不，据我所知，没有任何东西，除非您大致知道这些特征值的位置。至于可以计算矩阵谱子集的方法，我只知道可以产生的方法：

• 来自“频谱极值”的特征值，例如具有最大绝对值或具有最大负实部/虚部的特征值。例如 Arnoldi / 子空间迭代（适当移位）。
• 最接近复平面中一个给定点的特征值，例如，模中最小的特征值（最接近于零）。例如（有理）移位和反转 Arnoldi 或逆幂迭代。
• 例如，平面特定区域的特征值$[-1,1] \times [-1,1]$. 我认为 FEAST 类型的方法可以做到这一点，但我对它们知之甚少。

据我了解，使用 FEAST 类型的方法，您还可以计算复平面的指定区域中的特征值数量（通过轮廓积分），因此如果您需要从光谱中间指定的特征值，例如第 300 个，您可以运行一种二等分搜索：假设（移动和缩放）矩阵的频谱在$[-1,1]$（为简单起见，这是真实的）。计算特征值$\mu$最靠近$\frac12$. 计算特征值的数量$[\frac12,1]$. 如果大于 300，则寻找最接近中点的特征值$[\mu,1]$，否则对于最接近中点的特征值$[-1,\mu]$. 重复。

如果你用 19 替换 300，我认为这些东西都不会与香草LAArnoldi 竞争，就像你的例子一样。甚至可能没有300。