qlog (example 3.10)

Average Error: 61.3 → 0.3

Time: 21.1s

Precision: binary64

Cost: 13632

\[-1 < x \land x < 1\]

Math

\[\frac{\log \left(1 - x\right)}{\log \left(1 + x\right)} \]

↓

\[\left(\left({x}^{3} \cdot -0.4166666666666667 + -0.5 \cdot {x}^{2}\right) - 1\right) - x \]

FPCore

(FPCore (x) :precision binary64 (/ (log (- 1.0 x)) (log (+ 1.0 x))))

↓

(FPCore (x)
 :precision binary64
 (- (- (+ (* (pow x 3.0) -0.4166666666666667) (* -0.5 (pow x 2.0))) 1.0) x))

C

double code(double x) {
	return log((1.0 - x)) / log((1.0 + x));
}

↓

double code(double x) {
	return (((pow(x, 3.0) * -0.4166666666666667) + (-0.5 * pow(x, 2.0))) - 1.0) - x;
}

Fortran

real(8) function code(x)
    real(8), intent (in) :: x
    code = log((1.0d0 - x)) / log((1.0d0 + x))
end function

↓

real(8) function code(x)
    real(8), intent (in) :: x
    code = ((((x ** 3.0d0) * (-0.4166666666666667d0)) + ((-0.5d0) * (x ** 2.0d0))) - 1.0d0) - x
end function

Java

public static double code(double x) {
	return Math.log((1.0 - x)) / Math.log((1.0 + x));
}

↓

public static double code(double x) {
	return (((Math.pow(x, 3.0) * -0.4166666666666667) + (-0.5 * Math.pow(x, 2.0))) - 1.0) - x;
}

Python

def code(x):
	return math.log((1.0 - x)) / math.log((1.0 + x))

↓

def code(x):
	return (((math.pow(x, 3.0) * -0.4166666666666667) + (-0.5 * math.pow(x, 2.0))) - 1.0) - x

Julia

function code(x)
	return Float64(log(Float64(1.0 - x)) / log(Float64(1.0 + x)))
end

↓

function code(x)
	return Float64(Float64(Float64(Float64((x ^ 3.0) * -0.4166666666666667) + Float64(-0.5 * (x ^ 2.0))) - 1.0) - x)
end

MATLAB

function tmp = code(x)
	tmp = log((1.0 - x)) / log((1.0 + x));
end

↓

function tmp = code(x)
	tmp = ((((x ^ 3.0) * -0.4166666666666667) + (-0.5 * (x ^ 2.0))) - 1.0) - x;
end

Wolfram

code[x_] := N[(N[Log[N[(1.0 - x), $MachinePrecision]], $MachinePrecision] / N[Log[N[(1.0 + x), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

↓

code[x_] := N[(N[(N[(N[(N[Power[x, 3.0], $MachinePrecision] * -0.4166666666666667), $MachinePrecision] + N[(-0.5 * N[Power[x, 2.0], $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - 1.0), $MachinePrecision] - x), $MachinePrecision]

Target

Original	61.3
Target	0.3
Herbie	0.3

\[-\left(\left(\left(1 + x\right) + \frac{x \cdot x}{2}\right) + 0.4166666666666667 \cdot {x}^{3}\right) \]

Derivation

1. Initial program 61.3

   \[\frac{\log \left(1 - x\right)}{\log \left(1 + x\right)} \]

2. Taylor expanded in x around 0 0.3

   \[\leadsto \color{blue}{\left(-0.5 \cdot {x}^{2} + \left(-1 \cdot x + -0.4166666666666667 \cdot {x}^{3}\right)\right) - 1} \]

3. Simplified 0.3

   \[\leadsto \color{blue}{-0.5 \cdot {x}^{2} + \left(\left(-1 - x\right) + {x}^{3} \cdot -0.4166666666666667\right)} \]
   Proof

   [Start] 0.3	\[ \left(-0.5 \cdot {x}^{2} + \left(-1 \cdot x + -0.4166666666666667 \cdot {x}^{3}\right)\right) - 1 \]
   rational.json-simplify-16 [=>] 0.3	\[ \color{blue}{\left(-0.5 \cdot {x}^{2} + \left(-1 \cdot x + -0.4166666666666667 \cdot {x}^{3}\right)\right) + -1} \]
   rational.json-simplify-1 [=>] 0.3	\[ \color{blue}{-1 + \left(-0.5 \cdot {x}^{2} + \left(-1 \cdot x + -0.4166666666666667 \cdot {x}^{3}\right)\right)} \]
   rational.json-simplify-41 [<=] 0.3	\[ -1 + \color{blue}{\left(-0.4166666666666667 \cdot {x}^{3} + \left(-0.5 \cdot {x}^{2} + -1 \cdot x\right)\right)} \]
   rational.json-simplify-41 [=>] 0.3	\[ \color{blue}{-0.4166666666666667 \cdot {x}^{3} + \left(\left(-0.5 \cdot {x}^{2} + -1 \cdot x\right) + -1\right)} \]
   rational.json-simplify-1 [=>] 0.3	\[ -0.4166666666666667 \cdot {x}^{3} + \color{blue}{\left(-1 + \left(-0.5 \cdot {x}^{2} + -1 \cdot x\right)\right)} \]
   rational.json-simplify-41 [=>] 0.3	\[ -0.4166666666666667 \cdot {x}^{3} + \color{blue}{\left(-0.5 \cdot {x}^{2} + \left(-1 \cdot x + -1\right)\right)} \]
   rational.json-simplify-16 [<=] 0.3	\[ -0.4166666666666667 \cdot {x}^{3} + \left(-0.5 \cdot {x}^{2} + \color{blue}{\left(-1 \cdot x - 1\right)}\right) \]
   rational.json-simplify-41 [=>] 0.3	\[ \color{blue}{-0.5 \cdot {x}^{2} + \left(\left(-1 \cdot x - 1\right) + -0.4166666666666667 \cdot {x}^{3}\right)} \]
   rational.json-simplify-2 [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\left(\color{blue}{x \cdot -1} - 1\right) + -0.4166666666666667 \cdot {x}^{3}\right) \]
   rational.json-simplify-9 [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\left(\color{blue}{\left(-x\right)} - 1\right) + -0.4166666666666667 \cdot {x}^{3}\right) \]
   rational.json-simplify-64 [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\color{blue}{\left(\left(-1 - x\right) + \left(1 - 1\right)\right)} + -0.4166666666666667 \cdot {x}^{3}\right) \]
   metadata-eval [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\left(\left(-1 - x\right) + \color{blue}{0}\right) + -0.4166666666666667 \cdot {x}^{3}\right) \]
   rational.json-simplify-4 [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\color{blue}{\left(-1 - x\right)} + -0.4166666666666667 \cdot {x}^{3}\right) \]
   rational.json-simplify-2 [=>] 0.3	\[ -0.5 \cdot {x}^{2} + \left(\left(-1 - x\right) + \color{blue}{{x}^{3} \cdot -0.4166666666666667}\right) \]

4. Applied egg-rr 0.3

   \[\leadsto \color{blue}{\left(\left({x}^{3} \cdot -0.4166666666666667 + -0.5 \cdot {x}^{2}\right) - 1\right) - x} \]

5. Final simplification 0.3

   \[\leadsto \left(\left({x}^{3} \cdot -0.4166666666666667 + -0.5 \cdot {x}^{2}\right) - 1\right) - x \]

Alternatives

Alternative 1
Error	0.3
Cost	13632

\[-0.5 \cdot {x}^{2} + \left(\left(-1 - x\right) + {x}^{3} \cdot -0.4166666666666667\right) \]

Alternative 2
Error	0.4
Cost	6912

\[-0.5 \cdot {x}^{2} + \left(-1 - x\right) \]

Alternative 3
Error	0.7
Cost	192

\[-1 - x \]

Alternative 4
Error	1.4
Cost	64

\[-1 \]

Reproduce

herbie shell --seed 2023077 
(FPCore (x)
  :name "qlog (example 3.10)"
  :precision binary64
  :pre (and (< -1.0 x) (< x 1.0))

  :herbie-target
  (- (+ (+ (+ 1.0 x) (/ (* x x) 2.0)) (* 0.4166666666666667 (pow x 3.0))))

  (/ (log (- 1.0 x)) (log (+ 1.0 x))))