Решение собственного вектора NumPy отличается от Wolfram Alpha и моего личного расчета вручную.
>>> import numpy.linalg
>>> import numpy as np
>>> numpy.linalg.eig(np.array([[-2, 1], [2, -1]]))
(array([-3., 0.]), array([[-0.70710678, -0.4472136 ],
[ 0.70710678, -0.89442719]]))
Wolfram Alpha https://www.wolframalpha.com/input/?i=eigenvectors+%7B%7B-2,1%7D,%7B%2B2,-1%7D%7D и мой личный расчет дает собственные векторы (-1, 1) и (2, 1). Однако решение NumPy отличается.
Однако вычисленные собственные значения NumPy подтверждаются Wolfram Alpha и моими личными расчетами.
Итак, это ошибка в NumPy или мое понимание математики слишком простое? Аналогичный поток Numpy, кажется, создает неправильные собственные векторы, видит основное различие в округлении/ масштабирование собственных векторов, но отклонение между решениями будет огромным.
С уважением