Increasingly complex electronic devices are driving the chip circuit elements density towards the limit of the physically possible. The Metal Oxide Semiconductor by it's conveniently low cost of manufacture is the best option for the implementation of most electronic circuits. It is a very mature technology in terms of implementation. However, modeling of such devices is very complex and with more complete models comes increasing computation cost at simulation time. Model complexity increases as technology nodes decrease the minimum dimension. Many detrimental factors which were considered of second importance are now becoming even more notorious. For instance, the Integrated Circuit designer now has to deal with low rail-to-rail voltages which make the use of some topologies impossible or has to deal with the fact that the behavior of a MOS transistor (MOST) deviates significantly from the hand equations (ie. quadratic model, variable depletion layer model) and interactions between MOST elements become even more complex due to the increased importance of secondary effects which play for and against each other. With the scaling down of supply voltages, signals in an IC are becoming of comparable magnitude to noise. Then there is the economic aspect which has to do with the design for manufacturing in order to increase the profit margin and/or decrease the cost to the final consumer. The designer has to somehow get an insight of said interactions in order to cope with them. Symbolic analysis, an area which sparked interest in the 1970's and 1980's lost its momentum due to the difficulty in implementing true problem solving environments (PSE) [11]. In recent times however, the need to explore new paradigms along with the increased computing power lead to the integration of behavioral and numerical simulation in order to get the best of both worlds [5] [21]. The main contribution of this Thesis is the introduction of a graph-based technique for the solution of a determinant where all or at least one of its elements is a symbol. This technique is applied to compute symbolic transfer functions, symbolic noise expressions and symbolic sensitivities of analog integrated circuits composed of MOSFETs, whose behavior is modeled by using nullors. Several examples demonstrate the usefulness of the proposed graph-based technique and it is compared with the already known determinant decision diagram (DDD) method introduced one decade ago.La creación de dispositivos electrónicos cada vez más complejos en tiempos recientes ha hecho que la densidad de integración de elementos circuitales en un chip tienda a alcanzar los límites de lo que es físicamente posible. Los dispositivos de Metal-Óxido-Semiconductor (MOS) por la conveniencia de su bajo costo de manufactura es la mejor opción para la implementación de la mayoría de los circuitos electrónicos de hoy en día ésta es una tecnología bastante madura en términos de implementación. Sin embargo, modelar dichos dispositivos es una tarea sumamente compleja y con modelos más completos viene un inherente aumento en el costo computacional al momento de simular. La complejidad de los modelos aumenta conforme los nodos en la tecnología MOS disminuyen las dimensiones mínimas. Muchos efectos negativos que eran considerados de segundo orden se han vuelto más notorios. Por ejemplo, el diseñador de circuitos integrados (IC por sus siglas en inglés) ahora tiene que lidiar con voltajes de riel-a-riel tan bajos que hacen imposible el uso de algunas topologías, o tiene que lidiar con el hecho de que el comportamiento de los transistores MOS (MOST) difieren significativamente de las ecuaciones de "a mano" (eg. modelo cuadrático, variable depletion layer) y las interacciones entre elementos MOST se vuelven más complejas debido a que los efectos de segundo orden que juegan a favor y en contra son ahora más significativos. Con el escalamiento hacia abajo de los voltajes de alimentación, las señales de interés en un IC son ahora de magnitud comparable al ruido en el mismo. Encima de todo esto está el aspecto económico que tiene que ver con el diseño para la manufactura en que se busca aumentar el margen de ganancias y/o reducir el costo que el consumidor final tiene que pagar. El diseñador entonces tiene que comprender dichas interacciones de alguna manera con tal de tomarlas en cuenta al momento de diseñar. El análisis simbólico, un área que ganó interés durante las décadas de 1970 y 1980, perdió el momento que obtuvo debido a la dificultad de implementar verdaderos Ambientes de solución de problemas (PSE, Problem Solving Environments, por sus siglas en inglés) [11]. En tiempos recientes, la necesidad de explorar nuevos paradigmas junto con el aumento y disponibilidad de poder de cómputo llevó a la integración de simuladores comportamentales-numéricos con el objetivo de obtener lo mejor de ambos mundos [5] [21].