贡献者： addis; Giacomo
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。
定义 1 度量空间
一个集合 $X$ 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） $d: X \times X \to \mathbb{R}$，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：$d(u, v) \geq 0$，$d(u, v)=0$ 当且仅当 $u=v$
- 对称性：$d(u, v) = d(v, u)$
- 三角不等式：$d(u, v) \leqslant d(u, w) + d(w, v)$
未完成：笛卡尔积的用法
未完成：距离有 $[0, +\infty)$ 和 $[0, \infty]$ 两种定义，在拓扑等价的意义下可以互相转换。
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”。
定义 2 度量的等价性
空间 $X$ 上的两个度量 $d_1$ 和 $d_2$ 称为强等价的（strongly equivalent），如果有正实数 $C_1, C_2 \in \mathbb{R}_+$ 使得如下不等式对于任何 $x, y \in X$ 都成立：
$$
C_1 d_1(x, y) \leq d_2(x, y) \leq C_2 d_1(x, y)~.
$$
另一方面，如果空间上的两个度量导出相同的拓扑的话，我们就称这两个度量是拓扑等价的（topologically equivalent）
定理 1 强等价强于拓扑等价
未完成：证明
例 1 平凡度量
未完成：0,1 版本 和 0, +infty 版本
未完成：拓扑等价：都是离散拓扑
例 2 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例 2 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：
例 3
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) = \sup_x{ \left\lvert f(x) - g(x) \right\rvert }~.
\end{equation}
未完成：证明
推论 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。
1. 对比线性空间
虽然例 2 和例 3 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。
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。
