度量空间
度量空间是除拓扑空间外最广义的空间．它在集合的基础上增加了距离或长度的概念．
Fig. 1：用维恩图表示几种不同空间之间的关系，从内到外分别是内积空间
，赋范空间
，度量空间，拓扑空间
（修改自维基百科）
Definition 1 度量空间
一个集合中任意两个元素 $u, v$ 间若定义了满足以下条件的距离函数（distance function） $d(u, v)$（函数值为实数），那它就是一个度量空间（metric space）．集合中的每个元素就叫空间中的一个点．
- 正定性：$d(u, v) \geq 0$，且 $d(u, v)=0$ 当且仅当 $u=v$
- 对称性：$d(u, v) = d(v, u)$
- 三角不等式：$d(u, v) \leqslant d(u, w) + d(w, v)$
其中 “三角不等式” 就是通常所说的 “三角形两边之和不小于第三边”，移向后就变为 “两边之差不大于第三边”．
未完成：修改批注：将原先的四个条件整合成三个条件，并冠以数学界习惯的名称，方便学生记忆．
Example 1 欧几里得空间
$N$ 维欧几里得空间 $\mathbb R^N$ 中通常定义距离函数为
\begin{equation}
d(x, y) = \sqrt{\sum_{i=1}^N (x_i - y_i)^2}
\end{equation}
那么它是一个度量空间（证明留做习题）．
特殊地，实数域 $\mathbb R$ 通常的距离函数为 $d(x, y) = \left\lvert x - y \right\rvert $．
日常生活中，我们关于距离的直观概念都是建立在ex. 1 的基础上的，但度量空间是非常广义和抽象的．例如上例中 $d(x, y) = \left\lvert x^3 - y^3 \right\rvert $ 也可以是 $\mathbb R$ 的距离函数；又例如我们可以把一些函数的集合看成一个度量空间：
Example 2
所有 $f:\mathbb R \to \mathbb R$ 函数的集合是一个度量空间，如果定义距离函数为
\begin{equation}
d(f, g) = \max{ \left\lvert f(x) - g(x) \right\rvert }
\end{equation}
证明留做习题．
Corollary 1
度量空间 $X$ 的子集 $A$ 若继承 $X$ 的距离函数，那么 $A$ 也是一个度量空间，称为 $X$ 的子空间（subspace）．
证明显然．
对比线性空间
虽然ex. 1 和ex. 2 的集合也可以用于定义线性空间，但二者却有较大区别：比起线性空间，度量空间有距离或长度的概念而线性空间却不一定（见范数）．线性空间必须定义 “加法” 和 “标量积” 两种运算而度量空间不必．线性空间的 “零元” 在度量空间也不必存在．
