当前位置: 首页 > news >正文

学习记忆——数学篇——案例——算术——整除特点

在这里插入图片描述

在这里插入图片描述

理解记忆法

对于数的整除特征大家都比较熟悉:比如4看后两位(因为100是4的倍数),8看后三位(因为1000是8的倍数),5末尾是0或5,3与9看各位数字和等等,今天重点研究一下3,9,7,11,13的整除特征(重点是三位截断法的原理)。继续用字母来代替数来推导公式,弄清原理又锻炼代数与证明问题能力。

3,9的整除特征(各位数字和)
设三位数abc(a,b,c等代表0-9的数字,以下同样),用位值原理拆开
100a+10b+c
=(99+1)a+(9+1)b+c
=99a+9b+a+b+c

由于前两项都是9的倍数,不影响除以9的余数,所以a+b+c就是这个数除以9的余数。如果除以9余0,那么这个数就是9的倍数。

11的整除特征(奇位数字和与偶位数字和的差)

把一个数由右边向左边数,如果奇位上数字和与偶位上数字和的差,是11的倍数(包括0),那么这个数就是11的倍数。
首先10的奇数次方减去1就是11的倍数,例如10000-1=9999,100-1=99
其次10的偶数次方加上1也是11的倍数,例如1000+1=1001,10+1=11

设五位数abcde,用位值原理拆开
10000a+1000b+100c+10d+e=9999a+1001b+99c+11d+a-b+c-d+e

前4项都是11的倍数,不影响除以11的余数。所以如果a-b+c-d+e是11的倍数,那么这个数就是11的倍数。
(由于是减法,可能出现负数,可以加上11的倍数变成非负的再判断;或者用偶数位和减去奇数位和,用它们的差判断就可以)

三位截断法(后三位截断作差)的原理(7,11,13)

这种方法利用1001=7×11×13

设六位数abcdef,用位值原理拆开
1000abc+def=1001abc-abc+def
第一项是1001的倍数,可以不考虑它。
只看def-abc即可(如果为负数,可以用abc-def来判断,即def与abc的差)
例如def与abc的差是13的倍数,那么abcdef就是13的倍数。
如果位数比较大可以多截几次

例:判断593654321是否是7,11,13的倍数。
593654-321=593333;593-333=260;
因为260不是7,11的倍数,
所以593654321不是7,11的倍数。
因为260是13的倍数,
所以593654321就是13的倍数。

在这里插入图片描述

相关文章:

学习记忆——数学篇——案例——算术——整除特点

理解记忆法 对于数的整除特征大家都比较熟悉:比如4看后两位(因为100是4的倍数),8看后三位(因为1000是8的倍数),5末尾是0或5,3与9看各位数字和等等,今天重点研究一下3,9,…...

PHP8中的魔术方法-PHP8知识详解

在PHP 8中,魔术方法是一种特殊的方法,它们以两个下划线(__)开头。魔术方法允许您定义类的行为,例如创建对象、调用其他方法或访问和修改类的属性。以下是一些常见的魔术方法: __construct(): 类的构造函数…...

[图论]哈尔滨工业大学(哈工大 HIT)学习笔记23-31

视频来源:4.1.1 背景_哔哩哔哩_bilibili 目录 1. 哈密顿图 1.1. 背景 1.2. 哈氏图 2. 邻接矩阵/邻接表 3. 关联矩阵 3.1. 定义 4. 带权图 1. 哈密顿图 1.1. 背景 (1)以地球为建模,从一个大城市开始遍历其他大城市并且返回…...

Nginx+Keepalived实现服务高可用

Nginx 和 Keepalived 是常用于构建高可用性(High Availability)架构的工具。Nginx 是一款高性能的Web服务器和反向代理服务器,而Keepalived则提供了对Nginx服务的健康状态监测和故障切换功能。 下载Nginx 在服务器1和服务器2分别下载nginx …...

picodet onnx转其它芯片支持格式时遇到

文章目录 报错信息解决方法两模型精度对比 报错信息 报错信息为: Upsample(resize) Resize_0 not support attribute coordinate_transformation_mode:half_pixel. 解决方法 整个模型转换过程是:paddle 动态模型转成静态,再用paddle2onnx…...

【学习笔记】CF704B Ant Man

智商不够啊,咋想到贪心的😅 非常经典的贪心模型🤔 首先,从小到大将每个 i i i插入到排列中,用 D P DP DP记录还有多少个位置可以插入,可以通过钦定新插入的位置左右两边是否继续插入数来提前计算贡献。注…...

SQLines数据迁移工具

Data and Analytics Platform Migration - SQLines Tools SQLines提供的工具可以帮助您在不同的数据库平台之间传输数据、转换数据库模式(DDL)、视图、存储过程、包、用户定义函数(udf)、触发器、SQL查询和SQL脚本。 SQLines SQL Converter OverviewCommand LineConfigurati…...

pkl文件与打开(使用numpy和pickle)

文章目录 1. 什么是pkl文件2. 如何打开?Reference 1. 什么是pkl文件 1)python中有一种存储方式,可以存储为.pkl文件。 2)该存储方式,可以将python项目过程中用到的一些暂时变量、或者需要提取、暂存的字符串、列表、…...

3d渲染农场全面升级,好用的渲染平台值得了解

什么是渲染农场? 渲染农场是专门从事 3D 渲染的大型机器集合,称为渲染节点,这些机器组合在一起执行一项任务(渲染 3D 帧和动画)。通过将渲染工作分配给数百台机器,可以显着减少渲染时间,从而使…...

1.5 JAVA程序运行的机制

**1.5 Java程序的运行机制** --- **简介:** Java程序的运行涉及两个主要步骤:编译和运行。这种机制确保了Java的跨平台特性。 **主要内容:** 1. **Java程序的执行过程**: - **编译**:首先,扩展名为.jav…...

基于FPGA的拔河游戏设计

基于FPGA的拔河游戏机 设计内容: (1)拔河游戏机需要11个发光二极管排成一行,开机 后只有中间一个亮点,作为拔河的中间线。 游戏双方 各持一个按键,迅速且不断地按动产生脉冲,哪方按 得快,亮点就向哪方移动, 每按一次,亮点移动一次。 移到任一方二极管的终端,该方就…...

关联规则挖掘(下):数据分析 | 数据挖掘 | 十大算法之一

⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 🐴作者:秋无之地 🐴简介:CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作,主要擅长领域有:爬虫、后端、大数据…...

8、【Qlib】【主要组件】预测模型:模型训练和预测

8、【主要组件】预测模型:模型训练和预测 简介基本类Example简介 预测模型(Forecast Model)旨在对股票做出预测评分。用户可以通过 qrun 在自动化工作流中使用预测模型。 由于 Qlib 中的组件设计成了松耦合方式,预测模型也可以作为一个独立模块使用。 基本类 Qlib 提供了…...

kettle安装

kettle安装 安装java环境 mkdir /data/java ln -s /data/java/ /opt/ cd /opt/javatar zxvf jdk-8u171-linux-x64.tar.gz#java export JAVA_HOME/opt/java/jdk1.8.0_171 export JRE_HOME$JAVA_HOME/jre export CLASSPATH$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH export PATH$J…...

基于生物地理学优化的BP神经网络(分类应用) - 附代码

基于生物地理学优化的BP神经网络(分类应用) - 附代码 文章目录 基于生物地理学优化的BP神经网络(分类应用) - 附代码1.鸢尾花iris数据介绍2.数据集整理3.生物地理学优化BP神经网络3.1 BP神经网络参数设置3.2 生物地理学算法应用 4…...

第二证券:买基金1w一个月能赚多少?

跟着经济的开展和出资观念的改动,越来越多的人开始出资基金,购买基金已成为普遍且盛行的出资方式之一。在这个商场中,人们最重视的问题莫过于“买基金1w一个月能赚多少?”本文将从多个角度分析这一问题,协助出资者更全…...

蓝桥杯每日一题2023.10.7

跑步锻炼 - 蓝桥云课 (lanqiao.cn) 题目描述 题目分析 简单枚举&#xff0c;对于2的情况特判即可 #include<bits/stdc.h> using namespace std; int num, ans, flag; int m[13] {0, 31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31}; bool is_ren(int n) {if((n %…...

Linux 系统为何产生大量的 core 文件?

Author&#xff1a;rab 目录 一、问题分析二、解决方案扩展 一、问题分析 上一篇刚讲到《Docker 配置基础优化》&#xff0c;这里再补充一下。就在中秋国庆这段小长假里&#xff0c;接收到了线上服务器磁盘告警通知&#xff0c;线上服务器架构是一个 Docker Swarm 集群&#x…...

Web_python_template_injection SSTI printer方法

这题挺简单的 就是记录一下不同方法的rce python_template_injection ssti了 {{.__class__.__mro__[2].__subclasses__()}} 然后用脚本跑可以知道是 71 {{.__class__.__mro__[2].__subclasses__()[71]}} 然后直接 init {{.__class__.__mro__[2].__subclasses__()[71].__i…...

TCP/IP网络江湖——江湖导航(网络层上篇)

目录 一、引言 二、IP地址与路由 三、IP协议与数据包转发 3.1 IP协议:网络江湖的规矩...

自建个人知识库:基于开源项目构建私有化数字记忆管理系统

1. 项目概述&#xff1a;一个为数字记忆打造的私人保险库 如果你和我一样&#xff0c;在数字世界里积攒了海量的信息碎片——可能是随手保存的网页文章、偶然看到的精彩推文、一段触动心弦的播客片段&#xff0c;或者仅仅是某个深夜迸发的灵感火花——那么你一定也面临过同样的…...

深入TEA5767数据手册:51单片机I²C驱动FM收音模块的避坑指南与调试心得

深入解析TEA5767&#xff1a;51单片机驱动FM收音模块的实战技巧 在嵌入式开发领域&#xff0c;能够独立解读芯片手册并实现功能驱动是工程师的核心能力之一。TEA5767作为一款经典的FM收音芯片&#xff0c;因其低功耗、高集成度和简单的IC接口而广受欢迎。本文将从一个实际开发者…...

V型槽有灰还是镜头花了?三步排查图像模糊的真凶(工地实测版)

夏天的老旧小区弱电井&#xff0c;或者秋天刚刮过西北风的马路边&#xff0c;可以说是装维师傅们的"噩梦主场"。你蹲在逼仄的角落里&#xff0c;熟练地剥线、切割&#xff0c;把光纤小心翼翼地放入机器&#xff0c;按下防风盖。结果伴随着几声急促的"滴滴"…...

告别‘不是内部或外部命令’:手把手配置MsBuild.exe环境变量与命令行编译实战

1. 为什么命令行找不到MsBuild.exe&#xff1f; 刚装完系统或者新配置开发环境时&#xff0c;很多朋友都会遇到这个经典错误&#xff1a;在命令行输入msbuild后&#xff0c;系统提示"不是内部或外部命令"。这就像你拿着钥匙却找不到锁孔一样让人抓狂。其实这个问题90…...

内网开发环境救星:保姆级教程搞定Docker与Docker Compose离线安装(附避坑清单)

内网开发环境救星&#xff1a;保姆级教程搞定Docker与Docker Compose离线安装&#xff08;附避坑清单&#xff09; 在企业级开发环境中&#xff0c;内网隔离是常见的安全策略&#xff0c;但这也给技术栈的部署带来了挑战。想象一下&#xff0c;当你需要在完全离线的环境中搭建一…...

Wwise与Godot音频集成:专业游戏音频中间件在开源引擎中的实现

1. 项目概述&#xff1a;连接两大巨头的桥梁如果你是一位游戏音频设计师&#xff0c;或者是一位对游戏音频实现有追求的开发者&#xff0c;那么“Wwise”和“Godot”这两个名字对你来说一定不陌生。Wwise是业界顶级的交互式音频中间件&#xff0c;以其强大的音频逻辑编排、动态…...

RK3506开发板PWM输入捕获配置与调试实战指南

1. 项目概述&#xff1a;在RK3506上搞定PWM输入捕获最近在做一个工业网关项目&#xff0c;需要精确测量外部传感器发来的PWM信号频率和占空比&#xff0c;核心板选型正好落在了触觉智能的RK3506开发板上。这块板子接口丰富&#xff0c;性能也够用&#xff0c;但上手调试PWM输入…...

大模型私有化部署实战:LLAMATOR-Core核心引擎配置与性能调优指南

1. 项目概述&#xff1a;从“大模型”到“小核心”的工程化实践最近在折腾大模型应用落地的朋友&#xff0c;可能都绕不开一个核心痛点&#xff1a;如何把一个动辄几十GB、几百亿参数的“庞然大物”&#xff0c;真正塞进自己的业务系统里&#xff0c;让它稳定、高效、可控地跑起…...

年终述职的“数据思维”:用指标和案例讲好你的技术故事

测试人的述职困境又到年终&#xff0c;述职报告像一场无法回避的考试。对于软件测试从业者而言&#xff0c;这往往比定位一个偶发崩溃的缺陷更难——我们习惯了与代码、用例、缺陷打交道&#xff0c;却常常在总结自己一年的价值时陷入沉默。“保障了产品质量”“完成了测试任务…...

ReID跨镜需人工复核,镜像视界无感定位实现全自动全链路闭环

ReID跨镜需人工复核&#xff0c;镜像视界无感定位实现全自动全链路闭环在全域视频感知与人员动态管控行业应用落地进程中&#xff0c;传统依托ReID行人重识别搭建的跨镜追踪体系&#xff0c;长期深陷算法识别偏差大、数据容错率低、最终必须依赖人工二次复核的运营困局&#xf…...