想象你正在建模一个细菌培养物的增长，其精确的生物函数过于复杂，无法进行实时计算。根据 魏尔斯特拉斯，如果您的增长曲线是连续的，您就可以找到一个简单的多项式，使其与曲线极为接近，以至于差异可以忽略不计。然而，如果仅依赖于基于“第0天”数据的 泰勒多项式 ，那么对“第10天”的预测很可能会灾难性地出错。这就是我们寻求全局插值技术的原因。
代数多项式的强大之处
代数多项式是数学中首选的‘逼近工具’，因为它们可以通过简单的算术运算轻松求值、求导和积分。
定义：代数多项式
形式如下函数：
$$P_n(x) = a_n x^n + a_{n-1} x^{n-1} + \dots + a_1 x + a_0$$
魏尔斯特拉斯逼近定理
该定理通过保证在闭有界区间上任意连续函数都可以被近似到任意期望的精度，为数值分析提供了理论基础。
定理 3.1
设函数 $f$ 在区间 $[a, b]$ 上定义且连续。对于每个 $\epsilon > 0$，存在一个多项式 $P(x)$，使得：
$$|f(x) - P(x)| < \epsilon, \text{ 对所有 } x \text{ 属于 } [a, b]$$
插值与局部逼近
虽然泰勒多项式在特定点附近非常精确，但当我们远离该点时，它们往往迅速发散（即 局部精度陷阱）。插值则试图利用整个区间的多个数据点，提供一种满足魏尔斯特拉斯条件的全局拟合。
🎯 核心原理
魏尔斯特拉斯定理是一个 存在性定理——它证明了多项式存在，但并未给出其系数。将函数拟合到特定数据点以寻找这些多项式的过程被称为 插值。