Cours Théorie Des Graphes La Perle

1 THEORIE DES GRAPHES PRESENTATION
INSTITUT SUPERIEUR LA PERLE
KOWO YOPO
Ulrich
Enseignant Associé de Mathématiques
Date : 2022 Copyright Novembre 2022

THEORIE DES GRAPHES
2 PRESENTATION
/ Chapitre 1
Cours Théorie des graphes pour étudiants

en LICENCE

THEORIE DES GRAPHES
3 PRESENTATION
/ Chapitre 1
PLAN DU COURS
1.1- Introduction Générale
1.2- Comment Euler voit la carte?
Date : 2022 Copyright Novembre 2022 M1012

THEORIE DES GRAPHES
4 INTRODUCTION
/ Chapitre 1
OBJECTIFS DU COURS
- Histoire et evolution de la notion de
théorie des graphes
- Définir les concepts de base
- Détermination du plus court chemin

THEORIE DES GRAPHES
5 INTRODUCTION
/ Chapitre 1
1- Introduction Générale
L’histoire de la théorie des graphes débute avec les
travaux du scientifique Suisse Leonard Euler ( 1707 –
1783) sur le problème devenu célèbre des ponts de
Kônigsberg ( Russie). La théorie des graphes c’est
ensuite developpé dans diverses domaines tels que: la
chimie ; la biologie ; les sciences sociales ;
l’informatique ; la physique; etc….
6 THEORIE DES GRAPHES
INTRODUCTION
/ Chapitre 1
Depuis le 20𝑒 siècle cette branche constitue une discipline

à part des mathématiques.
Il faut noter que les derniers travaux sur la théorie des
graphes sont souvent effectués par les informaticiens du
fait de l’importance que l’aspect algorithmique dans leurs
données.
Date : 2022
Date : 2020 Copyright AoûtNovembre
Copyright 2022
2020 MINESEC IP - SCIENCE
INTRODUCTION
/ Chapitre 1
Date : 2022
Date : 2020 Copyright Novembre
Copyright Août 2022
INTRODUCTION
/ Chapitre 1
Date : 2022
9 THEORIE DES GRAPHES /
INTRODUCTION
Chapitre 1
Date : 2022
INTRODUCTION
/ Chapitre 1
A quoi sert la théorie des graphes?

-Représenter un réseau social
-Représenter un réseau de transport
-Réseau informatique
-Résoudre certaines modélisations
Date : 2022
PRESENTATION
/ Chapitre 1
1- GRAPHES
Date : 2022
PRESENTATION
/ Chapitre 1
1.1- DEFINITION
Un graphe est un ensemble de sommets et d’arêtes qui
sont en réalité les relations entre certains de ces
sommets
Exemple:
Autrement dit :
Date : 2022
THEORIE DES GRAPHES
13 PRESENTATION
/ Chapitre 1
Soit V un ensemble (fini ou infini) et E une partie de 𝑽 × 𝑽 ( i.e. une

relation sur V). Le graphe G = ( V , E ) est la donnée du couple ( V , E ).
Les éléments de V sont appelés sommets ou nœuds de G. les éléments de E
sont appelés arcs ou arêtes de G. Si V est fini , on parlera de graphe fini ( E
est alors fini et contient au plus le carré du nombre d’arcs)
1.2 – Graphes orientés
On parle de graphe orienté ou dirigé si 𝑽 = 𝒗𝒊 ; 𝒊𝝐𝑰 où I est une partie
de ℕ. Dans ce cas 𝒂 = (𝒗𝒊 ; 𝒗𝒋 ) , 𝒊 𝒆𝒕 𝒋𝝐𝑰 est un arc d’origine 𝒗𝒊 et
de destination 𝒗𝒋 pour l’arc 𝒂. On dit que 𝒗𝒊 et 𝒗𝒋 sont les
extrémités de l’arc 𝒂. 𝐛 = (𝒗𝒊 ; 𝒗𝒊 ) est une boucle de 𝒃.
Date : 2022
THEORIE DES GRAPHES
14 PRESENTATION
/ Chapitre 1
Deux arcs sont dits adjacants s’ils ont au moins une

extrémité en commun.
exemple:
𝑉𝑖 𝑉𝑗
Date : 2022
THEORIE DES GRAPHES
15 PRESENTATION
/ Chapitre 1
Soit 𝒂 = 𝑽𝒊 ; 𝑽𝒋 𝝐 𝑬, on dit que a est un arc sortant

de 𝑉𝑖 , ou encore un arc incident à 𝑉𝑖 vers l’extérieur
(resp un arc entrant de 𝑉𝑗 ou encore que a est un arc
incident à 𝑽𝒋 vers l’intérieur). L’ensemble des arcs
sortants de 𝑉𝑖 est noté 𝑾+ (𝑽𝒊 ) l’ensemble des arcs
entrants dans 𝑉𝑖 est noté 𝑾− (𝑽𝒊 ) l’ensemble des arcs
−
entrants dans 𝑉𝑗 est note 𝑊 (𝑉𝑗 ).
Date : 2022
THEORIE DES GRAPHES
16 PRESENTATION
/ Chapitre 1
L’ensemble des arcs incidents d’un sommet v est noté 𝑊(𝑣) est on a :
𝑾 𝒗 = 𝑾+ 𝒗 ∪ 𝑾− 𝒗 on définit le demi degré sortant (resp demi-degré entrant d’un
sommet v par :𝒅+ 𝒗 = nombre d’arcs partants de 𝑣 ( resp 𝑑− 𝑣 = nombre d’arcs entrants
à 𝑣)
Si 𝐺 = (𝑉 , 𝐸) est un graphe fini alors, il est clair que : σ𝑣 𝜖 𝑉 𝑑+ 𝑣 = σ𝑣 𝜖 𝑉 𝑑− 𝑣
Enfin , le degré de v est 𝒅𝒆𝒈(𝒗) = 𝒅+ 𝒗 + 𝒅− 𝒗
L’ensemble des successeurs d’un somment 𝑣 est noté 𝑠𝑢𝑐𝑐 𝑣 = 𝑆1 ; 𝑆2 ; … ; 𝑆𝑘 et est
constitué des sommets si tels que (𝑣 ; 𝑆𝑖 ) 𝜖 𝑊 + (𝑣), c’est-à-dire (𝑣 ; 𝑆𝑖 ) 𝜖 𝐸. De manière
analogue, l’ensemble des prédécesseurs d’un sommet v est l’ensemble 𝑝𝑟𝑒𝑐 𝑣 =
𝑆1 ; 𝑆2 ; … ; 𝑆𝑘 des sommets 𝑆𝑖 tels que (𝑆𝑖 ; 𝑣) 𝜖 𝑊 − (𝑣) c’est-à-dire : (𝑆𝑖 ; 𝑣) 𝜖 𝐸 enfin
l’ensemble des voisins de v est simplement V 𝑣 = 𝑝𝑟𝑒𝑑 𝑣 ∪ 𝑠𝑢𝑐𝑐 𝑣 .
Si u 𝜖 𝑉(𝑣) alors on dit que u et v sont des sommets voisins ou adjacents.
Exemple : soit le graphe 𝐺 = 𝑉, 𝐸 𝑜ù 𝑉 = {𝑎, 𝑏, 𝑐, 𝑑} et
𝐸 = {(𝑎, 𝑏) ; (𝑎, 𝑒) ; (𝑏, 𝑏) ; (𝑏, 𝑐) ; (𝑐, 𝑐) ; (𝑐, 𝑑), (𝑐, 𝑒) ; (𝑑, 𝑎) ; (𝑒, 𝑎) ; (𝑒, 𝑑)}
Date : 2022
THEORIE DES GRAPHES
17 PRESENTATION
/ Chapitre 1
𝐺 = (𝑉, 𝐸) est un multi graphe fini, si 𝑉 𝑒𝑠𝑡 𝑓𝑖𝑛𝑖 𝑒𝑡 𝐸 fini.
On obtient la figure: 𝑊 + 𝑎 = 𝑎, 𝑏 ; 𝑎, 𝑒 ; 𝑊 − 𝑑 = 𝑐, 𝑑 ; 𝑒, 𝑑
𝑠𝑢𝑐𝑐 𝑎 = 𝑒; 𝑑 ; 𝑠𝑢𝑐𝑐 𝑏 = 𝑏 ; 𝑐 ; 𝑝𝑟𝑒𝑑 𝐷 = 𝑐; 𝑒 𝑒𝑡 𝑣 𝑎 = 𝑏, 𝑑, 𝑒 . 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑒, 𝑎 𝑒𝑡 𝑑, 𝑎 sont
adjacents. 𝑑 + 𝑐 = 3
Un multi-ensemble est un ensemble au sein duquel un même élément peut être répété plus d’une fois
Exemple : {1, 1, 2, 3} ; {1, 2, 3} 𝑒𝑡 { 1, 2, 2, 3} sont des multi – ensemble distincts. Pour distinguer les
éléments identiques utilise les indices.
Un multi – graphe 𝑮 = (𝑽 ; 𝑬) est un graphe pour lequel l’ensemble 𝐸 des 𝑎𝑟𝑐𝑠 est un multi-ensemble.
Autrement dit, il peut exister plus d’un arc reliant deux sommets donnés.
Soit 𝑃 ≥1, un P – graphe est un multi – graphe 𝐺 = 𝑉, 𝐸 pour lequel tout arc de E est répété au plus P
fois.
Un graphe 𝑮 est dit simple (ou strict) s’il ne s’agit pas d’un multi-graphe et si 𝐸 est irreflexif , c’est-à-dire
∀𝑣 𝜖 𝑉, (𝑣, 𝑣) n’appartient pas à 𝐸 (c’est-à-dire 𝐺 ne contient pas de boucle).
NB : On parle de graphe orienté ou digraphe
Date : 2022
THEORIE DES GRAPHES
18 PRESENTATION
/ Chapitre 1
1. 3- Graphes non orientés
Soit 𝐺 = (𝑉 ; 𝐸) un graphe (resp un multi-graphe). Si 𝐸 a une relation symétrique sur 𝑉,
on dira que 𝐺 est un graphe (resp un multi-graphe) non dirigé ou non orienté. Autrement
dit 𝐺 est non orienté si et seulement si ∀𝑣𝑖 ; 𝑣2 𝜖 𝑉, 𝑣2 ; 𝑣2 𝜖 𝐸 => 𝑣1 ; 𝑣2 𝜖 𝐸.
Dans ce cas 𝑣1 ; 𝑣2 est représenté par un segment entre 𝑣1 𝑒𝑡 𝑣2 . Dans un graphe non
orienté l’arcs (𝑣𝑖 , 𝑣𝑗 ) 𝑒𝑡 (𝑣𝑗 ; 𝑣𝑖 ) seront représentés par {𝑣𝑖 , 𝑣𝑗 }
Soit 𝑮 = (𝑽 , 𝑬), un multi - graphe non orienté 𝑎 = 𝑣𝑖 , 𝑣𝑗 une de ses arêtes. On dit
que a est incident aux sommets 𝑣𝑖 𝑒𝑡 𝑣𝑗 . Le nombre d’arêtes incidentes au sommet 𝑣𝑖 est
le degré de 𝑣𝑖 𝑛𝑜𝑡é 𝒅𝒆𝒈 (𝒗𝒊 ).
Les boucles apportent une double contribution au degré d’un sommet.
L’ensemble des arêtes incidentes à 𝑣𝑖 se note 𝑊(𝑣𝑖 )
Date : 2022
THEORIE DES GRAPHES
19 PRESENTATION
/ Chapitre 1
𝒅𝒆𝒈(𝒗𝒊 ) = nombre d’arêtes incidentes au sommet 𝒗𝒊 .
l’ordre du graphe G est le nombre de sommet V de G et sa taille est le nombre d’arêtes. Deux arêtes
sont adjacentes si elles ont au moins une extrémité en commun. Deux sommets 𝑣𝑖 ; 𝑣𝑗 𝜖𝑉 sont
adjacents si l’arête 𝑣𝑖 ; 𝑣𝑗 𝜖 𝐸. On dit aussi qu’ils sont voisins. L’ensemble des voisins de v se
note 𝑉(𝑣). Enfin, la définition d’un P-graphe est analogue à celle donnée dans le cas orienté.
Propriété: : (Handshaking Lemma) : Dans tout graphe G la somme des degrés de tous les
sommets est égale à deux fois la taille du graphe . σ𝑣𝜖𝑉 deg 𝑣 = 2 𝑐𝑎𝑟𝑑𝐸
Soit 𝑲 ≥ 𝟏, un multi-graphe orienté (resp non orienté) 𝐺 = (𝑣, 𝐸) est K-régulier si pour
tout 𝑣 𝜖 𝑉, 𝑑 + 𝑣 = 𝐾 (𝑟𝑒𝑠𝑝 deg 𝑣 = 𝐾). exemple d’un graphe 3 – réguliers
Date : 2022
THEORIE DES GRAPHES
20 PRESENTATION
/ Chapitre 1
Un graphe orienté (resp non orienté) est dit pondéré lorsque les arêtes (resp les
arcs) portent des poids (un nombre réel en général).
Figure :
A 14 B
Remarques :- Dans un graphe deux arêtes sont dites parallèles si elles ont la
même extrémité
- Si un graphe n’a ni arêtes parallèles , ni boucles alors ce graphe est un graphe
simple, dans le cas contraire c’est un multi- graphe
Date : 2022
THEORIE DES GRAPHES PRESENTATION
21
/ Chapitre 1
1.2 Graphe complet

Un graphe est dit complet lorsque chaque sommet est relié
directement à tous les sommets du graphes.
Remarque: Dans un graphe complet le degré de chaque sommet est
égale à l’ordre du graphe moins un.
Date : 2022
THEORIE DES GRAPHES
22 PRESENTATION
/ Chapitre 1
Exercice: pour chacun des graphes suivants est ce complet ou non?
a) b)
Date : 2022
THEORIE DES GRAPHES
23 PRESENTATION
/ Chapitre 1
1.3 Chemin ; Circuit ; Chaîne et Cycle
Deux arêtes {u;v} et 𝑥; 𝑦 dans un graphe non orienté sont consécutives si
elles ont un sommet en commun c’est-à-dire 𝑢; 𝑣 ∩ 𝑥; 𝑦 ≠ ∅
Deux arcs 𝑢; 𝑣 et 𝑥; 𝑣 dans un graphe orienté sont dits consécutifs si
𝑣 = 𝑥 (on doit respecter l’ordre des flèches)
Un chemin dans un graphe orienté (G,E) est une suite finie d’arcs
consécutifs. Dans le cas d’un graphe non orienté on parle souvent de chaîne
Exemple: 𝐴, 𝐵 𝐵, 𝐺 𝐺, 𝐹 𝐹, 𝐷 est un chemin (ou un chaine)
Date : 2022
THEORIE DES GRAPHES
24 PRESENTATION
/ Chapitre 1
Propriétés des chemins:

𝑃1 - on appelle chemin de 𝑢 à 𝑣 tout chemin de la forme 𝑢 , 𝑥1 … … … . . (𝑥𝑘 , 𝑣)si le graphe
est orienté ou de la forme 𝑢 , 𝑥1 ……….. 𝑥𝑘 , 𝑣 si le graphe est non orienté.
𝑃2 − la longueur d’un chemin est le nombre d’arêtes ou d’arcs qu’il contient ( comptés avec la
multiplicité)
Un cycle ( parfois circuit dans le cas d’un graphe orienté) est un chemin d’un sommet vers lui-
même.
Remarque: un chemin sans cycle (ou sans circuit) est un chemin qui ne contient pas deux fois
le même sommet.
1.4 Graphe connexe
Un graphe est dit connexe lorsque tous les sommets du graphe sont reliés par un chemin
Si G =(V,E) est un graphe
- Si 𝐸 = ∅ , alors le graphe est dit discret
- si 𝐸 = ∅ et V= ∅ alors est un graphe nul
Date : 2022
THEORIE DES GRAPHES
25 PRESENTATION
/ Chapitre 1
1.5 Chaîne Eulérien ; Cycle Eulérien

Une chaîne Eulérienne ou parcours Eulérien ou Chemin Eulérien d’un graphe
non orienté est un chemin qui passe par toutes les arêtes , une fois par arête.
Un cycle Eulérien est un chemin Eulérien fermé c’est-à-dire on part d’un
sommet on passe par toutes les arêtes une fois et on revient au sommet de
départ.
Propriétés
𝑃1 - pour qu’un graphe (G) connexe admette un cycle eulérien , il faut et il suffit
que tous les sommets de G soient de degré pair.
𝑃2 - pour qu’un graphe connexe (G) admette une chaîne eulérienne d’extrémités
A et B, il faut et il suffit que les sommets A et B soient les seuls de (G) de degré
impair
Date : 2022
THEORIE DES GRAPHES
26 PRESENTATION
/ Chapitre 1
1.6 Chaîne Hamiltonienne ; Cycle Hamiltonien

Une chaine hamiltonienne est une chaîne qui passe une seule fois par chaque
sommet du graphe.
Un cycle hamiltonien est une chaîne hamiltonienne qui est cyclique.
Remarque: - la taille d’un chemin est le nombre d’arcs ou d’arêtes qui
appartiennent à ce chemin
- la longueur d’un chemin ou d’une chaîne correspond au nombres d’arcs ou
d’arêtes traversés.
Date : 2022
THEORIE DES GRAPHES
27 PRESENTATION
/ Chapitre 1
1.7 Exemples de familles de graphes

Une famille de graphes est un ensemble de graphes que l’on peut construire en appliquant une
certaine règle.
1.7.1 Graphes Complets
Un graphe complet à 𝑛 sommets, noté 𝐾𝑛 est un graphe pour lequel chaque sommet est voisin
de tous les autres sommets du graphe.
Ce type de graphe est utilisé pour modéliser toutes les interactions possibles entre divers
protagonistes.
Pour un graphe complet non orienté à

𝑛(𝑛−1)
n sommets il y’a : arêtes
2
Si le graphe est orienté il y’ a 𝑛(𝑛 − 1)
arêtes
Date : 2022
THEORIE DES GRAPHES
28 Parcours dans un graphe
/ Chapitre 2
CHAPITRE 2:
PARCOURS DANS UN GRAPHE
Date : 2022
Date : 2020 Copyright novembre
THEORIE DES GRAPHES Parcours dans un graphe
29
Master1/ Chapitre 2
PLAN DU COURS
- OBJECTIFS
- Algorithme de Dijkstra
- Problèmes de transport
Date : 2022
30
/ Chapitre 2
OBJECTIFS DU COURS
- Déterminer l’utilité d’un graphe
- Définir un sous - graphe
- Utiliser certains algorithme pour résoudre des
problèmes
Date : 2022
31
/ Chapitre 2
Recherche du plus court chemin

Supposons que nous disposons un graphe pondéré. Comment determiner
un plus court chemin?
exemple: 1- comment fonctionne votre GPS?
2- comment fonctionne google Maps?
3- comment determiner le plus court chemin entre deux adresses?
Nous allons voir dans cette partie comment determiner le plus court
chemin entre deux sommets d’un graphe pondéré pour lequel les sommets
peuvent représenter des villes ou des intersections , les arcs peuvent
représenter des routes existantes et le poids d’un arc la distance à parcourir
Date : 2022
32
/ Chapitre 2
2.1 Rappel sous – graphe

*Soit G un graphe . Un graphe H est appelé sous – graphe d’un graphe
d’un graphe G, si H est identique à G ou si H est obtenu par
suppression certains sommets et/ou de certaines arêtes de G.
• Un sous – graphe H d’un graphe G est stable lorsqu’il ne contient
aucune arête. Le degré de tous les sommets est donc zéro.
• Un sous – graphe H d’un graphe G est complet, lorsqu’il est
simple et ses sommets sont deux à deux adjacents.
• Un graphe H est appelé graphe partiel d’un graphe G, si H est
obtenu de G par suppression de certaines arêtes de G.
Date : 2022
33
/ Chapitre 2
1 6
3
4
Graphe G
Date : 2022
34
/ Chapitre 2
1 6
3
4
Sous- Graphe de G
Date : 2022
35
/ Chapitre 2
1 6
2 5
3 4
Sous- Graphe stable de G
Date : 2022
36
/ Chapitre 2
1 6
Sous- Graphe complet de G
Date : 2022
37
/ Chapitre 2
Théorème: ( Lemme des poignées de mains)

La somme de des degrés d’un graphe est égale à deux fois le nombre
d’arêtes.
Autrement dit soit un graphe G = (V;E) , pour tout 𝑉 et 𝑑𝑣 le degré du
sommet 𝑣 on a: σ𝑣𝜖𝑉 𝑑𝑣 = 2𝑐𝑎𝑟𝑑𝐸
Propriété: Un graphe simple a un nombre pair de sommets de degré impair.
Date : 2022
38
Master1/ Chapitre 2
2.1.2 Recherche du plus court chemin

Un graphe valué est un graphe pour lequel chaque arête est à un
nombre réel appelé poids ou valuation. Si ce nombre est positif, on
parle de graphe pondéré.
Remarque: 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 d’un graphe est la somme des poids des arêtes
du chemin.
Date : 2022
39
/ Chapitre 2
Exemple: un taximan de la ville de Douala doit partir d’un point A

pour un point B. Le circuit routier de ce taxi est modélisé par le
graphe ci - dessous. Chaque tronçon est marqué par la distance entre
les deux extrémités du chemin.
E
D
F F
le poids du chemin A,F,C,D est
A égal à 1+3+2 = 6
C
B
Date : 2022
2020 MINESEC KEYCE IP - SCIENCE
40
/ Chapitre 2
On appelle arbre tout graphe connexe sans cycle.

Dans un arbre tout sommet de degré 1 est appelé sommet pendant ou
feuille.
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.
Date : 2022
41
/ Chapitre 2
Exemple:
2 1
3 6
4 5
Un arbre et 1,2,5 sont des feuilles
Date : 2022
42
/ Chapitre 2
Exemple:
2 1
3 5
Graphe G
Date : 2022
43
/ Chapitre 2
Exemple:
2 1
3 5
Arbre couvrant de G
Date : 2022
44
/ Chapitre 2
Théorème1: les affirmations suivantes sont équivalentes pour tout

graphe G à n sommets.
• G est un arbre
• G est connexe
• G est connexe et comporte n-1 arêtes
• Chaque paire 𝑢, 𝑣 de sommets est relié par une seule chaîne simple
Théorème 2: un graphe est connexe si et seulement s’il contient un
arbre couvrant.
Théorème 3: Dans graphe pondéré G, on peut trouver un arbre
couvrant de poids total minimum .
Date : 2022
45
/ Chapitre 2
2.2 Algorithme de parcours en largeur

Nous donnons ici les différentes étapes de l’algorithme de parcours en
largeur pour la détermination d’un arbre couvrant.
2.2.1 Algorithme (BFS ou Bread First Search)
1- choisissez un sommet de départ S et étiquetez - le 0
2- Trouvez tous les sommets adjacents à S et étiquetez les 1
3- trouvez chaque sommet marqué d’un 1 , trouvez une arête qui le
relie au sommet étiquetez 0.
Assombrir cette arête
4- Recherchez les arêtes non étiquetés adjacents à ceux avec
l’étiquette 1 et étiquetez les 2. Pour chaque sommet étiqueté 2 ,
Date : 2022
46
/ Chapitre 2
Pour chaque sommet étiqueté 2 , trouvez une arête qui le relie au

sommet étiqueté 1. Assombrir 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 pour le graphe.
Date : 2022
47
/ Chapitre 2
Exemple: Déterminons un arbre couvrant du graphe suivant en

utilisant l’algorithme BFS
e f
d
a h g
b
c
Graphe G
Date : 2022
48
/ Chapitre 2

e f
2
d
a h g
0
b
c
Date : 2022
49
/ Chapitre 2

e f
d
a g
h
b
c
Date : 2022
50
/ Chapitre 2
2.1.3 Algorithme de Prim

Principe:
1- trouvez l’arête avec le plus petit poids dans le graphe. L’assombrir et
encerclez ses deux sommets. Les liens sont rompus arbitrairement.
2- Trouvez l’arête avec les plus petit poids parmi les arêtes non
assombris restants et 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.
Date : 2022
51
/ Chapitre 2
Exemple: Déterminons un arbre couvrant de Poids minimal avec Prim

2 B 1 D
A 5
G
2
1
3
C 5
F
1
3
E
Date : 2022
52
/ Chapitre 2
2.1.4 Algorithme de Kruskal

Principe:
1- trier les arêtes par poids croissants
2- Ajouter les arêtes à celle de poids minimal toute en évitant de créer
un cycle
Ainsi de suite
Date : 2022
53
/ Chapitre 2
Exemple: Déterminons un arbre couvrant de Poids minimal avec

L’algorithme de Kruskal
2 B 1 D
A 5
G
2
1
3
C 5
F
1
3
E
Date : 2022
54
/ Chapitre 2
2.1 Recherche du plus court chemin

Trouver le chemin le plus court allant d’un point A à un point B peut être
considéré de trois manières différentes:
- Plus court chemin entre deux sommets du graphe
- Plus court chemin d’un sommet vers tous les autres
- Plus court chemin de chaque sommet vers les autres
Date : 2022
THEORIE DES GRAPHES
55 PRESENTATION
/ Chapitre 2
2.1 RECHERCHE DU PLUS COURT CHEMIN : Algorithme de Dijstra
L’Algorithme de Dijkstra permet de déterminer le chemin le plus court entre deux sommets
dans un graphe pondéré.
Exemple: soit le graphe ci – dessous:
1
2 B D
5
A Déterminons le chemin le
G
2 plus court entre A et G
1
3 3 en utilisant l’algorithme de
2
Dijstra
C 5
F
3 1
Date : 2022
THEORIE DES GRAPHES
56 PRESENTATION
/ Chapitre 1
Dans un premier temps construisons un tableau à partir de tous les sommets du graphe:
A B C D E F G
0 2A 1A
3C 4C 4C 6C
2A
3B 5B
4C
6D 9D 8D
4C 6C
5E
7F
je fais le chemin inverse pour trouver le chemin le plus court. On obtient : A-C-E-F-G
Le poids est donc : 1+3+1+2 = 7
Date : 2022
57
/ Chapitre 2
2.2 PLOBLEMES DE TRANSPORT

Objectifs: Avoir une vision éclairée de ce qui peut se passer lorsqu’on
prend les transports en commun
2.2.1 – Introduction
De nombreux problèmes peuvent être modélisés par un problème de
flots , c’est-à-dire calculer la quantité de fluide pouvant transiter sur
un réseau dont les capacités sont limitées.
Par exemple:
- Distribution d’eau dans un réseau de canalisation, transport de
pétrole sur un pipeline
..
Date : 2022 Copyright
Copyright Novembre
Août 2022
58
/ Chapitre 2
- Système de transports dans une grande ville ( les passagers sont

considérés comme flux)
- Transport d’énergie électrique sur un réseau électrique
- Débit de données sur le réseau d’un opérateur
Date : 2022
59
/ Chapitre 2
2.4 Coloration d’un graphe

2.4.1 – Coloration des arêtes
Soit G = (V,E) graphe non orienté. Colorer les arêtes de G consiste à donner à
chaque arête des couleurs de telle sorte que deux arêtes ayant un sommet en
commun n’ont pas la même couleur.
Exemple : soit le graphe suivant :
Bb c
a
d
g f e
Date : 2022
60
/ Chapitre 2
On commence par f qui est de degré maximal 5
Bb c
a
d
g f e
On obtient une coloration vérifiant toutes les conditions du graphe précédent.
Date : 2022
61
/ Chapitre 2
Exercice : supposons que l’on veut planifier des rencontres. On prévoit un certain
tête à tête de durée 1h à partir de 8h
Paul Noé
Nora
Isa
Fred Léa
Date : 2022
62
/ Chapitre 2
Exercice : supposons que l’on veut planifier des rencontres. On prévoit un certain
tête à tête de durée 1h à partir de 8h
08h – 09h Fred – Isa
Nora – Paul
Léa – Noé
09h – 10h Fred – Noé

Paul Noé Nora – Isa
10h – 11h Fred - Nora

Nora
Isa
11h – 12h Fred – Léa

Fred Léa
Date : 2021
63
/ Chapitre 2
Planifier des rencontres revient donc à faire une coloration du graphe :
On appelle ColArOpt(G) le nombre minimale de couleurs utiliser pour colorier les

arêtes de G
Soit ∆ le degré maximal de G , les arêtes issues de ce sommet doivent avoir des
couleurs différentes. D’où ColArOpt(G) ≥ ∆
Si G est biparti de degré max ∆ alors ColArOpt(G) = ∆ (KÖNIG en 1916)
Date : 2022
64
/ Chapitre 2
Remarque : Il est pas toujours possible de colorier un graphe avec ∆ couleurs.

Contre exemple:
Nous sommes en présence d’un cycle à 5 sommets ( un C(5)) avec ∆= 2

ColArOpt(C(5)) = 3 = ∆ + 1
De façon générale d’après VIZING ( année 60) , si G est un graphe de degré max
∆ alors: ∆≤ ColArOpt(G) ≤ ∆ + 1. le nombre de couleurs optimal est donc soit ∆,
soit ∆+1
Date : 2022
65
/ Chapitre 2
2.4.2 – Coloration des sommets
Soit G = (V,E) graphe non orienté. Colorer les sommets de G consiste à donner à
chaque sommet des couleurs de telle sorte que deux sommets ayant une arête en
commun n’ont pas la même couleur.
Algorithme de Welsh – Powell
Cet algorithme fournit une coloration explicite du graphe et donne donc un
majorant du nombre chromatique du graphe, c’est-à-dire un nombre suffisant de
couleurs pour colorier le graphe.
Principe:
1- Ranger les sommets dans l’ordre décroissant des degrés
2- Tant que tous sommets ne sont pas colorés :
• Considérer une couleur K , différente des couleurs déjà utilisées
• Considérer le premier sommet non encore coloré dans l’ordre croissant des degrés et lui
Date : 2022
66
/ Chapitre 2
affecter la couleur K
• Considérer chacun des autres sommets non colorés dans l’ordre décroissant
des degrés
- s’il est adjacent à un sommet déjà coloré K, ne lui affecter aucune couleur
- Sinon lui affecter la couleur K
3- L’algorithme est terminé dès que tous les sommets sont colorés
Exemple
Date : 2022
67
/ Chapitre 2
A
G
E
D
Date : 2022
Date : 2020 Copyright Novembre2022
Copyright Août 2020 MINESEC IP - SCIENCE
68
/ Chapitre 2
A
G
Sommets B C D E F A G
B Degré 4 4 2 2 2 1 1
Rouge oui oui

F
Vert oui oui oui
C
bleu oui oui
E
D
Date : 2022
69
/ Chapitre 2
2.4.3 – Coloration totale

Soit G = (V,E) un graphe non orienté
Une coloration totale a pour but de colorier chaque sommet et chaque arête sous
les contraintes suivantes:
1- Deux sommets voisins n’ont pas la même couleur
2- Deux arêtes avec une extrémité commune n’ont pas la même couleur
3- un sommet et ses arêtes n’ont pas la même couleur
L’objectif est d’utiliser le plus petit nombre de couleurs noté 𝜒′′(𝐺).
Exemple :
Date : 2022
70
/ Chapitre 2
5 3
2
7
6
1 4
Date
Date: 2020
: 2022 Copyright
Copyright AoûtNovembre
2020 MINESEC
2022 IP - SCIENCE
71
/ Chapitre 2
Le sommet de degré maximal est 6

5 3
2
7
6
1 4
Date : 2022
THEORIE DES GRAPHES Graphe probabiliste
72
/ Chapitre 3
CHAPITRE 3:
GRAPHE PROBABILISTE
Date : 2022
73
/ Chapitre 3
OBJECTIFS DU COURS
- Définir graphe probabiliste
- Reconnaitre un etat probabiliste
- Reconnaitre une matrice de transition et un
etat stable
Date : 2022
74
/ Chapitre 3
3.1 – Présentation
Un graphe probabiliste est un graphe orienté et pondéré dans lequel:
• Il y’a au plus un arc d’un sommet à un autre
• La somme des poids des arcs issus d’un même sommet est égale à 1.
Remarques:
1- les poids des arcs sont alors des probabilités ( nombres compris entre 0 et 1)
2- un graphe probabiliste indique les différents états possibles d’un système (
sommets du graphe) et les probabilités de passage d’un état à l’autre ( poids des arcs).
Exemple
• Le graphe 𝑛0 1 est un graphe probabiliste d’ordre 2
• Le graphe 𝑛0 2 est un graphe probabiliste d’ordre 3
• Le graphe 𝑛0 3 n’est un graphe probabiliste car la somme des poids des arcs
issus du sommet C est égale à 0,9 et non
Date : 2022
75
/ Chapitre 3
Schéma :
𝑀1
Graphe 𝒏 𝟏 𝟎 Graphe 𝒏𝟎 𝟐
Date : 2022
76
/ Chapitre 3
Schéma :
Graphe 𝒏𝟎 3
Date : 2022
77
/ Chapitre 3
3.2 – Etat probabiliste et matrice de transition
Soit une expérience aléatoire à deux issues possibles A et B.
A chacune de ces issues est affectée une probabilité 𝑃𝐴 et 𝑃𝐵 . Lorsque l’on répète
cette expérience, dans les mêmes conditions , on se retrouve après chaque
réalisation dans un donné. Cet état à l’issue de chacune des réalisations de
l’expérience est appelé état probabiliste.
Il peut être représenté par la matrice ligne 𝑃𝑛 = (𝑎𝑛 𝑏𝑛 ) qui traduit la probabilité
d’obtenir l’issue A ou l’issue B après 𝑛 réalisations de l’expérience aléatoire. On a
𝑎𝑛 + 𝑏𝑛 = 1 , pour tout entier naturel 𝑛.
Remarque: on généralise sans difficulté cette définition à une expérience
aléatoire ayant un nombre 𝑛 fini d’issues possibles (𝑛 ≥ 2).
Date : 2022
78
/ Chapitre 3
Soit G un graphe probabiliste d’ordre 𝑛 dont les sommets sont numérotés de 1 à 𝑛
La matrice de transition 𝑀 de G est la matrice carrée d’ordre 𝑛 telle que 𝑚𝑖𝑗
est égal à la probabilité portée par l’arc reliant le sommet 𝑖 au sommet 𝑗 s’il existe
ou 0 sinon.
Date : 2022
79
/ Chapitre 3
Remarque : la matrice transition 𝑀 permet d’étudier l’évolution du système que

schématise le graphe probabiliste .
Exemple :
• La matrice transition 𝑀1 associé au graphe ci – dessous est ( en supposant les
0,55 0,45
sommets rangés dans l’ordre alphabétique): 𝑀1 =
0,8 0,2
Date : 2022
80
/ Chapitre 3
• La matrice transition 𝑀2 associée au graphe ci – dessous ( en supposant les
0,75 0,1 0,15
sommets rangés dans l’ordre alphabétique): est 𝑀2 = 0,4 0,4 0,2
0,6 0,1 0,3
Date : 2022
81
/ Chapitre 3
Propriété1
Soit 𝑀 la matrice transition d’un graphe probabiliste associé à un système donné.
Soit 𝑃0 la matrice ligne décrivant l’état initial du système étudié.
Soit 𝑃𝑛 la matrice ligne décrivant l’état probabiliste à l’état 𝑛 du système étudié
On a les relations suivantes:
𝑃𝑛+1 = 𝑃𝑛 × 𝑀
Démonstration (pour un graphe d’ordre 2)
𝛼 1−𝛼
Soit un graphe probabiliste d’ordre 2 de matrice transition 𝑀 = 𝛽 1 − 𝛽
• Soit 𝐴𝑛 l’évènement : « on obtient A à l’étape 𝑛 »
• Soit 𝐵𝑛 l’évènement : « on obtient B à l’étape 𝑛 »
• Soit 𝑃𝑛 = (𝑎𝑛 𝑏𝑛 ) la matrice ligne décrivant l’état probabiliste à l’étape 𝑛
• Soit 𝑃𝑛+1 = (𝑎𝑛+1 𝑏𝑛+1 ) la matrice ligne décrivant l’état probabiliste à l’étape 𝑛 + 1
Date : 2021
Date : 2020 Copyright Octobre
82
/ Chapitre 3
On considère l’arbre pondéré suivant:
Etape 𝑛 𝑩𝒏+𝟏
Etape 𝑛 + 1
Date : 2021
83
/ Chapitre 3
On a les relations(formule des probabilités totales) :
𝑎𝑛+1 = 𝑃 𝐴𝑛+1 = 𝑃𝐴𝑛 𝐴𝑛+1 × 𝑃 𝐴𝑛 + 𝑃𝐵𝑛 𝐴𝑛+1 × 𝑃 𝐵𝑛 = 𝛼𝑎𝑛 + 𝛽𝑏𝑛
𝑏𝑛+1 = 𝑃 𝐵𝑛+1 = 𝑃𝐴𝑛 𝐵𝑛+1 × 𝑃 𝐴𝑛 + 𝑃𝐵𝑛 𝐵𝑛+1 × 𝑃 𝐵𝑛 =
(1 − 𝛼)𝑎𝑛 + (1 − 𝛽)𝑏𝑛
Cela se traduit en écriture matricielle par : 𝑃𝑛+1 = 𝑃𝑛 × 𝑀
𝑃1 = 𝑃0 × 𝑀
𝑃2 = 𝑃0 × 𝑀 × 𝑀 = 𝑃0 × 𝑀²
𝑃3 = 𝑃2 × 𝑀² × 𝑀 = 𝑃0 × 𝑀3
…………………….............................................
………………………………...............................
𝑃𝑛 = 𝑃𝑛−1 × 𝑀 = 𝑃0 × 𝑀𝑛−1 × 𝑀 = 𝑃0 × 𝑀𝑛
Date : 2021
84
/ Chapitre
Remarque : la matrice 𝑀𝑛 permet de trouver l’état probabiliste à l’étape 𝑛.
Exemple: les joueurs d’un club de football sont partagés en deux équipes : une
équipe A et une équipe B. l’entraîneur change la composition de ces équipes après
chacun des matchs , suivant les performances des joueurs.
Une étude statistique menée au cours des saisons précédentes permet d’estimer
que:
• Si un joueur fait partie de l’équipe A , la probabilité qu’il reste dans cette
équipe pour le match suivant est de 0,6.
• Si un joueur fait partie de l’équipe B , la probabilité qu’il change d’équipe le
match suivant est de 0,2.
La situation précédente peut être schématisé par le graphe probabiliste ci –
dessous:
Date : 2021
85
/ Chapitre
0,6 0,4
M=
0,2 0,8
Date : 2021
86
/ Chapitre 3
Pour tout entier naturel 𝑛 donné, 𝑃𝑛 = 𝑎𝑛 𝑏𝑛 la matrice ligne décrivant l’état
probabiliste lors du match 𝑛.
Enzo vient d’arriver dans le club et la probabilité 𝑎0 qu’il joue dans l’équipe A
pour le match de préparation est ( match 0) est 0,1.
• L’état probabiliste initial est donc 𝑃0 = (0,1 0,9)
• On a donc par exemple 𝑃1 = 𝑃0 × 𝑀 = (0,24 0,76)
La probabilité 𝑎1 qu’Enzo joue dans l’équipe A pour le match 1 est 0,24.
• On a aussi, 𝑃2 = 𝑃0 × 𝑀² = (0,296 0,704)
La probabilité 𝑎2 qu’Enzo joue dans l’équipe A pour le match 2 est 0,296
Date : 2022
87
/ Chapitre 3
3.3 Etat stable
Soit un graphe probabiliste d’ordre 𝑛 associé une expérience donnée.
On appelle état stable un état probabiliste qui n’évolue pas lors de la répétition de
l’expérience
Exemple :
0,7 0,3
Soit l’état initial 𝑃0 = 0,4 0,6 et la matrice de transition M =
0,2 0,8
On vérifie aisément que 𝑃1 = 𝑃0 et que de proche en proche que , 𝑃𝑛 = 𝑃0 pour
tout entier naturel 𝑛
L’état décrit par la matrice 𝑃0 est donc stable.
Date : 2022
88
/ Chapitre 3
Propriété 2
Soit un graphe probabiliste d’ordre 2 dont la matrice ne comporte pas de 0. l’état
probabiliste 𝑃𝑛 à l’étape 𝑛 converge vers un état P indépendant de l’état initial 𝑃0
Cet état est appelé état stable du système : il vérifie l’égalité 𝑃 × 𝑀 = 𝑃
Date : 2022

Cours Théorie Des Graphes La Perle

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 Théorie Des Graphes La Perle

Transféré par

Droits d'auteur :

Formats disponibles

1 THEORIE DES GRAPHES PRESENTATION

INSTITUT SUPERIEUR LA PERLE

Enseignant Associé de Mathématiques

Date : 2022 Copyright Novembre 2022

Cours Théorie des graphes pour étudiants

Date : 2022 Copyright Novembre 2022

Date : 2022 Copyright Novembre 2022 M1012

Date : 2022 Copyright Novembre 2022

Depuis le 20𝑒 siècle cette branche constitue une discipline

A quoi sert la théorie des graphes?

Soit V un ensemble (fini ou infini) et E une partie de 𝑽 × 𝑽 ( i.e. une

Deux arcs sont dits adjacants s’ils ont au moins une

Soit 𝒂 = 𝑽𝒊 ; 𝑽𝒋 𝝐 𝑬, on dit que a est un arc sortant

1.2 Graphe complet

Exercice: pour chacun des graphes suivants est ce complet ou non?

Propriétés des chemins:

1.5 Chaîne Eulérien ; Cycle Eulérien

1.6 Chaîne Hamiltonienne ; Cycle Hamiltonien

1.7 Exemples de familles de graphes

Pour un graphe complet non orienté à

Recherche du plus court chemin

2.1 Rappel sous – graphe

Sous- Graphe stable de G

Sous- Graphe complet de G

Théorème: ( Lemme des poignées de mains)

Propriété: Un graphe simple a un nombre pair de sommets de degré impair.

2.1.2 Recherche du plus court chemin

Exemple: un taximan de la ville de Douala doit partir d’un point A

On appelle arbre tout graphe connexe sans cycle.

Un arbre et 1,2,5 sont des feuilles

Théorème1: les affirmations suivantes sont équivalentes pour tout

2.2 Algorithme de parcours en largeur

Pour chaque sommet étiqueté 2 , trouvez une arête qui le relie au

Exemple: Déterminons un arbre couvrant du graphe suivant en

Exemple: Déterminons un arbre couvrant du graphe suivant en

Exemple: Déterminons un arbre couvrant du graphe suivant en

2.1.3 Algorithme de Prim

Exemple: Déterminons un arbre couvrant de Poids minimal avec Prim

2.1.4 Algorithme de Kruskal

Exemple: Déterminons un arbre couvrant de Poids minimal avec

2.1 Recherche du plus court chemin

2.2 PLOBLEMES DE TRANSPORT

- Système de transports dans une grande ville ( les passagers sont

2.4 Coloration d’un graphe

On obtient une coloration vérifiant toutes les conditions du graphe précédent.

09h – 10h Fred – Noé

10h – 11h Fred - Nora

11h – 12h Fred – Léa

Planifier des rencontres revient donc à faire une coloration du graphe :

On appelle ColArOpt(G) le nombre minimale de couleurs utiliser pour colorier les

Remarque : Il est pas toujours possible de colorier un graphe avec ∆ couleurs.

Nous sommes en présence d’un cycle à 5 sommets ( un C(5)) avec ∆= 2

Rouge oui oui

2.4.3 – Coloration totale

Le sommet de degré maximal est 6

Remarque : la matrice transition 𝑀 permet d’étudier l’évolution du système que

Vous aimerez peut-être aussi