1 定理概述
1.1 定理的基本表述
Weierstrass 逼近定理指出：任意定义在闭区间上的连续实值函数，都可以用多项式在一致意义下逼近到任意精度。也就是说，只要给定一个连续函数和一个足够小的误差要求，总能找到某个多项式，使其与原函数在整个区间上的最大偏差小于该误差。
这一结论说明，多项式虽然形式简单，却足以表达闭区间上连续函数的整体形状，因此成为分析中最重要的近似工具之一。
1.2 直观理解
从直观上看，连续函数在闭区间内不会出现“断裂”或“跳跃”，因此可以先用折线或更细的分段曲线近似，再进一步用多项式把这些局部形状平滑地吸收进去。随着多项式次数升高，其曲线自由度增加，便能够越来越贴近原函数。
该定理的核心意义不在于找到某一个固定多项式，而在于说明“多项式族”在连续函数空间中具有稠密性。换言之，多项式不是唯一模型，但它们足以作为一切连续曲线的统一近似基底。
1.3 适用对象与前提条件
定理的经典版本要求函数定义在闭区间上，并且是实值连续函数。闭区间条件很关键，因为它保证了函数在区间上有界且能取得最大最小值，从而适合讨论一致逼近。
在更广泛的理论中，这一定理还能推广到复值函数、紧空间上的连续函数以及多元情形。但在最初和最常见的表述中，研究对象仍是实数轴上一段有限闭区间内的连续函数。
2 历史背景
2.1 Weierstrass 的原始工作
这一定理通常与 Karl Weierstrass 的研究联系在一起。他在19世纪对函数逼近问题进行了系统讨论，并提出连续函数可以被多项式逼近的基本思想。早期成果奠定了现代逼近论的方向，也改变了人们对“可表示函数类”的认识。
Weierstrass 的工作具有鲜明的分析学特征：他并不依赖几何直观，而是强调严格构造与误差控制，这也成为后续分析证明方法的重要风格。
2.2 定理的提出与传播
随着证明方法逐步完善，Weierstrass 逼近定理在数学界迅速传播。后来人们发现，即使原始证明并不总是最简洁，结论本身却极具概括力，几乎可视为“连续函数可由简单函数族逼近”的典型范例。
在教学与研究中，这一定理常作为实分析和泛函分析之间的桥梁，帮助学习者理解稠密性、完备性与函数空间结构等核心概念。
2.3 与后续逼近理论的关系
该定理直接推动了更一般的逼近理论发展。例如，Bernstein 多项式给出了构造性的逼近方式，而 Stone–Weierstrass 定理则把“多项式逼近”推广到更抽象的函数代数框架中。
此外，它还与插值、谱方法、最小二乘近似等多个方向形成呼应，成为现代数值分析与理论分析共同依赖的基础结果。
3 严格表述
3.1 闭区间上的连续函数
设函数 \(f\) 定义在闭区间 \([a,b]\) 上，并且在该区间内连续。Weierstrass 逼近定理讨论的正是这类函数。由于区间闭且有界，函数具有良好的整体性质，适合用统一误差标准来衡量逼近效果。
3.2 一致逼近的定义
一致逼近指的是：在整个定义区间上，近似函数与原函数之间的最大误差可以被任意压小。形式上，若近似序列为 \(p_n\)，则要求 \[
| \sup_{x\in [a,b]} | f(x)-p_n(x) | \to 0. |
|---|
\] 这比逐点收敛更强，因为它控制的是全区间的最坏误差。
3.3 多项式逼近的数学陈述
定理可表述为：对任意连续函数 \(f\in C([a,b])\) 和任意 \(\varepsilon>0\)，都存在一个多项式 \(P\)，使得 \[
| \sup_{x\in [a,b]} | f(x)-P(x) | <\varepsilon. |
|---|
\] 这意味着多项式在 \(C([a,b])\) 中是稠密的。换言之，连续函数空间可以由多项式以一致范数“填满”。
3.4 等价版本与常见表述
常见等价说法是：多项式族在闭区间连续函数空间中一致稠密。也有人表述为“任意连续函数都可被多项式序列一致逼近”。
在某些教材中，会强调定理的构造性版本，即不仅知道“存在”，还可以给出显式的逼近序列，如 Bernstein 多项式。这样的表述更适合连接理论与计算。
4 证明方法
4.1 构造性证明思路
构造性证明通常致力于直接给出逼近多项式，而非仅依赖抽象存在性。其优点是清楚展示逼近如何发生，也便于估计误差和分析收敛速度。
4.1.1 Bernstein 多项式法
Bernstein 多项式是最经典的构造工具之一。对于定义在 \([0,1]\) 上的连续函数 \(f\)，其第 \(n\) 阶 Bernstein 多项式定义为 \[ B_n(f)(x)=\sum_{k=0}^n f(k/n)\binom{n}{k}x^k(1-x)^{n-k}. \] 该方法利用二项分布的平均性质，把函数值的局部采样整合成平滑近似，并可证明其一致收敛到原函数。
4.1.2 通过卷积核的证明思路
另一类证明借助近似恒等核或平滑卷积核。先将连续函数与一族逐渐集中于零点的核函数卷积，从而得到更平滑的近似，再利用多项式逼近平滑结果。
这种思路常用于把“平滑化”和“多项式化”结合起来，体现分析中“先软化、再逼近”的基本策略。
4.2 利用分段线性近似的证明
先将连续函数用分段线性函数逼近，再证明每个分段线性函数都可以被多项式逼近。由于连续函数在闭区间上必然一致连续，因此可以通过足够细的剖分控制折线近似的误差。
这一方法的优点是概念直观，能够从“连续函数可被简单几何图形逼近”出发，逐步过渡到“简单几何图形可被多项式逼近”。
4.3 基于 Stone–Weierstrass 定理的推广视角
从更抽象的角度看，Weierstrass 逼近定理可视为 Stone–Weierstrass 定理的特殊情形。后者讨论的是某些函数代数在紧空间上的稠密性，而多项式恰好满足相关分离点和包含常数函数的条件。
这种视角把原定理放入函数代数框架，说明其本质并非“多项式特别神奇”，而是它们构成了一个满足抽象稠密性条件的函数系统。
5 相关概念
5.1 一致收敛
一致收敛是衡量函数列逼近效果的重要方式。与逐点收敛相比，它要求误差在整个区间上一并变小，因此更适合处理定理中的“任意精度逼近”结论。
5.2 多项式函数
多项式函数由有限次幂的线性组合构成，结构简单、运算方便，是分析和计算中最常见的基函数之一。其可微性强、解析性好，因此在近似与计算中具有天然优势。
5.3 连续函数空间
闭区间上的连续函数构成一个重要的函数空间，通常记作 \(C([a,b])\)。在一致范数下，该空间具备完备性，适合讨论稠密子集、逼近列与极限行为。
5.4 紧区间与紧性
闭区间 \([a,b]\) 是紧集，这一性质是定理成立的重要背景。紧性确保连续函数具有良好的全局控制能力，也使得“一致逼近”成为可操作的目标。
6 典型推论
6.1 三角多项式逼近
在周期函数的情形下，类似思想可导出三角多项式逼近结果。许多周期连续函数可以被有限项正弦余弦和任意精确地逼近，这与傅里叶分析形成密切联系。
6.2 分段连续函数的近似扩展
虽然原定理针对连续函数，但借助适当处理，分段连续函数也可在不连续点之外实现良好逼近。通常做法是将区间分拆，再在连续部分上分别构造近似。
6.3 光滑函数的近似结果
如果原函数不仅连续，而且具有更高阶光滑性，那么多项式逼近往往还能获得更强的误差控制。光滑性越好，通常越容易构造高质量近似，也更便于进行导数层面的分析。
6.4 实函数与复函数版本
经典版本以实值函数为主，但结论也可自然扩展到复值连续函数。此时多项式系数可以取复数，逼近方式与实值情形平行，只是在表达上更适合复分析和复函数空间。
7 推广与变体
7.1 Stone–Weierstrass 定理
Stone–Weierstrass 定理是该领域最重要的抽象推广之一。它说明，在紧空间上，只要某个函数代数满足分离点和包含常数函数等条件，就能在一致意义下稠密。
7.2 Weierstrass 逼近定理的多元推广
在多个变量的情形下，多项式逼近仍然成立。对于紧集上的连续函数，可以用多元多项式进行一致逼近，这使该定理在高维分析和计算中具有更广泛的适用性。
7.3 加权逼近版本
在某些场景中，函数在不同区域的重要性并不相同，因此会引入权函数进行加权逼近。此时误差评估不再完全均匀，而是依据权重分配近似精度。
7.4 在其他函数空间中的类似结论
类似的稠密性结论也存在于 Sobolev 空间、\(L^p\) 空间及其他函数空间中，只是逼近对象和收敛方式会有所变化。与经典定理相比，这些版本更强调积分意义或导数意义上的近似。
8 应用
8.1 数值分析中的函数近似
在数值计算中，多项式近似是求值、积分、求解方程和数值微分的重要基础。Weierstrass 逼近定理从理论上保证了这种方法的普适性，说明连续函数原则上都可被多项式替代。
8.2 计算机图形学中的曲线建模
在图形学中，曲线和曲面的表达常依赖多项式或分段多项式结构。其背后隐含的就是逼近思想：用易计算、可控制的代数对象描述复杂几何外形。
8.3 信号处理中的逼近思想
信号处理常需将复杂信号用有限参数模型表示。多项式逼近虽然不是唯一工具，但其“以简单函数表达复杂数据”的理念，与滤波、重建和压缩中的近似思想高度一致。
8.4 插值与最小二乘拟合
插值关注通过给定数据点，而最小二乘拟合则追求整体误差较小。Weierstrass 逼近定理提供了理论背景，说明只要目标函数连续，就存在足够好的多项式模型可供选取。
9 例子
9.1 对简单连续函数的多项式逼近
| 例如，函数 \(f(x)= | x | \) 在对称区间上连续但不可导，仍然可以被多项式一致逼近。尽管有限次数多项式无法完全复制其尖点，但随着次数增加，可以把折角附近的误差压缩到很小。 |
|---|
9.2 逼近误差的估计示例
若某个连续函数在区间上变化较平缓，则低阶多项式往往已能取得不错效果；若函数振荡较强，则通常需要更高阶的多项式才能达到相同误差水平。误差估计的具体形式依赖于所选逼近方法。
9.3 逼近阶数的选择
实际应用中，多项式次数并非越高越好。次数过低可能误差较大，次数过高则可能带来数值不稳定或计算代价上升。因此常需在精度、稳定性与效率之间作平衡。
10 误解与注意事项
10.1 逼近不等于逐点相等
该定理说明的是“可以任意接近”，并不表示某个有限次多项式能够与原函数完全相同。逼近与恒等是不同概念，二者在分析中必须严格区分。
10.2 区间条件的重要性
定理通常要求定义域是闭区间或更一般的紧集。若定义域不满足紧性，一致逼近结论未必仍成立，相关问题会变得更为微妙。
10.3 多项式次数与误差的权衡
次数提高通常有助于减小误差，但并不自动保证数值效果更好。实际计算中还要考虑系数大小、病态性以及模型是否适合具体函数的局部特征。
11 相关定理与条目
11.1 Stone–Weierstrass 定理
Stone–Weierstrass 定理是 Weierstrass 逼近定理的抽象推广，强调函数代数的稠密性条件，是现代逼近论中的核心结果。
11.2 Hahn–Banach 定理
Hahn–Banach 定理常用于泛函分析中的延拓与分离论证，也可在某些逼近问题中提供抽象工具，帮助刻画稠密性与对偶结构。
11.3 Ascoli–Arzelà 定理
Ascoli–Arzelà 定理刻画函数族相对紧性的条件，在研究函数列收敛和逼近性质时经常出现，与连续函数空间的结构分析密切相关。
11.4 Bernstein 多项式
Bernstein 多项式是经典的构造性逼近工具，不仅可用于证明 Weierstrass 逼近定理，也常作为讨论收敛速度与误差估计的范例。
12 参考文献
12.1 经典教材
经典实分析教材通常在连续函数空间与多项式稠密性章节中介绍该定理，并配以多种证明方式，适合初学者建立完整理解。
12.2 现代分析专著
现代分析专著往往将该定理置于函数分析或逼近论框架下，进一步讨论其推广形式、代数结构与空间性质。
12.3 证明与应用文献
关于证明与应用的文献则更关注具体构造、误差界、推广版本以及数值实现细节，适合深入研究逼近理论及其工程背景。