Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Приближенное решение дифференциальных уравнений
В том случае, если решение дифференциального уравне- ния не выражается через элементарные функции или метод его решения слишком сложен, для его приближенного решения можно использовать ряд Тейлора. Предположим, что надо решить дифференциальное урав- нение , (7.10) которое удовлетворяет начальным условиям: . (7.11) Для нахождения частного решения используем метод пос- ледовательного дифференцирования. Предположим, что решения дифференциального уравне- ния в окрестности точки x 0, в которой заданы начальные усло- вия, можно разложить в ряд Тейлора.
(7.12) Первые два коэффициента в ряде (7.12) можно определить по начальным условиям (7.11). Затем подставляем в исходное дифференциальное уравнение (7.10) значение x = x 0, y = y 0, y = y 0 и определяем третий коэффициент: y (x 0) = f (x 0, y 0, y). Значение последующих коэффициентов y (x), y (4) (x), …, 0 0 0
Он и является частным решением исходного дифференци- ального уравнения (7.10) для тех значений x, для которых он сходится. Частичная сумма этого ряда есть приближенное ре- шение уравнения (7.10) при начальных условиях (7.11). Данный метод можно применять решения дифференци- альных уравнений любого порядка. Пример 7.15. Используя метод последовательного дифференцирования найти частное решение дифференциального уравнения y = x
Будем искать решение данного дифференциального урав- нения в виде ряда Тейлора:
Используя заданные начальные условия, определяем:
и т. д. Далее имеем:
и т. д. Подставляем значения найденных производных в ряд и получаем искомое приближенное частное решение заданного дифференциального уравнения.
Понятие о рядах Фурье Сначала напомним, что функция f (х), которая определена при всех значениях х, называется периодической, если есть такое число Т 0, что при любом значении х выполняется ра- венство f (х + Т) = f (х). В этом случае Т называется периодом функции. Приведем некоторые свойства периодических функций: 1. Сумма, разность, произведение, частное периодических функций с периодом Т есть периодические функции периода Т. 2. Если функция f (х) имеет период Т, то функция f (bх) имеет период Т / b. 3.
. Дадим также понятия о гармонических колебаниях. Простое гармоническое колебание описывается функцией у = А ·sin (t + 0), где у — отклонение колеблющейся точки от положения равно- весия; А — амплитуда колебания; = 2π/ Т — круговая частота; 0 — начальная фаза. Функция А · sin(t + 0) и ее график называется простой гармоникой. Ее можно представить в виде А · (sin t ·cos 0 + + cos t · sin 0). То есть простое гармоническое колебание описывается пе- риодическими функциями sin t и cos t. Колебания, которые получаются в результате сложения не- скольких или бесконечно многих простых гармонических коле- баний, тоже будут описываться функциями вида sin t и cos t. С помощью так называемого тригонометрического ряда практически любую периодическую функцию можно разло- жить на простые гармоники. Тригонометрическим рядом называется функциональный ряд вида: а 0/2 + а 1cos х + b 1sin x + а 2cos2 x + b 2sin2 x + … + + а n cos nx + b n sin nx +… , (7.13) где a 0, a 1, b 1, a 2, b 2, …, a n, b n — коэффициенты тригонометричес- кого ряда. Если ряд (7.13) сходится, то его сумма есть периодическая функция с периодом 2π, так как такой период имеют функции sin nx и cos nx.
Поэтому f (х) = f (х + 2π). Предположим, что функция f (х) с периодом 2π такова, что она представляется тригонометрическим рядом, сходящимся к данной функции в интервале (-π, π), т. е. является суммой этого ряда и записывается следующим образом: . (7.14)
; (7.15)
то они называются коэффициентами Фурье, а тригонометри- ческий ряд (7.13) с такими коэффициентами называется рядом Фурье функции f (х). Теперь сформулируем теорему, которая дает достаточные условия представимости функции f (х) рядом Фурье. Теорема 7.4 (теорема Дирихле). Пусть функция f (х) с периодом 2π на отрезке [-π, π] удов- летворяет следующим условиям: 1) f (х) кусочно-монотонна, т. е. монотонна на всем отрезке, или этот отрезок можно разбить на конечное число интервалов таким образом, что на каждом из них функция будет монотонна; 2) f (х) кусочно-непрерывна, т. е. непрерывна или имеет ко- нечное число точек разрыва первого рода. В этом случае соответствующий функции f (х) ряд Фурье сходится на данном отрезке и при этом: а) в точках непрерывности функции сумма ряда S (x) сов- падает с самой функцией, т. е. S (x) = f (x); б) в каждой точке разрыва (х 0) функции f (х) сумма ряда равна т. е. она равна среднему арифметическому от правого и левого пределов в этой точке; в) на концах отрезка в точках х =-π и х = π сумма ряда равна Теореме Дирихле удовлетворят большинство функций, встречающихся в математике. Есть функции, которые не удов- летворяют условиям Дирихле, но разлагающиеся в ряд Фурье, так как теорема 7.4 дает только достаточное условие разложи- мости. Приведем конкретный пример разложения функции в ряд Фурье. Пример 7.16. Пусть периодическая функция f (х) с периодом 2π опреде- лена следующим образом: f (х) = х, х ∈ (-π; π]. Данная функция является кусочно-монотонной и ограни- ченной, т. е. она может быть разложена в ряд Фурье. Применя- ем формулы (7.15)−(7.17) и находим:
Поэтому получаем ряд Данное равенство имеет место во всех точках, за исключе- нием точек разрыва. В каждой точке разрыва сумма ряда есть среднее арифметическое от ее пределов слева и справа, т. е. равна нулю. Задачи для самостоятельного решения 1. С помощью признаков сравнения исследовать сходи- мость рядов: 1.1. 1.2. 1.3. 1.4. 2. Исследовать сходимость рядов с помощью признака Да- ламбера: 2.1. 2.2. 3. Исследовать сходимость рядов с помощью признака Коши: 3.1. 3.2. 4.
4.1. 4.2.
дов: 5. Исследовать абсолютную или условную сходимость ря-
5.1. 5.2. 5.3. 5.4. 6. Найти области сходимости степенных рядов:
7. Разложить в ряд Фурье периодическую функцию с пе- риодом 2π. 7.1. f (х) = | х |, где х ∈ (-π, π).
где x ∈ (0; π). 8. Вычислить определенный интеграл с точнос- тью до 0,01. 9. Используя метод последовательного дифференцирова- ния, найти приближенное частное решение дифференциально- го уравнения , если начальные условия имеют вид: , .
Вопросы для самопроверки 1. Что называется числовым рядом? 2. Что такое сумма ряда? Дать определение сходящегося и расходящегося рядов. 3. В чем состоит необходимый признак сходимости ряда? 4. В чем суть признаков Даламбера и Коши? 5. В чем суть интегрального признака Коши? 6. Какой ряд называется знакочередующимся? 7. В чем сущность признака Лейбница? 8. Что называется абсолютной и условной сходимостью ряда? 9. Какой ряд называется функциональным? 10. Что называется областью сходимости функционально- го ряда? 11. Какой ряд называется степенным? 12. Каковы основные свойства степенных рядов? 13. Какой ряд называется тригонометрическим? 14. Сформулируйте достаточный признак разложения функции в ряд Фурье. 15. В каких случаях используют ряды для вычисления оп- ределенных интегралов? 16. В чем состоит способ последовательного дифференци- рования?
Глава 8. КРАТКИЕ СВЕДЕНИЯ ИЗ ТЕОРИИ ВЕРОЯТНОСТЕЙ 8.1. Общие понятия и определения Теория вероятностей — раздел математики, который занимается изучением закономерностей в случайных явле- ниях. Случайное явление — это явление, которое при многократ- ном проведении одного и того же опыта (эксперимента) каждый раз протекает несколько по-иному. Теория вероятностей рас- сматривает не сами явления, а их математические модели. Ма- тематическая модель описывает изучаемое явление при помо- щи определенных символов и операций над ними. Под опытом (экспериментом) будем понимать некоторую воспроизводимую совокупность условий, в которых наблю- дается изучаемое явление. Если результат опыта может ва- рьироваться при его повторении, то говорят об опыте со слу- чайным исходом. Основные условия, при которых протекает опыт, должны сохраняться. Опыт не обязательно должен быть поставлен людьми, человек может выступать и в качестве на- блюдателя. Примерами случайных явлений являются: курс национальной валюты, выпадение грани с цифрой шесть при бросании игральной кости, выигрыш на рулетке в казино, ре- зультат измерения горизонтального угла с помощью теодоли- та, длительность работы стиральной машины и т. д.
Классификация событий Если событие всегда происходит в результате опыта со случайным исходом, то оно называется достоверным. Такие события мы будем обозначать буквой U. Если в урне лежат только красные шары, то появление красного шара из урны есть достоверное событие. Надо иметь в виду, что в реальной действительности мы имеем дело с почти достоверными собы- тиями. Если событие никогда не происходит в результате опыта со случайным исходом, то оно называется невозможным и обозна- чается ∅. Если в урне лежат только белые шары, то появление красного шара из урны есть невозможное событие. В реальной жизни мы имеем дело с почти невозможными событиями. Случайным событием называется событие, которое в ре- зультате опыта со случайным исходом может произойти, а мо- жет и не произойти. Случайные события мы будем обозначать заглавными буквами латинского алфавита: А, В, С,… Например, выпадение решки при бросании монеты — случайное событие. Событием, противоположным событию А, является собы- тие , которое происходит тогда, когда не происходит собы- тие А. Например, производится стрельба по мишени. Собы- тие А — попадание в мишень, а событие — промах. Непосредственный исход опыта называется элементар- ным событием и обозначается ω. Множество всех элементарных событий данного конкрет- ного опыта называется пространством элементарных событий этого опыта и обозначается Ω. Например, в опыте бросания игральной кости шесть эле- ментарных исходов ω1, ω2,…, ω6, т. е. Ω = {ω1, ω2, ω3, ω4, ω5, ω6}. Событие удобно иллюстрировать с помощью кругов Эйле- ра. Достоверное событие U мы будем изображать прямоуголь- ником, случайное событие А — кругом внутри прямоугольника, а противоположное к нему событие — область внутри прямо- угольника, но вне круга (рис. 8.1).
Рис. 8.1 Алгебра событий Введем понятия суммы и произведения событий.
.
Определение. Произведением (пе- ресечением) событий А1, А2,... Аn назы- вается событие, которое происходит только в том случае, когда все указан- ные события появляются одновремен- но, т. е. происходит и событие А1, и А2... и Аn. Обозначается произведение со- бытий следующим образом: Рис. 8.2
Рис. 8.3 На рис. 8.3. показано изображение произведения двух событий А × В с по- мощью кругов Эйлера. Определение. События А1, А2,... Аn называются несовместными, если их произведение есть невозможное собы- тие, т. е. А1 · А2 ·... · Аn = ∅. Заметим, что если события попарно несовместны, то они несовместны в совокупности. Не-
совместными являются все элементарные события некоторого опыта со случайным исходом, например А × = ∅.
Определение. Полной группой со- бытий называется множество попар- но несовместных событий, одно из ко- торых обязательно произойдет в ре- зультате опыта со случайным исхо- дом, т. е. сумма которых есть достовер- Рис. 8.4 ное событие.
Все элементарные события ωi пространства элементарных событий Ω составляют полную группу событий. Например, пол- ную группу событий составляют события А и , т. е. А + = U. Поэтому часто достоверные события U обозначают символом Ω, так же как пространство элементарных событий.
Рис. 8.5 Приведем некоторые правила алгебры событий:
Рис. 8.6 Вероятность события Вероятность события — это мера его объективной возмож- ности. Но данное определение вероятности не является мате- матическим, так как не дает возможности оценить вероятность количественно. Существует несколько математических опре- делений вероятности. Самыми старыми из этих определений являются статистическое и классическое определения. Статистическое определение вероятности. Предположим, что мы можем проводить некоторый опыт со случайным исхо- дом (например, бросание монеты на некоторую поверхность) неоднократно, примерно в одних и тех же условиях. В резуль- тате этого опыта может появиться событие А = {выпал герб}. Определение. Относительной частотой (или, как говорят в статистике, частостью) события А (f (А)) называется отноше- ние числа опытов µ (его называют в статистике частотой собы- тия А), в которых появилось событие А, к общему числу прове- денных опытов (n), т. е.
Практика показывает, что для широкого круга случайных явлений при неограниченном увеличении числа опытов, т. е. при n → ∞, относительная частота события А стабилизирует- ся и по вероятности приближается к некоторому неслучайному числу. Например, при бросании монеты относительная частота появления орла при неограниченном увеличении числа опытов стремится к числу 0,5. Приведем свойства относительной ча- стоты события А. 1) f (U) = 1, так как µ = 1. 2) f (∅) = 0, так как µ = 0. 3) 0 ≤ f (А) ≤ 1, т. е. относительная частота случайного собы- тия заключена между нулем и единицей и в частном случае мо- жет быть нулем или единицей. 4) Если события А1, А2,... Аn несовместны, то выполняется равенство f (А1 + А2 +…+ Аn) = f (А1) + f (А2) +…+ f (Аn). Статистическое определение вероятности. Вероятностью события А (Р (А)) называется число, около которого колеблется относительная частота события А (f (А)) при неограниченном увеличении числа опытов (n → ∞). То есть можно записать
или (8.2)
где ε > 0 — малое положительное число. Устойчивость относительных частот при большом коли- честве испытаний является следствием закона больших чисел. Характер приближения относительной частоты к вероят- ности при n → ∞ отличается “от стремления к пределу” в мате- матическом анализе. Нет ничего невозможного в том, что относительная частота события при n → ∞ сильно отклонится от ее вероятности, но та- кое отношение настолько маловероятно, что его можно не при- нимать в расчет. Заметим, что все свойства относительных частот верны и для вероятностей. Классическое определение вероятности. Оно было впер- вые четко сформулировано в работе швейцарского математи- ка Якоба Бернулли, опубликованной в 1713 г. Введем понятие равновозможного события. События называются равновозмож- ными, если по условиям обыта ни одно из них не является пред- почтительным по отношению к другим с точки зрения возмож- ности их появления. В этом случае опыт будет обладать симметрией исходов по отношению к этим событиям. Классическое определение вероятности можно использо- вать только в том случае, если опыт будет классическим. Опыт называется классическим, если он приводит к множеству со- бытий, которые удовлетворяют условиям: 1) они попарно несовместны; 2) равновозможны; 3) образуют полную группу событий. Такие события называются случаями и обозначаются ω. Заметим, что они могут быть элементарными событиями.
. (8.4)
Формула (8.4) дает возможность непосредственно вычис- лять вероятности, но недостатком ее является то, что в реаль- ной действительности классические опыты встречаются редко в искусственно созданных ситуациях. Примером классического опыта является игра в кости, которые перед каждым броском тщательно перемешиваются, чтобы соблюдалась равновозмож- ность наблюдаемых событий. Если мы бросаем одну игральную кость, то вероятность появления каждой ее грани равна 1/6. Классический опыт может быть организован по так назы- ваемой урновой схеме. Под урной понимают некоторый ящик, в котором находятся одинаковые по весу и размерам шары раз- личных цветов. После перемешивания шары вынимаются из урны случайным образом. Поэтому вероятность вытащить ка- кой-либо шар из n шаров будет равна 1/ n. Для подсчета числа возможных исходов классического опыта часто используют формулы комбинаторики, в частности формулы числа сочетаний из n элементов по m: − без повторений:
где n! — читается n -факториал и вычисляется по формуле n! = 1 × 2 × 3… × n; − с повторениями:
Пример 8.1. Предположим, что в урне находятся 9 шаров: четыре крас- ных шара и пять синих шаров. Из нее вынимаются два шара. Надо найти вероятность того, что оба они будут красными. Введем событие А = {оба шара красные} и используем фор- мулу (8.4): Здесь — количество исходов, благоприятствующих событию А; — общее количество исходов. Аксиоматическое определение вероятности. Как и другие разделы математики, теорию вероятностей можно развивать аксиоматическим методом. Аксиоматическое построение теории вероятностей было осуществлено в 30-х гг. XX в. А. Н. Колмогоровым. Приведем его упрощенное определение. Вероятностью называется функция событий, которая по- рождена некоторым опытом и имеет следующие свойства: 1) вероятность достоверного события равна единице Р (U) = 1; 2) вероятность невозможного события равна нулю Р (∅) = 0; 3) вероятность случайного события лежит между нулем и единицей, в частности принимая значение ноль и единица 0 ≤ Р (А) ≤ 1; 4) если события А1, А2,... Аn попарно несовместны, то веро- ятность их суммы равна сумме их вероятностей ; 5) если счетное бесконечное число событий А1, А2,... Аn, … попарно несовместно, то вероятность их суммы равна суме их вероятностей, т. е. . Аксиома 5 вводится отдельно, так как она не выводится из четвертой. Кроме приведенного существуют и другие аксиоматичес- кие определения вероятности. Аксиоматическое определение, в отличие от статистичес- кого и классического, не позволяет непосредственно вычислять значение вероятности, но из него вытекает ряд следствий. На- пример, можно получить формулу (8.4), установить, что сумма вероятностей полной группы событий равна единице, т. е. . В частности получаем Р (А) + Р () = 1, (8.6) т. е. сумма вероятностей противоположных событий равна 1. Субъективное определение вероятности. В тех случаях, когда проводимый опыт не является классическим и отсутству- ют данные статистических наблюдений или их недостаточное количество для оценки вероятности, прибегают к экспертному оцениванию вероятности на основе мнения экспертов. Определение. Субъективным определением вероятности называются вероятности, удовлетворяющие аксиомам 1−5 ак- сиоматического определения, которые приписываются собы- тиям на основе мнения экспертов. Как правило, в оценке вероятности события участвуют несколько экспертов, и их мнения усредняют, учитывая опыт каждого из них. Оценка экспертов важна в тех случаях, если планируемый исход связан с большими материальными за- тратами.
Алгебра вероятностей Рассмотрим правила, которые позволяют по вероятностям одних событий находить вероятности других событий. Сначала введем понятие условной вероятности. Предполо- жим, что А и В — события, являющиеся результатом некоторо- го опыта, причем наступление события А зависит от появления события В. Понятие условной вероятности вводится для харак- теристики зависимости одних событий от других. Определение. Условной вероятностью события А при усло- вии, что произошло событие В, называется отношение вероят- ности произведения событий А и В к вероятности события В, если последняя отлична от нуля. Обозначается условная веро- ятность события А следующим образом: Р(А\В). И согласно оп- ределению, она равна
Р (В) ≠ 0. Аналогично условная вероятность события В при условии, что произошло событие А обозначается следующим образом: Р(В\А) и находится по формуле
Р (А) ≠ 0. Из формул (8.7.) и (8.8) следует правило умножения веро- ятностей для двух любых событий: Р (А × В) = Р (А) × Р (В\А) = Р (В) × Р (А\В), (8.9) т. е. вероятность произведения двух событий равна произведе- нию вероятности одного из них на условную вероятность дру- гого при условии, что первое событие произошло. Используя формулу (8.9), получим правило умножения ве- роятностей для трех событий А1, А2, А3: Р (А 1 × А 2 × А 3) = Р ((А 1 × А 2) × А 3) = = Р (А 1 × А 2) × Р (А 3 \А 1 × А 2) = (8.10) = Р (А 1) × Р (А 2 \А 1) × Р (А 3 \А 1 × А 2) В формуле (8.10) Р (А 3 \А 1 × А 2) означает условную вероят- ность события А3, если произошли события А1и А2. Используя принцип математической индукции, можно обобщить формулу (8.10) на любое конечное количество со- бытий. В результате получаем Р (А 1 × А 2 × А 3… × А n) = Р (А 1) × Р (А 2 \А 1) × × Р (А 3 \А 1 × А 2) × … × Р (А n \А 1 × А 2 × А 3 ×… × А n -1). (8.11) Правило умножения вероятностей значительно упроща- ется, если события, образующие произведение, независимы. Событие В называется независимым от события А, если его условная вероятность равна безусловной, т. е. Р(В\А) = Р (В). Аналогично, событие А называется независимым от собы- тия В, если его условная вероятность равна безусловной, т. е. Р (А\В) = Р (А). Лемма. Если событие В не зависит от события А, то и со- бытие А не зависти от события В. Если события А и В независимы, то правило умножения вероятностей (8.9) примет вид Р (А × В) = Р (А) × Р (В), (8.12) т. е. вероятность произведения двух независимых событий рав- на произведению их вероятностей. Определение. События А1, А2, А3... Аn называются независи- мыми в совокупности, если каждое из них не зависит от произве- дения любого числа остальных и от каждого в отдельности. Правило умножения вероятностей (8.11) в этом случае примет вид: Р (А 1 × А 2 × А3 × … × А n) = Р (А 1) × Р (А 2) × Р (А 3) × … × Р (А n), или более кратко
т. е. вероятность произведения конечного числа независимых событий равна произведению вероятностей этих событий. Пример 8.2. Предположим, что студентка основательно проштудиро- вала 70 из 90 вопросов к экзамену по теории вероятностей и ма- тематической статистике. В каждом билете содержатся 3 воп- роса. Найти вероятность того, что в билете, который вытащит студентка, она будет знать ответы на все три вопроса. Введем 3 события: А1 = {студентка знает ответ на первый вопрос билета}. А 2 \А 1 = {студентка знает ответ на второй вопрос билета при выполнении события А1}. А 3 \А 1 × А 2 = {студентка знает ответ на третий вопрос биле- та при выполнении событий А1 и А2}. Используя формулу (8.10) находим Вероятности Р (А 1); Р (А 2 \А 1); Р (А 3 \А 1 × А 2) находятся по формуле (8.4). Теперь получим правило сложения для совместных со- бытий. Если рассматриваемые события попарно несовместны, то для нахождения вероятности их суммы используется четвер- тая аксиома аксиоматического определения вероятности. Сначала рассмотрим правила сложения для двух совмест- ных событий. Теорема 8.1. Вероятность суммы двух совместных событий равна сумме их вероятностей минус вероятность их произве- дения, т. е. Р (А + В) = Р (А) + Р (В) — Р (А × В) (8.14) Доказательство этой теоремы не приводим, его можно най- ти в любом учебнике по теории вероятности, например [12, 46]. Используя формулу (8.14), получим правило сложения для трех совместных событий А1, А2, А3: Р (А 1 + А 2 + А 3) = Р (А 1 + А 2) + Р (А 3) − − Р ((А 1 + А 2) × А 3) = Р (А 1) + Р (А 2) − − Р (А 1 × А 2) + Р (А 3) − (Р (А 1 × А 3) + + Р (А 2 × А 3)) = Р (А 1) + Р (А 2) + Р (А 3) − Р (А 1 × А 2) − − Р (А 1 × А 3) − Р (А 2 × А 3) + Р (А 1 × А 2 × А 3). (8.15) Используя метод математической индукции, получим пра- вило сложения вероятностей для любого конечного количества совместных событий. Р (А 1 + А 2 + А 3 + … + А n) = Р (А 1) + + Р (А 2) + Р (А 3) + … + Р (А n) — (Р (А 1 × А 2) + + Р (А 1 × А 3) + … + Р (А n -1 × А n)) + + Р(А 1 × А 2 × А 3) + Р (А 1 × А 2 × А 4) + … + + Р (А × А × А)) + … + (-1) n -1 Р (А × А × … × А) (8.16)
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2021-01-14; просмотров: 79; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.226.98.166 (0.223 с.) |