给我一段超松弛迭代法求方程组的python代码，以及例子

好的，以下是一段使用超松弛迭代法求解方程组的 Python 代码，其中使用了 NumPy 库来进行矩阵运算：

import numpy as np

def sor(A, b, omega=1.2, tol=1e-4, max_iter=1000):
    """
    使用超松弛迭代法求解线性方程组 Ax=b

    参数：
    A: 方程组的系数矩阵
    b: 方程组的常数向量
    omega: 松弛因子，取值范围为 (0, 2)
    tol: 迭代收敛的容差
    max_iter: 最大迭代次数

    返回值：
    x: 方程组的解向量
    """
    n = len(b)
    x = np.zeros(n)
    for k in range(max_iter):
        for i in range(n):
            s = 0
            for j in range(n):
                if j != i:
                    s += A[i, j] * x[j]
            x[i] = (1 - omega) * x[i] + omega * (b[i] - s) / A[i, i]
        if np.linalg.norm(A @ x - b) < tol:
            break
    return x

下面是一个求解线性方程组的例子：

A = np.array([[10, 1, 2],
              [1, 10, 3],
              [2, 3, 10]])
b = np.array([7, 8, 6])
x = sor(A, b)
print(x)  # [ 0.4750118   0.75001371 -0.17500572]

在这个例子中，我们要求解方程组 $Ax=b$，其中 $A$ 是一个 $3\times3$ 的矩阵，$b$ 是一个长度为 3 的向量。我们将调用 `sor` 函数来求解这个方程组，并将其解 $x$ 输出到屏幕上。