Dans cette thèse, on aborde trois thèmes : problème de sélection de colonnes dans une matrice, distance de Banach-Mazur au cube et estimation de la covariance de matrices aléatoires. Bien que les trois thèmes paraissent éloignés, les techniques utilisées se ressemblent tout au long de la thèse.
Dans un premier lieu, nous généralisons le principe d'invertibilité restreinte de Bourgain-Tzafriri. Ce résultat permet d'extraire un "grand" bloc de colonnes linéairement indépendantes dans une matrice et d'estimer la plus petite valeur singulière de la matrice extraite. Nous proposons ensuite un algorithme déterministe pour extraire d'une matrice un bloc presque isométrique c'est à dire une sous-matrice dont les valeurs singulières sont proches de $1$. Ce résultat nous permet de retrouver le meilleur résultat connu sur la célèbre conjecture de Kadison-Singer. Des applications à la théorie locale des espaces de Banach ainsi qu'à l'analyse harmonique sont déduites.
Nous donnons une estimation de la distance de Banach-Mazur d'un corps convexe de $\mathbb{R}^n$ au cube de dimension $n$. Nous proposons une démarche plus élémentaire, basée sur le principe d'invertibilité restreinte, pour améliorer et simplifier les résultats précédents concernant ce problème.
Plusieurs travaux ont été consacrés pour approcher la matrice de covariance d'un vecteur aléatoire par la matrice de covariance empirique. Nous étendons ce problème à un cadre matriciel et on répond à la question. Notre résultat peut être interprété comme une quantification de la loi des grands nombres pour des matrices aléatoires symétriques semi-définies positives. L'estimation obtenue s'applique à une large classe de matrices aléatoires.