Diagrams.Solve.Polynomial:cubForm from diagrams-solve-0.1, D

Percentage Accurate: 98.0% → 99.4%

Time: 16.4s

Alternatives: 3

Speedup: 1.0×

Specification

Math

\[\begin{array}{l} \\ \frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))

C

double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (1.0d0 / 3.0d0) * acos((((3.0d0 * (x / (y * 27.0d0))) / (z * 2.0d0)) * sqrt(t)))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * Math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * Math.sqrt(t)));
}

Python

def code(x, y, z, t):
	return (1.0 / 3.0) * math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * math.sqrt(t)))

Julia

function code(x, y, z, t)
	return Float64(Float64(1.0 / 3.0) * acos(Float64(Float64(Float64(3.0 * Float64(x / Float64(y * 27.0))) / Float64(z * 2.0)) * sqrt(t))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(1.0 / 3.0), $MachinePrecision] * N[ArcCos[N[(N[(N[(3.0 * N[(x / N[(y * 27.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(z * 2.0), $MachinePrecision]), $MachinePrecision] * N[Sqrt[t], $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Initial Program: 98.0% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))

C

double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (1.0d0 / 3.0d0) * acos((((3.0d0 * (x / (y * 27.0d0))) / (z * 2.0d0)) * sqrt(t)))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * Math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * Math.sqrt(t)));
}

Python

def code(x, y, z, t):
	return (1.0 / 3.0) * math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * math.sqrt(t)))

Julia

function code(x, y, z, t)
	return Float64(Float64(1.0 / 3.0) * acos(Float64(Float64(Float64(3.0 * Float64(x / Float64(y * 27.0))) / Float64(z * 2.0)) * sqrt(t))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(1.0 / 3.0), $MachinePrecision] * N[ArcCos[N[(N[(N[(3.0 * N[(x / N[(y * 27.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(z * 2.0), $MachinePrecision]), $MachinePrecision] * N[Sqrt[t], $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Alternative 1: 99.4% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 1\right) \cdot 0.3333333333333333 + -0.3333333333333333 \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (+
  (*
   (+ (acos (* x (* (sqrt t) (/ (/ 0.05555555555555555 z) y)))) 1.0)
   0.3333333333333333)
  -0.3333333333333333))

C

double code(double x, double y, double z, double t) {
	return ((acos((x * (sqrt(t) * ((0.05555555555555555 / z) / y)))) + 1.0) * 0.3333333333333333) + -0.3333333333333333;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = ((acos((x * (sqrt(t) * ((0.05555555555555555d0 / z) / y)))) + 1.0d0) * 0.3333333333333333d0) + (-0.3333333333333333d0)
end function

Java

public static double code(double x, double y, double z, double t) {
	return ((Math.acos((x * (Math.sqrt(t) * ((0.05555555555555555 / z) / y)))) + 1.0) * 0.3333333333333333) + -0.3333333333333333;
}

Python

def code(x, y, z, t):
	return ((math.acos((x * (math.sqrt(t) * ((0.05555555555555555 / z) / y)))) + 1.0) * 0.3333333333333333) + -0.3333333333333333

Julia

function code(x, y, z, t)
	return Float64(Float64(Float64(acos(Float64(x * Float64(sqrt(t) * Float64(Float64(0.05555555555555555 / z) / y)))) + 1.0) * 0.3333333333333333) + -0.3333333333333333)
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = ((acos((x * (sqrt(t) * ((0.05555555555555555 / z) / y)))) + 1.0) * 0.3333333333333333) + -0.3333333333333333;
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(N[(N[ArcCos[N[(x * N[(N[Sqrt[t], $MachinePrecision] * N[(N[(0.05555555555555555 / z), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + 1.0), $MachinePrecision] * 0.3333333333333333), $MachinePrecision] + -0.3333333333333333), $MachinePrecision]

Derivation

1. Initial program 96.9%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 96.9%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. associate-/l/ 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

   3. associate-*l/ 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

   4. *-commutative 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

6. Applied egg-rr 98.1%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
7. Step-by-step derivation

   1. add-sqr-sqrt 98.1%

      \[\leadsto \color{blue}{\sqrt{0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)} \cdot \sqrt{0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)}} \]

   2. sqrt-unprod 98.1%

      \[\leadsto \color{blue}{\sqrt{\left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)\right) \cdot \left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)\right)}} \]

   3. *-commutative 98.1%

      \[\leadsto \sqrt{\color{blue}{\left(\cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right) \cdot 0.3333333333333333\right)} \cdot \left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)\right)} \]

   4. *-commutative 98.1%

      \[\leadsto \sqrt{\left(\cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right) \cdot 0.3333333333333333\right) \cdot \color{blue}{\left(\cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right) \cdot 0.3333333333333333\right)}} \]

   5. swap-sqr 98.1%

      \[\leadsto \sqrt{\color{blue}{\left(\cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right) \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{y \cdot z} \cdot \sqrt{t}\right)\right) \cdot \left(0.3333333333333333 \cdot 0.3333333333333333\right)}} \]

8. Applied egg-rr 98.1%

   \[\leadsto \color{blue}{\sqrt{{\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right)}^{2} \cdot 0.1111111111111111}} \]
9. Step-by-step derivation

   1. associate-*r* 97.7%

      \[\leadsto \sqrt{{\cos^{-1} \color{blue}{\left(\left(x \cdot \sqrt{t}\right) \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)}}^{2} \cdot 0.1111111111111111} \]

   2. associate-/l/ 97.7%

      \[\leadsto \sqrt{{\cos^{-1} \left(\left(x \cdot \sqrt{t}\right) \cdot \color{blue}{\frac{0.05555555555555555}{y \cdot z}}\right)}^{2} \cdot 0.1111111111111111} \]

10. Simplified 97.7%

    \[\leadsto \color{blue}{\sqrt{{\cos^{-1} \left(\left(x \cdot \sqrt{t}\right) \cdot \frac{0.05555555555555555}{y \cdot z}\right)}^{2} \cdot 0.1111111111111111}} \]
11. Step-by-step derivation

    1. *-commutative 97.7%

       \[\leadsto \sqrt{\color{blue}{0.1111111111111111 \cdot {\cos^{-1} \left(\left(x \cdot \sqrt{t}\right) \cdot \frac{0.05555555555555555}{y \cdot z}\right)}^{2}}} \]

    2. sqrt-prod 97.7%

       \[\leadsto \color{blue}{\sqrt{0.1111111111111111} \cdot \sqrt{{\cos^{-1} \left(\left(x \cdot \sqrt{t}\right) \cdot \frac{0.05555555555555555}{y \cdot z}\right)}^{2}}} \]

    3. metadata-eval 97.7%

       \[\leadsto \color{blue}{0.3333333333333333} \cdot \sqrt{{\cos^{-1} \left(\left(x \cdot \sqrt{t}\right) \cdot \frac{0.05555555555555555}{y \cdot z}\right)}^{2}} \]

    4. associate-*l* 98.1%

       \[\leadsto 0.3333333333333333 \cdot \sqrt{{\cos^{-1} \color{blue}{\left(x \cdot \left(\sqrt{t} \cdot \frac{0.05555555555555555}{y \cdot z}\right)\right)}}^{2}} \]

    5. associate-/l/ 98.1%

       \[\leadsto 0.3333333333333333 \cdot \sqrt{{\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \color{blue}{\frac{\frac{0.05555555555555555}{z}}{y}}\right)\right)}^{2}} \]

    6. sqrt-pow1 98.1%

       \[\leadsto 0.3333333333333333 \cdot \color{blue}{{\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right)}^{\left(\frac{2}{2}\right)}} \]

    7. +-rgt-identity 98.1%

       \[\leadsto 0.3333333333333333 \cdot {\color{blue}{\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 0\right)}}^{\left(\frac{2}{2}\right)} \]

    8. metadata-eval 98.1%

       \[\leadsto 0.3333333333333333 \cdot {\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 0\right)}^{\color{blue}{1}} \]

    9. metadata-eval 98.1%

       \[\leadsto 0.3333333333333333 \cdot {\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + \color{blue}{\left(1 - 1\right)}\right)}^{1} \]

    10. associate--l+ 98.1%

        \[\leadsto 0.3333333333333333 \cdot {\color{blue}{\left(\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 1\right) - 1\right)}}^{1} \]

    11. pow1 98.1%

        \[\leadsto 0.3333333333333333 \cdot \color{blue}{\left(\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 1\right) - 1\right)} \]

    12. sub-neg 98.1%

        \[\leadsto 0.3333333333333333 \cdot \color{blue}{\left(\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 1\right) + \left(-1\right)\right)} \]

12. Applied egg-rr 99.6%

    \[\leadsto \color{blue}{\left(\cos^{-1} \left(x \cdot \left(\sqrt{t} \cdot \frac{\frac{0.05555555555555555}{z}}{y}\right)\right) + 1\right) \cdot 0.3333333333333333 + -0.3333333333333333} \]
13. Add Preprocessing

Alternative 2: 98.0% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \frac{x \cdot 0.05555555555555555}{z \cdot y}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (*
  0.3333333333333333
  (acos (* (sqrt t) (/ (* x 0.05555555555555555) (* z y))))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * acos((sqrt(t) * ((x * 0.05555555555555555) / (z * y))));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = 0.3333333333333333d0 * acos((sqrt(t) * ((x * 0.05555555555555555d0) / (z * y))))
end function

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.acos((Math.sqrt(t) * ((x * 0.05555555555555555) / (z * y))));
}

Python

def code(x, y, z, t):
	return 0.3333333333333333 * math.acos((math.sqrt(t) * ((x * 0.05555555555555555) / (z * y))))

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * acos(Float64(sqrt(t) * Float64(Float64(x * 0.05555555555555555) / Float64(z * y)))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = 0.3333333333333333 * acos((sqrt(t) * ((x * 0.05555555555555555) / (z * y))));
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[ArcCos[N[(N[Sqrt[t], $MachinePrecision] * N[(N[(x * 0.05555555555555555), $MachinePrecision] / N[(z * y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 96.9%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 96.9%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. associate-/l/ 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

   3. associate-*l/ 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

   4. *-commutative 98.1%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

6. Applied egg-rr 98.1%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]

7. Final simplification 98.1%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \frac{x \cdot 0.05555555555555555}{z \cdot y}\right) \]
8. Add Preprocessing

Alternative 3: 98.0% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right)\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (*
  0.3333333333333333
  (acos (* (sqrt t) (* 0.05555555555555555 (/ (/ x y) z))))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * acos((sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = 0.3333333333333333d0 * acos((sqrt(t) * (0.05555555555555555d0 * ((x / y) / z))))
end function

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.acos((Math.sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
}

Python

def code(x, y, z, t):
	return 0.3333333333333333 * math.acos((math.sqrt(t) * (0.05555555555555555 * ((x / y) / z))))

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * acos(Float64(sqrt(t) * Float64(0.05555555555555555 * Float64(Float64(x / y) / z)))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = 0.3333333333333333 * acos((sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[ArcCos[N[(N[Sqrt[t], $MachinePrecision] * N[(0.05555555555555555 * N[(N[(x / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 96.9%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 96.9%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing

5. Final simplification 96.9%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right)\right) \]
6. Add Preprocessing

Developer Target 1: 98.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{\cos^{-1} \left(\frac{\frac{x}{27}}{y \cdot z} \cdot \frac{\sqrt{t}}{\frac{2}{3}}\right)}{3} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (/ (acos (* (/ (/ x 27.0) (* y z)) (/ (sqrt t) (/ 2.0 3.0)))) 3.0))

C

double code(double x, double y, double z, double t) {
	return acos((((x / 27.0) / (y * z)) * (sqrt(t) / (2.0 / 3.0)))) / 3.0;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = acos((((x / 27.0d0) / (y * z)) * (sqrt(t) / (2.0d0 / 3.0d0)))) / 3.0d0
end function

Java

public static double code(double x, double y, double z, double t) {
	return Math.acos((((x / 27.0) / (y * z)) * (Math.sqrt(t) / (2.0 / 3.0)))) / 3.0;
}

Python

def code(x, y, z, t):
	return math.acos((((x / 27.0) / (y * z)) * (math.sqrt(t) / (2.0 / 3.0)))) / 3.0

Julia

function code(x, y, z, t)
	return Float64(acos(Float64(Float64(Float64(x / 27.0) / Float64(y * z)) * Float64(sqrt(t) / Float64(2.0 / 3.0)))) / 3.0)
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = acos((((x / 27.0) / (y * z)) * (sqrt(t) / (2.0 / 3.0)))) / 3.0;
end

Wolfram

code[x_, y_, z_, t_] := N[(N[ArcCos[N[(N[(N[(x / 27.0), $MachinePrecision] / N[(y * z), $MachinePrecision]), $MachinePrecision] * N[(N[Sqrt[t], $MachinePrecision] / N[(2.0 / 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] / 3.0), $MachinePrecision]

Reproduce

herbie shell --seed 2024181 
(FPCore (x y z t)
  :name "Diagrams.Solve.Polynomial:cubForm  from diagrams-solve-0.1, D"
  :precision binary64

  :alt
  (! :herbie-platform default (/ (acos (* (/ (/ x 27) (* y z)) (/ (sqrt t) (/ 2 3)))) 3))

  (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))