多向矩陣帳本計算：從平行數學到可稽核計算矩陣

Multidirectional Matrix-Ledger Computing: From Parallel Mathematics to Auditable Computational Matrices

文件編號：EML-MMLC-2026-P01-v0.1
作者：Neo.K with Aletheia（GPT-5.6 Thinking）
機構：一言諾科技有限公司（EveMissLab）
日期：2026-07-21
文件類型：公開理論論文／概念框架
狀態：前實驗版本（pre-experimental）

摘要

本文提出「多向矩陣帳本計算」（Multidirectional Matrix-Ledger Computing, MMLC）：一種把資料排列、運算規則、平行狀態、因果依賴與可稽核紀錄統合於同一計算物件中的方法。其出發點不是發明新的四則運算，也不是把普通算式改排成表格，而是重新定義矩陣在計算中的角色：矩陣不再只是承載同質數值的容器，而可成為具型別、具方向、具依賴圖與具帳本稽核能力的執行結構。

本文以「同一實數 3 在多個平行分支中接受不同算子」為最小例：水平軸表示同一數學物件的平行展開，垂直軸依序表示基底、算子、運算元、結果與稽核殘差。每一欄是一筆完整計算交易；多欄共同構成平行帳本；欄間依賴則構成因果流。多向矩陣表徵（MMR）負責規定矩陣的閱讀與遍歷方向，平行數學負責同一物件的多狀態展開，帳本代數負責局部與全域稽核，未來的分形動態因果系統（FDCS）則負責時間、語境、層級與動態因果擴張。

本文不主張混合資料格、資料流圖、試算表公式或守恆稽核本身是新數學。所提出的研究命題是：當「平行身份、方向語義、異質計算層、欄交易、算子不變式、分層稽核與因果流」被置於同一形式框架中時，能否形成比普通陣列、試算表與資料流圖更適合 AI 閱讀、錯誤定位、逆向追蹤與多路徑計算的中介表示。本文完成概念地基與研究邊界，正式效能主張留待後續實驗驗證。

關鍵詞：多向矩陣表徵、矩陣帳本、平行數學、帳本代數、可稽核計算、資料流、AI 中介表示

1. 問題：矩陣通常承載計算，卻很少成為完整帳本

傳統矩陣通常由同一值域中的元素組成，例如實數矩陣

X\in\mathbb{R}^{m\times n}.

其計算語義通常由矩陣外部的運算決定：矩陣乘法、轉置、分解、卷積或其他映射。矩陣本身主要保存數值，而不必同時保存「這個數值從何而來、經過什麼算子、依賴哪一個分支、是否通過稽核、應按哪個方向閱讀」。

試算表已經部分突破這一限制。儲存格可以包含常數、公式、文字與引用關係；然而多數試算表仍將語義分散在公式字串、位置慣例與使用者理解之中。方向通常是隱含的，錯誤稽核往往是事後附加的，且「同一物件在多個分支中的身份關係」並沒有被明確建模。

因此本文提出的問題不是：

能否在矩陣中放入加減乘除？

而是：

能否把一個矩陣定義成同時包含數學身份、平行分支、執行層、依賴流、方向語義與稽核規則的計算帳本？

若答案成立，矩陣便不只是資料容器，而是可執行、可追溯、可逆查與可驗證的計算介面。

2. 最小原型：橫式平行矩陣帳本

考慮同一個基底數字 3，分別接受四種運算：

\mathcal{L}_{\mathbb{R}}= \begin{array}{c|cccc} \text{基底} & 3 & 3 & 3 & 3\\ \text{算子} & + & - & \times & \div\\ \text{運算元} & 2 & 2 & 2 & 2\\ \text{結果} & 5 & 1 & 6 & \frac{3}{2}\\ \text{稽核殘差} & 0 & 0 & 0 & 0 \end{array}.

此表面上類似普通表格，但它具有兩條不同語義軸。

2.1 水平軸：平行分支軸

第一列中的四個 3，不必被理解為四個互不相關的數值副本。它們可以被定義為同一抽象物件 $u=3$ 在四個分支中的投影：

b_j=\rho_j(u),\qquad j=1,\ldots,4.

在最簡情況下，所有投影值相同：

\rho_1(3)=\rho_2(3)=\rho_3(3)=\rho_4(3)=3.

但在加入語境後，投影值未必相同；仍可透過共同來源識別碼宣告它們屬於同一物件。這一點比「數值相等」更重要，因為相等的兩個 3 未必是同一物件的分支，而同一物件在不同語境中的投影也未必數值相等。

因此：

\text{平行身份}\neq\text{數值相等}.

2.2 垂直軸：計算交易軸

每一欄是一筆完整的計算交易：

T_j=(b_j,o_j,a_j,r_j,\varepsilon_j),

其中：

$b_j$ ：基底或主要輸入；
$o_j$ ：算子；
$a_j$ ：運算元，可為實數、符號式、函數或條件；
$r_j$ ：結果；
$\varepsilon_j$ ：稽核殘差。

垂直閱讀的語義不是單純位置，而是：

\text{輸入}\rightarrow\text{規則}\rightarrow\text{運算元}\rightarrow\text{結果}\rightarrow\text{稽核}.

這使矩陣具備類似交易帳的結構：每個結果都必須能回溯到其規則與來源。

3. 從平行數學到平行身份

早期平行數學將單一數學物件表示成多狀態向量：

A=(a_0,a_1,\ldots,a_n),

並允許分量式的平行加法、乘法與函數作用。這提供了「同一物件具有多個狀態」的基本直覺。然而，若只把它當成普通向量，仍可能被還原為一般逐元素運算。

矩陣帳本計算對此作出兩項精確化。

3.1 狀態分量附帶身份來源

平行物件不只是一串值，而是：

A^{\parallel}=(u;\rho_1(u),\rho_2(u),\ldots,\rho_n(u)),

其中 $u$ 是共同來源物件， $\rho_j$ 是分支投影。這保留了「這些分量為何屬於同一個數學物件」的資訊。

3.2 每個分支可以具有不同算子與語境

普通逐元素運算通常假設同一運算作用於所有分量；矩陣帳本則允許：

r_j=\llbracket o_j\rrbracket_{c_j}(b_j,a_j),

其中 $o_j$ 與語境 $c_j$ 可以因分支而異。因此平行展開不是單一函數的批次執行，而可以是同一物件在多種規則下的並列演算。

4. 帳本化：結果之外必須留下稽核條件

若表格只保存輸入與結果，它仍只是計算輸出表。要成為帳本，每一筆交易都必須附帶可檢查的不變式。

對基本四則運算，可以定義：

I_+(b,a,r)=r-b-a,

I_-(b,a,r)=r-b+a,

I_\times(b,a,r)=r-ba,

I_\div(b,a,r)=ar-b,

其中除法另要求 $a\neq0$ 。每欄殘差為：

\varepsilon_j=I_{o_j}(b_j,a_j,r_j).

有效交易要求：

\varepsilon_j=0.

4.1 為什麼不能只檢查殘差總和

若兩欄分別有：

\varepsilon_1=1,\qquad \varepsilon_2=-1,

則有號總和為零，但兩欄都錯。因此總帳不能只用：

\sum_j\varepsilon_j=0.

更適合的全域稽核是非負聚合：

\tau_{\mathrm{audit}}(\mathcal{L}) =\sum_{j=1}^{n}w_j\lVert\varepsilon_j\rVert, \qquad w_j>0.

此時：

\tau_{\mathrm{audit}}(\mathcal{L})=0 \iff \varepsilon_j=0\quad\forall j.

這就是「局部帳不可被全域正負抵消」的最低原則。

4.2 帳本不是所有東西都必須守同一個總量

帳本代數中的平衡泛函 $\tau$ 可以依領域而定。對資金權重，它可能是總和；對關係矩陣，它可能是跡；對本系統的運算正確性，它可以是殘差範數。不同帳本可以同時存在：

身份帳：分支是否來自共同來源；
運算帳：結果是否符合算子；
依賴帳：輸入是否來自合法上游；
邊界帳：外部注入是否被記錄；
版本帳：規則變更是否留下時間與版本。

因此「整個矩陣變成帳本」不是把一個守恆量強加到所有格子，而是把每一類語義都配上對應的可驗證條件。

5. MMR：方向不只是顯示方式

多向矩陣表徵的核心命題是：

線性序列只是矩陣的一條遍歷路徑，而不是資訊本身唯一自然的順序。

令 $\Pi$ 為允許的遍歷集合，例如：

\Pi=\{\pi_{\rightarrow},\pi_{\leftarrow},\pi_{\downarrow},\pi_{\uparrow}\}.

在矩陣帳本中，不同方向承擔不同任務：

水平正向：比較平行分支或按建立順序執行；
水平逆向：從結果集合回查前序分支；
垂直向下：執行一筆交易；
垂直向上：由殘差與結果逆向追蹤輸入；
區域遍歷：對某一帳本區塊進行稽核；
圖路徑遍歷：沿依賴邊追蹤因果來源。

對彼此獨立的分支，左右順序應不影響結果集合；但對具有欄間依賴的系統，遍歷必須尊重依賴偏序。由此可區分：

\text{顯示方向},\quad \text{執行方向},\quad \text{稽核方向},\quad \text{因果追蹤方向}.

這些方向可以相同，也可以不同。

6. 欄間依賴：從平行表到因果帳本

若各欄完全獨立，系統只是平行運算集合。要形成完整矩陣帳本，必須允許結果流入其他欄。

令有向圖：

G=(V,E),

其中每個節點 $v_j$ 對應交易 $T_j$ ，若第 $j$ 欄結果成為第 $k$ 欄輸入，則存在邊：

(v_j,v_k)\in E.

可以寫成：

a_k=u_k+\sum_j A_{jk}\psi_{jk}(r_j),

其中：

$A_{jk}$ ：依賴或流權重；
$\psi_{jk}$ ：跨欄轉換；
$u_k$ ：外部或局部直接輸入。

當 $u_k\neq0$ 且來源不在帳本內時，系統是開放的，必須將它寫入邊界帳。任何外部值若直接出現在計算中卻沒有來源紀錄，都屬於帳本破口。

因此因果在最低工程意義上可以被定義為：

一個上游格或交易的改變，經合法依賴邊傳播後，能改變下游交易結果，且該路徑可由帳本重建。

這不等同於完整哲學因果，也不宣稱僅憑計算依賴即可發現自然世界的因果；它首先是一個可追蹤的計算因果定義。

7. 符號、實數與求值一致性

第三層運算元不必限於實數。可令：

a_j\in \mathbb{R}\cup\mathcal{A}\cup\mathcal{F}\cup\mathcal{C},

其中 $\mathcal{A}$ 是代數式、 $\mathcal{F}$ 是函數、 $\mathcal{C}$ 是條件或語境。

例如：

\mathcal{L}_{\mathrm{symbolic}}= \begin{array}{c|cccc} \text{基底} & 3 & 3 & 3 & 3\\ \text{算子} & + & - & \times & \div\\ \text{運算元} & x & x & x & x\\ \text{結果} & 3+x & 3-x & 3x & 3/x \end{array}.

對合法代入 $S_{x\mapsto v}$ ，應檢查：

\operatorname{Eval}_{x=v} \bigl(\mathcal{L}_{\mathrm{symbolic}}\bigr) = \mathcal{L}_{\mathrm{numeric}}(v).

這不是所有符號系統都自動成立。若存在分支條件、除零、浮點近似或非交換算子，求值順序與定義域都必須進入帳本。

8. 四層理論分工

本研究不是把既有理論名稱堆疊，而是將它們分配到不同層。

8.1 MMR：排列、遍歷與方向語義

MMR 回答：矩陣如何被讀取、執行、逆查與分區。

8.2 平行數學：同一物件的多狀態與多規則分支

平行數學回答：多個分支為何仍可被視為同一數學物件的展開。

8.3 矩陣帳本代數：運算、依賴、邊界與稽核

矩陣帳本回答：每個結果如何產生、如何驗證、如何追蹤、如何記錄外部交換。

8.4 FDCS：時間、語境、層級與動態因果

FDCS 未納入本版核心公理。未來它將加入：

t,\quad c,\quad L_i,\quad W_{ij}(t,c),\quad d(L_i,L_j),

使帳本從靜態計算圖升級為可隨時間、語境與分形層級演化的動態系統。

先完成靜態矩陣帳本，再進入 FDCS，是必要的研究節制。否則一旦結果失敗，將無法區分錯誤來自基本帳本、方向遍歷，還是動態因果機制。

9. 與既有方法的誠實切割

本框架與多種既有結構重疊：

異質表格與試算表公式；
陣列程式設計與逐元素運算；
抽象語法樹與項重寫；
資料流圖與有向無環圖排程；
資料溯源與事件日誌；
約束求解與程式斷言；
複式記帳與局部守恆；
圖神經網路與多方向序列化。

因此本文不以「矩陣可以表示計算」或「結果可以被稽核」作為原創主張。可被實驗檢驗的新增組合是：

共同來源物件與平行身份顯式化；
行列方向被賦予不同計算語義；
算子、運算元、結果與稽核被置於同一具型別網格；
每欄作為交易、欄間作為因果流；
局部稽核不可被總量抵消；
同一格式可供人類、傳統程式與 AI 共同讀取；
方向遍歷可作為 AI 路徑選擇與錯誤定位的顯式介面。

若後續實驗顯示普通 AST、資料流圖或試算表加少量 metadata 即可在更低成本下完全等價，則本框架應被降格為介面規範，而非獨立計算範式。

10. 可反證研究命題

本文提出以下前實驗命題。

命題 P1：局部稽核價值

矩陣帳本能比只保存最終輸出的普通計算表更準確地定位錯誤來源。

命題 P2：方向價值

在逆向追蹤、平行比較與依賴執行任務中，顯式方向語義能降低操作步驟或模型錯誤率。

命題 P3：平行身份價值

共同來源識別能區分「值相等但物件不同」與「物件相同但語境投影不同」，並改善跨分支一致性檢查。

命題 P4：統一格式價值

同一帳本格式可被數值引擎、符號引擎、視覺介面與 AI Agent 共用，而不需要各自重新推斷資料語義。

命題 P5：成本限制

若為保留方向與帳本資訊所增加的儲存、執行與認知成本超過其錯誤定位與溯源收益，則 MMLC 不具實用優勢。

11. 第一階段應用

本框架較適合先進入具有清楚格狀結構與依賴關係的領域：

數學教育與符號推導：同時顯示分支、代入、結果與稽核；
試算表公式審計：把相對引用方向轉成可比較的算子簽章；
AI 計算工作台：讓 AI 顯示其讀取方向、依賴路徑與修正位置；
多情境模擬：同一基底在不同參數或規則下平行展開；
程式與資料流程除錯：將局部不變式與邊界交換寫入執行帳本；
FDCS 前置載體：先提供靜態、可審計的狀態與依賴骨架。

不應在尚未驗證前直接宣稱它能取代線性代數、張量計算、資料庫或通用程式語言。

12. 結論

多向矩陣帳本計算的核心不是「以矩陣表示很多算式」，而是：

\boxed{ \text{同一物件的平行展開} + \text{具方向的計算層} + \text{可追蹤的依賴流} + \text{不可抵消的局部稽核} }

在這個框架中：

數字可以具有平行身份；
算子成為交易規則；
結果成為可稽核狀態；
欄間引用成為可追蹤流；
外部輸入必須寫入邊界；
矩陣方向成為執行與逆查語義；
整個矩陣因此由資料容器轉化為計算帳本。

目前的基本算例顯示此結構在邏輯上可定義、可求值、可稽核。但這只構成可行性地基，不構成效能證據。下一步不是繼續擴大哲學敘述，而是建立形式系統、執行引擎與可反證對照實驗。

內部理論來源

Neo.K，《平行數學：多維數學結構的新範式》。
Neo.K with Theia，《帳本代數：守恆與因果的去物理化公理》，EML-LA-2026-v0.1。
Neo.K，《FDCS（分形動態因果系統）核心概念與數學公式完整手冊》。
EveMissLab，《自適應帳本量化代理框架技術規格》，EML-LQ-AGENT-2026。

多向矩陣帳本計算_公開理論論文_v0.1