Baixe o app para aproveitar ainda mais
Prévia do material em texto
Inversão de Matrizes e Determinantes Capitulo 2 2.1 Matriz inversa Todo número real �� EMBED Equation.3 não nulo, possui um inverso ( multiplicativo ), ou seja existe um número tal que Este número é único e o denotamos por �� EMBED Equation.3 Apesar da álgebra matricial ser semelhante á álgebra dos números reais, nem todas as matriz não nulas possuem inversa, ou seja, nem sempre existe uma matriz tal que = . De início para que os produtos estejam definidos e sejam iguais é preciso que as matrizes sejam quadradas. Portanto, somente as matrizes quadradas podem ter inversa, o que já diferencia do caso dos números reais, pois todo número não nulo tem inverso. Mesmo entre as matrizes quadradas, muitas não possuem inversa, apesar do conjunto das que não tem inversa ser bem menor do que o conjunto das que tem. Definição 2.1. Uma matriz quadrada. é invertível ou não singular, se existe uma matriz tal que (2.1) em que é a matriz identidade. A matriz é chamada de inversa de . Se não tem inversa, dizemos que é não invertível ou singular. Exemplo 2.1. Considere as matrizes e . A Matriz �� EMBED Equation.3 é inversa da matriz , depois �� EMBED Equation.3 = = Teorema 2.1. Se uma matriz possui inversa, então a inversa é única Demonstração. Suponhamos que e sejam inversas de . Então, e assim. �� EMBED Equation.3 �� EMBED Equation.3 Denotamos a inversa de uma matriz de , quando ela existe, por . Devemos chamar atenção para o fato de que o índice superior -1, aqui não significa uma potência, tampouco uma divisão. Assim como no caso da transposta, em que significa a transposta de e aqui, significa a inversa de 2.1.1.Propriedade da Inversa Teorema 2.2 Se é invertível, então também o é e = ; Se e são matrizes invertíveis, então é invertível e Se é invertível, então também é invertivel e � Demonstração. Se queremos mostrar que uma matriz é a inversa de uma outra, temos que mostrar que os produtos das duas matrizes são iguais á matriz identidade. Uma matriz é inversa de se Mas, como é a inversa de então Como a inversa é única então é a inversa de , ou seja, Temos que mostrar que a inversa de é , ou seja, mostrar que os produtos e são iguais á matriz identidade. Mas pelas propriedades e do Teorema 1.1 na página 4 da Apostila 1: �� EMBED Equation.3 Queremos mostrar que a inversa de é Pela Propriedade do Teorema 1.1 na página 4 da Apostila 1: O teorema seguinte, cuja será demonstração será omitida no momento , garante que basta verificarmos uma das duas igualdade em ( 2.1) para sabermos se uma matriz é inversa de outra . Teorema 2.3. Sejam e matrizes Se , então ; Se , então : Assim, para verificar que uma matriz é invertível, quando temos uma matriz que é candidata a inversa de , basta fazer um dos produtos ou e verificar se um deles é iguais a .O próximo exemplo ilustra este fato. Exemplo 2.2. Seja uma matriz tal que ATENÇÃO: ( pode não ser a matriz nula !). Vamos mostrar que a inversa de é . Para provar isto, devemos multiplicar a matriz pela matriz que possivelmente seja a inversa dela, aqui , e verificar se o produto das é igual a matriz identidade . Aqui foram usadas as propriedades e do Teorema 1.1 na página 4 da Apostila 1. 2.1.2 Matrizes Elementares e Inversão ( opcional ) As matrizes elementares têm um papel importante no estudo da inversão de matrizes e da solução de sistemas lineares. Proposição 2.4. Toda Mariz elementar é invertível e sua inversa é também uma matriz elementar. Assim, temos: Para Demonstração. Seja uma matriz elementar. Esta matriz é obtida de aplicando-se uma operação elementar. Seja a matriz elementar correspondente a operação que transforma de volta em . Agora pelo Teorema 1.8 na página 22 da Apostila 1, temos que . Portanto, é a inversa de . Teorema 2.5. Seja uma matriz As seguintes afirmações são equivalentes: Existe uma matriz tal que A matriz é equivalente por linhas á matriz identidade . A matriz é invertivel. Demonstração. Se então o sistema tem somente a solução trivial, pois Isto implica que a matriz é equivalente por linhas á matriz identidade , pois caso contrário a forma escalonada reduzida de teria uma linha nula (Proposição 1.5 na página 18 da Apostila 1.) �� EMBED Equation.3 A matriz ser equivalente por linhas á significa, pelo Teorema 1.8 na página 22 da Apostila 1, que existem matrizes elementares tais que (2.2) (2.3) Aqui, usamos o fato de que as matrizes elementares são invertíveis (Proposição 2.4). Portanto, é invertível como produto de matrizes invertíveis. �� EMBED Equation.3 Claramente. Se é invertível, então multiplicando-se ambos membros de (2.2) á direita por obtemos Assim, a mesma seqüência de operações elementares que transforma a matriz na matriz identidade transforma também em A demonstração do Teorema 2.3, agora é uma simples conseqüência do Teorema anterior. Demonstração do Teorema 2.3. Vamos mostrar que se então é invertível e Se , então pelo Teorema 2.5, é invertível e Logo, Se então pelo item anterior é invertível e . Portanto . Segue da demonstração, do Teorema 2.5 (equação (2.3)) o resultado seguinte. Teorema 2.6. Uma matriz é invertível se, e somente se, ela é produto de matrizes elementares. Exemplo 2.3. Vamos escrever a matriz do exemplo 2.5 na página __ como o produto de matrizes elementares. Quando encontramos a inversa da matriz , aplicamos uma seqüência de operações elementares em até que encontramos a matriz Como as operações são por linha, esta mesma seqüência de operações elementares transforma em Isto corresponde a multiplicar a matriz à esquerda pelas matrizes elementares , , , , , , , Ou seja, �� EMBED Equation.3 Multiplicando à esquerda pelas inversas das matrizes elementares correspondentes obtemos 2.1.3 Método para Inversão de matrizes O exemplo seguinte mostra, 2 , não somente uma forma de descobrir se uma matriz tem inversa mas também, como encontrar a inversa, no caso em que ela exista. Ou seja, escalonamos a matriz e encontramos a sua forma escalonada reduzida . Se então a matriz é invertível e a inversa Caso contrário, a matriz não é invertível. Exemplo 2.4. Seja . Devemos procurar uma matriz tal que = Ou seja, �� EMBED Equation.3 Este sistema pode ser desacoplado em dois sistemas independente que possuem a mesma matriz, que é a matriz . Podemos resolvê-los simultaneamente. Para isto basta escalonarmos a matriz aumentada Os dois sistemas têm solução única se, e somente se, a forma escalonada reduzida da matriz for da forma(verifique, observando o que acontece se a forma escalonada reduzida da matriz não for igual a Neste caso, e ou seja, a matriz possuirá inversa, . Teorema 2.7. Uma matriz é invertível se, é equivalente por linhas `a matriz identidade . Demonstração. Pelo Teorema 2.3.na página 2, para verificarmos ser uma matriz é invertível, basta verificarmos se existe uma matiz , tal que . (2.4) Vamos denotar as colunas de por ou seja,, em que , , e as colunas da matriz identidade por ou seja , = em que �� EMBED Equation.3 , , . Assim, a equação (2.4) pode ser escrita como , pois a �� EMBED Equation.3 -ésima coluna do produto é igual a vezes a -ésima coluna da matriz . Analisando coluna a coluna a equação anterior vemos que encontrar B é equivalente a resolver sistemas lineares para Cada um dos sistemas pode ser resolvido usando o método de Gauss-Jordan. Para isso, formaríamos as matrizes aumentadas Entretanto, como as matrizes dos sistemas são todas iguais à , podemos resolver todos os sistemas simultaneamente formando a matriz Transformando na sua forma escalonada reduzida, que vamos denotar por , vamos chegar a duas situações possíveis: ou a matriz R é a matriz identidade, ou não é. Se , então a forma escalonada reduzida da matriz é da forma . Se escrevemos a matriz em termos das suas colunas , então as soluções dos sistemas são e assim é tal que e pelo Teorema 2.3 , é invertível. Se , então a matriz não é equivalente por linhas à identidade . Então, pela proposição 1.5 a matriz R tem uma linha nula. O que implica que cada um dos sistemas ou não tem solução única ou não tem solução. Isto implica que a matriz não tem inversa, pois as colunas da (única) inversa seriam , para Observação. Da demonstração do teorema 2.7 obtemos não somente uma forma de descobrir se uma matriz tem inversa mas também, como encontrar a inversa, no caso em que ela exista. Ou seja, escalonamos a matriz e encontramos a sua forma escalonada reduzida . Se , então a matriz é invertível e a inversa Caso contrário, a matriz não é invertível. Vejamos os exemplos seguintes. Exemplo 2.5. Vamos encontrar, se existir, a inversa de 1ª Eliminação: 2ª Eliminação: �� EMBED Equation.3 3ª Eliminação �� EMBED Equation.3 . Assim, a matriz é equivalente por linhas à matriz acima, que é da forma , portanto a matriz é invertível e sua inversa é a matriz , ou seja, . Exemplo 2.6. Vamos determinar se existir, a inversa da matriz . Para isso devemos escalonar a matriz aumentada 1ª Eliminação: 2ª Eliminação: Assim, a matriz é que equivalente por linhas á matriz acima, que é forma , com Assim, a matriz não é equivalente por linhas á matriz identidade e portanto não é invertível. Se um linear tem o número de equação iguais ao número de incógnitas, então o conhecimento da inversa da matriz do sistema , reduz o problema de resolver o sistema a simplesmente fazer um produto de matrizes, como está enunciado no próximo teorema. Teorema 2.8. Seja uma matriz n . O sistema associado tem solução única se, e somente se, é invertivel. Nesse caso a solução é O sistema homogêneo tem não trivial se, e somente se, é singular (não invertivel ). Demonstração. Se a matriz é invertivel, então multiplicando por por à esquerda em ambos os membros os obtemos Aqui foram usadas as propriedades e do teorema 1.1. Portanto, é a única solução do sistema Por outro lado, se o sistema possui solução única, então a forma escalonada reduzida da matriz aumentada do sistema é da forma , em que . Pois a matriz é quadrada e caso fosse diferente da identidade possuirá uma linha de zeros (Proposição 1.5) o que levaria a que o sistema ou não tivesse solução ou tivesse infinitas soluções. Logo a matriz é equivalente por linhas à matriz identidade o que pelo teorema 2.7 implica que é invertível. Todo sistema homogêneo possui pelo menos a solução trivial. Pelo item anterior, estar será a única solução se, e somente se, for invertível. Vamos ver no próximo exemplo que se conhecemos a inversa de uma matriz, então a produção de uma indústria em vários períodos pode ser obtida apenas multiplicamos-se a inversa por matrizes colunas que contentam a arrecadação e as quantidades dos insumos utilizados em casa período. Exemplo 2.7. Uma indústria produz três produtos, utilizamos dois tipos de insumo, e .Para a manufatura de cada kg de são utilizadas 1 grama do insumo e 2 gramas do insumo para cada kg de 1 grama de insumo e 1 grama de insumo e, para cada kg de 1 grama de e 4 grama de . O preço de venda do kg de cada um dos produtos é de R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente. Como vimos no Exemplo 1.6, usando matrizes o esquema de produção pode ser descrito da seguinte forma: �� EMBED Equation.3 No exemplo 2.5 determinamos a inversa da matriz que é Sabendo- se a inversa da matriz podemos saber a produção da indústria sempre que soubermos quando foi gasto do insumo ; do insumo e a arrecadação. Se em um período com a venda de toda a produção de manufaturada com 1 kg de e 2 Kg de , essa indústria arrecadou R$ 2500,00, então para determinar quantos kg de cada um dos produtos foram vendidos simplesmente multiplicamos pela matriz Ou seja, Portanto, foram produzidos 700 kg do produto , 200 kg de e 100 Kg de Se em outro período com a venda de toda a produção de manufaturada com 1 kg de e 2,1 kg de essa indústria arrecadou R$ 29000,00, então para determinar quantos kg de cada um dos produtos foram vendidos simplesmente multiplicamos pela matriz �� EMBED Equation.3 ou seja, �� EMBED Equation.3 = = Portanto, foram produzidos 500 kg do produto 300 kg e 200 kg de Vamos mostrar a recíproca do item do teorema 2.2. Este resultado será útil na demonstração de que determinante do produto de matrizes é o produto de matrizes é o produto dos determinantes. Proposição 2.9 Se são matrizes com invertível, então e são invertíveis Demonstração. Considere o sistema . Se não fosse invertível, então existiria tal que (Teorema 2.8) . Multiplicando-se por , teríamos o que novamente pelo Teorema 2.8, contradiz o fato de ser invertível. Portanto, é invertível. Agora, se e são invertíveis, então também é invertível, pois = que é o produto de duas matrizes invertíveis. 2.1.4 Aplicação: Interpolação Polinomial Sejam número distintos. Considere o problema de encontrar um polinômio de grau Que interpola os dados no sentido que de que Por exemplo, se os pontos são �� EMBED Equation.3 então o problema consiste em encontrar um polinômio de grau 3 que interpola os pontos dados . Vamos mostrar que existe, um e somente um polinômio de grau no máximo igual aque interpola pontos, com abscissas distintas. � Substituindo os pontos no polinômio obtemos um sistema linear em que , e A Matriz é chamada matriz de Vandermonde Vamos mostrar que tem somente uma solução. Pelo teorema 2.8 na página 8, um sistema de equações e incógnitas tem solução única se, e somente se, o sistema homogêneo associado, , tem somente a solução trivial. é solução do sistema homogêneo se, e somente se, o polinômio de grau se anula em pontos distintos. O que implica que o polinômio é o polinômio com todos os seus coeficiente iguais a zero. Portanto, o sistema homogêneo tem somente a solução trivial. Isto prova que existe, um e somente um polinômio de grau no máximo igual a que interpola pontos, com abscissas distintas. Assim a solução do sistema linear é .Como a matriz dependente apenas das abscissas dos pontos, tendo calculado a matriz podendo determinar rapidamente os polinômios que interpolam vários conjuntos de pontos, desde que os pontos de todos os conjuntos tenham as mesmas abscissas dos pontos do conjunto inicial. 2.1.5 Aplicação: Criptografia Vamos transformar uma mensagem em uma matriz da seguinte forma. Vamos quebrar a mensagem em pedaços de tamanho 3 e cada pedaço será convertido em uma matriz coluna usado a tabela 2.1 de conversão entre caracteres e números. Considere a seguinte mensagem criptografada 1 (2.5) Quebrando a mensagem criptografada em pedaços de tamanho 3 e convertendo cada pedaço para uma coluna de números usando a tabela 2.1 obtemos a matriz = Sabendo-se que estar mensagem foi criptografada fazendo o produto da mensagem inicial pela matriz = Então será a mensagem convertida para números, ou seja; �� EMBED Equation.3 = Convertemos para texto usando novamente a tabela 2.1 obtemos que a mensagem que foi criptografada é Tudo bem? (2.6) Exercícios Núméricos Seja uma matriz Suponha que é solução do sistema homogêneo A matriz é singular ou não? Justifique. 2.1.2. Se possível, encontre as inversas das seguintes matrizes: , , , Encontre todos os valores de para os quais a matriz tem inversa. Se E = , encontre 2.1.5. Resolva o sistema = se e 2.1.6. Seja e, como mostraremos adiante que e são tais que , determine para 2.1.7.( Relativo á Subseção 2.1.2) Encontre matrizes elementares tais que para . Determinantes Vamos inicialmente definir o determinantes de matrizes . Para cada matriz definimos o determinante de , indicado por Vamos, agora definir o determinante de matrizes e a partir daí definir para matrizes de ordem maior. Cada matriz associamos um número real, denominado determinante de por: Det Para definir o determinante de matrizes quadradas maiores, precisamos definir o que são os menores de uma matriz. Dada uma matriz o menor do elemento denotado por é a submatriz de obtida eliminado-se a -ésima linha e a -ésima coluna de que tem o seguinte aspecto: j Exemplo 2.8. Para uma matriz = = = Agora, vamos definir os cofatores de uma matriz quadrada O cofator do elemento denotando por é definido por Ou seja, o cofator do elemento é igual a mais ou menos o determinante do menor sendo o mais e o menos determinados pela seguinte disposição: Exemplo 2.9. Para uma matriz = = = Vamos, agora, definir o determinante de uma matriz Se , então, o determinante de é á soma dos produtos dos elementos da 1ª, linha pelos seus cofatores. Da mesma forma que a partir do determinante de matrizes definimos o determinante de matrizes podemos definir o determinante de matriz quadradas de ordem maior. Supondo que sabemos como calcular o determinante de matrizes vamos definir o determinante de matriz . Vamos definir , agora os cofatores de uma matriz quadrada O cofator do elemento denotado por definimos por Ou seja, o cofator do elemento é igual a mais ou menos o determinante do menor sendo O mais e o menos determinados pela seguinte disposição Definição 2.2 Seja O determinante de , denotado por det , é definido por det = �� EMBED Equation.3 (2.7) em que é o cofator do elemento . A expressão (2.7) é chamada desenvolvimento em cofatores do determinante de em termos da primeira linha . Exemplo 2.10. Seja . Desenvolvendo-se o determinante de em cofatores, obtemos det = . Mas o det também pode ser calculado usado cofatores, det = �� EMBED Equation.3 = det = det �� EMBED Equation.3 = = Portanto Exemplo 2.11. Usando a definição de determinante, vamos mostrar que o determinante de uma matriz triangular inferior ( isto é, os elementos situados acima da diagonal principal são iguais azero ) é o produto dos elementos da diagonal principal. Vamos mostrar inicialmente para matriz Seja Desenvolvendo-se o determinante de em cofatores obtemos det = Vamos supor termos provado que para qualquer matriz triangular inferior, o determinante é o produto dos elementos da diagonal principal. Então vamos provar que isto também vale para matrizes Seja �� EMBED Equation.3 Desenvolvendo-se determinante de em cofatores, obtemos det Pois o determinante acima é de uma matriz triangular inferior. Em particular, para a matriz identidade, det 2.2.1 Propriedades do Determinante Vamos provar uma propriedade importante do determinante . Para isso vamos escrever a matriz em termos das suas linhas em que é a linha da matriz , ou seja, = . Se a linha é escrita na forma em que são matrizes linha , então o determinante pode ser decomposto como mostra o resultado seguinte. Teorema 1.10. Seja escrita em termos das linhas denotadas por , ou seja; . Se para algum a linha em que �� EMBED Equation.3 e são escalares , então: det = Aqui, = Demonstração. Vamos provar aqui somente para (Para será demonstrado oportunamente.) Se em que �� EMBED Equation.3 e são escalares, então: det = = = + Exemplo 2.12. O cálculo do determinante da matriz a seguir pode ser feito da seguinte forma: det = 2 det + det =3 Pela definição de determinante, o determinante deve ser calculado fazendo-se o desenvolvimento emcofatores segundo a 1ª linha. O próximo resultado, que não vamos provar neste momento, afirma que o determinante pode ser calculado fazendo-se o desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna . Teorema 2.11. Seja uma matriz O determinante de pode ser calculado fazendo-se o desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna. det = para (2.8) = para (2.9) em que é o cofator do elemento . A expressão (2.8) é chamada desenvolvimento em cofatores do determinante de em termos da - ésima linha e (2.9) é chamada desenvolvimento em cofatores do determinante de em termos da -ésima coluna. Temos a seguinte conseqüência deste resultado. Corolário 2.12. Seja uma matriz . Se possui duas linhas iguais, então det =0 . Demonstração. O resultado é claramente verdadeiro para matrizes 2 .Supondo que o resultado seja verdadeiro para matrizes , vamos provar que ele é verdadeiro para matrizes . Suponhamos que as linhas e sejam iguais, para �� EMBED Equation.3 Desenvolvendo o determinante de em termos de uma linha obtemos det Mas, cada é uma matriz com duas linhas iguais. Como estamos supondo que o resultado seja verdadeiro para estas matrizes, então det Isto implica que det No próximo resultado mostramos como varia o determinante de uma matriz quando aplicamos operações elementares sobre sua linha. Teorema 2.13. Sejam matrizes Se é obtida de multiplicando-se um escalar então det = Se resulta de pela troca da posição então Se é obtida de substituindo a linha por ela somada a um múltiplo escalar de uma linha , então det Demonstração. Segue diretamente do teorema 2.10. Sejam e . Agora, pelo Teorema 2.10 e o Corolário 2.12 , temos que 0 =det = det + det +det + det = 0 + det + det +0. Portanto, det Novamente, pelo teorema 2.10, temos que det = det + = det Exemplo 2.13. Vamos calcular determinante da matriz Usando operações elementares para transformá-la numa matriz triangular superior e aplicando o Teorema 2.13. det �� EMBED Equation.3 = det = det = det = Quando multiplicamos uma linha de uma matriz por um escalar o determinante de nova matriz é igual a multiplicado pelo determinante da matriz antiga. Mas o que estamos calculando aqui é o determinante da matriz antiga, por isso ele é igual a multiplicando pelo determinante da matriz nova. Para se calcular o determinante de uma matriz pela expansão em cofatores, precisamos fazer produtos e calcular determinantes de matrizes , que por sua vez vai precisar de produtos e assim por diante. Portanto, ao todo são necessários da ordem de produtos. Para se calcular o determinante de uma matriz , é necessário se realizar produtos. Os computadores pessoais realizam da ordem de produtos por segundo. Portanto, um computador pessoal precisaria de cerca de segundos ou anos para calcular o determinante de uma matriz usando a expansão em cofatores. Entretanto usando o método apresentado no exemplo anterior para o cálculo do determinante, é necessário apenas da ordem de produtos. Ou seja, para calcular o determinante de uma matriz usando o método apresentado no exemplo anterior um computador pessoal um computador pessoal gasta muito menos de um segundo. A seguir estabelecemos duas propriedades do determinante que serão demonstradas somente mais à frente. Teorema 2.14. Sejam matrizes O determinante do produto de por é igual ao produto dos seus determinantes det Os determinantes de e de sua transposta são iguais, det Observação. Como o determinante de uma matriz é igual ao determinante de sua transposta ( teorema 2.14(b) ), segue-se que todas as propriedades que se referem a linha são válidas com relação ás colunas. Exemplo 2.14 Seja Vamos mostrar que se é invertível, então det Como aplicando-se o determinante a ambos os membros desta igualdade e usado o teorema 2.14. Obtemos det Mas, det ( Exemplo 2.11 , a matriz identidade também é triangular inferior !). Logo, det �� EMBED Equation.3 Exemplo 2.15. Se uma matriz quadrada é tal que , então vamos mostrar que det . Aplicando-se o determinante a ambos os membros da igualdade acima, e usando novamente o Teorema 2.14 e o resultado do exemplo anterior, obtemos Logo, (det . Portanto, det O resultado seguinte caracteriza em termos do determinante as matrizes invertíveis e os sistemas lineares homogêneos que possuem solução não trivial. Teorema 2.15. Seja uma matriz . A matriz é invertivel se, e somente se, det O sistema homogêneo tem solução não trivial se, somente se, det Demonstração. Seja a forma escalonada reduzida da matriz . A demonstração deste item segue-se de três observações: Pelo teorema 2.13, det se, o somente se, det . Pela proposição 1.5, ou ou a matriz R tem uma linha nula. Assim, se, e somente se, Pelo Teorema 2.7, se, e somente se, é invertível (b) Pelo Teorema 2.8, o sistema homogêneo tem solução não trivial se, e somente se, a matriz não é invertível. E, pelo item anterior, a matriz é não invertível se, e somente se, Exemplo 2.16. Considere a matriz (a) Determinar os valores de tais que exista que satisfaça . (b) Para cada um dos valores de encontrados no item anterior determinar todos os tais que Solução: (a) Como a matriz identidade é o elemento neutro do produto, então Subtraindo-se obtemos Agora, este sistema homogêneo tem solução não trivial se, e somente se, Mas se, e somente se, ou . Assim, somente para existem vetores (b) Para que tem solução o conjunto dos , para todos os valores de Para que tem solução o conjunto dos para todos os valores de Exemplo 2.17 A matriz é invertível se, e somente se, . Neste caso a inversa de é dada por , como pode ser verificado multiplicando-se a candidata a inversa pela matriz . Observe que este exemplo fornece uma regra para se encontrar a inversa de uma matriz : troca-se a posição dos elementos da diagonal principal, troca-se o sinal dos outros elementos e divide-se todos os elementos pelo determinante de . Exemplo 2.18 Considere o sistema linear de 2 equações e 2 incógnitas A matriz deste sistema é . Se , então a solução do sistema é Ou seja, Esta é a chamada Regra de Cramer para sistema de 2 equações e 2 incógnitas. A Regra de Cramer para sistemas de n equações e n incógnitas será apresentada adiante. Matrizes Elementares e o Determinante Relembramos que uma matriz elementar é uma matriz que se obtém aplicando-se uma operação elementar na matriz identidade. Assim, aplicando-se o Teorema 2.13, obtemos o resultado seguinte. Proposição 2.16 a) Se é a matriz elementar obtida trocando-se as linhas da matriz identidade, então . b) Se é a matriz elementar obtida da matriz identidade, multiplicando-se a linha , entãoc) Se é a matriz elementar obtida da matriz identidade, somando-se à linha vezes a linha , então Lembramos também que uma matriz é invertível se, e somente se, ela é o produto de matrizes elementares(Teorema 2.6). Além disso, o resultado da aplicação de uma operação elementar de uma matriz é o mesmo que multiplicar a matriz à esquerda pela matriz elementar correspondente. Usando matrizes elementares podemos provar o Teorema 2.14. Demonstração do Teorema 2.14 Queremos provar que . Vamos dividir a demonstração deste item em três casos: Caso 1: Se é uma matriz elementar. Este caso segue-se diretamente da proposição anterior e do Teorema 2.13. Caso 2: Se é invertível, então pelo Teorema 2.6 , ela é o produto de matrizes elementares, . Aplicando-se o caso anterior sucessivas vezes, obtemos Caso 3: Se é singular, pela Proposição 2.9, também é singular. Logo, Queremos provar que . Vamos dividir a demonstração deste item em dois casos Caso 1: Se é uma matriz invertível, pelo Teorema 2.6, ela é o produto de matrizes elementares, . É fácil ver que se é uma matriz elementar, então (verifique). Assim, Caso 2: Se não é invertível, então também não o é, pois caso contrário, pelo Teorema 2.2, também seria invertível. Assim, neste caso, Matriz Adjunta e Inversão Vamos definir a adjunta de uma matriz quadrada e em seguida enunciar e provar um teorema sobre a adjunta que permite provar vários resultados sobre matrizes, entre eles um que fornece uma fórmula para a inversa de uma matriz e também a Regra de Cramer. Tanto a adjunta quanto os resultados que vem a seguir são de importância teórica. Definição 2.3 Seja uma matriz . Definimos a matriz adjunta(clássica) de , denotada por , como a transposta da matriz formada pelos cofatores de , ou seja, em que é o cofator do elemento . Exemplo 2.19 Seja . Vamos calcular a adjunta de . , , , , e, assim, a adjunta de é Na definição do determinante são multiplicados os elementos de uma linha pelos cofatores da mesma linha. O teorema seguinte diz o que acontece se somamos os produtos dos elementos de uma linha com os cofatores de outra linha ou se somamos os produtos dos elementos de uma coluna com os cofatores de outra coluna. Lema 2.17 Se é uma matriz , então em que, é o cofator do elemento Demonstração. Para demonstrar a equação 2.10 , definimos a matriz como sendo a matriz obtida de substituindo a linha de por sua linha, ou seja, Assim, possui duas linhas iguais e pelo Corolário 2.12 , . Mas, o determinante de desenvolvido segundo sua linha é exatamente a equação 2.10 A demonstração de 2.11 é feita de forma análoga, mas usando o item (d) do Teorema 2.13, ou seja, que . Teorema 2.18 Se é uma matriz , então Demonstração. O produto da matriz pela matriz adjunta de é dada por O elemento da posição é Pelo Lema 2.17, equação (2.10) e do Teorema 2.11, segue-se que Assim, . Analogamente, usando Lema 2.17, equação (2.11), se prova que . Exemplo 2.20 Vamos mostrar que se uma matriz �� EMBED Equation.3 é singular, então também é singular. Vamos separar em dois casos: Se , então também é a matriz nula, que é singular. Se , então pelo Teorema 2.18, . Mas, então, se fosse invertível, então seria igual à matriz nula(por que?), que estamos assumindo não ser este o caso. Portanto, tem que ser singular. Corolário 2.19. Seja uma matriz . Se , então Demonstração. Se , então definindo , pelo Teorema 2.18 temos que Aqui, usamos a propriedade (j) do Teorema 1.1. Portanto, é invertível e B é a inversa de . Exemplo 2.21. No exemplo 2.17 mostramos como obter rapidamente a inversa de uma matriz . Usando o Corolário 2.19 podemos também obter a inversa de uma matriz , Ou seja, a inversa de uma matriz é facilmente obtida trocando-se a posição dos elementos da diagonal principal, trocando-se o sinal dos outros elementos e dividindo todos os elementos pelo determinante de . Exemplo 2.22 Vamos calcular a inversa da matriz A sua adjunta foi calculada no exemplo 2.19. Assim, Corolário 2.20(Regra de Cramer). Se o sistema linear é tal que a matriz e invertível, então a solução do sistema é dada por , em que é a matriz que se obtem de , substituindo-se a sua coluna por , para Demonstração. Como A é invertível, pelo Corolário 2.19, A entrada é dada por em que é a matriz que se obtém de substituindo-se a sua coluna por foi calculado fazendo o desenvolvimento em cofatores em relação a coluna de . Se a matriz não é invertível, então a Regra de Crames não pode ser aplicada. Pode ocorrer que , para e o sistema não tenha solução(verifique). A Regra de Cramer tem um valor teórico, por fornecer uma fórmula para a solução de um sistema linear, quando a matriz do sistema é quadrada e invertível. Existem sistemas equações e incógnitas, com , em que e o sistema não tem solução. Por exemplo o sistema é tal que mas ele não tem solução(verifique!). Exercícios Numéricos 2.2.1. Se , encontre (a) (b) (c) (d) Se A e B são matrizes n x n tais que det(A) = -2 e det(B) = 3, calcule . Seja tal que . Calcule o determinante das matrizes a seguir: (a) (b) Calcule o determinante das matrizes a seguir: (a) (b) calcule o determinante de cada uma das matrizes seguintes usando operações elementares para transformá-las em matrizes triangulares superiores. (a) (b) Determine todos os valores de para os quais , em que (a) (b) (c) (d) Determine os valores de tais que existe que satisfaz (a) (b) (c) (d) 2.2.8.. Para as matrizes do exercício anterior, e os valores de encontrados, encontre a solução geral do sistema , ou equivalente, do sistema homogêneo Demonstração do Teorema 2.10 para k >1. Deixamos como exercício para o leitor a verificação de que para matrizes 2 x 2 o resultado é verdadeiro. Supondo que o resultado seja verdadeiro para matrizes (n - 1) x (n - 1), vamos provar para matrizes n x n . Sejam , e Suponha que k = 2, ..., n. As matrizes só diferem na (k – 1) ésima linha (lembre=se que a primeira linha é retirada!). Além disso, a ( k – 1) ésima linha de é igual a vezes a linha correspondente de vezes a linha correspondente de (esta é a relação que vale para a k-ésima linha de ). Como estamos supondo o resultado verdadeiro para matrizes (n – 1) x ( n – 1 ), então Assim, pois ,para Lema 2.21. Sejam Se é uma matriz n x n , cuja i-ésima linha é igual a ,para algum , então Demonstração. É fácil ver que para matrizes 2 x 2 o lema é verdadeiro. Suponha que ele seja verdadeiro para matrizes (n – 1) x (n – 1) e vamos provar que ele é verdadeiro para matrizes n x n. Podemos supor que Seja a matriz (n – 2) x (n – 2) obtida de eliminando-se as linhas e as colunas , para Para , a matriz éuma matriz (n – 1) x (n – 1) cuja linha é igual a . Para , a matriz é uma matriz (n – 1) x (n – 1) cuja linha é igual a . Como estamos supondo o lema verdadeiro para estas matrizes e como pelo Teorema 2.10 se uma matriz tem uma linha nula o seu determinante é igual a zero, então , segue-se que (2.12) Usando (2.12), obtemos Por outro lado, temos que É simples a verificação de que as duas expressões acima são iguais. Demonstração do Teorema 2.11 Pelo Teorema 2.14 basta provarmos o resultado para o desenvolvimento em termos das linhas de . Sejam Observe que a linha de pode ser escrita como Seja a matriz obtida de substituindo-se a linha por Pelo Teorema 2.10 e o Lema 2.21 segue-se queMatrizes Particionadas em Blocos Operações Matriciais em Blocos As matrizes podem ser subdivididas em blocos, por exemplo a matriz Pode ser dividida em quatro submatrizes, . Dependendo das subdivisões feitas, as matrizes podem ser operadas em termos dos seus blocos. Com relação à soma, duas matrizes podem ser somadas por blocos se os blocos correspondentes nas matrizes forem do mesmo tamanho, ou seja, se os blocos correspondentes podem ser somados. Seja �� EMBED Equation.3 uma matriz e uma matriz . Podemos particionar em blocos e expressar o produto em termos de submatrizes de . Considere os seguintes casos: Caso 1: Se , em que é uma matriz e é uma matriz , então . Caso 2: Se , em que é uma matriz e é uma matriz , então Caso 3. Se , em que é uma matriz e é uma matriz e , em que é uma matriz e é uma matriz , então Portanto, Caso 4: Sejam as matrizes particionadas em blocos comomsegue: �� EMBED Equation.3 , t p-t s n-s Sejam . Segue do Caso 3 que . Agora, segue-se dos Casos 1 e 2 , que Portanto, . Observe que para que seja possível fazer o produto por blocos é necessário que o número de colunas dos blocos da primeira matriz seja igual ao número de linhas dos blocos correspondentes da segunda matriz. O que fizemos acima pode ser generalizado para um número qualquer de blocos. Se os blocos possuem os tamanhos adequados, a multiplicação por blocos pode ser feita da mesma forma como é feita a multiplicação usual de matrizes. Exemplo 2.23. Sejam . Usando o particionamento das matrizes em blocos é mais simples fazer o produto . Inversa de Matrizes em Blocos Proposição 2.3.2 Sejam matrizes p x p e (n – p) x (n – p), respectivamente. A matriz é invertível se, e somente se, são invertíveis. No caso em que M é invertível, então (2.13) Demonstração. Se são invertíveis é fácil verificar que a matriz dada em (2.13) é a inversa de . Reciprocamente, suponha que é invertível. Seja . Vamos particionar a matriz da mesma maneira que , ou seja, . Como , então . E segue-se que, e assim, é invertível. Além disso, e portanto é invertível. Determinante de Matrizes em Bloco Proposição 2.23. Sejam matrizes p x p , p x (n – p) e (n – p) x (n – p), respectivamente. Seja . Então, . Demonstração. O resultado é claramente verdadeiro para n=4. Supondo que o resultado seja verdadeiro para matrizes (n – 1) x (n – 1), Vamos provar para matrizes n x n. Expandindo o determinante em termos da primeira coluna da matriz , obtemos Como estamos supondo o resultado verdadeiro para matrizes (n – 1) x (n – 1) , então Exercícios Numéricos Sejam Realize os seguintes produtos em blocos: (a) (b) (c) (d) �� EMBED Equation.3 Teste do Capítulo Calcule o determinante da matriz seguinte usando operações elementares para transformá- la em uma matriz triangular superior. Se possível, encontre a inversa da seguinte matriz Encontre todos os valores de para os quais a matriz tem inversa, em que Responda Verdadeiro ou Falso, justificando: Se , então Se é não singular, então determinante de . Se �� EMBED Equation.3 , então 30 20 10 0 -10 -20 -30 -2 -1 0 1 2 3 4 5 �PAGE � �PAGE �1� _1279955898.unknown _1282050912.unknown _1282298831.unknown _1282324599.unknown _1282326596.unknown _1282375209.unknown _1282376461.unknown _1282378052.unknown _1282378417.unknown _1282378566.unknown _1286177908.unknown _1286178084.unknown _1282378607.unknown _1282378763.unknown _1282378531.unknown _1282378559.unknown _1282378473.unknown _1282378238.unknown _1282378385.unknown _1282378139.unknown _1282377663.unknown _1282377764.unknown _1282377946.unknown _1282377737.unknown _1282377327.unknown _1282377541.unknown _1282377054.unknown _1282375665.unknown _1282375928.unknown _1282376197.unknown _1282376241.unknown _1282375989.unknown _1282375727.unknown _1282375828.unknown _1282375695.unknown _1282375304.unknown _1282375383.unknown _1282375614.unknown _1282375348.unknown _1282375265.unknown _1282375287.unknown _1282375232.unknown _1282374088.unknown _1282374970.unknown _1282375126.unknown _1282375184.unknown _1282375015.unknown _1282374828.unknown _1282374913.unknown _1282374711.unknown _1282327264.unknown _1282328163.unknown _1282373795.unknown _1282327474.unknown _1282326745.unknown _1282326927.unknown _1282326686.unknown _1282325269.unknown _1282325781.unknown _1282325941.unknown _1282326331.unknown _1282326538.unknown _1282326001.unknown _1282325889.unknown _1282325910.unknown _1282325859.unknown _1282325656.unknown _1282325716.unknown _1282325753.unknown _1282325693.unknown _1282325358.unknown _1282325548.unknown _1282325304.unknown _1282324901.unknown _1282325024.unknown _1282325223.unknown _1282325247.unknown _1282325174.unknown _1282324951.unknown _1282324978.unknown _1282324927.unknown _1282324682.unknown _1282324781.unknown _1282324842.unknown _1282324729.unknown _1282324625.unknown _1282324651.unknown _1282324605.unknown _1282320091.unknown _1282321622.unknown _1282323117.unknown _1282323242.unknown _1282323735.unknown _1282324349.unknown _1282323571.unknown _1282323175.unknown _1282323189.unknown _1282323149.unknown _1282322750.unknown _1282322979.unknown _1282323016.unknown _1282322962.unknown _1282322289.unknown _1282322731.unknown _1282321784.unknown _1282320481.unknown _1282320707.unknown _1282320871.unknown _1282320932.unknown _1282320759.unknown _1282320579.unknown _1282320636.unknown _1282320535.unknown _1282320291.unknown _1282320381.unknown _1282320412.unknown _1282320343.unknown _1282320190.unknown _1282320236.unknown _1282320134.unknown _1282301596.unknown _1282302570.unknown _1282319690.unknown _1282319773.unknown _1282319827.unknown _1282319739.unknown _1282319391.unknown _1282319450.unknown _1282319326.unknown _1282302180.unknown _1282302345.unknown _1282302438.unknown _1282302259.unknown _1282302105.unknown _1282302146.unknown _1282301755.unknown _1282300439.unknown _1282300859.unknown _1282301336.unknown _1282301480.unknown _1282300960.unknown _1282300629.unknown _1282300815.unknown _1282300511.unknown _1282300097.unknown _1282300213.unknown _1282300333.unknown _1282300135.unknown _1282299073.unknown _1282299142.unknown _1282298914.unknown _1282278039.unknown _1282280375.unknown _1282281496.unknown _1282282130.unknown _1282298331.unknown _1282298669.unknown _1282298805.unknown _1282298567.unknown _1282282491.unknown _1282298208.unknown _1282282191.unknown _1282281850.unknown _1282282016.unknown _1282282073.unknown _1282281901.unknown _1282281751.unknown _1282281785.unknown _1282281581.unknown _1282281023.unknown _1282281282.unknown _1282281366.unknown _1282281393.unknown _1282281331.unknown _1282281097.unknown _1282281146.unknown _1282281046.unknown _1282280740.unknown _1282280913.unknown _1282281004.unknown _1282280880.unknown _1282280482.unknown _1282280695.unknown _1282280457.unknown _1282279050.unknown _1282279943.unknown _1282280236.unknown _1282280284.unknown _1282280299.unknown _1282280264.unknown _1282280037.unknown _1282280210.unknown _1282279967.unknown _1282279377.unknown _1282279512.unknown _1282279613.unknown _1282279466.unknown _1282279135.unknown _1282279209.unknown _1282279099.unknown _1282278437.unknown _1282278628.unknown _1282278931.unknown _1282278956.unknown_1282278698.unknown _1282278493.unknown _1282278580.unknown _1282278457.unknown _1282278223.unknown _1282278328.unknown _1282278423.unknown _1282278260.unknown _1282278128.unknown _1282278173.unknown _1282278070.unknown _1282133615.unknown _1282136160.unknown _1282137155.unknown _1282277847.unknown _1282277942.unknown _1282277987.unknown _1282277935.unknown _1282137658.unknown _1282277608.unknown _1282137220.unknown _1282136340.unknown _1282136503.unknown _1282136521.unknown _1282136486.unknown _1282136300.unknown _1282136318.unknown _1282136248.unknown _1282135618.unknown _1282135694.unknown _1282136075.unknown _1282136129.unknown _1282136026.unknown _1282135658.unknown _1282135670.unknown _1282135635.unknown _1282135131.unknown _1282135382.unknown _1282135584.unknown _1282135303.unknown _1282134525.unknown _1282134541.unknown _1282133636.unknown _1282052123.unknown _1282053035.unknown _1282132885.unknown _1282133339.unknown _1282133546.unknown _1282133087.unknown _1282132445.unknown _1282132465.unknown _1282132293.unknown _1282052487.unknown _1282052544.unknown _1282052951.unknown _1282052525.unknown _1282052425.unknown _1282052460.unknown _1282052180.unknown _1282051594.unknown _1282051803.unknown _1282052052.unknown _1282052074.unknown _1282051865.unknown _1282051732.unknown _1282051778.unknown _1282051687.unknown _1282051231.unknown _1282051426.unknown _1282051459.unknown _1282051394.unknown _1282051074.unknown _1282051144.unknown _1282050999.unknown _1280147634.unknown _1280750809.unknown _1280753346.unknown _1282049115.unknown _1282050306.unknown _1282050514.unknown _1282050623.unknown _1282050642.unknown _1282050588.unknown _1282050417.unknown _1282050448.unknown _1282050356.unknown _1282049407.unknown _1282050211.unknown _1282050257.unknown _1282049747.unknown _1282049319.unknown _1282049360.unknown _1282049235.unknown _1280754580.unknown _1282048851.unknown _1282048969.unknown _1282049023.unknown _1282048867.unknown _1282048737.unknown _1282048803.unknown _1280754581.unknown _1280753830.unknown _1280754005.unknown _1280754025.unknown _1280753939.unknown _1280753514.unknown _1280753534.unknown _1280753400.unknown _1280752370.unknown _1280752811.unknown _1280753078.unknown _1280753295.unknown _1280753313.unknown _1280753147.unknown _1280752922.unknown _1280753043.unknown _1280752884.unknown _1280752611.unknown _1280752681.unknown _1280752764.unknown _1280752641.unknown _1280752475.unknown _1280752525.unknown _1280752443.unknown _1280751941.unknown _1280752112.unknown _1280752185.unknown _1280752209.unknown _1280752153.unknown _1280752031.unknown _1280752054.unknown _1280751986.unknown _1280751009.unknown _1280751628.unknown _1280751708.unknown _1280751058.unknown _1280750878.unknown _1280750942.unknown _1280750845.unknown _1280151059.unknown _1280747881.unknown _1280749353.unknown _1280750050.unknown _1280750350.unknown _1280750655.unknown _1280750308.unknown _1280749669.unknown _1280750028.unknown _1280749620.unknown _1280748569.unknown _1280748950.unknown _1280749084.unknown _1280748855.unknown _1280748229.unknown _1280748354.unknown _1280748045.unknown _1280580316.unknown _1280746828.unknown _1280746887.unknown _1280747421.unknown _1280747671.unknown _1280746862.unknown _1280582678.unknown _1280582874.unknown _1280581015.unknown _1280151594.unknown _1280579985.unknown _1280580254.unknown _1280578049.unknown _1280151226.unknown _1280151462.unknown _1280151184.unknown _1280149128.unknown _1280149475.unknown _1280149665.unknown _1280150082.unknown _1280150763.unknown _1280151015.unknown _1280150029.unknown _1280149605.unknown _1280149645.unknown _1280149539.unknown _1280149310.unknown _1280149402.unknown _1280149437.unknown _1280149378.unknown _1280149247.unknown _1280149288.unknown _1280149209.unknown _1280148503.unknown _1280148928.unknown _1280149012.unknown _1280149101.unknown _1280148968.unknown _1280148670.unknown _1280148809.unknown _1280148544.unknown _1280147798.unknown _1280147912.unknown _1280148463.unknown _1280147837.unknown _1280147670.unknown _1280147719.unknown _1280147652.unknown _1280058833.unknown _1280061990.unknown _1280124744.unknown _1280126487.unknown _1280132665.unknown _1280143553.unknown _1280146482.unknown _1280147596.unknown _1280147601.unknown _1280147445.unknown _1280146045.unknown _1280146072.unknown _1280145786.unknown _1280141238.unknown _1280143445.unknown _1280143530.unknown _1280141312.unknown _1280139366.unknown _1280139830.unknown _1280140139.unknown _1280141130.unknown _1280140234.unknown _1280140083.unknown _1280139542.unknown _1280139654.unknown _1280139517.unknown _1280132706.unknown _1280139267.unknown _1280132685.unknown _1280131440.unknown _1280132388.unknown _1280132556.unknown _1280132594.unknown _1280132510.unknown _1280131755.unknown _1280131970.unknown _1280131598.unknown _1280128505.unknown _1280128757.unknown _1280128835.unknown _1280131376.unknown _1280128597.unknown _1280128304.unknown _1280128378.unknown _1280128283.unknown _1280126225.unknown _1280126340.unknown _1280126422.unknown _1280126455.unknown _1280126393.unknown _1280126276.unknown _1280126286.unknown _1280126240.unknown _1280125220.unknown _1280125704.unknown _1280126189.unknown _1280125619.unknown _1280125037.unknown _1280125158.unknown _1280124887.unknown _1280122245.unknown _1280123528.unknown _1280124255.unknown _1280124430.unknown _1280124535.unknown _1280124319.unknown _1280124187.unknown _1280124217.unknown _1280123810.unknown _1280122971.unknown _1280123291.unknown _1280123339.unknown _1280123036.unknown _1280122688.unknown _1280122774.unknown _1280122906.unknown _1280122328.unknown _1280063511.unknown _1280064078.unknown _1280064568.unknown _1280064785.unknown _1280064187.unknown _1280063779.unknown _1280063916.unknown _1280063656.unknown _1280063115.unknown _1280063346.unknown _1280063493.unknown _1280063230.unknown _1280062871.unknown _1280062996.unknown _1280062530.unknown _1280062802.unknown _1280060453.unknown _1280060936.unknown _1280061121.unknown _1280061240.unknown _1280061317.unknown _1280061177.unknown _1280061017.unknown _1280061096.unknown _1280060972.unknown _1280060654.unknown _1280060856.unknown _1280060899.unknown _1280060674.unknown _1280060536.unknown _1280060551.unknown _1280060511.unknown _1280059433.unknown _1280060322.unknown _1280060403.unknown _1280060423.unknown _1280060362.unknown _1280059779.unknown _1280059841.unknown _1280059531.unknown _1280058971.unknown _1280059093.unknown _1280059185.unknown _1280059036.unknown _1280058899.unknown _1280058955.unknown _1280058883.unknown _1280043381.unknown _1280052677.unknown _1280056619.unknown _1280057783.unknown _1280058735.unknown _1280058759.unknown _1280057891.unknown _1280056778.unknown _1280056972.unknown _1280056725.unknown _1280056231.unknown _1280056468.unknown _1280056595.unknown _1280056335.unknown _1280055884.unknown _1280055999.unknown _1280052923.unknown _1280044537.unknown _1280046274.unknown _1280052495.unknown _1280052554.unknown _1280052467.unknown _1280044916.unknown _1280044992.unknown _1280044718.unknown _1280044238.unknown _1280044365.unknown _1280044463.unknown _1280044311.unknown _1280043925.unknown _1280044142.unknown _1280043600.unknown _1280039231.unknown _1280041550.unknown _1280041877.unknown _1280042460.unknown _1280042831.unknown _1280042986.unknown _1280042571.unknown _1280042413.unknown _1280041761.unknown _1280041788.unknown _1280041649.unknown _1280039495.unknown _1280039905.unknown _1280040053.unknown _1280039832.unknown _1280039268.unknown _1280039451.unknown _1280039256.unknown _1280037809.unknown _1280038729.unknown _1280039027.unknown _1280039201.unknown _1280038923.unknown _1280038230.unknown_1280038671.unknown _1280037895.unknown _1279958228.unknown _1279960442.unknown _1280037258.unknown _1279960227.unknown _1279956784.unknown _1279957435.unknown _1279955953.unknown _1279438767.unknown _1279527649.unknown _1279632109.unknown _1279709228.unknown _1279718344.unknown _1279952285.unknown _1279952578.unknown _1279952989.unknown _1279953099.unknown _1279952942.unknown _1279952458.unknown _1279952479.unknown _1279952426.unknown _1279719702.unknown _1279719889.unknown _1279951426.unknown _1279719786.unknown _1279718403.unknown _1279718703.unknown _1279718385.unknown _1279713755.unknown _1279717183.unknown _1279718193.unknown _1279718302.unknown _1279718012.unknown _1279716976.unknown _1279717030.unknown _1279713809.unknown _1279712572.unknown _1279713000.unknown _1279713674.unknown _1279712864.unknown _1279711714.unknown _1279711775.unknown _1279709597.unknown _1279695710.unknown _1279696682.unknown _1279699312.unknown _1279708053.unknown _1279708243.unknown _1279706042.unknown _1279697143.unknown _1279697229.unknown _1279696763.unknown _1279696309.unknown _1279696580.unknown _1279696670.unknown _1279696493.unknown _1279695844.unknown _1279696063.unknown _1279695759.unknown _1279690475.unknown _1279691045.unknown _1279691553.unknown _1279693271.unknown _1279691287.unknown _1279690884.unknown _1279691030.unknown _1279690499.unknown _1279633797.unknown _1279690320.unknown _1279690377.unknown _1279690237.unknown _1279633362.unknown _1279633527.unknown _1279633288.unknown _1279603043.unknown _1279604989.unknown _1279605746.unknown _1279631450.unknown _1279631665.unknown _1279631820.unknown _1279631559.unknown _1279630684.unknown _1279631388.unknown _1279630602.unknown _1279605196.unknown _1279605588.unknown _1279605638.unknown _1279605230.unknown _1279605064.unknown _1279605133.unknown _1279605040.unknown _1279604313.unknown _1279604710.unknown _1279604804.unknown _1279604885.unknown _1279604736.unknown _1279604462.unknown _1279604623.unknown _1279604332.unknown _1279604046.unknown _1279604113.unknown _1279604220.unknown _1279604077.unknown _1279603749.unknown _1279603766.unknown _1279603119.unknown _1279603144.unknown _1279603060.unknown _1279541230.unknown _1279542171.unknown _1279542780.unknown _1279602804.unknown _1279602853.unknown _1279542798.unknown _1279542356.unknown _1279542563.unknown _1279542305.unknown _1279541549.unknown _1279542008.unknown _1279542027.unknown _1279541608.unknown _1279541463.unknown _1279541505.unknown _1279541321.unknown _1279537800.unknown _1279540376.unknown _1279540984.unknown _1279541217.unknown _1279540930.unknown _1279538146.unknown _1279538258.unknown _1279538033.unknown _1279536636.unknown _1279537564.unknown _1279537761.unknown _1279537295.unknown _1279535192.unknown _1279536005.unknown _1279535078.unknown _1279455054.unknown _1279459460.unknown _1279460836.unknown _1279522676.unknown _1279525408.unknown _1279527038.unknown _1279527205.unknown _1279526050.unknown _1279525278.unknown _1279525316.unknown _1279522910.unknown _1279518001.unknown _1279518424.unknown _1279522588.unknown _1279518389.unknown _1279517305.unknown _1279517494.unknown _1279517067.unknown _1279460126.unknown _1279460647.unknown _1279460765.unknown _1279460819.unknown _1279460669.unknown _1279460387.unknown _1279460599.unknown _1279460208.unknown _1279459690.unknown _1279459918.unknown _1279460022.unknown _1279459845.unknown _1279459557.unknown _1279459572.unknown _1279459483.unknown _1279457777.unknown _1279458619.unknown _1279458965.unknown _1279459116.unknown _1279459412.unknown _1279458997.unknown _1279458831.unknown _1279458925.unknown _1279458796.unknown _1279458406.unknown _1279458524.unknown _1279458559.unknown _1279458507.unknown _1279458085.unknown _1279458126.unknown _1279458001.unknown _1279457188.unknown _1279457576.unknown _1279457658.unknown _1279457754.unknown _1279457593.unknown _1279457498.unknown _1279457549.unknown _1279457368.unknown _1279455421.unknown _1279455619.unknown _1279456019.unknown _1279455565.unknown _1279455195.unknown _1279455345.unknown _1279455109.unknown _1279441933.unknown _1279450898.unknown _1279453249.unknown _1279454603.unknown _1279454923.unknown _1279454973.unknown _1279454899.unknown _1279453527.unknown _1279453913.unknown _1279453342.unknown _1279451056.unknown _1279451144.unknown _1279453033.unknown _1279451084.unknown _1279450993.unknown _1279451025.unknown _1279450935.unknown _1279447780.unknown _1279450666.unknown _1279450816.unknown _1279450854.unknown _1279450750.unknown _1279450559.unknown _1279450647.unknown _1279448001.unknown _1279442316.unknown _1279442718.unknown _1279447636.unknown _1279442347.unknown _1279442163.unknown _1279442209.unknown _1279442103.unknown _1279440864.unknown _1279441241.unknown _1279441612.unknown _1279441698.unknown _1279441861.unknown _1279441636.unknown _1279441449.unknown _1279441529.unknown _1279441346.unknown _1279441056.unknown _1279441127.unknown _1279441145.unknown _1279441097.unknown _1279440964.unknown _1279441027.unknown _1279440895.unknown _1279439867.unknown _1279440650.unknown _1279440777.unknown _1279440819.unknown _1279440691.unknown _1279440508.unknown _1279440638.unknown _1279440185.unknown _1279439316.unknown _1279439563.unknown _1279439683.unknown _1279439420.unknown _1279438955.unknown _1279439165.unknown _1279438822.unknown _1279352814.unknown _1279370880.unknown _1279431123.unknown _1279434948.unknown _1279437319.unknown _1279437896.unknown _1279438471.unknown _1279438578.unknown _1279438288.unknown _1279437451.unknown _1279437554.unknown _1279437378.unknown _1279435827.unknown _1279436291.unknown _1279437043.unknown _1279436224.unknown _1279435515.unknown _1279435814.unknown _1279435287.unknown _1279431852.unknown _1279432613.unknown _1279433968.unknown _1279434132.unknown _1279433087.unknown _1279433769.unknown _1279432020.unknown _1279432242.unknown _1279431956.unknown _1279431434.unknown _1279431713.unknown _1279431784.unknown _1279431593.unknown _1279431206.unknown _1279431224.unknown _1279431167.unknown _1279374672.unknown _1279430594.unknown _1279430911.unknown _1279431037.unknown _1279431071.unknown _1279430938.unknown _1279430757.unknown _1279430784.unknown _1279430642.unknown _1279375141.unknown _1279375584.unknown _1279376230.unknown _1279375242.unknown _1279374866.unknown _1279374943.unknown _1279374788.unknown _1279373311.unknown _1279373528.unknown _1279374509.unknown _1279374567.unknown _1279374444.unknown _1279373413.unknown _1279373480.unknown _1279373372.unknown _1279371815.unknown _1279372950.unknown _1279373269.unknown _1279372825.unknown _1279371360.unknown _1279371673.unknown _1279371146.unknown _1279371015.unknown _1279363816.unknown _1279368448.unknown _1279370245.unknown _1279370541.unknown _1279370807.unknown _1279370864.unknown _1279370727.unknown _1279370377.unknown _1279370464.unknown _1279370308.unknown _1279369275.unknown _1279369891.unknown _1279370108.unknown _1279369795.unknown _1279369031.unknown _1279369049.unknown _1279368932.unknown _1279368953.unknown _1279365440.unknown _1279367723.unknown _1279368195.unknown _1279368300.unknown _1279368048.unknown _1279367516.unknown _1279367608.unknown _1279367273.unknown _1279364895.unknown _1279365303.unknown _1279365328.unknown _1279365084.unknown _1279364324.unknown _1279364413.unknown _1279364062.unknown _1279361810.unknown _1279362861.unknown _1279363388.unknown _1279363637.unknown _1279363731.unknown _1279363779.unknown _1279363700.unknown _1279363418.unknown _1279363186.unknown _1279363265.unknown _1279362921.unknown _1279362633.unknown _1279362703.unknown _1279362816.unknown _1279362672.unknown _1279362339.unknown _1279362426.unknown_1279362029.unknown _1279353973.unknown _1279354538.unknown _1279354993.unknown _1279355212.unknown _1279354703.unknown _1279354064.unknown _1279354488.unknown _1279354008.unknown _1279353588.unknown _1279353786.unknown _1279353940.unknown _1279353675.unknown _1279353199.unknown _1279353360.unknown _1279352855.unknown _1279343841.unknown _1279347715.unknown _1279351809.unknown _1279352471.unknown _1279352682.unknown _1279352727.unknown _1279352788.unknown _1279352702.unknown _1279352584.unknown _1279352608.unknown _1279352536.unknown _1279352066.unknown _1279352202.unknown _1279352281.unknown _1279352183.unknown _1279351942.unknown _1279352029.unknown _1279351846.unknown _1279349855.unknown _1279351221.unknown _1279351487.unknown _1279351712.unknown _1279351425.unknown _1279350588.unknown _1279351151.unknown _1279351196.unknown _1279350896.unknown _1279349870.unknown _1279350424.unknown _1279348332.unknown _1279348821.unknown _1279348844.unknown _1279348454.unknown _1279347982.unknown _1279348182.unknown _1279347754.unknown _1279345866.unknown _1279346823.unknown _1279347076.unknown _1279347216.unknown _1279347350.unknown _1279347139.unknown _1279346970.unknown _1279347023.unknown _1279346894.unknown _1279346651.unknown _1279346759.unknown _1279346788.unknown _1279346711.unknown _1279346586.unknown _1279346622.unknown _1279346564.unknown _1279344651.unknown _1279345222.unknown _1279345351.unknown _1279345732.unknown _1279345242.unknown _1279344895.unknown _1279345162.unknown _1279344656.unknown _1279344310.unknown _1279344543.unknown _1279344566.unknown _1279344379.unknown _1279344034.unknown _1279344055.unknown _1279343904.unknown _1279114923.unknown _1279116225.unknown _1279343321.unknown _1279343544.unknown _1279343755.unknown _1279343795.unknown _1279343627.unknown _1279343393.unknown _1279343497.unknown _1279343361.unknown _1279342805.unknown _1279342964.unknown _1279343299.unknown _1279342906.unknown _1279342656.unknown _1279342768.unknown _1279342370.unknown _1279115847.unknown _1279116070.unknown _1279116139.unknown _1279116171.unknown _1279116113.unknown _1279115938.unknown _1279115987.unknown _1279115918.unknown _1279115333.unknown _1279115765.unknown _1279115797.unknown _1279115684.unknown _1279115025.unknown _1279115289.unknown _1279114957.unknown _1279112988.unknown _1279114139.unknown _1279114752.unknown _1279114814.unknown _1279114864.unknown _1279114789.unknown _1279114421.unknown _1279114731.unknown _1279114196.unknown _1279114009.unknown _1279114071.unknown _1279114101.unknown _1279114048.unknown _1279113874.unknown _1279114004.unknown _1279113094.unknown _1279112138.unknown _1279112704.unknown _1279112880.unknown _1279112903.unknown _1279112829.unknown _1279112325.unknown _1279112526.unknown _1279112154.unknown _1279111038.unknown _1279111364.unknown _1279111388.unknown _1279111415.unknown _1279111215.unknown _1279110857.unknown _1279111033.unknown _1279110656.unknown _1279110837.unknown
Compartilhar