Baixe o app para aproveitar ainda mais
Prévia do material em texto
ENGENHARIA CIVIL CÁLCULO NUMÉRICO SOLUÇÃO DE SISTEMAS LINEARES Aula 01 | Eliminação de Gauss Aula 02 | Fatoração LU Aula 03 | Método de Jacobi Aula 04 | Método de Gauss-Seidel Uma versão preliminar da eliminação de Gauss apareceu pela primeira vez no livro chinês “Nove Capítulo de Artes Matemática”, em torno de 200 a.C. Até então o poder do método não tinha sido reconhecido. No ano de 1801 Carl Friedrich Gauss utilizou o método para calcular a órbita do asteroide Ceres com pouquíssimas informações (anotações do astrônomo siciliano Giuseppe Piazzi quem batizou o asteroide com o nome ao observá-lo pela primeira vez). O trabalho de Gauss causou sensação quando Ceres reapareceu na constelação de virgem, local aproximado aos seus cálculos. Mais tarde o método foi popularizado quando Willian Jordan (engenheiro alemão) em 1888 publicou no seu livro de geodésica intitulado “Handbuch der Vermessungskund”. Embora as ideias tenham sido conhecidas antes, muitas vezes o credito pela popularização da decomposição LU é atribuída ao lógico e matemático britânico Alan Turing (precursor do computador), pelo seu trabalho de 1948 nesse assunto. Ao final dos anos 1970, a Fundação Nacional de Ciências e o Departamento de Energia dos EUA financiaram o desenvolvimento de rotinas de computacionais para inverter matrizes e resolver sistemas de equações lineares. Aquela pesquisa levou a um conjunto de programas Fortran chamada LINPAC que são uma referência para muitos algoritmos computacionais de hoje. Inclusive o chamado MATLAB. As rotinas LIMPAC estão organizadas em torno de quatro fatorações de matrizes, uma das quais é a decomposição LU. C.B. Moler, J.J. Dongarra, G.W. Stewart e J.R. Brunch, os principais programadores do LINPAC, basearam muitas de suas ideias no trabalho de Jemes Boyle e Kenneth Dritz, do Laboratório Argonne (nos EUA). Todo o histórico acima é creditado à Profa. Dra. Marli de Freitas Gomes Hernandez CESET-UNICAMP (ANTON, H. & BUSBY, R. Álgebra Linear Contemporânea. Editora Bookman. Porto Alegre. 2006) Ao conjunto de m equações lineares com n incógnitas damos o nome de sistema de equações lineares. Sejam matriz real, e b vetores coluna. Um sistema de equações lineares ou sistema linear com n equações e n variáveis é uma equação do tipo . Usando os valores de A, x e b, temos (I) A forma Ax = b e a sua equivalente dada por (II) são ditas formas vetoriais do sistema de equações. A matriz A é dita matriz dos coeficientes. Um sistema linear pode também ser representado multiplicando-se a matriz A pelo vetor coluna x em (I): (II) Exemplo - Seja o sistema: . Ele pode ser representado por meio de matrizes, da seguinte forma: Resolver o sistema (II) significa determinar um vetor , que satisfaça todas as suas equações. CLASSIFICAÇÃO DAS SOLUÇÕES DE UM SISTEMA DE EQUAÇÕES LINEARES Um sistema de m equações lineares com n incógnitas pode ser classificado, quanto ao número de soluções: Uma forma de verificar se um sistema possui solução ou não, ou seja, possível, impossível ou determinado, é calcular o determinante da matriz do sistema. MÉDOTOS DE RESOLUÇÃO DE UM SISTEMA LINEAR Os métodos numéricos destinados a resolver sistemas lineares são divididos em dois grupos: MÉTODOS DIRETOS - São métodos que determinam a solução exata (a menos de arredondamento), caso ela exista, de um sistema linear com um número finito de operações. MÉTODOS ITERATIVOS – São métodos que geram uma sequência de vetores , a partir de uma aproximação inicial , que sob certas condições esta sequência converge para a solução aproximada X, caso ela exista. Estudaremos dois métodos diretos. Método de Eliminação de Gauss Fatoração LU Consiste em transformar o sistema linear original Ax = b num sistema equivalente Ux = c, com a matriz dos coeficientes U triangular superior. Ao final do processo, obtemos o sistema equivalente. (III) Supondo que , i = 1, . . . , n podemos determinar do seguinte modo: (IV) A ideia central do método consiste na eliminação sistemática as incógnitas abaixo da diagonal principal, transformando o sistema geral em um sistema do tipo triangular superior. Suponha que a matriz = (aij) referente ao sistema dado por (II) tenha det(A) ≠ 0. Se considerarmos o pivô o elemento (os pivôs serão os elementos da diagonal principal, deste que sejam diferentes de zero) , podemos eliminar nas últimas n - 1 equações de (II) fazendo: Os , são chamados multiplicadores, que multiplicados na linha do pivô e somado com o elementos a serem zerados, tal soma será nula. OBS: Para encontrar os multiplicadores, basta dividir o elemento a ser zerado pelo pivô e tomá-lo com o sinal “contrário”. As fórmulas que definem os novos coeficientes de cada linha são definidas por: Para a nova linha 2 → Para a nova linha 3 → ............................................................... n- Para a nova linha n → ou seja, em 1, a nova linha será a soma ( ou subtração) entre a linha que contém o elemento a ser zerado ( ), e a linha que contém o pivô ( ), sendo esta multiplicada pelo multiplicador . De 2, 3 ....n segue analogamente. Nesta primeira etapa de aplicação dos cálculos acima, a matriz dos coeficientes fica na forma (V) Observe que os elementos da primeira coluna que estão abaixo do pivô são todos nulos. Efetua-se o mesmo processo para eliminar nas n – 2 equações de (II). Agora queremos zerar todos os coeficientes da matriz que estão abaixo do coeficiente . Neste caso, será o novo pivô. Para a nova linha 3 → Para a nova linha 4 → ............................................................... n- Para a nova linha n → Este processo é seguido até que todos os elementos abaixo da diagonal principal sejam zeros. No final do processo temos uma matriz triangular superior. (VI) Depois de escalonado a matriz A dos coeficientes, voltamos ao sistema, mas com a matriz equivalente (VI) ou seja, Construímos o sistema (VI) e resolvemos o sistema linear como em (IV) e encontramos as variáveis . Exemplo 1 Resolver o sistema linear. A primeira coisa a fazer é obter a matriz dos coeficientes. �� EMBED Equation.3 Observe que a diagonal principal é composta pelos elementos 3, 1 e –2. Etapa 1: eliminar das equações 2 e 3. Neste caso, os elementos que estão abaixo da diagonal principal, a começar pelos elementos e devem ser zerados. OBS: Para encontrar o multiplicador m, basta dividir o elemento a ser zerado pelo pivô. O número a ser multiplicado na linha do pivô terá o sinal inverso ao que foi encontrado. nova linha 2 → nova linha 3 → Depois dos cálculos, obtemos a matriz Etapa 2: eliminar das equação 3. Neste caso, o elemento deve ser zerado. nova linha 3 → Depois dos cálculos, obtemos a matriz Assim, resolver o sistema Ax = b, dado pelo exercício é equivalente resolver o sistema Resolvendo a partir da 3ª equação do sistema acima, temos: Substituindo na 2ª equação, obtemos . Substituindo e na 1ª equação, obtemos . Logo, a solução dosistema original é o vetor . ESTRATÉGIA DE PIVOTEAMENTO Vimos que o algoritmo para o método de eliminação de Gauss requer o cálculo dos multiplicadores: em cada etapa k do processo. Mas se o pivô for nulo ( ), o que acontece, uma vez que não podemos dividir um número por zero? Para contornar este problema deve-se adotar uma estratégia de pivoteamento, ou seja, adotar um processo de escolha da linha e/ou coluna que contém o pivô. Esta estratégia consiste em: no início da etapa k da fase de eliminação, escolher para o pivô o elemento de maior módulo entre os coeficientes ; trocar as linhas k e i se for necessário. Por exemplo, se tivéssemos a matriz dos coeficientes �� EMBED Equation.3 Nos exemplos acima, tomaríamos o pivô como sendo o elemento , que neste caso é o número zero. Mas, quando calculamos os multiplicadores estamos dividindo os coeficientes e por zero, o que não se deve (não se divide um número por zero). O que temos que fazer então é uma estratégia de pivoteamento que consiste em trocar a linha pela linha ou . Pela estratégia de pivoteamento, trocamos a linha pela linha , pois esta tem o maior valor em módulo entre os elementos e que neste caso é o número 4. Então, a linha passa a ser a linha e a linha passa a ser a linha . �� EMBED Equation.3 Agora, faz-se o mesmo processo para se obter a matriz triangular superior, como visto anteriormente. EXERCÍCIOS 1- Resolver os sistemas lineares pelo método de eliminação de Gauss. a- b- c- d- 2- Um empresário precisa realizar 3 obras. As três obras precisam dos mesmos tipos de estruturas de concreto armado: Lastro de concreto magro de espessura de 4 cm Lastro de concreto magro de espessura de 8 cm Lastro de concreto magro de espessura de 10 cm O empresário dono da obra precisa das seguintes quantidades de lastros: Na obra 1 serão consumidos 28 m² de lastros de 5 cm, 42 m² de lastros de 8 cm e 48 m² de lastros de 10 cm; Na obra 2 serão consumidos 23 m² de lastros de 5 cm, 50 m² de lastros de 8 cm e 45 m² de lastros de 10 cm; Na obra 3 serão consumidos 30 m² de lastros de 5 cm, 45 m² de lastros de 8 cm e 60 m² de lastros de 10 cm. Uma empresa de concretagem vai vender os lastros para o empresário. O preço do m² de lastro de concreto é o mesmo nas três obras. Em cada obra, o gasto com estrutura de concreto armado será R$ 3.034,00 na obra 1, R$ 3.058,00 na obra 2 e R$ 3.525,00 na obra 3. Qual o preço por m² de cada lastro de 4, 8 e 10 cm? 3- Uma loja de material de construção está com a seguinte promoção: 1 saco de cimento, 2 sacos de argamassa e 3 sacos de espaçador reutilizável para pisos por R$ 71,00. 2 saco de cimento, 5 sacos de argamassa e 6 sacos de espaçador reutilizável para pisos por R$ 160,00. 2 saco de cimento, 3 sacos de argamassa e 4 sacos de espaçador reutilizável para pisos por R$ 114,00. Calcule o preço unitário de cada produto ofertado. - Respostas (1) a- b- c- d- (2) (3) A decomposição LU é uma das técnicas mais usadas para resolver sistemas de equações algébricas. Dado um sistema A.x = B, podemos fatorar a matriz A no produto de duas matrizes L e U, sendo L uma matriz triangular inferior e U uma matriz triangular superior. Ax = b ( A = LU L = triangular inferior U = triangular superior A eliminação de Gauss pode ser usada para decompor uma matriz dos coeficientes [A], em duas matrizes [L] e [U]. [L] é uma matriz triangular inferior com sua diagonal principal formada por elementos iguais a 1. A matriz U é uma matriz triangular superior, resultante da matriz obtida quando se triangularizou a matriz A no método de Eliminação de Gauss. Já a matriz L é uma matriz triangular inferior com sua diagonal principal formada por elementos iguais a 1. abaixo da diagonal, formado pelos multiplicadores , utilizados para zerar os elementos , respectivamente. Assim, Observe que o vetor coluna B = não foi envolvido na decomposição da matriz A em L e U. CONSTRUÇÃO DO SISTEMA PARA A RESOLUÇÃO A construção da solução do sistema Ax = B inicia-se com a decomposição de A em L e U. Feito a decomposição, temos que: Ax = B ( (LU).x = B ( L.(Ux) = B Fazendo Ux = y, temos: Ly = B Portanto, temos dois sistemas a resolver: Ly = b Ux = y Em (1) encontramos a matriz . Encontrado y, substituímos em (2) e encontramos , que é a solução do sistema original. Exemplo 1 da página 6 = A matriz U, obtida da Eliminação de Gauss do exemplo 1 e dada por: A matriz L é triangular inferior, formada pelos multiplicadores , utilizados na resolução do Exemplo 1 na página 6. Observe que A = LU = Portanto, temos dois sistemas a resolver: Ly = b Ux = y Resolvendo o sistema de cima para baixo, encontramos . Resolvendo o sistema de baixo para cima, encontramos , a mesma solução do exemplo 1. EXERCÍCIOS 1- Resolva por fatoração LU. (a) - (b) (c) Respostas a- b- c- Considere o Sistema Linear onde: matriz de coeficientes vetor de variáveis vetor independente (constantes) A ideia geral dos métodos iterativos consiste em converter o sistema de equações em um processo iterativo , onde: = matriz com dimensões D = vetor com dimensões = função de iteração matricial (solução aproximada) PROCESSO ITERATIVO Partindo de uma vetor aproximação inicial , constrói-se uma sequência iterativa de vetores, calculando , onde: (forma geral) CRITÉRIO DE PARADA Como em todos os processos iterativos, necessitamos de um critério para a parada do processo. A parada é dada pelo Máximo desvio relativo: Onde, é o maior desvio absoluto, ou seja, a maior diferença absoluta entre (a resposta encontrada no passo k) e a solução do passo anterior. é o maior valor absoluto de (a resposta encontrada no passo k). Logo, desta forma, dada uma precisão o vetor será escolhido como solução aproximada da solução exata, se . MÉTODOS ITERATIVOS Estudaremos dois métodos iterativos MÉTODO DE GAUSS-JACOBI MÉTODO DE GAUSS-SEIDEL Dado uma aproximação inicial , o Método de Gauss-Jacobi consiste em obter uma sequência , , , ......, , por meio da relação recursiva: Considere o sistema linear: No Método de Gauss-Jacobi, é realizada uma separação da diagonal principal, e o processo iterativo é sequencial, componente por componente. Supondo , isola-se o vetor mediante a separação pela diagonal da matriz de coeficientes. Assim, tem-se o sistema iterativo , onde: e Exemplo - Resolver o sistema linear utilizando o Método Iterativo de Gauss-Jacobi, com e tolerância . -SOLUÇÃO- Isolando na diagonal, o processo iterativo é dado por: Para k = 0 e substituindo , temos: Critério de parada Para k = 1 e substituindo , temos: Critério de parada Para k = 2 e substituindo Critério de parada Logo,a solução aproximada do sistema é , com erro menor que 0,05. Observe que solução aproximada acima está bem próxima da solução exata (basta calcular por Eliminação de Gauss). CONDIÇÕES SUFICIENTES PARA A CONVERGÊNCIA DO MÉTODO DE GAUSS-JACOBI CRITÉRIO DAS LINHAS TEOREMA - Seja o sistema linear e seja: Se , então o método G-J gera uma sequência convergente para a solução do sistema dado, independentemente da escolha da aproximação inicial . Observe que esta é uma condição suficiente, se for satisfeita o método converge, entretanto se não for satisfeita nada se pode afirmar. Exemplo Seja a matriz do exemplo dado anteriormente: Tem-se a convergência garantida para qualquer vetor inicial. Exemplo Seja o sistema de equações lineares: As condições de convergência do teorema não são satisfeitas, entretanto o Método de Gauss-Jacobi gera uma sequência convergente para a solução exata . Se as condições de suficiência não são satisfeitas, não significa que o método não possa convergir. Exemplo Considere o sistema linear: As condições do teorema não são satisfeitas. Uma solução possível é permutar as equações. Permutar a primeira equação com a segunda equação: As condições passam a ser satisfeitas e a convergência é garantida para qualquer vetor inicial . Este tipo de procedimento nem sempre é possível. EXERCÍCIOS Resolver o sistema linear utilizando o Método Iterativo de Gauss-Jacobi. com e . com e . com e . Respostas Verifique a convergência dos sistemas acima, utilizando o critério das linhas. No Método de Gauss-Seidel, também é realizada uma separação da diagonal principal, e o processo iterativo é sequencial, componente por componente. Mas observe que neste método, ao contrário do Método de Gauss – Jacobi, para calcular na iteração (k + 1), o método utiliza todos os valores calculados anteriores a (por exemplo, para calcular , utiliza-se os resultados de ). Supondo , isola-se o vetor mediante a separação pela diagonal da matriz de coeficientes. Observe que para calcular , temos que saber o valor de . Para calcular , temos que saber o valor de , e assim por diante. Exemplo- Resolver o sistema linear utilizando o Método Iterativo de Gauss-Seidel, com e tolerância . Isolando na diagonal, o processo iterativo é dado por: Para k = 0 e substituindo , temos: Observe que, para calcular (segunda linha), tenho que ter o valor de (primeira linha) e para calcular (última linha), tenho que ter os valores de e . Critério de parada Para k = 1 e Critério de parada Para k = 2 e Critério de parada Logo, a solução aproximada do sistema é , com erro menor que 0,05. Observe que solução aproximada acima está bem próxima da solução exata (basta calcular por Eliminação de Gauss). CONDIÇÕES SUFICIENTES PARA A CONVERGÊNCIA DO MÉTODO DE GAUSS-SEIDEL Existem dois critérios de suficiência para a convergência do Método de Gauss-Seidel. O critério de linhas (apresentado no método de Gauss-Jacobi) e o critério de Sassenfeld. CRITÉRIO DE SASSENFELD Considere o sistema linear , com A dimensão e seja: e para : Define-se . Se , então o Método de Gauss-Seidel gera uma sequência convergente para a solução do sistema, qualquer que seja o vetor inicial . Além disso, quanto menor for o valor de mais rápida é a convergência. Exemplo - Verifique a convergência do sistema abaixo pelo critério de Sassenfeld. Critério de Sassenfeld Todos satisfazem. Portanto, e então temos a garantia de que o método de Gauss-Seidel vai gerar uma sequência convergente. Exemplo - Verificar as condições de convergência do Método de Gauss-Seidel no sistema abaixo: Critério de Sassenfeld não satisfaz. Como a convergência do Método de Gauss-Seidel é fortemente dependente da posição das equações, pode-se trocar a posição das equações. Tentativa 1- Troca-se a primeira equação pela terceira equação. Critério de Sassenfeld não satisfaz. Tentativa 2- Troca-se a primeira coluna pela terceira coluna na equação anterior. Critério de Sassenfeld satisfaz. satisfaz. satisfaz. Com a última modificação, o sistema passa a ser convergente para qualquer vetor inicial. Modificações desse tipo são puramente acadêmicas e são difíceis de serem realizadas em sistemas reais. Principalmente pelas dimensões dos problemas, resultando num grande esforço computacional, e das incertezas quanto a sua eficiência. EXERCÍCIOS 1- Resolva os sistemas pelo método de Gaus- Seidel Respostas (b) (c) Verifique a convergência dos sistemas acima utilizando o critério de Sassenfeld. HISTÓRICO SISTEMAS DE EQUAÇÕES LINEARES � Possível e Determinado (SPD) � EMBED Equation.3 ��� � EMBED Equation.3 ��� ( tem solução única Possível e Indeterminado (SPI) � EMBED Equation.3 ���� EMBED Equation.3 ��� ( tem infinitas soluções Impossível (SI) � EMBED Equation.3 ���� EMBED Equation.3 ��� ( não tem solução Observação Se � EMBED Equation.DSMT4 ���então podemos ter um sistema� EMBED Equation.DSMT4 ��� MÉTODOS DIRETOS AULA 01 | MÉTODO DE ELIMINAÇÃO DE GAUSS AULA 02 | FATORAÇÃO LU MÉTODOS ITERATIVOS AULA 03 | MÉTODO DE GAUSS-JACOBI AULA 04 | MÉTODO DE GAUSS-SEIDEL �PAGE \* Arabic�20� ENGENHARIA CIVIL – CÁLCULO NUMÉRICO – 2018/1 _1552403561.unknown _1552403627.unknown _1552403660.unknown _1552403676.unknown _1552403685.unknown _1552403693.unknown _1552403697.unknown _1552403701.unknown _1552403705.unknown _1552403707.unknown _1552403708.unknown _1552403709.unknown _1552403706.unknown _1552403703.unknown _1552403704.unknown _1552403702.unknown _1552403699.unknown _1552403700.unknown _1552403698.unknown _1552403695.unknown _1552403696.unknown _1552403694.unknown _1552403689.unknown _1552403691.unknown _1552403692.unknown _1552403690.unknown _1552403687.unknown _1552403688.unknown _1552403686.unknown _1552403680.unknown _1552403683.unknown _1552403684.unknown _1552403681.unknown _1552403678.unknown _1552403679.unknown _1552403677.unknown _1552403668.unknown _1552403672.unknown _1552403674.unknown _1552403675.unknown _1552403673.unknown _1552403670.unknown _1552403671.unknown _1552403669.unknown _1552403664.unknown _1552403666.unknown _1552403667.unknown _1552403665.unknown _1552403662.unknown _1552403663.unknown _1552403661.unknown _1552403643.unknown _1552403651.unknown _1552403655.unknown _1552403658.unknown _1552403659.unknown _1552403657.unknown _1552403653.unknown _1552403654.unknown _1552403652.unknown _1552403647.unknown _1552403649.unknown _1552403650.unknown _1552403648.unknown _1552403645.unknown _1552403646.unknown _1552403644.unknown _1552403635.unknown _1552403639.unknown _1552403641.unknown _1552403642.unknown _1552403640.unknown _1552403637.unknown _1552403638.unknown _1552403636.unknown _1552403631.unknown _1552403633.unknown _1552403634.unknown _1552403632.unknown _1552403629.unknown _1552403630.unknown _1552403628.unknown _1552403594.unknown _1552403610.unknown_1552403618.unknown _1552403622.unknown _1552403624.unknown _1552403626.unknown _1552403623.unknown _1552403620.unknown _1552403621.unknown _1552403619.unknown _1552403614.unknown _1552403616.unknown _1552403617.unknown _1552403615.unknown _1552403612.unknown _1552403613.unknown _1552403611.unknown _1552403602.unknown _1552403606.unknown _1552403608.unknown _1552403609.unknown _1552403607.unknown _1552403604.unknown _1552403605.unknown _1552403603.unknown _1552403598.unknown _1552403600.unknown _1552403601.unknown _1552403599.unknown _1552403596.unknown _1552403597.unknown _1552403595.unknown _1552403577.unknown _1552403585.unknown _1552403589.unknown _1552403592.unknown _1552403593.unknown _1552403590.unknown _1552403587.unknown _1552403588.unknown _1552403586.unknown _1552403581.unknown _1552403583.unknown _1552403584.unknown _1552403582.unknown _1552403579.unknown _1552403580.unknown _1552403578.unknown _1552403569.unknown _1552403573.unknown _1552403575.unknown _1552403576.unknown _1552403574.unknown _1552403571.unknown _1552403572.unknown _1552403570.unknown _1552403565.unknown _1552403567.unknown _1552403568.unknown _1552403566.unknown _1552403563.unknown _1552403564.unknown _1552403562.unknown _1552403494.unknown _1552403528.unknown _1552403544.unknown _1552403553.unknown _1552403557.unknown _1552403559.unknown _1552403560.unknown _1552403558.unknown _1552403555.unknown _1552403556.unknown _1552403554.unknown _1552403549.unknown _1552403551.unknown _1552403552.unknown _1552403550.unknown _1552403546.unknown _1552403548.unknown _1552403545.unknown _1552403536.unknown _1552403540.unknown _1552403542.unknown _1552403543.unknown _1552403541.unknown _1552403538.unknown _1552403539.unknown _1552403537.unknown _1552403532.unknown _1552403534.unknown _1552403535.unknown _1552403533.unknown _1552403530.unknown _1552403531.unknown _1552403529.unknown _1552403511.unknown _1552403520.unknown _1552403524.unknown _1552403526.unknown _1552403527.unknown _1552403525.unknown _1552403522.unknown _1552403523.unknown _1552403521.unknown _1552403515.unknown _1552403517.unknown _1552403519.unknown _1552403516.unknown _1552403513.unknown _1552403514.unknown _1552403512.unknown _1552403503.unknown _1552403507.unknown _1552403509.unknown _1552403510.unknown _1552403508.unknown _1552403505.unknown _1552403506.unknown _1552403504.unknown _1552403499.unknown _1552403501.unknown _1552403502.unknown _1552403500.unknown _1552403497.unknown _1552403498.unknown _1552403496.unknown _1552403461.unknown _1552403477.unknown _1552403486.unknown _1552403490.unknown _1552403492.unknown _1552403493.unknown _1552403491.unknown _1552403488.unknown _1552403489.unknown _1552403487.unknown _1552403481.unknown _1552403483.unknown _1552403485.unknown _1552403482.unknown _1552403479.unknown _1552403480.unknown _1552403478.unknown _1552403469.unknown _1552403473.unknown _1552403475.unknown _1552403476.unknown _1552403474.unknown _1552403471.unknown _1552403472.unknown _1552403470.unknown _1552403465.unknown _1552403467.unknown _1552403468.unknown _1552403466.unknown _1552403463.unknown _1552403464.unknown _1552403462.unknown _1552403444.unknown _1552403453.unknown _1552403457.unknown _1552403459.unknown _1552403460.unknown _1552403458.unknown _1552403455.unknown _1552403456.unknown _1552403454.unknown _1552403449.unknown _1552403451.unknown _1552403452.unknown _1552403450.unknown _1552403447.unknown _1552403448.unknown _1552403446.unknown _1552403428.unknown _1552403440.unknown _1552403442.unknown _1552403443.unknown _1552403441.unknown _1552403432.unknown _1552403438.unknown _1552403439.unknown _1552403434.unknown _1552403436.unknown _1552403437.unknown _1552403435.unknown _1552403433.unknown _1552403430.unknown _1552403431.unknown _1552403429.unknown _1552403424.unknown _1552403426.unknown _1552403427.unknown _1552403425.unknown _1552403422.unknown _1552403423.unknown _1552403420.unknown
Compartilhar