Siempre probar los ejemplos, comenzando con el más sencillo de los ejemplos posibles (esto puede tomar un poco de pensamiento en cuanto a que los ejemplos son las más simples). Hace, por ejemplo, la matriz identidad de complejos vectores propios? Esto es bastante fácil de responder, ¿verdad?
Ahora, para el caso general: si $A$ es cualquier real de la matriz con el real autovalor $\lambda$, entonces tenemos una selección de looking for real vectores propios o complejos, los vectores propios. El teorema de aquí es que el $\mathbb{R}$-dimensión del espacio de la real vectores propios de a $\lambda$ es igual a la $\mathbb{C}$-dimensión del espacio de vectores propios complejos para $\lambda$. De ello se sigue que (yo) hemos de tener siempre la no-real vectores propios (esto es fácil: si $v$ es un verdadero vector propio, a continuación, $iv$ no es real autovector) y (ii) siempre habrá un $\mathbb{C}$-base para el espacio de vectores propios complejos que consisten enteramente real vectores propios.
Como para la prueba: las $\lambda$-espacio propio es el núcleo de la (transformación lineal dada por la matriz $\lambda I_n - A$. Por la clasificación de nulidad teorema de la dimensión de este kernel es igual a $n$ menos el rango de la matriz. Dado que el rango de una verdadera matriz no cambia cuando la consideramos como un complejo de la matriz (por ejemplo, la reducción escalonada es único por lo que debe permanecer la misma sobre el paso de$\mathbb{R}$$\mathbb{C}$), la dimensión del kernel no cambia. Por otra parte, si $v_1,\ldots,v_k$ son un conjunto de bienes vectores que son linealmente independientes sobre $\mathbb{R}$, entonces ellos también son linealmente independientes sobre $\mathbb{C}$ (para ver esto, basta con escribir una dependencia lineal de la relación de más de $\mathbb{C}$ y descomponer en partes real e imaginaria), por lo que cualquier $\mathbb{R}$-base para el subespacio propio de más de $\mathbb{R}$ $\mathbb{C}$- base para el subespacio propio sobre $\mathbb{C}$.