想像你正在建模一個細菌培養物的生長，其精確的生物函數過於複雜，無法進行即時計算。根據 魏爾施特拉斯，若你的生長曲線是連續的，你可以找到一個簡單的多項式，使其與曲線極為接近，差異可忽略不計。然而，如果你僅依賴於以「第0天」數據為基礎的 泰勒多項式 ，那麼對「第10天」的預測很可能會完全錯誤。這正是我們尋求全域插值技術的原因。
代數多項式的威力
代數多項式是數學中最受青睞的「近似工具」，因為它們可以透過簡單的算術運算輕鬆地進行評估、微分和積分。
定義：代數多項式
形式如下之函數：
$$P_n(x) = a_n x^n + a_{n-1} x^{n-1} + \dots + a_1 x + a_0$$
魏爾施特拉斯逼近定理
該定理通過保證任何在閉有界區間上的連續函數均可被近似至任意期望的精確度，成為數值分析的理論基礎。
定理 3.1
假設函數 $f$ 在區間 $[a, b]$ 上定義且連續。對於每個 $\epsilon > 0$，存在一個多項式 $P(x)$，使得：
$$|f(x) - P(x)| < \epsilon, \text{ 對所有 } x \text{ 屬於 } [a, b]$$
插值與局部逼近的比較
雖然泰勒多項式在特定點上極為精確，但當我們遠離該點時，往往會迅速發散（即 局部準確性陷阱）。插值則試圖利用整個區間上的資料點，提供一種符合魏爾施特拉斯條件的全域擬合。
🎯 核心原則
魏爾施特拉斯定理是一種 存在性定理——它證明了多項式的存在，但並未提供係數。將函數擬合到特定資料點以找出這些多項式的過程稱為 插值。