ALGEBRA

FINAL
MATRICES
Una matriz de clase “mxn” es un conjunto de “m.n” números reales ordenados en
“m” renglones (o filas) y “n” columnas.
El orden o clase de una matriz también se denomina dimensión o tamaño, siendo
“m” y “ “n números naturales. Las matrices se denotan con letras mayúsculas: A, B, C,
y los elementos de las mismas con letras minúsculas y subíndices que indican el lugar
ocupado: a, b, c, Un elemento genérico que ocupe la fila “i” y la columna “j” se escribe
aij
Si el elemento genérico aparece entre paréntesis representa a toda la matriz:
A = (aij)
MATRICES IGUALES: Dos matrices A = (aij)m×n y B = (bij)p×q son iguales, sí y
solo si, tienen en los mismo lugares elementos iguales.
TIPOS DE MATRICES:
FILA: Aquella matriz que tiene una sola fila, siendo su orden 1×n
COLUMNA: Aquella matriz que tiene una sola columna, siendo su orden m×1
RECTANGULAR: Aquella matriz que tiene distinto número de filas que de columnas,
siendo su orden m×n.
TRASPUESTA: Dada una matriz A, se llama traspuesta de A a la matriz que se obtiene
cambiando ordenadamente las filas por las columnas. Se representa por At ó AT
OPUESTA: La matriz opuesta de una dada es la que resulta de sustituir cada elemento
por su opuesto. La opuesta de A es - A.
NULA: Si todos sus elementos son cero. También se denomina matriz cero y se denota
por 0m×n ó N
CUADRADA Aquella matriz que tiene igual número de filas que de columnas, m = n,
diciéndose que la matriz es de orden n. Diagonal principal: son los elementos a11 , a22 ,
..., ann Diagonal secundaria: son los elementos aij con i+j = n+1
SIMÉTRICA: Es una matriz cuadrada que es igual a su traspuesta. A = At , aij = aji
ANTISIMÉTRICA: Es una matriz cuadrada que es igual a la opuesta de su traspuesta. A
= -At , aij = -aji Necesariamente aij = 0
DIAGONAL: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los de
la diagonal principal. Si A es cuadrada y además aij =0 siempre que i sea distinto a j, A
se llama matriz diagonal.
ESCALAR: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los de
la diagonal principal que son iguales. Si A es diagonal y además i : aii =k, siendo k
un número real distinto a cero, A se llama matriz escalar.
IDENTIDAD: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los
de la diagonal principal que son iguales a 1. También se denomina matriz unidad.
TRIANGULAR SUPERIOR: Es una matriz cuadrada tal que aij =0 i>j
TRIANGULAR INFERIOR: Es una matriz cuadrada tal que aij =0 i<j
OPERACIONES CON MATRICES
SUMA DE MATRICES: La suma de dos matrices A = (aij)m×n y B = (bij)p×q de la
misma dimensión (equidimensionales) : m = p y n = q es otra matriz C = A+B =
(cij)m×n = (aij+bij).
Al conjunto de matrices de orden mxn la simbolizamos Mmxn
Al conjunto de matrices, cuyos elementos son números reales, simbolizaremos: Rmxn
PROPIEDADES: Sea Mmxn el conjunto de matrices de orden mxn

PRODUCTO DE UNA MATRIZ POR UN NUMERO REAL

Para multiplicar un escalar por una matriz se multiplica el escalar por todos los elementos
de la matriz, obteniéndose otra matriz del mismo orden. Sea λ un escalar y A una matriz.
Esta operación es una ley de composición externa con las siguientes propiedades:

PRODUCTO DE MATRICES:
Dadas dos matrices A = (aij)m×n y B = (bij)p×q donde n = p, es decir, el número de
columnas de la primera matriz A es igual al número de filas de la matriz B , se
define el producto A·B de la siguiente forma:
El elemento a que ocupa el lugar (i, j) en la matriz producto se obtiene sumando los
productos de cada elemento de la fila ”i” de la matriz A por el correspondiente de la
columna “j” de la matriz B.
Si multiplicamos A de clase 2x2 por B de clase 2x3, obtenemos una matriz de clase 2x3.
El producto B.A no es posible. ¿Porqué? La multiplicación de matrices no es conmutativa.
Observamos que el producto de matrices está definido solamente cuando el número de
columnas de A es igual al número de filas de B. Amxp . Bpxq.
PROPIEDADES:
1) En general el producto de matrices no es conmutativo.
Sean A, B y C matrices tales que sea posible el producto entre ellas:
2) A.(B+C)=A.B+A.C
3) A.(B.C)=(A.B).C
4) Si A.B= N (matriz nula) no implica que A o B sea la matriz nula.
POTENCIAS DE UNA MATRIZ:
Sea la matriz A ∈ Rnxn (conjunto de matrices cuadradas) y n un número entero positivo,
se define An como : An = A.A.A…A (n factores).
Por ejemplo, A4 = A.A.A.A
PARTICION DE MATRICES
En muchos casos es conveniente, antes de efectuar operaciones, subdividir las matrices
en matrices más pequeñas.
DEPENDENCIA LINEAL ENTRE FILAS (COLUMNAS) DE UNA MATRIZ
1. Combinación lineal entre filas: Si observamos la siguiente matríz, podemos ver
que Fila 3 = Fila 1 +Fila 2 = F1 + F2
2. Combinacion lineal entre columnas: En éste caso se observa que: Columna 3=
columna 1 +(-1) columna 2 = C1 + (-1).C2 Es decir que : Columna 3= C1-C2
FILAS (C0LUMNAS) LINEALMENTE INDEPENDIENTES (LI)
Las filas F1, F2, F3, …Fn son Linealmente independientes (LI) si la igualdad:
k1.F1+k2.F2+k3.F3+…+kn.Fn = 0 (fila nula) se cumple únicamente cuando todos los
escalares k1, k2, k3, …kn son nulos.
FILAS (C0LUMNAS) LINEALMENTE DEPENDIENTES (LD)
Las filas F1, F2, F3, …Fn son Linealmente dependientes (LD) si existen los escalares
k1, k2, k3, …kn distintos de cero, tal que se cumpla:
k1.F1+k2.F2+k3.F3+…+kn.Fn = 0 (fila nula)
RANGO DE UNA MATRIZ: El rango de una matriz A es el número máximo de
filas, o de columnas, linealmente independientes de dicha matriz.
OPERACIONES ELEMENTALES
Son las operaciones que podemos realizar en una matriz sin que su rango varíe:
1) Intercambio de dos filas
2) Multiplicación de todos los elementos de una fila por un número distinto de cero.
3) Sustitución de una fila por el resultado de la suma de dicha fila con otra fila, que además
pueden ser multiplicadas por escalares distintos de cero.
Aplicando operaciones elementales, en forma reiterada, se puede conseguir anular las
filas que sean LD. Al anularse las filas LD, aquellas filas donde, por lo menos, un
elemento sea distinto de cero será LI. Por lo que podemos decir que, luego de aplicar las
operaciones elementales, anulando todas las filas LD, el Rango va a ser igual a la
cantidad de filas no nulas.
DETERMINANTES:
Determinante es toda función que asigna a cada matriz cuadrada un escalar llamado
determinante de la matriz.
El determinante de una matriz cuadrada es un número que se obtiene a partir de los
elementos de la matriz.
DETERMINANTES DE PRIMER ORDEN: Si la matriz es de 1x1, el determinante es
igual al único elemento de dicha matriz.
DETERMINANTES DE SEGUNDO ORDEN: Dada una matriz de orden dos 𝐴 = (𝑎11
𝑎12 𝑎21 𝑎22), se llama determinante de la matriz al número que se obtiene así: a 11 .a 22
- a 21 .a 12 . Se representa det( A) ó |𝐴|.
DETERMINANTES DE TERCER ORDEN: Sea A una matriz cuadrada de orden 3, se
llama determinante de A al número que se obtiene aplicando la Regla de Sarrus.
DEFINICION AXIOMATICA DE DETERMINANTE
Se llama determinante de la matriz A a la función de los vectores columna de dicha matriz
que satisface los siguientes axiomas:
A1) D(A1 A2 … 𝐴𝑗 `+𝐴𝑗 `` …An ) = D(A1 A2 … 𝐴𝑗 ` …An ) + D(A1 A2 …𝐴𝑗 ``
…An ) A2) D(A1 A2 … 𝛼𝐴𝑗 …An ) = 𝛼D(A1 A2 … 𝐴𝑗 …An ) donde 𝛼 es un
escalar A3) D(A1 A2 … 𝐴𝑗 …𝐴𝑘 …An ) = −D(A1 A2 …𝐴𝑘 …𝐴𝑗 …An ) A4) D (I)
=1
PROPIEDADES QUE SE DEDUCEN DE LOS AXIOMAS
Estas propiedades son generales para determinantes de cualquier orden.
1) El determinante no varía si se traspone la matriz. Es decir: det A = det AT. (Esta
propiedad permite enunciar las demás sólo para filas o columnas). 2) Si dos columnas son
iguales el determinante vale cero.
Demostramos: suponemos que las columnas iguales son 𝐴𝑗 = 𝐴𝑘 . D(A1 A2 … 𝐴𝑗 …𝐴𝑘
…An ) = −D(A1 A2 …𝐴𝑘 …𝐴𝑗 …An ) por el axioma A3 D(A) = - D(A) , como el
único número que es igual a su opuesto es el cero, concluimos que si dos columnas son
iguales el determinante es cero. 3) Si una columna es nula, el determinante es nulo. 4) El
determinante no varía si a una columna se le suma una combinación lineal de las restantes
(n-1) columnas. 5) Si en un determinante las columnas son Linealmente dependientes el
determinante es nulo. 6) Sean las matrices cuadradas A y B de orden n D( A. B ) = D(A)
. D( B) 7) Si una matriz cuadrada es triangular (superior o inferior) su determinante es
igual al producto de los elementos de su diagonal principal.
MENOR COMPLEMENTARIO DEL ELEMENTO a i j :
Sea A una matriz cuadrada de orden nxn. Se llama menor complementario del elemento
a i j al determinante de la matriz de orden (n-1) x(n-1) que se obtiene de A eliminando la
fila i y la columna j. Se indica M i j
COFACTOR O ADJUNTO DEL ELEMENTO a i j :
Sea A una matriz cuadrada de orden nxn. El cofactor o adjunto A i j de A esta dado por:
A i j = ( -1 ) i+j . Mi j
Si i + j es par: A i j = Mi j Si i + j es impar: A i j = - Mi j
MATRIZ SINGULAR
Una matriz cuadrada es singular cuando su determinante es nulo.
MATRIZ ADJUNTA
Definición: Dada una matriz A cuadrada se llama adjunta de A a la matriz que se obtiene
reemplazando cada elemento de la transpuesta de A por su adjunto.
Propiedad de la matriz adjunta: El producto de una matriz cuadrada por su adjunta es
igual al determinante de dicha matriz por la matriz identidad.
Simbólicamente: ∀ 𝐴 ∈ 𝑀𝑛𝑥𝑛: 𝐴.𝐴𝑑𝑗 𝐴 = |𝐴|.𝐼
MATRIZ INVERSA
Definición: Si A es una matriz cuadrada de orden nxn , la inversa de A es una matriz
llamada A-1 de orden nxn que cumple la siguiente propiedad:
A. A-1 = A-1 .A = I
Donde I es la matriz identidad de orden nxn.
Si existe A-1 , se dice que la matriz A es invertible o no singular. Si una matriz A no tiene
inversa se llama no invertible o singular.
Una condición necesaria y suficiente para que una matriz A sea invertible es que su
determinante sea distinto de cero.
PROPIEDADES:
1) La inversa de una matriz es única.
2) Si A es una matriz invertible, entonces A-1 es invertible y : (A -1) -1 = A
3) Si A es una matriz invertible, entonces At es invertible y : (A t ) -1 =(A-1 ) t
 4) Si A y B son matrices invertibles del mismo orden, entonces A.B es invertible
y : (A.B) -1 = B-1 . A-1
5) Si A es una matriz invertible y c es un escalar distinto de cero, entonces c.A es
una matriz invertible y: (c.A)-1 = 𝟏 𝒄 .A-1
6) Si A es una matriz invertible, entonces An es invertible para todos los enteros no
negativos n y : (An )-1 =(A-1 ) n

SISTEMA DE ECUACIONES LINEALES

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales que podemos
escribir de la siguiente forma:

Este es un sistema con "m" ecuaciones y "n" incógnitas, donde los aij son números
reales, llamados coeficientes del sistema, los valores bi son números reales, llamados
términos independientes del sistema, las xj son las incógnitas del sistema. La solución
del sistema es un conjunto ordenado de números reales (s1, s2, ..., sn) tales que al
sustituir las incógnitas x1, x2, ... , xn por los valores s1, s2, ..., sn se verifican a la
vez las "m" ecuaciones del sistema. La colección de todas las soluciones del sistema se
llama Conjunto solución S.
Todo sistema de ecuaciones lineales se puede indicar mediante una notación matricial:

Donde :
• A es la matriz del sistema o matriz de los coeficientes de dimensión m×n formada por
los coeficientes del sistema. • X es la matriz columna formada por las incógnitas, de
clase nx1 • B es la matriz columna formada por los términos independientes, de clase
mx1
Llamamos MATRIZ AMPLIADA de dimensión m×(n+1) a la matriz que se obtiene al
añadir a la matriz del sistema (A) la columna de los términos independientes, y la
denotamos por A´, es decir

CLASIFICACION:
• Atendiendo a la cantidad de ecuaciones y de incógnitas los sistemas se clasifican en
Cuadrados: tienen la misma cantidad de ecuaciones y de incógnitas
Rectangulares: No coinciden cantidad de ecuaciones con cantidad de incógnitas
• Atendiendo a sus términos independientes:
Sistemas Homogéneos: todos los términos independientes son nulos.
Sistemas No Homogéneos: no todos los términos independientes son nulos.
• Atendiendo a sus soluciones los sistemas se clasifican en

SISTEMAS CRAMERIANOS: Un sistema de ecuaciones lineales es crameriano si es

cuadrado y el determinante de la matriz de los coeficientes es distinto de cero.
TEOREMA DE CRAMER
Un sistema crameriano tiene solución única.
Demostración: Sea el sistema crameriano A.X=B
Como el sistema es crameriano podemos asegurar que |𝐴| es no nulo, entonces existe A-
1 / A.A-1 = A-1 .A=I
Premultiplicamos por A-1 a la expresión A.X=B
A-1 . A.X= A-1 .B
I.X= A-1 .B
X= A-1 .B
Como A-1 es única y B está dada por el sistema, esta solución es única.
Método de la matriz inversa:
Por el Teorema de Cramer sabemos que el sistema A.X=B tiene como única solución
X= A-1 .B

TEOREMA DE ROUCHÉ-FRÖBENIUS
Sea el sistema de ecuaciones lineales, cuya expresión matricial es A.X=B
Enunciado: El sistema de ecuaciones lineales A.X=B es compatible si y sólo si, el rango
de la matriz de los coeficientes(A) es igual al rango de la matriz ampliada con la
columna de los términos independientes. Es determinado si dicho rango es igual al
número de incógnitas e indeterminado si el rango es menor al número de incógnitas del
sistema. Si estos rangos son distintos el sistema es incompatible.
Es decir, la condición necesaria y suficiente para que un sistema de m ecuaciones y n
incógnitas tenga solución es que r(A) = r(A`),
Para los sistemas indeterminados la solución puede hallarse despejando k incógnitas
principales en función de (n-h) incógnitas denominadas parámetros y que pueden
tomar cualquier valor real (grados de libertad).
SISTEMAS EQUIVALENTES: Dos sistemas de ecuaciones lineales son equivalentes sí
admiten el mismo conjunto solución.
TEOREMA FUNDAMENTAL DE EQUIVALENCIA: en un sistema de ecuaciones se
puede sustituir una ecuación por una combinación lineal de las restantes, obteniendo un
sistema equivalente.
Consecuencia: Dado un sistema de ecuaciones lineales podemos obtener un sistema
equivalente si:
a) Permutamos ecuaciones.
b) Multiplicamos una ecuación por un escalar distinto de cero.
c) Sumamos a una ecuación otra multiplicada por un escalar distinto de cero.
SISTEMAS HOMOGÉNEOS
Ya dijimos que los sistemas homogéneos son aquellos que tienen todos los términos
independientes nulos. Tomemos como ejemplo el sistema anterior pero con la columna
de los términos independientes nula
VECTORES:
Vector: Dada una recta y dos puntos A y B llamamos vector geométrico a todo
segmento de recta orientado: V BA =V
El vector queda perfectamente determinado si se dan esos dos puntos. El primer punto
se llama origen y el segundo extremo.
Un vector tiene tres características: • Dirección • Sentido • Módulo
Llamamos dirección del vectorAB a la dirección de la recta r, llamada recta de soporte
Lamamos sentido del vectorAB al que determinan los puntos A y B tomados en ese
orden. Llamamos módulo de un vectorAB a la longitud de segmento B A . Notación:
AB.
VECTORES EN EL PLANO R2
El plano R2 es el conjunto de todos los pares ordenados de números reales, en general
se define de la siguiente manera:
𝑅2 = {(𝑥1,𝑥2)/𝑥1,𝑥2 ∈ 𝑅}
Consideremos el plano R 2 con los ejes cartesianos “xy”. Cada par ordenado de
números reales (a,b) es un punto del plano R2 .
El conjunto de todos los puntos en el plano corresponde al conjunto de todos los
vectores con origen en el origen de coordenadas.
En R2 existen dos vectores particulares que nos permiten representar otros vectores en
el plano. Si denotamos el vector horizontal (1,0) por el símbolo “i ” y el vector
vertical (0,1) por el símbolo “ j ”.
Cualquier vector del plano (a,b) será: (a,b) = a(1,0) + b(0,1) y lo podemos escribir:
de esta forma descomponemos el vector v
en sus componentes horizontal(a) y vertical
(b). Los vectores “i
”y“j
” se denominan versores
VECTORES EN EL ESPACIO R3
El espacio R3 es el conjunto de todas las ternas ordenadas de números reales, en
general se define de la siguiente manera:
𝑅3 = {(𝑥1,𝑥2,𝑥3)/𝑥1,𝑥2,𝑥3 ∈ 𝑅}
Vimos que todo punto del plano se puede representar como un par ordenado de números
reales, de igual manera un punto del espacio se puede representar por una terna
ordenada de números reales. Para representar vectores en R3, consideramos tres rectas
perpendiculares entre sí en un punto, que determinan los ejes: “x”; “y” y “z” .
Denotando respectivamente a los vectores: (1,0,0) = i ; (0,1,0) = j ; (0,0,1) = k
MÓDULO DE UN VECTOR
El módulo de un vector v ⃗⃗⃗⃗⃗⃗⃗⃗⃗ se indica :|v ⃗⃗⃗ ⃗⃗⃗|
Sea el vector j bia + =v

DISTANCIA ENTRE DOS PUNTOS:

VECTORES PARALELOS: Dos vectores no nulos 𝑣 ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ y 𝑤 ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗, son
paralelos si y sólo si existe un escalar k, diferente de cero, tal que 𝑣 ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ = k 𝑤 ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗.
Ejemplo: 𝑣 ⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗= (6; 4) y 𝑤 ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗= (3; 2) Observa que sus componentes son
proporcionales.
VECTOR NULO: Cuando la suma de vectores conduce a un polígono cerrado, su
resultante es un vector de módulo cero, llamado vector nulo.
VECTOR OPUESTO: Sea el vector 𝑣 ⃗⃗⃗ , llamaremos vector opuesto al vector −𝑣 ⃗⃗⃗ , que
tiene el mismo módulo y dirección que 𝑣 ⃗⃗⃗ , pero sentido contrario.
PROPIEDADES:
Interpretación geométrica del producto mixto: Sean tres vectores A, B y C que no
están en el mismo plano y forman un paralelepípedo. El valor absoluto del producto
mixto de A, B y C es igual al volumen del paralelepípedo formado por dichos vectores.
CONDICIÓN DE COPLANARIDAD DE TRES VECTORES:
Tres vectores del espacio R3 se denominan coplanares si, considerados con un origen
común, sus direcciones quedan incluidas en un mismo plano. Para comprobar si tres
vectores no nulos son o no coplanares podemos aplicar el producto mixto, ya que se
cumple lo siguiente:
Si tres vectores son coplanares, el producto mixto es nulo.
ESPACIO VECTORIAL
Definición de Espacio Vectorial:
La cuaterna (V; + ; R ; · ) , donde: V es un conjunto no vacío llamado conjunto de
vectores, R es el conjunto de números reales, llamados también escalares, +: suma de
vectores, llamada operación interna, .: producto de un vector por un escalar, llamada
operación externa, es un Espacio Vectorial si se verifican los diez axiomas enunciados a
continuación para la suma vectorial y el producto de un vector por un escalar.
SUBESPACIOS DE ESPACIOS VECTORIALES
Un subconjunto S de un Espacio Vectorial V es un subespacio si es un Espacio
Vectorial con las mismas operaciones definidas en V.
Definición: Un subconjunto no vacío S de un Espacio Vectorial se denomina subespacio
de V si S es un Espacio vectorial con las mismas operaciones de suma y multiplicación
por un escalar definidas en V.
El siguiente Teorema facilita la demostración de que un conjunto S es subespacio de un
determinado espacio vectorial V
BASE CANÓNICA: La determinan los vectores fundamentales o versores que son los
vectores unidad sobre los ejes coordenados y con igual sentido que los ejes positivos.
DIMENSIÓN: El número de vectores de una base de un Espacio Vectorial se conoce
como la dimensión del espacio. Si la dimensión del espacio es “p” se dice que el
espacio es “p” dimensional. Cuando un espacio vectorial tiene una base que consiste en
un número finito de vectores, entonces el espacio es de dimensión finita.
TEOREMA: Un espacio Vectorial tiene dimensión finita k k es el máximo número de
vectores en un conjunto linealmente independiente.
DEFINICIÓN: La dimensión de un Espacio Vectorial es el número cardinal de
cualquiera de sus bases. Si el vector V consiste sólo en el vector nulo, diremos que su
dimensión es 0.
TRANSFORMACIONES LINEALES
Definición: Sea T una función definida de un espacio vectorial V en un espacio
vectorial W. T es una transformación lineal si se cumple lo siguiente:
SUBESPACIOS ASOCIADOS A UNA TRANSFORMACIÓN LINEAL
Sean V y W dos espacios vectoriales y T: V→W una Transformación Lineal. Existen
dos subespacios muy importantes, asociados a toda T.L.: el Núcleo y el conjunto
Imagen.
NÚCLEO O KERNEL DE UNA T.L.: El Núcleo o Kernel de una T.L. definida entre
dos espacios vectoriales V y W, es el conjunto de los vectores del dominio V (o primer
espacio vectorial) que tienen como imagen al vector nulo del segundo espacio vectorial
W.
CONJUNTO IMAGEN DE UNA T.L.: Sea T: V→W una T.L. Se llama conjunto
Imagen de T al conjunto de vectores del segundo espacio vectorial (W) que son imagen
por T de algún vector del primer espacio vectorial V.
RECTA EN EL PLANO
RECTA QUE PASA POR EL ORIGEN: Y¨=M.X
RECTA QUE CORTA AL EJE DE COORDENADAS: Y=M.X + B
RECTA PARALELA A X: Y=B
RECTA PARALELA A Y: X=A
RECTA EN EL ESPACIO
CONICAS
CIRCUNFERENCIA: Se denomina circunferencia al lugar geométrico formado por
todos los puntos P que equidistan de un punto fijo C de este plano, llamado centro. La
distancia entre C y P se conoce como radio (r)
PARABOLA: Se denomina parábola al lugar geométrico de todos los puntos del plano
que equidistan de una recta denominada directriz, y de un punto fijo exterior a la misma,
llamado foco.
PARABOLA CON CENTRO DESPLAZADO:
ELIPSE: Es el lugar geométrico de los puntos del plano tales que la suma de sus
distancias a dos puntos fijos llamados focos, es constante. (A la constante la
simbolizamos 2a)
HIPERBOLA: Es el lugar geométrico de los puntos del plano tales que el valor absoluto
de la diferencia de sus distancias a dos puntos fijos llamados focos es constante. A esta
constante la simbolizamos: 2 a