numpy.arccosh

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

Обратная гиперболическая косинусная функция, поэлементно.

Параметры

xarray_like

Вводной массив.

outndarray, None, or tuple of ndarray and None, optional

Место, в которое будет сохранён результат. Если указано, его форма должна соответствовать форме входных данных. Если не указано или равно None, возвращается новый массив. Кортеж (только в качестве именованного аргумента) должен иметь длину, равную числу выходов.

wherearray_like, optional

Это условие транслируется по входным данным. В местах, где условие истинно, массив out будет установлен в результат функции ufunc. В противном случае массив out сохранит своё исходное значение. Обратите внимание, что если массив out создаётся с помощью значения по умолчанию out=None, места в нём, где условие ложно, останутся неинициализированными.

**kwargs

Для других именованных аргументов см. документацию по функциям ufunc.

Возвращает

arccoshndarray

Массив той же формы, что и x. Это скаляр, если x скаляр.

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, чья мнимая часть лежит в [-pi, pi], а действительная — в [0, inf].

Для вещественных входных типов 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 — комплексная аналитическая функция, у которой есть разрез ветвей [-inf, 1] и которая непрерывна сверху на нём.

Ссылки

1

M. Abramowitz and I.A. Stegun, “Handbook of Mathematical Functions”, 10th printing, 1964, pp. 86. http://www.math.sfu.ca/~cbm/aands/

2

Wikipedia, “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