CHAPITRE 2

Normes matricielles

Contents
2.1 Normes matricielles. Normes subordonnées à une norme vectorielle. 4
2.2 Lien entre normes matricielles et le rayon spectral . . . . . . . . . 19

Soit n ∈ N et K = R ou K = C.

Dans ce chapitre on va définir une classe de normes dans l’espace Mn (K), adaptées au problème
de l’estimation des erreurs commises dans la résolution de systèmes linéaires, problème que l’on
étudiera par la suite.

On commence par rappeler ce que c’est une norme dans un espace vectoriel.

Définition. Norme.
Soit E un espace vectoriel sur le corps K. Une norme sur E est une application ∥·∥ : E −→ R
vérifiant les propriétés suivantes :
i) ∥x∥ ≥ 0, pour tout x ∈ E, et ∥x∥ = 0 ssi x = 0 ;
ii) ∥λx∥ = |λ|∥x∥, pour tout x ∈ E, pour tout λ ∈ K ;
iii) ∥x + y∥ ≤ ∥x∥ + ∥y∥, pour tous x, y ∈ E.
La propriété iii) est connue sous le nom d’inégalité triangulaire.

Exemples.

Sur E = Kn , on a :

1
 n
X
La norme ∥ · ∥1 : ∥x∥1 = |xi |, pour tout x = (x1 , . . . , xn ) ∈ Kn ;
i=1
La norme ∥ · ∥∞ : ∥x∥∞ = max |xi |, pour tout x = (x1 , . . . , xn ) ∈ Kn ;
i=1,...,n
n
X  12
La norme ∥ · ∥2 : ∥x∥2 = |xi |2 , pour tout x = (x1 , . . . , xn ) ∈ Kn ;
i=1
Plus généralement, si p ≥ 1,
X n  p1
La norme ∥ · ∥p : ∥x∥p = |xi |p , pour tout x = (x1 , . . . , xn ) ∈ Kn .
i=1
p
On rappelle que ∥x∥2 = (x|x)C , pour tout x = (x1 , . . . , xn ) ∈ Kn , où (·|·)C est le produit
hermitien canonique sur Cn défini par
n
X
(x|y)C = xi yi , pour tous x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Kn .
i=1

(et pour x, y ∈ Rn , on a (x|x)C = (x|x), où (·|·) est le produit scalaire euclidien sur Rn défini
par
Xn
(x|y) = xi yi , pour tous x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Rn ;
i=1

le produit hermitien canonique entre deux vecteurs x et y de Rn coı̈ncide donc avec leur produit
scalaire euclidien, et on peut utiliser indifféremment l’un ou l’autre produit sur Rn .)

Exercice.
Soit A ∈ Mn (C) une matrice hermitienne définie positive. Montrer que l’application

Cn × Cn −→ C
(x, y) 7→ (Ax|y)C

définit un produit hermitien sur Cn . L’application

Cn −→ R+
p
x 7→ (Ax|x)C

est donc une norme sur Cn , induite par ce produit hermitien.

Proposition 1. Équivalence des normes dans Kn .

Dans Kn toutes les normes sont équivalentes : si N1 : Kn −→ R+ et N2 : Kn −→ R+ sont
des normes, il existe des constantes c, C > 0 tel que

pour tout x ∈ Kn , cN1 (x) ≤ N2 (x) ≤ CN1 (x).

2
Démonstration. Nous rappelons ici la preuve de ce résultat.

Soit N une norme sur Kn . On va commencer par montrer que N est continue comme fonction
de Kn dans R. Soit x = (x1 , . . . , xn ) ∈ Kn et (e1 , . . . , en ) la base canonique de Kn . On a
N (x) = N (x1 e1 + · · · + xn en )
≤ |x1 |N (e1 ) + · · · + |xn |N (en )


≤ max{N (e1 ), . . . , N (en )} |x1 | + · · · + |xn |
= max{N (e1 ), . . . , N (en )}∥x∥1 ,
car N vérifie l’inégalité triangulaire et N (λx) = |λ|N (x), ∀λ ∈ K, x ∈ E.

On en déduit que pour tous x, y ∈ Kn ,

N (x − y) ≤ M ∥x − y∥1 ,
et donc, en appliquant à nouveau l’inégalité triangulaire à N , que
|N (x) − N (y)| ≤ M ∥x − y∥1 ,
avec M = max{N (e1 ), . . . , N (en )}. L’application x ∈ Kn 7→ N (x) est donc continue. Comme
la boule unitaire pour la norme ∥ · ∥1 ,
S1 := {x ∈ Kn | ∥x∥1 = 1}
est un ensemble compacte de Kn , N y admet un minimum. Il existe alors x0 ∈ Kn , ∥x0 ∥1 = 1, tel
que N (x) ≥ N (x0 ), pour tout x ∈ S1 . Comme x0 ̸= 0, on a N (x0 ) > 0. On pose c = N (x0 ) > 0.
On a alors que
pour tout x ∈ Kn , ∥x∥1 = 1, N (x) ≥ c.
 
n x x
On en déduit que pour tout x ∈ K , x ̸= 0, N ∥x∥1 ≥ c, (car ∥x∥ 1
= 1) c’est-à-dire que
1
n
pour tout x ∈ K , x ̸= 0,
N (x) ≥ c∥x∥1 ,
cette inégalité étant aussi trivialement vérifiée pour x = 0.

On conclut alors que quelque soit la norme N sur Kn , on a d’une part, qu’il existe MN > 0
(dépendant de N ) tel que
N (x) ≤ MN ∥x∥1 , pour tout x ∈ Kn ,
d’autre part qu’il existe cN > 0 (dépendant de N ) tel que
N (x) ≥ cN ∥x∥1 , pour tout x ∈ Kn .
Soient alors N1 et N2 normes dans Kn . On a, pour tout x ∈ Kn ,
MN1
N1 (x) ≤ N2 (x)
cN 2
et
MN2
N2 (x) ≤ N1 (x),
cN1
et les normes N1 et N2 sont donc équivalentes.

3
Remarque.
Plus généralement, toutes les normes d’un espace vectoriel E sur K de dimension finie sont
équivalentes.

2.1 Normes matricielles. Normes subordonnées à une

norme vectorielle.

L’espace Mn (K) des matrices carrées de taille n à coefficients dans K est un espace vectoriel
2 2
sur K, isomorphe à Kn . On peut alors considérer sur Mn (K) les normes usuelles de Kn :
Xn
La norme ∥ · ∥1 : ∥A∥1 = |Aij |, pour tout A ∈ Mn (K) ;
i,j=1

La norme ∥ · ∥∞ : ∥A∥∞ = max |Aij |, pour tout A ∈ Mn (K) ;

i,j=1,...,n
n
X  21
2
La norme ∥ · ∥2 , aussi appelée norme de Frobenius : ∥A∥2 = |Aij | , pour tout
i,j=1
A ∈ Mn (K).

On va cependant introduire d’autres normes dans l’espace Mn (K), correspondant aux normes
d’une matrice en tant qu’opérateur linéaire de Kn dans Kn . Ces normes, on le verra, sont mieux
adaptées à la structure particulière de l’espace Mn (K).

On commence par montrer le lemme suivant, qui nous permettra d’introduire ces nouvelles
normes.

Lemme.
Soit A ∈ Mn (K) et ∥ · ∥ : Kn −→ R+ une norme sur Kn . Alors :

1. L’application TA : Kn −→ Kn est continue ;

x 7→ Ax
2. Il existe maxn ∥Ax∥ et maxn ∥Ax∥ ;
x∈K x∈K
∥x∥=1 ∥x∥≤1

∥Ax∥
3. maxn ∥Ax∥ = maxn ∥Ax∥ = sup .
x∈K x∈K x∈Kn ∥x∥
∥x∥=1 ∥x∥≤1 x̸=0

Démonstration.
1. On commence par montrer qu’il existe M > 0 tel que

∥Ax∥ ≤ M ∥x∥1 , pour tout x ∈ Kn .

4
 (remarque : nous avons montré dans la preuve de la proposition 1 (équivalence des normes
sur Kn ) que toute norme est continue, il s’agit ici de reprendre les mêmes arguments).
Soient x = (x1 , . . . , xn ) ∈ Kn et (e1 , . . . , en ) la base canonique de Kn . Alors x = x1 e1 +
· · · + xn en et
∥Ax∥ = ∥Ax1 e1 + · · · + Axn en ∥
≤ ∥x1 Ae1 ∥ + · · · + ∥xn Aen ∥
= |x1 |∥Ae1 ∥ + · · · + |xn |∥Aen ∥


≤ max{∥Ae1 ∥, . . . , ∥Aen ∥} |x1 | + · · · + |xn |
= M ∥x∥1 ,
avec M = max{∥Ae1 ∥, . . . , ∥Aen ∥}. L’application linéaire TA : x ∈ Kn 7→ Ax ∈ Kn est
alors continue car
∥Ax − Ax0 ∥ = ∥A(x − x0 )∥ ≤ M ∥x − x0 ∥1 → 0, si x → x0 .

2. Comme l’application TA est continue sur Kn , l’application x ∈ Kn 7→ ∥TA (x)∥ l’est aussi.
Les ensembles
{x ∈ Kn | ∥x∥ = 1} et {x ∈ Kn | ∥x∥ ≤ 1}
sont des compactes de Kn , l’application ∥TA ∥ admet donc un maximum sur chacun de
ces ensembles. Il existe alors maxn ∥TA (x)∥ = maxn ∥Ax∥ et maxn ∥TA (x)∥ = maxn ∥Ax∥.
x∈K x∈K x∈K x∈K
∥x∥=1 ∥x∥=1 ∥x∥≤1 ∥x∥≤1

3. On commence par montrer que maxn ∥Ax∥ = maxn ∥Ax∥, en montrant que
x∈K x∈K
∥x∥=1 ∥x∥≤1

max ∥Ax∥ ≤ maxn ∥Ax∥ et que maxn ∥Ax∥ ≤ maxn ∥Ax∥.

x∈Kn x∈K x∈K x∈K
∥x∥=1 ∥x∥≤1 ∥x∥≤1 ∥x∥=1

Comme
{x ∈ Kn | ∥x∥ = 1} ⊆ {x ∈ Kn | ∥x∥ ≤ 1},
on a que
max ∥Ax∥ ≤ max ∥Ax∥.
∥x∥=1 ∥x∥≤1
x
Montrons l’inégalité contraire. Soit x ∈ Kn , x ̸= 0, tel que ∥x∥ ≤ 1. Alors est tel que
∥x∥
x
= 1 et on a donc
∥x∥
x
A ≤ max ∥Ay∥,
∥x∥ ∥y∥=1

c’est-à-dire
1
∥Ax∥ ≤ max ∥Ay∥.
∥x∥ ∥y∥=1


On en déduit que ∥Ax∥ ≤ ∥x∥ max ∥Ay∥ ≤ max ∥Ay∥, car ∥x∥ ≤ 1. Cette inégalité
∥y∥=1 ∥y∥=1
étant vraie pour tout x ∈ Kn , ∥x∥ ≤ 1, car elle est trivialement vérifiée pour x = 0, on
en déduit que
maxn ∥Ax∥ ≤ maxn ∥Ax∥.
x∈K x∈K
∥x∥≤1 ∥x∥=1

5
 Montrons maintenant que
∥Ax∥
sup = maxn ∥Ax∥.
x∈Kn ∥x∥ x∈K
x̸=0 ∥x∥=1

On a, pour tout x ∈ Kn , x ̸= 0,
x
A ≤ max ∥Ay∥,
∥x∥ ∥y∥=1

x
car = 1, autrement dit, pour tout x ∈ Kn , x ̸= 0,
∥x∥

∥Ax∥
≤ max ∥Ay∥.
∥x∥ ∥y∥=1

On en déduit que
∥Ax∥
(∗) sup ≤ maxn ∥Ax∥.
x∈Kn ∥x∥ x∈K
x̸=0 ∥x∥=1

Soit maintenant x̃ ∈ Kn , ∥x̃∥ = 1, tel que ∥Ax̃∥ = maxn ∥Ax∥. On a alors, comme ∥x̃∥ = 1,
x∈K
∥x∥=1

∥Ax̃∥
(∗∗) = ∥Ax̃∥ = max ∥Ax∥.
∥x̃∥ ∥x∥=1

On obtient, de (∗) et de (∗∗), que

∥Ax∥
sup = maxn ∥Ax∥.
x∈Kn ∥x∥ x∈K
x̸=0 ∥x∥=1

Remarque.
∥Ax∥
La preuve du lemme précédent montre que l’application x ∈ Kn 7→ admet un maximum
∥x∥
sur Kn \{0}, atteint en x̃ ∈ Kn , ∥x̃∥ = 1, tel que ∥Ax̃∥ = maxn ∥Ax∥.
x∈K
∥x∥=1

On est maintenant en mesure de, pour une norme donnée dans Kn , définir une norme associée
dans Mn (K).

Définition - proposition. Norme subordonnée à une norme vectorielle.

Soit ∥ · ∥ : Kn −→ R+ une norme sur Kn . Alors l’application

6
 ||| · ||| : Mn (K) −→ R+
∥Ax∥
A 7→ |||A||| := sup
x∈Kn ∥x∥
x̸=0

est une norme sur Mn (K), que l’on appelle norme matricielle subordonnée à la norme
vectorielle ∥ · ∥ (ou norme induite par la norme vectorielle ∥ · ∥).

On a aussi que
|||A||| = maxn ∥Ax∥ = maxn ∥Ax∥.
x∈K x∈K
∥x∥=1 ∥x∥≤1

Démonstration. Le lemme précédent montre que

∥Ax∥
maxn ∥Ax∥ = maxn ∥Ax∥ = sup .
x∈K x∈K x∈Kn ∥x∥
∥x∥=1 ∥x∥≤1 x̸=0

∥Ax∥
Montrons que A ∈ Mn (K) 7→ |||A||| := sup est une norme.
x∈Kn ∥x∥
x̸=0
∥Ax∥
i) Supposons |||A||| = 0. Alors pour tout x ∈ Kn , x ̸= 0, = 0. On a alors ∥Ax∥ = 0, et
∥x∥
donc Ax = 0, pour tout x ∈ Kn , x ̸= 0. Cela montre que A = 0.
ii) Soit λ ∈ K, A ∈ Mn (K). On a
∥λAx∥ |λ|∥Ax∥ ∥Ax∥
|||λA||| = sup = sup = |λ| sup = |λ||||A|||.
x∈Kn ∥x∥ x∈Kn ∥x∥ x∈K n ∥x∥
x̸=0 x̸=0 x̸=0

iii) Soient A, B ∈ Mn (K). On a, pour tout x ∈ Kn , x ̸= 0,

∥(A + B)x∥ ∥Ax∥ ∥Bx∥ ∥Ay∥ ∥By∥
≤ + ≤ sup + sup = |||A||| + |||B|||.
∥x∥ ∥x∥ ∥x∥ y∈Kn ∥y∥ y∈Kn ∥y∥
y̸=0 y̸=0

On en déduit que
∥(A + B)x∥
|||A + B||| = sup ≤ |||A||| + |||B|||.
x∈Kn ∥x∥
x̸=0

Remarque 1.
Soit L(Kn , Kn ) l’espace des applications linéaires de Kn dans Kn , et soit ∥ · ∥ une norme sur
Kn . On peut montrer de manière analogue que l’application
L(Kn , Kn ) −→ R+
∥T (x)∥
T 7→ |||T ||| := sup
x∈Kn ∥x∥
x̸=0

7
est une norme sur L(Kn , Kn ). Or les espaces L(Kn , Kn ) et Mn (K) sont isomorphes (l’application
A ∈ Mn (K) 7→ TA ∈ L(Kn , Kn ), avec TA définie par TA (x) = Ax, pour tout x ∈ Kn , est un
isomorphisme). On a ainsi que pour une matrice A ∈ Mn (K), la norme |||A|||, où ||| · ||| est la
norme matricielle subordonnée à la norme vectorielle ∥ · ∥, correspond à la norme de A en tant
qu’opérateur linéaire de Kn dans Kn .

Remarque 2.
Soit ∥ · ∥ une norme dans Cn et ||| · ||| la norme dans Mn (C) subordonnée à la norme vectorielle
∥·∥. La restriction de ∥·∥ à Rn est une norme dans Rn et on peut donc considérer, dans Mn (R),
la norme subordonnée à la norme vectorielle ∥ · ∥ dans Rn , que l’on note encore ||| · |||. On a donc
pour une matrice A à coefficients réels que, soit on la considère comme un élément de Mn (R)
et on calcule sa norme dans Mn (R),

∥Ax∥
|||A||| = sup ,
x∈Rn ∥x∥
x̸=0

soit on la considère comme un élément de Mn (C) et on calcule sa norme dans Mn (C),

∥Ax∥
|||A||| = sup .
x∈Cn ∥x∥
x̸=0

A priori, ces normes ne sont pas les mêmes, mais on verra que pour les normes vectorielles
usuelles de Cn (∥ · ∥1 , ∥ · ∥∞ et ∥ · ∥2 ), elles coı̈ncident. Autrement dit, la restriction à Mn (R)
de la norme matricielle de Mn (C) subordonnée à une des normes vectorielles usuelles de Cn
coı̈ncide avec la norme matricielle de Mn (R) subordonnée à la restriction à Rn de cette norme
vectorielle.

On donne maintenant quelques propriétés spécifiques des normes matricielles subordonnées à

une norme vectorielle.

Proposition 2. Propriétés des normes subordonnées.

Soit ∥ · ∥ : Kn −→ R+ une norme et soit ||| · ||| : Mn (K) −→ R+ la norme matricielle
subordonnée à la norme ∥ · ∥. Alors :
1. |||In ||| = 1 ;
2. ∥Ax∥ ≤ |||A|||∥x∥, pour tout x ∈ Kn ;
3. |||AB||| ≤ |||A||||||B|||, pour tous A, B ∈ Mn (K).

Démonstration.
1. On a
∥In x∥ ∥x∥
|||In ||| = sup = sup = 1.
x∈Kn ∥x∥ x∈K ∥x∥
n
x̸=0 x̸=0

8
 2. Soit x ∈ Kn , x ̸= 0. Alors

∥Ax∥ ∥Ay∥
≤= sup = |||A|||,
∥x∥ y∈Kn ∥y∥
y̸=0

et donc
∥Ax∥ ≤ |||A|||∥x∥.
Cette inégalité est aussi trivialement vérifiée si x = 0. On a donc ∥Ax∥ ≤ |||A|||∥x∥, pour
tout x ∈ Kn .
3. Soit x ∈ Kn , x ̸= 0. Alors

∥(AB)x∥ = ∥A(Bx)∥ ≤ |||A||| ∥Bx∥, d’après 2)

≤ |||A||| |||B||| ∥x∥, d’après 2).

On obtient ainsi que

∥(AB)x∥
pour tout x ∈ Kn , x ̸= 0, ≤ |||A||| |||B|||
∥x∥

et donc que
∥(AB)x∥
|||AB||| := sup ≤ |||A||| |||B|||.
x∈Kn ∥x∥
x̸=0

2
On peut se demander si les normes usuelles sur Kn , c’est-à-dire les normes ∥ · ∥1 , ∥ · ∥∞ et
∥ · ∥2 , sont des normes subordonnées à une norme vectorielle sur Kn . La réponse est non, car
on va montrer que ces normes ne vérifient pas au moins une des propriétés de la proposition
précédente.

Exemple. Les normes ∥ · ∥1 , ∥ · ∥∞ et ∥ · ∥2 sur Mn (K) se sont pas des normes subordonnées.

1. La norme ∥ · ∥1 ne vérifie pas ∥In ∥1 = 1 :

n
X
∥In ∥1 = |(In )ij | = n ̸= 1 (si n > 1).
i,j=1

D’après la proposition précédente, la norme ∥ · ∥1 sur Mn (K) est donc une norme qui
n’est pas subordonnée.

9
 Mais on remarque que ∥AB∥1 ≤ ∥A∥1 ∥B∥1 , pour tous A, B ∈ Mn (K) :
n
X n
X n
X n X
X n
∥AB∥1 = |(AB)ij | = Aik Bkj ≤ |Aik ||Bkj |
i,j=1 i,j=1 k=1 i,j=1 k=1
X n X n n
 X 
= |Aik | |Bkj |
i=1 k=1 j=1
| {z }
Xn
≤ |Bkj |
j,k=1
n X
X n  n
X  Xn X
n
≤ |Aik | |Bkj | = |Aik |∥B∥1
i=1 k=1 j,k=1 i=1 k=1

= ∥B∥1 ∥A∥1 .

2. La norme ∥ · ∥∞ vérifie ∥In ∥∞ = 1, pour tout n ∈ N, mais ne vérifie pas

∥AB∥∞ ≤ ∥A∥∞ ∥B∥∞ , pour tous A, B ∈ Mn (K) : si
 
1 1
A=B= ,
1 1

alors  
2 2
AB =
2 2
et ∥AB∥∞ = 2 > ∥A∥∞ ∥B∥∞ = 1 · 1 = 1. C’est donc aussi une norme sur Mn (K) qui
n’est subordonnée à aucune norme sur Kn .
3. La norme ∥ · ∥2 ne vérifie pas ∥In ∥2 = 1 et n’est donc elle non plus subordonnée à aucune
norme sur Kn : n
X 1 √
2 2
∥In ∥2 = |(In )ij | = n ̸= 1 (si n > 1).
i,j=1

Mais on remarque que ∥AB∥2 ≤ ∥A∥2 ∥B∥2 , pour tous A, B ∈ Mn (K) : par application
de l’inégalité de Cauchy-Schwarz on a

10
 n n n
X X X 2
∥AB∥22 = |(AB)ij |2 = Aik Bkj
i,j=1 i,j=1 k=1
X n X
n 2
≤ |Aik | |Bkj | (inégalité triangulaire dans K)
i,j=1 k=1
n n n
X  X
12 X
21 2
≤ |Aik |2 |Bkj |2 (Cauchy-Schwarz dans Rn )
i,j=1 k=1 k=1
n
XX X n n Xn
|Aik |2 |Bkj |2



=
i=1 j=1 k=1 k=1
Xn Xn n
X Xn
|Aik |2 |Bkj |2



=
i=1 k=1 j=1 k=1
n
X n
 X 
= |Aik |2 |Bkj |2
i,k=1 j,k=1

= ∥A∥22 ∥B∥22 .

On cherche alors à savoir comment sont définies les normes matricielles subordonnées aux
normes usuelles ∥ · ∥1 , ∥ · ∥∞ et ∥ · ∥2 sur Kn , autrement dit, que vaut, pour A ∈ Mn (K),
∥Ax∥p
|||A|||p = sup , pour p = 1, ∞ ou 2.
x∈Kn ∥x∥p
x̸=0

Proposition 3. Normes subordonnées aux normes ∥ · ∥1 et ∥ · ∥∞ .

1. Considérons, sur Kn , la norme ∥ · ∥1 (définie par ∥x∥1 = i |xi |, ∀ x = (x1 , . . . , xn ) ∈

P
Kn ). On note |||·|||1 la norme matricielle sur Mn (K) subordonnée à la norme vectorielle
∥ · ∥1 . Alors on a
n
X
|||A|||1 = max |Aij |, pour tout A ∈ Mn (K).
j∈{1,...,n}
i=1

2. Considérons, sur Kn , la norme ∥ · ∥∞ (définie par ∥x∥∞ = maxi |xi |, ∀ x =

(x1 , . . . , xn ) ∈ Kn ). On note ||| · |||∞ la norme matricielle sur Mn (K) subordonnée
à la norme vectorielle ∥ · ∥∞ . Alors on a
n
X
|||A|||∞ = max |Aij |, pour tout A ∈ Mn (K).
i∈{1,...,n}
j=1

Démonstration.

11
1. Soit A ∈ Mn (K). On va montrer que
n
∥Ax∥1 X
pour tout x ∈ Kn , x ̸= 0, ≤ max |Aij |
∥x∥1 j∈{1,...,n}
i=1

et qu’il existe x̃ ∈ Kn , x̃ ̸= 0, tel que

n
∥Ax̃∥1 X
= max |Aij |,
∥x̃∥1 j∈{1,...,n}
i=1

ce qui montre que

n
∥Ax∥1 X
|||A|||1 := sup = max |Aij |.
x∈Kn ∥x∥1 j∈{1,...,n}
x̸=0 i=1

Soit x ∈ Kn , x ̸= 0. On a
n
X n
X n
X
∥Ax∥1 = |(Ax)i | = Aij xj
i=1 i=1 j=1
Xn X n 
≤ |Aij | |xj | (inégalité triangulaire dans K)
i=1 j=1
n
XX n
= |Aij | |xj |
j=1 i=1
Xn n
X 
= |xj | |Aij |
j=1 i=1
| {z }
≤maxj n
P
i=1 |A ij |

 n
X n
X
≤ max |Aij | |xj |
j=1,...,n
i=1 j=1
 Xn 
= max |Aij | ∥x∥1 .
j=1,...,n
i=1

On obtient ainsi que pour tout x ∈ Kn , x ̸= 0,

n
∥Ax∥1 X
≤ max |Aij |.
∥x∥1 j∈{1,...,n}
i=1

Soit maintenant j0 ∈ {1, . . . , n} tel que

n
X n
X
|Aij0 | = max |Aij |
j∈{1,...,n}
i=1 i=1

et soit x̃ le j0 ème vecteur de la base canonique de Kn (x̃j0 = 1, x̃i = 0 si i ̸= j0 .) On a

12
 n
X
∥x̃∥1 = |xi | = 1 et
i=1
n n n n
∥Ax̃∥1 X X X X
= ∥Ax̃∥1 = |(Ax̃)i | = Aij x̃j = |Aij0 |
∥x̃∥1 i=1 i=1 j=1 i=1
| {z }
̸=0 seulement pour j=j0

Il existe donc x̃ ∈ Kn , x̃ ̸= 0, tel que

n
∥Ax̃∥1 X
= max |Aij |.
∥x̃∥1 j∈{1,...,n}
i=1

2. On a
∥Ax∥∞
|||A|||∞ = sup .
x∈Kn ∥x∥∞
x̸=0

Nous allons montrer que

i)
n
∥Ax∥∞ X
sup ≤ max |Aij |
x∈Kn ∥x∥∞ i∈{1,...,n}
x̸=0 j=1

et que
ii)
n
X ∥Ax∥∞
max |Aij | ≤ sup ,
i∈{1,...,n}
j=1
x∈Kn ∥x∥∞
x̸=0

ce qui montre que

n
X
|||A|||∞ = max |Aij |.
i∈{1,...,n}
j=1
n
Montrons i). Soit x ∈ K . On a
n
X
∥Ax∥∞ = max |(Ax)i | = max Aij xj
i=1,...,n i=1,...,n
j=1
n
X
≤ max |Aij | |xj | (inégalité triangulaire dans K)
i=1,...,n
j=1
Xn
≤ max |Aij | ∥x∥∞
i=1,...,n
j=1
 n
X 
= ∥x∥∞ max |Aij | .
i=1,...,n
j=1

On en déduit que pour tout x ∈ Kn , x ̸= 0,

n
∥Ax∥∞ X
≤ max |Aij |
∥x∥∞ i∈{1,...,n}
j=1

13
et donc que
n
∥Ax∥∞ X
sup ≤ max |Aij |.
x∈Kn ∥x∥∞ i∈{1,...,n}
j=1
x̸=0

Montrons maintenant ii). Soit i0 ∈ {1, . . . , n} tel que

n
X n
X
max |Aij | = |Ai0 j |.
i∈{1,...,n}
j=1 j=1

Nous allons montrer qu’il existe x̃ ∈ Kn , ∥x̃∥∞ = 1, tel que

n
X
∥Ax̃∥∞ ≥ |Ai0 j |.
j=1

On aura alors
n n
∥Ax∥∞ ∥Ax̃∥∞ X X
sup ≥ = ∥Ax̃∥∞ ≥ |Ai0 j | = max |Aij |,
x∈Kn ∥x∥∞ ∥x̃∥∞ i∈{1,...,n}
x̸=0 j=1 j=1

c’est-à-dire ii). Soit x̃ ∈ Kn tel que


1, Ai0 j = 0,
x̃j =
 Ai0 j , Ai0 j ̸= 0.
|Ai0 j |

On a |x̃j | = 1, pour tout j, donc ∥x̃∥∞ = 1, et

∥Ax̃∥∞ = max |(Ax̃)i | ≥ |(Ax̃)i0 |

i=1,...,n
X n n
X
= Ai0 j x̃j = Ai0 j x̃j
j=1 j=1
Ai0 j ̸=0
n
X Ai0 j Ai0 j
=
j=1
|Ai0 j |
| {z }
Ai0 j ̸=0
|Ai j |2
0 =|Ai0 j |
|Ai j |
0
n
X
= |Ai0 j |
j=1
Ai0 j ̸=0
n
X
= |Ai0 j |.
j=1

14
Remarque 3.
On a, pour tout A ∈ Mn (K),
n
X
|||A|||1 = max |Aij | = max ∥Cj ∥1 ,
j∈{1,...,n} j∈{1,...,n}
i=1

avec Cj la jème colonne de A, et

n
X
|||A|||∞ = max |Aij | = max ∥Li ∥1 ,
i∈{1,...,n} i∈{1,...,n}
j=1

avec Li la ième ligne de A.

Remarque 4.
Le résultat de la proposition précédente est valable pour les normes subordonnées aux normes
vectorielles ∥ · ∥1 et ∥ · ∥∞ de Rn ou de Cn . On remarque alors que l’on a montré que pour
A ∈ Mn (R) on a
n
∥Ax∥1 ∥Ax∥1 X
sup = sup = max |Aij |
x∈Rn ∥x∥1 x∈Cn ∥x∥1 j∈{1,...,n}
x̸=0 x̸=0 i=1

et n
∥Ax∥∞ ∥Ax∥∞ X
sup = sup = max |Aij |.
x∈Rn ∥x∥∞ x∈Cn ∥x∥∞ i∈{1,...,n}
x̸=0 x̸=0 j=1

Cela veut dire que |||A|||1 et |||A|||∞ sont les mêmes, que l’on considère A comme un élément de
Mn (R), ou comme un élément de Mn (C). Autrement dit, la restriction à Mn (R) des normes
||| · |||1 et ||| · |||∞ dans Mn (C) coı̈ncide respectivement avec les normes ||| · |||1 et ||| · |||∞ de Mn (R).

On cherche maintenant à savoir ce que c’est ||| · |||2 , la norme matricielle subordonnée à la norme
∥ · ∥2 de Kn .

Soit A ∈ Mn (K). On a
∥Ax∥2
|||A|||2 = sup ,
x∈Kn ∥x∥2
x̸=0

et, pour x ∈ Kn ,
p p p
∥Ax∥2 = (Ax|Ax)C = (A∗ Ax|x)C , ∥x∥2 = (x|x)C ,

avec (·|·)C le produit hermitien canonique sur Cn (dont la restriction à Rn coı̈ncide avec le
produit scalaire euclidien). Or la matrice A∗ A :
— est hermitienne ((A∗ A)∗ = A∗ A). Les valeurs propres de A∗ A sont donc réelles et il existe
(u1 , . . . , un ) base orthonormée de Kn constituée de vecteurs propres de A∗ A (A∗ A est
diagonalisable dans une base o. n. de vecteurs propres) ;

15
 — est positive, car

(A∗ Ax|x)C = (Ax|Ax)C = ∥Ax∥2 ≥ 0, pour tout x ∈ Kn ;

ses valeurs propres sont donc positives.

Soient alors λ1 , . . . , λn les valeurs propres positives de A∗ A que l’on suppose telles que 0 ≤ λ1 ≤
· · · ≤ λn . Soit (u1 , . . . , un ) une base orthonormée de Kn formée de vecteurs propres de A∗ A tel
que, pour i ∈ {1, . . . , n}, ui est un vecteur propre de A∗ A associé à la valeur propre λi .

Soit x ∈ Kn , x ̸= 0. Il existe α1 , . . . , αn ∈ K tel que

x = α1 u1 + · · · αn un .

On a alors, d’une part,

(x|x)C = (α1 u1 + · · · + αn un |α1 u1 + · · · + αn un )C

= α1 (u1 |α1 u1 + · · · + αn un )C + · · · + αn (un |α1 u1 + · · · + αn un )C



= α1 α1 (u1 |u1 )C + · · · + α1 αn (u1 |un )C + · · · + αn α1 (un |u1 )C + · · · + αn αn (un |un )C
= α1 α1 (u1 |u1 )C + · · · + αn αn (un |un )C , car (ui |uj )C = 0 si i ̸= j,
2 2
= |α1 | + · · · + |αn | , car (ui |ui )C = 1,

et, d’autre part,

(Ax|Ax)C = (A∗ Ax|x)C = A∗ A(α1 u1 + · · · + αn un )|α1 u1 + · · · + αn un C

= α1 λ1 u1 + · · · + αn λn un |α1 u1 + · · · + αn un C
= α1 λ1 α1 (u1 |u1 )C + · · · + αn λn αn (un |un )C , car (ui |uj )C = 0 si i ̸= j,
2 2
= |α1 | λ1 + · · · + |αn | λn , car (ui |ui )C = 1,
2 2 2 2



≤ max λi |α1 | + · · · + |αn | = λn |α1 | + · · · + |αn |
i=1,...,n

= λn ∥x∥2 2 .

On en déduit que pour tout x ∈ Kn , x ̸= 0,

∥Ax∥2 2 ∗
2 ≤ λn = ρ(A A),
∥x∥2

et donc que
∥Ax∥2 p
≤ ρ(A∗ A),
∥x∥2
avec ρ(A∗ A) le plus grand module des valeurs propres de A∗ A, c’est-à-dire la plus grande valeur
propre de A∗ A car celles-ci sont toutes positives.

Montrons maintenant qu’il existe u ∈ Kn , u ̸= 0, tel que

∥Au∥2 p
= ρ(A∗ A),
∥u∥2

16
ce qui montre que
∥Ax∥2 p
|||A|||2 := sup = ρ(A∗ A).
x∈Kn ∥x∥2
x̸=0

Soit un ∈ Kn vecteur propre de A∗ A associé à λn (on remarque que un ∈ Rn , si K = R, et

un ∈ Cn , si K = C, car si K = R, A∗ A = AT A est une matrice symétrique réelle qui admet
donc une base de vecteurs propres réels). On a
p p p
∥Aun ∥2 (Aun |Aun )C (A∗ Aun |un )C (λn un |un )C
= = =
∥un ∥2 ∥un ∥2 ∥un ∥2 ∥un ∥2
p
λn (un |un )C
=
∥un ∥2
p ∥un ∥2
= λn
∥un ∥2
p p
= λn = ρ(A∗ A).

On peut donc énoncer le résultat suivant.

Proposition 4. Norme subordonnée à la norme ∥ · ∥2 .

P  21
n 2
Considérons, sur K , la norme ∥ · ∥2 (définie par ∥x∥2 = i |xi | , ∀ x = (x1 , . . . , xn ) ∈
n
K ). On note ||| · |||2 la norme matricielle sur Mn (K) subordonnée à la norme vectorielle
∥ · ∥2 . Alors on a
p √
|||A|||2 = ρ(A∗ A) = max∗ λ, pour tout A ∈ Mn (K).
λ∈spec(A A)

p
En particulier, si A ∈ Mn (R), on a |||A|||2 = ρ(AT A).

On a en plus que
|||A|||2 = |||A∗ |||2 , pour tout A ∈ Mn (K).

p
Démonstration. Nous avons déjà montré que |||A|||2 = ρ(A∗ A), pour tout A ∈ Mn (K). Mon-
trons que |||A|||2 = |||A∗ |||2 , pour tout A ∈ Mn (K), en montrant que

|||A|||2 ≤ |||A∗ |||2 , pour tout A ∈ Mn (K).

Si la propriété ci-dessus est vraie, alors pour tout A ∈ Mn (K) on aura aussi

|||A∗ |||2 ≤ |||(A∗ )∗ |||2 = |||A|||2

et donc |||A|||2 = |||A∗ |||2 .

17
Soit alors A ∈ Mn (K). On a
∥Ax∥2
|||A|||2 = sup
x∈Kn ∥x∥2
x̸=0

et
∥Ax∥2 2 = (Ax|Ax)C = (A∗ Ax|x)C
≤ ∥A∗ Ax∥2 ∥x∥2 , par l’inégalité de Cauchy-Schwarz,
∗
≤ |||A A|||2 ∥x∥2 ∥x∥2 (toute norme subordonnée vérifie ∥M x∥ ≤ |||M |||∥x∥, ∀ M, ∀ x),
≤ |||A|||2 |||A∗ |||2 ∥x∥2 2 (toute norme subordonnée vérifie |||M N ||| ≤ |||M ||||||N |||, ∀M, N ).
On en déduit que pour tout x ∈ Kn , x ̸= 0,
∥Ax∥2 2
≤ |||A|||2 |||A∗ |||2
∥x∥2 2
et donc que pour tout x ∈ Kn , x ̸= 0,
∥Ax∥2 p p
≤ |||A|||2 |||A∗ |||2 .
∥x∥2
On obtient alors que
∥Ax∥2 p p
|||A|||2 := sup ≤ |||A|||2 |||A∗ |||2
x∈Kn ∥x∥2
x̸=0
p p
et, en conséquence, que |||A|||2 ≤ |||A∗ |||2 , et finalement que |||A|||2 ≤ |||A∗ |||2 .

Exercice. On aurait pu montrer que |||A|||2 = |||A∗ |||2 en montrant que les matrices A∗ A et
AA∗ ont les mêmes valeurs propres, et donc le même rayon spectral. Il s’agit d’un exercice de
la feuille de TD n°3.

Remarque 5.
La preuve de la proposition 4 montre que, pour A matrice à coefficients réelles, que l’on la
considère comme un élément de Mn (R) et que l’on calcule sa norme subordonnée à la norme
∥ · ∥2 de Rn , dans Mn (R), ou que l’on la considère comme un élément de Mn (C) et que l’on
calcule sa norme subordonnée à la norme ∥ · ∥2 de Cn , dans Mn (C), on a
∥Ax∥2 ∥Ax∥2 p p
sup = sup = ρ(A∗ A) = ρ(AT A).
x∈Rn ∥x∥2 x∈Cn ∥x∥2
x̸=0 x̸=0

Autrement dit, la restriction à Mn (R) de la norme ||| · |||2 dans Mn (C) (la norme subordonnée
à la norme vectorielle ∥ · ∥2 de Cn ) coı̈ncide avec la norme ||| · |||2 dans Mn (R) (la norme
subordonnée à la norme vectorielle ∥ · ∥2 de Rn ).

Pour une matrice réelle A ∈ Mn (R), il est donc indifférent de calculer sa norme subordonnée
à la norme vectorielle ∥ · ∥2 de Rn ou de calculer sa norme subordonnée à la norme vectorielle
∥ · ∥2 de Cn .

18
 Définition. Valeurs singulières d’une matrice.
Soit A ∈ Mn (K). On appelle valeurs singulières de A les racines carrées des valeurs
propres positives de la matrice A∗ A.

On a alors que pour une matrice A ∈ Mn (K) quelconque, |||A|||2 est la plus grande valeur
singulière de A.

2.2 Lien entre normes matricielles et le rayon spectral

Dans toute cette partie, on considère K = C. Si A ∈ Mn (R), on la considère comme un élément

de Mn (C).

On remarque que l’application

Mn (K) −→ R+
A 7→ ρ(A) = max |λ|
λ∈spec(A)

n’est pas une norme dans Mn (K) car on peut avoir ρ(A) = 0 avec A ̸= 0Mn (K) . Par exemple la
matrice  
0 1
A=
0 0
est telle que A ̸= 0 et ρ(A) = 0.

On a toutefois qu’il existe des matrices pour lesquelles la norme subordonnée à la norme ∥ · ∥2
coı̈ncide avec leur rayon spectral : il s’agit des matrices normales.

Proposition 5. Norme subordonnée à la norme 2 pour les matrices normales.

Soit A ∈ Mn (C) une matrice normale, c’est-à-dire vérifiant AA∗ = A∗ A. Soit |||·|||2 la norme
matricielle dans Mn (C) subordonnée à la norme ∥ · ∥2 de Cn . Alors

|||A|||2 = ρ(A).

Démonstration. A étant normale, A est diagonalisable dans une base orthonormale de vecteurs
propres, c’est-à-dire qu’il existe une base orthonormale (u1 , . . . , un ) de Cn constituée de vecteurs
propres de A. Soient λ1 , . . . , λn ∈ C les valeurs propres de A et supposons que pour tout
i ∈ {1, . . . , n} Aui = λi ui . Soit x ∈ Cn et calculons ∥Ax∥
∥x∥2
2
. Comme (u1 , . . . , un ) est une base de
n
C , il existe α1 , . . . , αn ∈ C tel que x = α1 u1 + · · · + αn un . On a alors
∥x∥2 2 = (x|x)C = |α1 |2 + · · · + |αn |2

19
(cf. les calculs faits pour montrer la proposition 4) et

∥Ax∥2 2 = (Ax|Ax)C = A(α1 u1 + · · · + αn un )|A(α1 u1 + · · · + αn un ) C

= α1 λ1 u1 + · · · + αn λn un |α1 λ1 u1 + · · · + αn λn un C
= α1 λ1 α1 λ1 + · · · + αn λn αn λn , car (ui |uj )C = δij ,
= |α1 |2 |λ1 |2 + · · · + |αn |2 |λn |2 ,
≤ max |λi |2 |α1 |2 + · · · + |αn |2


i=1,...,n

2
= ρ(A) |α1 |2 + · · · + |αn |2



2
= ρ(A) ∥x∥2 2 .

On en déduit que pour tout x ∈ Cn , x ̸= 0,

∥Ax∥2
≤ ρ(A),
∥x∥2
et donc que
∥Ax∥2
(∗) |||A|||2 := sup ≤ ρ(A).
x∈Cn ∥x∥2
x̸=0

On a maintenant que, si λi est une valeur propre de A tel que ρ(A) = |λi |, pour ui vecteur
propre associé à λi on a
∥Aui ∥2 ∥λi ui ∥2 |λi | ∥ui ∥2
(∗∗) = = = |λi | = ρ(A).
∥ui ∥2 ∥ui ∥2 ∥ui ∥2
De (∗) et de (∗∗) on déduit que |||A|||2 = ρ(A).

Remarque 6.
La preuve de la proposition 5 est valable pour A ∈ Mn (C) et pour la norme ||| · |||2 de Mn (C),
subordonnée à la norme vectoriel ∥ · ∥2 de Cn . Mais on a aussi, pour toute matrice normale
A ∈ Mn (R), pour la norme de Mn (R) subordonnée à la norme ∥ · ∥2 de Rn ,
∥Ax∥2
|||A|||2 := sup = ρ(A).
x∈Rn ∥x∥2
x̸=0

En effet, à la suite de la remarque 5, pour toute matrice A ∈ Mn (R), que l’on considère A
comme un élément de Mn (R) ou comme un élément de Mn (C), on a
∥Ax∥2 ∥Ax∥2 p
sup = sup = ρ(AT A).
x∈Rn ∥x∥2 x∈Cn ∥x∥2
x̸=0 x̸=0

La proposition 5 donne que pour une matrice normale A ∈ Mn (R),

∥Ax∥2
sup = ρ(A),
x∈Cn ∥x∥2
x̸=0

20
et la remarque 5 donne alors que
∥Ax∥2 ∥Ax∥2
ρ(A) = sup = sup .
x∈Cn ∥x∥2 x∈Rn ∥x∥2
x̸=0 x̸=0

Le résultat suivant établit un lien entre une norme subordonnée quelconque et le rayon spectral.

Proposition 6.

1. Soit ||| · ||| une norme matricielle dans Mn (C), subordonnée à une norme vectorielle
∥ · ∥ sur Cn . Alors
pour tout A ∈ Mn (C), ρ(A) ≤ |||A|||.
2. Réciproquement, pour toute matrice A ∈ Mn (C), pour tout ϵ > 0, il existe ||| · |||
norme matricielle subordonnée de Mn (C), qui dépend de A et de ϵ, tel que

|||A||| ≤ ρ(A) + ϵ.

Démonstration. Le résultat 2. est un résultat technique, qui peut être obtenu comme conséquence
de la triangularisation de toute matrice A. Nous l’admettons ici, une preuve est donnée dans le
livre Algèbre linéaire numérique, de G. Allaire et S. M. Kaber, Editions Ellipses, 2002.

Montrons 1. Soit ∥ · ∥ une norme sur Cn et ||| · ||| la norme matricielle sur Mn (C) subordonnée
à la norme ∥ · ∥. Soit A ∈ Mn (C) et λ ∈ C valeur propre de A tel que ρ(A) = |λ|. Soit
x ∈ Cn , x ̸= 0, vecteur propre de A associé à la valeur propre λ. On a alors Ax = λx et donc
∥λx∥ = ∥Ax∥ ≤ |||A|||∥x∥.
Mais on a par ailleurs
∥λx∥ = |λ|∥x∥.
On en déduit que
|λ|∥x∥ ≤ |||A|||∥x∥,
et, comme x ̸= 0, et donc ∥x∥ =
̸ 0, on obtient que
|λ| = ρ(A) ≤ |||A|||.

Remarque 7.
Il est aussi vrai que pour toute matrice A ∈ Mn (R) on a ρ(A) ≤ |||A|||, quelque soit la norme
matricielle subordonnée ||| · ||| dans Mn (R). La preuve est plus astucieuse, nous ne la donnons
pas ici, on peut la trouver dans la référence Matrices : Theory and Applications, de D. Serre,
Springer-Verlag, 2002.

21