Cours de Théorie Des Graphes-1

Introduction à la théorie des graphes et à ses applications Août 2020
INTRODUCTION A LA THEORIE DES GRAPHES ET A SES

APPLICATIONS
COURS POUR ENSEIGNANTS DES LYCEES ET COLLEGES

Version 0 (1oût 2020)
Prof. Andjiga N. G.
Dr. Loumngam K. V.
i
Sommaire
Chapitre 1 : CONTEXTE ET OUTILS MATHEMATIQUES POUR L’ETUDE DES GRAPHES ........................ 4

1.1 Introduction ............................................................................................................................... 4
1.2 Modélisation à l’aide de graphes pour la résolution des problèmes de la vie courante .......... 5
1.3 Quelques pré-requis pour l’étude des graphes ......................................................................... 6
1.4 Plan du cours et structure des leçons ..................................................................................... 10
1.5 Exercices d’application ............................................................................................................ 10
Chapitre 2 : VOCABULAIRE ET CONCEPTS DE BASE DE LA THEORIE DES GRAPHES .......................... 13
2.1 Définitions ............................................................................................................................... 13
2.2 Représentation des graphes .................................................................................................... 14
2.3 Opérations de modification des graphes ................................................................................ 15
2.4 Notion de degré....................................................................................................................... 16
2.5 Graphes isomorphes................................................................................................................ 18
2.6 Sous-graphes ........................................................................................................................... 19
Chapitre 3: GRAPHES ET DOMINATION............................................................................................. 22
3.1 Introduction ............................................................................................................................. 22
3.2 Définitions ............................................................................................................................... 22
3.3 Exemple ................................................................................................................................... 23
3.4 Remarques............................................................................................................................... 23
3.5 Exercice d’application .............................................................................................................. 23
3.6 Propriétés ............................................................................................................................... 24
3.7 Applications ............................................................................................................................. 25
3.8 Exercices d’entrainement ....................................................................................................... 28
Chapitre 4: GRAPHES ET PARCOURS 1 .............................................................................................. 30
4.1 La notion de connexité ............................................................................................................ 30
4.2 Problèmes standards et algorithmes ...................................................................................... 32
Chapitre 5: GRAPHES ET PARCOURS 2 .............................................................................................. 40
5.1 Vocabulaire et exemples ......................................................................................................... 40
5.2 Graphes eulérien ..................................................................................................................... 41
ii
5.3 Graphes hamiltoniens ............................................................................................................. 43

Chapitre 6: GRAPHES ET COULEURS.................................................................................................. 51
6.1 Vocabulaire et exemples ......................................................................................................... 51
6.2 Exercice d’application .............................................................................................................. 52
6.3 Comment démontrer qu’un graphe a un nombre chromatique donné ................................. 52
6.4 Algorithme de coloriage .......................................................................................................... 53
6.5 Application à la résolution de problèmes ............................................................................... 55
6.6 Exercices d’entrainement ........................................................................................................ 57
Bibliographie...................................................................................................................................... 59
iii
Chapitre 1 : CONTEXTE ET OUTILS MATHEMATIQUES POUR L’ETUDE

DES GRAPHES
1.1 Introduction
Ce cours, qui s’adresse en priorité aux enseignants de mathématique des lycées et

collèges, est une introduction à l’étude des graphes (ensemble de points dont certains
sont connectés entre eux par des liens). Partant des objectifs du nouveau programme
officiel de mathématique au second cycle de l’enseignement général, il offre une étude
plus approfondie des notions enseignables à ce niveau d’étude. Le programme officiel en
vigueur depuis la rentrée scolaire 2019, instruit l’enseignement de graphes dans le
classes de première scientifique. Ce cours s’inscrit dans le module « Organisation et
gestion des données » qui comprend aussi les cours de statistiques et de dénombrement.
L’objectif de ce module est de « rendre l’apprenant capable de traiter de façon réussie,
des situations de vie de la famille » et sa contribution au programme est l’ « intégration
des mathématiques dans la vie quotidienne ». De manière plus spécifique, le programme
d’introduction à la théorie des graphes prévoit l’enseignement du vocabulaire de base lié
aux graphes (notions d’adjacence, de degré d’un sommet, ordre d’un graphe, divers types
de graphes), quelques propriétés liées aux graphes (formule de la somme des degrés), et
la résolution de problèmes de la vie courante à l’aide des graphes.
Même si elle est relativement jeune par rapport à d’autres branches des
mathématiques, il est communément admis que l’étude des graphes a débuté dans la
première partie du XVIIIe siècle avec les travaux du mathématicien suisse Leonhard
Euler (1707 - 1783), notamment dans son approche de résolution de l'énigme des ponts
de Königsberg1. Par ailleurs, les graphes ont été depuis toujours utilisés intuitivement
dans d’autres matières enseignées au secondaire (représentation éclatée des molécules
en chimie, les arborescences utilisées en biologie pour la taxinomie et la génétique, les
arbres généalogiques en histoire, les cartes en géographie ou encore les cartes
conceptuelles en langue etc). Cependant les élèves n’ont aucune conscience de l’existence
d'une théorie unificatrice qui permettrait le transfert de connaissances entre différents
disciplines par les graphes.
1
Nous y reviendrons au chapitre 5
4
L’option d’enseigner la théorie des graphes au lycée est innovante compte tenu du
fait que cette théorie, au confluent des mathématiques, de l’informatique et de la
recherche opérationnelle, reste absente des curricula du secondaire dans plusieurs pays.
Ceci contraste avec l’importance grandissante que ce domaine revêt dans plusieurs
disciplines telles que l’informatique, la biologie, la chimie, les sciences sociales et les
mathématiques elles-mêmes. La théorie des graphes permet de voir les mathématiques
sous un nouveau jour, notamment pour les élèves qui ont eu un mauvais départ avec
cette discipline. En effet, elle a la réputation d’être éminemment accessible au vu de la
simplicité avec laquelle la plupart de ses problèmes sont formulés, le peu de pré-requis
nécessaire à les comprendre et la possibilité de visualiser ce que l’on manipule. Ce court
demande et forge une aptitude à l'intuition, à la modélisation, à la résolution de
problèmes, qui complète agréablement l’approche basée sur la mémorisation et les
calculs auxquels les élèves sont habitués. Un autre atout de l’étude des graphes au lycée
est le fait qu’elle permet aux élèves de mettre en œuvre une démarche complète de
modélisation, là où ils ont l’habitude d’être confrontés à des problèmes déjà
mathématiquement modélisés.
1.2 Modélisation à l’aide de graphes pour la résolution des problèmes de la vie courante
Les graphes trouvent une application dans presque tous les domaines qui traitent
d'une sorte de relation binaire entre objets. Cela concerne quasiment tous les domaines
de l’activité humaine. Par conséquent, les questions dont traite la théorie de graphes
sont assez générales pour englober une large variété de problèmes de la vie courante.
Parmi ces nombreuses questions abstraites, les plus courants portent sur :
 le parcours d’un graphe (d’un sommet à l’autre en suivant les arêtes les
connectant) suivant des contraintes prescrites ;
 la partition des éléments d’un graphe (ensemble de sommets ou ensemble des
arêtes) en fonction des certaines propriétés que doivent vérifier les parties ;
 la topologie d’un graphe en rapport avec sa représentation et sa structure.
 l’existence de certaines sous-structures de graphes ou d’une famille de graphes.
La modélisation d’un problème de la vie courante par les graphes n’est pas
toujours facile. En effet, la démarche consiste en général à identifier ce que représentent,
d’une part les sommets du graphe, et d’autre part ses arêtes. Ceci peut aller de soit pour
un réseau routier où les destinations peuvent être représentées par les sommets, et les
voies de circulation par les arêtes. Cependant, cela est moins évident lorsque les entités
5
à représenter doivent elles-mêmes être composées. C’est par exemple le cas de la

modélisation d’un emploi de temps pour un lycée. Dans les leçons qu’aborde ce cours,
nous donnerons plusieurs exemples de démarches de modélisation des problèmes par les
graphes, espérant ainsi développer chez l’élève cet « art ».
1.3 Quelques pré-requis pour l’étude des graphes
Ce cours ne nécessite que des connaissances basiques sur la notion d’ensemble,

notamment la partition d’un ensemble en sous-ensembles disjoints, les relations entre
deux ensembles (fonctions), la cardinalité et le dénombrement sur des ensembles finis.
L’étude des graphes utilise de nombreuses techniques de raisonnement mathématique
dont les plus importantes pour ce cours sont la démonstration par récurrence et la
démarche algorithmique.
1.3.1 Principe de démonstration par récurrence
Le principe de la démonstration par récurrence est une technique simple mais

puissante. Il s’applique aux cas où l’on a une suite (fini ou infinie) d’énoncés Ek0,
Ek0+1,…,En,…, où 𝑘 ∈ 𝑍 ; Alors pour prouver que chacune d’elle est vrai, il suffit de
prouver que :
 Ek0 est vrai ;
 Pour tout entier k > k0, si Ek est vrai alors Ek+1 est aussi vrai.
La première partie (Ek0 est vrai) est généralement facile à prouver et s’appelle
l’étape initiale. L’essentiel de la démonstration repose sur la seconde partie appelée
étape de récurrence ; Elle consiste à supposer que Ek est vrai pour un entier k > k0,
c’est l’hypothèse de récurrence, et à prouver sur la base de cette hypothèse que Ek+1
est vrai.
Pour illustrer ce principe, supposons que vous observez des personnes dans une salle
à travers un trou qui ne vous permet de voir qu’une personne à la fois, puis de passer à
celle qui se trouve à côté et ainsi de suite. Vous identifiez une première personne et
remarquez qu’elle porte un chapeau (proposition initiale), puis à chaque fois que vous
observez une personne qui porte un chapeau, celle qui se trouve à côté porte également
un chapeau (hypothèse de récurrence). Alors vous êtes en droit de penser que tout le
monde dans la salle porte un chapeau, bien que vous n’y soyez pas entré pour vérifier par
un regard panoramique.
6
Exemple d’application :
Alors qu’il n’était qu’un jeune garçon, Gauss à découvert la formule suivante lui
permettant de calculer la somme des 100 premiers entiers naturel non nuls :
( )
1 + 2 + ⋯ + 99 + 100 = ,
La méthode qu’il utilisa permettait de généraliser facilement la formule à la

somme des n premiers entiers non nuls ci-dessous :
𝑛(𝑛 + 1)
1 + 2 + ⋯+ 𝑛 =
2
( )
On considère les énoncés 𝐸 ∶ 1 + 2 + ⋯ + 𝑛 = ; pour n entier naturel non nul.
Pour n = 1, 𝐸 représente l′ énoncé ∶ 1 = ( )

qui est vrai.
Evaluer les énoncés E2, E3, E4 et E5 pour vérifier qu’ils sont également vrais.
Pour prouver que En sera toujours vrai pour tout entier naturel non nul n, il n’est pas
envisageable de vérifier chaque énoncé car il y en a une infinité. Nous pouvons procéder
par une démonstration par récurrence portant sur les indices n comme suit :
 Etape initiale,
n =1 on a 𝐸 ∶ 1 = ( )
est vrai,
 Etape de récurrence,
Soit k > 1 un entier, supposons que Ek est vrai c’est-à-dire :
( )
1 + 2 + ⋯+ 𝑘 = ,
Nous devons montrer que Ek+1 est vrai c’est-à-dire :

(𝑘 + 1)(𝑘 + 2)
1 + 2 + ⋯+ 𝑘 + 1 =
2
Observons qu’en ajoutant k+1 de part et d’autre de l’hypothèse de récurrence nous
pouvons retrouver l’expression de gauche dans l’énoncé Ek+1 . Nous obtenons alors les
égalités suivantes :
( )
1 + 2 + ⋯ + 𝑘 + (𝑘 + 1) = + (k+1)
𝑘(𝑘 + 1) + 2(𝑘 + 1)
=
2
(𝑘 + 1)(𝑘 + 2)
=
2
( )
Ceci prouve que Ek+1 est vrai. Ainsi l’ énoncé 𝐸 ∶ 1 + 2 + ⋯ + 𝑛 = est vrai pour
tout entier naturel non nul.

Remarques :
- La vérification de l’étape initiale est essentielle comme le montre l’exercice 3.
7
- Dans certains cas, il peut être difficile de prouver directement l’étape de

récurrence, on peut dans ce cas utiliser une formulation plus forte en supposant
que pour tout entier k > k0, si tous les Ek’ sont vrai avec k’ ≤ k alors Ek+1 est aussi
vrai. Cette version de démonstration par récurrence est appelée récurrence
forte. L’exercice 5 illustre un cas où l’on a besoin d’utiliser cette formulation.
- Dans certaines situations, il peut y avoir plusieurs variables, un choix judicieux
de la variable de récurrence s’impose (voire l’exercice 2).
1.3.2 Le raisonnement algorithmique
Il consiste à utiliser un algorithme (mathématique) pour résoudre un problème.

Un algorithme de façon générale, n’est rien de plus qu’une suite finie d'instructions, à
appliquer, dans un ordre déterminé, à un nombre fini de données, pour produire un
résultat. Nous utilisons tous intuitivement des algorithmes pour résoudre des problèmes
de la vie courante (créer une adresse électronique, préparer du café etc). Par exemple,
voici un algorithme permettant d’envoyer de l’argent via le service Orange Money à un
destinataire.
Algorithme pour transfert d’argent
1. A l’aide d’un mobile abonné à Orange, entrer le #150*1# et valider

2. Tant que la validation est en cours d’exécution attendre l’étape suivante
3. Si le destinataire est un client d’Orange alors saisir 1 et valider
a. Entrer le numéro du destinataire et valider
b. Tant que la validation est en cours d’exécution attendre l’étape suivante
c. Entrer le montant à transférer et valider
d. Tant que la validation est en cours d’exécution attendre l’étape suivante
e. Entrer le code secret pour confirmer l’envoie et valider
f. Tant que la validation est en cours d’exécution attendre l’étape suivante
g. Tant que la validation est en cours, attendre le sms de confirmation
d’envoi
4. Sinon le destinataire n’est pas un abonné d’Orange alors saisir 2 et valider
a. Entrer le numéro du destinataire et valider
b. Tant que la validation est en cours d’exécution attendre l’étape suivante
c. Entrer le montant à transférer et valider
d. Tant que la validation est en cours d’exécution attendre l’étape suivante
e. Entrer le code secret pour confirmer l’envoie et valider
f. Tant que la validation est en cours d’exécution attendre l’affichage du code
d’envoie
g. Copier le code à 10 chiffres renvoyé par sms
h. Communiquer ce code à 10 chiffres à votre destinataire.
8
Chaque algorithme est destiné à être exécuté par une personne ou une machine
(ordinateur, smartphone, etc.). Cette personne ou cette machine qui exécute l’algorithme
est appelée le processeur. Le cas échéant il s’agit du client qui souhaite envoyer de
l’argent. Chaque processeur a des compétences ou opérations de base qu’il peut
effectuer ; Pour l’exemple précédent, les opérations de base du client sont les verbes en
gras (entrer, attendre, copier et communiquer).
L’algorithme ci-dessus nécessite de fournir comme données le numéro du
destinataire et le code secret : ce sont des données d’entrée de l’algorithme. Il produit
comme résultat le sms de confirmation d’envoi, ou celui contenant le code à 10 chiffres :
ce sont des données de sortie de l’algorithme. Les données d’entrée et de sortie sont
gardées dans des ‘boîtes’ appelées variables, qui permettent de conserver en mémoire
ces données pour leurs manipulation par le processeur. Par exemple, le code de 10
chiffres peut être recueilli sur un bout de papier par le client qui va ensuite le
communiquer à son destinataire.
Par ailleurs, un algorithme peut nécessiter l’usage de structures
conditionnelles (Si…alors…sinon) qui permettent d’exécuter un ensemble instructions
au cas où une condition est préalablement remplie, ou alors de passer à l’instruction
suivante (quand il n’y pas de clause « sinon »), ou d’exécuter un autre groupe
d’instructions (lorsque la clause « sinon » est utilisée). Dans notre exemple la condition
consiste à indiquer si le destinataire est un abonné d’Orange ou pas.
Enfin, un algorithme peut utiliser des structures répétitives ou boucles
assorties d’une condition d’arrêt, qui permettent d’exécuter plusieurs fois un même
groupe d’instructions jusqu’à ce que la condition d’arrêt soit satisfaite. Dans l’exemple
précédent, une boucle est représentée par la clause « Tant que » qui permet de répéter
l’instruction « Attendre » jusqu’à ce que la condition d’arrêt « arrêt de la validation en
cours » soit satisfaite.
Remarque :
On peut aussi commencer l’algorithme ci-dessus par saisir le code #150# au lieu
de #150*1#, mais la procédure est légèrement plus longue bien qu’aboutissant aux
mêmes résultats. Ceci illustre le fait qu’il peut exister plusieurs algorithmes pour
résoudre un même problème, mais ils n’ont pas forcément la même efficience.
Dans le contexte de ce cours, la donnée d’entrée sera en général un graphe et le
résultat pourra être divers objets tel qu’une valeur numérique, un autre graphe, une
valeur booléenne (vrai / faux) etc. Les algorithmes constituent de véritables outils de
démonstration mathématique dans le sens où, pour prouver par exemple qu’un graphe
9
contient une sous-structure particulière, il suffit de décrire un algorithme qui permet

d’exhiber la sous-structure en question à partir du graphe. Ils fournissent une démarche
systématique pour l’étude de plusieurs problèmes liés aux graphes, en évitant autant
que possible une approche par tâtonnement ou par examen de tous les cas possibles
(force brute).
1.4 Plan du cours et structure des leçons
Suite à une analyse du programme officiel, on observe que l’étude des graphes doit
être orientée vers la résolution des problèmes de la vie courante. Nous introduisons le
vocabulaire et les concepts de base de la théorie des graphes dans la leçon 2, puis pour
chacune des leçons 3 à 6, nous étudierons une notion de la théorie des graphes. Il s’agit
notamment de la domination sur les graphes, des parcours des graphes, et du coloriage
des graphes. Pour chacune de ces notions, nous introduirons les définitions s’y
rattachant ainsi que les exemples associés, puis nous présenterons quelques propriétés,
et enfin des applications de la notion à la résolution de problèmes concrets. L'examen de
ces problèmes impliquant des graphes sera l’occasion de montrer que les mathématiques
sont des idées et des abstractions (et pas seulement des calculs) d'une manière à la fois
visuelle et étroitement lié aux expériences quotidiennes des élèves.
1.5 Exercices d’application
( )( )
Exercice 1 : Démontrer par récurrence que 1 + 2 + 3 + ⋯ + 𝑛 =
Exercice 2 : Soit à démontrer par récurrence l’inégalité de Bernoulli suivante :

∀𝒏 ∈ ℕ , ∀𝒙 ∈ ] − 𝟏, +∞[, (𝟏 + 𝒙)𝒏 ≥ 𝟏 + 𝒏𝒙
a. Sur quelle variable portera la récurrence ?
b. Donner une démonstration par récurrence de cette inégalité.
Exercice 3 Importance de l’étape initiale

On considère l’énoncé suivant :
𝑛 +𝑛+1
𝐸 ∶ 1 + 2 + ⋯+ 𝑛 =
2
a. Rédiger l’étape de récurrence pour la démonstration de cet énoncé
b. Evaluer E0, E1, E2, E3 , quel conclusion peut-on tirer ?
Exercice 4 Bien faire attention à l’étape de récurrence

Le petit Njoya affirme avec fierté avoir démontré par récurrence, les assertions
suivantes :
a. Il peut soulever tout sac contenant toutes les graines d’arachide produites au
Cameroun cette année et rien d’autre.
b. Toutes les graines d’arachide ont la même couleur.
Voici ce qu’il propose comme preuve :
10
Preuve de la première assertion :
Pour tout entier naturel n, je définis la propriété :
Pn : « Je peux soulever tout sac contenant n graines d’arachides produites au

Cameroun cette année et rien d’autre».
P0 : si un sac contient 0 grain d’arachide et rien d’autre, alors il est vide et je peux
donc le soulever sans difficulté ;
Soit un entier naturel non nul k, supposons Pk et montrons que cela implique Pk+1.
Considérons pour cela un sac contenant k+1 graines d’arachides produites au
Cameroun cette année et rien d’autre. Je retire une graine d’arachide de ce sac, il en
reste donc k dans le sac et par hypothèse de récurrence, je peux le soulever. Je
soulève donc le sac puis j’ajoute la graine d’arachide que j’ai retirée. J’ai donc pu
soulever le sac à k+1 graines d’arachides, d’où Pk+1. Ainsi, la propriété Pn est vrai pour
tout entier naturel n y compris pour le nombre de graines d’arachide produites au
Cameroun cette année.
Preuve de la deuxième assertion :
Pour tout entier naturel non nul n, je définis la propriété :
Pn : « Si j’ai un ensemble n graines d’arachides, alors toutes ont la même couleur ».
P1 : si un ensemble n’a qu’une seule graine d’arachide alors cette graine à une seule
couleur, et donc l’ensemble est constitué de graines d’une même couleur;
Soit un entier naturel k>1, supposons Pk et montrons que cela implique Pk+1.
Considérons pour cela un ensemble S de k+1 graines d’arachides. Je retire une
première graine d’arachide que je désigne a1 de cet ensemble, l’ensemble S privé de a1
que je note S-{a1} n’a plus que k graines d’arachide. Par hypothèse d’induction, ces k
graines ont la même couleur, disons rouge. Je remets a1 dans S et je retire une autre
graine a2. Par hypothèse d’induction, les k graines de S-{a2} ont la même couleur.
Etant donné qu’une graine ne peut avoir deux couleurs à la fois, les graines de S-{a2}
sont aussi rouges, or a1 appartient à S-{a2}, donc a1 a la couleur rouge. En conclusion
les k+1 graines de S ont la même couleur.
Le raisonnement de Njoya est sans doute pathologique puisque les assertions qu’il
dit avoir démontré sont clairement fausses. Où se trouve le problème dans sa façon
d’utiliser l’induction mathématique ?
Exercice 5 Récurrence forte. Démontrer par récurrence que tout entier naturel non
nul admet un diviseur premier.
Exercice 6 : Analyser un algorithme mathématique

Soit l’algorithme suivant :
11
Début
1 – Afficher à l’écran : « veuillez entrer un entier naturel »
2- Enregistrer la valeur de l’entier fournit dans la
variable m.
3- Considérer une variable i de valeur 1
4- Tant que i ≤ 10 effectuer ce qui suit :
Si i est paire alors afficher p = i x m
Ajouter 1 à la valeur de i
Fin
a. Désigner un processeur de cet algorithme et préciser ses opérations de base.

b. Quelles sont les variables des données d’entrée et de sortie de cet algorithme ?
c. Identifier une boucle et préciser sa condition d’arrêt.
d. Identifier une structure conditionnelle et préciser sa condition.
e. Si la valeur donnée à m est 3, quelles résultats affiche cet algorithme ?
f. Ecrire un nouvel algorithme qui demande un nombre à un utilisateur et produit
sa table de multiplication par 2, pour des multiples inférieurs à 100.
12
Chapitre 2 : VOCABULAIRE ET CONCEPTS DE BASE DE LA THEORIE DES

GRAPHES
Les mathématiques manipulent plusieurs types d’objets simples (nombres, points,

variables,…) ou complexes (ensembles, espaces, fonctions,..). La théorie des graphes est
la branche des mathématiques qui étudie les objets mathématiques appelés graphes.
2.1 Définitions
* Un graphe G est constitué d’un ensemble V(G) dont les éléments sont appelés
sommets et d’un ensemble E(G) disjoint de V(G) et dont les éléments sont appelé
arêtes, tels qu’à chaque arête a ∈ E(G) est associé une paire {u,v} éléments de V(G). Le
cas échéant, les sommets u et v, appelés extrémités de a, sont dit adjacents et a est
dite incidente à u et à v.
* Deux arêtes a et b d’un graphe G sont dites parallèles si elles sont associées à
une même paire de sommets.
* Une boucle dans un graphe G est une arête ayant pour extrémités un même
sommet.
* Le nombre de sommets |V(G)| d’un graphe G est appelé son ordre et le nombre
d’arêtes |E(G)| de G est appelé sa taille.
2.1.1 Quelques catégories particulières de graphes
Soit G un graphe :
- Si E(G) est vide le graphe est dit discret.
- Si V(G) et E(G) sont tous deux vides, le graphe correspondant est le graphe nul.
- Si l’ordre et la taille de G sont finis, le graphe G est dit fini. Dans ce cours, tous les
graphes seront supposés finis.
- Si G n’a pas d’arêtes parallèles ni boucle, alors G est un graphe simple ; dans le cas
contraire, G est un multigraphe.
2.1.2 Remarques
Lorsque G est un graphe simple, une arête a d’extrémités u et v peut être

identifiée à ses extrémités. Ainsi chaque arête est vue comme une paire de sommets.
L’expression uv ∈ E(G) signifie qu'il existe une arête de E(G) dont les extrémités sont les
sommets u et v.
13
2.2 Représentation des graphes
La théorie des graphes partage avec la géométrie l'avantage de la représentation

graphique des objets étudiés. Ceci justifierait le choix du nom « graphe » donné à ces
objets dans le contexte de cette théorie
théorie. Cependant, dans un graphe, contrairement à une
figure géométrique, la longueur des arêtes et la position des sommets ne sont
importantes.
2.2.1
.1 Représentation d’un graphe dans le plan
Pour représenter un graphe dans le plan, l’on dessine pour chaque sommet du
graphe un point (cercle), puis l’on trace des lignes (pas nécessairement droites) entre
deux points pour représenter
er des sommets adjacents ; Chaque
haque ligne symbolise une arête.
Dans la représentation d’un graphe dans le plan
plan,, il n’est pas permis qu’une arête se
coupe elle-même
même ou passe par un sommet autre que sont extrémité. Il va de soit que
cette représentation n’a pas toujours la même configuration dans le plan; en d’a
d’autre
termes, à chaque graphe correspond une infi
infinité
nité de représentation dans le plan.
plan
2.2.2 Exemple
b
a
a1 u v
s2
g y
e c
s1 a3 h f
s3 x w
d
a2
F G
La représentation du graphe F n’est pas valide car l’arête a2 se coupe elle-même

elle
et coupe aussi le sommet s3 qui n’est pas son extrémité. Par contre, les représentations
du milieu et de droite sont celle d’un même multigraphe G dont l’ensemble de sommets
est {u, v, w, x, y} et l’ensemble des arêtes est {a, b, c, d, e, f, g, h}. En
E effet, l’on peut
transformer l’image du milieu en celle de droite en déplaçant l’arête b à l’extérieure de
d la
zone délimitée par les arêtes a,c,d et g , et en ramenant le sommet y à l’intérieure de
cette zone. Les arêtes f et d sont parallèles et l’arête b est une boucle. L’ordre du graphe
G est 5 et sa taille 8.
14
2.2.3 Remarque
Bien que la représentation décrite ci-dessus soit très pratique comme support à
l’intuition dans l’étude des graphes, elle n’est pas adaptée au stockage efficient des
graphes en ordinateur, et ne permet pas de faire usage des outils mathématiques telle
que l’algèbre linéaire pour leur étude. Pour satisfaire ces besoins, d’autres
représentations existent, notamment la représentation matricielle et la
représentation en liste d’adjacence pour les graphes simples.
2.3 Opérations de modification des graphes
Les opérations suivantes sont utiles pour obtenir ou définir des graphes de tailles
ou d’ordres plus petits à partir d’un graphe donné. Par ailleurs, savoir les manipuler est
indispensable pour prouver par récurrence certaines propriétés sur les graphes.
2.3.1 Définitions
Soit G un graphe, et soient respectivement v et e un sommet et une arête de G :
* La suppression de l’arête e est l’opération qui consiste à optenir de G le

graphe noté G-e construit à partir de G en enlevant l'arête e de E(G).
Exemple : Les figures suivantes illustrent le processus de suppression de l’arête e

dans le graphe G représenté ci-dessous.
v2 v5 v2 v5 v2 v5
e e
v1 v1 v1
v3 v4 v3 v4 v3 v4
G G-e
*La suppression de sommet v est l’opération qui consiste à obtenir de G le

graphe noté G − v construit à partir de G en enlevant le sommet v de V(G), et en
enlevant de E(G) toutes les arêtes incidentes à v. Cette opération peut être réitérée pour
un ensemble S de sommets; Dans ce cas, le graphe résultant est noté G − S.
Exemple : Les figures suivantes illustrent le processus de suppression du sommet

v1 dans le graphe G. v2 v2
v2 v5 v5
v5
v1 v1
v3 v4 v3 v4
v3 v4 G – v1
G
15
* La contraction de l’arête e, d’extrémités u et v, est l’opération qui consiste à

obtenir de G le graphe noté G / e, en supprimant l’arête e et en identifiant le sommet u
au sommet v.
Exemple : Les figures suivantes illustrent le processus de contraction de l’arête e

v2 v5 v2 v5 v5
e e v
v1 v1 v1
v3 v4 v3 v4 v4
G G/e
* La subdivision de l’arête e dans G, consiste à supprimer e, puis à ajouter un

nouveau sommet x, adjacent aux deux extrémités de e.
Exemple : Les figures suivantes illustrent le processus de subdivision de l’arête e

v2 v5 v2 v5 v2 v5
e e x
v1 v1 v1
v3 v4 v3 v4 v3 v4
G G-e
2.4 Notion de degré
Une caractéristique locale importante des graphes est la notion de degré d'un
sommet.
2.4.1 Définitions
* Soit G un graphe, le degré d'un sommet v ∈ V (G) noté dG(v) (ou simplement
d(v) ) est le nombre d'arêtes incidentes à v dans G.
* Le plus grand degré (respectivement le plus petit degré) de tous les sommets de
G est noté ∆ (G) (respectivement δ (G)). Un sommet de degré k (au moins k ou au plus k
respectivement) est appelé k-sommet (respectivement k+-sommet ou k-- sommet).
* La séquence de degré d’un graphe est la suite décroissante constituée des

degrés de ses sommets. Inversement, une suite décroissante d’entiers naturels est dite
graphique s’il existe un graphe ayant cette suite pour séquence de degré.
16
*L'ensemble des sommets adjacents à v noté NG(v) est appelé son voisinage.
Lorsque G est un graphe simple, dG(v) est égale au cardinale de NG(v) pour tout
sommet v ∈ V (G).
* Pour tout entier naturel non nul k, un graphe G est dit k-régulier lorsque tous
ses sommets sont de degré k.
2.4.2 Exemple
On considère le graphe H représenté par la figure suivante :
x5 est un sommet de degré 0, encore appelé sommet

x6 x5 isolé ;
x4 et x6 sont des 3-sommets et x1, x2 et x3 sont des 4-

x1 x4 sommets, une boucle comptant double ;
∆ (H) = 4 et δ (H) =0 ;
x2 x3
La séquence de degré de H est : 4 4 4 3 3 0 ; Par
H
conséquent la suite 4 4 4 3 3 0 est graphique.
NH(x4) = {x1, x3, x6}.
2.4.3 Activité d’exploration

Représentez trois graphes de votre choix et remplissez pour chacun d’eux la table
suivante :
Sommets de G Degrés des

sommets
v1 dG(v1)
v2 dG(v2)
.
.
.
Somme des degrés dG(v1)+dG(v2)+…
2 x taille de G
Que remarquez-vous ?
Propriété 1 (lemme des poignées de main)
Dans tout graphe G, la somme des degrés de tous les sommets est égale au double de la
taille du graphe. ∑ ∈ ( )𝑑 (𝑣) = 2|𝐸(𝐺)| .
17
Démonstration : Nous procédons par récurrence sur la taille du graphe.

Posons l’énoncé à prouver :
(∀m ∈ ℕ), Em : Tout graphe G de taille m satisfait: ∑ ∈ ( )𝑑 (𝑣) = 2𝑚
- Pour m =0, G n’a aucune arête (G est discret). Par conséquent, tout sommet de G
a un degré nul (∀ v ∈ V(G), dG(v) = 0) et E0 est donc vrai.
- Soit k un entier non nul, supposons que Ek est vrai. Soit G un graphe de taille k+1,
et soit e une arête de G, d’extrémités x et y. Alors |E(G)| = |E (G - e)|+1. D’où
|E (G – e)| = k, or par hypothèse de récurrence ∑ ∈ ( )𝑑 (𝑣) = 2𝑘 . Par
ailleurs, dG-e(v) = dG(v)-1 pour v ∈ {x,y} et dG-e(v) = dG(v) pour v ∈ V(G)-{x,y}.

Par conséquent, ∑ ∈ ( )𝑑 (𝑣) = ∑ ∈ ( )𝑑 (𝑣) − 2 = 2𝑘. On en déduit
que ∑ ∈ ( )𝑑 (𝑣) = 2(𝑘 + 1) , ce qui veut dire que Ek+1 est vrai.
En conclusion Em et vrai pour tout m ∈ ℕ.
■
2.5 Graphes isomorphes
Nous avons observé au deuxième paragraphe qu’un même graphe admet une
infinité de représentations dans le plan. Cette observation permet d’introduire une sorte
de relation « d’égalité » dans l’ensemble des graphes, pour laquelle deux graphes sont
« égaux » lorsqu’ils peuvent être représentés dans le plan à l’aide du même diagramme.
Par exemple, considérons les graphes G1 tel que V(G1) = {a, b, c, d} ; E(G1) = {ab, bc, cd},
et G2 tel que V(G2) = {w, x, y, z} et E(G2) = {wz, zx, xy}. G1 et G2 peuvent être représentés
par le graphique suivante :
v1 v3 v4
v2
En effet ce diagramme représente G1 si l’on remplace v1, v2, v3 et v4 par a, b, c et d

respectivement. En outre, le même diagramme représente G2 si l’on remplace v1, v2, v3 et
v4 par w, z, x et y respectivement.
De manière plus formelle, l’on définit la notion d’isomorphisme de graphes comme
suit :
2.5.1 Définitions
Un graphe G est isomorphe à un graphe G’ si il existe une bijection f entre V(G) et
V(G’), et une bijection g entre E(G) et E(G’) telles que tout arête e ∈ E(G) a pour
extrémités u et v si et seulement si l’arête g(e) ∈ E(G’) a pour extrémités f(u) et f(v).
18
On note 𝑮 ≅ 𝑮′, pour dire que G est isomorphe à G’. Le couple de bijection (f,g) est
appelé un isomorphisme de graphes.
2.5.2 Exemple
Considérons les graphes F, G et H représentés par les figures ci-dessous.
x1 x2 x3 u6 u7
v1 v2 v3 v4 v5
x4 u5 u4
v6 v7 x5 x6 x7 u1 u2 u3
F G H
Les graphes F et G sont isomorphes, pour le voir il suffit de faire correspondre les
sommets v1, v2, v3, v4, v5, v6 et v7 aux sommets x5, x1, x4, x7, x3, x2 et x6 respectivement. Par
contre, le graphe H n’est pas isomorphe aux deux premiers (Exercice 2). On constate par
ailleurs que ces trois graphes ont le même ordre 7, la même taille 6 et la même séquence
de degrés 3 3 2 1 1 1 1.
2.5.3 Remarques
* Lorsque les graphes G et G’ sont simples on a la définition plus simple

suivante : G est isomorphe à G’ s’il existe une bijection f entre V(G) et V(G’) telle que
pour tous sommets u et v de G, uv ∈ E(G) si et seulement si f(u)f(v) ∈ E(G’).
*L’exemple précédent nous permet de voir que, même si cela est nécessaire, il ne
suffit pas que deux graphes aient le même ordre, la même taille et même la même
séquence de degrés pour être isomorphes. Jusqu’à présent, l’on ne connait aucun
algorithme suffisamment rapide pour tester si deux graphes quelconques sont
isomorphes. Si vous en trouvez un, vous deviendrez certainement célèbre !
2.6 Sous-graphes
En mathématique, pour étudier des objets complexes, on les décompose souvent

en de sous-objets de même nature mais plus simple à étudier ; cela se vérifie aussi avec
les graphes.
2.6.1 Définitions
* Un graphe H est appelé sous-graphe d'un graphe G, si H est identique à G ou si H
obtenu de G par suppression de sommets et/ou arêtes.
19
* On dit qu’un graphe G contient un graphe H lorsqu’il existe un sous-graphe

sous de G
isomorphe à H. Nous
ous écrirons H ⊂ G pour exprimer le fait que H est un sous-graphe
sous de
G ou que G contient H.
2.6.2 Remarques
* Lorsque H est identique à G, H est appelé sous-graphe
graphe impropre de G. Dans le cas
contraire H est un sous-graphe
graphe propre de G.
* Si H est obtenu de G uniquement par suppression de sommets, H est appelé sous-

graphe induit de G. Soit X ⊂ V (G) un ensemble de sommets de G,
G on note G[X] le
sous-graphe induit par X,, c'est
c'est-à-dire le sous-graphe induit de G dont l'ensemble de
sommets est X.
2.6.3 Exemple
Considérons les graphes représenté
représentés ci-dessous
x5
x6 x5 x6
x4
x1 x4
x1 x4
x1
x3 x3
x2 x3 H J
G
Le graphe H est un sous
sous-graphe de G mais pas un sous-graphe
graphe induit puisque
l’arête x4x6 n’est pas présente dans H. Par contre le graphe J est un sous-graphe
sous induit
de G et de H.
Exercice 1 : Soit le graphe G représenté ci

ci-dessous !
a) Déterminer l’ordre, la taille et la séquence de

degrés de G.
b) Représenter les graphes G - {h}, G – u et G / c.
c) Représenter le sous-graphe
graphe induits par {u,
{ v, x}.
Exercice 2 : Prouver que les graphes G et H de l’exemple 2.5.2 ne sont pas isomorphes.
20
Exercice 3 : Soit G un graphe simple d’ordre n et de taille m.
a) Montrer que 𝑚 ≤ ∁ .
b) Sous quelle condition il y a-t-il égalité ?
Exercice 4 : On souhaite déterminer si un graphe peut avoir des sommets de degrés

tous distincts.
a) On suppose qu’on a un graphe d’ordre n avec n-1 sommets de degrés distincts,

examiner les possibilités pour le nième le sommet d’avoir un degré distinct des autres et
conclure.
b) En déduire que, dans n’importe

importe quel groupe d’au moins deux personnes, il y en a
toujours deux qui ont le même nombre d’amis dans ce groupe.
c)) Décrire un groupe de cinq personnes tel que, pour tout couple de personnes aient
toujours exactement un ami en commun.
d) Pouvez-vous trouver un groupe de quatre personnes avec la même propriété qu’en c) ?
Exercice 5 : Déterminer et expliquant votre logique, lesquelles des suites suivantes

sont graphiques.
(a) (6,5,4,3,2,1,0) (b) (2,2,2,2,2,2) (c) (3,2,2,2,2,2)
(d) (5,3,3,3,3,3) (e) (1,1,1,1,1,1) (f) (5,5,4,3,2,1)
Exercice 6 : Déterminer et le justifiant lesquels des graphes suivants ne sont pas

isomorphes.
G J
H
Exercice 7 : Prouvez que tout graphe G contient un nombre pair de sommets de degré
impair.
21
Chapitre 3: GRAPHES ET DOMINATION
3.1 Introduction
Dans ce chapitre, nous allons explorer la notion de domination en théorie des

graphes. Ce concept de domination semble avoir pris naissance avec le Problème des cinq
reines dans le jeu d’échec. En 1862, C. F. De Jaenisch (1813-1872) a essayé de
déterminer le nombre minimum de reines à placer sur un échiquier de 8 x 8 cases, de
façon à ce que chaque case soit occupée ou attaquable par une reine, en un seul
déplacement. On peut construire un graphe G dont chaque sommet représente chacune
des 64 cases de l’échiquier, et deux sommets sont adjacents si et seulement si la case
représentée par l’un des deux sommets, est attaquable en un simple déplacement, par
une reine située sur la case représentée par l’autre sommet. Ainsi, le plus petit nombre
de reines qui dominent toutes les cases de l’échiquier correspond au nombre de
domination de G, γ(G). Cette notion a d’importantes applications dans le monde réel.
Par exemple, nous verrons dans la suite comment les techniques de domination peuvent
être appliquées pour déployer un nombre optimal de postes de sécurité incendie dans
une ville. Avant nous donnons quelques définitions spécifiques à la notion de domination.
3.2 Définitions
Soit G un graphe.
 Soit u et v deux sommets de G, u domine v ou inversement, si soit u est

identique à v, soit u est adjacent à v.
 Un ensemble de sommets S dans G est un ensemble dominant de G si chaque
sommet de G est soit dans S soit adjacent à un sommet en S.
 Un ensemble dominant S de G est appelé ensemble dominant minimal si S ne
contient aucun sous-ensemble propre qui soit un ensemble dominant de G.
 Le nombre de domination de G, noté γ(G), d'un graphe G est le plus petit
nombre de sommets que peut contenir tout ensemble dominant de G.
 Un ensemble dominant minimum S de G est un ensemble dominant de G de
cardinalité γ(G). Il est aussi appelé un γ-ensemble de G.
22
3.3 Exemple
Examiner le graphe G représenté par la figure 1 puis déterminer les γ-ensembles

de G ainsi que γ(G).
Figure 1 : un graphe G
Tout d'abord, nous pouvons clairement remarquer que tous les sommets forment
un ensemble dominant, mais nous voulons trouver le plus petit ensemble en termes
nombre de sommets. Notez que nous pouvons choisir {A, E} comme ensemble dominant,
puisque E se domine lui-même et domine les sommets qui lui sont adjacents, B, D et F.
De même A se domine lui-même et ses voisins B et C. Les autres ensembles dominants
sont {B, E} et {C, E}. Nous savons donc que deux sommets suffisent pour dominer le
graphe G, d’où γ(G) ≤ 2. Pour établir que γ(G) = 2, il faut montrer qu'un seul sommet ne
peut pas dominer G. Pour le voir, notez qu'aucun sommet n'est adjacent à chaque
sommet du graphe. D'où γ(G) = 2.
3.4 Remarques
R1 : Soit G un graphe. Tout ensemble de sommet S’ contenant un ensemble dominant S

de G est aussi un ensemble dominant G.
R2 : Un ensemble dominant minimum de G est un ensemble dominant minimal de G

mais l’inverse n’est pas vrai. En effet, dans l’exemple ci-dessus où {A, F, D} est minimal
mais pas minimum.
3.5 Exercice d’application
Trouvez le nombre de domination des graphes ci-dessous :
23
3.6 Propriétés
La propriété suivante qui fut établie par Ore est fondamentale pour tout
ensemble dominant minimal d’un graphe donné:
Théorème d’Ore:
Si S est un ensemble dominant minimal d’un graphe G ne contenant aucun point

isolé, alors V(G)-S est un ensemble dominant de G.
Démonstration :
Soit v un sommet de G. Si v ∈ V (G) - S, alors v est dominé par lui-même. On peut

donc supposer que v ∈ S. Nous voulons prouver que v est dominé par un sommet dans
V(G) - S. Supposons que ce ne soit pas le cas. Alors v n'est adjacent à aucun sommet dans
V (G) - S. Puisque S est un ensemble dominant de G, il s'ensuit que chaque sommet dans
V (G) - S est dominé par un sommet dans S autre que v ; En d’autres termes, chaque
sommet de V (G) - S est dominé par un sommet dans S - {v}. Puisque v n'est pas un
sommet isolé de G et n'est adjacent à aucun sommet dans V (G) - S, il s'ensuit que v est
adjacent à un sommet dans S - {v}. Par conséquent, S - {v} est un ensemble dominant de
G, ce qui contredit l'hypothèse selon laquelle S est un ensemble dominant minimal de G.
■
24
Une conséquence importante de ce théorème, qui permet de majorer la quantité

γ(G) est la suivante :
Corollaire : Soit G un graphe n’admettant pas de sommet de degré nul, alors

γ (G) ≤ |V(G)|/2
Démonstration : Ceci est laissé en exercice en faisant remarquer qu’il suffit d’appliquer
le théorème précédent à un γ-ensemble de G.
3.7 Applications
Maintenant que nous avons une bonne idée de la notion de domination dans les
graphes, comment pouvons-nous en faire usage dans la vie de tous les jours ? La notion
de domination s’applique généralement bien à des situations dans lesquelles l’on
souhaite minimiser le nombre de facilités tout en assurant une couverture complète des
besoins. En bout de chaîne, il est notamment question de minimiser les coûts (temps,
argent…) liés à la mise en place de ces facilités. Voici un exemple de problème qui peut
être modélisé par un graphe et traité en utilisant la notion de domination :
Problème :
Supposons que la ville de Yaoundé compte huit principaux marchés reliés par des
routes. Le tableau suivant indique quels marchés sont reliés par au moins une route, où
la mention « Y » est portée pour signifier que la distance reliant deux marchés est de
moins de 3 km. Face à la recrudescence des incendies dans les marchés de la ville, la
communauté urbaine à pris un certain nombre de mesures. Entre autre, en collaboration
avec le ministère de la défense, elle a décidé de l’installation au sein de chaque marché
d’un poste de sécurité incendie pour les cas d’urgence, ou à défaut qu’il ait un poste à
moins de 3 km à la ronde de chaque marché. Par ailleurs, compte tenu des contraintes
budgétaires, il est question de ne déployer que le minimum de postes possible pour
atteindre cet objectif. Les marchés de la ville sont codifiés par les lettres A, B, C, D, E, F,
G et H.
25
Questions :
1) Construire un exemple de graphe modélisant ce problème.

2) Quel est le plus petit nombre de postes qui doivent être construits ? Donner un
ensemble de marchés où ces postes pourraient être déployés.
3) Supposons que le plus grand marché de la ville, le marché B, dispose déjà d’un
poste de sécurité incendie, que devient le graphe dans ce cas et dans quels autres
marchés le reste des postes peuvent-ils être déployés ?
4) Supposons cette fois que c’est le marché E qui est préalablement doté d’un poste
sécurité incendie et que suite à un réaménagement urbain, la route entre B et F a
été déviée et mesure désormais plus de 3km, que devient le graphe et dans quels
autres marchés le reste des postes peuvent-ils être déployés ?
Solution :
Dans la démarche de modélisation mathématique à l’aide des graphes, nous

partons d’une situation du monde réel pour construire un modèle sous forme de graphe
qui représente la situation. Le cas échéant, nous allons traduire le tableau ci-dessus en
un modèle graphique. Ainsi, nous pouvons représenter chaque marché comme un
sommet du graphe, et deux sommets du graphe seront adjacents si et seulement si les
marchés qu’ils représentent sont reliés par une route de moins de 3 km de long. Nous
aboutissons au graphe suivant :
26
Pour répondre à la première question, nous devons trouver le plus petit ensemble
dominant du graphe. L’ensemble dominant {C, F} dominera G. Le sommet C se domine
lui-même, ainsi que les domaines A, D, E et H. Le sommet F domine B, G, E et lui-même.
Donc γ (G) ≤ 2. Par ailleurs, pour établir que γ (G) = 2, il suffit de montrer qu’un
sommet ne peut pas dominer le graphe. Comme nous n’avons pas de sommet qui soit
adjacent à chaque sommet du graphe, nous concluons que γ (G) = 2. Maintenant
interprétons notre solution en fonction de notre problème du monde réel. Nous pouvons
en déduire que deux postes de sécurité incendie, situés dans les marchés C et F, sont
suffisants pour que chacun des autres marchés ait un poste à proximité.
Pour répondre à la deuxième question, nous recherchons toujours le plus petit

ensemble dominant, seulement cette fois, nous devons inclure le sommet B dans cet
ensemble. Notons pour commencer que B se domine lui-même et domine les sommets A,
F et D. Pour dominer les sommets restants C, E, H et G, nous pouvons inclure H dans
notre ensemble dominant. Ainsi, nous avons trouvé un deuxième plus petit ensemble
dominant contenant {B, H}. Maintenant, interprétons notre solution en termes de notre
problème du monde réel. On voit que deux postes de sécurité incendie, situés l’un au plus
important marché, B, et l’autre au marché H, sont suffisant pour que chacun des
marchés restants ait un poste de sécurité à proximité. Notons ici que l’ensemble
dominant {B, H} ne contient aucune des sommets de degré maximal C et E.
27
Pour la troisième question, la figure suivante modélise la nouvelle situation. Le

sommet E faisant partie de l’ensemble dominant par hypothèse, il se domine lui
lui-même
ainsi que les sommets A, C, F et H. Par ailleurs pour les trois sommets B, D et G qui
restent on observe qu’aucune ne peut dominer les deux autres, par conséquent il suffit
d’adjoindre à E les sommets D et G pour avoir un ensemble dominant du graphe. Ainsi,
en plus du poste de sécurité du marché E, il faudrait déployer un poste au marché D et
un autre au marché G. Ce qui est à noté dans ce dernier cas est que la taille du plus petit
ensemble dominant peut augmenter quand on supprime des arêtes.
3.8 Exercicess d’entrainement
Exercice n°1 : Supposons que la mairie de Douala Ve a adopté la règle qu'aucun

habitant de la circonscription ne doit marcher plus d'un pâté de maisons pour se rendre
au bac à ordure de Hysacam2, ou du lieu d’arrêt de ses camions de collecte d’ordures.
d’ordures En
raison de l'augmentation
ion du prix du carburant
carburant, les camions de collecte doivent minimiser
leur nombre d'arrêts. Déterminer le mo moins
ins d'arrêts que le chauffeur de camion devrait
faire de telle sorte que pour chaque intersection dans le graph
graphe ci-dessous,
dessous, il y ait soit un
arrêt du camion ou un bac à ordure situé à pas plus d'un pâté de maisons.
2
Société de ramassage et de traitement d’ordures ménagère
28
NB : Le point en noir de la grille représente le bac à ordure d’Hysacam pour la

circonscription.
Exercice n°2 : Supposons que nous avons une collection de petites villes le long de la
chaîne montagneuse de Mbatpit dans les régions des Haut-plateaux de l’Ouest. Nous
aimerions créer des stations de radio dans certaines villes afin que des informations
puissent être diffusées dans toutes les villes de la région. Depuis chaque radio la station
a une portée de diffusion limitée, 50 km, nous devons utiliser plusieurs stations pour
atteindre toutes les villes. Mais, les stations de radio sont coûteuses, nous devons donc
en construire aussi peu que possible. Les emplacements des treize villes sont indiqués
dans la grille ci-dessous avec distances entre la ville en km.
Quel est le plus petit nombre de station que l’on doit construire ?
29
Chapitre 4: GRAPHES ET PARCOURS 1
Dans ce quatrième chapitre, nous examinons les premières notions liées au parcours
des arêtes et des sommets d’un graphe. Il s’agit des notions de chemin, d’arbre couvrant
et de connexité. Ces notions ont des applications particulièrement utiles dans la
résolution d’un grand nombre de problèmes concrets. Par exemple, nous verrons plus
tard comment utiliser ces concepts pour l'optimisation d'un réseau routier.
4.1 La notion de connexité
Cette section est consacrée à une question qui, posée par rapport aux graphes que
nous avons examinés, semble triviale. Cette question est: étant donné deux sommets, s
et t, d'un graphe, peut-on aller de s à t en parcourant une suite d’arêtes et de sommets ?
Cette question devient intéressante lorsque l’ordre et la taille du graphe sont grands.
4.1.1 Terminologie de la connexité.
Une chaine C dans un graphe G est une suite s0 a1 s1…sm-1 am sm dont les éléments
sont alternativement des sommets et des arêtes de G, et telle que si-1 et si sont les
extrémités de ai pour i ∈ {1,…,m}. Cette chaine a pour extrémités s0, et sm et est aussi
noté s0Csm.
Un chemin est une chaine dans laquelle aucun sommet ni arête n'est répété.
Lorsque dans une chaine aucune arête n’est répétée et seuls les sommets de début et de
fin sont identiques, on parle de chemin fermé ou cycle. Soit v et w les sommets d'un
graphe, v est connecté à w s'il existe un chemin de v à w.
Les notions de chemin et de cycle permettent de définir les deux catégories très
importantes de graphes que sont les graphes connexes et les arbres. Un graphe est dit
connexe si pour toute paire u et v de sommets, il existe un chemin dans le graphe
contenant u et v. Un arbre est un graphe connexe ne contenant aucun cycle. Un arbre
couvrant d'un graphe connexe G est un arbre qui est un sous-graphe de G et qui
contient chaque sommet de G.
4.1.2 Exemple
Identifiez en le justifiant lesquels des graphes de la figure 1 suivante sont des
arbres?
30
Figure : 1
Nous pouvons voir que la figure 1.a représente un arbre car c'est un graphe connexe
sans cycles. La figure 1.b n'est pas celle d’un arbre car elle contient un cycle, et le graphe
de la figure 1.c n'est pas un arbre car ce graphe n'est pas connexe.
4.1.3 Priorité de la connexité

Le théorème suivant établi la relation fondamentale qui existe entre la notion de
connexité et celle d’arbre couvrant :
Théorème 1 : Un graphe est connexe si et seulement si il contient un arbre

couvrant.
Démonstration. Soit G un graphe. Supposons dans un premier temps que G contient

un arbre couvrant T et montrons que G est connexe. T est alors un sous-graphe connexe
de G tel que V(T) = V(G). Ainsi, soient u et v deux sommets de G, il existe un chemin
dans T, et par conséquent dans G, qui connecte u et v, d’où G est connexe.
Réciproquement, supposons que G est connexe et montrons qu’il contient un arbre
couvrant. Si G ne contient aucun cycle alors G est lui-même un arbre couvrant.
Supposons que G contient un cycle C passant par une arête e. Alors, G-e est encore
connexe étant donné que tout chemin incluant e et connectant deux sommets u et v
quelconques de G, peut être remplacé par un chemin incluant les arêtes de C-e. À titre
d’illustration, dans la figure 2 ci-dessous, les sommets u et v sont connectés grâce au
chemin passant par s1, s0, e, s5, s4 et w. Si e est supprimé, u et v reste connectés grâce
au chemin alternatif passant par s1, s2, s3, s4 et w dans le cycle C. En répétant cette
opération consistant à supprimer une arête de chaque cycle de G, on aboutit à un sous-
graphe sans cycle, connexe et de même ordre que G, c’est-à-dire un arbre couvrant de G.
e s5 v
s0
u s4
s1 w
C ■
s2
s2 s3
Figure : 2 31
Exemple : Déterminons tous les arbres couvrants du graphe représenté dans la

figure 3 suivantes :
Figure : 3
Nous allons construire un premier arbre couvrant de ce graphe. Pour cela, nous
observons que la deuxième partie de la démonstration du théorème décrit en réalité un
algorithme de construction d’arbre couvrant qui consiste à identifier chaque cycle du
graphe et d’en supprimer une arête. Le graphe de la figure 3 contient trois cycles à savoir
le cycle a-b-c-d-e-a, le cycle a-b-d-e et le cycle b-c-d. Les deux derniers cycles ont en
commun l’arête bd. On peut choisir de supprimer l’arête bd pour ces deux cycles et
l’arête bc pour le premier. Nous obtenons ainsi le premier arbre couvrant avec 7 arêtes
(figure 4). Notez que cet arbre couvrant n'est pas unique. Nos choix d’arêtes à supprimer
l'ont déterminé. Essayez à présent de retrouver les dix autres arbres couvrants de ce
graphe.
Figure : 4
4.2 Problèmes standards et algorithmes
Pour des graphes de taille importante, il est pratiquement impossible de procéder

par inspection comme nous l’avons fait dans les exemples précédents. Par exemple, pour
le problème ci-dessus, les cycles peuvent être en très grand nombre et difficiles à
recenser. Dans ce cas la méthode utilisée plus haut devient impraticable. Les
32
mathématiciens ont fort heureusement développé des algorithmes qui permettent de

contourner cet obstacle de la taille. Avant d’introduire les problèmes standards, nous
donnons un vocabulaire supplémentaire.
4.2.1 Vocabulaire complémentaire.

Un graphe valué est un graphe pour lequel chaque arête est associée à un
nombre réel appelé poids. Si ce nombre est positif, on parle alors de graphe pondéré.
Tout graphe peut être considéré comme un graphe valué ou pondéré pour lequel chaque
arête a un poids de 1.
Le poids d’un chemin (resp. poids d’un arbre couvrant) dans un graphe
valué est la somme des poids des arêtes composant ce chemin (resp. cet arbre couvrant).
4.2.2 Exemple
Le graphe G de la figure 5 ci-dessous est un graphe pondéré. Le poids du chemin
a-b-c-d vaut 1 + 2 + 3 = 6. Le poids de l’arbre couvrant correspondant à celui de la figure
4 est égale à 1 + 2 +4 + 3 + 1 + 3 + 3 = 17.
Figure : 5
4.2.3 Problème 1 : Test de connexité et détermination d’un arbre couvrant

Nous en présentons un ici, l’Algorithme de parcours en largeur (BFS3) qui
permet entre autres, de construire un arbre couvrant ou d’établir qu’il n’en existe pas un.
En fonction du résultat de cet algorithme, le Théorème 1 permet de conclure sur la
connexité du graphe. Ainsi, une application serait par exemple de tester si un large
réseau téléphonique permet à tout abonné X de joindre chaque autre abonné Y du réseau.
Ce problème peut être traduit en termes de test de la connexité du graphe représentant
le réseau téléphonique, où les sommets représentent les abonnés et les arêtes
représentent les lignes téléphoniques entre abonnés.
3
Breadth-First Search en anglais
33
Algorithme de Parcours en Largeur (BFS) pour la détermination d’un arbre couvrant
1. Choisissez un sommet de départ, S, et étiquetez-le 0.
2. Trouvez tous les sommets adjacents à S et étiquetez-les 1.
3. Pour chaque sommet marqué d'un 1, trouvez une arête qui le relie au sommet étiqueté 0.
Assombrir ces arêtes.
4. Recherchez les sommets non étiquetés adjacents à ceux avec l'étiquette 1 et étiquetez-les 2. Pour
chaque sommet étiqueté 2, trouvez une arête qui le relie à un sommet étiqueté 1. Assombrissez
cette arête. S'il existe plus d'une arête, choisissez-en une arbitrairement.
5. Continuez ce processus jusqu'à ce qu'il n'y ait plus de sommets sans étiquette adjacents à ceux
étiquetés. Si tous les sommets du graphe ne sont pas étiquetés, alors il n’existe pas d’arbre couvrant
pour le graphe. Si tous les sommets sont étiquetés, alors les sommets et les arêtes assombries
forment un arbre couvrant du graphe.
Revenons au graphe de la figure 3 (reproduite ci-dessus) et appliquons

l'algorithme BFS. À l'étape 1, nous choisissons le sommet a pour être notre sommet de
départ, étiquetons-le 0. Pour l'étape 2, nous pouvons voir que les seuls sommets
adjacents à a sont e et b, nous pouvons donc les étiqueter 1. L'étape 3 nous instruit
d’assombrir les arêtes ae et ab. À l'étape 4, nous étiquetons 2 les sommets d, c et f, car ils
sont adjacents à des sommets étiquetés 1, notamment e et b. Nous pouvons donc
assombrir les arêtes ef et bc. Pour d, nous avons le choix car d est adjacent à e et à b, qui
sont tous deux étiquetés 1 ; nous pouvons donc soit assombrir l’arête ed ou l’arête bd.
Nous choisissons l’arête ed. À l'étape 5, étiquetons 3 les sommets g et h et assombrissons
les arêtes fg et fh. Nous achevons ainsi la construction de l’arbre couvrant. On peut
remarquer que cet arbre couvrant apparaître comme l'un des 11 arbres couvrant que
vous avez préalablement construit. Si vous appliquez les mêmes étapes avec un sommet
différent, ou choisissez une arête différente lorsque vous avez le choix, vous construirez
un arbre couvrant différent.
34
Figure : 6
4.2.4 Problème 2 : Détermination d’un arbre couvrant de poids minimum

Il existe deux algorithmes standards pour résoudre ce problème, celui de Prim et
celui de Kruskal. Ici nous exposerons uniquement l’algorithme de Prim.
Algorithme de Prim pour déterminer un arbre couvrant minimum
1. Trouvez l'arête avec les plus petits poids dans le graphe. L'assombrir et encerclez ses
deux sommets. Les liens sont rompus arbitrairement.
2. Trouvez l’arête avec le plus petit poids parmi les arêtes non assombris restants ayant
un sommet encerclé et un sommet non encerclé. Assombrir cette arête et son sommet
non encerclé.
3. Répétez l'étape 2 jusqu'à ce que tous les sommets soient encerclés.
Application :
Nous allons utiliser l’Algorithme de Prim pour construire un arbre couvrant de poids
minimum pour le graphe pondéré de la figure 5 reproduite ci-dessous :
À l'étape 1, nous pouvons voir qu’il y a deux arêtes de poids minimal; l’arête ef et l’arête
ab ont un poids de 1. Nous choisissons l’arête ef que nous assombrissons, puis nous
encerclons les sommets f et e.
35
À l'étape 2, nous pouvons voir que l’arête ae de poids 2, est le plus petit poids parmi les
arêtes non assombris restants dont un sommet est encerclé et l’autre pas. Par
conséquent, nous pouvons assombrir l’arête ae et encercler le sommet a.
L'étape 3 indique que nous devons répéter l'étape 2, ainsi nous pouvons assombrir l’arête
ab de poids 1 et encercler le sommet b. Ensuite, nous assombrissons l’arête bc de poids 2
et encerclons le sommet c. Notez que nous avons maintenant le choix, l'arête fg de poids
3, l’arête fh de poids 3 et l’arête cd de poids 3 sont tous des choix possibles.
Assombrissons l’arête cd et encerclons le sommet d par exemple, puis assombrissons
l’arête fg et encerclons g, puis faisons de même pour l’arête fh et le sommet h. Tous les
sommets ont été encerclés et sont connecté, nous avons donc un arbre couvrant
minimum avec un poids minimal de 3 + 3 + 1 + 2 + 1 + 2 + 3 = 15. (Voire figure 7).
Figure : 7
4.2.5 Problème 3 : Détermination d’un chemin de poids minimum entre deux sommets
Comme dans les cas précédents, il existe une méthode très peu efficace qui
consiste à considérer tous les chemins menant d’un sommet de départ à un sommet
d’arrivée et de chercher le plus court. Dans le cas des graphes pondérés, il existe un
algorithme très efficace et largement utilisé, qui a été décrit par le mathématicien
Dijkstra, qui s’appuie sur l’hypothèse suivante :
Si le plus court chemin reliant le sommet u (entrée) au sommet v (sortie) passe par les
sommets s1,s2,...,sk alors, les différentes étapes sont aussi les plus courts chemins reliant
u aux sommets successifs s1,s2,...,sk.
36
Algorithme de Dijkstra
1. Sélectionner le sommet de départ u et fixer son poids à 0.
2. Attribuer provisoirement un poids ∞ aux autres sommets.
3. Tant qu’il reste des sommets dont les poids ne sont pas définitivement fixés, répéter
les instructions suivantes :
3.1. Parmi les sommets dont le poids n’est pas définitivement fixé, choisir un sommet X
dont le poids p est minimal, puis fixer définifivement p comme poids de X.
3.2. Pour tous les sommets Y dont le poids n’est pas définitivement fixé et qui sont
adjacents au dernier sommet fixé X, calculer la somme s du poids de X et du poids de
l’arête reliant X à Y.
 Si la somme s est inférieure au poids provisoirement affecté au sommet Y, affecter

provisoirement à Y le nouveau poids s et indiquer en indice le sommet X pour se
souvenir de sa provenance.
 Si la somme s est supérieure au poids provisoirement affecté au sommet Y, on ne
change rien.
4. Quand le sommet d’arrivé v est définitivement fixé : Le chemin de poids minimum se

lit « à l’envers », de v à chacun de ses prédécesseurs successifs.
Application :
Sur le tableau suivant sont indiqués les temps moyens (en minutes) mis par un
automobiliste pour relier deux lieux de la ville de Yaoundé. On souhaite aller d’un point
R (Rond-point Express) au point M (Marché central). Déterminons un chemin qui soit le
plus rapide à l’aide de l’algorithme de Dijkstra?
R A C U H M
(Rond-point (Assemblé (Carrefour (Université (Hilton (Marché
Express) nationale) ENAM) Yaoundé I) Hotel) central)
R 9 12
A 5 7
C 9 8 14
U 11
H 7
M
Construisons un graphe pondéré représentant

cette situation, les sommets représentant les lieux.
Deux sommets sont adjacents s’il existe une voie
37
automobile entre les lieux qu’ils représentent. Les poids sur les arêtes représentent la durée
moyenne.
Etapes 1 & 2 : Le sommet de départ R est affecté de 0,

tous les autres sont ∞.
Etapes 3 : Depuis R, on peut aller en A (poids de 9) ou U (poids de 12). Les autres

sommets restent inchangés.
- La valeur minimale est 9 lorsque l’on vient de

R. On sélectionne A.
- Depuis A, on peut aller en C (poids de 9+5 = 14)

ou en U (poids de 9+7 = 16 > 12). Le poids en
arrivant à U étant supérieur à celui obtenu en
passant de R à U, on ne le garde pas. La valeur
minimale est 12 lorsque l’on vient de R. On
sélectionne U.
- Depuis U, on peut aller en C (poids de 12+9 =

21 > 14) ou en H (poids de 12+11 = 23). La
valeur minimale est 14 lorsque l’on vient de A.
On sélectionne C.
- Depuis C, on peut aller en H (poids de 14+8 =

22) ou en M (poids de 14+14 = 28). La valeur
minimale est 22 lorsque l’on vient de C. On
sélectionne H.
- Depuis H, on peut aller en M (poids de 22+7 =

29 > 28). La valeur minimale est 28 lorsque
l’on vient de C. On sélectionne M.
38
Etape 4 : Tous les sommets ayant été fixés, on lit « à l’envers » la solution : M, qui vient
de C, qui vient de A, qui vient de R. D’où le trajet de le plus rapide est celui de Rond-
point Express –> Assemblée nationale –> Carrefour ENAM -> Marché central.
Exercice 1 :
Dans le cadre des préparatifs de Coup d’Afrique des Nations, le ministère du

développement urbain envisage de réaménager certaines voix de la ville de Douala. Pour
cela le ministre vous sollicite pour la conception d’un plan permettant de refaire le
minimum de kilométrage de route, tout en se rassurant que les infrastructures
stratégiques sont connectées par des voies réaménagées. Ces infrastructures essentielles
et les artères qui les relient sont représentées dans le graphe suivant à les poids
représente la distance en km.
1- Proposer un plan satisfaisant les contraintes du ministre.

2- Donner le chemin le plus court pour aller de H à C.
Exercice 2 :
Les ordinateurs dans chaque bureau de l’Ecole normale supérieure de Maroua doivent
être connectés par câble. Le graphe ci-dessous donne le coût de chaque connexion en
milliers de francs CFA. Quel est le coût minimal pour connecter les 14 postes de travail ?
39
Chapitre 5: GRAPHES ET PARCOURS 2
Dans ce cinquième chapitre, nous continuons à examiner d’autres notions liées au

parcours des arêtes et les sommets d’un graphe. Il s’agit des notions de graphe euleurien,
et de graphe hamitonien. Ces notions ont des applications particulièrement utiles dans
la résolution d’un grand nombre de problèmes concrets. Par exemple, nous verrons plus
tard comment utiliser ces concepts pour résoudre une énigme ayant marqué la naissance
de la théorie des graphes, puis nous verrons comment les chemins et les cycles peuvent
être appliqués pour déterminer les classements des tournois et pour modéliser un
problème bien connu appelé le problème du voyageur de commerce. Ici encore, nous
commençons par donner des définitions complémentaires.
5.1 Vocabulaire et exemples
5.1.1 Graphes complets

Un graphe complet est un graphe simple dans lequel chaque sommet est
adjacent à tous les autres sommets. Il est noté Kn où n représente l’ordre du graphe.
Lesquels des graphes suivants sont-ils des graphes complets? Nommez-les.
c)
a) b)
Le graphe a) n’est pas complet car bien qu’il ait un sommet adjacent aux trois
autres, ces derniers ne sont pas adjacents à plus d’un sommet. Les graphes b) et c) sont
complets et se notent respectivement K3 et K2.
5.1.2 Digraphes et tournois

Un digraphe est un graphe dont les arêtes ont une orientation. Cette-ci sont
alors représentées par des arcs en forme de flèche. Un tournoi est digraphe complet.
Parmi les digraphes suivants, lesquels sont-ils des tournois ?
c)
a) b) 40
La figure a) représente un digraphe complet donc un tournoi. Par contre, le b)

n’est pas un tournoi étant donné que le digraphe représenté n’est pas complet. Enfin, le c)
ne représente pas un digraphe, bien qu’étant un graphe complet, il n’est pas un tournoi.
5.2 Graphes eulérien
5.2.1 Définition
Un cycle eulérien dans un graphe est un cycle composé de toutes les arêtes du
graphe prises une seule fois. Un graphe possédant un cycle eulérien est un graphe
eulérien. Lorsque le sommet d’arrivé diffère du sommet de départ, on parle alors de
chemin eulérien.
5.2.2 Exemple
Dans ce graphe, on a une Dans ce graphe, il n’existe Dans ce graphe, on a

chaîne eulérienne : par ni chaîne eulérienne, ni plusieurs cycles eulériens :
exemple A - C - E - D - B - C - cycle eulérien. par exemple A C - E - D - B -
D - A - B, mais il n’existe C - D - A - B - E A. C’est donc
aucun cycle eulérien. Ce un graphe eulérien.
n’est donc pas un graphe
eulérien.
En terme pratique, lorsqu’un graphe possède un cycle eulérien, cela se traduit

par le fait que l’on peut « le dessiner » en une seule fois, sans jamais lever le crayon.
5.2.3 Propriété
Il existe une caractérisation simple des graphes eulériens qui fut trouvée par le
mathématicien Euler au XVIIIe siècle. Elle est donnée par le théorème suivant :
Théorème d’Euler
• Un graphe connexe possède un chemin eulérien si et seulement si tous ses sommets sont
de degré pair sauf deux.
• Un graphe connexe possède un cycle eulérien si et seulement si tous ses sommets sont de
degré pair.
L’exercice 7 propose un cheminement pour démontrer ce théorème.
41
5.2.4 Application
1. Reprenons l’exemple 4.2.2 ci-dessus : Le premier graphe possède 3 sommets de degré

pair (C, D et E) et 2 sommets de degré impair (A et B). Par conséquent il n’est pas
eulérien. Le second graphe possède 1 sommet de degré pair (E) et 4 sommets de degré
impair (A, B, C et D), il n’est pas eulérien non plus. Enfin, le dernier graphe ne possède
que des sommets de degré pair, il est par conséquent un graphe eulérien.
2. Au 18e siècle, une énigme est populaire chez les habitants de Königsberg (aujourd’hui
Kaliningrad, Russie) : est-il possible de se promener dans la ville en ne passant qu’une et
une seule fois par chacun des sept ponts de Königsberg (Voire la carte ci-dessous où les
ponts numérotés de 1 à 7 sont matérialisés par des traits rouges)? Il s’agit en fait
d’effectuer le parcours en revenant à son point de départ. C’est l’approche de résolution
de ce casse-tête proposée par le célèbre mathématicien Léonard Euler (1707-1783) qui va
marquer le point de départ de l’étude des graphes comme objets mathématiques. C’est
pour lui rendre hommage que l’on a désigné ce type de cycles, des cycles eulériens.
Euler va modéliser ce problème par un graphe dont les sommets représentent les
bouts de terre séparés par le fleuve (identifiés par les lettres À, B, C et D sur la carte).
Deux sommets du graphe sont adjacent si et seulement si un pont relie les bouts de terre
qu’ils représentent. On obtient le graphe suivant :
42
D’après le théorème d’Euler, il est impossible de faire le parcours décrit par

l’énigme. En effet, un tel parcours correspondrait à un cycle eulérien du graphe ci-dessus,
or étant donné que tous ses sommets sont de degré impair, ce graphe n’est pas eulérien.
5.3 Graphes hamiltoniens
5.3.1 Définition
Un chemin hamiltonien est un chemin qui visite chaque sommet d'un graphe
exactement une fois. Un cycle hamiltonien est un chemin hamiltonien qui commence
et se termine au même sommet.
5.3.2 Exemple
Essayez de trouver un cycle hamiltonien dans chaque des graphes ci-dessous.
On peut voir que le graphe de la figure (a) présente un cycle hamiltonien. Un de

ces cycles peut être répertorié comme a-b-e-c-d-f-a, un autre comme d-f-e-c-b-a-d. Notez
qu'il n'est pas nécessaire que chaque arête du graphe soit utilisée lors de la visite de
chaque sommet exactement une fois. Le graphe de la figure (b) présente également un
cycle hamiltonien. Un tel cycle peut être répertorié comme a-b-c-d-e-f-a. Le graphe de la
figure (c) n'a pas de cycle hamiltonien.
Nous pouvons facilement observer que les figures (a) et (b) présentent également
un chemin hamiltonien, par définition d’un cycle hamiltonien. Dans les exemples ci-
dessus, élimiez le dernier sommet indiqué dans les cycles donnés et vous obtenez un
chemin ; par exemple la figure (a) présente le chemin, a-d-e-c-d-f. Ainsi, tout graphe
ayant un cycle hamiltonien a un chemin hamiltonien. Cependant, il existe parfois des
graphes qui ont un chemin hamiltonien mais qui n’ont pas de cycle hamiltonien. Par
exemple, la figure (c) possède un chemin hamiltonien mais pas de cycle. L'un de ces
chemins est indiqué par c-a-b-d-e-f.
43
5.3.3 Propriété
Les cycles hamiltoniens sont intéressants pour les mathématiciens car il n'existe
pas une façon simple permettant de déterminer si un graphe a un cycle hamiltonien.
Nous examinerons plus tard deux approches différentes pour essayer de déterminer si
un graphe a un cycle hamiltonien. Pour l'instant, les différentes approches sont les
meilleures que nous puissions faire pour trouver un cycle hamiltonien. Les
mathématiciens ont conclu qu'il peut être impossible de trouver une approche générale
qui fonctionnera pour n'importe quel graphe.
Cependant, les mathématiciens ont pu trouver plusieurs conditions qui

garantissent qu'un graphe donné a un cycle hamiltonien. Le théorème suivant garantit
l'existence d'un cycle hamiltonien pour certains types de graphes.
Théorème : Si un graphe connexe, G, a n sommets, où n ≥ 3 et chaque sommet de G a un

degré d'au moins n/2, alors G a un cycle hamiltonien.
Pour une réflexion sur la démonstration de ce théorème voir l’exercice 8.
5.3.4 Applications
Revenons maintenant à la figure (a) du paragraphe 4.3.2 et vérifions le degré de
chaque sommet. Comme chacun des six sommets du graphe a un degré d'au moins 6/2 =
3, le graphe a un cycle hamiltonien. Ainsi, avant même que nous ayons essayé de trouver
un cycle hamiltonien, ce théorème garantit que nous en trouverons au moins un.
Malheureusement, ce théorème ne nous dit pas concrètement comment trouver un tel
cycle dans le graphe.
Si un graphe a quelques sommets avec un degré inférieur à n/2, alors le théorème

ne s'applique pas. Cela ne signifie pas automatiquement que le graphe n'a pas de cycle
Hamiltonien ; le graphe peut ou non avoir un cycle Hamiltonien. Les figures (b) et (c) du
paragraphe 4.3.2 ont toutes deux des sommets avec un degré inférieur à 3, donc jusqu'à
présent aucune conclusion ne peut être tirée. Cependant, après une inspection plus
approfondie, nous avons découvert que la (b) avait bien un cycle hamiltonien et que la
figure (c) n'en avait pas.
Maintenant que nous avons une compréhension du concept des chemins et des
cycles Hamiltoniens, comment pouvons-nous l’utiliser dans les situations quotidiennes ?
44
Problèmes potentiels
1. Déterminer les rangs d'une équipe dans une compétition où chaque équipe joue contre
chaque autre équipe.
2. Le problème du voyageur de commerce.
Pour le problème 1, considérons le tournoi où les sommets représentent les

joueurs et une arête orientée du sommet A au sommet B montre que le joueur A bat le
joueur B. Un fait remarquable de ce type de digraphe est que chaque tournoi contient un
chemin Hamiltonien. Cela signifie qu'à la fin d'un tournoi, il est possible de classer les
équipes dans l'ordre du vainqueur au perdant.
Faisons maintenant un exemple du problème 1. Supposons que quatre équipes de

football jouent dans le tournoi à la ronde des lycées. La matrice ci-dessous montre les
résultats du tournoi. Donnez le classement des équipes dans le tournoi ce football.
S Do Da U
Saint-Joseph (S) 0 0 0 1
Dominique Savio (Do) 1 0 0 1
Damas Ondoua (Da) 1 1 0 1
Um Nyobe (U) 0 0 0 0
N'oubliez pas que la matrice se lit de ligne en colonne, un "1" représentant une
victoire. Par exemple, le "1" dans l'entrée Damas Ondoua – Dominique Savo signifie que
le lycée Damas Ondoua a battu le lycée Dominique Savio.
Nous devons maintenant traduire la grille ci-dessus en un modèle de graphe.

Faisons en sorte que les sommets de notre graphe représentent les différents lycées. En
utilisant les informations concernant l'équipe qui a gagné à chaque rencontre, nous
pouvons construire un digraphe de tournoi.
45
Après avoir examiné le digraphe, nous pouvons voir que le seul chemin
Hamiltonien est le Da-Do-S-U. Alors, interprétons notre solution en fonction de notre
problème réel. Le chemin hamiltonien donne une séquence d'équipes où chaque équipe
bat la suivante. Ainsi, le chemin Hamiltonien Da-Do-S-U sert également de classement.
Le lycée Damas Ondoua s'est classé premier, le lycée Dominique Savio deuxième, Saint-
Joseph troisième et le lycée Um Nyobe dernier.
Nous allons maintenant faire un exemple du problème 2. Supposons que vous

soyez un vendeur qui vit à Mendong (M). Vous voulez vous rendre dans plusieurs
quartiers de la ville de Yaoundé, disons Odza (O), Anguissa (A), Emana (E), exactement
une fois, puis retourner chez vous à Mendong. La liste ci-dessous représente les trajets
qui s'offrent à vous et les coûts d'un trajet entre les quartiers.
Quartiers Coût
(CFA)
Anguissa – Odza 400
Anguissa – Mendong 550
Anguissa – Emana 1260
Odza – Mendong 270
Odza – Mendong 910
Mendong – Emana 670
Comme vous êtes propriétaire de votre entreprise, il est important d'utiliser le

moins d'argent possible pour votre tournée. Pour économiser de l'argent, essayez de
trouver l'itinéraire le moins cher qui commence à Mendong, visite chacun des autres
quartiers une fois exactement, et revient à Mendong.
Nous devons maintenant traduire la liste ci-dessus en un modèle de graphe.

Faisons en sorte que les sommets de notre graphe représentent les différentes villes.
Deux sommets sont reliés par une arête si un trajet peut être effectué entre les deux
quartiers. Le poids attaché à chaque arête est le montant d'argent qu'il en coûtera pour
se déplacer entre les deux quartiers.
400
550
1260 270 O
M
670 910
E
46
La première façon de résoudre le problème du poids total minimum est de dresser

la liste de tous les cycles possibles, avec leur coût. L'utilisation d'un diagramme en arbre
comme celui ci-dessous
dessous nous aidera à faire le tri entre tous les cycles possibles.
O E
O E E O
E O E O
M M M M M M
Après avoir regardé le diagramme, il est fa

facile
cile de voir que parmi tous les
itinéraires possibles, la meilleure solution vient du cycle qui consiste en JC, A, C, W, JC
ou du cycle dans l'ordre inverse, JC, W, C, A, JC. Par conséquent, l'itinéraire le moins
cher qui commence à Johnson City, visite ch
chacune
acune des autres villes une fois exactement,
et revient à Johnson City coûte 2 530 $, où l'itinéraire se déroule comme suit : Johnson
City à Washington D.C. à Chicago à Atlanta et retour à Johnson City, ou l'inverse.
La méthode que nous venons d'utiliser eest

st appelée la méthode de la force brute.
Vous pourriez penser que, puisque cette méthode garantit une solution, nous avons
trouvé une solution générale au problème du voyageur de commerce. Cependant, nous
pouvons rapidement constater qu'à mesure que le nom
nombre
bre de sommets augmente, il
devient presque impossible de vérifier tous les itinéraires possibles! Même avec
l'ordinateur le plus rapide du monde, il faudrait des millions d'années pour calculer les
poids de chaque cycle pour un graphe à 25 sommets. Nous a
avons
vons donc trouvé une
méthode qui garantit une solution mais qui n'est pas très efficace car elle ne peut être
utilisée que sur des graphes avec un petit nombre de sommets.
Une autre façon de résoudre le problème de la détermination du poids total

minimum consiste
onsiste à commencer par un sommet, à chercher le sommet le plus proche, à
s'y déplacer, etc. jusqu'à ce que le cycle soit terminé. Cette méthode est appelée la
méthode du plus proche voisin. Avec le recul, commençons à M,, puis allons au sommet
47
le plus proche, puis au sommet le plus proche non encore visité, et revenons à M lorsque
toutes les autres villes ont été visitées. Dans ce cas, le sommet le plus proche est le
sommet qui coûte le moins cher. Par conséquent, le cycle commencerait à Mendong, puis
à Odza, Anguissa, Emana, et reviendrait à Mendong. Dans ce cas, le poids minimum est
donc de 270 + 400 + 1, 260 + 670 = 2, 600. Ainsi, le voyage coûterait à votre entreprise 2
600 $.
Mais, nous avons déjà découvert que le déplacement aller-retour le moins cher
coûterait 2 530 $. Ainsi, même si la méthode du plus proche voisin donne une solution
très rapide, elle ne donnera pas toujours la bonne solution. Vous pouvez maintenant
comprendre pourquoi il n'existe pas de solution générale au problème du voyageur de
commerce qui fonctionne dans toutes les situations. Soit on choisit la méthode de la force
brute, qui garantit le meilleur itinéraire mais qui est d'une lenteur prohibitive pour de
grands graphes ou la méthode du plus proche voisin, qui est rapide mais ne garantit pas
la meilleure solution.
Excercice 1 : Parmi les dessins suivants, lequel peut être dessiné sans retirer votre crayon
du papier et sans tracer de ligne deux fois ?
(a) (b)
Excercice 2 : Examinez les graphes suivants. Déterminez lesquels des graphes ont un
chemin eulérien et trouvez un chemin eulérien pour les graphes qui en ont un.
48
Excercice 3 : Déterminez si les graphes suivants contiennent un cycle hamiltonien. Si le

graphe ne contient pas de cycle hamiltonien, contient-il une trajectoire hamiltonienne ?
(N'oubliez pas d'utiliser le théorème que nous avons appris sur certains cycles
hamiltoniens des graphes !)
Excercice 4 : Trouvez un cycle hamiltonien de poids minimum qui commence et se termine

à K. Trouvez d'abord le cycle hamiltonien de poids minimum en utilisant la méthode de
la force brute, et utilisez ensuite la méthode du plus proche voisin. La méthode du plus
proche voisin donne-t-elle le cycle le plus court possible ?
Excercice 5 : Dessinez un graphe hamiltonien connexe qui a cinq sommets. Marquez vos
sommets et indiquez le cycle hamiltonien dans votre graphe.
Excercice 6 : Dessinez un tournoi à cinq joueurs, où le joueur A bat tout le monde, C bat
tout le monde sauf A, B est battu par tout le monde et D bat E.
Excercice 7 : Démontrer le théorème d’Euler
Excercice 8 : On considère la proposition de démonstration par récurrence du théorème du

paragraphe 4.3.3 suivante :
Le Théorème est vrai pour n = 3, car alors G = K3. Supposons qu’il soit vrai pour n = k, où
k ≥ 3. Soit G′ un graphe simple à k sommets dans lequel la degré minimum δ ≥ k/2, et C′
un cycle hamiltonien de G′. Formons un graphe G à k + 1 sommets pour lequel δ ≥ (k +
1)/2 en ajoutant un nouveau sommet v et en reliant ce sommet à au moins (k + 1)/2
sommets de G′. Notons que v doit être adjacent à deux sommets consécutifs, u et w, de C ′.
En remplaçant l’arête uw de C′ par le chemin uvw, nous obtenons un cycle hamiltonien C
de G. Ainsi le Théorème est vrai pour n = k + 1. Par le Principe de Récurrence
Mathématique, il est donc vrai pour tout n ≥ 3.
a) Cette démonstration est-elle correcte ?

b) Si vous affirmez que la démonstration est incorrecte, jusitifiez votre affirmation.
49
c) Pouvez-vous trouver un graphe pour lequel le théorème soit faux ? L’existence ou

la non-existence de tels graphes est-elle reliée à la justesse ou non-justesse de la
démonstration ?
50
Chapitre 6: GRAPHES ET COULEURS
Dans ce cinquième et dernier chapitre, nous introduisons le concept fascinant du

coloriage des graphes. Ce concept est particulièrement utile dans la gestion des conflits
d'intérêts ou des incompatibilités. Par exemple, nous verrons plus tard comment les
techniques de coloriage de graphes peuvent être appliquées à la programmation de
réunions de clubs scolaires.
6.1 Vocabulaire et exemples
6.1.1 Coloriage d’un graphe

Par coloriage d'un graphe G, nous entendons l'attribution de couleurs aux
sommets de G, une couleur à chaque sommet, de sorte que les sommets adjacents se
voient attribuer des couleurs différentes. Pour tout entier naturel k, un k-coloriage de
G est un coloriage de G utilisant k couleurs. Il est pratique d’utiliser des nombre de
l’ensemble {1, 2,…,k} pour représenter des couleurs.
Le nombre chromatique d'un graphe G est la valeur minimale k pour laquelle il

existe un k-coloriage de G. Le nombre chromatique de G est dénoté χ(G) (se lit khi de G).
6.1.2 Exemples et remarques

La figure 1 suivante montre un coloriage à 5 couleurs du graphe G1, ainsi qu'un
coloriage à 4 couleurs du graphe G2.
Figure 1
Remarquez qu'un graphe G à n sommets peut toujours avoir un n-coloriage. Mais
que faire si nous voulons déterminer le plus petit nombre de couleurs nécessaires pour ce
graphe? En d'autres termes, nous voulons trouver le nombre chromatique de G. En
regardant la figure 1 ci-dessus, nous pouvons trouver un 4-coloriage, un 3-coloriage et
même un 2-coloriage pour le graphe G1, essayez de le faire. Cependant, il n'y a pas de k-
coloriage où k < 4 pour le graphe de G2, puisque G2 = K4 et donc chaque sommet est
adjacent à tous les autres sommets. Ainsi, si nous regardons une fois de plus les graphes
51
de la figure 1, nous pouvons voir que χ(G1) = 2 et χ(G2) = 4. Notez que nous n'avons donné
que les nombres chromatiques de ces deux graphes, nous n'avons pas prouvé que nous
connaissions le nombre chromatique.
6.2 Exercice d’application
Trouvez le nombre chromatique de chacun des graphes suivants :
Figure 2
6.3 Comment démontrer qu’un graphe a un nombre chromatique donné
Explorons davantage comment montrer que nous avons déterminé le nombre

chromatique, en d'autres termes, montrer que nous ne pouvons pas trouver un nombre
de couleurs plus petit. Par exemple, trouver le nombre chromatique de H dans la figure 3.
Figure 3
Nous affirmons que le nombre chromatique est au maximum de 4 parce que nous
pouvons trouver un 4-coloriage de ce graphe. Supposons que les sommets de H soient
52
étiquetés comme dans la figure 3(b). Par exemple, v1 et v4 peuvent être de couleur bleu
(B), v2 de couleur rouge (R), v3 de couleur verte (V) et v5 de couleur jaune (J).
Ainsi, nous savons que le nombre chromatique de H est au maximum de 4, χ(H) ≤ 4.

Maintenant, si nous pouvons montrer qu'il n'y a pas de 3-coloriage de H, alors on peut
sans aucun doute dire que le nombre chromatique de H est 4. Notez que les sommets v1,
v2 et v3 forment un triangle. Par conséquent, trois couleurs sont nécessaires pour colorer
ces sommets. Disons que nous attribuons la couleur B à v1, la couleur R à v2, et la couleur
V à v3. Puisque v4 est adjacent à v2 et v3, nous ne pouvons pas lui assigner R ou V.
Cependant, v4 peut être coloré B. Nous pouvons maintenant voir que v5 est adjacent à un
sommet coloré R, un sommet coloré B, et un sommet coloré V. Ainsi, nous devons
introduire une nouvelle couleur pour le sommet v5, il n'existe donc pas de 3-coloriage de
H. Nous avons donc montré que χ(H) = 4.
6.4 Algorithme de coloriage
Notez que plus le nombre de sommets dans un graphe augmente, plus il sera
difficile de les colorier. Ainsi, vous pourriez penser qu'un algorithme de coloriage serait
la réponse. Cependant, il n'existe pas d'algorithme efficace connu pour colorier un graphe
avec le moins de couleurs possible. En fait, trouver un tel algorithme pour trouver le
nombre chromatique est un fameux problème non résolu ! Vous pouvez essayer l'une des
approches suivantes :
- Colorez d'abord le sommet du degré le plus élevé et continuez à colorier, en essayant de

colorer autant de sommets que possible avec une couleur donnée. Assurez-vous que les
sommets adjacents ont des couleurs différentes.
- Utilisez l'algorithme de Welsh et Powell.
53
Algorithme de Welsh et Powell.
1. Commencez par dresser une liste de tous les sommets en commençant par
ceux du degré le plus élevé et en terminant par ceux du degré le plus bas.
2. Colorez le sommet non coloré le plus élevé de votre liste avec une couleur
non utilisée.
3. Descendez dans la liste en colorant autant de sommets non colorés avec la

couleur actuelle quand vous le pouvez.
4. Si tous les sommets sont maintenant colorés, vous avez terminé. Sinon,
retournez à l'étape 2.
Cependant, l'algorithme de Welsh et Powell ne donne pas toujours le plus petit

nombre de couleurs. Regardez par exemple le graphe ci-dessous. Nous utiliserons d'abord
l'algorithme de Welsh et Powell, puis nous colorerons le graphe nous-mêmes.
L'algorithme de Welsh et Powell utilise trois couleurs.
Étape 1 : Énumérer les sommets en fonction du degré : A, B, C, D, E, F, G, H et I.
Étape 2 : A est en tête de la liste. La couleur A est ’’1’’.
Etape 3 : En descendant dans la liste, on colore B avec ’’1’’.
Etape 4 : On choisit une nouvelle couleur, le ’’2’’, pour le sommet non coloré le plus
élevé, C.
Étape 5 : En descendant dans la liste, nous colorons E, G, H et I avec ’’2’’.
Étape 6 : Choisissez une nouvelle couleur, le ’’3’’, pour le sommet non coloré le
plus élevé, D.
Étape 7 : En descendant dans la liste, nous colorons F avec le ’’3’’.
54
Cependant, nous pouvons colorier le graphe avec deux couleurs. Soit A, D, F et I

en rouges et C, E, G, H et B sont bleus.
6.5 Application à la résolution de problèmes
Maintenant que nous avons compris le concept de coloriage, comment pouvons-

nous utiliser le coloriage des sommets dans des situations de vie quotidienne ?
6.5.1 Problèmes potentiels

1. Planification des horaires de réunion des clubs scolaires où certains étudiants sont
membres de plus d'un club.
2. Assignation des fréquences à des stations de radio où les fréquences interféreraient les
unes avec les autres si les stations étaient trop proches.
3. Coloriage d’une carte où deux pays doivent être peints différemment s'ils partagent
une frontière.
6.5.1 Résolution des problèmes à l’aide du coloriage de graphes
Nous allons traiter le Problème 1 et laisser la résolution des deux autres problèmes en
exercice.
Problème 1. Supposons que l'on vous confie la responsabilité de programmer les

horaires des réunions de tous les clubs de votre lycée. Le premier problème est que
certains étudiants appartiennent à plus d'un club, de sorte que tous les clubs ne peuvent
55
pas se réunir le même jour. Deuxièmement, l'école ne veut pas être ouverte tous les jours
pour les activités extrascolaires telles que les clubs. Vous devez donc prévoir aussi peu de
jours de la semaine pour les clubs que possible. Vous trouverez ci-dessous la liste des
clubs et de leurs membres qui appartiennent à plus d'un club.
Clubs Elèves appartenants à

plusieurs clubs
Club mathématique CM Olinga, Nsangou, Djouldé
Club Journal CJ Djouldé, Olinga, Priso
Club SVT CS Nsangou
Club informatique CI Djouldé, Achu, Priso
Club anglais CA Achu, Nsangou
Club espagnol CE Nsangou
La question est la suivante : quel est le nombre minimum de jours nécessaires pour que
deux clubs partageant un membre ne se réunissent pas le même jour ?
Nous devons donc maintenant représenter notre problème à l'aide d'un modèle
graphe. Faisons en sorte que les sommets de notre graphe représentent les différents
clubs, où deux sommets sont adjacents si les clubs qu'ils représentent partagent un
membre. Par exemple, le club de journal serait adjacent au club de mathématiques, car
Olinga et Djouldé sont toutes deux dans ces clubs. Voici un modèle mathématique :
Nous voulons maintenant utiliser le moins de couleurs possible pour colorier le

graphe, c'est-à-dire que nous voulons attribuer une couleur à chaque sommet de sorte
que deux sommets adjacents aient des couleurs différentes. Les couleurs représentent les
jours de la semaine, donc le jour 1 est la couleur 1, le jour 2 est la couleur 2 et ainsi de
suite.
56
On peut voir que quatre couleurs sont nécessaires pour colorier le graphe. Alors,
interprétons notre solution en fonction de notre problème réel. Nous pouvons voir que
quatre jours sont nécessaires pour que chaque club se réunisse une fois par semaine.
Notez qu'en raison de l'implication de Nsangou dans beaucoup de clubs, quatre jours,
c'est le minimum absolu. Voici un tableau pour voir le calendrier plus clairement.
Jour 1 Jour 2 Jour 3 Jour 4

Club Maths Club Journal Club SVT Club anglais
Club espagnol Club info
6.6 Exercices d’entrainement
Exercice 1 : Trouvez le numéro chromatique pour chacun des graphes ci-dessous :
Exercice 2 : Le Conseil Nationale de la Communications (CNC) veille à ce que la

diffusion d'une station de radio ne perturbe pas la diffusion d'une autre station de radio.
Pour ce faire, elle attribue une fréquence appropriée à chaque station. le CNC exige que
les stations à portée d'émission les unes des autres utilisent des fréquences différentes.
57
Supposons que le CNC approuve une nouvelle loi selon laquelle les stations situées dans
un rayon de 50 km les unes des autres doivent se voir attribuer des fréquences
différentes.
Les emplacements des sept stations sont indiqués dans la grille ci-dessous avec les
distances entre les stations en km.
A B C D E F G
A - 45 55 70 60 85 90
B 45 - 50 30 25 60 75
C 55 50 - 10 53 80 90
D 70 30 10 - 47 65 70
E 60 25 53 47 - 35 49
F 85 60 80 65 35 - 53
G 90 75 90 70 49 53 -
Le CNC veut que vous attribuiez une fréquence à chaque station afin que deux stations
ne se gênent pas entre elles. Le CNC souhaite également que vous attribuiez le moins de
fréquences possible.
Exercice 3 : Vous avez peut-être remarqué, dans votre cours de géographie, que les
cartes sont toujours colorées, de sorte que les pays voisins n'ont pas la même couleur.
Cela permet de distinguer facilement les pays entre eux et de ne pas les confondre.
Supposons qu'un cartographe vous donne une carte du Cameroun.
Quel est le nombre minimal de couleur pour colorier cette carte ? Proposer un coloriage
de la carte du Cameroun avec ce nombre minimal de couleur. ( Considérer chaque région
comme un sommet du graphe à construire).
58
Bibliographie
Bondy, A. and Murty, U. (2011). Graph Theory. Graduate Texts in Mathematics.

Springer London.
Levasseur, K., Doerr, A., & (2019). Applied Discrete Structures. Version 3.6 Lulu. com.
Smithers, D. B. (2005). Graph Theory for the Secondary School Classroom. Master thesis
in Mathematical Sciences.
T.W. Haynes, S.T. Hedetniemi, and P.J. Slater, (1998) Fundamentals of Domination in
Graphs, Marcel Dekker, New York,.
59

Cours de Théorie Des Graphes-1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours de Théorie Des Graphes-1

Transféré par

Droits d'auteur :

Formats disponibles

Introduction à la théorie des graphes et à ses applications Août 2020

INTRODUCTION A LA THEORIE DES GRAPHES ET A SES

COURS POUR ENSEIGNANTS DES LYCEES ET COLLEGES

Chapitre 1 : CONTEXTE ET OUTILS MATHEMATIQUES POUR L’ETUDE DES GRAPHES ........................ 4

5.3 Graphes hamiltoniens ............................................................................................................. 43

Chapitre 1 : CONTEXTE ET OUTILS MATHEMATIQUES POUR L’ETUDE

Ce cours, qui s’adresse en priorité aux enseignants de mathématique des lycées et

à représenter doivent elles-mêmes être composées. C’est par exemple le cas de la

1.3 Quelques pré-requis pour l’étude des graphes

Ce cours ne nécessite que des connaissances basiques sur la notion d’ensemble,

1.3.1 Principe de démonstration par récurrence

Le principe de la démonstration par récurrence est une technique simple mais

La méthode qu’il utilisa permettait de généraliser facilement la formule à la

Pour n = 1, 𝐸 représente l′ énoncé ∶ 1 = ( )

Nous devons montrer que Ek+1 est vrai c’est-à-dire :

tout entier naturel non nul.

- Dans certains cas, il peut être difficile de prouver directement l’étape de

1.3.2 Le raisonnement algorithmique

Il consiste à utiliser un algorithme (mathématique) pour résoudre un problème.

Algorithme pour transfert d’argent

1. A l’aide d’un mobile abonné à Orange, entrer le #150*1# et valider

contient une sous-structure particulière, il suffit de décrire un algorithme qui permet

1.4 Plan du cours et structure des leçons

1.5 Exercices d’application

Exercice 2 : Soit à démontrer par récurrence l’inégalité de Bernoulli suivante :

Exercice 3 Importance de l’étape initiale

Exercice 4 Bien faire attention à l’étape de récurrence

Preuve de la première assertion :

Pour tout entier naturel n, je définis la propriété :

Pn : « Je peux soulever tout sac contenant n graines d’arachides produites au

Preuve de la deuxième assertion :

Pour tout entier naturel non nul n, je définis la propriété :

Pn : « Si j’ai un ensemble n graines d’arachides, alors toutes ont la même couleur ».

Exercice 6 : Analyser un algorithme mathématique

a. Désigner un processeur de cet algorithme et préciser ses opérations de base.

Chapitre 2 : VOCABULAIRE ET CONCEPTS DE BASE DE LA THEORIE DES

Les mathématiques manipulent plusieurs types d’objets simples (nombres, points,

2.1.1 Quelques catégories particulières de graphes

Lorsque G est un graphe simple, une arête a d’extrémités u et v peut être

2.2 Représentation des graphes

La théorie des graphes partage avec la géométrie l'avantage de la représentation

La représentation du graphe F n’est pas valide car l’arête a2 se coupe elle-même

2.3 Opérations de modification des graphes

Soit G un graphe, et soient respectivement v et e un sommet et une arête de G :

* La suppression de l’arête e est l’opération qui consiste à optenir de G le

Exemple : Les figures suivantes illustrent le processus de suppression de l’arête e

*La suppression de sommet v est l’opération qui consiste à obtenir de G le

Exemple : Les figures suivantes illustrent le processus de suppression du sommet

* La contraction de l’arête e, d’extrémités u et v, est l’opération qui consiste à

Exemple : Les figures suivantes illustrent le processus de contraction de l’arête e

* La subdivision de l’arête e dans G, consiste à supprimer e, puis à ajouter un

Exemple : Les figures suivantes illustrent le processus de subdivision de l’arête e

2.4 Notion de degré

* La séquence de degré d’un graphe est la suite décroissante constituée des

x5 est un sommet de degré 0, encore appelé sommet

x4 et x6 sont des 3-sommets et x1, x2 et x3 sont des 4-

NH(x4) = {x1, x3, x6}.

2.4.3 Activité d’exploration

Sommets de G Degrés des

Propriété 1 (lemme des poignées de main)

Démonstration : Nous procédons par récurrence sur la taille du graphe.

ailleurs, dG-e(v) = dG(v)-1 pour v ∈ {x,y} et dG-e(v) = dG(v) pour v ∈ V(G)-{x,y}.

2.5 Graphes isomorphes