Рассмотрим матрицу
.
Видно, что характеристический многочлен этой матрицы будет
, собственные значения - это все комплексные значения корня
, которые мы обозначим
,
.
Отсюда идея - можно искать значение
с помощью алгоритмов поиска собственных значений или векторов. Однако наша матрица для этих алгоритмов плоха - у нее все собственные значения одинаковы по абсолютной величине. Чтобы избавиться от этой проблемы, мы можем "выпятить" интересующее нас собственное значение
, прибавив к матрице единичную. Максимальное по модулю собственное значение матрицы
будет
, и по теореме Фробениуса-Перрона матричная последовательность
будет асимптотически приближаться к
, где
- собственный вектор, соответствующий
, а
- аналогичный собственный вектор матрицы
.
Cобственные векторы будут иметь вид
и
, так что можно найти приближенное значение
, вычислив
и поделив
на
или
на
. Или можно найти приближенное значение
, поделив соответствующие элементы
и
Если вычислять степени матриц двоичным алгоритмом, то сходимость будет квадратичная. Но метод Ньютона, мне кажется, будет лучше.