为什么 np.linalg.eig() 和 np.linalg.eigh() 返回不同的特征向量？

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:)