重新写一份，已知线性方程组有三个未知数

好的，以下是重新编写的代码，用于解决一个三元线性方程组：

import numpy as np

def sor(A, b, omega, x0, tol=1e-10, max_iter=1000):
    """
    超松弛迭代法（SOR）求解三元线性方程组 Ax=b

    参数：
    A：系数矩阵，大小为(3, 3)
    b：常数向量，大小为(3,)
    omega：松弛因子，一般取值在(0, 2)
    x0：初始解向量，大小为(3,)
    tol：迭代收敛的精度，默认为1e-10
    max_iter：最大迭代次数，默认为1000

    返回：
    解向量x，大小为(3,)
    """

    n = len(b)  # 方程组的未知数个数，这里为3
    x = x0.copy()  # 将初始解向量复制一份，避免修改原始数据
    for k in range(max_iter):
        for i in range(n):
            # 计算第i行的系数和解向量x中除第i个元素外的其他元素的乘积之和
            s = np.dot(A[i, :i], x[:i]) + np.dot(A[i, i+1:], x0[i+1:])
            # 使用SOR公式更新第i个元素的值
            x[i] = x[i] + omega * ((b[i] - s) / A[i, i] - x[i])
        # 判断迭代是否收敛
        if np.linalg.norm(x - x0) < tol:
            return x
        x0 = x.copy()  # 更新初始解向量
    return x

在这份代码中，我们将函数的参数修改为适用于三元线性方程组的形式。系数矩阵`A`的大小为`(3, 3)`，常数向量`b`的大小为`(3,)`，初始解向量`x0`的大小为`(3,)`。在函数内部，我们首先将方程组的未知数个数`n`赋值为3，然后将初始解向量`x0`复制一份。之后的计算逻辑与之前的代码相同。

希望这份代码能够帮到您。