Причина сугубо практическая, и появилась задолго до цирка как такового.
Театр в Древней Греции и Риме - огромные каменные амфитеатры на несколько тысяч зрителей. Никаких экранов, никакого освещения. Актера на сцене зрители с дальних рядов видели как крошечную фигурку. Чтобы было понятно, какую эмоцию изображает персонаж, придумали маски с утрированными выражениями лица: огромный рот вниз - трагедия, рот вверх - комедия. Это буквально первая система визуальной коммуникации с большой аудиторией.
В средневековых ярмарочных шествиях и площадных представлениях актеры белили лица по той же причине - издалека видно, что там человек "другой", не обычный прохожий, это перформанс. Белый грим, красный нос, преувеличенные черты - все это читается с 50 метров в толпе.
В цирке XIX-XX века, когда манеж огромный и зрители сидят по кругу, логика та же. Грим - это не эстетика, это дистанционная читаемость образа.
Про маски и дистанционную читаемость - вот это поворот, я как то не думал об этом как об инженерном решении. Спасибо за развернутый ответ.