n维空间（n维向量空间）是线性代数中由n个实数组成的有序数组构成的集合，具备线性运算结构，并可定义距离、极限等概念，为多元函数研究提供理论基础。 以下从定义、线性运算、距离、收敛点列、点集五个方面展开介绍：
向量加法：两个向量对应分量相加，如$(x_1, dots, x_n) + (y_1, dots, y_n) = (x_1+y_1, dots, x_n+y_n)$。
数乘运算：向量与实数相乘，每个分量乘以该实数，如$k(x_1, dots, x_n) = (kx_1, dots, kx_n)$。这两种运算满足交换律、结合律等性质，使$mathbb{R}^n$构成线性空间。例如，在二维空间中，向量加法对应平行四边形法则，数乘运算对应向量缩放。
开集：点集中每个点存在邻域完全包含于该集合（如${(x_1, dots, x_n) mid x_1^2 + dots + x_n^2 < 1}$）。
闭集：点集包含所有极限点（如${(x_1, dots, x_n) mid x_1^2 + dots + x_n^2 leq 1}$）。这些概念为多元函数的连续性、可微性研究奠定基础。
总结：n维空间通过代数结构（线性运算）和几何度量（距离、极限）将直观的几何概念推广到高维，为多元函数、微分方程等高级数学工具提供了理论框架。理解这些基础概念是进一步学习数学分析、线性代数的重要前提。
