组合数学

传说早在 \texttt{114514} 年前，
一位名为忆哀的神灵来到地球，
发现了人类——另一种有智慧的物种。

她觉得这很有趣，为了加速人类文明的发展，
她向人间传下了一类计数问题——十二重计数，
这也正是组合数学的开端。

而只有搞明白这类问题，才能在组合数学上继续深入。

基本原理

求证不等式的方法有几种，最简单的是：

• 设函数，证明函数恒大于或小于零。

• 直接对函数求导，尝试证明函数最小值大于零，或最大值小于零。

• 注意到多项式只要求够多次数多导数，一定会变为零，因此如果不好解决，继续求导，对高阶导数尝试分析其是否恒正或恒负。

注意：

• 解一元一次不等式 ax>b，需要按照 a>0,a=0,a<0 分类讨论。

• 解一元一次不等式 ax>b，其中 x\in[m,n]，先按照 a>0,a=0,a<0 分类讨论，然后按照 \dfrac{b}{a} 是否落在区间 [m,n] 内。

边界条件：

1. 二次项系数不含参数且自变量没有限制时，临界条件是 \Delta = 0。

2. 二次项系数含有参数且自变量没有限制时，临界条件是二次项系数为零与 \Delta = 0 联立。

3. 二次项系数含参数且自变量有限制时，临界条件是二次项系数为零，\Delta = 0 与区间端点处的函数值为零同时联立。

对于更复杂的情况，一般步骤如下：

• 能否直接求导解决。

• 能否通过常见变形（本文简单变形部分）后求导。

• 能否通过隐零点判断。

• 能否使用放缩技巧。

变形法：

• 除以单项式变形（x^n）。

• 整体代换、同构化变形、拆分函数、局部求值。

• 对数化：对数化是利用对数性质，将函数式中的对数与常数合并，再使用相关不等式进行放缩。例如：

  \ln x+a=\ln(xe^a)。

• 指数化：指数化是利用指数性质，将式子或者参数转移到指数位置上，以方便放缩。例如：

  xe^x=e^{x+\ln x}(x>0)，a^x=e^{\ln a^x}=e^{x\ln a}。

简单不等式

\boxed{e^x\ge x+1,\quad x\in\R}\tag a

证明：设 f(x)=e^x-x-1，那么：

f'(x)=e^x-1

因此，当 x>0 时，f'(x)>0；当 x<0 时 f'(x)<0，因此：

f(x)\ge f(0)=0

即 e^x\ge x+1，带入 x\gets\ln x 有：

\boxed{x\ge\ln x+1,\quad x>0}\tag b

容斥原理

容斥原理是一种在集合上应用的常用计数方法，其基本思想是：先不考虑重叠的情况，把包含于某内容中的所有对象的数目先计算出来（容），然后再把计数时重复计算的数目排斥出去（斥），使得计算的结果既无遗漏又无重复。容斥原理的核心计数规则可以叙述为：奇加偶减。

我们通过一个具体例子来理解。

例 1：将甲、乙、丙、丁四位老师分配到 A、B、C、D 四个班，要求甲不在 A 班，丁不在 B 班，求总分配方案数。

解：无限制的方案数为 4! = 24。我们依次减去甲在 A 班的方案数 3!，再减去丁在 B 班的方案数 3!。注意到甲在 A 班且丁在 B 班的方案被减了两次，因此需要加回一次 2!，最终得：

4!-2\times 3!+2!=24-2\times 6+2=14

一般地，对于 n 个集合的并集，容斥原理给出如下公式：

\def\abs#1{\left\lvert{#1}\right\rvert} \abs{\bigcup_{i=1}^{n}A_i}=\sum_{S\subseteq[1,n]\wedge\mathbb Z}(-1)^{\abs S-1}\abs{\bigcap_{i\in S}A_i}

对于三个集合的情形，公式简化为：

|A\cup B\cup C|=|A|+|B|+|C|-|A\cap B|-|A\cap C|-|B\cap C|+|A\cap B\cap C|

将容斥原理与数论结合，可以解决一类关于整除性的计数问题。容易知道，1 \sim n 中 k 的倍数有：

\left\lfloor{n\over k}\right\rfloor

例 2：在 1 \sim 1000 中，有多少个数既不是 3 的倍数，也不是 5 的倍数？

解：设集合 A 为 1 \sim 1000 中 3 的倍数，B 为 5 的倍数，则：

\def\floor#1{\left\lfloor{#1}\right\rfloor} |A|=\floor{1000\over3}=333\\[0.5em] |B|=\floor{1000\over5}=200\\[0.5em] |A\cap B|=\floor{1000\over15}=66\\[0.5em] |A\cup B|=|A|+|B|-|A\cap B|=467

我们再取补集，答案为 1000 - 467 = 533。

鸽巢原理

鸽巢原理又称抽屉原理，是另一个经典的基本计数原理。将 n+1 个物体划分为 n 组，那么至少有一组包含两个及以上的物体。一般化形式：将 n 个物体划分为 k 组，那么至少有一组有大于等于 \left \lceil \dfrac{n}{k} \right \rceil 个物品。

最差原则是鸽巢原理在解题中的常用策略：考虑所有可能情况中，最不利于某事件发生的情况。如果最差的情况都能被满足，那么其余所有情况自然也能被满足。

将 n+1 个物体，划分为 n 组，那么有至少一组有两个（或以上）的物体。这个定理看起来比较显然，证明方法考虑反证法：假如每个分组有至多 1 个物体，那么最多有 1\times n 个物体，而实际上有 n+1 个物体，矛盾。

将 n 个物体，划分为 k 组，那么至少存在一个分组，含有大于或等于 \left \lceil \dfrac{n}{k} \right \rceil 个物品。

推广的形式也可以使用反证法证明：若每个分组含有小于 \left \lceil \dfrac{n}{k} \right \rceil 个物体，则其总和 S\leq (\left \lceil \dfrac{n}{k} \right \rceil -1 ) \times k=k\left\lceil \dfrac{n}{k} \right\rceil-k < k(\dfrac{n}{k}+1)-k=n 矛盾。

此外，划分还可以弱化为覆盖结论不变。给定集合 S, 一个 S 的非空子集构成的簇 \{A_1,A_2\ldots A_k\}

• 若满足 \bigcup_{i=1}^k A_i 则称为 S 的一个覆盖（cover）
• 若一个覆盖还满足 i\neq j\to A_i\cap A_j=\varnothing 则称为 S 的一个划分。

鸽巢原理可以有如下叙述：对于 S 的一个覆盖 \{A_1,A_2\ldots A_k\} 有至少一个集合 A_i 满足 \left\vert A_i \right\vert \geq \left\lceil \dfrac{\left\vert S \right\vert}{k} \right\rceil。

组合和排列

组合数和排列数

排列数

我们先来定义排列数。排列数（Permutation）A(n,m) 表示：从 n 个物品中，选出 m 个进行排列的方案数。

排列数也有其他的记法，例如 A\begin{smallmatrix}n\\m\end{smallmatrix}，但这种写法较为繁琐。在早期的文献中，排列数也记为 P(n,m)，其中 P 表示 Permutation（排列）。

我们来推导排列数的计算公式。按照排列的定义，我们依次分析第 i 个位置有多少种选择：

f'(x)+p(x)f(x)>q(x)

我们先简单说一下简单的微分方程怎么解，我们将式子最终化为：

u(x)\d x=v(y)\d y

然后两边求积分，化简即可。

我们考虑一个比较简单的形式，p(x)=0，即

f'(x)=q(x)

记 Q'(x)=q(x)，则：

• 若符号为 =，则 f(x)=Q(x)+C。

由此，当 m=n 时：

A(n,n)=n!=n(n-1)(n-2)\dots 1

特殊的，我们定义：

0!=1

而一般规定 A(n,m) 中 n\ge m，若 n < m，则规定 A(n,m)=0。

组合数

组合数（Combination）C(n,m) 表示：从 n 个物品中，选出 m 个的方案数（不考虑顺序）。

组合数也有其他的记法，例如 C\begin{smallmatrix}n\\m\end{smallmatrix}，其中 C 表示 Combination（组合）。在学术文献中，通常使用二项式系数的记法：

{n\choose m}

我们可以从排列数和组合数的关系来推导组合数的公式。

我们在排列中，从 n 个物品中选择 m 个进行排列，这个过程本质上可以分解为两个步骤：

1. 从 n 个物品中选择 m 个，即 C(n,m)；
2. 将这 m 个进行排列，即 A(m,m)=m!。

根据乘法原理：

A(n,m)=C(n,m)\times A(m,m)

因此：

\boxed{C(n,m)={A(n,m)\over A(m,m)}={n!\over(n-m)!m!}}

性质：m! 整除任何连续的 m 个整数的乘积。

证明：通过构造组合数即可证明。对于任意连续的 m 个整数 n, n-1, \dots, n-m+1，它们的乘积等于 A(n,m)，而 C(n,m) = \frac{A(n,m)}{m!} 是一个整数，因此 m! 必然整除 A(n,m)。

组合数具有许多优良的性质，这些性质在计数问题中有着广泛的应用。下面我们逐一介绍这些性质。

基本性质

从组合数的定义可以直接得到以下性质：

\boxed{\tag1{n\choose m}={n\choose n-m}}

这个性质的组合意义是：从 n 个元素中选出 m 个，等价于选出 n-m 个不选。

同样由定义可以推导出：

\boxed{{n\choose m}={n\over m}{n-1\choose m-1}\tag{1 II}}

这个公式在递推计算中非常有用。

另一个重要的恒等式是：

\boxed{{n\choose m}{m\choose k}={n\choose k}{n-k\choose m-k}}\tag{1 III}

这个等式的组合意义是：从 n 个中选 m 个，再从 m 个中选 k 个，等价于先从 n 个中直接选 k 个，然后再从剩下的 n-k 个中补选 m-k 个。

在结束组合数的基本性质之前，我们还需要注意到一个重要的结论：若

{n\choose a}={n\choose b}

则有两种情况：

首先，若

a=b

结论是显然的。否则，应用性质 (1)，得

a+b=n

这也自然成立。

递推关系

组合数满足一个经典的递推公式：

\boxed{\tag2{n\choose m}={n-1\choose m}+{n-1\choose m-1}}

这个递推式的组合意义是：考虑 n 个元素中的某个特定元素，将所有方案分为两类——选这个元素和不选这个元素，分别对应右边的两项。这个递推式在计算组合数和裂项求和中非常有用。

这个递推式也称作帕斯卡法则，其有一个经典的推论，朱世杰恒等式是组合数的一阶求和公式。元朝数学家朱世杰在《四元玉鉴》中，利用垛积术、招差术给出：

\sum _{i=a}^{n}{\binom {i}{a}}={\binom {n+1}{a+1}}

或以 m-1 代 n 再与上式作差，写成：

\sum _{i=m}^{n}{\binom {i}{a}}={\binom {n+1}{a+1}}-{\binom {m}{a+1}}

可以反复使用帕斯卡法则合并左式首两项。朱世杰恒等式可应用于等幂求和问题。例如：

\sum _{i=1}^{n}i=\sum _{i=1}^{n}{\binom {i}{1}}={\binom {n+1}{2}}

\sum _{i=1}^{n}i(i+1)=2\sum _{i=1}^{n}{\binom {i+1}{2}}=2{\binom {n+2}{3}}

类似地，排列数也有对应的递推式：

\boxed{A_n^m=A_{n-1}^m+mA_{n-1}^{m-1}\tag{2 II}}

这同样是通过分讨第 n 个元素是否参与排列得到的。

求和性质

组合数的求和性质在二项式定理和概率论中有重要应用。

\boxed{\sum_{i=0}^n{n\choose i}=2^n\tag3}

这个性质的组合意义是：从 n 个元素中选取 0 个、1 个、\dots、n 个的所有方案数之和，等于所有子集的个数 2^n。

下面是一个利用裂项技巧的求和恒等式：

f'(x)+p(x)f(x)=0

我们有一个固定的解题方法，但是我们先推导一番，设 P'(x)=p(x)。

\dfrac{\d y}{\d x}+p(x)y=0

按照微分方程的思路，

\ln y=-P(x)+C

对内部应用性质 (1)：

{2m+1\choose m}=\sum_{i=0}^m{2m-i\choose m}=\sum_{0\le i\le m}{2m-i\choose m}

通过变量替换（注意到 2m-i 的取值遍历了所有可能），令 j = 2m-i，则：

{2m+1\choose m}=\sum_{i=m}^{2m}{i\choose m}

证毕。

同样的，两边乘上 m! 就得到了排列的版本。

常见解题技巧

在本节中，我们会穿插介绍若干解题策略。目的是让你理解：模型并非全部直接套用，而是需要根据具体情境灵活选择。有时枚举反而更快，不要盲目追求精巧的解法。

解题策略

特殊优先策略：约束最多、最特殊的元素优先处理。

这里的「优先」不一定是最先处理，也可以是最后处理（例如插空法）。

等效替代策略：当我们需要计算带特殊条件的方案数时，可以构造一个双射（bijection），将原问题的每一种方案映射为新问题的一种方案，使答案更容易计算。常用的等效替代方法包括捆绑法、插空法和隔板法。隔板法较为复杂，我们后面单独讲解。

捆绑法：七个人站队拍照，甲和乙要求相邻，丙和丁要求相邻，求方案数。

我们将甲和乙「捆绑」为一个整体，丙和丁也「捆绑」为一个整体，这样原来的七个人就变成了 5 个单元。

先排列这 5 个单元：

A_5^5=5\times4\times3\times2\times1=120

再将每个「捆绑体」内部进行排列，总答案为：

A_5^5\times A_2^2\times A_2^2=480

插空法：七个人拍照，甲和乙要求不相邻，求方案数。

我们先不管甲和乙，排列其余五人：

A_5^5=5\times4\times3\times2\times1=120

然后将甲和乙插入这 5 个人形成的 6 个空位中（两人不能在同一个空位），总答案为：

A_5^5\times A_2^2=240

练习：五个人的顺序已确定，现插入两人，共有几种方案？

• 若两人相邻：捆绑后插空，C_6^1=6 种。
• 若两人不相邻：如上所述，240 种。

由于两种情况无交集，直接相加，总答案为 246 种。

先整体后局部策略：先确定一个集合的位置，再确定集合内部的排列；或者反过来。如果先确定集合内部的排列，再确定集合整体位置，也可以视为插空法的一般形式。

例题：五个男生和五个女生拍照，要求同性别相邻的方案数。

首先，我们排列男生和女生的整体次序：

A(2,2)

然后男生内部和女生内部分别全排列，各有 A(5,5) 种方案。

因此总答案为：

A(2,2)\times A(5,5)\times A(5,5)

正难则反策略：当正面分类讨论比较复杂时，我们可以通过「总方案数减去不满足条件的方案数」来求解。

例题：班里 50 人选 5 人出游，要求正副班长和团支部书记中至少一人在内，求方案数。

正面做法需要枚举哪些人在内，分类较多。我们不妨考虑反面——即没有任何限制的方案数减去三人都不在的方案数。

无限制的方案数：

{50\choose 5}

三人都不在的方案数（从剩下 47 人中选 5 人）：

{47\choose 5}

因此答案为：

{50\choose 5}-{47\choose 5}

倍缩法和可重策略：

例题：七个人排队，甲、乙、丙三人顺序固定，求方案数。

也可以理解为：甲、乙、丙三人的排列顺序不重要。

我们可以用七个人全排列的方案数，除去甲、乙、丙三人排列的方案数。

直观来看，每 A(3,3) 种排列中，甲、乙、丙的相对位置相同但内部顺序不同，它们属于同一组。除去甲、乙、丙的内部排列数，就是答案：

{A(7,7)\over A(3,3)}=A(7,4)=7\times6\times5\times4=840

可重集的相关内容将在后续章节详细讨论。

多排问题直排策略：

例题：六个人照相排队，分两排，每排三人，共有几种排队方式？

解法一：先选三人排列在前排，剩下三人排列在后排：

\begin{aligned} C(6,3)\times A(3,3)\times A(3,3)&={6\times5\times4\over3\times2\times1}\times6\times6\\ &=6\times5\times4\times3\times2\times1\\ &=720 \end{aligned}

解法二：注意到这等价于六个人排列后，后三人自动归入后一排：

A(6,6)=6\times5\times4\times3\times2\times1=720

总结：对于分组且每组有区别的情况，可以直接合并考虑，不需要分步。

模型和穷举策略：在组合计数中，我们常常需要灵活运用以下两种策略：

• 模型化：将问题归纳为已有模型的组合（如隔板法、球盒模型等）。
• 穷举：结合分类讨论，通过枚举特殊情况进行求解。

下面我们通过具体的模型来展开讲解。

排数问题

例题 用数字 0 \sim 9 可以排成多少个满足以下条件的三位数？

（一）不同的三位数

解法一 三位数范围为 100 \sim 999，共 999-100+1=900 个。

解法二 第一位（百位）不能为 0，有 9 种选择；后两位各有 10 种选择：

9\times10\times10=900

（二）没有重复数字的三位数

百位不能为 0，有 9 种选择；十位从剩余 9 个数字中选 1 个；个位从剩余 8 个数字中选 1 个：

9\times9\times8=648

（三）没有重复数字的三位奇数 / 偶数

奇数情况：个位从 1,3,5,7,9 中选 1 个，有 5 种选择；百位不能为 0 且不能与个位重复，有 8 种选择；十位有 8 种选择：

5\times8\times8=320

偶数情况：个位从 0,2,4,6,8 中选 1 个。

• 若个位为 0：百位有 9 种选择，十位有 8 种选择，共 9\times8=72 种。
• 若个位不为 0：个位有 4 种选择，百位有 8 种选择，十位有 8 种选择，共 4\times8\times8=256 种。

合计 72+256=328 种。

（四）加强：没有重复数字且大于 300 的三位偶数

利用正难则反的策略，用偶数总数减去不超过 300 的偶数：

• 百位为 1 的偶数：个位从 0,2,4,6,8 中选 1 个（5 种），十位有 8 种选择，共 5\times8=40 种。
• 百位为 2 的偶数：个位从 0,4,6,8 中选 1 个（4 种），十位有 8 种选择，共 4\times8=32 种。

因此答案为：

328-40-32=256

因数个数

例 2：求 2160 的不同正因数的个数。

解：我们先将 2160 分解质因数：

\begin{aligned} 2160&=2\times5\times 216\\ &=2^4\times5\times 27\\ &=2^4\times3^3\times5 \end{aligned}

注意到每一个因数都可以写成 2^{b_1} \times 3^{b_2} \times 5^{b_3} 的形式，其中 0 \le b_1 \le 4，0 \le b_2 \le 3，0 \le b_3 \le 1。

因此，因数个数为：

(4+1)(3+1)(1+1)=40

推广到一般情况：设正整数 N 的质因数分解为：

N=p_1^{c_1}p_2^{c_2}\dots p_k^{c_k}

其中 \forall p_i\in\mathbb P, p_i\neq p_j\ (i\neq j)。

那么，N 的任意因数 M 都可以写成：

M=p_1^{b_1}p_2^{b_2}\dots p_k^{b_k}

其中 \forall b_i\le c_i。

因此，N 的因数个数为：

\mathit{cnt}=(c_1+1)(c_2+1)\dots(c_k+1)

子集个数

例 3：对于集合：

A=\{1,2,3,\dots,10\}

求其子集的个数。

解：对于集合中的每一个元素，它要么出现在子集中，要么不出现，共有 2 种选择。由于有 10 个元素，根据乘法原理，子集个数为：

2^{10}

推广：对于大小为 N 的集合，我们有：

• 子集个数：2^N；
• 真子集个数：2^N-1；
• 非空子集个数：2^N-1；
• 非空真子集个数：2^N-2。

Lucas 定理

在处理组合数取模的问题时，Lucas 定理（Lucas’ Theorem）是一个极为有力的工具。

对于素数 p，有：

{n\choose m}\equiv{n\bmod p\choose m\bmod p}\cdot{\lfloor n/p\rfloor\choose\lfloor m/p\rfloor}\pmod p

我们也可以用 p 进制表示来得到一个更直观的等价形式。设 n 和 m 在 p 进制下的表示为：

\begin{cases} n&=a_0+a_1p+\dots+a_kp^k\\ m&=b_0+b_1p+\dots+b_kp^k \end{cases}

那么有：

{n\choose m}=\prod_{i=0}^k{a_i\choose b_i}

这一定理在推导模意义下组合数的性质时非常有用，你可以将其视为将大问题拆解为每一位上独立的小问题。

隔板法

隔板法（又称插板法，Stars and bars）是用于求一类给相同元素分组的方案数的一种技巧，也可以用于求一类线性不定方程的解的组数。隔板法用于求将相同元素分组的方案数，也可以用于求线性不定方程的正整数解或非负整数解的组数。

正整数和的数目

求方程：

x_1+x_2+\dots+x_k=n

的正整数解的组数。

等价情景：把 n 个小球分成 k 组（组之间有序），每组至少一个，求方案数。

我们在 n 个元素之间形成的 n-1 个空隙中插入 k-1 块隔板，将元素分为 k 组。因此答案为：

\boxed{{n-1\choose k-1}}

非负整数和的数目

情况二：非负整数解

求方程：

x_1+x_2+\dots+x_k=n

的非负整数解的组数。

等价情景：把 n 个小球分成 k 组（组之间有序），每组可以为空，求方案数。

令 y_i=x_i+1，则原方程变为：

y_1+y_2+\dots+y_k=n+k

此时每个 y_i 都是正整数，转化为情况一，答案为：

\boxed{{n+k-1\choose k-1}}

直观理解 我们先「借给」每组一个元素，将非负整数问题转化为正整数问题，最后再将借出的元素收回。

不同下界整数和的数目

问题三：如果再扩展一步，要求对于第 i 组，至少要分到 a_i,\sum a_i \le n 个元素呢？

本质是求 x_1+x_2+\cdots+x_k=n 的解的数目，其中 x_i \ge a_i。

类比无限制的情况，我们借 \sum a_i 个元素过来，保证第 i 组至少能分到 a_i 个。也就是令

x_i^{\prime}=x_i-a_i

得到新方程：

\begin{aligned} (x_1^{\prime}+a_1)+(x_2^{\prime}+a_2)+\cdots+(x_k^{\prime}+a_k)&=n\\ x_1^{\prime}+x_2^{\prime}+\cdots+x_k^{\prime}&=n-a_1-a_2-\cdots-a_k\\ x_1^{\prime}+x_2^{\prime}+\cdots+x_k^{\prime}&=n-\sum a_i \end{aligned}

其中

x_i^{\prime}\ge 0

然后问题三就转化成了问题二，直接用插板法公式得到答案为

\binom{n - \sum a_i + k - 1}{n - \sum a_i}

不相邻的排列

1 \sim n 这 n 个自然数中选 k 个，这 k 个数中任何两个数都不相邻的组合有 \dbinom {n-k+1}{k} 种。

不等式约束

求不等式：

x_1+x_2+\dots+x_k\le n

的非负整数解的组数。

引入松弛变量 x_{k+1}\ge0，原不等式等价于方程：

x_1+x_2+\dots+x_k+x_{k+1}=n

这是一个含 k+1 个变量的非负整数方程，答案为：

{n+k\choose k}

与容斥定理结合

隔板法配合容斥原理：隔板法与容斥原理的结合是经典套路。将 24 个小球分给 3 个盒子，要求每个盒子至少一个且三个盒子中的球数互不相同，求方案数。

设三个盒子分别得到 a,b,c 个球，则：

a+b+c=24

其中 a,b,c\ge1。我们先不考虑互不相同的限制，再用容斥原理排除有相同值的情况。答案为：

[]-[a=b]-[a=c]-[b=c]+2\times[a=b=c]

其中 [] 表示不限制互异时的方案数。

先计算不限制互异的方案数：

[]={23\choose 2}=253

接下来计算 [x_i=x_j]。当 a=b 时，令 a=b=t，则：

2t+c=24

由于 t 和 c 均为正整数，因此：

t\in\{1,2,\dots,11\}

共 11 种情况。由对称性：

[a=b]=[b=c]=[a=c]=11

而 [a=b=c]：若三个值都相等，则 3a=24，即 a=8，恰好有 1 组解。

因此最终答案为：

253-33+2=222

其中 f'(x_0) 和 f(x_0) 均含有参数 a。

有两种方式处理上面不等式组：

1. 若①中的参数 a 和 x_0 容易分离：

   • 首先在①中用零点 x_0 表示参数 a。
   • 然后代入②来确定零点 x_0 的取值范围。
   • 最后利用获得的零点 x_0 的范围和①确定参数 a 的取值范围。
   • 既适合已知恒成立求参数范围的问题，也适用于不等式的证明。

2. 若①不容易分离参数 a 和 x_0，或分离后结构复杂：

   • 首先猜测方程组 \begin{cases} f'(x_0) = 0 \\ f(x_0) = 0 \end{cases} 的解 x_0。
   • 然后由 f(x_0) \ge 0 和端点效应解出 a 的取值范围（该范围为最终的答案）。
   • 最后证明在该范围下 f(x) \ge 0 恒成立。
   • 注意这个只适合已知恒成立求参数范围的问题，不适于不等式的证明。

通常来说，我们设 x_0 为函数的零点，列出 f(x_0)=0 和要求的条件，组成方程组解方程即可。

如果函数的导数非常复杂，则考虑变换主元法：

1. 首先由端点效应初步获得参数的取值范围，验证这个范围是否为最终范围；若不是，则判断函数的极值并获取参数的取值范围；

2. 根据主元函数的形式，判断主元函数的单调性，然后求主元函数的最值（此最值应当是一个函数），最后判断该最值函数是否满足题中的不等式。