A. 特征向量与基础解系有何关系
特征向量与基础解系关系：特征向量是特征值对应齐次方程组的基础解系。矩阵的特征向量是矩阵理论上的重要概念之一，它有着广泛的应用。
数学上，线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。
在实践中，大型矩阵的特征值无法通过特征多项式计算，计算该多项式本身相当费资源，而精确的符号式的根对于高次的多项式来说很难计算和表达。
阿贝尔－鲁费尼定理显示高次（5次或更高）多项式的根无法用n次方根来简单表达。求特征多项式的零点，即特征值的一般算法，是迭代法。最简单的方法是幂法：取一个随机向量v，然后计算一系列单位向量。
B. 特征向量和基础解系有什么关系
特征向量与基础解系关系:特征向量是特征值对应齐次方程组的基础解系 。 特征值向量对于矩阵而言的,特征向量有对应的特征值,如果Ax=ax,则x就是对应于特征值a的特征向量。而解向量是对于方程组而言的,就是“方程组的解”,是一个意思。
在数学中，向量（也称为欧几里得向量、几何向量、矢量），指具有大小（magnitude）和方向的量。它可以形象化地表示为带箭头的线段。箭头所指：代表向量的方向；线段长度：代表向量的大小。与向量对应的量叫做数量（物理学中称标量），数量（或标量）只有大小，没有方向。
向量的记法：印刷体记作黑体（粗体）的字母（如a、b、u、v），书写时在字母顶上加一小箭头“→”。 如果给定向量的起点（A）和终点（B），可将向量记作AB（并于顶上加→）。在空间直角坐标系中，也能把向量以数对形式表示，例如xOy平面中(2,3)是一向量。
在物理学和工程学中，几何向量更常被称为矢量。许多物理量都是矢量，比如一个物体的位移，球撞向墙而对其施加的力等等。与之相对的是标量，即只有大小而没有方向的量。一些与向量有关的定义亦与物理概念有密切的联系，例如向量势对应于物理中的势能。
几何向量的概念在线性代数中经由抽象化，得到更一般的向量概念。此处向量定义为向量空间的元素，要注意这些抽象意义上的向量不一定以数对表示，大小和方向的概念亦不一定适用。因此，平日阅读时需按照语境来区分文中所说的"向量"是哪一种概念。
不过，依然可以找出一个向量空间的基来设置坐标系，也可以透过选取恰当的定义，在向量空间上介定范数和内积，这允许我们把抽象意义上的向量类比为具体的几何向量。
C. 特征向量与基础解系是一样的吗
1、特征向量和基础解系的定义不同
特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。
基础解系：齐次线性方程组的解集的极大线性无关组称为该齐次线性方程组的基础解系。基础解系是线性无关的，简单的理解就是能够用它的线性组合表示出该方程组的任意一组解，是针对有无数多组解的方程而言的。
2、特征向量和基础解系的特点不同
特征向量：是不能为0的向量，所以写全部特征向量时，小括号里面的限制是系数不同时为0。
基础解系：而对于一个方程来说，通过基础解系写出通解，并且0向量也是该线性方程组的解，因此没有 不同时为0的限制，即系数可以为0。
3、特征向量和基础解系的性质不同
特征向量：对应的特征值是它所乘的那个缩放因子；特征空间就是由所有有着相同特征值的特征向量组成的空间，还包括零向量，但要注意零向量本身不是特征向量；线性变换的主特征向量是最大特征值对应的特征向量；特征值的几何重次是相应特征空间的维数。
基础解系：针对有无数多组解的方程而言，若是齐次线性方程组则应是有效方程的个数少于未知数的个数，若非齐次则应是系数矩阵的秩等于增广矩阵的秩，且都小于未知数的个数。
(3)基础解析为什么可以是特征向量扩展阅读：
计算矩阵的特征值和特征向量
假设我们想要计算给定矩阵的特征值。若矩阵很小，我们可以用特征多项式进行符号演算。但是，对于大型矩阵这通常是不可行的，在这种情况我们必须采用数值方法。
求特征值
描述正方形矩阵的特征值的重要工具是特征多项式，λ是A的特征值等价于线性方程组(A – λI) v = 0 （其中I是单位矩阵）有非零解v (一个特征向量)，因此等价于行列式|A – λI|=0。
函数p(λ) = det(A – λI)是λ的多项式，因为行列式定义为一些乘积的和，这就是A的特征多项式。矩阵的特征值也就是其特征多项式的零点。
一个矩阵A的特征值可以通过求解方程pA(λ) = 0来得到。 若A是一个n×n矩阵，则pA为n次多项式，因而A最多有n个特征值。
反过来，代数基本定理说这个方程刚好有n个根，如果重根也计算在内的话。所有奇数次的多项式必有一个实数根，因此对于奇数n，每个实矩阵至少有一个实特征值。在实矩阵的情形，对于偶数或奇数的n，非实数特征值成共轭对出现。
D. 线性代数特征向量和基础解系的区别，一直分不清有啥联系。
对于n阶矩阵A：特征向量是满足Aα=λα的列向量，在此，A的秩表示非零特征值的个数。
基础解系是满足AX=0的列向量，在此，A的秩用来判断基础解系中线性无关的解向量的个数，个数是n-r(A)个。通过对比AX=0和Aα=λα，可见，A的齐次解向量正好是A相应于λ=0的特征向量。
特征值向量对于矩阵而言的，特征向量有对应的特征值，如果Ax=ax，则x就是对应于特征值a的特征向量。而解向量是对于方程组而言的，就是“方程组的解”，是一个意思。
特征值
描述正方形矩阵的特征值的重要工具是特征多项式，λ是A的特征值等价于线性方程组(A – λI) v = 0 有非零解v ，因此等价于行列式|A – λI|=0。函数p(λ) = det(A – λI)是λ的多项式，因为行列式定义为一些乘积的和，这就是A的特征多项式。矩阵的特征值也就是其特征多项式的零点。
所有奇数次的多项式必有一个实数根，因此对于奇数n，每个实矩阵至少有一个实特征值。在实矩阵的情形，对于偶数或奇数的n，非实数特征值成共轭对出现。
以上内容参考：网络-特征向量