Octave, R, Comsol, SciLab, Phyton... можно конечно ездить на VW, Opel, Fial или Ford, но BMW круче.

Это кривая аналогия Некоторые алгоритмы, использованные в матлабовских тулбоксах, неоптимальны, лично сталкивался при кластеризации данных - Матлаб был там хуже древнего советского "запорожца" по сравнению с R. Ну и некоторые из перечисленных продуктов не являются прямыми конкурентами Матлаба - например, Comsol Multiphysics, который есть лишь среда для решения систем дифуров (к которым сводится моделирование физических процессов). Матлаб _когда-то_ был почти безальтернативен по совокупности возможностей, как вычислительная среда. Но эти времена прошли. Если "колбасить" задачу с нуля, то у Матлаба вряд ли где-то будут серьезные преимущества перед конкурентами, другое дело, если нужно уже существующее решение в виде тулбокса - я допускаю, что во многих случаях наработки Матлаба станут оптимальным вариантом. Но не во всех. И уж точно, что это никак не относится к начальному освоению базовых фич студентом(-кой).

ЗЫ. Справедливости ради решил-таки глянуть. как с кластеризацией у предпоследней версии Матлаба (R2018a). Выяснил, что ситуация изменилась по сравнению с 2014м годом, когда я колупался с такими задачами в Матлабе. В целом Матлаб по производительности весьма крут (R и Octave в этом плане выглядят явно аутсайдерами), но проигрывает Julia и идет вровень с Python.