1.2.2. Khái niệm "Trường" trong Toán học và Khoa học

1.2.2. Khái niệm "Trường" trong Toán học và Khoa học

1.2.2.1. "Trường" trong khoa học hiện đại

Trước khi xây dựng khái niệm Trường Giá trị Đô thị (Urban Value Field), cần làm rõ ý nghĩa khoa học của thuật ngữ "Trường" (Field).

Một quan niệm khá phổ biến cho rằng "Trường" chỉ là khái niệm của vật lý học, gắn với các hiện tượng như trường hấp dẫn, trường điện hay trường điện từ. Tuy nhiên, cách hiểu này chưa đầy đủ.

Trong khoa học hiện đại, Trường (Field) trước hết là một cấu trúc toán học, dùng để mô tả sự phân bố liên tục của một đại lượng trên không gian và thời gian. Chính vì mang bản chất toán học nên khái niệm Trường không bị giới hạn trong vật lý, mà đã trở thành một ngôn ngữ chung của nhiều ngành khoa học như toán học, cơ học chất lưu, khoa học Trái đất, địa tin học (GIS), thống kê không gian, đồ họa máy tính, trí tuệ nhân tạo và khoa học dữ liệu.

Nói cách khác, Trường không phải là một đối tượng vật lý, mà là một phương pháp biểu diễn khoa học đối với các hiện tượng có tính liên tục trong không gian.

Khi một đại lượng tồn tại ở mọi vị trí trong một miền không gian, biến đổi liên tục theo vị trí và có thể được mô tả bằng một hàm toán học, thì đại lượng đó có thể được xem xét dưới dạng một Trường (Field).

Chính đặc điểm này đã mở ra khả năng áp dụng lý thuyết Trường vào nhiều lĩnh vực ngoài vật lý, trong đó có kinh tế học đô thị.

1.2.2.2. Định nghĩa toán học của Trường

Về mặt toán học, một Trường (Field) là một ánh xạ gán cho mỗi điểm trong một miền không gian một giá trị xác định.

Cho miền không gian

                      Ω⊆ Rn\Omega \subseteq \mathbb{R}^{n}Ω⊆Rn

và miền thời gian T,

một Trường được định nghĩa dưới dạng ánh xạ

                                      F: Ω×T→S 

trong đó:

• Ω  là miền không gian;

• T là thời gian;

• S là tập giá trị của trường.

Nói một cách trực quan, tại mọi vị trí trong không gian, luôn tồn tại một giá trị của trường.

Tùy theo bản chất của tập giá trị SSS, trường được chia thành nhiều loại khác nhau.

(1) Trường vô hướng (Scalar Field)

Nếu tại mỗi điểm trong không gian chỉ tồn tại một giá trị số, trường được gọi là Trường vô hướng.

Biểu diễn toán học

F:Ω→RF:\Omega \rightarrow \mathbb{R}F:Ω→R

Ví dụ:

• nhiệt độ;

• áp suất;

• độ cao địa hình;

• mật độ dân số.

(2) Trường vector (Vector Field)

Nếu tại mỗi điểm tồn tại độ lớn và hướng, trường được gọi là Trường vector.

Biểu diễn

                     F:Ω→RnF:\Omega \rightarrow \mathbb{R}^{n}F:Ω→Rn

Ví dụ

• vận tốc dòng nước;

• hướng gió;

• dòng giao thông;

• dòng di cư.

(3) Trường tensor (Tensor Field)

Nếu mỗi điểm được mô tả bằng một tensor (ma trận nhiều chiều), ta có Trường tensor.

Đây là loại trường dùng trong:

• cơ học liên tục;

• địa vật lý;

• vật liệu học;

• y sinh học.

1.2.2.3. Những đặc trưng cơ bản của một Trường

Một đại lượng có thể được mô hình hóa như một Trường khi thỏa mãn các đặc tính cơ bản sau.

(1) Tính liên tục (Continuity)

Giá trị tồn tại trên toàn bộ miền không gian.

Mọi vị trí đều có thể xác định được giá trị của trường.

(2) Tính phân bố không gian (Spatial Distribution)

Giá trị thay đổi liên tục theo vị trí.

Không tồn tại như những điểm rời rạc.

(3) Gradient

Giá trị luôn có xu hướng tăng hoặc giảm theo không gian.

Sự biến thiên này được mô tả bằng Gradient

∇F\nabla F∇F

Gradient cho biết:

• hướng tăng nhanh nhất;

• tốc độ biến đổi lớn nhất.

(4) Nguồn và vùng tiêu tán (Sources and Sinks)

Một trường không tự sinh ra.

Nó được tạo bởi các nguồn (Sources) và suy giảm tại các vùng tiêu tán (Sinks).

(5) Nguyên lý chồng chất (Superposition)

Nếu tồn tại nhiều nguồn khác nhau thì trường tổng bằng tổng ảnh hưởng của từng nguồn.

Đây là nguyên lý nền tảng trong vật lý, GIS và phân tích không gian.

(6) Tính động theo thời gian

Nhiều trường không cố định mà biến đổi theo thời gian

                        F(x,y,z,t)

Nhờ đó có thể mô phỏng sự tiến hóa của hệ thống.

(7) Có thể phân tích bằng các toán tử trường

Các trường thường được nghiên cứu thông qua các toán tử như

• Gradient;

• Divergence;

• Curl;

• Laplace.

Các toán tử này mô tả

• hướng biến đổi;

• cường độ lan truyền;

• sự khuếch tán;

• trạng thái cân bằng của trường.

1.2.2.4. Ứng dụng của lý thuyết Trường trong khoa học

Do mang bản chất toán học phổ quát, khái niệm Trường đã được ứng dụng rộng rãi trong nhiều lĩnh vực khoa học.

Toán học

Trong toán học, Trường là nền tảng của giải tích vector, hình học vi phân và lý thuyết đa tạp.

Vật lý

Các ví dụ điển hình gồm:

• trường hấp dẫn;

• trường điện;

• trường từ;

• trường lượng tử.

Cơ học chất lưu

Các dòng chất lỏng được mô tả thông qua:

• trường vận tốc;

• trường áp suất;

• trường mật độ.

Khoa học Trái đất

Các hiện tượng như

• trường trọng lực;

• trường nhiệt;

• trường ứng suất;

• trường nước ngầm

đều được mô hình hóa dưới dạng trường.

Hệ thống thông tin địa lý (GIS)

GIS sử dụng mô hình trường để biểu diễn:

• mô hình số địa hình (DEM);

• trường nhiệt độ;

• trường ô nhiễm;

• trường lượng mưa;

• bề mặt giá trị liên tục.

Thống kê không gian

Các mô hình như:

• Gaussian Random Field;

• Kriging;

• Geostatistics

đều dựa trên lý thuyết trường.

Đồ họa máy tính

Các công nghệ hiện đại như

• Signed Distance Field (SDF);

• Neural Radiance Field (NeRF)

đều sử dụng biểu diễn trường để tái tạo hình học và không gian ba chiều.

Trí tuệ nhân tạo

Trong AI, khái niệm trường xuất hiện trong:

• Conditional Random Fields (CRF);

• Physics-Informed Neural Networks (PINNs);

• Neural Operators;

• Spatial Representation Learning.

1.2.2.5. Lý thuyết Trường và khoa học đô thị

Mặc dù được hình thành trong toán học và vật lý, cấu trúc của lý thuyết Trường hoàn toàn độc lập với bản chất của đối tượng nghiên cứu.

Nói cách khác, bất kỳ hiện tượng nào có tính liên tục trong không gian và thời gian đều có thể được mô hình hóa dưới dạng một Trường.

Trong đô thị, nhiều đại lượng đáp ứng điều kiện này, chẳng hạn:

• khả năng tiếp cận (Accessibility);

• mật độ dân cư;

• chất lượng môi trường;

• cường độ giao thông;

• mức độ hấp dẫn đầu tư;

• và đặc biệt là Giá trị Đô thị (Urban Value).

Các đại lượng này không tồn tại riêng lẻ theo từng thửa đất mà lan tỏa, tương tác và biến đổi liên tục trên toàn bộ không gian đô thị.

Điều đó cho thấy việc áp dụng lý thuyết Trường vào nghiên cứu đô thị không phải là một phép so sánh mang tính ẩn dụ, mà là một lựa chọn mô hình hóa có cơ sở toán học và khoa học rõ ràng.

1.2.2.6. Từ lý thuyết Trường đến Trường Giá trị Đô thị

Nếu Giá trị Đô thị:

• tồn tại tại mọi vị trí trong không gian đô thị;

• biến đổi liên tục theo không gian và thời gian;

• chịu tác động đồng thời của nhiều nguồn ảnh hưởng;

• có thể xác định cường độ và hướng biến đổi;

• và có thể biểu diễn bằng một hàm toán học,

thì Giá trị Đô thị hoàn toàn có thể được mô hình hóa như một Trường vô hướng liên tục (Continuous Scalar Field).

Khi đó, Trường Giá trị Đô thị được biểu diễn dưới dạng

                                                       U(x,y,t)

trong đó U biểu thị mức tiềm năng giá trị tại vị trí (x,y) ở thời điểm t.

Đây chính là cơ sở toán học để xây dựng Lý thuyết Trường Giá trị Đô thị (Urban Value Field) và là nền tảng cho toàn bộ các phát triển tiếp theo của ULVF, UVFE, V-Planning và V-EOS.

Tài liệu tham khảo

1. Arfken, G. B., Weber, H. J., & Harris, F. E. (2013). Mathematical Methods for Physicists. Academic Press.

2. Courant, R., & Hilbert, D. (1989). Methods of Mathematical Physics. Wiley.

3. Frankel, T. (2011). The Geometry of Physics. Cambridge University Press.

4. Maxwell, J. C. (1873). A Treatise on Electricity and Magnetism. Oxford University Press.

5. Batchelor, G. K. (1967). An Introduction to Fluid Dynamics. Cambridge University Press.

6. Goodchild, M. F. (1992). "Geographical Information Science." International Journal of Geographical Information Systems, 6(1), 31–45.

7. Cressie, N. (1993). Statistics for Spatial Data. Wiley.

8. Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press.

9. Mildenhall, B., et al. (2020). "NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis." ECCV.

10. Raissi, M., Perdikaris, P., & Karniadakis, G. E. (2019). "Physics-Informed Neural Networks." Journal of Computational Physics, 378, 686–707.

11. Trịnh Hữu Liên. (2026). Trường Giá trị Đất Đô thị (ULVF): Định giá và lập bảng giá đất theo Luật Đất đai 2024 – Đột phá thực chiến với mô hình VCM–VRM–PRM kết hợp AI. Hà Nội: Nhà xuất bản Khoa học Công nghệ Truyền thông.