Baixe o app para aproveitar ainda mais
Prévia do material em texto
� PAGE �1� Notas de Aula Álgebra Linear Profª Cristiane Leitão Matrizes, Determinantes e Sistemas de Equações Lineares 1) Matrizes Def: Matriz é uma tabela de elementos dispostos em linhas e colunas. Os elementos de uma matriz podem ser de naturezas diversas. Linhas e colunas são genericamente denominadas filas. Ex: Consideramos os dados referentes a altura, massa e idade para cinco pessoas e dispomos esses dados na tabela abaixo: Altura Massa Idade Convenções: Representamos uma matriz de m linhas e de n colunas por: A quantidade denota o elemento da matriz A que se encontra na i-ésima linha e j-ésima coluna. Empregamos letras maiúsculas para denotarem matrizes e subscrevemos o número de linhas e colunas na forma . Ex: Uma matriz A com 3 linhas e 2 colunas pode ser extensamente expressa na forma: A = Ou compactamente nas formas e . Def: Duas matrizes e são iguais se, e somente se, m = p e n = q e , para todo i e j , com i variando de 1 a m (ou p) , j variando de 1 a n (ou q). Ex: As matrizes e são iguais. Tipos especiais de Matrizes: Matriz Quadrada – é aquela cujo número de linhas é igual ao número de colunas ou, equivalentemente m = n. No caso de matrizes quadradas , dizemos que A é de ordem m. Obs: Se a matriz A não for quadrada , dizemos que A é retangular e de ordem m por n ou . Matriz Nula – é aquela matriz onde todos os elementos são nulos. Matriz -coluna – é aquela que possui uma única coluna ou equivalentemente n =1. Obs: é também chamada de vetor coluna. Matriz -linha – é aquela que possui uma única linha ou equivalentemente m = 1. Obs: é também chamada de vetor linha. Matriz Diagonal – é uma matriz quadrada (m = n) onde para , ou equivalentemente, os elementos que não estão na diagonal principal são nulos. Ex: As matrizes e Diagonal Principal Diagonal Secundária Matriz Identidade (unidade) – é a matriz diagonal em que , para todo i . Indica-se por ou simplesmente I. Ex: Matriz Triangular Superior – é uma matriz quadrada onde todos os elementos abaixo da diagonal principal são nulos, ou equivalentemente, m = n e para i > j. Se para , então a matriz quadrada é denominada matriz estritamente triangular superior. Ex: A matriz é uma matriz triangular superior. A matriz é uma matriz triangular estritamente superior. Matriz Triangular Inferior – é uma matriz quadrada onde todos os elementos acima da diagonal principal são nulos, ou equivalentemente, m = n e para i < j. Se para , então a matriz quadrada é denominada matriz estritamente triangular inferior. Ex: A matriz é uma matriz triangular inferior. A matriz é uma matriz triangular estritamente inferior. Matriz Simétrica – é uma matriz quadrada onde para todo i e j. Ex: As matrizes e são simétricas. Observe que, no caso de uma matriz simétrica, a parte superior é uma “reflexão” da parte inferior com o espelho na diagonal principal. 1.1) Operações com Matrizes: Adição de Matrizes: A soma de duas matrizes de mesma ordem e é uma matriz cujos elementos são as somas dos correspondentes elementos de A e B, isto é, A + B = . Ex: + = A adição de matrizes tem as mesmas propriedades da adição de escalares (números). Propriedades da Adição de Matrizes Dadas as matrizes A, B e C de ordem , temos as propriedades: Comutativa: A + B = B + A Associativa: A + (B + C) = (A + B) + C A + 0 = A, onde 0 denota a matriz nula. Usamos a notação . Multiplicação de Matriz por escalar: Seja e k um escalar. Definimos uma nova matriz . Definimos uma nova matriz . Ex: Obs: Quando k = -1 teremos kA = –A , onde essa matriz –A diz-se matriz oposta de A. Ex: Propriedades da multiplicação de Matrizes por escalares Dadas as matrizes A e B de ordem e os escalares e , temos as propriedades: i) (A + B) = A + B ii) ( + ) A = A + A iii) 0A = Transposição de Matrizes: Seja . Podemos obter uma matriz cujas as colunas são as linhas de A, isto é, = i =1.....m e j = 1....n. A matriz B é denominada matriz transposta de A e empregamos a notação ou para B. Ex: �� EMBED Equation.DSMT4 �� EMBED Equation.DSMT4 �� EMBED Equation.DSMT4 Propriedades da Transposição de Matrizes Uma matriz é simétrica se, e somente se, ela é igual à sua transposta. , isto é, uma dupla transposição conduz a matriz original. Ex: �� EMBED Equation.DSMT4 = = A , isto é, a transposição da matriz satisfaz a propriedade distributiva. (A transposta da soma é a soma das transpostas) Multiplicação de Matrizes: Sejam as matrizes e . Definimos , onde: u = 1.....m v = 1.....p Obs: O produto entre as matrizes e é definido se, e somente se, n = l e a matriz produto tem ordem . Ex: = E Não está definida pois e . Propriedades da Multiplicação entre Matrizes Em geral AB BA, ainda que os produtos AB e BA estejam definidos. Ex: Sejam �� EMBED Equation.DSMT4 AB = e �� EMBED Equation.DSMT4 Obs: Note que AB = sem que A = 0 ou B = 0. ii) iii) iv) v) 2) Determinantes Antes de definirmos o determinante, vamos introduzir duas definições necessárias. Def: Sejam n elementos distintos de um conjunto ordenado. Uma permutação desses n elementos consiste em uma n-upla ordenada desses elementos. Ex: Considere os elementos (letras) a, b, c de um conjunto (alfabeto). Uma permutação desse conjunto será por exemplo: (a, b, c); (a, c, b), (b, a, c), (b, c, a), (c, b, a), (c, a, b) também são permutações. Observe que o número de permutação de n elementos será igual a Def: Dada uma permutação de n elementos pertencentes ao conjunto dos inteiros, existe uma inversão quando um inteiro precede outro menor que ele. Ex: (1, 2, 3, 4) – 0 inversões (2, 1, 4, 3) – 2 inversões (4, 1, 3, 2) – 4 inversões (4, 3, 1, 2) – 5 inversões (1, 3, 2, 4) – 1 inversão (4, 3, 2, 1) – 6 inversões Termo principal e Termo secundário: Dada uma matriz quadrada A, de ordem n, o produto dos elementos da diagonal principal tem o nome de termo principal, e o produto dos elementos da diagonal secundária tem o nome de termo secundário. Termo principal: Termo secundário: Determinante de uma Matriz: Chama-se determinante de uma matriz quadrada, à soma algébrica dos produtos que se obtém efetuando todas as permutações dos segundos índices do termo principal, fixados os primeiros índices, e fazendo-se preceder os produtos do sinal + ou – . J – nº de inversões da permutação Ex: Cálculo do determinante de 2ª ordem: , o termo principal é . , então: det A = = �� EMBED Equation.DSMT4 det A = - Ex: Cálculo do determinante de 3ª ordem: det A = + + + + det A = = �� EMBED Equation.DSMT4 �� EMBED Equation.DSMT4 Regra de Sarrus A fórmula do determinante pode ser obtida pela Regra de Sarrus, que consiste no seguinte: 1º) Repetem-se as duas primeiras colunas à direita do quadro dos elementos da matriz A. 2º) Multiplicam-se os três elementos da diagonal principal, bem como os três elementos de cada paralela a essa diagonal, fazendo-se preceder os produtos do sinal +. 3º) Multiplicam-se os três elementos da diagonal secundária, bem como os três elementos de cada paralela a essa diagonal, fazendo-se preceder os produtos do sinal –. – – – + + + Assim: det A = = �� EMBED Equation.DSMT4 Obs: A Regra de Sarrus só pode ser utilizada para calcular determinantesde 3ª ordem. Ex: Calcular det A = Desenvolvimento do determinante por uma linha Podemos transformar a definição do determinante para: det A = �� EMBED Equation.DSMT4 �� EMBED Equation.DSMT4 ou det A = �� EMBED Equation.DSMT4 - �� EMBED Equation.DSMT4 + �� EMBED Equation.DSMT4 isto é, o determinante da matriz A, de ordem 3 é igual à soma algébrica dos produtos de cada elemento da 1ª linha pelo determinante menor que se obtém suprimindo a 1ª linha e a coluna correspondente ao respectivo elemento dessa linha, fazendo-se preceder esses produtos, alternadamente, pelos sinais + e - , iniciando pelo sinal +. Essa maneira de calcular um determinante de 3ª ordem é denominada desenvolvimento do determinante pela 1ª linha. Ex: det A = = 2 - 5 + 7 det A = 2 (2 – 32) – 5 (6 – 24) + 7 (24 – 6) det A = 2 ( – 30) – 5 ( – 18) + 7 (18) det A = – 60 + 90 + 126 det A = 156 Um determinante pode ser calculado por qualquer linha (ou por qualquer coluna), cuidando da alternância dos sinais + e – . Para isso vamos introduzir o cálculo do determinante, usando Laplace. Desenvolvimento de Laplace O Desenvolvimento de Laplace é dado pela fórmula: = onde é a submatriz quadrada de ordem (n – 1), obtida retirando-se a i-ésima linha e a j-ésima coluna de A. Os termos são chamados de cofatores da matriz A. Esse método também pode ser definido como determinante dos menores. Ex: Calcular o det A = Ex: Calcular o determinante de A, usando Laplace: det A = Obs: Podemos usar Laplace, utilizando linhas ou colunas onde fazemos menos conta. Ex: Calcular det A = Propriedade dos Determinantes 1) O determinante de uma matriz A é igual ao determinante de sua transposta , isto é, det A = det . Ex: det A = 2.3 – 5.7 = 6 – 35 = – 29 det A = 2.3 – 7.5 = 6 – 35 = – 29 2) Se a matriz A possui uma linha (ou coluna) constituída de elementos todos nulos, o determinante de A é nulo. 3) Se a matriz A tem duas linhas (ou colunas) iguais, o determinante de A é nulo. Ex: = 5.(-1) �� EMBED Equation.DSMT4 + 5.(- 1) + 2 .(- 1) det A = 5 (18 – 4) – 5 (18 – 4) + 2 (12 – 12) = 0 4) Se a matriz A tem duas linhas (ou colunas) onde seus elementos correspondentes são proporcionais, o determinante de A é nulo. Ex: det A = = 0 Obs: Resumindo: Se uma matriz tem linhas (ou colunas) múltipla da outra, o determinante dessa matriz será nulo. Ex: det A = = 0 5) det (A B) = det A . det B 6) O determinante de uma matriz A triangular (superior ou inferior) é igual ao termo principal, ou seja, é igual ao produto dos elementos da diagonal principal. Ex: det A = = 4. + 0. + 0 = 4.(2 – 0) = 8 Ou seja, det A = 4.1.2 =8 (produto dos elementos da diagonal principal). Com isso podemos fazer duas observações: 1ª) O determinante de uma matriz diagonal é o produto dos elementos da diagonal principal. 2ª) O determinante de qualquer matriz identidade é igual a 1. 7) Se trocarmos entre si duas linhas (ou colunas) de uma matriz A, o determinante dela muda de sinal. Ex: = - 8 = 8 Logo det A = - det B. 8) Se multiplicarmos uma linha (ou coluna) por uma constante real, o determinante da nova matriz fica multiplicado por essa constante. Ex: = - 1 = - 2 Assim det B =2.det A. Uma última e importante propriedade dos determinantes nos diz que o determinante de uma matriz não se altera quando somamos os elementos de uma linha (ou coluna) com os correspondentes de outra linha (ou coluna) previamente multiplicados por um número diferente de zero. Essa propriedade nos será muito útil no processo de Triangularização para calcular o determinante de uma matriz, que veremos a seguir: Processo de Triangularização O processo de Triangularização consiste em transformar uma matriz A em uma matriz triangular superior, a partir de operações elementares, a fim de facilitar o cálculo do seu determinante. Vamos explicar o processo, utilizando um exemplo, para facilitar o entendimento. Ex: Calcular o determinante da matriz abaixo pelo processo de triangularização: det A = Resp: -55 Obs: Para facilitar nossas contas, é mais indicado, colocarmos o número 1 como primeiro elemento não nulo da linha. Exercícios: Calcule o determinante da matriz pelo processo da triangularização: A = Calcule o determinante da matriz por Laplace: A = Resp: 372 Matriz Inversa Dada uma matriz quadrada A, de ordem n, se existir uma matriz quadrada B, de mesma ordem, que satisfaça a condição: AB = BA = I Diz-se que B é a inversa de A e representamos por . Então: A = A = I Quando uma matriz quadrada A tem inversa, diz-se que A é inversível. Matriz Singular: É uma matriz quadrada cujo determinante é nulo. Matriz não-singular: É uma matriz quadrada cujo determinante é diferente de zero. Obs: A matriz não-singular sempre tem inversa. Ex: é singular pois det A = 0. Ex: é não-singular pois det A 0. Propriedades da Matriz Inversa 1) 2) A matriz identidade é a sua própria inversa: . 3) , 4) (A + B) = A e B têm a mesma ordem. 5) Tente mostrar essas propriedades como exercícios: Cálculo da Inversa usando a Matriz Identidade Para determinar a inversa de uma matriz A: 1º) Colocamos ao lado da matriz A, uma matriz identidade I, separada por um traço vertical. 2º) Depois, transformamos a matriz A em uma matriz identidade I, aplicando as operações elementares, aplicando simultaneamente em I, quando encontrarmos I do lado esquerdo, a matriz do lado direito será a inversa de A. Vamos entender melhor com um exemplo: Ex: Determinar a inversa da matriz Começamos assim: .......... Inversa de uma matriz de ordem 2: Seja . A inversa será dada por: Ex: Determine a inversa das matrizes abaixo: Cálculo da Inversa usando Determinantes - Matriz dos cofatores Seja M uma matriz quadrada de ordem n. Chamamos de matriz dos cofatores de M, e indicamos por , a matriz que se obtém de M , substituindo cada elemento de M por seu cofator. Assim, se , então Ex: Se então pois = (-1) �� EMBED Equation.DSMT4 = 4 = (-1) �� EMBED Equation.DSMT4 = -3 = (-1) �� EMBED Equation.DSMT4 = -2 = (-1) �� EMBED Equation.DSMT4 = 1 -Matriz adjunta Seja M uma matriz quadrada de ordem n e , a matriz dos cofatores de M. Chamamos de matriz adjunta de M , e indicamos por , a transposta da matriz . - Processo para o cálculo da inversa de uma matriz Seja M uma matriz quadrada de ordem n e det A 0 , então a inversa de M é Exercícios De a inversa das matrizes: Matriz Ortogonal: É a matriz quadrada A cuja transposta coincide a inversa . 3) Sistemas de Equações Lineares Nesta unidade, faremos uma abordagem matricial de sistemas de equações lineares e estudaremos algumas técnicas algébricas importantes para a resolução desses sistemas. Em seguida, classificamos os sistemas lineares quanto à natureza de sua solução. Vamos iniciar com um paralelo sistema x matriz e introduziremos uma técnica simples para a resolução de sistemas lineares em geral. Essa técnica pode não ser apropriada para sistemas muito simples, mas tem a vantagem de poder ser aplicada sempre. Esse método é conhecido como Gauss-Jordan. Começaremos com um exemplo: I) �� EMBED Equation.DSMT4 1º Passo: Eliminamos das equações (2) e (3). Para tanto, multiplicamos a equação (1) por – 2, somamos com a equação (2) e geramos a equação (2’). Em seguida, multiplicamos a equação (1) por – 1, somamos com a equação (3) e geramos a equação (3’). O sistema resultante e a correspondente formal matricial podem ser expressos como: II) �� EMBED Equation.DSMT42º Passo: Fazemos o coeficiente na equação (2’) igual a 1. Para tanto, multiplicamos a equação (2’) por – e obtemos: III) �� EMBED Equation.DSMT4 3º Passo: Eliminamos das equações (1’’) e (3’’). Para tanto, multiplicamos a equação (2’’) por – 4, somamos com a equação (1’’) e geramos a equação (1’’’). Em seguida, multiplicamos a equação (2’’) por 7, somamos com a equação (3’’) e geramos a equação (3’’’). O sistema resultante e a correspondente formal matricial podem ser expressos como: IV) �� EMBED Equation.DSMT4 4º Passo: Fazemos o coeficiente na equação (3’’’) igual a 1. Para tanto, multiplicamos a equação (3’’’) por –3 e obtemos: V) �� EMBED Equation.DSMT4 5º Passo: Eliminamos das equações (1 ) e (2 ). Para tanto, multiplicamos a equação (3 ) por – , somamos com a equação (1 ) e geramos a equação (1 ). Em seguida, multiplicamos a equação (3 ) por – , somamos com a equação (2 ) e geramos a equação (2 ). O sistema resultante e a correspondente formal matricial podem ser expressos como: VI) �� EMBED Equation.DSMT4 As equações = 3, e = 2 são as equações resultantes de operações básicas nas equações do sistema (I) e fornecem explicitamente o termo solução (3, , 2) do sistema (VI). Exercício: �� EMBED Equation.DSMT4 Obs: Nosso primeiro passo seria permutar as equações (1) e (2) acima, de modo a obtermos o coeficiente de diferente de zero na primeira equação, essa operação não altera a solução inicial do sistema. Sistema e Matrizes Vamos formalizar alguns resultados que podem ser informalmente obtidos na seção anterior. - Um sistema de equações lineares com m equações e n incógnitas é um conjunto de equações do tipo: (*) �� EMBED Equation.DSMT4 com , i = 1,..., m e j = 1,...., n , pertencentes a um grupo de escalares. Uma solução do sistema (*) é uma n-upla de números ( , ,...., ) que satisfaz simultaneamente estas m equações. Dois sistemas de equações lineares são equivalentes se, e somente se, toda solução de um sistema é solução do outro. - Podemos escrever o sistema (*) na forma matricial: �� EMBED Equation.DSMT4 = ou compactamente, Ax = b , onde A = é a matriz dos coeficientes, é a matriz das incógnitas e é a matriz dos termos independentes. Podemos alternativamente definir a matriz ampliada do sistema: A = , onde cada linha desta matriz corresponde a uma representação abreviada para cada equação do sistema (*). As operações básicas efetuadas nas equações dos sistemas podem ser identificadas nas correspondentes linhas das matrizes ampliadas. Assim, na resolução do sistema (I), partimos da matriz ampliada: e chegamos à matriz ampliada do sistema (VI) . Def: Sejam as matrizes . Se resulta de um número finito de operações elementares sobre as linhas de , então empregamos a denominação B é linha equivalente a A e adotamos a notação . Ex: A matriz B = é linha equivalente à matriz A = , pois B é obtida através de um número finito de operações elementares em A. Esse processo utilizado para resolver o sistema de equações lineares associado à matriz ampliada A, consiste em chegar a uma matriz conveniente que indique a solução do sistema. Essa matriz é chamada de matriz reduzida à forma escada. Forma Escada: Uma matriz m n é linha reduzida á forma escada se, e somente se as quatro condições são satisfeitas: O primeiro elemento não nulo de uma linha não nula é 1. Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os outros elementos iguais a zero. Não há linha nula acima de uma linha não nula. Seja r o número de linhas não nulas. Se o primeiro elemento não nulo da linha i ocorre na coluna ki, então . Ex: a) não satisfaz a 2ª condição b) não satisfaz a 4ª condição c) satisfaz todas as condições Def: Seja a matriz linha reduzida á forma escada que é linha equivalente a . O posto de A, denotado por p, é o número de linhas não nulas de B. A nulidade de A é o número n – p. (n = nº de colunas) Ex: Encontrar o posto e a nulidade da matriz Para obter o posto de uma matriz, temos que obter a matriz linha reduzida à forma escada equivalente a A. Portanto é a matriz linha reduzida à forma escada e equivalente à matriz A. O posto de A é 3 e a nulidade é 4 - 3 = 1 . Soluções de um Sistema de Equações Lineares Vamos fazer um estudo de um sistema de equações lineares quanto à solução. Considere o sistema de m equações a n incógnitas. Este sistema pode ter uma e somente uma solução, infinitas soluções ou nenhuma solução, dependendo da matriz associada dos coeficientes e da matriz associada dos termos independentes. No primeiro caso, dizemos que o sistema é possível e determinado. No segundo caso, dizemos que o sistema é possível e indeterminado e no terceiro caso, dizemos que o sistema é impossível. Teorema: Um sistema de m equações e n incógnitas admite solução se, e somente se, o posto da matriz ampliada é igual ao posto da matriz dos coeficientes Se as duas matrizes têm o mesmo posto p e p = n a solução é única Se as duas matrizes têm o mesmo posto p e p < n . Neste caso dizemos que o grau de liberdade do sistema é n – p. - Vamos apreciar a aplicação deste teorema com alguns exemplos: Ex1) Considere a matriz linha reduzida à forma escada B = m = 3 n = 3 pB = 3 = pA que é linha equivalente a uma matriz ampliada de um sistema de 3 equações a 3 incógnitas. Como pB = 3 = pA, a solução do sistema equivalente é única e igual a (3, - 2, 2). Ex2) Considere a matriz linha reduzida à forma escada m = 2 n = 3 pB = 2 = pA uma vez que pB = pA = 2 < 3 = n , a solução do sistema apresenta 3 – 2 = 1 grau de liberdade, ou seja temos uma variável livre. Ex3) Considere a matriz linha reduzida à forma escada de acordo com B, m = 3, n = 3 pB = 3 pA = 2. Portanto, o sistema não tem solução. Ex4) Considere a matriz linha reduzida à forma escada de acordo com B, m = 3, n = 4 pB = 2 = pA. Uma vez que pB = pA = 2 < 4 = n, a solução do sistema equivalente apresenta 4 – 2 = 2 graus de liberdade. Exercício: Resolver o sistema: A matriz ampliada do sistema é . Vamos obter : �� EMBED Equation.DSMT4 �� EMBED Equation.DSMT4 = De acordo com , m = 2 , n = 4 pB = 2 = pA. Uma vez que pB = pA = 2 < 4 = n , a solução do sistema apresenta 2 graus de liberdade. O conjunto solução será: z = qualquer t = qualquer Regra de Cramer Um outro método de resolução de sistemas lineares de equações é a Regra de Cramer, porém este método só se aplica a sistemas lineares em que o número de equações é igual ao número de incógnitas. Vamos explicar o processo da Regra de Cramer, para facilitar o entendimento com um exemplo: Ex: Dado o sistema de 3 equações e 3 incógnitas: O primeiro passo da Regra de Cramer é calcular o determinante da matriz dos coeficientes. det = -1 Obs: Só podemos usar a Regra de Cramer quando o determinante da matriz é diferente de zero. Para calcular o 1º termo x, fazemos: Para calcular o termo y, fazemos: Para calcular o termo z, fazemos: Assim temos que x = - 49, y = 9 e z = 18 é a solução do sistema. Cabe aqui um comentário sobre a Regra de Cramer: Embora seja muito útil, pois dá de forma explícita as soluções de um sistema, ela não é muito usada para cálculos numéricos. Isto porque o número de operações que ela envolve é muito grande, quando trabalhamos com muitas equações. Colocamos os termos independentes na coluna de x e divido pelo determinante da matriz dos coeficientes. Colocamos os termos independentes na coluna de y e divido pelo determinante da matriz dos coeficientes. Colocamos os termos independentes na coluna de z e divido pelo determinante da matriz dos coeficientes. _1109413678.unknown _1109416780.unknown _1109420391.unknown _1109447508.unknown _1109862508.unknown_1128854639.unknown _1128855160.unknown _1128855205.unknown _1128855781.unknown _1129460216.unknown _1161507949.unknown _1128856003.unknown _1129460215.unknown _1128855831.unknown _1128855568.unknown _1128855669.unknown _1128855406.unknown _1128855186.unknown _1128855195.unknown _1128855169.unknown _1128855010.unknown _1128855035.unknown _1128855125.unknown _1128855150.unknown _1128855134.unknown _1128855115.unknown _1128855019.unknown _1128854902.unknown _1128854935.unknown _1128854834.unknown _1109870703.unknown _1109873817.unknown _1109878705.unknown _1128854030.unknown _1128854169.unknown _1128854564.unknown _1128854087.unknown _1109878867.unknown _1109879597.unknown _1109879748.unknown _1109879927.unknown _1109880096.unknown _1109879652.unknown _1109879031.unknown _1109878794.unknown _1109878818.unknown _1109878754.unknown _1109878580.unknown _1109878612.unknown _1109878656.unknown _1109878581.unknown _1109878578.unknown _1109878579.unknown _1109878386.unknown _1109878577.unknown _1109872593.unknown _1109873292.unknown _1109873473.unknown _1109873672.unknown _1109873423.unknown _1109873012.unknown _1109873235.unknown _1109872978.unknown _1109872030.unknown _1109872124.unknown _1109872183.unknown _1109872077.unknown _1109870926.unknown _1109871102.unknown _1109870825.unknown _1109862717.unknown _1109863811.unknown _1109870021.unknown _1109870204.unknown _1109870647.unknown _1109870215.unknown _1109870535.unknown _1109863949.unknown _1109869223.unknown _1109869931.unknown _1109862816.unknown _1109862817.unknown _1109862553.unknown _1109862627.unknown _1109862688.unknown _1109862583.unknown _1109862521.unknown _1109861191.unknown _1109861980.unknown _1109862263.unknown _1109862462.unknown _1109862487.unknown _1109862447.unknown _1109862075.unknown _1109862195.unknown _1109862070.unknown _1109861429.unknown _1109861598.unknown _1109861823.unknown _1109861497.unknown _1109861302.unknown _1109861421.unknown _1109861220.unknown _1109448579.unknown _1109860648.unknown _1109861182.unknown _1109448734.unknown _1109860450.unknown _1109860553.unknown _1109860363.unknown _1109448733.unknown _1109448375.unknown _1109448490.unknown _1109448544.unknown _1109448448.unknown _1109447652.unknown _1109448347.unknown _1109447522.unknown _1109443434.unknown _1109445357.unknown _1109446866.unknown _1109447327.unknown _1109447475.unknown _1109447476.unknown _1109447392.unknown _1109447210.unknown _1109447302.unknown _1109447129.unknown _1109446226.unknown _1109446613.unknown _1109446822.unknown _1109446570.unknown _1109445549.unknown _1109445642.unknown _1109445457.unknown _1109444031.unknown _1109444910.unknown _1109445025.unknown _1109445255.unknown _1109444917.unknown _1109445024.unknown _1109444597.unknown _1109444734.unknown _1109444032.unknown _1109443833.unknown _1109443924.unknown _1109443941.unknown _1109444030.unknown _1109443882.unknown _1109443477.unknown _1109443499.unknown _1109443446.unknown _1109421340.unknown _1109440976.unknown _1109441759.unknown _1109443187.unknown _1109443345.unknown _1109442030.unknown _1109442574.unknown _1109441838.unknown _1109441065.unknown _1109441529.unknown _1109441555.unknown _1109441090.unknown _1109441029.unknown _1109421562.unknown _1109421602.unknown _1109421617.unknown _1109421575.unknown _1109421509.unknown _1109421513.unknown _1109421383.unknown _1109420721.unknown _1109421094.unknown _1109421212.unknown _1109421301.unknown _1109421040.unknown _1109421065.unknown _1109420905.unknown _1109420775.unknown _1109420393.unknown _1109420563.unknown _1109420392.unknown _1109417876.unknown _1109418648.unknown _1109420144.unknown _1109420207.unknown _1109420230.unknown _1109420390.unknown _1109420196.unknown _1109419670.unknown _1109419742.unknown _1109419106.unknown _1109418174.unknown _1109418556.unknown _1109418557.unknown _1109418384.unknown _1109418053.unknown _1109418148.unknown _1109418060.unknown _1109418127.unknown _1109417911.unknown _1109417394.unknown _1109417732.unknown _1109417784.unknown _1109417875.unknown _1109417754.unknown _1109417494.unknown _1109417654.unknown _1109417493.unknown _1109417074.unknown _1109417285.unknown _1109417301.unknown _1109417115.unknown _1109416950.unknown _1109417026.unknown _1109416868.unknown _1109414804.unknown _1109416204.unknown _1109416419.unknown _1109416506.unknown _1109416579.unknown _1109416723.unknown _1109416507.unknown _1109416434.unknown _1109416368.unknown _1109416205.unknown _1109415851.unknown _1109416066.unknown _1109416082.unknown _1109415990.unknown _1109415599.unknown _1109415641.unknown _1109415004.unknown _1109415003.unknown _1109413838.unknown _1109414313.unknown _1109414654.unknown _1109414762.unknown _1109413965.unknown _1109413966.unknown _1109414265.unknown _1109413860.unknown _1109413707.unknown _1108728849.unknown _1108729667.unknown _1108729944.unknown _1108730448.unknown _1109413660.unknown _1108730445.unknown _1108729793.unknown _1108729865.unknown _1108729765.unknown _1108729160.unknown _1108729505.unknown _1108729575.unknown _1108729266.unknown _1108729427.unknown _1108729485.unknown _1108729297.unknown _1108729194.unknown _1108728983.unknown _1108729034.unknown _1108728866.unknown _1108727953.unknown _1108728218.unknown _1108728495.unknown _1108728529.unknown _1108728279.unknown _1108728002.unknown _1108728081.unknown _1108727986.unknown _1108727564.unknown _1108727862.unknown _1108727916.unknown _1108727698.unknown _1108726789.unknown _1108727270.unknown _1108726681.unknown
Compartilhar