惠特尼嵌入定理（Whitney Embedding Theorem）由美国数学家哈斯勒·惠特尼（Hassler Whitney）在 1936 年至 1944 年间证明。
惠特尼嵌入定理告诉我们：无论一个 n 维光滑流形在抽象定义上多么复杂，只要给它 2n-1 维的空间，它就一定能舒展开来，没有任何褶皱或自交地存在于其中。
惠特尼嵌入定理解决的是“拓扑/光滑结构”问题：如何把一个抽象空间“画”在欧氏空间里，且不打结、不交叉。
而纳什嵌入定理解决的是“度量/几何结构”问题：如何把一个抽象空间“画”在欧氏空间里，且长度、角度、面积分毫不差。
惠特尼嵌入定理实际上包含两个部分：弱嵌入定理和强嵌入定理。
弱惠特尼嵌入定理 (Weak Whitney Embedding Theorem)，1936年发表。
任何 n 维光滑流形 M 都可以光滑嵌入到 ℝ²ⁿ 中。
这里的“嵌入”（Embedding）是指一个光滑映射 f: M → ℝ²ⁿ，它既是浸入（Immersion，即微分处处单射，局部看起来像平面），又是单射（Injective，即全局没有自交）。
1944年进一步完善证明，发表了强惠特尼嵌入定理 (Strong Whitney Embedding Theorem)
任何 n 维光滑流形 M 都可以光滑嵌入到 ℝ²ⁿ⁻¹ 中（当 n > 0 时）。
这是该定理的最优形式。
例如1维流形（曲线）可以嵌入到ℝ¹（直线）或ℝ²（平面，如打结的曲线需要平面）；2维流形（曲面）可以嵌入到ℝ³（我们日常看到的球面、环面）；4维流形可以嵌入到ℝ⁷。
为什么是 2n 或 2n-1？
要理解维度的限制，我们需要考虑“避免自交”这个几何障碍。
比如在纸上（2维）画一条曲线（1维），可以轻易避免线条交叉。
但如果只能在一条直线（1维）上画，线条必然重叠或无法形成复杂的形状。
更一般地，考虑流形上的两个点 p 和 q，点 p 有 n 个自由度（坐标），点 q 也有 n 个自由度，如果 f(p) = f(q)（发生自交），这相当于有 n 个方程（每个坐标分量相等）。
根据维数计数（Dimension Counting）或横截性（Transversality）理论：
两个 n 维物体在 N 维空间中一般位置下相交，其交集的维数大约是 2n - N。
为了让它们不相交（即交集为空，维数 2n < 0），我们需要 2n - N < 0，即 N > 2n。
通过更精细的拓扑论证，惠特尼将这个界限降低到 N = 2n-1。
惠特尼嵌入定理的证明技巧 (Whitney Trick)，核心在于“扰动法”和“消除自交”。
利用流形的局部坐标卡，可以很容易地把 M 浸入到某个高维 ℝᴺ 中。
这个浸入可能会有自交点（即 f(p) = f(q), p ≠ q）。
但如果目标空间 ℝᴺ 的维度足够高，我们可以对映射进行微小的扰动（Perturbation）。
想象两根绳子在 3D 空间中交叉，只需轻轻拨动其中一根，它们就不交叉了。
但在 2D 平面上，两根绳子交叉后，如果不剪断，就无法分开。
当 N ≥ 2n 时，自交点通常是孤立的。
惠特尼构造了一种特定的同痕（Isotopy），通过沿着连接两个自交点的“惠特尼圆盘”进行推挤，从而消除一对自交点。
这个技巧在 N=2n-1 时依然有效，但在 N=2n-2 时通常会失效，因为此时没有足够的空间来执行这个“推挤”操作而不产生新的自交。
惠特尼嵌入定理不仅仅是存在性定理，它是微分拓扑的基石。
它告诉我们，抽象定义的流形，和我们熟悉的欧氏空间中的子流形（如曲面）在本质上是同一回事。
于是我们可以放心地在 ℝᴺ 中研究流形。
嵌入到高维空间后，我们可以利用距离函数构造莫尔斯函数，从而通过临界点研究流形的拓扑结构。
后面庞特里亚金和托姆利用嵌入定理，将流形的分类问题转化为同伦论问题，是现代拓扑学的重大突破。
惠特尼证明了 2n-1 是最优下界。对于某些流形，如实射影空间ℝPⁿ，确实无法嵌入到比 2n-1 更低维的空间中。
约翰·纳什（John Nash）的工作是在惠特尼之后进行的。
1954年纳什在《Annals of Mathematics》上发表了关于 C¹ 等距嵌入的论文（即著名的纳什-基珀定理）。
1956年纳什在同一本顶级期刊上发表了关于 光滑（C^∞）等距嵌入的论文，给出了需要更高维度的版本。
纳什之所以能在 1950 年代证明纳什嵌入定理，很大程度上正是因为惠特尼定理已经铺平了道路。
他首先利用惠特尼定理，将抽象的黎曼流形光滑地（但不等距）嵌入到一个高维欧氏空间中。此时，流形上的距离和角度是被扭曲的。
然后在这个已经存在的光滑嵌入基础上，纳什构造了一个极其复杂的偏微分方程迭代过程（Nash-Moser迭代），对这个嵌入进行极其微小的“扰动（Perturbation）”。
通过不断微调，把之前被拉伸或压缩的距离一点点“掰”回正确的值，最终实现完美的等距嵌入。
热门跟贴