Python Numpy生成更快的逆矩阵

我有一个复杂的2D数组（HH），我想对其进行反演，我只想要它的第一项，在3 for循环中迭代。对于合理大小的M，C，K（2D数组），它不会花费很长时间，但是如果我增加它们的大小，等待就会变得无限。 第三个循环中的一个循环计算HH[0,0]大约需要0.19秒，想象一下迭代2x20x500次需要很多时间。 我怎样才能加快这个过程

因为我无法上传M、C和K，所以我将它们替换为：inv（（np.random.rand（10001000）+np.random.rand（10001000）*1j）

我还尝试了这一点来加快速度：

H11_1 = np.zeros((num_harms,num_modes,len(w)),dtype = 'complex_') # dim(num_harms,num_modes,step_freq) 
for h in range(0,num_harms):
    for j in range(0,num_modes):
        for iw in range(0,len(w)):    
            H = ((-((h+1)*w[iw])**2)*M[j]+(1j*(h+1)*w[iw]*C[j])+K[j])            
            H_1 = (np.linalg.det(A))
            H11_1[h,j,iw] = H_1

但似乎有这样的警告：

RuntimeWarning: overflow encountered in det                                                          
r = _umath_linalg.det(a, signature=signature)

---

我调试它以查看H_1值，它是：（-inf infj）

你说的逆是什么意思？你是说

M**（-1）

？除此之外，请提供一个最小的工作示例（对于第一个代码）。它们是许多未知变量，

len（w）=500

显然不起作用。我说的逆是指numpy function numpy.linalg，inv（）如果你只需要HH^（-1）[0,0]，你就不需要求整个矩阵的逆。我只是不喜欢拿起我的旧教科书，但它可能在O（N）时间内完成。要得到元素H[0,0]，我需要整个矩阵的逆，而不仅仅是第一个元素的倒数。不，你不需要求整个矩阵的逆。读一下这个。我记得那是

RuntimeWarning: overflow encountered in det                                                          
r = _umath_linalg.det(a, signature=signature)