El proceso es bastante sencillo dado el hecho de que cualquier matriz cuadrada tiene al menos un autovalor y autovector.
Supongamos Ax=λx. A continuación,⟨x,Ax⟩=⟨Ax,x⟩=¯⟨x,Ax⟩=λ‖, por lo tanto \lambda \in \mathbb{R}.
El punto acerca de ser Hermitian es que si x es un autovector de aA, \text{sp} \{x\} y el subespacio \{x\}^\bot son invariantes bajo A. Para ver el último, supongamos v \bot x,\langle x , Av \rangle = \langle Ax , v \rangle = \lambda \langle x , v \rangle = 0, por lo tanto A v \bot x. Ahora vamos a v_k ser una base para \{x\}^\bot, luego en la base x, v_1,...,v_k, A debe tener un bloque diagonal de la forma:
A \sim \begin{bmatrix} \lambda & \\ & \tilde{A}\end{bmatrix}
(Por \sim me refiero a que las dos matrices son similares).
Ahora se encuentra un autovalor de a \tilde{A} (que también debe ser Hermitian) y repetir el proceso hasta que A es diagonalized.