在Numpy和手动计算之间获得不同的答案

我有几种矩阵：

A=np.array([[-4, -1, -3] ,[1, -4,5],[ 3,4,3],[-5, -1,2]])
b = np.array([[-1], [4],[-4],[-2]])
x=np.array([[ 0.58732799],[-1.19370936],[-0.22879177]])

我想计算残差，r = Ax-b

r=A@x-b

print(r)

[[ 0.53077272]
 [ 0.21820656]
 [ 0.30077121]
 [-0.20051414]]

如果我遵循r的范数，则会得到：

print(np.linalg.norm(r))
0.678235

如果我在numpy中执行相同的操作，则会得到不同的答案：

x,residuals,rank,sigma=np.linalg.lstsq(A,b,rcond=None);
print("Vector x:\n " + repr(x))
print(residuals)


Vector x:
 array([[ 0.58732799],
       [-1.19370936],
       [-0.22879177]])
[0.46000302]

即，残差不相同。有人知道为什么吗？

问题来源：stackoverflow