numpy.arccosh

numpy.arccosh(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'arccosh'>

Обратная гиперболическая косинус, поэлементно.

Параметры:

x : array_like Массив входных данных. out : ndarray, None, or tuple of ndarray and None, optional Место для хранения результата. Если указано, оно должно иметь форму, к которой векторизуются входные данные. Если не указано или None, возвращается свежевыделенный массив. Кортеж (только как ключевой аргумент) должен иметь длину, равную количеству результатов. where : array_like, optional Это условие векторизуется по входным данным. В местах, где условие истинно, массив out будет установлен в результат ufunc. В противном случае массив out сохранит свое исходное значение. Обратите внимание, что если массив out создан с помощью значения по умолчанию out=None, расположения в нем, где условие ложно, останутся неинициализированными. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

arccosh : ndarray Массив с такой же формой, как и x. Это скалярное значение, если x является скалярным.

См. также

cosh, arcsinh, sinh, arctanh, tanh

Примечания

arccosh — многозначная функция: для каждого x существует бесконечно много чисел z таких, что cosh(z) = x. Принято возвращать z с мнимой частью в [-pi, pi] и действительной частью в [0, inf].

Для вещественных типов входных данных arccosh всегда возвращает вещественный результат. Для каждого значения, которое не может быть выражено как вещественное число или бесконечность, она возвращает nan и устанавливает флаг ошибки с плавающей точкой invalid.

Для комплексных входных данных arccosh является комплексной аналитической функцией, у которой есть разрез ветвей [-inf, 1] и которая непрерывна сверху на нём.

Ссылки

[1]	М. Абрамовиц и И.А. Стегун, «Справочник по математическим функциям», 10-е издание, 1964 г., стр. 86. http://www.math.sfu.ca/~cbm/aands/

[2]	Википедия, «Обратная гиперболическая функция», https://en.wikipedia.org/wiki/Arccosh

Примеры

>>> np.arccosh([np.e, 10.0])
array([ 1.65745445,  2.99322285])
>>> np.arccosh(1)
0.0