我想使用 Numpy 计算特征值和特征向量。这是我的代码:
import numpy as np
from numpy import linalg as LA
lapl = np.array(
[[ 2, -1, -1, 0, 0, 0],
[-1, 3, 0, -1, 0, -1],
[-1, 0, 2, -1, 0, 0],
[ 0, -1, -1, 3, -1, 0],
[ 0, 0, 0, -1, 2, -1],
[ 0, -1, 0, 0, -1, 2]])
w, v = LA.eigh(lapl)
print ('Eigenvalues:', np.round(w,0))
print ('Eigenvectors:', np.round(v,2))
结果如下:
Eigenvalues: [ 0. 1. 2. 3. 3. 5.]
Eigenvectors: [[ 0.41 0.5 0.41 -0.46 0.34 0.29]
[ 0.41 0. 0.41 0.53 0.23 -0.58]
[ 0.41 0.5 -0.41 -0.07 -0.57 -0.29]
[ 0.41 0. -0.41 0.53 0.23 0.58]
[ 0.41 -0.5 -0.41 -0.46 0.34 -0.29]
[ 0.41 -0.5 0.41 -0.07 -0.57 0.29]]
然而,当我在 Wolfram Alpha 中运行相同的矩阵时,我得到了不同的结果 - 特征值相同,但特征向量不同:
v1 = ( 1, -2, -1, 2, -1, 1)
v2 = ( 0, -1, 1, -1, 0, 1)
v3 = ( 1, -1, 0, -1, 1, 0)
v4 = ( 1, 1, -1, -1, -1, 1)
v5 = (-1, 0, -1, 0, 1, 1)
v6 = ( 1, 1, 1, 1, 1, 1)
以下是 Wolfram Alpha 计算的链接:http://bit.ly/1wC9EHJ
为什么我得到不同的结果?我应该在 Python 中做什么才能得到与 Alpha 产生的结果相同的结果?
非常感谢您的帮助!