为什么 np.linalg.eig(L) 不能得到正确的结果？

如何解决为什么 np.linalg.eig(L) 不能得到正确的结果？

我们都知道拉普拉斯矩阵的最小特征值为零，特征向量为[1 1 ... 1]，因为每一行的和为零。 所以对于矩阵：[[ 1. -1. 0.][-1. 2. -1.][ 0. -1. 1.]]

我尝试了 np.linalg.eig(L)、np.linalg.eigh(L)、scipy.linalg.eig(L)，但它们中的每一个都无法得到零和 [1 1 ... 1]。

在np.linalg.eig(L)中：

(-3.367702055640532e-17,0.9999999999999998,2.999999999999999)
(array([-0.40824829,0.70710678,0.57735027]),array([8.16496581e-01,2.61239546e-16,5.77350269e-01]),array([-0.40824829,-0.70710678,0.57735027]))

在np.linalg.eigh(L)中：

(9.996582244115599e-17,1.0,3.0)
(array([-0.57735027,0.40824829]),array([-5.77350269e-01,7.58447699e-17,-8.16496581e-01]),array([-0.57735027,0.40824829]))

在scipy.linalg.eig(L)中：

((-3.367702055640532e-17+0j),(0.9999999999999998+0j),(2.999999999999999+0j))
(array([-0.40824829,0.57735027]))

我知道计算机表示错误，但特征向量远非 [1 ... 1]^T。