2 . 如图所示，在直角坐标系中（x，y轴未画出）．已知O为原点，A，B均为函数的极值点，在点A，B之间，则函数图像可能是（       ）

A．

B．

C．

D．

3 . 已知函数.
(1)求的单调区间；
(2)求在区间上的最大值和最小值；
(3)画出的草图(要求尽量精确).

4 . 给定函数.

(1)判断函数f（x）的单调性，并求出f（x）的极值；
(2)画出函数f（x）的大致图象，无须说明理由（要求：坐标系中要标出关键点）；
(3)求出方程的解的个数.

5 . 给定函数
（1）判断函数的单调性，并求出的极值；
（2）画出函数的大致图象；
（3）求出方程的解的个数

6 . 已知函数.
（1）求函数的单调区间和极值；
（2）画出函数的大致图象，并说明理由；
（3）求函数的零点的个数.

7 . 新冠肺炎来势汹汹，党中央运筹帷幄、全国人民众志成城，抗疫保卫战取得阶段性胜利.通过建立数学模型，可增强对疫情走势的准确预判.

日期	累计确诊病例数
1月24日	5	1	3.871
1月25日	22	2	2.316
1月26日	35	3	1.792
1月27日	46	4	1.465
1月28日	56	5	1.216
1月29日	63	6	1.061
1月30日	87	7	0.597
1月31日	116	8	0.106
2月1日	128	9	－0.09
2月3日	142	11	－0.32
2月4日	165	12	－0.72
2月5日	173	13	－0.88
2月7日	195	15	－1.36
2月8日	208	16	－1.73
2月10日	219	18	－2.13
2月11日	225	19	－2.42
2月13日	229	21	－2.66
2月14日	230	22	－2.73
2月16日	236	24	－3.27
2月17日	240	25	－3.87
平均数		12	－0.49

新冠肺炎疫情拐点，是指疫情发展过程中确诊病例的变化率由多到少的转折时间点.由疫情发展过程可知，病例数开始增长很快，日增长率达到峰值后，增速减缓；即累计确诊病例数与时间的函数图像，近似于一条曲线（图1）.假设这条曲线可近似如下表示：，其中，表示新冠肺炎累计确诊病例数，是时间，、、为待定系数，而是的最大值.对上式关于求导，得：，在直角坐标系中画出图像（图2），该图像其实就是新冠肺炎每日新增确诊病例数曲线；再对求导，得二阶导数；令，解得，就是拐点出现的时刻.为确定新冠肺炎累计病例数随时间变化的函数关系式，我们对上述公式，两边取自然对数，得，令，（日期变为序列数），便得到与的线性回归方程：，这样，由统计报表中新冠肺炎逐日累计确诊病例数的信息，用最小二乘法可求一元线性回归方程的确定方法，可以得到、的值，，，上表为陕西省从2020年1月24日到2月20日中选取其中21天，统计的每日新冠肺炎累计病例数报表，取，
（1）试以表中所列的前20个数据为基础，参考数据：，，，，推算与的线性回归方程（保留两位有效数字）；
（2）由此估算陕西省新冠肺炎累计病例数关于时间的“拐点”.

8 . 设函数在两个极值点，且．
（Ⅰ）求满足的约束条件，并在下面的坐标平面内，画出满足这些条件的点的区域；

（II）证明：