Algoritmos

Grafos en estructura de datos: qué son, cómo se representan y para qué sirven

Un grafo es una estructura de datos que guarda relaciones: puntos, llamados vértices, unidos por líneas, llamadas aristas. Sirve para modelar redes de transporte, cadenas de suministro o el comercio entre sectores. Un programa lo guarda como matriz de adyacencia, si hay muchas conexiones, o como lista de adyacencia, que ahorra memoria si hay pocas.

Por Jhon Mosquera17 nov 202611 min de lectura

Última actualización: 2026-11-17

Contenido de esta página

La ciudad de Königsberg, en Prusia, tenía una isla llamada Kneiphof. El río que la rodeaba se partía en dos brazos, y sobre ellos había siete puentes. Leonhard Euler cuenta que en la ciudad se preguntaban algo en apariencia simple. Robert Sedgewick y Kevin Wayne, de la Universidad de Princeton, reproducen esa duda en una traducción inglesa. La pregunta era «si alguien podría trazar una ruta de tal manera que cruzara cada puente una vez y solo una vez» [1].

Sedgewick y Wayne fechan el trabajo de Euler en 1736 [1]. El Archivo Euler de la Universidad del Pacífico precisa que lo escribió en 1735 y que salió publicado en 1741, en las memorias de la Academia de Ciencias de San Petersburgo [2].

La ficha del archivo resume el método. Euler redujo el problema a analizar el grado de cada punto, es decir, cuántas líneas llegan a él, y concluyó que el paseo no tenía solución [2]. Fíjese en lo que quedó por fuera de ese análisis: la forma de las calles y el largo de los puentes. Solo contaba qué estaba unido con qué.

Ese dibujo de puntos y líneas es un grafo. El archivo anota que el artículo a menudo se cita como el primero de la teoría de grafos [2].

Puentes de piedra que unen una isla arbolada con las dos orillas de un río al amanecer

¿Qué es un grafo en estructura de datos?

Un grafo es una forma de guardar cosas y las conexiones entre ellas. Cada cosa es un vértice, también llamado nodo, y cada conexión entre dos vértices es una arista. El diccionario de algoritmos y estructuras de datos del NIST, el instituto de normas técnicas de Estados Unidos, lo define como un conjunto de elementos conectados por aristas [3]. Sedgewick y Wayne lo dicen casi igual: un conjunto de vértices y una colección de aristas, cada una de las cuales conecta un par de vértices [5].

La versión formal se escribe G = (V, E). La V es el conjunto de vértices y la E, el de aristas, por las iniciales en inglés de vertex y edge [3][6]. Los mismos libros usan esas letras para contar: V es cuántos vértices hay y E, cuántas aristas. Así se leerán en esta página.

La teoría de grafos es la rama de la matemática que estudia estos objetos. La estructura de datos es su lado práctico: cómo se guarda un grafo en la memoria de un computador para trabajar con él rápido. Junto con los árboles, el grafo cae del lado de las estructuras no lineales, una de las clasificaciones de las estructuras de datos.

Vértices, aristas, grado, camino, ciclo y conectividad

Seis palabras bastan para leer casi cualquier texto sobre grafos. La tabla las define con las palabras de las fuentes y las aplica a la red de cinco sectores que se programa más abajo. En esa red, Agro está unido con Alimentos y con Transporte, Alimentos con Comercio y con Energía, y Transporte con Comercio y con Energía.

TérminoQué esFuenteEn la red de cinco sectores
VérticeUn elemento del grafo; a veces se le llama nodoNIST [3]Cada sector: Agro, Alimentos, Comercio, Transporte, Energía
AristaUna conexión entre dos vérticesNIST [3]Agro–Alimentos es una de las seis
GradoEl número de aristas que tocan un vérticeSedgewick y Wayne [5]; NIST [3]Alimentos tiene grado 3; Agro, grado 2
CaminoUna secuencia de vértices unidos por aristas, sin repetir aristasSedgewick y Wayne [5]Agro → Alimentos → Comercio
CicloUn camino, con al menos una arista, que termina en el vértice donde empezóSedgewick y Wayne [5]; NIST [3]Agro → Alimentos → Comercio → Transporte → Agro
Grafo conexoUno en el que hay un camino de cada vértice a todos los demásSedgewick y Wayne [5]; NIST [3]Sí lo es: de cualquier sector se llega a cualquier otro

Una advertencia sobre la palabra «camino». Los textos no la definen igual. Sedgewick y Wayne admiten que un camino repita vértices, siempre que no repita aristas, y llaman «camino simple» al que no repite ninguno [5]. El NIST, en cambio, anota que un camino se suele suponer simple, salvo que se diga otra cosa [3]. Y el curso de algoritmos del MIT, el Instituto Tecnológico de Massachusetts, aclara en una nota que sus caminos son lo que otro curso de la misma universidad llama recorridos [6]. Antes de comparar dos libros, conviene mirar cuál definición usa cada uno.

Las aristas también pueden tener dirección o peso. En un grafo dirigido, cada arista va de un vértice de origen a uno de destino y conecta en un solo sentido. En un grafo ponderado, cada arista lleva un número, su peso [3]. La clasificación completa de los tipos de grafos es un tema aparte. Aquí basta con esas dos ideas, porque el ejemplo económico las necesita.

¿Por qué un grafo modela lo que una tabla no?

Una tabla común describe cosas una por una: una fila por sector, con su producción, su empleo o sus ventas. Lo que no muestra es a quién le vende cada sector ni de quién depende. Esa información vive en los pares, no en las filas. Un grafo la guarda tal cual: cada sector es un vértice y cada relación de compra y venta, una arista.

La Comisión Económica para América Latina y el Caribe (CEPAL), el organismo de las Naciones Unidas para la región, hizo justo eso en un estudio de 2021. Roberto Carlos Orozco y Luis Daniel Torres González analizaron el comercio entre sectores de Centroamérica, México y la República Dominicana [7]. Su punto de partida fue la matriz de insumo-producto regional de 2011, es decir, el cuadro que registra cuánto le compra cada sector de la economía a cada uno de los demás [7].

Esa matriz reporta 40 sectores por cada uno de los ocho países, para un total de 320 sectores [7]. De ellos, 273 registran comercio dentro de la región, y esos fueron los nodos de la red [7]. Los autores lo resumen con una frase que conecta la economía con la computación: «Todo grafo se puede representar como una matriz de adyacencia» [7].

Lo que se ve al mirar la red y no las filas

Al tratar la matriz como un grafo, la pregunta cambia. Ya no es cuánto vende un sector, sino con cuántos sectores se relaciona. El estudio lo mide con el grado: el de salida cuenta a cuántos sectores les vende uno, y el de entrada, a cuántos les compra [7]. Con la matriz armada, el grado de salida es la suma de una fila y el de entrada, la suma de una columna [7].

El grado de salida más frecuente quedó entre 220 y 240, y el máximo llegó a 263 [7]. Según los autores, eso indica que las ventas de insumos entre países de la subregión se reparten en una gran cantidad de sectores [7].

La red también enseña algo que la fila de un sector no puede enseñar. El estudio parte de la interdependencia entre sectores: lo que produce uno se hace con lo que producen otros [7]. Por eso, según los autores, una perturbación en un sector tiene el potencial de afectar al conjunto de la red [7]. En lenguaje de grafos, el golpe viaja por los caminos.

No es una idea exclusiva de la economía. Los apuntes de Sedgewick y Wayne listan aplicaciones como la red financiera, cuyos vértices son acciones o monedas y cuyas aristas son transacciones, y la de transporte, con intersecciones y calles [1]. El curso del MIT agrega las redes de computadores y las redes sociales [6].

Matriz de adyacencia y lista de adyacencia: las dos formas de guardar un grafo

Un programa puede guardar el mismo grafo de dos maneras principales. La matriz de adyacencia es un cuadro de V filas por V columnas con un 1 donde hay arista y un 0 donde no [4]. La lista de adyacencia es, para cada vértice, la lista de sus vecinos, es decir, de los vértices con los que comparte una arista [4]. Las dos describen lo mismo y gastan recursos de forma distinta.

Grafo de cinco sectores con seis aristas junto a su matriz de adyacencia simétrica de unos y ceros

Cómo funciona la matriz de adyacencia

En la matriz, la casilla de la fila i y la columna j vale 1 si hay una arista del vértice i al vértice j, y 0 si no la hay [4]. En un grafo ponderado, la casilla guarda el peso en lugar del 1 [4]. Si el grafo no es dirigido, la misma marca va en las dos casillas simétricas, o se guarda solo la mitad de arriba de la matriz [4]. La matriz del estudio de la CEPAL es de este tipo, con filas para el sector que vende y columnas para el que compra [7].

Cómo funciona la lista de adyacencia

En la lista, cada vértice tiene su propia lista con los vértices a los que llega una arista [4]. Si el grafo es ponderado, cada vecino va acompañado de su peso [4]. Si no es dirigido, cada arista aparece dos veces: una en la lista de cada extremo [4]. Es la representación que usan Sedgewick y Wayne en su libro: un arreglo indexado por vértice con la lista de los vecinos de cada uno [5]. El curso del MIT describe la misma idea y anota que para cada lista basta un arreglo simple, porque casi siempre solo se necesita recorrerla [6].

Cuánto cuesta cada una en memoria y en consulta

La tabla compara lo que cuesta cada operación según los apuntes de Sedgewick y Wayne. «Proporcional a V²» quiere decir que si se duplica el número de vértices, la memoria se multiplica por cuatro. «Proporcional al grado de v» quiere decir que el tiempo depende de cuántos vecinos tenga ese vértice.

OperaciónMatriz de adyacenciaLista de adyacencia
Memoria que ocupaProporcional a V² [1]Proporcional a V + E [1][6]
Agregar una aristaConstante, pero no admite dos aristas paralelas entre el mismo par [1]Constante [1]
¿Existe la arista entre u y v?Constante: se mira una casilla [1]Proporcional al grado de v [1]
Recorrer los vecinos de vProporcional a V [1]Proporcional al grado de v [1]

Hay una variante que mezcla lo mejor de las dos. La lista de cada vértice se puede guardar en una tabla hash, una estructura que ubica cada dato con una fórmula. Así, según los apuntes del MIT, comprobar si existe una arista toma tiempo constante esperado [6].

¿Cuándo conviene la matriz y cuándo la lista?

Todo depende de cuántas aristas tenga el grafo frente a las que podría tener. Un grafo no dirigido de n vértices admite como máximo n(n − 1)/2 aristas [4]. El NIST llama denso al grafo cuyo número de aristas se acerca a ese máximo, y disperso al que tiene muchas menos [4]. Advierte también que no hay una frontera estricta entre los dos [4].

El criterio, entonces, se puede poner en tres pasos. Es una regla de trabajo mía, armada con las fuentes de la tabla:

  1. Si el grafo es disperso, use la lista de adyacencia: ocupa memoria en proporción a lo que de verdad existe [1][4].
  2. Si el grafo es denso, o si el programa pregunta todo el tiempo si dos vértices están unidos, la matriz responde en una sola casilla [1][4].
  3. Si el número de vértices es enorme, descarte la matriz: su tamaño crece con el cuadrado de V, haya o no aristas [1].

Sedgewick y Wayne inclinan la balanza en sus apuntes. Recomiendan la lista en la práctica y dan la razón en una línea: «Los grafos del mundo real tienden a ser dispersos» [1]. La palabra que pesa es «tienden». En la red de la CEPAL, el grado de salida más frecuente, entre 220 y 240, se acerca al total de 273 sectores [7]. Por la definición del NIST, eso la acerca a un grafo denso [4]. Ahí la matriz, que además es la forma en que llega la información de insumo-producto, es la elección natural.

Un grafo en Python: el mismo ejemplo como matriz y como lista

Este programa guarda la red ilustrativa de cinco sectores de las dos formas. Después calcula el grado de cada vértice, pregunta si existe una arista y lista los vecinos de un sector. No usa librerías: solo listas y diccionarios, los tipos que trae Python de fábrica [8]. Lo ejecuté con Python 3.11.15.

# Un grafo pequeño, ilustrativo: cinco sectores y quién comercia con quién.
# Se guarda de dos formas: matriz de adyacencia y lista de adyacencia.
sectores = ["Agro", "Alimentos", "Comercio", "Transporte", "Energía"]
aristas = [("Agro", "Alimentos"), ("Alimentos", "Comercio"),
           ("Comercio", "Transporte"), ("Transporte", "Agro"),
           ("Energía", "Alimentos"), ("Energía", "Transporte")]

n = len(sectores)
pos = {s: i for i, s in enumerate(sectores)}   # cada sector, su número de fila

# 1) Matriz de adyacencia: n x n casillas, 1 si hay arista y 0 si no
matriz = [[0] * n for _ in range(n)]
for u, v in aristas:
    matriz[pos[u]][pos[v]] = 1
    matriz[pos[v]][pos[u]] = 1                 # grafo no dirigido: simétrica

# 2) Lista de adyacencia: cada sector guarda solo a sus vecinos
lista = {s: [] for s in sectores}
for u, v in aristas:
    lista[u].append(v)
    lista[v].append(u)

print("Matriz de adyacencia:")
for s in sectores:
    print(f"  {s:<10}", matriz[pos[s]])

print("Lista de adyacencia:")
for s in sectores:
    print(f"  {s:<10}", lista[s])

# Grado de un vértice: en la matriz se suma su fila; en la lista se cuenta
for s in sectores:
    print(f"Grado de {s}: matriz {sum(matriz[pos[s]])}, lista {len(lista[s])}")

# ¿Existe la arista Agro-Comercio? La matriz responde mirando una casilla
print("¿Agro-Comercio?", matriz[pos["Agro"]][pos["Comercio"]] == 1)
# La lista tiene que recorrer los vecinos de Agro
print("¿Agro-Comercio?", "Comercio" in lista["Agro"])

# Vecinos de Alimentos: la matriz revisa las n casillas de su fila
print("Vecinos de Alimentos (matriz):",
      [t for t in sectores if matriz[pos["Alimentos"]][pos[t]] == 1])
print("Vecinos de Alimentos (lista):", lista["Alimentos"])

# Cada arista suma 1 al grado de sus dos extremos
print("Suma de grados:", sum(len(v) for v in lista.values()), "| aristas:", len(aristas))
print("Casillas de la matriz:", n * n, "| entradas de la lista:", sum(len(v) for v in lista.values()))

La salida es esta:

Matriz de adyacencia:
  Agro       [0, 1, 0, 1, 0]
  Alimentos  [1, 0, 1, 0, 1]
  Comercio   [0, 1, 0, 1, 0]
  Transporte [1, 0, 1, 0, 1]
  Energía    [0, 1, 0, 1, 0]
Lista de adyacencia:
  Agro       ['Alimentos', 'Transporte']
  Alimentos  ['Agro', 'Comercio', 'Energía']
  Comercio   ['Alimentos', 'Transporte']
  Transporte ['Comercio', 'Agro', 'Energía']
  Energía    ['Alimentos', 'Transporte']
Grado de Agro: matriz 2, lista 2
Grado de Alimentos: matriz 3, lista 3
Grado de Comercio: matriz 2, lista 2
Grado de Transporte: matriz 3, lista 3
Grado de Energía: matriz 2, lista 2
¿Agro-Comercio? False
¿Agro-Comercio? False
Vecinos de Alimentos (matriz): ['Agro', 'Comercio', 'Energía']
Vecinos de Alimentos (lista): ['Agro', 'Comercio', 'Energía']
Suma de grados: 12 | aristas: 6
Casillas de la matriz: 25 | entradas de la lista: 12

Las dos representaciones dan el mismo grado y los mismos vecinos, como debe ser. La diferencia está en el trabajo. La matriz gastó 25 casillas para guardar 6 aristas, y 13 de esas casillas son ceros. La lista guardó 12 entradas, dos por arista, porque en un grafo no dirigido cada arista aparece en la lista de sus dos extremos.

La última línea también muestra una regla que se cumple siempre en un grafo no dirigido: la suma de los grados es el doble del número de aristas. Cada arista le suma uno al grado de cada uno de sus dos extremos. Con cinco vértices la diferencia de espacio no importa. En una red tan conectada como la de la CEPAL, la matriz tiene pocos ceros. En cambio, Sedgewick y Wayne describen los grafos reales típicos como redes con muchísimos vértices y pocos vecinos por vértice en promedio [1]. Ahí la matriz sería casi toda ceros.

Qué se hace con un grafo una vez guardado

Guardar el grafo es el primer paso. Lo que sigue son los algoritmos que trabajan sobre él, y cada uno tiene su propio desarrollo. Están los recorridos del grafo: la búsqueda en anchura, BFS por su sigla en inglés (por niveles), y la búsqueda en profundidad, DFS (rama por rama). Están el algoritmo de Dijkstra, que halla el camino más corto, y el árbol de expansión mínima. Y están los árboles, un caso especial de grafo. El orden en que conviene estudiarlos está en la guía de estructuras de datos y algoritmos, y la idea de algoritmo como receta de pasos, en qué es un algoritmo.

Dos temas vecinos tienen su propio lugar. Las bases de datos que guardan la información como un grafo, con productos como Neo4j, son asunto de las bases de datos. Y las redes neuronales que aprenden de datos con forma de grafo pertenecen al machine learning.

La tabla que no veía los puentes

Vuelvo a Königsberg. Un plano de la ciudad tenía toda la información y, aun así, escondía la respuesta. Euler la encontró cuando dejó de mirar el mapa y miró solo las conexiones.

Pienso, y es una opinión, que ese gesto le sirve más a un analista de datos que cualquier fórmula de esta página. Las bases que llegan a una oficina casi siempre vienen en filas: un cliente, un municipio o un sector por renglón. Las preguntas que importan, en cambio, suelen ser de pares: quién le vende a quién, por dónde se propaga un choque, qué proveedor deja a medio país sin insumos si falla.

Si su pregunta tiene la palabra «entre», probablemente su dato es un grafo, aunque llegue disfrazado de tabla.

Preguntas frecuentes

¿Qué es la teoría de grafos? Es la rama de la matemática que estudia conjuntos de puntos unidos por líneas y las propiedades que salen de esas uniones. El curso de algoritmos del MIT trata el grafo como un objeto matemático formado por un conjunto de vértices y otro de aristas [6]. Su origen suele situarse en Euler: el archivo de su obra dice que el trabajo sobre Königsberg se cita a menudo como el primer artículo de la disciplina [2].

¿Vértice y nodo significan lo mismo? Sí. El NIST define el vértice como un elemento del grafo y anota que a veces se le llama nodo [3]. Los textos de matemática prefieren «vértice»; los de redes y de economía suelen decir «nodo», como el estudio de la CEPAL [7].

¿Cuántas aristas puede tener un grafo como máximo? Depende de si tiene dirección. Según el NIST, un grafo dirigido de n vértices puede tener a lo sumo n(n − 1) aristas, y uno no dirigido, la mitad de esa cifra [4]. Con diez vértices, el primero admite hasta 90 aristas y el segundo, hasta 45.

¿Se puede guardar un grafo en una hoja de cálculo? Sí, de dos formas. Una es la lista de aristas: una fila por cada conexión, con el vértice de origen en una columna y el de destino en otra. Sedgewick y Wayne la incluyen entre las representaciones posibles, aunque preguntar por una arista exige revisar todas las filas [1]. La otra es pegar la matriz de adyacencia, con un vértice por fila y por columna.

¿La matriz de adyacencia de un grafo no dirigido siempre es simétrica? Sí, porque si A está unido con B, B está unido con A, y esa marca va en las dos casillas [4][7]. Por eso el NIST anota que basta con guardar la mitad superior de la matriz [4]. En un grafo dirigido no pasa lo mismo: que un sector le venda a otro no implica que el otro le venda a él [7].

Referencias

Las citas en otro idioma son traducción propia.

  1. Robert Sedgewick y Kevin Wayne, Princeton University. 4.1 Undirected Graphs, diapositivas de clase del libro Algorithms, 4.ª edición — «The Seven Bridges of Königsberg. [Leonhard Euler 1736]», con la cita «in Königsberg in Prussia, there is an island A, called the Kneiphof; the river which surrounds it is divided into two branches … and these branches are crossed by seven bridges. Concerning these bridges, it was asked whether anyone could arrange a route in such a way that he could cross each bridge once and only once»; tabla de aplicaciones (financiera: acciones, monedas / transacciones; transporte: intersecciones / calles); representaciones: espacio E (lista de aristas), V² (matriz de adyacencia) y E + V (listas de adyacencia); agregar arista 1, 1 y 1 (« disallows parallel edges»); ¿arista entre v y w?: E, 1 y degree(v); recorrer los adyacentes a v: E, V y degree(v); «In practice. Use adjacency-lists representation»; «Real-world graphs tend to be sparse». Princeton: diapositivas 4.1 Undirected Graphs (PDF) — Consultada: 2026-11-17.
  2. Euler Archive, University of the Pacific. Solutio problematis ad geometriam situs pertinentis, de Leonhard Euler (número de Eneström 53) — título en inglés «The solution of a problem relating to the geometry of position»; escrito en 1735 y publicado en 1741 en Commentarii academiae scientiarum Petropolitanae, volumen 8, págs. 128-140; «It is often cited as the earliest paper in both topology and graph theory»; Euler reduce el problema a un análisis de los grados de los vértices de un grafo y concluye que el problema de los puentes de Königsberg no tiene solución. Euler Archive: ficha de E53 — Consultada: 2026-11-17.
  3. NIST, Dictionary of Algorithms and Data Structures (Paul E. Black, ed.). Entradas graph («A set of items connected by edges. Each item is called a vertex or node»; G = (V, E)), vertex («An item in a graph. Sometimes referred to as a node»), edge (conexión entre dos vértices; en un grafo ponderado lleva un número, su peso; en uno dirigido va de un origen a un destino y conecta en un solo sentido), degree (de un vértice, el número de aristas conectadas a él), path (lista de vértices en la que cada uno tiene una arista hacia el siguiente; «A path is usually assumed to be a simple path, unless otherwise defined»), cycle (camino que empieza y termina en el mismo vértice e incluye al menos una arista) y connected graph (grafo no dirigido con un camino entre cada par de vértices). NIST DADS: graph · NIST DADS: vertex · NIST DADS: edge · NIST DADS: degree · NIST DADS: path · NIST DADS: cycle · NIST DADS: connected graph — Consultada: 2026-11-17.
  4. NIST, Dictionary of Algorithms and Data Structures (Paul E. Black, ed.). Entradas adjacency-matrix representation (matriz n × n en la que la casilla (i, j) vale 1 si hay arista del vértice i al j y 0 si no; en un grafo ponderado guarda el peso; en uno no dirigido, la misma marca en (i, j) y (j, i) o una matriz triangular superior), adjacency-list representation (arreglo de n listas; la lista i contiene al vértice j si hay arista de i a j; pares vértice/peso si es ponderado; en un grafo no dirigido, j en la lista de i e i en la de j; «more compact for a sparse matrix»), dense graph y sparse graph (número de aristas cercano o muy inferior al posible; un grafo dirigido admite como máximo n(n−1) aristas y uno no dirigido n(n−1)/2; «There is no strict distinction between sparse and dense graphs»). NIST DADS: adjacency-matrix representation · NIST DADS: adjacency-list representation · NIST DADS: dense graph · NIST DADS: sparse graph — Consultada: 2026-11-17.
  5. Robert Sedgewick y Kevin Wayne, Princeton University. Algorithms, 4th Edition, sección 4.1 Undirected Graphs — un grafo es «a set of vertices and a collection of edges that each connect a pair of vertices»; el grado de un vértice es el número de aristas que inciden en él; camino: secuencia de vértices conectados por aristas, sin aristas repetidas; camino simple: sin vértices repetidos; ciclo: camino con al menos una arista cuyo primer y último vértice coinciden; grafo conexo: hay un camino de cada vértice a todos los demás; Graph.java usa la representación por listas de adyacencia («a vertex-indexed array of lists of the vertices connected by an edge to each vertex») y AdjMatrixGraph.java, la matriz de adyacencia. Princeton: Algorithms, 4.1 Undirected Graphs — Consultada: 2026-11-17.
  6. MIT OpenCourseWare. Erik Demaine, Jason Ku y Justin Solomon, 6.006 Introduction to Algorithms (primavera de 2020), Lecture 9: Breadth-First Search y Recitation 9 — los grafos están en todas partes: redes de carreteras, de computadores y sociales; un grafo G = (V, E) es un conjunto de vértices V y un conjunto de pares de vértices E; representación por listas de adyacencia (es común usar un arreglo o una lista enlazada para cada Adj(u), porque casi siempre solo se necesita recorrerla), con espacio en |V| + |E|; una tabla hash para cada Adj(u) permite comprobar una arista en tiempo O(1) esperado; un grafo es «a mathematical object comprising a set of vertices V (also called nodes) and a set of edges E»; nota: sus caminos son «walks» en el curso 6.042. MIT OCW: 6.006, apuntes de la clase 9 (PDF) · MIT OCW: 6.006, recitación 9 (PDF) — Consultada: 2026-11-17.
  7. Roberto Carlos Orozco y Luis Daniel Torres González, CEPAL. Redes intersectoriales de comercio entre Centroamérica, México y la República Dominicana: un análisis desde la perspectiva de la teoría de redes sociales, Documentos de Proyectos (LC/TS.2021/5; LC/MEX/TS.2021/1), Ciudad de México, 2021 — base: matriz de insumo-producto regional de 2011; 40 sectores por cada uno de los ocho países, 320 en total, de los cuales 273 registran comercio intrarregional (nodos de la red); «Todo grafo se puede representar como una matriz de adyacencia»; grafos no dirigidos, dirigidos (el origen en la fila y el destino en la columna; que B le venda a C no implica lo contrario) y ponderados; matriz no dirigida simétrica; grado de salida = suma por filas, grado de entrada = suma por columnas; valor modal del grado de salida entre 220 y 240 y máximo de 263; las exportaciones intermedias intrarregionales se distribuyen en una gran cantidad de sectores; interdependencia entre sectores y perturbaciones con «el potencial de afectar al conjunto de sectores». CEPAL: Redes intersectoriales de comercio (PDF) — Consultada: 2026-11-17.
  8. Python Software Foundation. 5. Data Structures, tutorial de Python, documentación 3.11 — listas y comprensiones de listas; los diccionarios se indexan por claves; «The comparison operators in and not in are membership tests». Python docs 3.11: Data Structures — Consultada: 2026-11-17.
Cómo investigamos esta página
  • Pregunta que responde: qué es un grafo como estructura de datos, cómo se guarda y por qué modela relaciones que una tabla no
  • Fuentes: identificadas 27 → incluidas 18
  • Criterios de inclusión: diccionario del NIST, libro y cursos universitarios oficiales y CEPAL, leídos en texto completo
  • Fecha de corte de los datos: 2026-11-17
Scroll to Top