numpy 特征向量和特征值没有意义

如何解决numpy 特征向量和特征值没有意义

抱歉，可能主题太强了？但它让我的小脑袋发疯..请看下面的代码

import numpy as np

from scipy.spatial import distance

test1 = [
[1006,424,1203,462],[1288,423,1429,461],[1004,266,1193,304],[171,1226,247,1263],[316,1224,556,1262],[909,1222,1398,1268],[1634,1796,1260],[732,583,1058,628],]

test2 = [
[1188,455,1340,498],[1188,516,1285,558],'NA',[85,1137,119,1171],[305,1138,505,1176],[1060,1136,1113,1175],[1463,1135,1549,1169],[966,781,1114,817]
]

n = len( test1 )
square_matrix = np.zeros((n,n))

for i in range(len(square_matrix)):
        for j in range(len(square_matrix[i])):
                square_matrix[i][j] = 10 # default value if NA else,0 gives wrong meaning
for i in range(len(test1)):
        for j in range(len(test1)):
                square_matrix[i][j] = distance.euclidean(test1[i],test1[j])

print( square_matrix )
from numpy import linalg as LA
w0,v0 = LA.eig( square_matrix )
print('---------------------')
print( w0 )

print('---------------------')
print( v0 )

print('baigan test')
print( np.matmul( square_matrix,v0[0] ) )
print( w0[0]*v0[0]  )

print('baigan test2')
print( np.matmul( square_matrix,v0[1] ) )
print( ( w0[1]*v0[1] ) )

假设每个特征值和特征向量都需要满足条件 A x X = W x X 其中 A 是输入方阵，W 是特征值，X 是向量

我测试了相同的东西，它绝对不一样（下面 "baigan test" print) ..请随意执行并亲自查看。我的理解缺少什么，因为我确定 numpy 是金色的（严重..）