优化 Python 中用于阻抗计算的矩阵反转

问：

为了获得电路的阻抗曲线，我使用了电路的导纳（G）和电容（C）矩阵。

我正在使用 Python 计算不同频率下的阻抗曲线，但问题是我需要反转矩阵以从导纳中获得阻抗，结果证明这是一个非常昂贵的循环操作。

对于我拥有的大型矩阵 （1000*1000），使用大约 1 秒反转矩阵，因此对于在下面运行 10^6 次迭代的循环，我得到了不合理的大执行时间。numpy.linalg.inv

需要一些关于如何优化这一点的指导，或者是否有任何方法可以绕过矩阵反转，但又能得到阻抗矩阵。

我的代码如下：

A = j*2*3.14*C #j 2pi C to create susceptance matrix when multiplied by freq below.
for freq in range (1, 100000000, 100):
    Y = G + A * freq #admittance matrix
    Z = np.linalg.inv(Y) #inverse the matrix to get impedance matrix
    output[freq] = Z

我已经尝试过而不是使用反转。但执行时间仍然过长。numpy.linalg.solve