# 专题 VI：正交不变性与最优规划等价（定理4严格证明）

> **前置知识：** [专题 I：Hermite 多项式](01_hermite_polynomials.md)、[专题 III：谱分解与线性可识别性（定理1）](03_spectral_identifiability.md)、[专题 V：近似可识别性界（定理3）](05_approximate_identifiability.md)
> **目标：** 严格证明 O(n)-不变代价函数下，线性可识别性足以保证潜空间规划与真实世界规划的完全等价

---

## §0 定理4的完整陈述与证明定位

### 问题设定：控制问题的形式化定义

**定义1（离散时间随机控制系统）：**

一个离散时间随机控制系统由以下元素组成：
- 状态空间 $\mathcal{Z} = \mathbb{R}^n$（潜变量）
- 动作空间 $\mathcal{A} \subseteq \mathbb{R}^m$（控制输入）
- 转移核 $p(z'|z, a)$：给定当前状态 $z$ 和动作 $a$，下一时刻状态 $z'$ 的条件概率密度
- 代价函数 $\ell: \mathcal{Z} \times \mathcal{A} \to [0, \infty)$：一步代价
- 终端代价 $\ell_T: \mathcal{Z} \to [0, \infty)$：终端代价
- 时域 $T \in \mathbb{N}$：规划 horizon

**定义2（策略与轨迹代价）：**

给定初始状态 $z_0$，一个**开环策略** $\pi = (a_1, a_2, \ldots, a_T)$ 是动作序列。

由 $\pi$ 和 $z_0$ 生成的**轨迹** $(Z_1, Z_2, \ldots, Z_T)$ 是随机过程，满足：
$$Z_t | (Z_{t-1}, a_{t-1}) \sim p(\cdot|Z_{t-1}, a_{t-1}), \quad Z_0 = z_0$$

**总期望代价：**
$$J(\pi; z_0) = \mathbb{E}\left[\sum_{t=1}^T \ell(Z_t, a_t) + \ell_T(Z_T)\bigg| Z_0 = z_0\right]$$

**最优控制问题：**
$$V^*(z_0) = \inf_{\pi} J(\pi; z_0), \quad a^*_{1:T}(z_0) = \text{argmin}_{\pi} J(\pi; z_0)$$

其中 $V^*$ 是**值函数（cost-to-go）**，$a^*_{1:T}$ 是最优动作序列。

---

### 定理4（最优规划等价性）的完整陈述

**设定：**
1. **线性可识别编码器：** $h(z) = Qz$，其中 $Q \in O(n)$ 是正交矩阵
2. **O(n)-不变代价函数：** $\ell(Qz, a) = \ell(z, a)$ 对所有 $Q \in O(n), z \in \mathcal{Z}, a \in \mathcal{A}$
3. **潜空间动力学：** $\hat{p}(\hat{z}'|\hat{z}, a) = p(Q^{-1}\hat{z}'|Q^{-1}\hat{z}, a)$（转移核的正交推前）

**定理4断言：**
1. **值函数相等：** $\hat{V}^*(Qz_0) = V^*(z_0)$ 对所有 $z_0 \in \mathcal{Z}$
2. **最优策略等价：** $\hat{\pi}^*(Qz_0) = \pi^*(z_0)$ 对所有 $z_0 \in \mathcal{Z}$

其中 $\hat{V}^*$ 和 $\hat{\pi}^*$ 是潜空间控制问题的值函数和最优策略，$V^*$ 和 $\pi^*$ 是原始空间控制问题的值函数和最优策略。

---

### 证明定位与结构

定理4是**应用性定理**：它利用定理1的线性可识别性结论 $h(z) = Qz$，结合 O(n)-不变代价函数的几何性质，证明规划等价性。

证明分为三个严格步骤：

| 步骤 | 内容 | 关键工具 |
|------|------|----------|
| Step A | O(n)-不变性的形式化定义与基本性质 | 群作用 + 不变函数理论 |
| Step B | 转移核的推前性质 + 代价等价性证明 | 变量替换 + Jacobian = 1（正交变换）|
| Step C | 值函数相等 + 最优策略等价性推导 | 优化理论（inf/sup交换）|

---

## §A Step A：O(n)-不变性的形式化定义与基本性质

### 定义3（正交群 O(n)）

**正交群：**
$$O(n) = \{Q \in \mathbb{R}^{n\times n}: Q^\top Q = QQ^\top = I_n\}$$

**性质：**
- $Q \in O(n) \implies \|Qx\|_2 = \|x\|_2$（保距性）
- $Q \in O(n) \implies \det(Q) = \pm 1$（保向性/反射）
- $Q \in O(n) \implies Q^{-1} = Q^\top$（逆等于转置）
- $Q \in O(n) \implies |\det(Q)| = 1$，Jacobian $= 1$（保测性）

**群作用：** O(n) 在 $\mathbb{R}^n$ 上的自然作用：
$$Q \cdot x = Qx, \quad Q \in O(n), x \in \mathbb{R}^n$$

**轨道：** $x$ 的轨道是 $\text{Orb}(x) = \{Qx: Q \in O(n)\} = \{y \in \mathbb{R}^n: \|y\|_2 = \|x\|_2\}$（半径为 $\|x\|_2$ 的球面）。

**不变函数：** $f: \mathbb{R}^n \to \mathbb{R}$ 是 O(n)-不变的，如果：
$$f(Qx) = f(x), \quad \forall Q \in O(n), x \in \mathbb{R}^n$$

**引理A1（O(n)-不变函数的结构定理）：**

设 $f: \mathbb{R}^n \to \mathbb{R}$ 是连续且 O(n)-不变的。则存在函数 $\phi: [0, \infty) \to \mathbb{R}$，使得：
$$f(x) = \phi(\|x\|_2), \quad x \in \mathbb{R}^n$$

**证明（引理A1）：**

对任意 $x, y \in \mathbb{R}^n$，若 $\|x\|_2 = \|y\|_2 > 0$，则存在 $Q \in O(n)$ 使得 $y = Qx$（球面上任意两点可通过正交变换映射）。

因此：
$$f(x) = f(Qx) = f(y), \quad \text{当 } \|x\|_2 = \|y\|_2$$

定义 $\phi(r) = f(x)$ 其中 $r = \|x\|_2$。这是良定义的，因为若 $\|x'\|_2 = \|x\|_2$，则 $f(x') = f(x)$。

**因此：**
$$\boxed{f(x) = \phi(\|x\|_2)}$$

**引理A1证毕。** $\square$

---

### 定义4（O(n)-不变代价函数）

**一步代价 $\ell: \mathbb{R}^n \times \mathcal{A} \to [0, \infty)$ 是 O(n)-不变的，如果：**
$$\ell(Qz, a) = \ell(z, a), \quad \forall Q \in O(n), z \in \mathbb{R}^n, a \in \mathcal{A}$$

**终端代价 $\ell_T: \mathbb{R}^n \to [0, \infty)$ 是 O(n)-不变的，如果：**
$$\ell_T(Qz) = \ell_T(z), \quad \forall Q \in O(n), z \in \mathbb{R}^n$$

**由引理A1：** O(n)-不变代价函数具有形式：
$$\ell(z, a) = \phi_\ell(\|z\|_2), \quad \ell_T(z) = \phi_T(\|z\|_2)$$

**常见例子：**
- 欧氏距离到目标：$\ell(z, a) = \|z - z_{\text{goal}}\|_2^2$（若 $z_{\text{goal}} = 0$，即 $\ell(z) = \|z\|_2^2$）
- LQR 代价：$\ell(z, a) = z^\top P z + a^\top R a$（若 $P = \lambda I$，即 $\ell(z) = \lambda\|z\|_2^2$）
- 范数惩罚：$\ell(z) = \|z\|_2^p$ for $p \geq 1$

**非例子（不满足 O(n)-不变性）：**
- 坐标惩罚：$\ell(z) = z_1^2$（只惩罚第一维，旋转后变成 $(Qz)_1^2 \neq z_1^2$）
- 固定方向目标：$\ell(z) = \|z - e_1\|_2^2$（目标方向固定为 $e_1 = [1, 0, \ldots, 0]^\top$）

---

## §B Step B：转移核的推前性质 + 代价等价性证明

### 定义5（转移核的正交推前）

**设定：**
- 原始空间状态 $z \in \mathbb{R}^n$，转移核 $p(z'|z, a)$
- 潜空间状态 $\hat{z} = Qz \in \mathbb{R}^n$，其中 $Q \in O(n)$
- 潜空间转移核 $\hat{p}(\hat{z}'|\hat{z}, a)$

**定义5断言：** 潜空间转移核是原始转移核的**正交推前（pushforward）**：
$$\hat{p}(\hat{z}'|\hat{z}, a) = p(Q^{-1}\hat{z}'|Q^{-1}\hat{z}, a) \cdot |\det(Q^{-1})|$$

**由于 $Q \in O(n)$：** $\det(Q) = \pm 1$，因此 $|\det(Q^{-1})| = |\det(Q^\top)| = 1$。

**因此：**
$$\boxed{\hat{p}(\hat{z}'|\hat{z}, a) = p(Q^{-1}\hat{z}'|Q^{-1}\hat{z}, a)}$$

**物理含义：** 若原始动力学是 $p(z'|z, a)$，则在旋转后的潜空间 $\hat{z} = Qz$ 中，动力学是 $p(Q^{-1}\hat{z}'|Q^{-1}\hat{z}, a)$。

---

### 引理B1（一步代价等价性）

**设定：**
- $\ell$ 是 O(n)-不变代价函数：$\ell(Qz, a) = \ell(z, a)$
- $h(z) = Qz$ 是线性可识别编码器

**断言：** 对任意 $z \in \mathbb{R}^n, a \in \mathcal{A}$：
$$\ell_{\text{latent}}(Qz, a) = \ell(z, a)$$

其中 $\ell_{\text{latent}}$ 是潜空间的一步代价。

**证明（引理B1）：**

由 O(n)-不变性：$\ell(Qz, a) = \ell(z, a)$。

由定义5（推前动力学）：$\hat{p}(\cdot|\hat{z}, a) = p(Q^{-1}\cdot|Q^{-1}\hat{z}, a)$。

因此，在潜空间中执行动作 $a$ 的一步代价：
$$\ell_{\text{latent}}(\hat{z}, a) = \ell(Q^{-1}\hat{z}, a)$$

但由 O(n)-不变性：$\ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)$（因为 $Q^{-1} \in O(n)$）。

**因此：**
$$\ell_{\text{latent}}(\hat{z}, a) = \ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)$$

**等等！** 这里需要更精确的推导。让我重新表述：

设原始空间状态 $z$，潜空间状态 $\hat{z} = Qz$.

**原始空间的代价：** $\ell(z, a)$.

**潜空间中的对应状态：** $\hat{z} = Qz \implies z = Q^{-1}\hat{z}$.

**潜空间的代价：** $\ell_{\text{latent}}(\hat{z}, a) = \ell(Q^{-1}\hat{z}, a)$（由推前定义）。

**但 O(n)-不变性给出：** $\ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)$（因为 $Q^{-1} \in O(n)$）。

**因此：**
$$\boxed{\ell_{\text{latent}}(\hat{z}, a) = \ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)}$$

**不对！** 这里混淆了原始空间和潜空间的代价函数。让我重新定义：

- $\ell(z, a)$ 是原始空间的一步代价
- $\hat{\ell}(\hat{z}, a) = \ell(Q^{-1}\hat{z}, a)$ 是潜空间的一步代价（由推前定义）

**O(n)-不变性：** $\ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)$（因为 $Q^{-1} \in O(n)$）。

**因此：**
$$\boxed{\hat{\ell}(Qz, a) = \ell(z, a)}$$

**引理B1证毕。** $\square$

---

### 引理B2（轨迹代价等价性）

**设定：**
- $\ell$ 和 $\ell_T$ 都是 O(n)-不变代价函数
- $h(z) = Qz$ 是线性可识别编码器
- $\hat{p}$ 是 $p$ 的正交推前

**断言：** 对任意动作序列 $\pi = (a_1, \ldots, a_T)$ 和初始状态 $z_0$：
$$\hat{J}(\pi; Qz_0) = J(\pi; z_0)$$

其中 $\hat{J}$ 是潜空间的总期望代价，$J$ 是原始空间的总期望代价。

**证明（引理B2）：**

由定义：
$$J(\pi; z_0) = \mathbb{E}\left[\sum_{t=1}^T \ell(Z_t, a_t) + \ell_T(Z_T)\bigg| Z_0 = z_0\right]$$

其中 $Z_t$ 是由 $p(\cdot|z, a)$ 生成的随机过程。

类似地：
$$\hat{J}(\pi; \hat{z}_0) = \mathbb{E}\left[\sum_{t=1}^T \hat{\ell}(\hat{Z}_t, a_t) + \hat{\ell}_T(\hat{Z}_T)\bigg| \hat{Z}_0 = \hat{z}_0\right]$$

其中 $\hat{Z}_t$ 是由 $\hat{p}(\cdot|\hat{z}, a)$ 生成的随机过程。

**关键观察：** 设 $\hat{Z}_t = Q Z_t$，其中 $Z_t$ 是由 $p(\cdot|z, a)$ 生成的。

则：
$$\hat{Z}_t | (\hat{Z}_{t-1}, a_{t-1}) = Q Z_t | (Q Z_{t-1}, a_{t-1})$$

由推前定义：
$$\hat{p}(\hat{z}'|\hat{z}, a) = p(Q^{-1}\hat{z}'|Q^{-1}\hat{z}, a)$$

因此：
$$\mathbb{P}(\hat{Z}_t \in d\hat{z}'|\hat{Z}_{t-1} = Q z_{t-1}, a_{t-1}) = p(Q^{-1}\hat{z}'|Q^{-1} Q z_{t-1}, a_{t-1}) d\hat{z}'$$
$$= p(z'|z_{t-1}, a_{t-1}) d\hat{z}'$$

其中 $z' = Q^{-1}\hat{z}'$，且 $d\hat{z}' = |\det(Q)| dz' = dz'$（因为 $\det(Q) = \pm 1$）。

**因此：** $\hat{Z}_t = Q Z_t$（在分布意义下）是由 $\hat{p}$ 生成的。

**现在计算代价：**
$$\hat{\ell}(\hat{Z}_t, a_t) = \ell(Q^{-1}\hat{Z}_t, a_t) = \ell(Z_t, a_t)$$

其中第二个等号由 O(n)-不变性（$\ell(Q^{-1}\hat{z}, a) = \ell(\hat{z}, a)$）。

**类似地：**
$$\hat{\ell}_T(\hat{Z}_T) = \ell_T(Q^{-1}\hat{Z}_T, a_t) = \ell_T(Z_T)$$

**因此：**
$$\hat{J}(\pi; Qz_0) = \mathbb{E}\left[\sum_{t=1}^T \ell(Z_t, a_t) + \ell_T(Z_T)\bigg| Z_0 = z_0\right] = J(\pi; z_0)$$

**引理B2证毕。** $\square$

---

## §C Step C：值函数相等 + 最优策略等价性推导

### 定理4的证明（完整）

**第1步：值函数相等。**

由定义：
$$V^*(z_0) = \inf_{\pi} J(\pi; z_0), \quad \hat{V}^*(Qz_0) = \inf_{\pi} \hat{J}(\pi; Qz_0)$$

由引理B2：$\hat{J}(\pi; Qz_0) = J(\pi; z_0)$ 对所有 $\pi$。

**因此：**
$$\hat{V}^*(Qz_0) = \inf_{\pi} J(\pi; z_0) = V^*(z_0)$$

**第2步：最优策略等价性。**

由定义：
$$a^*_{1:T}(z_0) = \text{argmin}_{\pi} J(\pi; z_0), \quad \hat{a}^*_{1:T}(Qz_0) = \text{argmin}_{\pi} \hat{J}(\pi; Qz_0)$$

由引理B2：$\hat{J}(\pi; Qz_0) = J(\pi; z_0)$ 对所有 $\pi$。

**因此：**
$$\hat{a}^*_{1:T}(Qz_0) = \text{argmin}_{\pi} J(\pi; z_0) = a^*_{1:T}(z_0)$$

**定理4证毕。** $\square$

---

## §D 几何直觉与物理含义

### O(n)-不变性的几何图像

O(n)-不变代价函数 $\ell(z) = \phi(\|z\|_2)$ 只依赖于状态的**径向距离**，不依赖**角度方向**。

```
z₂
↑     ● (0, 2) — ℓ = φ(2)
│    ╱   ╲
│   ●     ● — ℓ = φ(1)  （球面上的所有点有相同代价）
│    ╲   ╱
└──────→ z₁

球面 = 轨道 Orb(z) = {y: ‖y‖₂ = ‖z‖₂}
```

**正交变换 $Q$ 的作用：** 旋转球面上的点，但不改变径向距离 $\|z\|_2$。

**因此：** O(n)-不变代价函数在正交变换下保持不变：$\ell(Qz) = \phi(\|Qz\|_2) = \phi(\|z\|_2) = \ell(z)$。

---

### 转移核推前的几何图像

```
原始空间 z:              潜空间 ĥz = Qz:

    z₂                    ĥz₂
    ↑                      ↑
    │  p(z'|z, a)          │   p̂(ĥz'|ĥz, a)
    │  ●────────●          │   ●────────●
    └──────→ z₁             └──────→ ĥz₁

推前：p̂(ĥz'|ĥz, a) = p(Q⁻¹ĥz'|Q⁻¹ĥz, a)
     = p(z'|z, a)  （因为 Q⁻¹ĥz' = z', Q⁻¹ĥz = z）
```

**物理含义：** 若原始动力学是 $p(z'|z, a)$，则在旋转后的潜空间中，动力学形式不变（只是坐标系的旋转）。

**Jacobian = 1：** 正交变换 $Q$ 的 Jacobian 行列式是 $\pm 1$，因此概率测度不变（保测性）。

---

### 规划等价的几何图像

```
原始空间 z:              潜空间 ĥz = Qz:

    z₂                    ĥz₂
    ↑                      ↑
    │  ●goal               │      ●goal' = Q·goal
    │     ╱                │         ╱
    │    ╱                 │        ╱
    │   ●────────●         │       ●────────●
    └──────→ z₁             └──────→ ĥz₁

最优路径：start → goal（直线，代价 = ‖goal - start‖₂）
最优路径：ĥstart → ĥgoal（直线，代价 = ‖Q(goal - start)‖₂ = ‖goal - start‖₂）
```

**关键：** 正交变换 $Q$ 保持距离不变：$\|Qx\|_2 = \|x\|_2$。

**因此：** 在原始空间和潜空间中，最优路径的长度（代价）完全相同！

---

## §E 与定理1-3的关系

| 定理 | 核心结论 | 在规划等价性中的作用 |
|------|----------|-------------------|
| 定理1（专题III） | $h(z) = Qz$（正交等价） | 提供线性可识别编码器的形式 $h(z) = Qz$ |
| 定理2（专题IV） | 高斯是唯一使 $h(z) = Qz$ 的分布 | 说明定理1的条件是必要的（高斯是唯一使线性可识别成立的） |
| 定理3（专题V） | $\mathbb{E}[\|h(z) - Qz\|^2] \leq D + (\varepsilon+D)^2$ | 给出近似情况下的误差界（鲁棒性） |
| **定理4（本专题）** | $\hat{V}^*(Qz_0) = V^*(z_0)$（规划等价） | 证明线性可识别性足以支持最优规划 |

---

### 定理3对定理4的推广（近似情况）

在定理1的完美条件下，$h(z) = Qz$ 精确成立，因此规划等价性 $\hat{V}^*(Qz_0) = V^*(z_0)$ 精确成立。

在定理3的近似条件下，$\mathbb{E}[\|h(z) - Qz\|^2] \leq D + (\varepsilon+D)^2$，规划等价性会有**误差**。

**近似情况下的界：** 若 $h(z) = Qz + \epsilon(z)$，其中 $\mathbb{E}[\|\epsilon(z)\|^2] \leq \eta$（$\eta = D + (\varepsilon+D)^2$），则：

$$|\hat{V}^*(Qz_0) - V^*(z_0)| \leq O(\sqrt{\eta})$$

**推导：** 由 Lipschitz 连续性（假设 $\ell$ 是 $L$-Lipschitz）：
$$|\hat{J}(\pi; Qz_0) - J(\pi; z_0)| \leq T \cdot L \cdot \sqrt{\eta}$$

**因此：**
$$|\hat{V}^*(Qz_0) - V^*(z_0)| \leq T \cdot L \cdot \sqrt{\eta}$$

**其中：** $\eta = D + (\varepsilon+D)^2$ 是定理3的近似界。

**物理含义：** 规划等价性的误差随 $\delta, \varepsilon \to 0$ 连续趋向零（优雅降级）。

---

## §F Lean 4 形式化验证状态

### 定理4在 [`Planning.lean`](../lejepa-identifiability/lean/LeJEPA/Planning.lean) 中的形式化

| 组件 | Lean 4 定理 | 状态 |
|------|-------------|------|
| O(n)-不变性定义 | `is_orthogonal_invariant_cost` | ✅ 已验证 |
| 转移核推前性质 | `pushforward_transition_kernel` | ✅ 已验证 |
| 一步代价等价性 | `one_step_cost_equivalence` | ✅ 已验证 |
| 轨迹代价等价性 | `trajectory_cost_equivalence` | ✅ 已验证 |
| 值函数相等 | `value_function_equality` | ✅ 已验证 |
| 最优策略等价性 | `optimal_policy_equivalence` | ✅ 已验证 |

---

## §G DMC Reacher 实验的严格复现说明

### 实验设置的形式化定义

**环境：** DeepMind Control Suite 的 Reacher 任务。
- **状态空间（关节角度）：** $z = (\theta_1, \theta_2) \in [0, 2\pi)^2$
- **动作空间：** $a = (\dot{\theta}_1, \dot{\theta}_2) \in \mathbb{R}^2$
- **动力学：** 简化的二阶积分器 $\theta' = \theta + \dot{\theta}\Delta t$

**编码器：** CNN 网络 $h: \mathbb{R}^{64\times 64\times 3} \to \mathbb{R}^2$。

**两种训练数据：**
1. **OU 采样：** $z' = \rho z + \sqrt{1-\rho^2}\eta$，$\eta \sim N(0, I_2)$
   - 分布：$N(0, I_2)$（各向同性高斯）
   - 满足定理1条件：$\mathcal{L}_{\text{align}} \approx 2(1-\rho)n$
   
2. **RL 轨迹：** 由训练好的策略生成的轨迹
   - 分布：非高斯、各向异性（依赖于奖励函数和初始状态）
   - 不满足定理1条件：$\mathcal{L}_{\text{align}} \gg 2(1-\rho)n$

**规划任务：**
- **目标状态：** $z_{\text{goal}} = (0, 0)$（关节角度为零）
- **代价函数：** $\ell(z, a) = \|z\|_2^2 + \lambda\|a\|_2^2$（LQR 型代价）
- **时域：** $T = 10$

**规划方式：**
1. **Oracle（关节空间）：** 在真实关节空间中执行直线路径 $\theta(t) = (1-t/T)\cdot \theta_0$
2. **OU 编码器：** 在潜空间中执行直线路径，用最近邻检索解码
3. **RL 编码器：** 在潜空间中执行直线路径，用最近邻检索解码

**结果（论文图3）：**
| 编码器 | 平均路径长度 | p-value vs Oracle |
|--------|-------------|-------------------|
| Oracle（关节空间） | ~1.0 | — |
| OU 编码器 | ~1.02 | > 0.5（无显著差异）|
| RL 编码器 | ~1.48 | < 0.001（显著差异）|

**结论：** OU 编码器（满足定理1条件）的规划质量与 Oracle 无显著差异；RL 编码器（违反假设）的规划质量显著下降。

**与定理4的关系：**
- OU 编码器：$h(z) \approx Qz$（正交等价），因此 $\hat{V}^*(Qz_0) \approx V^*(z_0)$（规划等价）
- RL 编码器：$h(z) \neq Qz$（非正交等价），因此 $\hat{V}^*(Qz_0) \neq V^*(z_0)$（规划不等价）

---

## §H 小结与核心洞见

### 定理4的证明总结（三步法）

1. **O(n)-不变性：** $\ell(Qz, a) = \ell(z, a)$（只依赖径向距离）
2. **转移核推前：** $\hat{p}(\cdot|\hat{z}, a) = p(Q^{-1}\cdot|Q^{-1}\hat{z}, a)$（Jacobian = 1）
3. **代价等价性：** $\hat{J}(\pi; Qz_0) = J(\pi; z_0)$（对所有 $\pi$）
4. **优化等价性：** $\hat{V}^*(Qz_0) = V^*(z_0)$（inf 相同）

### 核心洞见（一句话）

**O(n)-不变代价函数只依赖径向距离 $\|z\|_2$，而正交变换 $Q$ 保持径向距离不变（$\|Qz\|_2 = \|z\|_2$），因此 O(n)-不变代价在正交变换下保持不变，导致规划等价性。**

### 与定理1的关系（一句话）

**定理4是定理1的应用：若 $h(z) = Qz$（正交等价），则 O(n)-不变代价函数下的规划完全等价；若 $h(z) \neq Qz$（非正交等价），则规划不等价。**

### 与定理3的关系（一句话）

**定理4在完美条件下成立；定理3给出近似条件下的误差界：$|\hat{V}^* - V^*| \leq T\cdot L\cdot\sqrt{D+(\varepsilon+D)^2}$（优雅降级）。**

---

## ➡️ 返回总览

→ [LeJEPA 数学证明专题总览](README.md)——四大定理的完整图景与核心洞见