L'etude Des Indices de Wiener Et de Terminal de Wiener

UNIVERSITÉ MOHAMMED V de Rabat
Faculté des Sciences
Département d’Informatique
Filière Licence fondamentale
en Sciences Mathématiques et Informatique
PROJET DE FIN
D’ÉTUDES
intitulé :
L’étude des Indices de Wiener et de Terminal de

Wiener
Présenté par :
ANASS EL HARROUTI
ABDELAZIZ HEROUACHI
soutenu le 28 Mai 2016 devant le Jury

M. Mohamed EL MARRAKI PES, Faculté des Sciences de Rabat Encadrant
Mme. Dounia LOTFI PA, Faculté des Sciences de Rabat Examinateur
Mme. Meryam ZERYOUH Doctorante, Faculté des Sciences de Rabat Co-encadrante
Année universitaire 2015-2016

REMERCIEMENTS
Au terme de ce travail, nous tenons tout d’abord à remercier cordia-

lement notre encadrant Mr.Mohamed El Marraki pour nous avoir donner
les orientations nécessaires lors de la réalisation de ce projet.On le remer-
cie pour sa grande disponibilité, ses précieux conseils, sa gentillesse et sa
bonne humeur qui ont énormément compté pour nous. Nous tenons ensuite
à remercier Mme Meryam Zeryouh pour son aide précieuse et ses encou-
ragements. Nous présentons aussi nos remerciements à tous les membres
de jury qui nous ont honoré en acceptant de juger notre travail. Un grand
merci à nos Parents pour leur amour, leur dévouement, leur compréhen-
sion et leur patience.Ils nous ont beaucoup épaulé et aidé tout au long de
notre parcours, sans jamais nous quitter des yeux ni baisser les bras. Enfin,
nous remercions également toutes les personnes qui, de près ou de loin, ont
participé à l’élaboration de ce mémoire.
i
RÉSUMÉ
Dans le cadre de notre projet de fin d’études nous vous présentons ce

document qui constitue la synthèse d’un travail de 3 mois qui a pour objec-
tif de calculer les indices topologiques et particulièrement l’indice de Wiener
et l’indice de Terminal de Wiener ainsi que l’étude de leur application au
domaine des théories des graphes. Pour ce faire, nous avons commencé dans
le premier chapitre par donner quelques définitions des notions de la théorie
des graphes. Et puis dans le second chapitre nous avons élaboré une pré-
sentation de quelques indices topologiques avec des exemples. Le troisième
chapitre traite quelques formules ameliorées de calcul de l’indice de Wiener
pour des graphes et particulièrement des arbres. Le quatrième chapitre a été
consacré à l’indice de Terminal de Wiener. Finalement, dans le cinquième
chapitre nous avons présenté l’implémentation d’un programme qui calcule
l’indice de Wiener et de Terminal de Wiener d’un graphe sur java.
Mots clés : Théorie des graphes, Indice de Wiener, Indice de Terminal

de Wiener, Arbre
ii
ABSTRACT
This document represents the synthesis of our work in the context of

the Project Graduation. This project aims to calculate topological indices
and particularly the Wiener index and the terminal Wiener index and the
study of their application in the field of theories of graphs. To do this, we
started in the first chapter by giving some definitions of graph theory. In
the second chapter we developed a presentation of some topological indexes
with examples. The third chapter deals with some improved formulas for
calculating the Wiener index for graphs and especially trees. Finally, the
fourth chapter is devoted to the terminal Wiener index as well as the im-
plementation of a program that calculates the Wiener and terminal Wiener
indexes of a graph on java.
Keywords : Graph Theory, Wiener Index, Terminal Wiener Index,

Tree
iii
TABLE DES MATIÈRES
Remerciements i
Resume ii
Abstract iii
Introduction vi
1 Les concepts de base de la théorie des graphes 1

1.1 Les graphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Premières définitions . . . . . . . . . . . . . . . . . . 3
1.1.2 L’adjacence et le degré d’un graphe . . . . . . . . . . 4
1.1.3 Vocabulaire lié à la connexité . . . . . . . . . . . . . . 5
1.2 Quelques types de graphes . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Les graphes . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Les arbres . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Mode de représentation d’un graphe . . . . . . . . . . . . . . 9
1.3.1 Matrice d’adjacence . . . . . . . . . . . . . . . . . . . 9
1.3.2 Matrice de distance . . . . . . . . . . . . . . . . . . . 10
1.3.3 Matrice d’incidence . . . . . . . . . . . . . . . . . . . . 11
1.3.4 Matrice laplacienne . . . . . . . . . . . . . . . . . . . . 11
2 Les indices topologiques 13

2.1 L’indice de Wiener . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 L’histoire de l’indice de Wiener . . . . . . . . . . . . . 13
2.1.2 Quelques définitions de base . . . . . . . . . . . . . . 14
2.1.3 L’indice de Wiener pour les arbres . . . . . . . . . . . 16
2.2 L’indice de Terminal de Wiener . . . . . . . . . . . . . . . . . 17
2.2.1 La première définition de l’indice de Terminal Wiener 17
iv
TABLE DES MATIÈRES v
2.2.2 L’indice de Terminal Wiener pour les arbres . . . . . . 18

2.3 D’autres extensions de l’indice de Wiener . . . . . . . . . . . 19
2.3.1 L’indice de Hyper-Wiener . . . . . . . . . . . . . . . . 20
2.3.2 L’indice de degré de distance . . . . . . . . . . . . . . 20
3 Formules améliorées pour le calcul de l’indice de Wiener 22

3.1 L’indice de Wiener des graphes composés . . . . . . . . . . . 22
3.1.1 L’indice de Wiener d’un Star-Tree . . . . . . . . . . . 22
3.1.2 L’indice de Wiener d’un Path-Tree . . . . . . . . . . . 23
3.2 L’indice de Wiener en fonction du diamètre . . . . . . . . . . 25
3.3 Application sur des graphes à faible diamètre . . . . . . . . . 25
3.3.1 Les graphes de diamètre 2 . . . . . . . . . . . . . . . . 25
4 Formules améliorées pour le calcul de l’indice de Terminal

de Wiener 35
4.1 L’indice de Terminal de Wiener des arbres composés . . . . . 35
4.1.1 L’indice de Terminal de Wiener d’un Star-Tree . . . . 35
4.1.2 L’indice de Terminal Wiener d’un Path-Tree . . . . . 37
4.2 L’indice de Terminal de Wiener en fonction du diamètre . . 39
4.2.1 Application sur les graphes Dendrimeres . . . . . . . 39
5 Implémentation 42
Conclusion 47
Bibliographie 48
v
INTRODUCTION
La modélisation et la simulation sont devenues des pratiques courantes

dans de nombreux domaines scientifiques et techniques et en particulier en
chimie, pour décrire les molécules ainsi que leurs structures. Ces représenta-
tions graphiques permettent de décrire les liaisons moléculaires, le nombre
et le type d’atomes , leur forme dans l’espace ou simplement de décrire
sommairement la molécule de manière simple et rapide. La plupart de ces
représentations sont surtout utilisées en chimie organique ou en biochimie.
Elles s’imposent souvent lorsque l’expérience réelle est trop difficile, dange-
reuse, coûteuse, longue ou trop rapide, éthiquement inacceptable, ou même
impossible à réaliser. La modélisation classique a pour but de représenter
l’information contenue dans la structure des molécules et ses structures elles
mêmes, en un ensemble de nombres réels appelés indices topologiques, une
fois que ces nombres sont disponibles, il est possible d’établir une relation
entre ceux-ci et une propriété ou activité moléculaire. Ces descripteurs nu-
mériques réalisent de ce fait un codage de l’information chimique en un
vecteur de réels. On en dénombre aujourd’hui plus de 3000 familles des
indices topologiques, qui quantifient des caractéristiques physico-chimiques
ou structurelles de molécules. Ils peuvent être obtenus de manière empi-
rique ou non-empirique, mais les descripteurs calculés, et non mesurés, sont
à privilégier : ils permettent en effet d’effectuer des prédictions sans avoir à
synthétiser les molécules, ce qui est l’un des objectifs de la modélisation. Il
existe cependant quelques descripteurs mesurés : il s’agit généralement des
données expérimentales plus faciles à mesurer que la propriété ou l’activité
à prédire. Avant donc toute modélisation, il est nécessaire de calculer ou de
mesurer un grand nombre de descripteurs différents, car les mécanismes qui
déterminent l’activité d’une molécule ou une de ses propriétés sont fréquem-
ment mal connus. Il faut ensuite sélectionner parmi ces variables celles qui
sont les plus pertinentes pour la modélisation.
vi
CHAPITRE 1
LES CONCEPTS DE BASE DE LA THÉORIE DES
GRAPHES
Tout le monde s’accorde à considérer que la théorie des graphes est née en
1736 avec la communication d’Euler (1707-1783) dans laquelle il proposait
une solution au célébre probléme des ponts de Königsberg (Euler, 1736). Le
probléme posé était si l’on pouvait faire une promenade à partir d’un point
donné qui fasse revenir à ce point en passant une fois et une seule par chacun
des sept ponts de la ville de Königsberg.
Figure 1.1 – la carte de la ville de Konigsberg
Euler représenta cette situation à l’aide d’un "dessin" ou les sommets

représentent les terres et les arêtes, les ponts comme le montre la figure
suivante.
1
2
Figure 1.2 – Graphe associé au problème des ponts de Königsberg
Euler démontra que ce problème n’a pas de solution. Le problème des

ponts de Königsberg est identique à celui consistant à tracer une figure
géométrique sans lever le crayon et sans repasser plusieurs fois sur un même
trait. On peut illustrer l’évolution de la théorie des graphes par :
— 1847 Kirchhof : Théorie des arbres (analyse des circuits électroniques).
— 1852 Conjecture des quatre couleurs Guthrie, résolu en 1976,
— 1859 Existence de chemins Hamiltoniens
— 1860 Cayley : Enumération des isomères saturés des hydrocarbures C
n H 2n+2 .
— 1936 Konig Premier ouvrage sur les graphes.
— 1946 Kuhn, Ford, Fulkerson, Roy et Berge.
— 1947 Les premiers travaux de Harold Wiener.
Les graphes permettent de représenter la structure, les connexions d’un en-
semble complexe exprimant les relations entre ses éléments, ils sont utilisés
dans de nombreux domaines :
— Les réseaux de communication : réseaux des routes représentés par
une carte routière, réseaux de chemin de fer , de téléphone , réseaux
électriques , réseaux des informations dans une organisation...
— La gestion de la production : graphes potentiels étapes plus connu sous
le nom de graphe PERT ["Program ou Project Evaluation and Review
Technique"].
— L’étude des circuits électriques : Kirchof qui a étudié les réseaux élec-
triques, peut être considéré comme un des précurseurs de cette théorie.
— Molécule chimique.
— La sociologie et l’économie ...
Comme l’indique le titre de ce chapitre, nous nous intéressons aux graphes,
en particulier, les graphes planaires et à leurs différentes propriétés. Le lec-
teur pourra se reporter aux livres [14].
2
1.1. LES GRAPHES 3
1.1 Les graphes

Un graphe est un schéma constitué par un ensemble de points ou cellules
et par un ensemble de liens reliant chacune deux de ceux-ci. Les points sont
appelés les sommets ou nœuds du graphe, et les liens les arêtes ou les arcs
du graphe. L’ensemble des arêtes entre sommets forme une figure similaire
à un réseau.
1.1.1 Premières définitions

Définition 1. Un Graphe G = (V, E) est le couple constitué : par un en-
semble des sommets V = v1 , v2 , ..., vn et par par une famille E = e1 , e2 , ..., en
d’éléments du produit cartésien appelés les arêtes où E ⊆ V × V et E =
{(vi , vj )/vi ∈ V, vj ∈ V }.
Figure 1.3 – Exemple des graphes non orientés
Définition 2. Un graphe orienté est un graphe dont les arêtes sont orien-
tées. Cela signifie que les extrémités d’une arête ont un sens bien précis. On
appellera alors l’arête un arc. Les extrémités de l’arc sont alors appelés ex-
trémité initiale et extrémité finale. Un arc (v, e) sera donc l’arc pour lequel
v est l’extrémité initiale et e l’extrémité finale.
Figure 1.4 – Exemple d’un graphe orienté
3
1.1. LES GRAPHES 4
Convention : Pour appliquer un concept orienté dans un graphe G =

(V, E) , on considérera en fait le graphe orienté associé, obtenu en orientant
chaque arête dans les deux sens. Réciproquement, un concept non orienté
pourra être appliqué à un graphe (orienté) G = (V, E) en omettant l’orien-
tation des arcs.
Définition 3. L’ordre d’un graphe G = (V, E),noté n, est le nombre de

sommets de ce graphe.
Exemple 1. Voici les exemples suivants :(voir la Figure 1.3)

— L’ordre de graphe G1 est n=4 .
— L’ordre de graphe G2 est n=7 .
Définition 4. La taille d’un graphe G = (V, E),noté m, est le nombre de

ses arêtes.

— La taille de graphe G1 est m=4.
— La taille de graphe G2 est m=7.
1.1.2 L’adjacence et le degré d’un graphe

Définition 5. On dit que deux sommets sont voisins ou adjacents s’ils sont
reliés par une arête.

— Les sommets v1 et v2 , du graphe G1 sont adjacents.
— Les sommets v2 et v4 , du graphe G1 ne sont pas adjacents.
— Les sommets v4 et v5 , du graphe G2 sont adjacents.
Définition 6. Le voisinage d’un sommet, noté ν, est l’ensemble de tous ses

sommets adjacents. Sa taille est |ν|.
Exemple 4. Voici les exemples suivants :

— Le voisinage du sommet v1 du graphe G1 de la Figure 1.3 est ν(v1 ) =
{v2 , v3 } et |ν(v1 )| = 2
— Le voisinage du sommet v4 du graphe Gv2 de la Figure 1.3 est ν(v4 ) =
{v1 , v2 , v5 , v6 } et |ν(v4 )| = 4
Définition 7. Deux arêtes sont dites adjacentes s’ils ont au moins une
extrémité en commun.

— Les arêtes (v1 , v2 ) et (v2 , v3 ), du graphe G1 sont adjacentes.
— Les arêtes (v1 , v2 ) et (v3 , v4 ), du graphe G1 ne sont pas adjacentes.
4
1.1. LES GRAPHES 5
— Les arêtes (v1 , v2 ) et (v2 , v4 ), du graphe G2 sont adjacentes.

Définition 8. Dans un graphe G = (V, E), le degré de chaque sommet v,
noté par deg(v) = |ν|, est le nombre d’arêtes dont il est l’une des extrémités.
le nombre δ(G) = minv∈V {deg(v)} est le degré minimal de G, et le nombre
∆(G) = maxv∈V {deg(v)} est son degré maximal.
Remarque 1. Une boucle sur un sommet compte double, car le sommet est
deux fois l’extrémité de cette arête.
— Les degrés des sommets v1 , v2 , et v3 de graphe G1 de la Figure 1.3,
sont respectivement, deg(v1 ) = 2 , deg(v2 ) = 2 et deg(v3 ) = 3.
— Les degrés des sommets v1 , v2 , v3 et v4 de graphe G2 de la Figure
1.3, sont respectivement, deg(v1 ) = 2, deg(v2 ) = 3, deg(v3 ) = 1 et
deg(v4 ) = 4.
— Les degrés des sommets s1 , s2 , s3 , s4 de graphe G1 de la Figure 1.4
, sont respectivement, deg(s1 ) = 4, deg(s2 ) = 4, deg(s3 ) = 2 et
deg(s4 ) = 4 (à cause de la boucle).
Remarque 2. Un graphe dont tous les sommets ont le même degré est dit
régulier. Si le degré commun est k, alors on dit que le graphe est k-régulier.
1.1.3 Vocabulaire lié à la connexité

Définition 9. Une chaîne dans un graphe G = (V, E) non orienté, est
une suite ayant pour éléments alternativement des sommets et des arêtes,
commençant et se terminant par un sommet, et telle que chaque arête est
encadrée par ses extrémités, on dira que la chaîne relie le premier sommet
de la suite au dernier sommet. Sa longueur est le nombre de ses arêtes. Une
chaîne est élémentaire si chaque sommet y apparaît au plus une fois.Une
chaîne est simple si chaque arête apparaît au plus une fois.
Figure 1.5
Exemple 7. .
— La suite {v1 , v2 , v3 , v4 } du graphe G1 de la Figure 1.3, forme une chaîne
de longueur l = 3.
5
1.1. LES GRAPHES 6
— La suite {v1 , v2 , v5 , v4 , v3 } du graphe de la Figure 1.7, forme une chaîne

élémentaire de longueur l = 4.
— La suite {v1 , v2 , v3 , v4 , v1 } du graphe de la Figure 1.5 , forme une
chaîne simple de longueur l = 4.
Définition 10. Dans un graphe non orienté, un cycle est une chaîne simple
et les extrémités coïncident.
Exemple 8. La suite {v1 , v2 , v3 } du graphe de la Figure 1.6, est un cycle.
Figure 1.6
Définition 11. La distance entre deux sommets u et v, noté par d(v, u), est
le nombre minimal d’arêtes entre eux.
Exemple 9. la distance entre le sommet v1 et le sommet v5 du graphe de

la Figure 1.7 est d(v1 , v5 ) = 2.
Figure 1.7
Définition 12. Le diamètre d’un graphe, noté par D(G), est la plus longue
des distances entre deux sommets.
Exemple 10. Le diamètre de graphe G de la Figure 1.7, est D(G) = 3.
6
1.2. QUELQUES TYPES DE GRAPHES 7
1.2 Quelques types de graphes

1.2.1 Les graphes
Définition 13. Un graphe connexe est un graphe tel que pour toute paire
de sommets u et v , il existe une chaîne reliant u et v .
Exemple 11. .
— Le graphe G1 de Figures 1.3 et le graphe de Figure 1.5 sont des graphes
connexes.
— Le graphe de la Figure 1.6,n’est pas connexe car il n’existe pas de
chaîne reliant v5 .
Définition 14. Un graphe simple est un graphe sans boucle (une arête qui
relie un sommet à lui-même ) et dont chaque couple de sommets est relié
par au plus une arête.
Figure 1.8 – Exemple des graphes simples
Définition 15. Un graphe est planaires s’il est possible de le représenter

sur un plan de sort que les sommets soient des points distincts et les arcs
des courbes simples ne se rencontrent pas en dehors de leurs extrémités.
Définition 16. Un graphe G = (V, E) est multi-graphe s’il ne s’agit pas
d’un graphe simple.
Définition 17. Un graphe est complet si chaque sommet du graphe est relié
directement à tous les autres sommets.
Figure 1.9 – Un graphe complet
7
1.2. QUELQUES TYPES DE GRAPHES 8
Exemple 12. .
— Le graphe de la figure 1.5 et le graphe de figure 1.9 sont complets.
— Le graphe de figure 1.7 n’est pas complet.
Définition 18. Un graphe est bi-parti si ses sommets peuvent être divisés
en deux ensembles U et V, de sorte que toutes les arêtes du graphe relient
un sommet dans U à un sommet dans V (dans l’exemple ci-dessous, on a
U = {u0 , u1 , u2 , u3 , u4 } et V = {v0 , v1 , v2 , v3 })
Figure 1.10 – Exemple d’un graphe bi-parti
1.2.2 Les arbres

Définition 19. L’arbre est un graphe connexe qui ne contenant aucun cycle.
Remarque 3. Le chemin entre deux sommets d’un arbre est unique
Figure 1.11 – Exemple d’arbres
Définition 20. La forêt est un graphe qui ne contient aucun cycle. Les
composantes connexes d’une forêt sont des arbres.
8
1.3. MODE DE REPRÉSENTATION D’UN GRAPHE 9
Définition 21. la feuille est un sommet de degré un. Aussi appelé sommet
pendant.
— Le graphe de la Figure 1.7 n’est pas un arbre.
— Les deux graphes T1 et T2 de la Figure 1.11 sont des arbres.
— Les graphes T1 et T2 constituent une forêt.
— Les sommets s1 , s3 , s5 et s7 sont des feuilles d’arbre T1 .
— Le graphe T2 contient 10 feuilles.
Propriété 1. Pour un graphe T d’ordre n, il y a équivalence entre les pro-
priétés :
1. T est un arbre .
2. T est un graphe connexe à n-1 arêtes .
3. T est connexe, et la suppression de toute arête le déconnecte
4. T est acyclique à n-1 arêtes
5. T est acyclique et l’ajout de toute arête le rend cyclique.
1.3 Mode de représentation d’un graphe

Dans cette section, nous allons donner une introduction aux différentes
possibilités de représentation d’un graphe sur un ordinateur.
1.3.1 Matrice d’adjacence

Définition 22. Les graphes peuvent être représentés algébriquement sous
la forme d’une matrice, d’ordre (n × n), aussi appelée matrice d’adjacence.
Soit un graphe G = (V, E) d’ordre n. La matrice d’adjacence du graphe est
la matrice A(G) dont les coefficients (aij ) sont définis par :
(
1, si (i, j) ∈ E,
aij =
0, sinon .
Figure 1.12
9
Exemple 14. La matrice d’adjacence du graphe de la figure 1.12 est la

suivante :
0 1 0 0 0 0 0 0 0 0
 
1 0 1 0 0 0 1 0 0 0
 
0 1 0 1 0 0 0 0 0 0
 
0 0 1 0 1 0 0 0 1 0
 
 
0 0 0 1 0 0 0 0 0 0
A=
0

 0 0 0 0 0 1 0 0 0
0 1 0 0 0 1 0 1 0 0


0 0 0 0 0 0 1 0 1 0
 
 
0 0 0 1 0 0 0 1 0 1
0 0 0 0 0 0 0 0 1 0
Propriété 2. La matrice d’adjacence possède quelques propriétés qui peuvent
être exploitées. Considérons un graphe G et sa matrice d’adjacence associée
A:
1. Elle est carré.
2. Il n’y a que des zéros sur la diagonale. Un 1 sur la diagonale indiquerait
une boucle.
3. Un graphe orienté a une matrice d’adjacence quelconque, alors qu’un
graphe non orienté possède une matrice d’adjacence toujours symé-
trique.
1.3.2 Matrice de distance

Définition 23. Considérons un graphe G = (V, E) d’ordre n, Sa matrice
de distance notée D = (dij ) est une matrice de distance n × n, tel que :
dij =d(vi , vj )
Où dij = d(vi , vj ) est la distance entre les deux sommets vi et vj
Exemple 15. La matrice de distance du graphe de la figure 1.12 est la

suivante :
0 1 2 3 4 3 2 3 4 5
 
1 0 1 2 3 2 1 2 3 4
 
2 1 0 1 2 3 2 3 2 3
 
3 2 1 0 1 4 3 2 1 2
 
 
4 3 2 1 0 5 4 3 2 3
D=
3

 2 3 4 5 0 1 2 3 4
2 1 2 3 4 1 0 1 2 3


3 2 3 2 3 2 1 0 1 2
 
 
4 3 2 1 2 3 2 1 0 1
5 4 3 2 3 4 3 2 1 0
10
1.3.3 Matrice d’incidence

Définition 24. Considérons un graphe orienté sans boucle G = (V, E)
d’ordre n et de taille m . Sa matrice d’incidence notée I = (Iij ) est une
matrice de dimension n × m, tel que :


 1, si vi est l’extrémité initiale de ej ,
Iij = −1, si vi est l’extrémité terminale de ej ,

 0, si v n’est pas une extrémité de e .
i j
Remarque 4. Pour un graphe non orienté sans boucle,on peut écrire la

matrice d’incidence comme suit :
(
1, si vi est une extrémité de ej ,
Iij =
0, sinon
Exemple 16. La matrice d’incidence du graphe G2 la figure 1.4 est la sui-

vante :
 
1 1 −1 0 0 0 0
−1 0 0 1 0 1 0
 
I =  0 −1 0 0 1 0 −1
 
1 −1 −1 0
 
 0 0 0
0 0 0 0 0 −1 1
1.3.4 Matrice laplacienne

Définition 25. Soit G = (V, E) un graphe simple.La matrice laplacienne
de G est dénotée L(G) = D(G) − A(G).
Où D(G) est la matrice diagonale des degrés telle que deg(i) est le degré du
sommet i, et A(G) sa matrice d’adjacence. L(G) est définie comme suit :

 deg(i) ,
 si i=j
lij = -1 , si (i, j) 6∈ Y et i 6= j

 0, sinon
Exemple 17. La matrice Laplacienne du graphe de la figure 1.12 est la

suivante :
11
1 −1 0 0 0 0 0 0 0 0
 
−1 3 −1 0 0 0 −1 0 0 0
 
 0 −1 2 −1 0 0 0 0 0 0
 
 0 0 −1 3 −1 0 0 0 − 0
 
 
 0 0 0 −1 1 0 0 0 0 0
L= 
 0
 0 0 0 0 1 −1 0 0 0
 0 −1 0 0 0 −1 3 −1 0 0


 0 0 0 0 0 0 −1 2 −1 0
 

 
 0 0 0 −1 0 0 0 −1 3 −1
0 0 0 0 0 0 0 0 −1 1
12
CHAPITRE 2
LES INDICES TOPOLOGIQUES
De nombreuses recherches ont été menées, au cours des dernières décen-

nies, pour trouver la meilleure façon de représenter l’information contenue
dans la structure des molécules, et ses structures elles-mêmes, en un en-
semble de nombres réels appelés indices topologiques. Ces indices topolo-
giques considèrent la structure d’une molécule comme un graphe, les atomes
étant les sommets et les liaisons sont les arêtes. Les indices topologique ne
sont pas influencés par la façon dont le graphe est représenté ou étiqueté.
Pendant les dernières décennies, de nombreux indices topologiques ont été
proposés et largement étudié. Dans ce chapitre nous présentons le plus an-
cien des indices topologiques, appelé l’indice de Wiener [15], et le plus récent,
appelé l’indice de Terminal de Wiener [6].
2.1 L’indice de Wiener

Dans la théorie des graphes chimique, l’indice de Wiener [15] est le plus
ancien des indices topologiques connus, défini comme étant la somme des
longueurs des chemins les plus courts entre toutes les paires de sommets du
graphe chimique qui représentent les atomes non-hydrogène dans la molé-
cule.
2.1.1 L’histoire de l’indice de Wiener

En 1947, Harold Wiener a publié son article [15] intitulé par «Structural
Determination of Paraffin Boiling Points», dans lequel il a défini une nouvelle
grandeur, qui va changer radicalement, les visions des chercheurs dans dif-
férentes disciplines, en particulier, la pharmacologie, la chimie, la physique,
la télécommunication... Cette notion était l’indice de Wiener. Les files de
cette histoire ont débuté entre les années 1947 et 1948, lorsque H. Wiener
13
2.1. L’INDICE DE WIENER 14
publiait une série des articles où il a prouvé l’existence d’une excellente cor-
rélation entre l’indice de Wiener et différentes propriétés physico-chimies
des composés organiques, ce qui va donner les premières vues d’une nou-
velle discipline. Mais, il nous fallait attendre quinze ans après que L. Steil et
G. Thodos [13] entreprenaient de nouveau à donner de l’énergie aux scienti-
fiques pour qu’ils s’approfondissaient cette discipline. Parmi les scientifiques,
qui vont répondre à l’appel de Steil et Thodos, on trouve H. Hosoya [9] qui
va proposer en 1971 une autre définition plus applicable et plus générale de
l’indice de Wiener, puis, les années 1975 et 1976 vont connaître l’émergence
de deux autres scientifiques, D. H. Rouvaray et B. C. Crafford, qui ont pensé
que cet indice a été mal popularisé, ce qui va les pousser à le réinventer de
nouveau, pour qu’il serait largement connu chez les théoriciens et les mathé-
maticiens chimistes, cette initiative va rapidement, dans la moitié des années
1970, donner à l’indice de Wiener une très large bonne réputation, prouvée
par une large série des articles publiés sur l’indice de Wiener. Les débuts
des années 1990, vont connaître un étrange phénomène : c’est l’apparition
d’un grand nombre des indices topologiques, qui eux aussi se basent en leurs
définitions sur la notion de distance et de degrés, ce qui va les rendre comme
des extensions de l’indice de Wiener.
2.1.2 Quelques définitions de base

L’indice de Wiener d’un graphe G = (V, E) d’ordre n, noté W (G), est
égal à la somme de toutes les distances entre toutes les paires de sommets
dans un graphe : X
W (G) = d(u, v) (2.1)
(u,v)⊆V (G)
L’indice de Wiener d’un sommet u du graphe G, noté w(u, G), est égal à la
somme de toutes les distances entre le sommet u et les autres sommets du
graphe G : X
w(u, G) = d(u, v) (2.2)
v∈V (G)
Exemple 18. (voir la Figure 1.7)
W (G) = d(v1 , v2 ) + d(v1 , v3 ) + d(v1 , v4 ) + d(v1 , v5 ) + d(v2 , v3 ) + d(v2 , v4 )

+d(v2 , v5 ) + d(v3 , v4 ) + d(v3 , v5 ) + d(v4 , v5 )
= 1+2+1+2+3+2+1+1+2+1
= 16
14
Remarque 5. L’indice de Wiener d’un graphe G est égal aussi :

1 X X
W (G) = (d(u, v)) (2.3)
2 u∈V (G) v∈V (G)
1 X
= (w(u, G)) (2.4)
2 u∈V (G)

W (G) = w(v1 , G) + w(v2 , G) + w(v3 , G) + w(v4 , G) + w(v5 , G)
= 21 (6 + 7 + 8 + 5 + 6)
= 16
Définition 26. Le Graphe Path noté Pn est un Arbre d’ordre n > 2 qui
contient les sommets de degré 1 et 2 (les deux sommets terminaux sont de
degré 1 et les autres s’ils existent sont de degré 2).
Figure 2.1 – Exemple du graphe Path Pn d’ordre n
Définition 27. On appelle le graphe Maximale planaire noté En tout graphe

d’ordre n dont les sommets possèdent le même ordre. Autrement dit, le
graphe Maximale planaire est le graphe dont les sommets sont tous adja-
cents entre eux et donc de degré n , c-à-d deg(vi ) = n, pour i = 1, 2, ..., n
Figure 2.2 – Exemple du graphe Maximale planaire En d’ordre n
Théorème 1. L’indice de Wiener W (Gn ) de tout graphe fini, connexe, pla-

naire et simple d’ordre n est comprise entre celle du graphe Path W (Pn )
(voir la Définition 26) et de graphe Maximale planaire W (En )(voir la Défi-
nition 27), c-à-d :
15
W (En ) ≤ W (Gn ) ≤ W (Pn )

avec :
n(n−1) n(n2 −1)
W (En ) = 2 et W (Pn ) = 6
Démonstration. Pour la démonstration de ce théorème, on peut consulter

[3][5][8].
2.1.3 L’indice de Wiener pour les arbres

Comme il est mentionné au chapitre I, le chemin entre deux sommets
d’un arbre est unique, et par conséquence, le calcul de l’indice de Wiener
d’un arbre serait relativement plus facile que d’autre graphe. Nous allons
voir une formule basique qui s’applique juste sur les arbres.
Définition 28. Soit e = (u, v) ∈ E(T ) une arête de l’arbre T d’ordre n, les
deux sous-arbres Tu et Tv sont définis comme étant les composés connectés
de l’arbre T contenant u et v, respectivement. Leurs ordres sont notés par
nu (e) = |V (Tu )| et nv (e) = |V (Tv )| avec nu (e) + nv (e) = n.
Théorème 2. Soit T = (V, E) un arbre d’ordre n, l’indice de Wiener de
l’arbre T est : X
W (T ) = nu (e).nv (e) (2.5)
e=(u,v)∈E(T )
Exemple 20. Soit T l’arbre de la Figure2.3

W (T ) = nv1 (e1 ).nv2 (e1 ) + nv2 (e2 ).nv3 (e2 ) + nv2 (e3 ).nv4 (e3 ) + nv4 (e4 ).nv5 (e4 )
+nv4 (e5 ).nv6 (e5 ) + nv6 (e6 ).nv7 (e6 ) + nv6 (e7 ).nv8 (e7 )
.
= (1 × 7) + (7 × 1) + (3 × 5) + (7 × 1) + (5 × 3) + (7 × 1) + (7 × 1)
= 65
Figure 2.3 – Exemple d’un arbre d’ordre n= 8 et de taille m= n - 1 = 7
Définition 29. Le Graphe Star noté Sn est un Arbre d’ordre n > 3 qui
contient un sommet de degré n − 1 et les autres sommets de degré 1 .
16
2.2. L’INDICE DE TERMINAL DE WIENER 17
Figure 2.4 – Exemple du graphe Star Sn En d’ordre n
Théorème 3. L’indice de Wiener W (Tn ) de tout arbres fini d’ordre n est

comprise entre celle d’arbre Path W (Pn ) (voir la Définition 26) et celui de
l’arbre Star W (Sn )(voir la Définition 29) c-à-d :
W (Sn ) ≤ W (Tn ) ≤ W (Pn )
avec :
n(n2 −1)
W (Sn ) = (n − 1)2 et W (Pn ) = 6
2.2 L’indice de Terminal de Wiener

Récemment, de nombreuses études traitent «La matrice de distance ter-
minale» [10] ou «la matrice de distance réduite» [12] d’un arbre. Soit l’arbre
T d’ordre n possédant k feuilles, notés v1 ,v2 , ...,vk . La matrice de distance
terminale notée TD de l’arbre T est une matrice carée de dimension k où
ses entrés td. ij sont les distances d(vi , vj ) entre les feuilles de cet arbre. Les
matrices de distance terminale sont utilisées dans la modélisation mathé-
matique des protéines ou des codes génétique. Elles sont proposées aussi
pour qu’elles soient les sources d’une classe des descripteurs des structures
moléculaires. Il est important de signaler que la matrice de distance termi-
nale d’un arbre T détermine la matrice de distance entière de l’arbre T, et
par conséquence détermine l’arbre tout entier.
2.2.1 La première définition de l’indice de Terminal Wiener

Motivés par les dernières recherches sur les matrices de distance termi-
nale et ses applications, les auteurs de [6] ont proposé en 2009 l’indice de
Terminal de Wiener d’un arbre T noté par T W (T ). Il se définit comme suit :
Définition 30. Soit l’arbre T d’ordre n, qui possède k ≤ n feuilles et notons
l’ensemble de ses feuilles par Vk (T ) ⊆ V (T ). l’indice de Terminal de Wiener
est défini comme suit :
X
T W (T ) = d(u, v) (2.6)
(u,v)⊆Vk (T )
17
2.2. L’INDICE DE TERMINAL DE WIENER 18
L’indice de Terminal de Wiener d’un sommet pendant (feuille) u de l’arbre

T noté tw(u, T ), est définie par :
X
tw(u, T ) = d(u, v) (2.7)
v∈Vk (T )
Exemple 21. (voir la Figure 2.5 )

T W (T ) = d(v1 , v2 ) + d(v1 , v3 ) + d(v1 , v4 ) + d(v1 , v5 ) + d(v1 , v6 )
+d(v2 , v3 ) + d(v2 , v4 ) + d(v2 , v5 ) + d(v2 , v6 ) + d(v3 , v4 ))
+d(v3 , v5 + d(v3 , v6 ) + d(v4 , v5 ) + d(v4 , v6 ) + d(v5 , v6 )
= 2+4+4+4+3+4+4+4+3+2+2+3+2+3+3
= 47
Figure 2.5 – Exemple d’un arbre d’ordre n= 9 et de taille m=n-1=8
Remarque 6. L’indice de Terminal de Wiener d’un graphe G aussi :

1 X
T W (T ) = (tw(u, T )) (2.8)
2 u∈V (T )
k

T W (G) = tw(v1 , T ) + tw(v2 , T ) + tw(v3 , T ) + tw(v4 , T ) + tw(v5 , T ) + tw(v6 , T )
= 21 (17 + 17 + 15 + 15 + 15 + 15)
= 47
2.2.2 L’indice de Terminal Wiener pour les arbres

Comme on l’a déjà vu , l’indice de Wiener peut etre calculé par deux
formules, soit pour n’importe quel graphe, soit pour les arbres. Et comme
l’indice de Terminal de Wiener est un successeur de l’indice de Wiener, lui
aussi possède deux définitions. La première existe déjà dans notre Définition
, la deuxième propriété proposée en [6] est la suivante.
Théorème 4. Soient T un arbre d’ordre n et de k feuilles et e son arête, on
dénote par p1 (e) et p2 (e) le nombre des feuilles de l’arbre T se trouvent sur
18
2.3. D’AUTRES EXTENSIONS DE L’INDICE DE WIENER 19
les extrémités de e. Donc, on peut récrire l’indice de Terminal de Wiener

comme suit : X
T W (T ) = p1 (e).p2 (e) (2.9)
e
Où la sommation est sur toutes les arêtes de l’arbre T .
Remarque 7. Pour toute arête de l’arbre T ,on a :

p1 (e) + p2 (e) = k et p1 (e), p2 (e) ≥ 1. Ce qui va donner :
k − 1 ≤ p1 (e).p2 (e) ≤ ( k2 )( k2 )
Mais, si l’arête e est une arête externe (attachée à une feuille), on aura :
p1 (e).p2 (e) = k − 1
Exemple 23. Un exemple qui traduit le théorème 4 ,voir la Figure 2.5, On

a:
p1 (e1 )=1 p2 (e1 )=5 , p1 (e2 )=2 p2 (e2 )=4 , p1 (e3 )=5 p2 (e3 )=1 ,
p1 (e4 )=5 p2 (e4 )=1 , p1 (e5 )=3 p2 (e5 )=3 p1 (e6 )=5 p2 (e6 )=1 ,
p1 (e7 )=5 p2 (e7 )=1 , p1 (e8 )=5 p2 (e8 )=1
L’indice de Terminal de Wiener de l’arbre T est :
T W (T ) = (1×5)+(2×4)+(5×1)+(5×1)+(3×3)+(5×1)+(5×1)+(5×1) = 47.
Théorème 5. Soit T un arbre d’ordre n, donc l’indice de Terminal de

Wiener minimal est celui du graph Path(voir la Définition 26), et l’indice
de Terminal de Wiener maximal est celui du graph Star (voir la Définition
29), c-à-d :
T W (Pn ) ≤ T W (Tn ) ≤ Sn )
avec :
T W (Sn ) = (n − 1)(n − 2) et T W (Pn ) = n − 1
Démonstration. Pour la démonstration de ce théorème, consulter l’article

[6].
2.3 D’autres extensions de l’indice de Wiener

Au début de la fin des années soixante-dix, l’indice de Wiener commence
à affranchir les esprits des grands chercheurs de cette époque avant même
leurs travaux. Il a connu une très bonne réputation dans ces années là, en
raison de l’apparition d’une longue série des documents scientifiques qui
le traite. Les années quatre-vingt-dix ont connu aussi, et après cette large
diffusion de l’indice de Wiener chez la population chimiste,un phénomène
qui a apparu un peu étrange à cette époque. Ce phénomène n’était que
l’émergence d’un très grand nombre d’indices topologiques qui utilisent, soit
les distances entres les sommets des graphes soit les degrés des sommets de
ces graphes comme matière première de leurs définitions. Par conséquence,
19
ces nouvels invariants ont eu une très forte corrélation ave leur prédécesseur.
Donc, durant cette époque et jusqu’à ces dernières années, la discipline de
la théorie des graphes moléculaires a connu la création de plus de 10.000
nouvel indice topologique, par les extensions de l’indice de Wiener, comme
par exemple, l’indice de Hyper-Wiener et l’indice de degré de distance.
2.3.1 L’indice de Hyper-Wiener

Définition 31. Soit T un arbre d’ordre n, et x, y deux sommets de T , on
note n1 (Pxy |T ) et n2 (Pxy |T ) le nombre de sommets de T se trouvant dans les
deux côtés du chemin Pxy [16]. L’indice de Hyper-Wiener de T a été défini
comme suit : X
W W (G) = n1 (Pxy |T )n2 (Pxy |T ) (2.10)
x<y
Définition 32. Soient G un graphe d’ordre n et λ un nombre réel ou com-

plexe. On définie l’ invariant de Wiener-Typer [7] comme étant la somme
des puissance de différentes distances du graphe G, c’est-à-dire :
X
Wλ (G) = d(u, v)λ (2.11)
(u,v)⊆V (G)
Définition 33. Soient G un graphe d’ordre n. On définit l’indice de Hyper-

Wiener[11], noté WW(G), par :
1
W W (G) = (W1 + W2 ) (2.12)
2
Où W1 et W2 sont l’invariant de Wiener-Type avec λ = 1 et λ = 2 .
2.3.2 L’indice de degré de distance

Définition 34. On définit l’indice de degré de distance [4] du sommet u
dans le graphe G, noté dd(u, G), par
dd(u, G) = deg(u)w(u, G) (2.13)
Définition 35. On définit l’indice de degré de distance [4] du graphe G,

noté DD(G) :
1 X
DD(G) = deg(u)w(u, G) (2.14)
2 u∈V (G)
Exemple 24. voir la Figure 1.7

L’indice de degré de distance du sommet 4 de degré deg(4) = 3 et de w(4,G)=5
donc on aura la valeur suivante : dd(4,G) = 3 × 5 = 15.
L’indice de degré de distance des autres sommets :
deg(1) = 2 et de w(1,G)=6 donc dd(1, G) = 12
20
deg(3) = 1 et de w(3,G)=8 donc dd(3, G) = 8

deg(2) =2 et de w(2,G)=7 donc dd(2, G) = 14
deg(5) =2 et de w(5,G)=6 donc dd(5, G) = 12.
L’ indice de degré de distance du graphe DD(G) = 23
21
CHAPITRE 3
FORMULES AMÉLIORÉES POUR LE CALCUL DE
L’INDICE DE WIENER
L’application directe de la définition de l’indice de Wiener est beau-

coup plus complexe lorsqu’il s’agit d’un graphe complexe. Cette complixité
s’agrandie autant que l’ordre du graphe augmente. Or, la plupart des graphes
chimiques sont plus complexe (plusieurs molécules se relient l’une à l’autre),
ce qui demande d’élargir la problématique du calcul de l’indice de Wiener et
d’essayer, par conséquence, de donner des formules valables non seulement
pour les graphes simples mais aussi pour n’importe quel graphe connexe,
fini et planaire.
3.1 L’indice de Wiener des graphes composés

Dans cette section nous allons calculer l’indice de Wiener de quelques
familles d’arbres composés connu dans la littérature comme les Star-Trees et
les Path-Trees. Nous voulons juste signaler que tous les résultats qui serons
vus dans cette partie ne seront pas démontrés, et ils sont disponibles dans
les articles [1] et [2].
3.1.1 L’indice de Wiener d’un Star-Tree

On définit un Star-Tree note TN tout arbre composé de N arbres notés
Tni d’ordre ni , pour i = {1, 2, ..., N }. les arbres Tni sont connexe par un
sommet S. (Voir la Figure 3.1).
22
3.1. L’INDICE DE WIENER DES GRAPHES COMPOSÉS 23
Tn
N N
Tn Tn
1 3
Tn
2
Figure 3.1 – Star-Tree T : Tn1 , Tn2 , ..., TnN .
Théorème 6. Soit TN un Star-trees, donc l’indice de Wiener de cet arbre

est :
N
X N
X −1 N
X
W (TN ) = W (Tni ) + (nj − 1)w(S, Tni ) + (ni − 1)w(S, Tnj )
i=1 i=1 j=i+1
(3.1)
La démonstration de ce théorème est facile mais un peu longue, voir [1]

et [2].
Maintenant si on prend le cas où tous les arbres Tni possèdent le même ordre
n (c’est-à-dire ni = n pour i = {1, 2, ..., N }), on notera cet arbre par T. Le
théorème 6 devient :
Corollaire 1. Soit TN le Star-trees construit de N mêmes arbres T d’ordre

n, donc :
W (TN ) = N W (T ) + N (N − 1)(n − 1)w(S, T ) (3.2)
Exemple 25. L’exemple suivant illustre les résultats de calculs de l’indice

de Wiener d’un Star-Tree :
Soit TN un Star-Tree composé de N même Star Sn d’ordre n, et connecté
entre eux par un sommet v. Voir la Figure 4.3.
L’indice de Wiener de Star-Tree TN est :
W (TN ) = N (n − 1)2 + N (N − 1)(n − 1)(2n − 3)
Pour plus de détails et résultats sur le calcul de l’indice de Wiener de ce

type d’arbres composés voir [1] et [2].
3.1.2 L’indice de Wiener d’un Path-Tree

On appelle un graphe Path-trees noté TM tout graphe formé de M arbres
Ti , chacun de ces arbres d’ordre ni concaténés les uns aux autres par un
sommet Si , pour i = {1, 2, ..., M − 1}, l’arbre Ti est relie à l’arbre Ti+1 par
le sommet Si , (voir la Figure 3.2).
23
3.1. L’INDICE DE WIENER DES GRAPHES COMPOSÉS 24
T T T T T
1 2 i M-1 M
Figure 3.2 – Exemple de graphe Path-Tree
Théorème 7. Soit un Path-trees noté TM . Donc, l’indice de Wiener de ce

graphe est :
M
X M
X −1
W (TM ) = W (Ti ) + [(ni+1 − 1)w(Si , Ti ) + (ni − 1)w(Si , Ti+1 )]+
i=1 i=1
MX−2 M
X
[(nj − 1)w(Si , Ti ) + (ni − 1)w(Sj−1 , Tj )+
i=1 j=i+2
(ni − 1)(nj − 1)d(Si , Sj−1 )]

(3.3)
Le cas particulier du theorème 7 est lorsqu’on considère les arbres Ti

tous de même ordre n (c’est-à-dire ni = n pour i = {1, 2, ..., M }).
Corollaire 2. Soit TM le Path-trees construit de M mêmes arbres T d’ordre

n. Donc, l’indice de Wiener de ce graphe est :
W (TM ) =M W (T ) + M (M − 1)(n − 1)w(S1 , T )+

M (M − 2)(M − 1)(n − 1)2 (3.4)
d(S1 , S2 )
6
Exemple 26. L’exemple suivant illustre les résultats de calculs de l’indice
de Wiener d’un Path-Tree :
Soit TM un Parh-Tree composé de M même Star Sn d’ordre n, concaténés
les uns aux autres par un sommet Si . Voir la Figure 3.3.
l’indice de Wiener de Path-Tree TM est :
M (M − 1)(M − 2)
W (TM ) = M (n−1)2 +M (M −1)(n−1)(2n−3)+ (n−1)2
3
24
3.2. L’INDICE DE WIENER EN FONCTION DU DIAMÈTRE 25
S S
n n S
n
Figure 3.3 – Path-Tree composé de meme M Star Sn
Pour plus de détailles et résultats sur le calcul de l’indice de Wiener de

ce type d’arbres composés voir [1] et [2].
3.2 L’indice de Wiener en fonction du diamètre

Nous s’intérèsons dans cette section, à l’écriture de la formule de l’indice
de Wiener W (G) en fonction du diamètre du graphe G et des dG (k) (le
nombre de pairs de sommets ayant la même distance k).
Théorème 8. [2][5] Soit G un graphe connexe, fini, non oriénté, planaire
et simple, d’ordre n , et de taille m. Donc,
W (G) = n(n − 1) − m + dG (3) + 2dG (4) + ... + (D − 2)dG (D)
D
X (3.5)
= n(n − 1) − m + (k − 2)dG (k)
k=3
Démonstration. Démonstration : voir [2][5]
Pour les graphes de diamètre 2, la formule de définition de l’indice de
Wiener peut être écrit comme suit :
Théorème 9. [2][5] Soit G un graphe d’ordre n, de taille m et son diamètre
est D(G) = 2. Donc,
W (G) = n(n − 1) − m (3.6)
3.3 Application sur des graphes à faible diamètre

Nous allons citer les applications de la formule du Théorème 8 sur
des classes prédéfinies de graphes qui sont classés selon leurs diamètres.
Nous commencerons cette application par la formule du Théorème 9 sur les
graphes de diamètre 2.
3.3.1 Les graphes de diamètre 2

Dans la catégorie des graphes de diamètre 2 nous traiterons quatre
exemples de graphes : Fan Fn , Wheel Wn , Crystal Cn et Triple-Blade T B n
. Nous commençons par le graphe Fan définie comme suit :
25
3.3. APPLICATION SUR DES GRAPHES À FAIBLE DIAMÈTRE 26
Fan :
Définition 36. On appelle un graphe Fan d’ordre n noté Fn , tout graphe de
taille m = 2n−3 et dans lequel on a un sommet de v1 de degré deg(v1 ) = n−1
adjacent à tous les autres sommets. Les autres sommets du graphe forment
un graphe path d’ordre n − 1 dont ses sommets sont de degré deg(vi ) = 3,
pour i 6= 1, 2, n, et de degré deg(vj ) = 2 , pour j = 2, n(voir la Figure 3.4 ).
Figure 3.4 – Exemple de graphe Fan Fn d’ordre n
Théorème 10. Soit Fn un graphe Fan d’ordre n ≥ 4 :

W (Fn ) = n2 − 3n + 3 (3.7)
Wheel :
Définition 37. On appelle un graphe Wheel d’ordre n noté Wn , tout graphe
de taille m = 2n − 2 et dans lequel on a un sommet v1 de degré deg(v1 ) =
n − 1 adjacent à tous les autres sommets. Les autres sommets du graphe
forment un graphe Cycle d’ordre n − 1 dont ses sommets sont tous de degré
deg(vi ) = 3, pour i = 2, 3, ..., n (voir la Figure 3.5 ).
Figure 3.5 – Exemple du graphe Wheel Wn d’ordre n
Théorème 11. Soit Wn un graphe Wheel d’ordre n ≥ 5 :

W (Wn ) = n2 − 3n + 2 (3.8)
26
Crystal :
Définition 38. On appelle un graphe Crystal d’ordre n noté Cn tout graphe
de taille m = 3n − 7 et dans lequel on a deux sommets v1 et vn de degré
deg(vi ) = n−2, pour i = 1, n adjacents à tous les autres sommets. Les autres
sommets du graphe forment un graphe path d’ordre n − 2 dont ses sommets
sont de degré deg(vj ) = 4, pour i 6= 1, 2, n − 1, n, et de degré deg(vk ) = 3 ,
pour k = 2, n − 1 (voir la Figure 3.6 ).
Figure 3.6 – Exemple du graphe Crystal Cn d’ordre n
Théorème 12. Soit Cn un graphe Crystal d’ordre n ≥ 5 :

W (Cn ) = n2 − 4n + 7 (3.9)
Triple-Blade :
Définition 39. On appelle un graphe Triple-Blade d’ordre n toujours mul-
tiple de 3 noté T B n , tout graphe de taille m = 2n − 3 et dans lequel on a
trois sommets de degré deg(vi ) = 2n3 , pour i = 1, 2, 3, et les autres sommets
sont tous de degré deg(vj ) = 2, pour j 6= 1, 2, 3 (voir la Figure 3.7 ).
Figure 3.7 – Exemple du graphe Triple-Blade T B n d’ordre n
27
Théorème 13. Soit T B n un graphe Triple-Blade d’ordre n ≥ 6 :
W (T B n ) = n2 − 3n + 3 (3.10)

exemples de graphes : Double-Fan DF n , Double-Crystal DC n , Fan-Grid FG n
et Quad-Blade QB n . Nous commençons par le graphe Double-Fan définie
comme suit :
Double-Fan :
Définition 40. Le graphe Double-Fan est un graphe d’ordre impair n noté
DF n , de taille m = 2n − 3, construit de deux graphes Fan F n2 d’ordre
n
2 partagent un sommet v n+12
et concaténés par une arête reliant les deux
sommets en haut des deux graphes Fan, ces deux sommets reliés v1 et vn
sont de degré n+1
2 , le sommet commun v n+1 est de degré deg(v n+1 ) = 4 , les
2 2
deux sommets d’extrémité de graphe Double-Fan v2 et vn−1 sont de degré 2
et les autres sommets restant du graphe sont tous de degré 3 (voir la Figure
3.8 ).
Figure 3.8 – Exemple de graphe Double-Fan DF n d’ordre n
Lemme 1. Soit DF n un graphe Double-Fan d’ordre n ≥ 7, donc :

1 3 5
dDF n (3) = n2 − n + (3.11)
4 2 4
Théorème 14. Soit DF n le graphe Double-Fan d’ordre n ≥ 7, défini pré-
cédemment. Donc, l’indice de Wiener de ce graphe est :
5 9 17
W (DF n ) = n2 − n + (3.12)
4 2 4
Double-Crystal :
Définition 41. Le graphe Double-Crystal est un graphe d’ordre pair n noté
DC n , de taille m = 3(n − 4), construit de deux graphes Crystal C n2 d’ordre
28
n
2 concaténés par deux arêtes, une reliant les deux sommets en haut des
deux graphes Crystal et l’autre reliant les deux sommets en bas de ces deux
graphes, ces quatres sommets reliés v1 , v n2 , v n2 +1 et vn sont tous de degré
n
2 − 2. Les quatres sommets d’extrémité des deux graphes Crystal v2 , v 2 −1 ,
n
v n2 +2 et vn−1 sont tous de degré 3 et les autres sommets restant du graphe

sont tous de degré 4 (voir la Figure 3.9 ).
Figure 3.9 – Exemple de graphe Double-Crysta DC n d’ordre n
Lemme 2. Soit DC n un graphe Double-Crystal d’ordre n ≥ 10, donc :

1
dDC n (3) = n2 − 2n + 6 (3.13)
4
Théorème 15. Soit DC n le graphe Double-Crystal d’ordre n ≥ 10, défini
précédemment. Donc, l’indice de Wiener de ce graphe est :
5
W (DC n ) = n2 − 6n + 18 (3.14)
4
Fan-Grid :
Définition 42. Le graphe Fan-Grid est un graphe d’ordre pair n noté FG n ,
de taille m = 52 n − 7, construit de deux graphes Fan F n2 d’ordre n2 conca-
ténés par n2 − 1 arêtes, chaque une reliant deux sommets de bases de ces
deux graphes Fan, ces sommets reliés sont tous de degré 4, sauf les quatres
sommets d’extrémité de bases des deux graphes Fan v2 , v n2 , v n2 +1 et vn−1
sont de degré 3 et les deux sommets restant du graphe v1 et vn sont de degré
n
2 − 1 (voir la Figure 3.10 ).
29
Figure 3.10 – Exemple de graphe Fan-Grid FG n d’ordre n
Lemme 3. Soit FG n un graphe Fan-Grid d’ordre n ≥ 8, donc :

1 5
dF G n (3) = n2 − n + 7 (3.15)
4 2
Théorème 16. Soit FG n le graphe Fan-Grid d’ordre n ≥ 8, défini précé-
demment. Donc, l’indice de Wiener de ce graphe est :
5
W (FG n ) = n2 − 6n + 14 (3.16)
4
Quad-Blade :
Définition 43. On appelle un graphe Quad-Blade d’ordre n toujours mul-
tiple de 4 noté QB n , tout graphe de taille m = 2n − 4 et dans lequel on a
quatre sommets de degré deg(vi ) = n2 , pour i = 1, 2, 3, 4, et les autres som-
mets sont tous de degré deg(vj ) = 2, pour i 6= 1, 2, 3, 4 (voir la Figure 3.11
).
Lemme 4. Soit QB n un graphe Quad-Blade d’ordre n ≥ 8, donc :

1
dQBn (3) = n2 − n + 2 (3.17)
8
Théorème 17. Soit QB n un graphe Quad-Blade d’ordre n ≥ 8 :
9
W (QB n ) = n2 − 4n + 6 (3.18)
8

exemples de graphes : Double-Wheel DW n , Star-Flower SF n , Conjoined-
Crystal CC n et Conjoined-Fan CF n . Nous commençons par le graphe Conjoined-
Fan définie comme suit :
30
Figure 3.11 – Exemple du graphe Quad-Blade QB n d’ordre n
Conjoined-Fan :
Définition 44. Le graphe Conjoined-Fan est un graphe d’ordre impair n
noté CF n , de taille m = 2n − 4, construit de deux graphes Fan F n2 d’ordre n2
partagent un sommet v n+1 , ce sommet commun est de degré deg(v n+1 ) = 4,
2 2
les deux sommets en haut des deux graphes Fan, v1 et vn sont de degré
n+1
2 − 1, les deux sommets d’extrémité de graphe Conjoined-Fan v2 et vn−1
sont de degré 2 et les autres sommets restant du graphe sont tous de degré
3 (voir la Figure 3.12 ).
Figure 3.12 – Exemple de graphe Conjoined-Fan CF n d’ordre n
Lemme 5. Soit CF n un graphe Conjoined-Fan d’ordre n ≥ 7, donc :
dCF n (3) = 2n − 10 (3.19)

1 5 25
dCF n (4) = n2 − n + (3.20)
4 2 4
Théorème 18. Soit CF n le graphe Conjoined-Fan d’ordre n ≥ 7, défini
3 13
W (CF n ) = n2 − 6n + (3.21)
2 2
31
Double-Wheel :
Définition 45. Le graphe Double-Wheel est un graphe d’ordre n noté DW n ,
de taille m = 4n − 5, construit de deux graphes Wheel W n−2 .Les deux som-
2
mets centrex des graphes Wheel construits DW n sont de degré n−2
2 ,dans ce
graphe on trouve aussi deux autres sommets de degré 5 et les autres sont
tous de degré 3 (voir la Figure 3.13).
Figure 3.13 – Exemple de graphe Double-Wheel DW n d’ordre n + 1
Lemme 6. Soit DW n un graphe Double-Wheel d’ordre n ≥ 10, donc :

dDW n (3) = 3n − 22 (3.22)
1
dDW n (4) = n2 − 4n + 16 (3.23)
4
Théorème 19. Soit DW n le graphe Double-Wheel d’ordre n ≥ 10, défini
3
W (DW n ) = n2 − 8n + 11 (3.24)
2
Conjoined-Crystal :
Définition 46. Le graphe Conjoined-Crystal est un graphe d’ordre impair n
noté CC n , de taille m = 3n−11, construit de deux graphes Crystal D n2 d’ordre
n
2 partagent un sommet v n+1 2
, ce sommet commun est de degré deg(v n+1 ) =
2
6, les deux sommets en haut et les deux en bas de ces deux graphes Crystal
v1 , v2 , vn−1 et vn sont de degré n+1
2 − 2, les deux sommets d’extrémité de
graphe Conjoined-Crystal v3 et vn−2 sont de degré 3 et les autres sommets
restant du graphe sont tous de degré 4 (voir la Figure 3.14 ).
Lemme 7. Soit CC n un graphe Conjoined-Crystal d’ordre n ≥ 9, donc :

dCC n (3) = 3n − 21 (3.25)
1 7 49
dCC n (4) = n2 − n + (3.26)
4 2 4
32
Figure 3.14 – Exemple de graphe Conjoined-Crystal CC n d’ordre n
Théorème 20. Soit CC n le graphe Conjoined-Crystal d’ordre n ≥ 9, défini

3 29
W (CC n ) = n2 − 8n + (3.27)
2 2
Star-Flower :
Définition 47. Le graphe Star-Flower d’ordre toujours impair n et de taille
m = 23 (n − 1) noté SF n est le graphe dont le degré de son sommet de centre
v1 est deg(v1 ) = n−1
2 , le degré des sommets adjacents à v1 égale à 3, et les
autres sommets restant du graphe sont de degré 2 ( voir la Figure 3.15).
Figure 3.15 – Exemple de graphe Star-Flower SF n d’ordre n
Lemme 8. Soit SF n un graphe Star-Flower d’ordre n ≥ 9, donc :

1 3 5
dST n (3) = n2 − n + (3.28)
4 2 4
33
1 7
dST n (4) = n2 − n + (3.29)
8 8
Théorème 21. Soit ST n le graphe Star-Flower d’ordre n ≥ 9, défini pré-
cédemment. Donc, l’indice de Wiener de ce graphe est :
3 9
W (ST n ) = n2 − 6n + (3.30)
2 2
34
CHAPITRE 4
FORMULES AMÉLIORÉES POUR LE CALCUL DE
L’INDICE DE TERMINAL DE WIENER
Il existe des arbres moléculaires qui sont des combinaisons de plusieurs

autres simples arbres, Donc, calculer l’indice de Terminal de Wiener de
l’arbre T, revient automatiquement à calculer celui de ses composés, et avec
une simple opération de la somme ou la multiplication ou d’autres opéra-
tions mathématiques, on déduira l’indice de Terminal de Wiener de l’arbre
tout entier.Durant ce chapitre, nous allons présenter les formules de cal-
cule de l’indice de Terminal de Wiener de deux familles d’arbres composés :
Star-Tree, Path-Tree.
4.1 L’indice de Terminal de Wiener des arbres com-

posés
4.1.1 L’indice de Terminal de Wiener d’un Star-Tree
Définition 48. Un Star-Tree note TN est un arbre composé de N arbres
note Tni d’ordre ni , pour i = 1, 2, ..., N . les arbres Tni sont connexe par un
sommet S, tel que S est un sommet pendant avant la concaténation.
35
4.1. L’INDICE DE TERMINAL DE WIENER DES ARBRES
COMPOSÉS 36
Tn
N N
Tn Tn
1 3
Tn
2
Figure 4.1 – Star-Tree.
Théorème 22. Soit T2 un Star-Tree composé de deux arbres Tn1 et Tn2 ,

d’ordres n1 et n2 , et possèdent respectivement p1 et p2 sommet pendant.
les Deux arbres sont connectés par un sommet pendant S commun.(Voir la
Figure 4.2).
donc l’indice de Terminal de Wiener de cet arbre est :
T W (TN ) = T W (Tn1 ) + T W (Tn2 ) + (p2 − 2)tw(S, Tn1 ) + (p1 − 2)tw(S, Tn2 )

(4.1)
Figure 4.2 – Star-Tree T2 : Tn1 .Tn2
Théorème 23. Soit TN un Star-tree, donc l’indice de Terminal de Wiener

de cet arbre est :
N
X N
X −1 N
X N
X
T W (TN ) = T W (Tni )+ [pi tw(S, Tnj )+pj tw(S, Tni )]−N tw(S, Tni )
i=1 i=1 j=i+1 i=1
(4.2)
Corollaire 3. Si tous les arbres Tni possèdent le même ordre n, c’est à dire :
Tni = Tnj = Tn
pi = pj = p (4.3)
tw(S, Tni ) = tw(S, Tnj ) = tw(S, Tn )
36
COMPOSÉS 37
alors la formule de T W (TN ) devient
T W (TN ) = N T W (Tn ) + N [(N − 1)p − N ]tw(S, Tn ) (4.4)
Figure 4.3 – Star-Tree TN composé de même N Star Sn
Exemple 27. Soit TN un Star-Tree composé de N même arbre Sn de type

Star, et connecté entre eux par un sommet pendant v. Le Star Sn d’ordre n
est un arbre,son indice de Terminal de Wiener est définit par :
T W (Sn ) = (n − 1)(n − 2) (4.5)
Et l’indice de Terminal de Wiener d’un sommet pendant v appartient à

l’arbre Star Sn est définit par :
tw(v, Sn ) = 2(n − 2) (4.6)
Donc par application de ces deux résultats 4.5, 4.6, et du corollaire 4.4,
L’indice de Terminal de Wiener du Star-Tree TN est :
T W (TN ) = N (2N − 1)(n − 2)(n − 1) − 2N (4.7)
4.1.2 L’indice de Terminal Wiener d’un Path-Tree

Définition 49. On appelle un graphe Path-trees noté TM tout graphe formé
de M arbres Ti , chacun de ces arbres d’ordre ni concaténés les uns aux autres
par un sommet Si , pour i = {1, 2, ..., M − 1}, l’arbre Ti est relie à l’arbre
Ti+1 par le sommet Si ,
Lemme 9. Soit T2 un Path-tree composé de deux arbres Tn1 d’ordre n1 et

de sommet p1 .et Tn2 d’orde n2 et de sommet p2 .Les deux arbres sont reliés
par l’introduction d’une arête. {S1 , S2 }.
— Dans le cas de S1 ∈ V (Tn1 ) et S2 ∈ V (Tn2 ), l’indice de Terminal de
Wiener pour l’arbre T2 est :
37
COMPOSÉS 38
S1 S2 S3 SN
Tn1 T n2 Tn3 TnN
Figure 4.4 – Path-Tree TN : Tn1 − Tn2 − ... − TnN .
T W(T 2 ) = T W(Tn1 ) + T W(Tn2 ) + p2 tw(S1 , Tn1 ) + p1 tw(S2 , Tn2 ) + p1 p2

(4.8)
— si S1 ∈ Vp (Tn1 ) et S2 ∈ Vp (Tn2 ), alors l’indice de Terminal de Wiener
pour l’arbre T2 est calculée comme suit :
T W(T 2 ) =T W(Tn1 ) + T W(Tn2 ) + (p2 − 2)tw(S1 , Tn1 ) + (p1 − 2)tw(S2 , Tn2 )+
(p1 − 1)(p2 − 1)
(4.9)
Théorème 24. Soit TN un Path-tree composé de N arbre Tni d’ordre ni , et
de pi sommets,pour i = {1, 2, ..., N }. les arbres sont reliés par un ensemble
d’arêtes.{Si , Si+1 },pour i = {1, 2, ..., N }.
— Si Si ∈ V (Tni ), l’indice de Terminal de Wiener pour l’arbre TN est :
N
X N
X −1
T W(T N ) = T W(Tni ) + pi tw(Si+1 , Tni+1 ) + pi+1 tw(Si , Tni ) + pi pi+1 +
i=1 i=1
NX−2 N
X
pj tw(Si , Tni ) + pi tw(Sj , Tnj ) + (j − i)pi pj
i=1 j=i+2
(4.10)
— Si Si ∈ Vp (Tni ),l’indice de Terminal de Wiener pour l’arbre TN est :
N
X N
X −1
T W(T N ) = T W(Tni ) + (pi − 1)tw(Si+1 , Tni+1 ) + (pi+1 − 1)tw(Si , Tni )
i=1 i=1
N
X −2 N
X
+ (pi − 1)(pi+1 − 1) + (pj − 1)tw(Si , Tni )+
i=1 j=i+2
N
X
(pi − 1)tw(Sj , Tnj ) + (j − i)(pi − 1)(pj − 1) − tw(Si , Tni )
i=1
(4.11)
Corollaire 4. Soit TN un Path-Tree composé de N arbres Tn d’ordre n,et
de p .Les arbres Tn sont reliés par un ensemble d’arêtes {Si , Si+1 }.
— Si Si ∈ V (Tn ), l’indice de Terminal de Wiener pour l’arbre TN est :
N (N 2 − 1) 2
T W(T N ) = N T W(Tn ) + pN (N − 1) tw(S1 , Tn ) + p (4.12)
6
38
4.2. L’INDICE DE TERMINAL DE WIENER EN FONCTION DU
DIAMÈTRE 39
— Si Si ∈ Vp (Tn ), alors :
N (N 2 − 1)(p − 1)2
T W(T N ) = N T W(Tn )+[N (N −1)(p−1)−N ] tw(S1 , Tn )+
6
(4.13)
4.2 L’indice de Terminal de Wiener en fonction du

diamètre
Récemment dans l’article [18], ils ont traités une nouvelle formule pour le
calcul de l’indice de Terminal de Wiener dans le cas des graphes possédants
plusieurs sommets pendants, au moins deux feuilles. Cette nouvelle formule
est basé sur le calcul du diamètre du graphe G et dT (k) qui représente le
nombre de pairs de sommets pendants qui sont à distance k.
Théorème 25. Soit G un graphe d’ordre n avec p ≥ 2 sommets pendants,

et D(G) > 2 le diamètre de G. l’indice de Terminal de Wiener est réécrit
comme suit :
T W (G) = p(p − 1) + dT (3) + 2dT (4) + ... + (D − 2)dT (D). (4.14)
Corollaire 5. Soit G un graphe d’ordre n avec p ≥ 2 sommets pendants, et

D(G) = 2 le diamètre de G. l’indice de Terminal de Wiener de G est :
T W (G) = p(p − 1). (4.15)
Pour plus de détails voir l’article [18].
4.2.1 Application sur les graphes Dendrimeres

Chimiquement parlant, les dendrimères sont des macromolécules arbo-
rescentes parfaitement définies dont la structure part d’un cœur central pour
aller, via des unités de branchement, vers des fonctions périphériques.
Définition 50. Soit Dd,h un graphe dendrimere obtenu par l’attachement

de d sommets pendants à chaque sommet pendant de Dd,h−1 , et soit Dd,0 le
coeur central du graphe dendrimere.(voir la Figure 4.5).
39
DIAMÈTRE 40
D0 D2,1 D2,2
D2,3
Figure 4.5 – Le coeur central D0 et le graphe Dendrimere Dd,h , pour d =

2, h = 1, 2, 3
Lemme 10. Soit Dd,h un graphe dendrimere , où d ≥ 2 et h sont des

nombres entiers positifs, et le D0 le noyau (coeur central) du dendrimere
Dd,h . Le nombre de sommets pendants ph de Dd,h est :
ph = dh ∗ p0 (4.16)
Où p0 représente le nombre de sommets pendants de D0 .
Lemme 11. Le diamètre Dh du dendrimere Dd,h est égal :
Dh = 2(h + 2) (4.17)
Lemme 12. Soit Dd,h un graphe dendrimere, l’ensemble des paires de som-
mets pendants qui sont à distance égale à k,avec k = {4, 6, 8, ..., Dh },est
égal :
3d(d−1) k−6+2(h+1)



 2 d 2 if k ≤ 2h,




k−6+2(h+1)
dT (k) = 3d 2 if k = 2(h + 2), (4.18)






0 if k = 2(h + 1).

Théorème 26. [18] Soit Dd,h un grpahe dendrimere , où d ≥ 2 et h sont

des nombres entiers positifs. l’indice de Terminal de Wiener de Dd,h est :
3

T W (Dd,h ) =3dh dh (2h + 5) − 1 + d2h+1 (h − 1)−
d−1
(4.19)
2h h+1
d h+d
40
DIAMÈTRE 41
Démonstration. La démonstration de ce théorème est dans l’article [18].
Le tableau suivant résume le résultat de calcul de l’indice de Terminal

de Wiener d’un graphe dendrimere, pour des valeurs différentes de d et h.
T W (Dd,h )
h d=2 d=3 d=4 d=5
1 78 180 324 510
2 444 2322 7440 18300
3 2328 27378 155712 597750
4 11568 305208 3080448 18457500
5 55392 3277584 58721280 549318750
Table 4.1 – L’indice de Terminal de Wiener du graphe Dendrimere Dd,h
41
CHAPITRE 5
IMPLÉMENTATION
Dans ce chapitre,nous allons expliquer les différentes utilisations pos-

sibles de notre application. On va se baser sur le diagramme de cas d’uti-
lisation, présenté dans la figure suivante (5.1), qui expose ces différentes
utilisations possibles de l’application.
42
43
Figure 5.1 – le diagramme de cas d’utilisation de l’implémentation
L’utilisateur peut saisir les données de graphe soit en entrant les arêtes
du graphe ou en saisissant sa matrice d’adjacence .
Si l’utilisateur décide de saisir les arêtes du graphe,il doit saisir l’ordre

et la taille du graphe, le programme vérifie si le contenu des champs input
est numérique.
43
44
On va faire une implémentation pour le graphe de la figure 2.3 :
Figure 5.2
L’utilisateur doit lier les sommets par les arêtes, il peut également saisir
un nom pour le graphe.
Figure 5.3
L’utilisateur peut finalement afficher les résultats du graphe en validant

ses données .
44
45
Figure 5.4
Si l’utilisateur choisit de saisir la matrice d’adjacence du graphe, qui

doit être binaire,carrée et symétrique ,il a la possibilité de saisir un nom du
graphe. On va faire une implémentation pour le graphe de la figure 1.12
45
46
Figure 5.5
Les ligne de la matrice doivent être separés par un retoure à la ligne et les
éléments de chaque ligne doivent être separés par des éspaces. L’utilisateur
peut aussi afficher les résultats du graphe en validant ses données .
Figure 5.6
46
CONCLUSION
Ce projet nous a permis d’appliquer les connaissances qui nous ont été
inculquées au cours de ces trois années d’études, en mathématique et In-
formatique à l’université des sciences Mohamed V, ainsi que de nous initier
à la recherche dans une optique éventuelle de poursuite d’études dans ce
domaine. Nous avons été confrontés à de nombreux problèmes, et dans la
plupart des cas nous avons pu compter sur notre professeur encadrant Mon-
sieur El Marraki pour trouver une solution alternative, afin de les résoudre
partiellement. Enfin ce projet aura été l’occasion de découvrir le monde de
la théorie des graphes et les indices topologique, dont nous n’avions pas la
moindre idée de son existence.
47
BIBLIOGRAPHIE
[1] G. AL Hagri, M. EL Marraki. Calculation of the wiener index for some

particular trees. Journal of Theoretical and Applied Information Tech-
nology(JATIT), 22(2) :77-83, (2010).
[2] G. Al Hagri, M. El Marraki, and M. Essalih. The wiener index of some
particular graph. International Journal of Computer Science and Net-
work Security (IJCSNS), 11(5) :64-69, (2011).
[3] G. Al hagri, M. El Marraki Et M. Essalih, Calculation Of Some Topologi-
cal Indices Of Graphs, Journal of Theroretical And Applied Information
Technology (JATIT), 31st August 2011.
[4] A. A. Dobrynin and A. A. Kochetova. Degree distance of a graph a degree
analogue of the wiener index. J. Chem. Inf. Comput. Sci., 34(5) :1082-
1086, (1994).
[5] M. ESSALIH L’étude des indices topologiques, leurs applications en
QSAR/QSPR et leurs corrélations aux représentations moléculaires
«Plerograph» et «Kenograph» (THÈSE DE DOCTORAT), (2013).
[6] I. Gutman, B. Furtula, and M. Petrovic, Terminal wiener index, J Math
Chem, 46, 522-531, (2009).
[7] I. Gutman, A. A. Dobrynin, S. Klavzar, and L. Pavlovic. Wiener-type
invariants of trees and their relation. Bull. Inst. Combin. Appl., 40 :23-30,
(2002).
[8] I. Gutman. A property of the wiener number and its modifications, In-
dian J. Chem.,36(A) :128–132, (1997).
[9] H. Hosoya. Topological index. a newly proposed quanti ty characterizing
the topological nature of structural isomers of saturated hydrocarbons.
Bull. Chem. Soc. Japan, 44 :2332-2339, (1971).
[10] B. Horvat, T. Pisanski, and M. Randic. Terminal polynomials and star-
like graphs. MATCH Commun. Math. Comput. Chem., 60 :493–512,
2008.
48
BIBLIOGRAPHIE 49
[11] D. J. Klein, I. Lukovits, and I. Gutman. On the definition of the hyper-

wiener index for cycle-containing structures. Journal of chemical infor-
mation and computer sciences, 35(1) :50-52, (1995).
[12] E. A. Smolenskii, E. V. Shuvalova, L. K. Maslova, I. V. Chuvaeva, and
M.S.Molchanova. Reduced matrix of topological distance with a mini-
mum number of independent parameters distance vectors and molecular
codes. J. Math. Chem, 45 :1004-1020, (2009).
[13] L. Stiel and G. Thodos. The normal boiling points and critical constants
of saturated aliphatic hydrocarbons. J. Am. Inst. Chem. Eng., 8 :527-
534, (1962).
[14] B. B. West. Introduction to graph theory. Pearson Education (Singa-
pore), (2002).
[15] H. Wiener, Structural determination of paraffin boiling points, J. Am.
Chem. Soc. 69, 17-20, (1947).
[16] M.Randić. Novel molecular descriptor for structure-property studies.
Chem. Phys. Lett., 211 :478–483, 1993.
[17] M. Zeryouh, M. El Marraki, M. Essalih, Terminal Wiener Index of Star-
Tree and Path-Tree. Applied Mathematical Sciences, 9(39), pp 1919-
1929, (2015).
[18] M. Zeryouh, M. El Marraki, et M. Essalih.The Terminal Wiener index
of Dendrimers. la 4e edition JIJC (2015), EL Jadida.
49

L'etude Des Indices de Wiener Et de Terminal de Wiener

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

L'etude Des Indices de Wiener Et de Terminal de Wiener

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ MOHAMMED V de Rabat

Faculté des Sciences

L’étude des Indices de Wiener et de Terminal de

soutenu le 28 Mai 2016 devant le Jury

Année universitaire 2015-2016

Au terme de ce travail, nous tenons tout d’abord à remercier cordia-

Dans le cadre de notre projet de fin d’études nous vous présentons ce

Mots clés : Théorie des graphes, Indice de Wiener, Indice de Terminal

This document represents the synthesis of our work in the context of

Keywords : Graph Theory, Wiener Index, Terminal Wiener Index,

1 Les concepts de base de la théorie des graphes 1

2 Les indices topologiques 13

2.2.2 L’indice de Terminal Wiener pour les arbres . . . . . . 18

3 Formules améliorées pour le calcul de l’indice de Wiener 22

4 Formules améliorées pour le calcul de l’indice de Terminal

La modélisation et la simulation sont devenues des pratiques courantes

Figure 1.1 – la carte de la ville de Konigsberg

Euler représenta cette situation à l’aide d’un "dessin" ou les sommets

Figure 1.2 – Graphe associé au problème des ponts de Königsberg

Euler démontra que ce problème n’a pas de solution. Le problème des

1.1 Les graphes

1.1.1 Premières définitions

Figure 1.3 – Exemple des graphes non orientés

Figure 1.4 – Exemple d’un graphe orienté

Convention : Pour appliquer un concept orienté dans un graphe G =

Définition 3. L’ordre d’un graphe G = (V, E),noté n, est le nombre de

Exemple 1. Voici les exemples suivants :(voir la Figure 1.3)

Définition 4. La taille d’un graphe G = (V, E),noté m, est le nombre de

Exemple 2. Voici les exemples suivants :(voir la Figure 1.3)

1.1.2 L’adjacence et le degré d’un graphe

Exemple 3. Voici les exemples suivants :(voir la Figure 1.3)

Définition 6. Le voisinage d’un sommet, noté ν, est l’ensemble de tous ses

Exemple 4. Voici les exemples suivants :

Exemple 5. Voici les exemples suivants :(voir la Figure 1.3)

— Les arêtes (v1 , v2 ) et (v2 , v4 ), du graphe G2 sont adjacentes.

1.1.3 Vocabulaire lié à la connexité

— La suite {v1 , v2 , v5 , v4 , v3 } du graphe de la Figure 1.7, forme une chaîne

Exemple 8. La suite {v1 , v2 , v3 } du graphe de la Figure 1.6, est un cycle.

Exemple 9. la distance entre le sommet v1 et le sommet v5 du graphe de

Exemple 10. Le diamètre de graphe G de la Figure 1.7, est D(G) = 3.

1.2 Quelques types de graphes

Figure 1.8 – Exemple des graphes simples

Définition 15. Un graphe est planaires s’il est possible de le représenter

Figure 1.9 – Un graphe complet

Figure 1.10 – Exemple d’un graphe bi-parti

1.2.2 Les arbres

Remarque 3. Le chemin entre deux sommets d’un arbre est unique

Figure 1.11 – Exemple d’arbres

1.3 Mode de représentation d’un graphe

1.3.1 Matrice d’adjacence

Exemple 14. La matrice d’adjacence du graphe de la figure 1.12 est la

1.3.2 Matrice de distance

Où dij = d(vi , vj ) est la distance entre les deux sommets vi et vj

Exemple 15. La matrice de distance du graphe de la figure 1.12 est la

1.3.3 Matrice d’incidence

Remarque 4. Pour un graphe non orienté sans boucle,on peut écrire la

Exemple 16. La matrice d’incidence du graphe G2 la figure 1.4 est la sui-

1.3.4 Matrice laplacienne

Exemple 17. La matrice Laplacienne du graphe de la figure 1.12 est la

De nombreuses recherches ont été menées, au cours des dernières décen-

2.1 L’indice de Wiener

2.1.1 L’histoire de l’indice de Wiener

2.1.2 Quelques définitions de base