Introduction la thorie des graphes

Eric Sigward
e.sigward@ac-nancy-metz.fr

Les sept ponts de Knigsberg

Introduction 2 Dnitions et premiers exemples 2 Graphes non orients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Graphes orients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Terminologie 7 lments de la thorie des graphes 9 Graphes eulriens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Graphes hamiltoniens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Matrice dadjacence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Coloriage des sommets dun graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Graphes valus et problme du plus court chemin . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Graphes probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Chane de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Graphes probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Les graphes en Terminale ES 34 Exercices 35 Solutions des exercices 38 Complment : les arbres 43 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Arbre de recouvrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Arbre partiel de cot minimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

Eric Sigward

Introduction la thorie des graphes

Mars 2002

Introduction
Lhistoire de la thorie des graphes dbute peut-tre avec les travaux dEuler au XVIII sicle et trouve son origine dans ltude de certains problmes, tels que celui des ponts de Knigsberg (voir page de couverture, les habitants de Knigsberg se demandaient sil tait possible, en partant dun quartier quelconque de la ville, de traverser tous les ponts sans passer deux fois par le mme et de revenir leur point de dpart), la marche du cavalier sur lchiquier ou le problme de coloriage de cartes. La thorie des graphes sest alors dveloppe dans diverses disciplines telles que la chimie, la biologie, les sciences sociales. Depuis le dbut du XX sicle, elle constitue une branche part entire des mathmatiques, grce aux travaux de Knig, Menger, Cayley puis de Berge et dErds. De manire gnrale, un graphe permet de reprsenter la structure, les connexions dun ensemble complexe en exprimant les relations entre ses lments : rseau de communication, rseaux routiers, interaction de diverses espces animales, circuits lectriques,. . . Les graphes constituent donc une mthode de pense qui permet de modliser une grande varit de problmes en se ramenant ltude de sommets et darcs. Les derniers travaux en thorie des graphes sont souvent effectus par des informaticiens, du fait de limportance quy revt laspect algorithmique.

Dnitions et premiers exemples

B.1 Graphes non orients

1. Dnition Un graphe simple

est un couple form de deux ensembles : un ensemble dont les lments sont appels sommets, et un ensemble ) des parties deux lments , partie de lensemble ( . de , dont les lments sont appel s artes. On notera , on dit que est larte de dextrmits et , ou que Lorsque joint et , ou que passe par et . Les sommets et sont dits adjacents dans .

2. Dnition Un multigraphe un ensemble un ensemble une application

est dtermin par :

de sommets cette fois abstrait

Dans cet exemple, , , ,

sont les sommets du multigraphe et :

Un multigraphe avec boucles est un triplet o est une application de dans en dautres termes, un multigraphe avec boucles peut comprendre des artes multiples entre deux sommets donns ainsi que des boucles multiples en un sommet. 3. Exemples :
o : a. Le graphe dun tournoi, est lensemble des participants au tournoi est lensemble des paires de joueurs se rencontrant dans le tournoi.

b. La carte routire de la France, o est lensemble des villes de la France. il y a au moins une route directe reliant les villes et c. Le graphe discret dordre ,

d. Le graphe complet dordre , o

et

e. Le graphe biparti-complet o et

et


f. Le cycle

, o

et

4. Dnition Soit un graphe simple, et un sommet de ce graphe. Le degr de , not , est le nombre dartes incidentes cest-dire contenant . Lorsque , on dit que le sommet est isol, lorsque , il est dit pendant. Exemples : si est un sommet de , si est un sommet de ,

5. Dnition Un graphe simple est dit rgulier de degr , lorsque tous ses sommets sont de degr . 6. Lemme des poignes de mains Soit un graphe simple, alors En effet, chaque paire de est compte deux fois, une fois pour et une seconde fois pour Remarque Le lemme des poignes de mains reste valable pour les multigraphes avec boucles en convenant quune boucle contribue pour 2 dans le calcul du degr dun sommet. 7. Exercices a. Montrer quun graphe simple a un nombre pair de sommets de degr impair. Notons lensemble des sommets de degr pair et lensemble des sommets de degr impair dun graphe simple et forment une partition

de

daprs le lemme des poignes de mains, on a :

Or et sont des entiers pairs, on en dduit alors que est galement pair, comme diffrence de deux entiers pairs. Chaque terme de cette dernire somme est impair, elle ne peut donc tre paire que si et seulement si le nombre de termes est pair, on a donc montr que est un entier pair. b. Est-il possible de relier 15 ordinateurs de sorte que chaque appareil soit reli avec exactement trois autres ? Considrons le graphe simple dont les sommets sont les 15 ordinateurs, les artes tant les liaisons entre ces ordinateurs. Si chaque appareil est reli exactement 3 ordinateurs du rseau, les sommets du graphe sont tous de degr impair. Daprs le rsultat tabli dans lexercice prcdent, un tel graphe doit possder un nombre pair de sommets, le rseau est donc impossible. c. Montrer que le nombre total de gens qui ont habit la Terre et qui ont donn un nombre impair de poignes de mains est pair. Considrons le graphe dont les sommets sont les gens qui ont habit la Terre et dont les artes reprsentent les poignes de mains changes entre ces personnes. La rponse la question dcoule immdiatement du rsultat du premier exercice.

B.2

Graphes orients

1. Dnition Un graphe orient est form de deux ensembles : un ensemble dont les lments sont appels sommets, et un ensemble , partie du produit cartsien , dont les lments sont appels arcs. On notera .

Si est un arc du graphe , est lextrmit initiale de et lextrmit nale de .

Remarque tout graphe orient

ou

on associe le graphe simple

o :

2. Dnition Soit un sommet dun graphe orient. On note le nombre darcs ayant comme extrmit initiale, et le nombre darcs ayant comme extrmit nale. Ainsi, on a :

3. Exercice

est un graphe orient, montrer que

En effet, on a clairement :

Terminologie

Sous-graphe :

est un sous-graphe de est un graphe partiel de

si

et et

Graphe partiel :

si

Ordre dun graphe : lordre dun graphe est le nombre de sommets de ce graphe. Chane : suite nie de sommets relis entre eux par une arte. Chane simple : chane qui nutilise pas deux fois la mme arte. Chane eulrienne : chane simple passant par toutes les artes dun graphe. Chane hamiltonienne : chane simple passant par tous les sommets dun graphe Chemin : suite de sommets relis par des arcs dans un graphe orient. Cycle : chane qui revient son point de dpart. Cycle eulrien : cycle simple passant par toutes les artes dun graphe une et Cycle hamiltonien : cycle simple passant par tous les sommets dun graphe une Graphe connexe : un graphe
et une seule fois. une seule fois. une et une seule fois.

Arbre : graphe connexe sans cycle simple et sans boucle. Graphe eulrien : graphe qui possde un cycle eulrien. Graphe semi-eulrien : graphe qui possde une chane eulrienne. Graphe hamitonien : graphe qui possde un cycle hamiltonien. Graphe semi-hamiltonien : graphe qui possde une chane hamiltonienne. Graphe valu : graphe o des rels sont associs aux artes. Dans cet expos, Longueur dune chane : nombre des artes qui composent la chane. Valeur dune chane : somme des valeurs des artes (arcs) dune chane dun Distance entre deux sommets : longueur de la plus courte chane joignant ces Diamtre dun graphe : maximum des distances entre les sommets dun graphe. Indice chromatique : nombre minimal de couleurs permettant de colorier les
7 deux sommets. graphe valu. on ne considrera que des valuations positives.

de , il existe une chane de premier terme et de dernier terme .

est dit connexe si pour toute paire de sommets

 Nombre chromatique dun graphe : nombre minimal de couleurs permettant

artes dun graphe, de telle sorte que deux artes adjacentes naient pas la mme couleur. de colorier les sommets dun graphe, de telle sorte que deux sommets adjacents naient pas la mme couleur.

lments de la thorie des graphes

D.1 Graphes eulriens

1. Thorme dEuler (1766) Un graphe simple connexe est eulrien si et seulement si pour tout sommet de , est pair. Dmonstration Supposons eulrien, soit alors un cycle eulrien et un sommet de . Le cycle contient toutes les artes de , donc toutes les artes ayant comme extrmit. Lors dun parcourt de on arrive en autant de fois quon en repart, chaque arte de tant prsente une et seule fois dans , est ncessairement un nombre pair. soient de degr pair. Rciproquement, supposons que tous les sommets de Formons une chane simple , aussi longue que possible, partir dun sommet arbitraire . Cette chane est en fait un cycle, sinon, son extrmit nale serait de degr impair. Si ce cycle contient toutes les artes du graphe , est le cycle eulrien cherch. Dans le cas contraire, on considre le sous-graphe obtenu partir de en liminant les artes de et ses sommets qui ne sont incidents aucune des artes restantes. Comme est connexe, possde au moins un sommet commun avec le cycle . Soit un tel sommet. Les sommets de sont encore de degr pair. Construisons alors, de la mme manire que prcdemment, un cycle dans partir de . Rallongeons le cycle en insrant partir du sommet le cycle pour former un cycle de . Si ce cycle possde toutes les artes de , est le cycle eulrien cherch. Sinon, on continue ce processus, qui se terminera car les sommets du graphe sont en nombre ni. Remarques Le thorme dEuler reste valable pour des multigraphes connexes. La dmonstration fournit un algorithme de construction de cycle eulrien Exemples i.

nest pas eulrien, ses sommets ne sont pas tous pairs. 9

est eulrien, un cycle eulrien est par exemple :

ii. Le problme des ponts de Knigsberg La ville de Knigsberg en Prusse (maintenant Kaliningrad) comprenait 4 quartiers, spars par les bras du Prgel. Les habitants de Knigsberg se demandaient sil tait possible, en partant dun quartier quelconque de la ville, de traverser tous les ponts sans passer deux fois par le mme et de revenir leur point de dpart. Le plan de la ville peut se modliser laide du multigraphe ci-dessous, les quartiers sont reprsents par les 4 sommets, les 7 ponts par des artes :

La question pose devient alors : ce graphe est-il eulrien ? Le thorme dEuler rpond immdiatement de faon ngative aux habitants de Knigsberg. iii. Est-il possible de tracer une courbe continue coupant chacun des 16 segments de la gure ci-dessous exactement une et une seule fois ?

Considrons le multigraphe dont les sommets sont les 6 rgions de la gure, et dont les artes sont les 16 segments qui sont frontires entre les diffrentes rgions.

10

Le problme consiste construire un cycle eulrien, ce qui est impossible, car le sommet par exemple, est de degr 5. 2. Thorme Un graphe simple connexe est semi-eulrien si et seulement si il admet 0 ou exactement 2 sommets de degr impair. La dmonstration est identique celle du thorme dEuler. Si le nombre de sommets de degr impair est nul, la chane sera un cycle et le graphe sera en fait eulrien, et sil est gal deux, les chanes eulriennes du graphe auront ces deux sommets pour extrmits.

D.2

Graphes hamiltoniens

Contrairement aux graphes eulriens, il nexiste pas de caractrisation simple des graphes hamiltoniens ou semi-hamiltoniens. On peut cependant noncer quelques proprits et conditions sufsantes. 1. Un graphe possdant un sommet de degr 1 ne peut tre hamiltonien. 2. Si un sommet dans un graphe est de degr 2, alors les deux artes incidentes ce sommet doivent faire partie du cycle hamiltonien. 3. Les graphes sont hamiltoniens. 4. Thorme (Ore) Soit un graphe simple dordre Si pour toute paire sommets non adjacents, on a alors est hamiltonien.

de

5. Corollaire (Dirac) un graphe simple dordre Si pour tout sommet de Soit on a alors est hamiltonien. En effet, un tel graphe vrie les conditions du thorme prcdent, si et ne sont pas adjacents, on a bien :

6. Exemples

nest pas hamiltonien, car il possde un sommet de degr 1.

11

est hamiltonien :

est un cycle hamiltonien. (La condition du

corollaire de Dirac nest pas ncessaire :

est dordre 5, et

D.3

Matrice dadjacence

1. Dnition un graphe orient, avec La matrice Soit dadjacence du graphe est la matrice ) dont les coefcients sont dnis par : si 0 si exemple :

2. Proprits Avec les notations prcdentes, nous avons les proprits immdiates suivantes : a. Pour tout

b. La trace de

est gale au nombre de boucles du graphe

Remarque La reprsentation matricielle est galement utilisable pour des graphes non orients, leurs matrices sont symtriques. 3. Thorme un graphe orient, avec de matrice Soit Pour tout entier naturel non nul notons dadjacence est gal au nombre de chemins de longueur du sommet Alors 12

au sommet Dmonstration Effectuons une rcurrence sur : dsigne bien le nombre de chemins allant de Supposons le rsultat vrai pour lentier comme on a :

Par hypothse de rcurrence, est le nombre de chemins de longueur allant de et est gal 1 si est une arte de et sinon. est donc le nombre de chemins de longueur allant de dont la dernire arte est la somme de ces termes est donc bien le nombre de chemins de longueur allant de

Dterminons le nombre de chemins de longueur 4 allant de

Exemples

dans le graphe

La matrice dadjacence de

est :

Le nombre de chemins cherch est le terme

de la matrice

cest--dire 8. Dterminons le nombre de circuits de longueur 4 dans le graphe

13

La matrice dadjacence de

est :

Le nombre de circuits de longueur 4 dans

est gale la trace de

et

4. Exercice Soit un graphe simple orient dordre de matrice dadjacence Montrer que si nest pas nulle, alors le graphe contient des cycles. tudier la rciproque. Si nest pas la matrice nulle, il existe tel que Il existe donc au moins un chemin de longueur de Or un chemin de longueur dans un graphe dordre passe au moins deux fois par le mme sommet, cest quil existe un cycle dans Rciproquement si contient un cycle, alors on peut trouver un chemin de longueur arbitraire dans le graphe, en particulier un chemin de longueur On en dduit que

D.4

Distance

1. Dnition Soit un graphe orient. Pour tout la distance entre le sommet et le sommet est le nombre dni par :

sil nexiste pas de chemin de

est un chemin de

est

dsigne la longueur du chemein la matrice

La matrice des distances du graphe

14

exemple

La matrice des distances de

est :

2. Algorithme de Moore Soit et deux sommets dun graphe Lalgorithme suivant calcule la distance : On tiquette les sommets de en observant les rgles suivantes : le sommet reoit ltiquette 0 si

et est tiquet

i. si nest pas tiquet, alors reoit ltiquette Si, la n, une tiquette Exemple alors

ii. si est tiquet alors ltiquette de est remplace par

sinon

lalgorithme prcdent permet dexhiber de faon rcursive les chemins de longueur de : on part de et on dtermine les sommets tels que avec et ainsi de suite jusquen

Remarque : lorsque
On a dans cet exemple:

15

D.5

Coloriage des sommets dun graphe

1. Dnitions Soit un graphe non orient. Un sous-ensemble de est stable sil ne comprend que des sommets non adjacents deux deux. Le cardinal de la on le note plus grande partie stable est le nombre de stabilit de La coloration des sommets dun graphe consiste affecter tous les sommets de ce graphe dune couleur de telle sorte que deux sommets adjacents ne portent pas la mme couleur. Une coloration avec couleurs est donc une partition de lensemble des sommets en parties stables. Le nombre chromatique, not du graphe est le plus petit entier pour lequel il existe une partition de en sous-ensembles stables. 2. Encadrement du nombre chromatique a. Proposition Soit

un graphe simple dordre On a lencadrement suivant :

o est le degr maximal des sommets du graphe Dmonstration Notons Alors :

une partition de

en

parties stables avec

et

tant des entiers naturels, lingalit de gauche est tablie. en sous-ensembles stables de la manire et est une plus grande partie

Construisons une partition de suivante :

on considre un sommet arbitraire de stable de contenant sil existe un sommet de plus grande partie stable de sil existe un sommet de plus grande partie stable de deux deux disjointes.

qui nest pas dans , on construit une contenant disjointe de qui nest pas dans on construit contenant telle que et soient

tant un ensemble ni, ce procd se terminera et nous obtenons une partition de En choisissant une couleur par lment de la partition, nous aurons ncessairement : Considrons prsent un sommet de la partie Le caractre maximal des parties construites assure que ce sommet est adjacent au moins un On en dduit alors que sommet de chaque partie 16

do :

ce qui tablit la deuxime ingalit. b. Proposition Soit

un graphe simple dordre alors :

Dmonstration Considrons une partie stable de de cardinal Une coloration possible des sommets consiste colorier les sommets de dune mme couleur et les autres sommets de couleurs toutes diffrentes. On en dduit que :

3. Exemples

ii. iii. iv.

i.

pour

v. Dterminons le nombre chromatique du graphe

suivant :

Considrons la partition de lensemble des sommets de stables :

en sous-ensembles

Dautre part, contient un cycle dordre 3, donc Finalement, le nombre chromatique de est donc 3. La partition prcdente en donne une 3_coloration :

on a donc

17

4. Exemples dapplication a. Problme demploi du temps Une universit doit organiser les horaires des examens. On suppose quil y a 7 preuves planier, correspondant aux cours numrots de 1 7 et que les paires de cours suivantes ont des tudiants communs : 1 et 2, 1 et 3, 1 et 4, 1 et 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 et 7 et 6 et 7. Comment organiser ces preuves de faon quaucun tudiant nait passer deux preuves en mme temps et cela sur une dure miminale ? Solution : Construisons le graphe dont les sommets sont les preuves numrotes de 1 7, une arte relie deux de ses sommets lorsque les deux cours correspondant possdent des tudiants communs :

Planier les examens en un temps minimal consiste dterminer une _ coloration de avec possde un sous-graphe complet dordre 4 (de sommets 1,2,3,4), donc Dterminons une partition des sommets de en sous-ensembles stables :

do

et nalement

Les examens peuvent tre rpartis

en 4 priodes, de la manire suivante : 18

1 priode, preuves des cours 1 et 6 2 priode, preuve du cours 2 3 priode, preuves des cours 3 et 5 4 priode, preuves des cours 4 et 7.

b. Un problme daquariophilie (exercice du document daccompagnement ) A, B, C, D, E, F, G et H dsignent huit poissons ; dans le tableau ci-dessous, une croix signie que les poissons ne peuvent cohabiter dans un mme aquarium : A B C D E F G H A x x x x x B x x x x C x x x x x D x x x x E x x x x F x x x G x x x x H x x x Quel nombre minimum daquariums faut-il ? Solution : Construisons le graphe dont les sommets sont les huit poissons tel que deux de ses sommets sont relis lorsque les poissons associs ces sommets ne peuvent cohabiter. Le nombre minimum daquariums est gal au nombre chromatique de ce graphe.

contient un sous-graphe complet dordre 4 (de sommets donc Dterminons une partition des sommets de en sous-ensembles stables :

19

donc

et on en dduit que

5. Algorithme de coloriage des sommets dun graphe simple Voici un algorithme permettant de colorier un graphe simple. Nommons les sommets du graphe en ordre de degr dcroissant : avec pour 1 Attribuons la couleur et au sommet suivant de la liste qui nest pas adjacent et ainsi de suite avec les sommets de la liste qui ne sont pas adjacents aux sommets dj coloris. Ensuite, on attribue la couleur au premier sommet non colori ainsi quaux sommets suivants qui ne sont pas adjacents aux sommets coloris par la couleur On continue ce processus jusqu puisement des sommets de la liste. Remarquons bien que le nombre de couleurs ainsi utilises nest pas ncessairement minimal. Appliquons cet algorithme au graphe de lexemple prcdent. Rangeons les sommets par ordre de degr dcroissant : Sommet A C B D E G F H degr 5 5 4 4 4 4 3 3

On attribue la couleur aux sommets : A et E On attribue la couleur aux sommets : C et B On attribue la couleur aux sommets : D,F et G On attribue enn la couleur au sommet H.

D.6

Graphes valus et problme du plus court chemin

Beaucoup de problmes peuvent tre modliss en utilisant des graphes valus. Les problmes de cheminement dans les graphes, en particulier la recherche du plus court chemin, comptent parmi les problmes les plus anciens de la thorie des graphes et les plus importants par leurs applications : cot de transport, temps de parcours, problme de trac,. . . Les algorithmes de recherche de plus court chemin seront diffrents selon les caractrisitiques du graphe. 1. Dnition Un graphe valu est un graphe orient muni dune fonction appele fonction de cot. Remarque On peut galement dnir la notion de graphe valu non orient

20

2. Exemple

Graphe valu de modlisation dun rseau arien 3. Dnitions Le cot dun chemin est la somme des cots des arcs de ce chemin. On peut o : dnir la matrice des cots du graphe, cest la matrice si et si et si 4. Dnition Soit un graphe valu, et deux lments de Une chemin de de est dit minimum lorsque pour tout chemin de allant de on a : On dnit la matrice de cot minimum par : si sil nexiste pas de chemin de chemin de

Dcrivons prsent deux algorithmes de recherche de chemin minimum. 5. Algorithme de Dijkstra ( 1959 ) Numrotons les sommets du graphe de 1 Cet algorithme calcule le plus court chemin du sommet 1 tous les sommets du graphe ( il donnera donc la premire ligne de la matrice de cot minimum ). On construit un vecteur ayant composantes tel que soit gal la longueur du plus court chemin allant de 1 au sommet On initialise ce vecteur cest--dire la premire ligne de la matrice des cots du graphe. On considre ensuite deux ensembles de sommets, initialis et son complmentaire ensemble des sommets du graphe. chaque pas de lalgorithme, on dans de telle sorte que le vecteur ajoute des sommets jusqu ce que donne chaque tape le cot minimal des chemins de 1 aux sommets de

Edsger Dijsktra, Universit dAmsterdam

21

Description de lalgorithme : initialisations

itrations

pour

Tant que Choisir dans tel que est minimum Retirer de et lajouter Pour chaque successeur de dans

Exemple : Appliquons lalgorithme de Dijkstra au graphe suivant :

Initialisation ; ; 1 itration : car ; ; les successeurs de 5 dans sont 3 et 4, prend la nouvelle valeur prend la nouvelle valeur do le nouveau vecteur

2 itration :

3 itration : 4 itration :

; ; ;

Le chemin minimal de 1 4 par exemple est de cot 9, cest le chemin Remarque Si

est un graphe orient, on peut considrer la fonction de cot

22

Le cot dun chemin du graphe ainsi valu par est la longueur de ce chemin. La matrice des cots est la matrice des distances. Lalgorithme de Dijkstra dans ce cas particulier est en fait lalgorithme de Moore. (voir D.4.2) Exercice La matrice qui suit donne en heures les dures des vols entre certaines villes :

le terme de cette matrice est gal lorque le vol au dpart de la ville destination de nexiste pas. a. Quel est litinraire le plus rapide de ? b. Sil y a une escale obligatoire de respectivement 2,3,1,1,4,5 heures aux villes quel est alors litinraire le plus rapide de ? (a) Appliquons lalgorithme de Dijkstra pour dterminer la valeur dun chemin minimal de Initialisation ; ; 1 itration : ; ; 2 itration : ; ; ; 3 itration : ; ; ; 4 itration : ; ; ; 5 itration : ; ; ; Litinraire le plus rapide ncessite donc 9 heures pour aller de la ville la ville Litinraire est un itinraire minimum. (Il y en a deux autres...) (b) On applique le mme algorithme la nouvelle matrice des dures, obtenue en ajoutant au vol de la dure de lescale en cest--dire au graphe de matrice des cots :

23

on trouve nouveau de dure 10 heures.

comme itinraire minimal (en terme de dure),

6. Lalgorithme de Maria Hasse Cette mthode consiste calculer la matrice des cots minimums. Considrons les oprations et dnies sur par :

Dnissons alors un nouveau produit matriciel en remplaant laddition et la multiplication des rels par et respectivement. Le produit des matrices et de ) est la matrice o :

a. Thorme Soit un graphe valu de matrice des cots Si est un entier naturel tel que alors est la matrice des cots minimums.(les puissances successives de la matrice tant calcules laide des oprations dcrites prcdemment) Dmonstration est le minimum parmi les cots des Montrons par rcurrence sur que chemins de longueur infrieure de Pour cest clair. Sup posons le rsulat vrai pour lentier alors reprsente bien le minimum des cots des chemins de longueur allant de Si pour un certain entier on a alors pour tout entier na dsigne alors le minimum des cots des chemins turel est bien la matrice des cots de longueur quelconque allant de minimums. b. Voici une procdure Maple calculant la matrice des cots minimums en utilisant la mthode de Maria Hasse. On prend 1 000 000 pour reprsenter linni i:=10^6: La procdure produit calcule le produit de 2 matrices laide des nouvelles oprations produit:=proc(A,B::matrix) local i,j,k,n,C;

Maria Hasse, Universit de Halle Wittenberg

24

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 procdure hasse dtermine le plus petit entier et afche la matrice des cots minimums. 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 cots minimums est)); evalm(matrix(n,n,[seq(seq(B[i,j],j=1..n),i=1..n)])); end: Exemple Appliquons la mtode de Hasse pour dterminer la matrice des cots minimums du graphe valu suivant :

25

La matrice des cots de ce graphe est :

La procdure Maple renvoie la matrice des cots minimums au bout de la quatrime itration

La connaissance des puissances intermdiaires de est ncessaire pour dterminer un chemin minimal. Cherchons par exemple un chemin de cot minimal de

Comme Comme

enn, cherch est :

le cot du chemin minimal de est gal 11. pour le chemin se termine par larc ; de mme pour les deux derniers arcs sont ; le deuxime arc est Finalement, le chemin

26

D.7
D.7.1

Graphes probabilistes
Chane de Markov

1. Dnitions Soit un entier naturel non nul. Un vecteur stochastique de est un vecteur tel que :

Une matrice de ) est dite stochastique, lorsque :

Une matrice stochastique est donc une matrice dont chacune des lignes est un vecteur stochastique. 2. Proprit Si est un vecteur stochastique de et si est une matrice stochastique de ), alors est un vecteur stochatisque de En effet, pour tout

et

3. Proprit Si et sont deux matrices stochastiques de ), alors est encore une matrice stochastique de ). En effet, pour tout

et pour tout

On montre alors par rcurrence que pour tout entier naturel trice stochastique.

est une ma

27

4. Dnition Fixons un ensemble ni, appel ensemble des tats. Une chane de Markov temps discret sur est une suite de variables alatoires valeurs dans satisfaisant les deux conditions suivantes : (a). (Condition dindpendance) Pour tout et pour tout choix de lesquels

et dans pour

on a :

(b). (Condition dhomognit) Pour tout et pour tout dans et pour tous les entiers la probabilit conditionnelle ne dpend pas de 5. Dnitions Soit La matrice une chane de Markov sur un ensemble dnie par :

tels que

sappelle la matrice de transition de la chane de Markov.

sappelle la loi initiale de la chane de La distribution Markov. Remarque : la matrice est une matrice stochastique, en effet :

Exemple Considrons une particule qui se dplace de faon alatoire, lensemble reprsente lensemble de toutes les positions possibles (que lon suppose tre en nombre ni). Pour tout , la variable reprsente la position de la particule linstant donc aprs dplacements. Si aprs transitions la particule est la position alors elle choisira alatoirement sa ( ime position selon la distribution de probabilit et ce indpendamment de et de ses tats aux instants qui ont prcd 6. Proprit Notons

et pour tout instant On a alors pour tout : En effet, pour tout :

Andrei Andreyevich Markov (1856-1922) lve de Chebyshev, professeur St Petersburg. Ses travaux ont port sur lanalyse, la thorie des nombres et les processus alatoires.

28

La loi de la chane de Markov est donc entirement dtermine par la donne de sa matrice de transition et de ltat initial 7. Thorme Si la matrice de transition a tous ses coefcients strictement positifs, alors : la suite

converge vers un vecteur

indpendant de la distribution initiale.

La suite des matrices converge vers une matrice stochastique dont toutes les lignes sont gales au vecteur De plus, Dmonstration Soit un entier naturel suprieur ou gal 2. Notons lensemble des matrices stochastiques de ) et lensemble des vecteurs lignes stochastiques de ). Pour une matrice de introduisons les notations suivantes :

et

tablissons les deux ingalits :

et . pour Soit vriant On a :

(1) (2)

En prenant le max sur on obtient :

Lingalit (2) se dmontre de la mme manire en considrant

Lingalit (1) montre que la suite est dcroissante, lingalit (2) permet dtablir la croissance de la suite En faisant la diffrence de

tel que

29

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

cest--dire :

Do, pour tout entier : Or

en effet :

et , car on a suppos que les coefcients de taient strictement positifs. On en dduit alors que :

Les suites et limite commune Or pour tout

sont alors adjacentes et vont converger vers une

Le thorme des limites par encadrement permet alors dafrmer que la suite converge vers Posons alors et soit la matrice dont toutes les lignes sont gales on a alors :

De plus, si

est la matrice colonne dont les coefcients valent 1: est stochastique (car chaque

ce qui prouve bien que la matrice limite est stochastique. la suite Dautre part, on a vu que pour tout vriant : alors vers le vecteur ligne

converge

en effet, la suite converge vers comme sous-suite de la suite con elle converge galement vers vergente et comme Par unicit de la limite, on a bien Il reste dmontrer que le vecteur ligne est indpendant de la distribution initiale Le vecteur ligne obtenu prcdemment, vrie galement en effet, pour tout entier on a par passage la limite,

En interprtant le produit par blocs, on constate que :

On en dduit alors que ant alors

. . .

Soit maintenant un vecteur ligne vri pour tout entier la limite,

30

Notons

alors :

est donc colinaire On en dduit que lespace des vecteurs lignes vriant est la droite engendre par son seul lment stochastique est le vecteur En particulier, le vecteur ligne ne dpend pas de puisque sa caractrisation nvoque que Autre dmonstration (dans le cas : voir exercice F.9 pour une
application numrique) On considre la dcomposition de la matrice suivante :

avec

et On remarquera que est une matrice stochastique dont les lignes sont gales.
Calculons le produit :

Un calcul identique montre que est la matrice nulle. Calculons maintenant les puissances successives de et de :

On en dduit par rcurrence, que pour tout entier mme manire que pour tout entier par la formule du binme, on obtient :

On montre de la

Finalement, en dveloppant

et comme la suite converge vers la matrice stochastique lignes gales :

31

On conclut alors de la mme manire que dans la dmonstration prcdente.

D.7.2

Graphes probabilistes

1. Dnitions Un graphe probabiliste est un graphe orient et valu tel que la somme des cots des arcs issus dun sommet donn est gal 1. dordre est La matrice de transition dun graphe probabiliste la matrice o : si si Remarques : pour tout

La matrice de transition dun graphe probabiliste est donc une matrice stochastique. Les graphes probabilistes sont utiliss pour modliser lvolution dun individu pouvant changer alatoirement dtat : les sommets sont les tats possibles et le cot de larc est la probabilit de transition de ltat ltat Ltat probabiliste de lindividu linstant est une loi de probabilit sur lensemble des tats possibles et qui est reprsente par un vecteur stochastique Lorsque les hypothses dind pendance et dhomognit sont vri es (cf dnition dune chane de Markov), on : Exemple Un dispositif comprend deux lments fonctionnant indpendamment lun de lautre. Chaque lment a une probabilit gale de tomber en panne au cours dune journe. Au dpart, les deux lments fonctionnent correctement et il ny a pas de rparation possible. Ce processus sera dans ltat ou 2 selon quil y a zro, une ou deux machines en panne au dbut dune journe. Le processus alatoire peut tre reprsent par le graphe probabiliste :

32

La matrice de transition est :

33

Les graphes en Terminale ES

1. Le programme a. Vocabulaire lmentaire des graphes Sommets, sommets adjacents, artes, degr dun sommet, ordre dun graphe, chane, longueur dune chane, graphe complet, distance entre deux sommets, diamtre, sous-graphe stable, graphe connexe, nombre chromatique, chane eulrienne, matrice associe un graphe, matrice de transition pour un graphe pondr par des probabilits. Un lexique sera fourni dans le document daccompagnement, il dnira clairement les limites du programme, toute notion qui ne correspondrait pas lun des termes du lexique est hors programme. Les termes du lexique seront introduits loccasion de rsolution de problmes. b. Rsultats lmentaires sur les graphes

Lien entre la somme des degrs des sommets et le nombre dartes Conditions dexistence de chanes et de cycles eulriens (thorme dEuler) Le terme de la matrice ( est la matrice associe un graphe) donne le nombre de chanes de longueur reliant les sommets et Le nombre chromatique dun graphe est infrieur ou gal plus haut des degrs du graphe.

tant le

Si est la matrice de transition dun graphe probabiliste sommets, ltat probabiliste ltape est o est la matrice ligne dcrivant ltat initial Exemple de convergence pour des graphes probabilistes deux sommets : lorsque la matrice de transition ne comporte pas de 0, ltat ltat converge vers un tat indpendant de ltat initial vriant Ces proprites gurent au programme, elles seront introduites loccasion de problmes. Elles pourront tre dmontres ou commentes.

2. Commentaires Lenseignement des graphes en Terminale ES est entirement fond sur la rsolution de problmes. Lobjectif est de savoir modliser des situations par des graphes et didentier en terme de proprits de graphes la question rsoudre.

34

Exercices
F.1 Tracer le graphe de la matrice dadjacence suivante :

F.2 Montrer que dans une assemble, il y a au moins deux personnes qui ont le mme nombre damis. F.3 Combien y-a-t-il de graphes simples
tels que

F.4 Existe-t-il un graphe simple dordre 5 dont les sommets ont les degrs suivants ? 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 rgulier de degr 4 ayant 10 artes ? F.6 Calculer le diamtre des graphes

et

F.7 Pour traverser une chane de montagnes, il faut passer par plusieurs sommets, relis entre eux par des voies ne pouvant tre franchies que dans un seul sens. On donne ci-dessous le graphe associ cette situation ( est le point dentre et le point de sortie). Lofce de tourisme cherche toutes les traverses qui partent de et arrivent en en 4,5 ou 8 tapes (une tape est le passage dun sommet un autre, ou du dpart un sommet, ou dun sommet larrive).

35

Les sommets tant classs dans lordre du graphe est :

la matrice dadjacence

Aprs calcul des puissances successives de la matrice on obtient :

la premire ligne de est : 0 1 0 0 2 2 2 2 la premire ligne de est : 0 0 0 0 3 2 3 5 la premire ligne de est : 0 0 0 0 2 3 3 5 la premire ligne de est : 0 0 0 0 3 3 2 6 la premire ligne de est : 0 0 0 0 3 2 3 5 a. Combien de traverses peut-on faire en 4 (respectivement 5) tapes ? b. Trouver toutes les traverses en 8 tapes. (exercice propos par le GEPS)

F.8 Un individu vit dans un milieu o il est susceptible dattraper une maladie par piqre dinsecte. Il peut tre dans lun des trois tats suivants : immunis (I), malade (M), non malade et non immunis (S). Dun mois lautre, son tat peut changer selon les rgles suivantes : tant immunis, il peut le rester avec une probabilit 0,9 ou passer ltat S avec une probabili 0,1; tant dans ltat S, il peut le rester avec une probabilit 0,5 ou passer ltat M avec une probabilit 0,5 ; 36

 tant malade, il peut le rester avec une probabilit 0,2 ou passer ltat I avec une probabilit 0,8. Tracer un graphe probabiliste pour dcrire cette situation et crire la matrice de transition. Calculer ltat de probabilit de lindividu au bout de trois mois, de six mois, dun an, de deux ans, pour chacune des situations suivantes : au, dpart, il est immunis, au dpart, il est non malade et non immunis, au dpart, il est malade. Pouvez-vous donner des lments sur la proportion dindividus malades dans la population tudie ? (exercice propos par le GEPS) F.9 Chaque matin, lallumeur de rverbre du Petit Prince change ltat de sa plante avec une probabilit 0,75. Au jour 0, le rverbre est teint. Quobserve-t-on en simulant une grande population de rverbres rgis par le mme systme probabiliste de changements dtats ? Faire un arbre permettant de trouver ltat probabiliste du rverbre au deuxime jour. Dcrire cette situation laide dun graphe proababiliste. Soit transition associe ce graphe. Vrier que :

la matrice de

et Calculer

et puis en dduire pour entier naturel.

Au jour 0, le reverbre est allum (respectivement teint). Calculer la probabilit (respectivement que le rverbre soit allum (respectivement teint) au ime matin. Faire le lien avec les rsultats des simulations observes en premire question. (exercice propos par le GEPS) F.10 Montrer que, parmi 6 personnes, il y a un groupe de 3 qui se connaissent mutuellement, ou bien un groupe de 3 qui ne se connaissent pas. (on suppose que la relation de connaissance est une relation symtrique)

37

Solutions des exercices

F.1

F.2 Considrons le graphe dont les sommets sont les personnes de lassemble. On suppose bien entendu, que la relation damiti est une relation symtrique. Deux sommets du graphe sont relis par une ar te lorsque les deux personnes correspondantes sont amies. Il suft alors de prouver que deux sommets au moins de ce graphe ont mme degr. Supposons que les sommets soient tous de degr distinct. On peut alors numroter les sommets de avec : Or le degr maximal dun sommet dun graphe simple dordre est gal On a donc ncessairement pour tout de Avec notre hypothse, le graphe comprendrait un sommet de degr 0 (cest une personne bien seule ...) et un sommet de degr donc reli tous les autres sommets du graphe, en particulier au sommet isol, ce qui est contradictoire. Nous avons donc montr quun graphe simple contient au moins deux sommets de mme degr. F.3 Un graphe simple qui est une partie de (

est dtermin par la donne de

). Or

Le nombre

de graphe est donc gal F.4 a. Oui, par exemple :

b. Non, la somme des degrs est impaire

38

F.5 Notons

le graphe, on a :

F.6 Pour tout sommet de Pour tout sommet de

lorsque est impair. Donc lorsque est impair. Pour tout sommet de

donc si est pair, et

si

est pair, et

donc

lorsque

F.7 i.

il y a donc 4 traverses possibles en 4 tapes. il y a donc 5 traverses possibles en 5 tapes.

ii.

il y a donc 5 traverses possibles en 8 tapes. Dterminons ces traverses. Pour cela, notons la quatrime tape des traverses possibles. Daprs la premire ligne de ltape ne peut tre que lun des sommets ou

ne peut tre le sommet en effet, sommet partir de en 4 tapes.

et on ne peut joindre le

: il a donc 2 chemins de longueur 4 allant de ce sont les chemins : et Dautre part il ny a quun seul chemin de longueur 4 allant de Nous obtenons ainsi 2 traverses en 8 tapes ayant le sommet comme 4 tape et : Si

Si : il a donc 3 chemins de longueur 4 allant de ce sont les chemins : et Dautre part, il y a un chemin joignant cest le chemin Nous obtenons ainsi 3 traverses en 8 tapes ayant le som; met comme 4 tape : et

Finalement, les cinq traverses cherches sont : ; et

39

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

Les sommets tant classs dans lordre I, M, S la matrice de transition est :

Notons

ltat probabiliste de lindividu au ime mois, laide de la calculatrice

ou de lordinateur, on obtient les rsultats suivants : i. si

ii. Lorsque ou on constate que ltat probabiliste de lindividu se stabilise galement vers Remarque Le thorme D7.7 admet la gnralisation suivante : sil existe un entier tel que la matrice ait tous ses coefcients strictement positifs, alors la suite est convergente vers une matrice stochastique ayant ses lignes toutes gales une mme ligne. Dans lexercice F.8, et la gnralisation sapplique. iii. La probabilit que lindividu soit malade au bout dun certain temps est donc voisine de 0,094. On peut donc estimer 9,4% la proportion dindividus malades dans la population. F.9 Notons (respectivement tivement allum.

lvnement le rverbre est teint (respec-

Simulation de la situation (effectue laide dun tableur ou dune calculatrice) pour une population de 500 rverbres sur une dure de 6 jours : Nombre de rverbres teints Nombre de rverbre allums jour 0 jour 1 500 121 0 379 jour 2 jour 3 jour 4 jour 5 jour 6 295 232 266 226 255 205 268 234 274 245

On constate une stabilisation assez rapide vers la situation o un rverbre sur 40

deux est allum..

La probabilit que le rverbre soit teint le deuxime jour est :

et celle quil soit allum est

Le graphe probabiliste de la situation est :

et la matrice de transition associe ce graphe, en classant les sommets dans lordre E,A est :

nous sommes dans la situation dcrite dans le thorme D.7.7 (deuxime dmonstration) avec ltat

en premire question.

. La suite des tats probabilistes converge alors vers

,

rsultat cohrent avec les simulations effectu es

F.10 Construisons un graphe dont les sommets sont les 6 personnes, deux sommets sont relis par une arte en trait plein lorsque les personnes correspondantes se connaissent et en trait discontinu dans le cas contraire. Il sagit de prouver que ce graphe contient un cycle simple de longueur 3 dont les artes sont de mme nature. Si lon ne tient pas compte de la nature des artes, ce graphe est complet, deux personnes au hasard, ou bien se connaissent ou bien ne se connaissent pas. Chaque sommet est donc de degr 5 et parmi les 5 artes issues dun sommet, trois dentre et elles sont de mme nature. Supposons, par exemple, que les artes soient en trait plein. Considrons alors le cycle Si ses artes sont en trait discontinu, cest termin, sinon, lune des trois artes sera en trait plein et per41

mettra de former avec deux artes du triangle en trait plein.

un cycle dont les trois artes sont

42

Complment : les arbres

H.1 Dnition

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

H.2

Arbre de recouvrement

1. Dnition Soit sous-graphe de

un graphe simple. Un arbre de recouvrement de qui est un arbre contenant chaque sommet de

est un

2. Algorithme de construction dun arbre de recouvrement On choisit un sommet arbitraire du graphe, puis on construit partir de ce sommet une chane simple en ajoutant des artes de tant que cest possible. Si la chane ainsi construit contient tous les sommets du graphe, la chane est un arbre de recouvrement. Sinon, on retourne lavant-dernier sommet de la chane et partir de celui-ci, et si cest possible, on construit une nouvelle chane simple aussi longue que possible et ne contenant aucun sommet du premier chemin construit. Si ce nest pas possible, il faut remonter lantpnultime sommet et recommencer. Si le graphe est connexe, on peut ritrer ce processus jusqu puisement des sommets pour obtenir un arbre de recouvrement. Exemple Appliquons lalgorithme prcdent pour trouver un arbre de recouvrement du

43

graphe connexe suivant :

Partons par exemple du sommet 1 tape : on construit la chane simple 2 tape : on remonte jusquau sommet Un arbre de recouvrement est alors :

pour former la chane

H.3

Arbre partiel de cot minimum

1. Exemple introductif On considre le rseau routier reprsent par le graphe ci-dessous. Ces routes sont souvent enneiges en hiver et lquipement dcide de dneiger un nombre minimal de routes de telle sorte que deux villages quelconques du rseau soient toujours relis par une route dneige.

44

Le problme consiste construire un graphe partiel, connexe, comprenant un nombre minimal dartes. Le graphe contient 6 sommets, le sous-graphe cherch doit donc contenir 5 artes. Il sagit donc de construire un arbre de recouvrement du graphe (On peut montrer que la relation caractrise les arbres parmi les graphes simples connexes).

Voici un algorithme de recherche darbre partiel de cot minimum lorsque le graphe est simple, connexe et valu. 2. Algorithme de Sollin-Calestagne

est un graphe simple connexe valu. est une arte de cot minimum. On pose et
Passer (2) alors larbre

(1)

est larbre cherch, sinon, passer en (3) (3) On choisit une arte de cot minimum ayant un sommet dans et lautre dans le complmentaire de dans On remplace par et par Passer en (2).
Exemple Utiliser lalgorithme de Sollin-Calestagne pour concevoir un rseau de communication cot minimal reliant tous les ordinateurs reprsents par le graphe suivant :

(2) Si

45

Solution possible (le cot minimal est gal 4700 euros)

46