Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥

(2023) La méthode probabiliste, par les exemples

(2023) La méthode probabiliste, par les exemples

Exposé au séminaire Maths Club de l'Université Paris Cité donné le 17 avril 2023. On y présente l'idée de la méthode probabiliste à travers 4 exemples.

Roger Mansuy

April 07, 2023
Tweet

More Decks by Roger Mansuy

Other Decks in Education

Transcript

  1. La méthode probabiliste est une technique pour prouver l’existence d’objets

    ayant certaines propriétés spécifiques. Elle repose sur la théorie des probabilités mais permet d’établir des théorèmes déterministes. Paul Erdős (1913-1996)
  2. Plus précisément, pour résoudre un problème d’existence d’une solution, la

    méthode probabiliste se décompose en trois étapes 1. On cherche une solution du problème déterministe au hasard
  3. Plus précisément, pour résoudre un problème d’existence d’une solution, la

    méthode probabiliste se décompose en trois étapes 1. On cherche une solution du problème déterministe au hasard 2. On calcule l’espérance de la variable aléatoire X correspondant au critère considéré (ou une probabilité associée)
  4. Plus précisément, pour résoudre un problème d’existence d’une solution, la

    méthode probabiliste se décompose en trois étapes 1. On cherche une solution du problème déterministe au hasard 2. On calcule l’espérance de la variable aléatoire X correspondant au critère considéré (ou une probabilité associée) 3. On applique le lemme fondamental suivant: Lemme fondamental ▷ Soit X une variable aléatoire réelle finie d’espérance m. Alors, il existe une réalisation de X inférieure ou égale à m. ▷ Soit X une variable aléatoire réelle finie et x ∈ R tel que P(X ≤ x) > 0. Alors, il existe une réalisation de X inférieure ou égale à x.
  5. Un tournoi particulier Considérons les résultats d’un tournoi qui se

    déroule selon les modalités suivantes. • Les joueurs s’affrontent jusqu’à que chacun ait rencontré (une fois) tous les autres. • Chaque match se termine par la victoire d’un joueur (et la défaite de l’autre): pas de match nul!
  6. Un tournoi particulier Considérons les résultats d’un tournoi qui se

    déroule selon les modalités suivantes. • Les joueurs s’affrontent jusqu’à que chacun ait rencontré (une fois) tous les autres. • Chaque match se termine par la victoire d’un joueur (et la défaite de l’autre): pas de match nul! Est-il possible qu’à chaque fois que l’on considère deux joueurs, il en existe un autre ayant battu ces deux joueurs?
  7. Essayons de construire un tel tournoi pas à pas. 1

    2 {1, 2} 3 {1, 3} {2, 3} battus par 3
  8. Essayons de construire un tel tournoi pas à pas. 1

    2 {1, 2} 3 {1, 3} {2, 3} battus par 3 4 {1, 4} {2, 4} {3, 4} battus par 4
  9. Essayons de construire un tel tournoi pas à pas. 1

    2 {1, 2} 3 {1, 3} {2, 3} battus par 3 4 {1, 4} {2, 4} {3, 4} battus par 4 5 {1, 5} {2, 5} {3, 5} {4, 5} battus par 5
  10. Essayons de construire un tel tournoi pas à pas. 1

    2 {1, 2} 3 {1, 3} {2, 3} battus par 3 4 {1, 4} {2, 4} {3, 4} battus par 4 5 {1, 5} {2, 5} {3, 5} {4, 5} battus par 5 6 {1, 6} {2, 6} {3, 6} {4, 6} {5, 6} battus par 6
  11. Essayons de construire un tel tournoi pas à pas. 1

    2 {1, 2} 3 {1, 3} {2, 3} battus par 3 4 {1, 4} {2, 4} {3, 4} battus par 4 5 {1, 5} {2, 5} {3, 5} {4, 5} battus par 5 6 {1, 6} {2, 6} {3, 6} {4, 6} {5, 6} battus par 6 C’est long (et c’est loin d’être terminé)!
  12. Appliquons la méthode probabiliste. Considérons un tournoi aléatoire, c’est-à-dire tel

    que la victoire dans chaque match se joue à pile ou face indépendamment des autres matches. Notons, pour toute paire {x, y} de joueurs, A{x,y} la variable aléatoire qui vaut • 1 si x et y ne sont jamais battus par un même joueur, • O sinon.
  13. Appliquons la méthode probabiliste. Considérons un tournoi aléatoire, c’est-à-dire tel

    que la victoire dans chaque match se joue à pile ou face indépendamment des autres matches. Notons, pour toute paire {x, y} de joueurs, A{x,y} la variable aléatoire qui vaut • 1 si x et y ne sont jamais battus par un même joueur, • O sinon. Alors, le nombre de ”situations problématiques” pour la condition recherchée est N = ∑ {x,y} A{x,y} .
  14. Par linéarité de l’espérance E(N) = E ( ∑ {x,y}

    A{x,y} ) = ∑ {x,y} E ( A{x,y} )
  15. Par linéarité de l’espérance E(N) = E ( ∑ {x,y}

    A{x,y} ) = ∑ {x,y} E ( A{x,y} ) = ∑ {x,y} P ( x, y ne sont pas battus pas un même joueur )
  16. Par linéarité de l’espérance E(N) = E ( ∑ {x,y}

    A{x,y} ) = ∑ {x,y} E ( A{x,y} ) = ∑ {x,y} P ( x, y ne sont pas battus pas un même joueur ) = ∑ {x,y} ( 1 − 1 4 ) n−2
  17. Par linéarité de l’espérance E(N) = E ( ∑ {x,y}

    A{x,y} ) = ∑ {x,y} E ( A{x,y} ) = ∑ {x,y} P ( x, y ne sont pas battus pas un même joueur ) = ∑ {x,y} ( 1 − 1 4 ) n−2 = n(n − 1) 2 ( 3 4 ) n−2 .
  18. En utilisant le lemme fondamental, on obtient le théorème suivant.

    Théorème Si n(n−1) 2 ( 3 4 ) n−2 < 1, alors il existe un tournoi à n joueurs ayant la propriété recherchée.
  19. n 3n−2(n − 1)n − 2 · 4n−2 5 412

    6 1918 7 8158 8 32632 9 124696 10 459418 11 1640842 12 5697316 13 19246324 14 63167830 15 200590102 16 611041648 17 1755419056 18 4582362034 19 9806197378 20 9780832348
  20. n 3n−2(n − 1)n − 2 · 4n−2 21 −61605997748

    Théorème Il existe un tournoi à 21 joueurs ayant la propriété recherchée.
  21. Rester près (ou partir loin) Mentionnons un exercice élémentaire dans

    le plan complexe. Exercice Soit z1, …, zn des nombres complexes de module 1. Alors, il existe des signes ε1, …, εn ∈ {−1, 1} tels que |ε1z1 + · · · + εn zn | ≥ n 2 .
  22. Nous allons établir le théorème suivant avec la méthode probabiliste.

    Théorème Soit E un espace préhilbertien réel, v1, …, vn ∈ E de norme 1. Alors, • il existe des signes ε1, …, εn ∈ {−1, 1} tels que ∥ε1v1 + · · · + εn vn ∥ ≥ √ n. • il existe des signes ε′ 1 , …, ε′ n ∈ {−1, 1} tels que ∥ε′ 1 v1 + · · · + ε′ n vn ∥ ≤ √ n. v3 v2 v4 v1
  23. Nous allons établir le théorème suivant avec la méthode probabiliste.

    Théorème Soit E un espace préhilbertien réel, v1, …, vn ∈ E de norme 1. Alors, • il existe des signes ε1, …, εn ∈ {−1, 1} tels que ∥ε1v1 + · · · + εn vn ∥ ≥ √ n. • il existe des signes ε′ 1 , …, ε′ n ∈ {−1, 1} tels que ∥ε′ 1 v1 + · · · + ε′ n vn ∥ ≤ √ n. v3 v2 v4 v1 −v1 + v2 + v3 + v4
  24. Nous allons établir le théorème suivant avec la méthode probabiliste.

    Théorème Soit E un espace préhilbertien réel, v1, …, vn ∈ E de norme 1. Alors, • il existe des signes ε1, …, εn ∈ {−1, 1} tels que ∥ε1v1 + · · · + εn vn ∥ ≥ √ n. • il existe des signes ε′ 1 , …, ε′ n ∈ {−1, 1} tels que ∥ε′ 1 v1 + · · · + ε′ n vn ∥ ≤ √ n. v3 v2 v4 v1 −v1 − v2 − v3 + v4
  25. Montrons le théorème avec la méthode probabiliste. Considérons X1, …,

    Xn des variables aléatoires mutuellement indépendantes, de même loi donnée par P(X1 = 1) = P(X1 = −1) = 1 2 , puis construisons la variable aléatoire U = X1v1 + · · · + Xn vn . Alors, ∥U∥2 = ⟨ n ∑ i=1 Xi vi , n ∑ j=1 Xj vj ⟩ = n ∑ i=1 n ∑ j=1 ⟨vi , vj ⟩Xi Xj .
  26. Calculons l’espérance de la variable aléatoire réelle ∥U∥2 avec la

    linéarité. E ( ∥U∥2 ) = n ∑ i=1 n ∑ j=1 ⟨vi , vj ⟩E(Xi Xj ). Notons que, pour des entiers i et j distincts, on obtient E(Xi Xj ) = E(Xi )E(Xj ) = 0,
  27. Calculons l’espérance de la variable aléatoire réelle ∥U∥2 avec la

    linéarité. E ( ∥U∥2 ) = n ∑ i=1 n ∑ j=1 ⟨vi , vj ⟩E(Xi Xj ). Notons que, pour des entiers i et j distincts, on obtient E(Xi Xj ) = E(Xi )E(Xj ) = 0, donc E ( ∥U∥2 ) = n ∑ i=1 ∥vi ∥2E(X2 i ).
  28. Par ailleurs, pour tout entier i, E(X2 i ) =

    E(1) = 1, d’où E ( ∥U∥2 ) = n ∑ i=1 ∥vi ∥2.
  29. Par ailleurs, pour tout entier i, E(X2 i ) =

    E(1) = 1, d’où E ( ∥U∥2 ) = n ∑ i=1 ∥vi ∥2. Comme par hypothèse les vecteurs vi sont unitaires, on obtient finalement, E ( ∥U∥2 ) = n.
  30. Par ailleurs, pour tout entier i, E(X2 i ) =

    E(1) = 1, d’où E ( ∥U∥2 ) = n ∑ i=1 ∥vi ∥2. Comme par hypothèse les vecteurs vi sont unitaires, on obtient finalement, E ( ∥U∥2 ) = n. Avec le lemme fondamental, il existe une réalisation de U telle que ∥U∥2 ≥ n et une réalisation de U telle que ∥U∥2 ≤ n.
  31. Avec la théorie de Ramsey La théorie de Ramsey est

    un ensemble de résultats mathématiques de la forme suivante. Théorème Étant donné une structure, il existe une taille minimale telle que tout objet de taille supérieure contient cette structure.
  32. Avec la théorie de Ramsey La théorie de Ramsey est

    un ensemble de résultats mathématiques de la forme suivante. Théorème Étant donné une structure, il existe une taille minimale telle que tout objet de taille supérieure contient cette structure. ”Le désordre complet n’existe pas.”
  33. Commençons par un premier théorème. Théorème On suppose qu’il y

    a au moins six personnes dans une pièce. Parmi elles, on peut toujours trouver • soit trois qui se connaissent toutes mutuellement, • soit trois qui se croisent toutes pour la première fois.
  34. Représentons la situation par un graphe. • Chaque personne est

    représentée par un sommet. • Deux sommets correspondant à des personnes se connaissant sont reliés par une arête rouge.
  35. Représentons la situation par un graphe. • Chaque personne est

    représentée par un sommet. • Deux sommets correspondant à des personnes se connaissant sont reliés par une arête rouge. • Deux sommets correspondant à des personnes ne se connaissant pas sont reliés par une arête bleue.
  36. Représentons la situation par un graphe. • Chaque personne est

    représentée par un sommet. • Deux sommets correspondant à des personnes se connaissant sont reliés par une arête rouge. • Deux sommets correspondant à des personnes ne se connaissant pas sont reliés par une arête bleue. Pour établir la proposition, il suffit de prouver qu’il existe un triangle d’une seule couleur indépendamment du coloriage de ce graphe.
  37. Passons à la démonstration. Considérons un sommet. Les 5 arêtes

    partant de ce sommet sont coloriées soit en bleu, soit en rouge: il en existe donc au moins 3 de la même couleur, par exemple, rouge.
  38. Passons à la démonstration. Considérons un sommet. Les 5 arêtes

    partant de ce sommet sont coloriées soit en bleu, soit en rouge: il en existe donc au moins 3 de la même couleur, par exemple, rouge. ▷ Si les trois sommets reliés par des arêtes rouges au sommet fixé sont reliés entre eux par des arêtes bleues, alors il y a un triangle bleu.
  39. Passons à la démonstration. Considérons un sommet. Les 5 arêtes

    partant de ce sommet sont coloriées soit en bleu, soit en rouge: il en existe donc au moins 3 de la même couleur, par exemple, rouge. ▷ Si les trois sommets reliés par des arêtes rouges au sommet fixé sont reliés entre eux par des arêtes bleues, alors il y a un triangle bleu. ▷ Sinon, deux de ces sommets sont reliés par une arête rouge: ils forment un triangle rouge (avec le sommet fixé).
  40. En revanche, le théorème n’est plus toujours vrai pour seulement

    cinq personnes comme on peut le voir avec le graphe suivant où il n’existe pas de triangle d’une seule couleur.
  41. Généralisons. Théorème Neuf personnes sont dans une pièce. Alors, on

    peut toujours trouver • soit trois qui se connaissent toutes mutuellement, • soit quatre qui se croisent toutes pour la première fois.
  42. Généralisons. Théorème Neuf personnes sont dans une pièce. Alors, on

    peut toujours trouver • soit trois qui se connaissent toutes mutuellement, • soit quatre qui se croisent toutes pour la première fois.
  43. Pour généraliser encore, donnons une définition. Un graphe à k

    sommets est complet quand on trace toutes les arêtes possibles entre ces k sommets Graphe complet à 17 sommets
  44. Pour généraliser encore, donnons une définition. Un graphe à k

    sommets est complet quand on trace toutes les arêtes possibles entre ces k sommets (soit ( k 2 ) = k(k−1) 2 arêtes). Graphe complet à 17 sommets et 136 arêtes
  45. Pour généraliser encore, donnons une définition. Un graphe à k

    sommets est complet quand on trace toutes les arêtes possibles entre ces k sommets (soit ( k 2 ) = k(k−1) 2 arêtes). Graphe complet à 17 sommets et 136 arêtes On retrouve un triangle pour k = 3 et le carré avec diagonales pour k = 4.
  46. Donnons la version générale du théorème de Ramsey avec deux

    couleurs. Théorème Soit p et q des entiers supérieurs à 2 fixés. Alors, il existe un entier N tel que tout coloriage du graphe complet à N sommets en deux couleurs rouge et bleu contient • soit un sous-graphe complet rouge à p sommets, • soit un sous-graphe complet bleu à q sommets. Notons R(p, q) le plus petit entier N vérifiant la conclusion de ce théorème.
  47. Nous avons établi: Théorème R(3, 3) = 6. Avec la

    définition, on obtient aussi: Théorème Pour tout entier q supérieur à 2, R(2, q) = q.
  48. Voici toutes les valeurs connues de R(p, q)(= R(q, p))

    pour p, q ≥ 3: 3 4 5 6 7 8 9 3 6 9 14 18 23 28 36 4 9 18 25 5 14 25 6 18 7 23 8 28 9 36
  49. Supposons que des extraterrestres envahissent la Terre et men- acent

    de l’anéantir dans un an si les êtres humains ne parvien- nent pas à trouver le nombre de Ramsey pour cinq rouges et cinq bleus. Nous pourrions réunir les meilleurs esprits et les ordinateurs les plus rapides du monde et, en un an, nous pour- rions probablement calculer cette valeur. Si les extraterrestres demandaient le nombre de Ramsey pour six rouges et six bleus, nous n’aurions d’autre choix que de lancer une attaque préventive. Paul Erdős
  50. Nous allons démontrer le résultat suivant avec la méthode probabiliste.

    Théorème R(6, 6) > 17. En d’autres termes, il existe une coloration du graphe complet à 17 sommets qui n’admet pas de sous-graphe complet monochrome à 6 sommets.
  51. • Il y a 2(17 2 ) = 2136 ≈

    8, 7.1040 coloriages du graphe à 17 sommets,
  52. • Il y a 2(17 2 ) = 2136 ≈

    8, 7.1040 coloriages du graphe à 17 sommets, • et chacun comporte ( 17 6 ) = 12376 sous-graphes à 6 sommets (et donc 15 arêtes).
  53. • Il y a 2(17 2 ) = 2136 ≈

    8, 7.1040 coloriages du graphe à 17 sommets, • et chacun comporte ( 17 6 ) = 12376 sous-graphes à 6 sommets (et donc 15 arêtes). La vérification exhaustive serait plutôt longue, non?
  54. Passons à la preuve. Considérons un graphe aléatoire à n

    sommets tel que chaque arête est coloriée • en rouge avec probabilité 1 2 ,
  55. Passons à la preuve. Considérons un graphe aléatoire à n

    sommets tel que chaque arête est coloriée • en rouge avec probabilité 1 2 , • en bleu avec probabilité 1 2 ,
  56. Passons à la preuve. Considérons un graphe aléatoire à n

    sommets tel que chaque arête est coloriée • en rouge avec probabilité 1 2 , • en bleu avec probabilité 1 2 , • indépendamment de toutes les autres.
  57. Passons à la preuve. Considérons un graphe aléatoire à n

    sommets tel que chaque arête est coloriée • en rouge avec probabilité 1 2 , • en bleu avec probabilité 1 2 , • indépendamment de toutes les autres. Effectuons quelques calculs sur ce graphe aléatoire.
  58. Théorème En moyenne, le graphe aléatoire comporte n(n−1) 4 arêtes

    rouges. Reformulons cet énoncé plus mathématiquement. Théorème Soit X la variable aléatoire égale au nombre d’arêtes rouges dans le graphe aléatoire. Alors, E(X) = n(n−1) 4 .
  59. Notons, pour chaque arête a,  a la variable aléatoire

    qui vaut 1 si a est rouge, 0 sinon. a
  60. Notons, pour chaque arête a,  a la variable aléatoire

    qui vaut 1 si a est rouge, 0 sinon. a  a = 1
  61. Notons, pour chaque arête a,  a la variable aléatoire

    qui vaut 1 si a est rouge, 0 sinon. a  a = 0
  62. Notons, pour chaque arête a,  a la variable aléatoire

    qui vaut 1 si a est rouge, 0 sinon. Alors, X = ∑ a  a .
  63. Par linéarité de l’espérance E(X) = E ( ∑ a

     a ) = ∑ a E( a ) = ∑ a ( 1 2 1 + 1 2 0 )
  64. Par linéarité de l’espérance E(X) = E ( ∑ a

     a ) = ∑ a E( a ) = ∑ a ( 1 2 1 + 1 2 0 ) = ( n 2 ) 1 2 = n(n − 1) 4 .
  65. Théorème Soit N3 la variable aléatoire égale au nombre de

    triangles rouges dans le graphe aléatoire. Alors, E(N3 ) = ( n 3 ) 1 8 .
  66. Notons, pour chaque triangle t,  t la variable aléatoire

    qui vaut 1 si t est rouge, 0 sinon. Alors, N3 = ∑ t  t ,
  67. Notons, pour chaque triangle t,  t la variable aléatoire

    qui vaut 1 si t est rouge, 0 sinon. Alors, N3 = ∑ t  t , puis par linéarité de l’espérance E(N3 ) = ∑ t E( t ) = ∑ t ((1 2 )3 1 + ( 1 − (1 2 )3 ) 0 ) = ( n 3 ) 1 8 .
  68. Théorème Soit Nk la variable aléatoire égale au nombre de

    sous-graphes complets à k sommets avec arêtes toutes rouges dans le graphe aléatoire. Alors, E(Nk ) = ( n k ) 2−(k 2 ).
  69. Théorème Soit Nk la variable aléatoire égale au nombre de

    sous-graphes complets à k sommets avec arêtes toutes rouges dans le graphe aléatoire. Alors, E(Nk ) = ( n k ) 2−(k 2 ). Théorème Soit N′ k la variable aléatoire égale au nombre de sous-graphes complets à k sommets avec arêtes toutes bleues dans le graphe aléatoire. Alors, E(N′ k ) = ( n k ) 2−(k 2 ).
  70. Théorème Soit N la variable aléatoire égale au nombre de

    sous-graphes complets à k sommets avec arêtes toutes de la même couleur dans le graphe aléatoire. Alors, E(N) = ( n k ) 21−(k 2 ).
  71. Théorème Soit N la variable aléatoire égale au nombre de

    sous-graphes complets à k sommets avec arêtes toutes de la même couleur dans le graphe aléatoire. Alors, E(N) = ( n k ) 21−(k 2 ). Il suffit de noter que N = Nk + N′ k
  72. Théorème Soit N la variable aléatoire égale au nombre de

    sous-graphes complets à k sommets avec arêtes toutes de la même couleur dans le graphe aléatoire. Alors, E(N) = ( n k ) 21−(k 2 ). Il suffit de noter que N = Nk + N′ k puis d’utiliser la linéarité de l’espérance et les deux résultats précédents E(N) = E(Nk ) + E(N′ k ) = ( n k ) 2−(k 2 ) + ( n k ) 2−(k 2 ) = ( n k ) 21−(k 2 ).
  73. En appliquant à nouveau le lemme fondamental, on obtient Théorème

    Si ( n k ) 21−(k 2 ) < 1, alors il existe une coloration du graphe complet à n sommets qui n’admet aucun sous-graphe complet monochrome à k sommets
  74. En appliquant à nouveau le lemme fondamental, on obtient Théorème

    Si ( n k ) 21−(k 2 ) < 1, alors il existe une coloration du graphe complet à n sommets qui n’admet aucun sous-graphe complet monochrome à k sommets, autrement dit R(k, k) > n.
  75. En appliquant à nouveau le lemme fondamental, on obtient Théorème

    Si ( n k ) 21−(k 2 ) < 1, alors il existe une coloration du graphe complet à n sommets qui n’admet aucun sous-graphe complet monochrome à k sommets, autrement dit R(k, k) > n. Dans notre cas particulier, n = 17 et k = 6 et l’on vérifie ( n k ) 21−(k 2 ) = ( 17 6 ) 214 = 12376 16384 < 1. L’égalité R(6, 6) > 17 est ainsi établie!
  76. Coloriage de graphe et cycles Un coloriage d’un graphe est

    une application qui associe une couleur à chaque sommet telle que deux sommets voisins ne sont jamais de la même couleur.
  77. Coloriage de graphe et cycles Un coloriage d’un graphe est

    une application qui associe une couleur à chaque sommet telle que deux sommets voisins ne sont jamais de la même couleur. Le nombre chromatique χ d’un graphe est le nombre minimal de couleurs d’un coloriage de ce graphe.
  78. Théorème Si un graphe G contient un cycle de longueur

    3, il faut au moins trois couleurs pour le colorier, c’est-à-dire χ ≥ 3.
  79. Théorème Si un graphe G contient un cycle de longueur

    3, il faut au moins trois couleurs pour le colorier, c’est-à-dire χ ≥ 3. La réciproque est fausse.
  80. Nous allons démontrer le résultat suivant avec la méthode probabiliste.

    Théorème Soit k, l ∈ N∗. Alors, il existe un graphe G tel que • le nombre minimal χ de couleurs d’un coloriage de G vérifie χ > k • la longueur g du plus petit cycle de G vérifie g > l
  81. Nous allons démontrer le résultat suivant avec la méthode probabiliste.

    Théorème Soit k, l ∈ N∗. Alors, il existe un graphe G tel que • le nombre minimal χ de couleurs d’un coloriage de G vérifie χ > k • la longueur g du plus petit cycle de G vérifie g > l Considérons un graphe aléatoire à n sommets où chaque arête existe (indépendamment des autres) avec probabilité pn = 1 n (ln n)2.
  82. Nous allons démontrer le résultat suivant avec la méthode probabiliste.

    Théorème Soit k, l ∈ N∗. Alors, il existe un graphe G tel que • le nombre minimal χ de couleurs d’un coloriage de G vérifie χ > k • la longueur g du plus petit cycle de G vérifie g > l Considérons un graphe aléatoire à n sommets où chaque arête existe (indépendamment des autres) avec probabilité pn = 1 n (ln n)2. Notons N la variable aléatoire égale au nombre de cycles de longueur au plus l, α la variable aléatoire égale au nombre maximal de sommets entre lesquels il n’y a aucune arête (stable maximal).
  83. Première étape: contrôle du nombre de petits cycles E(N) =

    l ∑ j=3 ( n j ) 1 2 (j − 1)!(pn )j ≤ l ∑ j=3 (npn )j ≤ l ∑ j=3 (ln n)2j = o(n).
  84. Première étape: contrôle du nombre de petits cycles E(N) =

    l ∑ j=3 ( n j ) 1 2 (j − 1)!(pn )j ≤ l ∑ j=3 (npn )j ≤ l ∑ j=3 (ln n)2j = o(n). Par l’inégalité de Markov, P ( N ≥ n 2 ) ≤ 2 n E(N), donc P ( N ≥ n 2 ) → 0.
  85. Deuxième étape: contrôle de la taille du stable maximal Pour

    tout m ∈ N∗, P(α > m) ≤ ∑ A∈Pm (S) (1 − pn )(m 2 ) ≤ ( n m ) (1 − pn )(m 2 ),
  86. Deuxième étape: contrôle de la taille du stable maximal Pour

    tout m ∈ N∗, P(α > m) ≤ ∑ A∈Pm (S) (1 − pn )(m 2 ) ≤ ( n m ) (1 − pn )(m 2 ), donc P ( α ≥ 3n ln n ) → 0.
  87. Soit n suffisamment grand tel que P ( N ≥

    n 2 ) < 1 2 , P ( α ≥ 3n ln n ) < 1 2 .
  88. Soit n suffisamment grand tel que P ( N ≥

    n 2 ) < 1 2 , P ( α ≥ 3n ln n ) < 1 2 . P ( N < n 2 , α < 3n ln n ) = 1 − P ( N ≥ n 2 ou α ≥ 3n ln n ) ≥ 1 − P ( N ≥ n 2 ) − P ( α ≥ 3n ln n ) > 0.
  89. Soit n suffisamment grand tel que P ( N ≥

    n 2 ) < 1 2 , P ( α ≥ 3n ln n ) < 1 2 . P ( N < n 2 , α < 3n ln n ) = 1 − P ( N ≥ n 2 ou α ≥ 3n ln n ) ≥ 1 − P ( N ≥ n 2 ) − P ( α ≥ 3n ln n ) > 0. D’après le lemme fondamental, il existe un graphe à n sommets avec au plus n 2 cycles de longueur au plus l et un stable maximal de taille au plus 3n ln n .
  90. Enlevons un sommet dans chacun des ”petits” cycles: on obtient

    un graphe • au moins n 2 sommets • sans cycle de longueur au plus l • avec un stable maximal de taille au plus 3n ln n
  91. Enlevons un sommet dans chacun des ”petits” cycles: on obtient

    un graphe • au moins n 2 sommets • sans cycle de longueur au plus l • avec un stable maximal de taille au plus 3n ln n Comme dans un coloriage d’un graphe, chaque ensemble de sommets coloriés de la même couleur est de taille inférieure à celle du stable maximal, χ ≥ n 2 × ln n 3n = 1 6 ln n.
  92. Enlevons un sommet dans chacun des ”petits” cycles: on obtient

    un graphe • au moins n 2 sommets • sans cycle de longueur au plus l donc g > l • avec un stable maximal de taille au plus 3n ln n Comme dans un coloriage d’un graphe, chaque ensemble de sommets coloriés de la même couleur est de taille inférieure à celle du stable maximal, χ ≥ n 2 × ln n 3n = 1 6 ln n. Pour n suffisamment grand, χ > k.
  93. Conclusion La méthode probabiliste est une technique (non constructive) pour

    prouver l’existence d’objets ayant certaines propriétés spécifiques. Elle repose sur la théorie des probabilités mais permet d’établir des théorèmes déterministes. Elle est applicable à de nombreux domaines où apparaissent des aspects combinatoires. Elle remplace l’étude exhaustive de toutes les configurations par une étude ”en moyenne”.
  94. Bibliographie ▶ The Probabilistic Method (4th Edition), Noga Alon, Joel

    H. Spencer, Wiley, 2016 ▶ Introduction aux graphes aléatoires, Roger Mansuy, Calvage et Mounet, 2020