Long Multiplication (with steps)
क्या है Long Multiplication?
▾
लॉन्ग मल्टीप्लिकेशन कैलकुलेटर पूर्ण चरण-दर-चरण पारंपरिक गुणन प्रक्रिया दिखाता है, जो उचित स्थान-मूल्य संरेखण के साथ बहु-अंकीय गुणन को एकल-अंकीय उत्पादों की श्रृंखला में तोड़ता है। 347 × 56 के लिए: कैलकुलेटर दो आंशिक उत्पाद दिखाता है - 347 × 6 = 2,082 (इकाइयाँ पंक्ति) और 347 × 50 = 17,350 (दहाई पंक्ति, एक स्थान बाईं ओर स्थानांतरित), फिर उन्हें जोड़ता है: 2,082 + 17,350 = 19,432। प्रत्येक आंशिक उत्पाद को और विघटित किया जाता है: 347 × 6 = (300×6) + (40×6) + (7×6) = 1,800 + 240 + 42 = 2,082, प्रत्येक चरण में दिखाया गया है। कैलकुलेटर किसी भी आकार के ऑपरेंड को संभालता है और पारंपरिक ऊर्ध्वाधर प्रारूप को संरेखित कॉलम, कैरी अंक, आंशिक उत्पाद और अंतिम योग के साथ प्रदर्शित करता है। यह वैकल्पिक गुणन विधियों को भी प्रदर्शित करता है: जाली विधि (एक ग्रिड बनाना जहां प्रत्येक कोशिका में एक अंक वाला उत्पाद होता है, फिर विकर्णों के साथ योग करना - उन छात्रों के लिए दृश्यमान रूप से स्पष्ट जो ले जाने में संघर्ष करते हैं), रूसी किसान विधि (बार-बार एक संख्या को आधा करना और दूसरे को दोगुना करना, दोगुने मानों को जोड़ना जहां आधा मूल्य विषम है - द्विआधारी प्रतिनिधित्व के आधार पर), और द्विपद गुणन के लिए एफओआईएल विधि ((ए + बी) (सी + डी) = एसी + विज्ञापन + बीसी + बीडी). कैलकुलेटर बताता है कि वितरण गुण के माध्यम से लंबा गुणन क्यों काम करता है: 347 × 56 = 347 × (50 + 6) = 347 × 50 + 347 × 6। मानसिक गणित के लिए, यह संख्याओं को सुविधाजनक भागों में तोड़ने का सुझाव देता है: 347 × 56 = 350×56 - 3×56 = 19,600 - 168 = 19,432। कैलकुलेटर दशमलव गुणन (पूर्णांक के रूप में गुणा करें, फिर दशमलव बिंदु रखें - उत्पाद में कुल दशमलव स्थान कारकों में दशमलव स्थानों के योग के बराबर होता है) और नकारात्मक संख्याओं के गुणन को भी संभालता है।
PrimeCalcPro provides professional-grade tools trusted by businesses and academics.
सूत्र
▾
a × b = a × (b₁×10^n + b₂×10^(n-1) + ...) वितरण गुण के माध्यम से; आंशिक उत्पादों को स्थानीय मान से संरेखित किया गया और फिर सारांशित किया गया; दशमलव: पूर्णांक के रूप में गुणा करें, दशमलव स्थान = कारक दशमलव स्थानों का योग; जाली: ग्रिड कोशिकाओं में एकल-अंकीय उत्पाद, विकर्णों का योग; जांचें: a×b ≈ राउंड(a) × राउंड(b) होना चाहिएचर विवरण
▾
| प्रतीक | नाम | इकाई | विवरण |
|---|---|---|---|
| Long Multiplication | एफ के रूप में गणना की गई | — | लंबे गुणन के लिए एक प्रमुख इनपुट पैरामीटर, जो सूत्र में एफ के रूप में गणना करता है, सीधे अपनी गणितीय भूमिका के माध्यम से गणना किए गए आउटपुट को प्रभावित करता है |
| Multiplication | में गुणन | — | लंबे गुणन के लिए एक प्रमुख इनपुट पैरामीटर, सूत्र में गुणन का प्रतिनिधित्व करता है, जो सीधे इसकी गणितीय भूमिका के माध्यम से गणना किए गए आउटपुट को प्रभावित करता है |
| k | स्थिर | — | मानक स्थितियों के लिए परिणामों को कैलिब्रेट करने के लिए लंबे गुणन सूत्र में उपयोग किया जाने वाला एक डोमेन-विशिष्ट स्थिरांक या गुणांक |
कैसे Long Multiplication
▾
- 1शीर्ष पर बड़ी संख्याएँ लिखें
- 2शीर्ष संख्या को निचली संख्या के इकाई अंक से गुणा करें
- 3बायीं ओर एक स्थान खिसकाते हुए शीर्ष संख्या को दहाई के अंक से गुणा करें
- 4निचली संख्या के प्रत्येक अंक के लिए जारी रखें
- 5सभी आंशिक उत्पादों का योग करें
हल किए गए उदाहरण
▾
47×6=282, 47×30=1410, योग=1692
यह उदाहरण दीर्घ गुणन के एक विशिष्ट अनुप्रयोग को प्रदर्शित करता है, जिसमें दिखाया गया है कि परिणाम उत्पन्न करने के लिए सूत्र के माध्यम से इनपुट मानों को कैसे संसाधित किया जाता है।
123×5=615, 123×40=4920
यह उदाहरण दीर्घ गुणन के एक विशिष्ट अनुप्रयोग को प्रदर्शित करता है, जिसमें दिखाया गया है कि परिणाम उत्पन्न करने के लिए सूत्र के माध्यम से इनपुट मानों को कैसे संसाधित किया जाता है।
सबसे खराब स्थिति की योजना बनाने के लिए उपयोगी.
दीर्घ गुणन में रूढ़िवादी (निम्न) इनपुट मानों का उपयोग करने से अधिक सतर्क अनुमान उत्पन्न होता है। यह परिदृश्य तनाव-परीक्षण निर्णयों के लिए उपयोगी है - यदि परिणाम निराशावादी धारणाओं के साथ भी स्वीकार्य रहता है, तो निर्णय अधिक मजबूत होता है। सामान्य व्यवहार में, जोखिम प्रबंधन और अनुपालन रिपोर्टिंग के लिए अक्सर रूढ़िवादी अनुमानों को प्राथमिकता दी जाती है।
वास्तविक अनुप्रयोग
▾
सामान्य तौर पर पेशेवर गणनाओं को सत्यापित करने, अंकगणितीय त्रुटियों को कम करने और सुसंगत परिणाम उत्पन्न करने के लिए अपने मानक विश्लेषणात्मक वर्कफ़्लो के हिस्से के रूप में लॉन्ग मल्टीप्लिकेशन का उपयोग करते हैं, जिन्हें अनुपालन उद्देश्यों के लिए सहकर्मियों, ग्राहकों या नियामक निकायों के साथ दस्तावेज़ीकृत, ऑडिट और साझा किया जा सकता है।
विश्वविद्यालय के प्रोफेसर और प्रशिक्षक पाठ्यक्रम सामग्री, होमवर्क असाइनमेंट और परीक्षा तैयारी संसाधनों में लंबे गुणन को शामिल करते हैं, जिससे छात्रों को मैन्युअल गणना की जांच करने, इनपुट-आउटपुट संबंधों के बारे में अंतर्ज्ञान बनाने और अंकगणित के बजाय वैचारिक समझ पर ध्यान केंद्रित करने की अनुमति मिलती है।
सलाहकार और सलाहकार ग्राहक बैठकों के दौरान विभिन्न परिदृश्यों को त्वरित रूप से मॉडल करने के लिए लॉन्ग मल्टीप्लिकेशन का उपयोग करते हैं, जिससे क्या-क्या प्रश्नों की वास्तविक समय की खोज संभव हो पाती है, जिन्हें अन्यथा विस्तृत स्प्रेडशीट-आधारित विश्लेषण और रिपोर्टिंग के लिए कार्यालय में लौटने की आवश्यकता होती है।
व्यक्तिगत उपयोगकर्ता व्यक्तिगत नियोजन निर्णयों के लिए लॉन्ग मल्टीप्लिकेशन पर भरोसा करते हैं - विकल्पों की तुलना करना, सेवा प्रदाताओं से प्राप्त उद्धरणों की पुष्टि करना, तीसरे पक्ष की गणना की जाँच करना और यह विश्वास पैदा करना कि एक महत्वपूर्ण निर्णय के पीछे की संख्याओं की सही और लगातार गणना की गई है।
विशेष मामले
▾
शून्य या नकारात्मक इनपुट के लिए विशेष हैंडलिंग की आवश्यकता हो सकती है या अपरिभाषित उत्पादन हो सकता है
शून्य या नकारात्मक इनपुट के लिए विशेष प्रबंधन की आवश्यकता हो सकती है या अपरिभाषित परिणाम उत्पन्न हो सकते हैं व्यवहार में, इस किनारे के मामले में सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएं मान्य नहीं हो सकती हैं। लंबी गुणन गणनाओं में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
व्यवहार में चरम मान विशिष्ट गणना सीमाओं से बाहर हो सकते हैं
चरम मूल्य विशिष्ट गणना सीमाओं से बाहर हो सकते हैं व्यवहार में, इस किनारे के मामले पर सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएँ मान्य नहीं हो सकती हैं। लंबी गुणन गणनाओं में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
कुछ लंबे गुणन परिदृश्यों को अतिरिक्त मापदंडों की आवश्यकता हो सकती है जो उनके द्वारा नहीं दिखाए गए हैं
कुछ लंबे गुणन परिदृश्यों में अतिरिक्त मापदंडों की आवश्यकता हो सकती है जो डिफ़ॉल्ट रूप से नहीं दिखाए जाते हैं व्यवहार में, इस किनारे के मामले में सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएं मान्य नहीं हो सकती हैं। लंबी गुणन गणनाओं में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
गुणन सारणी - 1 से 12
▾
| × | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2 | 2 | 4 | 6 | 8 | 10 | 12 | 14 | 16 | 18 | 20 | 22 | 24 |
| 5 | 5 | 10 | 15 | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 |
| 9 | 9 | 18 | 27 | 36 | 45 | 54 | 63 | 72 | 81 | 90 | 99 | 108 |
| 12 | 12 | 24 | 36 | 48 | 60 | 72 | 84 | 96 | 108 | 120 | 132 | 144 |
अक्सर पूछे जाने वाले प्रश्न
▾
दीर्घ गुणन क्या है?
लॉन्ग मल्टीप्लिकेशन एक विशेष गणना उपकरण है जिसे उपयोगकर्ताओं को सामान्य डोमेन में प्रमुख मैट्रिक्स की गणना और विश्लेषण करने में मदद करने के लिए डिज़ाइन किया गया है। यह विशिष्ट संख्यात्मक इनपुट लेता है - आमतौर पर वास्तविक दुनिया के डेटा जैसे माप, दर या मात्रा से लिया जाता है - और कार्रवाई योग्य परिणाम उत्पन्न करने के लिए एक मान्य गणितीय सूत्र लागू करता है। उपकरण मूल्यवान है क्योंकि यह मैन्युअल गणना त्रुटियों को समाप्त करता है, विभिन्न परिदृश्यों की खोज करते समय त्वरित प्रतिक्रिया प्रदान करता है, और पेशेवरों के लिए निर्णय-समर्थन उपकरण और अंतर्निहित सिद्धांतों का अध्ययन करने वाले छात्रों के लिए सीखने में सहायता दोनों के रूप में कार्य करता है।
मुझे क्या इनपुट चाहिए?
लॉन्ग मल्टीप्लिकेशन में सबसे प्रभावशाली इनपुट प्राथमिक मात्राएँ हैं जो मूल सूत्र में दिखाई देती हैं - आमतौर पर दर, मूल राशि या आधार मात्रा, और समय अवधि या आवृत्ति कारक। इनमें से किसी को भी एक छोटे प्रतिशत से बदलने से गुणन या यौगिक प्रभाव के कारण आउटपुट में महत्वपूर्ण बदलाव आ सकता है। माध्यमिक इनपुट जैसे समायोजन कारक, राउंडिंग कन्वेंशन, या वैकल्पिक पैरामीटर का आमतौर पर छोटा लेकिन फिर भी सार्थक प्रभाव होता है। संवेदनशीलता विश्लेषण - दूसरों को स्थिर रखते हुए एक इनपुट को अलग करना - यह पहचानने का सबसे अच्छा तरीका है कि आपके विशिष्ट परिदृश्य में कौन सा कारक सबसे अधिक मायने रखता है।
मुझे कितनी बार पुनर्गणना करनी चाहिए?
लंबे गुणन का उपयोग करने के लिए, निर्दिष्ट फ़ील्ड में आवश्यक इनपुट मान दर्ज करें - इनमें आम तौर पर सूत्र में संदर्भित प्राथमिक मात्राएं जैसे दरें, मात्रा, समय अवधि या भौतिक माप शामिल होते हैं। कैलकुलेटर इन इनपुट को आउटपुट मीट्रिक में बदलने के लिए मानक गणितीय संबंध लागू करता है। सर्वोत्तम परिणामों के लिए, सत्यापित करें कि सभी इनपुट सुसंगत इकाइयों का उपयोग करते हैं, स्रोत दस्तावेज़ों के विरुद्ध मूल्यों की दोबारा जाँच करें और संदर्भ में आउटपुट की समीक्षा करें। थोड़े अलग इनपुट के साथ गणना चलाने से यह पता चलता है कि कौन से चर का परिणाम पर सबसे अधिक प्रभाव पड़ता है।
इस कैलकुलेटर का उपयोग करते समय सामान्य गलतियाँ क्या हैं?
जब भी आपको सामान्य रूप से निर्णय लेने, योजना बनाने, तुलना करने या सत्यापन के लिए विश्वसनीय, प्रतिलिपि प्रस्तुत करने योग्य गणना की आवश्यकता हो तो दीर्घ गुणन का उपयोग करें। सामान्य ट्रिगर्स में एक नए अवसर का मूल्यांकन करना, दो या दो से अधिक विकल्पों की तुलना करना, यह जांचना कि उद्धृत आंकड़ा उचित है या नहीं, दस्तावेज़ तैयार करना जिसके लिए सटीक संख्याओं की आवश्यकता होती है, या समय के साथ परिवर्तनों की निगरानी करना शामिल है। पेशेवर सेटिंग्स में, नियमित रूप से पुनर्गणना - विशेष रूप से जब मुख्य इनपुट बदलते हैं - यह सुनिश्चित करता है कि निर्णय पुराने अनुमानों के बजाय वर्तमान डेटा पर आधारित हैं।
लंबे गुणन में स्थानीय मान संरेखण अंतिम उत्पाद को कैसे प्रभावित करता है?
लंबे गुणन में, उचित स्थानीय-मान संरेखण महत्वपूर्ण है क्योंकि यह सुनिश्चित करता है कि प्रत्येक आंशिक उत्पाद को सही स्थानीय मान में जोड़ा गया है, इस प्रकार त्रुटियों से बचा जा सकता है। उदाहरण के लिए, जब 347 को 56 से गुणा किया जाता है, तो आंशिक उत्पाद 347 × 6 = 2082 को इकाई पंक्ति के साथ संरेखित किया जाता है, और 347 × 50 = 17350 को दहाई पंक्ति के साथ संरेखित किया जाता है। यह संरेखण महत्वपूर्ण है क्योंकि यह अंतिम उत्पाद की सटीक गणना की अनुमति देता है, जो इस मामले में 2082 + 17350 = 19432 होगा। स्थान-मूल्य संरेखण पर विचार करके, व्यक्ति यह सुनिश्चित कर सकते हैं कि उनकी लंबी गुणन गणना सटीक और विश्वसनीय है।
सामान्य गलतियां जिनसे बचना है
▾
- !इनपुट मानों के लिए गलत या बेमेल इकाइयों का उपयोग करना
- !किनारे के मामलों या सीमा स्थितियों का हिसाब देना भूल जाना
- !गणना में मध्यवर्ती मानों को बहुत जल्दी पूर्णांकित करना
- !यह सत्यापित नहीं करना कि इनपुट मान लंबे गुणन के लिए मान्य सीमाओं के भीतर आते हैं
विशेष टिप
अनुमान लगाने के लिए एक कारक को गोल करें: 47×36 ≈ 50×36=1,800. आपका सटीक उत्तर इसके करीब होना चाहिए. लंबे गुणन के साथ सर्वोत्तम परिणामों के लिए, गणना करने से पहले हमेशा स्रोत डेटा के विरुद्ध अपने इनपुट को क्रॉस-सत्यापित करें। थोड़े अलग इनपुट (संवेदनशीलता विश्लेषण) के साथ गणना चलाने से आपको यह समझने में मदद मिलती है कि कौन से पैरामीटर का आउटपुट पर सबसे अधिक प्रभाव पड़ता है और माप सटीकता सबसे अधिक मायने रखती है।
क्या आप जानते हैं?
लंबे गुणन के पीछे के गणितीय सिद्धांतों का कई उद्योगों में व्यावहारिक अनुप्रयोग है और दशकों के वास्तविक दुनिया के उपयोग के माध्यम से इसे परिष्कृत किया गया है।
Read the full guide on how to use this calculator effectively
और पढ़ें →साप्ताहिक गणित युक्तियाँ प्राप्त करें
12,000+ सब्सक्राइबर्स से जुड़ें जिन्हें हर हफ्ते कैलकुलेटर टिप्स मिलते हैं।