编写一个能够自动解矩阵方程并且展示求解过程的Python程序，可以借助于NumPy库来进行矩阵运算，并通过SymPy库来解析表达式以及显示每一步骤。下面是一个简单的例子，演示如何解决线性方程组Ax = b的问题： ```python import numpy as np from sympy import symbols, Eq, solve, pprint def print_steps(equations): """打印每个步骤""" for i, eq in enumerate(equations): print(f"Step {i+1}:") pprint(eq) print() # 定义变量x,y,z... n_vars = int(input("请输入未知数的数量: ")) variables = symbols(' '.join([f'x{i}' for i in range(n_vars)])) # 输入系数矩阵A和常向量b print("输入系数矩阵(A)，按行输入，例如 '2 4 -2': ") coefficients_matrix = [] for _ in range(n_vars): row = list(map(float, input().split())) coefficients_matrix.append(row) constants_vector = list(map(float, input("输入常数项(b), 使用空格分隔: ").split())) # 创建增广矩阵 augmented_matrix = np.column_stack((np.array(coefficients_matrix), np.array(constants_vector))) # 求解前先简化成最简形式(高斯消元法等)这里简单处理直接调用numpy.linalg.solve try: solutions_array = np.linalg.solve(np.array(coefficients_matrix), np.array(constants_vector)) except Exception as e: print(str(e)) else: # 构建方程列表以便打印中间计算结果 equations = [Eq(variables[i], float(solutions_array[i])) for i in range(len(variables))] print("\n解决方案:") print_steps(equations) ``` 上述代码实现了基本的功能需求，它允许用户自定义未知数个数、输入具体的数值形成矩阵A与向量b之后，利用`numpy.linalg.solve()`函数寻找唯一解（如果存在）。然后构造一系列包含解答值在内的等式对象用于格式化输出。 但是要注意的是这个版本并不完整地展示了所有详细的内部操作如初等变换的过程；如果你需要更详细的过程记录，则需进一步定制化实现比如手动模拟行列式的展开或者应用高斯-约旦消去算法的同时保存每次变化后的状态。