# 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：

1. 共同來源物件與平行身份顯式化；
2. 行列方向被賦予不同計算語義；
3. 算子、運算元、結果與稽核被置於同一具型別網格；
4. 每欄作為交易、欄間作為因果流；
5. 局部稽核不可被總量抵消；
6. 同一格式可供人類、傳統程式與 AI 共同讀取；
7. 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：

1. **數學教育與符號推導**：同時顯示分支、代入、結果與稽核；
2. **試算表公式審計**：把相對引用方向轉成可比較的算子簽章；
3. **AI 計算工作台**：讓 AI 顯示其讀取方向、依賴路徑與修正位置；
4. **多情境模擬**：同一基底在不同參數或規則下平行展開；
5. **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；
6. **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

1. Neo.K，《平行數學：多維數學結構的新範式》。
2. 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。
3. Neo.K，《FDCS（分形動態因果系統）核心概念與數學公式完整手冊》。
4. EveMissLab，《自適應帳本量化代理框架技術規格》，EML-LQ-AGENT-2026。