如何解决为什么 np.linalg.eig() 和 np.linalg.eigh() 返回不同的特征向量?
我试图找到对称矩阵的特征值和特征向量。根据文档 np.linalg.eig()
和 np.linalg.eigh()
都返回相同,唯一的区别是 np.linalg.eigh()
更快且特定于对称矩阵。但我没有得到相同的结果,我无法找出原因。这是我的代码:
L = np.array(
[[-9,1,1],[ 1,-9,-9]])
>>> eigvals_eig,eigvecs_eig = np.linalg.eig(L)
>>> eigvals_eigh,eigvecs_eigh = np.linalg.eigh(L)
# Eigvecs_eig:
[[ 0.81649658 0.57735027 0.34690771]
[-0.40824829 0.57735027 0.46665651]
[-0.40824829 0.57735027 -0.81356422]]
# Eigvecs_eigh
[[ 0.47293137 0.66558439 0.57735027]
[ 0.33994731 -0.74236278 0.57735027]
[-0.81287868 0.07677839 0.57735027]]
三个特征向量中只有一个匹配。我知道特征值的特征向量不是唯一的,但它们都归一化到单位并且它们确实具有相同的符号,因为它们的第一个系数都是正的,所以理论上它们应该是相同的。
我错过了什么?
附言这是我的第一个问题,所以如果我没有以最好的方式写出来,请原谅:)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。