![](/user_photo/_userpic.png)
книги из ГПНТБ / Марчук Г.И. Методы вычислительной математики
.pdfго уравнения. Для этого эффективно |
используется метод |
фак |
|
торизации. Если |
требуется решить разностную задачу без |
||
предварительного |
расчета параметра |
(3 (В), то обычно |
при |
нимается то = 1 , 8 - |
Во многих задачах этот параметр оказы |
||
вается близким к |
оптимальному. |
|
|
Естественно, что метод блочной релаксации может быть применим и для решения двумерных разностных уравнений
вида |
(1.48), при этом сходимость этого метода будет |
быст |
рее, |
чем сходимость метода поточечной релаксации |
(1.49). |
Весьма полно теория верхней релаксации рассмотрена в мо нографиях Базова, Форсайта1 3 1 , Варги1 3 1 и других.
3.1.5. Сопоставление асимптотической скорости сходимости различных итерационных методов
Асимптотическая скорость сходимости итерационных ме тодов может быть связана с обусловленностью матриц р==р/а. Большой интерес представляет оценка скорости схо димости итерационных про-
цессов для разностных урав нений в зависимости от ша га сетки h. Такую зависи мость от h для рассмотрен ных методов можно просле дить лишь на частных при мерах, тогда как установ ленная связь скорости схо димости с числом обуслов ленности не зависит от част
ного характера задачи. Приведенная таблица характеризует скорость сходимости s от р.
Известны и другие итерационные методы, имеющие более быструю сходимость, чем указанные в таблице. Однако их эффективность установлена только для частного случая раз ностной задачи Пуассона и других простейших задач. Рас пространение этих результатов на более широкие классы за дач весьма затруднительно.
3.2.ГРАДИЕНТНЫЕ ИТЕРАЦИОННЫЕ МЕТОДЫ
Современные вычислительные машины стимулировали дальнейшее развитие таких итерационных методов, оптими зация которых производится на основе апостериорной ин формации о самом решении в процессе счета. Такие алгорит мы можно назвать с а м о н а с т р а и в а ю щ и м и с я на оп тимальную скорость сходимости. В отличие от спектральных
методов оптимизации, которые используют только априорную информацию о спектре определенных операторов, связанных с решением задачи, самонастраивающиеся методы неявно используют информацию как о спектре операторов, так и об амплитудах невязок соответствующих гармоник ряда Фурье в самом итерационном процессе. Это существенно повышает эффективность алгоритма, поскольку отдельные гармоники невязки подавляются более целенаправленно и предпочтение
отдается |
подавлению гармоник с наибольшими |
амплитудами. |
Начало развитию градиентных методов было положено ра |
||
ботами |
Л. В. Канторовича1 1 1 1 , Хестенса, |
Штифеля1 1 1 1 , |
М. А. Красносельского, С. Г. Крейна1 1 1 1 , Ланцоша1 3 1 и про должено многими исследователями.
Среди самонастраивающихся алгоритмов прежде всего отметим градиентные методы, основанные на вариационной оптимизации.
3.2.1. Метод минимальных невязок
Сосредоточим наше внимание на одном из вариантов градиентных методов — методе минимальных невязок, сущ ность которого состоит в следующем.
Рассмотрим систему линейных алгебраических уравнений
|
|
|
Лф=т . |
|
|
|
(2.1) |
Пусть |
А > |
0. Для |
решения уравнения |
(2.1) |
воспользуемся |
||
методом последовательных приближений |
|
|
|
||||
|
|
Ф?' + і = ф.' — XJ (А ф' — f), |
ф° = |
0. |
(2.2) |
||
Для невязки |
^=Лф^ — f |
|
|
|
|
||
|
|
|
|
|
|
|
|
вместо |
(2.2) |
будем |
иметь |
|
|
|
|
|
|
|
Ъ^=(Е-т;А)Ъ\ |
? ° = - f . |
|
(2.3) |
|
Легко |
видеть, что |
решение уравнения (2.2) |
выражается |
че |
|||
рез невязку с помощью формулы |
|
|
|
|
|||
|
|
|
J - 1 |
|
|
|
|
|
|
|
ф ; = _ 2 Т . |І . |
|
|
(9 4) |
Переходим к выбору параметров Xj. С этой целью в прост ранстве R л-мерных вещественных векторов определим ска лярное произведение
л |
|
(ф, ф) = ^ Ф і фі |
(2.5) |
и норму |
|
|
щи = va, |
D- |
|
С помощью рекуррентных соотношений (2.3) имеем |
|
|
где |
|
|
q, = 1 / і - 2 т П ^ ' І М |
+ ^ A V ' ^ \ |
(2.7) |
Параметр релаксации х;- найдем из условия минимума функ ции q_i{%). С этой целью соотношение (2.7) продифференци руем по параметру Tj и результат приравняем нулю. Тогда получим
|
|
|
|
|
|
> • У |
|
(2.8) |
|
|
|
|
|
|
|
|
|
|
|
Это и будет |
оптимальным |
параметром релаксации |
для |
шага |
|||||
с номером |
у. Выражение |
(2.8) |
подставим в (2.7) |
и найдем |
|||||
|
|
|
9/ |
= |
У |
1 —Р?. |
|
(2.9) |
|
где |
|
|
|
|
|
|
|
|
|
|
|
Р 2 = |
— |
| |
) |
) а |
. — |
|
(2.Ю) |
Покажем |
теперь, что |
при |
А > |
0 |
имеем 0 ^ ( / j < ; l . |
В |
самом |
||
деле, из (2.6) |
следует, |
что |
(]-, ^ |
0, а это значит, что |
|
|
|||
|
|
|
0 < р 2 < 1 . |
|
(2.11) |
Заметим, что р2. не может стремиться к нулю, а ограничен снизу. Это следует из того, что
и, следовательно,
|
i n f |
( a ^ L = |
m |
i n |
^ ( ^ ) } > |
0 . |
|
|
6 / є Л |
(V I 7 ) |
п |
У |
\ - |
I) |
|
Таким образом, приходим |
к требуемому |
заключению |
|||||
|
|
0 < ^ « 7 < 1 , |
|
(2.12) |
|||
где q < |
1 — некоторое заданное |
число, |
не |
зависящее от /. |
|||
М. А. |
Красносельский |
и С. Г. |
Крейн1 1 " показали, что ме |
тод минимальных невязок имеет асимптотическую скорость сходимости
На первый взгляд кажется, что сходимость этого метода весьма медленна и он существенно уступает методу чебышевской оптимизации и методу верхней релаксации. Асимптоти
чески это |
так. Однако |
еще Л. В. Канторович1 1 1 1 , а затем |
С. К. Годунов и Г. П. |
Прокопов1 1 1 1 заметили, что в первых |
|
нескольких |
итерациях |
стремление приближенного решения |
к точному существенно быстрее, чем для других методов. Поэтому асимптотическая оценка оказывается слишком гру бой для оценки числа арифметических действий для получе ния результата с заданной точностью. К сожалению, из-за не линейного характера метода более точные характеристики ме тода минимальных невязок получить не удается.
Структура подавления компонентов Фурье невязки в этом методе такова, что первоначально сильно подавляются гармо ники невязки внутри спектрального интервала. Подавление таких гармоник идет весьма быстро. Подавление же возмуще ний, соответствующих собственным числам а и р (и их окрест ностям), происходит более медленно. Поэтому на некотором этапе итерационный процесс выходит на асимптотический ре жим подавления этих двух гармоник. Для ускорения процесса, очевидно, необходимо рассмотренный одношаговый метод ми нимальных невязок комбинировать с двухшаговым.
3.2.2. Двухшаговый метод минимальных невязок
До сих пор во всех случаях предполагалось, что матрица ,4 в системе линейных алгебраических уравнений положи тельна. Однако зачастую при решении уравнений (2.1) при ходится иметь дело с матрицами А, спектр которых вещест
венный, но часть собственных чисел положительна, |
а дру |
гая — отрицательна. В этом случае сформулированные |
выше |
методы последовательных приближений, вообще говоря, при водят к расходящимся процессам. Однако еще Гауссом был предложен метод, позволяющий от системы уравнений с про извольной матрицей перейти к другой системе (эквивалент ной первой), матрица которой уже будет симметричной и по ложительной. Такое преобразование получило название трансформации Гаусса.
Рассмотрим это преобразование. С этой целью уравнение (2.1) слева помножим на А* — матрицу, сопряженную мат рице А. Тогда получим новое уравнение
A*A<p=A*t. (2.13) Обозначив A*i = g, будем иметь
A*A<p=g. (2.14)
Предположим, |
что Х—0 |
не |
является |
точкой |
спектра Л |
|||||
(а следовательно, |
и А*). |
В |
этом |
случае |
обратная матрица |
|||||
( Л * Л ) - ' = Л - 1 Л * - 1 |
существует, |
и |
формальное |
решение |
за |
|||||
дачи (2.14) примет |
вид |
|
|
|
|
|
|
|
|
|
Ф = |
Л - ' Л* - ' g = |
Л - ' Л * - 1 Л*ї = Л-'f. |
(2.15) |
|||||||
Вместе с тем нетрудно убедиться, что симметричная |
мат |
|||||||||
рица Л* Л является положительной, поскольку |
|
|
|
|||||||
|
|
(А*А%;1) |
= |
(А%,АЪ)>0, |
|
|
(2.16) |
|||
если Я = 0 не является точкой |
спектра матрицы |
А. |
Таким |
об |
||||||
разом, вместо |
уравнения |
(2.1), |
не поддающегося |
реализа |
ции с помощью рассмотренных итерационных процессов, мы пришли к уравнению (2.14), которое уже можно решать с помощью различных итерационных методов. Известно, од
нако, что при трансформации Гаусса матрица Л* Л, как |
пра |
|||||
вило, становится плохо обусловленной. В самом |
деле, |
пусть |
||||
Л = |
Л* > |
0 и эта матрица |
имеет спектр |
, |
|
|
|
|
|
0 < а < ? і п ( Л ) ^ 6 . |
|
|
|
Тогда матрица Л* Л = |
Л2 имеет спектр уже следующий: |
|
||||
|
|
0<а2^Хп(А*А)^2. |
|
|
||
Если |
^- = |
/?^>1, то |
^ з " ^ - |
и, следовательно, |
обусловлен |
ность новой матрицы резко ухудшается. А это значит, что итерационный процесс будет сходиться весьма медленно, да же при использовании эффективных методов оптимизации. Тем не менее во многих случаях оказывается целесообраз ным использовать для решения уравнения (2.14) итерацион ный метод типа минимальных невязок
ф ;+і = |
ф і _ Т і ( Л * Л ф з — g ) , |
(2.17) |
где |
|
|
Т' |
~ |
( 2 Л 8 ) |
|
i> = A*Aq,l-g. |
(2.19) |
Таким образом, мы пришли к выводу, что в случае А > О весьма эффективным методом будет метод минимальных не
вязок в форме (2.2), а |
в случае произвольной матрицы Л |
|||
можно |
воспользоваться |
методом |
минимальных |
невязок |
в форме |
(2.17). В обоих |
случаях в |
предположении, |
что нуль |
не является точкой спектра матрицы Л, итерационные про цессы сходятся к точному решению задачи (2.1).
Возникает мысль о введении двухшагового метода мини мальных невязок, содержащего лучшие стороны обоих
процессов. Рассмотрим метод последовательных приближе ний в виде
«р>+і = ф ' — Т , И Ф * — f ) — IJA* (Atf—Ї), |
(2.20) |
где Tj и yj — пока произвольные параметры. Для невязки %, процесс (2.20) перепишем в виде
|
|
^=%i-XjAV-yjAA*y. |
|
|
|
|
|
(2.21) |
|||
Переходя к выбору оптимальных параметров |
и yj на |
осно |
|||||||||
ве метода минимальных невязок, составим |
функционал |
|
|
||||||||
( Г " , V+1) = |
(V, |
1 0 - 2 т , ( Л ^ , %>)-2ъ(АА*%\ |
|
%') + |
|
|
|
||||
+ 2т,- у,- (Л V |
, А А* V) + |
%) (Л І* , Л V) + у) [А А* V |
Л Л* |
Ю - |
|||||||
|
|
|
|
|
|
|
|
|
(2.22) |
||
Найдем минимум функционала |
(|'+ 1 , £ т ) |
= |
|||'+1||2 |
по х, |
и |
j> |
|||||
Тогда приходим к системе линейных уравнений: |
|
|
|
||||||||
Ъ(УК |
У5)+УЛУК |
zi) = |
(xi, yi); |
|
|
|
( 2 2 |
3 |
|||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
X J = | J ; |
у і = Л ^ ; |
|
z i — Л Л * ^ |
|
|
(2.24) |
|||
Решая систему |
уравнений |
(2.23), |
получим |
|
|
|
|
|
|||
•СУ |
(х'т y 3 ) ( z ' , |
z>) — |
( х ' , z')(y>, |
zJ) |
, |
|
|
|
|||
|
|
(x'\ z')(y*. y') - |
( x ' , y ' ) ( y ' , |
z>) |
|
|
|
|
|||
|
|
(у', |
y')(z>, z ' ) - ( y ' , z 3 ) a |
|
|
|
|
Следовательно, для выбора оптимальных параметров необ
ходимо подсчитать |
следующие функционалы: |
(х', у^), (х^, z->), |
||||
(У>, |
(yj , |
yJ ) |
и |
(zi, |
zi). |
|
Рассмотрим |
теперь |
свойства двухшагового |
итерационного |
|||
процесса (2.20). |
|
|
|
|
||
|
Во-первых, следует отметить, что для положительно оп |
|||||
ределенной |
матрицы Л этот процесс будет сходиться быстрее, |
|||||
чем |
любой |
из |
одношаговых процессов (2.2) |
и (2.17), по |
скольку оба указанных одношаговых процесса являются частными случаями двухшагового, и поэтому минимум нормы невязки для двухшагового процесса с учетом оптимизации по двум параметрам т3- и yj, как говорят, «глубже», чем мини мум по каждому из одношаговых процессов.
Во-вторых, двухшаговый процесс (2.20) имеет универ сальный характер, поскольку он применим для решения ал гебраических систем с матрицами произвольного спектра.
Система (2.23) |
разрешима |
всегда, поскольку определи |
тель ее отличен от |
нуля. В этом |
нетрудно убедиться, используя |
неравенство Бупяковского — Шварца, из которого следует
|
|
(AV, АА*%іу^(А%>, |
А$) |
(ЛАПК |
ЛЛ*%>)- |
(2.26) |
|
При этом |
равенство возможно только в случае |
|
|
||||
|
|
АА*%з = |
ХА%з, т. е. А%і=ІІК |
|
(2.27) |
||
Поскольку А,=0 не является собственным числом опера |
|||||||
тора / 1 , |
то это равенство может иметь место |
только в случае, |
|||||
когда |
в |
итерационном процессе |
отличной |
от |
нуля |
оста |
|
лась лишь одна гармоника, соответствующая |
некоторому |
||||||
собственному числу оператора А*. Однако, как |
легко видеть, |
||||||
в этом |
случае знаменатель и числитель в (2.25) |
обращаются |
|||||
в нули. Поэтому мы имеем |
дело |
с неопределенностью |
вида |
у . Чтобы избежать этого случая, желательно иногда комби нировать двухшаговый метод с любым из одношаговых, ко
торый немедленно подавит отдельную гармонику.
Таким образом, мы снова приходим к мысли о целесооб разности комбинирования одношагового и двухшагового ме тодов минимальных невязок.
Аналогичным образом могут быть введены n-шаговые ме тоды минимальных невязок. Эти методы изучены в ряде ра бот Ю. А. Кузнецова1 "1 . До сих пор метод минимальных не вязок оптимизировался по отношению к простейшей норме невязки. В качестве оптимизирующего функционала в ряде случаев удобно воспользоваться нормами более сложными, типа |)Щ = (С|, £), где С > 0. Такие нормы позволили от крыть ряд новых эффективных итерационных процессов, са монастраивающихся на оптимальную скорость сходимости.
Особое место занимают симметричные матрицы с произ вольным спектром. Итерационные процессы типа метода со пряженных градиентов (Хестенс, Штифель1 1 1 1 , С. К. Годуноь, Г. П. Прокопов1 1 1 1 и другие) оказываются весьма удобными для реализации на ЭВМ.
3.2.3. Метод сопряженных градиентов
Одним из эффективных методов решения систем линей ных уравнений вида
Л<р == f |
(2.28) |
с симметричной и положительно определенной матрицей Л яв ляется метод сопряженных градиентов. Остановимся кратко на задаче, которая послужила причиной его возникновения.
Пусть Еп — пространство п-мерных векторов со скаляр ным произведением
( Ф , Ч > Ь = ( А Ф,Я|З),
где(и, v) = V |
U{Vi, |
(u, v e f „ ) и D — симметричная и поло- |
||||
i = |
l |
|
|
|
соотношение |
|
жительно определенная матрица. Тогда |
|
|||||
|
|
|
||u||D =(Du, и) |
|
|
|
определяет в |
Еп |
норму. Если теперь |
ввести некоторое |
под |
||
пространство |
М Е |
Еп |
размерности |
т с базисом (g,)"=i , то |
||
задачу нахождения |
приближенного |
решения системы |
(2.28) |
в подпространстве М можно сформулировать как задачу оп ределения вектора ф Є М, для которого
||ф* - |
фііл = |
min Цф* - |
Ф||В = |
min |
||q>* - |
2 |
аф\\в, (2.29) |
||||||
г д е ф * = Л - 1 т — точное |
решение |
системы |
(2.28). |
Система |
|||||||||
определения |
коэффициентов |
(осі ) |
разложения |
ф = |
2 |
аї g,- |
|||||||
имеет вид |
|
|
|
|
|
|
|
|
|
i = l |
|
||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
В а = 5 , |
|
|
|
|
|
|
(2.30) |
|
где В = |
{bu j) — матрица порядка |
т с элементами |
|
|
|||||||||
|
|
|
Ьщ= |
(g{, |
gj)D |
|
{і, / = 1 |
, - • •, |
т) |
|
|
|
|
и S = |
(Si, . . . , S m ) ' — вектор |
с |
компонентами |
|
|
|
|||||||
|
|
|
S , = |
(ф*, |
gi)D |
|
( i = l , |
• •, |
пі). |
|
|
|
|
Уже |
отсюда |
видно, что |
наиболее |
простым |
является случай |
||||||||
(g і>g/b = |
% |
gifx) |
(6ц —символ |
Кронекера), |
т. |
е. |
когда |
||||||
{gi)ILi |
— D — ортогональный |
|
базис |
подпространства |
М. |
||||||||
Тогда |
|
|
* |
(Ф*. |
|
.. |
, |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
II ЩЪ |
|
|
|
|
|
|
|
|
Необходимым условием численной реализации такого про цесса является требование, чтобы вектор Dq>* был известен.
Для этого достаточно, например, чтобы D=A. |
Конкретизи |
|||||
руем несколько |
вариационную задачу |
(2.29) |
применительно |
|||
к нашим целям. |
|
|
|
|
|
|
Пусть задан |
некоторый ненулевой |
вектор |
ф° е |
Еп, |
D=A |
|
и подпространство М является линейной |
оболочкой |
си |
||||
стемы линейно |
независимых векторов |
{А1 |
( Ф * — Ф°)}:І=Ь |
об |
||
разующих базис |
в пространстве М. Тогда |
задача |
(2.29) |
мо |
жет быть переформулирована следующим образом. Требует ся найти вектор и є Д чтобы
1(Ф* - Ф°) - Чл = min ||(Ф* - Ф°) - и||л. |
(2.31) |
Как уже было указано выше, если в заданном подпростран стве М мы сможем найти некоторый Л-ортогональный ба
зис I g i l i L j , то |
искомое приближение ф к вектору ф* находит |
||||||||
ся по формулам |
|
|
|
|
|
|
|
||
|
|
|
|
|
т |
|
|
|
|
|
|
|
Ф = <PQ + i2=l а & 1 > |
|
|
|
|||
|
(Ф«-<ро, |
g i ) A |
_ |
( И ф о - t , g | ) |
|
(2.32) |
|||
a i ~ |
(Si. Si) и |
~ |
|
<Si. Лві) |
( |
* |
|
|
|
Этот процесс молено еще записать следующим |
образом: |
|
|||||||
|
|
|
<pk=<pk-l—ahgk, |
|
|
|
|||
|
|
|
а к |
= |
<ЯЙ7в5~ |
|
{ 2 |
- 3 3 ) |
|
|
|
|
[k |
= |
1, . ., m ) , |
|
|
|
|
ГДЄ |
5 * = (Лф''—f) — В е К Т О р |
НеВЯЗКИ |
И ф = |
ф т . |
|
|
|||
|
Наиболее |
известным |
способом |
построения |
базиса в |
про |
странствах типа М является процесс Шмидта. Однако для матриц Л высокого порядка он требует большого числа арифметических действий и большой памяти ЭВМ при чис ленной реализации. Для случая симметричных, но не поло жительно определенных матриц эффективным способом по
строения Л2 -ортогоналыюго |
базиса |
(т. е. когда |
D=A2) |
в пространстве М является |
метод |
минимальных |
итераций |
Ланцоша, детально описанный в монографии Д. К- Фаддеева и В. Н. Фаддеевой1 8 1 . Самым экономичным из известных
способов Л-ортогонализации векторов |
( А1 (ф° — ф* )} ,1і = |
= {А{—l(A(f>° — f))iLi для симметричных |
и положительно опре |
деленных матриц является метод сопряженных градиентов, формулы которого в постановке (2.31) имеют вид
(1°, |
если |
k = 1, |
I s ' 1 - 1 —bhgk-i, |
если |
/ г > 1 , |
|
а ' і = ( ^ Г І І Г |
( / г = |
1 |
m ) - |
|
где {%h=Aq>h—-fJfeLi |
— векторы |
невязки. |
|
||
Докажем, |
что |
построенные |
по |
этим |
формулам векторы |
!gft]fe=i образуют |
Л-ортогональный базис пространства М, |
||||
если векторы |
{ Л й - 1 | ° ) й 1 = 1 линейно |
независимы. Сначала по- |
кажем, что все векторы {g/i}/Г==і будут ненулевыми. В самом деле, если в (2.34) провести последовательное исключение, то легко видеть, что
g b = |
+ *2 І М ' - Ч 0 (* - 1. |
(2-35) |
/=і
с некоторыми коэффициентами {р&, ,•}. Поэтому gfc=0 будет противоречить требованию линейной независимости векторов
Теперь остается показать, что векторы {gh}™_[ ортого нальны. Для этого предположим, что для некоторого k~^2 выполняются соотношения (для ft=l, 2 их выполнение уста навливается непосредственной проверкой) .
( 4 g t , g i ) = 0 |
( / = 1 |
, £ - 1 ) . |
|
||
(1\ |
& ) = 0 |
. ( / = 1 , |
1, |
ft), |
(2.36) |
|
« І > 0 |
( / = 1 , . . . . |
ft), |
|
|
и докажем их справедливость на (ft-f-l)-M |
шаге. Для |
этого |
|||
нам понадобятся равенства |
|
|
|
|
|
Agi = ~ lg» + |
fyg/_i — g / + i — 6/+ig/l |
= |
e / g / + 1 + p/g, |
+ |
|
|
+ |
Y/g/ - i |
|
|
(2 -37) |
|
( / = 1 , |
. . . f t - l ) |
|
|
|
(здесь аолагается g o = 0 ) . Чтобы вывести эти соотношения, достаточно воспользоваться равенствами, полученными из (2.34), и условиями
=- a,Agh
|
|
g/+i = |
§' - |
6/+ig/ |
(/ = |
1, . . . , |
— 1), |
|
|
||
Так как в силу предположений |
имеем |
|
|
|
|||||||
|
H g n - b |
g/) = |
H S h |
- &»+i^gk, |
g/) = |
M S \ |
St) - |
bk+i |
x |
||
|
X (Agk, |
g}) = |
( l f t , i4g/) = |
|
e / |
g / + 1 |
+ p / g / |
+ T/g/-i) = |
0 |
||
|
|
|
|
( / = 1 , . . . , |
|
ft-l) |
|
|
|
|
|
и по построению |
(Agi+b |
g „ ) = 0 , |
то |
|
|
|
|
|
|||
|
|
|
|
№ W l |
g / ) = 0 |
|
|
|
(2.38) |
||
для |
всех ; ' ^ f t . Далее, |
поскольку |
( l m |
, g k + i ) = 0 , |
по постро |
||||||
ению и из предположений (2.36) |
следует |
|
|
|
|||||||
(lh+1, |
Si) = ( l h . |
Si) ~ |
(Agk+u |
Si) |
(/ = |
1, . . . |
, ft), |
(2.39) |
9 Г. И. Марчук |
1'29 |
|