第六讲 数项级数的敛散性判别法
§1 柯西判别法及其推广
比较原理适用于正项级数,高等数学中讲过正项级数的比较原理:
比较原理
:设
,
都是正项级数,存在
,使
(i) 若
收敛,则
也收敛;(ii) 若
发散,则
也发散.
比较原理
(极限形式)设
,
均为正项级数,若
则
、
同敛散.
根据比较原理,可以利用已知其敛散性的级数作为比较对象来判别其它
级数的敛散性.柯西判别法和达朗贝尔判别法是以几何级数作为比较对象而
得到的审敛法.下面用比较判别法推出更宽泛的柯西判别法.
定理1(柯西判别法1)设
为正项级数,
(i)若从某一项起(即存在
,当
时)有
(
为常数),
则
收敛;
(ii)若从某项起,
,则
发散.
证(i)若当
时,有
,即
,而级数
收敛,
根据比较原理
知级数
也收敛.
(ii)若从某项起,
,则
,故
,由级数收敛的必要条件知
发散.定理证毕.
定理2(柯西判别法2) 设
为正项级数,
,则:(i)当
时,
收敛;(ii) 当
(或
)时,
发散;(iii)当
时,法则失效.
例1 判别下列正项级数的敛散性
;
(
为任何实数,
).
解 (1) 因为
,所以原级数收敛.
(2) 因为
,所以原级数发散.
(3) 对任意
,
.当
时收敛;当
时发散;当
时,此时级数是
级数,要对
进行讨论,当
,即
时收敛;当
时,即
时发散.
例2 判别级数
的敛散性.
解 由于
不存在,故应用定理2无法判别级数的敛散性.又因为
由定理1(柯西判别法1)知原级数收敛.
例3(98考研)设正项数列
单调减少,且
发散,试问级数
是否收敛?并说明理由.
解 答案:级数
收敛,证明如下:
由于
单调减少且
根据单调有界准则知极限
存在.设
则
.如果
则由莱布尼兹判别法知
收敛,这与
发散矛盾,故
.再由
单调减少,故
取
,
根据柯西判别法1知
收敛.
下面介绍柯西判别法的两个推广,称它们为广义柯西判别法.
定理3(广义柯西判别法1) 设
为正项级数,如果它的通项
的
次根的极限等于
,即
.则当
时,级数收敛;当
时,级数发散;当
级数可能收敛也可能发散.
证 因为
,即对任给正数
,存在正整数
,当
时,有
(1)
对于任给常数
,总存在
,当有
时有
(2)
取
,当
时,式(1)和式(2)同时成立.
当
时,取
足够小,使
.由上述讨论,存在
,当
时,式(1)和式(2)同时成立,那么有
,正项级数
收敛(因为其为等比级数且公比
),由比较审敛法知,级数
收敛.
当
时,取
足够小,使
,由上面的讨论,存在
,当
时,式(1)和式(2)同时成立,则
,正项级数
发散,由比较审敛法知,级数
发散.
当
时,取
,那么,对任何
为常数,有
.而
发散,
收敛.说明此时级数可能收敛也可能发散.定理证毕.
例4 判别级数
的收敛性.
解 因为
由广义柯西判别法1知,级数
收敛.
注 例4也可用柯西判别法2(定理2),但比较麻烦,而用广义柯西判别法1要简单得多.
定理4(广义柯西判别法2) 设
为正项级数,如果它的一般项
的
(
是大于1的正整数)次根的极限等于
,即
.则当
时,级数收敛;当
时,级数发散;当
时,级数可能收敛也可能发散.
证 因为
,即对任给的正数
,存在正整数
,当
时有
当
时,取
足够小,使
.由上面的讨论,存在
,当
时,
有
.因为
,又正项级数
收敛(因
),由比较审敛法知
收敛 ,所以
收敛.
当
时,取
足够小,使
.由上面的讨论,存在
,当
时,有
,那么
,所以级数
发散.
当
时,同样取
,那么
这说明
时,级数可能收敛也可能发散.定理证毕.
注 广义柯西判别法是柯西判别法2(定理2)的推广[1].事实上,在广义柯西判别法1中,取
,在广义柯西判别法2中,取
便得定理2(柯西判别法2).
例5 判断级数
的收敛性.
解 因为
,由广义柯西判别法2知原级数收敛.
定理5(广义柯西判别法3) 设
,若
,
.则当
时,级数
收敛;当
时,级数
发散[2].
为证明定理5,需要一些预备知识:
Stolz定理 设
、
为两个数列,数列
在某顶之后单调递增,且
,若
,(或
),则
(或
).
命
1 设数列
.若
,则
。
证 令
,
,由Stolz定理,
命题证毕.
命题2设
,
.
,则
.
证 由
,考虑数列
,由对数
的连续性易知
.再
由命题1知
根据指数函数的连续性便得
或
时,结论仍成立,这里证明略去.
命题3 设
,
,则
.
证 令
,
,由命题2
命题证毕.
证明定理5 由命题3知,
再用柯西判敛法(定理2) 便得结论.定理证毕.
显然,定理2(柯西判敛法2)是广义柯西判别法3当
时的特例.
例6 判定级数
的敛散性.
解 设
,
则
EMBED Equation.DSMT4
由于
,根据广义柯西判别法3知,级数
收敛.
例7 判定
EMBED Equation.DSMT4 的敛散性.
解 设
,则
,
所以,当
时,级数
收敛.当
时,由于
,
广义柯西判别法3失效.然而
时
由级数收敛的必要条件知,当
时级数
发散.
§2达朗贝尔判别法及其推广
用比较原理也能推出更宽泛的达朗贝尔判别法.
定理6(达朗贝尔判别法1) 设
为正项级数,
(i) 若从某项起
,有
,则
收敛;
(ii) 若从某项起
,有
,则
发散.
证明(i)由
时,有
,从而
,
,
,
由于
收敛,由比较原理知
收敛,故
收敛.
(ii)若存在
,当
时,有
,则
,故
,
由级数收敛的必要条件知
发散.定理证毕.
定理7(达朗贝尔判别法2)设
,则(i)若
,则
收敛;(ii)若
(或
),则
发散;(iii)若
,敛散性不能确定.这正是高等数学中的达朗贝尔判别法.
例8判别下列级数的敛散性.
;
;
.
解 (1)因为
,所以级数
收敛.
(2) 因为
,所以原级数发散.
(3) 对任意
,
.当
时,级数收敛
;当
时,级数发散;当
时原级数为
的敛散性要进一步判定.当
时级数收敛,当
时级数发散.
例9判别级数
的敛散性.
解 因为
及
故存在
当
时,有
.从而,当
时,
.根据定理6,可知级数
收敛.
下面介绍达朗贝尔判别法的推广,也称它们为广义达朗贝尔判别法.
定理8(广义达朗贝尔判别法1) 设
为正项级数,
是某正整数,
(i) 如果对一切
,有
,则级数收敛;
(ii) 如果
,则级数发散.
证(i) 由于
,则
,从而
其中
是任意正整数,可见,对
,都有
.考虑级数的部
分和序列
EMBED Equation.DSMT4
即
有上界,从而
存在,设
.注意到
故
,即
,所以
收敛.
若
成立,则
,从而
,故
,所以级数发散.定理证毕.
例10判别级数
的收敛性.
解 取
,由于
根据定理8知该级数收敛.
定理9(广义达朗贝尔判别法2) 设
为正项级数,
是某一正整数,
(i) 如果
,则级数收敛;(ii) 如果
,则级数发散.
证 (i) 如果
,对
,存在
,当
时,有
从而
由定理8(广义达朗贝尔判别法1)知
收敛.
如果
,则从某项开始,
此时
,故原级数发散.
例11确定下列级数的敛散性
(1)
;(2)
解 (1) 取
,由于
,所以原级数收敛.
(2) 取
,由于
,所以原级数收敛.
§3 积分判别法
积分判别法是利用非负函数的单调性及其积分性质,把无穷区间上的广义积分作为比较对象来判别正项级数的敛散性.
定理10(柯西积分判别法) 对于正项级数
,设
单调减少,作单
调减少的连续函数
,使
单调减少,则级数
与
广义积分
同时收敛,同时发散.
证由
单调减少,故对
,
,
所以
(3)
若广义积分
收敛,则对任何自然数
由上不等式(3),有
既部分数列
有界,故级数
收敛.
反之,若级数
收敛,则由不等式(3),则对任何自然数
有
(4)
又知
,则
是
的单增函数,由(4)可知
有上界
,根据单调有界准则知广义积分
收敛.定理证毕.
例12讨论级数
的敛散性,其中
为常数.
解 取
.它在
上非负,单调减少且连续.令
EMBED Equation.DSMT4
当
时,
当
时,
故级数
当
收敛,当
时发散.
注 对于正项级数
考察广义积分
同
样可推得当
收敛,当
时发散.
§4 拉贝尔判别法与高斯判别法
柯西判别法和达朗贝尔判别法是基于把所要判别的级数与某一几何级数相比较的想法而得到的,也就是说,如果给定级数的通项收敛于零的速度比某收敛的等比(几何)级数的通项收敛于零的速度快,则能判定该级数收敛.如果级数的通项收敛于零的速度较慢,它们就无能为力了.拉贝(Raabe)以
级数
作为比较对象,得到了拉贝判别法.高斯(Gauss)以级数
作为比较对象,得到了高斯判别法.
定理11 (拉贝判别法)设
为正项级数,若有
(5)
则在
时,级数
收敛;而在
时,级数
发散.
证略.
注 等式(5)式其实相当于
(6)
推论(拉贝判别法的极限形式)设
为正项级数,且极限(6)存在,
则:(i)当
时,级数
收敛;(ii)当
时,级数
发散;(iii)当
时,拉贝判别法失效.
例 13 讨论级数
当
时的敛散性.
解 对于任何
都有
.
因此,用达朗贝尔判别法不能判别其敛散性.下面用拉贝判别法来讨论:
当
时,由于
故当
时级数发散;
当
时,由于
此时,拉贝判别法不能判别级数的敛散性;
当
时,由于
因此,当
时级数收敛.
还有比拉贝判别法更“精密”的判别法,例如高斯判别法:
定理12(高斯判别法)设
为正项级数,若有
(7)
则在
时级数
收敛;而在
时级数
发散.
注 级数的敛散性是用部分和数列的极限来定义的.一般说来,部分和不易求得,于是级数的敛散性判别法就应运而生.以正项级数而言,从部分和有界这个充要条件出发,推出了比较原理.它须用预知其敛散性的级数作比较对象.若用几何级数充任比较级数,得到了柯西判别法与达朗贝尔判别法.这两个方法简单易行,但当极限为1时,方法就失效了.若要得出结果,只能用比几何级数收敛得更“慢”的级数作为比较级数.拉贝选取了
级数,从而得到了以他命名的判别法.拉贝判别法较柯西判别法及达朗贝尔判别法应用广泛,但拉贝判别法的
可能为1,此法仍可能失效.于是又得寻求比
级数收敛得慢的级数,级数
就符合此要求,高斯就是用它从而建立了以他命名的判别法,此法较拉贝判别法的用途更广.沿此思路下去又会发现级数
较
收敛散得更慢,从理论上讲,还可以建立较高斯判别法更“精密”的判别法.如果某级数,用上述的判别法都无能为力,我们可以用敛散性定义、充要条件(部分和有界)或柯西(Cauchy)收敛准则去解决,没有必要再设法建立更精密的判别法了.
§5 阿贝尔判别法与狄立克雷判别法
阿贝尔变换
为了求和数
,阿贝尔给出了一个初等变换,引进和数
即
(8)
公式(8)称为阿贝尔变换公式,它与分部积分公式十分相似:
(9)
其中,
.如果把
换成
,
换成
,
换成
,则(8)式就转化为(9)式.
阿贝尔引理 如果
(i)
单调(增或减)的;
(ii)
有界,即存在
使
则
(10)
证 利用阿贝尔变换:
EMBED Equation.DSMT4
由于
是同号(
单调),
EMBED Equation.DSMT4 ,于是有
.
推论 如果
,并且
.那么
(11)
下面用阿贝尔引理来建立比莱布尼兹判别法更为一般的收敛判别法:阿贝尔判别法及狄立克雷判别法.用它们判别形如
级数的敛散性十分有效.
定理13(阿贝尔判别法) 如果:(i)
收敛,(ii)数列
单调有界,即存在正数
,使得
.则级数
收敛.
证 利用阿贝尔引理来估计和数
(12)
由条件(i)
收敛,即对任给
,存在
,当
对任何自然数
,有
取
为阿贝尔引理中的M, 再由条件(ii),则有
,
由柯西收敛原理知级数
收敛.定理证毕.
定理14(狄立克雷判别法)如果:(i)级数
的部分和
有界,即存在正数
,使
(ii)并设数列
单调趋向于零,则级数
收敛.
证 由于
,故对任意
,存在N,当
时,就有
.再由条件(i)有
注意这里的2M就是引理中的M,所以当
时,对任何自然数m,有
由柯西收敛原理知
收敛.
注 在狄立克雷判别法中,特取
,就是莱布尼茨判别法.因此,莱布尼茨判别法是狄立克雷判别法的特殊情况.
例14 若级数
收敛,证级数
,
,
都收敛.
证 取
,分别取
,
,
,它们都是单调有界的,由阿贝尔判别法知它们均收敛.
例15 若数列
单调趋于零,证明:
(1) 级数
对任何
都收敛;
(2) 级数
对任何
都收敛,而当
时,须根据
的性质进一步判定.
证 (1) 先考虑当
时,级数
的部分和
,由积化和差公式
,有
EMBED Equation.DSMT4
从而
(
)
由狄立克雷判别法知
收敛.
当
时,级数的通项为零,级数自然收敛.
(2) 由和差化积公式(
)
有
EMBED Equation.DSMT4
从而
由狄立克雷判别法知
收敛.
选择题
(1)设
,则下列级数中肯定收敛的是( )
(2)设
,则级数( )
(3)下列各选项正确的是( )
(4)若级数
收敛,则级数( )
用比较判别法判别下列级数的敛散性:
设级数
有
试证
收敛时,
敛.
4.判别下列级数的敛散性:
5.判别下列级数的敛散性,若收敛,是绝对收敛,还是条件收敛.
6.设
在点
的某一邻域内具有二阶连续导数,且
,证明级数
绝对收敛.
7.设
.证明:(1)
存在;(2)级数
收敛.
8.若两个正项级数
和
发散,问
两级数的敛散性如何?
9.讨论下列级数的敛散性.
10.讨论下列级数的绝对收敛和条件收敛性.
.
11.设
收敛,
收敛,证明
也收敛.
12.设级数
收敛,又
是收敛的正项级数,证明
绝对收敛.
答案
1.
2. (1)发散; (2)收敛; (3)
时收敛,
时发散; (4)收敛.
4. (1)收敛; (2)收敛; (3)收敛; (4)发散.
5. (1)条件收敛; (2)绝对收敛; (3)条件收敛; (4) 条件收敛.
8.
发散,
敛散性不能确定.
9.(1)发散;(2)
时收敛,
时发散.
10. (1)条件收敛; (2)绝对收敛; (3)条件收敛.
参考资料
[1] 根值审敛法的几个推论.侯亚君 高 峰.《高等数学研究》2003.NO2
[2] 柯西根值判敛法的推广.花树忠.《高等数学研究》2004.NO1.
[3]
Alembert判别法的一个推广.徐文雄 龚冬保.《数学学习》1994.NO2.
PAGE
1
_1150618883.unknown
_1150651463.unknown
_1200938416.unknown
_1201160421.unknown
_1202627173.unknown
_1202668130.unknown
_1205331411.unknown
_1205398860.unknown
_1205415261.unknown
_1205416483.unknown
_1205417184.unknown
_1205419447.unknown
_1205420194.unknown
_1205420202.unknown
_1205420069.unknown
_1205420098.unknown
_1205420144.unknown
_1205419673.unknown
_1205419246.unknown
_1205419302.unknown
_1205417353.unknown
_1205417954.unknown
_1205418884.unknown
_1205417904.unknown
_1205417331.unknown
_1205417101.unknown
_1205417131.unknown
_1205416564.unknown
_1205415951.unknown
_1205416113.unknown
_1205416447.unknown
_1205416046.unknown
_1205415621.unknown
_1205415922.unknown
_1205415426.unknown
_1205415468.unknown
_1205414541.unknown
_1205414688.unknown
_1205414855.unknown
_1205414605.unknown
_1205399015.unknown
_1205399052.unknown
_1205398944.unknown
_1205395109.unknown
_1205397766.unknown
_1205397901.unknown
_1205398187.unknown
_1205398468.unknown
_1205398527.unknown
_1205397982.unknown
_1205397852.unknown
_1205396416.unknown
_1205396498.unknown
_1205395213.unknown
_1205332892.unknown
_1205385734.unknown
_1205386186.unknown
_1205369322.unknown
_1205331794.unknown
_1205331807.unknown
_1205331544.unknown
_1202707012.unknown
_1202735240.unknown
_1205329912.unknown
_1205330893.unknown
_1205331372.unknown
_1205329973.unknown
_1202735613.unknown
_1202736282.unknown
_1202737271.unknown
_1205329565.unknown
_1202736339.unknown
_1202735624.unknown
_1202736230.unknown
_1202735566.unknown
_1202708620.unknown
_1202715764.unknown
_1202716451.unknown
_1202717861.unknown
_1202719442.unknown
_1202716751.unknown
_1202717709.unknown
_1202716719.unknown
_1202716263.unknown
_1202716340.unknown
_1202716021.unknown
_1202715608.unknown
_1202715660.unknown
_1202715693.unknown
_1202715646.unknown
_1202708774.unknown
_1202708807.unknown
_1202708062.unknown
_1202708325.unknown
_1202708401.unknown
_1202708516.unknown
_1202708202.unknown
_1202707613.unknown
_1202707803.unknown
_1202707543.unknown
_1202706385.unknown
_1202706748.unknown
_1202706899.unknown
_1202706966.unknown
_1202706785.unknown
_1202706695.unknown
_1202706710.unknown
_1202705939.unknown
_1202706023.unknown
_1202706138.unknown
_1202706219.unknown
_1202668389.unknown
_1202668479.unknown
_1202668591.unknown
_1202668310.unknown
_1202668369.unknown
_1202664303.unknown
_1202665150.unknown
_1202667287.unknown
_1202667880.unknown
_1202667919.unknown
_1202667345.unknown
_1202665759.unknown
_1202665809.unknown
_1202665348.unknown
_1202664769.unknown
_1202665047.unknown
_1202665070.unknown
_1202665013.unknown
_1202664443.unknown
_1202664458.unknown
_1202664326.unknown
_1202663639.unknown
_1202664107.unknown
_1202664242.unknown
_1202664280.unknown
_1202664121.unknown
_1202664020.unknown
_1202664080.unknown
_1202663977.unknown
_1202627649.unknown
_1202627789.unknown
_1202663617.unknown
_1202627721.unknown
_1202627377.unknown
_1202627447.unknown
_1202627185.unknown
_1202624487.unknown
_1202626060.unknown
_1202626847.unknown
_1202626977.unknown
_1202627163.unknown
_1202626952.unknown
_1202626493.unknown
_1202626634.unknown
_1202626086.unknown
_1202625557.unknown
_1202625929.unknown
_1202625974.unknown
_1202625900.unknown
_1202624892.unknown
_1202625466.unknown
_1202624636.unknown
_1202624848.unknown
_1202624621.unknown
_1202619189.unknown
_1202620225.unknown
_1202621305.unknown
_1202624377.unknown
_1202624426.unknown
_1202622756.unknown
_1202621058.unknown
_1202621205.unknown
_1202620765.unknown
_1202619874.unknown
_1202619998.unknown
_1202620187.unknown
_1202619971.unknown
_1202619595.unknown
_1202619770.unknown
_1202619475.unknown
_1201162458.unknown
_1201162869.unknown
_1201163435.unknown
_1201163504.unknown
_1201163622.unknown
_1202306083.unknown
_1201163549.unknown
_1201163461.unknown
_1201163238.unknown
_1201163357.unknown
_1201163191.unknown
_1201162532.unknown
_1201162618.unknown
_1201162515.unknown
_1201160748.unknown
_1201161913.unknown
_1201162137.unknown
_1201161234.unknown
_1201160513.unknown
_1201160702.unknown
_1201160467.unknown
_1200949713.unknown
_1201158665.unknown
_1201159526.unknown
_1201160132.unknown
_1201160271.unknown
_1201160349.unknown
_1201160375.unknown
_1201160312.unknown
_1201160251.unknown
_1201160259.unknown
_1201160143.unknown
_1201159807.unknown
_1201160112.unknown
_1201160121.unknown
_1201159953.unknown
_1201159703.unknown
_1201159757.unknown
_1201159559.unknown
_1201159214.unknown
_1201159247.unknown
_1201159271.unknown
_1201159367.unknown
_1201159258.unknown
_1201159226.unknown
_1201158726.unknown
_1201159157.unknown
_1201159189.unknown
_1201159145.unknown
_1201158680.unknown
_1201158692.unknown
_1201158672.unknown
_1200950228.unknown
_1200950390.unknown
_1200950628.unknown
_1201121993.unknown
_1201158656.unknown
_1201122690.unknown
_1200950731.unknown
_1200950766.unknown
_1200950677.unknown
_1200950445.unknown
_1200950544.unknown
_1200950407.unknown
_1200950349.unknown
_1200950376.unknown
_1200950297.unknown
_1200950298.unknown
_1200950268.unknown
_1200949922.unknown
_1200950047.unknown
_1200950183.unknown
_1200950207.unknown
_1200950096.unknown
_1200950145.unknown
_1200950168.unknown
_1200950127.unknown
_1200950076.unknown
_1200949980.unknown
_1200950046.unknown
_1200950045.unknown
_1200949942.unknown
_1200949806.unknown
_1200949844.unknown
_1200949872.unknown
_1200949827.unknown
_1200949758.unknown
_1200949793.unknown
_1200949738.unknown
_1200941459.unknown
_1200941484.unknown
_1200949658.unknown
_1200949688.unknown
_1200949706.unknown
_1200949673.unknown
_1200949618.unknown
_1200949624.unknown
_1200949605.unknown
_1200941470.unknown
_1200941476.unknown
_1200941477.unknown
_1200941473.unknown
_1200941466.unknown
_1200941468.unknown
_1200941460.unknown
_1200941439.unknown
_1200941451.unknown
_1200941453.unknown
_1200941457.unknown
_1200941452.unknown
_1200941441.unknown
_1200941442.unknown
_1200941440.unknown
_1200939452.unknown
_1200939645.unknown
_1200939742.unknown
_1200939508.unknown
_1200939575.unknown
_1200939644.unknown
_1200939545.unknown
_1200939474.unknown
_1200939359.unknown
_1200939411.unknown
_1200939423.unknown
_1200939376.unknown
_1200939114.unknown
_1200939345.unknown
_1200938491.unknown
_1200938923.unknown
_1150651734.unknown
_1150652072.unknown
_1150654102.unknown
_1150657314.unknown
_1198677985.unknown
_1199555066.unknown
_1199596165.unknown
_1199602018.unknown
_1199638337.unknown
_1199638907.unknown
_1199642782.unknown
_1200938400.unknown
_1199642834.unknown
_1199643627.unknown
_1199639037.unknown
_1199642740.unknown
_1199639027.unknown
_1199638507.unknown
_1199638728.unknown
_1199638458.unknown
_1199627871.unknown
_1199628541.unknown
_1199629292.unknown
_1199629328.unknown
_1199629463.unknown
_1199628984.unknown
_1199628269.unknown
_1199627643.unknown
_1199627759.unknown
_1199623167.unknown
_1199600223.unknown
_1199601260.unknown
_1199601585.unknown
_1199601621.unknown
_1199601318.unknown
_1199600651.unknown
_1199600467.unknown
_1199597248.unknown
_1199597903.unknown
_1199598115.unknown
_1199598230.unknown
_1199598097.unknown
_1199597782.unknown
_1199597884.unknown
_1199597286.unknown
_1199597120.unknown
_1199596565.unknown
_1199597004.unknown
_1199555234.unknown
_1199555732.unknown
_1199556377.unknown
_1199596040.unknown
_1199556299.unknown
_1199555288.unknown
_1199555151.unknown
_1199553881.unknown
_1199554617.unknown
_1199554685.unknown
_1199554752.unknown
_1199554045.unknown
_1199554062.unknown
_1199553934.unknown
_1198679457.unknown
_1199553871.unknown
_1199553352.unknown
_1198679510.unknown
_1198678652.unknown
_1198678883.unknown
_1198678205.unknown
_1198678037.unknown
_1150831060.unknown
_1150831747.unknown
_1150832653.unknown
_1150833355.unknown
_1150833710.unknown
_1150833810.unknown
_1150834385.unknown
_1150834724.unknown
_1150833811.unknown
_1150833714.unknown
_1150833809.unknown
_1150833592.unknown
_1150833031.unknown
_1150833032.unknown
_1150832919.unknown
_1150833030.unknown
_1150832487.unknown
_1150832538.unknown
_1150832652.unknown
_1150832525.unknown
_1150831791.unknown
_1150832486.unknown
_1150831763.unknown
_1150831579.unknown
_1150831703.unknown
_1150831731.unknown
_1150831605.unknown
_1150831303.unknown
_1150831304.unknown
_1150831301.unknown
_1150831302.unknown
_1150831137.unknown
_1150659372.unknown
_1150830951.unknown
_1150830965.unknown
_1150830916.unknown
_1150659242.unknown
_1150659371.unknown
_1150659215.unknown
_1150654797.unknown
_1150656662.unknown
_1150656984.unknown
_1150657061.unknown
_1150657209.unknown
_1150657313.unknown
_1150657003.unknown
_1150656825.unknown
_1150656974.unknown
_1150656764.unknown
_1150656798.unknown
_1150656678.unknown
_1150654935.unknown
_1150655203.unknown
_1150655295.unknown
_1150655888.unknown
_1150656015.unknown
_1150655887.unknown
_1150655208.unknown
_1150654960.unknown
_1150654880.unknown
_1150654340.unknown
_1150654562.unknown
_1150654658.unknown
_1150654796.unknown
_1150654630.unknown
_1150654416.unknown
_1150654440.unknown
_1150654466.unknown
_1150654397.unknown
_1150654210.unknown
_1150654276.unknown
_1150654293.unknown
_1150654275.unknown
_1150654199.unknown
_1150654155.unknown
_1150651816.unknown
_1150651526.unknown
_1150619259.unknown
_1150619652.unknown
_1150651151.unknown
_1150619567.unknown
_1150619090.unknown
_1150619189.unknown
_1150617757.unknown
_1150618654.unknown
_1150618709.unknown
_1150618398.unknown
_1150618551.unknown
_1150618627.unknown
_1150617795.unknown
_1150618384.unknown
_1150617780.unknown
_1150616742.unknown
_1150617434.unknown
_1150617495.unknown
_1150617710.unknown
_1150617736.unknown
_1150617611.unknown
_1150617467.unknown
_1150617177.unknown
_1150617426.unknown
_1150617124.unknown
_1150616596.unknown
_1150616604.unknown
_1150615669.unknown