5.1--5.1.1 Inversions 反序-CSDN博客

从5.1的标题COMBINATORIAL PROPERTIES OF PERMUTATIONS来看，这一节应该会涉及比较多的组合数学的东西，这一节也属于比较有意思的一节。

反序和反序对

Inversions 反序，这是什么概念呢？对于排序，当然，排列是重要的研究对象，那么反序应该也是针对排列而言的。

Let (a_i a₂ ... a_n) be a permutation(排列) of the set {1,2,..., n}. If i < j and a_i > a_j,
the pair (a_i,a_j) is called an inversion(反序对) of the permutation;

从该定义来看，反序对就是违背了排序的一对元素，唯一没有反序对的排列就(1,2,...,n)。

事实上，在学线性代数的时候，求n*n行列式的时候，我们曾经用过反序的概念，G. Cramer 在1950提出的公式

上面的求和是对(1,2,...,n)的所有排列求和，而inv(a₁a₂...a_n) 是该排列的反序对个数，我们简单叫做反序数。

反序表和反序数

The inversion table(反序表) b₁b₂ ... b_nof the permutation a₁ a₂ ... a_n is obtained by
letting b_j be the number of elements to the left of j that are greater than j. (b_j等于大于j且在j右边的元素个数的总和)
In other words, b_j is the number of inversions whose second component is j.
例子：591826473 的反序表为 2 3 6 4 0 2 2 10,
since 5 and 9 are to the left of 1; 5, 9, 8 are to the left of 2; etc.

当然从这个定义看出反序表主要是对自然数的排列进行定义的。这也可以扩展，但是讨论问题而言就变得简单了。大多数也需要对一个排列的序号进行研究。

那么反序表的所有元素加起来就是排列的反序数了。而且反序表满足0 <= b₁ <= n - 1, 0<=b₂<=n-2, ..., 0 <= b_n-i<= 1, b_n = 0.

反序表和其排列有着一一对应的关系，

从排列到反序表，我们已经知道是唯一的，那么如何从反序表到排列呢，只要我们先把最大值写下，然后从大到小通过插值的方法就可以完成其排列了，因为b_n一定为0，这样就可以唯一确定一个排列，这个性质很重要，对解决问题的转化也很有帮助。

例如计算排列个数时，我们以前常用的是一种策略，选第一个有n种，选第二个有n-1，所以是n的阶乘，那么从数学来看，反序表更直接，因为反序表的每个元素是独立的，算出来也是n的阶乘。

另一个例子，在第一卷的1.2.10中，曾经计算过排列的局部最大值的问题，就是计算有多少个元素大于他们所有的后继的问题。那么这个数就是反序表中所有有反序极大值的元素的个数总和，这个极大值指的是b_j=n-j的时候。这是因为，当b_j=n-j时，那么说明大于j的数全部在j的左边，那么右边的数一定是小于j的，所以该数也是具有局部最大值的。那么当我们求一个排列的平均局部最大值个数的时候，用反序表可以简单解决这个问题，因为反序表每个元素都是独立的，所以，b₁有1/n概率是n-1，类似的，可以得到，该平均值是1/n+1/(n-1)+..+1=H_n。

在原排列中随意交换两个相邻元素，反序数总是加一或者减一，这个也很容易证明，因为只对相邻的那两个元素的反序对有影响，要不就是从反序对变成不是反序对，要不就是从不是反序对变成反序对。对其他元素并没有影响。

文中还给出了阿基米德的均匀多面体的图，加深直观理解，也颇有趣味。越来越兴奋的发现在下面展示。

排列的逆和反序表

排列的逆，在第一卷的时候也提到过，定义为a‘_j = k 当 a_k = j。那么

591826473 ___ 123456789

123456789 359716842

一个排列的逆和该排列有着相同的反序数。Rotha给出了比较有趣的证明。

We construct an n x n chessboard having a dot in column j of row i whenever ai = j. Then we put × 's in all squares that have dots lying both below (in the same column) and to their right (in the same row).

下面是591826473的构造图：

文中说容易看出构造图中的× 的个数就是反序数。这里我们可以知道，在黑点左边的格子数就是该元素的比它小的元素的总数。而除去一些在它前面，又比它小，就可以得到在它后面，又比它小的数，这个数就就构成数对反序对，所有的× 的个数也就是反序对的总和，即反序数。

那么我们现在把图转置一下，交换行列，(相当于把图按照图的y轴向面向你的方向转180°，然后把得到的图再按图的中心旋转90°),那么得到的就是该排列的逆的图了。经过转置，图中的× 的个数是不变的，所以就可以得到证明。

已经讨论了反序的一些基本概念和有趣的对应关系，有人会思考这和排序有什么关系，肤浅地看，排序就是把有高反序的排列变成0反序的，还记得那个多面体么。从一个点到顶端。这似乎有着比较有趣的关系。

反序数

前一节我们讨论的都是一些对应关系，那么反序数对于一个n元素的所有排列，到底是多少个呢，那么我们定义 I _n(k),表示n个元素的所有排列中有k个反序数的排列的个数。

我们有如下表：

从上表可以看出很多有趣的规律。

I_n(0)=1,这是因为唯一没有反序的排列只有一个，即排好序。

I_n(1)=n-1,这是因为有一个反序的排列，是在排好序的那个排序，基础上调整邻近的两个元素，可以调的就是n-1个位置，所以就有n-1个。

还有对称性质：

这个证明也比较容易，我们知道每个元素的反序数是独立的，那么把原排列从最右边反排到最左边，得到一个新的排列，就某个元素来说，其反序数应该是原排列该元素的反序数极大值与其反序数之差，所以所有元素加起来，则新排列的反序数应该是反序数极大值与原排列的反序数之差，由于各元素是独立的，那么反序数极大值就是各个元素反序数极大值之和，即0+1+...+(n-1)=n(n-1)/2,即所求。所以每一个排列都可以找到另一个排列与其有对应（可能是本身），所以就有对称性质，并且有上述公式。

我们令生成函数为G_n(z) = I_n(0) + I_n(l)z + I_n(2)z² + .......,该生成函数满足G_n(z) =(1+z+z²+...+z^n-1) G_n-1(z);

这个满足递归关系正文也说不难看出，看来我愚钝了，要看很久才看出。

首先，每一个n-1个元素的排列，添加一个元素都将都成n个新的排列，排列的总个数也是原来的n倍，那么这么多新的排列会对反序数造成什么影响呢，反序数的最大值也将从(n-1)(n-2)/2增大到n(n-1)/2，而对于I_n-1(0)来说，由于第n个元素是独立于其他元素的，所以，原排列中反序数为0的排列将产生反序数为0，1，.....，n-1，原排列中反序数为1的排列将产生反序数为1，2，.....，n以此类推，就可以知道那递归关系是满足的。

再进行深度递归，分子分母相乘(1-z)ⁿ化简，得出式子：

再结合表，我们能够推广出下面的式子：

从前面的分析，我们知道，每一个原排列反序数小于等于k的都将为新排列反序数为k的做一次贡献，那么I_n(k)=I_n-1(k)+I_n-1(k-1)+.....+I_n-1(0)对于k<n，将此式子的k换成k-1，照样成立，那么I_n(k-1)=I_n-1(k-1)+I_n-1(k-2)+...+I_n-1(0)，代换，那么上面的式子得证。

到这里，我们是不是想起了杨辉三角。这里并不想说杨辉三角和这里有什么关系，但是杨辉三角和组合数的一些性质有关，和多项式系数也有关，这里面和反序数到底有没有本质上的联系？这应该留待我们去发掘和讨论。

那么对于n和k，可以不可以马上计算出I_n(k)的值呢？答案是肯定的。

这公式比较难证明，作者叫我们先看看习题14，那我们还看看习题14讲的是什么。

首先考虑的是加法分划的问题，

n = p₁ + p₂ + ...+ P_k, where p₁> P₂ > .....> P_k > 0. For example, the partitions of 7 into distinct parts are 7, 6 + 1, 5 + 2, 4 + 3, 4 + 2 + 1。

Let f_k(n) be the number of partitions of n into k distinct parts; prove that ∑_k (-1)^k f_k(n) =0, unless n has the form (3j² ± j)/2, for some nonnegative integer j; in the latter case the sum is (-1)^j.

这一题说一个数n可以分划成k个正整数之和，然后令f_k(n)是n可以分成k部分的不同分法次数，要证明这些∑_k(-1)^k f_k(n) =0,当存某个整数j，令u=(3j² ± j)/2，∑_k(-1)^kf_k(n) = (-1)^j。

这个证明的方法是一个叫富兰克林的人的，相当有趣。如图

我们让n的其中一个划分，从p₁到pk往下排，第一行画p₁个黑点，第二画p₂个黑点，以此类推，我们就得到类似左边的图。

然后我们把满足p_j+1<p_j- 1的最少j，把头j行的最后一个黑点圈起来，如图，如果j（即圈起来黑点数）小于p_k（最后一行的黑点数），那么把圈起来的j个点放在最下面，成为新的一行，如右边的图。类似的，如果是j大于等于p_k，就可以把p_k那一行转45°放在圈起来黑点的右边，成为另一个图。

这样的转化，我们可以知道，每一个偶行加法划分都存在着对应的奇行加法划分，除非某个划分是没办法找到对应的。

假设j<k，则无论j和p_k是什么关系，都可以有对应。当j=k时，j只有在等于p_k和p_k-1时没办法（注意这里的p₁>p₂>...>p_k）

这样就意味只有当j=k=p_k或者j=k=p_k-1才没有对应

故此有j行，每行相差1，p_k是j或者j-1，可以得到n=(2j-1)+..+j=(3j²-j)/2和n=2j+..+(j-1)=(3j²+j)/2 。

那么没有对应的项，就会使∑_k (-1)^k f_k(n)!=0,而是∑_k(-1)^kf_k(n)=(-1)^j （k=j ，f_k(n)=1）。

插句题外话，这里是比较特殊的加法划分，不能有相等的项出现，但是扩展到相等的项，也很容易，只不过 p_j+1<=p_j- 1 ，而且只有 j=k=p_k才没有对应。也很容易得出结论。

上面的加法划分到底可以用来计算什么呢？计算欧拉公式

这个通过拆项，我们就知道，通过加法划分，刚好可以得出这条式子，比如， z ⁷的系数，有可能的组合就是就是 -z⁷,(-z⁶)(-z¹),(-z⁵)(-z²),(-z⁴)(-z³),(-z⁴)(-z⁵)(-z¹) ，几个项的系数和，相同个乘数的提取下公因子-1，就刚好变成前面例子中的加法划分求和公式，由于7是满了 (3j²+j)/2，所以可以j=2,所以结果是 (-1)^j，故系数是1，与此类似就可以得到上面的式子。

ps：习题中提到欧拉是用不同的方式证明的，但是没具体深入，有兴趣的同学可以去翻看相关书籍。

这下面还有个地方不太明白说啥，留笔。

得到欧拉公式后，我们回头看看我们要求的 I _n (k)，这里虽然计算了生成函数的分子，但是本人能力有限，还是计算不出各个系数，求数学高手帮助！

讲完了反序数的个数，接下来的正文又令我大为吃惊，涉及到反序分布的问题。

反序分布

首先，讲我们前面讲到过的I_n(k)序列的生成函数G_n(z)除以n!,那么我们得到g_n(z)=h₁(z)h₂(z)....h_n(z)，其中h_k(z)=(1+z¹+...+z^k-1)/k。

从h_k(z)可以看出这个生成函数是关于小于k的随机非负整数的一致分布。因为小于k的非负整数概率都是1/k。然后我们就可以知道这些小的生成函数相乘，概率相乘，h₁(z)相当于第n个元素反序数的一致分布，h₂(z)是第n-1个函数，h_n(z)是第1个元素，它们相乘这就构成了n个元素的随机排列的反序数概率分布生成函数！

这里的平均数和标准差比较容易计算，这里用了一致分布求平均值和标准差的推导公式，（缺，回宿舍找），再利用平方和公式也很容易计算出来了。有兴趣的同学可以验证下。

反序分布无疑是比较有趣的，我们根本不晓得反序原来也有概率的，我们在排序之前得到的序列也是随机的，那么利用概率学来计算排序的平均快慢也是比较有益的。

排列的反序与指数

说起指数，很多人都会想起数学里面的指数，但是这里说的是index，翻译成指数也不是很妥当，但是我们只要知道排列中的这么一个概念就好了。

Let us define the index of the permutation a₁a₂ ... a_n as the sum of all subscripts j such that a_j>a_j+1, 1 <= j < n. For example, the index of 591826473 is 2 + 4 + 6 + 8 = 20.

这个定义是找到相邻的两个数，如果左边大于右边，就把左右的下标记录下来，把这些下标想加，就是这个排列的指数。

如果列出n个元素的排列，我们会发现指数和反序个数相同，我们还可以看到有多少个指数是k个的排列，就有多少个反序数为k的排列。如果有列出来，这个对应看起来是显然的，但是证明却是非常有趣的。

首先我们假设ind(a₁a₂...a_n)是某个排列的指数，并且用H_n(z)=∑ z^{ind(a1a2...an)}表示对所有排列指数的生成函数。那么我们要求的目的就是让G_n(z)=H_n(z)，只要生成函数一样，那么各个系数一样，那么就说明有多少个指数是k个的排列，就有多少个反序数为k的排列，也即是I_n(k)。

为此，我们定义每个元素都是非负整数的任意n元组(q₁,q₂,…,q_n)为一边，然后定义((a₁a₂…a_n),(p₁p₂..p_n))为另一边，其中a₁a₂…a_n是一个排列，而_{p₁>=p₂>=..>=p_n>=0。}

这个对应假设能满足q₁+q₂+…+q_n=ind(a₁a₂...a_n)+p₁+p₂+...+p_{n 。}

我们先假设可以找到这个对应来证明G_n(z)=H_n(z)。

再设Q_n(z)是对非负整数的任意n元组(q₁,q₂,…,q_n)求和的生成函数，即Q_n(z)=∑ z^q1+q2+…+qn=1/(1-z)ⁿ

Q_n(z)怎么求出来，回忆起第一卷讲生成函数里面，有一条简单但是很重要的公式，1/(1-z) = 1+z¹+z²+….，那么我们把n个（1+z¹+z²+….）相乘，根据组合选取的思路，我们肯定该结果就是所求Q_n(z)。注意这里的(q₁,q₂,…,q_n)是任意非负整数的组合。

又设P_n(z)是对满足p₁>=p₂>=..>=p_n>=0的整数的任意n元组(p₁p₂,…,p_n)求和的生成函数，即P_n(z)=∑ z^p1+p2+…+pn=1/(1-z)(1-z²)(1-z³)…(1-zⁿ)

P_n(z)又是怎么求出来的呢？作者有叫我们去看习题15，这里插点讲这个的证明。

首先我们知道P_n(z)的某个z^m的系数就是m可以分成p₁+p₂+…+p_n的分划的个数，习题中的说法就是至多分成n个部分的分划生成函数。这里的至多，意思是某些项可以为0，而0项是不计算入分划的部分数的。

该习题试想证明一个简单的定理，至多分成n个部分的分划和分成每个项不超过n的分划是对应的，有着相同的数量。其实定理的证明很简单，我们先把m的一个分划，该分划是由至多n项组成的，然后把这个分划按照富兰克林对应的点阵图画出来，然后把改图转置，即行列对换，我们即可以得到一个m的分划，该分划每一项都不超过n。按照同样的做法，我们也可以反过来执行这个过程，注意虽然有些点阵图既是至多分成n个部分的分划，又是分成每个项不超过n的分划，但是这都不会影响它们有相同数量的结论。

有了上面的定理，我们就可以把求P_n(z)的某个z^m的系数变成求m可以分成每个项不超过n的分划的个数了。问题转化了。

因为项数不确定，但是不超过n的数是确定的，即是0到n，那么可以选择0无数个，选择1无数个，...，选择n无数个，它们之间是独立的。那么

P_n(z) = (z⁰⁽⁰⁾+z⁰⁽¹⁾+z⁰⁽²⁾+…)(z¹⁽⁰⁾+z¹⁽¹⁾+z¹⁽²⁾+…)(z²⁽⁰⁾+z²⁽¹⁾+z²⁽²⁾+…)…(zⁿ⁽⁰⁾+zⁿ⁽¹⁾+zⁿ⁽²⁾+…)1/(1-z)(1-z²)(1-z³)…(1-zⁿ)

上面的式子很容易计算，(z¹⁽⁰⁾+z¹⁽¹⁾+z¹⁽²⁾+…)就是1+z¹+z²+….=1/(1-z) ，(z²⁽⁰⁾+z²⁽¹⁾+z²⁽²⁾+…)用z²乘于该式再减该式就可以求出来，其它类似。

至此，两个式子得证。

那么根据q₁+q₂+…+q_n=ind(a₁a₂...a_n)+p₁+p₂+...+p_n，我们马上能够得到Q_n(z)=H_n(z)P_n(z)，所以H_n(z) = Q_n(z)/P_n(z) = (1-z)(1-z²)(1-z³)…(1-zⁿ)/(1-z)ⁿ=G_n(z)，式子中的n指得就是排列中元素数。

到此，我们已经证明了我们的目的，但是证明完整么？不，还差一个重要假设没验证，就是能够找到满足q₁+q₂+…+q_n=ind(a₁a₂...a_n)+p₁+p₂+...+p_n的对应。

该对应很有趣，首先我们考虑(p₁p₂,…,p_n)是递减的，那么我们要把(q₁,q₂,…,q_n)按照递减稳定排序，那么q_a1>=q_a2>=…>=q_an，并且当q_aj=q_aj+1时a_j<a_j+1。

那么，我们把n元组(q_a1,q_a2,…,q_an)进行如下的操作，取j从1到n遍历一下操作，当某a_j>a_j+1，把新元组中q_a1到q_aj都减去1。

由于q_aj>=q_aj+1，但是q_aj不可能等于q_aj+1，因为a_j>a_j+1和之前的说法违背。

所以我们得到q_aj>q_aj+1，故此，我们把新元组进行一次操作之后它还是能够满足稳定递减的要求，所以进行n次之后还是得到一个稳定递减的全新元组。

这个全新的元组就是我们要求的(p₁p₂,…,p_n)，那么我们在操作之中，我们是当a_j>a_j+1时我们就把q_a1到q_aj减去1，刚好减去j，从这里可以看出正好满足排列的index指数的定义。

（注意这里你可能要以为j从1到n遍历是一个必须的顺序，其实不然，因为这个减数是由(a₁a₂...a_n)决定，也就是排序完之后就决定的，所以和这个顺序是没关系的，而且你也可以知道每一次操作都是q_aj>q_aj+1，所以只会使q_aj=q_aj+1，而下一次选择j的时候可能大于j，那么比较的有可能是q_aj+1和q_aj+2，由于之前的操作对q_aj+1没影响，所以并不影响结果，再者如果下次选择的是小于j的，那么由于之前大于aj的元素都必须减1，所以还是稳定的，所以该被选择的还是会被选择到。）（遍历的顺序）

所以q₁+q₂+…+q_n=ind(a₁a₂...a_n)+p₁+p₂+...+p_n，相反的，从ind(a₁a₂...a_n)+p₁+p₂+...+p_n对应到q₁+q₂+…+q_n，也比较容易找到了。这里不再详细解说。到此我们找到该对应。

所以前面提到的有多少个指数是k个的排列，就有多少个反序数为k的排列的定理得到证明。

后面作者还给出了这个定理更广泛的定理，有着k个反序和l个指数的n个元素的排列的数目，和有l个反序和k个指数的排列数目相同。

还扯到两个伟大人物和第一排列和第二排列的对应。至此作者给出了习题25。

关于反序的研究，正文就这样结束了，从后面的指数部分我们可以看出一点和排序的眉目出来，反序作为研究排序的效率应该是很有帮助的，而且从证明来看，作者不断使用转换问题的思路，给我们解决问题留下深刻的体验。

关于正文里面还是更多细节可能没有去证明或者严谨，有兴趣的同学可以自觉完善。下面附带研究下习题25。

习题25：

这一题主要是对上面说的反序和指数的关系问题，进一步研究，把上面的命题缩小，得出更为吃惊的结论。

结论就是：有着k个反序和l个指数的n个元素的排列的数目，和有l个反序和k个指数的排列数目相同。

但是习题并没有一下要求我们证明那么多，而是分成两步：

我们先假设排列为A=a₁a₂…a_n，inv(A)表示A的反序数，ind(A)表示A的指数。为了简单，我们假设对于1到n进行排列。

第一证明：

每一个排列A都有另一个排列f(A)与之一一对应，关系如下：ind(f(A)) = inv(A)，并且对于1<=j<n，每当在A中j在j+1的左边，在f(A)中j也在j+1的左边，反之，也成立。

第一个证明作者给了提示，构造如下的h关系：如果n>1，A可以写成A=x₁A₁x₂A₂…x_kA_ka_n，其中当a₁<a_n时，x₁，x₂，…，x_k时都是小于a_n的元素，反之，x₁，x₂，…x_k时都是大于a_n的元素，而其它元素出现在子排列A₁，A₂，…，A_k中，注意这里的子排列可能为空。

这个构造咋一看起来很复杂，读者可以自己构造例子，很容易就接受了。但是这个构造有什么用呢？可以用来证明第一个证明么？

事实上，我们还需要构造h(A)=A₁x₁A₂x₂…A_kx_k，构造这个h的关系，是巧妙地用了反序和指数共同特点，前后大小关系的反转。

稍微分析下，当a₁<a_n时，A和h(A)的反序数是相同的，这是因为x₁，x₂，…，x_k都是小于a_n的元素，所以x_j的反转对于a_n没有影响，所以而对于A_j的反转，相对a_n来说反序数是减少了，但是由于x_j的反转相对A_j来说反序数是增加，而且很容易知道是减少的是所有A_j子排列中元素的个数，而增加的也刚好是是所有A_j子排列中元素的个数，所以反序数不变。

当a₁>a_n时，A到h(A)的反序数是减少了n-1，这是因为，x₁，x₂，…x_k时都是大于a_n的元素，没了a_n，所有x_j反序数减一，而A_j则不会受影响，但是由于由于x_j的反转相对A_j来说，反序数是减少的，减少的是所有A_j子排列元素的个数，两个减少的部分加起来刚好就是整个h(A)元素个数之和，刚好是n-1。

看到这里，虽然还是模糊不明，但是从n-1我们可以看出指数的倪端。

这时我们只要用一个递归来弄，让f(A)=f(h(A))a_n，注意:这里的a_n指的是f映射x集合里面的最后一个元素，也就是排列的最后一个元素，所以这是递归的关系。这个f(A)也就是我们第一个证明所求的。

首先，从f(A)=f(h(A))a_n，可以知道，我们一直让A往下递归将可以得到一个排列，而且每轮递归得到的结果的反序数都会等于前面一轮中h(A)排列的反序数或者是其减去一个数，这个数就是该结果元素个数减1，这个结论是从前面的分析得到的，那么，在什么时候才会减一，什么时候才是相等呢？答案很明显，就是a₁>a_n，但这并不能解决问题，因为计算指数是必须相邻两个数的关系，再次仔细看看反转过程，我们会发现，假如现在a₁>a_n，那么我们这一轮得到的h排列中，最后一个元素是x_k，这个元素是必须大于a_n的，而最后一个元素又是作为下一轮的a_n来输出，所以下一轮的那个a_n一定是f(A)中存在指数的一个元素，所以指数必然会加上其下标，而这个下标刚好是这一轮的n-1。那么当a₁>a_n时，就意味着有一个指数值产生，而这个值刚好是反序数减少的值，那么一直递归下去，A反序数最终会是0，而f(A)指数值则增加到A的反序数。所以第一条件得证。

再者，从递归的过程来看，对于某一轮来说，对于1<=j<n，每当在A中j在j+1的左边，那么当前的a_n，要么大于j和j+1，那么小于j和j+1，那么它们大多数轮有相同的反转行为，只有当j+1作为a_n的时候输出才会有不同，但是j+1总是先于j输出，所以在f(A)中j也在j+1的左边。到此，第二条件得证。

至此，我们已经证明了第一个证明。这过程看起来繁琐，但是该证明巧妙用了递归和转化，利用指数和反序数的共同点，进行反转，特别有趣。通过构造我们也可以很容易计算出一个排列的f(A)和计算它的反过程f^-1(A)。这个碍于篇幅，大家可以自己试着完成。过程是完全可以反过来的，因为a₁和a_n同时会存在。

第二证明：由前面的f关系证明有另一种关系g满足ind(g(A))=inv(A)和inv(g(A))=ind(A)。

这个证明的关键是要证明两个等式，设A^-是A的逆，那么inv(A)=inv(A^-)以及ind(A^-)=ind(f(A)^-)。第一条等式我们前面已经采用点X图证明过了(忘记了？砍看回前面吧！)。

第二条式子证明如下：我们知道假设1<=j<n，每当在A中j在j+1的左边，那么该A的逆，会有产生一个相邻的元素对（b_j，b_j+1)，并且b_j<b_j+1，这是因为排列逆的定义以及j在j+1的左边导致的，这就说明A逆的指数可由A来看出，假设，原排列是198263745，那么在该排列的逆中，满足前面条件的是12345,67,8,9。所以我们可以知道在在逆146895732中，第五、七、八位是有指数存在的，由于第九位是最后一位，不算。那么f(A)呢，由于第一个证明，我们知道，f(A)和A在前面提到的条件中存在一致关系，所以，在f(A)逆中存在指数的位应该和A是一摸一样的，所以很容易证明第二条式子成立，即ind(A^-)=ind(f(A)^-)。

前面两条式子成立后，我们再定义如下式子，A₁ = A^-, A₂ = f(A₁), A₃ = A₂^-, A₄ = f^-1(A₃), A₅ = A₄^-，我们就可以得到下面两条证明：