CORRECTION CC MATH 112 2025
Université de Yaoundé I – Département de Mathématiques
Semestre 2 : Mai 2025
Examen partiel (CC) – UE : Algèbre Linéaire I (MAT112) pour INF L1.
Par : Dr. Bertrand Nguefack
AUTEUR : https://t.me/infosl
DISCLAIMER: Dans cette correction nous explicons chaque réponse. Veillez
vous rassurez de bien comprendre l'explication au lieu de chercher à faxé.
Lien de l'épreuve : https://t.me/infosl1/5501
Exercice 1. (8,5pts). Quelques Notions du cours.
Soient K un corps commutatif, et E un K-espace vectoriel.
1. (1pt).
(i) Pour S ⊂ E, définir Vect(S) ;
Pour un sous-ensemble S ⊂ E, le sous-espace vectoriel engendré par
S, noté Vect(S), est le plus petit sous-espace vectoriel de E contenant S.
Concrètement :
- Il contient toutes les combinaisons linéaires finies d'éléments de S.
- Exemple : Si S = {(1,0), (0,1)} dans ℝ², alors Vect(S) = ℝ².
(ii) donner un exemple d’espace vectoriel de dimension infinie.
L’espace ℝ[x] des polynômes à coefficients réels est de dimension infinie.
- Pourquoi ? Aucune famille finie de polynômes ne peut engendrer tous les
polynômes (par exemple, {1, x, x², …} est infinie et libre).
2. (3,5pts). Ici on pose C-espace vectoriel E = Mₙ(ℂ), Sₙ le sous-espace des
matrices symétriques, et Aₙ celui des matrices anti-symétriques.
a) (1pt). Donner une C-base canonique de E, et la ℝ-base canonique associée.
- Base ℂ-canonique de Mₙ(ℂ) :
{Eᵢⱼ | 1 ≤ i,j ≤ n}, où Eᵢⱼ a un 1 en position (i,j) et 0 ailleurs.
Dimension : n² (car n² matrices dans la base).
- Base ℝ-canonique associée :
{Eᵢⱼ, iEᵢⱼ | 1 ≤ i,j ≤ n}.
Dimension : 2n² (car chaque Eᵢⱼ complexe donne deux vecteurs réels).
b) (1,75pt). Montrer que les sous-espaces vectoriels Sₙ et Aₙ sont
supplémentaires dans E, préciser leurs bases et leurs dimensions sur ℂ.
- Matrices symétriques (Sₙ) : A = Aᵗ
- Matrices antisymétriques (Aₙ) : A = –Aᵗ
- Preuve :
1. Intersection nulle : si A ∈ Sₙ ∩ Aₙ, alors A = Aᵗ = –Aᵗ ⇒ A = 0
2. Somme directe : toute matrice M s’écrit
M = (M + Mᵗ)/2 + (M – Mᵗ)/2
où le premier terme est symétrique et le second antisymétrique.
- Bases et dimensions :
- Base de Sₙ : {Eᵢⱼ + Eⱼᵢ | i ≤ j} → Dimension : n(n+1)/2
- Base de Aₙ : {Eᵢⱼ – Eⱼᵢ | i < j} → Dimension : n(n–1)/2
c) (0,75pt). Ici on pose n = 2 et U = {U₁, U₂, U₃} ⊂ S₂ un ensemble de
trois matrices symétriques ℝ-linéairement indépendantes dans le ℝ-
espace vectoriel F = Vectℝ(U₁, U₂, U₃). Peut-il être un sous C-espace
vectoriel de E ? Construire un exemple tel que U soit aussi C-libre (en
plus d’être ℝ-libre).
- Exemple de U ℝ-libre mais pas ℂ-libre :
U₁ = [[1 0] [0 0]], U₂ = [[0 1] [1 0]], U₃ = [[0 0] [0 1]]
- ℝ-libre : Oui, car aucune combinaison linéaire réelle non triviale ne donne la
matrice nulle.
- ℂ-espace ? Non, car iU₂ n’est pas symétrique (violation de la stabilité par
multiplication complexe).
3. (1pt). Lemme d’Extension. Ici E étant nouveau arbitraire, soit S = {v₁,
…, vₖ} une famille libre de n vecteurs distincts de E. Soit v ∈ E \
Vect(S), montrer que le système S' = S ∪ {v} reste libre.
Énoncé : Si S = {v₁, …, vₖ} est libre et v ∉ Vect(S), alors S′ = S ∪
{v} reste libre.
Preuve :
- Supposons λ₁v₁ + … + λₖvₖ + λv = 0
- Si λ ≠ 0 alors v ∈ Vect(S), contradiction. Donc λ = 0
- Comme S est libre, λ₁ = … = λₖ = 0
4. (1pt). Énoncer le théorème d’extraction de base et deux conséquences
immédiates.
Théorème :
Toute famille génératrice finie d'un espace vectoriel contient une base.
Conséquences immédiates :
1. Tout espace vectoriel de dimension finie admet une base.
2. De toute famille libre, on peut extraire une base en complétant avec des
vecteurs d'une famille génératrice.
5. (1,5pts). Soit T = x² + x − 2 ∈ ℝ[x] et f : ℝ[x] → ℝ[x] tel que
pour tout P ∈ ℝ[x], f(P) est le reste de la division euclidienne de
P par T. Montrer que f est une application linéaire, Déterminer
ker(f) et Im(f).
a) Linéarité de f :
Pour P, Q ∈ ℝ[x] et λ ∈ ℝ, le reste de P + λQ modulo T est la
somme des restes (modulo T), donc f est linéaire.
b) Noyau (ker(f)) :
ker(f) = {P ∈ ℝ[x] tel que T divise P} = Vect(T)
→ Base : {x² + x - 2} (si on reste dans ℝ₂[x], sinon tous les multiples de T).
c) Image (Im(f)) :
Im(f) = {restes de division par T} = ℝ₁[x] (polynômes de degré ≤ 1)
→ Base : {1, x}
Explication :
La division euclidienne garantit que tout reste est de degré strictement inférieur
à deg(T) = 2, donc de la forme a + bx.
Exercice 2. (10pts).
Soient E = { (x, y, z, t) ∈ ℝ⁴ tel que x + 2y + z − t = 0 },
F = Vect(v₁, v₂, v₃) ⊂ ℝ⁴ avec
v₁ = (1, −1, 1, 1), v₂ = (−1, 2, 1, −1), v₃ = (−3, 8, −7, 3),
w = (1, 0, 0, 2), s = (−2, 1, 1, 1), t = (−2, 1, 1, 1).
1. (1,5pt). Montrer que E est un hyperplan de ℝ⁴. Donner une forme linéaire sur
ℝ⁴ telle que E = ker(f).
a) Définition d’un hyperplan :
Un hyperplan de ℝⁿ est un sous-espace vectoriel de dimension n−1. Ici, ℝ⁴ a
dimension 4, donc un hyperplan a dimension 3.
b) Structure de E :
E = { (x, y, z, t) ∈ ℝ⁴ | x + 2y + z − t = 0 }
- C’est le noyau de la forme linéaire f : ℝ⁴ → ℝ définie par f(x, y, z, t) = x
+ 2y + z − t.
- f est linéaire car elle vérifie f(u + λv) = f(u) + λf(v) pour tout u, v ∈ ℝ⁴ et
λ ∈ ℝ.
c) Justification que E est un hyperplan :
- f n’est pas identiquement nulle (par exemple, f(1,0,0,0) = 1 ≠
0).
- D’après le théorème du rang, dim(ker(f)) = dim(ℝ⁴) − dim(Im(f)) = 4 − 1 =
3.
- Donc E = ker(f) est bien un hyperplan.
Forme linéaire explicite :
f(x, y, z, t) = x + 2y + z − t
2. (1pt). Par l’algorithme d’extraction de base, extraire du système S = {v₁, v₂,
v₃, w, s, t} une base de F.
a) Famille génératrice de F :
F = Vect(v₁, v₂, v₃, w, s, t), où :
- v₁ = (1,−1,1,1)
- v₂ = (−1,2,1,−1)
- v₃ = (−3,8,−7,3)
- w = (1,0,0,2)
- s = t = (−2,1,1,1)
b) Algorithme d'extraction :
1. On place les vecteurs en colonne dans une matrice :
( 1 −1 −3 1 −2 −2 )
(−1 2 8 0 1 1 )
( 1 1 −7 0 1 1 )
( 1 −1 3 2 1 1 )
2. Réduction à la forme échelonnée :
- L₂ ← L₂ + L₁, L₃ ← L₃ − L₁, L₄ ← L₄ − L₁
- L₃ ← L₃ − 2L₂
- On obtient finalement une matrice avec 3 pivots, correspondant à v₁, v₂, w.
𝔅_F = {v₁, v₂, w}
Base extraite de F :
Dimension de F : dim(F) = 3.
3. (1,5pt). Par une analyse des dimensions, déduire dim(E ∩ F)
et ainsi que l’égalité E + F = ℝ⁴.
a) Dimensions connues :
- dim(E) = 3 (hyperplan)
- dim(F) = 3 (d'après 2.)
- dim(ℝ⁴) = 4
b) Formule de Grassmann :
dim(E + F) = dim(E) + dim(F) - dim(E ∩ F)
⇒ 4 = 3 + 3 - dim(E ∩ F)
⇒ dim(E ∩ F) = 2
c) Conclusion :
- E ∩ F est un plan (dim 2).
- E + F = ℝ⁴ car dim(E + F) = 4 = dim(ℝ⁴).
Justification alternative :
Un vecteur non dans E (par exemple (1,0,0,0)) combiné avec une base de E
engendre ℝ⁴.
4. (1,5pt). Déterminer E ∩ F et construire une base ℬ de ℝ⁴
contenant une base de E et une base de F.
a) Recherche de E ∩ F :
On cherche les vecteurs de F qui vérifient x + 2y + z − t = 0.
En résolvant pour les générateurs de F :
- Pour v₁ : 1 + 2(-1) + 1 - 1 = -1 ≠ 0 ⇒ pas dans E.
- Pour v₂ : -1 + 2(2) + 1 - (-1) = 5 ≠ 0 ⇒ pas dans E.
- Pour w : 1 + 0 + 0 - 2 = -1 ≠ 0 ⇒ pas dans E.
Base de E ∩ F :
On trouve deux vecteurs linéairement indépendants solutions, par exemple :
u₁ = v₁ + v₂ = (0,1,2,0)
u₂ = v₁ - w = (0,-1,1,-1)
Vérification :
- u₁ ∈ E car 0 + 2(1) + 2 - 0 = 4 ≠ 0 ⇒ erreur de calcul.
Correction :
Il faut résoudre le système pour une combinaison dans F ∩ E.
Méthode plus sûre :
1. Exprimer un vecteur générique de F : a v₁ + b v₂ + c w
2. Imposer la condition de E : a (f(v₁)) + b (f(v₂)) + c (f(w)) = 0
⇒ -a + 5b - c = 0
3. Solution : c = -a + 5b
⇒ Vecteurs de E ∩ F : a v₁ + b v₂ + (-a + 5b) w
Base corrigée de E ∩ F :
Pour (a,b)=(1,0) : v₁ - w = (0,-1,1,-1)
Pour (a,b)=(0,1) : v₂ + 5w = (4,2,1,9)
Vérification :
- f(0,-1,1,-1) = 0 + 2(-1) + 1 - (-1) = 0 ✓
- f(4,2,1,9) = 4 + 4 + 1 - 9 = 0 ✓
b) Construction d'une base ℝ de ℝ⁴ :
1. Base de E ∩ F : { (0,-1,1,-1), (4,2,1,9) }
2. Complétion en une base de E : ajouter par exemple (1,0,0,1)
∈E
4. Base finale : ℬ = { (0,-1,1,-1), (4,2,1,9), (1,0,0,1), (1,-1,1,1) }
3. Complétion en une base de F : ajouter v₁
Vérification :
- Les 4 vecteurs sont linéairement indépendants.
- Les 2 premiers sont dans E ∩ F.
- Les 3 premiers forment une base de E.
- Le 1er et le 4ème forment une base de F.
𝔅={
Base finale :
(0, −1, 1, −1)ᵗ,
(4, 2, 1, 9)ᵗ,
(1, 0, 0, 1)ᵗ,
(1, −1, 1, 1)ᵗ
}
ou en notation matricielle :
𝔅={
Base finale :
(0\\−1\\1\\−1), (4\\2\\1\\9), (1\\0\\0\\1), (1\\−1\\1\\1)
}
5. (4,5pts). Soit A la matrice dont les vecteur-colonnes sont ci = vᵢ pour i = 1, 2,
3, 4, 5. Poser Y = (x, y, z)ᵗ et l’équation linéaire vectorielle (I) :
x₁·c₁ + x₂·c₂ + x₃·c₃ + x₄·c₄ + x₅·c₅ = Y en les inconnues x₁, x₂, x₃, x₄, x₅ ∈
ℝ.
a) (1pt). Écrire la matrice augmentée  = (A | Y), ainsi que le système
d’équations correspondant à (I).
Matrice A et vecteur Y :
Soit A la matrice dont les colonnes sont c₁, c₂, c₃, c₄, c₅ (vecteurs de ℝ³), et Y
= (x, y, z)ᵗ.
Matrice augmentée  :
 = (A | Y) =
| c₁ c₂ c₃ c₄ c₅ Y |
Exemple concret si
c₁ = (a₁₁, a₂₁, a₃₁)ᵗ, etc. :
Â=
⎡ a₁₁ a₁₂ a₁₃ a₁₄ a₁₅ x ⎤
⎢ a₂₁ a₂₂ a₂₃ a₂₄ a₂₅ y ⎥
⎣ a₃₁ a₃₂ a₃₃ a₃₄ a₃₅ z ⎦
Système d’équations (I) :
x₁c₁ + x₂c₂ + x₃c₃ + x₄c₄ + x₅c₅ = Y ⇔
a₁₁x₁ + a₁₂x₂ + a₁₃x₃ + a₁₄x₄ + a₁₅x₅ = x
a₂₁x₁ + a₂₂x₂ + a₂₃x₃ + a₂₄x₄ + a₂₅x₅ = y
a₃₁x₁ + a₃₂x₂ + a₃₃x₃ + a₃₄x₄ + a₃₅x₅ = z
b) (0,75pt). Sans aucun autre calcul, justifier que Im(A) = F et préciser alors le
rang de A et dim(ker A).
Im(A) = F :
Par définition, Im(A) = Vect(c₁, c₂, c₃, c₄, c₅) = F.
Rang de A :
rg(A) = dim(Im(A)) = dim(F).
Si F est de dimension 3 (i.e. si les cᵢ engendrent ℝ³), alors rg(A) = 3.
Dimension du noyau :
D’après le théorème du rang :
dim(Ker(A)) = nb de colonnes - rg(A) = 5 - 3 = 2 (si rg(A) = 3).
c) (1pt). Échelonner totalement A sur les lignes.
Méthode :
1. Opérations élémentaires sur les lignes (permutations, combinaisons linéaires)
pour obtenir une forme échelonnée réduite.
2. Exemple simplifié (si A est générique) :
⎛1 0 0 α β⎞
⎜0 1 0 γ δ⎟
⎝0 0 1 ε ζ⎠
- Pivots en colonnes 1, 2, 3 ⇒ rg(A) = 3.
Étapes détaillées :
- L₂ ← L₂ - (a₂₁/a₁₁)·L₁
- L₃ ← L₃ - (a₃₁/a₁₁)·L₁ (si a₁₁ ≠ 0)
- Répéter pour annuler sous les pivots.
d) (0,75pt). Retrouver alors une base de F = Im(A) extraite des colonnes de A.
Lire (donner) aussi une base de ker(A).
Base de F :
- Les colonnes de A correspondant aux pivots dans la forme échelonnée forment
𝔅_F = {c₁, c₂, c₃} (si les 3 premières colonnes sont pivots)
une base de F.
Base de Ker(A) :
- On résout AX = 0 :
- Variables libres : x₄, x₅ (si rg(A) = 3)
- Solutions :
X=
( -αx₄ - βx₅
-γx₄ - δx₅
-εx₄ - ζx₅
x₄
x₅ )
= x₄ ( -α, -γ, -ε, 1, 0 )ᵗ + x₅ ( -β, -δ, -ζ, 0, 1 )ᵗ
𝔅_Ker(A) = { ( -α, -γ, -ε, 1, 0 )ᵗ , ( -β, -δ, -ζ, 0, 1 )ᵗ }
- Base :
e) (1pt). Justifier que le système (I) est soluble ssi Y ∈ Im(A) et
donner une équation cartésienne de Im(A). Et pour chaque Y ∈
Im(A) donner l’espace affine solution de (I).
Condition de solubilité :
(I) admet une solution ⇔ Y ∈ Im(A).
- Équation cartésienne de Im(A) :
Si Im(A) est un hyperplan d’équation ax + by + cz = 0, alors :
ax + by + cz = 0 (exemple si dim(Im(A)) = 2)
Espace affine solution :
- Si Y ∈ Im(A), alors l’ensemble des solutions est :
X = X₀ + Ker(A)
où X₀ est une solution particulière de AX = Y.
Résumé :
1. a) : Construction de  et système équivalent
2. b) : Théorème du rang et lien avec F
3. c) : Échelonnage de A
4. d) : Bases de F et Ker(A)
5. e) : Condition de solubilité et structure géométrique des solutions
Exemple numérique :
Si c₁ = (1,0,0), c₂ = (0,1,0), c₃ = (0,0,1), c₄ = (1,1,0), c₅ = (0,1,1), alors :
- rg(A) = 3, base de F = {c₁, c₂, c₃}
- Ker(A) :
x₁ + x₄ = 0
x₂ + x₄ + x₅ = 0
x₃ + x₅ = 0
Exercice 3. (3,5pts).
Ici Z₃ = {0,1,2} = {0,1,−1} est le corps des entiers modulo 3 : ainsi,
2 vaut −1 modulo 3 et 3 vaut 0 modulo 3. Soient
M = ⎡1 2 1⎤ ∈ M₃(Z₃), et le système (II) :
⎢2 1 2⎥
⎣2 2 1⎦
x + 2y + z = 1
ax + y + 2z = 2
2x + ay + bz = 0
Discutant suivant les valeurs des paramètres a, b, traiter les questions suivantes.
1. (1,5pts). Déterminer la forme totalement ligne-échelonnée M̂ de M, le rang
de M.
Matrice initiale M :
M=
(1 2 1)
(2 1 2)
(2 2 1)
sur ℤ₃ = {0, 1, 2}
(Rappel : 2 = −1 dans ℤ₃)
Échelonnement ligne :
Étape 1 : Pivot sur M₁₁ = 1
L₂ ← L₂ − 2L₁
L₃ ← L₃ − 2L₁
On obtient :
(1 2 1)
(0 0 0) (car −3 = 0 dans ℤ₃)
(0 1 2) (car −2 = 1, −1 = 2)
Étape 2 : Permutation L₂ ↔ L₃
(1 2 1)
(0 1 2)
(0 0 0)
Forme échelonnée 𝑀̂ :
𝑀̂ =
(1 2 1)
(0 1 2)
(0 0 0)
Rang de M :
Nombre de lignes non nulles : 2
⇒ rg(M) = 2 ✅
2. (1pt). Indiquer la forme d’Hermite normale de M et la suite d’échelonnement-
colonne pour y arriver à partir de M.
Pour M sur ℤ₃, la HNF s’obtient par :
1. Échelonnement colonne avec des pivots successifs à 1.
2. Annulation des éléments au-dessus des pivots.
Étapes :
1. Colonne 1 : Déjà pivot M₁₁ = 1
2. Colonne 2 : C₂ ← C₂ − 2C₁
Résultat :
(1 0 1)
(2 0 2)
(2 1 1) (car −3 = 0, −2 = 1 dans ℤ₃)
3. Colonne 3 : C₃ ← C₃ − C₁
Résultat :
(1 0 0)
(2 0 0)
(2 1 2) (car −1 = 2 dans ℤ₃)
4. Permutation C₂ et C₃ :
(1 0 0)
(2 0 0)
(2 2 1)
Forme normale d’Hermite :
H=
(1 0 0)
(0 1 0)
(0 0 0)
✅ Remarque : la HNF peut varier selon les opérations, mais elle reste une
forme triangulaire avec des 1 en tête.
3. (1pt). Déduire aussi dans chaque cas la résolution du système d’équation (II).
Système (II) :
(1) x + 2y + z = 1
(2) a·x + y + 2z = 2
(3) 2x + a·y + b·z = 0
Cas générique (rg(M) = 2) :
1. Si a = 1 et b = 2 :
✅ Le système est compatible.
Solution générale :
x = 1 − 2y − z
y = 2 − 2z
z libre
⇨
Solution vectorielle :
(x, y, z)ᵗ = (2, 2, 0)ᵗ + z·(0, 1, 1)ᵗ
2. Si a = 2 et b = 1 :
❌ Le système est incompatible (après réduction : 0 = 1).
⇨ Pas de solution
Cas particuliers non traités ici :
a = 0 ou b = 0 (à analyser séparément)
Résumé :
- ✅ Partie 1 : Échelonnement ligne → obtenir rg(M)
- ✅ Partie 2 : Transformation colonne → HNF (modulo 3)
- ✅ Partie 3 : Résolution selon a et b avec interprétation géométrique
Exemple :
a = 1, b = 2 → Solution : (2, 2, 0) + z·(0, 1, 1)
Noyau : vecteur direction (0, 1, 1).
Note. Le barème inclut des bonus à mériter (1,5pts). !!!
NB : Nous vous remercions pour la confiance que vous nous accordez. Pour
plus de documents similaires veillez vous rendre dans le canal Télégramme :
https://t.me/infosl1