Full download Solution Manual for Introduction to Management Science, 11/E 11th Edition Bernard W. Taylor file pdf all chapter on 2024

Solution Manual for Introduction to
Management Science, 11/E 11th Edition

Bernard W. Taylor
Go to download the full and correct content document:
http://testbankbell.com/product/solution-manual-for-introduction-to-management-scien
ce-11-e-11th-edition-bernard-w-taylor/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Introduction to Management Science Taylor 11th Edition

Test Bank
https://testbankbell.com/product/introduction-to-management-
science-taylor-11th-edition-test-bank/

Solutions Manual
science-taylor-10th-edition-solutions-manual/
Introduction to Management Science 12th Edition Taylor

Test Bank
science-12th-edition-taylor-test-bank/

Test Bank
science-taylor-10th-edition-test-bank/
Solutions Manual to accompany Introduction to
Management Science 4th edition
https://testbankbell.com/product/solutions-manual-to-accompany-
introduction-to-management-science-4th-edition/
Test Bank for Operations Management: Creating Value

Along the Supply Chain, 2nd Canadian Edition, Roberta
S. Russell, Bernard W. Taylor, Tiffany Bayley Ignacio
Castillo
https://testbankbell.com/product/test-bank-for-operations-
management-creating-value-along-the-supply-chain-2nd-canadian-
edition-roberta-s-russell-bernard-w-taylor-tiffany-bayley-
ignacio-castillo-2/
Test Bank for Operations Management: Creating Value

Along the Supply Chain, 2nd Canadian Edition, Roberta
S. Russell, Bernard W. Taylor Tiffany Bayley Ignacio
Castillo
https://testbankbell.com/product/test-bank-for-operations-
management-creating-value-along-the-supply-chain-2nd-canadian-
edition-roberta-s-russell-bernard-w-taylor-tiffany-bayley-
ignacio-castillo/
Solution Manual for An Introduction to Management

Science Quantitative Approaches to Decision Making 13th
Edition by Anderson
https://testbankbell.com/product/solution-manual-for-an-
introduction-to-management-science-quantitative-approaches-to-
decision-making-13th-edition-by-anderson/
Test Bank for Introduction to Psychology 11th Edition

James W. Kalat
https://testbankbell.com/product/test-bank-for-introduction-to-
psychology-11th-edition-james-w-kalat/
Introduction to Management Science, 11/E 11th
Full chapter download at: https://testbankbell.com/product/solution-manual-for-introduction-to-

management-science-11-e-11th-edition-bernard-w-taylor/
Chapter Two: Linear Programming: Model Formulation and Graphical Solution

PROBLEM SUMMARY 32. Sensitivity analysis (2–31)
33. Minimization, graphical solution
1. Maximization (1–28 continuation), graphical
solution 34. Maximization, graphical solution
2. Maximization, graphical solution
4. Sensitivity analysis (2–3)
7. Slack analysis (2–6)
10. Slack analysis (2–9)
21. Standard form (2–20)
23. Standard form (2–22)
25. Constraint analysis (2–24)
2-1
Copyright © 2013 Pearson Education, Inc. publishing as Prentice Hall
36. Maximization, graphical solution 54. Sensitivity analysis (2–53)
37. Sensitivity analysis (2–34) 55. Minimization, graphical solution
38. Minimization, graphical solution 56. Sensitivity analysis (2–55)
39. Maximization, graphical solution 57. Maximization, graphical solution
40. Maximization, graphical solution 58. Minimization, graphical solution
41. Sensitivity analysis (2–38) 59. Sensitivity analysis (2–52)
42. Maximization, graphical solution 60. Maximization, graphical solution
43. Sensitivity analysis (2–40) 61. Sensitivity analysis (2–54)
44. Maximization, graphical solution 62. Multiple optimal solutions
45. Sensitivity analysis (2–42) 63. Infeasible problem
46. Minimization, graphical solution 64. Unbounded problem
48. Maximization, graphical solution PROBLEM SOLUTIONS
49. Sensitivity analysis (2–46) 1. a) x1 = # cakes
50. Maximization, graphical solution x2 = # loaves of bread
maximize Z = $10x1 + 6x2
51. Sensitivity analysis (2–48) subject to
52. Maximization, graphical solution 3x1 + 8x2 ≤ 20 cups of flour
45x1 + 30x2 ≤ 180 minutes
53. Minimization, graphical solution x1,x2 ≥ 0
2-2
b) b)
x2
A: x1 = 0 *A : x1 = 0
x2
12 x2 = 2.5 x2 = 8
Z = 15 12 Z = .24
10
B: x1 = 3.1 B : x1 = 12/5
10
8 x2 = 1.33 x2 = 24/5
Z = 38.98 A
8 Z = .26
6
*C: x1 = 4 optimal C : x1 = 12
x2 = 0 6
4 B x2 = 0
Z = 40
A 4 Z = .60
2 B
Point A is optimal
x 2 Z
C
1
0 2 4 6 8 10 12 14 C
x1
0 2 4 6 8 10 12 14
2. a) Maximize Z = 6x1 + 4x2 (profit, $)
subject to 4. The optimal solution point would change
10x1 + 10x2 ≤ 100 (line 1, hr) from point A to point B, thus resulting in
7x1 + 3x2 ≤ 42 (line 2, hr) the optimal solution
x1,x2 ≥ 0 x1 = 12/5 x2 = 24/5 Z = .408
b) 5. a) Minimize Z = 3x1 + 5x2 (cost, $)
x2 subject to
A : x1 = 0
10x + 2x ≥ 20 (nitrogen, oz)
1 2
14 x2 = 10
Z = 40
6x1 + 6x2 ≥ 36 (phosphate, oz)
12 x2 ≥ 2 (potassium, oz)
*B : x1 = 3
A x2 = 7 x1,x2 ≥ 0
10
Z = 46 b)
8 C : x1 = 6 x2
B A : x1 = 0
x2 = 0
6 12 x2 = 10
Z = 36
A Z = 50
4 10
Z B : x1 = 1
Point B is optimal
2 8 x2 = 5
C x1 Z = 28
0 2 4 6 8 10 12 14 6
*C : x1 = 4
B
3. a) Minimize Z = .05x1 + .03x2 (cost, $) 4 x2 = 2
subject to Z = 22
2
8x1 + 6x2 ≥ 48 (vitamin A, mg) C Point C is optimal
Z
x1 + 2x2 ≥ 12 (vitamin B, mg) x1
x1,x2 ≥ 0 0 2 4 6 8 10 12 14

subject to
8x1 + 10x2 ≤ 80 (labor, hr)
2x1 + 6x2 ≤ 36 (wood)
x1 ≤ 6 (demand, chairs)
x1,x2 ≥ 0
2-3
b) b)
x2 x2 *A : x1 = 0
A : x1 = 0 * C : x1 = 6
12
x2 = 6 12 x2 = 4
x2 = 3.2
Z = 600 Z = 2,720 Z = 20
10 10
B : x1 = 30/7 D : x1 = 6 B : x1 = 2
8 x2 = 32/7 x2 = 0 x2 = 3
8
A Z = 2,171 Z = 2,400
6 Z = 17
B 6
C : x1 = 5
4 A
C Point C is optimal
4 x2 = 0
B
2 Z Z=5
D 2 Point A is optimal
x1 Z
0 2 4 6 8 10 12 14 16 18 C
x1
7. In order to solve this problem, you must 0 2 4 6 8 10 12 14
substitute the optimal solution into the 10. In order to solve this problem, you must
resource constraint for wood and the substitute the optimal solution into the
resource constraint for labor and resource constraints for flour and sugar
determine how much of each resource and determine how much of each
is left over. resource is left over.
Labor Flour
8x1 + 10x2 ≤ 80 hr 5x1 + 5x2 ≤ 25 lb
8(6) + 10(3.2) ≤ 80 5(0) + 5(4) ≤ 25

48 + 32 ≤ 80 20 ≤ 25
80 ≤ 80 25 − 20 = 5
There is no labor left unused. There are 5 lb of flour left unused.
Wood Sugar
2x1 + 6x2 ≤ 36 2x1 + 4x2 ≤ 16

2(6) + 6(3.2) ≤ 36 2(0) + 4(4) ≤ 16
12 + 19.2 ≤ 36 16 ≤ 16
31.2 ≤ 36
There is no sugar left unused.
36 − 31.2 = 4.8
11.
There is 4.8 lb of wood left unused.
x2 *A : x1 = 0
8. The new objective function, Z = 400x1 + x2 = 9
12
500x2, is parallel to the constraint for
Z = 54
labor, which results in multiple optimal 10 A

solutions. Points B (x1 = 30/7, x2 = 32/7) B : x1 = 4
and C (x1 = 6, x2 = 3.2) are the alternate 8 x2 = 3
optimal solutions, each with a profit of Z = 30
$4,000. 6 C : x1 = 4
9. a) Maximize Z = x1 + 5x2 (profit, $) 4 x2 = 1
subject to B Z = 18
2
5x1 + 5x2 ≤ 25 (flour, lb) Z C Point A is optimal
2x1 + 4x2 ≤ 16 (sugar, lb) x1
0 2 4 6 8 10 12
x1 ≤ 5 (demand for cakes)
x1,x2 ≥ 0 12. a) Minimize Z = 80x + 50x (cost, $)
2-4
1 2
b) subject to
b)
3x1 + x2 ≥ 6 (antibiotic 1, units)
x1 + x2 ≥ 4 (antibiotic 2, units)
2-5
2x1 + 6x2 ≥ 12 (antibiotic 3, units) 15. a) Optimal solution: x1 = 4 necklaces, x2 = 3
bracelets. The maximum demand is not
x1,x2 ≥ 0 achieved by the amount of one bracelet.
b)
x2
A : x1 = 0 C : x1 = 3 corresponds to no bracelets being
12 x2 = 6 x2 = 1 produced must be on the x1 axis where x2 =
Z = 300 Z = 290 0. This is point D on the graph. In order
10 *B : x 1 = 1 D : x1 = 6 for point D to be optimal, the objective
x2 = 3 x2 = 0 function “slope” must change such that it
8 Z = 230 Z = 480 is equal to or greater than the slope of the
A constraint line, 3x1 + 2x2 = 18.
6
Transforming this constraint into the form
4 y = a + bx enables us to compute the
B
slope:
2 Point B is optimal
C 2x2 = 18 − 3x1
Z D x1 x2 = 9 − 3/2x1
0 2 4 6 8 10 12 14
From this equation the slope is −3/2.
13. a) Maximize Z = 300x1 + 400x2 (profit, $) Thus, the slope of the objective function
subject to must be at least −3/2. Presently, the slope
of the objective function is −3/4:
3x1 + 2x2 ≤ 18 (gold, oz)
2x1 + 4x2 ≤ 20 (platinum, oz) 400x2 = Z − 300x1
x2 ≤ 4 (demand, bracelets) x2 = Z/400 − 3/4x1
x1,x2 ≥ 0 The profit for a necklace would have to

increase to $600 to result in a slope of −3/2:
b)
400x2 = Z − 600x1
x2
A: x1 = 0 *C: x1 = 4 x2 = Z/400 − 3/2x1
12 x2 = 4 x2 = 3
Z = 1,600 Z = 2,400
However, this creates a situation where
10 both points C and D are optimal, ie.,
B: x1 = 2 D: x1 = 6 multiple optimal solutions, as are all
8 x2 = 4 x2 = 0 points on the line segment between
Z = 2,200 Z = 1,800 C and D.
6
B
A
4
C
subject to
2
Point C is optimal
3x1 + 5x2 ≤ 150 (wool, yd )
2
Z 10x1 + 4x2 ≤ 200 (labor, hr)
D x1 x1,x2 ≥ 0
0 2 4 6 8 10 12 14
b)
14. The new objective function, Z = 300x1 +
600x2, is parallel to the constraint line for x2
platinum, which results in multiple A : x1 = 0
60
optimal solutions. Points B (x1 = 2, x2 = 4) be rnate

and C (x1 = 4, x2 = 3) are the alternate pres optimal
optimal solutions, each with a profit of ent solutions
$3,000. in are at x1 =
this 1.33, x2 = 4
The feasible solution space will change. sce
The new constraint line, 3x1 + 4x2 = 20, is nari
parallel to the existing objective function. o.
Thus, multiple optimal solutions will also The
alte
2-4
x2 =
30
50 Z=
1,200
40
*B :
A x1 =
30
B 10.5
20 x2 =
23.7
10 Z Z=
1,473
C
C:
x1
=
20
x
2
=
0
Z=
1,000
Point B is
optimal
and x1 = 2.4, x2 = 3.2, each with a profit x1
0 10 20 30 40 50 60 70
of $2,000.
2-6
17. The feasible solution space changes from 19. a) No, not this winter, but they might after
the area 0ABC to 0AB'C', as shown on the they recover equipment costs, which
nd
following graph. should be after the 2 winter.
x2
b) x1 = 55
60 x2 = 16.25
Z = 1,851
50
40
No, profit will go down
A c) x1 = 40
30
B′
x2 = 25
20 B
Z = 2,435
Z
10
Profit will increase slightly
C C′
x1
0 10 20 30 40 50 60 70 d) x1 = 55
x2 = 27.72
The extreme points to evaluate are now
A, B', and C'. Z = $2,073
A: x1 = 0 Profit will go down from (c)
x2 = 30 20.
Z = 1,200 x2
*B': x1 = 15.8 A : x1 = 0
12
x2 = 20.5 x2 = 5
10 Z=5
Z = 1,610
* B : x1 = 4
C': x1 = 24 8
x2 = 1
x2 = 0
Z=7
Z = 1,200 6
A
C : x1 = 4
Point B' is optimal 4 x
2= 0
18. a) Maximize Z = 23x1 + 73x2 Z=6
2
subject to B Point B is optimal
Z C
x1 ≤ 40 0 2 4 6 8 10 12 14
x1
x2 ≤ 25
21. Maximize Z = 1.5x + x + 0s + 0s + 0s
x1 + 4x2 ≤ 120
subject to
x1,x2 ≥ 0 1 2 1 2 3
b)
x1 + s1 = 4
x2 + s 2 = 6
x2
100
x1 + x2 + s3 = 5
x1,x2 ≥ 0
90
A: s1 = 4, s2 = 1, s3 = 0
C optimal,
80
x1 = 40
3
0 x2 = 20
70 Z = 2,380
B
A 22.
60 20
C
50
10
40
2-5
B: s1 = 0, s2 = 5,
s3 = 0
C: s1 = 0, s2 = 6,
s3 = 1
A
:
x2
x
12 1
A
10 =
8 0
Poin x2 =
tB 10
is
opti Z=
mal 80
6
* B : x1 = 8
4
x2 =
5.2
Z=
B 81.6
Z C
2
:
x
1
8
x
2
=
0
Z=
40
C
D x1
x1
0 10 20 30 40 50 60 70 80 90 100 110 120 0 2 4 6 8 10 12 14 18 20
16
2-6
23. Maximize Z = 5x1 + 8x2 + 0s1 + 0s3 + 0s4 27. Changing the pay for a full-time claims
subject to processor from $64 to $54 will change the
3x1 + 5x2 + s1 = 50 solution to point A in the graphical
2x1 + 4x2 + s2 = 40 solution where x1 = 28.125 and x2 = 0, i.e.,
there will be no part-time operators.
x1 + s3 = 8
Changing the pay for a part-time operator
x2 + s4 = 10 from $42 to $36 has no effect on the
x1,x2 ≥ 0 number of full-time and part-time
A: s1 = 0, s2 = 0, s3 = 8, s4 = 0 operators hired, although the total cost will
B: s1 = 0, s2 = 3.2, s3 = 0, s4 = 4.8 be reduced to $1,671.95.
C: s1 = 26, s2 = 24, s3 = 0, s4 = 10
28. Eliminating the constraint for defective
24. claims would result in a new solution,
x2 x1 = 0 and x2 = 37.5, where only part-time
16 A : x1 = 8 operators would be hired.

x2 = 6
14 29. The solution becomes infeasible; there
Z = 112
are not enough workstations to handle the
*B : x1 = 10
12 increase in the volume of claims.
x2 = 5
10 Z= 30.
115
x2
C : x1 = 15 A : x1 = 2
8
x2 = 0
6 Z = 97.5 12 x2 = 6
B Point B is optimal
A
Point B is Z = 52
Z
4 optimal 10 *B : x1 = 4
x2 = 2
2 8
Z = 44
C 6 A
x1
0 2 4 6 8 10 12 14 16 18 20 C : x1 = 6
x2 = 0
25. It changes the optimal solution to point A 4
Z = 48
(x1 = 8, x2 = 6, Z = 112), and the constraint,
2 B
x1 + x2 ≤ 15, is no longer part of the Z
solution space boundary. C
x1
–6 –4 –2 0 2 4 6 8 10 12
26. a) Minimize Z = 64x1 + 42x2 (labor cost, $)
subject to 31.
16x1 + 12x2 ≥ 450 (claims) x2 A : x1 = 2.67
x1 + x2 ≤ 40 (workstations) x2 = 2.33
12
0.5x1 + 1.4x2 ≤ 25 (defective claims) Point C is optimal Z = 22
x1,x2 ≥ 0 10 B : x1 = 4
(1) x2 = 3
b) 8 Z = 30
(4)
x2 *C : x1 = 4
(3)
50 6 x2 = 1
(2)
D
45 A Z = 18
A : x1 = 28.125 C : x1 = 5.55 4 B
x2 = 0 x2 = 34.45 D : x1 = 3.36
40 (5) C
Z = 1,800 Z = 2,437.9
2 x2 = 3.96
35 *B : x1 = 20.121 D : x1 = 40 Z = 33.84
x2 = 10.670 x2 = 0
x
30 1
Z = 1,735.97 Z = 2,560 0 2 4 6 8 10 12
25
Point B is optimal 32. The problem becomes infeasible.
20
2-6
15
10 B
C
5
A D
x1
0 5 10 15 20 25 30 35 40 45 50
2-7
33. 36. a) Maximize Z = $4.15x1 + 3.60x2 (profit, $)
subject to
x2
*A : x1 = 4.8 x1 + x2 ≤ 115 (freezer space, gals.)
12 x2 = 2.4
Z = 26.4
0.93x1 + 0.75x2 ≤ 90 (budget, $)
10
B : x1 = 6 x1 2
or x 2x 0 (demand)
8 x2 = 1.5 ≥ 1 − 2 ≥
x2 1
Z = 31.5
6
x1 ,x2 ≥ 0
4
A b)
Point A is optimal x2
2 Feasible
space B 120
x1
0 2 4 6 8 10 12 14 *A : x1 = 68.96 B : x1 = 96.77
100
34. x2 = 34.48 x2 = 0
Z = 410.35 Z = 401.6
x2
80 Point A is optimal
12 A : x1 = 4
x2 = 3.5
10 Z = 19
60
*B : x1 = 5
8
x2 = 3
6 Z = 21
40
A C : x1 = 4
4 A
B x2 = 1
2 Z = 14
20
0 C
x1
–10 –8 –6 –4 –2 2 4 6 8 10 12
B
–2 x1
Point B is optimal 0 20 40 60 80 100 120
–4
37. No additional profit, freezer space is not
–6 a binding constraint.
–8 38. a) Minimize Z = 200x1 + 160x2 (cost, $)
subject to
35.
6x1 + 2x2 ≥ 12 (high-grade ore, tons)
x2
2x1 + 2x2 ≥ 8 (medium-grade ore, tons)
12 *A : x1 = 3.2 4x1 + 12x2 ≥ 24 (low-grade ore, tons)

x2 = 6
x ,x ≥ 0
10 Z = 37.6
1 2
B : x1 = 5.33
b)
8
x2 = 3.33 x2
A
6 Z = 49.3 14 A : x1 = 0 C : x1 = 3
C : x1 = 9.6 x2 = 6 x2 = 1
4 12
x2 = 1.2 Z = 960 Z = 760
B
2 Z = 79.2 *B : x1 = 1 D : x1 = 6
10
x2 = 3 x2 = 0
0 C
x1 8 Z = 680
2 4 6 8 10 12 14 Z = 1,200
–2 Point A is optimal A
6
2-7
4 B 2 Point B is optimal
C
D
x1
0 2 4 6 8 10 12 14
2-8
39. a) Maximize Z = 800x1 + 900x2 (profit, $) The slope of the new objective function
subject to is computed as follows:
2x1 + 4x2 ≤ 30 (stamping, days) Z = 90x1 + 70x2
4x1 + 2x2 ≤ 30 (coating, days) 70x2 = Z − 90x1
x1 + x2 ≥ 9 (lots) x2 = Z/70 − 9/7x1
x1,x2 ≥ 0 slope = −9/7
b) The change in the objective function not

only changes the Z values but also results
x2 in a new solution point, C. The slope of
14 A : x1 = 3
the new objective function is steeper and
thus changes the solution point.
12 x2 = 6
Z = 7,800 A: x1 = 0 C: x1 = 5.3
10 * B : x1 = 5 x =8 x = 4.7
2 2
x2 = 5 Z = 560 Z = 806
8
Z = 8,500
B: x1 = 3.3 D: x1 = 8
6 B C : x1 = 6
A x = 6.7 x =0
2 2
x2 = 3
4 C Z = 766 Z = 720
Z = 7,500
2 Point B is optimal 42. a) Maximize Z = 9x1 + 12x2 (profit, $1,000s)
subject to
x1
0 2 4 6 8 10 12 14 16 4x1 + 8x2 ≤ 64 (grapes, tons)
3
40. a) Maximize Z = 30x1 + 70x2 (profit, $) 5x1 + 5x2 ≤ 50 (storage space, yd )

subject to 15x1 + 8x2 ≤ 120 (processing time, hr)
4x1 + 10x2 ≤ 80 (assembly, hr) x1 ≤ 7 (demand, Nectar)
14x1 + 8x2 ≤ 112 (finishing, hr) x2 ≤ 7 (demand, Red)
x1 + x2 ≤ 10 (inventory, units) x1,x2 ≥ 0
x1,x2 ≥ 0 b)
b) x2
18 A : x1 = 0 D : x1 = 5.71
x2
x2 = 7 x2 = 4.28
16 Z = 84
14 A : x1 = 0 C : x1 = 5.3 Z = 102.79
x2 = 8 x2 = 4.7 B : x1 = 2 E : x1 = 7
12 14
Z = 560 Z = 488 x2 = 7 x2 = 1.875
* B : x1 = 3.3 Z = 102 Z = 85.5
10 D : x1 = 8 12
x2 = 6.7 *C : x1 = 4 F : x1 = 7
x2 = 0
8 10 x2 = 6 x2 = 0
A Z = 568 Z = 240
Z = 108 Z = 63
6 B
8
Point B is optimal
C
Optimal point
4 A B
6 C
2 4 D
D
x1
0 2 4 6 8 10 12 14 16 18 20 2 E
41. The slope of the original objective 70x2 = Z − 30x1

function is computed as follows: x2 = Z/70 − 3/7x1
Z = 30x1 + 70x2 slope = −3/7
2-8
F
x1
0 2 4 6 8 10 12 14
16 18
43. a) 15(4) + 8(6) ≤

120 hr
60 + 48 ≤ 120
108 ≤ 120
120 − 108 = 12 hr left unused
2-
10
b) Points C and D would be eliminated and a b)
new optimal solution point at x1 = 5.09, x2 5000
X2
= 5.45, and Z = 111.27 would result. 4500
44. a) Maximize Z = .28x1 + .19x2 4000
x1 + x2 ≤ 96 cans 3500
A: X1 = 2,651.5
A: X2 =
B: X1 = 2,945.05
*AX2 = 1,000
1,325.8 *A Z = $1,704.72
A: Z =
1,683.71
x2
≥2 3000 Point A is optimal
x1 2500
x1 ,x2 ≥ 0
2000
b) 1500 A
200 B
1000
X2
180 500
160 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
X1
140
47. a) Minimize Z = .09x1 + .18x2

120
A: X1=0 *B: X1=32 subject to
A: X2=96 *A: X2=64
100
A A: Z=$18.24 *A: Z=$21.12 .46x1 + .35x2 ≤ 2,000
80
Point B is optimal
x1 ≥ 1,000
60
B x2 ≥ 1,000
.91x1 − .82x2 = 3,500

40
x1,x2 ≥ 0
20
6000
0 20 40 60 80 100 120 140 160 180 200

5500
X1
5000
45. The model formulation would become, X2
maximize Z = $0.23x1 + 0.19x2 4500
subject to
4000
x1 + x2 ≤ 96 A: X1=1,000 *B: X1=2,945.05
3500 A: X2=3,158.57 *A: X2=1,000
–1.5x1 + x2 ≥ 0 A
A: Z=658.5 *A: Z=445.05
3000
x1,x2 ≥ 0 Point B is optimal
2500
The solution is x1 = 38.4, x2 = 57.6, and
Z = $19.78 2000
The discount would reduce profit. 1500
46. a) Minimize Z = $0.46x1 + 0.35x2 1000

B
subject to 500
.91x1 + .82x2 = 3,500

x1 ≥ 1,000 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
X1
x2 ≥ 1,000
b) 477 − 445 = 32 fewer defective items
.03x1 − .06x2 ≥ 0
x1,x2 ≥ 0 48. a) Maximize Z = $2.25x1 + 1.95x2
subject to
8x1 + 6x2 ≤ 1,920
3x1 + 6x2 ≤ 1,440
2-9
3
x
1
+
2
x
2
≤
7
2
0
x
1
+
x
2
≤
2
8
8
x
1
,
x
2
≥
0
2-
11
b) b)
x2
500 A : x1 = 0 * D : x1 = 21.4
X2
450
120 x2 = 37 x2 = 28.6
Z = 11,100 Z = 17,143
400 100
B : x1 = 7.5 E : x1 = 26
350 A: X1=0 *B: X1=96 C: X1=240

x2 = 37 x2 = 13.3
A: X2=240 *A: X2=192 *A: X2=0 80
300 A: Z=468 *A: Z=590.4 *A: Z=540 Z = 14,100 Z = 14,390
Point B is optional 60 C : x1 = 16.7

250 F : x1 = 26
A A
x2 = 33.3 x2 = 0
200 40
B Z = 16,680 Z = 10,400
BC
150
20 D
E Point D is optimal
100
F x1
50 0 20 40 60 80 100 120 140
C
51. The feasible solution space changes if the
0 50 100 150 200 250 300 350 400 450 500
X1
fertilizer constraint changes to 20x1 +
20x2 ≤ 800 tons. The new solution space

49. A new constraint is added to the model in is A'B'C'D'. Two of the constraints now
x1 have no effect.
≥ 1.5 x2
x2
120
The solution is x1 = 160, x2 = 106.67,
Z = $568 100
500
X2 80
450
60
400 *A: X1=160.07 B: X1=240
A: X2=106.67 *A: X2=0
A: Z=568 *A: Z=540 40 B′
350
A′
Point A is optimal
300 20
C′
250 x1
0 20 D′ 40 60 80 100 120 140
200
The new optimal solution is point C':
150
A A': x1 = 0 *C': x1 = 25.71
100
x2 = 37 x2 = 14.29
50 Z = 11,100 Z = 14,571
B
0 50 100 150 200 250 300 350 400 450 500
B': x1 = 3 D': x1 = 26
X1 x2 = 37 x2 = 0
50. a) Maximize Z = 400x1 + 300x2 (profit, $) Z = 12,300 Z = 10,400
subject to 52. a) Maximize Z = $7,600x1 + 22,500x2
x1 + x2 ≤ 50 (available land, acres) subject to

10x1 + 3x2 ≤ 300 (labor, hr) x1 + x2 ≤ 3,500
x2/(x1 + x2) ≤ .40
2-10
8x1 + 20x2 ≤ 800 (fertilizer, tons)
.12x1 + .24x2 ≤ 600
x1 ≤ 26 (shipping space, acres) x ,x ≥ 0
1 2
x2 ≤ 37 (shipping space, acres)
x1,x2 ≥ 0
2-11
b) 54. The new solution is
5000
x1 = 106.67
4500 x2 = 266.67
4000 Z = $62.67
3500 If twice as many guests prefer wine to
beer, then the Robinsons would be
3000
approximately 10 bottles of wine short
2500 and they would have approximately 53
A
more bottles of beer than they need. The
2000 Optimal solution - B
x 1 = 2100
waste is more difficult to compute. The
1500
B x 2 = 1400
z = 47,460,000
model in problem 53 assumes that the
Robinsons are ordering more wine and
1000
beer than they need, i.e., a buffer, and
500 thus there logically would be some waste,
i.e., 5% of the wine and 10% of the beer.
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
x1
However, if twice as many guests prefer
wine, then there would logically be no
53. a) Minimize Z = $(.05)(8)x1 + (.10)(.75)x2 waste for wine but only for beer. This
subject to amount “logically” would be the waste
5x1 + x2 ≥ 800 from 266.67 bottles, or $20, and the
5x1 amount from the additional 53 bottles,
= 1.5 $3.98, for a total of $23.98.
x2
55. a) Minimize Z = 3700x1 + 5100x2
8x1 + .75x2 ≤ 1,200 subject to
x1, x2 ≥ 0
x + x = 45
x1 = 96 1 2
x2 = 320 (32x1 + 14x2) / (x1 + x2) ≤ 21
x
Z = $62.40 1
b)
x2
1600
1500
1400
1300
b)
1200
x2
1100 50
1000 45
900 40
800 35
700 30
600 25
500 20
B optimal,
400 A
x1 = 96 15
B x2 = 320
300
Z = 62.40 10
200
5
100 C
2-11
.10x1 + .04x2 x2 )
x1 = 17.5
≤6 x2 = 27.5
x2
≥ .25 (x1 + x2 ) Z = $205,000
x1, x2 ≥ 0
x
1
≥
.
2
5
(
x x1
1
+
0 100 200 300 400 500 600 700 800 900 0 5 10 15 20 25 30 35 40 45 50
1000
2-13
X2
56. a) No, the solution would not change
b) No, the solution would not change
c) Yes, the solution would change to China 200
(x1) = 22.5, Brazil (x2) = 22.5, and
Z = $198,000.
57. a) x1 = $ invested in stocks 150
x2 = $ invested in bonds
maximize Z = $0.18x1 + 0.06x2 (average *A : x1 = 70
annual return) 100 x2 = 50
subject to Z = 10
optima
x1 + x2 ≤ $720,000 (available funds) l
A
x1/(x1 + x2) ≤ .65 (% of stocks) 50 B : x1 = 100
.22x1 + .05x2 ≤ 100,000 (total possible loss) B x2 = 20
Z = 11.2
x1,x2 ≥ 0
b) 0 50 100 150 200 X1
x2 59. If the constraint for Sarah’s time became

(1000S)
1000
x2 ≤ 55 with an additional hour then the
solution point at A would move to
900 x1 = 65, x2 = 55 and Z = 9.8. If the
800 constraint for Brad’s time became x1 ≤

A 108.33 with an additional hour then the
700
solution point (A) would not change. All
600 of Brad’s time is not being used anyway
so assigning him more time would not
500 B, optimal:
x1 = 376,470.59
have an effect.
400
B
x2 = 343,526.41 One more hour of Sarah’s time would
z = 88,376.47
300 reduce the number of regraded exams
from 10 to 9.8, whereas increasing Brad
200
C by one hour would have no effect on the
100 solution. This is actually the marginal (or
x1
dual) value of one additional hour of
0 100 200 300 400 500 600 700 800 900 1000 labor, for Sarah, which is 0.20 fewer
(1000S)
regraded exams, whereas the marginal
58. x1 = exams assigned to Brad value of Brad’s is zero.
x2 = exams assigned to Sarah 60. a) x1 = # cups of Pomona

minimize Z = .10x1 + .06x2 x2 = # cups of Coastal
subject to
Maximize Z = $2.05x1 + 1.85x2
x1 + x2 = 120
subject to
x1 ≤ (720/7.2) or 100 16x1 + 16x2 ≤ 3,840 oz or (30 gal. ×
x2 ≤ 50(600/12) 128 oz)
x1,x2 ≥ 0 (.20)(.0625)x + (.60)(.0625)x ≤ 6 lbs.
1 2
Colombian
(.35)(.0625)x1 + (.10)(.0625)x2 ≤ 6 lbs.
Kenyan
(.45)(.0625)x1 + (.30)(.0625)x2 ≤ 6 lbs.
Indonesian
x2/x1 = 3/2
x1,x2 ≥ 0
2-12
b) Solution: 62.
x1 = 87.3 cups x2
x2 = 130.9 cups 80 *A : x 1 = 0 C : x1 = 33.33

Z = $421.09 70
x2 = 60 x2 = 6.67
X2 Z = 60,000 Z = 106,669
1000
A
60 *B : x1 = 10 D : x1 = 60
50 x2 = 30 x2 = 0
Z = 60,000 Z = 180,000
800 40
30
B
600
20 Multiple optimal solutions; A
and B alternate optimal.
A : x1 = 87.3 10 C
400 x2 = 130.9 D
x
Z = 421.09 0 10 20 30 40 50 60 70 80 1
Multiple optimal solutions; A and B

200
alternate optimal
A
63.
X1 x2
0 200 400 600 800 1000
80
61. a) The only binding constraint is for
Colombian; the constraints for Kenyan 70 Infeasible Problem
and Indonesian are nonbinding and there
are already extra, or slack, pounds of 60
these coffees available. Thus, only
getting more Colombian would affect the 50
solution.
40
One more pound of Colombian would
increase sales from $421.09 to $463.20. 30
Increasing the brewing capacity to 40 20

gallons would have no effect since there
is already unused brewing capacity with 10
the optimal solution.
x1
b) If the shop increased the demand ratio of 0 10 20 30 40 50 60 70 80
Pomona to Coastal from 1.5 to 1 to 2 to 1 64.
it would increase daily sales to $460.00, x2
so the shop should spend extra on
advertising to achieve this result. 80
70 Unbounded Problem
60
50
40
30
20
10
x1
–20 –10 0 10 20 30 40 50 60 70 80
2-13
The graphical solution is shown as
CASE SOLUTION: METROPOLITAN follows.
POLICE PATROL x2
The linear programming model for this 100 A : x1 = 34.3

x2 = 22.8
case problem is 80
Z = $776.23
70
Minimize Z = x/60 + y/45 *B : x1 = 40
subject to 60 x2 = 20
Z = $800
2x + 2y ≥ 5 50
x1 + x2 60
2x1 – 3x2 0
optimal
2x + 2y ≤ 12 C : x1 = 6
40
y ≥ 1.5x x2 = 54
Z = $744
x, y ≥ 0 30
A Optimal point
20
The objective function coefficients are B .90 x2 – .10 x1 0
determined by dividing the distance 10 .25 x1 + .50 x2 20

C
traveled, i.e., x/3, by the travel speed, i.e., x1
20 mph. Thus, the x coefficient is x/3 ÷ 0 10 20 30 40 50 60 70 80 100

20, or x/60. In the first two constraints, Changing the objective function to
2x + 2y represents the formula for the Z = $16x + 16x would result in multiple
1 2
perimeter of a rectangle. optimal solutions, the end points being B and
The graphical solution is displayed as C. The profit in each case would be $960.
follows. Changing the constraint from
y .90x2 − .10x1 ≥ 0 to .80x2 −.20x1 ≥ 0
D has no effect on the solution.
6
5 CASE SOLUTION: ANNABELLE

4 INVESTS IN THE MARKET
C
3 x1 = no. of shares of index fund

A x2 = no. of shares of internet stock fund
2
Optimal point
B Maximize Z = (.17)(175)x1 + (.28)(208)x2
1
= 29.75x1 + 58.24x2
x subject to
0 1 2 3 4 5 6 7
175x1 + 208x2 = $120, 000

The optimal solution is x = 1, y = 1.5, and
x1
Z = 0.05. This means that a patrol sector ≥ .33
is 1.5 miles by 1 mile and the response x2
time is 0.05 hr, or 3 min. x2
≤2
x1
CASE SOLUTION: “THE x1 , x2 > 0
POSSIBILITY” RESTAURANT x1 = 203
The linear programming model x2 = 406

formulation is Z = $29,691.37
x2
Maximize = Z = $12x1 + 16x2 Eliminating the ≥ .33
subject to constraint x1
.25x1 + .50x2 ≤ 20
x1 + x2 ≤ 60 x1/x2 ≥ 3/2 or 2x1 − 3x2 ≥ 0
2-14
x2/(x1 + x2) ≥ .10 or .90x2 − .10x1 ≥ 0 will have no effect on the solution.
x 1
Eliminating the constraint ≤2
x2
will change the solution to x1 = 149,
x1x2 ≥ 0 x2 = 451.55, Z = $30,731.52.
2-15
Increasing the amount available to invest indicates that for each extra dollar
(i.e., $120,000 to $120,001) will increase invested a return of $0.25 might be
profit from Z = $29,691.37 to expected with this investment strategy.
Z = $29,691.62 or approximately $0.25. Thus, the marginal value of an extra
Increasing by another dollar will increase dollar to invest is $0.25, which is also
profit by another $0.25, and increasing referred to as the “shadow” or “dual”
the amount available by one more dollar price as described in Chapter 3.
will again increase profit by $0.25. This
2-15
Another random document with
no related content on Scribd:
Samoilin tällä retkelläni kauan metsässä, mutta minun ei
onnistunut kertaakaan päästä villisian jäljille. Vihdoin kuulin
ajokoirien yhtämittaista haukuntaa ja ulvontaa ja kiiruhdin sinne päin,
mistä tämä kuului. Olin jo melkein lähellä metsäsikaa ja kuulin jo
rapinaa pensaista. Karju ärhenteli koiria luotaan. Haukunnasta kuulin
kuitenkin, etteivät ne olleet hyökänneet sen kimppuun, vaan
kiertelivät sen ympärillä. Äkkiä kuulin jotakin kahisevan takanani ja
näin Buljkan. Se oli nähtävästi joutunut eroon ajokoirista ja eksynyt,
nyt se oli varmaan kuullut niiden haukunnan ja vihurina syöksynyt
tänne samoin kuin minäkin. Se juoksi metsäniityn korkeassa
ruohikossa, enkä nähnyt muuta kuin sen mustan pään ja kielen
valkeiden hampaiden välistä. Huusin sitä, mutta se ei katsonut
minuun, se pääsi minusta edelle ja katosi pensaikkoon. Juoksin sen
jäljestä, mutta kuta kauemmas tulin, sitä tiheämmäksi muuttui metsä.
Puitten oksat nykäisivät lakin päästäni ja pieksivät kasvojani,
oratuomien piikit repivät vaatteitani. Olin jo aivan lähellä sitä kohtaa,
mistä haukunta kuului, mutta en voinut nähdä mitään.
Äkkiä kuulin koirien haukkuvan kovemmin, kuului kovaa rätinää ja

karjun huohottamista ja pärskymistä. Luulin Buljkan hyökänneen
siihen kiinni ja rimpuilevan sen kimpussa. Ponnistin viimeiset
voimani ja kiiruhdin tiheikön läpi paikalle. Viidakossa näin kirjavan
ajokoiran, joka haukkui ja ulvoi liikkumatta paikaltaan, ja siitä kolmen
askeleen päässä liikkui ja hyöri jotakin mustaa.
Tullessani lähemmäksi huomasin karjun ja kuulin Buljkan kimeästi

vikisevän. Karju alkoi röhkiä ja hyökkäsi ajokoiraa kohti. Koira painoi
häntänsä koipien väliin ja hypähti syrjään. Nyt näin karjun kyljen ja
pään. Tähtäsin lantiota kohti ja ammuin. Huomasin laukaukseni
osuneen. Karju röhki ja vain ryske kuului, kun se pakeni viidakosta.
Koirat ajoivat sitä takaa ulisten ja haukkuen; raivasin itselleni tietä
viidakkoon niiden jäljestä. Äkkiä kuulin ja näin jotakin melkein
jaloissani. Se oli Buljka. Se makasi ulisten kyljellään. Sen alla oli
verilätäkkö. Arvelin koiran olevan mennyttä kalua. En ehtinyt ajatella
sitä sen enempää, vaan raivasin itselleni tietä eteenpäin. Näin pian
karjun. Koirat hyökkäsivät takaa sen kimppuun ja se kääntyi milloin
toiselle, milloin toiselle puolelle. Nähdessään minut hyökkäsi karju
minua kohti. Ammuin nyt toistamiseen aivan läheltä, niin että sen
harjakset syttyivät; karju röhähti, horjui ja lysähti koko painollaan
raskaasti maahan.
Kun tulin lähemmäksi, oli karju jo kuollut, mutta sen ruumis

kuitenkin vielä silloin tällöin nytkähteli. Koirat repivät sen mahaa ja
jalkoja, toiset latkivat haavoista virtaavaa verta.
Mieleeni muistui nyt Buljka, ja minä menin sitä etsimään. Se ryömi

vaikeroiden minua kohti. Menin sen luokse ja tarkastin sen haavaa.
Vatsa oli viilletty auki, ja kokonainen suolivyyhti riippui repeämästä ja
laahasi kuihtuneilla lehdillä. Kun toverit tulivat luokseni, pistimme
Buljkan suolet takaisin paikoilleen ja ompelimme vatsan kiinni. Kun
ompelimme sen vatsaa ja pistimme neulan nahan läpi, nuoli se koko
ajan käsiäni.
Karju sidottiin kiinni hevosen häntään, jotta se saataisiin

kuljetetuksi metsästä, Buljka pantiin hevosen selkään ja tuotiin siten
kotiin. Kuusi viikkoa Buljka oli sairaana, mutta parani sitten
täydellisesti.
III
FASAANIT.
Kaukasiassa sanotaan villejä kanoja fasaaneiksi. Niitä on niin

paljon, että ne ovat tavallisia kanoja huokeampia. Fasaaneja
metsästetään »kaihtimella», »puusta» ja lintukoiralla. Kaihdinta
käytetään tällä tapaa: kehykseen pingoitetaan purjekangasta,
kehyksen puoliväliin kiinnitetään poikkipiena ja purjekankaaseen
tehdään aukko. Kaihtimin ja pyssyin varustettuna mennään
aamuhämärässä metsään. Kaihdinta kannetaan kilpenä edessä, ja
purjekankaan aukosta tähystetään fasaaneja. Nämä tulevat
hakemaan itselleen ravintoa metsäniityiltä varhain aamulla. Joskus
tapaa kokonaisen perheen — kanan poikineen, väliin kukon ja kanan
yhdessä, väliin muutamia kukkoja.
Fasaanit eivät näe ihmistä; kaihdinta ne taas eivät pelkää, joten

sen turvissa voi tulla aivan lähelle. Metsästäjä asettaa kaihtimen
maahan, pistää kiväärin kaihtimen aukon läpi ja ampuu.
»Puusta» metsästetään näin: annetaan pihakoiran juosta metsään

ja kuljetaan sen jäljessä. Nähtyään fasaanin koira hyökkää ottamaan
sitä kiinni. Fasaani lentää puuhun, ja koira alkaa haukkua.
Metsästäjä kulkee haukuntaa kohti ja ampuu puussa olevan
fasaanin. Tällainen metsästys olisi hyvin helppoa, jos fasaani
laskeutuisi yksinäiseen puuhun, niin että se olisi näkyvissä. Mutta
fasaanit lentävät aina tuuheisiin puihin ja tiheikköön ja piiloutuvat
oksien taakse heti kun näkevät metsästäjän. On usein hyvin vaikea
päästä sankassa metsässä sen puun luokse, missä fasaani istuu, ja
vielä vaikeampaa on nähdä sitä. Niin kauan kuin koira yksin haukkuu
fasaania, ei tämä sitä pelkää: se istuu oksallaan, vieläpä pöyhkeillen
kohentaa höyheniään ja räpyttää siipiään. Mutta heti kun se huomaa
ihmisen, kyykistyy se matalaksi oksaa pitkin, niin että ainoastaan
tottunut metsästäjä voi sen huomata; tottumaton ei ihan vierestäkään
näe mitään.
Kun kasakat metsästäessään lähestyvät fasaaneja, peittävät he

lakillaan kasvonsa eivätkä katso ylöspäin. Fasaani näet pelkää
kivääriä kantavaa ihmistä, mutta eniten se kuitenkin pelkää ihmisen
silmiä.
Lintukoiralla metsästetään näin: otetaan lintukoira mukaan ja

kuljetaan metsässä sen jäljessä. Koira vainuaa, mistä fasaanit ovat
aamuhämärässä hakeneet itselleen ruokaa, ja etsii jäljet. Niin
sikinsokin kuin fasaanit ovatkin metsässä liikkuneet, löytää hyvä
koira kuitenkin aina tuoreimman jäljen ja tietää minne linnut ovat
lähteneet ravintopaikalta. Kuta kauemmas koira seuraa jälkiä, sitä
selvemmin se vainuaa ja löytää paikan, missä fasaani päivällä istuu,
tai ruohikon, jossa se kävelee. Tullessaan lähemmäksi uskoo se
fasaanin olevan aivan edessä; se kulkee yhä varovaisemmin
eteenpäin, jottei säikähdyttäisi lintua, ja pysähtyy vähänväliä
hyökätäkseen yhdellä hyppäyksellä sen kimppuun. Kun koira on
tullut aivan lähelle, pyrähtää fasaani lentoon ja metsästäjä ampuu.
IV
MILTON JA BULJKA.
Fasaaninmetsästykseen hankin itselleni lintukoiran. Tämän nimi oli

Milton; se oli korkea, hintelä, väriltään harmaa, mutta täplikkäinen,
sillä oli pitkät huulet ja korvat, ja se oli hyvin vahva ja viisas. Buljkan
kanssa se oli aina sovinnossa. Ainoakaan koira ei ahdistanut
Buljkaa. Tämän ei tarvinnut muuta kuin näyttää hampaitaan, kun
muut koirat painoivat häntänsä koipien väliin ja livistivät tiehensä.
Milton oli mukanani, kun olin kerran fasaaneja metsästämässä.
Yht'äkkiä ilmestyikin Buljka juosten luokseni metsään. Koetin ajaa
sitä pois, mutta en voinut. Oli myös liian pitkä matka lähteä viemään
sitä kotiin. Arvelin, ettei se tulisi minua häiritsemään, ja kuljin
eteenpäin. Tuskin oli Milton vielä ehtinyt löytää ruohikosta fasaanin
jälkiäkään, kun Buljka jo ryntäsi eteenpäin juoksennellen joka
haaralle. Se olisi tahtonut pyrähdyttää fasaanin lentoon ennen
Miltonia. Vainuten ruohikossa se kierteli ja kaarteli, mutta kun sillä oli
huono hajuaisti, ei se voinut yksin löytää jälkiä: se katseli vähän väliä
Miltoniin ja juoksi sinne, minne Milton meni. Heti kun Milton alkoi
seurata jälkiä, juoksi Buljka sen edelle. Huusin sitä takaisin, löin sitä,
mutta en voinut sille mitään. Se juoksi aina vain edelle Miltonia
häiritsemään heti, kun tämä alkoi vainuta. Olin jo aikeissa kääntyä
kotiin, metsästysretkeni kun oli tällä kertaa mielestäni mennyt pilalle,
mutta Milton keksi paremman keinon: se tiesi miten Buljkan johtaisi
harhaan. Se teki näin: heti kun Buljka alkoi juosta Miltonin
valitsemaan suuntaan, jätti Milton sen, kääntyi ja oli löytävinään
jälkiä toiselta suunnalta. Buljka hyökkäsi heti sinne, mutta Milton
katsoi minuun, heilutti häntäänsä ja lähti taas edellisiä, oikeita jälkiä
seuraamaan. Buljka kääntyi taas seuraamaan Miltonia ja juoksi
edelle, mutta Milton vei sen vähän matkaa syrjään, eksytti sen täten,
ja vei minut jälleen oikealle jäljelle. Näin se petkutti Buljkaa koko ajan
antamatta sen turmella metsästysonnea.
V
KILPIKONNA.
Menin kerran Miltonin kanssa metsälle. Häntä ojolla ja korviaan

höristäen alkoi koira vainuta jotakin metsänreunassa. Latasin
kiväärini ja astuin jäljessä. Arvelin sen vainunneen joko peltopyyn,
fasaanin tahi jäniksen. Mutta Milton ei mennytkään metsään, vaan
aholle. Kuljin sen perästä katsellen eteenpäin. Äkkiä näin, mitä se oli
etsinyt. Meidän edessämme juoksi keskikokoinen kilpikonna, lakin
suuruinen. Paljas tummanharmaa pää pitkän kaulan varassa pisti
esiin kuin kukasta emi. Kilpikonna otti paljailla jaloillaan pitkiä
askeleita, mutta sen selän peitti panssari.
Nähdessään koiran piilotti se jalkansa ja päänsä ja kätkeytyi

ruohikkoon, niin että vain kuori enää oli näkyvissä. Milton hyökkäsi
sen kimppuun ja alkoi sitä jyrsiä, mutta ei saanut purruksi poikki, sillä
kilpikonnalla on samanlainen kuori vatsassa kuin selässäkin; vain
edessä, takana ja sivuilla on aukkoja mistä se pistää päänsä,
jalkansa ja häntänsä esiin.
Otin kilpikonnan Miltonilta ja tarkastelin, miten sen selkä oli

kirjailtu, minkälainen sen kilpi oli ja miten se vetäytyi kuoreensa. Kun
pitelee sitä käsissään ja katsoo kuoren alle, niin näkee sen sisässä
kuin kellarissa jotakin mustaa, elävää. Heitin kilpikonnan ruohikkoon
ja läksin astumaan eteenpäin; mutta Milton ei halunnut sitä jättää,
vaan kuljetti sitä yhä hampaissaan tullessaan minun perästäni. Äkkiä
koira vingahti ja heitti sen irti. Kilpikonna oli pistänyt käpälän esiin ja
raapinut sen suuta. Milton äkämystyi, alkoi haukkua, tarttui siihen
taas hampaineen ja rupesi kantamaan. Komensin Miltonia
laskemaan kilpikonnan maahan, mutta Milton ei kuullut minua. Otin
siltä kilpikonnan ja viskasin menemään. Mutta Milton ei vaan jättänyt
kilpikonnaa rauhaan. Se alkoi kaivaa kuoppaa sen viereen; kun
kuoppa oli valmis, työnsi se käpälällään kilpikonnan siihen ja loi sen
umpeen.
Kilpikonnat elävät sekä maalla että vedessä, aivan kuin

tarhakäärmeet ja sammakot. Ne laskevat munansa maahan, mutta
eivät niitä haudo; munat halkeavat itsestään samoin kuin kalan mäti,
ja niistä puikahtaa ulos pieniä kilpikonnia. On teevadin kokoisia
kilpikonnia ja myös suuria, kolmen kyynärän pituisia ja parikymmentä
sentneriä painavia. Isot kilpikonnat elävät meressä.
Jokainen kilpikonna laskee keväisin sadoittain munia. Kilpi ei ole

muuta kuin eläimen kylkiluut. Ihmisillä ja muilla eläimillä kylkiluut ovat
erillään toisistaan, mutta kilpikonnalla ne ovat kasvaneet yhteen
kuoreksi. Tärkein eroavaisuus on siinä, että kylkiluut kaikilla muilla
eläimillä ovat ruumiin sisässä, lihan peittäminä, mutta kilpikonnalla
ne ovat päälläpäin ja liha niiden alla.
VI
BULJKA JA SUSI.
Kun läksin Kaukasiasta, oli siellä vielä sota, ja yöllä oli vaarallista
matkustaa ilman saattovartiostoa.
Aikomukseni oli lähteä matkaan mahdollisimman aikaisin aamulla,

enkä sen vuoksi mennyt illalla ollenkaan levolle.
Ystäväni tuli sanomaan minulle jäähyväisiä, ja me istuimme koko

illan ja koko yön majan edessä kylätien varrella.
Oli usvainen kuutamoyö ja niin valoisaa, että saattoi lukea, vaikka

kuu olikin näkymättömänä.
Kuulimme äkkiä keskellä yötä porsaan vinkuvan vastapäätä

olevassa pihassa.
Jompikumpi meistä huusi: — Susi on porsaan kimpussa!
Riensin mökkiin, sieppasin ladatun kiväärin ja syöksyin kadulle.

Ihmisiä seisoi sen majan portin luona, jonka pihalla porsas vinkui, ja
he huusivat minulle: »Tänne!» Milton ryntäsi minun jälkeeni: se arveli
varmaankin minun lähtevän metsästämään, kun näki kiväärini; mutta
Buljka heristi lyhyitä korviaan, hyppeli edestakaisin, kuin olisi
tahtonut kysyä, kehen sen tuli hampaineen iskeä. Lähestyessäni
aitaa näin pedon juoksevan minua kohti pihan toiselta puolelta. Se
oli susi. Se juoksi aidan luo ja hyppäsi sille. Väistyin hiukan syrjään
ja pidin kiväärini ampumavalmiina. Painoin liipasinta kun susi hypähti
aidalta minua kohti, mutta kivääri ei lauennut. Susi ei pysähtynyt,
vaan livahti kylätien poikki. Milton ja Buljka syöksyivät sen jälkeen.
Milton oli jo aivan lähellä, mutta näytti pelkäävän käydä suden
kimppuun; Buljka ei taas voinut sitä saavuttaa, niin nopeasti kuin se
juoksikin lyhyillä jaloillaan. Me juoksimme minkä pääsimme suden
jälkeen, mutta susi ja koirat katosivat näkyvistämme. Kuulimme
vasta ojan luota kylän päästä katkonaista haukuntaa ja ulvontaa ja
näimme usvaisessa kuutamossa, miten pölyä tuprusi ilmaan tällä
kohtaa ja miten koirat suden kanssa temmelsivät. Kun pääsimme
ojaan saakka, ei susi enää ollut siellä, ja koirat palasivat häntä
koholla ja äkäisen näköisinä meidän luoksemme. Buljka mörisi ja
töykkäsi minua päällään: se halusi nähtävästi kertoa minulle jotakin,
mutta ei voinut.
Tarkastimme koiria ja huomasimme Buljkan päässä pienen

haavan. Se oli varmaan ojan tällä puolen saavuttanut suden, mutta
ei ehtinyt tarttua siihen kiinni; susi oli purrut sitä ja juossut tiehensä.
Haava ei ollut suuri eikä asia näyttänyt vaaralliselta.
Käännyimme takaisin kotiin ja istuimme juttelemaan siitä, mitä oli

tapahtunut. Harmittelin, ettei kivääri ollut lauennut, ja ajattelin yhä
vain sitä, että susi olisi varmasti jäänyt siihen paikkaan, ellei kivääri
olisi pettänyt. Ystäväni ihmetteli kuinka susi oli joutunut pihaan. Eräs
vanha kasakka arveli, ettei siinä ollut mitään kummallista: se ei ollut
ollenkaan mikään susi, vaan noita, joka oli taikonut kiväärin. Näin
istuimme juttelemassa. Koirat ryntäsivät äkkiä esiin, ja me näimme
jälleen saman suden keskellä maantietä; tällä kerralla se kuitenkin
meidän huudostamme livahti niin pian tiehensä, etteivät koirat
voineet sitä saavuttaa.
Vanha kasakka oli nyt lujasti vakuutettu, ettei se ollutkaan mikään

susi, vaan noita, minä taas ajattelin, oliko susi vesikauhuinen: en
ollut vielä koskaan kuullut tahi nähnyt, että susi, joka kerran on ajettu
tiehensä, taas palaisi takaisin ihmisten ilmoille.
Kaiken varalta siroittelin Buljkan haavaan vähän ruutia, jonka

sytytin.
Ruuti leimahti ja poltti kipeän paikan.
Poltin haavan ruudilla polttaakseni pois myrkyllisen syljen, ellei se

jo ollut päässyt vereen. Mutta jos sylki oli jo ehtinyt vereen, niin
leviäisi myrkky veren mukana koko ruumiiseen, ja silloin koiraa ei
voitaisi enää parantaa.
VII
MITEN BULJKALLE KÄVI PJATIGORSKISSA.
En lähtenyt kasakkakylästä suoraan Venäjälle, vaan ensiksi

Pjatigorskiin, minne jäin pariksi kuukaudeksi. Miltonin minä lahjoitin
vanhalle kasakalle, joka myös oli metsästäjä, mutta Buljkan otin
mukaani Pjatigorskiin.
Pjatigorsk (suomeksi: Viisivuorela) on saanut tämän nimen siksi,

että se on Bestau nimisellä vuorella. Tämä nimi on tatarilainen: bes
on suomeksi viisi, ja tau vuori. Tästä vuoresta virtaa kuumaa
rikkivettä. Vesi on kiehuvan kuumaa, ja sillä kohdalla, missä se
pursuaa vuoresta, leijailee aina vesihöyryä kuin teekeittiön
yläpuolella. Koko seutu, jossa tämä kaupunki on, on hyvin sievää.
Vuorista virtaa kuumia lähteitä; vuoren juurella virtaa Podkumok-
niminen puro. Vuoren rinteitä peittävät metsät, ympärillä on vainioita,
ja etäisyydessä häämöttävät aina Kaukasian korkeat vuoret. Näillä
vuorilla ei lumi sula milloinkaan, ja ne ovat valkeat kuin sokeri.
Korkean, valkeaa sokeritoppaa muistuttavan Elbrus-vuoren saattaa
kirkkaalla ilmalla nähdä kaikkialta. Kuumille lähteille tulee runsaasti
kylpyvieraita. Lehtimajoja ja suojuskattoja on järjestetty lähteille ja
niiden ympäri on istutettu puutarhoja ja tehty käytäviä. Aamuisin
soittaa soittokunta ja ihmiset joko juovat vettä, kylpevät tahi
kävelevät.
Itse kaupunki on vuorella, ja vuoren juurella on esikaupunki. Minä

asuin esikaupungissa pienessä talossa. Rakennus oli pihalla,
ikkunoiden edessä puutarha, ja puutarhassa olivat talon isännän
omistamat mehiläiset, ei puupöntöissä, niinkuin Venäjällä, vaan
pyöreissä koreissa. Mehiläiset olivat täällä niin kesyjä, että
tavallisesti istuin Buljkan kanssa puutarhassa mehiläispesien välissä.
Buljka tepasteli pesien lomitse, kummasteli mehiläisiä, nuuski,

kuunteli niiden surinaa, mutta liikkui niin varovasti niiden parissa,
ettei häirinnyt mehiläisiä joten ne eivät tehneet sille mitään.
Palattuani eräänä aamuna terveyslähteeltä istuuduin puutarhaan
juomaan kahvia. Buljka alkoi raapia korvan taustaansa, ja sen
kaulanauha helisi. Helinä teki mehiläiset levottomiksi, minkä tähden
riisuin Buljkalta kaulanauhan. Vähän myöhemmin kuulin peloittavaa
hälinää. Koirat haukkuivat, ulvoivat, vikisivät, ihmiset huusivat, ja tuo
hälinä tuli kaupungista ja läheni vuorelta yhä enemmän
esikaupunkiamme. Buljka oli tauonnut raapimasta itseään, laskenut
leveän, valkohampaisen päänsä valkoisille etukäpälilleen, asettanut
kielen oikeaan asentoon ja makasi rauhallisena minun vieressäni.
Kuullessaan hälinän käsitti se nähtävästi, mistä oli kysymys; se
heristi korviaan, näytti hampaitaan, hypähti seisomaan ja murisi.
Hälinä vain lähestyi. Kuului siltä kuin kaikki kaupungin koirat olisivat
ulvoneet, haukkuneet ja vikisseet. Menin portille katsomaan; talon
emäntä tuli myöskin ulos. Kysyin häneltä, mitä se oli. Hän vastasi,
että kuritushuoneen vangit kulkevat tappamassa koiria. Koirat olivat
peloittavasti lisääntyneet, ja kaupungin viranomaiset olivat antaneet
määräyksen, että kaikki kaupungin koirat oli tapettava.
— Mitä? Tappavatko ne Buljkankin, jos tapaavat?
— Ei. Niitä ei saa tappaa, joilla on kaulanauha.
Kun puhelin emännän kanssa, lähestyivät vangit pihaamme.
Sotilaita kulki edellä, ja heidän jäljessään astui neljä kahleissa

olevaa vankia. Parilla vangilla oli käsissään pitkät rautakoukut ja
kahdella ryhmysauvat. Talomme edustalla veti eräs vangeista
rautakoukullaan toisen pienistä pihakoirista keskelle katua ja toinen
alkoi sitä ryhmysauvallaan pieksää. Koira ulvoi hirvittävästi, ja vangit
huusivat ja nauroivat. Rautakoukkuniekka käänsi koiran; kun hän
huomasi sen jo kuolleeksi, veti hän koukun siitä irti ja katsoi
ympärilleen, eikö toista koiraa ollut näkyvissä.
Samassa Buljka syöksyi päätäpahkaa vankiin kiinni, niinkuin sen

tapana oli käydä karhun kimppuun. Mieleeni juolahti, ettei sillä nyt
ollut kaulanauhaa, ja minä huusin: »Buljka, tänne!» Huusin myöskin
vangeille, etteivät he pieksäisi Buljkaani. Mutta nähdessään Buljkan
vanki nauroi, ojensi taitavasti koukkunsa ja sai sillä kiinni Buljkan
lantiosta. Buljka ponnisteli päästäkseen takaisin, mutta vanki veti sitä
luokseen ja sanoi toiselle:
»Iskepäs!» Toinen kohotti jo ryhmysauvaa, ja Buljka olisi varmasti

lyöty kuoliaaksi, mutta se ponnisti kaikki voimansa, nahka lantiosta
repesi, ja koira livahti häntä koipien välissä ja koivessa punainen
haava puutarhanportista taloon ja ryömi vuoteeni alle.
Se sai kiittää hengestään sitä, että nahka repesi siitä, mihin

koukku oli iskenyt.
VIII
BULJKAN JA MILTONIN LOPPU.
Buljkan ja Miltonin päivät päättyivät samoihin aikoihin. Vanha

kasakka ei osannut oikein käyttää Miltonia. Sen sijaan että olisi
ottanut sen mukaansa vain linnustusretkille, käytti hän sitä
metsäsikoja metsästämään. Samana syksynä kaksivuotias
metsäkarju viilsi siltä vatsan auki torahampaillaan. Kukaan ei
osannut ommella haavaa umpeen, ja Milton heitti henkensä.
Buljkakaan ei elänyt kauan sen jälkeen, kun oli pelastunut vankien
käsistä. Mainitun elämyksensä jälkeen se kävi alakuloiseksi ja sai
pahan tavan nuolla kaikkea, mitä eteen sattui; se nuoleskeli muun
muassa käsiäni, mutta aivan toisin kuin se oli ennen nuollut
tahtoessaan osoittaa minulle rakkauttaan. Se nuoli nyt kauan ja
painoi samalla lujasti kielellään, myöhemmin se myös alkoi haukkoa
hampaillaan. Se tunsi nähtävästi tarvetta saada purra kättäni, mutta
ei tahtonut sitä tehdä. En antanut sille enää kättäni. Se rupesi nyt
nuoleskelemaan saappaitani ja pöydänjalkaa, myöhemmin myöskin
puraisemaan. Tätä kesti pari päivää, mutta kolmantena se katosi,
sitä ei sen koommin näkynyt eikä kuulunut.
Kukaan ei ollut voinut sitä varastaa, eikä se myöskään voinut
ilman muuta livistää tiehensä, tämä tapahtui kuuden viikon kuluttua
siitä, kun susi oli sitä purrut. Susi oli siis tosiaankin ollut
vesikauhuinen. Buljka oli saanut vesikauhun ja juossut tiehensä.
Sillä oli se, mitä metsästäjät sanovat »hiljaiseksi raivoksi».
Vesikauhua sairastava eläin saa kouristuksia kurkkuun.
Vesikauhuiset eläimet tahtovat juoda, mutta eivät voi sitä tehdä, sillä
kouristukset käyvät juodessa vielä pahemmiksi. Ne ärtyvät raivoisiksi
janosta ja tuskasta ja alkavat purra. Buljkassa nämä kouristukset
varmaankin alkoivat, kun se ensin nuoleskeli kättäni ja pöydänjalkaa
ja sitten alkoi purra.
Ratsastin kaikkialla ympäristössä kysellen Buljkaa, mutta en voinut

saada tietää, minne se oli joutunut ja miten se oli päättänyt päivänsä.
Jos se olisi juossut ja purrut niinkuin muut vesikauhuiset koirat, niin
olisin varmasti kuullut siitä jotakin. Mutta se oli varmaankin ryöminyt
jonnekin pensaikkoon ja oli siellä heittänyt henkensä. Metsästäjät
sanovat, että viisas koira, joka on saanut vesikauhun, juoksee
pelloille tai metsään, etsii sieltä erikoisen parantavan yrtin,
kieriskelee aamukasteessa ja tulee terveeksi. Buljka ei luultavasti
parantunut. Se oli kadonnut eikä palannut milloinkaan.
KARHUNPYYNTI
Olimme karhuja pyytämässä. Ystäväni sai ammutuksi karhun,
mutta luoti sattui pehmeään ruumiinosaan. Haavasta tippui jonkin
verran verta lumelle, mutta karhu pääsi pakoon.
Keräännyimme yhteen metsässä ja neuvottelimme, mitä olisi

tehtävä: oliko meidän nyt heti lähdettävä tuota karhua etsimään vai
oliko odotettava kolme päivää, kunnes se taas rauhoittuisi ja kävisi
makuulle.
Kysyimme karhunmetsästykseen tottuneilta talonpojilta, olikohan

karhu nyt ollenkaan saarrettavissa. Vanha karhunpyydystäjä sanoi:
— Ei ole, sen täytyy nyt saada rauhoittua; viiden päivän kuluttua
voidaan se saartaa; mutta jos sitä nyt ajetaan takaa, tehdään se vain
araksi eikä se käy makuulle.
Mutta nuori karhunpyytäjä väitti vastaan ja vakuutti, että karhun

saisi kyllä nyt saarroksiin: — Tässä lumessa ei karhu pääse
kovinkaan kauas, se kun on lihava. Se käy pitkälleen hyvin pian. Ja
ellei se käy makuulle, niin tavoitan sen kyllä suksilla.
Ystävänikään ei tahtonut lähteä nyt karhun ajoon, vaan neuvoi
odottamaan.
— Mitäs me tässä väittelemme, virkoin minä. — Tehköön kukin

niinkuin tahtoo, minä lähden Demjanin kanssa seuraamaan jälkiä.
Jos tavoitamme, niin hyvä, jollei, niin mitäs tuosta, tänään ei voi
muuhunkaan ryhtyä, eikä nyt ole myöhäkään.
Ja niin me teimmekin.
Toverimme lähtivät reellä kylään; minä ja Demjan otimme leipää

evääksi ja jäimme metsään.
Muiden lähdettyä Demjan ja minä tarkastimme kiväärimme,

sidoimme turkkimme vyöllä ja läksimme seuraamaan karhun jälkiä.
Sää oli kaunis: oli tyyni pakkanen. Suksilla oli kuitenkin hyvin vaikea
päästä eteenpäin: lumi oli möyheää ja sitä oli paksulta. Metsässä ei
lumi vielä ollut yhtään painunut, sitäpaitsi oli satanut lunta juuri
edellisenä päivänä, ja sukset upposivat lumeen neljännes kyynärää
ja enemmänkin.
Karhun jäljet saattoi nähdä jo kaukaa. Näkyi selvästi, missä karhu

oli astunut ja missä se oli vajonnut lumeen vatsaa myöten ja
möyhinyt sitä. Aluksi seurasimme jälkiä sankassa metsässä; kun
sitten jäljet häipyivät matalaan näreikköön, pysähtyi Demjan sanoen:
— Nyt täytyy meidän jättää jäljet. Se tulee luultavasti tänne
makuulle. Se on jo istahdellut, sen huomaa lumesta. — Jätetään
jäljet ja tehdään kierros. Mutta meidän on oltava hyvin hiljaa, ei saa
huutaa ei yskiä; muuten me säikäytämme sen.
Teimme kierroksen vasemmalle. Kun olimme astuneet suunnilleen

viisisataa askelta näimme karhun jäljet taas edessämme. —
Seurasimme niitä jälleen, ja ne veivät meidät maantielle. Jäimme
maantielle seisomaan ja tarkastimme, mihin suuntaan karhu oli
jatkanut matkaansa. Näimme siellä täällä maantiellä karhun koko
kämmenen ja varpaiden jäljet, paikoittain taas talonpoikaisvirsun
jälkiä. Karhu oli nähtävästi kulkenut kylälle päin.
Kuljimme maantietä pitkin. Silloin Demjan virkkoi: — Nyt ei meidän

tarvitse ensinkään tarkastella tietä, näemmehän me lumesta, missä
karhu on poikennut syrjään tiestä. Jossakin se poikkeaa, eihän karhu
kylään mene. Näin me olimme kulkeneet virstan verran tietä pitkin,
kun näimme ihmeeksemme karhun jäljet, mutta ne eivät vieneet
maantieltä metsään, vaan metsästä maantielle: varpaat olivat tielle
päin. Sanoin, että ne ovat toisen karhun jälkiä. Demjan katsoi niitä
tarkkaan, mietti hetken ja virkkoi: —Ei, se on ihan sama karhu, mutta
se tahtoo puijata meidät. Se on lähtenyt maantieltä takaperin. —
Seurasimme jälkiä; hän oli oikeassa. Karhu oli astunut takaperin
tieltä noin kymmenen askelta, kääntynyt erään kuusen takana ja
sitten kulkenut suoraan eteenpäin. Demjan pysähtyi ja virkkoi: — Nyt
me saamme luultavasti sen kierretyksi. Se ei voi käydä makuulle
minnekään muualle kuin tälle suolle. Lähdetään yrittämään!
Läksimme kiertämään tiheän näreikön läpi. Olin jo hyvin väsynyt ja

hiihtäminen kävi hyvin vaikeaksi. Milloin takerruin katajapensaaseen,
milloin joutui kuusenoksa jalkojen väliin, suksi luiskahti joskus jalan
alta ja joskus töksähdin lumen peitossa olevaan kantoon tahi
pölkkyyn. Olin nääntyä. Riisuin turkin yltäni; olin hiestä märkä.
Demjan liukui kuin veneellä soutaen. Sukset luistivat hänen allaan
kuin itsestään. Hän ei takertunut mihinkään; suksi ei milloinkaan
luiskahtanut jalan alta. Hän otti vielä minun turkkini olalleen ja hoputti
minua joutumaan.
Teimme suunnilleen kolmen virstan kierroksen ja tulimme suon
toiselle puolelle. Aloin jäädä jälkeen — sukset luiskahtivat aina alta
tai menivät ristiin. Demjan pysähtyi äkkiä eteeni ja viittasi kädellään:
— Kuuletko miten harakka räkättää ryteikössä; se vainuaa karhun.
Siellä se on.
Poikkesimme syrjään, kuljimme vielä virstan verran ja jouduimme

taaskin vanhoille jäljille. Olimme täten tehneet kierroksen karhun
ympäri, ja se oli jäänyt tekemämme piirin sisäpuolelle.
Pysähdyimme. Otin lakin päästäni ja otin kaikki vaatteet auki: oli niin
kuuma kuin saunassa, ja olin märkä kuin hiiri. Demjankin oli vallan
punainen ja pyyhkäisi hihallaan hikeä kasvoiltaan. — Herra, virkkoi
hän, — olemme tehneet tehtävämme, nyt on levättävä.
Mutta metsän takaa punersi jo iltarusko. Istuuduimme suksille

lepäämään. Otimme repusta leipää ja suolaa; söin ensin vähäisen
lunta ja kävin sitten leipään käsiksi. Se maistui minusta paremmalta
kuin milloinkaan ennen. Istuimme näin hetken. Alkoi tulla hämärä.
Kysyin Demjanilta, onko kylään pitkä matka. — On noin kaksitoista
virstaa. Joudumme sinne yöksi, mutta nyt täytyy levätä. Ota, herra,
turkki yllesi, muuten vilustut.
Demjan taittoi muutamia kuusenoksia, tallasi lumen kovaksi ja teki

vuoteen; rupesimme pitkällemme vierekkäin ja panimme kädet ristiin
pään alle. Enkä ollenkaan tiedä, miten sitten äkkiä nukahdin. Heräsin
noin parin tunnin kuluttua. Kuulin jotakin rasahtavan.
Olin nukkunut sikeästi ja kokonaan unohtanut, missä olin. Katselin

ympärilleni — mitä ihmettä, missä minä olenkaan? Näen ympärilläni
valkean palatsin valkoisin pilarein, ja kaikki välkkyy ja kimmeltää.
Katson ylöspäin — ylläni minä näen valkeita kaaria ja juovia ja
kaarien välistä teräksisen katoksen monin kirjavin valoin. Katsoin
ympärilleni ja muistin, että olimme metsässä. Olin pitänyt lumitaakan
painamia oksia palatsina; valot olivat oksien lomitse tuikkivat
tähtöset.
Yöllä tuli kaikki huurteeseen: oksat muuttuivat huurteisiksi, turkkini

tuli huurteiseksi, Demjankin oli huurteesta vallan valkoisena, ja
ylhäällä sateli huurretta. Herätin Demjanin. Nousimme suksillemme
ja läksimme hiihtämään. Metsässä oli aivan hiljaista, kuulimme vain
suksien liukumisen lumella ja jonkun puun silloin tällöin pakkasessa
paukahtavan, niin että koko metsä kajahti. Yhden ainoan kerran
rasahti aivan lähellä; jokin eläin juoksi ohitsemme. Ajattelin kohta,
että se on karhu. Hiihdimme paikalle, mistä rasahdus oli kuulunut, ja
näimme jäniksen jäljet. Nuoria haapoja oli ylt'ympäriltä jyrsitty. Täällä
olivat jänikset käyneet syömässä.
Tulimme jälleen maantielle, sidoimme sukset kiinni ruumiiseemme

ja astuimme tietä pitkin. Pääsimme helposti eteenpäin. Sukset
kolisivat takanamme kovaksi ajetulla tiellä, lumi narisi saappaiden
alla, hyinen huurre takertui hahtuvina kasvoihin. Tähdet näyttivät
rientävän meitä vastaan puitten oksia pitkin, ne syttyivät ja
sammuivat jälleen, koko taivas oli täynnä eloa.
Ystäväni nukkui. Herätin hänet. Kerroimme hänelle, miten olimme

saartaneet karhun ja käskimme isännän hankkia seuraavaksi
aamuksi talonpoikia ajamaan sitä takaa. Söimme illallista ja
menimme nukkumaan.
Olin niin väsynyt, että olisin voinut nukkua päivälliseen saakka,

mutta ystäväni herätti minut. Hypähdin pystyyn ja näin ystäväni jo
valmiiksi pukeutuneena puuhaamassa kiväärinsä ääressä.
— Missä Demjan on?

Full download Solution Manual for Introduction to Management Science, 11/E 11th Edition Bernard W. Taylor file pdf all chapter on 2024

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Full download Solution Manual for Introduction to Management Science, 11/E 11th Edition Bernard W. Taylor file pdf all chapter on 2024

Uploaded by

Copyright:

Available Formats

Solution Manual for Introduction to

Management Science, 11/E 11th Edition

Introduction to Management Science Taylor 11th Edition

Introduction to Management Science Taylor 10th Edition

Introduction to Management Science 12th Edition Taylor

Introduction to Management Science Taylor 10th Edition

Test Bank for Operations Management: Creating Value

Test Bank for Operations Management: Creating Value

Solution Manual for An Introduction to Management

Test Bank for Introduction to Psychology 11th Edition

Full chapter download at: https://testbankbell.com/product/solution-manual-for-introduction-to-

Chapter Two: Linear Programming: Model Formulation and Graphical Solution

6. a) Maximize Z = 400x1 + 100x2 (profit, $)

8(6) + 10(3.2) ≤ 80 5(0) + 5(4) ≤ 25

2x1 + 6x2 ≤ 36 2x1 + 4x2 ≤ 16

labor, which results in multiple optimal 10 A

x1,x2 ≥ 0 The profit for a necklace would have to

optimal solutions. Points B (x1 = 2, x2 = 4) be rnate

16 A : x1 = 8 operators would be hired.

12 *A : x1 = 3.2 4x1 + 12x2 ≥ 24 (low-grade ore, tons)

b) The change in the objective function not

40. a) Maximize Z = 30x1 + 70x2 (profit, $) 5x1 + 5x2 ≤ 50 (storage space, yd )

41. The slope of the original objective 70x2 = Z − 30x1

43. a) 15(4) + 8(6) ≤

44. a) Maximize Z = .28x1 + .19x2 4000

47. a) Minimize Z = .09x1 + .18x2

.91x1 − .82x2 = 3,500

0 20 40 60 80 100 120 140 160 180 200

The discount would reduce profit. 1500

46. a) Minimize Z = $0.46x1 + 0.35x2 1000

.91x1 + .82x2 = 3,500

350 A: X1=0 *B: X1=96 C: X1=240

300 A: Z=468 *A: Z=590.4 *A: Z=540 Z = 14,100 Z = 14,390

Point B is optional 60 C : x1 = 16.7

20x2 ≤ 800 tons. The new solution space

subject to 52. a) Maximize Z = $7,600x1 + 22,500x2

x1 + x2 ≤ 50 (available land, acres) subject to

x2 = 320 (32x1 + 14x2) / (x1 + x2) ≤ 21

x2 59. If the constraint for Sarah’s time became

800 constraint for Brad’s time became x1 ≤

x2 = exams assigned to Sarah 60. a) x1 = # cups of Pomona

x2 = 130.9 cups 80 *A : x 1 = 0 C : x1 = 33.33

Multiple optimal solutions; A and B

Increasing the brewing capacity to 40 20

The linear programming model for this 100 A : x1 = 34.3

determined by dividing the distance 10 .25 x1 + .50 x2 20

20 mph. Thus, the x coefficient is x/3 ÷ 0 10 20 30 40 50 60 70 80 100

5 CASE SOLUTION: ANNABELLE

3 x1 = no. of shares of index fund

175x1 + 208x2 = $120, 000

The linear programming model x2 = 406

Äkkiä kuulin koirien haukkuvan kovemmin, kuului kovaa rätinää ja

Tullessani lähemmäksi huomasin karjun ja kuulin Buljkan kimeästi

Kun tulin lähemmäksi, oli karju jo kuollut, mutta sen ruumis

Mieleeni muistui nyt Buljka, ja minä menin sitä etsimään. Se ryömi

Karju sidottiin kiinni hevosen häntään, jotta se saataisiin

Kaukasiassa sanotaan villejä kanoja fasaaneiksi. Niitä on niin

Fasaanit eivät näe ihmistä; kaihdinta ne taas eivät pelkää, joten

»Puusta» metsästetään näin: annetaan pihakoiran juosta metsään

Kun kasakat metsästäessään lähestyvät fasaaneja, peittävät he

Lintukoiralla metsästetään näin: otetaan lintukoira mukaan ja

Fasaaninmetsästykseen hankin itselleni lintukoiran. Tämän nimi oli

Menin kerran Miltonin kanssa metsälle. Häntä ojolla ja korviaan

Nähdessään koiran piilotti se jalkansa ja päänsä ja kätkeytyi

300 A: Z=468 A: Z=590.4 A: Z=540 Z = 14,100 Z = 14,390