GNU Octave

工科专业几乎人人都学过 MATLAB，但离开学校之后你会发现它的商业授权很贵， 学生版和正版个人授权之间差着一大截。而你手上那些课程作业、 毕业设计、实验室脚本，全是 MATLAB 语法写的。

GNU Octave 的定位就是语法兼容的自由替代。GPL-3.0， GNU 项目的一部分，维护了三十多年，当前版本 11.3。

兼容性是它的核心价值：

A = [1 2; 3 4];
b = A \ [5; 6];        % 解线性方程组
eig(A)                 % 特征值
plot(x, sin(x))        % 绘图

这些写法和 MATLAB 一模一样。大部分不依赖专有工具箱的脚本可以直接跑， 或者只需要改几行。对于"我只是要跑一下老师给的这个 .m 文件"这类需求， 它基本能直接解决。

功能覆盖：

• 矩阵和线性代数：求解、分解（LU、QR、SVD、Cholesky）、特征值。
• 数值方法：积分、常微分方程求解、优化、插值、方程求根。
• 信号处理和统计：FFT、滤波、回归、分布函数。
• 绘图：二维曲线、三维曲面、等高线、直方图，可导出为图片或矢量图。
• 脚本和函数：完整的编程能力，支持自己写函数和包。
• Forge 扩展包：社区维护的附加包，补充图像处理、控制系统、 统计等领域的功能（对应 MATLAB 的工具箱，但覆盖面小很多）。

要说清楚的：

• 兼容不等于等价。基础语法和核心函数高度一致， 但 MATLAB 的商业工具箱（Simulink、各种专业 Toolbox）Octave 没有对应物。 Simulink 那种图形化建模仿真是完全缺失的—— 如果你的工作离不开 Simulink，Octave 帮不了你。
• 性能通常不如 MATLAB。同样的代码在 MATLAB 上往往更快， 尤其是大规模计算和 JIT 优化过的循环。小规模计算和教学用途感觉不到差别。
• 图形界面较朴素。编辑器、变量浏览器、调试器都有， 但打磨程度和 MATLAB 的 IDE 有差距。
• 绘图风格和细节有差异，同样的绘图代码出来的图不会完全一样， 发论文时要注意检查。

另一条路值得一并考虑：如果你不是必须用 MATLAB 语法， Python 加 NumPy / SciPy / Matplotlib 的生态现在更大、 资料更多、也更容易和其他工作衔接。Octave 的最佳场景是 "我已经有 MATLAB 代码"或者"课程要求 MATLAB 语法"； 从零开始的新项目，Python 那条路通常走得更远。

适合谁：学生、需要跑现成 MATLAB 脚本的人、 教学和实验室里做数值实验、以及任何被 MATLAB 授权价格挡住的人。