

InitialisationË      ½   

;Ë      ¾  ¿       

;  ´ ¼  ¿  ½    ½  ½  µ 

1Ö   itération :   ¾ 

Ë      ½  ¾   

;Ë      ¿         

;  ´ ¼  ¿        ½  µ 

2  itération :     ;Ë      ½  ¾     

;Ë      ¿       

;  ´ ¼  ¿        µ 

3  itération :     ;Ë      ½  ¾       

;Ë      ¿     

;  ´ ¼  ¿        µ 

itération :  ¿ 

;Ë      ½  ¾      ¿    ; Ë          ;   ´ ¼  ¿        µ 

5  itération :   

;Ë      ½  ¾      ¿      ; Ë      ;   ´ ¼  ¿        µ 

L’itinéraire le plus rapide nécessite donc 9 heures pour aller de la villeÚ 

½ 

àla ville Ú 

 

L’itinéraire Ú 

½ 

Ú 

 

Ú 

 

est un itinéraire minimum. (Il y en a deuxautres...)(b) On applique le même algorithme à la nouvelle matrice des durées, obtenueen ajoutant au vol de

Ú 

 

àÚ 

 

la durée de l’escale enÚ 

 

c’est-à-dire au graphede matrice des coûts :

23

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 25/47

 

¼  

 

 

 

 

 

  

¼   ½    ½ ½ 

¼ ¿  ½ 

½  ¼  ½  ¿ 

  ½  ¼  

½  ¼ ¾  

½ ½  ¼  

½ 

 

 

 

 

 

 

on trouve à nouveau Ú 

½ 

Ú 

 

Ú 

 

comme itinéraire minimal (en terme de durée),de durée 10 heures.

6. L’algorithme de Maria Hasse¾ 

Cette méthode consiste à calculer la matrice des coûts minimums. Considéronsles opérations

 ̈

etª 

définies sur ¼   ½    Ê 

£ 

· 

  ¼  ½  

par :   ̈   Ñ Ò ´     µ 

  ª        ·   

Définissons alors un nouveau produit matriciel en remplaçant l’addition et lamultiplication des réels par  ̈ et ª  respectivement. Le produit des matricesÅ   ́ Ñ 

 

µ 

et   ́ Ò 

 

µ 

deÅ 

Ò 

 ́ Ê 

) est la matriceÈ   ́ Ô 

 

µ 

où :

Ô 

 

   ̈

Ò 

  ½ 

Ñ 

 

ª  Ò 

 

Ñ Ò  

  ¾   ½  ¾  Ò    

 ́ Ñ 

 

·  Ò 

 

µ 

a. ThéorèmeSoit   ́   µ 

un graphe valué de matrice des coûts   ́  

 

µ 

Si 

estun entier naturel tel que  

 

   

  · ½ 

alors  

  est la matrice des coûts mini-mums.(les puissances successives de la matrice

 

é tant calculées à l’aide desopérations décrites précédemment)DémonstrationMontrons par récurrence sur   que  

 ́   µ 

 

est le minimum parmi les coûts deschemins de longueur inférieure à   de Ü 

 

à Ü 

 

Pour   ½  c’est clair. Sup-posons le résulat vrai pour l’entier     ½  alors Ñ Ò 

Р

 ́  

 ́     ½ µ 

Р

·   

Ð  

µ    

 ́   µ 

 

représente bien le minimum des coûts des chemins de longueur 

allant deÜ 

 

à Ü 

 

Si pour un certain entier   on a  

 

   

  · ½ 

alors pour tout entier na-

turel Ñ     

Ñ 

   

 

 

 ́   µ 

 

désigne alors le minimum des coûts des cheminsde longueur quelconque allant de Ü 

 

à Ü 

 

 

  est bien la matrice des coûtsminimums.

b. Voici une procédure Maple calculant la matrice des coûts minimums en util-isant la méthode de Maria Hasse.On prend 1 000 000 pour représenter l’infini

  i:=10^6:La procédure produit calcule le produit de 2 matrices à l’aide des nouvelles

opérations  produit:=proc(A,B::matrix)

local i,j,k,n,C;

¾  Maria Hasse, Université de Halle Wittenberg

24

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 26/47

 

n:=rowdim(A):

for i to n do

for j to n do

C[i,j]:=min(seq(A[i,k]+B[k,j],k=1..n)):

od;

od;

matrix(n,n,[seq(seq(C[i,j],j=1..n),i=1..n)]):end:

La procédure hasse détermine le plus petit entier   et affiche la matrice des coûtsminimums.

  hasse:=proc(C::matrix)local k,n,A,B;

k:=1:

n:=rowdim(C);

A:=copy(C);

B:=produit(A,A);while not equal(A,B) do

A:=copy(B);

B:=produit(B,C);

k:=k+1;

od;

print(cat(‘k=‘,k,‘ ‘,‘la matrice des coûts minimums est‘));

evalm(matrix(n,n,[seq(seq(B[i,j],j=1..n),i=1..n)]));

end:

ExempleAppliquons la métode de Hasse pour déterminer la matrice des coûts minimums dugraphe valué suivant :

25

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 27/47

 

La matrice des coûts de ce graphe est :

   

¼  

 

 

 

 

 

  

¼   ½ ½    ½ 

½  ¼ ¿  ½    ½ 

½ ½  ¼ ¾  ½ ½ 

½ ¿ ¿  ½  ¼  ½   

½ ½ ½  ¼  ½ 

½  ½ ½ ½  ¼ 

½ 

 

 

 

 

 

 

La procédure Maple renvoie la matrice des coûts minimums au bout de la qua-trième itération

Å   

¼  

 

 

 

 

 

  

¼ ½ ½ ½  

½ ½ ¼ ¿ ½ ¼  

¼ ¾ ½ ¾  

¿ ¼ ½ ¼  

½ ½ ½ ½ ¼ ½ ¼  

½ ½ ¾ ½ ¼ ¼  

½ 

 

 

 

 

 

 

La connaissance des puissances intermédiaires de   est nécessaire pour déterminerun chemin minimal. Cherchons par exemple un chemin de coût minimal de Ü 

¾ 

à Ü 

½ 

 

¾ 

 

¼  

 

 

 

 

 

  

¼ ½ ½   ½ 

½  ¼ ¿  ½ 

½ ¼ ¾   ½   

¿ ¼ ½ ½  

½   ½  ¼ ½ ¼  

½   ½  ½ ½ ¼  

½ 

 

 

 

 

 

 

 

¿ 

 

¼  

 

 

 

 

 

  

¼ ½ ½ ½  

½ ¼ ¿ ½ ¼  

¼ ¾ ½ ¿  

¿ ¼ ½ ¼  

½ ½ ½ ½ ¼ ½ ¼  

½ ½ ¾ ½ ¼ ¼  

½ 

 

 

 

 

 

 

 

 

 

¼  

 

 

 

 

 

  

¼ ½ ½ ½  

½ ½ ¼ ¿ ½ ¼  

¼ ¾ ½ ¾  

¿ ¼ ½ ¼  

½ ½ ½ ½ ¼ ½ ¼  

½ ½ ¾ ½ ¼ ¼  

½ 

 

 

 

 

 

 

Comme 

´ ¿ µ 

¾  ½ 

½      

´ µ 

¾  ½ 

½ ½ 

le coût du chemin minimal deÜ 

¾ 

àÜ 

½ 

est égal à 11.

Comme 

´ ¿ µ 

¾   

·   

½ 

½ ½ 

pour   

le chemin se termine par l’arc ́ Ü 

 

Ü 

½ 

µ 

; de même

 

´ ¿ µ 

¾   

½ ¼    

´ ¾ µ 

¾   

·   

  pour     les deux derniers arcs sont  ́ Ü 

 

Ü 

 

µ   ́ Ü 

 

Ü 

½ 

µ  ;enfin,  

´ ¾ µ 

¾   

   

¾  ¿ 

·   

¿   

le deuxième arc est  ́ Ü 

¿ 

Ü 

 

µ  Finalement, le chemincherché est : Ü 

¾ 

Ü 

¿ 

Ü 

 

Ü 

 

Ü 

½ 

26

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 28/47

 

D.7 Graphes probabilistes

D.7.1 Chaîne de Markov

1. DéfinitionsSoit Ò  un entier naturel non nul. Un vecteur stochastique  de Ê 

Ò  est un vecteur  tel que :

    ¾   ½  ¾  Ò      

 

  ¼ 

Ò 

  

  ½ 

 

 

½ 

Une matrice È  de Å 

Ò 

 ́ Ê  ) est dite stochastique , lorsque :

   ́   µ  ¾   ½  ¾  Ò    

¾ 

È 

 

  ¼ 

    ¾   ½  ¾  Ò    

Ò 

  

  ½ 

È 

 

½ 

Une matrice stochastique est donc une matrice dont chacune des lignes est unvecteur stochastique.

2. PropriétéSi   est un vecteur stochastique de Ê 

Ò  et si È  est une matrice stochastique deÅ 

Ò 

 ́ Ê  ), alors È  est un vecteur stochatisque de Ê 

Ò 

En effet, pour tout   ¾   ½  ¾  Ò    

 ́ È  µ 

 

 

Ò 

  

  ½ 

 

 

È 

 

  ¼ 

etÒ 

  

  ½ 

 ́ È  µ 

 

 

Ò 

  

  ½ 

Ò 

  

  ½ 

 

 

È 

 

 

Ò 

  

  ½ 

 

 

Ò 

  

  ½ 

È 

 

 

Ò 

  

  ½ 

 

 

½ 

3. PropriétéSi È  et É  sont deux matrices stochastiques de Å 

Ò 

 ́ Ê  ), alors È É  est encore unematrice stochastique de

Å 

Ò 

 ́ Ê 

).En effet, pour tout  ́   µ  ¾   ½  ¾  Ò    

¾ 

 ́ È É  µ 

 

 

Ò 

  

  ½ 

È 

 

É 

 

  ¼ 

et pour tout   ¾   ½  ¾  Ò    

Ò 

  

  ½ 

 ́ È É  µ 

 

 

Ò 

  

  ½ 

Ò 

  

  ½ 

È 

 

É 

 

 

Ò 

  

  ½ 

È 

 

Ò 

  

  ½ 

É 

 

½ 

On montre alors par récurrence que pour tout entier naturelÑ È 

Ñ 

est une ma-trice stochastique.

27

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 29/47

 

4. DéfinitionFixons Ë  un ensemble fini, appelé ensemble des états. Une chaîne de Markov ¿ 

à temps discret surË 

est une suite de variables aléatoires à valeurs dansË

   ́  

Ò 

µ 

Ò    ¼ 

satisfaisant les deux conditions suivantes :

(a). (Condition d’indépendance)Pour tout Ò    ¼  et pour tout choix de  

¼ 

 

½ 

 

Ò    ½ 

et   dans Ë  pourlesquels È   ́  

¼ 

 

½ 

 

Ò 

µ  ́  

Ó 

 

½ 

 

Ò    ½ 

  µ   ¼  on a :È     

Ò  · ½ 

     ́  

¼ 

 

½ 

 

Ò 

µ  ́  

Ó 

 

½ 

 

Ò    ½ 

  µ

  È     

Ò  · ½ 

     

Ò 

   

(b). (Condition d’homogénéité)Pour tout   et pour tout   dans Ë  et pour tous les entiers Ò  tels queÈ     

Ò 

      ¼  la probabilité conditionnelle È     

Ò  · ½ 

     

Ò 

   

ne dépend pas de Ò

5. DéfinitionsSoit    ́  

Ò 

µ 

Ò    ¼ 

une chaîne de Markov sur un ensemble Ë 

La matrice È   ́ Ô 

 

µ 

 ́   µ  ¾  Ë 

¾  définie par :Ô 

 

  È     

Ò  · ½ 

     

Ò 

   

s’appelle la matrice de transition de la chaîne de Markov.La distribution  

¼ 

 ́ È     

¼ 

    µ 

  ¾  Ë 

s’appelle la loi initiale  de la chaîne deMarkov.Remarque : la matrice È  est une matrice stochastique, en effet :

  

  ¾  Ë 

Ô 

 

 

  

  ¾  Ë 

È     

Ò  · ½ 

     

Ò 

      È 

 ́  

Ò 

    µ 

   

  ¾  Ë 

 ́  

Ò  · ½ 

    µ ½  

ExempleConsidérons une particule qui se déplace de façon aléatoire, l’ensemble

Ë 

représentel’ensemble de toutes les positions possibles (que l’on suppose être en nombre

fini). Pour toutÒ  ¾  Æ 

, la variable 

Ò  représente la position de la particule àl’instant Ò donc après Ò  déplacements. Si après Ò  transitions la particule est àla position

alors elle choisira aléatoirement sa (Ò  · ½ µ 

ième position selon ladistribution de probabilité  ́ È 

 

µ 

  ¾  Ë 

et ce indépendamment de Ò  et de ses étatsaux instants qui ont précédé

6. PropriétéNotons Ë      ½  ¾  Ö     et pour tout instant Ò

 

Ò 

 ́ È   ́  

Ò 

½ µ  È     

Ò 

¾ È     

Ò 

  Ö  µ 

On a alors pour toutÒ  ¾  Æ 

Ò  · ½ 

   

Ò 

È 

En effet, pour tout   ¾  Ë  : ́  

Ò  · ½ 

µ 

 

  È     

Ò  · ½ 

      È   ́  

  ¾  Ë 

 ́  

Ò  · ½ 

    µ     ́  

Ò 

    µ µ

¿  Andrei Andreyevich Markov (1856-1922) Élève de Chebyshev, professeur à St Petersburg.Ses travaux ont porté sur l’analyse, la théorie des nombres et les processus aléatoires.

28

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 30/47

 

 

  

  ¾  Ë 

È     

Ò 

    È   ́  

Ò  · ½ 

    µ   ́  

Ò 

    µ

 

  

  ¾  Ë 

 ́  

Ò 

µ 

 

Ô 

 

 ́  

Ò 

È  µ 

 

La loi de la chaîne de Markov est donc entièrement déterminée par la donnée desa matrice de transition

È 

et de l’état initial 

¼ 

7. ThéorèmeSi la matrice de transition È  a tous ses coefficients strictement positifs, alors :

– la suite  ́  

Ò 

µ  converge vers un vecteur   indépendant de la distribution initiale.– La suite des matrices

 ́ È 

Ñ 

µ 

converge vers une matrice stochastiqueÈ 

½ 

donttoutes les lignes sont égales au vecteur De plus,     È 

½ 

DémonstrationSoit Ò  un entier naturel supérieur ou égal à 2. Notons È 

Ò 

l’ensemble des ma-trices stochastiques de

Å 

Ò 

 ́ Ê 

) età

Ò 

l’ensemble des vecteurs lignes stochas-tiques de Å 

½  Ò 

 ́ Ê  ).Pour une matrice È   ́ Ô 

 

µ  de È 

Ò 

introduisons les notations suivantes :

  Ñ Ò  

½        Ò ½        Ò 

Ô 

 

  Ñ  ¾  Æ  , È 

Ñ 

 ́ Ô 

 ́ Ñ  µ 

 

µ 

  Ñ  ¾  Æ 

,    ¾   ½  ¾  Ò    

« 

 ́ Ñ  µ 

 

Ñ Ò  

½        Ò 

Ô 

 ́ Ñ  µ 

 

¬ 

 ́ Ñ  µ 

 

Ñ Ü  

½        Ò 

Ô 

 ́ Ñ  µ 

 

etÆ 

 ́ Ñ  µ 

 

  ¬ 

 ́ Ñ  µ 

 

  « 

 ́ Ñ  µ 

 

Établissons les deux inégalités :

¬ 

 ́ Ñ  · ½ µ 

 

  ¬ 

 ́ Ñ  µ 

 

  Æ 

 ́ Ñ  µ 

 

(1)

« 

 ́ Ñ  · ½ µ 

 

  « 

 ́ Ñ  µ 

 

·  Æ 

 ́ Ñ  µ 

 

(2)pour   ¾   ½  ¾  Ò     et Ñ  ¾  Æ  .Soit  

¼ 

vérifiant Ô 

 ́ Ñ  µ 

 

¼ 

 

  « 

 ́ Ñ  µ 

 

On a :

Ô 

 ́ Ñ  · ½ µ 

 

 

Ò 

  

  ½ 

Ô 

 

Ô 

 ́ Ñ  µ 

 

  Ô 

 

 

¼ 

Ô 

 ́ Ñ  µ 

 

¼ 

 

· 

  

     

¼ 

Ô 

 

Ô 

 ́ Ñ  µ 

 

  Ô 

 

 

¼ 

Ô 

 ́ Ñ  µ 

 

¼ 

 

· 

 

  

     

¼ 

Ô 

 

 

 

¬ 

 ́ Ñ  µ 

 

  Ô 

 

 

¼ 

Ô 

 ́ Ñ  µ 

 

¼ 

 

· ´ ½    Ô 

 

¼ 

µ  ¬ 

 ́ Ñ  µ 

 

  ¬ 

 ́ Ñ  µ 

 

  Ô 

 

¼ 

 ́ ¬ 

 ́ Ñ  µ 

 

  Ô 

 ́ Ñ  µ 

 

¼ 

 

µ   ¬ 

 ́ Ñ  µ 

 

  Ô 

 

¼ 

 ́ ¬ 

 ́ Ñ  µ 

 

  « 

 ́ Ñ  µ 

 

µ 

  ¬ 

 ́ Ñ  µ 

 

  Ô 

 

¼ 

Æ 

 ́ Ñ  µ 

 

  ¬ 

 ́ Ñ  µ 

 

  Æ 

 ́ Ñ  µ 

 

En prenant le max sur on obtient : ¬ 

 ́ Ñ  · ½ µ 

 

  ¬ 

 ́ Ñ  µ 

 

  Æ 

 ́ Ñ  µ 

 

L’inégalité (2) se démontre de la même manière en considérant  

¼ 

tel queÔ 

 ́ Ñ  µ 

 

¼ 

 

  ¬ 

 ́ Ñ  µ 

 

L’inégalité (1) montre que la suite  ́ ¬ 

 ́ Ñ  µ 

 

µ 

Ñ 

est décroissante, l’inégalité (2)

permet d’établir la croissance de la suite  ́ « 

 ́ Ñ  µ 

 

µ 

Ñ 

En faisant la différence de

29

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 31/47

 

(1) et de (2), on obtient :

¬ 

 ́ Ñ  · ½ µ 

 

  « 

 ́ Ñ  · ½ µ 

 

  ¬ 

 ́ Ñ  µ 

 

  « 

 ́ Ñ  µ 

 

  ¾  Æ 

 ́ Ñ  µ 

 

c’est-à-dire :Æ 

 ́ Ñ  · ½ µ 

 

  ´ ½    ¾    µ  Æ 

 ́ Ñ  µ 

 

D’où, pour tout entierÑ 

:

¼    Æ 

 ́ Ñ  · ½ µ 

 

  ´ ½    ¾    µ 

Ñ 

Æ 

´ ½ µ 

 

Or ´ ½    ¾    µ  ¾  ¼ ½   en effet :

½  

Ò 

  

  ½ 

Ô 

 

 

Ò 

  

  ½ 

    Ò   µ     

½ 

Ò 

 

½ 

¾ 

et   ¼  , car on a supposé que les coefficients de È  étaient strictement positifs.On en déduit alors que :

Ð Ñ 

Ñ    ·  ½ 

Æ 

 ́ Ñ  µ 

 

¼ 

Les suites  ́ « 

 ́ Ñ  µ 

 

µ 

Ñ 

et  ́ ¬ 

 ́ Ñ  µ 

 

µ 

Ñ 

sont alors adjacentes et vont converger vers unelimite commune

Р

Or pour tout  ́   µ  ¾   ½  ¾  Ò    

¾ 

« 

 ́ Ñ  µ 

 

  Ô 

 ́ Ñ  µ 

 

  ¬ 

 ́ Ñ  µ 

 

Le théorème des limites par encadrement permet alors d’affirmer que la suite ́ Ô 

 ́ Ñ  µ 

 

µ 

Ѡ converge vers Р

 

Posons alors Ä   ́ Р

½ 

Р

¾ 

Ð  

Ò 

µ  et soit È 

½ 

la matrice dont toutes les lignessont égales à Ä on a alors :

Ð Ñ 

Ñ    ·  ½ 

È 

Ñ 

  È 

½ 

De plus, si  

Ò 

est la matrice colonne dont les coefficients valent 1:È 

½ 

 

Ò 

Ð Ñ  

Ñ    ·  ½ 

È 

Ñ 

 

Ò 

Ð Ñ  

Ñ    ·  ½ 

 

Ò 

(car chaque È 

Ñ  est stochastiqueµ 

   

Ò 

ce qui prouve bien que la matrice limite È 

½ 

est stochastique.D’autre part, on a vu que pour tout

Ñ  

Ñ 

   

¼ 

È 

Ñ 

la suite ́  

Ñ 

µ 

converge

alors vers le vecteur ligne     

¼ 

È 

½ 

vérifiant : È 

½ 

   

¼ 

È 

¾ 

½ 

  È 

½ 

   

en effet, la suite  ́ È 

¾  Ñ 

µ  converge vers È 

½ 

comme sous-suite de la suite con-vergente  ́ È 

Ñ 

µ  et comme È 

¾  Ñ 

 ́ È 

Ñ 

µ 

¾ 

elle converge également vers È 

¾ 

½ 

Par unicité de la limite, on a bienÈ 

¾ 

½ 

  È 

½ 

Il reste à démontrer que le vecteur ligne   est indépendant de la distributioninitiale

 

¼ 

Le vecteur ligne Ä  obtenu précédemment, vérifie également Ä È 

½ 

  Ä eneffet, pour tout entier Ñ on a È 

Ñ 

È    È 

Ñ  · ½ 

par passage à la limite, È 

½ 

È   

È 

½ 

En interprétant le produit par blocs, on constate que :È 

½ 

È   

¼  

  

Ä È 

...Ä È 

½ 

 

On en déduit alors que Ä È    Ä Soit maintenant Ä 

¼  un vecteur ligne vérifi-ant Ä 

¼ 

È    Ä 

¼ 

alors Ä 

¼ 

È 

Ñ 

  Ä 

¼  pour tout entier Ñ à la limite, Ä 

¼ 

È 

½ 

  Ä 

¼ 

30

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 32/47

 

NotonsÄ 

¼ 

 ́ Р

¼ 

½ 

Р

¼ 

¾ 

Ð  

¼ 

Ò 

µ 

alors :

Ä 

¼ 

È 

½ 

  Ä 

¼ 

µ 

 

Ò 

  

  ½ 

Р

¼ 

 

 

Ä    Ä 

¼ 

Ä 

¼  est donc colinéaire àÄ

On en déduit que l’espace des vecteurs lignes 

vérifiant È      est la droite engendrée par Ä son seul élément stochastiqueest le vecteur Ä    En particulier, le vecteur ligne   ne dépend pas de  

¼ 

puisque sa caractérisation n’évoque que È

Autre démonstration (dans le cas : Ë  ¾  µ  voir exercice F.9 pour une

application numérique)

On considère la décomposition de la matriceÈ 

suivante :

È   

 

½    Ô Ô 

Õ  ½    Õ 

 

  É  · ´ ½    Ô    Õ  µ  Ê

avec ́ Ô Õ  µ  ¾  ¼ ½  

¾ 

É   

¼  

  

Õ 

Ô  ·  Õ 

Ô 

Ô  ·  Õ 

Õ 

Ô  ·  Õ 

Ô 

Ô  ·  Õ 

½ 

  et Ê   

¼  

 

  

Ô 

Ô  ·  Õ 

  Ô 

Ô  ·  Õ 

  Õ 

Ô  ·  Õ 

Õ 

Ô  ·  Õ 

½ 

 

 

On remarquera queÉ 

est une matrice stochastique dont les lignes sont égales.

Calculons le produit É Ê  :

É Ê   

´ ½    Ô    Õ  µ 

 ́ Ô  ·  Õ  µ 

¾ 

 

Õ Ô 

Õ Ô 

 

Ô    Ô 

  Õ Õ 

 

 

 

¼ ¼ 

¼ ¼ 

 

Un calcul identique montre que Ê É  est la matrice nulle. Calculons maintenant

les puissances successives de É  et de Ê  :

É 

¾ 

 

½ 

 ́ Ô  ·  Õ  µ 

¾ 

 

Õ Ô 

Õ Ô 

 

Õ Ô 

Õ Ô 

 

 

½ 

 ́ Ô  ·  Õ  µ 

¾ 

 

Õ 

¾ 

·  Ô Õ Ô Õ  ·  Ô 

¾ 

Õ 

¾ 

·  Ô Õ Ô Õ  ·  Ô 

¾ 

 

 

½ 

 ́ Ô  ·  Õ  µ 

¾ 

 

Õ   ́ Ô  ·  Õ  µ  Ô   ́ Ô  ·  Õ  µ 

Õ   ́ Ô  ·  Õ  µ  Ô   ́ Ô  ·  Õ  µ 

 

  É 

On en déduit par récurrence, que pour tout entier Ò É 

Ò 

  É On montre de la

même manière que pour tout entierÒ Ê 

Ò 

  Ê

Finalement, en développantpar la formule du binôme, on obtient :

È 

Ò 

 ́ É  · ´ ½    Ô    Õ  µ  Ê  µ 

Ò 

  É  · ´ ½    Ô    Õ  µ 

Ò 

Ê 

et comme ½    Ô    Õ    ½  la suite  ́ È 

Ò 

µ 

Ò 

converge vers la matrice stochas-

tique à lignes égalesÉ 

:

Ð Ñ 

Ò    ·  ½ 

È 

Ò 

  È 

½ 

  É   

¼  

  

Õ 

Ô  ·  Õ 

Ô 

Ô  ·  Õ 

Õ 

Ô  ·  Õ 

Ô 

Ô  ·  Õ 

½ 

 

31

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 33/47

 

On conclut alors de la même manière que dans la démonstration précédente.

D.7.2 Graphes probabilistes

1. DéfinitionsUn graphe probabiliste  est un graphe orienté et valué tel que la somme des coûts

des arcs issus d’un sommet donné est égal à 1.La matrice de transition d’un graphe probabiliste    ́   µ  d’ordre Ò estla matrice

È   ́ Ô 

 

µ  ¾  Å 

Ò 

 ́ Ê  µ 

où :

Ô 

 

 

 

 ́   µ 

si ́   µ  ¾   

¼  si  ́   µ   ¾   

Remarques :

– pour tout   ¾   ½  ¾  Ò    

Ò 

  

  ½ 

Ô 

 

½ 

La matrice de transition d’un graphe probabiliste est donc une matrice stochas-tique.

– Les graphes probabilistes sont utilisés pour modéliser l’évolution d’un indi-vidu pouvant changer aléatoirement d’état : les sommets sont les états possi-bles et le coût de l’arc  ́   µ  est la probabilité de transition de l’état   à l’état

– L’état probabiliste de l’individu à l’instant Ò  ¾  Æ  est une loi de probabilité surl’ensemble des états possibles et qui est représentée par un vecteur stochas-tique

 

Ò 

Lorsque les hypothèses d’indé pendance et d’homogénéité sont véri-fiées (cf définition d’une chaîne de Markov), on :  

Ò 

   

¼ 

È 

Ò 

ExempleUn dispositif comprend deux éléments fonctionnant indépendamment l’un del’autre. Chaque élément a une probabilité égale à Ô  de tomber en panne aucours d’une journée. Au départ, les deux éléments fonctionnent correctementet il n’y a pas de réparation possible.Ce processus sera dans l’état

¼  ½ 

ou 2 selon qu’il y a zéro, une ou deux ma-chines en panne au début d’une journée. Le processus aléatoire peut êtrereprésenté par le graphe probabiliste :

32

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 34/47

 

La matrice de transition est :

È   

¼  

  

´ ½    Ô  µ 

¾ 

¾  Ô  ´ ½    Ô  µ  Ô 

¾ 

¼ ½    Ô Ô 

¼ ¼ ½ 

½ 

 

33

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 35/47

 

E Les graphes en Terminale ES

1. Le programme

a. Vocabulaire élémentaire des graphesSommets, sommets adjacents, arêtes, degré d’un sommet, ordre d’un graphe,

chaîne, longueur d’une chaîne, graphe complet, distance entre deux sommets,diamètre, sous-graphe stable, graphe connexe, nombre chromatique, chaîneeulérienne, matrice associée à un graphe, matrice de transition pour un graphepondéré par des probabilités.Un lexique sera fournidans le document d’accompagnement, il définira claire-ment les limites du programme, toute notion qui ne correspondrait pas à l’undes termes du lexique est hors programme.Les termes du lexique seront introduits à l’occasion de résolution de prob-lèmes.

b. Résultats élémentaires sur les graphes

£  Lien entre la somme des degrés des sommets et le nombre d’arêtes

£ 

Conditions d’existence de chaînes et de cycles eulériens (théorème d’Euler)

£ 

Le terme ́   µ 

de la matrice 

Ò  ( 

est la matrice associée à un graphe)donne le nombre de chaînes de longueur Ò  reliant les sommets   et  

£  Le nombre chromatique d’un graphe est inférieur ou égal à Ö  · ½  Ö  étant leplus haut des degrés du graphe.

£  Si È  est la matrice de transition d’un graphe probabiliste à Ò  sommets,l’état probabiliste à l’étape Ò  est  

¼ 

È 

Ò 

où  

¼ 

est la matrice ligne décrivantl’état initial

£  Exemple de convergence pour des graphes probabilistes à deux sommets :lorsque la matrice È  de transition ne comporte pas de 0, l’état  

Ò 

à l’état Ò

converge vers un état   indépendant de l’état initial  

¼ 

vérifiant     È

Ces propriétes figurent au programme, elles seront introduites à l’occasionde problèmes. Elles pourront être démontrées ou commentées.

2. CommentairesL’enseignement des graphes en Terminale ES est entièrement fondé sur la ré-solution de problèmes. L’objectif est de savoir modéliser des situations par des

graphes et d’identifier en terme de propriétés de graphes la question à résoudre.

34

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 36/47

 

F Exercices

F.1 Tracer le graphe de la matrice d’adjacence suivante :

¼  

 

 

  

½ ½ ½ ¼  

¼ ¼ ½ ¼  

½ ½ ¼ ½  

½ ½ ½ ¼  

½ 

 

 

 

F.2 Montrer que dans une assemblée, il y a au moins deux personnes qui ont lemême nombre d’amis.

F.3 Combien y-a-t-ilde graphes simples    ́   µ  tels que       ½  ¾  Ò     ?

F.4 Existe-t-il un graphe simple d’ordre 5 dont les sommets ont les degrés suiv-ants ? Si oui, tracer un tel graphe :

a. 3,3,3,3,2

b. 1,2,3,4,5

F.5 Combien y-a-t-il de sommets dans un graphe régulier de degré 4 ayant 10arêtes ?

F.6 Calculer le diamètre des graphesà

Ò 

 

Ò 

età

Ô Õ 

F.7 Pour traverser une chaîne de montagnes, il faut passer par plusieurs sommets,reliés entre eux par des voies ne pouvant être franchies que dans un seul sens. Ondonne ci-dessous le graphe associé à cette situation (   est le point d’entrée et Ë  lepoint de sortie). L’office de tourisme cherche toutes les traversées qui partent de  

et arrivent en Ë  en 4,5 ou 8 étapes (une étape est le passage d’un sommet à un autre,ou du départ à un sommet, ou d’un sommet à l’arrivée).

35

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 37/47

 

Les sommets étant classés dans l’ordre Ë la matrice d’adjacencedu graphe est :

Å   

¼  

 

 

 

 

 

 

 

 

 

  

¼ ½ ½ ½ ¼ ¼ ¼ ¼  

¼ ¼ ¼ ¼ ½ ½ ¼ ¼  

¼ ½ ¼ ¼ ¼ ¼ ¼ ¼  

¼ ¼ ½ ¼ ½ ¼ ½ ¼  

¼ ¼ ¼ ¼ ¼ ¼ ½ ¼  

¼ ¼ ¼ ¼ ½ ¼ ¼ ½  

¼ ¼ ¼ ¼ ¼ ½ ¼ ½  

¼ ¼ ¼ ¼ ¼ ¼ ¼ ¼  

½ 

 

 

 

 

 

 

 

 

 

 

Après calcul des puissances successives de la matrice Å on obtient :

Å 

 

 

¼  

 

 

 

 

 

 

 

 

 

  

¼ ¼ ¼ ¼ ¿ ¿ ¾  

¼ ¼ ¼ ¼ ½ ½ ¼ ¾  

¼ ¼ ¼ ¼ ¼ ½ ½ ½  

¼ ¼ ¼ ¼ ¾ ¼ ¾ ¾  

¼ ¼ ¼ ¼ ¼ ¼ ½ ¼  

¼ ¼ ¼ ¼ ½ ¼ ¼ ½  

¼ ¼ ¼ ¼ ¼ ½ ¼ ½  

¼ ¼ ¼ ¼ ¼ ¼ ¼ ¼  

½ 

 

 

 

 

 

 

 

 

 

 

– la première ligne deÅ 

¿  est : 0 1 0 0 2 2 2 2

– la première ligne deÅ 

  est : 0 0 0 0 3 2 3 5

– la première ligne de Å 

  est : 0 0 0 0 2 3 3 5

– la première ligne de Å 

  est : 0 0 0 0 3 3 2 6

– la première ligne de Å 

  est : 0 0 0 0 3 2 3 5

a. Combien de traversées peut-on faire en 4 (respectivement 5) étapes ?

b. Trouver toutes les traversées en 8 étapes.(exercice proposé par le GEPS)

F.8 Un individu vit dans un milieu où il est susceptible d’attraper une maladiepar piqûre d’insecte. Il peut être dans l’un des trois états suivants : immunisé (I),malade (M), non malade et non immunisé (S). D’un mois à l’autre, son état peutchanger selon les règles suivantes :

– étant immunisé, il peut le rester avec une probabilité 0,9 ou passer à l’état S avecune probabilié 0,1;

– étant dans l’état S, il peut le rester avec une probabilité 0,5 ou passer à l’état Mavec une probabilité 0,5 ;

36

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 38/47

 

– étant malade, il peut le rester avec une probabilité 0,2 ou passer à l’état I avecune probabilité 0,8.

Tracer un graphe probabiliste pour décrire cette situation et écrire la matrice detransition. Calculer l’état de probabilité de l’individu au bout de trois mois, de sixmois, d’un an, de deux ans, pour chacune des situations suivantes :

– au, départ, il est immunisé,

– au départ, il est non malade et non immunisé,

– au départ, il est malade.Pouvez-vous donner des éléments sur la proportion d’individus malades dans la

population étudiée ?(exercice proposé par le GEPS)

F.9 Chaque matin, l’allumeur de réverbère du Petit Prince change l’état de saplanète avec une probabilité 0,75. Au jour 0, le réverbère est éteint.

– Qu’observe-t-on en simulant une grande population de réverbères régis par lemême système probabiliste de changements d’états ?

– Faire un arbre permettant de trouver l’état probabiliste du réverbère au deuxième jour.

– Décrire cette situation à l’aide d’un graphe proababiliste. Soit Å  la matrice detransition associée à ce graphe. Vérifier que :

Å       

½ 

¾ 

Ê

où   

½ 

¾ 

 

½ ½ 

½ ½ 

 

et Ê   

½ 

¾ 

 

½    ½ 

  ½ ½ 

 

– Calculer 

¾ 

Ê 

¾ 

Ê 

etÊ  

puis en déduireÅ 

Ò 

pourÒ 

entier naturel.

– Au jour 0, le reverbère est allumé (respectivement éteint). Calculer la probabilitéÔ 

Ò 

(respectivement Ô 

¼ 

Ò 

µ  que le réverbère soit allumé (respectivement éteint) auÒ  ième matin. Faire le lien avec les résultats des simulations observées en pre-mière question.(exercice proposé par le GEPS)

F.10 Montrer que, parmi 6 personnes, il y a un groupe de 3 qui se connaissentmutuellement, ou bien un groupe de 3 qui ne se connaissent pas. (on suppose quela relation de connaissance est une relation symétrique)

37

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 39/47

 

G Solutions des exercices

F.1

F.2 Considérons le graphe dont les sommets sont lesÒ 

personnes de l’assemblée.On suppose bien entendu, que la relation d’amitié est une relation symétrique. Deuxsommets du graphe sont reliés par une arê te lorsque les deux personnes correspon-dantes sont amies. Il suffit alors de prouver que deux sommets au moins de cegraphe ont même degré. Supposons que les Ò  sommets soient tous de degré dis-tinct. On peut alors numéroter les sommets de Ü 

½ 

à Ü 

Ò 

avec :¼       ́ Ü 

¼ 

µ     ́ Ü 

½ 

µ    ́ Ü 

Ò    ½ 

µ 

Or le degré maximal d’un sommet d’un graphe simple d’ordreÒ 

est égal àÒ    ½ 

On a donc nécessairement    ́ Ü 

 

µ   pour tout   de   ¼  ½  Ò     ½    Avec notrehypothèse, le graphe comprendrait un sommet de degré 0 (c’est une personne bienseule ...) et un sommet de degré Ò    ½  donc relié à tous les autres sommets dugraphe, en particulier au sommet isolé, ce qui est contradictoire. Nous avons doncmontré qu’un graphe simple contient au moins deux sommets de même degré.

F.3 Un graphe simple   ́   ½  ¾  Ò       µ 

est déterminé par la donnée de 

qui est une partie de È 

¾ 

(  ½  ¾  Ò     ). Or È 

¾ 

 ́   ½  ¾  Ò     µ   

 

Ò 

¾ 

 

Le nombre

de graphe est donc égal à ¾ 

 

Ò 

¾ 

¡ 

F.4

a. Oui, par exemple :

b. Non, la somme des degrés est impaire

38

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 40/47

 

F.5 Notons    ́   µ  le graphe, on a :  

Ü  ¾   

   ́ Ü  µ ¾   

µ      ¾ ¼ 

µ    

F.6 Pour tout sommet ܠ de à

Ò 

Ñ Ü 

Ý  ¾   

 ́    ́ Ü Ý  µ µ ½   donc Æ   ́ à

Ò 

µ ½ 

Pour tout sommetÜ 

de 

Ò 

Ñ Ü 

Ý  ¾   

 ́    ́ Ü Ý  µ µ  

Ò 

¾ 

siÒ 

est pair, etÑ Ü 

Ý  ¾   

 ́    ́ Ü Ý  µ µ  

Ò    ½ 

¾ 

lorsque Ò  est impair. Donc Æ   ́  

Ò 

µ  

Ò 

¾ 

si Ò  est pair, et Æ   ́  

Ò 

µ  

Ò    ½ 

¾ 

lorsqueÒ 

est impair.Pour tout sommet ܠ de à

Ô Õ 

Ñ Ü 

Ý  ¾   

 ́    ́ Ü Ý  µ µ ¾   donc Æ   ́ à

Ô Õ 

µ ¾  lorsque ́ Ô Õ  µ  ´ ½  ½ µ  Æ   ́ à

½  ½ 

µ ½ 

F.7

i. Ñ 

´ µ 

½   

  il y a donc 4 traversées possibles en 4 étapes.

Ñ 

´ µ 

½   

 

il y a donc 5 traversées possibles en 5 étapes.ii.

Ñ 

´ µ 

½   

 

il y a donc 5 traversées possibles en 8 étapes. Déterminons cestraversées. Pour cela, notons   la quatrième étape des traversées possibles.D’après la première ligne de

Å 

 

l’étape 

ne peut être que l’un des sommets   ou Ë

¡    ne peut être le sommet en effet, Ñ 

´ µ 

   

¼  et on ne peut joindre lesommet

Ë 

à partir de 

en 4 étapes.

¡ 

Si     

:Ñ 

´ µ 

½   

¿ 

il a donc 3 chemins de longueur 4 allant de 

à ce sont les chemins :       et

D’autre part, Ñ 

´ µ 

   

½  il y a un chemin joignant   à Ë c’est le chemin Ë Nous obtenons ainsi 3 traversées en 8 é tapes ayant le som-met

 

comme 4   étape : Ë  

; Ë  

et Ë

¡  Si       : Ñ 

´ µ 

½   

¾  il a donc 2 chemins de longueur 4 allant de  

à ce sont les chemins :   et D’autre partÑ 

´ µ 

   

½ 

il n’y a qu’un seul chemin de longueur 4 allant de 

àË

Nousobtenons ainsi 2 traversées en 8 étapes ayant le sommet   comme 4   étape: Ë   et Ë

Finalement, les cinq traversées cherchées sont : Ë   ; Ë  

; Ë  

; Ë  

et Ë

39

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 41/47

 

F.8 Voici le graphe probabiliste traduisant la situation dé crite :

Les sommets étant classés dans l’ordre I, M, S la matrice de transition est :

È   

¼  

  

¼  ¼ ¼  ½ 

¼  ¼  ¾ ¼ 

¼ ¼  ¼   

½ 

 

Notons  

Ò 

l’état probabiliste de l’individu au Ò  ième mois, à l’aide de la calculatrice

ou de l’ordinateur, on obtient les résultats suivants :

i. si  

¼ 

´ ½ ¼ ¼ µ  :  

¿ 

´ ¼  ¼   ¼ ¼   ½ ½ µ   

 

´ ¼  ¿ ¾ ½ ¼   ¼ ¼ ¼   ½ ½ ¾ µ  

 

½ ¾ 

´ ¼  ½ ¼ ¿ ¼   ¼ ¿ ¿ ½ ¿ ¾ ¼   ½ ¼ ¾ ¿ µ  

 

¾  

´ ¼  ½ ½ ½ ¼   ¼ ¿ ¿ ¾ ¾ ¼   ½ ¼ ¿ ¿ ¾ µ  

ii. Lorsque  

¼ 

´ ¼ ½ ¼ µ  ou  

¼ 

´ ¼ ¼ ½ µ  on constate que l’état probabiliste del’individu se stabilise également vers ´ ¼  ¼   ¼ ¼   ½ ½ µ  

RemarqueLe théorème D7.7 admet la généralisation suivante : s’il existe un entier Ñ  telque la matrice

È 

Ñ  ait tous ses coefficients strictement positifs, alors la suite ́ È 

Ò 

µ  est convergente vers une matrice stochastique ayant ses lignes toutes

égales à une même ligne. Dans l’exercice F.8,È 

¾ 

 

¼  

  

¼  ½ ¼  ¼ ¼  ½  

¼  ¼  ¼ ¼  ¼  

¼  ¼  ¿ ¼  ¾  

½ 

 

et la généralisation s’applique.iii. La probabilité que l’individu soit malade au bout d’un certain temps est donc

voisine de 0,094. On peut donc estimer à 9,4% la proportion d’individusmalades dans la population.

F.9 Notons   (respectivement   µ  l’événement «le réverbère est éteint (respec-tivement allumé».

– Simulation de la situation (effectuée à l’aide d’un tableur ou d’une calculatrice)pour une population de 500 réverbères sur une durée de 6 jours :

  jour 0 jour 1 jour 2 jour 3 jour 4 jour 5 jour 6Nombre de réverbères éteints 500 121 295 232 266 226 255Nombre de réverbère allumés 0 379 205 268 234 274 245

On constate une stabilisation assez rapide vers la situation où un réverbère sur

40

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 42/47

 

deux est allumé..–

La probabilité que le réverbère soit éteint le deuxième jour est :

¿ 

 

¢ 

¿ 

 

· 

½ 

 

¢ 

½ 

 

 

 

 

et celle qu’il soit allumé est¿ 

 

– Le graphe probabiliste de la situation est :

et la matrice de transition associée à ce graphe, en classant les sommets dans

l’ordre E,A est :

È   

¼  

 

  

½ 

 

¿ 

 

¿ 

 

½ 

 

½ 

 

 

nous sommes dans la situation décrite dans le théorème D.7.7 (deuxième dé-

monstration) avec Ô    Õ   

¿ 

 

. La suite des états probabilistes converge alors vers

l’état  ́

Õ 

Ô  ·  Õ 

Ô 

Ô  ·  Õ 

µ  ́

½ 

¾ 

½ 

¾ 

µ  , résultat cohérent avec les simulations effectué es

en première question.

F.10 Construisons un graphe dont les sommets sont les 6 personnes, deux som-mets sont reliés par une arête en trait plein lorsque les personnes correspondantesse connaissent et en trait discontinu dans le cas contraire. Il s’agit de prouver quece graphe contient un cycle simple de longueur 3 dont les arêtes sont de même na-ture. Si l’on ne tient pas compte de la nature des arêtes, ce graphe est complet, deux

personnes au hasard, ou bien se connaissent ou bien ne se connaissent pas. Chaquesommet est donc de degré 5 et parmi les 5 arêtes issues d’un sommet, trois d’entreelles sont de même nature. Supposons, par exemple, que les arêtes

           

et      soient en trait plein. Considérons alors le cycle Si ses arêtes sont entrait discontinu, c’est terminé, sinon, l’une des trois arêtes sera en trait plein et per-

41

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 43/47

 

mettra de former avec deux arêtes du triangle  

un cycle dont les trois arêtes sonten trait plein.

42

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 44/47

 

H Complément : les arbres

H.1 Définition

Un arbre  est un graphe simple connexe ne possédant pas de cycle simple.

Exemple

H.2 Arbre de recouvrement

1. DéfinitionSoit

   ́   µ 

un graphe simple. Un arbre de recouvrement  de 

est unsous-graphe de   qui est un arbre contenant chaque sommet de

2. Algorithme de construction d’un arbre de recouvrementOn choisit un sommet arbitraire du graphe, puis on construit à partir de ce som-met une chaîne simple en ajoutant des arêtes de   tant que c’est possible. Si lachaîne ainsi construit contient tous les sommets du graphe, la chaîne est un arbrede recouvrement. Sinon, on retourne à l’avant-dernier sommet de la chaîne età partir de celui-ci, et si c’est possible, on construit une nouvelle chaîne sim-ple aussi longue que possible et ne contenant aucun sommet du premier cheminconstruit. Si ce n’est pas possible, il faut remonter à l’antépénultième sommetet recommencer. Si le graphe est connexe, on peut réitèrer ce processus jusqu’àépuisement des sommets pour obtenir un arbre de recouvrement.ExempleAppliquons l’algorithme précédent pour trouver un arbre de recouvrement du

43

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 45/47

 

graphe connexe suivant :

– Partons par exemple du sommet  

– 1Ö   étape : on construit la chaîne simple Ð  

– 2  étape : on remonte jusqu’au sommet   pour former la chaîne  

– Un arbre de recouvrement est alors :

H.3 Arbre partiel de coût minimum

1. Exemple introductif On considère le réseau routier représenté par le graphe ci-dessous. Ces routessont souvent enneigées en hiver et l’équipement décide de déneiger un nombreminimal de routes de telle sorte que deux villages quelconques du réseau soienttoujours reliés par une route déneigée.

44

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 46/47

 

Le problème consiste à construire un graphe partiel, connexe, comprenant un

nombre minimal d’arêtes. Le graphe contient 6 sommets, le sous-graphe cherchédoit donc contenir 5 arêtes. Il s’agit donc de construire un arbre de recouvrementdu graphe (On peut montrer que la relation         ½  caractérise les arbresparmi les graphes simples connexes).

Voici un algorithme de recherche d’arbre partiel de coût minimum lorsque legraphe est simple, connexe et valué.

2. Algorithme de Sollin-Calestagne

   ́   µ  est un graphe simple connexe valué.

– (1)  

½ 

    Ü 

½ 

Ý 

½ 

  est une arête de coût minimum. On pose Ë      Ü 

½ 

Ý 

½ 

  etÌ       

½ 

 

Passer à (2)

– (2) Si Ë    alors l’arbre  ́ Ë Ì  µ  est l’arbre cherché, sinon, passer en (3)

– (3) On choisit une arête       Ü Ý    de coût minimum ayant un sommet dans Ë 

et l’autre dans le complémentaire deË 

dans

On remplaceË 

parË    Ü Ý   

et Ì  par Ì        Passer en (2).

ExempleUtiliser l’algorithme de Sollin-Calestagne pour concevoir un réseau de com-munication à coût minimal reliant tous les ordinateurs représentés par le graphesuivant :

45

5/9/2018 Graphes - slidepdf.com

http://slidepdf.com/reader/full/graphes-559ca0a27a582 47/47

 

Solution possible (le coût minimal est égal à 4700 euros)

46