在银河麒麟系统安装数学软件需按工具类型选择路径：matlab须挂载iso并替换授权模块；julia推荐官方tar包手动部署；rstudio需先装r再装ide；python科学栈可用pip3配镜像或conda安装。
在银河麒麟操作系统上安装数学计算软件，需根据具体工具类型（如MATLAB、Julia、RStudio、NumPy/SciPy等）匹配对应安装路径，避免直接套用通用.deb安装流程导致依赖断裂或授权失败。
安装MATLAB（科研级数值计算）
MATLAB在麒麟OS上无法通过软件中心一键安装，必须挂载ISO并手动修复授权模块，否则首次启动必报License Manager Error-5。
1、确认系统架构与内核兼容性：终端执行uname -r和ldd --version，比对MathWorks官网R2024a支持列表；ARM架构服务器禁止使用x86_64安装包。
2、创建挂载点并挂载ISO：sudo mkdir -p /mnt/matlab && sudo mount -o loop R2024a_Linux.iso /mnt/matlab。
3、进入挂载目录并赋予执行权限：cd /mnt/matlab && sudo chmod +x install。
4、以命令行模式启动安装器：sudo ./install -mode gui（确保DISPLAY环境变量有效），全程禁用桌面双击运行，否则卡死在0%进度。
5、安装完成后，必须替换授权模块：将挂载目录中/mnt/matlab/archives/common/libmwlmgrimpl.so复制覆盖至/usr/local/MATLAB/R2024a/bin/glnxa64/matlab_startup_plugins/lmgrimpl/，【原文件务必先备份】，否则启动即崩溃。
安装Julia（高性能开源科学计算）
Julia推荐优先使用官方二进制包安装，Kylin软件中心版本滞后严重，且不支持多版本共存管理。
方法一：官方tar.gz包手动部署
1、下载对应架构安装包：wget https://julialang-s3.julialang.org/bin/linux/x64/1.12/julia-1.12.0-linux-x86_64.tar.gz。
2、解压到统一路径：sudo tar -xzf julia-1.12.0-linux-x86_64.tar.gz -C /opt/julia --strip-components=1。
3、配置全局PATH：echo 'export PATH="/opt/julia/bin:$PATH"' | sudo tee -a /etc/profile.d/julia.sh，再执行source /etc/profile.d/julia.sh生效。
4、验证：julia --version应返回1.12.0。
方法二：Kylin软件中心图形化安装
仅适用于快速验证环境，打开“软件中心”→搜索“Julia”→认准发布者为“JuliaLang”→点击安装→输入密码授权即可。但该方式安装的通常是旧版（如1.9.x），无法满足新特性需求。
安装RStudio + R环境（统计分析专用）
RStudio依赖R解释器，必须先装R再装RStudio，顺序颠倒会导致IDE无法识别R路径。
第一步：安装R基础环境
1、终端执行：sudo apt update && sudo apt install r-base r-base-dev。
2、验证：R --version应输出4.x以上版本。
第二步：安装RStudio Desktop
1、下载官方x86_64架构.deb包（如rstudio-2024.09.1-amd64.deb）到“下载”目录。
2、终端进入该目录，运行：sudo apt install ./rstudio-*.deb（注意路径前的./不可省略）。
3、首次启动RStudio后，若提示“R not found”，需手动指定R路径：Tools → Global Options → R Sessions → R version → 浏览到/usr/bin/R。
安装Python科学栈（NumPy/SciPy）
pip3默认源在国外，不配镜像会超时失败；conda方案更适合ARM平台，但需额外下载Miniconda安装脚本。
① 使用pip3（适合APT安装的Python 3）
1、更新源并安装编译依赖：sudo apt update && sudo apt install python3-pip python3-dev build-essential libatlas-base-dev liblapack-dev gfortran。
2、配置清华镜像：python3 -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/。
3、执行安装：python3 -m pip install numpy scipy。
4、验证：python3 -c "import numpy as np; print(np.__version__)"。
② 使用conda（适合ARM64或需BLAS优化场景）
1、下载对应架构Miniconda安装脚本：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh（ARM）或x86_64.sh（x86）。
2、安装并初始化：bash Miniconda3-latest-Linux-*.sh -b -p $HOME/miniconda3 && $HOME/miniconda3/bin/conda init。
3、重启终端后创建环境：conda create -n scienv python=3.11 && conda activate scienv。
4、安装：conda install numpy scipy -c conda-forge。
